JP7325356B2 - 情報処理システム及びシミュレーション方法 - Google Patents

情報処理システム及びシミュレーション方法 Download PDF

Info

Publication number
JP7325356B2
JP7325356B2 JP2020027142A JP2020027142A JP7325356B2 JP 7325356 B2 JP7325356 B2 JP 7325356B2 JP 2020027142 A JP2020027142 A JP 2020027142A JP 2020027142 A JP2020027142 A JP 2020027142A JP 7325356 B2 JP7325356 B2 JP 7325356B2
Authority
JP
Japan
Prior art keywords
virtual
sensor data
semiconductor manufacturing
physical
data
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
JP2020027142A
Other languages
English (en)
Other versions
JP2021132140A (ja
Inventor
政和 山本
忠 榎本
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 JP2020027142A priority Critical patent/JP7325356B2/ja
Priority to KR1020210018892A priority patent/KR20210106357A/ko
Priority to US17/175,744 priority patent/US20210264076A1/en
Publication of JP2021132140A publication Critical patent/JP2021132140A/ja
Application granted granted Critical
Publication of JP7325356B2 publication Critical patent/JP7325356B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G06F11/3457—Performance evaluation by simulation
    • 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
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67242—Apparatus for monitoring, sorting or marking
    • H01L21/67248—Temperature monitoring
    • 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
    • G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
    • G05B19/0426—Programming the control sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3089—Monitoring arrangements determined by the means or processing involved in sensing the monitored data, e.g. interfaces, connectors, sensors, probes, agents
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/32—Monitoring with visual or acoustical indication of the functioning of the machine
    • G06F11/324—Display of status information
    • 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
    • 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
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • 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
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67242—Apparatus for monitoring, sorting or marking
    • H01L21/67253—Process monitoring, e.g. flow or thickness monitoring
    • 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
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67242—Apparatus for monitoring, sorting or marking
    • H01L21/67288—Monitoring of warpage, curvature, damage, defects or the like
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/18—Manufacturability analysis or optimisation for manufacturability
    • 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]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • Manufacturing & Machinery (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Quality & Reliability (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Automation & Control Theory (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Description

