WO2019131608A1 - 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
WO2019131608A1
WO2019131608A1 PCT/JP2018/047519 JP2018047519W WO2019131608A1 WO 2019131608 A1 WO2019131608 A1 WO 2019131608A1 JP 2018047519 W JP2018047519 W JP 2018047519W WO 2019131608 A1 WO2019131608 A1 WO 2019131608A1
Authority
WO
WIPO (PCT)
Prior art keywords
data
feature space
group
proxel
semiconductor manufacturing
Prior art date
Application number
PCT/JP2018/047519
Other languages
English (en)
French (fr)
Inventor
鈴木　淳司
隆彦 加藤
Original Assignee
東京エレクトロン株式会社
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 東京エレクトロン株式会社 filed Critical 東京エレクトロン株式会社
Priority to KR1020207021044A priority Critical patent/KR20200100784A/ko
Priority to JP2019561703A priority patent/JP6956806B2/ja
Priority to CN201880083796.8A priority patent/CN111527486A/zh
Priority to US16/957,958 priority patent/US11789981B2/en
Priority to EP18893557.1A priority patent/EP3734467B1/en
Publication of WO2019131608A1 publication Critical patent/WO2019131608A1/ja

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
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G06F16/285—Clustering or classification
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/248—Presentation of query results
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/906—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/10—Pre-processing; Data cleansing
    • G06F18/15—Statistical pre-processing, e.g. techniques for normalisation or restoring missing data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/2163—Partitioning the feature space
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/231—Hierarchical techniques, i.e. dividing or merging pattern sets so as to obtain a dendrogram
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/24765—Rule-based classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/24—Character recognition characterised by the processing or recognition method
    • G06V30/242—Division of the character sequences into groups prior to recognition; Selection of dictionaries
    • 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
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • 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
    • G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
    • 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

