WO2023053162A1 - 秘密計算システム、情報処理システム、秘密計算方法、及び記録媒体 - Google Patents

秘密計算システム、情報処理システム、秘密計算方法、及び記録媒体 Download PDF

Info

Publication number
WO2023053162A1
WO2023053162A1 PCT/JP2021/035504 JP2021035504W WO2023053162A1 WO 2023053162 A1 WO2023053162 A1 WO 2023053162A1 JP 2021035504 W JP2021035504 W JP 2021035504W WO 2023053162 A1 WO2023053162 A1 WO 2023053162A1
Authority
WO
WIPO (PCT)
Prior art keywords
parameters
secure
model
semiconductor
manufacturing equipment
Prior art date
Application number
PCT/JP2021/035504
Other languages
English (en)
French (fr)
Inventor
洋治 森
Original Assignee
日本電気株式会社
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 日本電気株式会社 filed Critical 日本電気株式会社
Priority to JP2023550754A priority Critical patent/JPWO2023053162A5/ja
Priority to PCT/JP2021/035504 priority patent/WO2023053162A1/ja
Publication of WO2023053162A1 publication Critical patent/WO2023053162A1/ja

Links

Images

Classifications

    • 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
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09C—CIPHERING OR DECIPHERING APPARATUS FOR CRYPTOGRAPHIC OR OTHER PURPOSES INVOLVING THE NEED FOR SECRECY
    • G09C1/00—Apparatus or methods whereby a given sequence of signs, e.g. an intelligible text, is transformed into an unintelligible sequence of signs by transposing the signs or groups of signs or by replacing them by others according to a predetermined system
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/02—Manufacture or treatment of semiconductor devices or of parts thereof