本開示は、情報処理システム及びシミュレーション方法に関する。
半導体製品の製造または研究開発の現場において、プロセスシミュレーションが用いられている。プロセスシミュレーションは半導体プロセス（以下、プロセスと呼ぶ）に関わる様々な物理現象を物理モデルにより扱うことができる（例えば、特許文献１参照）。
例えばプロセスシミュレーションでは、プロセスを実行後の測定結果から、プロセスを実行中のプロセス状態（例えばウェーハの膜の付き方、温度状態、ガスの状態など）を推測していた。
特開２０１８－１２５４５１号公報
本開示は、半導体製造装置でプロセスを実行中に、半導体製造装置のプロセス状態を可視化する技術を提供する。
本開示の一態様による情報処理システムは、半導体製造装置で実行中のプロセス状態のシミュレーションを、前記半導体製造装置のシミュレーションモデルを用いて実行する情報処理システムであって、プロセスパラメータに従ってプロセスを実行中の前記半導体製造装置で測定された物理センサデータを取得する物理センサデータ取得部と、前記プロセスパラメータに従って前記シミュレーションモデルによるシミュレーションを実行して仮想センサデータ及び仮想プロセス結果データを算出するシミュレーション実行部と、前記物理センサデータ、前記仮想センサデータ、及び前記仮想プロセス結果データを用いて、前記プロセスの実行中に、前記半導体製造装置のプロセス状態を可視化して表示部に表示させる表示制御部と、を有する。
本開示によれば、半導体製造装置でプロセスを実行中に、半導体製造装置のプロセス状態を可視化できる。
本実施形態に係る情報処理システムの一例の構成図である。 コンピュータの一例のハードウェア構成図である。 本実施形態に係る自律制御コントローラの一例の機能ブロック図である。 本実施形態に係る解析サーバの一例の機能ブロック図である。 本実施形態に係る情報処理システムの処理の一例のフローチャートである。 温度評価画面の一例のイメージ図である。 温度表示画面の画面例を示した一例の図である。 温度評価画面を操作する操作画面の一例のイメージ図である。 シミュレーションモデルを編集する処理の一例のフローチャートである。 故障事前検知を行う処理の一例のフローチャートである。 故障事前検知を行う処理の一例のフローチャートである。 半導体製造装置の温度関連の部分を示した一例の概略図である。 温度関連のシミュレーションモデルの作成及び更新の処理を表した一例の説明図である。 温度関連のシミュレーションモデルの作成及び更新の処理を表した一例の説明図である。 温度関連のシミュレーションモデルの作成及び更新の処理から、温度カテゴリを抜粋して表した一例の説明図である。 仮想センサの更新の処理を表した一例の説明図である。 シミュレーションモデルの更新の処理を表した一例の説明図である。 対象の半導体製造装置の仕様変更時のシミュレーションモデルの更新の処理を表した一例の説明図である。 メンテナンス時期事前検知の処理を表した一例の説明図である。 対象の半導体製造装置の生産性向上の処理を表した一例の説明図である。 対象の半導体製造装置の省エネの処理を表した一例の説明図である。
以下、図面を参照して、本発明を実施するための形態の説明を行う。
＜システム構成＞
図１は本実施形態に係る情報処理システムの一例の構成図である。図１に示す情報処理システム１は、半導体製造装置１０、既存センサ１１、追加センサ１２、自律制御コントローラ１３、装置制御コントローラ２０、ホストコンピュータ２２、外部測定器２４、解析サーバ２６、ＡＲサーバ２８、管理サーバ３０、及びデータレイク３２、を有する。
半導体製造装置１０、自律制御コントローラ１３、装置制御コントローラ２０、ホストコンピュータ２２、外部測定器２４、解析サーバ２６、ＡＲサーバ２８、及び管理サーバ３０は、ＬＡＮ（Local Area Network）などのネットワーク４０を介して通信可能に接続される。
半導体製造装置１０は例えば熱処理成膜装置であり、装置制御コントローラ２０から出力された制御命令（プロセスパラメータ）に従ってプロセスを実行する。半導体製造装置１０は複数の既存センサ１１が搭載されている。既存センサ１１は温度、圧力などを物理センサデータとして測定する物理（Ｐｈｙｓｉｃａｌ）センサの一例である。追加センサ１２は後述の仮想（Ｖｉｒｔｕａｌ）センサデータの確からしさを確認するために搭載される物理センサの一例である。仮想センサデータは後述のシミュレーションモデル（物理モデル）を元に計算される。追加センサ１２はシミュレーションモデルを元に計算される仮想センサデータの確からしさを確認するために搭載されるため、顧客に出荷される最終製品に搭載されていなくてもよい。追加センサ１２は温度、圧力などを物理センサデータとして測定する。
自律制御コントローラ１３は半導体製造装置１０を自律制御するためのコントローラであって、後述のように、シミュレーションモデルを用いた半導体製造装置１０で実行中のプロセス状態のシミュレーション、プロセスパラメータの最適化、故障事前検知、メンテナンス時期事前検知などを行う。自律制御コントローラ１３は半導体製造装置１０ごとに設けられている。自律制御コントローラ１３は後述のシミュレーションモデルを用いたシミュレーションを実行することにより、ウェーハ上の膜の付き具合、ウェーハの温度、ガス、プラズマなどの状態を、プロセスパラメータに従ったプロセスを実行後の結果として算出する。後述のシミュレーションモデルを用いたシミュレーションを実行することにより算出したデータ（仮想データ）には、仮想センサデータ及び仮想プロセス結果データが含まれる。仮想センサデータは仮想センサから出力されるデータである。仮想プロセス結果データは、仮想データに含まれるデータのうち、仮想センサデータ以外である。
装置制御コントローラ２０は半導体製造装置１０を制御するためのコンピュータ構成を持ったコントローラである。装置制御コントローラ２０は後述のように最適化されたプロセスパラメータを、半導体製造装置１０の制御部品を制御するプロセスパラメータとして半導体製造装置１０に出力する。
ホストコンピュータ２２は半導体製造装置１０に対する指示を作業者から受け付けると共に、半導体製造装置１０に関する情報を作業者に提供するマンマシンインタフェース（ＭＭＩ）の一例である。
外部測定器２４は、膜厚測定器、シート抵抗測定器、パーティクル測定器など、プロセスパラメータに従ったプロセスの実行後の結果を測定する測定器である。例えば外部測定器２４は、モニタウェーハ等のウェーハ上の膜の付き具合を測定する。以下では、外部測定器２４により測定したデータを物理プロセス結果データと呼ぶ。
解析サーバ２６は後述するようにシミュレーションモデルの更新、プロセスパラメータの最適化のためのデータ解析、故障事前検知やメンテナンス時期事前検知のためのデータ解析などを行う。ＡＲサーバ２８はＡＲ（拡張現実）技術を用いて、半導体製造装置１０で実行中のプロセス状態のシミュレーションの結果の画面表示や、保守・メンテナンスなどの作業支援のための画面表示を行う。
管理サーバ３０は、データレイク３２などのデータ保存領域に保存された例えば１つ以上の企業の複数の半導体製造装置１０に関する情報（半導体製造装置１０でプロセスを実行したプロセスパラメータ、そのプロセスパラメータに従ってプロセスを実行した場合の物理センサデータ、及び物理プロセス結果データなど）を管理する。このような、複数の半導体製造装置１０に関する情報を元にシミュレーションモデルを後述のように編集することで、複数の半導体製造装置１０の振る舞いを元にベースのシミュレーションモデルを編集（補正）できる。シミュレーションモデルのベースは、複数の半導体製造装置１０を元にした最大公約数的なモデルとなる。
シミュレーションモデルのベースは、例えばディープラーニングにより、それぞれの半導体製造装置１０へ適合するように編集する。この編集は、例えば半導体製造装置１０を運用する毎に実行することで、運用するほど、それぞれの半導体製造装置１０におけるシミュレーションモデルの予測精度が向上する。
なお、図１の情報処理システム１は一例であり、用途や目的に応じて様々なシステム構成例があることは言うまでもない。図１の半導体製造装置１０、自律制御コントローラ１３、装置制御コントローラ２０、ホストコンピュータ２２、外部測定器２４、解析サーバ２６、ＡＲサーバ２８、及び管理サーバ３０のような装置の区分は一例である。
例えば情報処理システム１は、半導体製造装置１０、自律制御コントローラ１３、装置制御コントローラ２０、ホストコンピュータ２２、外部測定器２４、解析サーバ２６、ＡＲサーバ２８、及び管理サーバ３０の少なくとも２つが一体化された構成や、更に分割された構成など、様々な構成が可能である。また、解析サーバ２６、ＡＲサーバ２８は図１の情報処理システム１のように複数台の半導体製造装置１０をまとめて扱えるようにしてもよいし、半導体製造装置１０と一対一に設けるようにしてもよい。半導体製造装置１０と一対一に設けた解析サーバ２６及びＡＲサーバ２８は、対応する半導体製造装置１０に特化した処理を行うことができる。
＜ハードウェア構成＞
図１に示す情報処理システム１の自律制御コントローラ１３、装置制御コントローラ２０、ホストコンピュータ２２、解析サーバ２６、ＡＲサーバ２８、及び管理サーバ３０は例えば図２に示すようなハードウェア構成のコンピュータにより実現される。図２はコンピュータの一例のハードウェア構成図である。
図２のコンピュータ５００は、入力装置５０１、出力装置５０２、外部Ｉ／Ｆ（インタフェース）５０３、ＲＡＭ（Random Access Memory）５０４、ＲＯＭ（Read Only Memory）５０５、ＣＰＵ（Central Processing Unit）５０６、通信Ｉ／Ｆ５０７及びＨＤＤ（Hard Disk Drive）５０８などを備え、それぞれがバスＢで相互に接続されている。なお、入力装置５０１及び出力装置５０２は必要なときに接続して利用する形態であってもよい。
入力装置５０１はキーボードやマウス、タッチパネルなどであり、作業者等が各操作信号を入力するのに用いられる。出力装置５０２はディスプレイ等であり、コンピュータ５００による処理結果を表示する。通信Ｉ／Ｆ５０７はコンピュータ５００をネットワークに接続するインタフェースである。ＨＤＤ５０８は、プログラムやデータを格納している不揮発性の記憶装置の一例である。
外部Ｉ／Ｆ５０３は、外部装置とのインタフェースである。コンピュータ５００は外部Ｉ／Ｆ５０３を介してＳＤ（Secure Digital）メモリカードなどの記録媒体５０３ａの読み取り及び／又は書き込みを行うことができる。ＲＯＭ５０５は、プログラムやデータが格納された不揮発性の半導体メモリ（記憶装置）の一例である。ＲＡＭ５０４はプログラムやデータを一時保持する揮発性の半導体メモリ（記憶装置）の一例である。
ＣＰＵ５０６は、ＲＯＭ５０５やＨＤＤ５０８などの記憶装置からプログラムやデータをＲＡＭ５０４上に読み出し、処理を実行することで、コンピュータ５００全体の制御や機能を実現する演算装置である。
図１の自律制御コントローラ１３、装置制御コントローラ２０、ホストコンピュータ２２、解析サーバ２６、ＡＲサーバ２８、及び管理サーバ３０は、図２のコンピュータ５００のハードウェア構成等により、各種機能を実現できる。
