JP2008072047A - モデル作成装置並びにプロセス異常分析装置およびそれらの方法並びにプログラム - Google Patents

Abstract

【課題】 同一のレシピのサンプル数が少なくても精度の高い品質−モデルを作成できるモデル作成装置を提供すること
【解決手段】 プロセスが実行されている期間中に時系列に取得されるプロセスデータからプロセス特徴量を抽出するプロセスデータ編集部２２と、そのプロセスで処理された対象品の検査結果についての情報である検査データ中の計測値と、設計値と、の差分を求める検査データ編集部２７と、プロセス特徴量と検査データとを用いて、データマイニングや多変量解析による解析を実行する際に、検査データ編集部で求めたプロセス処理の結果得られた計測値とその設計値との差分を目的変数とし、抽出したプロセス特徴量データを説明変数としてプロセス−品質モデルを作成する解析部３２と、を備えた。差分を目的変数とすることで、異なるレシピから得られたデータをサンプルとして使用できるので、必要なサンプル数を容易に取得し、高精度なモデルが作成できる。
【選択図】 図２

Description

この発明は、プロセスの状態に関連し処理される対象品および製造装置の異常を分析するためのモデルを作成するモデル作成装置ならびにそれにより作成されたモデルを用いて分析をするプロセス異常分析装置およびそれらの方法並びにプログラムに関する。

半導体・液晶パネルをはじめとする各種の製品の製造プロセスは、製品の製造歩留まりを改善し、或いは歩留まりが良好な状態を維持するために、適切に管理されなければならない。

半導体デバイスは、１００工程以上も有する半導体プロセスを経て製造され、また、複数の複雑な半導体製造装置を用いて製造される。そのため、各製造装置（プロセス装置）の状態を示すパラメータと各製造装置を用いて製造された半導体デバイスの特性との関係が明確には求められていないものが多数ある。一方、半導体プロセスは、製造された半導体デバイスの歩留まりが良くなるように、常に各工程を厳密に管理しなければならないという要求もある。

係る問題を解決するため、特許文献１に開示された発明では、プロセス実行時に発生する多岐にわたるプロセスデータと処理結果とを取得し、データマイニングにより解析してプロセスデータとその処理結果の相関のモデルを作成する。このモデルを用い、プロセス実行時に処理結果の予測を行なうことができる。
特開２００４−１８６４４５号公報

例えば、液晶ディスプレイのアレイ製造工程におけるパターン配線の線幅などのプロセス処理結果とそのアレイ製造工程におけるレジスト塗布工程や露光工程などの各プロセスにおけるプロセスデータおよびプロセス特徴量データの相関関係（＝モデル）を求める場合、線幅などのプロセス処理結果を目的変数としプロセス（特徴量）データを説明変数として、データマイニングや多変量解析などを行なう。通常レシピすなわち製造条件が変わるとプロセス結果とプロセス（特徴量）データの相関関係が変わることが予想されるため、レシピ毎に分析を行ない、それぞれについて相関関係（＝モデル）を求めることになる。

プロセス結果とプロセス（特徴量）データの相関関係（＝モデル）を求める際に使用するデータマイニングや多変量解析において精度の高いモデルを得るためには、プロセス結果データとプロセス（特徴量）データが揃っているデータのサンプル件数がかなり多く必要となる。また、そのサンプルの中にはプロセス結果が異常である件数も適度に含まれていなければならない。

ところが、プロセス結果を得るための検査工程では、全数検査ではなく抜き取り検査となっていることも多く、実行されたすべてのプロセスのプロセス結果データが得られるわけではない。さらに、同一のプロセス装置で複数のレシピに対応してプロセス処理を行なっている場合、レシピ毎のモデルを得るためのデータマイニングや多変量解析で使えるデータ件数はさらに少なくなる。したがって、精度の高いモデルを得ることが困難になったり、データの蓄積に時間がかかりモデル作成の着手が遅れたりする。

この発明は、同一のレシピのサンプル数が少なくても精度の高いモデルを作成することができ、そのモデルを用いた異常分析の精度も高いモデル作成装置並びにプロセス異常分析装置およびそれらの方法並びにプログラムを提供することを目的とする。

この発明によるモデル作成方法は、プロセス処理結果と、そのプロセス処理結果を得たプロセスにおけるプロセスデータおよびプロセス特徴量との相関関係を表すモデルを作成する方法であって、プロセスの実行の結果得られた対象品の検査結果を取得するステップ、そのプロセスの設計値を取得するステップ、そのプロセス実行時に得られるプロセスデータからプロセス特徴量データを抽出するステップ、前記検査結果中の計測値と、前記設計値と、の差分を求めるステップ、その求めた差分を目的変数とし、前記抽出したプロセス特徴量データを説明変数として前記モデルを作成するステップ、を実行することを特徴とする。

また、係る方法を実施するのに適したモデル作成装置は、プロセスが実行されている期間中に時系列に取得されるプロセスデータからプロセス特徴量を抽出するプロセスデータ編集手段と、そのプロセスで処理された対象品の検査結果についての情報である検査データ中の計測値と、前記設計値と、の差分を求める検査データ編集手段と、前記プロセス特徴量と前記検査データとを用いて、データマイニングや多変量解析による解析を実行する際に、前記検査データ編集手段で求めたプロセス処理の結果得られた計測値とその設計値との差分を目的変数とし、前記抽出したプロセス特徴量データを説明変数としてプロセス−品質モデルを作成する解析手段と、を備えるようにした。

