KR20210106357A - 정보 처리 시스템 및 시뮬레이션 방법 - Google Patents

정보 처리 시스템 및 시뮬레이션 방법 Download PDF

Info

Publication number
KR20210106357A
KR20210106357A KR1020210018892A KR20210018892A KR20210106357A KR 20210106357 A KR20210106357 A KR 20210106357A KR 1020210018892 A KR1020210018892 A KR 1020210018892A KR 20210018892 A KR20210018892 A KR 20210018892A KR 20210106357 A KR20210106357 A KR 20210106357A
Authority
KR
South Korea
Prior art keywords
virtual
sensor data
semiconductor manufacturing
manufacturing apparatus
simulation
Prior art date
Application number
KR1020210018892A
Other languages
English (en)
Inventor
마사카즈 야마모토
다다시 에노모토
Original Assignee
도쿄엘렉트론가부시키가이샤
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 도쿄엘렉트론가부시키가이샤 filed Critical 도쿄엘렉트론가부시키가이샤
Publication of KR20210106357A publication Critical patent/KR20210106357A/ko

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

Abstract

본 발명은 반도체 제조 장치에서 프로세스를 실행 중에, 반도체 제조 장치의 프로세스 상태를 가시화하는 기술을 제공하는 것을 목적으로 한다.
반도체 제조 장치에서 실행 중인 프로세스 상태의 시뮬레이션을, 반도체 제조 장치의 시뮬레이션 모델을 이용하여 실행하는 정보 처리 시스템으로서, 프로세스 파라미터에 따라 프로세스를 실행 중인 반도체 제조 장치에서 측정된 물리 센서 데이터를 취득하는 물리 센서 데이터 취득부와, 프로세스 파라미터에 따라 시뮬레이션 모델에 의한 시뮬레이션을 실행하여 가상 센서 데이터 및 가상 프로세스 결과 데이터를 산출하는 시뮬레이션 실행부와, 물리 센서 데이터, 가상 센서 데이터, 및 가상 프로세스 결과 데이터를 이용하여, 프로세스의 실행 중에, 반도체 제조 장치의 프로세스 상태를 가시화하여 표시부에 표시시키는 표시 제어부를 가짐으로써 상기 과제를 해결한다.

