このブログはもともとcimetrix.comに掲載されていました。
「EDAの応用と利点」シリーズの最終回となる本記事では、最も基本的で直感的な応用例の一つでありながら、機械学習や人工知能（AI）分野における多くの新興機能の基盤となるトレースデータ分析について論じます。 さらに、過去6か月間に紹介したあらゆるアプリケーションの中で、トレースデータ分析はSEMI機器データ取得（EDA）規格の機能を最も直接的に活用するものです。
問題の定義
ファブプロセスエンジニアとその支援自動化チームに、なぜ新規設備で最新のSEMI EDA/Interface A規格を要求するのか尋ねると、最も頻繁に返ってくる答えは「設備とプロセスの挙動をより深く理解するため」である。 ではなぜSECS/GEMインターフェースでは達成できないのかと問うと、回答は同様に一貫している。「必要な詳細情報は入手不可能か、あるいは関心のある挙動を正確に観察・特性評価するために必要な頻度で収集できない。仮に可能だとしても、ニーズの変化に即応してデータ収集システムを変更する運用上の自由度がないため、より柔軟なアプローチが必須である」
これらのエンジニアが起点として求めているのは、潜在的に関連する機器パラメータのリストを容易に指定し、それらの値を相互関係における変化を把握できる十分な速度で収集する方法である。人間はパターン認識に優れており、単に一連の信号を「ストリップチャート」表示（下記最初の図参照）に並べるだけで、基盤となるプロセスに関する重要な知見が得られる。 もちろん、この視覚的分析においてエンジニアが関心のある時間枠を正確に指定できる場合、この機能は最も有用です。これはデータ「フレーミング」と呼ばれることもあり、機器イベントを用いて関心のある期間を括ることで実現できます（下図2参照）。
\
人間はパターン認識に長けているかもしれないが、監視すべきパラメータの数が増えたり、考慮すべき時間軸が広がったりすると、すぐに圧倒されてしまう…そこで登場するのがトレースデータ分析ソフトウェアである。
ソリューションコンポーネント
非常に柔軟な時系列データ可視化ツールに加え、トレースデータ解析ソフトウェアパッケージは、大規模データセットのサブセットを「切り分け」て、あらゆる考えられる組み合わせ（装置インスタンス、プロセスチャンバー、製品、層、レシピ、治具、消耗品バッチ、シフト、オペレーターなど）を比較し、重要な工場指標と関連装置の動作との相関関係を探る能力が必須である。 さらに、従来の多変量FDC（故障検出・分類）アプリケーションでは捕捉できない初期段階の故障の兆候が潜んでいる可能性があるため、柔軟に定義可能な「異常」状況を特定・フラグ付けし、詳細な分析に供する機能も必須である。
実際、欠陥検出に関する新たな考え方として「ほとんどの場合、装置は良品ウェーハを製造しているため、（トレースデータ分析を通じて判断される）直近ロットと現行ロットの装置挙動に顕著な差異がない限り、現行ロットも良品である可能性が極めて高い」という主張が台頭している。 この簡略化された手法は「モデルレスFDC」とも呼ばれる。なぜなら、装置パラメータを文脈依存性の高い多変量統計モデルに投入するのではなく、主にトレースデータ信号を比較するからである。
もちろん、あらゆるトレースデータ解析アプリケーションは、それを支えるデータの質に依存する…ここでEDA規格と関連する機器購入仕様が重要となる。
EDA（装置データ収集）規格の活用
前回の投稿「第4話：故障検出と分類」では、Freeze II EDA規格がデータ収集計画（DCP）およびそれを構成するトレース要求、イベント要求、例外要求に関して有する機能を解説しました。また、機器購入仕様書のEDAセクション作成時には幅広い関係者の関与が必要である点と、これを実現するために当社が構築したプロセスについても説明しました。
ただし、世界クラスのトレースデータ分析アプリケーションを完全にサポートするためには、機器サプライヤーに何を要求すべきかを理解することが重要です。この目的のために、以下に典型的な購入仕様書から主要な要求事項の例をいくつか抜粋しました。
- 装置モデル内容（SEMI E120、E125、E164）