Definitions

  • the present invention relates to a data processing device, a data processing method, and a program.
  • data processing apparatuses which collect data used or measured in various manufacturing processes (for example, semiconductor manufacturing processes) and perform various analyzes. By analyzing the collected data using the data processing apparatus, modeling of the manufacturing process, execution of simulation processing, and the like can be performed, and optimization of the manufacturing process and improvement of the product quality can be achieved.
  • modeling the manufacturing process is time consuming and costly. Moreover, in order to improve simulation accuracy, it is necessary to build a model individually for each manufacturing facility, and even if the manufacturing process is the same type, if the manufacturing facilities are different, it is necessary to reconstruct the model. is there. As described above, data processing performed by a conventional data processing apparatus on data collected in a manufacturing process is time-consuming and costly, but has a problem of lack of versatility.
  • the present invention aims to realize versatile data processing on data collected in a manufacturing process.
  • the data processing device Calculation means for collecting a data group associated with a predetermined step in the process and calculating an effect in the predetermined step for each data group; A division unit that divides the feature space so that the distribution in the feature space of each of a plurality of data groups associated with the predetermined step is classified according to the calculated effects; And output means for outputting specific data for specifying each region of the divided feature space.
  • FIG. 1 is a diagram showing an example of the entire configuration of a data processing system.
  • FIG. 2 is a diagram showing a specific example of a data group handled by each business establishment.
  • FIG. 3 is a diagram for explaining an outline of analysis result data stored in the analysis result storage unit.
  • FIG. 4 is a diagram showing an example of the hardware configuration of the data processing apparatus.
  • FIG. 5 is a diagram illustrating an example of a functional configuration of the data analysis unit.
  • FIG. 6 is a diagram illustrating a specific example of processing of the effect calculation unit.
  • FIG. 7 is a diagram showing an example of a data group stored in the data storage unit.
  • FIG. 8 is a diagram illustrating a specific example of processing of the classification unit.
  • FIG. 1 is a diagram showing an example of the entire configuration of a data processing system.
  • FIG. 2 is a diagram showing a specific example of a data group handled by each business establishment.
  • FIG. 3 is a diagram for explaining an outline of analysis result data stored in the
  • FIG. 9 is a diagram showing an example of Proxel calculated by the Proxel calculation unit.
  • FIG. 10 is a first flowchart showing a flow of Proxel calculation processing by the classification unit and the Proxel calculation unit.
  • FIG. 11 is a first diagram for explaining the advantage of calculating Proxel.
  • FIG. 12 is a second diagram for explaining the advantage of calculating Proxel.
  • FIG. 13 is a third diagram for explaining the advantage of calculating Proxel.
  • FIG. 14 is a second flowchart showing the flow of the Proxel calculation process by the classification unit and the Proxel calculation unit.
  • FIG. 1 is a diagram showing an example of the entire configuration of a data processing system.
  • the data processing apparatus 110 and the terminals 121, 131, 141 in the business establishments 120, 130, 140 are communicably connected via the network 150.
  • a data analysis program is installed in the data processing apparatus 110, and the data processing apparatus 110 functions as a data analysis unit 111 by executing the data analysis program.
  • the data analysis unit 111 is a group of data from the terminals 121, 131, 141 in each business office 120, 130, 140 (in the example of FIG. 1, initial data, setting data, output data, measurement data, experimental data, target data) Are collected via the network 150.
  • the data analysis unit 111 stores the collected data group in the data storage unit 112.
  • the method of collecting the data group is not limited to this.
  • the administrator of the data processing apparatus 110 acquires the recording medium in which the data group is recorded from each business office 120, 130, 140, and the recording medium
  • the data group may be collected by reading out the data group from.
  • the data analysis unit 111 analyzes the data group stored in the data storage unit 112, and stores analysis result data in the analysis result storage unit 113.
  • a measuring device that measures measurement data in the semiconductor manufacturing process
  • an experimental value measuring device that measures experimental data on the product (semiconductor or intermediate product) manufactured in the semiconductor manufacturing process. included.
  • a terminal 121 configuring the data processing system 100 and a database storing a data group are included.
  • the semiconductor manufacturing apparatus executes a semiconductor manufacturing process based on the initial data, setting data, and target data input from the terminal 121.
  • the semiconductor manufacturing apparatus stores output data obtained by executing a semiconductor manufacturing process in a database in association with initial data, setting data, and target data.
  • the measuring device measures measurement data during execution of a semiconductor manufacturing process by the semiconductor manufacturing apparatus and stores the measurement data in a database.
  • the experimental value measuring device measures experimental data on the product (semiconductor or intermediate product) manufactured in the semiconductor manufacturing process, and stores it in the database.
  • the terminal 121 inputs initial data, setting data, and target data used when the semiconductor manufacturing apparatus executes a semiconductor manufacturing process, and sets the data in the semiconductor manufacturing apparatus. Also, the terminal 121 transmits the data group (initial data collected in the semiconductor manufacturing process, setting data, output data, measurement data, experimental data, target data) stored in the database to the data processing apparatus 110.
  • the business establishment 130 does not include the experimental value measuring device.
  • the business site 140 does not include a measuring device and an experimental value measuring device.
  • the item of the information of the data group transmitted to the data processing apparatus 110 from each of the terminals 121, 131, and 141 in each business office 120, 130, 140 is also It is different.
  • the data group transmitted from the terminal 131 in the business establishment 130 does not include experimental data (or part thereof).
  • the data group transmitted from the terminal 141 of the business office 140 does not include measurement data and experimental data (or part of them).
  • FIG. 2 is a diagram showing a specific example of a data group handled by each business establishment.
  • the data group handled by the business establishment 120 will be described.
  • step refers to the smallest processing unit that changes the state (attribute of the processing object, the state of the semiconductor manufacturing apparatus, the atmosphere in the semiconductor manufacturing apparatus, etc.) in the semiconductor manufacturing process. . Therefore, when the state changes with the passage of time, in this embodiment, it is regarded as separate steps before and after the passage of time.
  • the data group 201 includes “initial data (I)”, “setting data (R)”, “output data (E)”, “measurement data (Pl)”, “items of information” as items of information.
  • the “initial data (I)” includes initial data input from the terminal 121 in the business office 120.
  • initial data is ⁇ Initial CD (critical dimensions) (critical dimension) ⁇ Material (material) ⁇ Thickness (Thickness) ⁇ Aspect ratio (aspect ratio) ⁇ Mask coverage (mask coverage) Etc. are included.
  • the “setting data (R)” includes setting data input from the terminal 121 in the business office 120 and set in the semiconductor manufacturing apparatus.
  • the setting data set in the semiconductor manufacturing apparatus is data depending on the characteristics of the semiconductor manufacturing apparatus. In the case of a semiconductor manufacturing process, the setting data is ⁇ Pressure (pressure in the chamber) ⁇ Power (power of high frequency power supply) ⁇ Gas (gas flow rate) Temperature (temperature in the chamber or the temperature of the substrate surface) Etc. are included.
  • the output data output from the semiconductor manufacturing apparatus is data dependent on the characteristics of the semiconductor manufacturing apparatus.
  • the output data is ⁇ Vpp (potential difference) ⁇ Vdc (DC self bias voltage) ⁇ OES (emission intensity by emission spectroscopy) ⁇ Reflect (reflected wave power) ⁇ Top DCS current (detected value by Doppler velocimeter) Etc. are included.
  • the experimental data measured by the experimental value measuring device is data which does not depend on the characteristics of the semiconductor manufacturing apparatus.
  • experimental data ⁇ Etching rate ⁇ Deposition rate ⁇ XY position (XY coordinates) ⁇ Film type (thin film type) ⁇ Vertical / Lateral (vertical / horizontal division) Etc. are included.