Description

정보 처리 시스템 및 시뮬레이션 방법{INFORMATION PROCESSING SYSTEM AND SIMULATION METHOD}
본 개시는 정보 처리 시스템 및 시뮬레이션 방법에 관한 것이다.
반도체 제품의 제조 또는 연구 개발의 현장에 있어서, 프로세스 시뮬레이션이 이용되고 있다. 프로세스 시뮬레이션은 반도체 프로세스(이하, 프로세스라고 부름)에 관한 여러 가지 물리 현상을 물리 모델에 의해 취급할 수 있다(예컨대, 특허문헌 1 참조).
예컨대 프로세스 시뮬레이션에서는, 프로세스를 실행한 후의 측정 결과로부터, 프로세스를 실행 중인 프로세스 상태(예컨대 웨이퍼의 막의 부착 방법, 온도 상태, 가스의 상태 등)를 추측하고 있었다.
[특허문헌 1] 일본 특허 공개 제2018-125451호 공보
본 개시는 반도체 제조 장치에서 프로세스를 실행 중에, 반도체 제조 장치의 프로세스 상태를 가시화하는 기술을 제공한다.
본 개시의 일 양태에 의한 정보 처리 시스템은, 반도체 제조 장치에서 실행 중인 프로세스 상태의 시뮬레이션을, 상기 반도체 제조 장치의 시뮬레이션 모델을 이용하여 실행하는 정보 처리 시스템으로서, 프로세스 파라미터에 따라 프로세스를 실행 중인 상기 반도체 제조 장치에서 측정된 물리 센서 데이터를 취득하는 물리 센서 데이터 취득부와, 상기 프로세스 파라미터에 따라 상기 시뮬레이션 모델에 의한 시뮬레이션을 실행하여 가상 센서 데이터 및 가상 프로세스 결과 데이터를 산출하는 시뮬레이션 실행부와, 상기 물리 센서 데이터, 상기 가상 센서 데이터, 및 상기 가상 프로세스 결과 데이터를 이용하여, 상기 프로세스의 실행 중에, 상기 반도체 제조 장치의 프로세스 상태를 가시화하여 표시부에 표시시키는 표시 제어부를 갖는다.
본 개시에 의하면, 반도체 제조 장치에서 프로세스를 실행 중에, 반도체 제조 장치의 프로세스 상태를 가시화할 수 있다.
도 1은 본 실시형태에 따른 정보 처리 시스템의 일례의 구성도이다.
도 2는 컴퓨터의 일례의 하드웨어 구성도이다.
도 3은 본 실시형태에 따른 자율 제어 컨트롤러의 일례의 기능 블록도이다.
도 4는 본 실시형태에 따른 해석 서버의 일례의 기능 블록도이다.
도 5는 본 실시형태에 따른 정보 처리 시스템의 처리의 일례의 흐름도이다.
도 6은 온도 평가 화면의 일례의 이미지도이다.
도 7은 온도 표시 화면의 화면예를 도시한 일례의 도면이다.
도 8은 온도 평가 화면을 조작하는 조작 화면의 일례의 이미지도이다.
도 9는 시뮬레이션 모델을 편집하는 처리의 일례의 흐름도이다.
도 10은 고장 사전 검지를 행하는 처리의 일례의 흐름도이다.
도 11은 고장 사전 검지를 행하는 처리의 일례의 흐름도이다.
도 12는 반도체 제조 장치의 온도 관련의 부분을 도시한 일례의 개략도이다.
도 13은 온도 관련의 시뮬레이션 모델의 작성 및 갱신의 처리를 나타낸 일례의 설명도이다.
도 14는 온도 관련의 시뮬레이션 모델의 작성 및 갱신의 처리를 나타낸 일례의 설명도이다.
도 15는 온도 관련의 시뮬레이션 모델의 작성 및 갱신의 처리로부터, 온도 카테고리를 발췌하여 나타낸 일례의 설명도이다.
도 16은 가상 센서의 갱신의 처리를 나타낸 일례의 설명도이다.
도 17은 시뮬레이션 모델의 갱신의 처리를 나타낸 일례의 설명도이다.
도 18은 대상의 반도체 제조 장치의 사양 변경 시의 시뮬레이션 모델의 갱신의 처리를 나타낸 일례의 설명도이다.
도 19는 메인터넌스 시기 사전 검지의 처리를 나타낸 일례의 설명도이다.
도 20은 대상의 반도체 제조 장치의 생산성 향상의 처리를 나타낸 일례의 설명도이다.
도 21은 대상의 반도체 제조 장치의 에너지 절약의 처리를 나타낸 일례의 설명도이다.
이하, 도면을 참조하여, 본 발명을 실시하기 위한 형태의 설명을 행한다.
<시스템 구성>
도 1은 본 실시형태에 따른 정보 처리 시스템의 일례의 구성도이다. 도 1에 도시된 정보 처리 시스템(1)은, 반도체 제조 장치(10), 기존 센서(11), 추가 센서(12), 자율 제어 컨트롤러(13), 장치 제어 컨트롤러(20), 호스트 컴퓨터(22), 외부 측정기(24), 해석 서버(26), AR 서버(28), 관리 서버(30), 및 데이터 레이크(32)를 갖는다.
반도체 제조 장치(10), 자율 제어 컨트롤러(13), 장치 제어 컨트롤러(20), 호스트 컴퓨터(22), 외부 측정기(24), 해석 서버(26), AR 서버(28), 및 관리 서버(30)는, LAN(Local Area Network) 등의 네트워크(40)를 통해 통신 가능하게 접속된다.
반도체 제조 장치(10)는 예컨대 열처리 성막(成膜) 장치이고, 장치 제어 컨트롤러(20)로부터 출력된 제어 명령(프로세스 파라미터)에 따라 프로세스를 실행한다. 반도체 제조 장치(10)는 복수의 기존 센서(11)가 탑재되어 있다. 기존 센서(11)는 온도, 압력 등을 물리 센서 데이터로서 측정하는 물리(Physical) 센서의 일례이다. 추가 센서(12)는 후술하는 가상(Virtual) 센서 데이터의 정확성을 확인하기 위해서 탑재되는 물리 센서의 일례이다. 가상 센서 데이터는 후술하는 시뮬레이션 모델(물리 모델)을 바탕으로 계산된다. 추가 센서(12)는 시뮬레이션 모델을 바탕으로 계산되는 가상 센서 데이터의 정확성을 확인하기 위해서 탑재되기 때문에, 고객에게 출하되는 최종 제품에 탑재되어 있지 않아도 좋다. 추가 센서(12)는 온도, 압력 등을 물리 센서 데이터로서 측정한다.
자율 제어 컨트롤러(13)는 반도체 제조 장치(10)를 자율 제어하기 위한 컨트롤러이고, 후술하는 바와 같이, 시뮬레이션 모델을 이용한 반도체 제조 장치(10)에서 실행 중인 프로세스 상태의 시뮬레이션, 프로세스 파라미터의 최적화, 고장 사전 검지, 메인터넌스 시기 사전 검지 등을 행한다. 자율 제어 컨트롤러(13)는 반도체 제조 장치(10)마다 설치되어 있다. 자율 제어 컨트롤러(13)는 후술하는 시뮬레이션 모델을 이용한 시뮬레이션을 실행함으로써, 웨이퍼 상의 막의 부착 상태, 웨이퍼의 온도, 가스, 플라즈마 등의 상태를, 프로세스 파라미터에 따른 프로세스를 실행한 후의 결과로서 산출한다. 후술하는 시뮬레이션 모델을 이용한 시뮬레이션을 실행함으로써 산출한 데이터(가상 데이터)에는, 가상 센서 데이터 및 가상 프로세스 결과 데이터가 포함된다. 가상 센서 데이터는 가상 센서로부터 출력되는 데이터이다. 가상 프로세스 결과 데이터는, 가상 데이터에 포함되는 데이터 중, 가상 센서 데이터 이외이다.
장치 제어 컨트롤러(20)는 반도체 제조 장치(10)를 제어하기 위한 컴퓨터 구성을 가진 컨트롤러이다. 장치 제어 컨트롤러(20)는 후술하는 바와 같이 최적화된 프로세스 파라미터를, 반도체 제조 장치(10)의 제어 부품을 제어하는 프로세스 파라미터로서 반도체 제조 장치(10)에 출력한다.
호스트 컴퓨터(22)는 반도체 제조 장치(10)에 대한 지시를 작업자로부터 접수하고, 반도체 제조 장치(10)에 관한 정보를 작업자에게 제공하는 맨 머신 인터페이스(MMI)의 일례이다.
외부 측정기(24)는, 막 두께 측정기, 시트 저항 측정기, 파티클 측정기 등, 프로세스 파라미터에 따른 프로세스의 실행 후의 결과를 측정하는 측정기이다. 예컨대 외부 측정기(24)는, 모니터 웨이퍼 등의 웨이퍼 상의 막의 부착 상태를 측정한다. 이하에서는, 외부 측정기(24)에 의해 측정한 데이터를 물리 프로세스 결과 데이터라고 부른다.
해석 서버(26)는 후술하는 바와 같이 시뮬레이션 모델의 갱신, 프로세스 파라미터의 최적화를 위한 데이터 해석, 고장 사전 검지나 메인터넌스 시기 사전 검지를 위한 데이터 해석 등을 행한다. AR 서버(28)는 AR(확장 현실) 기술을 이용하여, 반도체 제조 장치(10)에서 실행 중인 프로세스 상태의 시뮬레이션의 결과의 화면 표시나, 보수·메인터넌스 등의 작업 지원을 위한 화면 표시를 행한다.
관리 서버(30)는, 데이터 레이크(32) 등의 데이터 보존 영역에 보존된 예컨대 하나 이상의 기업의 복수의 반도체 제조 장치(10)에 관한 정보[반도체 제조 장치(10)에서 프로세스를 실행한 프로세스 파라미터, 그 프로세스 파라미터에 따라 프로세스를 실행한 경우의 물리 센서 데이터, 및 물리 프로세스 결과 데이터 등]를 관리한다. 이러한, 복수의 반도체 제조 장치(10)에 관한 정보를 바탕으로 시뮬레이션 모델을 후술하는 바와 같이 편집함으로써, 복수의 반도체 제조 장치(10)의 거동을 바탕으로 베이스의 시뮬레이션 모델을 편집(보정)할 수 있다. 시뮬레이션 모델의 베이스는, 복수의 반도체 제조 장치(10)를 바탕으로 한 최대 공약수적인 모델이 된다.
시뮬레이션 모델의 베이스는, 예컨대 딥 러닝에 의해, 각각의 반도체 제조 장치(10)에 적합하도록 편집한다. 이 편집은, 예컨대 반도체 제조 장치(10)를 운용할 때마다 실행함으로써, 운용할수록, 각각의 반도체 제조 장치(10)에서의 시뮬레이션 모델의 예측 정밀도가 향상된다.
또한, 도 1의 정보 처리 시스템(1)은 일례이고, 용도나 목적에 따라 여러 가지 시스템 구성예가 있는 것은 말할 필요도 없다. 도 1의 반도체 제조 장치(10), 자율 제어 컨트롤러(13), 장치 제어 컨트롤러(20), 호스트 컴퓨터(22), 외부 측정기(24), 해석 서버(26), AR 서버(28), 및 관리 서버(30)와 같은 장치의 구분은 일례이다.
예컨대 정보 처리 시스템(1)은, 반도체 제조 장치(10), 자율 제어 컨트롤러(13), 장치 제어 컨트롤러(20), 호스트 컴퓨터(22), 외부 측정기(24), 해석 서버(26), AR 서버(28), 및 관리 서버(30) 중 적어도 2개가 일체화된 구성이나, 또한 분할된 구성 등, 여러 가지 구성이 가능하다. 또한, 해석 서버(26), AR 서버(28)는 도 1의 정보 처리 시스템(1)과 같이 복수 대의 반도체 제조 장치(10)를 통합하여 취급할 수 있도록 해도 좋고, 반도체 제조 장치(10)와 1 대 1로 설치하도록 해도 좋다. 반도체 제조 장치(10)와 1 대 1로 설치한 해석 서버(26) 및 AR 서버(28)는, 대응하는 반도체 제조 장치(10)에 특화한 처리를 행할 수 있다.
<하드웨어 구성>
도 1에 도시된 정보 처리 시스템(1)의 자율 제어 컨트롤러(13), 장치 제어 컨트롤러(20), 호스트 컴퓨터(22), 해석 서버(26), AR 서버(28), 및 관리 서버(30)는 예컨대 도 2에 도시된 바와 같은 하드웨어 구성의 컴퓨터에 의해 실현된다. 도 2는 컴퓨터의 일례의 하드웨어 구성도이다.
도 2의 컴퓨터(500)는, 입력 장치(501), 출력 장치(502), 외부 I/F(인터페이스)(503), RAM(Random Access Memory)(504), ROM(Read Only Memory)(505), CPU(Central Processing Unit)(506), 통신 I/F(507) 및 HDD(Hard Disk Drive)(508) 등을 구비하고, 각각이 버스(B)로 상호 접속되어 있다. 또한, 입력 장치(501) 및 출력 장치(502)는 필요할 때에 접속하여 이용하는 형태여도 좋다.
입력 장치(501)는 키보드나 마우스, 터치 패널 등이고, 작업자 등이 각 조작 신호를 입력하는 데 이용된다. 출력 장치(502)는 디스플레이 등이고, 컴퓨터(500)에 의한 처리 결과를 표시한다. 통신 I/F(507)는 컴퓨터(500)를 네트워크에 접속하는 인터페이스이다. HDD(508)는, 프로그램이나 데이터를 저장하고 있는 비휘발성의 기억 장치의 일례이다.
외부 I/F(503)는, 외부 장치와의 인터페이스이다. 컴퓨터(500)는 외부 I/F(503)를 통해 SD(Secure Digital) 메모리 카드 등의 기록 매체(503a)의 판독 및/또는 기록을 행할 수 있다. ROM(505)은, 프로그램이나 데이터가 저장된 비휘발성의 반도체 메모리(기억 장치)의 일례이다. RAM(504)은 프로그램이나 데이터를 일시 유지하는 휘발성의 반도체 메모리(기억 장치)의 일례이다.