本発明によるプロセス異常分析方法は、１または複数の製造装置からなる製造システムにおいて、プロセス実行時に得られるプロセスデータに基づいてプロセスの異常を単位対象品毎に検出するプロセス異常分析装置における分析方法であって、時系列のプロセスデータを取得してプロセスデータ記憶手段に格納するステップと、そのプロセスデータ記憶手段に格納されたプロセスデータからプロセス特徴量を抽出するステップと、プロセス特徴量と、プロセス特徴量から前記製造システムで製造される製品の異常検出を行うための異常分析ルールデータとから設計値と実測値の差分を求め、求めた差分に前記単位対象品の設計値を加算することによりプロセス処理結果を算出し、その算出結果から前記製品の異常の有無を判定する異常判定ステップとを実行するようにした。

また、係る方法を実施するのに適したプロセス異常分析装置は、１または複数の製造装置からなる製造システムにおいて、プロセス実行時に得られるプロセスデータに基づいてプロセスの異常を単位対象品毎に検出するプロセス異常分析装置であって、前記時系列のプロセスデータを記憶するプロセスデータ記憶手段と、そのプロセスデータ記憶手段に格納されたプロセスデータからプロセス特徴量を抽出するプロセスデータ編集手段と、プロセス特徴量から前記製造システムで製造される製品の異常検出を行なうための異常分析ルールを記憶する異常分析ルールデータ記憶手段と、前記プロセス特徴量と前記異常分析ルールデータから設計値と実測値の差分を求め、求めた差分に前記単位対象品の設計値を加算することによりプロセス処理結果を算出し、その算出結果から前記製品の異常の有無を判定する異常判定手段と、を備えて構成した。

また、本発明に係るプログラムは、コンピュータを、プロセスが実行されている期間中に時系列に取得されるプロセスデータからプロセス特徴量を抽出するプロセスデータ編集手段、そのプロセスで処理された対象品の検査結果についての情報である検査データ中の計測値と、前記設計値と、の差分を求める検査データ編集手段、前記プロセス特徴量と前記検査データとを用いて、データマイニングや多変量解析による解析を実行する際に、前記検査データ編集手段で求めたプロセス処理の結果得られた計測値とその設計値との差分を目的変数とし、前記抽出したプロセス特徴量データを説明変数としてプロセス−品質モデルを作成する解析手段、として機能させるようにした。

また、コンピュータを、プロセスデータ記憶手段に格納された時系列のプロセスデータからプロセス特徴量を抽出するプロセスデータ編集手段、前記プロセス特徴量と、プロセス特徴量から前記製造システムで製造される製品の異常検出を行うための異常分析ルールデータ記憶手段に格納された異常分析ルールから設計値と実測値の差分を求め、求めた差分に前記製品の設計値を加算することによりプロセス処理結果を算出し、その算出結果から前記製品の異常の有無を判定する異常判定手段、として機能させるようにすることもできる。

ここで、製造プロセスによって製造される対象品には、半導体，ＦＰＤ（フラットパネルディスプレイ：液晶，ＰＤＰ，ＥＬ，ＦＥＤなどを用いるディスプレイ）が含まれる。「単位対象品」は、1枚の半導体ウエハ、1枚のガラス基板のような通常の計数単位で把握される対象品でもよいし、これらの製品の１ロットのような製品のグループ単位で把握される対象品でもよいし、大判のガラス基板上に設定された領域のような製品の部分を単位とする対象品でもよい。異常通知情報の出力は、表示装置に出力したり、メール送信等により通知したり、記憶装置に保存するなど各種の処理を含む。「製品の異常」は、実施形態では予測値状態の異常に対応し、「製造装置の異常」は、実施形態では、プロセス状態の異常に対応する。製造装置（プロセス装置）の異常は、当該装置のプロセスを実行するための装置の故障や、当該装置に組み込まれたセンサの異常などの、その製造装置から得られたプロセスデータに異常を生じる場合を含む。

本発明は、例えば露光工程において使用するマスクが違うだけでその他大部分のプロセス条件が同じような場合などのように、マスクの種別をあらわしているレシピが異なってもひとつのモデルで対応するようにするものである。これにより、モデルを作成する際に必要なサンプル数が多く採ることができ、解析の精度が向上し、高精度なモデルが作成できる。そして、係る高精度なモデルに基づいて判定される異常分析結果も、高精度となる。

本発明は、設計値と計測値との差分を目的変数としてモデルを作成するようにしたため、異なるレシピのサンプルを用いてモデルを作成することができる。その結果、同一のレシピのサンプル数が少なくても精度の高いモデルを作成することができ、そのモデルを用いた異常分析の精度も高くなる。

図１は、本発明の好適な実施形態であるモデル作成装置を含む製造システムを示す。このシステムは、プロセス装置２，検査装置３及びモデル作成装置１０を含む。これらの装置は、生産管理情報よりも詳細なプロセス関連情報を高速にやりとりするための装置用ネットワークであるＥＥＳ（Equipment Engineering System）ネットワーク７によって相互に接続されている。図示は省略されているが、ＥＥＳネットワーク７には、製造プロセスのより前の段階、及びより後の段階で用いられる他のプロセス装置及び検査装置も接続されている。さらに、このシステムは、ＭＥＳ（Manufacturing Execution System）を含む生産管理システム９及びこの生産管理システム９と接続された生産管理情報を伝送するＭＥＳ系ネットワーク８を含んでいる。ＥＥＳネットワーク７とＭＥＳ系ネットワーク８とは、ルータ１２を介して接続されている。ＭＥＳ系ネットワーク８上に存在する生産管理システム９は、ルータ１２を経由して、ＥＥＳネットワーク７上の各装置にアクセスすることができる。