  • the “target data (Pf)” includes the target data input from the terminal 121 in the business office 120.
  • the target data is ⁇ CD (limit dimension) ⁇ Depth -Taper (taper angle) ⁇ Tilting (tilt angle) ⁇ Bowing (Bowing) Etc. are included.
  • the data group shown in FIG. 2 is an example, and the types of data included in the items of each information are not limited to those illustrated.
  • the data group includes items of information different for each business office, each process, each step, and different types of data.
  • FIG. 3 is a diagram for explaining an outline of analysis result data stored in the analysis result storage unit.
  • step name “STEP 1”
  • a data group associated with the step is included.
  • the data processing apparatus 110 analyzes a plurality of data groups of the same process and the same step, and groups data groups that can obtain the same effect.
  • the semiconductor manufacturing apparatus even when the same process and the same step are performed, different results may be obtained because the data included in the data group is different. Therefore, by grouping data groups that can obtain the same effect and calculating specific data that specifies each group, the range of each data included in the data group that is permitted to obtain the same effect is calculated. can do.
  • groups 311 to 314 are groups obtained by grouping data groups that can obtain the same effect among the data groups 301.
  • the specific data (range of each data) specified by the same process, the same step, and the same effect can be said to be the smallest data unit giving the same change in "state" in the semiconductor manufacturing process. it can. That is, the specific data (the range of each data) specified by the group can be said to be the smallest data unit in the microfabrication in the semiconductor manufacturing process.
  • Process Element the smallest data unit (Process Element) in microfabrication in the semiconductor manufacturing process is referred to as "Proxel” in the first embodiment. It is the same name as calling the smallest unit of an image (Picture Element) “Pixel” and the smallest unit of a volume (Volume Element) "voxel”.
  • the data analysis unit 111 analyzes “Proxel” by analyzing the collected data group, and stores “Proxel” in the analysis result storage unit 113 as analysis result data.
  • FIG. 4 is a diagram showing an example of the hardware configuration of the data processing apparatus.
  • the data processing apparatus 110 includes a central processing unit (CPU) 401, a read only memory (ROM) 402, and a random access memory (RAM) 403.
  • the CPU 401, the ROM 402, and the RAM 403 form a so-called computer.
  • the data processing device 110 includes an auxiliary storage device 404, an operation device 405, a display device 406, an I / F (Interface) device 407, and a drive device 408.
  • the hardware units of the data processing unit 110 are connected to one another via a bus 409.
  • the CPU 401 executes various programs (for example, data analysis program etc.) installed in the auxiliary storage device 404.
  • the ROM 402 is a non-volatile memory and functions as a main storage device.
  • the ROM 402 stores various programs, data, and the like necessary for the CPU 401 to execute various programs installed in the auxiliary storage device 404.
  • the ROM 402 stores a boot program such as BIOS (Basic Input / Output System) or EFI (Extensible Firmware Interface).
  • the RAM 403 is a volatile memory such as a dynamic random access memory (DRAM) or a static random access memory (SRAM), and functions as a main storage device.
  • the RAM 403 provides a work area which is expanded when the various programs installed in the auxiliary storage device 404 are executed by the CPU 401.
  • the auxiliary storage device 404 stores various programs, a data group collected when the various programs are executed by the CPU 401, and analysis result data calculated.
  • the data storage unit 112 and the analysis result storage unit 113 are realized by the auxiliary storage device 404.
  • the operation device 405 is an input device used when an administrator of the data processing device 110 inputs various instructions to the data processing device 110.
  • the display device 406 is a display device that displays internal information of the data processing device 110.
  • the I / F device 407 is a connection device for connecting to the network 150 and communicating with the terminals 121, 131, 141 in the respective business establishments 120, 130, 140.
  • the drive device 408 is a device for setting the recording medium 410.
  • the recording medium 410 includes a medium for optically, electrically or magnetically recording information, such as a CD-ROM, a flexible disk, a magneto-optical disk or the like.
  • the recording medium 410 may also include a semiconductor memory or the like that electrically records information, such as a ROM, a flash memory, or the like.
  • the various programs installed in the auxiliary storage device 404 are installed by, for example, the distributed recording medium 410 being set in the drive device 408 and the various programs recorded in the recording medium 410 being read by the drive device 408 Be done.
  • various programs installed in the auxiliary storage device 404 may be installed by being downloaded via the network 150.
  • FIG. 5 is a diagram illustrating an example of a functional configuration of the data analysis unit.
  • the data analysis unit 111 includes a collection unit 510, an effect calculation unit 520, a classification unit 530, and a Proxel calculation unit 540.
  • the collection unit 510 collects the data group 301 (for example, the data group 201 or the like) from the terminals 121, 131, and 141 in the business establishments 120, 130, and 140 via the network 150.
  • the data group 301 for example, the data group 201 or the like
  • the effect calculation unit 520 is an example of calculation means, and calculates an effect for each collected data group. It is assumed that the effect calculating unit 520 has acquired, for each of the collected data groups, data indicating a corresponding process, a state before the corresponding step is performed, and data indicating a state after the corresponding step. Use data to calculate changes in the state before and after execution as an effect. In addition, the effect calculation unit 520 stores the calculated effect in the data storage unit 112 as a data group together with setting data, output data, measurement data, and experimental data.
  • the classification unit 530 is an example of a division unit, reads out each of the plurality of data groups stored in the data storage unit 112, and analyzes the distribution in the feature space. If the type of data included in each data group is K types, the classification unit 530 analyzes the distribution of the data group in the K-dimensional feature space.
  • the classification unit 530 groups data groups that can obtain the same effect for the plurality of read data groups. Further, the classification unit 530 divides the K-dimensional feature space such that data groups distributed in the feature space are classified by group.
  • the Proxel calculating unit 540 is an example of an output unit.
  • the Proxel calculation unit 540 calculates Proxel by calculating the range (specific data specified by a group) of K types of data of each region of the K-dimensional feature space divided by the classification unit 530, and the analysis result The data is stored in the analysis result storage unit 113 as data.
  • FIG. 6 is a diagram illustrating a specific example of processing of the effect calculation unit.
  • process name “process I”
  • step name “STEP1”
  • the semiconductor manufacturing apparatus in which the setting data is set executes a predetermined step of a predetermined semiconductor manufacturing process
  • the state before execution attributetes of the processing object before execution, the state of the semiconductor manufacturing apparatus, the inside of the semiconductor manufacturing apparatus
  • the atmosphere of any changes after the run can be specified by output data, measurement data, and experimental data.
  • the effect at a predetermined step of a predetermined semiconductor manufacturing process is Data indicating a state before execution (first data), Data indicating a state after execution (second data), Can be represented by the difference of
  • the effect calculation unit 520 acquires data indicating a state before execution and data indicating a state after execution, corresponding to each data group for each process and each step. For example, data groups respectively included in output data, measurement data, and experimental data are divided into data changed by execution of a predetermined step and others, and data changed is data indicating a state before execution. And is acquired as data indicating the state after execution. Also, other data is acquired as data specifying the execution status.
  • the effect calculation unit 520 stores the calculated effect in the data storage unit 112 as a data group in association with the setting data, the output data, the measurement data, and the experimental data.
  • FIG. 7 is a view showing an example of a data group stored in the data storage unit.
  • the data group stored in the data storage unit 112 by the effect calculation unit 520 includes “data group identifier”, “setting data (R)”, and “output data (E)” as items of information. “,” Measurement data (Pl) “,” experimental data (Pr) “,” effect "are included.