CPU(506)는, ROM(505)이나 HDD(508) 등의 기억 장치로부터 프로그램이나 데이터를 RAM(504) 상에 읽어내고, 처리를 실행함으로써, 컴퓨터(500) 전체의 제어나 기능을 실현하는 연산 장치이다.
도 1의 자율 제어 컨트롤러(13), 장치 제어 컨트롤러(20), 호스트 컴퓨터(22), 해석 서버(26), AR 서버(28), 및 관리 서버(30)는, 도 2의 컴퓨터(500)의 하드웨어 구성 등에 의해, 각종 기능을 실현할 수 있다.
<기능 구성>
본 실시형태에 따른 정보 처리 시스템(1)의 자율 제어 컨트롤러(13)는, 예컨대 도 3의 기능 블록으로 실현된다. 도 3은 본 실시형태에 따른 자율 제어 컨트롤러의 일례의 기능 블록도이다. 또한, 도 3의 기능 블록도는 본 실시형태의 설명에 불필요한 구성에 대해 도시를 생략하고 있다.
자율 제어 컨트롤러(13)는, 자율 제어 컨트롤러(13)용의 프로그램을 실행함으로써, 물리 프로세스 결과 데이터 취득부(100), 물리 센서 데이터 취득부(102), 프로세스 파라미터 취득부(104), 데이터베이스(106), 시뮬레이션 실행부(108), 시뮬레이션 결과 판정부(110), 표시 제어부(112), 및 시뮬레이션 모델 갱신부(114)를 실현하고 있다. 또한, 시뮬레이션 결과 판정부(110)는, 고장 사전 검지부(120), 메인터넌스 시기 사전 검지부(122), 및 프로세스 파라미터 조정부(124)를 갖는 구성이다.
물리 프로세스 결과 데이터 취득부(100)는, 프로세스 파라미터에 따른 프로세스를 실행한 후의 결과인 물리 프로세스 결과 데이터를 취득하여, 데이터베이스(106)에 보존한다.
물리 센서 데이터 취득부(102)는 기존 센서(11) 및 추가 센서(12)가 측정한 물리 센서 데이터를 취득하여, 시뮬레이션 실행부(108)에 제공한다. 프로세스 파라미터 취득부(104)는 반도체 제조 장치(10)에서 실행 중인 프로세스의 프로세스 파라미터를 취득하여 시뮬레이션 실행부(108)에 제공한다. 데이터베이스(106)는 시뮬레이션 실행부(108)가 시뮬레이션에 사용하는 데이터 및 해석 서버(26)가 시뮬레이션 모델의 갱신이나 데이터 해석에 사용하는 데이터를 보존하고 있는 데이터 보존 영역이다.
시뮬레이션 실행부(108)는, 프로세스를 실행 중인 반도체 제조 장치(10)와 동일한 프로세스 파라미터에 따라, 시뮬레이션 모델에 의한 시뮬레이션을 실행함으로써, 프로세스를 실행 중인 반도체 제조 장치(10)의 프로세스 상태를 산출할 수 있다.
또한, 시뮬레이션 실행부(108)가 시뮬레이션에 이용하는 반도체 제조 장치(10)의 시뮬레이션 모델은, 예컨대 1DCAE의 시뮬레이션 모델을 이용할 수 있다. 1DCAE의 시뮬레이션 모델은, 상류 설계인 기능 설계에 있어서 반도체 제조 장치(10) 전체를 기능 베이스로 표현함으로써, 구조 설계(3DCAE) 전의 평가 해석을 가능하게 하고 있다.
시뮬레이션 결과 판정부(110)는, 동일한 프로세스 파라미터에 기초한 물리 프로세스 결과 데이터, 물리 센서 데이터, 가상 프로세스 결과 데이터, 및 가상 센서 데이터를 이용함으로써, 후술하는 바와 같이 고장 사전 검지부(120)에 의한 고장 사전 검지, 메인터넌스 시기 사전 검지부(122)에 의한 메인터넌스 시기 사전 검지 등을 행한다. 또한, 시뮬레이션 결과 판정부(110)는 프로세스 파라미터 조정부(124)에 의한 프로세스 파라미터의 최적화를 후술하는 바와 같이 행한다.
표시 제어부(112)는, 반도체 제조 장치(10)에서 프로세스를 실행하면서, 반도체 제조 장치(10)와 동일한 프로세스 파라미터에 따라 실행된 시뮬레이션에 의한 가상 프로세스 결과 데이터, 가상 센서 데이터를 이용함으로써, 프로세스를 실행 중인 반도체 제조 장치(10)의 프로세스 상태를 실시간으로 가시화하여 예컨대 호스트 컴퓨터(22)에 표시시킬 수 있다.
따라서, 표시 제어부(112)는 프로세스를 실행 중인 반도체 제조 장치(10)의 프로세스 상태라고 하는 현실(Physical) 공간의 변화를 실시간의 연동성을 가지고 가상(Cyber) 공간에 재현하는, 이른바 디지털 트윈을 실현할 수 있다. 디지털 트윈에서는 반도체 제조 장치(10)에서 프로세스를 실행하면서, 가상 공간에 반도체 제조 장치(10)의 프로세스 상태를 실시간으로 재현할 수 있다.
이러한 디지털 트윈의 환경을 이용함으로써, 시뮬레이션 결과 판정부(110)는 반도체 제조 장치(10)의 프로세스 상태를 모니터링할 수 있는 것 외에, 후술하는 고장 사전 검지나 메인터넌스 시기 사전 검지, 프로세스 파라미터의 조정 등이 가능해진다.
시뮬레이션 모델 갱신부(114)는 시뮬레이션 실행부(108)가 프로세스 상태의 시뮬레이션에 이용하는 시뮬레이션 모델을, 해석 서버(26)에 의해 편집된 시뮬레이션 모델로 갱신한다.
또한, 본 실시형태에 따른 정보 처리 시스템(1)의 해석 서버(26)는, 예컨대 도 4의 기능 블록으로 실현된다. 도 4는 본 실시형태에 따른 해석 서버의 일례의 기능 블록도이다. 또한, 도 4의 기능 블록도는 본 실시형태의 설명에 불필요한 구성에 대해 도시를 생략하고 있다.
해석 서버(26)는 해석 서버(26)용의 프로그램을 실행함으로써, 물리 데이터 취득부(140), 가상 데이터 취득부(142), 프로세스 파라미터 취득부(144), 시뮬레이션 모델 기억부(146), 시뮬레이션 모델 편집부(148), 및 시뮬레이션 모델 갱신 요구부(150)를 실현하고 있다.
물리 데이터 취득부(140)는, 자율 제어 컨트롤러(13) 또는 관리 서버(30)로부터 해석 대상의 반도체 제조 장치(10)의 물리 센서 데이터 및 물리 프로세스 결과 데이터를, 물리(Physical) 데이터로서 취득하여, 시뮬레이션 모델 편집부(148)에 제공한다.
가상 데이터 취득부(142)는, 자율 제어 컨트롤러(13) 또는 관리 서버(30)로부터 해석 대상의 반도체 제조 장치(10)의 가상 센서 데이터 및 가상 프로세스 결과 데이터를, 가상(Cyber) 데이터로서 취득하여, 시뮬레이션 모델 편집부(148)에 제공한다.
프로세스 파라미터 취득부(144)는, 자율 제어 컨트롤러(13) 또는 관리 서버(30)로부터 해석 대상의 반도체 제조 장치(10)의 프로세스 파라미터를 취득하여, 시뮬레이션 모델 편집부(148)에 제공한다.
시뮬레이션 모델 기억부(146)는 자율 제어 컨트롤러(13)의 시뮬레이션 실행부(108)가 반도체 제조 장치(10)의 프로세스 상태의 시뮬레이션에 이용하기 위한 시뮬레이션 모델을 기억한다. 시뮬레이션 모델 편집부(148)는 제공된 물리 데이터, 가상 데이터 및 프로세스 파라미터를 이용하여, 동일한 프로세스 파라미터에 의한 물리 데이터 및 가상 데이터의 차이가 작아지도록(최적의 시뮬레이션 모델이 되도록) 예컨대 기계 학습 등을 이용하여 시뮬레이션 모델의 편집을 행한다. 또한, 시뮬레이션 모델의 편집은, 반도체 제조 장치(10)의 통상 운용 시에 반드시 행할 필요는 없고, 예컨대 시뮬레이션 대상의 반도체 제조 장치(10)에 물리적인 사양 변경이 행해진 경우 등에 행하면 된다. 시뮬레이션 모델 갱신 요구부(150)는, 편집된 시뮬레이션 모델의 갱신을 자율 제어 컨트롤러(13)에 요구한다.
<처리>
《사전 준비》
본 실시형태에 따른 정보 처리 시스템(1)에서는, 프로세스 파라미터에 따라 프로세스를 실행한 반도체 제조 장치(10)의 물리 데이터와, 그 반도체 제조 장치(10)와 동일한 프로세스 파라미터에 따라 실행한 시뮬레이션의 가상 데이터의 차이가 작아지도록 예컨대 기계 학습 등에 의해 편집된 시뮬레이션 모델을 이용한다.
이러한 시뮬레이션 모델을 이용함으로써, 본 실시형태에 따른 정보 처리 시스템(1)에서는, 시뮬레이션 모델을 이용한 시뮬레이션의 결과의 정확성을 확보하고 있다. 또한, 시뮬레이션 모델의 편집은, 전회의 편집으로부터의 경과 시간이나 프로세스의 실행 횟수, 동일한 프로세스 파라미터에 따른 물리 데이터와 가상 데이터의 차이의 확대 등에 따라, 행하도록 해도 좋다.
《프로세스 실행》
도 5는 본 실시형태에 따른 정보 처리 시스템의 처리의 일례의 흐름도이다. 장치 제어 컨트롤러(20)로부터 출력된 프로세스 파라미터에 따라, 반도체 제조 장치(10)는 단계 S10에서 프로세스를 실행한다. 단계 S12에 있어서 자율 제어 컨트롤러(13)는, 프로세스를 실행 중인 반도체 제조 장치(10)로부터, 기존 센서(11) 및 추가 센서(12)로 측정된 물리 센서 데이터를 취득한다.
단계 S14에 있어서, 자율 제어 컨트롤러(13)의 시뮬레이션 실행부(108)는 프로세스를 실행 중인 반도체 제조 장치(10)와 동일한 프로세스 파라미터에 따라, 시뮬레이션 모델에 의한 시뮬레이션을 실행하여, 가상 센서 데이터 및 가상 프로세스 결과 데이터를 산출한다.
단계 S16에 있어서, 자율 제어 컨트롤러(13)의 표시 제어부(112)는, 프로세스를 실행 중인 반도체 제조 장치(10)의 물리 센서 데이터, 반도체 제조 장치(10)와 동일한 프로세스 파라미터에 따라 실행된 시뮬레이션에 의한 가상 프로세스 결과 데이터, 및 가상 센서 데이터를 이용하여, 프로세스를 실행 중인 반도체 제조 장치(10)의 프로세스 상태를 예컨대 도 6과 같이 가시화하여 호스트 컴퓨터(22)에 표시시킬 수 있다.
도 6은 온도 평가 화면의 일례의 이미지도이다. 도 6의 온도 평가 화면(1000)은, 실행 중인 프로세스의 온도 표시 화면(1002)과, 프로세스의 실행 전에 사전 예측한 온도 표시 화면(1004)이 동시에 표시된 화면예이다.
또한, 도 6의 온도 평가 화면(1000)은 일례이고, 최적화 전의 프로세스 파라미터에 따라 실행된 시뮬레이션의 결과에 기초한 온도 표시 화면과, 최적화 후의 프로세스 파라미터에 따라 실행된 시뮬레이션의 결과에 기초한 온도 표시 화면이 동시에 표시되는 화면이어도 좋다. 이에 의해, 작업자는 프로세스 파라미터의 최적화에 의한 개선 정도를 확인할 수 있다. 또한, 도 6의 온도 평가 화면(1000)은, 실행 중인 프로세스의 온도 표시 화면과, 예측한 미래의 온도 표시 화면이 동시에 표시되는 화면이어도 좋다.
도 6의 온도 표시 화면(1002 및 1004)은, 예컨대 웨이퍼, 내관, 외관, 내측 온도 센서, 외측 온도 센서 등의 각부의 온도, 가상 기류, 대류 등을 표시한다. 도 6의 온도 표시 화면(1002 및 1004)은, 온도나 가스 농도의 분포를 색으로 표시한다. 도 6의 온도 표시 화면(1002 및 1004)은, 360도, 여러 가지 시점으로 표시할 수 있다. 도 6의 온도 표시 화면(1002 및 1004)은, 둥글게 잘라 필요한 개소를 표시할 수 있는 화면예를 일례로서 도시하고 있다. 또한, 불필요한 개소는 비표시로 할 수 있도록 해도 좋다.
도 6의 온도 표시 화면(1002 및 1004)은 물리 센서 또는 가상 센서에 의한 온도의 측정점을 흑색의 점으로 표시한다. 도 6의 온도 표시 화면(1002 및 1004)은 작업자가 마우스 등으로 클릭한 위치(작업자가 온도를 알고 싶은 위치)의 온도를 표시하도록 해도 좋다. 도 6의 온도 표시 화면(1002 및 1004)은 일례이고, 예컨대 도 7에 도시된 바와 같은 형태의 온도 표시 화면을 표시해도 좋다. 도 7은 온도 표시 화면의 화면예를 도시한 일례의 도면이다.
또한, 도 6의 온도 평가 화면(1000)에 표시하는 온도 표시 화면(1002 및 1004)에 대한 조작은 예컨대 도 8에 도시된 바와 같은 조작 화면(1100)으로부터 행할 수 있다. 도 8은 온도 평가 화면을 조작하는 조작 화면의 일례의 이미지도이다.
도 8의 조작 화면(1100)은, 파일 지정란(1102)에 지정하여 파일 판독 버튼을 클릭함으로써, 과거 데이터의 파일 등의 지정한 파일을 판독하고, 판독한 파일에 의한 온도 표시 화면(1002 및 1004)을 표시할 수 있다. 또한, 도 8의 조작 화면(1100)은 과거의 임의의 시간을 프레임에 의해 지정하여, 판독한 파일에 의한 온도 표시 화면(1002 및 1004)을 표시할 수 있는 예이다.
