JP6890632B2 - データ処理装置、データ処理方法及びプログラム - Google Patents

データ処理装置、データ処理方法及びプログラム Download PDF

Info

Publication number
JP6890632B2
JP6890632B2 JP2019120365A JP2019120365A JP6890632B2 JP 6890632 B2 JP6890632 B2 JP 6890632B2 JP 2019120365 A JP2019120365 A JP 2019120365A JP 2019120365 A JP2019120365 A JP 2019120365A JP 6890632 B2 JP6890632 B2 JP 6890632B2
Authority
JP
Japan
Prior art keywords
data
model
data group
unit
area
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2019120365A
Other languages
English (en)
Other versions
JP2021005694A (ja
Inventor
弘典 茂木
弘典 茂木
隆彦 加藤
隆彦 加藤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tokyo Electron Ltd
Original Assignee
Tokyo Electron Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tokyo Electron Ltd filed Critical Tokyo Electron Ltd
Priority to JP2019120365A priority Critical patent/JP6890632B2/ja
Priority to TW109120042A priority patent/TW202105515A/zh
Priority to KR1020200072903A priority patent/KR20210001958A/ko
Priority to CN202010586197.7A priority patent/CN112149268A/zh
Priority to US16/911,862 priority patent/US20200410413A1/en
Publication of JP2021005694A publication Critical patent/JP2021005694A/ja
Application granted granted Critical
Publication of JP6890632B2 publication Critical patent/JP6890632B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0633—Workflow analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06G—ANALOGUE COMPUTERS
    • G06G7/00—Devices in which the computing operation is performed by varying electric or magnetic quantities
    • G06G7/48—Analogue computers for specific processes, systems or devices, e.g. simulators
    • G06G7/62—Analogue computers for specific processes, systems or devices, e.g. simulators for electric systems or apparatus
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/4155—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by programme execution, i.e. part programme or machine function execution, e.g. selection of a programme
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
    • G05B19/41885—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM] characterised by modeling, simulation of the manufacturing system
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/02—Manufacture or treatment of semiconductor devices or of parts thereof
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/45—Nc applications
    • G05B2219/45031—Manufacturing semiconductor wafers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Description