この製造システムは、例えば、半導体や液晶パネルを製造するもので、プロセス装置２が半導体，液晶パネル等を製造するためのプロセスを実行する。液晶パネル製造システムにおいては、処理対象のガラス基板は、カセット１内に所定枚数セットされ、カセット単位でプロセス装置２及び検査装置３の間、並びにそれらの装置とより前の工程で用いられる装置及びより後の工程で用いられる装置との間を移動するとともに、各装置で所定の処理が行われる。このカセット１に実装された所定枚数のガラス基板が同一のロットとなる。カセット１には、ＲＦ−ＩＤ（radio frequency identification）タグ１ａが取り付けられている。タグ１ａは、ＲＦ−ＩＤリードライトヘッド６との間で電磁結合をし、非接触で任意のデータを読み書きされるものであり、データキャリアとも呼ばれる。タグ１ａには、ロットＩＤ、前段装置の出庫時刻等の情報が格納される。

この実施形態の液晶パネル製造システムでは、個々のガラス基板（対象品：この実施形態の場合は製品）ごとに管理する必要から、製品ごとにＩＤ（製品ＩＤ）が付与される。この製品ＩＤは、例えばロットＩＤと、そのロット内の識別番号を結合することにより、設定できる。すなわち、仮にロットＩＤが「０１２０１」で、ロット内にセット可能な枚数が１桁とすると、ロット内の１番目のガラス基板（ロット内の識別番号は「１」）の製品ＩＤは、下一桁にロット内の識別番号を付加した「０１２０１１」と設定することができる。この製品ＩＤの設定は、プロセス装置２に内蔵されたプロセスデータ収集装置４にて行なうことができる。

もちろん、タグ１ａに、ロットＩＤに替えて、あるいはロットＩＤとともに収納された全てのガラス基板についての製品ＩＤを記録しておき、プロセス装置２（プロセスデータ収集装置４）は、タグ１ａに格納された全ての製品ＩＤを取得するようにしてもよい。また、カセット１にセットするガラス基板が１枚の場合には、タグ１ａに記録したＩＤが、そのまま製品ＩＤとして使用できる。

プロセス装置２は、ガラス基板に対して所定のプロセスを実行する装置である。プロセス装置２は、例えば、ガラス基板の表面にレジスト液を塗布するレジスト液塗布装置であったり、塗布したレジスト層を露光したり、現像したりするためのプロセス処理を実行する装置である。

プロセス装置２は、ＭＥＳ系ネットワーク８からルータ１２経由で生産管理システム９から送られてきたレシピＩＤを取得する。プロセス装置２は、レシピＩＤと実際に行なうプロセスとの対応テーブルなどを持っており、取得したレシピＩＤに応じたプロセスを実行する。

プロセス装置２にはプロセスデータ収集装置（プロセス情報収集装置）４が内蔵されている。このプロセスデータ収集装置４は、ＥＥＳネットワーク７に接続されている。プロセスデータ収集装置４は、プロセス装置２においてプロセスが実行されている期間中に、製造プロセスの状態に関連する情報であるプロセス状態データ（プロセス状態情報）を時系列に収集する。また、プロセス装置２には、装置ＩＤが設定されており、その装置ＩＤもプロセスデータ収集装置４を介してモデル作成装置１０に渡される。

プロセスデータは、例えば、プロセス装置２の動作時の電圧，電流や、あるプロセスを実行するプロセス装置を出庫してから次のプロセスを実行するプロセス装置に投入されるまでの滞留時間などがある。また、プロセス装置２が液晶パネルの作成用の露光装置や現像装置の場合、ソフトベークホットプレート温度、露光におけるランプパワーや照度などの等がある。プロセス装置２は、これらのプロセスデータを検出するための検出装置を備え、その検出装置の出力が、プロセスデータ収集装置４に与えられる。

プロセスデータ収集装置４は、ＲＦ−ＩＤリードライトヘッド６を介してタグ１ａから読み取った前段装置の出庫時刻とガラス基板がセットされているプロセス装置２への投入時刻とを収集する。これらの出庫時刻と投入時刻の差をとることにより、前段装置からの滞留時間を算出することができる。また、ＲＦ−ＩＤリードライトヘッド６は、必要に応じてプロセス装置２からガラス基板を出庫する際に出庫時刻等をタグ１ａへ書き込む。

プロセスデータ収集装置４は、通信機能を備えている。プロセスデータ収集装置４は、プロセス装置２において発生したあらゆるプロセスデータを収集し、収集したプロセスデータにロットＩＤを対応付けてＥＥＳ系ネットワーク７に出力する。収集するデータの種類は、上記のものに限るものではなく、さらに多くの情報を取得することも妨げない。

検査装置３は、プロセス装置２で処理された製品の検査を行なう。検査装置３が求めた検査結果データは、検査データ収集装置５を介してＥＥＳネットワーク７に出力される。なお、検査装置３内に検査データ収集装置５が内蔵される例を示したが、検査データ収集装置５を検査装置３の外部に設置しても良いし、逆に両者を一体化し、検査装置自体に検査データをＥＥＳネットワーク７に出力する機能を備えても良い。ここでの検査結果データは、例えばガラス基板上に成膜された膜層の膜厚や膜質についての検査結果のデータや、露光・現像により生成されたパターンの幅などである。

検査装置３には、ＲＦ−ＩＤリードライトヘッド６が連結されている。このＲＦ−ＩＤリードライトヘッド６は、検査装置２内にセットされた製品（ガラス基板）が収納されているカセット１のタグ１ａに対し、データの読み書きを行なう。読み取るデータには、ロットＩＤが含まれる。検査装置３に内蔵される検査データ収集装置５は、通信機能を備えており、検査結果データおよびロットＩＤ（製品ＩＤ）を収集し、検査結果データをロットＩＤ（製品ＩＤ）に対応付けてＥＥＳネットワーク７に出力する。

