JP2004186374A - Manufacturing data analyzing method and program for making computer practice the same - Google Patents

Abstract

<P>PROBLEM TO BE SOLVED: To provide a manufacturing data analyzing method in which variation factors of product inspection data can be extracted by units of actual machining. <P>SOLUTION: The method of analyzing manufacturing data on products by performing a plurality of manufacturing processes by a plurality of manufacturing facilities includes a process of sequentially extract feature degrees appearing in the inspection data on the products according to feature data regarding a manufacturing process, and manufacturing facilities as to simultaneous processing units of the products and manufacture history data regarding the feature data and a process of outputting the feature degrees in size order. The feature degrees of the inspection data are extracted while simultaneous processing units, processing positions, and processing times of the manufacturing facilities and machining mechanisms that actually machine the products are taken into consideration, so factors directly influencing the inspection data can accurately be grasped and accurate measures for yield improvement can be taken. <P>COPYRIGHT: (C)2004,JPO&NCIPI

Description

【０００１】
【発明の属する技術分野】
本発明は、製造データの解析方法及びそれをコンピュータに実行させるコンピュータプログラムに関し、特に、製造工程で取り扱われるデータ間の因果関係を把握し、産業上有意な結果をもたらすための有意性のある結果を抽出する製造データ解析方法およびそれをコンピュータに実行させるコンピュータプログラムに関する。
【０００２】
例えば、半導体製造工程において歩留りを向上させるため、製造工程で使用された製造装置の履歴、試験結果、設計情報、各種測定データ等に基づいて歩留りを低下させている要因を速やかに見つけ出す作業が行われる。このためには、実際に物理解析を行うよりも、事前に収集されたデータに基づいたデータ解析を行っておくのが、経済性の面からも優れたおり、このデータ解析を効率的に行うのが重要である。本発明は、かかる製造データの解析方法に関する。
【０００３】
【従来の技術】
製品の製造、例えば半導体製造は、数百の製造工程を経て行われ、各製造工程において、複数のまたは単数の製造設備（具体的は製造装置）が利用される。従って、複数のウエハーを有する搬送単位、つまり製造ロットは、各製造工程において、割り当てられた製造装置に適宜搬送され、そこで対応する製造工程を施される。従って、歩留りを向上するためには、これらの製造工程や製造装置が、製品歩留りとどのような関係を有するかを、製造データを解析することにより見いだす必要がある。
【０００４】
図１は、従来の製造工程データの解析方法例を示す図である。図１にしめされた製造工程データ解析方法によれば、製造物の搬送単位であるロット毎に、各工程でその製造設備（製造装置）が利用されたかを示す製造履歴データのデータベースＤＢ１と、製造工程を経て製造された製造物に対して様々な検査を行った結果得られた製造物検査データのデータベースＤＢ２とをもとにして、統計処理によるロット単位または検査の測定単位について、自動解析を行い（Ｓ１）、その解析結果レポートＤＢ３が出力され、その解析結果レポートを作業員が検討を行い歩留まりに関連する製造物変動要因を絞り込む（Ｓ２）。絞り込みができるまで、工程Ｓ１が繰り返され、最終的に歩留まり向上のための意志決定が下される（Ｓ３）。
【０００５】
また、別の製造データ解析方法としては、ウエハー内に複数のチップの良・不良の分布やチップ単位の測定値の分布を求めて、その特徴が発生する要因となった製造工程や製造装置を経験的に推定することが行われる。更に、ロット内のウエハ別の歩留まり分布に表れる特徴量を抽出し、その特徴の要因を経験的に推定することが行われる。
【０００６】
このような半導体の製造工程データの解析方法は、例えば以下の特許文献に開示されている。特許文献１には、過去の製造物の検査結果を蓄積しておき、対象となるロットの製造物の検査結果を過去の検査結果と照合し、相関関係がある場合に、その検査結果に対応する過去の不良対策データを取得することが開示されている。
【０００７】
また、特許文献２には、データマイニングを適用した半導体製造データの解析方法が開示されている。この解析方法によれば、歩留まり値のような解析対象となるものを目的変数とし、その目的変数の変動要因となる装置履歴、試験結果、設計情報、各種測定データ等を説明変数として、回帰木分析などのデータマイニング手法により、歩留まり低下に対して有意差ありと判定される要因を見いだすことが記載されている。
【０００８】
【特許文献１】
特開平１０−２０９２３０号公報
【０００９】
【特許文献２】
特開２００１−３０６９９９号公報
【００１０】
【発明が解決しようとする課題】
図１に示されたデータ解析方法によれば、ロット単位または検査測定単位についてのデータ解析しか行うことができず、正確な歩留まり低下の要因を解析することはできない。ロット単位の製造履歴データを参照することにより得られるものは、ある特定の製造装置を使用したロットに歩留まり低下の要因があることなどであり、十分なデータ解析とはいえない。
半導体製造工程では、製造設備における製造物の同時処理単位で、その製造設備及び加工メカニズムの特徴が製造物に作り込まれる。従って、搬送単位であるロット単位や測定処理単位を単位としたデータ解析では、製造物の出来栄えを変動させる要因が発生する製造物の同時処理単位、処理位置、処理時刻を考慮することによって明らかになる特徴を捉えることは困難である。
【００１１】
加えて、製造物の同時処理単位、処理位置、処理時刻を考慮した比較評価できる特徴量を用いずに、測定値や集合毎の平均値の比較やその推移を見るだけでは、特徴の判別が困難であった。また、人間の知識や経験による判断を基にした解析では、人により解析結果や精度がばらついてしまうという問題がある。例えば、製造工程データ解析にて、従来のグラフを用いたデータ推移の傾向を分析する方法では、注目する工程の処理順に検査値を並べた推移を見て、検査値が徐々に低下していないかなどの経時変化の有無が確認される。このような直観的な確認作業では、概要を大雑把に捉えることは可能だが、データ推移の特徴には複数の要素が含まれているうえに、確認する人の感覚や経験によりバラツキが出る可能性があり、特徴の強さを正確に把握することは困難である。また、数百工程分のデータ推移の傾向を確認する場合は、かなりの時間と労力を要する。更に、管理図による判断では、数種類の異常の有無を検出して判断しているため、データ推移の特徴の強さを定量的に把握することができない。
【００１２】
同様の課題は、分析値が２次元以上に分布している場合も同様である。例えば、半導体製造工程データの解析における２次元のウエハーマップ解析では、主にウエハー上の不良チップの分布や、チップ単位の測定値等の分布に現れる特徴を確認し、その特徴が発生する要因となった製造工程や製造装置を、プロセス技術及び経験から推定している。その際、各ウエハーずつマップを表示して確認するだけでなく、複数ウエハーを集計して表示したり、不良チップの固まりの大きさを数値化したりするなど、統計的な処理を加えて様々な切り口から特徴を確認している。しかし、製造工程と製造設備毎に異なる、製造物の同時処理単位、処理位置、処理時刻を考慮した特徴量を用いることによって明らかになる関連性を捉えることは困難である。
【００１３】
そこで、本発明の目的は、ロット単位または検査測定単位で特徴量を求めるデータ解析方法では得られない特徴量を抽出することができる製造データ解析方法及びそれを実行するプログラムを提供することにある。
【００１４】
【課題を解決するための手段】
上記の目的を達成するために、本発明の一つの側面は、複数の製造工程が複数の製造設備により行われて製造される製造物の製造データの解析方法において、製造物の同時処理単位についての前記製造工程及び製造設備に関する特徴データと、前記特徴データに関する製造履歴データとに基づいて、前記製造物の検査データにあらわれる特徴度を順次抽出する工程と、前記特徴度を大きさの順に出力する工程とを有することを特徴とする。
【００１５】
上記発明の側面において、より好ましい実施例では、前記製造工程と製造設備の特徴データは、前記製造設備において同時に処理される処理単位特徴と、処理位置特徴と、処理時刻特徴とを有する。処理単位特徴は、製造設備において同時に処理される単位の特徴、例えば、同じ製造装置内の第１及び第２チャンバなどであり、所定の不良率や歩留まりなどの検査データについて同時処理単位間や処理部間で有意差がでることがあり、そのような特徴を抽出することは検査データと密接な因果関係を有する要因を見いだすためには有効である。また、処理位置特徴は、製造設備における処理位置の特徴、例えば、同じ製造装置内の何番目のウエハーであるとかどのウエハーステージであるなどの特徴、或いは、同じウエハー内であってもステージのどの位置にあるかなどの特徴である。バッチ処理の対象である複数のウエハー内における特定位置のウエハーとその他のウエハー間で有意差がでることがあり、そのような特徴を抽出することは、検査データと密接な因果関係を有する要因を見いだすためには有効である。更に、同じロット内のウエハーであっても処理の順番が異なることがあり、処理時刻特徴は、かかる処理の順番、バッチ情報などであり、このような処理時刻特徴によって検査データに有意差が出ることがある。
【００１６】
上記発明の側面においてより好ましい実施例によれば、製造物の検査データにあらわれる特徴度を順次抽出する工程では、製造物の検査データを取得した後、当該製造物の製造履歴データに含まれる解析対象の製造工程及び製造設備を絞り込む工程と、当該絞り込まれた前記製造工程と製造設備の特徴データから順次選択された製造工程と製造設備の特徴と前記製造物の検査データとの関連性を示す特徴度を生成する工程とを有する。上記の工程を全ての製造工程及び製造設備に対して行うことで、製造物の検査データ（例えば歩留まりや不良率）にあらわれる製造工程と製造設備の特徴に対する有意差を見いだすことができる。
【００１７】
上記発明の側面において、より好ましい実施例によれば、前記特徴度は、製造設備及び加工メカニズムにおける製造物の同時処理単位と、処理位置と、処理時刻を考慮した分布特徴量である。または、前記特徴度は、検査データの推移の特徴量を表す推移特徴度である。かかる推移特徴度は、１次元の推移だけでなく、２次元若しくはｎ次元の推移も含まれる特徴量である。
【００１８】
上記発明の側面において、好ましい実施例では、半導体製造工程の製造設備における特徴として、ウエハー上で製造処理が進む方向を、ｘ方向、ｙ方向、ウエハーの中心などの特定位置からの角度方向、特定位置から離れる距離の方向、製造装置内の順番などを利用し、かかる特徴についての推移特徴度を求める。
【００１９】
上記発明によれば、実際に製造物が加工処理される製造設備及び加工メカニズムにおける同時処理単位、処理位置、処理時間を考慮して、検査データの特徴度を抽出するので、検査データに直接影響を与えた要因を正確に把握することができ、歩留まり向上のために的確な対策を講じることが可能になる。そして、特徴度を統計的手法により危険率により求めることで、作業者の恣意的でない客観的な基準によって、有意差を検出することができる。
【００２０】
更に、特徴評価方法として、製造設備及び加工メカニズムにおける製造物の同時処理単位とその処理時刻と処理位置を考慮した分布特徴抽出手法を用いることにより、従来は困難であった定量的分布特徴評価が可能になる。
【００２１】
【発明の実施の形態】
以下、図面を参照して本発明の実施の形態例を説明する。しかしながら、本発明の保護範囲は、以下の実施の形態例に限定されるものではなく、特許請求の範囲に記載された発明とその均等物にまで及ぶものである。
【００２２】
図２は、同時搬送単位であるロットの流れと製造工程、製造設備（製造装置）の関係の一例を示す図である。例えば、半導体製造工程では、数百の製造工程Ａ，Ｂ．．．．それぞれに対して、単数または複数の製造設備（製造装置）が割り当てられる。そして、同時搬送単位のロットは、スタートからエンドまで矢印で示された順に搬送され、各処理工程で割り当てられた製造装置Ａ１，Ａ２，Ｂ１，Ｃ１〜Ｃ４，Ｄ１〜Ｄ３，Ｘ１，Ｘ２にて、対応する製造処理が行われる。その場合、異なる製造工程の処理が同じ製造装置で行われることもある。ロット単位で各製造工程と製造装置の履歴データと歩留まりや不良率などの測定データとの関連性を評価することで、それら歩留まりや不良率の特徴、つまり歩留まりや不良率に影響を与えた製造工程や製造装置の要因を抽出することはできる。しかし、特定の処理工程での特定の製造装置において同時に処理される処理単位、処理位置、処理時間についての特徴を抽出することはできない。
【００２３】
図３〜図５は、製造設備及び製造工程のメカニズムにおける製造物の同時処理単位、処理位置、処理時間などを説明する図である。図３に示された製造装置には、処理室Ａ，Ｂが設けられ、同一ロット内の複数のウエハのうち、一部のウエハは処理室Ａで加工処理され、残りのウエハは処理室Ｂで加工処理される。従って、かかる製造装置の特徴データとしては、処理室Ａ，Ｂが存在し、そのような特徴データを製造履歴データとして蓄積することで、実際に同時に処理された同時処理単位、処理位置、処理時間を考慮した検査データの特徴を抽出することができる。
【００２４】
図４に示された製造装置は、チャンバー１０内に６つのウエハステージＷ１〜Ｗ６が存在し、そのうちウエハステージＷ５，Ｗ６近傍に処理ガスが供給される供給孔１２が存在する例である。このガス供給孔１２は、例えばコンタミの発生源となることが予想され、ウエハステージＷ５，Ｗ６は、他のウエハステージと異なる製造処理環境に置かれることが予想される。従って、このようなウエハステージの情報を、製造装置の特徴データとして持つことにより、検査データについて処理位置についての特徴を抽出することができる。