本開示は、データ処理装置、データ処理方法及びプログラムに関する。
従来より、製造プロセス（例えば、半導体製造プロセス）で利用または測定されたデータを収集し、各種解析を行うデータ処理装置が知られている。当該データ処理装置を用いて、収集したデータを解析しモデルを生成することで、当該製造プロセスのシミュレーション処理を行うことができる。
米国特許出願公開第２０１７／０１７７９９７号明細書 米国特許出願公開第２０１５／０２１１１２２号明細書 特開２００９−１５２２６９号公報
本開示は、製造プロセスのシミュレーション処理において、シミュレーション精度を向上させるデータ処理装置、データ処理方法及びプログラムを提供する。
一態様によれば、データ処理装置は、
製造プロセスの所定のステップと対応付けられた複数のデータ群それぞれの特徴空間における分布が、該複数のデータ群それぞれについて算出された該所定のステップにおける効果に応じて分類されるよう、該特徴空間が分割された場合の、各領域を特定する解析結果を格納する第１の格納部と、
前記特徴空間の各領域に分類されるデータ群が入力されることで、各領域に対応するそれぞれの効果を出力する複数のモデルを、各領域と対応付けて格納する第２の格納部と、
前記所定のステップと対応付けられたデータ群が新たに取得され、前記解析結果に基づいて該取得されたデータ群が分類される１の領域が判定された場合に、該１の領域に対応付けて格納されたモデルを用いてシミュレーション処理を行う実行部とを有する。
本開示によれば、製造プロセスのシミュレーション処理において、シミュレーション精度を向上させるデータ処理装置、データ処理方法及びプログラムを提供できる。
データ処理システムの全体構成の一例を示す図である。 各事業所で取り扱われるデータ群の具体例を示す図である。 解析結果格納部に格納される解析結果データの概要を説明するための図である。 データ処理装置のハードウェア構成の一例を示す図である。 データ解析部の機能構成の一例を示す図である。 効果算出部の処理の具体例を示す図である。 データ格納部に格納されたデータ群の一例を示す図である。 分割部の処理の具体例を示す図である。 Ｐｒｏｘｅｌ算出部により算出されたＰｒｏｘｅｌの一例を示す図である。 分割部及びＰｒｏｘｅｌ算出部によるＰｒｏｘｅｌ算出処理の流れを示す第１のフローチャートである。 Ｐｒｏｘｅｌを算出することの利点を説明するための第１の図である。 Ｐｒｏｘｅｌを算出することの利点を説明するための第２の図である。 モデル生成部の機能構成の一例を示す図である。 モデル生成部の処理の具体例を示す第１の図である。 モデル生成部の処理の具体例を示す第２の図である。 モデル生成部によるモデル生成処理の流れを示す第１のフローチャートである。 推定部の機能構成の一例を示す図である。 推定部の処理の具体例を示す図である。 推定部による推定処理の流れを示すフローチャートである。 各モデルのＰｒｏｘｅｌごとのシミュレーション精度の一例を示す図である。
以下、各実施形態について添付の図面を参照しながら説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複した説明を省略する。
［第１の実施形態］
＜データ処理システムの全体構成＞
はじめに、データ処理システムの全体構成について説明する。図１は、データ処理システムの全体構成の一例を示す図である。図１に示すように、データ処理システム１００は、データ処理装置１１０と、各事業所１２０、１３０、１４０（事業所名＝"事業所Ａ"、"事業所Ｂ"、"事業所Ｃ"）内の端末１２１、１３１、１４１とを有する。データ処理装置１１０と、各事業所１２０、１３０、１４０内の端末１２１、１３１、１４１とは、ネットワーク１５０を介して、通信可能に接続される。
データ処理装置１１０には、データ解析プログラム、モデル生成プログラム、推定プログラムがインストールされている。データ処理装置１１０は、当該データ解析プログラム、モデル生成プログラム、推定プログラムを実行することで、データ解析部１１１、モデル生成部１１２、推定部１１３として機能する。
データ解析部１１１は、各事業所１２０、１３０、１４０内の端末１２１、１３１、１４１よりデータ群（図１の例では、初期データ、設定データ、出力データ、測定データ、実験データ、目標データ）をネットワーク１５０を介して収集する。また、データ解析部１１１は、収集したデータ群を、データ格納部１１４に格納する。なお、データ群の収集方法は、これに限定されず、例えば、データ群が記録された記録媒体を、データ処理装置１１０の管理者が各事業所１２０、１３０、１４０から取得し、該記録媒体からデータ群を読み出すことで、データ群を収集してもよい。
また、データ解析部１１１は、データ格納部１１４に格納されたデータ群を解析し、解析結果データを解析結果格納部１１５（第１の格納部）に格納する。
モデル生成部１１２は、解析結果データに基づいて、データ格納部１１４に格納したデータ群を分類し、分類したそれぞれのデータ群を用いて、半導体製造プロセス（例えば、半導体製造装置ａ）のモデルを生成する。モデル生成部１１２は、生成したモデルを、モデル格納部１１６（第２の格納部）に格納する。
推定部１１３は、新たなデータ群が取得された場合に、モデル格納部１１６から読み出したモデルに当該データ群を入力することで、シミュレーション処理を行う。
事業所１２０（事業所名＝"事業所Ａ"）には、半導体製造プロセスを実行する半導体製造装置（半導体製造装置ａ）が含まれる。また、事業所１２０内には、半導体製造プロセスにおいて測定データを測定する測定器と、半導体製造プロセスにおいて製造された結果物（半導体または中間生成物）について実験データを測定する実験値測定器とが含まれる。更に、事業所１２０内には、データ処理システム１００を構成する端末１２１と、データ群を格納するデータベースとが含まれる。
半導体製造装置ａは、端末１２１より入力された初期データ、設定データ、目標データに基づいて半導体製造プロセスを実行する。また、半導体製造装置ａは、半導体製造プロセスを実行することで得た出力データを、初期データ、設定データ、目標データと対応付けてデータベースに格納する。
測定器は、半導体製造装置ａによる半導体製造プロセスの実行中に測定データを測定し、データベースに格納する。実験値測定器は、半導体製造プロセスにおいて製造された結果物（半導体または中間生成物）について実験データを測定し、データベースに格納する。
端末１２１は、半導体製造装置ａが半導体製造プロセスを実行する際に用いる初期データ、設定データ、目標データを入力し、半導体製造装置ａに設定する。また、端末１２１は、データベースに格納されたデータ群（初期データ、設定データ、出力データ、測定データ、実験データ、目標データ）を、データ処理装置１１０に送信する。
事業所１３０（事業所名＝"事業所Ｂ"）、事業所１４０（事業所名＝"事業所Ｃ"）では、事業所１２０と同様の半導体製造プロセスが実行される。このため、事業所１３０、事業所１４０には、事業所１２０と同様の装置が含まれる。ただし、図１の例では、事業所１３０には、実験値測定器が含まれていない。また、事業所１４０には、測定器及び実験値測定器が含まれていない。
このように、事業所ごとに含まれている装置が異なる場合、各事業所１２０、１３０、１４０内の各端末１２１、１３１、１４１からデータ処理装置１１０に送信されるデータ群の情報の項目も異なってくる。例えば、事業所１３０内の端末１３１から送信されるデータ群には、実験データ（またはその一部）が含まれない。また、例えば、事業所１４０の端末１４１から送信されるデータ群には、測定データ及び実験データ（またはそれらの一部）は含まれない。
＜データ群の具体例＞
次に、各事業所１２０、１３０、１４０で取り扱われるデータ群について説明する。図２は、各事業所で取り扱われるデータ群の具体例を示す図である。ここでは、事業所１２０で取り扱われるデータ群について説明する。
図２に示すように、事業所１２０の半導体製造装置ａは、複数の半導体製造プロセス（プロセス名＝プロセスＩ〜Ｍ）を実行する。半導体製造装置ａが実行するそれぞれの半導体製造プロセスには、複数のステップ（例えば、ステップ名＝ステップ１〜Ｎ）が含まれる。なお、ここでいう「ステップ」とは、半導体製造プロセスにおいて、状態（処理対象物の属性、半導体製造装置ａの状態、半導体製造装置ａ内の雰囲気等）を変化させる最小の処理単位を指すものとする。したがって、時間の経過とともに状態が変化するような場合、本実施形態では、時間経過前と時間経過後とで、別々のステップとして捉えるものとする。
図２において、データ群２０１は、
・事業所１２０の半導体製造装置ａが実行する複数の半導体製造プロセスのうち、プロセス名＝"プロセスＩ"の半導体製造プロセスであって、
・該半導体製造プロセスに含まれる複数のステップのうち、ステップ名＝"ＳＴＥＰ１"のステップ、
と対応付けられたデータ群である。
図２に示すように、データ群２０１は、情報の項目として、"初期データ（Ｉ）"、"設定データ（Ｒ）"、"出力データ（Ｅ）"、"測定データ（Ｐｌ）"、"実験データ（Ｐｒ）"、"目標データ（Ｐｆ）"を含む。
"初期データ（Ｉ）"には、事業所１２０内の端末１２１より入力された、初期データが含まれる。半導体製造プロセスの場合、初期データには、
・Ｉｎｉｔｉａｌ ＣＤ（critical dimensions）
・Ｍａｔｅｒｉａｌ（材料）
・Ｔｈｉｃｋｎｅｓｓ（厚さ）
・Ａｓｐｅｃｔ ｒａｔｉｏ（アスペクト比）
・Ｍａｓｋ ｃｏｖｅｒａｇｅ（マスク被覆性）
等が含まれる。
"設定データ（Ｒ）"には、事業所１２０内の端末１２１より入力され、半導体製造装置ａに設定される設定データが含まれる。半導体製造装置ａに設定される設定データは、半導体製造装置ａの特性に依存するデータである。半導体製造プロセスの場合、設定データには、
・Ｐｒｅｓｓｕｒｅ（チャンバ内の圧力）
・Ｐｏｗｅｒ（高周波電源の電力）
・Ｇａｓ（ガス流量）
・Ｔｅｍｐｅｒａｔｕｒｅ（チャンバ内の温度または処理対象物表面の温度）
等が含まれる。
"出力データ（Ｅ）"には、事業所１２０の半導体製造装置ａによる、プロセス名＝"プロセスＩ"の半導体製造プロセス、ステップ名＝"ＳＴＥＰ１"のステップの実行中に、事業所１２０の半導体製造装置ａから出力される出力データが含まれる。半導体製造装置ａから出力される出力データは、半導体製造装置ａの特性に依存するデータである。半導体製造プロセスの場合、出力データには、
・Ｖｐｐ（電位差）
・Ｖｄｃ（直流自己バイアス電圧）
・ＯＥＳ（発光分光分析による発光強度）
・Ｒｅｆｌｅｃｔ（反射波電力）
等が含まれる。
"測定データ（Ｐｌ）"には、事業所１２０の半導体製造装置ａによる、プロセス名＝"プロセスＩ"の半導体製造プロセス、ステップ名＝"ＳＴＥＰ１"のステップの実行中に、事業所１２０の測定器により測定される測定データが含まれる。測定器により測定される測定データは、半導体製造装置ａの特性に依存しないデータである。半導体製造プロセスの場合、測定データには、
・Ｐｌａｓｍａ ｄｅｎｓｉｔｙ（プラズマ密度）
・Ｉｏｎ ｅｎｅｒｇｙ（イオンエネルギ）
・Ｉｏｎ ｆｌｕｘ（イオン流量）
等が含まれる。
"実験データ（Ｐｒ）"には、事業所１２０の半導体製造装置ａにより、プロセス名＝"プロセスＩ"の半導体製造プロセス、ステップ名＝"ＳＴＥＰ１"のステップが実行されたことで生成された結果物を、実験値測定器が測定することで得た実験データが含まれる。実験値測定器により測定される実験データは、半導体製造装置ａの特性に依存しないデータである。半導体製造プロセスの場合、実験データには、
・Ｅｔｃｈｉｎｇ ｒａｔｅ（エッチング速度）
・Ｄｅｐｏｓｉｔｉｏｎ ｒａｔｅ（成膜速度）
・ＸＹ ｐｏｓｉｔｉｏｎ（ＸＹ座標）
・Ｆｉｌｍ ｔｙｐｅ（薄膜の種類）
・Ｖｅｒｔｉｃａｌ／Ｌａｔｅｒａｌ（縦型／横型の区分）
等が含まれる。
"目標データ（Ｐｆ）"には、事業所１２０内の端末１２１より入力された目標データが含まれる。目標データとは、事業所１２０の半導体製造装置ａにより、プロセス名＝"プロセスＩ"の半導体製造プロセス全体が実行されることで生成される結果物が到達すべき属性である。半導体製造プロセスの場合、目標データには、
・ＣＤ（critical dimensions）
・Ｄｅｐｔｈ（深さ）
・Ｔａｐｅｒ（テーパ角）
・Ｔｉｌｔｉｎｇ（チルト角）
・Ｂｏｗｉｎｇ（ボーイング）
等が含まれる。
なお、図２に示すデータ群は一例であり、各情報の項目に含まれるデータの種類は、図示したものに限定されない。また、データ群には、事業所ごと、プロセスごと、ステップごとに異なる情報の項目、異なる種類のデータが含まれるものとする。
＜解析結果データの概要＞