生産管理システム９は、生産指示情報としてプロセスの種類を特定する情報であるレシピＮｏ．（プロセス特定情報）をプロセス装置２に送る。プロセス装置２は、そのレシピＮｏ．に対応した所定のプロセスを実行する。

モデル作成装置１０は、データ収集装置４，５から出力されたプロセスデータ並びに検査結果データをＥＥＳネットワーク７を介して取得し、製品ＩＤをキーに各データを関連付けてデータベース１１に格納する。

モデル作成装置１０は、ハードウェアの観点からは一般的なパーソナル・コンピュータであり、Windows（登録商標）などのオペレーティング・システム上で稼動するアプリケーション・プログラムによって、本装置の各機能が実現されている。また、モデル作成装置１０は、データベース１１を利用する。データベース１１は、モデル作成装置１０を構成するコンピュータに内蔵の又は外付けのハードディスク装置等の記憶装置に設けてもよいし、モデル作成装置１０と通信する他のコンピュータに設けてもよい。

モデル作成装置１０は、キーボード等の入力装置１３とディスプレイ等の出力装置１４とを備えている。オペレータ（作業者）は、入力装置１３を操作することにより、オペレータデータ，保守データ，故障データなどを入力することができる。係る操作によって入力された入力情報もデータベース１１に登録される。さらに、モデル作成装置１０は、プロセスデータおよび検査結果データに基づいてプロセス−品質モデルを作成する機能を備える。

図２は、モデル作成装置１０の内部構成を示す。モデル作成装置１０において、そのオペレーティング・システム上で稼動するアプリケーション・プログラムによって、以下の各処理機能部が実現されている。すなわち、モデル作成装置１０の処理機能部は、プロセスデータ編集部２２，データ結合部２４，検査データ編集部２７，解析部３２を含む。これらの各部は、専用のハードウェア（回路）によって実現することも可能である。

さらに、各処理機能部がアクセスするためのデータを格納する記憶部として、プロセスデータ記憶部２１，プロセス特徴量データ記憶部２３，解析用データ記憶部３１，検査データ記憶部２８，設計値データ記憶部２９，設計値計測値差分データ記憶部３０を備えている。これらの各記憶部は、データベース１１に設けられる。もっとも、各記憶部をデータベース１１以外のモデル作成装置１０のメモリ、ハードディスク等の記憶装置に設けることや、モデル作成装置１０と通信する他のコンピュータの記憶装置に設けることも妨げない。

モデル作成装置１０は、次のように構成することもできる。すなわち、ＥＥＳネットワーク７に接続されるコンピュータは、プロセス装置２および検査装置３との通信、並びにヒューマン・マシン・インタフェースの処理を担当するクライアント・コンピュータとし、このクライアント・コンピュータと通信するサーバ・コンピュータを設けて、サーバ・コンピュータにおいて上記各処理機能部を実現する。また、モデル作成装置１０を遠隔地においてインターネットなどの通信回線を経由して生産現場のプロセス装置等と通信するようにすることもできる。ほかにも、モデル作成装置１０を実現するコンピュータの構成およびデータの移転の方式には種々の変形がありうる。

プロセスデータ記憶部２１に格納されるプロセスデータは、製品ＩＤと装置ＩＤとに関連付けられる（図３（ａ）参照）。プロセスデータは、プロセスデータ収集装置４が収集した各種のプロセスデータに加え、そのプロセスデータを収集した日時情報（日付＋時刻）も含む。

プロセスデータは、プロセス制御データとプロセス検出データとからなる。プロセス制御データは、プロセス装置２が動作するための制御データおよび制御信号の状態である。それらの制御データ又は制御信号には、ソフトベークホットプレート温度設定値，ランプパワー設定値，照度設定値，レジスト液流量設定値，レジスト液温度設定値，レジスト液開閉バルブＯＮ／ＯＦＦなどがある。プロセス検出データは、プロセス装置２の種々の検出器によって取得されたデータであり、ソフトベークホットプレート温度，ランプパワー，照明，レジスト膜厚，タイミング信号，周囲温度などが含まれる。

プロセスデータ記憶部２１には、ロットＩＤ或いは製品ＩＤごとに、日時情報に従って時系列にプロセスデータが格納される。プロセスデータ記憶部２１は、リングバッファ等の一時記憶手段から構成され、プロセス終了後の所定のタイミングでプロセスデータを削除（新たなプロセスデータを上書き）するようにしている。

プロセスデータ編集部２２は、プロセスデータ記憶部２１に格納された時系列のプロセスデータを呼び出し、ロット単位でプロセス特徴量を算出する。プロセス特徴量は、例えば、同一の製品ＩＤについてのプロセスデータのピーク値，総和，平均値等のプロセスデータの値から算出するものに限らず、プロセスデータの値が設定された閾値を超えている時間等の各種のものがある。

プロセスデータ編集部２２は、生産管理システム９から出力されるレシピＩＤを製品ＩＤとともに取得する。レシピは、予め決められたプロセス装置に対する命令や設定、パラメータのセットで、処理対象や工程、装置の違いにより複数持ち、生産管理システム９で管理される。それぞれのレシピには、レシピＩＤが付与される。プロセス装置２で処理されるガラス基板に対するレシピは、製品ＩＤと装置ＩＤとレシピＩＤとにより特定される。