【００２５】
図５に示された製造装置は、ウエハステージ１４に同心円状の窪み１４Ａが形成された例である。従って、ウエハステージ１４の中心領域は凸部１４Ｂが存在し、それに載置されて加工されるウエハ１６に対して、凸部１４Ｂ上のチップか、窪み１４Ａ上のチップか、若しくはその外側のチップかの情報によって、検査データに特徴があらわれることが予想される。従って、かかる情報を製造設備の特徴データとして把握することが有効である。
【００２６】
上記の例以外に、製造工程と製造設備の特徴データが考えられる。実際に処理される同時処理単位、処理位置、処理時間（処理の順番）についての特徴データと、検査データの歩留まりや不良率との関連性を評価して、その特徴を抽出することにより、ロット単位や検査単位では把握できなかった検査データに対する変動要因を抽出することができる。
【００２７】
図６は、本実施の形態における製造工程データの解析方法の概略フローチャート図である。製造物の検査データのデータベースＤＢ２に加えて、製造工程と製造設備の特徴データのデータベースＤＢ２１と同時処理単位での製造履歴データＤＢ２２とがあらかじめ準備される。前述のとおり、製造設備における製造物の同時処理単位で製造設備及び加工メカニズムの特徴が製造物に作り込まれるので、同時処理単位が、製造物の出来栄え（検査データ）を変動させる要因の発生単位である。また、製造設備及び加工メカニズムの特徴は、同時処理単位における処理位置の違いによって変動する出来栄え、及び処理時刻の違いによって変動する出来栄えとして把握できる。従って、本実施の形態では、製造工程と製造設備の特徴データＤＢ２１と同時処理単位に対する製造履歴データＤＢ２２に基き、製造物検査データに現れる特徴の要因を絞り込む。ここで、加工メカニズムとは、製造装置内の加工が行われる態様を意味し、例えば、ウエハーの周辺から中心に向かってエッチングなどの加工がすすむという特徴や、チップ毎に露光処理が行われるという特徴などをいう。つまり、加工メカニズムは、製造装置の特徴の１つともいえる。
【００２８】
製造工程と製造設備の特徴データＤＢ２１は、後に詳述するとおり、製造設備及び加工メカニズムにおける製造物の同時処理単位とその処理時刻と処理位置に基いて定義された製造工程と製造設備の特徴及び特徴評価方法の定義である。また、製造履歴データＤＢ２２は、同時処理単位について、どの製造工程ではどの製造装置のどの位置でどの順番（時刻）で処理されたかのデータを含む。同時処理単位は、例えばウエハレベルであり、或いはチップレベルでの同時処理単位である。製造履歴データの一例としては、図２に示される工程Ａにおける図３〜５に示される製造装置Ａ１での、同時処理グループ、処理位置、処理時刻についての履歴データである。かかる製造履歴データを蓄積することにより、製造工程と製造設備の特徴データと検査データとの関連性を特徴度として算出することが可能になる。
【００２９】
製造物の検査データＤＢ２が取得されると、データ解析が開始される（Ｓ１０）。具体的な解析処理Ｓ１２は、検査工程を完了した時点で、その製造物の製造履歴データＤＢ２２を用いて、解析対象となる製造工程と製造設備を絞り込み、その絞り込まれた製造工程と製造設備の特徴データＤＢ２１から順次特徴データを参照し、その特徴データと製造物の検査データＤＢ２との関連性を比較評価できる特徴度を算出する（Ｓ１２）。
【００３０】
例えば、特徴データとして同時処理グループを選択した場合は、その同時処理グループに属するチップやウエハの検査データの平均値を求め、その平均値に何らかの特徴がないか否かを示す特徴度を算出する。または、特徴データとして処理位置を選択した場合は、同じ処理位置に属するチップやウエハーの検査データの平均値を求め、それに何らかの特徴がないか否かを示す特徴度を算出する。特徴データとして処理時刻を選択したときは、同時処理単位の検査データの平均値を、処理時刻の順に並べてその推移の特徴を算出する。
【００３１】
このように、製造工程と製造設備の特徴データを用いることによって、製造設備における製造物の同時処理単位と処理位置と処理時刻及び加工メカニズムを考慮した特徴が抽出される。
【００３２】
また、工程Ｓ１２での特徴評価方法として、製造設備及び加工メカニズムにおける製造物の同時処理単位とその処理時刻と処理位置を考慮した分布特徴抽出手法を用いる。分布特徴とは、例えば平均値、標準偏差などの複数のデータに内在する特徴であり、前述したように、同時処理されたウエハーの歩留まりの平均値や標準偏差に対して、何らかの特徴がないかが評価される。
【００３３】
そして、全ての製造工程と製造設備の特徴データについて、検出データの特徴度を算出する（Ｓ１４）。全ての特徴データについて特徴度を算出したあと、各製造工程及び製造設備毎にその特徴度の大きい順に並べて図表化し、解析結果レポートＤＢ３を出力する（Ｓ１６）。この時の特徴度は、危険率を考慮して順番を確定することが望ましい。
【００３４】
上記の方法によれば、製造設備及び加工メカニズムにおける製造物の同時処理単位とその処理時刻と処理位置に基いて定義された製造工程と製造設備の特徴データＤＢ２１と、製造物検査データＤＢ２との関連性を比較評価することで、従来の搬送単位であるロットや測定処理単位の解析では把握することが困難であった製造工程と製造設備の特徴に起因する製造物変動要因を絞り込むことが出来る。また、製造設備における製造物同時処理単位で製造物変動要因を絞り込むことが出来るため、より少ないデータで製造物変動要因を絞り込むことが出来る。
【００３５】
更に、特徴評価方法として、製造設備及び加工メカニズムにおける製造物の同時処理単位とその処理時刻と処理位置を考慮した分布特徴抽出手法を用いることにより、従来は困難であった定量的分布特徴評価が可能となる。その場合、２次元分布特徴評価値のひとつである、後述する面内偏り度を算出することにより、ウエハ面内に現れる特徴的分布であって、位置や形状によらないある偏った特徴的分布を評価できるようになる。更に、１次元分布特徴評価値である推移特徴度及び推移特徴危険率により、測定値の推移に現れる特徴的分布の位置や形状によらないある偏った特徴的推移を評価することもできる。
【００３６】
図７は、本実施の形態における製造設備の特徴データによる不良要因解析方法のフローチャート例を示す図である。基本的な構成は、図６と同じである。準備するデータベースＤＢ２１，ＤＢ２２，ＤＢ２は、図６と同じであり、但し製造履歴データＤＢ２２はチップ単位で収集される。そして、ロット単位で検査データが取得されるたびに、自動解析が開始される（Ｓ１０）。そして、検査データについての特徴度が、図６と同様に算出され（Ｓ１２）、その算出は、製造工程及び製造設備の特徴全てについて行われ（Ｓ１４）、算出した特徴度がある管理基準を越えた製造設備について、特徴度の大きい順に並び替えて図表化し、解析結果レポートが出力される（Ｓ１６）。この時の特徴度の大きい順とは、特徴量を危険率で算出する場合は、その危険率の小さい順になる。危険率とは、統計上、有意差があるとはいえない確率であり、危険率が低い場合は、その特徴には有意差があると判断されるので、危険率の低い順に並べることで、客観的な分析・判断を可能にすることができる。
【００３７】
また、図７において、製造履歴データＤＢ２２と製造物の検査データＤＢ２から、従来例で行われていた統計処理を用いた自動解析Ｓ１も行われ、その解析結果データも出力される。その解析結果も最後の意志決定工程Ｓ１８に利用される。
［製造工程と製造設備の特徴データ］
図８は、製造工程と製造設備の特徴データの一例を示す図である。製造工程と製造設備の特徴データは、製造設備（製造装置）と加工メカニズムにおける製造物の同時処理単位とその処理位置と処理時刻に基づいて、製造工程と製造設備の特徴を定義したデータである。図８には、製造工程Ｍ２２の製造装置ＤタイプのＥ２、Ｅ３号機についての特徴データＤ−Ｍ２２であり、実際のデータはコンピュータが理解可能なコードで記述されるが、図８では人間が理解できる高級言語で記述している。
【００３８】
まず、特徴データＤ０として、装置名Ｅ２，Ｅ３、同時処理単位が６ウエハのバッチ処理（同時処理）であることと、処理部が２つあることが定義されている。更に、特徴データとして、処理単位特徴Ｄ１、処理位置特徴Ｄ２、処理時刻特徴Ｄ３とが定義されている。処理単位特徴Ｄ１の例では、特徴「１１」として、検査データであるＴ２５不良率、Ｔ２６不良率、歩留まり、更に設備状態パラメータが定義されている。ここで、Ｔ２５、Ｔ２６とは、例えば配線切断や配線短絡などの製造物に現れる不良の種類であり、検査データとして取得される。チップ毎のＴ２５不良率、Ｔ２６不良率、歩留まりなどの検査値には、統計学上のｔ検定やＦ検定により同時処理単位間または処理部門間で有意差がでることがあり、更に、それらの検査値には処理中温度、圧力、Ａガス流量の設備状態パラメータとの相関に有意差がでることがある。その理由は、製造設備の状態や製造パラメータが同時処理単位であるバッチ毎に変化するからである。
【００３９】
更に、処理単位特徴Ｄ１には特徴「１２」として、検査データであるＴ２５不良判定値、Ｔ２６不良判定値、Ｔ２７不良判定値、不良品判定値のウエハー面内偏り度（ＤＴＦ２：Ｄｅｇｒｅｅ ｏｆ Ｔｒａｎｓｉｔｉｏｎ Ｆｅａｔｕｒｅ ｗｉｔｈ ２ ｄｉｍｅｎｓｉｏｎ、二次元推移特徴度）が定義されている。これらの検査データのウエハー面内偏り度には、統計学上のｔ検定やＦ検定により同時処理単位間または処理部門間で有意差がでることがある。つまり、特徴「１１」のようは検査データの平均値、標準偏差のような一般的な分布特徴値ではなく、特徴「１２」は、検査データのウエハー面内偏り度について、同時処理単位間で有意差がでることが定義されている。
【００４０】
ここでウエハー面内偏り度（ＤＴＦ２）は、「Ｓ１：１ＸＹ」という計算名で記述され、検査値の移動平均を重み付け１：１で求めたｘ方向の分布特徴とｙ方向の分布特徴を組み合わせた面内偏り度と定義されている。この具体例は後述する。
【００４１】
処理位置特徴Ｄ２は、特徴「２１」として、特定位置「５，６」と検査データのＴ２８不良率、歩留まりが定義されている。この特徴「２１」は、図４の例のように、６枚のウエハーからなるバッチ処理のうち、特定の位置Ｗ５，Ｗ６のウエハーとそれ以外の位置のウエハーとの間で、上記の検査データに有意差がでることがある場合の特徴である。更に、特徴「２２」として、特定位置「ウエハー面内の半径０．５ｒの内側と外側」と検査データのＴ２５不良率と歩留まりが定義されている。この特徴「２２」は、図５の例のように、ウエハー面内の領域によって加工条件が異なる場合の特徴データである。以上のように、処理位置特徴は、その製造設備または加工メカニズムに特有な加工位置の特徴であり、かかる特徴が検査結果を変動させる要因になる場合は、その特徴が特徴データＤ２として定義され、検査データの特徴度を算出する場合の特徴データとして利用される。
【００４２】
処理時刻特徴Ｄ３では、特徴「３１」として、全ての検査値の連続２０バッチについての推移特徴度と危険率が定義されている。この特徴「３１」は、連続２０バッチの製造物の全ての検査値について、その推移特徴度を算出することにより、その製造装置が検査値の変動要因になっているか否かが分析できる場合の例である。つまり、処理順に同時処理単位の平均値を並べることにより、その推移に何らかの特徴があらわれることがある。
［特徴度の算出例］
特徴度の算出工程Ｓ１２では、検査工程が終了したロットについて、順に図８に一例として示した特徴との照合を行う。つまり、ロット内のチップ単位の製造履歴データを走査して、製造工程Ｍ２２の製造装置ＤタイプのＥ２またはＥ３号機を用いたか否かをチェックする。それらを用いたロットであれば、図８に定義された全ての特徴Ｄ１乃至Ｄ３について、定義された検査データに有意差があるか否かを、危険率で算出する。
【００４３】
図９は、その一例であり、処理単位特徴Ｄ１−１１の有意差がある場合の例を示す図である。図９（１）は、横軸に同時処理単位（バッチ単位）、縦軸に歩留まりを示し、設備状態パラメータの処理温度ＸＸ°とＹＹ°とに分けて歩留まりが示されている。この例では、例えば、２４枚のウエハーからなるロットに対して、製造装置Ｅ２号機で２枚のウエハーが同時バッチ単位（全部で１２バッチ）として処理され、奇数バッチの処理温度がＸＸ°で偶数バッチの処理温度がＹＹ°であることが履歴データに含まれているものとする。
【００４４】
そこで、分布特徴として、各バッチの２枚のウエハーに属する複数のチップの歩留まりをそれぞれ求めて、図示されるようにプロットする。図９（１）の例では、処理温度ＸＸ°の歩留まりが処理温度ＹＹ°よりも高くなるという特徴が見られ、図９（２）のように、処理温度ＸＸ，ＹＹで分けて処理単位毎の歩留まり分布をみると、有意差があることが分かる。但し、それぞれのばらつきが大きいと、両者の平均値に差があっても有意差なしと判断される。その場合は、統計学上の危険率を計算することにより、客観的に信頼できる特徴度を抽出することができる。
【００４５】
図９（１）の例では、同時処理単位毎に異なる処理温度に注目して、分布の特徴を見いだすことができた。但し、処理温度に注目しない場合でも、同時処理単位毎の歩留まりの分布をみることにより、ロット単位での歩留まり分布では見いだすことができなかった特徴をみいだすことができる。
【００４６】
同様にして、他の特徴Ｄ１，Ｄ２，Ｄ３についても、特徴度が危険率で求められる。処理位置特徴Ｄ２を利用すれば、製造装置の処理位置と検査データとの相関関係をみいだすことができるし、処理時刻特徴Ｄ３を利用すれば、検査データの処理順に基づく推移特徴をみいだすことができる。さらに、ロットの製造履歴データから、他の関連する製造工程、製造設備を抽出し、その製造工程及び製造装置の特徴Ｄ１，Ｄ２，Ｄ３について、危険率を求める。そして、全ての関連する製造工程・製造装置において、危険率が最小のものを一覧表にして出力する。この一覧表は、後に詳述するフォーマット（図１３参照）で出力され、作業員はこの一覧表から歩留まり改善または不良率改善に必要な製造工程・製造設備の特徴を決定し、具体的な対策を講じる。
【００４７】
図１０，１１，１２は、特徴データの一つのウエハー面内偏り度（ＤＴＦ２）を説明するための図である。この例では、図３に示されるように製造装置内に２つの処理部が存在することを前提として、処理単位特徴データＤ１のうちの特徴「１２」のウエハー面内偏り度ＤＴＦ２の算出する。この例では、ロットＬ２４のＥ２号機での２つの処理部に何らかの特徴がないか否かの判別が行われる。
【００４８】
図１０は、あるロット内の６枚のウエハーにおけるＴ２５不良判定値のウエハーマップを示し、この６枚のウエハーは製造装置Ｅ２号機の第１バッチ（第１処理部）で、処理位置がＩＤ＝０００１〜０００６である。不良は「０」で、良品は「１」で、それぞれチップに示されている。この例では、ウエハー面内の中央以外の特定部分に不良が多く発生していることが確認できる。そして、後述する計算式により求められたウエハー面内偏り度ＤＴＦ２が、それぞれのウエハーの左上に図示されるように求められている。つまり、処理位置ＩＤ＝０００１のウエハーはＤＴＦ２＝０．５３３、処理位置ＩＤ＝０００２のウエハーはＤＴＦ２＝０．６７４などである。
【００４９】