  • the “data group identifier” is an identifier for identifying each data group.
  • the items of each information from “setting data (R)” to “experimental data (Pr)” are initial data (I) among data groups collected from each business establishment 120, 130, 140 (see FIG. 2). And the target data (Pf) are stored.
  • the “effect” stores the effect calculated by the effect calculation unit 520.
  • FIG. 8 is a diagram illustrating a specific example of processing of the classification unit.
  • the classification unit 530 reads out a plurality of data groups stored in the data storage unit 112 for each process and for each step, and plots them in the feature space 800.
  • solid-line circles in which numbers are described indicate one of a plurality of read data groups, and numbers in the solid-line circles indicate data group identifiers of the data groups. ing.
  • the feature space 800 is two-dimensional in order to simplify the description (that is, two types of data (data type p, data type q) included in the data group are plotted). It shows the situation).
  • the solid line circles in which these data group identifiers are described are distributed close to each other in the feature space 800, but they do not overlap completely. That is, although the data groups identified by the respective data group identifiers are similar to one another, they are not completely identical.
  • the plurality of data groups grouped by the dotted circle 801 in the feature space 800 are data groups for which the effect ⁇ 1> can be obtained even if the process I or STEP 1 is executed under any data group. .
  • the data group identified by the data group identifier described in each solid line circle included in the dotted line circle 802 is any of the processes I and STEP 1 executed under each data group It is a data group from which an effect ⁇ 2> is obtained.
  • the data group identified by the data group identifier described in the solid line circle included in the dotted line circle 803 is effective when the process I and STEP 1 are executed under the data group ⁇ 2>. Is a group of data that can be obtained.
  • the classification unit 530 divides the feature space such that each data group distributed in the feature space is classified by group.
  • the classification unit 530 divides the feature space, for example, by performing a clustering process on each data group distributed in the K-dimensional feature space using the “effect” as an index.
  • the Proxel calculation unit 540 calculates Proxel by calculating the range of each data of each area of the feature space divided by the classification unit 530 (specific data specified by a group).
  • FIG. 9 is a diagram showing an example of Proxel calculated by the Proxel calculation unit.
  • the Proxel calculating unit 540 calculates the minimum value and the maximum value for each data included in each data group grouped into the same group by the classification unit 530, to obtain each region of the feature space. Calculate the range of each data.
  • the range of each data represented by the dotted line 900 is none other than Proxel (specific data specified by the group 311) described in FIG.
  • FIG. 10 is a first flowchart showing a flow of Proxel calculation processing by the classification unit and the Proxel calculation unit.
  • step S1001 the classification unit 530 reads, from the data storage unit 112, the data group associated with the process to be processed and the step.
  • step S1002 the classification unit 530 divides the feature space by performing clustering processing such that data groups having similar effects are classified into the same group for each data group.
  • step S1003 the Proxel calculation unit 540 calculates Proxel by calculating the range of each data of each area of the feature space divided by the classification unit 530 (specific data specifying each group). Further, the Proxel calculating unit 540 stores the calculated Proxel in the analysis result storage unit 113 as analysis result data.
  • FIG. 11 is a first diagram for explaining the advantage of calculating Proxel.
  • a plurality of data groups 1100 are each an example of data groups collected from the business establishments 120, 130, and 140, and all of them are assumed to be data groups from which the same effect can be obtained.
  • the kind of data contained in each data group is five types for simplification of description.
  • Proxel 1110 is an example of Proxel calculated by the Proxel calculation unit 540 based on a plurality of data groups 1100.
  • FIG. 12 is a second diagram for explaining the advantage of calculating Proxel.
  • the horizontal axis represents data type P (here, “HF power”)
  • the vertical axis represents data type Q (here, “LF power”).
  • FIG. 13 is a third diagram for explaining the advantage of calculating Proxel. As shown in FIG. 13, since Proxel (specific data specified by the group 311) is associated with the effect of the step, the product 1311 of the step is estimated when the initial data 1301 is input. be able to. Similarly, it is possible to estimate the product 1312 of the step when the initial data 1302 is input.
  • ⁇ Summary> Collect data groups for each process and step, and calculate effects for each collected data group.
  • the feature space is divided such that data groups that can obtain the same effect are classified into the same group.
  • Proxel is calculated by calculating the range of each data of each area of the divided feature space, and stored as analysis result data.
  • the ease of handling the collected data group is improved, the density of the distribution of the collected data group in the feature space can be made uniform, and the model is formed to obtain the result of the step. It is possible to obtain advantages such as that things can be estimated.
  • each data included in the data group is described as being handled equally.
  • the data group includes data with high contribution to effects and low data. Therefore, in the second embodiment, clustering processing is performed after weighting data according to the degree of contribution to the effect.
  • each area is generated by dividing the feature space by clustering processing, and Proxel is calculated.
  • Proxel is calculated by integrating the other regions with a region with a low degree of contribution to the effect. Do.
  • FIG. 14 is a second flowchart showing the flow of the Proxel calculation process by the classification unit and the Proxel calculation unit. The differences from the Proxel calculation processing described with reference to FIG. 10 in the first embodiment are steps S1401 to S1404.
  • step S ⁇ b> 1401 the classification unit 530 determines the contribution degree to the effect for each data included in the data group stored in the data storage unit 112.
  • step S1402 the classification unit 530 performs clustering processing after weighting each data according to the degree of contribution so that data groups that can obtain the same effect are classified into the same group for each data group. , Divide the feature space. As a result, data having a high degree of contribution is finely divided in the feature space, and data having a low degree of contribution is roughly divided in the feature space.
  • step S1403 the Proxel calculating unit 540 integrates, with each other, an area having a low degree of contribution to the effect among the areas of the feature space divided by the classifying unit 530.
  • step S 1404 the Proxel calculating unit 540 calculates Proxel by calculating the range of each data of each area after integration, and stores the result as analysis result data in the analysis result storage unit 113.
  • the number of Proxels can be reduced, and it is possible to calculate Proxels according to the degree of contribution.
  • the range of each data of each area of the divided feature space is calculated to calculate Proxel.
  • the calculation method of Proxel is not limited to this.
  • the range of each data of each region of the divided feature space is calculated to calculate Proxel, and the Proxel is stored as analysis result data in the analysis result storage unit 113. It was set up.
  • the analysis result data stored in the analysis result storage unit 113 is not limited to Proxel.
  • representative data specific data specifying each group representing each region of the divided feature space may be stored as analysis result data.
  • the data analysis program is installed in the data processing apparatus 110 and the data analysis unit 111 is realized in the data processing apparatus 110.
  • the data analysis program is installed, for example, on the terminals 121, 131, 141 in each business office 120, 130, 140, and the data analysis unit 111 in the terminals 121, 131, 141 in each business office 120, 130, 140. May be realized.
  • the data group for calculating Proxel is the data collected in the semiconductor manufacturing process It is not limited to groups. Even in manufacturing processes other than semiconductor manufacturing processes, for example, manufacturing processes including apparatuses using plasma generally complicate setting data. For this reason, even when Proxel is calculated for the data group collected in the manufacturing process including the device, the above-described advantage can be obtained.
  • data processing system 110 data processing device 111: data analysis unit 201: data group 311 to 314: group 510: collection unit 520: effect calculation unit 530: classification unit 540: Proxel calculation unit 800: feature space 900: Proxel