도 8의 조작 화면(1100)은, 파일 지정란(1102)에 프로세스를 실행 중인 반도체 제조 장치(10)의 데이터의 파일을 지정할 수도 있다. 또한, 도 8의 조작 화면(1100)은 데이터를 그래프로 표시하는 난(1104), 3D의 시점 파일의 로드/세이브하는 난(1106), 정보의 표시/비표시를 설정하는 난(1108) 등을 포함하는 화면예를 도시하고 있다.
도 5의 단계 S18로 되돌아가서, 자율 제어 컨트롤러(13)는 반도체 제조 장치(10)에서 실행 중인 프로세스가 종료될 때까지 단계 S12∼S16의 처리를 반복한다. 반도체 제조 장치(10)에서 실행 중인 프로세스가 종료되면, 단계 S18로부터 S20의 처리로 진행하고, 자율 제어 컨트롤러(13)의 시뮬레이션 결과 판정부(110)는, 동일한 위치 및 시간의 물리 센서 데이터 및 가상 센서 데이터를 비교하여, 동일한 위치 및 시간의 물리 센서 데이터 및 가상 센서 데이터가 동일한지의 여부를 판정한다.
물리 센서 데이터와 가상 센서 데이터가 동일하지 않다고 판정하면, 시뮬레이션 결과 판정부(110)는, 고객이 요망하는 프로세스 실행 후의 결과를 얻을 수 있도록 프로세스 파라미터를 최적화(옵티마이즈)하는 단계 S22의 프로세스 파라미터 조정 처리를 행한다.
또한, 단계 S22의 프로세스 파라미터 조정 처리는, 예컨대 동일한 위치 및 시간의 물리 센서 데이터 및 가상 센서 데이터의 차가 소정의 임계값을 초과한 경우에, 프로세스 파라미터의 최적화를 중지하고, 시뮬레이션 모델의 편집 또는 반도체 제조 장치(10)의 메인터넌스에 의해 대처하도록 해도 좋다.
단계 S24로 진행하여, 시뮬레이션 결과 판정부(110)는 후술하는 바와 같이 고장 사전 검지부(120)에 의한 고장 사전 검지, 메인터넌스 시기 사전 검지부(122)에 의한 메인터넌스 시기 사전 검지 등을 행한다. 물리 센서 데이터와 가상 센서 데이터가 동일하다고 판정하면, 시뮬레이션 결과 판정부(110)는 단계 S22의 프로세스 파라미터 조정 처리 및 단계 S24의 사전 검지 처리를 스킵한다.
도 5의 흐름도의 처리에 의하면, 예컨대 동일한 위치 및 시간의 물리 센서 데이터 및 가상 센서 데이터의 차가 소정의 임계값을 초과할 때까지는, 프로세스 파라미터의 최적화에 의해 고객이 요망하는 프로세스 실행 후의 결과를 얻을 수 있도록 대응할 수 있다.
한편, 동일한 위치 및 시간의 물리 센서 데이터 및 가상 센서 데이터의 차가 소정의 임계값을 초과하면, 시뮬레이션 모델의 편집 또는 단계 S24의 사전 검지 처리에 의해 검지된 고장이나 메인터넌스 시기에 대한 대처에 의해, 고객이 요망하는 프로세스 실행 후의 결과를 얻을 수 있도록 대응할 수 있다.
시뮬레이션 모델의 편집은 예컨대 도 9에 도시된 바와 같은 처리 순서로 실행된다. 도 9는 시뮬레이션 모델을 편집하는 처리의 일례의 흐름도이다. 해석 서버(26)는 단계 S30에 있어서, 반도체 제조 장치(10)에서 실행된 프로세스의 프로세스 파라미터, 그 프로세스 파라미터에 따른 프로세스의 결과인 반도체 제조 장치(10)의 물리 데이터, 및 시뮬레이션 모델을 바탕으로 계산한 가상 데이터를 취득한다.
단계 S32에 있어서, 해석 서버(26)의 시뮬레이션 모델 편집부(148)는 동일한 위치 및 시간의 물리 센서 데이터 및 가상 센서 데이터의 차가 소정의 임계값을 초과하고 있는지의 여부를 판정한다. 소정의 임계값을 초과하고 있지 않으면, 시뮬레이션 모델 편집부(148)는 단계 S34∼S36의 처리를 스킵한다.
소정의 임계값을 초과하고 있으면, 시뮬레이션 모델 편집부(148)는 단계 S34에 있어서, 단계 S30에서 취득한 물리 데이터, 가상 데이터 및 프로세스 파라미터를 이용하여, 동일한 프로세스 파라미터에 의한 물리 데이터 및 가상 데이터의 차이가 작아지도록 예컨대 기계 학습이나 통계 처리 등을 이용하여 시뮬레이션 모델의 편집을 행한다.
단계 S36으로 진행하여, 해석 서버(26)의 시뮬레이션 모델 갱신 요구부(150)는 단계 S34에서 편집된 시뮬레이션 모델의 갱신을 자율 제어 컨트롤러(13)에 요구함으로써, 자율 제어 컨트롤러(13)의 시뮬레이션 실행부(108)가 이용하는 시뮬레이션 모델을 갱신할 수 있다.
또한, 베이스가 되는 시뮬레이션 모델의 경우에는, 복수의 반도체 제조 장치(10)의 물리 데이터, 가상 데이터 및 프로세스 파라미터를 취득하고, 예컨대 기계 학습이나 통계 처리 등을 이용하여 시뮬레이션 모델의 편집을 행하면 된다.
도 5의 단계 S24에 나타낸 고장 사전 검지는 예컨대 도 10 및 도 11에 도시된 처리 순서로 실행된다. 도 10 및 도 11은 고장 사전 검지를 행하는 처리의 일례의 흐름도이다.
단계 S40에 있어서, 자율 제어 컨트롤러(13)의 고장 사전 검지부(120)는 반도체 제조 장치(10)에서 실행된 프로세스의 프로세스 파라미터, 프로세스 파라미터에 따른 프로세스의 결과인 반도체 제조 장치(10)의 물리 데이터, 및 시뮬레이션 모델을 바탕으로 계산한 다음 회 이후의 프로세스분의 가상 데이터를 취득한다. 또한, 다음 회 이후의 프로세스분의 가상 데이터는 시뮬레이션 모델을 바탕으로 다음 회 이후의 가상 프로세스를 실행함으로써 취득할 수 있다. 이와 같이 시뮬레이션 모델을 바탕으로 계산하는 가상 데이터는 다음 회의 프로세스분뿐만이 아니라, 메인터넌스 사이클 등을 고려한 복수 회의 프로세스분을 취득해도 좋다. 단계 S42에 있어서, 고장 사전 검지부(120)는 동일한 위치 및 시간의 물리 센서 데이터 및 가상 센서 데이터의 차가 소정의 임계값을 초과하고 있는지의 여부를 판정한다.
소정의 임계값을 초과하고 있지 않으면, 고장 사전 검지부(120)는 단계 S44의 고장 사전 검지 처리를 스킵한다. 소정의 임계값을 초과하고 있으면, 고장 사전 검지부(120)는 고장으로서 사전 검지한다. 단계 S44에서는, 사전 검지한 고장에 대해 도 11에 도시된 순서의 고장 사전 검지 처리가 행해진다.
도 11의 단계 S50에 있어서, 고장 사전 검지부(120)는 사전 검지한 고장이 기지(旣知)인지의 여부를 판정한다. 또한, 사전 검지한 고장이 기지인지의 여부의 판정은, 차가 임계값을 초과하고 있는 물리 데이터 및 가상 데이터의 항목의 종류, 특징량 등의 통계적인 분류 수법이나 딥 러닝에 의한 분류 수법 등을 이용할 수 있다.
사전 검지한 고장이 기지이면, 고장 사전 검지부(120)는 단계 S52에 있어서 기존 고장 판정 데이터로부터 고장의 종류와 원인을 검색한다. 단계 S54로 진행하여, 고장 사전 검지부(120)는 검색한 고장의 종류와 원인, 및 과거의 고장 이력으로부터, 제조에 영향을 미칠 때까지의 프로세스 횟수 또는 기간을 산출한다. 단계 S56으로 진행하여, 고장 사전 검지부(120)는 고장 사전 검지 정보와, 고장 대처 방법을, 예컨대 호스트 컴퓨터(22)에 표시시킨다.
따라서, 작업자는 호스트 컴퓨터(22)에 표시된 고장 사전 검지 정보와 고장 대처 방법을 확인함으로써, 제조에 영향을 미칠 때까지의 프로세스 횟수 또는 기간을 고려한 타이밍에서 고장에 대처할 수 있다.
한편, 사전 검지한 고장이 기지가 아니면, 고장 사전 검지부(120)는 단계 S58에 있어서, 물리 데이터와 가상 데이터의 현재까지의 어긋남량의 데이터로부터, 금후의 어긋남량의 추이를 산출한다. 단계 S60으로 진행하여, 고장 사전 검지부(120)는 산출한, 금후의 어긋남량의 추이를 바탕으로, 시뮬레이션 모델에 의한 시뮬레이션을 실행하여, 제조에 영향을 미치는 프로세스 횟수 또는 기간을 산출한다.
단계 S62로 진행하여, 고장 사전 검지부(120)는 고장 사전 검지 정보와, 단계 S60에서 산출한 제조에 영향을 미칠 때까지의 프로세스 횟수 또는 기간을, 예컨대 호스트 컴퓨터(22)에 표시시킨다.
단계 S64로 진행하여, 고장 사전 검지부(120)는 고장 원인의 판명 후에, 작업자에 의해 입력된 고장의 종류와 원인을 기존 고장 판정 데이터로서 추가한다. 단계 S64의 처리에 의해, 고장 원인이 판명된 종류의 고장은 단계 S50에 있어서 기지의 고장이라고 판정되게 된다.
도 10 및 도 11의 고장 사전 검지를 행하는 처리는, 물리 데이터 및 가상 데이터의 차이를 고장의 전(前) 상태라고 판단하고 있다. 시뮬레이션 모델에 의한 시뮬레이션에서는, 물리 센서 데이터 및 가상 센서 데이터에 차이가 있는 가상 프로세스 결과 데이터를 산출함으로써, 그 차이가 프로세스에 주는 영향을 판정할 수 있다. 또한, 프로세스마다, 어긋남량을 누적하여 확인함으로써, 로트 아웃할(생산에 영향을 미칠) 때까지 몇 프로세스 정도 유예가 있는지를 판정할 수 있다.
이와 같이, 본 실시형태에 따른 정보 처리 시스템(1)은, 물리 데이터 및 가상 데이터의 차이를 고장의 전 상태라고 판단함으로써, 미지의 고장 패턴에 대응할 수 있다. 또한, 본 실시형태에 따른 정보 처리 시스템(1)은, 상태가 나빠진 개소의 프로세스에 주는 영향도 판단할 수 있고, 영향 정도에 따라, 반도체 제조 장치(10)를 긴급 정지하지 않고, 수리 시기를 늦춘다고 하는 운용도 가능해진다.
본 실시형태에 따른 정보 처리 시스템(1)에 의하면, 시뮬레이션 모델에서 사전에 예측된 가상 센서 데이터와, 실행 중인 프로세스의 물리 센서 데이터의 차이로부터, 과거 사례로부터 예측할 수 없는 고장 및 예측할 수 있는 고장의 사전 검지가 가능하다. 또한, 본 실시형태에 따른 정보 처리 시스템(1)에 의하면, 고장의 사전 검지가 가능하기 때문에, 메인터넌스가 필요해지는 메인터넌스 시기를 정확히 파악할 수 있고, 불필요한 메인터넌스를 억제하여, 운전 비용(running cost)을 저하할 수 있다.
예컨대 반도체 제조 장치(10)의 시뮬레이션 모델에 의한 시뮬레이션을 실행하여 반도체 제조 장치(10)의 프로세스 시에 부착되는 누적 막 두께를 산출할 수 있다. 이 결과, 누적 막 두께에 대해 최적의 클리닝 레시피의 시간을 산출할 수 있어, 고가의 클리닝 가스의 소비량을 억제하고, 막의 절삭 잔여물이나 석영의 지나친 절삭을 방지할 수 있다.
<정리>
본 실시형태에 따른 정보 처리 시스템(1)에 의하면, 프로세스를 실행 중인 반도체 제조 장치(10)의 웨이퍼 상의 막의 부착 상태, 웨이퍼의 온도, 가스, 플라즈마 등의 프로세스의 상태를 반도체 제조 장치(10)의 시뮬레이션 모델에 의해 산출하여, 실시간으로 가시화할 수 있다.
따라서, 본 실시형태에 따른 정보 처리 시스템(1)에 의하면, 프로세스를 실행한 후의 외부 측정기(24)에 의한 측정을 기다리지 않고, 외부 측정기(24)와 동등한 결과를 실시간으로 얻을 수 있다. 이 결과, 작업자는 프로세스를 실행 후, 외부 측정기(24)에 의한 측정을 기다리지 않고, 프로세스한 웨이퍼의 정상/로트 아웃, 양품 등을 판단할 수 있다. 본 실시형태에 따른 정보 처리 시스템(1)에 의하면, 모니터 웨이퍼의 매수나 외부 측정기(24)에 의한 각종 측정의 횟수를 줄여 운용 비용을 삭감할 수 있다. 또한, 본 실시형태에 따른 정보 처리 시스템(1)에 의하면, 반도체 제조 장치(10)에서 프로세스를 실행 중에, 반도체 제조 장치(10)의 프로세스의 상태를 가시화할 수 있기 때문에, 웨이퍼 상에서 일어나고 있는 물리 현상을 가시화하여 과제를 객관적으로 파악할 수 있고, 개발을 촉진할 수 있다.
또한, 본 실시형태에 따른 정보 처리 시스템(1)의 프로세스 파라미터 조정부(124)에 의한 프로세스 파라미터 조정 처리에 의하면, 반도체 제조 장치(10)의 시뮬레이션 모델을 바탕으로, 프로세스마다 프로세스 파라미터의 탐색과 변경을 행함으로써, 프로세스 파라미터를 최적화할 수 있다. 또한, 반도체 제조 장치(10)의 시뮬레이션 모델에 의한 시뮬레이션은 누적 막 두께 등의 프로세스 성능에 관계되는 부분의 시뮬레이션도 행할 수 있어, 누적 막 두께의 영향을 억제하여, 반도체 제조 장치(10)가 가질 수 있는 성능을 항상 발휘시킬 수 있다.