図１１は、同じロット内の別の６枚のウエハーにおけるＴ２５不良判定値のウエハーマップを示し、この６枚のウエハーは、製造装置Ｅ２号機の第２バッチ（第２処理部）で、処理位置がＩＤ＝０００１〜０００６である。それぞれのウエハーに対して二次元のウエハー面内偏り度ＤＴＦ２が算出されている。この例では、全体にまばらに不良が少しあることが直観的に確認できるのみである。
【００５０】
そこで、図１２（１）に示されるとおり、Ｔ２５不良についてのウエハー面内偏り度ＤＴＦ２をウエハー処理位置別推移で示すと、横軸のウエハー処理位置（ウエハーＩＤ）とＤＴＦ２との関係がより明確に理解される。図１２には、Ｔ２５不良のＤＴＦ２については黒菱形で、Ｔ２６不良のＤＴＦ２については白四角で示されている。横軸がウエハー処理位置であり、６枚のウエハーがバッチ処理単位（同時処理単位）であり、ウエハー１〜６，１３〜１８、２５が第１処理部で処理され、ウエハー７〜１４、１９〜２４が第２処理部で処理されている例である。
【００５１】
Ｔ２５不良のＤＴＦ２について、第１処理部と第２処理部とに分けて分布を示すと、図１２（２）のようになる。つまり、特徴データとして同時処理単位を採用したことにより、第１及び第２処理部間では、Ｔ２５不良のＤＴＦ２に有意差があることが判明する。つまり、第１処理部では特定部分に不良が多いことが判明する。このように、検査データについてウエハー面内偏り度ＤＴＦ２を、同時処理単位についての特徴度を求めることで、検査工程や検査装置についての特徴度では判明しなかった特徴を見いだすことができる。
【００５２】
上記の例では、Ｔ２５不良のウエハー面内偏り度に関する処理部間におけるｔ検定の危険率は、３．６５Ｅ−１６であった。また、Ｆ検定の危険率は０．０９９６であった。
【００５３】
このようにして、処理単位特徴Ｄ１の各定義に従って複数の特徴度が危険率（特徴に有意差があるほど低くなる率）で求められ、それらの中で最小となる値は、「Ｔ２５不良のウェーハ面内偏り度に関する処理部間におけるｔ検定の危険率」＝３．６５Ｅ−１６ であった。更に、処理位置特徴Ｄ２及び処理時刻特徴Ｄ３についても同様に算出し、処理位置特徴＝０．１２３、処理時刻特徴＝０．３４１であった。つまりこの例では、ロットＬ２４に関し、製造工程及び製造装置の特徴データとして定義された特徴データＤ−Ｍ２２（製造工程Ｍ２２の製造設備Ｄタイプ）の特徴度は、
処理単位特徴度＝３．６５Ｅ−１６
処理位置特徴度＝０．１２３
処理時刻特徴度＝０．３４１
であった。
［特徴度の図表化とレポート出力］
図１３は、レポート出力例を示す図である。前述の例において、同様に製造工程と製造設備の特徴データＤＢ２１に定義された製造工程と製造設備の特徴度を全て算出した結果、図１３（１）の表が得られた。つまり、図１３（１）の表には、ロットＬ２４に関連する製造工程と製造設備における処理単位特徴、処理位置特徴、処理時刻特徴それぞれについて、危険率最小の特徴度が示される。また、総合特徴度は、３種類の特徴度のうち最小となる値である。更に、図１３（１）の表では、総合特徴度０．３以下の製造工程と製造設備のみを、特徴度（危険率）の低い順に表示している。こうすることにより、検査値の変動要因をその可能性の高い順に客観的に抽出することができる。このレポート出力は特徴度リストとしてｈｔｍｌ形式のＷＥＢレポートとして出力することが好ましい。そして、特徴度リストの各セルには、特徴の詳細データがｈｔｍｌ形式によってリンクされており、特徴度リストの数値（特徴度）を選択（クリック）することにより、その特徴の詳細データが図１３（２）（３）のように図示される。このように編集することで、特徴度リストに対する作業員の分析の利便性を高めることができる。
【００５４】
尚、図１３（２）は、図１２（２）のグラフと同じであり、有意差ありと判断されるが、図１３（３）のグラフでは、各処理部でのＴ２５不良のＤＴＦ２のばらつきが大きいので、有意差はそれほどなく、よって図１３（１）の危険度は７．０３Ｅ−５と高くなっている。
［推移特徴度］
本実施の形態例では、検査値に対して、その製造履歴データに含まれる製造工程及び製造設備の特徴データＤＢ２１についての特徴度をそれぞれ算出し、その危険率の低い順にレポート出力する。更に、本実施の形態例では、検査値の平均値や標準偏差などの一般的な分布特徴量だけでなく、推移特徴度をその特徴量として利用する。
【００５５】
しかも、この推移特徴度とは、ある検査値についてある特徴に基づく推移を示す特徴度であり、検査値を、履歴データに含まれる製造工程及び製造設備の特徴データＤＢ２１に基づいて様々な角度から推移特徴度を算出することにより、検査値そのものの特徴度では抽出できない変動要因を見いだすことができる場合がある。図８の特徴データ例では、処理時刻特徴Ｄ３に測定値の推移値特徴度を求めて、相関関係があるか否か求められる。
【００５６】
データ解析において、歩留まりのように解析対象となるものを目的変数、目的変数の要因となる製造履歴データなどは説明変数と呼ばれる。そして、推移特徴度とは、検査値などの目的変数の推移の特徴量をいい、目的変数の値を、ウエハー番号や処理時刻などの説明変数の順番に並べることにより、ある推移特徴量を得ることができる場合がある。
【００５７】
図１４は、推移特徴度ＤＴＦ（Ｄｅｇｒｅｅ ｏｆ Ｔｒａｎｓｉｔｉｏｎ Ｆｅａｔｕｒｅ）の算出例を示す図である。推移特徴度は、前後の差の累積をばらつき量の累積で除して、取りうる範囲を−１〜＋１になるように正規化することで求められる。具体的な演算式は、以下の通りである。
【００５８】
【数１】

【００５９】
但し、Ｘｉはｉ番目の値、ｎはデータ数である。従って、分子の（Ｘｉ−Ｘｉ＋１）は並べられた値の前後の差であり、分母はばらつき量（平方和）である。
【００６０】
この推移特徴度ＤＴＦの取りうる範囲は、前述のとおり−１〜＋１であり、明らかに片寄った並び方である場合は「＋１」に近づき、特徴がなければ「０」、時系列に対し上下動を繰り返す乱れた推移であれば「−１」に近づく。
【００６１】
推移に特徴がないと仮定した場合の検定及び危険率を得るには、
【００６２】
【数２】

【００６３】
を算出し、Ｖｘ＝Ｖｙの仮説を設定したＦ検定の危険率を用いる。なお、Ｆ＝Ｖｘ／Ｖｙ（Ｖｘ≧Ｖｙ）、Ｆ＝Ｖｙ／Ｖｘ（Ｖｘ＜Ｖｙ）、φｘ＝ｎ−２、φｙ＝ｎ−１ である。
【００６４】
図１４の例は、３１バッチ（同時処理単位）についての例えば歩留まりなどの測定値の推移を、異なる特徴による順番で並べて、前述する演算式に従って推移特徴度を求めた例である。図１４（１）は、横軸が測定時刻であり、歩留まりが測定時刻順に並べられている。この場合の推移特徴度ＤＦＴは０．０３３２である。図１４（２）は、工程Ａの処理順に並べた場合であり、横軸が工程Ａの処理順を示し、この場合の推移特徴度ＤＴＦは０．９３３５と＋１に近く、測定値が処理順に減少するという推移特徴が強いことがわかる。従って、工程Ａが特徴発生の要因工程として最有力候補である。
【００６５】
図１４（３）は、工程Ｂの処理順に並べた場合であり、多少のバラツキを持ちつつ徐々に低下し、１０バッチ目からは上昇する特徴を有する推移特徴であり、推移特徴度＝０．８９８５と１に近い値となっている。従って、工程Ｂが推移特徴発生の要因工程として第２候補である。
【００６６】
図１４（４）は、工程Ｃの処理順に並べた例であり、途中の６バッチ目から１９バッチ目まで低い値が連続している推移である。推移特徴度＝０．７１２９と比較的高い値である。
【００６７】
図１４（５）は、工程Ｄの処理順に並べた例であり、途中に値の低い群や高い群が有るものの連続性が小さく、あまり特徴がはっきりしない推移である。そして、推移特徴度＝０．２５０６と低い値である。
【００６８】
図１４（６）は、工程Ｅの処理順に並べた例であり、上下動を繰り返す乱れた推移であり、推移特徴度＝−０．２７７３と負の値となっている。ほかの並べ方を検討すべきであり、２カ所の処理部に対応する奇数番目と偶数番目など、処理単位によって２つに群分けできる特徴の存在が疑われる。
【００６９】
以上のように、同時処理単位、処理位置、処理時刻などに基づいて検査データの推移特徴度を求めることで、検査データの変動要因を見いだすことができる場合がある。
［二次元推移特徴度、ウエハー面内偏り度］
前述したウエハーなどの製造物の面内偏り度は、推移特徴度を２次元に拡張したものである。但し、１次元の推移特徴度と違って、２次元データの順番の付け方は複数存在するため、それに伴って面内偏り度も複数種類存在する。この順番を、製造工程の製造設備及び加工メカニズムにおける製造物の同時処理単位とその時刻と位置のデータによる順番にすることで、より的確に特徴を抽出できる。また、複数の順番の付け方を組み合せて、複数の特徴を一つの値で表すこともできる。例えば、ＬＳＩ製造工程のリソグラフィ工程で４チップ単位で順に露光を行う工程など、ウエハー面内で加工される順番が存在する場合は、その順番を用いて２次元の推移特徴度を求める。
【００７０】
例えば、ウエハー面の下から上の方向（ｙ方向）に成膜する工程などの場合は、ｙ方向に向かう順番で推移特徴度を求める。または、ウエハーの中心から周辺に向かって加工が進む場合は、中心から渦巻き状に順番を付けたり、放射状に順番を付けたりして、推移特徴度を求める。あるいは、ウエハー面内で同時に加工が進む場合は、２つの直行する方向（ｘ方向とｙ方向）の順番の特徴を組み合せたり、２つ以上の網羅したい特徴を組み合せて用いる。
【００７１】
基本的な例として、ｘ方向の分布特徴とｙ方向の分布特徴を組み合せたウエハー面内偏り度ＤＴＦ２を１ウエハーずつ算出する方法について、以下説明する。以下の例は、チップ毎の良否判定が検査値である。図１５は、良否判定のウエハーマップを示す図である。各チップに対応して良と不良とが割り当てられている。そこで、このウエハーマップは、図１６のように、良・不良の判定値を「１」「０」に数値化したウエハーマップに変換することができる。
【００７２】
図１７は、図１６の数値化したウエハーマップを平滑化したウエハーマップである。この平滑化処理は、一種の前処理であり、注目するチップの「１」「０」の数値と、そのチップの周辺の８チップの「１」「０」の数値の平均値とを、重み付け１：１で平均化すると平滑化された値になる。周辺部のチップは、存在するチップだけで重み付け演算が行われる。また、ｘ方向の左端のチップの１つ前の仮想的なチップの値、ｙ方向の上端のチップの１つ前の仮想的なチップの値も算出する。この平滑化処理により、単なる「１」「０」のデータではなく、周囲のチップの傾向も加えた平滑化された値が求められ、ｘ方向やｙ方向の推移特徴度が出やすくなる。
【００７３】
本例のように「１」か「０」の１ビットの良否判定データの場合は、平滑化などの前処理が有効である。前処理の方法には、このほかにもいくつかの方法が有る。また、チップの縦横比が１からかけ離れている場合（横に長い、又は縦に長いチップ）やチップ数が極端に少ない場合は、より複雑な前処理を行うことが望ましい。なお、電気特性値などの数値データの場合は、上記のような前処理は不要である。
【００７４】
図１８は、ウエハー面内偏り度の算出例を示す図である。平滑化されたウエハーマップに対して、ｘ方向とｙ方向に分けて、移動範囲の２乗を算出する。移動範囲とは前後のチップの平滑化値の差であり、注目しているチップの値から１つ手前のチップの値を引いた値（Ｘｉ−Ｘｉ−１）である。この演算で、先に求めた仮想チップの値が利用される。図１８には、ｘ方向とｙ方向の移動範囲の２乗が示される。
【００７５】
そこで、ウエハー面内偏り度ＤＴＦ２の演算方法について説明する。まず、有効チップ数＝Ｎとする。最初に、図１８のウエハーマップに示されたｘ、ｙ各移動範囲の２乗値を全て合計して、移動範囲の平方和（＝ＳＲｓ）が次のとおり算出される。これは、前述の数式（１）の分子に対応する。
【００７６】
ＳＲｓ ＝ ｘ移動範囲の平方和＋ｙ移動範囲の平方和
次に、実際の値「１」「０」の平方和Ｓが求められる。つまり、平滑化しないカテゴリ良否データの場合（２項分布）は、Ｇｄ ＝ 良品数 として、
Ｓ ＝ Ｇｄ ＊ （ Ｎ −Ｇｄ ） ／ Ｎ
また、平滑化したカテゴリ良否データや電気特性等の数値データの場合（正規分布）は、
Ｓ ＝ 各値の２乗の合計 − 各値の合計の２乗 ／ Ｎ
がそれぞれ求められる。これは、前述の数式（１）の分子に対応する。
【００７７】
そこで、ウエハー面内偏り度ＤＴＦ２の算出は、次の式の通りである。
【００７８】
面内偏り度（ＤＴＦ２） ＝ １ − ＳＲｓ ／ Ｓ ／２／Ｘ
但し、Ｘは補正値であり、この面内偏り度ＤＴＦ２の取りうる範囲は、補正値Ｘで除算する補正を行っているため、１〜−Ｙの範囲である。この補正は、平滑化処理により特徴が強調されすぎていること、及びＸ方向とＹ方向の２つの平方和を合わせていることを補正するために行われる。この演算式は補正値Ｘを除くと、数式（１）と同じである。
【００７９】
本実施の形態例では、面内偏り度の表記は、行った前処理や特徴的順番の付け方とその組み合せを用いて表す。例えば前処理として移動平均を重み付け１：１で、ｘ方向の分布特徴とｙ方向の分布特徴を組み合せた面内偏り度の場合、ＤＴＦ２＿Ｓ１：１ＸＹなどと表記する。この表記は、図８の特徴データ「１２」にも含まれている。
【００８０】
図１９及び図２０は、ウエハー面内偏り度ＤＴＦ２の検証のための図であり、図１９は、特徴がない分布例であり、図２０は、特徴がある分布例を示す。図１９の分布例１，２は、それぞれ良品数が２７４，２８１であり、その分布には特徴はみられない。これらの例について上記の演算式によりウエハー面内偏り度を求めると、それぞれＤＴＦ２＝−０．０２４、−０．０４３と「０」に近い値になった。更に、図２０の分布例（１）は、良品チップ数が１７５個で、ウエハーの右上領域に不良チップがやや偏っているが、この面内偏り度ＤＴＦ２は、０．４７９とやや「１」に近い値になっている。それに対して、図２０の分布例（２）は、良品チップ数が２７４個で、全ての不良チップはウエハーの下部領域に偏っている。この面内偏り度ＤＴＦ２は、０．９２９と「１」に非常に近い値になっている。
【００８１】
つまり、面内偏り度が「１」に近い場合は、その分布には何らかの強い分布の特徴があることを意味する。従って、この面内偏り度を基準にすることで、面内偏り度の強さを客観的に調べることができる。従って、測定値について、ウエハー面内偏り度を求め、その面内偏り度について、製造工程及び製造装置の同時処理単位の特徴との相関関係を調べて、有意差がある（危険率が低い）と判断される特徴を、変動要因の一つと推定することで、実際の処理に対応した原因追及を可能にする。
【００８２】
半導体の製造工程においては、加工メカニズムに基づくウエハー面内における加工方向は、例えば次の５つが主である。つまり、（１）ｘ方向またはｙ方向のように、ウエハーの一定の直線方向、（２）エッチングなどのようにウエハーの中心に向かう方向、（３）ウエハーの中心などのある１点から放射状方向、（４）特定のチップ集合単位で進む加工の方向である。そこで、これらの加工方向の特徴を広く捉えるために、ｘ方向、ｙ方向、ウエハーの中心などの特定位置からの角度θ方向、同特定位置からの距離ｒ方向、加工装置に設定された加工方法の順番を用いて、特徴を数値化することが好ましい。数値化する方法は、前述の推移特徴度（１次元又は２次元、あるいはｎ次元）を組み合せて一つの面内偏り度として出す方法、及びそれぞれの加工方向に対する検査値の傾きや相関係数を算出する方法などがある。
【００８３】
本実施の形態によれば、従来の作業者の経験や推測によることなく、製造データ解析プログラムを実行することで、製造工程及び製造設備に関する不良要因と検査値の特徴的不良との因果関係を客観的に明らかにし、要因となる製造工程と製造設備を絞り込むことが容易になる。