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Geometry (AREA)
  • Multimedia (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computational Linguistics (AREA)
  • Automation & Control Theory (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • General Factory Administration (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Communication Control (AREA)

Abstract

製造プロセスにおいて収集されたデータに対して、汎用性の高いデータ処理を実現する。データ処理装置は、プロセス内の所定のステップと対応付けられたデータ群を収集し、それぞれのデータ群について該所定のステップにおける効果を算出する算出手段と、前記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、算出された前記効果ごとに分類されるよう、該特徴空間を分割する分割手段と、分割した前記特徴空間の各領域を特定する特定データを出力する出力手段とを有する。

Description

データ処理装置、データ処理方法及びプログラム
　本発明は、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、各種製造プロセス（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、収集したデータの解析を行うことで、製造プロセスのモデル化や、シミュレーション処理の実行等が可能となり、製造プロセスの最適化や製品品質の向上を図ることができる。
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
　一方で、製造プロセスのモデル化には、時間とコストがかかる。また、シミュレーション精度を向上させるには、製造設備ごとに個別にモデルを構築していく必要があり、同種の製造プロセスであっても、製造設備が異なる場合には、モデルを再構築する必要がある。このように、製造プロセスにおいて収集されたデータに対して従来のデータ処理装置が行うデータ処理は、時間とコストがかかる一方で、汎用性に欠けるといった問題があった。
　一つの側面では、製造プロセスにおいて収集されたデータに対して、汎用性の高いデータ処理を実現することを目的としている。
　一態様によれば、データ処理装置は、
　プロセス内の所定のステップと対応付けられたデータ群を収集し、それぞれのデータ群について該所定のステップにおける効果を算出する算出手段と、
　前記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、算出された前記効果ごとに分類されるよう、該特徴空間を分割する分割手段と、
　分割した前記特徴空間の各領域を特定する特定データを出力する出力手段とを有する。
　製造プロセスにおいて収集されたデータに対して、汎用性の高いデータ処理を実現することができる。
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。 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５は、データ解析部の機能構成の一例を示す図である。 図６は、効果算出部の処理の具体例を示す図である。 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る。 図８は、分類部の処理の具体例を示す図である。 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１０は、分類部及び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。 図１１は、Ｐｒｏｘｅｌを算出する利点を説明するための第１の図である。 図１２は、Ｐｒｏｘｅｌを算出する利点を説明するための第２の図である。 図１３は、Ｐｒｏｘｅｌを算出する利点を説明するための第３の図である。 図１４は、分類部及びＰｒｏｘｅｌ算出部によるＰｒｏｘｅｌ算出処理の流れを示す第２のフローチャートである。
　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がインストールされており、当該データ解析プログラムが実行されることで、データ処理装置１１０は、データ解析部１１１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１１２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１１２に格納したデータ群を解析し、解析結果データを解析結果格納部１１３に格納する。
　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（半導体製造プロセスにおいて収集された初期データ、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）を実行し、それぞれの半導体製造プロセスには、複数のステップ（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、半導体製造装置の状態、半導体製造装置内の雰囲気等）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）（限界寸法）
・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、半導体製造装置に設定される設定データが含まれる。半導体製造装置に設定される設定データは、半導体製造装置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基板表面の温度）
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の半導体製造装置から出力される出力データが含まれる。半導体製造装置から出力される出力データは、半導体製造装置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）
・Ｔｏｐ　ＤＣＳ　ｃｕｒｒｅｎｔ（ドップラ流速計による検出値）
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（限界寸法）
・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１１３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、グループ３１１～３１４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グループである。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。
　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、解析結果データとして、解析結果格納部１１３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を格納する。データ格納部１１２、解析結果格納部１１３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、分類部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３０１（例えば、データ群２０１等）を収集する。
　効果算出部５２０は算出手段の一例であり、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１１２に格納する。
　分類部５３０は分割手段の一例であり、データ格納部１１２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、分類部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、分類部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、分類部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は出力手段の一例である。Ｐｒｏｘｅｌ算出部５４０は、分類部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１１３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、分類部５３０、Ｐｒｏｘｅｌ算出部５４０）のうち、効果算出部５２０、分類部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、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での効果は、
・実行前の状態を示すデータ（第１のデータ）と、
・実行後の状態を示すデータ（第２のデータ）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。例えば、出力データ、測定データ、実験データにそれぞれ含まれるデータ群を、所定のステップが実行されることで変化したデータと、それ以外とに分け、変化したデータを、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して取得する。また、それ以外のデータを実行状況を特定するデータとして取得する。