또한, 본 실시형태에 따른 정보 처리 시스템(1)은 프로세스 파라미터의 자동 입력화가 가능해지기 때문에, 사람의 손에 의한 프로세스 파라미터의 설정이 불필요해져, 공정수를 줄일 수 있고, 입력 미스나 작업자에 의한 편차를 없앨 수 있다.
또한, 본 실시형태에 따른 정보 처리 시스템(1)은 반도체 제조 장치(10)의 시뮬레이션 모델을 바탕으로, 프로세스 파라미터의 탐색과 변경을 행함으로써, 고객의 요망에 맞춰 프로세스에 관련된 팩터의 비율을 변경할 수 있다. 예컨대 고객의 요망에 맞춰 전력의 사용량을 억제한 프로세스 파라미터나 가스의 사용량을 억제한 프로세스 파라미터 등을 실현할 수 있다.
또한, 본 실시형태에 따른 정보 처리 시스템(1)은, 예컨대 웨이퍼 상에 부착하고 싶은 막 두께나 막질, 및 제한 사항(예컨대 서멀 버짓(thermal budget))을 지정하여, 프로세스 파라미터의 탐색과 변경을 행함으로써, 베스트의 제어를 시뮬레이션 모델 베이스로 실현할 수 있다.
또한, 본 실시형태에 따른 정보 처리 시스템(1)은, 시뮬레이션 모델에서 사전에 예측된 가상 센서 데이터와, 실행 중인 프로세스의 물리 센서 데이터의 차이로부터 고장의 가능성을 예측할 수 있고, 고장 사전 검지나 메인터넌스 시기 사전 검지가 가능하다.
[실시예 1]
이하에서는, 반도체 제조 장치(10)의 1DCAE의 시뮬레이션 모델의 일례로서 온도의 시뮬레이션 모델예를 설명한다.
도 12는 반도체 제조 장치의 온도 관련의 부분을 도시한 일례의 개략도이다. 반도체 제조 장치(10)는 웨이퍼를 복수 매 수용 가능한 열처리로를 갖고 있다. 열처리로는, 웨이퍼를 수용하여 처리하기 위한 처리 용기이다. 열처리로는, 내열성이 높은 석영에 의해 대략 원통체형으로 성형되고, 배기구를 갖는다. 열처리로는, 연직(상하) 방향으로 연장되는 종형(縱型)의 형상으로 구성되어 있다. 열처리로의 배기구에는, 가스 배기구가 접속된다.
열처리로의 측부에는, 열처리로를 둘러싸도록 하여 히터가 설치되어 있고, 열처리로에 수용되는 웨이퍼를 가열할 수 있도록 되어 있다. 열처리로의 하단부는 개구되어 있고, 웨이퍼를 반입, 반출할 수 있도록 되어 있다. 열처리로의 하단부의 개구는, 승강 기구에 의해 개폐가 행해지는 구성으로 되어 있다.
승강 기구보다 상방에는 웨이퍼 보트가 설치되어 있다. 웨이퍼 보트는 웨이퍼를 유지하기 위한 기판 유지구이고, 연직 방향으로 복수 매의 웨이퍼를 이격시킨 상태로 다단으로 유지 가능하게 구성된다.
예컨대 도 12의 개략도에 있어서, 히터 구성, 리액터 구성, 및 히터 주위의 구성을 1DCAE의 시뮬레이션 모델로서 만들어 넣음으로써, 히터에 부여하는 입력 데이터의 일례인 파워값을 기초로, 가상 온도 센서를 구축할 수 있다. 또한, 가상 온도 센서의 정확성을 확인하기 위해서, 기존 센서(11) 및 추가 센서(12)에 포함되는 물리 온도 센서를 이용한다.
예컨대 기존 센서(11)의 예로서는, 내측 온도 센서, 외측 온도 센서, 히터 주위 온도 센서, 리액터 내 온도 센서, 가스 공급 배관 히터 온도 센서, 가스 배기 배관 히터 온도 센서, 승강 기구 히터 온도 센서 등이 있다. 또한, 추가 센서(12)의 예로서는 웨이퍼 면내에 설치된 온도 센서, 보온통 및 리액터측 승강 기구면에 설치된 온도 센서, 가스 도입 온도 센서 등이 있다. 추가 센서(12)는 고객에게 출하되는 최종 제품에 탑재되지 않는다. 기존 센서(11)는 고객에게 출하되는 최종 제품에 탑재된다.
예컨대, 온도 관련의 시뮬레이션 모델의 작성 및 갱신에서는 도 13에 도시된 바와 같은 처리를 행한다. 도 13은 온도 관련의 시뮬레이션 모델의 작성 및 갱신의 처리를 나타낸 일례의 설명도이다.
자율 제어 컨트롤러(13)의 시뮬레이션 실행부(108)는 반도체 제조 장치(10)에서 실행 중인 프로세스의 프로세스 파라미터의 일례로서, 예컨대 히터의 파워값, 송풍기의 설정값, 가스 유량과 온도, 웨이퍼 보트 승강 위치 등을 취득한다. 시뮬레이션 실행부(108)는 프로세스 파라미터에 따라, 반도체 제조 장치(10)의 시뮬레이션 모델에 의한 시뮬레이션을 실행함으로써, 가상 온도 센서 데이터 및 가상 프로세스 결과 데이터를 출력한다.
또한, 기존 센서(11) 및 추가 센서(12)인 물리 온도 센서는 측정 포인트의 온도를 측정하여, 측정 포인트의 물리 온도 센서 데이터로서 출력한다. 데이터베이스(106)는 출력된 가상 온도 센서 데이터, 가상 프로세스 결과 데이터, 측정 포인트의 물리 온도 센서 데이터, 및 이전의 물리 온도 센서 데이터를 보존한다.
시뮬레이션 결과 판정부(110)는, 데이터베이스(106)에 보존된 가상 온도 센서 데이터와 물리 온도 센서 데이터를 측정 포인트마다 비교하여, 데이터베이스(106)에 보존된 동일한 측정 포인트의 가상 온도 센서 데이터와 물리 온도 센서 데이터가 동일한지의 여부를 판정한다.
동일하다고 판정하면, 시뮬레이션 결과 판정부(110)는 가상 온도 센서 데이터가 정확하다고 판단한다. 동일하지 않다고 판정하면, 시뮬레이션 결과 판정부(110)는 물리 온도 센서 데이터 및 가상 온도 센서 데이터를 기록을 위해서 출력한다.
이후, 예컨대 오프라인에서 데이터 검증을 행하면서 수동으로 시뮬레이션 모델의 편집을 행하여, 시뮬레이션 실행부(108)의 시뮬레이션 모델을 갱신한다.
이와 같이, 시뮬레이션 모델의 작성 및 갱신에서는, 오프라인에서 데이터 검증을 행하면서 필요에 따라 시뮬레이션 실행부(108)의 시뮬레이션 모델을 갱신할 수 있다. 또한, 시뮬레이션 모델의 작성 및 갱신에서는, 대상의 반도체 제조 장치(10)에 물리적인 사양 변경이 행해지지 않는 한, 가상 데이터와 물리 데이터를 비교하여, 프로세스 파라미터를 알고리즘에 따라 편집하면서, 사양의 입력 데이터에 대해, 최대의 성과를 만들어 내는 운용을 행하도록 해도 좋다.
또한, 예컨대 온도 관련의 시뮬레이션 모델의 작성 및 갱신에서는 도 14에 도시된 바와 같은 처리를 행해도 좋다. 도 14는 온도 관련의 시뮬레이션 모델의 작성 및 갱신의 처리를 나타낸 일례의 설명도이다. 예컨대 통상 운용의 페이즈(통상 운용 시)에서는, 도 14에 도시된 바와 같은 처리를 행함으로써, 시뮬레이션 모델의 갱신 이외의 방법으로서, 프로세스 파라미터의 조정에서도 운용 가능한 예를 나타내고 있다.
자율 제어 컨트롤러(13)의 시뮬레이션 실행부(108)는 반도체 제조 장치(10)에서 실행 중인 프로세스의 프로세스 파라미터를 취득한다. 시뮬레이션 실행부(108)는 취득한 프로세스 파라미터에 따라, 반도체 제조 장치(10)의 시뮬레이션 모델에 의한 시뮬레이션을 실행함으로써, 가상 센서 데이터 및 가상 프로세스 결과 데이터를 출력한다.
기존 센서(11)는 측정 포인트를 측정하여, 측정 포인트의 물리 센서 데이터로서 출력한다. 데이터베이스(106)는 출력된 가상 센서 데이터, 가상 프로세스 결과 데이터, 및 기존 센서(11)의 물리 센서 데이터를 보존한다. 또한, 데이터베이스(106)는 이전에 시뮬레이션한 추가 센서(12)의 가상 센서 데이터 및 통계 해석 결과로 생성한 추가 센서(12)의 가상 센서 데이터를 보존하고 있다.
시뮬레이션 결과 판정부(110)는, 가상 센서 데이터와 기존 센서(11)의 물리 센서 데이터를 비교하여, 데이터베이스(106)에 보존된 동일한 측정 포인트의 가상 센서 데이터와 물리 센서 데이터가 동일한지의 여부를 판정한다. 또한, 시뮬레이션 결과 판정부(110)는, 이전에 시뮬레이션한 추가 센서(12)의 가상 센서 데이터 및 통계 해석 결과로 생성한 추가 센서(12)의 가상 센서 데이터를 비교 대상으로 하여, 동일한 측정 포인트의 가상 센서 데이터가 동일한지의 여부를 판정해도 좋다.
동일하지 않다고 판정하면, 시뮬레이션 결과 판정부(110)는 알고리즘에 따라 프로세스 파라미터를 조정한다. 시뮬레이션 실행부(108)는, 조정한 프로세스 파라미터의 조정량이 소정의 임계값을 초과하고 있지 않으면, 조정된 프로세스 파라미터로 갱신하여, 반도체 제조 장치(10)의 시뮬레이션 모델에 의한 시뮬레이션을 계속한다.
또한, 프로세스 파라미터의 조정량이 임계값을 초과하고 있으면, 시뮬레이션 실행부(108)는 프로세스 파라미터의 조정에 의한 최적화를 중지한다. 데이터베이스(106)에 보존된 동일한 측정 포인트의 가상 센서 데이터와 물리 센서 데이터가 동일하다고 판정하면, 시뮬레이션 결과 판정부(110)는 프로세스 파라미터의 조정을 불필요하다고 판정하고, 프로세스 파라미터를 조정하지 않고 프로세스를 종료한다.
프로세스 종료 후, 고객으로부터 막 두께, 시트 저항, 에칭률, 파티클 맵 데이터 등의 물리 프로세스 결과 데이터가 입력되면, 데이터베이스(106)에는 가상 프로세스 결과 데이터로서 보존된다.
도 14에 도시된 처리를 행한 통상 운용의 페이즈에서는, 가상 데이터와 물리 데이터를 비교하여, 프로세스 파라미터를 알고리즘에 따라 편집하면서, 사양의 입력 데이터에 대해, 최대의 성과를 만들어 내는 운용을 행한다. 또한, 도 14에 도시된 처리를 행한 통상 운용의 페이즈에서는, 1 RUN분의 지연이 발생하지만, 데이터베이스(106)에 보존되는 데이터가 증가함에 따라, 파선의 화살표로 나타낸 루프(Loop)의 기계 학습의 정밀도가 향상되어, RUN을 거듭할 때마다 최적의 프로세스 파라미터의 조정 등의 예측 제어의 정밀도가 향상된다.
도 15는 도 14에 나타낸 온도 관련의 시뮬레이션 모델의 작성 및 갱신의 처리로부터, 온도 카테고리를 발췌하여 나타내고 있다. 자율 제어 컨트롤러(13)의 시뮬레이션 실행부(108)는 반도체 제조 장치(10)에서 실행 중인 프로세스의 프로세스 파라미터를 취득한다. 시뮬레이션 실행부(108)는 취득한 프로세스 파라미터에 따라, 반도체 제조 장치(10)의 시뮬레이션 모델에 의한 시뮬레이션을 실행함으로써, 가상 온도 센서 데이터 및 가상 프로세스 결과 데이터를 출력한다.
또한, 기존 센서(11)는 측정 포인트의 온도를 측정하여, 측정 포인트의 물리 온도 센서 데이터로서 출력한다. 데이터베이스(106)는 출력된 가상 온도 센서 데이터, 가상 프로세스 결과 데이터, 및 기존 센서(11)의 물리 온도 센서 데이터를 보존한다.
또한, 데이터베이스(106)는 이전에 시뮬레이션한 가상 온도 센서 데이터를 보존한다. 시뮬레이션 결과 판정부(110)는, 데이터베이스(106)에 보존된 가상 온도 센서 데이터와 기존 센서(11)의 물리 온도 센서 데이터를 비교하여, 데이터베이스(106)에 보존된 동일한 측정 포인트의 가상 온도 센서 데이터와 물리 온도 센서 데이터가 동일한지의 여부를 판정한다.
또한, 시뮬레이션 결과 판정부(110)는, 이전에 시뮬레이션한 추가 센서(12)의 가상 센서 데이터 및 통계 해석 결과로 생성한 추가 센서(12)의 가상 센서 데이터를 비교 대상으로 하여, 동일한 측정 포인트의 가상 온도 센서 데이터가 동일한지의 여부를 판정해도 좋다.
동일하지 않다고 판정하면, 시뮬레이션 결과 판정부(110)는 알고리즘에 따라 프로세스 파라미터를 조정한다. 시뮬레이션 실행부(108)는 조정된 프로세스 파라미터(온도 파라미터)에 따라, 반도체 제조 장치(10)의 시뮬레이션 모델에 의한 시뮬레이션을 실행한다. 또한, 동일하다고 판정하면, 시뮬레이션 결과 판정부(110)는 프로세스 파라미터의 조정을 불필요하다고 판정하고, 프로세스 파라미터를 조정하지 않는다.
도 15에 도시된 처리에서는 가상 온도 센서 데이터와 물리 온도 센서 데이터를 비교한 결과에 기초하여, 알고리즘에 따라 최적의 프로세스 파라미터를 편집하고 있다. 또한, 가상 온도 센서는 반드시 기존 센서(11) 및 추가 센서(12)에 1 대 1로 대응하고 있지 않아도 좋다. 예컨대 가상 온도 센서는, 복수의 기존 센서(11) 및 추가 센서(12)의 물리 센서 데이터로부터 산출 가능한 데이터의 가상 온도 센서 데이터를 출력하는 가상 센서여도 좋다. 가상 온도 센서는, 리액터 내 온도 분포 센서, 웨이퍼 면내 온도 분포 센서, 웨이퍼 면간 온도 분포 센서, 또는 공급 가스 온도 센서 등이다.