プロセスデータ編集部２２は、図３（ｂ）に示す生産管理システム９が持つ製品ＩＤと装置ＩＤとレシピＩＤとのセットを以下に示す手順で取得する。まず、プロセスデータ編集部２２は、生産管理システム（ＭＥＳ）９にアクセスし、分析対象のガラス基板の製品ＩＤと、プロセス装置２を特定する装置ＩＤをキーにし、対応するレシピＩＤを検索する。次いで、プロセスデータ編集部２２は、その検索したレシピＩＤを生産管理システム９から直接、或いは、プロセスデータ収集装置４経由で取得する。プロセスデータ収集装置４経由で取得する場合、プロセスデータ収集装置４は、進行中のプロセスのレシピＩＤを生産管理システム（ＭＥＳ）９から取得し、プロセス装置２の装置ＩＤとプロセスデータとを併せてモデル作成装置１０へ渡すようにしてもよい。

プロセスデータ編集部２２は、製品ＩＤと装置ＩＤとをキーにして、算出したプロセス特徴量データと、取得したレシピＩＤとを結合し、その結合したデータを対応する装置ＩＤ用のプロセス特徴量データ記憶部２３に格納する。よって、プロセス特徴量データ記憶部２３のデータ構造は、図３（ｃ）に示すようになる。

一方、検査データ収集装置５から与えられた検査データは、製品ＩＤ，装置ＩＤと関連付けられて検査データ記憶部２８に格納される（図４（ａ）参照）。検査データ記憶部２８に格納される検査結果データは、検査装置３で求められた検出結果の生データである。

検査データ編集部２７は、検査データ記憶部２８にアクセスし、計測値を取得する。このとき取得する計測値は、製品ＩＤならびに装置ＩＤが関連づけられている。次いで、検査データ編集部２７は、製品管理システム（ＭＥＳ）９が出力する情報（図４（ｂ））を当該計測値の製品ＩＤ、装置ＩＤで検索しレシピＩＤを取得する。そして、検査データ編集部２７は、取得した当該計測値の装置ＩＤとレシピＩＤで設計値データ記憶部２９を検索し、対応する設計値データを取得する。なお、設計値データ記憶部２９に格納されるデータ（装置ＩＤ＋レシピＩＤ＋設計値データ：図４（ｃ））は、入力装置１３或いはネットワークを介して事前に登録される。検査データ編集部２７は、取得した計測値と設計値の差分を求め、その差分データを製品ＩＤ、装置ＩＤ、レシピＩＤとともに設計値計測値差分データ記憶部３０に格納する（図４（ｄ）参照）。

なお、検査データ編集部２７におけるレシピＩＤの取得は、プロセスデータ編集部２２と同様に、検査装置３が生産管理システム９から取得したレシピＩＤを検査データ収集装置５経由で検査生データのひとつとして取得するようにしても良い。

データ結合部２４は、プロセス特徴量データ記憶部２３と設計値計測値差分データ記憶部３０に格納された各データを取得し、プロセス特徴量データと設計値計測値の差分データ、装置ＩＤ、レシピＩＤを製品ＩＤ単位で結合する（図５（ａ），（ｂ））。そして、データ結合部２４は、結合したデータを解析用データ記憶部３１に格納する。解析用データ記憶部３１に格納されるデータ構造は、製品ＩＤ，装置ＩＤ，レシピＩＤ，プロセス特徴量，設計値計測値の差分データを対応づけたテーブル構造となる（図５（ｃ））。

また、本実施形態では、データ結合部２４で結合して生成された全てのデータを解析用データ記憶部３１に格納し、解析の対象としたが、一旦、解析用データ記憶部３１或いは別途用意した結合データ記憶部に格納し、その格納された結合データを読み出し、プロセス特徴量の異常データを排除して得られたデータを解析用データとしても良い。異常データとは、例えば実際にはありえないような数値を含むデータを意味する。係るデータを削除することは、一般的に行なわれる解析用データの前処理の手法により実現できる。

解析部３２は、解析用データ記憶部３１に格納された解析用データを読み出し、所定の手順で解析を行ない、良品又は不良品を生成するプロセス状態のルールの集合であるプロセス−品質モデルを作成する。この解析部３２にて求めたプロセス−品質モデルは、解析結果データとしてデータベース１１等に記憶保持され、その後の評価に用いられる。

このプロセス−品質モデルは、設計値計測値差分データを目的変数とし、プロセス特徴量データを説明変数とするデータマイニングあるいは多変数解析を実行し、それらの相関を表わすモデルである。さらに、データマイニングや多変数解析として、正規化検定処理，ＰＬＳ線形回帰分析処理，相関分析処理，主成分分析処理，クラスタ分析処理，移動主成分分析処理，ステップワイズ処理，Ｑ統計量分析処理，線形回帰分析処理，Ｔ２統計量分析処理，決定木分析処理，相関図処理，マハラノビスの距離分析処理などの手法やそれらを組み合わせることがでる。

モデルを作成するための解析処理に基本的なアルゴリズムは、例えば、特開２００４−１８６４４５号公報や特開２００５−１９７３２３号公報などに開示された発明の技術を利用できる。

ここで本実施形態では、係る解析を行なう際に用いる目的変数を“プロセス処理の結果得られた計測値とその設計値との差分”とした。すなわち、例えば図６に示すように、パターンを形成するプロセスでは、露光工程において使用するマスクが違うだけでその他の大部分のプロセス条件が同じものがある。つまり、マスクパターンの違いをレシピとすると、レシピ数は、“サイズパターン数×n層”分だけ生じる。一方、レジスト膜厚やソフトベークホットプレート温度、現像における現像処理時間などの製造条件はマスクパターンによる違いはない。

係る場合、使用するマスクが異なるため、少なくともその使用マスクについてのレシピ情報が異なるので、従来では各マスクごとにモデルを作成していた。これに対し、本実施形態手は、マスクの種別をあらわしているレシピが異なってもひとつのモデルで対応するようにするものである。