次に、各事業所１２０、１３０、１４０から収集したデータ群を、データ処理装置１１０のデータ解析部１１１が解析することで、解析結果格納部１１５に格納される解析結果データの概要について説明する。図３は、解析結果格納部に格納される解析結果データの概要を説明するための図である。
図３において、データ群３０１は、プロセス名＝"プロセスＩ"の半導体製造プロセス、ステップ名＝"ＳＴＥＰ１"のステップと対応付けられたデータ群であり、各事業所１２０、１３０、１４０から収集された複数のデータ群を含む。
具体的には、データ群３０１には、事業所１２０より収集したデータ群２０１のほか、事業所１３０、１４０それぞれの、プロセス名＝"プロセスＩ"の半導体製造プロセス、ステップ名＝"ＳＴＥＰ１"のステップと対応付けられたデータ群が含まれる。
データ処理装置１１０では、同じプロセス、同じステップの複数のデータ群を解析し、同様の効果が得られるデータ群同士をグルーピングする。半導体製造装置では、同じプロセス、同じステップを実行する場合であっても、データ群に含まれるデータが異なることで、異なる結果物が得られる場合があるからである。したがって、同様の効果が得られるデータ群同士をグルーピングし、各グループを特定する特定データを算出することで、同様の効果を得るために許容される、データ群に含まれる各データの範囲を算出することができる。
図３において、複数のグループ３１０は、データ群３０１のうち、同様の効果が得られるデータ群同士をグルーピングすることで得られたものである。同じプロセス、同じステップにおいて、同様の効果が得られるグループにより特定される特定データ（各データの範囲）とは、半導体製造プロセスにおいて、"状態"に同様の変化を与える最小のデータ単位ということができる。つまり、当該グループにより特定される特定データ（各データの範囲）は、半導体製造プロセスでの微細加工における最小のデータ単位ということができる。
このように、半導体製造プロセスでの微細加工における最小のデータ単位（Ｐｒｏｃｅｓｓ Ｅｌｅｍｅｎｔ）を、第１の実施形態では、"Ｐｒｏｘｅｌ"と称する。画像の最小単位（Ｐｉｃｔｕｒｅ Ｅｌｅｍｅｎｔ）を"Ｐｉｘｅｌ"、立体の最小単位（Ｖｏｌｕｍｅ Ｅｌｅｍｅｎｔ）を"Ｖｏｘｅｌ"と称するのと同様の呼称である。以降、複数のグループ３１０に含まれるそれぞれのグループにより特定される特定データを、Ｐｒｏｘｅｌ３１１〜３１４と称する。
第１の実施形態において、データ解析部１１１は、収集されたデータ群を解析することで"Ｐｒｏｘｅｌ"を算出し、算出したＰｒｏｘｅｌを解析結果データとして、解析結果格納部１１５に格納する。
＜データ処理装置のハードウェア構成＞
次に、データ処理装置１１０のハードウェア構成について説明する。図４は、データ処理装置のハードウェア構成の一例を示す図である。
図４に示すように、データ処理装置１１０は、ＣＰＵ（Central Processing Unit）４０１、ＲＯＭ（Read Only Memory）４０２、ＲＡＭ（Random Access Memory）４０３を有する。ＣＰＵ４０１、ＲＯＭ４０２、ＲＡＭ４０３は、いわゆるコンピュータを形成する。また、データ処理装置１１０は、補助記憶装置４０４、操作装置４０５、表示装置４０６、Ｉ／Ｆ（Interface）装置４０７、ドライブ装置４０８を有する。なお、データ処理装置１１０の各ハードウェアは、バス４０９を介して相互に接続される。
ＣＰＵ４０１は、補助記憶装置４０４にインストールされた各種プログラム（例えば、データ解析プログラム、モデル生成プログラム、推定プログラム等）を実行する。
ＲＯＭ４０２は、不揮発性メモリであり、主記憶装置として機能する。ＲＯＭ４０２は、補助記憶装置４０４にインストールされた各種プログラムをＣＰＵ４０１が実行するために必要な各種プログラム、データ等を格納する。具体的には、ＲＯＭ４０２はＢＩＯＳ（Basic Input/Output System）やＥＦＩ（Extensible Firmware Interface）等のブートプログラム等を格納する。
ＲＡＭ４０３は、ＤＲＡＭ（Dynamic Random Access Memory）やＳＲＡＭ（Static Random Access Memory）等の揮発性メモリであり、主記憶装置として機能する。ＲＡＭ４０３は、補助記憶装置４０４にインストールされた各種プログラムがＣＰＵ４０１によって実行される際に展開される、作業領域を提供する。
補助記憶装置４０４は、各種プログラムや、各種プログラムがＣＰＵ４０１によって実行されることで収集されるデータ群、算出される解析結果データ、及び生成されるモデルを格納する。データ格納部１１４、解析結果格納部１１５、モデル格納部１１６は、補助記憶装置４０４において実現される。
操作装置４０５は、データ処理装置１１０の管理者がデータ処理装置１１０に対して各種指示を入力する際に用いる入力デバイスである。表示装置４０６は、データ処理装置１１０の内部情報を表示する表示デバイスである。
Ｉ／Ｆ装置４０７は、ネットワーク１５０に接続し、各事業所１２０、１３０、１４０内の端末１２１、１３１、１４１と通信するための接続デバイスである。
ドライブ装置４０８は記録媒体４１０をセットするためのデバイスである。ここでいう記録媒体４１０には、ＣＤ−ＲＯＭ、フレキシブルディスク、光磁気ディスク等のように情報を光学的、電気的あるいは磁気的に記録する媒体が含まれる。また、記録媒体４１０には、ＲＯＭ、フラッシュメモリ等のように情報を電気的に記録する半導体メモリ等が含まれていてもよい。
なお、補助記憶装置４０４にインストールされる各種プログラムは、例えば、配布された記録媒体４１０がドライブ装置４０８にセットされ、該記録媒体４１０に記録された各種プログラムがドライブ装置４０８により読み出されることでインストールされる。あるいは、補助記憶装置４０４にインストールされる各種プログラムは、ネットワーク１５０を介してダウンロードされることで、インストールされてもよい。
＜データ処理装置のデータ解析部の機能構成＞
次に、データ処理装置１１０のデータ解析部１１１の機能構成について説明する。図５は、データ解析部の機能構成の一例を示す図である。図５に示すように、データ解析部１１１は、収集部５１０、効果算出部５２０、分割部５３０、Ｐｒｏｘｅｌ算出部５４０を有する。
収集部５１０は、各事業所１２０、１３０、１４０内の端末１２１、１３１、１４１から、ネットワーク１５０を介して、データ群（例えば、データ群２０１等）を収集する。
効果算出部５２０は、収集したデータ群ごとに効果を算出する。効果算出部５２０は、収集したデータ群ごとに、対応するプロセス、対応するステップを実行する前の状態を示すデータと、実行した後の状態を示すデータとを取得しているものとし、これらのデータを用いて実行前後の状態の変化を効果として算出する。また、効果算出部５２０は、算出した効果を、設定データ、出力データ、測定データ、実験データとともに、データ群として、データ格納部１１４に格納する。
分割部５３０は、データ格納部１１４に格納された複数のデータ群それぞれを読み出し、特徴空間における分布を解析する。各データ群に含まれるデータの種類が、Ｋ種類であった場合、分割部５３０は、Ｋ次元の特徴空間におけるデータ群の分布を解析する。
具体的には、分割部５３０は、読み出した複数のデータ群について、同様の効果が得られるデータ群同士をグルーピングする。また、分割部５３０は、特徴空間に分布するデータ群がグループごとに分類されるよう、Ｋ次元の特徴空間を分割する。
Ｐｒｏｘｅｌ算出部５４０は、分割部５３０により分割されたＫ次元の特徴空間の各領域のＫ種類の各データの範囲（グループにより特定される特定データ）を算出することでＰｒｏｘｅｌを算出し、解析結果データとして解析結果格納部１１５に格納する。
＜データ解析部の各部の処理の具体例＞
次に、データ解析部１１１の各部（収集部５１０、効果算出部５２０、分割部５３０、Ｐｒｏｘｅｌ算出部５４０）のうち、効果算出部５２０、分割部５３０、Ｐｒｏｘｅｌ算出部５４０の処理の具体例について説明する。
（１）効果算出部の処理の具体例
はじめに、効果算出部５２０の処理の具体例について説明する。図６は、効果算出部の処理の具体例を示す図である。
図６に示すように、所定の半導体製造プロセスの所定のステップ（プロセス名＝"プロセスＩ"、ステップ名＝"ＳＴＥＰ１"）とデータ群との関係は、点線６００のように模式的に表すことができる。
すなわち、設定データが設定された半導体製造装置が、所定の半導体製造プロセスの所定のステップを実行すると、実行前の状態（実行前の処理対象物の属性、半導体製造装置の状態、半導体製造装置内の雰囲気のいずれか）が、実行後に変化する。そして、このときの半導体製造プロセスの実行状況は、設定データ、出力データ、測定データ、実験データにより特定することができる。
つまり、設定データ、出力データ、測定データ、実験データにより特定される実行状況のもとでは、所定の半導体製造プロセスの所定のステップにおける効果は、
・実行前の状態を示すデータと、
・実行後の状態を示すデータと、
の差分により表すことができる。
そこで、効果算出部５２０では、プロセスごと、ステップごとのデータ群それぞれに対応する、実行前の状態を示すデータと実行後の状態を示すデータとを取得する。そして、効果算出部５２０では、両者の差分を算出することで、当該プロセス、当該ステップにおけるそれぞれの実行状況に対応する効果を算出する。また、効果算出部５２０は、算出した効果を、設定データ、出力データ、測定データ、実験データと対応付けて、データ群としてデータ格納部１１４に格納する。
図７は、データ格納部に格納されたデータ群の一例を示す図であり、プロセス名＝"プロセスＩ"の半導体製造プロセス、ステップ名＝"ＳＴＥＰ１"のステップについて、効果算出部５２０によりデータ格納部１１４に格納されたデータ群の一例である。
図７に示すように、効果算出部５２０によりデータ格納部１１４に格納されるデータ群には、情報の項目として、"データ群識別子"、"設定データ（Ｒ）"、"出力データ（Ｅ）"、"測定データ（Ｐｌ）"、"実験データ（Ｐｒ）"、"効果"が含まれる。
"データ群識別子"は、それぞれのデータ群を識別するための識別子である。図７において、データ群識別子＝"データａ００１"は、例えば、事業所１２０（事業所名＝"事業所Ａ"）より収集したデータ群と効果とを含むデータ群である。また、データ群識別子＝"データｂ００２"は、例えば、事業所１３０（事業所名＝"事業所Ｂ"）より収集したデータ群と効果とを含むデータ群である。
"設定データ（Ｒ）"から"実験データ（Ｐｒ）"までの各情報の項目には、各事業所１２０、１３０、１４０より収集したデータ群（図２参照）のうち、初期データ（Ｉ）と目標データ（Ｐｆ）とを除くデータ群が格納される。
"効果"には、効果算出部５２０により算出された効果が格納される。図７の例によれば、プロセス名＝"プロセスＩ"の半導体製造プロセス、ステップ名＝"ＳＴＥＰ１"のステップの場合、データ群識別子＝"データａ００１"に対応付けられた設定データ等により特定される実行状況のもとでは、"効果＜１＞"が得られる。同様に、プロセス名＝"プロセスＩ"の半導体製造プロセス、ステップ名＝"ＳＴＥＰ１"のステップの場合、データ群識別子＝"データｂ００２"に対応付けられた設定データ等により特定される実行状況のもとでは、"効果＜２＞"が得られる。
（２）分割部の処理の具体例
次に、分割部５３０の処理の具体例について説明する。図８は、分割部の処理の具体例を示す図である。
図８に示すように、分割部５３０は、データ格納部１１４に格納された複数のデータ群をプロセスごと、ステップごとに読み出し、特徴空間８００にプロットする。図８において、数字が記載された実線丸印は、読み出した複数のデータ群のうちの１つを示しており、実線丸印内に記載された数字は、当該データ群のデータ群識別子を表している。
なお、図８の例では、説明を簡略化するために、特徴空間８００を２次元としている（つまり、データ群に含まれる２種類のデータ（データの種類ｐ、データの種類ｑ）をプロットした様子を示している）。
図８において、実線丸印の外側を囲む点線丸印は、同様の効果が得られるデータ群同士をグルーピングした様子を示している。つまり、点線丸印内部に含まれる実線丸印内に記載されたデータ群識別子により識別されるデータ群は、いずれも、プロセス名＝"プロセスＩ"の半導体製造プロセス、ステップ名＝"ＳＴＥＰ１"のステップにおいて、同様の効果を有するデータ群である。
例えば、点線丸印８０１には、データ群識別子＝"データａ００１"、"データａ００４"、"データａ０１０"の各データ群が含まれる。これらのデータ群識別子が記載された各実線丸印は、特徴空間８００において互いに近い位置に分布しているが、完全に重なっているわけではない。つまり、それぞれのデータ群識別子により識別されるデータ群は、互いに似ているが、完全に一致しているわけではない。