　そして、効果算出部５２０では、両者（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）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での効果を算出する。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１１２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１１２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１１２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００１”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００２”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００１”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００２”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）分類部の処理の具体例
　次に、分類部５３０の処理の具体例について説明する。図８は、分類部の処理の具体例を示す図である。
　図８に示すように、分類部５３０は、データ格納部１１２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００１”、“データ００４”、“データ０１０”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”のステップにおいて、いずれも効果＜１＞が得られるデータ群である。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、いずれのデータ群のもとでプロセスＩ、ＳＴＥＰ１を実行しても、効果＜１＞が得られるデータ群である。
　また、図８において、点線丸印８０２には、データ群識別子＝“データ００５”、“データ００６”、“データ００７”が含まれ、点線丸印８０３には、データ群識別子＝“データ００２”が含まれる。点線丸印８０２に含まれる各データ群と、点線丸印８０３に含まれるデータ群とは、互いに離れた位置に分布している。
　一方で、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を実行した場合に、いずれも効果＜２＞が得られるデータ群である。同様に、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を実行した場合に、効果＜２＞が得られるデータ群である。
　ここで、点線丸印８０２と点線丸印８０３とを、１つの点線丸印でグルーピングしようとすると、他の点線丸印８０１と重なることになる。このため、分類部５３０では、同じ効果が得られる場合であっても、別々にグルーピングする（つまり、分類部５３０は、特徴空間を分割した際に、異なる効果が対応付けられたデータ群が同じ領域内に混在することがないようにグルーピングする）。
　そして、分類部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、分類部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”を指標としてクラスタリング処理することで、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、分類部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、分類部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、分類部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Ｐｒｏｘｅｌ（グループ３１１により特定される特定データ）に他ならない。
　図１０は、分類部及び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、分類部５３０は、処理対象のプロセス、ステップに対応付けられたデータ群を、データ格納部１１２より読み出す。
　ステップＳ１００２において、分類部５３０は、各データ群について同様の効果を有す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、分類部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１１３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。
　（３）代表モデルの形成が可能
　Ｐｒｏｘｅｌ算出部５４０がＰｒｏｘｅｌを算出する利点の１つとして、Ｐｒｏｘｅｌにより代表モデルを形成し、対応するステップの結果物を推定することができること、が挙げられる。
　図１３は、Ｐｒｏｘｅｌを算出する利点を説明するための第３の図である。図１３に示すように、Ｐｒｏｘｅｌ（グループ３１１により特定される特定データ）には、当該ステップの効果が対応付けられているため、初期データ１３０１を入力した場合の当該ステップの結果物１３１１を推定することができる。同様に、初期データ１３０２を入力した場合の当該ステップの結果物１３１２を推定することができる。
　このように、Ｐｒｏｘｅｌを算出することで、半導体製造装置の特性に依存することなく結果物を推定することができる。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。
　＜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、同程度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算出することでＰｒｏｘｅｌを算出し、解析結果データとして格納する。
　これにより、第１の実施形態によれば、収集したデータ群の取り扱い易さが向上すること、収集したデータ群の特徴空間における分布の密度が均一化できること、モデルを形成して当該ステップの結果物が推定できること、等の利点を得ることができる。
　つまり、第１の実施形態によれば、製造プロセスにおいて収集されたデータ群に対して、汎用性の高いデータ処理を実現することができる。
　［第２の実施形態］
　上記第１の実施形態では、データ群に含まれる各データを均等に取り扱うものとして説明した。しかしながら、データ群には、効果に対する寄与度が高いデータと低いデータとが含まれる。そこで、第２の実施形態では、効果に対する寄与度に応じてデータに重み付けを行ったうえで、クラスタリング処理を実行する。
　また、上記第１の実施形態では、クラスタリング処理により特徴空間を分割することで各領域を生成し、Ｐｒｏｘｅｌを算出することとした。これに対して、第２の実施形態では、クラスタリング処理により特徴空間を分割することで各領域を生成した後、効果に対する寄与度が低い領域については、他の領域と統合することでＰｒｏｘｅｌを算出する。
　以下、第２の実施形態について、上記第１の実施形態との相違点を中心に説明する。
　＜Ｐｒｏｘｅｌ算出処理の流れ＞
　図１４は、分類部及びＰｒｏｘｅｌ算出部によるＰｒｏｘｅｌ算出処理の流れを示す第２のフローチャートである。第１の実施形態において図１０を用いて説明したＰｒｏｘｅｌ算出処理との相違点は、ステップＳ１４０１～Ｓ１４０４である。
　ステップＳ１４０１において、分類部５３０は、データ格納部１１２に格納されたデータ群に含まれる各データについて、効果に対する寄与度を判定する。
　ステップＳ１４０２において、分類部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同士が同じグループに分類されるよう、各データについて寄与度に応じた重み付けを行ったうえでクラスタリング処理を行い、特徴空間を分割する。これにより、寄与度が高いデータについては、特徴空間において細かく分割され、寄与度が低いデータについては、特徴空間において粗く分割されることになる。
　ステップＳ１４０３において、Ｐｒｏｘｅｌ算出部５４０は、分類部５３０により分割された特徴空間の各領域のうち、効果に対する寄与度が低い領域について、他の領域と統合する。
　ステップＳ１４０４において、Ｐｒｏｘｅｌ算出部５４０は、統合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、解析結果データとして、解析結果格納部１１３に格納する。
　＜まとめ＞
　以上の説明から明らかなように、第２の実施形態に係るデータ処理装置１１０では、上記第１の実施形態に加え、
・特徴空間を分割する際、データ群に含まれる各データの効果に対する寄与度を加味する。
・分割した特徴空間の各領域のうち、効果に対する寄与度が低い領域を、他の領域と統合する。
　これにより、第２の実施形態に係るデータ処理装置１１０によれば、Ｐｒｏｘｅｌの数を減らすことができるとともに、寄与度に応じたＰｒｏｘｅｌを算出することが可能となる。
　［その他の実施形態］
　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１１３に格納する構成とした。しかしながら、解析結果格納部１１３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を実現するものとして説明した。しかしながら、データ解析プログラムは、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、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を実現してもよい。
　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。
　本出願は、２０１７年１２月２８日に出願された日本国特許出願第２０１７－２５３６９４号に基づきその優先権を主張するものであり、同日本国特許出願の全内容を参照することにより本願に援用する。
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
２０１　　　　　　　　　：データ群
３１１～３１４　　　　　：グループ
５１０　　　　　　　　　：収集部
５２０　　　　　　　　　：効果算出部
５３０　　　　　　　　　：分類部
５４０　　　　　　　　　：Ｐｒｏｘｅｌ算出部
８００　　　　　　　　　：特徴空間
９００　　　　　　　　　：Ｐｒｏｘｅｌ

Claims (8)