Definitions

  • This disclosure relates to a secure computing system, an information processing system, a secure computing method, and a recording medium.
  • Semiconductor manufacturing equipment manufacturers remotely monitor the operating status of the equipment delivered to them, and if they detect signs of failure or malfunction in semiconductor manufacturing equipment, they take prompt action to prevent a decline in productivity.
  • Patent Literature 1 discloses a system that creates a parameter prediction model for a maintenance part of a semiconductor manufacturing equipment based on the values of metaparameters included in the life prediction model for the maintenance part, and calculates the predicted life.
  • Patent Document 1 outputs data that is predicted by a single prediction model, so there is a limit to improving the accuracy of prediction data.
  • the invention described in the above-mentioned Patent Document 1 outputs data that is predicted by a single prediction model, so there is a limit to improving the accuracy of prediction data.
  • One example of the purpose of this disclosure is to provide a more accurate model while keeping the parameters of each model confidential.
  • a secure computing system is used for predictive maintenance analysis of semiconductor manufacturing equipment, and receives confidential parameters of a plurality of models generated by each of a plurality of semiconductor manufacturers.
  • a parameter receiving means for receiving data
  • a secure calculation means for integrating a plurality of anonymized parameters by a secure calculation
  • an output means for outputting the parameters integrated by the secure calculation means in an anonymized format.
  • a predictive maintenance system is an information processing system having a plurality of semiconductor manufacturer servers and a secure computing system, wherein the plurality of semiconductor manufacturer servers each store parameters relating to the operating status of semiconductor manufacturing equipment.
  • a model storage unit for storing a model generated based on the model for performing analysis on predictive maintenance of the semiconductor manufacturing equipment; an anonymization unit for anonymizing parameters of the model stored in the model storage unit; and anonymization by the anonymization unit a model input/output means for transmitting a model obtained in an anonymized format to a secure computing system; and a restoration unit for restoring the anonymized parameters.
  • a parameter receiving means for receiving concealed parameters of the plurality of models, and a secret calculation for the plurality of concealed parameters
  • An equipment management method is used for predictive maintenance analysis of semiconductor manufacturing equipment, and for a plurality of models generated by each of a plurality of semiconductor manufacturers, confidential parameters of the plurality of models are received. Then, a plurality of anonymized parameters are integrated by secure calculation, and the integrated parameters are output in an anonymized format.
  • a recording medium is used for predictive maintenance analysis of semiconductor manufacturing equipment, and receives confidential parameters of a plurality of models generated by each of a plurality of semiconductor manufacturers. , stores a program for causing a computer to integrate a plurality of anonymized parameters by secure calculation and output the integrated parameters in an anonymized format.
  • One example of the effect of this disclosure is that it is possible to provide a more accurate model while keeping the parameters of each model confidential.
  • FIG. 1 is a block diagram showing the configuration of an information processing system according to the first embodiment.
  • FIG. 2 is a diagram showing a hardware configuration in which the secure computing system according to the first embodiment is realized by a computer device and its peripheral devices.
  • FIG. 3 is a flow chart showing operations of secure computation in the first embodiment.
  • FIG. 4 is a block diagram showing the configuration of an information processing system according to the second embodiment.
  • FIG. 5 is a flow chart showing the operation of information processing in the second embodiment.
  • the information processing system 10 is a system for integrating a plurality of parameters of a model for predictive maintenance analysis using parameters related to operating conditions owned by each semiconductor manufacturer by secure calculation.
  • FIG. 1 is a block diagram showing the configuration of an information processing system 10 according to the first embodiment.
  • the information processing system 10 includes a secure computing system 100 and a plurality of semiconductor manufacturer servers 200 (200a, 200b).
  • the secure computing system 100 comprises a parameter receiving section 101 , a secure computing section 102 and an output section 103 .
  • the secure computing system 100 is implemented, for example, by a service provider (user) entrusted with predictive maintenance services such as maintenance and repair of semiconductor manufacturing equipment.
  • the service provider integrates the parameters of the learned models in each semiconductor manufacturer server 200 and provides the predictive maintenance service or the like using an updated model to which the integrated parameters are applied.
  • Predictive maintenance means, for example, measuring and monitoring the state of semiconductor manufacturing equipment, grasping or predicting the deterioration state of the equipment, and replacing or repairing parts.
  • a plurality of semiconductor manufacturer servers 200 are servers of a plurality of customers of a semiconductor manufacturing equipment manufacturer (for example, competing semiconductor manufacturers). In this case, it is possible to perform analysis together while keeping the parameters of the competitors confidential.
  • Another example of a plurality of semiconductor manufacturer servers 200 is a case where parameters are stored in separate servers for each lot even within the same factory.
  • Each of the semiconductor manufacturer servers 200 includes model storage units 201 (201a, 201b) that store learned models for analyzing predictive maintenance of semiconductor manufacturing equipment, and anonymization units 202 (202a, 202a, 202b), model input/output units 203 (203a, 203b) for inputting and outputting parameters with the secure computing system 100, and restoration units 204 (204a, 204b) for restoring concealed parameters.
  • model storage units 201 201a, 201b
  • anonymization units 202 202a, 202a, 202b
  • model input/output units 203 203a, 203b
  • restoration units 204 204a, 204b
  • FIG. 2 is a diagram showing an example of a hardware configuration in which the secure computing system 100 for semiconductor manufacturing equipment according to the first embodiment of the present disclosure is realized by a computer device 500 including a processor.
  • the secure computing system 100 includes memory such as a CPU (Central Processing Unit) 501, ROM (Read Only Memory) 502, RAM (Random Access Memory) 503, and storage such as a hard disk for storing a program 504. It includes a device 505, a communication I/F (Interface) 508 for network connection, and an input/output interface 511 for inputting/outputting data.
  • parameter information received from each semiconductor manufacturer server 200 is input to the secure computing system 100 via the communication I/F 508 .
  • the CPU 501 operates the operating system and controls the entire secure computing system 100 according to the first embodiment of the present invention. Also, the CPU 501 reads programs and data from a recording medium 506 mounted in a drive device 507 or the like to a memory. Further, the CPU 501 functions as the parameter receiving unit 101, the secure calculation unit 102, the output unit 103, and a part of these in the first embodiment, and performs processes or instructions in the flowchart shown in FIG. to run.
  • the recording medium 506 is, for example, an optical disk, a flexible disk, a magneto-optical disk, an external hard disk, or a semiconductor memory.
  • a part of the recording medium of the storage device is a non-volatile storage device, in which programs are recorded.
  • the program may be downloaded from an external computer (not shown) connected to a communication network.
  • the input device 509 is realized by, for example, a mouse, keyboard, built-in key buttons, etc., and is used for input operations.
  • the input device 509 is not limited to a mouse, keyboard, or built-in key buttons, and may be a touch panel, for example.
  • the output device 510 is implemented by, for example, a display and used to confirm the output.
  • the first embodiment shown in FIG. 1 is implemented by the computer hardware shown in FIG.
  • the implementation means of each part provided in the secure computing system 100 for semiconductor manufacturing in FIG. 1 is not limited to the configuration described above.
  • the secure computing system 100 may be realized by one physically connected device, or may be realized by two or more physically separated devices connected by wire or wirelessly. good.
  • input device 509 and output device 510 may be connected to computer device 500 via a network.
  • the secure computing system 100 in the first embodiment shown in FIG. 1 can also be configured by cloud computing or the like.
  • a parameter receiving unit 101 receives anonymized parameters of a plurality of models generated in each of a plurality of semiconductor manufacturer's servers, which are used for predictive maintenance analysis of semiconductor manufacturing equipment. It is a means to An analysis of predictive maintenance of semiconductor manufacturing equipment is an analysis of the necessity of maintenance of parts used in the semiconductor manufacturing equipment.
  • Semiconductor manufacturing equipment refers to all equipment used to manufacture semiconductors. Examples of semiconductor manufacturing equipment include, for example, manufacturing equipment used in the process of forming elements on wafers, which is a pre-process of semiconductor manufacturing processes, such as diffusion/thermal oxidation equipment, film-forming related equipment (including etching equipment), and coater. ⁇ Developer equipment, exposure equipment, cleaning/etching equipment, ion implantation/annealing equipment, etc. Film formation-related equipment includes plasma CVD (Chemical Vapor Deposition), dry etching equipment (RIE), RF plasma, sputtering, and CVD.
  • CVD Chemical Vapor Deposition
  • RIE dry etching equipment
  • RF plasma
  • a parameter is a parameter related to the operating status of semiconductor manufacturing equipment. More specifically, the parameter is a parameter that changes according to the operating time of the semiconductor manufacturing equipment and can predict the need for maintenance in a specific unit of the semiconductor manufacturing equipment.
  • the parts used in the semiconductor manufacturing apparatus are, for example, those parts that particularly affect the yield and the precision of the manufactured semiconductor among the parts used in the semiconductor manufacturing apparatus. Examples of components used in semiconductor manufacturing equipment include, for example, heating lamps, light sources, ion sources, turbomolecular pumps, vacuum valves or chambers.
  • a process parameter is, for example, a value obtained by measuring a physical quantity in a semiconductor manufacturing apparatus during operation of the semiconductor manufacturing apparatus, and is obtained from a sensor value attached to the semiconductor manufacturing apparatus.
  • sensors include current sensors, temperature sensors, vibration sensors, acceleration sensors, and the like.
  • the process parameters include, for example, current consumption and vibration in a specific unit within the semiconductor manufacturing apparatus.
  • other process parameters in deposition-related equipment are, for example, gas flow rate, deposition time, substrate temperature, Vpp voltage and Vdc voltage (plasma CVD, dry etching), DC bias (sputtering), and pressure.
  • Examples of process parameters of semiconductor manufacturing equipment other than those related to film formation include cleaning degree and etch depth in cleaning/etching equipment.
  • the diffusion/thermal oxidation device includes, for example, the depth, thickness, and sheet resistance of the oxide film.
  • An example of an ion implanter/annealer is a profile sheet resistor.
  • a coater/developer is, for example, a resist pattern.
  • Operating status parameters are parameters that indicate the set conditions during operation of the semiconductor manufacturing equipment.
  • Examples of operating condition parameters in the film formation-related equipment are input power, reflected wave ⁇ 0 (reflection coefficient close to 0), ultimate vacuum in the chamber, and heating lamp power in plasma CVD.
  • the RF plasma includes incident wave Pf, reflected wave Pr, variable capacitor value, and heating lamp power.
  • the sputtering equipment includes input power, reflected waves, ultimate vacuum, and heating lamp electrodes.
  • CVD is heating lamp power.
  • the operating condition parameters other than those related to film formation are, for example, the degree of vacuum and infrared lamp power for ion implantation/annealing devices.
  • As an exposure device for example, it is a light source output.
  • As a coater developer for example, acceleration.
  • the parameter receiving unit 101 receives the trained model parameters in each of the plurality of semiconductor manufacturer servers 200 in an encrypted form through the network, triggered by an operation for integrating the model parameters by the service provider. It receives via communication I/F508.
  • a learned model is a model that has been learned based on the same type of parameters in each of the plurality of semiconductor manufacturer servers 200 .
  • Homogeneous parameters are, for example, parameters related to specific components of semiconductor manufacturing apparatuses of the same type.
  • the model is a model that, when inputting parameters related to the operating status of semiconductor manufacturing equipment, estimates the necessity of maintenance of parts of the semiconductor manufacturing equipment and outputs the results. It is a model that, when input, outputs the necessity of replacement or repair of a specific part.
  • Models to learn include, but are not limited to, decision tree models, linear regression models, logistic regression models, neural networks models, and the like.
  • the secure calculation unit 102 is means for integrating a plurality of anonymous parameters received by the parameter receiving unit 101 by secure calculation.
  • the integration of a plurality of anonymized parameters by secure calculation means that the parameters learned individually in each of the semiconductor manufacturer servers 210 are collectively calculated in an anonymized state.
  • the secure calculation unit 102 may integrate parameters of a plurality of anonymous models by federated learning using secure calculation. In this case, the secure calculation unit 102 performs machine learning with the data distributed to each semiconductor manufacturer server 200, and integrates the model parameters learned in each semiconductor manufacturer server 200 using secure calculation.
  • the secure calculation unit 102 integrates the anonymous parameters according to a predetermined rule.