＜機能構成＞
本実施形態に係る情報処理システム１の自律制御コントローラ１３は、例えば図３の機能ブロックで実現される。図３は、本実施形態に係る自律制御コントローラの一例の機能ブロック図である。なお、図３の機能ブロック図は本実施形態の説明に不要な構成について図示を省略している。
自律制御コントローラ１３は、自律制御コントローラ１３用のプログラムを実行することにより、物理プロセス結果データ取得部１００、物理センサデータ取得部１０２、プロセスパラメータ取得部１０４、データベース１０６、シミュレーション実行部１０８、シミュレーション結果判定部１１０、表示制御部１１２、及びシミュレーションモデル更新部１１４を実現している。また、シミュレーション結果判定部１１０は、故障事前検知部１２０、メンテナンス時期事前検知部１２２、及びプロセスパラメータ調整部１２４を有する構成である。
物理プロセス結果データ取得部１００は、プロセスパラメータに従ったプロセスを実行後の結果である物理プロセス結果データを取得し、データベース１０６に保存する。
物理センサデータ取得部１０２は既存センサ１１及び追加センサ１２が測定した物理センサデータを取得し、シミュレーション実行部１０８に提供する。プロセスパラメータ取得部１０４は半導体製造装置１０で実行中のプロセスのプロセスパラメータを取得してシミュレーション実行部１０８に提供する。データベース１０６はシミュレーション実行部１０８がシミュレーションに使用するデータ及び解析サーバ２６がシミュレーションモデルの更新やデータ解析に使用するデータを保存しているデータ保存領域である。
シミュレーション実行部１０８は、プロセスを実行中の半導体製造装置１０と同一のプロセスパラメータに従って、シミュレーションモデルによるシミュレーションを実行することで、プロセスを実行中の半導体製造装置１０のプロセス状態を算出できる。
なお、シミュレーション実行部１０８がシミュレーションに用いる半導体製造装置１０のシミュレーションモデルは、例えば１ＤＣＡＥのシミュレーションモデルを用いることができる。１ＤＣＡＥのシミュレーションモデルは、上流設計である機能設計において半導体製造装置１０の全体を機能ベースで表現することで、構造設計（３ＤＣＡＥ）の前の評価解析を可能としている。
シミュレーション結果判定部１１０は、同一のプロセスパラメータに基づく物理プロセス結果データ、物理センサデータ、仮想プロセス結果データ、及び仮想センサデータを用いることで、後述のように故障事前検知部１２０による故障事前検知、メンテナンス時期事前検知部１２２によるメンテナンス時期事前検知などを行う。また、シミュレーション結果判定部１１０はプロセスパラメータ調整部１２４によるプロセスパラメータの最適化を後述のように行う。
表示制御部１１２は、半導体製造装置１０でプロセスを実行しながら、半導体製造装置１０と同一のプロセスパラメータに従って実行されたシミュレーションによる仮想プロセス結果データ、仮想センサデータを用いることで、プロセスを実行中の半導体製造装置１０のプロセス状態をリアルタイムに可視化して例えばホストコンピュータ２２に表示させることができる。
したがって、表示制御部１１２はプロセスを実行中の半導体製造装置１０のプロセス状態という現実（Ｐｈｙｓｉｃａｌ）空間の変化をリアルタイムの連動性をもって仮想（Ｃｙｂｅｒ）空間に再現する、いわゆるデジタルツインを実現できる。デジタルツインでは半導体製造装置１０でプロセスを実行しながら、仮想空間に半導体製造装置１０のプロセス状態をリアルタイムに再現できる。
このようなデジタルツインの環境を利用することで、シミュレーション結果判定部１１０は半導体製造装置１０のプロセス状態をモニタリングできる他、後述の故障事前検知やメンテナンス時期事前検知、プロセスパラメータの調整などが可能となる。
シミュレーションモデル更新部１１４はシミュレーション実行部１０８がプロセス状態のシミュレーションに用いるシミュレーションモデルを、解析サーバ２６によって編集されたシミュレーションモデルに更新する。
また、本実施形態に係る情報処理システム１の解析サーバ２６は、例えば図４の機能ブロックで実現される。図４は、本実施形態に係る解析サーバの一例の機能ブロック図である。なお、図４の機能ブロック図は本実施形態の説明に不要な構成について図示を省略している。
解析サーバ２６は解析サーバ２６用のプログラムを実行することで、物理データ取得部１４０、仮想データ取得部１４２、プロセスパラメータ取得部１４４、シミュレーションモデル記憶部１４６、シミュレーションモデル編集部１４８、及びシミュレーションモデル更新要求部１５０を実現している。
物理データ取得部１４０は、自律制御コントローラ１３又は管理サーバ３０から解析対象の半導体製造装置１０の物理センサデータ及び物理プロセス結果データを、物理（Ｐｈｙｓｉｃａｌ）データとして取得し、シミュレーションモデル編集部１４８に提供する。
仮想データ取得部１４２は、自律制御コントローラ１３又は管理サーバ３０から解析対象の半導体製造装置１０の仮想センサデータ及び仮想プロセス結果データを、仮想（Ｃｙｂｅｒ）データとして取得し、シミュレーションモデル編集部１４８に提供する。
プロセスパラメータ取得部１４４は、自律制御コントローラ１３又は管理サーバ３０から解析対象の半導体製造装置１０のプロセスパラメータを取得し、シミュレーションモデル編集部１４８に提供する。
シミュレーションモデル記憶部１４６は自律制御コントローラ１３のシミュレーション実行部１０８が半導体製造装置１０のプロセス状態のシミュレーションに用いるためのシミュレーションモデルを記憶する。シミュレーションモデル編集部１４８は提供された物理データ、仮想データ及びプロセスパラメータを用いて、同一のプロセスパラメータによる物理データ及び仮想データの差異が小さくなるように（最適なシミュレーションモデルとなるように）例えば機械学習などを利用してシミュレーションモデルの編集を行う。なお、シミュレーションモデルの編集は、半導体製造装置１０の通常運用時に必ずしも行う必要はなく、例えばシミュレーション対象の半導体製造装置１０に物理的な仕様変更が行われた場合などに行えばよい。シミュレーションモデル更新要求部１５０は、編集されたシミュレーションモデルの更新を自律制御コントローラ１３に要求する。
＜処理＞
《事前準備》
本実施形態に係る情報処理システム１では、プロセスパラメータに従ってプロセスを実行した半導体製造装置１０の物理データと、その半導体製造装置１０と同一のプロセスパラメータに従って実行したシミュレーションの仮想データと、の差異が小さくなるように例えば機械学習などにより編集されたシミュレーションモデルを用いる。
このようなシミュレーションモデルを用いることにより、本実施形態に係る情報処理システム１では、シミュレーションモデルを用いたシミュレーションの結果の確からしさを確保している。なお、シミュレーションモデルの編集は、前回の編集からの経過時間やプロセスの実行回数、同一のプロセスパラメータに従った物理データと仮想データとの差異の拡大などに従い、行うようにしてもよい。
《プロセス実行》
図５は本実施形態に係る情報処理システムの処理の一例のフローチャートである。装置制御コントローラ２０から出力されたプロセスパラメータに従い、半導体製造装置１０はステップＳ１０でプロセスを実行する。ステップＳ１２において自律制御コントローラ１３は、プロセスを実行中である半導体製造装置１０から、既存センサ１１及び追加センサ１２で測定された物理センサデータを取得する。
ステップＳ１４において、自律制御コントローラ１３のシミュレーション実行部１０８はプロセスを実行中の半導体製造装置１０と同一のプロセスパラメータに従って、シミュレーションモデルによるシミュレーションを実行し、仮想センサデータ及び仮想プロセス結果データを算出する。
ステップＳ１６において、自律制御コントローラ１３の表示制御部１１２は、プロセスを実行中の半導体製造装置１０の物理センサデータ、半導体製造装置１０と同一のプロセスパラメータに従って実行されたシミュレーションによる仮想プロセス結果データ、及び仮想センサデータを用いて、プロセスを実行中の半導体製造装置１０のプロセス状態を例えば図６のように可視化してホストコンピュータ２２に表示させることができる。
図６は温度評価画面の一例のイメージ図である。図６の温度評価画面１０００は、実行中のプロセスの温度表示画面１００２と、プロセスの実行前に事前予測した温度表示画面１００４と、が同時に表示された画面例である。
なお、図６の温度評価画面１０００は一例であって、最適化前のプロセスパラメータに従って実行されたシミュレーションの結果に基づく温度表示画面と、最適化後のプロセスパラメータに従って実行されたシミュレーションの結果に基づく温度表示画面と、が同時に表示される画面であってもよい。これにより、作業者はプロセスパラメータの最適化による改善度合いを確認できる。さらに、図６の温度評価画面１０００は、実行中のプロセスの温度表示画面と、予測した未来の温度表示画面と、が同時に表示される画面であってもよい。
図６の温度表示画面１００２及び１００４は、例えばウェーハ、内管、外管、内側温度センサ、外側温度センサなどの各部の温度、仮想気流、対流などを表示する。図６の温度表示画面１００２及び１００４は、温度やガス濃度の分布を色で表示する。図６の温度表示画面１００２及び１００４は、３６０度、様々な視点で表示できる。図６の温度表示画面１００２及び１００４は、輪切りにして必要な箇所を表示できる画面例を一例として示している。なお、不要な箇所は非表示にできるようにしてもよい。
図６の温度表示画面１００２及び１００４は物理センサ又は仮想センサによる温度の測定点を黒色の点で表示する。図６の温度表示画面１００２及び１００４は作業者がマウスなどでクリックした位置（作業者が温度を知りたい位置）の温度を表示するようにしてもよい。図６の温度表示画面１００２及び１００４は一例であって、例えば図７に示すような形態の温度表示画面を表示してもよい。図７は温度表示画面の画面例を示した一例の図である。
なお、図６の温度評価画面１０００に表示する温度表示画面１００２及び１００４への操作は例えば図８に示すような操作画面１１００から行うことができる。図８は温度評価画面を操作する操作画面の一例のイメージ図である。
図８の操作画面１１００は、ファイル指定欄１１０２に指定してファイル読込ボタンをクリックすることで、過去データのファイルなどの指定したファイルを読み込み、読み込んだファイルによる温度表示画面１００２及び１００４を表示できる。また、図８の操作画面１１００は過去の任意の時間をフレームにより指定して、読み込んだファイルによる温度表示画面１００２及び１００４を表示できる例である。
図８の操作画面１１００は、ファイル指定欄１１０２にプロセスを実行中の半導体製造装置１０のデータのファイルを指定することもできる。また、図８の操作画面１１００はデータをグラフで表示する欄１１０４、３Ｄの視点ファイルのロード／セーブする欄１１０６、情報の表示／非表示を設定する欄１１０８等を含む画面例を示している。