그 외, 가상 센서의 일례로서는, 웨이퍼 면내/면간 온도 센서, 리액터 내의 가스 압력 분포 센서, 리액터 내의 가스 농도 분포 센서, 플라즈마 분포 센서, 리액터 내의 가스 유속과 유동 방향 센서, 공급 가스 온도 센서, 온도계와 습도계로부터 계산하는 노점계 센서, 리액터 내의 전체의 기류를 극히 적은 측정기로부터 예측하는 센서, 리액터 내의 산소 농도 분포를 극히 적은 측정기로부터 예측하는 센서, 진동에 의한 이상 지점 거리계 센서, 진동에 의한 재료 열화 센서 등이 있다.
가상 센서의 최적화는 예컨대 도 16에 도시된 바와 같이 행한다. 도 16은 가상 센서의 갱신의 처리를 나타낸 일례의 설명도이다. 도 16에서는 가상 센서의 일례인 가상 가스 농도 센서의 예를 나타내고 있다.
자율 제어 컨트롤러(13)의 시뮬레이션 실행부(108)는 반도체 제조 장치(10)에서 실행 중인 프로세스의 프로세스 파라미터를 취득한다. 시뮬레이션 실행부(108)는 취득한 프로세스 파라미터에 따라, 반도체 제조 장치(10)의 시뮬레이션 모델에 의한 시뮬레이션을 실행함으로써, 가상 센서 데이터 및 가상 프로세스 결과 데이터를 출력한다.
또한, 기존 센서(11)의 일례인 물리 온도 센서 및 물리 압력 센서는, 측정 포인트를 측정하여, 측정 포인트의 물리 온도 센서 데이터 및 물리 압력 센서 데이터로서 출력한다. 데이터베이스(106)는 출력된 가상 센서 데이터, 가상 프로세스 결과 데이터, 및 기존 센서(11)의 물리 센서 데이터를 보존한다. 또한, 데이터베이스(106)는 이전에 시뮬레이션한 가상 센서 데이터 및 통계 해석 결과로 생성한 가상 센서 데이터를 보존한다.
시뮬레이션 결과 판정부(110)는, 가상 센서 데이터와 기존 센서(11)의 물리 센서 데이터를 비교하여, 데이터베이스(106)에 보존된 동일한 측정 포인트의 가상 센서 데이터와 물리 센서 데이터가 동일한지의 여부를 판정한다. 또한, 시뮬레이션 결과 판정부(110)는, 이전에 시뮬레이션한 추가 센서(12)의 가상 센서 데이터 및 통계 해석 결과로 생성한 추가 센서(12)의 가상 센서 데이터를 비교 대상으로 하여, 동일한 측정 포인트의 가상 센서 데이터가 동일한지의 여부를 판정해도 좋다.
동일하지 않다고 판정하면, 시뮬레이션 결과 판정부(110)는 알고리즘에 따라 프로세스 파라미터(가스 농도 파라미터)를 조정한다. 시뮬레이션 실행부(108)는, 조정된 가스 농도 파라미터로 갱신하여, 반도체 제조 장치(10)의 시뮬레이션 모델에 의한 시뮬레이션을 계속한다.
데이터베이스(106)에 보존된 동일한 측정 포인트의 가상 센서 데이터와 물리 센서 데이터가 동일하다고 판정하면, 시뮬레이션 결과 판정부(110)는 가스 농도 파라미터의 조정을 불필요하다고 판정하고, 가상 센서의 최적화를 종료한다.
또한, 가상 공간 상에서의 가상 센서 동작을 포함하는 물리 현상은 시뮬레이션 모델로 결정된다. 대상의 반도체 제조 장치(10)의 사양 변경 시에는, 기본적으로 시뮬레이션 모델도 갱신된다. 그래서, 대상의 반도체 제조 장치(10)의 사양 변경 시에는, 도 16에 도시된 바와 같이 가상 센서에 관계되는 프로세스 파라미터를 최적화한다. 도 16에서는 통계 해석 결과로 얻어진 가상 센서 데이터도 활용하고 있다.
도 16에서는 프로세스 결과와, 온도 및 압력 관련의 센서 데이터에 기초하여, 가스 농도 파라미터의 갱신을, 물리 데이터와 가상 데이터의 비교 결과로부터 기계 학습의 알고리즘에 따라 자동으로 실행하고 있다. 물리 데이터와 가상 데이터가 일치한 시점에서, 대상의 반도체 제조 장치(10)의 가스 농도에 관한 가상 센서의 구축은 완료된다.
시뮬레이션 모델의 최적화는, 예컨대 도 17에 도시된 바와 같은 가상 공간 상에서의 시운전으로 행할 수 있다. 도 17은 시뮬레이션 모델의 갱신의 처리를 나타낸 일례의 설명도이다.
도 17의 처리에서는, 시뮬레이션 모델과 가상 센서를 이용하여 시뮬레이션 모델의 최적화를 실행하고, 이미 취득이 완료된 물리 프로세스 결과 데이터를 기초로, 프로세스 파라미터의 최적화를 가상 공간 상에서 행하고 있다. 도 17에서는, 교사 데이터를 갖는 기계 학습의 알고리즘에 따라, 시뮬레이션 모델의 최적화와 프로세스 파라미터의 최적화를 행한다. 또한, 가상 공간 상에서의 시운전의 횟수는 설정에 의해 지정 가능하게 해도 좋다.
또한, 시뮬레이션 모델의 갱신은, 대상의 반도체 제조 장치(10)의 사양 변경 시에 필수가 된다. 도 18은 대상의 반도체 제조 장치의 사양 변경 시의 시뮬레이션 모델의 갱신의 처리를 나타낸 일례의 설명도이다.
도 18의 처리에서는, 대상의 반도체 제조 장치(10)의 사양 변경 시, 대상의 반도체 제조 장치(10)의 시뮬레이션 모델이 이미 시뮬레이션 모델 라이브러리에 보존되어 있으면, 기존의 시뮬레이션 모델을 재이용한다.
또한, 대상의 반도체 제조 장치(10)의 시뮬레이션 모델이 이미 시뮬레이션 모델 라이브러리에 보존되어 있지 않으면, 새롭게 시뮬레이션 모델을 작성한다. 작성한 시뮬레이션 모델의 검증은, 평가 프로세스 파라미터와, 그 평가 프로세스 파라미터에 따라 시뮬레이션을 실행한 결과인 가상 데이터와, 이미 명확히 한 물리 데이터를 기초로 행한다. 또한, 새롭게 작성한 시뮬레이션 모델은 대상의 반도체 제조 장치(10)를 이용한 프로세스의 실행에 의해, 정확성을 확인 후에, 인스톨 및 라이브러리에의 등록을 행하도록 해도 좋다.
또한, 시뮬레이션 모델의 갱신은, 프로세스의 사양 변경 시에 필수가 된다. 프로세스의 사양 변경 시의 시뮬레이션 모델의 갱신의 처리도, 일부를 제외하고 도 18과 동일하다.
예컨대 프로세스의 사양 변경 시의 시뮬레이션 모델의 갱신의 처리에서는, 작성한 시뮬레이션 모델의 검증을, 이미 명확히 한 물리 데이터를 기초로 행한다. 또한, 새롭게 작성한 시뮬레이션 모델은, 대상의 반도체 제조 장치(10)를 이용한 프로세스의 실행에 의해, 정확성을 확인 후에, 인스톨 및 라이브러리에의 등록을 행하도록 해도 좋다.
메인터넌스 시기 사전 검지는, 예컨대 도 19에 도시된 바와 같이 행한다. 도 19는 메인터넌스 시기 사전 검지의 처리를 나타낸 일례의 설명도이다. 자율 제어 컨트롤러(13)의 시뮬레이션 실행부(108)는 반도체 제조 장치(10)에서 실행 중인 프로세스의 프로세스 파라미터를 취득한다.
시뮬레이션 실행부(108)는 취득한 프로세스 파라미터에 따라, 반도체 제조 장치(10)의 시뮬레이션 모델에 의한 시뮬레이션을 실행함으로써, 가상 센서 데이터 및 가상 프로세스 결과 데이터를 출력한다.
시뮬레이션 결과 판정부(110)는, 가상 센서 데이터와 기존 센서(11)의 물리 센서 데이터를 비교하여, 데이터베이스(106)에 보존된 동일한 측정 포인트의 가상 센서 데이터와 물리 센서 데이터가 동일한지의 여부를 판정한다. 또한, 시뮬레이션 결과 판정부(110)는, 이전에 시뮬레이션한 추가 센서(12)의 가상 센서 데이터 및 통계 해석 결과로 생성한 추가 센서(12)의 가상 센서 데이터를 비교 대상으로 하여, 동일한 측정 포인트의 가상 센서 데이터가 동일한지의 여부를 판정해도 좋다.
동일하다고 판정하면, 시뮬레이션 결과 판정부(110)는 이상 없음이라고 판정하여 처리를 종료한다. 동일하지 않다고 판정하면, 시뮬레이션 결과 판정부(110)는, 비교한 가상 센서 데이터와 물리 센서 데이터의 차이가, 임계값을 초과하고 있는지의 여부를 판정한다.
임계값을 초과하고 있지 않으면, 시뮬레이션 결과 판정부(110)는 수명 예측 알고리즘에 따라 수명 예측을 행하여, 경보(alert)가 필요한지의 여부를 판정한다. 또한, 수명 예측 알고리즘은 기계 학습이나 통계 해석 소프트웨어 등에 의해 생성한다. 경보가 필요하지 않다고 판정하면, 시뮬레이션 결과 판정부(110)는 처리를 종료한다.
경보가 필요하다고 판정하면, 시뮬레이션 결과 판정부(110)는 메인터넌스 시기 사전 경보의 처리를 개시한다. 또한, 비교한 가상 센서 데이터와 물리 센서 데이터의 차이가, 임계값을 초과하고 있는 경우에도, 시뮬레이션 결과 판정부(110)는 메인터넌스 시기 사전 경보의 처리를 개시한다.
메인터넌스 시기 사전 경보의 처리에서는, 경보가 필요한 부품 또는 모듈이 시뮬레이션 결과 판정부(110)에 의해 특정된다. 시뮬레이션 결과 판정부(110)는 경보가 필요로 하여 특정한 부품 또는 모듈의 예방 보전(PM) 정보를, 프로덕트 데이터나 부품 정보 등으로부터 특정한다. 시뮬레이션 결과 판정부(110)는 특정한 예방 보전 정보에 기초하여, 경보가 필요로 하여 특정한 부품 또는 모듈의 메인터넌스 시기를 통지한다.
[실시예 2]
실시예 2는, 실시예 1의 구조를 이용하여, 대상의 반도체 제조 장치(10)의 생산성 향상, 에너지 절약, 및 생산성 향상과 예방 보전 검지의 밸런스를 도모하는 것이다.
도 20은 대상의 반도체 제조 장치의 생산성 향상의 처리를 나타낸 일례의 설명도이다. 도 20에서는 대상의 반도체 제조 장치(10)의 생산성 향상의 처리의 일례로서 웨이퍼 이송 소요 시간의 단축의 예를 도시하고 있다.
대상의 반도체 제조 장치(10)에서는, 예컨대 매일, 1%씩 웨이퍼 이송 소요 시간을 단축하기 위해서, 스피드 업 가능한 메커니컬 부품이 있으면 가능한 범위에서 프로세스 파라미터의 최적화를 행하여, 생산성을 향상시킨다. 또한, 생산성 향상의 한계는 예컨대 시뮬레이션 모델에 의한 한계의 판정이나, 예방 보전 정보에 기초한 경보 등에 의해 판단할 수 있다.
예컨대 도 20에서는 대상의 반도체 제조 장치(10)의 메커니컬 부품으로부터 스피드 업에 대한 마진이 있는 메커니컬 부품을 서치하여, 생산성 향상의 한계까지 스피드 업을 도모한다. 본 실시예에서는, 예컨대 시뮬레이션 모델에 의한 한계의 판정이나, 예방 보전 정보에 기초한 경보 등에 의해, 생산성 향상의 한계까지 스피드 업을 도모할 수 있기 때문에, 크게 생산성을 향상시키는 것이 가능해진다. 또한, 생산성의 향상(최대화)의 개선도는 선택 가능하게 하는 것이 바람직하다.
또한, 본 실시예에서는, 예컨대 시뮬레이션 모델에 의한 한계의 판정이나, 예방 보전 정보에 기초한 경보 등에 의해, 대상의 반도체 제조 장치(10)의 가동률의 최대화를 달성하면서, 생산성을 향상시킬 수 있다.
도 21은 대상의 반도체 제조 장치의 에너지 절약의 처리를 나타낸 일례의 설명도이다. 대상의 반도체 제조 장치(10)에서는, 가스나 전력의 소비를 줄여 에너지 절약을 실현하기 위해서, 가능한 범위에서 프로세스 파라미터의 최적화를 행한다.
예컨대 도 21에서는 대상의 반도체 제조 장치(10)의 프로세스 파라미터가 소정의 임계값을 초과하지 않는 범위에서, 프로세스 파라미터를 조정하여, 가스나 전력의 소비를 줄여 에너지 절약을 실현하고 있다. 이와 같이, 본 실시예에서는, 대상의 반도체 제조 장치(10)의 가동률의 최대화를 달성하면서, 에너지 절약을 실현할 수 있다.
또한, 도 19의 메인터넌스 시기 사전 검지의 처리와, 도 20의 대상의 반도체 제조 장치의 생산성 향상의 처리를 조합함으로써, 본 실시예에서는 생산성 향상과 예방 보전 검지의 밸런스를 도모하는 것도 가능하다. 도 19와 도 20을 조합하는 경우, 도 20에 있어서 스피드 업을 위해서 최적된 프로세스 파라미터는 도 19의 시뮬레이션 실행부(108)의 프로세스 파라미터로서 이용된다.
본 실시예에 의하면, 작업자의 경험이나 감으로 행해지고 있었던 프로세스 파라미터의 최적화를 자동화할 수 있고, 반도체 제조 장치(10)에서 실행 중인 프로세스의 프로세스 상태를 가시화할 수 있다.
이상, 본 발명의 바람직한 실시예에 대해 상세히 설명하였으나, 본 발명은 전술한 실시예에 제한되는 일은 없고, 본 발명의 범위를 일탈하지 않고, 전술한 실시예에 여러 가지의 변형 및 치환을 가할 수 있다. 예컨대 본 실시형태에서는, 열처리 성막 장치를 일례로서 설명하였으나, CVD(화학적 기상 성장)법, 열산화법, ALD(원자층 퇴적)법 등의 배치(batch) 성막 장치에의 적용도 가능하다.