【００８４】
また、今回のデータ解析方法は、製造データの不良解析方法の標準化を進めるものであり、技術者個人の様々な製造工程及び製造設備に関する不良原因のノウハウを組み込んだデータ解析システムを実現することが可能であり、ノウハウを組織的に共有することも可能である。
【００８５】
特に、第１に、製造データの特徴評価方法として、製造設備及び加工メカニズムにおける製造物の同時処理単位とその時刻と位置を考慮した特徴抽出手法を用いることにより、実際の処理単位についての変動要因を評価することができ、改善すべき製造工程、製造装置の特定を的確に行うことができる。また、その評価において、有意差または危険率を利用することで定量的な特徴の評価が可能となる。
【００８６】
第２に、例えば面内偏り度により、面内に現れる特徴的分布の、位置や形状によらない偏った特徴的分布を評価できるようになる。また、推移特徴度及び推移特徴危険率により検査値の推移に現れる特徴的分布の、位置や形状によらない偏った特徴的推移を評価できるようになる。
【００８７】
また、例えば推移特徴度により、従来は困難であった全工程の処理順によるデータ推移の特徴を比較評価することを可能とし、そのデータ推移の特徴の強さを数値で総合的に把握すること、即ちどの工程の推移で最も強い特徴が現れるか等を比較評価することが可能となる。
【００８８】
以上、実施の形態例をまとめると以下の付記の通りである。
【００８９】
（付記１）複数の製造工程が複数の製造設備により行われて製造される製造物の製造データの解析方法において、
前記製造物の同時処理単位についての前記製造工程及び製造設備に関する特徴データと、前記特徴データに関する製造履歴データとに基づいて、前記製造物の検査データにあらわれる特徴度を抽出する工程と、
前記特徴度を大きさの順に出力する工程とを有することを特徴とする製造データの解析方法。
【００９０】
（付記２）付記１において、
前記製造工程と製造設備の特徴データは、前記製造設備において同時に処理される処理単位特徴と、処理位置特徴と、処理時刻特徴とを有することを特徴とする製造データの解析方法。
【００９１】
（付記３）付記２において、
前記処理単位特徴は、製造設備において同時に処理される単位の特徴を含むことを特徴とする製造データの解析方法。
【００９２】
（付記４）付記２において、
前記処理位置特徴は、製造設備における処理位置の特徴を含むことを特徴とする製造データの解析方法。
【００９３】
（付記５）付記２において、
前記処理時刻特徴は、製造物に対する処理の順番を含むことを特徴とする製造データの解析方法。
【００９４】
（付記６）付記１において、
前記製造物の検査データにあらわれる特徴度を抽出する工程は、
前記製造物の検査データを取得した後、当該製造物の製造履歴データに含まれる解析対象の製造工程及び製造設備を絞り込む工程と、
当該絞り込まれた前記製造工程と製造設備の特徴データから順次選択された製造工程と製造設備の特徴と、前記製造物の検査データとの関連性を示す特徴度を生成する工程とを有することを特徴とする製造データの解析方法。
【００９５】
（付記７）付記２において、
前記特徴度は、製造設備及び加工メカニズムにおける製造物の同時処理単位と、処理位置と、処理時刻を考慮した分布特徴量を含むことを特徴とする製造データの解析方法。
【００９６】
（付記８）付記７において、
前記分布特徴量は、製造物の検査データの前記同時処理単位、処理位置、又は処理時刻に対する推移の特徴量を表す推移特徴度を含むことを特徴とする製造データの解析方法。
【００９７】
（付記９）付記８において、
前記推移特徴度は、１次元の推移、２次元の推移、若しくはｎ次元の推移であることを特徴とする製造データの解析方法。
【００９８】
（付記１０）付記８において、
前記製造工程は、半導体製造工程であり、当該半導体製造工程の製造設備における特徴として、ウエハー上で製造処理が進む方向を、ｘ方向、ｙ方向、ウエハーの中心などの特定位置からの角度方向、特定位置から離れる距離の方向、製造装置内の順番のいずれかについて、前記推移特徴度を求めることを特徴とする製造データの解析方法。
【００９９】
（付記１１）複数の製造工程が複数の製造設備により行われて製造される製造物の検査データの解析方法において、
前記製造物の同時処理単位についての前記製造工程及び製造設備に関する複数の特徴データを定義する工程と、
前記製造物の製造工程において、前記特徴データに関しての製造履歴データを蓄積する工程と、
前記製造物の検査データを取得する工程と、
当該取得された製造物の検査データと、前記特徴データとの相関関係を示す特徴度を、前記複数の特徴データについて順次抽出する工程と、
前記製造工程及び製造設備毎に、前記特徴度を大きさの順に出力する工程とを有することを特徴とする製造物の検査データの解析方法。
【０１００】
（付記１２）付記１１において、
前記製造工程と製造設備の特徴データは、前記製造設備において同時に処理される処理単位特徴と、処理位置特徴と、処理時刻特徴とを有することを特徴とする製造物の検査データの解析方法。
【０１０１】
（付記１３）付記１１において、
前記特徴度は、前記特徴データの順番に対する前記製造物の検査データの推移特徴度であることを特徴とする製造物の検査データの解析方法。
【０１０２】
（付記１４）付記１３において、
前記推移特徴度を求める工程において、前記特徴データの順番に並べた場合の、前記検査データの前後の差の２乗の累積値を、全ての検査データのばらつき量（偏差平方和）で除算する工程を有することを特徴とする製造物の検査データの解析方法。
【０１０３】
（付記１５）付記１３において、
前記推移特徴度は、複数の特徴データについてそれぞれ順番に並べた場合の、前記検査データの前後の差の２乗の累積値の和を、全ての検査データのばらつき量（偏差平方和）で除算する工程を有することを特徴とする製造物の検査データの解析方法。
【０１０４】
（付記１６）付記１乃至１０のいずれかの製造データの解析方法を、コンピュータに実行させる製造データの解析プログラム。
【０１０５】
（付記１７）付記１１乃至１５のいずれかの製造物の検査データの解析方法を、コンピュータに実行させる製造データの解析プログラム。
【０１０６】
【発明の効果】
以上、本発明によれば、実際に製造物が加工処理される製造設備及び加工メカニズムにおける同時処理単位、処理位置、処理時間を考慮して、検査データの特徴度を抽出するので、検査データに直接影響を与えた要因を正確に把握することができ、歩留まり向上などのために的確な対策を講じることが可能になる。そして、特徴度を統計的手法により危険率により求めることで、作業者の恣意的でない客観的な基準によって、有意差を検出することができる。
【０１０７】
更に、本発明によれば、製造物検査データについて、その検査値の推移の特徴量をあらわす推移特徴度を求める。この推移は製造工程と製造設備の同時処理単位、処理位置、処理時刻の特徴に関するものであり、その推移特徴度から検査データとそれら特徴との相関関係を求めることができる。この推移特徴度は、１次元、２次元、またはｎ次元であってもよい。
【図面の簡単な説明】
【図１】従来の製造工程データの解析方法例を示す図である。
【図２】同時搬送単位であるロットの流れと製造工程、製造設備（製造装置）の関係の一例を示す図である。
【図３】製造設備及び製造工程のメカニズムにおける製造物の同時処理単位、処理位置、処理時間などを説明する図である。
【図４】製造設備及び製造工程のメカニズムにおける製造物の同時処理単位、処理位置、処理時間などを説明する図である。
【図５】製造設備及び製造工程のメカニズムにおける製造物の同時処理単位、処理位置、処理時間などを説明する図である。
【図６】本実施の形態における製造工程データの解析方法の概略フローチャート図である。
【図７】本実施の形態における製造設備の特徴データによる不良要因解析方法のフローチャート例を示す図である。
【図８】製造工程と製造設備の特徴データの一例を示す図である。
【図９】処理単位特徴Ｄ１−１１の有意差がある場合の例を示す図である。
【図１０】特徴データの一つのウエハー面内偏り度（ＤＴＦ２）を説明するための図である。
【図１１】特徴データの一つのウエハー面内偏り度（ＤＴＦ２）を説明するための図である。
【図１２】特徴データの一つのウエハー面内偏り度（ＤＴＦ２）を説明するための図である。
【図１３】レポート出力例を示す図である。
【図１４】推移特徴度ＤＴＦ（Ｄｅｇｒｅｅ ｏｆ Ｔｒａｎｓｉｔｉｏｎ Ｆｅａｔｕｒｅ）の算出例を示す図である。
【図１５】良否判定のウエハーマップを示す図である。
【図１６】良・不良の判定値を「１」「０」に数値化したウエハーマップ
【図１７】図１６の数値化したウエハーマップを平滑化したウエハーマップである。
【図１８】ウエハー面内偏り度の算出例を示す図である。
【図１９】特徴がない場合のウエハー面内偏り度ＤＴＦ２の検証のための図である。
【図２０】特徴がある場合のウエハー面内偏り度ＤＴＦ２の検証のための図である。
【符号の説明】
ＤＢ２１：製造工程と製造設備（製造装置）の特徴データ
ＤＢ２２：製造履歴データ
ＤＢ２：製造物検査データ
Ｓ１２：特徴度算出工程
Ｓ１６：レポート出力工程[0001]
TECHNICAL FIELD OF THE INVENTION
The present invention relates to a method for analyzing manufacturing data and a computer program for causing a computer to execute the method. In particular, the present invention relates to a significant result for grasping a causal relationship between data handled in a manufacturing process and providing an industrially significant result. And a computer program for causing a computer to execute the method.
[0002]
For example, in order to improve the yield in the semiconductor manufacturing process, there is a need to quickly find factors that reduce the yield based on the history of the manufacturing equipment used in the manufacturing process, test results, design information, various measurement data, and the like. Is For this purpose, performing data analysis based on data collected in advance, rather than actually performing physical analysis, is superior in terms of economy, and this data analysis is performed efficiently. It is important. The present invention relates to such a manufacturing data analysis method.
[0003]
[Prior art]
Product manufacturing, for example, semiconductor manufacturing is performed through hundreds of manufacturing processes, and in each manufacturing process, a plurality or a single manufacturing facility (specifically, a manufacturing apparatus) is used. Therefore, a transport unit having a plurality of wafers, that is, a production lot, is appropriately transported to an assigned production apparatus in each production process, and a corresponding production process is performed there. Therefore, in order to improve the yield, it is necessary to find out, by analyzing the manufacturing data, how these manufacturing processes and manufacturing apparatuses have a relationship with the product yield.
[0004]
FIG. 1 is a diagram showing an example of a conventional method for analyzing manufacturing process data. According to the manufacturing process data analysis method shown in FIG. 1, a database DB1 of manufacturing history data indicating whether the manufacturing facility (manufacturing apparatus) is used in each process for each lot as a unit of transport of the product, Based on a database DB2 of product inspection data obtained as a result of performing various inspections on products manufactured through the manufacturing process, a lot unit or a measurement unit of inspection by statistical processing is automatically analyzed. (S1), the analysis result report DB3 is output, and the analysis result report is examined by an operator to narrow down product variation factors related to the yield (S2). Step S1 is repeated until narrowing down is completed, and finally a decision is made to improve the yield (S3).