一方で、これらのデータ群は、プロセス名＝"プロセスＩ"の半導体製造プロセス、ステップ名＝"ＳＴＥＰ１"のステップが実行された際、いずれも効果＜１＞が得られたデータ群である。換言すると、特徴空間８００において点線丸印８０１によりグルーピングされた複数のデータ群は、この中のいずれのデータ群のもとでプロセスＩ、ＳＴＥＰ１が実行されても、効果＜１＞が得られるデータ群である。
同様に、図８において、点線丸印８０２には、データ群識別子＝"データａ００５"、"データａ００６"、"データａ００７"が含まれる。点線丸印８０２に含まれる各実線丸印内に記載されたデータ群識別子により識別されるデータ群は、それぞれのデータ群のもとでプロセスＩ、ＳＴＥＰ１が実行された場合に、いずれも効果＜４＞が得られるデータ群である。
同様に、図８において、点線丸印８０３には、データ群識別子＝"データａ００２"が含まれる。点線丸印８０３に含まれる実線丸印内に記載されたデータ群識別子により識別されるデータ群は、当該データ群のもとでプロセスＩ、ＳＴＥＰ１が実行された場合に、効果＜２＞が得られるデータ群である。
同様に、図８において、点線丸印８０４には、データ群識別子＝"データａ００３"、"データａ００８"、"データａ００９"が含まれる。点線丸印８０２に含まれる各実線丸印内に記載されたデータ群識別子により識別されるデータ群は、それぞれのデータ群のもとでプロセスＩ、ＳＴＥＰ１が実行された場合に、いずれも効果＜３＞が得られるデータ群である。
このように、分割部５３０は、特徴空間に分布する各データ群が、グループごとに分類されるように特徴空間を分割する。なお、分割部５３０は、例えば、Ｋ次元の特徴空間に分布する各データ群を、"効果"を分割指標としてクラスタリング処理を行うことで、特徴空間を分割する。
（３）Ｐｒｏｘｅｌ算出部の処理の具体例
次に、Ｐｒｏｘｅｌ算出部５４０の処理の具体例について説明する。上述したとおり、Ｐｒｏｘｅｌ算出部５４０は、分割部５３０により分割された特徴空間の各領域の各データの範囲（グループにより特定される特定データ）を算出することで、Ｐｒｏｘｅｌを算出する。図９は、Ｐｒｏｘｅｌ算出部により算出されたＰｒｏｘｅｌの一例を示す図である。
図９に示すように、Ｐｒｏｘｅｌ算出部５４０は、分割部５３０により同じグループにグルーピングされたデータ群それぞれに含まれる各データについて、最小値と最大値を算出することで、特徴空間における各領域の各データの範囲を算出する。
図９の例は、分割部５３０により、効果＜１＞と同様の効果が得られるデータ群が、グループ名＝"グループＧｒ１"のグループにグルーピングされたことを示している。また、図９の例は、グループ名＝"グループＧｒ１"のグループにグルーピングされたデータ群に含まれる各データのうち、設定データの"Ｐｒｅｓｓｕｒｅ"については、
・最小値＝"Ｐｒｅｓｓｕｒｅ＿１"
・最大値＝"Ｐｒｅｓｓｕｒｅ＿４"
であったことを示している。
グループ名＝"グループＧｒ１"のグループにグルーピングされたデータ群が分布する特徴空間の領域の各データの範囲は、具体的には、点線９００により表すことができる。なお、点線９００により表される各データの範囲は、図３において説明したＰｒｏｘｅｌ３１１を指すものとする。
＜Ｐｒｏｘｅｌ算出処理の流れ＞
次に、分割部５３０及びＰｒｏｘｅｌ算出部５４０によるＰｒｏｘｅｌ算出処理の流れについて説明する。図１０は、分割部及びＰｒｏｘｅｌ算出部によるＰｒｏｘｅｌ算出処理の流れを示す第１のフローチャートである。
ステップＳ１００１において、分割部５３０は、所定のプロセス、所定のステップに対応付けられたデータ群を、データ格納部１１４より読み出す。
ステップＳ１００２において、分割部５３０は、各データ群について同様の効果が得られるデータ群が同じグループに分類されるようクラスタリング処理を行うことで、特徴空間を分割する。
ステップＳ１００３において、Ｐｒｏｘｅｌ算出部５４０は、分割部５３０により分割された特徴空間の各領域の各データの範囲（各グループを特定する特定データ）を算出することでＰｒｏｘｅｌを算出する。また、Ｐｒｏｘｅｌ算出部５４０は、算出したＰｒｏｘｅｌを、解析結果データとして、解析結果格納部１１５に格納する。
＜Ｐｒｏｘｅｌ算出の利点＞
次に、Ｐｒｏｘｅｌ算出部５４０がＰｒｏｘｅｌを算出することの利点について説明する。
（１）データの取り扱い易さが向上
Ｐｒｏｘｅｌ算出部５４０がＰｒｏｘｅｌを算出することの利点の１つとして、各事業所１２０、１３０、１４０から収集した複数のデータ群の取り扱い易さが向上すること、が挙げられる。
図１１は、Ｐｒｏｘｅｌを算出することの利点を説明するための第１の図である。図１１において、複数のデータ群１１００は、それぞれ、各事業所１２０、１３０、１４０から収集した複数のデータ群の一例であり、いずれも同様の効果が得られるデータ群であるとする。なお、図１１では、説明の簡略化のため、各データ群に含まれるデータの種類は５種類としている。
複数のデータ群１１００のうち、"測定データ"＝"Ｉｏｎ ｅｎｅｒｇｙ"の一部、"実験データ"＝"Ｅｔｃｈｉｎｇ ｒａｔｅ"の一部が空欄になっているのは、当該データを測定する測定器または実験値測定器を、当該事業所が有していないためである。
一方、図１１において、Ｐｒｏｘｅｌ１１１０は、複数のデータ群１１００に基づいてＰｒｏｘｅｌ算出部５４０により算出されたＰｒｏｘｅｌの一例である。
Ｐｒｏｘｅｌ１１１０を算出することで、同じ効果（"効果＜１０＞"）が得られる複数のデータ群を、１のデータ群として取り扱うことが可能となる。このように、Ｐｒｏｘｅｌ１１１０を算出することで、空欄を含む不完全なデータ群を補間し、空欄を含まない汎用性の高い１のデータ群として取り扱うことが可能となる。つまり、Ｐｒｏｘｅｌを算出することで、汎用性の高いデータ処理を実現することができる。
（２）データ群の密度を均一化
Ｐｒｏｘｅｌ算出部５４０がＰｒｏｘｅｌを算出することの他の利点の１つとして、各事業所１２０、１３０、１４０から収集した複数のデータ群の密度のばらつきの影響を受けにくくなること、が挙げられる。つまり、特徴空間におけるデータ群の密度を均一化できること、が挙げられる。
図１２は、Ｐｒｏｘｅｌを算出することの利点を説明するための第２の図である。図１２において、横軸は、データの種類Ｐ（ここでは、"ＨＦ ｐｏｗｅｒ"）を表し、縦軸は、データの種類Ｑ（ここでは、"ＬＦ Ｐｏｗｅｒ"）を表している。
図１２に示す特徴空間１２００において、白丸は、各データ群の分布を表しており、正六角形は、Ｐｒｏｘｅｌを表している。図１２に示すように、各事業所１２０、１３０、１４０から収集した複数のデータ群の、特徴空間１２００における分布の密度には、ばらつきがある。これに対して、Ｐｒｏｘｅｌの場合、特徴空間１２００において均一に配置することができる。
このように、Ｐｒｏｘｅｌを算出することで、特徴空間１２００の様々な領域のデータ群を均等に取り扱うことができるため、例えば、Ｐｒｏｘｅｌを用いて機械学習を行った場合、データ群のばらつきの影響を抑えることができる。つまり、Ｐｒｏｘｅｌを算出することで、汎用性の高いデータ処理を実現することができる。
＜データ処理装置のモデル生成部の機能構成＞
次に、データ処理装置１１０のモデル生成部１１２の機能構成について説明する。図１３は、モデル生成部の機能構成の一例を示す図である。図１３に示すように、モデル生成部１１２は、モデル生成用データ取得部１３１０、モデル生成判定部１３２０、モデルパラメータ調整部１３３０を有する。
モデル生成用データ取得部１３１０は、解析結果格納部１１５に格納された複数のＰｒｏｘｅｌを順次読み出し、読み出した各Ｐｒｏｘｅｌに分類される複数のデータ群を、データ格納部１１４から読み出す。また、モデル生成用データ取得部１３１０は、各Ｐｒｏｘｅｌに分類される複数のデータ群を、Ｐｒｏｘｅｌ単位でモデル生成判定部１３２０に通知する。
モデル生成判定部１３２０は、Ｐｒｏｘｅｌ単位で通知された複数のデータ群それぞれについて、当該Ｐｒｏｘｅｌ用として新たなモデルを生成するか否かを判定する。
具体的には、モデル生成判定部１３２０は、通知された複数のデータ群それぞれについて、データ群に含まれるデータ、その他のデータ、知見等に基づき、
・対応するステップが実行された際の半導体製造装置の状態（例えば、チャンバ内のデポ膜の量、チャンバ内を構成するパーツの消耗度合い等）、
・対応するステップが実行された際の半導体製造装置内の雰囲気、
・対応するステップが実行された際の処理対象物の経時変化（例えば、開口率等）
等を予測し、予測結果を得る。
また、モデル生成判定部１３２０は、対応するステップを実行する際の前提である、
・状態の変化を測定する半導体製造装置内の位置（例えば、エッジ、センタ等）、
・半導体製造装置の種類（例えば、異なるハードウェア、同一のハードウェアの異なる個体等）、
等を判別し、判別結果を得る。
そして、モデル生成判定部１３２０は、上記「予測結果」及び「判別結果」を判定指標として、当該Ｐｒｏｘｅｌ用として新たなモデルを生成するか否かを判定する。モデル生成判定部１３２０では、例えば、予測結果及び判別結果が、当該Ｐｒｏｘｅｌに分類される他のデータ群の予測結果及び判別結果と同程度であれば、新たなモデルは生成しない。一方、モデル生成判定部１３２０では、予測結果及び判別結果が、当該Ｐｒｏｘｅｌに分類される他のデータ群の予測結果及び判別結果と異なっていれば、新たなモデルを生成する。
なお、モデル生成判定部１３２０により生成されるモデルは、複数のシミュレータが入れ子構造により構成されているものとする。複数のシミュレータには、例えば、
・処理空間（チャンバ）シミュレータ、
・電磁界シミュレータまたは熱流体シミュレータ、
・プラズマシミュレータまたは解離シミュレータ、
・形状シミュレータ、
・ＭＤ（Molecular Dynamics）シミュレータ、
・量子化学反応シミュレータまたはマテリアルズインフォマティクス、
等が含まれる。
モデルパラメータ調整部１３３０は、モデル生成判定部１３２０により生成されたモデルについて、モデルパラメータを調整する。モデルパラメータ調整部１３３０は、生成されたモデルに、
・データ群と、
・対応する処理対象物の属性（対応するステップが実行された際の実行前の処理対象物の属性）と、
を入力し、シミュレーション処理を行った場合の出力が、
・該データ群に含まれる"効果"、
と一致するように、モデルパラメータを調整する。
これにより、モデルパラメータ調整部１３３０によれば、Ｐｒｏｘｅｌごとに、
・予測結果、及び、
・判別結果、
に応じて生成された複数のモデルについて、パラメータ調整することができる。
なお、モデルパラメータ調整部１３３０では、パラメータ調整したモデルを、Ｐｒｏｘｅｌごとに、予測結果及び判別結果と対応付けてモデル格納部１１６に格納する。
＜モデル生成部の各部の処理の具体例＞
次に、モデル生成部１１２の各部（モデル生成用データ取得部１３１０、モデル生成判定部１３２０、モデルパラメータ調整部１３３０）の処理の具体例について説明する。
図１４及び図１５は、モデル生成部の処理の具体例を示す第１及び第２の図である。図１４の例は、半導体製造装置ａが、プロセス名＝"プロセスＩ"、ステップ名＝"ＳＴＥＰ１"を実行したことで、
・実行前の状態を示すデータ"状態Ｂ００１（実行前）"が、実行後の状態を示すデータ"状態Ｒ００１（実行後）"に変化し、
・データ群識別子＝"データａ００１"のデータ群が収集された、
ことを示している。
同様に、図１４の例は、半導体製造装置ａが、プロセス名＝"プロセスＩ"、ステップ名＝"ＳＴＥＰ１"を実行したことで、
・実行前の状態を示すデータ"状態Ｂ００４（実行前）"が、実行後の状態を示すデータ"状態Ｒ００４（実行後）"に変化し、
・データ群識別子＝"データａ００４"のデータ群が収集された、
ことを示している。
以下、半導体製造装置ａが、プロセス名＝"プロセスＩ"、ステップ名＝"ＳＴＥＰ１"を実行したことによる、実行前の状態を示すデータと、実行後の状態を示すデータとの関係、及び、収集されたデータ群との関係は同様である。
また、図１４の例は、データ群識別子＝"データａ００１"、"データａ００４"、"データａ０１０"の各データ群がＰｒｏｘｅｌ３１１に分類されたことを示している。また、データ群識別子＝"データａ００２"のデータ群が、Ｐｒｏｘｅｌ３１２に分類されたことを示している。
また、図１４の例は、データ群識別子＝"データａ００１"、"データａ００４"、"データａ０１０"、"データａ００２"の各データ群に、"効果ａ００１"、"効果ａ００４"、"効果ａ０１０"、"効果ａ００２"の各効果が含まれていることを示している。更に、図１４の例は、"効果ａ００１"、"効果ａ００４"、"効果ａ０１０"が"効果＜１＞"に含まれ、"効果ａ００２"が"効果＜２＞"に含まれることを示している。
