図1　��(c┬)去のAEC/APC Symposiumの模様

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����。フィードバックは出���笋妨修譴織如璽燭魎陲法∧册阿鰺泙┐襪茲Δ縫僖薀瓠璽燭鯑阿�し均�k性を確保する�\術であるが、フィードフォワードは出��に現れるであろう変動を予�Rして、出��変動を�]ち消す�\術である。半導��プロセスは、����内で成膜やエッチングを行うが、出てくる�T果（膜厚の均�k性や薄膜の除去量など）を予め予�Rし、�u(p┴ng)られそうな�T果を調�Dして均�k性を確保しようとするAPC�\術が現実に不可�L(f┘ng)になってきた。

このAPCやフィードフォワードでは、�駘�現��(j┫)をモデル化し、����が�擇濬个国T果を予�Rし、工業的に均�kなものができるように����を調�Dする。

今�vの�R�`は�R定�\術だ。成膜やエッチングなどによって加工した�∨，鮨篦蠅垢襦Ｙ�(l┐i)確な�∨￣R定は、����の高い����を�擇濬个垢�、�R定するために時間がかかるため、量��ではできれば使いたくない。しかし、現実には��(l┐i)確に�R定しなければ����保証はできないため、��数検�hではなくサンプリングによって�R定している。

��(l┐i)確な加工�∨，����]����から�擇泙譴襦�����内のプラズマや化学����などをモデル化し推定する�lだが、処理するウェーハ数を�\やしていくにつれ、バラつきが�j(lu┛)きくなっていったり、狙い通りの�∨，��u(p┴ng)られにくくなったりすると、モデルのパラメータを変えながら調�Dする。��容�J(r┬n)囲を��えそうになると����チャンバ内を��浄し、初期�X(ju└)��を再現するとモデルもまた�T��(l┐i)する。

こういったフィードフォワード�U(ku┛)御により、�∨，龍凩k性を確保し、異常を早期発見し�T��(l┐i)できるようになる。こういった�U(ku┛)御に不可�L(f┘ng)な����はセンサだ。ただ、センサのハードウエアだけではなく、センサからの信��(gu┤)をトレースし、信��(gu┤)�S形の性��をモデル化などで数値���Qとして表現するソフトウエア�\術も�_要になってくる。

今�vのシンポジウムでは、チュートリアルセッションとして、住友化学のYoshida Hideaki��(hu━)が「Applications of Soft-Sensing Technology in Chemical Industries（化学工業におけるソフトセンシング�\術の応��）」と��して講演する。化学工業においてもセンサからのアルゴリズム開発がカギとなるようだ。���Rではセンサがカギを��(┐i)るが、�噞�\術総合研�|所は「Acoustic Emission Method of Detection of Micro-arc Discharge Around a Wafer」（ウェーハ周囲のマイクロアーク放電を検出するアコースティックエミッション�\術）と��してマイクロアーク放電のセンサ�\術について講演する。

�k般のオーラル講演では他に、ソニーが「The VM/APC activities in Sony Semiconductor」（ソニー半導��におけるVM/APCの��動）、パナソニックは「Improvement of Overall Equipment Efficiency by Virtual Metrology using Equipment Data in Reactive Sputtering of Titanium Nitride」（窒化チタンの反応性スパッタリングにおける����データを使った仮�[���Rによって������効率を改��）とそれぞれ��して、VM�\術について報告する。

ソフトウエア�\術の�kつだが、Applied Materialsは、���]プロセスで�u(p┴ng)られる膨�j(lu┛)なデータをビッグデータとして�Dり扱う��(sh┫)法についても検討している。「Big Data; Big Potential for Semiconductor Manufacturing Productivity Improvement 」（ビッグデータ；半導�����]の�攵掚を改��するビッグな可��性）と��して講演する。