[0005]
Another method of analyzing manufacturing data is to obtain the distribution of good / bad of a plurality of chips in a wafer and the distribution of measured values in a unit of a chip, and to determine a manufacturing process or a manufacturing apparatus which has caused the characteristic. Empirical estimation is performed. Further, a feature amount appearing in a yield distribution for each wafer in a lot is extracted, and a factor of the feature is empirically estimated.
[0006]
Such a method of analyzing semiconductor manufacturing process data is disclosed in, for example, the following patent documents. In Patent Document 1, inspection results of past products are accumulated, and inspection results of products of a target lot are compared with past inspection results, and if there is a correlation, the inspection results are handled. It is disclosed that past failure countermeasure data is obtained.
[0007]
Patent Document 2 discloses a method for analyzing semiconductor manufacturing data to which data mining is applied. According to this analysis method, a target to be analyzed such as a yield value is set as a target variable, and a device history, a test result, design information, various measurement data, and the like, which are fluctuation factors of the target variable, are used as explanatory variables. It describes that a factor that is determined to have a significant difference with respect to the yield reduction by a data mining technique such as analysis is found.
[0008]
[Patent Document 1]
JP-A-10-209230
[0009]
[Patent Document 2]
JP 2001-306999 A
[0010]
[Problems to be solved by the invention]
According to the data analysis method shown in FIG. 1, data analysis can be performed only for a lot unit or an inspection measurement unit, and it is not possible to accurately analyze a factor of a decrease in yield. What can be obtained by referring to the manufacturing history data in lot units is that there is a factor in lowering the yield in a lot using a certain specific manufacturing apparatus, and thus cannot be said to be a sufficient data analysis.
In the semiconductor manufacturing process, features of the manufacturing equipment and the processing mechanism are incorporated into the product in units of simultaneous processing of the product in the manufacturing equipment. Therefore, in the data analysis in units of the lot unit and the measurement processing unit, which are the transport units, it is clear by considering the simultaneous processing unit, processing position, and processing time of the product in which a factor that varies the performance of the product occurs. It is difficult to capture such features.
[0011]
In addition, the feature discrimination can be performed only by comparing the measured value or the average value of each set and looking at the transition without using feature values that can be compared and evaluated in consideration of the simultaneous processing unit, processing position, and processing time of the product. It was difficult. Further, in the analysis based on the judgment based on the knowledge and experience of humans, there is a problem that the analysis results and the accuracy vary from person to person. For example, in the method of analyzing the trend of data transition using a conventional graph in manufacturing process data analysis, the inspection value is not gradually reduced by looking at the transition in which the inspection values are arranged in the processing order of the process of interest. It is confirmed whether or not there is a change with the passage of time. In such intuitive confirmation work, it is possible to roughly grasp the outline, but the characteristics of the data transition include multiple elements, and there is a possibility that there will be variations due to the feelings and experience of the person who confirms It is difficult to accurately grasp the strength of the feature. Also, when confirming the trend of data transition for several hundred processes, considerable time and labor are required. Further, in the determination based on the control chart, the presence or absence of several types of abnormalities is detected and determined, so that the strength of the characteristic of the data transition cannot be grasped quantitatively.
[0012]
The same problem occurs when the analysis values are distributed in two or more dimensions. For example, in a two-dimensional wafer map analysis in the analysis of semiconductor manufacturing process data, characteristics that mainly appear in the distribution of defective chips on a wafer and distributions of measured values in units of chips are confirmed, and factors that cause the characteristics are generated. The estimated manufacturing process and manufacturing equipment are estimated from process technology and experience. At this time, in addition to displaying and confirming a map for each wafer, various processes are performed by adding statistical processing such as summarizing and displaying multiple wafers and quantifying the size of the lump of defective chips. The features are confirmed from the cut. However, it is difficult to grasp the relevance that becomes apparent by using a feature amount that is different for each manufacturing process and manufacturing facility and that takes into account the simultaneous processing unit, processing position, and processing time of the product.
[0013]
Therefore, an object of the present invention is to provide a manufacturing data analysis method capable of extracting a characteristic amount that cannot be obtained by a data analysis method for obtaining a characteristic amount in lot units or inspection measurement units, and a program for executing the method. .
[0014]
[Means for Solving the Problems]
In order to achieve the above object, one aspect of the present invention relates to a method of analyzing manufacturing data of a product manufactured by performing a plurality of manufacturing processes by a plurality of manufacturing facilities, wherein a simultaneous processing unit of the product is used. A step of sequentially extracting characteristic degrees appearing in the inspection data of the product based on the characteristic data relating to the manufacturing process and the manufacturing equipment and the manufacturing history data relating to the characteristic data; and outputting the characteristic degrees in the order of magnitude. And a step of performing
[0015]
In an aspect of the present invention, in a more preferred embodiment, the characteristic data of the manufacturing process and the manufacturing equipment includes a processing unit characteristic, a processing position characteristic, and a processing time characteristic that are simultaneously processed in the manufacturing equipment. The processing unit feature is a feature of a unit that is simultaneously processed in the manufacturing equipment, for example, the first and second chambers in the same manufacturing apparatus. There may be significant differences between departments, and extracting such features is effective for finding factors that have a close causal relationship with test data. Further, the processing position characteristic is a characteristic of the processing position in the manufacturing equipment, for example, a characteristic such as the order of the wafer in the same manufacturing apparatus or any wafer stage, or any of the stages even in the same wafer. It is a characteristic such as whether it is located. There may be a significant difference between the wafer at a specific position and other wafers in multiple wafers that are subject to batch processing.Extracting such features is a factor that has a close causal relationship with inspection data. It is effective to find. Further, even in the case of wafers in the same lot, the order of processing may be different, and the processing time characteristics are such processing order, batch information, etc., and such processing time characteristics cause significant differences in inspection data. Sometimes.
[0016]
According to a more preferred embodiment in the above aspect of the present invention, in the step of sequentially extracting the characteristic degree appearing in the inspection data of the product, after the inspection data of the product is obtained, the analysis included in the manufacturing history data of the product is performed. Shows the process of narrowing down the target manufacturing process and manufacturing equipment, and shows the relationship between the manufacturing process and manufacturing facility characteristics sequentially selected from the narrowed down manufacturing process and manufacturing equipment characteristic data and the inspection data of the product. Generating a characteristic degree. By performing the above process for all the manufacturing processes and manufacturing equipment, it is possible to find a significant difference between the characteristics of the manufacturing process and the manufacturing equipment appearing in the inspection data of the product (for example, yield and defect rate).
[0017]
In the aspect of the invention described above, according to a more preferred embodiment, the characteristic degree is a distribution characteristic amount in consideration of a simultaneous processing unit of a product in a manufacturing facility and a processing mechanism, a processing position, and a processing time. Alternatively, the characteristic degree is a transition characteristic degree representing a characteristic amount of a transition of the inspection data. The transition feature degree is a feature amount that includes not only a one-dimensional transition but also a two-dimensional or n-dimensional transition.
[0018]
In the aspect of the present invention, in a preferred embodiment, as a feature of a manufacturing facility in a semiconductor manufacturing process, a direction in which a manufacturing process proceeds on a wafer is defined as an x direction, a y direction, an angular direction from a specific position such as the center of the wafer, and a specific direction. Using the direction of the distance away from the position, the order in the manufacturing apparatus, and the like, the transition feature degree of such a feature is obtained.
[0019]
According to the above invention, the characteristic degree of the inspection data is extracted in consideration of the simultaneous processing unit, the processing position, and the processing time in the manufacturing equipment and the processing mechanism where the product is actually processed. It is possible to accurately grasp the cause of the problem, and to take an appropriate measure for improving the yield. Then, by obtaining the characteristic degree based on the risk factor using a statistical method, a significant difference can be detected based on an objective criterion that is not arbitrary by the operator.
[0020]
Furthermore, by using a distribution feature extraction method that takes into account the simultaneous processing units of the products in the manufacturing equipment and the processing mechanism and the processing time and processing position as the feature evaluation method, quantitative distribution feature evaluation that has been difficult in the past can be performed. Will be possible.
[0021]
BEST MODE FOR CARRYING OUT THE INVENTION
Hereinafter, embodiments of the present invention will be described with reference to the drawings. However, the scope of protection of the present invention is not limited to the following embodiments, but extends to the inventions described in the claims and their equivalents.
[0022]
FIG. 2 is a diagram illustrating an example of a relationship between a flow of a lot, which is a unit of simultaneous transport, a manufacturing process, and manufacturing equipment (manufacturing equipment). For example, in a semiconductor manufacturing process, several hundred manufacturing processes A, B. . . . One or a plurality of manufacturing facilities (manufacturing apparatuses) are assigned to each of them. Then, the lots in the simultaneous transport unit are transported from the start to the end in the order indicated by the arrows, and are manufactured in the manufacturing apparatuses A1, A2, B1, C1 to C4, D1 to D3, X1, and X2 assigned in each processing step. , A corresponding manufacturing process is performed. In that case, processing of different manufacturing processes may be performed by the same manufacturing apparatus. By evaluating the relationship between the history data of each manufacturing process and manufacturing equipment and measurement data such as yield and defect rate on a lot-by-lot basis, the characteristics of those yields and defect rates, that is, manufacturing that affected the yield and defect rate Factors of the process and the manufacturing equipment can be extracted. However, it is not possible to extract characteristics of a processing unit, a processing position, and a processing time that are simultaneously processed in a specific manufacturing apparatus in a specific processing step.
[0023]
3 to 5 are diagrams for explaining the simultaneous processing unit, processing position, processing time, and the like of a product in a manufacturing facility and a mechanism of a manufacturing process. In the manufacturing apparatus shown in FIG. 3, processing chambers A and B are provided. Of the plurality of wafers in the same lot, some of the wafers are processed in the processing chamber A, and the remaining wafers are processed in the processing chamber B. Is processed. Therefore, processing rooms A and B exist as characteristic data of such a manufacturing apparatus, and by storing such characteristic data as manufacturing history data, a simultaneous processing unit, a processing position, and a processing time that are actually processed at the same time. Can be extracted in consideration of the characteristics of the inspection data.
[0024]
The manufacturing apparatus shown in FIG. 4 is an example in which six wafer stages W1 to W6 are present in the chamber 10, and a supply hole 12 for supplying a processing gas is present near the wafer stages W5 and W6. The gas supply holes 12 are expected to be, for example, a source of contamination, and the wafer stages W5 and W6 are expected to be placed in a different manufacturing processing environment from other wafer stages. Therefore, by having such information on the wafer stage as feature data of the manufacturing apparatus, it is possible to extract the feature of the processing position from the inspection data.
[0025]
The manufacturing apparatus shown in FIG. 5 is an example in which a concentric recess 14A is formed in the wafer stage 14. Therefore, the central region of the wafer stage 14 has the convex portion 14B, and the chip on the convex portion 14B, the chip on the concave portion 14A, or the chip on the outer side of the wafer 16 mounted thereon and processed. It is expected that the characteristics will appear in the inspection data by such information. Therefore, it is effective to grasp such information as characteristic data of the manufacturing equipment.
[0026]
In addition to the above example, characteristic data of the manufacturing process and the manufacturing equipment can be considered. By evaluating the relevance between the characteristic data on the simultaneous processing unit, processing position, and processing time (processing order) actually processed, and the yield and defect rate of the inspection data, the lot is extracted by extracting the characteristics. It is possible to extract a variation factor for inspection data that could not be grasped in units or inspection units.
[0027]
FIG. 6 is a schematic flowchart of a method for analyzing manufacturing process data according to the present embodiment. In addition to the database DB2 of the inspection data of the product, a database DB21 of the characteristic data of the manufacturing process and the manufacturing equipment and a manufacturing history data DB22 in the unit of simultaneous processing are prepared in advance. As described above, since the features of the manufacturing equipment and the processing mechanism are incorporated into the product in the simultaneous processing unit of the product in the manufacturing equipment, the simultaneous processing unit is a unit of occurrence of a factor that varies the performance (inspection data) of the product. It is. Further, the characteristics of the manufacturing equipment and the processing mechanism can be grasped as the performance that varies depending on the difference in the processing position in the simultaneous processing unit and the performance that varies depending on the difference in the processing time. Therefore, in the present embodiment, factors of the characteristics appearing in the product inspection data are narrowed down based on the characteristic data DB 21 of the production process and the production equipment and the production history data DB 22 for the simultaneous processing unit. Here, the processing mechanism means a mode in which processing in the manufacturing apparatus is performed, for example, a feature that processing such as etching is performed from the periphery of the wafer toward the center, or that exposure processing is performed for each chip. Refers to features. That is, the processing mechanism can be said to be one of the features of the manufacturing apparatus.
[0028]
As will be described in detail later, the characteristic data DB 21 of the manufacturing process and the manufacturing equipment includes the characteristics of the manufacturing process and the manufacturing equipment defined based on the simultaneous processing unit of the product in the manufacturing equipment and the processing mechanism and the processing time and processing position. This is the definition of the feature evaluation method. In addition, the manufacturing history data DB 22 includes data on which unit of simultaneous processing was performed in which manufacturing process in which manufacturing apparatus at which position and in what order (time). The simultaneous processing unit is, for example, a wafer level or a simultaneous processing unit at a chip level. An example of the manufacturing history data is history data on the simultaneous processing group, the processing position, and the processing time in the manufacturing apparatus A1 illustrated in FIGS. 3 to 5 in the process A illustrated in FIG. By accumulating such manufacturing history data, it becomes possible to calculate the relevance between the characteristic data of the manufacturing process and the manufacturing equipment and the inspection data as the characteristic degree.
[0029]
When the inspection data DB2 of the product is obtained, data analysis is started (S10). In the specific analysis process S12, when the inspection process is completed, the manufacturing process and the manufacturing equipment to be analyzed are narrowed down by using the manufacturing history data DB22 of the product, and the manufacturing process and the manufacturing equipment thus narrowed down are analyzed. The feature data is sequentially referred to from the feature data DB 21, and a feature degree capable of comparing and evaluating the relationship between the feature data and the inspection data DB 2 of the product is calculated (S 12).