つまり、計測値設計値の差分がレシピとは無関係なことを利用し、まず、計測値と設計値の差分ｄを目的変数、プロセスデータおよびプロセス特徴量データを説明変数としてモデルを作成する。すると、作成するモデルは、レシピによらず１つとなる。実際の計測値を予測値は、当該レシピにおける設計値にモデルから得られる計測値と設計値の差分の値を加えることにより得ることができる。

具体的には、設計値（レシピ毎定義）をＤ（ｒ）、当該設計値と計測値の差をｄ、レシピ種別をｒとすると、計測値と設計値の関係は、下記式で表さられる。ｄは、仮の目的変数（=予測対象）となる。

ｙ＝Ｄ（ｒ）＋ｄ ……（１）
説明変数は、プロセス（特徴量）データであり、一例としては、レジスト膜厚、露光のランプパワー、現像時間などがある。これらの各プロセス特徴量データをＸｉ（ｉ＝１，２，……，ｐ）とすると、ｄは、
ｄ＝ｂ＋ａ１・Ｘ１＋ａ２・Ｘ２＋……＋ａｐ・Ｘｐ ……（２）

という重回帰式で定義できる。

計測値と設計値との差をモデル化して１つのジェネリックモデルを作成すればよいので、モデル解析は１回実施すればよい。そして、実際の予測対象（例えば、線幅）ｙは、式（２）で求めたｄと、設計値とを式（１）に代入して算出する。

図８は、解析部の機能を示すフローチャートである。まず、解析部３２は、レシピＩＤをキーに設計値データおよび検査結果データからそれぞれ設計値、計測値を取得し、その差を算出する（Ｓ１）。次いで解析部３２は、“設計値と計測値の差”と“プロセスデータ、プロセス特徴量データ”とを、製品IDをキーに連結して 解析用データとする（Ｓ２）。解析部３２は、ジェネリックモデルの対象となるレシピIDを使用している解析データを抽出する（Ｓ３）。そして、解析部３２は、設計値と計測値の差を目的変数、プロセスデータ、プロセス特徴量データを説明変数とし、データマイニングや多変量解析を実施し、ジェネリックモデルを得る（Ｓ４）。

図９は、プロセス異常分析装置４０を含む製造システムを示す。図１と比較すると明らかなように、モデル作成装置１０に替えてプロセス異常分析装置４０を配置している。また、ＥＥＳネットワーク７に、異常表示装置５０を接続している。本実施形態では、検査装置における検査結果を待たずにリアルタイムで異常の有無等を判定する。プロセス異常分析装置４０は、上記のモデル作成装置１０を用いて生成されたプロセス−品質モデルを利用し、プロセス実行中の製品について品質の予測や異常原因の特定等を行なう異常検出分類機能を有している。プロセス異常分析装置４０は、ハードウェアの観点からは一般的なパーソナル・コンピュータであり、Windows（登録商標）などのオペレーティング・システム上で稼動するアプリケーション・プログラムによって、本装置の各機能が実現されている。図１の実施形態と同様の部品については、同一符号を付し、その詳細な説明を省略する。

図１０は、プロセス異常分析装置４０の内部構成を示している。プロセス異常分析装置４０は、プロセスデータ収集装置４から送られてきたプロセス装置２のプロセスデータを格納するプロセスデータ記憶部４１と、プロセスデータ記憶部４１に格納された各種のプロセスデータからプロセス特徴量を算出するプロセスデータ編集部４２と、プロセスデータ編集部４２が算出したプロセス特徴量を格納するプロセス特徴量データ記憶部４３と、プロセス特徴量データ記憶部４３に格納されたプロセス特徴量データに基づいて異常の有無を判定する異常判定部４４と、異常判定部４４の判定結果を記憶する判定結果データ記憶部４８と、異常判定部４４で判定処理を行なう際に使用する異常検出要因分析ルールを記憶する異常検出要因分析ルールデータ記憶部４６と、その異常検出要因分析ルールデータ記憶部４６にアクセスして異常検出要因分析ルールの追加・変更を行なう異常検出要因分析ルール編集部４５と、異常判定の際に使用する設計値データを記憶する設計値データ記憶部４９と、を備えている。各記憶部は、プロセス異常分析装置４０の外部の記憶装置（データベース）に設定してもよいし、内部記憶装置に設けてもよい。

プロセスデータ記憶部４１並びにプロセス特徴量データ記憶部４３のデータ構造は、モデル作成装置１０におけるプロセスデータ記憶部２１並びにプロセス特徴量データ記憶部２３と同様である。また、プロセスデータ編集部４２の機能もモデル作成装置１０におけるプロセスデータ編集部２２と同様である。

異常検出要因分析ルール編集部４５は、上述したモデル作成装置１０や人手による解析によって得られたモデルを取得し、異常分析ルールを定義し、異常分析ルールデータ記憶部４６に格納する。

さらに異常分析ルール編集部４５は、異常分析ルールに対応する異常通知情報も登録する。これにより、異常分析ルールデータ記憶部４６のデータ構造は、図１１に示すように、製品ＩＤと、プロセス装置のレシピＩＤと、異常分析ルールと、異常通知情報と、を関連付けたテーブル構造となる。

異常通知情報は、異常分析ルールに基づいて判定された結果を異常表示装置５０に表示するための情報や、判定結果を通知する通知先等の出力先を特定する情報と、具体的な通知内容がある。通知先は、例えば、担当者のメールアドレスなどである。異常表示装置５０と通知先の両方を登録しても良いし、一方のみを登録しても良い。出力先を複数設けた場合、例えば、判定により求められる異常の度合いや異常箇所などで分類し、分類に応じて振り分けることができる。異常表示装置，通知先、通知内容は、ひとつの分類に対し、複数指定することができる。異常分析ルールは、重線形回帰，ＰＬＳ線形回帰，決定木，マハラノビスの距離，主成分分析，移動主成分分析，ＤＩＳＳＩＭ，Ｑ統計量、Ｔ^２統計量などの手法を組み合わせて使用することができる。