図５のステップＳ１８に戻り、自律制御コントローラ１３は半導体製造装置１０で実行中のプロセスが終了するまでステップＳ１２～Ｓ１６の処理を繰り返す。半導体製造装置１０で実行中のプロセスが終了すると、ステップＳ１８からＳ２０の処理に進み、自律制御コントローラ１３のシミュレーション結果判定部１１０は、同一の位置及び時間の物理センサデータ及び仮想センサデータを比較して、同一の位置及び時間の物理センサデータ及び仮想センサデータが同じであるか否かを判定する。
物理センサデータと仮想センサデータとが同じでないと判定すると、シミュレーション結果判定部１１０は、顧客が要望するプロセス実行後の結果を得られるようにプロセスパラメータを最適化（オプティマイズ）するステップＳ２２のプロセスパラメータ調整処理を行う。
なお、ステップＳ２２のプロセスパラメータ調整処理は、例えば同一の位置及び時間の物理センサデータ及び仮想センサデータの差が所定の閾値を超えた場合に、プロセスパラメータの最適化を中止し、シミュレーションモデルの編集又は半導体製造装置１０のメンテナンスにより対処するようにしてもよい。
ステップＳ２４に進み、シミュレーション結果判定部１１０は後述のように故障事前検知部１２０による故障事前検知、メンテナンス時期事前検知部１２２によるメンテナンス時期事前検知などを行う。物理センサデータと仮想センサデータとが同じであると判定すると、シミュレーション結果判定部１１０はステップＳ２２のプロセスパラメータ調整処理及びステップＳ２４の事前検知処理をスキップする。
図５のフローチャートの処理によれば、例えば同一の位置及び時間の物理センサデータ及び仮想センサデータの差が所定の閾値を超えるまでは、プロセスパラメータの最適化により顧客が要望するプロセス実行後の結果を得られるように対応できる。
一方、同一の位置及び時間の物理センサデータ及び仮想センサデータの差が所定の閾値を超えると、シミュレーションモデルの編集又はステップＳ２４の事前検知処理により検知された故障やメンテナンス時期に対する対処により、顧客が要望するプロセス実行後の結果を得られるように対応できる。
シミュレーションモデルの編集は例えば図９に示すような処理手順で実行される。図９はシミュレーションモデルを編集する処理の一例のフローチャートである。解析サーバ２６はステップＳ３０において、半導体製造装置１０で実行されたプロセスのプロセスパラメータ、そのプロセスパラメータに従ったプロセスの結果である半導体製造装置１０の物理データ、及びシミュレーションモデルを元に計算した仮想データを取得する。
ステップＳ３２において、解析サーバ２６のシミュレーションモデル編集部１４８は同一の位置及び時間の物理センサデータ及び仮想センサデータの差が所定の閾値を超えているか否かを判定する。所定の閾値を超えていなければ、シミュレーションモデル編集部１４８はステップＳ３４～Ｓ３６の処理をスキップする。
所定の閾値を超えていれば、シミュレーションモデル編集部１４８はステップＳ３４において、ステップＳ３０で取得した物理データ、仮想データ及びプロセスパラメータを用いて、同一のプロセスパラメータによる物理データ及び仮想データの差異が小さくなるように例えば機械学習や統計処理などを利用してシミュレーションモデルの編集を行う。
ステップＳ３６に進み、解析サーバ２６のシミュレーションモデル更新要求部１５０はステップＳ３４で編集されたシミュレーションモデルの更新を自律制御コントローラ１３に要求することで、自律制御コントローラ１３のシミュレーション実行部１０８が利用するシミュレーションモデルを更新できる。
なお、ベースとなるシミュレーションモデルの場合は、複数の半導体製造装置１０の物理データ、仮想データ及びプロセスパラメータを取得し、例えば機械学習や統計処理などを利用してシミュレーションモデルの編集を行えばよい。
図５のステップＳ２４に示した故障事前検知は例えば図１０及び図１１に示す処理手順で実行される。図１０及び図１１は、故障事前検知を行う処理の一例のフローチャートである。
ステップＳ４０において、自律制御コントローラ１３の故障事前検知部１２０は半導体製造装置１０で実行されたプロセスのプロセスパラメータ、プロセスパラメータに従ったプロセスの結果である半導体製造装置１０の物理データ、及びシミュレーションモデルを元に計算した次回以降のプロセス分の仮想データを取得する。なお、次回以降のプロセス分の仮想データはシミュレーションモデルを元に次回以降の仮想プロセスを実行することで取得できる。このようにシミュレーションモデルを元に計算する仮想データは次回のプロセス分だけではなく、メンテナンスサイクルなどを考慮した複数回のプロセス分を取得してもよい。ステップＳ４２において、故障事前検知部１２０は同一の位置及び時間の物理センサデータ及び仮想センサデータの差が所定の閾値を超えているか否かを判定する。
所定の閾値を超えていなければ、故障事前検知部１２０はステップＳ４４の故障事前検知処理をスキップする。所定の閾値を超えていれば、故障事前検知部１２０は故障として事前検知する。ステップＳ４４では、事前検知した故障に対して図１１に示す手順の故障事前検知処理が行われる。
図１１のステップＳ５０において、故障事前検知部１２０は事前検知した故障が既知であるか否かを判定する。なお、事前検知した故障が既知であるか否かの判定は、差が閾値を超えている物理データ及び仮想データの項目の種類、特徴量などの統計的な分類手法やディープラーニングによる分類手法などを利用できる。
事前検知した故障が既知であれば、故障事前検知部１２０はステップＳ５２において既存故障判定データから故障の種類と原因を検索する。ステップＳ５４に進み、故障事前検知部１２０は検索した故障の種類と原因、及び過去の故障履歴から、製造に影響が出るまでのプロセス回数又は期間を算出する。ステップＳ５６に進み、故障事前検知部１２０は故障事前検知情報と、故障対処方法とを、例えばホストコンピュータ２２に表示させる。
したがって、作業者はホストコンピュータ２２に表示された故障事前検知情報と故障対処方法とを確認することで、製造に影響が出るまでのプロセス回数又は期間を考慮したタイミングで故障に対処できる。
一方、事前検知した故障が既知でなければ、故障事前検知部１２０はステップＳ５８において、物理データと仮想データとの現在までのずれ量のデータから、今後のずれ量の推移を算出する。ステップＳ６０に進み、故障事前検知部１２０は算出した、今後のずれ量の推移を元に、シミュレーションモデルによるシミュレーションを実行して、製造に影響のでるプロセス回数又は期間を算出する。
ステップＳ６２に進み、故障事前検知部１２０は故障事前検知情報と、ステップＳ６０で算出した製造に影響が出るまでのプロセス回数又は期間を、例えばホストコンピュータ２２に表示させる。
ステップＳ６４に進み、故障事前検知部１２０は故障原因の判明後に、作業者により入力された故障の種類と原因とを既存故障判定データとして追加する。ステップＳ６４の処理により、故障原因が判明された種類の故障はステップＳ５０において既知の故障と判定されるようになる。
図１０及び図１１の故障事前検知を行う処理は、物理データ及び仮想データの差異を故障の前状態と判断している。シミュレーションモデルによるシミュレーションでは、物理センサデータ及び仮想センサデータに差異のある仮想プロセス結果データを算出することにより、その差異がプロセスに与える影響を判定できる。また、プロセスごとに、ずれ量を累積して確認することで、ロットアウトする（生産に影響が出る）までに何プロセスぐらい猶予があるのかを判定できる。
このように、本実施形態に係る情報処理システム１は、物理データ及び仮想データの差異を故障の前状態と判断することにより、未知の故障パターンに対応できる。また、本実施形態に係る情報処理システム１は、調子が悪くなった箇所のプロセスに与える影響も判断でき、影響の度合いによって、半導体製造装置１０を緊急停止することなく、修理時期を遅らせるという運用も可能となる。
本実施形態に係る情報処理システム１によれば、シミュレーションモデルで事前に予測された仮想センサデータと、実行中のプロセスの物理センサデータとの差異から、過去事例から予測できない故障及び予測できる故障の事前検知が可能である。また、本実施形態に係る情報処理システム１によれば、故障の事前検知が可能であるため、メンテナンスが必要となるメンテナンス時期を正確に把握でき、不要なメンテナンスを抑え、ランニングコストを低下できる。
例えば半導体製造装置１０のシミュレーションモデルによるシミュレーションを実行して半導体製造装置１０のプロセス時に付く累積膜厚を算出できる。この結果、累積膜厚に対して最適なクリーニングレシピの時間を算出でき、高価なクリーニングガスの消費量を抑え、膜の削り残しや石英の削りすぎを防止できる。
＜まとめ＞
本実施形態に係る情報処理システム１によれば、プロセスを実行中の半導体製造装置１０のウェーハ上の膜の付き具合、ウェーハの温度、ガス、プラズマなどのプロセスの状態を半導体製造装置１０のシミュレーションモデルにより算出し、リアルタイムに可視化できる。
したがって、本実施形態に係る情報処理システム１によれば、プロセスを実行後の外部測定器２４による測定を待つことなく、外部測定器２４と同等の結果をリアルタイムに得ることができる。この結果、作業者はプロセスを実行後、外部測定器２４による測定を待たずに、プロセスしたウェーハの正常／ロットアウト、良品などを判断できる。本実施形態に係る情報処理システム１によれば、モニタウェーハの枚数や外部測定器２４による各種測定の回数を減らして運用コストを削減できる。また、本実施形態に係る情報処理システム１によれば、半導体製造装置１０でプロセスを実行中に、半導体製造装置１０のプロセスの状態を可視化できるので、ウェーハ上で起こっている物理現象を可視化して課題を客観的に把握することができ、開発を促進できる。
さらに、本実施形態に係る情報処理システム１のプロセスパラメータ調整部１２４によるプロセスパラメータ調整処理によれば、半導体製造装置１０のシミュレーションモデルを元に、プロセスごとにプロセスパラメータの探索と変更を行うことにより、プロセスパラメータを最適化できる。なお、半導体製造装置１０のシミュレーションモデルによるシミュレーションは累積膜厚などのプロセス性能に関係する部分のシミュレーションも行うことができ、累積膜厚の影響を抑えて、半導体製造装置１０が持ち得る性能を常に発揮させることができる。
また、本実施形態に係る情報処理システム１はプロセスパラメータの自動入力化が可能となるため、人の手によるプロセスパラメータの設定が不要となり、工数を減らすことができると共に、入力ミスや作業者によるバラツキを無くすことができる。
また、本実施形態に係る情報処理システム１は半導体製造装置１０のシミュレーションモデルを元に、プロセスパラメータの探索と変更を行うことにより、顧客に要望に合わせてプロセスに関わるファクターの比率を変えることができる。例えば顧客の要望に合わせて電力の使用量を抑えたプロセスパラメータやガスの使用量を抑えたプロセスパラメータなどを実現できる。
また、本実施形態に係る情報処理システム１は、例えばウェーハ上に付けたい膜厚や膜質、及び制限事項（例えばサーマルバジェット）を指定して、プロセスパラメータの探索と変更を行うことにより、ベストの制御をシミュレーションモデルベースで実現することができる。