[0030]
For example, when a simultaneous processing group is selected as the feature data, an average value of the inspection data of chips and wafers belonging to the simultaneous processing group is obtained, and a characteristic degree indicating whether or not the average value has any characteristic is calculated. . Alternatively, when a processing position is selected as characteristic data, an average value of inspection data of chips and wafers belonging to the same processing position is obtained, and a characteristic degree indicating whether or not there is any characteristic is calculated. When the processing time is selected as the characteristic data, the average value of the inspection data in the simultaneous processing unit is arranged in the order of the processing time to calculate the characteristic of the transition.
[0031]
As described above, by using the characteristic data of the manufacturing process and the manufacturing equipment, the characteristic is extracted in consideration of the simultaneous processing unit, the processing position, the processing time, and the processing mechanism of the product in the manufacturing equipment.
[0032]
In addition, as a feature evaluation method in step S12, a distribution feature extraction method is used in consideration of a simultaneous processing unit of a product in a manufacturing facility and a processing mechanism, and a processing time and a processing position. The distribution feature is a feature inherent in a plurality of data such as, for example, an average value and a standard deviation.As described above, it is determined whether there is any characteristic with respect to the average value and the standard deviation of the yield of simultaneously processed wafers. Be evaluated.
[0033]
Then, the characteristic degree of the detected data is calculated for the characteristic data of all the manufacturing steps and the manufacturing equipment (S14). After calculating the characteristic degrees for all the characteristic data, the characteristic data are arranged and charted in ascending order of characteristic degree for each manufacturing process and manufacturing facility, and the analysis result report DB3 is output (S16). At this time, it is desirable to determine the order in consideration of the risk factor.
[0034]
According to the above method, the characteristic data DB21 of the manufacturing process and the manufacturing equipment defined based on the simultaneous processing unit of the product in the manufacturing equipment and the processing mechanism, the processing time and the processing position, and the product inspection data DB2 By comparing and evaluating the relevance, it is possible to narrow down the product variation factors caused by the characteristics of the manufacturing process and the manufacturing equipment, which were difficult to grasp by analyzing the lots and the measurement processing units, which are conventional transport units. . Further, since the product variation factors can be narrowed down in the product simultaneous processing unit in the manufacturing equipment, the product variation factors can be narrowed down with less data.
[0035]
Furthermore, by using a distribution feature extraction method that takes into account the simultaneous processing units of the products in the manufacturing equipment and the processing mechanism and the processing time and processing position as the feature evaluation method, quantitative distribution feature evaluation that has been difficult in the past can be performed. It becomes possible. In this case, a characteristic distribution appearing in the wafer plane, which is one of the two-dimensional distribution characteristic evaluation values, which will be described later, is a characteristic distribution that does not depend on the position or the shape. Can be evaluated. Furthermore, a one-dimensional distribution characteristic evaluation value, ie, a transition characteristic degree and a transition characteristic risk rate, can also evaluate a certain biased characteristic transition that does not depend on the position or shape of the characteristic distribution appearing in the transition of the measured value.
[0036]
FIG. 7 is a diagram showing an example of a flowchart of a failure factor analysis method based on characteristic data of a manufacturing facility in the present embodiment. The basic configuration is the same as FIG. The prepared databases DB21, DB22, and DB2 are the same as those in FIG. 6, except that the manufacturing history data DB22 is collected for each chip. Then, every time inspection data is acquired in lot units, automatic analysis is started (S10). Then, the characteristic degree of the inspection data is calculated in the same manner as in FIG. 6 (S12), and the calculation is performed for all the characteristics of the manufacturing process and the manufacturing equipment (S14), and the calculated characteristic degree exceeds a certain management standard. The production facilities are rearranged and charted in ascending order of characteristic degree, and an analysis result report is output (S16). In this case, when the characteristic amount is calculated by the risk rate, the order of the large characteristic degree is the order of the small risk rate. The risk rate is the probability that there is no statistically significant difference.If the risk rate is low, it is determined that the feature has a significant difference. Objective analysis and judgment can be made possible.
[0037]
In FIG. 7, the automatic analysis S1 using the statistical processing performed in the conventional example is also performed from the manufacturing history data DB22 and the inspection data DB2 of the product, and the analysis result data is also output. The analysis result is also used in the final decision-making step S18.
[Characteristic data of manufacturing process and manufacturing equipment]
FIG. 8 is a diagram illustrating an example of manufacturing process and characteristic data of manufacturing equipment. The characteristic data of the manufacturing process and the manufacturing equipment is data defining the characteristics of the manufacturing process and the manufacturing equipment based on the simultaneous processing unit of the product in the manufacturing equipment (manufacturing apparatus) and the processing mechanism, the processing position and the processing time. . FIG. 8 shows feature data D-M22 of the manufacturing apparatus D type E2 and E3 in the manufacturing process M22, and the actual data is described by codes that can be understood by a computer. It is written in a high-level language that can be used.
[0038]
First, as the feature data D0, it is defined that the device names E2 and E3, the simultaneous processing unit is batch processing (simultaneous processing) of six wafers, and that there are two processing units. Further, a processing unit characteristic D1, a processing position characteristic D2, and a processing time characteristic D3 are defined as characteristic data. In the example of the processing unit feature D1, as the feature “11”, a T25 failure rate, a T26 failure rate, a yield, and a facility state parameter, which are inspection data, are defined. Here, T25 and T26 are the types of defects that appear in products such as, for example, wiring cuts and wiring shorts, and are acquired as inspection data. Inspection values such as T25 defect rate, T26 defect rate, and yield for each chip may have a significant difference between simultaneous processing units or processing sections due to statistical t-tests or F-tests. Inspection values may have significant differences in the correlations between the processing temperature, pressure, and A gas flow rate with the equipment state parameters. The reason is that the state of the manufacturing equipment and the manufacturing parameters change for each batch which is a unit of simultaneous processing.
[0039]
Further, the processing unit feature D1 has a feature “12” as the inspection data, ie, a T25 failure determination value, a T26 failure determination value, a T27 failure determination value, and a defective product determination value within the wafer surface (DTF2: Degree of Transition Feature). with 2 dimension (two-dimensional transition feature). The degree of bias in the wafer surface of these inspection data may have a significant difference between simultaneous processing units or between processing departments due to a statistical t-test or F-test. That is, the feature “11” is not a general distribution feature value such as the average value and the standard deviation of the inspection data, and the feature “12” is the deviation of the inspection data within the wafer surface between the simultaneous processing units. Significant differences are defined.
[0040]
Here, the in-wafer bias (DTF2) is described by a calculation name of “S1: 1XY”, and a distribution characteristic in the x direction and a distribution characteristic in the y direction obtained by weighting the moving average of inspection values by 1: 1 are combined. Is defined as the degree of in-plane deviation. This specific example will be described later.
[0041]
As the processing position feature D2, the specific position “5, 6”, the T28 defect rate of the inspection data, and the yield are defined as the feature “21”. As shown in the example of FIG. 4, the feature “21” is that the inspection data between the wafers at the specific positions W5 and W6 and the wafers at other positions in the batch processing of six wafers This is a feature when a significant difference may appear. Further, as a feature “22”, a specific position “inside and outside of a radius 0.5r in the wafer plane”, a T25 failure rate of inspection data, and a yield are defined. This feature “22” is feature data in the case where processing conditions differ depending on the region in the wafer surface as in the example of FIG. As described above, the processing position characteristic is a characteristic of the processing position peculiar to the manufacturing equipment or the processing mechanism. When such a characteristic causes a change in the inspection result, the characteristic is defined as characteristic data D2, It is used as feature data when calculating the feature degree of the inspection data.
[0042]
In the processing time characteristic D3, the transition characteristic degree and the risk rate for 20 consecutive batches of all inspection values are defined as the characteristic “31”. This feature “31” is obtained by calculating the transition feature of all the test values of products in a continuous 20 batches, so that it is possible to analyze whether or not the manufacturing apparatus is a cause of the change of the test values. It is an example. That is, by arranging the average values of the simultaneous processing units in the processing order, some characteristics may appear in the transition.
[Characteristic calculation example]
In the characteristic degree calculation step S12, the lots for which the inspection step has been completed are sequentially collated with the characteristics shown as an example in FIG. That is, the manufacturing history data for each chip in the lot is scanned to check whether or not the manufacturing apparatus D type E2 or E3 in the manufacturing process M22 is used. In the case of a lot using them, for all the features D1 to D3 defined in FIG. 8, whether or not there is a significant difference in the defined inspection data is calculated by a risk factor.
[0043]
FIG. 9 is a diagram illustrating an example of the case where there is a significant difference between the processing unit features D1-11. In FIG. 9A, the horizontal axis indicates the simultaneous processing unit (batch unit), the vertical axis indicates the yield, and the yield is divided into the processing temperatures XX ° and YY ° of the equipment state parameter. In this example, for example, for a lot consisting of 24 wafers, two wafers are processed in a batch unit (12 batches in total) by the manufacturing apparatus E2, and the processing temperature of the odd batch is XX ° and the even It is assumed that the history data includes that the processing temperature of the batch is YY °.
[0044]
Thus, as distribution characteristics, the yields of a plurality of chips belonging to two wafers of each batch are obtained and plotted as shown. In the example of FIG. 9A, the yield at the processing temperature XX ° is higher than the processing temperature YY °. As shown in FIG. 9B, the processing temperature is divided into the processing temperatures XX and YY for each processing unit. It can be seen from the yield distribution that there is a significant difference. However, if the respective variations are large, it is determined that there is no significant difference even if there is a difference between the two average values. In such a case, by calculating the statistical risk ratio, an objectively reliable characteristic degree can be extracted.
[0045]
In the example of FIG. 9A, the characteristics of the distribution can be found by paying attention to different processing temperatures for each simultaneous processing unit. However, even when not paying attention to the processing temperature, it is possible to find features that could not be found in the yield distribution in lot units by looking at the yield distribution for each simultaneous processing unit.
[0046]
Similarly, for the other features D1, D2, and D3, the feature degree is obtained by the risk factor. Using the processing position feature D2, a correlation between the processing position of the manufacturing apparatus and the inspection data can be found, and using the processing time feature D3, a transition feature based on the processing order of the inspection data can be found. . Further, other related manufacturing processes and manufacturing equipment are extracted from the manufacturing history data of the lot, and a risk factor is obtained for the characteristics D1, D2, and D3 of the manufacturing process and the manufacturing apparatus. Then, of all the related manufacturing processes / manufacturing apparatuses, those having the lowest risk factor are listed and output. This list is output in a format (see FIG. 13) which will be described in detail later, and the worker determines the characteristics of the manufacturing process / manufacturing equipment necessary for improving the yield or the defect rate from the list, and taking specific measures. Take.
[0047]
FIGS. 10, 11, and 12 are diagrams for explaining one in-plane deviation (DTF2) of the feature data. In this example, as shown in FIG. 3, on the assumption that there are two processing units in the manufacturing apparatus, the in-plane deviation DTF2 of the feature “12” of the processing unit feature data D1 is calculated. In this example, it is determined whether or not the two processing units of the E2 machine of the lot L24 have any features.
[0048]
FIG. 10 shows a wafer map of T25 defect determination values of six wafers in a certain lot. The six wafers are the first batch (first processing unit) of the manufacturing apparatus E2, and the processing position is ID = 0001 to 0006. Defective is “0” and non-defective is “1”, which are indicated on the chip. In this example, it can be confirmed that many defects occur in a specific portion other than the center in the wafer surface. Then, the in-plane deviation DTF2 of the wafer obtained by a calculation formula described later is obtained as shown in the upper left of each wafer. That is, the wafer with the processing position ID = 0001 has DTF2 = 0.533, and the wafer with the processing position ID = 0002 has DTF2 = 0.675.
[0049]
FIG. 11 shows a wafer map of the T25 defect determination value for another six wafers in the same lot, and the six wafers are processed at the second batch (second processing unit) of the manufacturing apparatus E2 at the processing position. Are ID = 0001-0006. A two-dimensional in-plane deviation DTF2 of the wafer is calculated for each wafer. In this example, it can only be intuitively confirmed that there are some sparse defects as a whole.
[0050]
Therefore, as shown in FIG. 12A, when the in-plane deviation DTF2 of the wafer with respect to the T25 defect is shown by the change in the wafer processing position, the relationship between the wafer processing position (wafer ID) on the horizontal axis and the DTF2 is clearer. Will be understood. In FIG. 12, DTF2 with T25 failure is indicated by a black diamond, and DTF2 with T26 failure is indicated by a white square. The horizontal axis is the wafer processing position, six wafers are batch processing units (simultaneous processing units), wafers 1 to 6, 13 to 18, and 25 are processed in the first processing unit, and wafers 7-14, 19 To 24 are examples processed by the second processing unit.
[0051]
FIG. 12B shows the distribution of the DTF2 having the T25 failure divided into the first processing unit and the second processing unit. That is, by adopting the simultaneous processing unit as the feature data, it becomes clear that there is a significant difference in the DTF2 of the T25 failure between the first and second processing units. That is, it turns out that the first processing unit has many defects in the specific portion. In this manner, by determining the in-plane deviation degree DTF2 of the inspection data for the simultaneous processing unit, a characteristic that has not been found in the inspection process or the characteristic degree of the inspection apparatus can be found.
[0052]
In the above example, the risk factor of the t-test between the processing units regarding the degree of in-wafer bias of the T25 defect was 3.65E-16. The F-test risk factor was 0.0996.
[0053]
In this manner, a plurality of feature degrees are obtained at a risk rate (a rate that decreases as the feature has a significant difference) according to each definition of the processing unit feature D1, and the minimum value among them is “T25 failure. The risk factor of the t test between the processing units regarding the in-plane deviation of the wafer "= 3.65E-16. Further, the processing position characteristic D2 and the processing time characteristic D3 were similarly calculated, and the processing position characteristic = 0.123 and the processing time characteristic = 0.341. That is, in this example, regarding the lot L24, the characteristic degree of the characteristic data D-M22 (the type of the manufacturing equipment of the manufacturing process M22) defined as the characteristic data of the manufacturing process and the manufacturing apparatus is:
Processing unit characteristic degree = 3.65E-16
Processing position characteristic degree = 0.123
Processing time feature level = 0.341
Met.