かかる前提のもと、モデル生成用データ取得部１３１０は、例えば、Ｐｒｏｘｅｌ３１１に分類される複数のデータ群（データ群識別子＝"データａ００１"、"データａ００４"、"データａ０１０"の各データ群）を読み出す。
続いて、モデル生成判定部１３２０は、読み出した複数のデータ群（データ群識別子＝"データａ００１"、"データａ００４"、"データａ０１０"の各データ群）について、Ｐｒｏｘｅｌ３１１用の新たなモデルを生成するか否かを判定する。
ここで、モデル生成判定部１３２０は、プロセス名＝"プロセスＩ"、ステップ名＝"ＳＴＥＰ１"が実行された際の、半導体製造装置ａの状態、半導体製造装置ａ内の雰囲気、処理対象物の経時変化を予測した結果、
・データ群識別子＝"データａ００１"のデータ群に含まれるデータ、その他のデータ、知見等に基づき予測した予測結果と、
・データ群識別子＝"データａ００４"のデータ群に含まれるデータ、その他のデータ、知見等に基づき予測した予測結果と、
・データ群識別子＝"データａ０１０"のデータ群に含まれるデータ、その他のデータ、知見等に基づき予測した予測結果と、
が概ね等しいと判定したとする。
また、モデル生成判定部１３２０は、プロセス名＝"プロセスＩ"、ステップ名＝"ＳＴＥＰ１"が実行された際の前提について判別した各判別結果が、互いに等しいと判定したとする。
このような予測結果及び判別結果であった場合、モデル生成判定部１３２０では、データ群識別子＝"データａ００１"、"データａ００４"、"データａ０１０"の各データ群に対して、１のモデル（モデル名＝"モデルＭ１"のモデル）を生成する。
そして、モデルパラメータ調整部１３３０では、モデル名＝"モデルＭ１"のモデルに、
・データ群識別子＝"データａ００１"のデータ群と、
・対応する処理対象物の属性（プロセス名＝"プロセスＩ"、ステップ名＝"ＳＴＥＰ１"のステップが実行された際の実行前の処理対象物の属性）と、
を入力し、シミュレーション処理を行った場合の出力が、
・"効果ａ００１"、
と一致し、かつ、
・データ群識別子＝"データａ００４"のデータ群と、
・対応する処理対象物の属性（プロセス名＝"プロセスＩ"、ステップ名＝"ＳＴＥＰ１"のステップが実行された際の実行前の処理対象物の属性）と、
を入力し、シミュレーション処理を行った場合の出力が、
・"効果ａ００４"、
と一致し、かつ
・データ群識別子＝"データａ０１０"のデータ群と、
・対応する処理対象物の属性（プロセス名＝"プロセスＩ"、ステップ名＝"ＳＴＥＰ１"のステップが実行された際の実行前の処理対象物の属性）と、
を入力し、シミュレーション処理を行った場合の出力が、
・"効果ａ０１０"、
と一致するよう、モデルパラメータを調整する。
なお、モデルパラメータ調整部１３３０では、モデル名＝"モデルＭ２"のモデルについても同様の方法によりモデルパラメータを調整する。
一方、図１５の例は、モデル生成判定部１３２０が、Ｐｒｏｘｅｌ３１３用としてモデルを生成した後に、更に、新たなモデルを生成すると判定したケースを示している。
具体的には、図１５の例は、データ群識別子＝"データａ００３"、"データａ００８"の各データ群に基づいて、モデル名＝"モデルＭ３"のモデルが生成されたケースを示している。また、図１５の例は、その後、データ群識別子＝"データａ００９"のデータ群について、更に新たなモデルを生成すると判定されたケースを示している。
ここで、仮に、モデル生成判定部１３２０が新たなモデルを生成することなく、モデル名＝"モデルＭ３"のモデルに、
・データ群識別子＝"データａ００９"のデータ群と、
・対応する処理対象物の属性（プロセス名＝"プロセスＩ"、ステップ名＝"ＳＴＥＰ１"のステップが実行された際の実行前の処理対象物の属性）と、
を入力し、シミュレーション処理を行ったとする。
この場合、図１５の例の黒四角に示すように、シミュレーション処理を行った場合の出力が、効果＜３＞に含まれず、効果＜３＞から外れることになる。
モデル生成判定部１３２０では、このような事態を回避するために、データ群識別子＝"データａ００９"のデータ群についても、予測結果及び判別結果を判定指標として、新たなモデルを生成するか否かを判定する。
図１５の例は、モデル生成判定部１３２０が、Ｐｒｏｘｅｌ３１３用として新たなモデルを生成すると判定し、モデル名＝"モデルＭ３'"のモデルを生成した様子を示している。
なお、この場合、モデルパラメータ調整部１３３０では、モデル名＝"モデルＭ３'"のモデルに、
・データ群識別子＝"データａ００９"のデータ群と、
・対応する処理対象物の属性（プロセス名＝"プロセスＩ"、ステップ名＝"ＳＴＥＰ１"のステップが実行された際の実行前の処理相性物の属性）と、
を入力し、シミュレーション処理を行った場合の出力が、
・"効果ａ００９"（不図示）、
と一致するよう、モデル名＝"モデルＭ３'"のモデルのモデルパラメータを調整する。
＜モデル生成処理の流れ＞
次に、モデル生成部１１２によるモデル生成処理の流れについて説明する。図１６は、モデル生成部によるモデル生成処理の流れを示すフローチャートである。
ステップＳ１６０１において、モデル生成用データ取得部１３１０は、Ｐｒｏｘｅｌ数をカウントするカウンタｉに"１"を入力する。
ステップＳ１６０２において、モデル生成用データ取得部１３１０は、解析結果格納部１１５に格納されたｉ番目のＰｒｏｘｅｌを読み出し、ｉ番目のＰｒｏｘｅｌに分類される複数のデータ群を、データ格納部１１４から読み出す。
ステップＳ１６０３において、モデル生成用データ取得部１３１０は、読み出したデータ群の数をカウントするカウンタｊに"１"を入力する。
ステップＳ１６０４において、モデル生成判定部１３２０は、ｊ番目のデータ群に含まれるデータ、その他のデータ、知見等に基づき、対応するステップが実行された際の半導体製造装置の状態、半導体製造装置内の雰囲気、処理対象物の経時変化を予測する。
ステップＳ１６０５において、モデル生成判定部１３２０は、対応するステップが実行される際の前提である、状態の変化を測定する半導体製造装置内の位置、及び、半導体製造装置の種類を判別する。
ステップＳ１６０６において、モデル生成判定部１３２０は、予測結果及び判別結果を判定指標として、ｊ番目のデータ群に対応する新たなモデルを生成するか否かを判定する。
ステップＳ１６０６において、新たなモデルを生成すると判定した場合には（ステップＳ１６０６においてＹｅｓの場合には）、ステップＳ１６０７に進む。
ステップＳ１６０７において、モデル生成判定部１３２０は、ｊ番目のデータ群に対応する新たなモデルを生成し、ステップＳ１６０８に進む。
一方、ステップＳ１６０６において、新たなモデルを生成しないと判定した場合には（ステップＳ１６０６においてＮｏの場合には）、直接、ステップＳ１６０８に進む。
ステップＳ１６０８において、モデルパラメータ調整部１３３０は、ステップＳ１６０７において新たなモデルが生成された場合には、ｊ番目のデータ群と、対応する処理対象物の属性とを、新たなモデルに入力し、シミュレーション処理を行う。また、モデルパラメータ調整部１３３０は、シミュレーション処理を行った場合の出力が、ｊ番目のデータ群に含まれる"効果"と一致するように、新たなモデルのモデルパラメータを調整する。
一方、新たなモデルが生成されなかった場合、モデルパラメータ調整部１３３０は、ｊ番目のデータ群と、対応する処理対象物の属性とを、既に生成済みのモデルに入力し、シミュレーション処理を行う。また、モデルパラメータ調整部１３３０は、シミュレーション処理を行った出力が、ｊ番目のデータ群に含まれる"効果"と一致するように、既に生成済みのモデルのモデルパラメータを再調整する。
ステップＳ１６０９において、モデル生成判定部１３２０は、ステップＳ１６０２において読み出された複数のデータ群全てについて、ステップＳ１６０４からステップＳ１６０８までの処理を実行したか否かを判定する。
ステップＳ１６０９において、未だ処理を実行していないデータ群があると判定した場合には（ステップＳ１６０９においてＮｏの場合には）、ステップＳ１６１０に進む。ステップＳ１６１０において、モデル生成判定部１３２０は、カウンタｊをインクリメントし、ステップＳ１６０４に戻る。
一方、ステップＳ１６０９において、複数のデータ群全てについて処理を実行したと判定した場合には（ステップＳ１６０９においてＹｅｓの場合には）、ステップＳ１６１１に進む。
ステップＳ１６１１において、モデル生成用データ取得部１３１０は、全てのＰｒｏｘｅｌについて、ステップＳ１６０２からステップＳ１６１０までの処理を実行したか否かを判定する。
ステップＳ１６１１において、未だ処理を実行していないＰｒｏｘｅｌがあると判定した場合には（ステップＳ１６１１においてＮｏの場合には）、ステップＳ１６１２に進む。ステップＳ１６１２において、モデル生成用データ取得部１３１０は、カウンタｉをインクリメントし、ステップＳ１６０２に戻る。
一方、ステップＳ１６１１において、全てのＰｒｏｘｅｌについて、ステップＳ１６０２からステップＳ１６１０までの処理を実行したと判定した場合には、モデル生成処理を終了する。
＜推定部の機能構成＞
次に、データ処理装置１１０の推定部１１３の機能構成について説明する。図１７は、推定部の機能構成の一例を示す図である。図１７に示すように、推定部１１３は、推定用データ取得部１７１０、モデル選択部１７２０、モデル実行部１７３０、出力部１７４０を有する。
推定用データ取得部１７１０は、データ格納部１１４から、シミュレーション処理を行う対象のデータ群（新たなデータ群）を読み出す。また、解析結果格納部１１５に格納された各Ｐｒｏｘｅｌを参照し、読み出したデータ群が、いずれのＰｒｏｘｅｌに分類されるかを判定する。
モデル選択部１７２０は選択部の一例である。モデル選択部１７２０は、新たなデータ群に含まれるデータ、その他のデータ、知見等に基づき、対応するステップが実行された際の半導体製造装置の状態、半導体製造装置内の雰囲気、処理対象物の経時変化を予測する。
また、モデル選択部１７２０は、対応するステップが実行される際の前提である、状態の変化を測定する半導体製造装置内の位置及び半導体製造装置の種類を判別する。
更に、モデル選択部１７２０は、モデル格納部１１６に格納された複数のモデルであって、新たなデータ群が分類されたＰｒｏｘｅｌに対応付けて格納されたモデルの中から、選択指標に基づく１のモデルを選択する。具体的には、モデル選択部１７２０は、新たなデータ群が分類されたＰｒｏｘｅｌに対応付けられたモデルの中から、同じ予測結果及び判別結果が対応付けられたモデルを選択する。
モデル実行部１７３０は実行部の一例である。モデル実行部１７３０は、モデル選択部１７２０により選択された１のモデルに、新たなデータ群と、対応する処理対象物の属性とを入力し、シミュレーション処理を行う。
出力部１７４０は、モデル実行部１７３０によりシミュレーション処理が行われることで推定された効果を、出力する。
＜推定部の各部の処理の具体例＞
次に、推定部１１３の各部（推定用データ取得部１７１０、モデル選択部１７２０、モデル実行部１７３０、出力部１７４０）の処理の具体例について説明する。図１８は、推定部の処理の具体例を示す図である。
図１８の例は、半導体製造装置ａが、プロセス名＝"プロセスＩ"、ステップ名＝"ＳＴＥＰ１"を実行した際の実行前の状態を示すデータが"状態Ｂ２０１（実行前）"であって、
・実行後にデータ群識別子＝"データａ２０１"のデータ群が新たに収集された、
ことを示している。
同様に、図１８の例は、半導体製造装置ａが、プロセス名＝"プロセスＩ"、ステップ名＝"ＳＴＥＰ１"を実行した際の実行前の状態を示すデータが"状態Ｂ２０２（実行前）"であって、
・実行後にデータ群識別子＝"データａ２０２"のデータ群が新たに収集された、
ことを示している。
以下、半導体製造装置ａが、プロセス名＝"プロセスＩ"、ステップ名＝"ＳＴＥＰ１"を実行した際の実行前の状態を示すデータと、実行後に新たに収集されたデータ群との関係は同様である。
かかる前提のもと、図１８の例は、推定用データ取得部１７１０が、データ群識別子＝"データａ２０１"〜"データａ２０５"の各データ群を読み出したことを示している。また、図１８の例は、推定用データ取得部１７１０が、データ群識別子＝"データａ２０１"、"データａ２０４"の各データ群をＰｒｏｘｅｌ３１１に分類したことを示している。また、推定用データ取得部１７１０が、データ群識別子＝"データａ２０２"、"データａ２０３"、"データａ２０５"の各データ群を、それぞれ、Ｐｒｏｘｅｌ３１３、３１４、３１２に分類したことを示している。