  • a parameter integration method a known method can be used. For example, when integrating, the weight of the parameter corresponding to each model can be changed according to the characteristics of each model.
  • the anonymized data a is secret-shared into shared values x1, y1, . . . , and x1, y1, .
  • the anonymized data b is secret-divided into shared values x2, y2, . . . , and x2, y2, .
  • the secure calculation unit 102 includes a plurality of servers. Multi-party computing eliminates the need for cryptographic key management and isolated environments, and is faster to compute. The secure calculation unit 102 outputs the parameters of the model thus obtained to the output unit 103 in a confidential format.
  • the output unit 103 is means for transmitting the parameters integrated by the secure calculation unit 102 to the semiconductor manufacturer server 200 in an anonymized format.
  • the output unit 103 transmits the integrated parameters in a format that allows the parameters of the model to be updated on the semiconductor manufacturer server 200 side.
  • the output unit 103 can transmit not the updated parameters but the updated parameter differences (improvement points only).
  • FIG. 3 is a flowchart outlining the operation of the secure computing system 100 in the first embodiment. Note that the processing according to this flowchart may be executed based on program control by the processor described above.
  • the parameter receiving unit 101 first receives inputs of a plurality of anonymous model parameters for each of models that have been learned by a plurality of semiconductor manufacturers (step S101).
  • the secure calculation unit 102 integrates the anonymous parameters of the multiple models by secure calculation (step S102).
  • the output unit 103 outputs the parameters of the model integrated by the secure calculation unit 102 in an anonymized format (step S103).
  • the secure computing system 100 ends the operation of secure computing.
  • the secure computation unit 102 integrates a plurality of anonymized parameters by secure computation. This makes it possible to provide a more accurate model while concealing the parameters of each model.
  • the information processing system 11 is used to provide updated models using federated learning using secure computation. These updated models are incorporated, for example, into analysis tools for predictive maintenance of semiconductor manufacturing equipment in factories by each semiconductor manufacturer. As with the computer device shown in FIG.
  • each component in each embodiment of the present disclosure can be realized not only by hardware, but also by a computer device and firmware based on program control.
  • These models are models generated based on the relationship between parameters relating to the operational status of the semiconductor manufacturing equipment acquired in the past and the necessity of component maintenance. These models are stored in each model storage unit 211 (211a, 211b) of each semiconductor manufacturer server 210 (210a, 210b).
  • FIG. 4 is a block diagram showing the configuration of the information processing system 11 including the secure computing system 110 according to the second embodiment of the present disclosure.
  • a secure computing system 110 and semiconductor manufacturer servers 210 (210a, 210b) according to the second embodiment will be described, focusing on the differences from the information processing system 10 according to the first embodiment.
  • the secure computation system 110 uses secure computation to integrate parameters of trained models received from a plurality of semiconductor manufacturer servers 210a and 210b.
  • the parameter receiving unit 111 receives parameters of each semiconductor manufacturer's trained model from the semiconductor manufacturer server 210 through the communication I/F 508 .
  • the secure calculation unit 112 integrates the received masking model parameters by secure calculation according to a predetermined combination rule, and outputs the integrated masking model parameters to the output unit 113 in a masked format.
  • the output unit 113 transmits the integrated parameters to each semiconductor manufacturer server 210 through the model input/output unit 213 . Also, after the parameters are transmitted to the semiconductor manufacturer server 210, if the model learning is performed again on the semiconductor manufacturer server 210 side and the parameters are updated, the secure computing system 110 may receive updated parameters again. do not have.
  • the operation of the parameter receiving unit 111, the secure calculation unit 112, and the output unit 113 is the same as the operation of the parameter receiving unit 101, the secure calculation unit 102, and the output unit 103 in the first embodiment. Omit.
  • Each of the semiconductor manufacturer servers 210 includes model storage units 211 (211a, 211b) that store learned models for analyzing predictive maintenance of semiconductor manufacturing equipment, and anonymization units 212 (212a, 212a, 202b), a model input/output unit 213 (213a, 213b) that inputs and outputs parameters to and from the secure computing system 110 in an anonymized format, and a restoration unit 214 (214a) that restores anonymized parameters. , 214b) and a predictive maintenance analysis unit 215 that performs analysis using the parameters of the model updated in the secure computing system 110 .
  • the function of each configuration after model parameters are updated in the secure computing system 110 will be described in detail.
  • the semiconductor manufacturer server 210 Upon receiving updated model parameters from the secure computing system 110 via the output unit 113, the semiconductor manufacturer server 210 applied the parameters received from the secure computing system 110 to the model stored in the model storage unit 211. Update to model. Specifically, the model input/output unit 213 receives the parameters in an anonymized format and outputs the parameters to the reconstruction unit 214 . Next, the restoration unit 214 restores the parameters and replaces them with the parameters of the model stored in the model storage unit 211 . The predictive maintenance analysis unit 215 then performs analysis using the updated model.
  • the predictive maintenance analysis unit 215 uses the updated model to estimate, based on the parameters of the semiconductor manufacturing equipment, the need for maintenance of parts that are correlated with the parameters.
  • parts include individual parts used in semiconductor manufacturing equipment and specific units including a plurality of parts.
  • the predictive maintenance analysis unit 215 uses the light source output as a parameter.
  • the predictive maintenance analysis unit 215 analyzes the predictive maintenance of parts based on parameters defined by, for example, the difference from the reference value.
  • the reference value is a preset parameter value, for example, an initial parameter value when the operation of the semiconductor manufacturing apparatus is started.
  • the predictive maintenance analysis unit 215 analyzes the predictive maintenance of parts based on the difference from the reference value, such as the rate of change, and estimates the necessity of maintenance for the parts. For example, when the predictive maintenance analysis unit 215 inputs specific parameters of the semiconductor manufacturing equipment to the model stored in the storage device 505, information about the parts correlated with the parameters and the necessity of maintenance of the parts is obtained. output.
  • the predictive maintenance analysis unit 215 is incorporated, for example, in predictive maintenance analysis tools used by semiconductor manufacturers.
  • the predictive maintenance analysis unit 215 analyzes the need for maintenance using the updated model, triggered by the user's operation of the predictive maintenance analysis tool.
  • the predictive maintenance analysis unit 215 outputs the analysis result in a state that the user can browse using the output device 510 such as a display device.
  • the predictive maintenance analysis unit 215 outputs, for example, the necessity of maintenance for a specific part.
  • the predictive maintenance analysis unit 215 may also output a list of component names that require maintenance.
  • the predictive maintenance analysis unit 215 may output, as supplementary information, information indicating, for example, when parts should be replaced or when inspection is required.
  • the semiconductor manufacturer server 210 learns again based on the additionally obtained parameters of the semiconductor manufacturing equipment, and further updates the updated parameters to the secure computing system 110. You can send it. By repeating parameter update by learning in each semiconductor manufacturer server 210 and parameter integration in the secure computing system 110 until, for example, a predetermined condition is satisfied, the accuracy of the model can be further improved.
  • the predetermined conditions are stored in the storage device 505, for example.
  • FIG. 5 is a flow chart showing an overview of the operation of the information processing system 11 in the second embodiment. Note that the processing according to this flowchart may be executed based on program control by the processor described above.
  • the semiconductor manufacturer server 210 locally learns from information on the parameters and maintenance necessity of the semiconductor manufacturing equipment owned by the semiconductor manufacturer (step S201).
  • the anonymization unit 212 anonymizes the model parameters learned in each semiconductor manufacturer server 210 (step S202).
  • the model input/output unit 213 outputs the parameters in an anonymized format to the secure computing system 110 (step S203).
  • the parameter receiving unit 111 of the secure computing system 110 receives the concealed parameters (step S204).
  • the secure calculation unit 112 integrates the anonymous parameters by secure calculation (step S205).
  • the output unit 113 outputs the parameters of the model integrated by the secure calculation unit 112 in an anonymized format to each of the semiconductor manufacturer servers 210 (step S206).
  • the semiconductor manufacturer server 210 acquires the integrated parameters in an anonymized format through the model input/output unit 213 (step S207).
  • the restoration unit 214 restores the anonymized parameters (step S208).
  • the semiconductor manufacturer server 210 updates the model stored in the model storage unit 211 to a model to which the restored parameters are applied (step S209).
  • the semiconductor manufacturer server 210 determines whether a predetermined condition is satisfied (step S210). If the predictive maintenance analysis unit 215 satisfies a predetermined condition (step S210; YES), it analyzes using the updated model and ends the flow (step S211). If the predetermined condition is not satisfied, the semiconductor manufacturer server 210 returns to step S201 (step S210; NO) and executes the flow again. Thus, the information processing system 11 ends the information processing operation.
  • each of the semiconductor manufacturer servers 210 in this embodiment may further include a maintenance execution unit that makes necessary arrangements for maintenance of parts of the semiconductor manufacturing equipment based on the predictive maintenance analysis result by the predictive maintenance analysis unit 215. If information indicating that maintenance is necessary is input from the predictive maintenance analysis unit 215, the maintenance execution unit makes necessary arrangements for the maintenance of the parts. Arrangements necessary for maintenance are, for example, an order for parts in the case of parts replacement. If the arrangement necessary for maintenance is to repair parts, then the arrangement is for maintenance personnel to repair the parts. When information indicating that maintenance is not required is input from the predictive maintenance analysis unit 215, the maintenance execution unit receives the information that the predictive maintenance analysis unit 215 does not require maintenance. Run the maintenance analysis again.
  • the maintenance execution section makes necessary arrangements for the maintenance of the parts.
  • predictive maintenance of parts can be performed without making separate arrangements when maintenance of parts is required.
  • Appendix 1 a parameter receiving means for receiving confidential parameters of a plurality of models used for predictive maintenance analysis of semiconductor manufacturing equipment and generated by each of a plurality of semiconductor manufacturers; Secure calculation means for integrating the plurality of anonymized parameters by secure calculation; output means for outputting the parameters integrated by the secure calculation means in an encrypted format; A secure computing system.
  • Appendix 3 The secure computing system according to appendix 1 or 2, wherein the model is a model for inputting parameters relating to the operating status of the semiconductor manufacturing equipment and for outputting the necessity of maintenance of parts in the semiconductor manufacturing equipment.
  • Appendix 4 The secure computing system according to any one of Appendices 1 to 3, wherein the secure computing is secret sharing computing.
  • model storage means for storing a trained model for analyzing predictive maintenance of semiconductor manufacturing equipment; model input/output means for inputting parameters updated by federated learning using secure computation in an anonymized format with respect to the stored parameters of the model; a restoration unit that restores the input parameters; and a prediction that applies the restored parameters to the stored model, updates the model, and analyzes predictive maintenance of the semiconductor manufacturing equipment.
  • a semiconductor manufacturer server comprising a security analysis means.
  • Appendix 7 The semiconductor manufacturer server according to appendix 5 or 6, further comprising maintenance execution means for making arrangements for maintenance of the semiconductor manufacturing equipment based on the result analyzed by the predictive maintenance analysis means.
  • An information processing system having a plurality of semiconductor manufacturer servers and a secure computing system, each of the plurality of semiconductor maker servers stores a model generated based on parameters relating to the operating status of the semiconductor manufacturing equipment and for storing a model for performing predictive maintenance analysis of the semiconductor manufacturing equipment; an anonymization unit that anonymizes the parameters of the model stored in the model storage unit; model input/output means for transmitting the model anonymized by the anonymization unit to a secure computing system in an anonymized format; a decompression unit that decompresses the anonymized parameter,
  • the secure computing system is a parameter receiving means for receiving confidential parameters of a plurality of models used for predictive maintenance analysis of semiconductor manufacturing equipment and generated by each of a plurality of semiconductor manufacturers; Secure calculation means for integrating the plurality of anonymized parameters by secure calculation; output means for outputting the parameters integrated by the secure calculation means in an encrypted format;
  • An information processing system comprising:

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Manufacturing & Machinery (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本開示の秘密計算システムは、半導体製造装置の予兆保全に関する分析に用いられ、複数の半導体メーカーの各々において生成された複数のモデルについて、当該複数のモデルの秘匿化されたパラメータを受信するパラメータ受信手段と、秘匿化された複数のパラメータについて、秘密計算により統合する秘密計算手段と、秘密計算手段によって統合されたパラメータを秘匿化された形式で出力する出力手段と、を備える。

Description

秘密計算システム、情報処理システム、秘密計算方法、及び記録媒体
　本開示は、秘密計算システム、情報処理システム、秘密計算方法、及び記録媒体に関する。
　半導体製造装置メーカーは、半導体メーカーに納入した装置の稼働状況をリモートで監視し、半導体製造装置の故障又は不具合の予兆を検知したら迅速に対処することで生産性が低下しないようにしている。
　例えば、特許文献１には、半導体製造装置の保守部品の寿命予測モデルに含まれるメタパラメータの値に基づき、当該保守部品のパラメータ予測モデルを作成し、その予測寿命を計算するシステムが開示されている。
国際公開第２０１２/１５７０４０号
　しかしながら、上述した特許文献１に記載された発明は、単一の予測モデルにより予測されデータが出力されるため、予測データの精度を高めるには限界がある。半導体製造装置の保守の必要性を分析する際に、個々の半導体メーカーが保有するモデルを用いるより、複数の半導体メーカーが保有するモデルの情報を利用した方が、より精度の高いモデルを生成できる。しかし、各半導体メーカーが保有するモデルは秘密にすべき情報のため、第三者に提供できない。
　本開示の目的の一例は、各モデルのパラメータを秘匿しながら、より精度の高いモデルを提供することにある。
　本開示の一態様における秘密計算システムは、半導体製造装置の予兆保全に関する分析に用いられ、複数の半導体メーカーの各々において生成された複数のモデルについて、当該複数のモデルの秘匿化されたパラメータを受信するパラメータ受信手段と、秘匿化された複数のパラメータについて、秘密計算により統合する秘密計算手段と、秘密計算手段によって統合されたパラメータを秘匿化された形式で出力する出力手段と、を備える。
　本開示の一態様における予兆保全システムは、複数の半導体メーカーサーバと、秘密計算システムとを有する情報処理システムであって、複数の前記半導体メーカーサーバは、それぞれ、半導体製造装置の稼働状況に関するパラメータに基づいて生成され、半導体製造装置の予兆保全に関する分析を行うモデルを記憶するモデル記憶部と、モデル記憶部に記憶されたモデルのパラメータを秘匿化する秘匿化部と、秘匿化部で秘匿化されたモデルを秘匿化した形式で秘密計算システムへ送信するモデル入出力手段と、秘匿化された前記パラメータを復元化する復元化部と、を備え、秘密計算システムは、半導体製造装置の予兆保全に関する分析に用いられ、複数の半導体メーカーの各々において生成された複数のモデルについて、当該複数のモデルの秘匿化されたパラメータを受信するパラメータ受信手段と、秘匿化された複数のパラメータについて、秘密計算により統合する秘密計算手段と、秘密計算手段によって統合されたパラメータを秘匿化された形式で出力する出力手段と、を備える。
　本開示の一態様における装置管理方法は、半導体製造装置の予兆保全に関する分析に用いられ、複数の半導体メーカーの各々において生成された複数のモデルについて、当該複数のモデルの秘匿化されたパラメータを受信し、秘匿化された複数のパラメータについて、秘密計算により統合し、統合されたパラメータを秘匿化された形式で出力する。
　本開示の一態様における記録媒体は、半導体製造装置の予兆保全に関する分析に用いられ、複数の半導体メーカーの各々において生成された複数のモデルについて、当該複数のモデルの秘匿化されたパラメータを受信し、秘匿化された複数のパラメータについて、秘密計算により統合し、統合されたパラメータを秘匿化された形式で出力する、ことをコンピュータに実行させるプログラムを格納する。
　本開示による効果の一例は、各モデルのパラメータを秘匿しながら、より精度の高いモデルを提供できる。
図１は、第一の実施形態における情報処理システムの構成を示すブロック図である。 図２は、第一の実施形態における秘密計算システムをコンピュータ装置とその周辺装置で実現したハードウェア構成を示す図である。 図３は、第一の実施形態における秘密計算の動作を示すフローチャートである。 図４は、第二の実施形態における情報処理システムの構成を示すブロック図である。 図５は、第二の実施形態における情報処理の動作を示すフローチャートである。
　次に、実施形態について図面を参照して詳細に説明する。
　［第一の実施形態］
　第一の実施形態における情報処理システム１０は、各半導体メーカーが保有する可動状況に関するパラメータを用いた予兆保全分析のためのモデルの複数のパラメータについて、秘密計算により統合するためのシステムである。
　図１は、第一の実施形態における情報処理システム１０の構成を示すブロック図である。図１を参照すると、情報処理システム１０は、秘密計算システム１００及び複数の半導体メーカーサーバ２００（２００ａ、２００ｂ）を備える。秘密計算システム１００は、パラメータ受信部１０１と秘密計算部１０２と出力部１０３を備える。秘密計算システム１００は、例えば、半導体製造装置の保守や整備等の予兆保全サービスを委託されたサービス提供者（ユーザ）によって実施される。サービス提供者は、各半導体メーカーサーバ２００において学習済みモデルのパラメータを統合し、統合されたパラメータを適用した更新モデルを用いて当該予兆保全サービス等を提供する。予兆保全とは、例えば、半導体製造装置の状態を計測・監視し、設備の劣化状態を把握または予知して部品を交換・修理等を行うことである。
　複数の半導体メーカーサーバ２００とは、半導体製造装置メーカーの複数の顧客（例えば、競合する半導体メーカー）のサーバである。この場合、競合同士のパラメータを秘匿しながら、併せて分析できる。また、複数の半導体メーカーサーバ２００の別の例としては、同じ工場内でも、ロット毎にパラメータを別のサーバで記憶している場合である。
　半導体メーカーサーバ２００のそれぞれは、半導体製造装置の予兆保全に関して分析するための学習済みモデルを格納するモデル記憶部２０１（２０１ａ、２０１ｂ）と、モデルのパラメータを秘匿化する秘匿化部２０２（２０２ａ、２０２ｂ）と、秘密計算システム１００との間でパラメータの入出力を行うモデル入出力部２０３（２０３ａ、２０３ｂ）と、秘匿化されたパラメータを復元する復元化部２０４（２０４ａ、２０４ｂ）を備える。なお、本実施形態において、複数の半導体メーカーサーバ２００は、二か所であるが、これに限られない。複数の半導体メーカーサーバ２００は、パラメータを統合する半導体メーカーの数だけ備えられている。以下、本実施形態の必須構成である秘密計算システム１００について詳しく説明する。
　図２は、本開示の第一の実施形態における半導体製造装置の秘密計算システム１００を、プロセッサを含むコンピュータ装置５００で実現したハードウェア構成の一例を示す図である。図２に示されるように、秘密計算システム１００は、ＣＰＵ(Central Processing Unit)５０１、ＲＯＭ（Read　Only　Memory）５０２、ＲＡＭ（Random　Access　Memory）５０３等のメモリ、プログラム５０４を格納するハードディスク等の記憶装置５０５、ネットワーク接続用の通信Ｉ／Ｆ（Interface）５０８、データの入出力を行う入出力インターフェース５１１を含む。第一の実施形態において、各半導体メーカーサーバ２００から受信するパラメータの情報は、通信Ｉ／Ｆ５０８を介して秘密計算システム１００に入力される。
　ＣＰＵ５０１は、オペレーティングシステムを動作させて本発明の第一の実施の形態に係る秘密計算システム１００の全体を制御する。また、ＣＰＵ５０１は、例えばドライブ装置５０７などに装着された記録媒体５０６からメモリにプログラムやデータを読み出す。また、ＣＰＵ５０１は、第一の実施の形態におけるパラメータ受信部１０１と秘密計算部１０２と出力部１０３と及びこれらの一部として機能し、プログラムに基づいて後述する図３に示すフローチャートにおける処理または命令を実行する。