異常検出ルール（異常判定式）で得られる結果をたとえば異常の度合いなどで分類し、それぞれに対して通知先、通知内容を関連つけます。通知先、通知内容はひとつの分類あたり複数指定する。さらに、ルールを検索するキーとして、装置ＩＤとレシピＩＤを付加してもよい。複数装置のプロセス特徴量を含むルールの場合はそれぞれの装置の装置ＩＤとレシピＩＤを含めることができる。

異常判定部４４は、異常分析部４４ａと、異常プロセスデータ保存部４４ｂと、異常通知部４４ｃと、判定結果保存部４４ｄと、を備えている。異常分析部４４ａは、異常検出要因分析ルールデータ記憶部４６に格納された異常検出要因分析ルールを用い、プロセス特徴量データ記憶部４３から読み出したプロセス特徴量に従って異常判定を行なう。より具体的には、異常分析部４４ａは、図１２に示すフローチャートを実行する機能を有する。

異常分析部４４ａは、プロセス特徴量データ記憶部４３にアクセスし、処理対象の製品についてのプロセス特徴量データを抽出し、レシピ情報（ＩＤ）を取得する（Ｓ１１）。次いで異常分析部４４ａは、取得したレシピＩＤをキーにして設計値データ記憶部４９にアクセスし、当該レシピの設計値、上限、下限値を取得する（Ｓ１２）。なお、設計値データ記憶部４９のデータ構造は、図７に示すようになっている。さらに異常分析部４４ａは、異常検出要因分析ルールデータ記憶部４６からジェネリックモデルを使用した異常検出要因分析ルールを取得する（Ｓ１３）。

そして異常分析部４４ａは、取得された異常検出要因分析ルールにプロセス特徴量を適用し、設計値と計測値の差分を予測し、その予測値に処理対象の製品の設計値（レシピＩＤ出特定）を加算し、プロセス処理結果の予測値を算出する（Ｓ１４）。本実施形態のモデル作成装置１０にて作成されたジェネリックモデルは、複数のレシピＩＤの製品の異常分析に対応する“設計値と計測値の差分”を予測するものである。そこで、係るモデルを用いて従来と同様の各種の解析・分析アルゴリズムを実行し、“設計値と計測値の差分”を求める。そして、最終的に知りたいのは、プロセス処理結果の予測値であるため、異常分析部４４ａは、求めた差分に設計値を加算することで予測値が求まる。

そして、指定された全ての判定式の評価（予測値算出）が完了したか否かを判断し（Ｓ１５）、完了していない場合には、異常判定を行なう（Ｓ１６）。この異常判定は、処理対象品（本例では、１つのガラス基板・液晶パネル）毎に、行なう。

異常が検出された場合、異常表示装置に表示を行なったりその他指定された通知先へ通知する（Ｓ１７）。また、異常が検出されると、該当するプロセスデータは異常プロセスデータとして（恒久的）に保存され、再解析を行うことがでる。さらに、異常判定の結果は、ＰＬＳ予測値や予測値寄与率、Ｑ，Ｔ^２統計量などとともに保存される（Ｓ１８）。

異常プロセスデータ保存部４４ｂは、異常分析部４４ａで異常が検出された場合に、その異常と判定された製品についてのプロセスデータをプロセスデータ記憶部４１から読み出すとともに、異常プロセスデータとして異常プロセスデータ記憶部４７に保存する。このとき、異常判定結果（ｙの値）を関連づけて登録しても良い。

異常出力部４４ｃは、異常分析部４４ａで異常が検出された場合に、指定された異常表示装置に対して異常メッセージを出力する。出力する異常メッセージは、異常分析ルールデータ記憶部４６に格納されている。また、異常要因分析を行なった場合、寄与率等の詳細データも併せて出力する。さらに異常出力部４４ｃは、異常分析部４４ａで異常が検出された場合に、指定された異常通知先に対して指定された方法で異常メッセージを出力する機能も備える。一例としては、異常出力部４４ｃは、指定されたアドレスに対してメール送信をする。出力する異常メッセージは、異常分析ルールデータ記憶部４６に格納されている。また、異常要因分析を行なった場合、寄与率等の詳細データも併せて出力してもよい。

異常結果保存部４４ｄは、異常分析部４４ａにおける異常判定の結果を判定結果データとして判定結果データ記憶部４８に保存する。つまり、異常判定の結果は、ＰＬＳ予測値や予測値寄与率、Ｑ，Ｔ^２統計量などとともに保存され、異常表示装置等から検索することができる。この判定結果データは、全ての判定結果を保存しても良いし、異常と判定された場合のみを保存するようにしてもよい。

本発明の好適な実施形態であるモデル作成装置を含む製造システムの一例を示す図である。 モデル作成装置の内部構造の一例を示す図である。 モデル作成装置が処理する各種データのデータ構造の一例を示す図である。 モデル作成装置が処理する各種データのデータ構造の一例を示す図である。 モデル作成装置が処理する各種データのデータ構造の一例を示す図である。 レシピが違う例を説明する図である。 設計値データ記憶部のデータ構造の一例を示す図である。 解析部の機能を示すフローチャートである。 本発明の好適な実施形態であるプロセス異常分析装置を含む製造システムの一例を示す図である。 プロセス異常分析装置の内部構造の一例を示す図である。 プロセス異常分析装置が処理する各種データのデータ構造の一例を示す図である。 判定部の機能を示すフローチャートである。

