課題：経験則に依存した管理値設定からの脱却
半導体メーカーにとって、生産への影響を最小限に抑えながら厳密なプロセス制御を維持することは、常に難しい両立課題です。ある大手メモリICメーカーは、ドライエッチング工程において多くの工場で共通して見られる重要な課題に直面していました。同社の単変量解析（UVA）の管理値は、熟練者の経験と従来の設定に基づいて定められていたのです。
この方法は、運用上の大きな問題を引き起こしていました。
- 過剰な誤警報：UVAは実際には品質問題につながらないケースでも頻繁にアラームを発生させて、モジュールエンジニアは不要なアラーム対応に追われていました。
- 品質問題の見逃し：多数のアラームが発生する一方で、UVAではプロセス変動が品質に与える実際の影響を正確に捉えられず、実際の歩留まり問題を検出できない場合がありました。
- 非効率なリソース配分：エンジニアは本質的なプロセス改善に集中する代わりに、誤検知の調査に貴重な時間を費やしていました。
このお客様には、豊富な履歴データを活用し、科学的根拠に基づいたプロセス管理限界を設定できる、より高度なアプローチが必要でした。
ソリューション：Safe Zone Simulatorを搭載したSmartFactory AI™ Predictive Metrology
1. データに基づくモデルの構築
- エッチング工程のUVAデータおよびトレースデータ
- ロット品質管理（LQC）の計測データ（ウェハー1枚当たり13点での深さ(Depth)及び線幅(CD）
- 量産ウェハーのデータ、および予防保全（PM）期間中の実験ロットのデータ
2. 重要パラメータの優先順位付け
このソリューションは、部分最小二乗（PLS）回帰を用いて、計測結果に最も大きな影響を与えるUVAパラメータを特定しました。分析の結果、少数の装置およびプロセスに関連すりパラメータが特に高い影響度を持つことが明らかになり、チームは監視すべきパラメータを優先順位付きで絞り込むことができました。
この結果は、ドライエッチングのエンジニアリングチームに実行可能で有用な知見をもたらし、どのプロセスパラメータを特に注意深く監視・制御すべきかを明確にしました。
3. Safe Zone Simulator
高度な機能：プロセスシミュレーションと説明可能性
このソリューションは管理値の推奨にとどまらず、以下の強力なシミュレーション機能と診断ツールも提供しました。
プロセスシミュレーター：エンジニアは重要なプロセスパラメータの値を調整し、予測される計測結果を即座に確認することで、「What-if」シナリオを検討できます。例えば、ウェハーの最も重要なプロセスパラメータを調整すると、予測されるLQCの変化がリアルタイムで表示されます。これにより、実際のウェハーを処理する前に、プロセスを事前に最適化できます。
SHAPに基づく説明可能性：システムは、SHAP（Shapley Additive Explanations）を用いてモデル予測を透明性高い説明が可能です。主要パラメータの値が同一である2枚のウェハーで異なる計測予測が示された際、SHAP分析により、副次的なパラメータの違いが根本原因であることを直ちに特定できます。
この説明可能性により、AIの推奨に対する信頼が高まり、エンジニアはプロセスへの理解をさらに深めることができます。
結果：卓越したモデル性能
- MAPE 0.2%
- 901枚のウェハーを分析
- 6カ月間のデータ
全体像：統合プロセス制御に向けて
高度プロセス制御を支える各システム、すなわち故障検出・分類（FDC）、Run-to-Run制御および高度プロセス制御（R2RおよびAPC）、統計的プロセス制御（SPC）は、長年にわたり個別に運用されてきました。いずれも強力ですが、多くの場合、それぞれが個別の独立ししており相互連携は限定的でした。
Applied Materialsが目指すのは、この状況を変えることです。新たなスタンドアロンツールを追加するのではなく、工場がすでに利用しているFDC、R2R/APC、SPCシステムの上に、次世代のAIソリューションを構築しています。これらのソリューションは3つの領域すべてからデータを取り込み、そこで得られた知見を各システムへ還元します。既存投資を置き換えるのではなく、その価値を高めるアプローチです。その結果、個別のポイントツールの集合ではなく、一体化され、継続的に学習するシステムとして機能するプロセス制御を実現します。
Predictive Metrology：初期の実証事例
前述のSafe Zone Simulatorは、このビジョンを実践した明確な事例です。このソリューションは、故障検出領域のデータ（UVAおよびトレースデータ）を学習し、下流の計測結果との関係を明らかにしたうえで、従来SPCで管理されてきた種類のデータに基づく管理限界を生成しました。単一のシステムだけでは実現できない方法で歩留まりを保護します。既存のFDCやSPCを置き換えるのではなく、その上にAIレイヤーを加えて連携させ、機能を高度化しました。
私たちは、このパターンをポートフォリオ全体に展開していきます。AIによって故障検出、Run-to-Run制御、統計的プロセス制御を単一の継続的に改善するループへ統合し、長年個別に管理されてきたプロセス制御データを、予測可能で実践的な知見へと変換します。
まとめ
- 経験から根拠へ：UVAの管理限界は経験則による推測ではなく、科学的に決定できます
- 多次元最適化：パラメータ間の相互作用（2次元以上の分析）を考慮することで、アラームの有効性が大幅に向上します
- 継続的改善：予測精度を維持するには、新しいデータを用いた定期的な再学習が必要です。これは、プロセス制御を継続的に改善する持続可能なアプローチです
- 実行可能な知見：このソリューションは推奨事項だけでなく、エンジニアがAIを理解し信頼できるようにするシミュレーション機能と説明可能性ツールを提供します
- 統合されたアプローチ：AIがFDC、R2R/APC、SPCを統合的に活用し、別のスタンドアロンツールを追加するのではなく各システムを強化することで、最大の効果が得られます
今後の展望
半導体製造の複雑性が高まり続ける中、Safe Zone SimulatorのようなAI駆動型ソリューションは、高度プロセス制御の未来を示しています。履歴データを予測の知見へと変換することで、工場は品質管理の厳格化と運用負荷の軽減という2つの目標を同時に達成できます。
このお客様のドライエッチング工程では、今回の概念実証により、卓越したプロセス制御の新たなパラダイムに向けた基盤が築かれました。
本事例は、Applied MaterialsのAutomation Products Groupと大手メモリ半導体メーカーが共同で実施した概念実証プロジェクトに基づいています。