  1. 　プロセス内の所定のステップと対応付けられたデータ群を収集し、それぞれのデータ群について該所定のステップにおける効果を算出する算出手段と、
    　前記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、算出された前記効果ごとに分類されるよう、該特徴空間を分割する分割手段と、
    　分割した前記特徴空間の各領域を特定する特定データを出力する出力手段と
    　を有するデータ処理装置。
  2. 　前記算出手段は、
    　前記プロセス内の所定のステップが実行される前の状態を示す第１のデータと、前記プロセス内の所定のステップが実行された後の状態を示す第２のデータとの差分に基づき、それぞれのデータ群について前記効果を算出する、請求項１に記載のデータ処理装置。
  3. 　前記分割手段は、
    　算出された前記効果が同程度となるデータ群同士が、同じグループに分類されるように、前記特徴空間を分割する、請求項１に記載のデータ処理装置。
  4. 　前記分割手段は、
    　前記データ群に含まれる各データの前記効果に対する寄与度に基づいて、前記データ群に含まれる各データを重み付けし、重み付けした各データを含むデータ群を用いて、前記特徴空間を分割する、請求項３に記載のデータ処理装置。
  5. 　前記分割手段は、
    　分割した前記特徴空間の各領域を、互いに重なり合うことがないように変形する、請求項１に記載のデータ処理装置。
  6. 　前記プロセスは、半導体製造プロセスであり、
    　前記ステップは、前記半導体製造プロセスにおいて状態を変化させる最小の処理単位であり、
    　前記状態には、少なくとも、前記半導体製造プロセスにおける処理対象物の属性が含まれる、請求項１に記載のデータ処理装置。
  7. 　プロセス内の所定のステップと対応付けられたデータ群を収集し、それぞれのデータ群について該所定のステップにおける効果を算出する算出工程と、
    　前記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、算出された前記効果ごとに分類されるよう、該特徴空間を分割する分割工程と、
    　分割した前記特徴空間の各領域を特定する特定データを出力する出力工程と
    　を有するデータ処理方法。
  8. 　コンピュータに、
    　プロセス内の所定のステップと対応付けられたデータ群を収集し、それぞれのデータ群について該所定のステップにおける効果を算出する算出工程と、
    　前記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、算出された前記効果ごとに分類されるよう、該特徴空間を分割する分割工程と、
    　分割した前記特徴空間の各領域を特定する特定データを出力する出力工程と
    　を実行させるためのプログラム。
PCT/JP2018/047519 2017-12-28 2018-12-25 データ処理装置、データ処理方法及びプログラム WO2019131608A1 (ja)

Priority Applications (5)

Application Number Priority Date Filing Date Title
KR1020207021044A KR20200100784A (ko) 2017-12-28 2018-12-25 데이터 처리 장치, 데이터 처리 방법 및 프로그램
JP2019561703A JP6956806B2 (ja) 2017-12-28 2018-12-25 データ処理装置、データ処理方法及びプログラム
CN201880083796.8A CN111527486A (zh) 2017-12-28 2018-12-25 数据处理装置、数据处理方法以及程序
US16/957,958 US11789981B2 (en) 2017-12-28 2018-12-25 Data processing device, data processing method, and non-transitory computer-readable recording medium
EP18893557.1A EP3734467B1 (en) 2017-12-28 2018-12-25 Data processing device, data processing method, and recording medium

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2017-253694 2017-12-28
JP2017253694 2017-12-28

Publications (1)

Publication Number Publication Date
WO2019131608A1 true WO2019131608A1 (ja) 2019-07-04

Family

ID=67063748

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2018/047519 WO2019131608A1 (ja) 2017-12-28 2018-12-25 データ処理装置、データ処理方法及びプログラム

Country Status (7)

Country Link
US (1) US11789981B2 (ja)
EP (1) EP3734467B1 (ja)
JP (1) JP6956806B2 (ja)
KR (1) KR20200100784A (ja)
CN (1) CN111527486A (ja)
TW (1) TWI798314B (ja)
WO (1) WO2019131608A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230158403A (ko) 2022-05-11 2023-11-20 도쿄엘렉트론가부시키가이샤 에칭 처리 장치, 에칭 처리 시스템, 해석 장치, 에칭 처리 방법 및 기록 매체

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022003969A1 (ja) * 2020-07-03 2022-01-06 三菱電機株式会社 データ処理装置及びデータ処理方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001256480A (ja) * 2000-03-09 2001-09-21 Hitachi Ltd 画像自動分類方法及び装置
JP2009152269A (ja) 2007-12-19 2009-07-09 Sony Corp ドライエッチング装置および半導体装置の製造方法
WO2012016594A1 (en) * 2010-08-05 2012-02-09 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e. V. Apparatus and method for analyzing bulky data
US20150211122A1 (en) 2009-02-13 2015-07-30 Taiwan Semiconductor Manufacturing Co., Ltd. Multi-zone temperature control for semiconductor wafer
JP2016206784A (ja) * 2015-04-17 2016-12-08 株式会社Ihi データ分析装置及びデータ分析方法
US20170177997A1 (en) 2015-12-22 2017-06-22 Applied Materials Israel Ltd. Method of deep learining-based examination of a semiconductor specimen and system thereof