[Characteristic charting and report output]
FIG. 13 is a diagram illustrating a report output example. In the above-described example, similarly, as a result of calculating all the characteristic values of the manufacturing process and the manufacturing equipment defined in the characteristic data DB 21 of the manufacturing process and the manufacturing equipment, the table of FIG. 13A was obtained. In other words, the table of FIG. 13A shows the characteristic level of the minimum risk factor for each of the processing unit characteristic, the processing position characteristic, and the processing time characteristic in the manufacturing process and the manufacturing equipment related to the lot L24. The total characteristic degree is a minimum value among the three types of characteristic degrees. Further, in the table of FIG. 13A, only the manufacturing processes and the manufacturing facilities having an overall characteristic degree of 0.3 or less are displayed in ascending order of characteristic degree (risk rate). By doing so, it is possible to objectively extract the fluctuation factors of the inspection value in descending order of the possibility. This report output is preferably output as a WEB report in html format as a feature list. Detailed data of a feature is linked to each cell of the feature list in an html format. By selecting (clicking) a numerical value (feature) of the feature list, the detailed data of the feature is displayed in FIG. It is illustrated as (2) and (3). By editing in this way, it is possible to enhance the convenience of the worker's analysis of the feature list.
[0054]
13 (2) is the same as the graph of FIG. 12 (2), and it is determined that there is a significant difference. However, in the graph of FIG. 13 (3), the variation of the DTF2 of the T25 defect in each processing unit is different. Is large, so there is no significant difference, and the risk in FIG. 13 (1) is as high as 7.03E-5.
[Transition feature level]
In the present embodiment, the characteristic values of the characteristic data DB 21 of the production process and the production equipment included in the production history data are calculated for the inspection values, and a report is output in ascending order of the risk factor. Further, in the present embodiment, not only general distribution features such as an average value and a standard deviation of inspection values, but also a transition feature is used as the feature.
[0055]
In addition, the transition characteristic is a characteristic that indicates a transition based on a certain characteristic with respect to a certain inspection value, and the inspection value is converted from various angles based on the characteristic data DB21 of the manufacturing process and the manufacturing equipment included in the history data. By calculating the transition feature, a variation factor that cannot be extracted by the feature of the test value itself may be found in some cases. In the example of the characteristic data in FIG. 8, the transition time characteristic degree of the measurement value is obtained for the processing time characteristic D3, and whether or not there is a correlation is obtained.
[0056]
In data analysis, a target to be analyzed such as a yield is referred to as an objective variable, and manufacturing history data which is a factor of the target variable is referred to as an explanatory variable. The transition feature degree refers to a feature amount of a transition of a target variable such as an inspection value, and a certain transition feature amount is obtained by arranging the values of the target variable in the order of an explanatory variable such as a wafer number or a processing time. May be able to.
[0057]
FIG. 14 is a diagram illustrating an example of calculating a transition feature degree DTF (Degree of Transition Feature). The transition feature degree is obtained by dividing the cumulative difference before and after by the cumulative variation, and normalizing the possible range to be −1 to +1. Specific arithmetic expressions are as follows.
[0058]
(Equation 1)

[0059]
Here, Xi is the i-th value, and n is the number of data. Therefore, (Xi-Xi + 1) of the numerator is the difference before and after the arranged values, and the denominator is the variation (sum of squares).
[0060]
The possible range of the transition feature degree DTF is −1 to +1 as described above, and approaches “+1” when the arrangement is clearly offset, “0” when there is no feature, and moves up and down with respect to the time series. If it is a disturbed transition that repeats the above, it approaches "-1".
[0061]
To obtain the test and the risk factor assuming that the transition has no features,
[0062]
(Equation 2)

[0063]
Is calculated, and the risk factor of the F test in which a hypothesis of Vx = Vy is set is used. Note that F = Vx / Vy (Vx ≧ Vy), F = Vy / Vx (Vx <Vy), φx = n−2, and φy = n−1.
[0064]
The example of FIG. 14 is an example in which transitions of measurement values such as yield for 31 batches (simultaneous processing units) are arranged in an order according to different features, and a transition feature degree is obtained in accordance with the above-described arithmetic expression. In FIG. 14A, the horizontal axis represents the measurement time, and the yield is arranged in the measurement time order. The transition feature degree DFT in this case is 0.0332. FIG. 14B shows a case where the processing order of the process A is arranged, and the horizontal axis indicates the processing order of the process A. In this case, the transition feature degree DTF is close to 0.9335 and +1 and the measured value is in the processing order. It can be seen that the transition feature of decreasing is strong. Therefore, the process A is the most promising candidate as a factor generation process of the feature.
[0065]
FIG. 14 (3) shows a case in which the images are arranged in the processing order of the process B. The transition characteristics have a characteristic of gradually decreasing with some variation and increasing from the tenth batch. 8985, which is a value close to 1. Therefore, the process B is the second candidate as a factor process of the occurrence of the transition feature.
[0066]
FIG. 14D shows an example in which the values are arranged in the processing order of the process C, and the low values are continuously changed from the sixth batch to the nineteenth batch in the middle. The transition feature value is a relatively high value of 0.7129.
[0067]
FIG. 14 (5) is an example in which the order of the processes in the process D is arranged, and although there is a group having a low value and a group having a high value in the middle, the continuity is small and the feature is not very clear. The transition feature level is a low value of 0.2506.
[0068]
FIG. 14 (6) is an example in which the process E is arranged in the processing order, and shows a disturbed transition in which up and down movement is repeated, and the transition feature degree = −0.2773, which is a negative value. Other arrangements should be considered, and it is suspected that features such as odd-numbered and even-numbered corresponding to two processing units can be divided into two groups depending on the processing unit.
[0069]
As described above, by calculating the transition feature of the inspection data based on the simultaneous processing unit, the processing position, the processing time, and the like, it may be possible to find a variation factor of the inspection data.
[Two-dimensional transition feature, in-plane deviation of wafer]
The in-plane deviation degree of a product such as a wafer described above is obtained by expanding the transition characteristic degree into two dimensions. However, unlike the one-dimensional transition feature, there are a plurality of ways of assigning the order of the two-dimensional data, and accordingly, there are a plurality of types of in-plane bias. By setting the order based on the data of the simultaneous processing unit of the product in the manufacturing equipment and the processing mechanism in the manufacturing process and the time and position thereof, the feature can be extracted more accurately. Also, a plurality of features can be represented by one value by combining a plurality of ordering methods. For example, when there is an order in which processing is performed on the wafer surface, such as a step of performing exposure in units of four chips in a lithography process of an LSI manufacturing process, a two-dimensional transition feature is obtained using the order.
[0070]
For example, in the case of a process of forming a film in a direction from the bottom to the top of the wafer surface (y direction), the transition feature is obtained in the order toward the y direction. Alternatively, when the processing progresses from the center of the wafer toward the periphery, the order is spirally or radially arranged from the center to obtain the transition feature. Alternatively, when the processing proceeds simultaneously in the wafer plane, a combination of features in two orthogonal directions (x direction and y direction) or a combination of two or more features to be covered is used.
[0071]
As a basic example, a method of calculating the wafer in-plane deviation degree DTF2 by combining the distribution characteristics in the x direction and the distribution characteristics in the y direction will be described below. In the following example, the pass / fail judgment for each chip is an inspection value. FIG. 15 is a diagram showing a wafer map for pass / fail determination. Good and bad are assigned to each chip. Therefore, this wafer map can be converted into a wafer map in which the judgment values of good / bad are quantified to “1” and “0” as shown in FIG.
[0072]
FIG. 17 is a wafer map obtained by smoothing the digitized wafer map of FIG. This smoothing process is a kind of pre-processing, and weights the numerical values of “1” and “0” of the chip of interest and the average of the numerical values of “1” and “0” of the eight chips around the chip. Averaging by 1: 1 results in a smoothed value. For the peripheral chips, the weighting calculation is performed only for the existing chips. Further, the value of the virtual chip immediately before the leftmost chip in the x direction and the value of the virtual chip immediately before the uppermost chip in the y direction are calculated. By this smoothing process, not only data of “1” and “0” but also a smoothed value in which the tendency of the surrounding chips is added is obtained, and the transition feature in the x direction and the y direction is easily obtained.
[0073]
In the case of 1-bit pass / fail judgment data of "1" or "0" as in this example, preprocessing such as smoothing is effective. There are several other preprocessing methods. Further, when the aspect ratio of the chip is far from 1 (a horizontally long or vertically long chip) or when the number of chips is extremely small, it is desirable to perform more complicated preprocessing. In the case of numerical data such as electric characteristic values, the above pre-processing is not necessary.
[0074]
FIG. 18 is a diagram illustrating a calculation example of the in-plane deviation degree of the wafer. The square of the movement range is calculated for the smoothed wafer map by dividing the wafer map in the x direction and the y direction. The moving range is the difference between the smoothed values of the preceding and succeeding chips, and is a value (Xi-Xi-1) obtained by subtracting the value of the preceding chip from the value of the focused chip. In this calculation, the value of the virtual chip obtained earlier is used. FIG. 18 shows the square of the movement range in the x direction and the y direction.
[0075]
Therefore, a method of calculating the in-plane deviation DTF2 will be described. First, it is assumed that the number of effective chips = N. First, all the square values of the moving ranges x and y shown in the wafer map of FIG. 18 are summed, and the sum of the squares of the moving range (= SRs) is calculated as follows. This corresponds to the numerator of Equation (1) above.
[0076]
SRs = sum of x moving range + sum of y moving range
Next, the sum of squares S of the actual values “1” and “0” is obtained. In other words, in the case of non-smoothed category pass / fail data (binomial distribution), Gd = number of conforming products,
S = Gd * (N-Gd) / N
In the case of smoothed category pass / fail data and numerical data such as electrical characteristics (normal distribution),
S = sum of the square of each value−square of the sum of each value / N
Are required respectively. This corresponds to the numerator of Equation (1) above.
[0077]
Therefore, the calculation of the in-plane deviation DTF2 is as follows.
[0078]
In-plane deviation (DTF2) = 1-SRs / S / 2 / X
However, X is a correction value, and the possible range of the in-plane deviation degree DTF2 is in the range of 1 to -Y because correction is performed by dividing by the correction value X. This correction is performed to correct that the feature is excessively emphasized by the smoothing process and that the sum of the two squares in the X direction and the Y direction is matched. This arithmetic expression is the same as Expression (1) except for the correction value X.
[0079]
In the present embodiment, the description of the degree of in-plane bias is expressed using the preprocessing performed, the method of assigning the characteristic order, and a combination thereof. For example, in the pre-processing, the moving average is weighted 1: 1 and the in-plane bias degree obtained by combining the distribution characteristic in the x direction and the distribution characteristic in the y direction is expressed as DTF2_S1: 1XY or the like. This notation is also included in the feature data “12” in FIG.
[0080]
19 and 20 are diagrams for verifying the degree of in-wafer bias DTF2. FIG. 19 shows an example of a distribution without features, and FIG. 20 shows an example of a distribution with features. In the distribution examples 1 and 2 in FIG. 19, the number of non-defective products is 274 and 281, respectively, and there is no characteristic in the distribution. When the degree of in-plane deviation of the wafer was calculated from the above-described arithmetic expressions using these examples, DTF2 = −0.024, −0.043, and values close to “0”, respectively. Further, in the distribution example (1) in FIG. 20, the number of non-defective chips is 175, and the defective chips are slightly biased in the upper right area of the wafer. The in-plane bias DTF2 is 0.479 and slightly “1”. It is close to On the other hand, in the distribution example (2) of FIG. 20, the number of non-defective chips is 274, and all the defective chips are biased toward the lower region of the wafer. This in-plane deviation DTF2 is 0.929, a value very close to "1".
[0081]
That is, when the degree of in-plane bias is close to “1”, it means that the distribution has some strong distribution characteristics. Therefore, the strength of the in-plane deviation can be objectively examined by using the in-plane deviation as a reference. Therefore, for the measured value, the degree of in-plane deviation of the wafer is obtained, and for the degree of in-plane deviation, a correlation between the characteristics of the simultaneous processing unit of the manufacturing process and the manufacturing apparatus is examined, and there is a significant difference (low risk factor). By estimating the feature determined to be one of the fluctuation factors, it is possible to investigate the cause corresponding to the actual processing.
[0082]
In the semiconductor manufacturing process, for example, the following five processing directions in the wafer plane based on the processing mechanism are mainly used. That is, (1) a constant linear direction of the wafer such as the x direction or y direction, (2) a direction toward the center of the wafer such as etching, and (3) a radial direction from one point such as the center of the wafer. , (4) The direction of processing that proceeds in a specific chip set unit. Therefore, in order to widely grasp the characteristics of these processing directions, the x direction, the y direction, the angle θ direction from a specific position such as the center of the wafer, the distance r direction from the specific position, the processing method set in the processing apparatus. It is preferable to digitize the features using the order of. Numerical methods are a method of combining the above-mentioned transition feature degrees (one-dimensional or two-dimensional, or n-dimensional) to generate a single in-plane deviation degree, and a method of calculating the inclination and correlation coefficient of an inspection value for each processing direction. There is a calculation method.
[0083]
According to the present embodiment, by executing the manufacturing data analysis program without the conventional experience or guesswork of the worker, the causal relationship between the failure factor relating to the manufacturing process and the manufacturing equipment and the characteristic failure of the inspection value can be determined. It becomes easy to objectively clarify and narrow down the manufacturing processes and manufacturing equipment that are factors.
[0084]
In addition, this data analysis method promotes standardization of manufacturing data failure analysis methods, and it is possible to realize a data analysis system that incorporates the know-how of failure causes related to various manufacturing processes and manufacturing facilities of individual engineers. It is possible, and it is also possible to share know-how systematically.
[0085]
In particular, first, as a method of evaluating the characteristics of manufacturing data, by using a feature extraction method that considers the simultaneous processing unit of a product in a manufacturing facility and a processing mechanism and its time and position, a factor of variation in an actual processing unit is considered. Can be evaluated, and the manufacturing process and the manufacturing apparatus to be improved can be specified accurately. In addition, quantitative characteristics can be evaluated by using a significant difference or a risk factor in the evaluation.
[0086]
Second, for example, the characteristic distribution appearing in the plane, which is not dependent on the position or the shape, can be evaluated by the in-plane deviation degree, for example. In addition, it becomes possible to evaluate a biased characteristic transition that does not depend on the position or the shape of the characteristic distribution appearing in the transition of the inspection value based on the transition characteristic degree and the transition characteristic risk rate.
[0087]
Also, for example, by using the transition feature degree, it is possible to compare and evaluate the characteristics of data transition in the processing order of all processes, which was difficult in the past, and to comprehensively grasp the strength of the characteristic of the data transition numerically. In other words, it is possible to compare and evaluate which process has the strongest feature in the transition.