　記録媒体５０６は、例えば光ディスク、フレキシブルディスク、磁気光ディスク、外付けハードディスク、または半導体メモリ等である。記憶装置の一部の記録媒体は、不揮発性記憶装置であり、そこにプログラムを記録する。また、プログラムは、通信網に接続されている図示しない外部コンピュータからダウンロードされてもよい。
　入力装置５０９は、例えば、マウスやキーボード、内蔵のキーボタンなどで実現され、入力操作に用いられる。入力装置５０９は、マウスやキーボード、内蔵のキーボタンに限らず、例えばタッチパネルでもよい。出力装置５１０は、例えばディスプレイで実現され、出力を確認するために用いられる。
　以上のように、図１に示す第一の実施形態は、図２に示されるコンピュータ・ハードウェアによって実現される。ただし、図１の半導体製造の秘密計算システム１００が備える各部の実現手段は、以上説明した構成に限定されない。また秘密計算システム１００は、物理的に結合した一つの装置により実現されてもよいし、物理的に分離した二つ以上の装置を有線または無線で接続し、これら複数の装置により実現されてもよい。たとえば、入力装置５０９及び出力装置５１０は、コンピュータ装置５００とネットワークを経由して接続されていてもよい。また、図１に示す第一の実施形態における秘密計算システム１００は、クラウドコンピューティング等で構成することもできる。
　図１において、パラメータ受信部１０１は、半導体製造装置の予兆保全に関する分析に用いられ、複数の半導体メーカーサーバの各々において生成された複数のモデルについて、当該複数のモデルの秘匿化されたパラメータを受信する手段である。半導体製造装置の予兆保全に関する分析とは、半導体製造装置に用いられる部品の保全の必要性の分析である。半導体製造装置とは、半導体の製造に使用される装置全般を指す。半導体製造装置の例としては、例えば、半導体製造工程の前工程である、ウェーハへの素子形成プロセスで用いられる製造装置であり、拡散・熱酸化装置、成膜関連装置（エッチング装置含む）、コーター・デベロッパ装置、露光装置、洗浄・エッチング装置又はイオン注入/アニール装置等が挙げられる。成膜関連装置としては、プラズマCVD（Chemical Vapor Deposition）、ドライエッチング装置（RIE）、RFプラズマ、スパッタ、CVDが挙げられる。
　パラメータとは、半導体製造装置の稼働状況に関するパラメータである。より具体的にパラメータは、半導体製造装置の稼働時間により変化し、半導体製造装置の特定のユニットにおいて保全の必要性を予測可能なパラメータである。半導体製造装置に用いられる部品とは、例えば、半導体製造装置に用いられている部品のうち、特に歩留まりや製造した半導体の精度に影響を与える部品である。半導体製造装置に用いられる部品の例としては、例えば、加熱ランプ、光源、イオン源、ターボ分子ポンプ、真空バルブ又はチャンバが挙げられる。
　パラメータは、例えば、プロセスパラメータと運転状況パラメータに分類される。プロセスパラメータとは、例えば、半導体製造装置の稼働時に製造装置内の物理量を測定した値であり、半導体製造装置に取り付けられたセンサー値から得られる。センサーとしては、電流センサー、温度センサー、振動センサー又は加速度センサー等が挙げられる。プロセスパラメータとしては、例えば、半導体製造装置内の特定のユニット内の消費電流や振動度等が挙げられる。成膜関連装置における他のプロセスパラメータの例としては、例えば、ガス流量、成膜時間、基板温度、Vpp電圧及びVdc電圧（プラズマCVD、ドライエッチング）、DCバイアス（スパッタ）、圧力である。成膜関連以外の半導体製造装置のプロセスパラメータの例としては、例えば、洗浄・エッチング装置では、洗浄度、エッチ深さである。拡散・熱酸化装置としては、例えば、酸化膜の深さ、厚さ、シート抵抗である。イオン注入/アニール装置としては、例えば、プロファイルシート抵抗である。コーター・デベロッパとしては、例えば、レジストパターンである。
　運転状況パラメータとは、半導体製造装置の稼働時の設定条件を示すパラメータである。成膜関連装置における各運転状況パラメータの例としては、プラズマCVDでは、投入電力、反射波→０（反射係数の０から近さ）、チャンバ内の到達真空度、加熱ランプ電力である。ドライエッチング装置としては、到達真空度、加熱ランプ電力である。RFプラズマとしては、入射波Pf、反射波Pｒ、バリアブルコンデンサの値、加熱ランプ電力である。スパッタ装置としては、投入電力、反射波、到達真空度、加熱ランプ電極である。CVDとしては、加熱ランプ電力である。成膜関連装置以外の運転状況パラメータとしては、例えば、イオン注入/アニール装置としては、例えば、真空度や赤外ランプ電力である。露光装置としては、例えば、光源出力である。コーター・デベロッパとしては、例えば、加速度である。
　パラメータ受信部１０１は、例えば、サービス提供者によるモデルのパラメータを統合するための操作をトリガとして、複数の半導体メーカーサーバ２００の各々において、学習済みのモデルのパラメータを秘匿化された形式でネットワークを通じ通信Ｉ／Ｆ５０８を介して受信する。学習済みのモデルとは、複数の半導体メーカーサーバ２００の各々において同種のパラメータに基づいて学習されたモデルである。同種パラメータとは、例えば、同種類の半導体製造装置であって、特定の部品に関するパラメータである。モデルは、半導体製造装置の稼働状況に関するパラメータを入力すると、半導体製造装置の部品の保全の必要性を推定結果が出力されるモデルであり、例えば、半導体製造装置のパラメータの基準値からの差分を入力すると、特定の部品の交換又は修理の要否が出力されるようなモデルである。学習するモデルは、決定木モデル、線形回帰モデル、ロジスティック回帰（Ｌｏｇｉｓｔｉｃ ｒｅｇｒｅｓｓｉｏｎ）モデル、ニューラルネットワーク（Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋｓ）モデル等を含むが、これらに限らない。
　秘密計算部１０２は、パラメータ受信部１０１によって受信され、秘匿化された複数のパラメータを、秘密計算により統合する手段である。本実施形態において、秘匿化された複数のパラメータを秘密計算により統合とは、各半導体メーカーサーバ２１０の各々において個別に学習したパラメータを、秘匿化された状態のまま、まとめて計算処理することである。秘密計算部１０２は、秘匿化された複数のモデルのパラメータを、秘密計算を用いた連合学習により統合しても構わない。この場合、秘密計算部１０２は、各半導体メーカーサーバ２００にデータを分散した状態で機械学習を行い、各半導体メーカーサーバ２００において学習済みのモデルのパラメータを、秘密計算を用いて統合する。
　秘密計算部１０２は、秘匿化されたパラメータについて、予め決められたルールに従って統合する。パラメータの統合方法としては、公知の方法を用いることができ、例えば、統合する際に、各モデルの特徴によって、各モデルに対応するパラメータの重みを変えることができる。
　秘密計算方法としては、準同型暗号等の特定の処理に対応した特殊な暗号化、ハードウェア上で隔離された状態で処理する高信頼実行環境(Trusted Execution Environment)、又は複数のサーバで秘密分散したまま計算処理（秘密分散計算）するマルチパーティ計算等を用いることができる。マルチパーティ計算の秘密計算の具体的方法としては、次の例が挙げられる。例えば、秘匿化データａを分散値ｘ1,ｙ1,…に秘密分散し、ｘ1,ｙ1,…をそれぞれ管理者が異なるサーバに送信する。秘匿化データｂを分散値ｘ2,ｙ2,…に秘密分散し、ｘ2,ｙ2,…をそれぞれ管理者が異なるサーバに送信する。次いで秘匿化データa及び秘匿化データｂが秘密分散されたままの状態で互いに通信を行いつつ計算を進め、最後に各サーバの計算結果である出力の分散値ｕ,ｖ,…を集め、復元処理を行うことで、計算結果のＦ（a, b）が得られる。この計算結果が各モデルのパラメータを統合したパラメータとなる。このため、秘密計算方法としてマルチパーティ計算を用いる場合、秘密計算部１０２は、複数のサーバを備える。マルチパーティ計算によれば、暗号鍵の管理や隔離された環境が不要であり、計算処理がより速い。秘密計算部１０２は、このようにして得られた、モデルのパラメータを秘匿化された形式で出力部１０３に出力する。