符号の説明

１ カセット
１ａ タグ
２ プロセス装置
３ 検査装置
４ データ収集装置
５ 検査データ収集装置
６ ＲＦ−ＩＤリードライトヘッド
７ ＥＥＳネットワーク
８ ＭＥＳ系ネットワーク
９ 生産管理システム
１０ モデル作成装置
１１ データベース
１２ ルータ
１３ 入力装置
１４ 表示装置
２１ プロセスデータ記憶部
２２ プロセスデータ編集部
２３ プロセス特徴量データ記憶部
２４ データ結合部
２７ 検査データ編集部
２８ 検査データ記憶部
２９ 設計データ記憶部
３１ 解析用データ記憶部
３２ 解析部
４０ プロセス異常分析装置
４１ プロセスデータ記憶部
４２ プロセスデータ編集部
４３ プロセス特徴量データ記憶部
４４ 異常判定部
４４ａ 異常分析部
４４ｂ 異常プロセスデータ保存部
４４ｃ 異常通知部
４４ｄ 判定結果保存部
４５ 異常検出要因分析ルール編集部
４６ 異常検出要因分析ルールデータ記憶部
４７ 異常プロセスデータ記憶部
４８ 判定結果データ記憶部
４９ 設計値データ記憶部

Claims (6)

1. プロセス処理結果と、そのプロセス処理結果を得たプロセスにおけるプロセスデータおよびプロセス特徴量との相関関係を表すモデルを作成する方法であって、
   プロセスの実行の結果得られた対象品の検査結果を取得するステップ、
   そのプロセスの設計値を取得するステップ、
   そのプロセス実行時に得られるプロセスデータからプロセス特徴量データを抽出するステップ、
   前記検査結果中の計測値と、前記設計値と、の差分を求めるステップ、
   その求めた差分を目的変数とし、前記抽出したプロセス特徴量データを説明変数として前記モデルを作成するステップ、
   を実行することを特徴とするモデル作成方法。
2. プロセスが実行されている期間中に時系列に取得されるプロセスデータからプロセス特徴量を抽出するプロセスデータ編集手段と、
   そのプロセスで処理された対象品の検査結果についての情報である検査データ中の計測値と、前記設計値と、の差分を求める検査データ編集手段と、
   前記プロセス特徴量と前記検査データとを用いて、データマイニングや多変量解析による解析を実行する際に、前記検査データ編集手段で求めたプロセス処理の結果得られた計測値とその設計値との差分を目的変数とし、前記抽出したプロセス特徴量データを説明変数としてプロセス−品質モデルを作成する解析手段と、
   を備えるモデル作成装置。
3. １または複数の製造装置からなる製造システムにおいて、プロセス実行時に得られるプロセスデータに基づいてプロセスの異常を単位対象品毎に検出するプロセス異常分析装置における分析方法であって、
   前記時系列のプロセスデータを取得してプロセスデータ記憶手段に格納するステップと、
   そのプロセスデータ記憶手段に格納されたプロセスデータからプロセス特徴量を抽出するステップと、
   前記プロセス特徴量と、プロセス特徴量から前記製造システムで製造される製品の異常検出を行うための異常分析ルールデータとから設計値と実測値の差分を求め、求めた差分に前記単位対象品の設計値を加算することによりプロセス処理結果を算出し、その算出結果から前記製品の異常の有無を判定する異常判定ステップとを実行することを特徴とするプロセス異常分析方法。
4. １または複数の製造装置からなる製造システムにおいて、プロセス実行時に得られるプロセスデータに基づいてプロセスの異常を単位対象品毎に検出するプロセス異常分析装置であって、
   前記時系列のプロセスデータを記憶するプロセスデータ記憶手段と、
   そのプロセスデータ記憶手段に格納されたプロセスデータからプロセス特徴量を抽出するプロセスデータ編集手段と、
   プロセス特徴量から前記製造システムで製造される製品の異常検出を行なうための異常分析ルールを記憶する異常分析ルールデータ記憶手段と、
   前記プロセス特徴量と前記異常分析ルールデータから設計値と実測値の差分を求め、求めた差分に前記単位対象品の設計値を加算することによりプロセス処理結果を算出し、その算出結果から前記製品の異常の有無を判定する異常判定手段と、
   を備えたことを特徴とするプロセス異常分析装置。
5. コンピュータを、
   プロセスが実行されている期間中に時系列に取得されるプロセスデータからプロセス特徴量を抽出するプロセスデータ編集手段、
   そのプロセスで処理された対象品の検査結果についての情報である検査データ中の計測値と、前記設計値と、の差分を求める検査データ編集手段、
   前記プロセス特徴量と前記検査データとを用いて、データマイニングや多変量解析による解析を実行する際に、前記検査データ編集手段で求めたプロセス処理の結果得られた計測値とその設計値との差分を目的変数とし、前記抽出したプロセス特徴量データを説明変数としてプロセス−品質モデルを作成する解析手段、
   として機能させるためのプログラム。
6. コンピュータを、
   プロセスデータ記憶手段に格納された時系列のプロセスデータからプロセス特徴量を抽出するプロセスデータ編集手段、
   前記プロセス特徴量と、プロセス特徴量から前記製造システムで製造される製品の異常検出を行うための異常分析ルールデータ記憶手段に格納された異常分析ルールから設計値と実測値の差分を求め、求めた差分に前記製品の設計値を加算することによりプロセス処理結果を算出し、その算出結果から前記製品の異常の有無を判定する異常判定手段、
   として機能させるためのプログラム。
   

Images