Claims (10)

  1. 반도체 제조 장치에서 실행 중인 프로세스 상태의 시뮬레이션을, 상기 반도체 제조 장치의 시뮬레이션 모델을 이용하여 실행하는 정보 처리 시스템으로서,
    프로세스 파라미터에 따라 프로세스를 실행 중인 상기 반도체 제조 장치에서 측정된 물리 센서 데이터를 취득하는 물리 센서 데이터 취득부와,
    상기 프로세스 파라미터에 따라 상기 시뮬레이션 모델에 의한 시뮬레이션을 실행하여 가상 센서 데이터 및 가상 프로세스 결과 데이터를 산출하는 시뮬레이션 실행부와,
    상기 물리 센서 데이터, 상기 가상 센서 데이터, 및 상기 가상 프로세스 결과 데이터를 이용하여, 상기 프로세스의 실행 중에, 상기 반도체 제조 장치의 프로세스 상태를 가시화하여 표시부에 표시시키는 표시 제어부
    를 갖는 정보 처리 시스템.
  2. 제1항에 있어서, 상기 물리 센서 데이터와, 상기 가상 센서 데이터가 근사하도록, 상기 프로세스 파라미터를 조정하는 프로세스 파라미터 조정부
    를 더 갖는 정보 처리 시스템.
  3. 제1항 또는 제2항에 있어서, 상기 프로세스 파라미터에 따른 프로세스를 실행한 후의 물리 프로세스 결과 데이터와, 상기 시뮬레이션 실행부에 의해 산출된 상기 가상 프로세스 결과 데이터가 근사하고, 상기 물리 센서 데이터와, 상기 가상 센서 데이터가 근사하도록, 상기 시뮬레이션 모델을 작성 또는 갱신하는 시뮬레이션 모델 편집부
    를 더 갖는 정보 처리 시스템.
  4. 제3항에 있어서, 상기 시뮬레이션 모델 편집부는, 복수 대의 상기 반도체 제조 장치의 상기 물리 프로세스 결과 데이터, 상기 가상 프로세스 결과 데이터, 상기 물리 센서 데이터, 및 상기 가상 센서 데이터를 이용하여, 상기 시뮬레이션 모델을 작성 또는 갱신하는 것
    을 특징으로 하는 정보 처리 시스템.
  5. 제1항 내지 제4항 중 어느 한 항에 있어서, 상기 프로세스 파라미터에 따른 프로세스를 실행한 후의 물리 프로세스 결과 데이터와, 상기 시뮬레이션 실행부에 의해 산출된 상기 가상 프로세스 결과 데이터의 차이, 또는 상기 물리 센서 데이터와, 상기 가상 센서 데이터의 차이 중 적어도 한쪽에 기초하여, 상기 반도체 제조 장치의 고장 사전 검지를 행하는 고장 사전 검지부
    를 더 갖는 정보 처리 시스템.
  6. 제5항에 있어서, 상기 고장 사전 검지부는, 상기 물리 프로세스 결과 데이터와 상기 가상 프로세스 결과 데이터의 차이, 또는 상기 물리 센서 데이터와 상기 가상 센서 데이터의 차이를 감시하고, 기지(旣知)의 고장 시의 상기 물리 프로세스 결과 데이터와 상기 가상 프로세스 결과 데이터의 차이, 또는 상기 물리 센서 데이터와 상기 가상 센서 데이터의 차이로부터 학습한 고장 패턴을 이용하여 상기 반도체 제조 장치의 고장 사전 검지를 행하는 것
    을 특징으로 하는 정보 처리 시스템.
  7. 제2항에 있어서, 상기 프로세스 파라미터 조정부는, 사용자에게 지정된 물리 프로세스 결과 데이터가 되도록, 상기 물리 프로세스 결과 데이터에 근사한 상기 가상 프로세스 결과 데이터가 되는 상기 프로세스 파라미터를 결정하는 것
    을 특징으로 하는 정보 처리 시스템.
  8. 제1항 내지 제7항 중 어느 한 항에 있어서, 상기 표시 제어부는, 상기 가상 프로세스 결과 데이터에 의한 상기 반도체 제조 장치의 프로세스 상태와, 상기 프로세스 파라미터에 따른 프로세스를 실행한 후의 물리 프로세스 결과 데이터에 의한 상기 반도체 제조 장치의 프로세스 상태를 비교할 수 있는 형태로 표시하는 것
    을 특징으로 하는 정보 처리 시스템.
  9. 제1항 내지 제8항 중 어느 한 항에 있어서, 상기 표시 제어부는, 상기 반도체 제조 장치의 프로세스 상태를 가시화하여 표시부에 표시시킬 때에, 상기 물리 센서 데이터의 측정 포인트 및 상기 가상 센서 데이터의 측정 포인트를 가시화하여 표시부에 표시시키는 것
    을 특징으로 하는 정보 처리 시스템.
  10. 정보 처리 시스템이, 반도체 제조 장치에서 실행 중인 프로세스 상태의 시뮬레이션을, 상기 반도체 제조 장치의 시뮬레이션 모델을 이용하여 실행하는 시뮬레이션 방법으로서,
    프로세스 파라미터에 따라 프로세스를 실행 중인 상기 반도체 제조 장치에서 측정된 물리 센서 데이터를 취득하는 공정과,
    상기 프로세스 파라미터에 따라 상기 시뮬레이션 모델에 의한 시뮬레이션을 실행하여 가상 센서 데이터 및 가상 프로세스 결과 데이터를 산출하는 공정과,
    상기 물리 센서 데이터, 상기 가상 센서 데이터, 및 상기 가상 프로세스 결과 데이터를 이용하여, 상기 프로세스의 실행 중에, 상기 반도체 제조 장치의 프로세스 상태를 가시화하여 표시부에 표시시키는 공정
    을 포함하는 시뮬레이션 방법.
KR1020210018892A 2020-02-20 2021-02-10 정보 처리 시스템 및 시뮬레이션 방법 KR20210106357A (ko)