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006048183A (ja) * 2004-07-30 2006-02-16 Sharp Corp データ分析装置およびデータ分析プログラム
JP4653547B2 (ja) * 2004-11-05 2011-03-16 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
US20090122979A1 (en) * 2007-10-30 2009-05-14 Electronics And Telecommunications Research Institute Method and apparatus for protecting pattern recognition data
JP2009129276A (ja) * 2007-11-26 2009-06-11 Fujitsu Ltd カテゴリ命名装置、カテゴリ命名方法およびカテゴリ命名プログラム
JP2009230807A (ja) * 2008-03-24 2009-10-08 Fujitsu Ltd 磁気記録装置および磁気記録方法
JP5210416B2 (ja) * 2011-06-13 2013-06-12 シャープ株式会社 立体画像生成装置、立体画像生成方法、プログラム、および記録媒体
JP6274114B2 (ja) * 2013-01-10 2018-02-07 富士通株式会社 制御方法、制御プログラム、および制御装置
CN104318241A (zh) * 2014-09-25 2015-01-28 东莞电子科技大学电子信息工程研究院 基于Self-tuning的局部密度谱聚类相似度量算法
US20160096318A1 (en) * 2014-10-03 2016-04-07 Disney Enterprises, Inc. Three dimensional (3d) printer system and method for printing 3d objects with user-defined material parameters
US20160357840A1 (en) * 2015-06-03 2016-12-08 Fujitsu Limited Apparatus and method for clustering data in streaming clustering without reducing precision
EP3317823A4 (en) * 2015-06-30 2019-03-13 Arizona Board of Regents on behalf of Arizona State University METHOD AND DEVICE FOR MACHINERY LEARNING IN A LARGE SCALE
WO2017044082A1 (en) * 2015-09-09 2017-03-16 Intel Corporation Separated application security management
CN105956628B (zh) * 2016-05-13 2021-01-26 北京京东尚科信息技术有限公司 数据分类方法和用于数据分类的装置
JP6784062B2 (ja) * 2016-06-01 2020-11-11 株式会社リコー 情報処理装置、情報処理方法およびプログラム
CN106096052A (zh) * 2016-06-25 2016-11-09 浙江中烟工业有限责任公司 一种面向微信营销的消费者聚类方法
CN106991430A (zh) * 2017-02-28 2017-07-28 浙江工业大学 一种基于临近点法的聚类个数自动确定谱聚类方法
US10234848B2 (en) * 2017-05-24 2019-03-19 Relativity Space, Inc. Real-time adaptive control of additive manufacturing processes using machine learning
JP6890632B2 (ja) * 2019-06-27 2021-06-18 東京エレクトロン株式会社 データ処理装置、データ処理方法及びプログラム

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001256480A (ja) * 2000-03-09 2001-09-21 Hitachi Ltd 画像自動分類方法及び装置
JP2009152269A (ja) 2007-12-19 2009-07-09 Sony Corp ドライエッチング装置および半導体装置の製造方法
US20150211122A1 (en) 2009-02-13 2015-07-30 Taiwan Semiconductor Manufacturing Co., Ltd. Multi-zone temperature control for semiconductor wafer
WO2012016594A1 (en) * 2010-08-05 2012-02-09 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e. V. Apparatus and method for analyzing bulky data
JP2016206784A (ja) * 2015-04-17 2016-12-08 株式会社Ihi データ分析装置及びデータ分析方法
US20170177997A1 (en) 2015-12-22 2017-06-22 Applied Materials Israel Ltd. Method of deep learining-based examination of a semiconductor specimen and system thereof

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
KAORU SAKAI AND SHUNJI MAEDA: "LSI wafer inspection method using recursive splitting of feature space", IPSJ SIG TECHNICAL REPORTS, vol. 2006, no. 93, 9 September 2006 (2006-09-09), pages 65 - 72, XP009521997, ISSN: 0913-5685 *
SAKATA ET AL: "Successive Pattern Learning based on Test Feature Classifier and its application to time-series recognition problem", DOCUMENTS OF RESEARCH GROUP OF THE INSTITUTE OF ELECTRICAL OF JAPAN, 11 August 2006 (2006-08-11), pages 1 - 6, XP055624047 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230158403A (ko) 2022-05-11 2023-11-20 도쿄엘렉트론가부시키가이샤 에칭 처리 장치, 에칭 처리 시스템, 해석 장치, 에칭 처리 방법 및 기록 매체

Also Published As

Publication number Publication date
KR20200100784A (ko) 2020-08-26
EP3734467B1 (en) 2024-05-01
US20200372303A1 (en) 2020-11-26
CN111527486A (zh) 2020-08-11
EP3734467A1 (en) 2020-11-04
EP3734467A4 (en) 2021-09-22
TWI798314B (zh) 2023-04-11
JPWO2019131608A1 (ja) 2020-12-24
JP6956806B2 (ja) 2021-11-02
TW201931466A (zh) 2019-08-01
US11789981B2 (en) 2023-10-17

Similar Documents

Publication Publication Date Title
US10627788B2 (en) Retrieval apparatus and retrieval method for semiconductor device processing
TWI803690B (zh) 推估方法、推估裝置、模型之產生方法及學習裝置
TWI846887B (zh) 資料處理裝置、資料處理方法及資料處理程式
TWI614721B (zh) 在半導體製造中用於檢測之雜訊中所內嵌之缺陷之偵測
TWI627397B (zh) 用於晶圓檢測之方法、晶圓檢測工具及非暫態電腦可讀媒體
US20180218492A1 (en) Method And System For Identifying Defects Of Integrated Circuits
CN112840205B (zh) 基于设计及噪声的关注区域
US9262821B2 (en) Inspection recipe setup from reference image variation
TW201627655A (zh) 自動化圖案保真度量測計劃生成
JPWO2020111258A1 (ja) 仮想測定装置、仮想測定方法及び仮想測定プログラム
WO2022145225A1 (ja) パラメータ導出装置、パラメータ導出方法及びパラメータ導出プログラム
WO2015109035A1 (en) Semiconductor device models including re-usable sub-structures
JP2013062508A (ja) 製造ツールのレシピを生成する方法及びそのシステム
JP6956806B2 (ja) データ処理装置、データ処理方法及びプログラム
US11237544B2 (en) Information processing device, program, process treatment executing device, and information processing system
CN114503155A (zh) 控制样本检验的工艺
KR101855010B1 (ko) 군집 지역 별 세계측지계 좌표 변환 장치 및 방법
JP2011054804A (ja) 半導体製造装置の管理方法およびシステム
KR102073362B1 (ko) 웨이퍼 맵을 불량 패턴에 따라 분류하는 방법 및 컴퓨터 프로그램
US12057336B2 (en) Estimating heights of defects in a wafer by scaling a 3D model using an artificial neural network
US20230369032A1 (en) Etching processing apparatus, etching processing system, analysis apparatus, etching processing method, and storage medium
TW202316317A (zh) 使用圖案模型的圖案檢測方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 18893557

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2019561703

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 20207021044

Country of ref document: KR

Kind code of ref document: A

ENP Entry into the national phase

Ref document number: 2018893557

Country of ref document: EP

Effective date: 20200728