　出力部１０３は、秘密計算部１０２によって統合されたパラメータを秘匿化された形式で半導体メーカーサーバ２００に送信する手段である。出力部１０３は、半導体メーカーサーバ２００側でモデルのパラメータを更新できるような形式で統合されたパラメータを送信する。出力部１０３は、半導体メーカーサーバ２００に送信する際に、更新されたパラメータではなく、更新されたパラメータの差分（改善点のみ）を送信することができる。
　以上のように構成された秘密計算システム１００の動作について、図３のフローチャートを参照して説明する。
　図３は、第一の実施形態における秘密計算システム１００の動作の概要を示すフローチャートである。尚、このフローチャートによる処理は、前述したプロセッサによるプログラム制御に基づいて、実行されてもよい。
　図３に示すように、まずパラメータ受信部１０１は、複数の半導体メーカーにおいて学習済みのモデルの各々について、秘匿化された複数のモデルのパラメータの入力を受信する（ステップＳ１０１）。次に、秘密計算部１０２は、秘匿化された複数のモデルのパラメータについて、秘密計算により統合する（ステップＳ１０２）。最後に、出力部１０３は、秘密計算部１０２によって統合されたモデルのパラメータを秘匿化された形式で出力する（ステップＳ１０３）。以上で、秘密計算システム１００は、秘密計算の動作を終了する。
　秘密計算システム１００は、秘密計算部１０２が、秘匿化された複数のパラメータについて、秘密計算により統合する。これにより、各モデルのパラメータを秘匿しながら、より精度の高いモデルを提供できる。
［第二の実施形態］
　次に、本開示の第二の実施形態について図面を参照して詳細に説明する。以下、本実施形態の説明が不明確にならない範囲で、前述の説明と重複する内容については説明を省略する。第二の実施形態における、情報処理システム１１は、秘密計算を用いた連合学習を用いて更新したモデルを提供するために用いられる。これらの更新モデルは、例えば、各半導体メーカーが工場の半導体製造装置の予兆保全ための分析ツールに組み込まれる。本開示の各実施形態における各構成要素は、図２に示すコンピュータ装置と同様に、その機能をハードウェア的に実現することはもちろん、プログラム制御に基づくコンピュータ装置、ファームウェアで実現することができる。これらのモデルは、過去に取得された半導体製造装置の稼働状況に関するパラメータ及び部品の保全の要否との関係性に基づいて生成されたモデルである。これらのモデルは、各半導体メーカーサーバ２１０（２１０ａ、２１０ｂ）の各モデル記憶部２１１（２１１ａ、２１１ｂ）に記憶される。
　図４は、本開示の第二の実施形態に係る秘密計算システム１１０を備えた情報処理システム１１の構成を示すブロック図である。図４を参照して、第一の実施形態に係る情報処理システム１０と異なる部分を中心に、第二の実施形態に係る秘密計算システム１１０及び半導体メーカーサーバ２１０（２１０ａ，２１０ｂ）を説明する。
＜秘密計算システム＞
　秘密計算システム１１０は、複数の半導体メーカーサーバ２１０ａ，２１０ｂから受信した学習済みモデルのパラメータについて秘密計算を用いて統合する。パラメータ受信部１１１は、通信Ｉ／Ｆ５０８を通じて半導体メーカーサーバ２１０から各半導体メーカーの学習済みモデルのパラメータを受信する。次いで、秘密計算部１１２は、受信した秘匿化モデルのパラメータについて、所定の組み合わせルールに従って秘密計算により統合し、統合した秘匿化モデルのパラメータを秘匿化された形式で出力部１１３に出力する。出力部１１３は、統合したパラメータについて、モデル入出力部２１３を通じて、各々の半導体メーカーサーバ２１０に送信する。また、半導体メーカーサーバ２１０にパラメータを送信した後、半導体メーカーサーバ２１０側で再度、モデルの学習が行われパラメータが更新された場合、秘密計算システム１１０は、再度更新されたパラメータを受け取っても構わない。なお、パラメータ受信部１１１、秘密計算部１１２及び出力部１１３における動作は、第一の実施形態におけるパラメータ受信部１０１、秘密計算部１０２及び出力部１０３の動作と同様であるため、ここでは説明を割愛する。
＜半導体メーカーサーバ＞
　半導体メーカーサーバ２１０のそれぞれは、半導体製造装置の予兆保全に関して分析するための学習済みモデルを格納するモデル記憶部２１１（２１１ａ、２１１ｂ）と、モデルのパラメータを秘匿化する秘匿化部２１２（２１２ａ、２０２ｂ）と、秘密計算システム１１０との間でパラメータの入出力を秘匿化された形式で行うモデル入出力部２１３（２１３ａ、２１３ｂ）と、秘匿化されたパラメータを復元する復元化部２１４（２１４ａ、２１４ｂ）と、秘密計算システム１１０において更新されたモデルのパラメータを用いて分析を行う予兆保全分析部２１５と、を備える。本実施形態では、秘密計算システム１１０においてモデルのパラメータが更新された後の各構成の機能につい詳細に説明する。
　半導体メーカーサーバ２１０は、秘密計算システム１１０から出力部１１３を介して更新されたモデルのパラメータを受信すると、モデル記憶部２１１に格納されているモデルを、秘密計算システム１１０から受信したパラメータを適用したモデルに更新する。具体的には、モデル入出力部２１３が秘匿化した形式でパラメータを受信して復元化部２１４に出力する。次いで、復元化部２１４がパラメータを復元化しモデル記憶部２１１に格納されたモデルのパラメータと差し替える。次いで、予兆保全分析部２１５は、更新されたモデルを用いて分析を行う。
　ここで、予兆保全分析部２１５による半導体製造装置の部品の予兆保全に関する分析について説明する。予兆保全分析部２１５は、更新されたモデルを用いて半導体製造装置のパラメータに基づき、パラメータと相関関係のある部品の保全の必要性を推定する。本実施形態において部品とは、半導体製造装置で用いられる個々の部品及び複数の部品を含む特定のユニットを含む。予兆保全分析部２１５は、例えば、予兆保全に関して分析する対象部品が光源である場合、パラメータとして光源出力を用いる。
　予兆保全分析部２１５は、例えば、基準値からの差分により規定されたパラメータに基づいて、部品の予兆保全に関して分析する。ここで、基準値とは、予め設定されたパラメータ値であり、例えば、半導体製造装置の稼働を開始した際の初期値パラメータ値である。予兆保全分析部２１５は、基準値からの変動率等の差分に基づいて、部品の予兆保全に関して分析を行い、部品に対する保全の必要性を推定する。予兆保全分析部２１５が、例えば、記憶装置５０５に格納されているモデルに、半導体製造装置の特定のパラメータを入力した場合、パラメータと相関する部品と、その部品の保全の要否についての情報が出力される。
　予兆保全分析部２１５は、例えば、半導体メーカーで用いられる予兆保全の分析ツールに組み込まれている。予兆保全分析部２１５は、ユーザによる予兆保全の分析ツールへの操作をトリガとして、更新された更新モデルを用いて、保全の必要性に関する分析を行う。次いで、予兆保全分析部２１５は、分析結果をディスプレイ装置等の出力装置５１０を用いてユーザが閲覧できる状態で出力する。予兆保全分析部２１５は、例えば、特定の部品に対する保全の要否を出力する。また、予兆保全分析部２１５は、保全が必要な部品名のリストを出力しても構わない。また、予兆保全分析部２１５は、付帯情報として、例えば、部品の交換時期や点検が必要となる時期を示す情報を出力しても構わない。
　半導体メーカーサーバ２１０は、予兆保全分析部２１５による分析の結果の精度を高めるために、追加で得られた半導体製造装置のパラメータに基づいて再度学習を行い、更に更新したパラメータを秘密計算システム１１０に送信しても構わない。各半導体メーカーサーバ２１０における学習によるパラメータの更新と秘密計算システム１１０でのパラメータの統合を、例えば、事前に定められた条件を満たすまで繰り返すことで、モデルの精度を更に高めることができる。事前に定められた条件は、例えば、記憶装置５０５に格納されている。
　以上のように構成された情報処理システム１１の動作について、図５のフローチャートを参照して説明する。