さらに、本実施形態に係る情報処理システム１は、シミュレーションモデルで事前に予測された仮想センサデータと、実行中のプロセスの物理センサデータとの差異から故障の可能性を予測でき、故障事前検知やメンテナンス時期事前検知が可能である。
［実施例１］
以下では、半導体製造装置１０の１ＤＣＡＥのシミュレーションモデルの一例として温度のシミュレーションモデル例を説明する。
図１２は半導体製造装置の温度関連の部分を示した一例の概略図である。半導体製造装置１０はウェーハを複数枚収容可能な熱処理炉を有している。熱処理炉は、ウェーハを収容して処理するための処理容器である。熱処理炉は、耐熱性の高い石英により略円筒体状に成形され、排気口を有する。熱処理炉は、鉛直（上下）方向に延びる縦型の形状に構成されている。熱処理炉の排気口には、ガス排気口が接続される。
熱処理炉の側部には、熱処理炉を取り囲むようにしてヒータが設けられており、熱処理炉に収容されるウェーハを加熱し得るようになっている。熱処理炉の下端部は開口されており、ウェーハを搬入、搬出できるようになっている。熱処理炉の下端部の開口は、昇降機構により開閉が行われる構成となっている。
昇降機構よりも上方にはウェーハボートが設けられている。ウェーハボートはウェーハを保持するための基板保持具であり、鉛直方向に複数枚のウェーハを離間した状態で多段に保持可能に構成される。
例えば図１２の概略図において、ヒータ構成、リアクタ構成、及びヒータ周囲の構成を１ＤＣＡＥのシミュレーションモデルとして作り込むことで、ヒータへ与える入力データの一例であるパワー値を基に、仮想温度センサを構築できる。また、仮想温度センサの確からしさを確認するために、既存センサ１１及び追加センサ１２に含まれる物理温度センサを用いる。
例えば既存センサ１１の例としては、内側温度センサ、外側温度センサ、ヒータ周囲温度ヒータ、リアクタ内温度センサ、ガス供給配管ヒータ温度センサ、ガス排気配管ヒータ温度センサ、昇降機構ヒータ温度センサなどがある。また、追加センサ１２の例としてはウェーハ面内に設置された温度センサ、保温筒及びリアクタ側昇降機構面に設置された温度センサ、ガス導入温度センサなどがある。追加センサ１２は顧客に出荷される最終製品に搭載されない。既存センサ１１は顧客に出荷される最終製品に搭載される。
例えば、温度関連のシミュレーションモデルの作成及び更新では図１３に示すような処理を行う。図１３は温度関連のシミュレーションモデルの作成及び更新の処理を表した一例の説明図である。
自律制御コントローラ１３のシミュレーション実行部１０８は半導体製造装置１０で実行中のプロセスのプロセスパラメータの一例として、例えばヒータのパワー値、送風機の設定値、ガス流量と温度、ウェーハボート昇降位置などを取得する。シミュレーション実行部１０８はプロセスパラメータに従って、半導体製造装置１０のシミュレーションモデルによるシミュレーションを実行することで、仮想温度センサデータ及び仮想プロセス結果データを出力する。
また、既存センサ１１及び追加センサ１２である物理温度センサは測定ポイントの温度を測定し、測定ポイントの物理温度センサデータとして出力する。データベース１０６は出力された仮想温度センサデータ、仮想プロセス結果データ、測定ポイントの物理温度センサデータ、及び以前の物理温度センサデータを保存する。
シミュレーション結果判定部１１０は、データベース１０６に保存された仮想温度センサデータと物理温度センサデータとを測定ポイント毎に比較し、データベース１０６に保存された同一の測定ポイントの仮想温度センサデータと物理温度センサデータとが同じであるか否かを判定する。
同じであると判定すれば、シミュレーション結果判定部１１０は仮想温度センサデータが確からしいと判断する。同じでないと判定すれば、シミュレーション結果判定部１１０は物理温度センサデータ及び仮想温度センサデータを記録のために出力する。
この後、例えばオフラインにてデータ検証を行いながら手動でシミュレーションモデルの編集を行い、シミュレーション実行部１０８のシミュレーションモデルを更新する。
このように、シミュレーションモデルの作成及び更新では、オフラインにてデータ検証を行いながら必要に応じてシミュレーション実行部１０８のシミュレーションモデルを更新できる。なお、シミュレーションモデルの作成及び更新では、対象の半導体製造装置１０に物理的な仕様変更が行われない限り、仮想データと物理データとを比較し、プロセスパラメータをアルゴリズムに従って編集しながら、仕様の入力データに対して、最大の成果を生み出す運用を行うようにしてもよい。
また、例えば温度関連のシミュレーションモデルの作成及び更新では図１４に示すような処理を行ってもよい。図１４は温度関連のシミュレーションモデルの作成及び更新の処理を表した一例の説明図である。例えば通常運用のフェーズ（通常運用時）では、図１４に示すような処理を行うことで、シミュレーションモデルの更新以外の方法として、プロセスパラメータの調整でも運用可能な例を表している。
自律制御コントローラ１３のシミュレーション実行部１０８は半導体製造装置１０で実行中のプロセスのプロセスパラメータを取得する。シミュレーション実行部１０８は取得したプロセスパラメータに従って、半導体製造装置１０のシミュレーションモデルによるシミュレーションを実行することで、仮想センサデータ及び仮想プロセス結果データを出力する。
既存センサ１１は測定ポイントを測定し、測定ポイントの物理センサデータとして出力する。データベース１０６は出力された仮想センサデータ、仮想プロセス結果データ、及び既存センサ１１の物理センサデータを保存する。また、データベース１０６は以前にシミュレーションした追加センサ１２の仮想センサデータ及び統計解析結果で生成した追加センサ１２の仮想センサデータを保存している。
シミュレーション結果判定部１１０は、仮想センサデータと既存センサ１１の物理センサデータとを比較し、データベース１０６に保存された同一の測定ポイントの仮想センサデータと物理センサデータとが同じであるか否かを判定する。また、シミュレーション結果判定部１１０は、以前にシミュレーションした追加センサ１２の仮想センサデータ及び統計解析結果で生成した追加センサ１２の仮想センサデータを比較対象として、同一の測定ポイントの仮想センサデータが同じであるか否かを判定してもよい。
同じでないと判定すれば、シミュレーション結果判定部１１０はアルゴリズムに従ってプロセスパラメータを調整する。シミュレーション実行部１０８は、調整したプロセスパラメータの調整量が所定のしきい値を超えていなければ、調整されたプロセスパラメータに更新し、半導体製造装置１０のシミュレーションモデルによるシミュレーションを継続する。
なお、プロセスパラメータの調整量がしきい値を超えていれば、シミュレーション実行部１０８はプロセスパラメータの調整による最適化を中止する。データベース１０６に保存された同一の測定ポイントの仮想センサデータと物理センサデータと、が同じであると判定すれば、シミュレーション結果判定部１１０はプロセスパラメータの調整を不要と判定し、プロセスパラメータを調整せずにプロセスを終了する。
プロセス終了後、顧客から膜厚、シート抵抗、エッチングレート、パーティクルマップデータなどの物理プロセス結果データが入力されると、データベース１０６には仮想プロセス結果データとして保存される。
図１４に示した処理を行った通常運用のフェーズでは、仮想データと物理データとを比較し、プロセスパラメータをアルゴリズムに従って編集しながら、仕様の入力データに対して、最大の成果を生み出す運用を行う。また、図１４に示した処理を行った通常運用のフェーズでは、１ＲＵＮ分の遅れが発生するが、データベース１０６に保存されるデータが増えるに従い、破線の矢印で示したループ（Ｌｏｏｐ）の機械学習の精度が向上し、ＲＵＮを重ねる毎に最適なプロセスパラメータの調整などの予測制御の精度が向上する。
図１５は、図１４に表した温度関連のシミュレーションモデルの作成及び更新の処理から、温度カテゴリを抜粋して表している。自律制御コントローラ１３のシミュレーション実行部１０８は半導体製造装置１０で実行中のプロセスのプロセスパラメータを取得する。シミュレーション実行部１０８は取得したプロセスパラメータに従って、半導体製造装置１０のシミュレーションモデルによるシミュレーションを実行することで、仮想温度センサデータ及び仮想プロセス結果データを出力する。
また、既存センサ１１は測定ポイントの温度を測定し、測定ポイントの物理温度センサデータとして出力する。データベース１０６は出力された仮想温度センサデータ、仮想プロセス結果データ、及び既存センサ１１の物理温度センサデータを保存する。
また、データベース１０６は以前にシミュレーションした仮想温度センサデータを保存する。シミュレーション結果判定部１１０は、データベース１０６に保存された仮想温度センサデータと既存センサ１１の物理温度センサデータとを比較し、データベース１０６に保存された同一の測定ポイントの仮想温度センサデータと物理温度センサデータとが同じであるか否かを判定する。
また、シミュレーション結果判定部１１０は、以前にシミュレーションした追加センサ１２の仮想センサデータ及び統計解析結果で生成した追加センサ１２の仮想センサデータを比較対象として、同一の測定ポイントの仮想温度センサデータが同じであるか否かを判定してもよい。
同じでないと判定すれば、シミュレーション結果判定部１１０はアルゴリズムに従ってプロセスパラメータを調整する。シミュレーション実行部１０８は調整されたプロセスパラメータ（温度パラメータ）に従って、半導体製造装置１０のシミュレーションモデルによるシミュレーションを実行する。なお、同じであると判定すれば、シミュレーション結果判定部１１０はプロセスパラメータの調整を不要と判定し、プロセスパラメータを調整しない。
図１５に示した処理では仮想温度センサデータと物理温度センサデータとを比較した結果に基づき、アルゴリズムに従って最適なプロセスパラメータを編集している。なお、仮想温度センサは必ずしも既存センサ１１及び追加センサ１２に１対１に対応していなくてもよい。例えば仮想温度センサは、複数の既存センサ１１及び追加センサ１２の物理センサデータから算出可能なデータの仮想温度センサデータを出力する仮想センサであってもよい。仮想温度センサは、リアクタ内温度分布センサ、ウェーハ面内温度分布センサ、ウェーハ面間温度分布センサ、又は供給ガス温度センサなど、である。
その他、仮想センサの一例としては、ウェーハ面内／面間温度センサ、リアクタ内のガス圧力分布センサ、リアクタ内のガス濃度分布センサ、プラズマ分布センサ、リアクタ内のガス流速と流れ方向センサ、供給ガス温度センサ、温度計と湿度計から計算する露点計センサ、リアクタ内の全体の気流を極少ない測定器から予測するセンサ、リアクタ内の酸素濃度分布を極少ない測定器から予測するセンサ、振動による異常地点距離計センサ、振動による材料劣化センサなど、がある。
仮想センサの最適化は例えば図１６に示すように行う。図１６は仮想センサの更新の処理を表した一例の説明図である。図１６では仮想センサの一例である仮想ガス濃度センサの例を表している。
