図1　 AEC/APC Symposium Asia 2013の開会風景

半導��プロセスで使われるパラメータは極めて�Hい。�a(b┳)度や圧��、複数のガスの流量、プラズマパワーなど、さまざまなパラメータを�j(lu┛)量のウェーハに適��していく。ウェーハは、FOUPカセットに入れられて処理されるが、カセット間、カセット内、ウェーハ間、ウェーハ�C内、これらのバラつき要因を分析しようとすると、もはや膨�j(lu┛)なデータ処理に匹�發垢襦�

プラズマプロセスでは、チャンバの内壁に薄膜が�\積したり、内壁が削られたりするなど、厳密にいえばウェーハ1��処理するたびに条�Pが変わってしまう。それもカセット同士の間でも変わる可��性がある。このため、チップの電気的��性とプロセス条�Pとの�官�が極めて複雑になっている。�kつのパラメータを変えると、そのまま電気的��性に現れるとは限らない。半導��プロセスで使われている���]条�Pが、�駘�的にとらえきれなくなってきたのである。

2013�Q11月7日、東�Bで開��されたAEC/APC Symposium Asia 2013（図1）の基調講演に立った、東��セミコンダクター＆ストレージ社CIOの�K��男��(図2)によると、工場のCIMシステムや���]����、検�h����から毎日集まるデータは、1600Mデータにも及ぶという。ほぼ3�Q間の履歴データを積み�屬欧襪函▲撻拭淵謄蕕�1024倍、ギガの約��万倍）バイト級にもなるとしている。まさにビッグデータそのものである。

図2　東��セミコンダクター＆ストレージ社CIOの�K��男��

AEC（Advanced Equipment Control）/APC（Advanced Process Control）は、半導�����]プロセスのバラつき変動や経時変化などをフィードフォワードなどによって�U(ku┛)御する�\術や����の総称。この会議は、フィードバック/フィードフォワード�U(ku┛)御と共に、モデルを立て統��的�}法が�L(f┘ng)かせなくなってきたことを��してきた。今�Qはさらに、ビッグデータの解析に��要なHadoop関数を半導��プロセスデータの解析にも使う��(sh┫)向が見えてきた。Hadoop関数は�j(lu┛)きなデータをいくつかに分割し、複数のコンピュータで分�g処理していく�}法である。

半導��を歩�里衫匹�、均�kな高い����で作るための総合�\術は、ビッグデータを解析して、�U(ku┛)御するようになる。�K��によると、ビッグデータ解析時間はまだ��いため、今後、����データのオープン化や�Y��化などによって、処理時間の�]縮を図る��要があると指�~している。