ここで、図１８の例では、Ｐｒｏｘｅｌ３１１、３１２に対応付けられたモデルはそれぞれ１つずつである。このため、モデル実行部１７３０では、例えば、モデル名＝"モデルＭ１"のモデルに、
・データ群識別子＝"データａ２０１"、"データａ２０４"の各データ群と、
・対応する処理対象物の属性（対応するステップが実行された際の実行前の処理対象物の属性）と、
を入力し、モデル名＝"モデルＭ２"のモデルに、
・データ群識別子＝"データａ２０５"のデータ群と、
・対応する処理対象物の属性（対応するステップが実行された際の実行前の処理対象物の属性）と、
を入力し、それぞれ、シミュレーション処理を行うことで、推定効果ａ２０１、推定効果ａ２０４、推定効果ａ２０５を出力する。
一方、Ｐｒｏｘｅｌ３１３、３１４には、それぞれ、２つのモデルが対応付けられている。このため、モデル選択部１７２０では、データ群識別子＝"データａ２０２"のデータ群に含まれるデータ、その他のデータ、知見等に基づき、プロセス名＝"プロセスＩ"、ステップ名＝"ＳＴＥＰ１"が実行された際の、
・半導体製造装置ａの状態、
・半導体製造装置ａ内の雰囲気、
・処理対象物の経時変化、
を予測する。また、モデル選択部１７２０は、プロセス名＝"プロセスＩ"、ステップ名＝"ＳＴＥＰ１"が実行される際の前提である、状態の変化を測定する半導体製造装置ａ内の位置及び半導体製造装置ａの種類を判別する。
図１８の例は、モデル選択部１７２０が、予測結果及び判別結果を選択指標として、モデル名＝"モデルＭ３"のモデルを選択し、モデル実行部１７３０が、モデル名＝"モデルＭ３"のモデルに、
・データ群識別子＝"データａ２０２"のデータ群と、
・対応する処理対象物の属性（対応するステップが実行された際の実行前の処理対象物の属性）と、
を入力し、シミュレーション処理を行うことで、推定効果ａ２０２を出力した様子を示している。
同様に、図１８の例は、モデル選択部１７２０が、予測結果及び判別結果を選択指標として、モデル名＝"モデルＭ４'"のモデルを選択し、モデル実行部１７３０が、モデル名＝"モデルＭ４'"のモデルに、
・データ群識別子＝"データａ２０３"のデータ群と、
・対応する処理対象物の属性（対応するステップが実行された際の実行前の処理対象物の属性）と、
を入力し、シミュレーション処理を行うことで、推定効果ａ２０３を出力した様子を示している。
＜推定処理の流れ＞
次に、推定部１１３による推定処理の流れについて説明する。図１９は、推定部による推定処理の流れを示すフローチャートである。
ステップＳ１９０１において、推定用データ取得部１７１０は、データ格納部１１４から、新たなデータ群を読み出し、読み出したデータ群が、いずれのＰｒｏｘｅｌに分類されるかを判定する。
ステップＳ１９０２において、モデル選択部１７２０は、読み出したデータ群に含まれるデータ、その他のデータ、知見等に基づき、対応するステップが実行された際の半導体製造装置の状態、半導体製造装置内の雰囲気、処理対象物の経時変化を予測する。
ステップＳ１９０３において、モデル選択部１７２０は、対応するステップが実行された際の前提である、状態の変化を測定する半導体製造装置内の位置、及び、半導体製造装置の種類を判別する。
ステップＳ１９０４において、モデル選択部１７２０は、予測結果及び判別結果を選択指標として、ステップＳ１９０１において分類されたＰｒｏｘｅｌに対応付けられたモデルの中から１のモデルを選択する。
ステップＳ１９０５において、モデル実行部１７３０は、選択された１のモデルに、読み出したデータ群と、対応する処理対象物の属性とを入力し、シミュレーション処理を行うことで効果を推定する。
ステップＳ１９０６において、出力部１７４０は、モデル実行部１７３０によりシミュレーション処理が行われることで推定された効果を出力する。
＜Ｐｒｏｘｅｌ単位でモデルを用いてシミュレーション処理を行うことの利点＞
次に、推定部１１３が、モデル生成部１１２によりＰｒｏｘｅｌ単位で生成されたモデルを用いて、シミュレーション処理を行うことの利点について説明する。図２０は、各モデルのＰｒｏｘｅｌごとのシミュレーション精度の一例を示す図である。
図２０において、符号２００１は、特徴空間における複数のＰｒｏｘｅｌそれぞれに分類されるデータ群を入力として、モデル名＝"モデルＭ１"のモデルを用いてシミュレーション処理を行った場合の、各Ｐｒｏｘｅｌの正答率を示している。同様に、符号２００２は、特徴空間における複数のＰｒｏｘｅｌそれぞれに分類されるデータ群を入力として、モデル名＝"モデルＭ２"のモデルを用いてシミュレーション処理を行った場合の、各Ｐｒｏｘｅｌの正答率を示している。同様に、符号２００３は、特徴空間における複数のＰｒｏｘｅｌそれぞれに分類されるデータ群を入力として、モデル名＝"モデルＭ３"のモデルを用いてシミュレーション処理を行った場合の、各Ｐｒｏｘｅｌの正答率を示している。なお、図２０において、各Ｐｒｏｘｅｌ内の色の濃淡は、各Ｐｒｏｘｅｌの正答率を表しており、色の濃い部分は、正答率が低いことを表しており、色の薄い部分は、正答率が高いことを表している。
図２０に示すように、特徴空間全体を高い正答率でカバーするモデルは存在せず、いずれのモデルも、特定のＰｒｏｘｅｌに対して、高い正答率を有している。また、それぞれのモデルは、互いに、高い正答率を有するＰｒｏｘｅｌが異なっている。
したがって、推定部１１３のように、それぞれのＰｒｏｘｅｌに応じたモデルを用いてシミュレーション処理を行うように構成することで、１のモデルのみで特徴空間全体をカバーする場合と比較して、シミュレーション精度を向上させることができる。
＜まとめ＞
以上の説明から明らかなように、第１の実施形態に係るデータ処理装置１１０では、
・プロセスごと、ステップごとに、データ群を収集し、収集したデータ群ごとに効果を算出する。
・データ群それぞれの特徴空間における分布において、同様の効果が得られるデータ群同士が同じグループに分類されるよう、特徴空間を分割する。
・分割した特徴空間の各領域の各データの範囲を特定するＰｒｏｘｅｌを算出し、解析結果データとして格納する。
・各Ｐｒｏｘｅｌに分類されるデータ群を入力することで、各Ｐｒｏｘｅｌに対応するそれぞれの効果を出力する複数のモデルを生成し、各Ｐｒｏｘｅｌと対応付けて格納する。
・新たなデータ群が取得された場合に、解析結果データに基づいて、該新たなデータ群が分類されるＰｒｏｘｅｌを判定する。
・判定したＰｒｏｘｅｌに対応付けて格納されたモデルを用いて、該新たなデータ群についてシミュレーション処理を行うことで、対応するステップが実行されたことによる効果を推定する。
このように、Ｐｒｏｘｅｌに対応付けて生成したモデルを用いてシミュレーション処理を行うことで、１のモデルのみで特徴空間全体をカバーする場合と比較して、シミュレーション精度を向上させることができる。
つまり、第１の実施形態によれば、製造プロセスのシミュレーション処理において、シミュレーション精度を向上させるデータ処理装置、データ処理方法及びプログラムを提供できる。
［第２の実施形態］
上記第１の実施形態において、モデル生成判定部１３２０は、予測結果及び判別結果を判定指標として、新たなモデルを生成するか否かを判定するものとして説明した。
しかしながら、モデル生成判定部１３２０において新たなモデルを生成するか否かを判定するための判定指標はこれに限定されない。例えば、図１５で示したように、モデル生成判定部１３２０は、既に生成済みのモデルを用いてシミュレーション処理を行い、推定された効果が、所定の効果に含まれるか否かを判定することで、新たなモデルを生成するか否かを判定してもよい。つまり、効果の誤差を判定指標とすることで、新たなモデルを生成するか否かを判定してもよい。
具体的には、モデル生成判定部１３２０は、シミュレーション処理を行った際に推定された効果と、所定の効果との誤差が大きい場合に、新たなモデルを生成すると判定する。また、モデル生成判定部１３２０は、シミュレーション処理を行った際に推定された効果と、所定の効果との誤差が小さい場合に、新たなモデルを生成しないと判定する。
この場合、モデル生成判定部１３２０は、新たなモデルを生成すると判定した後に、予測結果及び判別結果を求めるように構成される。
このように、第２の実施形態によれば、Ｐｒｏｘｅｌごとに、適切なモデルを生成することが可能となる。この結果、第２の実施形態によれば、製造プロセスのシミュレーション処理において、シミュレーション精度を更に向上させるデータ処理装置、データ処理方法及びプログラムを提供できる。
［その他の実施形態］
上記第１の実施形態において、モデル生成判定部１３２０は、予測結果及び判別結果を判定指標として、新たなモデルを生成するものとして説明した。しかしながら、予測結果または判別結果が異なっていた場合でも、効果が連続的な式で表現できる場合には、新たなモデルを生成することなく、モデルを連続的な式として表現してもよい。つまり、１のモデルは、所定の範囲の効果を網羅して推定できるように定義されるものとする。
また、上記第１及び第２の実施形態では、分割された特徴空間の各領域の各データの範囲を算出することで、Ｐｒｏｘｅｌを算出した。しかしながら、Ｐｒｏｘｅｌの算出方法はこれに限定されない。
例えば、分割された特徴空間の各領域が、特徴空間で著しく離れていた場合に、互いに隣接するように、それぞれの領域を変形する処理を加え、変形後の各領域の各データの範囲を算出することでＰｒｏｘｅｌを算出してもよい。これにより、特徴空間における空き領域（Ｐｒｏｘｅｌが規定されていない領域）を低減させることができる。
また、上記第１及び第２の実施形態では、分割された特徴空間の各領域の各データの範囲を算出することでＰｒｏｘｅｌを算出し、当該Ｐｒｏｘｅｌを解析結果データとして解析結果格納部１１５に格納する構成とした。しかしながら、解析結果格納部１１５に格納する解析結果データは、Ｐｒｏｘｅｌに限定されない。例えば、分割された特徴空間の各領域を代表する代表データ（各グループを特定する特定データ）を、解析結果データとして格納してもよい。
また、上記第１及び第２の実施形態では、データ解析プログラム、モデル生成プログラム、推定プログラムをデータ処理装置１１０にインストールし、データ処理装置１１０においてデータ解析部１１１、モデル生成部１１２、推定部１１３を実現した。しかしながら、これらのプログラムは、例えば、各事業所１２０、１３０、１４０内の端末１２１、１３１、１４１にインストールしてもよい。この場合、各事業所１２０、１３０、１４０内の端末１２１、１３１、１４１においてデータ解析部１１１、モデル生成部１１２、推定部１１３が実現される。
また、上記第１及び第２の実施形態では、モデル生成判定部１３２０が、新たなモデルを生成するか否かを判定する際、及び、モデル選択部１７２０が、シミュレーション処理に用いるモデルを選択する際、
・対応するステップが実行された際の半導体製造装置内の状態、
・対応するステップが実行された際の半導体製造装置内の雰囲気、
・対応するステップが実行された際の処理対象物の経時変化、
を予測し、
・状態の変化を測定する半導体製造装置内の位置、
・半導体製造装置の種類、
を判別するものとして説明した。しかしながら、モデル生成判定部１３２０、モデル選択部１７２０が予測する内容及び判別する内容は、これらに限定されず、例示した内容以外の内容を予測または判別してもよい。
また、上記第１及び第２の実施形態では、半導体製造プロセスにおいて収集されたデータ群について、Ｐｒｏｘｅｌを算出する場合について説明したが、Ｐｒｏｘｅｌを算出するデータ群は、半導体製造プロセスにおいて収集されたデータ群に限られない。半導体製造プロセス以外の製造プロセスであっても、例えば、プラズマを用いる装置が含まれる製造プロセスは、一般に設定データが複雑化する。このため、当該装置が含まれる製造プロセスにおいて収集されたデータ群に対して、Ｐｒｏｘｅｌを算出した場合も、上述のような利点を得ることができる。
なお、上記実施形態に挙げた構成等に、その他の要素との組み合わせ等、ここで示した構成に本発明が限定されるものではない。これらの点に関しては、本発明の趣旨を逸脱しない範囲で変更することが可能であり、その応用形態に応じて適切に定めることができる。
１００ ：データ処理システム
１１０ ：データ処理装置
１１１ ：データ解析部
１１２ ：モデル生成部
１１３ ：推定部
２０１ ：データ群
３１１〜３１４ ：Ｐｒｏｘｅｌ
５１０ ：収集部
５２０ ：効果算出部
５３０ ：分割部
５４０ ：Ｐｒｏｘｅｌ算出部
８００ ：特徴空間
１３１０ ：モデル生成用データ取得部
１３２０ ：モデル生成判定部
１３３０ ：モデルパラメータ調整部
１７１０ ：推定用データ取得部
１７２０ ：モデル選択部
１７３０ ：モデル実行部
１７４０ ：出力部