自律制御コントローラ１３のシミュレーション実行部１０８は半導体製造装置１０で実行中のプロセスのプロセスパラメータを取得する。シミュレーション実行部１０８は取得したプロセスパラメータに従って、半導体製造装置１０のシミュレーションモデルによるシミュレーションを実行することで、仮想センサデータ及び仮想プロセス結果データを出力する。
また、既存センサ１１の一例である物理温度センサ及び物理圧力センサは、測定ポイントを測定し、測定ポイントの物理温度センサデータ及び物理圧力センサデータとして出力する。データベース１０６は出力された仮想センサデータ、仮想プロセス結果データ、及び既存センサ１１の物理センサデータを保存する。また、データベース１０６は以前にシミュレーションした仮想センサデータ及び統計解析結果で生成した仮想センサデータを保存する。
シミュレーション結果判定部１１０は、仮想センサデータと既存センサ１１の物理センサデータとを比較し、データベース１０６に保存された同一の測定ポイントの仮想センサデータと物理センサデータとが同じであるか否かを判定する。また、シミュレーション結果判定部１１０は、以前にシミュレーションした追加センサ１２の仮想センサデータ及び統計解析結果で生成した追加センサ１２の仮想センサデータを比較対象として、同一の測定ポイントの仮想センサデータが同じであるか否かを判定してもよい。
同じでないと判定すれば、シミュレーション結果判定部１１０はアルゴリズムに従ってプロセスパラメータ（ガス濃度パラメータ）を調整する。シミュレーション実行部１０８は、調整されたガス濃度パラメータに更新し、半導体製造装置１０のシミュレーションモデルによるシミュレーションを継続する。
データベース１０６に保存された同一の測定ポイントの仮想センサデータと物理センサデータと、が同じであると判定すれば、シミュレーション結果判定部１１０はガス濃度パラメータの調整を不要と判定し、仮想センサの最適化を終了する。
なお、仮想空間上での仮想センサ動作を含む物理現象はシミュレーションモデルで決定される。対象の半導体製造装置１０の仕様変更時には、基本的にシミュレーションモデルも更新される。そこで、対象の半導体製造装置１０の仕様変更時には、図１６に示すように仮想センサに関係するプロセスパラメータを最適化する。図１６では統計解析結果で得られた仮想センサデータも活用している。
図１６ではプロセス結果と、温度及び圧力関連のセンサデータと、に基づき、ガス濃度パラメータの更新を、物理データと仮想データとの比較結果から機械学習のアルゴリズムに従って自動で実行している。物理データと仮想データとが一致した時点で、対象の半導体製造装置１０のガス濃度に関する仮想センサの構築は完了する。
シミュレーションモデルの最適化は、例えば図１７に示すような仮想空間上での試運転で行うことができる。図１７はシミュレーションモデルの更新の処理を表した一例の説明図である。
図１７の処理では、シミュレーションモデルと仮想センサとを用いてシミュレーションモデルの最適化を実行すると共に、既に取得済みの物理プロセス結果データを基に、プロセスパラメータの最適化を仮想空間上で行っている。図１７では、教師データ付きの機械学習のアルゴリズムに従い、シミュレーションモデルの最適化とプロセスパラメータの最適化とを行う。また、仮想空間上での試運転の回数は設定により指定可能としてもよい。
また、シミュレーションモデルの更新は、対象の半導体製造装置１０の仕様変更時に必須となる。図１８は対象の半導体製造装置の仕様変更時のシミュレーションモデルの更新の処理を表した一例の説明図である。
図１８の処理では、対象の半導体製造装置１０の仕様変更時、対象の半導体製造装置１０のシミュレーションモデルが既にシミュレーションモデルライブラリに保存されていれば、既存のシミュレーションモデルを再利用する。
また、対象の半導体製造装置１０のシミュレーションモデルが既にシミュレーションモデルライブラリに保存されていなければ、新しくシミュレーションモデルを作成する。作成したシミュレーションモデルの検証は、評価プロセスパラメータと、その評価プロセスパラメータに従ってシミュレーションを実行した結果である仮想データと、既に取り留めた物理データと、を基に行う。なお、新しく作成したシミュレーションモデルは対象の半導体製造装置１０を用いたプロセスの実行により、確からしさを確認後に、インストール及びライブラリへの登録を行うようにしてもよい。
また、シミュレーションモデルの更新は、プロセスの仕様変更時に必須となる。プロセスの仕様変更時のシミュレーションモデルの更新の処理も、一部を除いて図１８と同様である。
例えばプロセスの仕様変更時のシミュレーションモデルの更新の処理では、作成したシミュレーションモデルの検証を、既に取り留めた物理データを基に行う。なお、新しく作成したシミュレーションモデルは、対象の半導体製造装置１０を用いたプロセスの実行により、確からしさを確認後に、インストール及びライブラリへの登録を行うようにしてもよい。
メンテナンス時期事前検知は、例えば図１９に示すように行う。図１９は、メンテナンス時期事前検知の処理を表した一例の説明図である。自律制御コントローラ１３のシミュレーション実行部１０８は半導体製造装置１０で実行中のプロセスのプロセスパラメータを取得する。
シミュレーション実行部１０８は取得したプロセスパラメータに従って、半導体製造装置１０のシミュレーションモデルによるシミュレーションを実行することで、仮想センサデータ及び仮想プロセス結果データを出力する。
シミュレーション結果判定部１１０は、仮想センサデータと既存センサ１１の物理センサデータとを比較し、データベース１０６に保存された同一の測定ポイントの仮想センサデータと物理センサデータとが同じであるか否かを判定する。また、シミュレーション結果判定部１１０は、以前にシミュレーションした追加センサ１２の仮想センサデータ及び統計解析結果で生成した追加センサ１２の仮想センサデータを比較対象として、同一の測定ポイントの仮想センサデータが同じであるか否かを判定してもよい。
同じであると判定すれば、シミュレーション結果判定部１１０は異常無し、と判定して処理を終了する。同じでないと判定すると、シミュレーション結果判定部１１０は、比較した仮想センサデータと物理センサデータとの差異が、しきい値を超えているか否かを判定する。
しきい値を超えていなければ、シミュレーション結果判定部１１０は寿命予測アルゴリズムに従って寿命予測を行い、アラートが必要か否かを判定する。なお、寿命予測アルゴリズムは機械学習や統計解析ソフトウェアなどによって生成する。アラートが必要でないと判定すると、シミュレーション結果判定部１１０は処理を終了する。
アラートが必要と判定すると、シミュレーション結果判定部１１０はメンテナンス時期事前アラートの処理を開始する。なお、比較した仮想センサデータと物理センサデータとの差異が、しきい値を超えている場合も、シミュレーション結果判定部１１０はメンテナンス時期事前アラートの処理を開始する。
メンテナンス時期事前アラートの処理では、アラートが必要な部品またはモジュールがシミュレーション結果判定部１１０により特定される。シミュレーション結果判定部１１０はアラートが必要として特定した部品またはモジュールの予防保全（ＰＭ）情報を、プロダクトデータや部品情報などから特定する。シミュレーション結果判定部１１０は特定した予防保全情報に基づき、アラートが必要として特定した部品またはモジュールのメンテナンス時期を通知する。
［実施例２］
実施例２は、実施例１の仕組みを用いて、対象の半導体製造装置１０の生産性向上、省エネ、及び生産性向上と予防保全検知とのバランスを図るものである。
図２０は対象の半導体製造装置の生産性向上の処理を表した一例の説明図である。図２０では対象の半導体製造装置１０の生産性向上の処理の一例としてウェーハ移載所要時間の短縮の例を示している。
対象の半導体製造装置１０では、例えば毎日、１％ずつウェーハ移載所要時間を短縮するため、スピードアップ可能なメカニカル部品があれば可能な範囲でプロセスパラメータの最適化を行い、生産性を向上させる。なお、生産性向上の限界は例えばシミュレーションモデルによる限界の判定や、予防保全情報に基づくアラートなどにより判断できる。
例えば図２０では対象の半導体製造装置１０のメカニカル部品からスピードアップに対するマージンのあるメカニカル部品をサーチし、生産性向上の限界までスピードアップを図る。本実施例では、例えばシミュレーションモデルによる限界の判定や、予防保全情報に基づくアラートなどにより、生産性向上の限界までスピードアップを図ることができるため、大きく生産性を向上させることが可能となる。なお、生産性の向上（最大化）の改善度は選択可能とすることが望ましい。
また、本実施例では、例えばシミュレーションモデルによる限界の判定や、予防保全情報に基づくアラートなどにより、対象の半導体製造装置１０の稼働率の最大化を達成しつつ、生産性を向上できる。
図２１は対象の半導体製造装置の省エネの処理を表した一例の説明図である。対象の半導体製造装置１０では、ガスや電力の消費を減らして省エネを実現するため、可能な範囲でプロセスパラメータの最適化を行う。
例えば図２１では対象の半導体製造装置１０のプロセスパラメータが所定のしきい値を超えない範囲で、プロセスパラメータを調整し、ガスや電力の消費を減らして省エネを実現している。このように、本実施例では、対象の半導体製造装置１０の稼働率の最大化を達成しつつ、省エネを実現できる。
なお、図１９のメンテナンス時期事前検知の処理と、図２０の対象の半導体製造装置の生産性向上の処理と、を組み合わせることで、本実施例では生産性向上と予防保全検知のバランスを図ることも可能である。図１９と図２０とを組み合わせる場合、図２０においてスピードアップのために最適されたプロセスパラメータは図１９のシミュレーション実行部１０８のプロセスパラメータとして利用される。
本実施例によれば、作業者の経験や勘で行われていたプロセスパラメータの最適化を自動化できると共に、半導体製造装置１０で実行中のプロセスのプロセス状態を可視化することができる。
以上、本発明の好ましい実施例について詳説したが、本発明は、上述した実施例に制限されることはなく、本発明の範囲を逸脱することなく、上述した実施例に種々の変形及び置換を加えることができる。例えば本実施形態では、熱処理成膜装置を一例として説明したが、ＣＶＤ（化学的気相成長）法、熱酸化法、ＡＬＤ（原子層堆積）法などのバッチ成膜装置への適用も可能である。
１ 情報処理システム
１０ 半導体製造装置
１１ 既存センサ
１２ 追加センサ
１３ 自律制御コントローラ
２０ 装置制御コントローラ
２２ ホストコンピュータ
２４ 外部測定器
２６ 解析サーバ
２８ ＡＲサーバ
３０ 管理サーバ
３２ データレイク
４０ ネットワーク
１００ 物理プロセス結果データ取得部
１０２ 物理センサデータ取得部
１０４ プロセスパラメータ取得部
１０６ データベース
１０８ シミュレーション実行部
１１０ シミュレーション結果判定部
１１２ 表示制御部
１１４ シミュレーションモデル更新部
１２０ 故障事前検知部
１２２ メンテナンス時期事前検知部
１２４ プロセスパラメータ調整部
１４０ 物理データ取得部
１４２ 仮想データ取得部
１４４ プロセスパラメータ取得部
１４６ シミュレーションモデル記憶部
１４８ シミュレーションモデル編集部
１５０ シミュレーションモデル更新要求部