　図５は、第二の実施形態における情報処理システム１１の動作の概要を示すフローチャートである。尚、このフローチャートによる処理は、前述したプロセッサによるプログラム制御に基づいて、実行されてもよい。
　図５に示すように、まず、半導体メーカーサーバ２１０は、半導体メーカーが保有する半導体製造装置のパラメータ及び保守の必要性の情報によりローカルで学習を行う（ステップＳ２０１）。次いで、秘匿化部２１２は、各半導体メーカーサーバ２１０において学習したモデルのパラメータを秘匿化する（ステップＳ２０２）。次いで、モデル入出力部２１３は、パラメータを秘匿化した形式で、秘密計算システム１１０に出力する（ステップＳ２０３）。次いで、秘密計算システム１１０のパラメータ受信部１１１は、秘匿化されたパラメータを受信する（ステップＳ２０４）。次に、秘密計算部１１２は、秘匿化された複数のパラメータについて、秘密計算により統合する（ステップＳ２０５）。次に、出力部１１３は、秘密計算部１１２によって統合されたモデルのパラメータを秘匿化された形式で半導体メーカーサーバ２１０の各々に出力する（ステップＳ２０６）。次いで、半導体メーカーサーバ２１０は、モデル入出力部２１３を通じて統合されたパラメータを秘匿化された形式で取得する（ステップＳ２０７）。次に、復元化部２１４は、秘匿化されたパラメータを復元化する（ステップＳ２０８）。次に、半導体メーカーサーバ２１０は、モデル記憶部２１１に格納されているモデルを、復元化したパラメータを適用したモデルに更新する（ステップＳ２０９）。次に、半導体メーカーサーバ２１０は、事前に定められた条件を満たしているか判断する（ステップＳ２１０）。予兆保全分析部２１５は、事前に定められた条件を満たしている場合（ステップＳ２１０；ＹＥＳ）、更新されたモデルを用いて分析し、フローを終了する（ステップＳ２１１）。半導体メーカーサーバ２１０は、事前に定められた条件を満たしていない場合、ステップＳ２０１に戻り（ステップS２１０；ＮＯ）、再度フローを実施する。以上で、情報処理システム１１は、情報処理の動作を終了する。
　本開示の第二の実施形態において、秘密計算部１１２によって統合されたモデルのパラメータを適用したモデルを用いて、半導体製造装置の予兆保全に関して分析する。これにより、より正確な分析結果を出力することができる。
　以上、各実施の形態を参照して本発明を説明したが、本発明は上記実施の形態に限定されるものではない。本発明の構成や詳細には、本発明のスコープ内で当業者が理解しえる様々な変更をすることができる。
　例えば、複数の動作をフローチャートの形式で順番に記載してあるが、その記載の順番は複数の動作を実行する順番を限定するものではない。このため、各実施形態を実施するときには、その複数の動作の順番は内容的に支障しない範囲で変更することができる。
　また、本実施形態における半導体メーカーサーバ２１０のそれぞれにおいて、予兆保全分析部２１５による予兆保全の分析結果に基づいて、半導体製造装置の部品の保全に必要な手配行う保全実行部を更に備えても構わない、保全実行部は、予兆保全分析部２１５から保全が必要との情報が入力された場合、部品の保全に必要な手配を行う。保全に必要な手配とは、例えば、部品の交換の場合は、部品の発注である。保全に必要な手配が部品の修理の場合は、部品を修理する保守員の手配である。保全実行部は、予兆保全分析部２１５から保全の必要がないとの情報が入力された場合、半導体メーカーサーバ２１０は、一定期間後（例えば、１か月後）に予兆保全分析部２１５による予兆保全に関する分析を再度実行する。この場合、予兆保全分析部２１５による予兆分析の結果、部品の保全が必要と判定されると、保全実行部は、部品の保全に必要な手配を行う。これにより、部品の保全が必要であった場合に別途手配をすることなく、部品の予兆保全を実行することができる。
　上記の実施形態の一部又は全部は、以下の付記のようにも記載されうるが、以下には限られない。
　（付記１）
　半導体製造装置の予兆保全に関する分析に用いられ、複数の半導体メーカーの各々において生成された複数のモデルについて、当該複数のモデルの秘匿化されたパラメータを受信するパラメータ受信手段と、
　前記秘匿化された前記複数のパラメータについて、秘密計算により統合する秘密計算手段と、
　前記秘密計算手段によって統合された前記パラメータを秘匿化された形式で出力する出力手段と、
を備える、秘密計算システム。
　（付記２）
　前記秘密計算手段は、前記秘匿化された前記複数のパラメータについて、秘密計算を用いた連合学習により統合する、付記１に記載の秘密計算システム。
　（付記３）
　前記モデルは、半導体製造装置の稼働状況に関するパラメータを入力し、前記半導体製造装置における部品の保全の必要性を出力するモデルである、付記１又は２に記載の秘密計算システム。
　（付記４）
　前記秘密計算は、秘密分散計算である、付記１～３のいずれかに記載の秘密計算システム。
　（付記５）
　半導体製造装置の予兆保全に関して分析するための学習済みモデルを格納するモデル記憶手段と、
　前記格納された前記モデルのパラメータについて、秘密計算を用いた連合学習により更新されたパラメータを秘匿化された形式で入力するモデル入出力手段と、
　前記入力されたパラメータを復元化する復元化部と、前記復元化された前記パラメータを前記格納された前記モデルに適用して、前記モデルを更新して前記半導体製造装置の予兆保全に関して分析する予兆保全分析手段を備える、半導体メーカーサーバ。
　（付記６）
　前記予兆保全分析手段における前記半導体製造装置の予兆保全に関する分析が、前記半導体製造装置の部品の保全の必要性に関する分析である、付記５に記載の半導体メーカーサーバ。
　（付記７）
　前記予兆保全分析手段により分析された結果に基づいて、前記半導体製造装置の保全に関する手配を行う、保全実行手段を更に備える、付記５又は６に記載の半導体メーカーサーバ。
　（付記８）
　前記保全実行手段は、前記半導体製造装置における必要な部品の発注を行う、付記７に記載の半導体メーカーサーバ。
　（付記９）
　複数の半導体メーカーサーバと、秘密計算システムとを有する情報処理システムであって、
　前記複数の前記半導体メーカーサーバは、それぞれ、半導体製造装置の稼働状況に関するパラメータに基づいて生成され、前記半導体製造装置の予兆保全に関する分析を行うモデルを記憶するモデル記憶部と、
　前記モデル記憶部に記憶されたモデルのパラメータを秘匿化する秘匿化部と、
前記秘匿化部で秘匿化されたモデルを秘匿化した形式で秘密計算システムへ送信するモデル入出力手段と、
　前記秘匿化された前記パラメータを復元化する復元化部と、を備え、
　前記秘密計算システムは、
　半導体製造装置の予兆保全に関する分析に用いられ、複数の半導体メーカーの各々において生成された複数のモデルについて、当該複数のモデルの秘匿化されたパラメータを受信するパラメータ受信手段と、
　前記秘匿化された前記複数のパラメータについて、秘密計算により統合する秘密計算手段と、
　前記秘密計算手段によって統合された前記パラメータを秘匿化された形式で出力する出力手段と、
を備える、情報処理システム。
　（付記１０）
　半導体製造装置の予兆保全に関する分析に用いられ、複数の半導体メーカーの各々において生成された複数のモデルについて、当該複数のモデルの秘匿化されたパラメータを受信し、
　前記秘匿化された前記複数のパラメータについて、秘密計算により統合し、
　前記統合された前記パラメータを秘匿化された形式で出力する、秘密計算方法。
　（付記１１）
　半導体製造装置の予兆保全に関する分析に用いられ、複数の半導体メーカーの各々において生成された複数のモデルについて、当該複数のモデルの秘匿化されたパラメータを受信し、
　前記秘匿化された前記複数のパラメータについて、秘密計算により統合し、
　前記統合された前記パラメータを秘匿化された形式で出力する、ことをコンピュータに実行させるプログラムを格納する記録媒体。
　　１０、１１　　　情報処理システム
　１００、１１０　　秘密計算システム
　１０１、１１１　　パラメータ受信部
　１０２、１１２　　秘密計算部
　１０３、１１３　　出力部
　２００、２１０　　半導体メーカーサーバ
　２０１、２１１　　モデル記憶部
　２０２、２１２　　秘匿化部
　２０３、２１３　　モデル入出力部
　２０４、２１４　　復元化部
　２１５　　予兆保全分析部