Applications Claiming Priority (2)

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
JPJP-P-2020-027142 2020-02-20

Publications (1)

Publication Number Publication Date
KR20210106357A true KR20210106357A (ko) 2021-08-30

Family

ID=77366188

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210018892A KR20210106357A (ko) 2020-02-20 2021-02-10 정보 처리 시스템 및 시뮬레이션 방법

Country Status (3)

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

Families Citing this family (13)

* 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
US12001197B2 (en) * 2021-04-14 2024-06-04 Applied Materials, Inc. Eco-efficiency (sustainability) dashboard for semiconductor manufacturing
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 (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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

Family Cites Families (14)

* 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
US8032348B2 (en) * 2003-09-30 2011-10-04 Tokyo Electron Limited System and method for using first-principles simulation to facilitate a semiconductor manufacturing process
US8036869B2 (en) * 2003-09-30 2011-10-11 Tokyo Electron Limited System and method for using first-principles simulation to control a semiconductor manufacturing process via a simulation result or a derived empirical model
US7212878B2 (en) * 2004-08-27 2007-05-01 Tokyo Electron Limited Wafer-to-wafer control using virtual modules
US20060187466A1 (en) * 2005-02-18 2006-08-24 Timbre Technologies, Inc. Selecting unit cell configuration for repeating structures in optical metrology
JP5732843B2 (ja) * 2010-12-21 2015-06-10 ソニー株式会社 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
JP5802691B2 (ja) * 2013-02-15 2015-10-28 東京エレクトロン株式会社 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
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
US9792393B2 (en) * 2016-02-08 2017-10-17 Lam Research Corporation Methods and apparatuses for etch profile optimization by reflectance spectra matching and surface kinetic model optimization
KR102540941B1 (ko) * 2017-06-18 2023-06-05 코벤터, 인크. 가상 반도체 디바이스 제조 환경에서 키 파라미터 식별, 프로세스 모델 캘리브레이션 및 가변성 분석을 위한 시스템 및 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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

Also Published As

Publication number Publication date
JP2021132140A (ja) 2021-09-09
US20210264076A1 (en) 2021-08-26
JP7325356B2 (ja) 2023-08-14

Similar Documents

Publication Publication Date Title
KR20210106357A (ko) 정보 처리 시스템 및 시뮬레이션 방법
US8050900B2 (en) System and method for using first-principles simulation to provide virtual sensors that facilitate a semiconductor manufacturing process
US8073667B2 (en) System and method for using first-principles simulation to control a semiconductor manufacturing process
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
US8296687B2 (en) System and method for using first-principles simulation to analyze a process performed by a semiconductor processing tool
US8032348B2 (en) System and method for using first-principles simulation to facilitate a semiconductor manufacturing process
JP6778666B2 (ja) 探索装置及び探索方法
JP7137943B2 (ja) 探索装置、探索方法及びプラズマ処理装置
JP4874678B2 (ja) 半導体製造装置の制御方法、および半導体製造装置の制御システム
KR20220092795A (ko) 정보 처리 장치, 정보 처리 시스템 및 부품 발주 방법
US20210048794A1 (en) Information processing device, program, process treatment executing device, and information processing system
US20220391562A1 (en) Information processing apparatus, simulation method, and information processing system
KR20230132362A (ko) 반도체 제조 장비의 디지털 트윈들 (digital twins) 생성
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
CN115599037B (zh) 一种基因检测实验室设备自动化监控方法
CN118013793A (zh) 一种晶体生长方法、系统、装置以及存储介质
WO2024025842A1 (en) Generating indications of learning of models for semiconductor processing

Legal Events

Date Code Title Description
A201 Request for examination