Claims (10)

  1. 半導体製造装置で実行中のプロセス状態のシミュレーションを、前記半導体製造装置のシミュレーションモデルを用いて実行する情報処理システムであって、
    プロセスパラメータに従ってプロセスを実行中の前記半導体製造装置で測定された物理センサデータを取得する物理センサデータ取得部と、
    前記プロセスパラメータに従って前記シミュレーションモデルによるシミュレーションを実行して仮想センサデータ及び仮想プロセス結果データを算出するシミュレーション実行部と、
    前記物理センサデータ、前記仮想センサデータ、及び前記仮想プロセス結果データを用いて、前記プロセスの実行中に、前記半導体製造装置のプロセス状態を可視化して表示部に表示させる表示制御部と、
    を有する情報処理システム。
  2. 前記物理センサデータと、前記仮想センサデータと、が近似するように、前記プロセスパラメータを調整するプロセスパラメータ調整部、
    を更に有する請求項１記載の情報処理システム。
  3. 前記プロセスパラメータに従ったプロセスを実行後の物理プロセス結果データと、前記シミュレーション実行部により算出された前記仮想プロセス結果データと、が近似すると共に、前記物理センサデータと、前記仮想センサデータと、が近似するように、前記シミュレーションモデルを作成又は更新するシミュレーションモデル編集部、
    を更に有する請求項１又は２記載の情報処理システム。
  4. 前記シミュレーションモデル編集部は、複数台の前記半導体製造装置の前記物理プロセス結果データ、前記仮想プロセス結果データ、前記物理センサデータ、及び前記仮想センサデータ、を用いて、前記シミュレーションモデルを作成又は更新すること
    を特徴とする請求項３記載の情報処理システム。
  5. 前記プロセスパラメータに従ったプロセスを実行後の物理プロセス結果データと、前記シミュレーション実行部により算出された前記仮想プロセス結果データと、の差異、又は前記物理センサデータと、前記仮想センサデータと、の差異、の少なくとも一方に基づいて、前記半導体製造装置の故障事前検知を行う故障事前検知部、
    を更に有する請求項１乃至４の何れか一項記載の情報処理システム。
  6. 前記故障事前検知部は、前記物理プロセス結果データと前記仮想プロセス結果データとの差異、又は前記物理センサデータと前記仮想センサデータとの差異、を監視し、既知の故障時の前記物理プロセス結果データと前記仮想プロセス結果データとの差異、又は前記物理センサデータと前記仮想センサデータとの差異から学習した故障パターンを用いて前記半導体製造装置の故障事前検知を行うこと
    を特徴とする請求項５記載の情報処理システム。
  7. 前記プロセスパラメータ調整部は、ユーザに指定された物理プロセス結果データとなるように、前記物理プロセス結果データに近似した前記仮想プロセス結果データとなる前記プロセスパラメータを決定すること
    を特徴とする請求項２記載の情報処理システム。
  8. 前記表示制御部は、前記仮想プロセス結果データによる前記半導体製造装置のプロセス状態と、前記プロセスパラメータに従ったプロセスを実行後の物理プロセス結果データによる前記半導体製造装置のプロセス状態と、を比較できる形態で表示すること
    を特徴とする請求項１乃至７の何れか一項記載の情報処理システム。
  9. 前記表示制御部は、前記半導体製造装置のプロセス状態を可視化して表示部に表示させる際に、前記物理センサデータの測定ポイント及び前記仮想センサデータの測定ポイントを可視化して表示部に表示させること
    を特徴とする請求項１乃至８の何れか一項記載の情報処理システム。
  10. 情報処理システムが、半導体製造装置で実行中のプロセス状態のシミュレーションを、前記半導体製造装置のシミュレーションモデルを用いて実行するシミュレーション方法であって、
    プロセスパラメータに従ってプロセスを実行中の前記半導体製造装置で測定された物理センサデータを取得する工程と、
    前記プロセスパラメータに従って前記シミュレーションモデルによるシミュレーションを実行して仮想センサデータ及び仮想プロセス結果データを算出する工程と、
    前記物理センサデータ、前記仮想センサデータ、及び前記仮想プロセス結果データを用いて、前記プロセスの実行中に、前記半導体製造装置のプロセス状態を可視化して表示部に表示させる工程と、
    を有するシミュレーション方法。
JP2020027142A 2020-02-20 2020-02-20 情報処理システム及びシミュレーション方法 Active JP7325356B2 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2020027142A JP7325356B2 (ja) 2020-02-20 2020-02-20 情報処理システム及びシミュレーション方法
KR1020210018892A KR20210106357A (ko) 2020-02-20 2021-02-10 정보 처리 시스템 및 시뮬레이션 방법
US17/175,744 US20210264076A1 (en) 2020-02-20 2021-02-15 Information processing system and simulation method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2020027142A JP7325356B2 (ja) 2020-02-20 2020-02-20 情報処理システム及びシミュレーション方法