- メタデータモデルの階層深度は、少なくとも「フィールド交換可能ユニット」（FRU）レベルを含み、複雑なサブシステムの場合はその下位2レベルのうちいずれかを含めるべきである。
- メタデータモデルには、材料移動に影響を与えるすべての装置コンポーネントのコマンドおよびステータス情報を含める必要がある。これには、ロボットアームなどの材料移送要素だけでなく、ゲートバルブやインターロックなど、材料移動を禁止／許可する可能性のある装置も含まれる。
- メタデータモデルには、装置内の全ての主要な作動機構およびサブシステムに対する制御パラメータを含める必要がある。制御パラメータには以下が含まれるが、これらに限定されない：プロセス変数の設定値および状態値；制御変数の状態値；PID調整パラメータ、制御限界、および較正定数。
- メタデータモデルには、時間ベース、使用量ベース、および条件ベースの保守スケジューリングアルゴリズムにおいて有用となり得る追加の使用量カウンター、タイマー、その他のパラメータを含める必要がある。
- メタデータモデルには、電力、プロセスガス、その他の消耗品といった主要プロセス資源の消費率および消費レベルを記述するパラメータを含める必要がある。これらは、潜在的な異常プロセス状態を検出するために一部のFDCモデルで使用される。
- サプライヤーは、すべての主要なプロセスパラメータについて、更新レート、推奨サンプリング間隔、正常な動作範囲と挙動、および高/低/変化率の限界値に関する書面による説明を提供しなければならない。
- など
- データ収集能力（SEMI E134）
- 機器には、供給者が周知の一般的な機器性能監視、診断、および保守プロセスをサポートするための組み込みDCPを含める必要がある。これらのDCPに関する文書では、その目的、起動条件、消費されるインターフェース帯域幅、および収集データによって可能となる分析の種類を定義しなければならない。
- EDAインターフェースを通じて提供される機器パラメータは、以下のデータ品質特性を満たす必要がある（ただしこれらに限定されない）：基礎となる信号を正確に表現するのに十分な内部サンプリング／更新レート；トレースレポートのタイミングがサンプリング間隔と±1.0%以内で一致すること；隣接するトレースレポートの値は、指定されたサンプリング間隔におけるその時点の現在の値を含んでいること；明らかな外れ値の排除。
- 性能要件
- 性能要件は、サンプリング間隔、DCPあたりのパラメータ数、同時にアクティブなDCPの数、グループサイズ、バッファリング間隔、アドホックな「ワンショット」DCPの応答時間、関連機器の状態発生後のイベント生成の最大遅延、指定されたサンプリング間隔におけるトレースレポートのタイムスタンプの一貫性、およびその他の要素の組み合わせとして表現される。
- 例：EDAインターフェースは、グループサイズ1で0.1秒間隔（10Hz）のサンプリングにおいて、少なくとも5000パラメータを報告できる能力を有し、総データ収集容量（帯域幅）は毎秒50,000パラメータでなければならない。 また、少なくとも5クライアントからの同時データ収集をサポートしつつ、毎秒50,000パラメータの総帯域幅を達成しなければならない。この性能レベルを達成するために、グループサイズ1を超える値を使用してもよい。
- 機器の種類によっては、消費アプリケーションにおけるタイムリーかつ高密度なデータの重要度に応じて、他の機器よりも厳しい性能要件が課される場合があります。
影響を受ける主要業績評価指標
プロセス複雑性の増大と従来通りの「歩留まり達成までの時間」による生産立ち上げの維持が必要であることから、トレースデータ解析は間違いなく現代のファブにおける他の「ミッションクリティカル」アプリケーションの仲間入りを果たすだろう。これは特に、最新のEUV露光装置を導入した業界の先駆者企業にとって当てはまる。今後数年間でこの新技術について学ぶべきことが多くあるためである。
ぜひご意見をお聞かせください！
最新のEDA規格とトレースデータ分析が、今後の製造目標達成にどのように貢献できるか、あるいはスマート製造ロードマップにおいてこれを実現する方法について理解したい場合は、ぜひミーティングをご予約ください！https://www.pdf.com/schedule-a-demo/