Claims (7)

  1. 製造プロセスの所定のステップと対応付けられた複数のデータ群それぞれの特徴空間における分布が、該複数のデータ群それぞれについて算出された該所定のステップにおける効果に応じて分類されるよう、該特徴空間が分割された場合の、各領域を特定する解析結果を格納する第１の格納部と、
    前記特徴空間の各領域に分類されるデータ群が入力されることで、各領域に対応するそれぞれの効果を出力する複数のモデルを、各領域と対応付けて格納する第２の格納部と、
    前記所定のステップと対応付けられたデータ群が新たに取得され、前記解析結果に基づいて該取得されたデータ群が分類される１の領域が判定された場合に、該１の領域に対応付けて格納されたモデルを用いてシミュレーション処理を行う実行部と
    を有するデータ処理装置。
  2. 前記１の領域に対応付けて複数のモデルが格納されていた場合、所定の選択指標に基づいて１のモデルを選択する選択部を更に有する、請求項１に記載のデータ処理装置。
  3. 前記選択指標には、前記所定のステップが実行される装置の状態、前記所定のステップが実行される装置内の雰囲気、前記所定のステップが実行された際の処理対象物の経時変化のいずれかを予測した予測結果が含まれる、請求項２に記載のデータ処理装置。
  4. 前記選択指標には、前記所定のステップが実行される装置の種類及び前記所定のステップが実行された際の状態の変化を測定する装置内の位置のいずれかを判別した判別結果が含まれる、請求項２に記載のデータ処理装置。
  5. 前記所定のステップと対応付けられたデータ群が新たに取得された場合に、該取得されたデータ群が、前記特徴空間の各領域のいずれの領域に分類されるかを、前記解析結果に基づいて判定する判定部を更に有する、請求項１に記載のデータ処理装置。
  6. 製造プロセスの所定のステップと対応付けられた複数のデータ群それぞれの特徴空間における分布が、該複数のデータ群それぞれについて算出された該所定のステップにおける効果に応じて分類されるよう、該特徴空間が分割された場合の、各領域を特定する解析結果を格納する第１の格納部と、
    前記特徴空間の各領域に分類されるデータ群が入力されることで、各領域に対応するそれぞれの効果を出力する複数のモデルを、各領域と対応付けて格納する第２の格納部と、を有するデータ処理装置におけるデータ処理方法であって、
    前記所定のステップと対応付けられたデータ群が新たに取得され、前記解析結果に基づいて該取得されたデータ群が分類される１の領域が判定された場合に、該１の領域に対応付けて格納されたモデルを用いてシミュレーション処理を行う実行工程、
    を有するデータ処理方法。
  7. 製造プロセスの所定のステップと対応付けられた複数のデータ群それぞれの特徴空間における分布が、該複数のデータ群それぞれについて算出された該所定のステップにおける効果に応じて分類されるよう、該特徴空間が分割された場合の、各領域を特定する解析結果を格納する第１の格納部と、
    前記特徴空間の各領域に分類されるデータ群が入力されることで、各領域に対応するそれぞれの効果を出力する複数のモデルを、各領域と対応付けて格納する第２の格納部と、を有するデータ処理装置のコンピュータに、
    前記所定のステップと対応付けられたデータ群が新たに取得され、前記解析結果に基づいて該取得されたデータ群が分類される１の領域が判定された場合に、該１の領域に対応付けて格納されたモデルを用いてシミュレーション処理を行う実行工程、
    を実行させるためのプログラム。
JP2019120365A 2019-06-27 2019-06-27 データ処理装置、データ処理方法及びプログラム Active JP6890632B2 (ja)