Claims (11)

  1. 　半導体製造装置の予兆保全に関する分析に用いられ、複数の半導体メーカーの各々において生成された複数のモデルについて、当該複数のモデルの秘匿化されたパラメータを受信するパラメータ受信手段と、
    　前記秘匿化された前記複数のパラメータについて、秘密計算により統合する秘密計算手段と、
    　前記秘密計算手段によって前記統合された前記パラメータを秘匿化された形式で出力する出力手段と、
    を備える、秘密計算システム。
  2. 　前記秘密計算手段は、前記秘匿化された前記複数のパラメータについて、秘密計算を用いた連合学習により統合する、請求項１に記載の秘密計算システム。
  3. 　前記モデルは、半導体製造装置の稼働状況に関するパラメータを入力し、前記半導体製造装置における部品の保全の必要性を出力するモデルである、請求項１又は２に記載の秘密計算システム。
  4. 　前記秘密計算は、秘密分散計算である、請求項１～３のいずれか一項に記載の秘密計算システム。
  5. 　半導体製造装置の予兆保全に関して分析するための学習済みモデルを格納するモデル記憶手段と、
    　前記格納された前記モデルのパラメータについて、秘密計算を用いた連合学習により更新されたパラメータを秘匿化された形式で入力するモデル入出力手段と、
    　前記入力されたパラメータを復元化する復元化部と、前記復元化された前記パラメータを前記格納された前記モデルに適用して、前記モデルを更新して前記半導体製造装置の予兆保全に関して分析する予兆保全分析手段を備える、半導体メーカーサーバ。
  6. 　前記予兆保全分析手段における前記半導体製造装置の予兆保全に関する分析が、前記半導体製造装置の部品の保全の必要性に関する分析である、請求項５に記載の半導体メーカーサーバ。
  7. 　前記予兆保全分析手段により分析された結果に基づいて、前記半導体製造装置の保全に関する手配を行う、保全実行手段を更に備える、請求項５又は６に記載の半導体メーカーサーバ。
  8. 　前記保全実行手段は、前記半導体製造装置における必要な部品の発注を行う、請求項７に記載の半導体メーカーサーバ。
  9. 　複数の半導体メーカーサーバと、秘密計算システムとを有する情報処理システムであって、
    　前記複数の前記半導体メーカーサーバは、それぞれ、半導体製造装置の稼働状況に関するパラメータに基づいて生成され、前記半導体製造装置の予兆保全に関する分析を行うモデルを記憶するモデル記憶部と、
    　前記モデル記憶部に記憶されたモデルのパラメータを秘匿化する秘匿化部と、
    前記秘匿化部で秘匿化されたモデルを秘匿化した形式で秘密計算システムへ送信するモデル入出力手段と、
    　前記秘匿化された前記パラメータを復元化する復元化部と、を備え、
    　前記秘密計算システムは、
    　半導体製造装置の予兆保全に関する分析に用いられ、複数の半導体メーカーの各々において生成された複数のモデルについて、当該複数のモデルの秘匿化されたパラメータを受信するパラメータ受信手段と、
    　前記秘匿化された前記複数のパラメータについて、秘密計算により統合する秘密計算手段と、
    　前記秘密計算手段によって統合された前記パラメータを秘匿化された形式で出力する出力手段と、
    を備える、情報処理システム。
  10. 　半導体製造装置の予兆保全に関する分析に用いられ、複数の半導体メーカーの各々において生成された複数のモデルについて、当該複数のモデルの秘匿化されたパラメータを受信し、
    　前記秘匿化された前記複数のパラメータについて、秘密計算により統合し、
    　前記統合された前記パラメータを秘匿化された形式で出力する、秘密計算方法。
  11. 　半導体製造装置の予兆保全に関する分析に用いられ、複数の半導体メーカーの各々において生成された複数のモデルについて、当該複数のモデルの秘匿化されたパラメータを受信し、
    　前記秘匿化された前記複数のパラメータについて、秘密計算により統合し、
    　前記統合された前記パラメータを秘匿化された形式で出力する、ことをコンピュータに実行させるプログラムを格納する記録媒体。
PCT/JP2021/035504 2021-09-28 2021-09-28 秘密計算システム、情報処理システム、秘密計算方法、及び記録媒体 WO2023053162A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2023550754A JPWO2023053162A5 (ja) 2021-09-28 秘密計算システム、半導体メーカーサーバ、情報処理システム、秘密計算方法、及びプログラム
PCT/JP2021/035504 WO2023053162A1 (ja) 2021-09-28 2021-09-28 秘密計算システム、情報処理システム、秘密計算方法、及び記録媒体

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2021/035504 WO2023053162A1 (ja) 2021-09-28 2021-09-28 秘密計算システム、情報処理システム、秘密計算方法、及び記録媒体

Publications (1)

Publication Number Publication Date
WO2023053162A1 true WO2023053162A1 (ja) 2023-04-06

Family

ID=85781458

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2021/035504 WO2023053162A1 (ja) 2021-09-28 2021-09-28 秘密計算システム、情報処理システム、秘密計算方法、及び記録媒体

Country Status (1)

Country Link
WO (1) WO2023053162A1 (ja)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2002089189A1 (fr) * 2001-04-27 2002-11-07 Tokyo Electron Limited Procede et systeme de maintenance a distance
WO2020075273A1 (ja) * 2018-10-11 2020-04-16 日本電気株式会社 情報処理装置、秘密計算方法及びプログラム
WO2020148998A1 (ja) * 2019-01-18 2020-07-23 オムロン株式会社 モデル統合装置、方法及びプログラム並びに推論、検査及び制御システム
WO2021090789A1 (ja) * 2019-11-07 2021-05-14 オムロン株式会社 統合分析方法、統合分析装置、及び統合分析プログラム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2002089189A1 (fr) * 2001-04-27 2002-11-07 Tokyo Electron Limited Procede et systeme de maintenance a distance
WO2020075273A1 (ja) * 2018-10-11 2020-04-16 日本電気株式会社 情報処理装置、秘密計算方法及びプログラム
WO2020148998A1 (ja) * 2019-01-18 2020-07-23 オムロン株式会社 モデル統合装置、方法及びプログラム並びに推論、検査及び制御システム
WO2021090789A1 (ja) * 2019-11-07 2021-05-14 オムロン株式会社 統合分析方法、統合分析装置、及び統合分析プログラム

Also Published As

Publication number Publication date
JPWO2023053162A1 (ja) 2023-04-06

Similar Documents

Publication Publication Date Title
JP5841071B2 (ja) 半導体製造ツールを自己学習及び自己改善するための方法及びシステム
US8725667B2 (en) Method and system for detection of tool performance degradation and mismatch
US20190104138A1 (en) Autonomous edge device for monitoring and threat detection
KR100488127B1 (ko) 생산 장치의 고장 진단 방법 및 생산 장치의 고장 진단시스템
US9798319B2 (en) Industrial control metadata engine
Ben Said et al. Experts’ knowledge renewal and maintenance actions effectiveness in high-mix low-volume industries, using Bayesian approach
Cholette et al. Degradation modeling and monitoring of machines using operation-specific hidden Markov models
US11150631B2 (en) Predictive maintenance utilizing supervised sequence rule mining
US20090271346A1 (en) Library synchronization between definitions and instances
Yeong et al. Economic‐statistical design of the synthetic chart with estimated process parameters
Bashiri et al. Robust multi‐response surface optimization: a posterior preference approach
WO2023053162A1 (ja) 秘密計算システム、情報処理システム、秘密計算方法、及び記録媒体
WO2023053161A1 (ja) 装置管理システム、予兆保全システム、装置管理方法、及び記録媒体
WO2024057388A1 (ja) 統合システム、組織サーバ、統合方法、分析方法、および記録媒体
JP7460861B2 (ja) 電気機器ユーザのコミュニティのための人工知能／機械学習駆動型評価システム
CN110223932B (zh) 操作工艺控制系统的方法及工艺控制系统
CN113474868A (zh) 用于远程等离子体源的维护
WO2022145222A1 (ja) 管理装置、予測方法及び予測プログラム
Lee et al. Integrated statistical process control and engineering process control for a manufacturing process with multiple tools and multiple products
US11892821B2 (en) Communication node to interface between evaluation systems and a manufacturing system
US20230384777A1 (en) Methods and mechanisms for preventing fluctuation in machine-learning model performance
JP6615500B2 (ja) 契約電力決定支援装置、契約電力決定支援方法及び契約電力決定支援プログラム
Nikzad-Langerodi P3LS: Partial Least Squares under privacy preservation
TW202338539A (zh) 使用光學壁製程感測器（ｏｗｐｓ）的製程表徵和改正
TW202401608A (zh) 使用光學壁製程感測器（ｏｗｐｓ）的製程表徵和改正

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: 21959215

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2023550754

Country of ref document: JP

NENP Non-entry into the national phase

Ref country code: DE