[0088]
As described above, the embodiments are summarized as follows.
[0089]
(Supplementary Note 1) In a method of analyzing manufacturing data of a product manufactured by performing a plurality of manufacturing processes by a plurality of manufacturing facilities,
A step of extracting a characteristic degree appearing in the inspection data of the product, based on the characteristic data on the manufacturing process and the manufacturing equipment for the simultaneous processing unit of the product, and manufacturing history data on the characteristic data;
Outputting the characteristic degrees in order of magnitude.
[0090]
(Supplementary Note 2) In Supplementary Note 1,
A method of analyzing manufacturing data, wherein the characteristic data of the manufacturing process and the manufacturing equipment includes a processing unit characteristic, a processing position characteristic, and a processing time characteristic that are simultaneously processed in the manufacturing equipment.
[0091]
(Supplementary Note 3) In Supplementary note 2,
The method of analyzing manufacturing data, wherein the processing unit feature includes a feature of a unit processed simultaneously in a manufacturing facility.
[0092]
(Supplementary Note 4) In supplementary note 2,
The method of analyzing manufacturing data, wherein the processing position characteristic includes a characteristic of a processing position in a manufacturing facility.
[0093]
(Supplementary Note 5) In Supplementary note 2,
The method of analyzing manufacturing data, wherein the processing time feature includes an order of processing on the product.
[0094]
(Supplementary Note 6) In Supplementary Note 1,
The step of extracting a characteristic degree appearing in the inspection data of the product,
After obtaining the inspection data of the product, a process of narrowing down the manufacturing process and the manufacturing equipment of the analysis target included in the manufacturing history data of the product,
Having a step of generating a characteristic degree indicating the relevance of the manufacturing process and the manufacturing equipment selected sequentially from the narrowed down manufacturing process and manufacturing equipment characteristic data and the inspection data of the product. Analysis method of manufacturing data that is a feature.
[0095]
(Supplementary Note 7) In Supplementary Note 2,
The method of analyzing manufacturing data, wherein the characteristic degree includes a distribution feature amount in consideration of a simultaneous processing unit of a product in a manufacturing facility and a processing mechanism, a processing position, and a processing time.
[0096]
(Supplementary Note 8) In Supplementary note 7,
The method of analyzing manufacturing data, wherein the distribution characteristic amount includes a transition characteristic degree representing a characteristic amount of transition of the inspection data of the product with respect to the simultaneous processing unit, processing position, or processing time.
[0097]
(Supplementary Note 9) In Supplementary note 8,
The method of analyzing manufacturing data, wherein the transition characteristic degree is a one-dimensional transition, a two-dimensional transition, or an n-dimensional transition.
[0098]
(Supplementary Note 10) In Supplementary Note 8,
The manufacturing process is a semiconductor manufacturing process, as a feature of the manufacturing equipment of the semiconductor manufacturing process, the direction in which the manufacturing process proceeds on the wafer, the x direction, the y direction, the angular direction from a specific position such as the center of the wafer, A method of analyzing manufacturing data, wherein the transition feature is obtained for any one of a direction of a distance away from a specific position and an order in a manufacturing apparatus.
[0099]
(Supplementary Note 11) In a method of analyzing inspection data of a product manufactured by performing a plurality of manufacturing processes by a plurality of manufacturing facilities,
Defining a plurality of feature data regarding the manufacturing process and manufacturing equipment for the simultaneous processing unit of the product,
In the manufacturing process of the product, a process of accumulating manufacturing history data regarding the characteristic data,
Obtaining inspection data of the product;
Inspection data of the obtained product, a feature degree indicating a correlation between the feature data, a step of sequentially extracting the plurality of feature data,
Outputting the characteristic degree in the order of magnitude for each of the manufacturing process and the manufacturing equipment.
[0100]
(Supplementary Note 12) In Supplementary Note 11,
A method of analyzing inspection data of a product, wherein the characteristic data of the manufacturing process and the manufacturing equipment includes a processing unit characteristic, a processing position characteristic, and a processing time characteristic that are simultaneously processed in the manufacturing equipment.
[0101]
(Supplementary Note 13) In Supplementary Note 11,
The method of analyzing inspection data of a product, wherein the characteristic degree is a transition characteristic degree of the inspection data of the product with respect to the order of the characteristic data.
[0102]
(Supplementary Note 14) In supplementary note 13,
In the step of obtaining the transition feature degree, the cumulative value of the square of the difference before and after the test data when the feature data is arranged in order is divided by the variation amount (sum of deviation squares) of all the test data. A method for analyzing inspection data of a product, comprising a step.
[0103]
(Supplementary Note 15) In supplementary note 13,
The transition feature degree is obtained by dividing the sum of the squared cumulative values of the difference before and after the test data when the plurality of feature data are arranged in order by the amount of variation (sum of deviation squares) of all the test data. A method for analyzing inspection data of a product, the method comprising:
[0104]
(Supplementary Note 16) A manufacturing data analysis program that causes a computer to execute the manufacturing data analysis method according to any of Supplementary Notes 1 to 10.
[0105]
(Supplementary Note 17) A manufacturing data analysis program for causing a computer to execute the method for analyzing inspection data of a product according to any of Supplementary Notes 11 to 15.
[0106]
【The invention's effect】
As described above, according to the present invention, the characteristic degree of the inspection data is extracted in consideration of the simultaneous processing unit, the processing position, and the processing time in the manufacturing equipment and the processing mechanism where the product is actually processed. It is possible to accurately grasp the factor that directly affected, and to take appropriate measures for improving the yield. Then, by obtaining the characteristic degree based on the risk factor using a statistical method, a significant difference can be detected based on an objective criterion that is not arbitrary by the operator.
[0107]
Further, according to the present invention, for the product inspection data, a transition characteristic degree representing a characteristic amount of the transition of the inspection value is obtained. This transition relates to the characteristics of the simultaneous processing unit, the processing position, and the processing time of the manufacturing process and the manufacturing equipment, and the correlation between the inspection data and those characteristics can be obtained from the degree of the transition characteristic. This transition feature may be one-dimensional, two-dimensional, or n-dimensional.
[Brief description of the drawings]
FIG. 1 is a diagram showing an example of a conventional method of analyzing manufacturing process data.
FIG. 2 is a diagram illustrating an example of a relationship between a flow of a lot, which is a simultaneous transport unit, a manufacturing process, and manufacturing equipment (manufacturing apparatus).
FIG. 3 is a diagram illustrating a simultaneous processing unit, a processing position, a processing time, and the like of a product in a mechanism of a manufacturing facility and a manufacturing process.
FIG. 4 is a diagram illustrating a simultaneous processing unit, a processing position, a processing time, and the like of a product in a manufacturing facility and a mechanism of a manufacturing process.
FIG. 5 is a diagram illustrating a simultaneous processing unit, a processing position, a processing time, and the like of a product in a manufacturing facility and a mechanism of a manufacturing process.
FIG. 6 is a schematic flowchart of a method for analyzing manufacturing process data in the present embodiment.
FIG. 7 is a diagram showing an example of a flowchart of a failure factor analysis method based on characteristic data of a manufacturing facility in the present embodiment.
FIG. 8 is a diagram showing an example of manufacturing process and characteristic data of manufacturing equipment.
FIG. 9 is a diagram illustrating an example of a case where there is a significant difference between processing unit features D1-11.
FIG. 10 is a diagram for explaining one in-plane deviation degree (DTF2) of the feature data.
FIG. 11 is a view for explaining one in-plane deviation degree (DTF2) of the feature data.
FIG. 12 is a diagram for explaining one in-plane deviation degree (DTF2) of the feature data.
FIG. 13 is a diagram showing a report output example.
FIG. 14 is a diagram illustrating an example of calculating a transition feature degree DTF (Degree of Transition Feature).
FIG. 15 is a diagram showing a wafer map for quality determination.
FIG. 16 is a wafer map obtained by quantifying good / bad judgment values to “1” and “0”.
FIG. 17 is a wafer map obtained by smoothing the digitized wafer map of FIG. 16;
FIG. 18 is a diagram illustrating an example of calculating a degree of in-plane deviation of a wafer.
FIG. 19 is a diagram for verifying the in-plane deviation DTF2 of the wafer when there is no feature.
FIG. 20 is a diagram for verifying a wafer in-plane deviation degree DTF2 when there is a feature.
[Explanation of symbols]
DB21: manufacturing process and characteristic data of manufacturing equipment (manufacturing equipment)
DB22: Manufacturing history data
DB2: Product inspection data
S12: Characteristic degree calculation step
S16: Report output process

Claims (10)

複数の製造工程が複数の製造設備により行われて製造される製造物の製造データの解析方法において、
前記製造物の同時処理単位についての前記製造工程及び製造設備に関する特徴データと、前記特徴データに関する製造履歴データとに基づいて、前記製造物の検査データにあらわれる特徴度を抽出する工程と、
前記特徴度を大きさの順に出力する工程とを有することを特徴とする製造データの解析方法。In a method of analyzing manufacturing data of a product manufactured by performing a plurality of manufacturing processes by a plurality of manufacturing facilities,
A step of extracting a characteristic degree appearing in the inspection data of the product, based on the characteristic data on the manufacturing process and the manufacturing equipment for the simultaneous processing unit of the product, and manufacturing history data on the characteristic data;
Outputting the characteristic degrees in order of magnitude. 請求項１において、
前記製造工程と製造設備の特徴データは、前記製造設備において同時に処理される処理単位特徴と、処理位置特徴と、処理時刻特徴とを有することを特徴とする製造データの解析方法。In claim 1,
A method of analyzing manufacturing data, wherein the characteristic data of the manufacturing process and the manufacturing equipment includes a processing unit characteristic, a processing position characteristic, and a processing time characteristic that are simultaneously processed in the manufacturing equipment. 請求項１において、
前記製造物の検査データにあらわれる特徴度を抽出する工程は、
前記製造物の検査データを取得した後、当該製造物の製造履歴データに含まれる解析対象の製造工程及び製造設備を絞り込む工程と、
当該絞り込まれた前記製造工程と製造設備の特徴データから順次選択された製造工程と製造設備の特徴と、前記製造物の検査データとの関連性を示す特徴度を生成する工程とを有することを特徴とする製造データの解析方法。In claim 1,
The step of extracting a characteristic degree appearing in the inspection data of the product,
After obtaining the inspection data of the product, a process of narrowing down the manufacturing process and the manufacturing equipment of the analysis target included in the manufacturing history data of the product,
Having a step of generating a characteristic degree indicating the relevance of the manufacturing process and the manufacturing equipment selected sequentially from the narrowed down manufacturing process and manufacturing equipment characteristic data and the inspection data of the product. Analysis method of manufacturing data that is a feature. 請求項２において、
前記特徴度は、製造設備及び加工メカニズムにおける製造物の同時処理単位と、処理位置と、処理時刻を考慮した分布特徴量を含むことを特徴とする製造データの解析方法。In claim 2,
The method of analyzing manufacturing data, wherein the characteristic degree includes a distribution feature amount in consideration of a simultaneous processing unit of a product in a manufacturing facility and a processing mechanism, a processing position, and a processing time. 請求項４において、
前記分布特徴量は、製造物の検査データの前記同時処理単位、処理位置、又は処理時刻に対する推移の特徴量を表す推移特徴度を含むことを特徴とする製造データの解析方法。In claim 4,
The method of analyzing manufacturing data, wherein the distribution characteristic amount includes a transition characteristic degree representing a characteristic amount of transition of the inspection data of the product with respect to the simultaneous processing unit, processing position, or processing time. 請求項５において、
前記推移特徴度は、１次元の推移、２次元の推移、若しくはｎ次元の推移であることを特徴とする製造データの解析方法。In claim 5,
The method of analyzing manufacturing data, wherein the transition characteristic degree is a one-dimensional transition, a two-dimensional transition, or an n-dimensional transition. 請求項５において、
前記製造工程は、半導体製造工程であり、当該半導体製造工程の製造設備における特徴として、ウエハー上で製造処理が進む方向を、ｘ方向、ｙ方向、ウエハーの中心などの特定位置からの角度方向、特定位置から離れる距離の方向、製造装置内の順番のいずれかについて、前記推移特徴度を求めることを特徴とする製造データの解析方法。In claim 5,
The manufacturing process is a semiconductor manufacturing process, as a feature of the manufacturing equipment of the semiconductor manufacturing process, the direction in which the manufacturing process proceeds on the wafer, the x direction, the y direction, the angular direction from a specific position such as the center of the wafer, A method of analyzing manufacturing data, wherein the transition feature is obtained for any one of a direction of a distance away from a specific position and an order in a manufacturing apparatus. 複数の製造工程が複数の製造設備により行われて製造される製造物の検査データの解析方法において、
前記製造物の同時処理単位についての前記製造工程及び製造設備に関する複数の特徴データを定義する工程と、
前記製造物の製造工程において、前記特徴データに関しての製造履歴データを蓄積する工程と、
前記製造物の検査データを取得する工程と、
当該取得された製造物の検査データと、前記特徴データとの相関関係を示す特徴度を、前記複数の特徴データについて順次抽出する工程と、
前記製造工程及び製造設備毎に、前記特徴度を大きさの順に出力する工程とを有することを特徴とする製造物の検査データの解析方法。In a method of analyzing inspection data of a product manufactured by performing a plurality of manufacturing processes by a plurality of manufacturing facilities,
Defining a plurality of feature data regarding the manufacturing process and manufacturing equipment for the simultaneous processing unit of the product,
In the manufacturing process of the product, a process of accumulating manufacturing history data regarding the characteristic data,
Obtaining inspection data of the product;
Inspection data of the obtained product, a feature degree indicating a correlation between the feature data, a step of sequentially extracting the plurality of feature data,
Outputting the characteristic degree in the order of magnitude for each of the manufacturing process and the manufacturing equipment. 請求項８において、
前記特徴度は、前記特徴データの順番に対する前記製造物の検査データの推移特徴度であることを特徴とする製造物の検査データの解析方法。In claim 8,
The method of analyzing inspection data of a product, wherein the characteristic degree is a transition characteristic degree of the inspection data of the product with respect to the order of the characteristic data. 請求項１乃至７のいずれかの製造データの解析方法を、コンピュータに実行させる製造データの解析プログラム。A manufacturing data analysis program for causing a computer to execute the manufacturing data analysis method according to claim 1.

Images