Priority Applications (5)

Application Number Priority Date Filing Date Title
JP2019120365A JP6890632B2 (ja) 2019-06-27 2019-06-27 データ処理装置、データ処理方法及びプログラム
TW109120042A TW202105515A (zh) 2019-06-27 2020-06-15 資料處理裝置、資料處理方法及程式
KR1020200072903A KR20210001958A (ko) 2019-06-27 2020-06-16 데이터 처리 장치, 데이터 처리 방법 및 기록 매체
CN202010586197.7A CN112149268A (zh) 2019-06-27 2020-06-24 数据处理装置、数据处理方法和程序
US16/911,862 US20200410413A1 (en) 2019-06-27 2020-06-25 Data processing apparatus, data processing method, and recording medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2019120365A JP6890632B2 (ja) 2019-06-27 2019-06-27 データ処理装置、データ処理方法及びプログラム

Publications (2)

Publication Number Publication Date
JP2021005694A JP2021005694A (ja) 2021-01-14
JP6890632B2 true JP6890632B2 (ja) 2021-06-18

Family

ID=73888708

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2019120365A Active JP6890632B2 (ja) 2019-06-27 2019-06-27 データ処理装置、データ処理方法及びプログラム

Country Status (5)

Country Link
US (1) US20200410413A1 (ja)
JP (1) JP6890632B2 (ja)
KR (1) KR20210001958A (ja)
CN (1) CN112149268A (ja)
TW (1) TW202105515A (ja)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI798314B (zh) * 2017-12-28 2023-04-11 日商東京威力科創股份有限公司 資料處理裝置、資料處理方法及資料處理程式
MX2021006125A (es) * 2018-11-26 2021-06-23 Everseen Ltd Sistema y metodo para configuracion de proceso.
TWI776015B (zh) 2019-01-30 2022-09-01 晶喬科技股份有限公司 半導體元件的製程開發方法以及系統
US11829873B2 (en) 2020-05-21 2023-11-28 Applied Materials, Inc. Predictive modeling of a manufacturing process using a set of trained inverted models

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003257947A (ja) * 2002-03-05 2003-09-12 Hitachi Ltd 半導体処理装置用データ処理装置
JP2004119851A (ja) * 2002-09-27 2004-04-15 Hitachi High-Technologies Corp プラズマ処理装置、処理方法及びプラズマ処理条件生成システム
JP4681426B2 (ja) * 2005-11-15 2011-05-11 新日本製鐵株式会社 製造プロセスにおける操業と品質の関連解析装置、方法、コンピュータプログラム、及びコンピュータ読み取り可能な記録媒体
JP5050830B2 (ja) 2007-12-19 2012-10-17 ソニー株式会社 ドライエッチング装置および半導体装置の製造方法
EP3514700A1 (en) 2013-02-20 2019-07-24 Hartford Steam Boiler Inspection and Insurance Company Dynamic outlier bias reduction system and method
TWI737659B (zh) 2015-12-22 2021-09-01 以色列商應用材料以色列公司 半導體試樣的基於深度學習之檢查的方法及其系統
JP6608344B2 (ja) * 2016-09-21 2019-11-20 株式会社日立製作所 探索装置および探索方法
JP6875224B2 (ja) * 2017-08-08 2021-05-19 株式会社日立ハイテク プラズマ処理装置及び半導体装置製造システム
JP6959831B2 (ja) * 2017-08-31 2021-11-05 株式会社日立製作所 計算機、処理の制御パラメータの決定方法、代用試料、計測システム、及び計測方法
WO2020188328A1 (en) * 2019-03-15 2020-09-24 3M Innovative Properties Company Method of performing a process and optimizing control signals used in the process

Also Published As

Publication number Publication date
KR20210001958A (ko) 2021-01-06
CN112149268A (zh) 2020-12-29
TW202105515A (zh) 2021-02-01
US20200410413A1 (en) 2020-12-31
JP2021005694A (ja) 2021-01-14

Similar Documents

Publication Publication Date Title
JP6890632B2 (ja) データ処理装置、データ処理方法及びプログラム
KR102142205B1 (ko) 설명 가능한 인공지능 모델링 및 시뮬레이션 시스템 및 방법
US10627788B2 (en) Retrieval apparatus and retrieval method for semiconductor device processing
WO2019200480A1 (en) Method and system for model auto-selection using an ensemble of machine learning models
US10019681B2 (en) Multidimensional recursive learning process and system used to discover complex dyadic or multiple counterparty relationships
JP2021095642A (ja) 薄膜蒸着工程を制御するための制御装置、及び方法
KR102141709B1 (ko) 엔지니어링 빅데이터 기반의 설계 전문가 시스템 및 그 설계 방법
US11619926B2 (en) Information processing device, program, process treatment executing device, and information processing system
US11972355B2 (en) Method and system for generating best performing data models for datasets in a computing environment
US20220358438A1 (en) Material property prediction system and material property prediction method
JP2024509741A (ja) パーツ、センサ、および計測データ統合
JP6956806B2 (ja) データ処理装置、データ処理方法及びプログラム
KR102054500B1 (ko) 설계 도면 제공 방법
CN112241832A (zh) 一种产品质量分级评价标准设计方法及系统
Arti et al. Research trend of causal machine learning method: A literature review
CN112528500A (zh) 一种场景图构造模型的评估方法及评估设备
Quinlan et al. Bayesian design of experiments for logistic regression to evaluate multiple nuclear forensic algorithms
Wo et al. Performances of clustering methods considering data transformation and sample size: An evaluation with fisheries survey data
CN117076454B (zh) 一种工程质量验收表单数据结构化存储方法及系统
Ariafar et al. Predicting the utility of search spaces for black-box optimization: a simple, budget-aware approach
KR102567843B1 (ko) 다층 박막 구조물의 두께 분석 시스템 및 방법
Low-Choy et al. Experimenting with modelling via a virtual laboratory: Evaluating pseudo-absence strategies to refine a species distribution model
US20230369032A1 (en) Etching processing apparatus, etching processing system, analysis apparatus, etching processing method, and storage medium
KR20240062961A (ko) 정보 처리 장치 및 정보 처리 방법
Galante Model complexity and variable selection in MaxEnt niche models: analyses for rodents in Madagascar

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20200313

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20210421

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20210427

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20210525

R150 Certificate of patent or registration of utility model

Ref document number: 6890632

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250