Publications (2)

Publication Number Publication Date
JP2021132140A JP2021132140A (ja) 2021-09-09
JP7325356B2 true JP7325356B2 (ja) 2023-08-14

Family

ID=77366188

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2020027142A Active JP7325356B2 (ja) 2020-02-20 2020-02-20 情報処理システム及びシミュレーション方法

Country Status (3)

Country Link
US (1) US20210264076A1 (ja)
JP (1) JP7325356B2 (ja)
KR (1) KR20210106357A (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220334569A1 (en) * 2021-04-14 2022-10-20 Applied Materials, Inc. Eco-efficiency (sustainability) dashboard for semiconductor manufacturing

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2021174349A (ja) * 2020-04-28 2021-11-01 キヤノン株式会社 情報処理装置、表示制御方法、プログラム、基板処理システム、及び物品の製造方法
CN113888088B (zh) * 2021-09-30 2024-06-04 武汉理工大学 基于数字孪生的船舶能效管理系统功能验证平台
US11874320B2 (en) 2021-12-28 2024-01-16 Rockwell Collins, Inc. Digital twins (DT) for circuit board reliability prediction
JP2023114126A (ja) * 2022-02-04 2023-08-17 株式会社荏原製作所 情報処理装置、推論装置、機械学習装置、情報処理方法、推論方法、及び、機械学習方法
CN114639289A (zh) * 2022-03-04 2022-06-17 宁波市计量测试研究院(宁波新材料检验检测中心) 一种集中组合式热学实验仿真模拟系统
JP2023172438A (ja) * 2022-05-24 2023-12-06 株式会社Ｓｃｒｅｅｎホールディングス 熱処理方法、熱処理システムおよび熱処理装置
WO2024009902A1 (ja) * 2022-07-04 2024-01-11 東京エレクトロン株式会社 情報処理方法、コンピュータプログラム及び情報処理装置
JP2024027930A (ja) 2022-08-19 2024-03-01 東京エレクトロン株式会社 情報処理システム、電力調整方法及び熱処理装置
JP2024027929A (ja) 2022-08-19 2024-03-01 東京エレクトロン株式会社 情報処理システム、異常検知方法及び熱処理装置
EP4385676A1 (de) * 2022-12-12 2024-06-19 Sick Ag Validierung einer pose eines roboters und von sensordaten eines mit dem roboter mitbewegten sensors
CN116579273B (zh) * 2023-04-12 2023-10-31 中国电子工程设计院有限公司 一种半导体设备用电动态仿真方法及系统
CN116453982B (zh) * 2023-06-16 2023-09-05 合肥中恒微半导体有限公司 一种绝缘栅双极晶体管生产控制系统及方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007507888A (ja) 2003-09-30 2007-03-29 東京エレクトロン株式会社 半導体製造プロセスを制御するために第１の原理シミュレーションを用いたシステム及び方法。
JP2007510287A (ja) 2003-09-30 2007-04-19 東京エレクトロン株式会社 半導体製造プロセスを容易にする第１の原理シミュレーションを用いたシステム及び方法
JP2009507230A (ja) 2005-09-02 2009-02-19 東京エレクトロン株式会社 光計測において反復構造の単位セル構成を選択する方法
JP2012134271A (ja) 2010-12-21 2012-07-12 Sony Corp シミュレータ、加工装置、ダメージ評価方法、及び、ダメージ評価プログラム
JP2014157458A (ja) 2013-02-15 2014-08-28 Tokyo Electron Ltd 基板処理装置、シミュレーション装置、プログラムおよびシミュレーション方法
JP2017143261A (ja) 2016-02-08 2017-08-17 ラム リサーチ コーポレーションＬａｍ Ｒｅｓｅａｒｃｈ Ｃｏｒｐｏｒａｔｉｏｎ 反射スペクトルマッチングおよび表面動力学モデル最適化によるエッチングプロファイル最適化のための方法および装置

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020156542A1 (en) * 2001-02-23 2002-10-24 Nandi Hill K. Methods, devices and systems for monitoring, controlling and optimizing processes
JP2004158820A (ja) * 2002-09-09 2004-06-03 Toshiba Corp 不良解析システム、不良解析方法、不良解析プログラム、及び半導体装置の製造方法
US8050900B2 (en) * 2003-09-30 2011-11-01 Tokyo Electron Limited System and method for using first-principles simulation to provide virtual sensors that facilitate a semiconductor manufacturing process
US7212878B2 (en) * 2004-08-27 2007-05-01 Tokyo Electron Limited Wafer-to-wafer control using virtual modules
JP6133164B2 (ja) * 2013-08-12 2017-05-24 東京エレクトロン株式会社 群管理システム及びプログラム
US10140394B2 (en) * 2014-09-25 2018-11-27 Applied Materials, Inc. Method for rejecting tuning disturbances to improve lamp failure prediction quality in thermal processes
US11580375B2 (en) * 2015-12-31 2023-02-14 Kla-Tencor Corp. Accelerated training of a machine learning based model for semiconductor applications
JP2018125451A (ja) 2017-02-02 2018-08-09 株式会社半導体エネルギー研究所 半導体プロセスシミュレーション
JP7097757B2 (ja) * 2017-06-18 2022-07-08 コベンター・インコーポレーテッド 仮想半導体デバイス製作環境におけるキーパラメータ識別、プロセスモデル較正、及び変動性解析のためのシステムと方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007507888A (ja) 2003-09-30 2007-03-29 東京エレクトロン株式会社 半導体製造プロセスを制御するために第１の原理シミュレーションを用いたシステム及び方法。
JP2007510287A (ja) 2003-09-30 2007-04-19 東京エレクトロン株式会社 半導体製造プロセスを容易にする第１の原理シミュレーションを用いたシステム及び方法
JP2009507230A (ja) 2005-09-02 2009-02-19 東京エレクトロン株式会社 光計測において反復構造の単位セル構成を選択する方法
JP2012134271A (ja) 2010-12-21 2012-07-12 Sony Corp シミュレータ、加工装置、ダメージ評価方法、及び、ダメージ評価プログラム
JP2014157458A (ja) 2013-02-15 2014-08-28 Tokyo Electron Ltd 基板処理装置、シミュレーション装置、プログラムおよびシミュレーション方法
JP2017143261A (ja) 2016-02-08 2017-08-17 ラム リサーチ コーポレーションＬａｍ Ｒｅｓｅａｒｃｈ Ｃｏｒｐｏｒａｔｉｏｎ 反射スペクトルマッチングおよび表面動力学モデル最適化によるエッチングプロファイル最適化のための方法および装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220334569A1 (en) * 2021-04-14 2022-10-20 Applied Materials, Inc. Eco-efficiency (sustainability) dashboard for semiconductor manufacturing
US12001197B2 (en) * 2021-04-14 2024-06-04 Applied Materials, Inc. Eco-efficiency (sustainability) dashboard for semiconductor manufacturing

Also Published As

Publication number Publication date
KR20210106357A (ko) 2021-08-30
JP2021132140A (ja) 2021-09-09
US20210264076A1 (en) 2021-08-26

Similar Documents

Publication Publication Date Title
JP7325356B2 (ja) 情報処理システム及びシミュレーション方法
US8050900B2 (en) System and method for using first-principles simulation to provide virtual sensors that facilitate a semiconductor manufacturing process
US8296687B2 (en) System and method for using first-principles simulation to analyze a process performed by a semiconductor processing tool
US8036869B2 (en) System and method for using first-principles simulation to control a semiconductor manufacturing process via a simulation result or a derived empirical model
US8073667B2 (en) System and method for using first-principles simulation to control a semiconductor manufacturing process
US8032348B2 (en) System and method for using first-principles simulation to facilitate a semiconductor manufacturing process
JP7556642B2 (ja) 情報処理装置、情報処理システム及び部品発注方法
JP7395987B2 (ja) 情報処理システム、方法、およびプログラム
US20220391562A1 (en) Information processing apparatus, simulation method, and information processing system
JP2010141042A (ja) プロセス処理装置の制御システム、プロセス処理装置の制御方法、プロセス処理装置の制御プログラム、および、プログラム記録媒体
CN118013793A (zh) 一种晶体生长方法、系统、装置以及存储介质
JP2024130049A (ja) 情報処理装置、方法およびプログラム

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20220817

TRDD Decision of grant or rejection written
A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20230627

A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20230704

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20230801

R150 Certificate of patent or registration of utility model

Ref document number: 7325356

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150