JP2008078392A - 特性解析方法および装置、異常設備推定方法および装置、上記特性解析方法または異常設備推定方法をコンピュータに実行させるためのプログラム、並びに上記プログラムを記録したコンピュータ読み取り可能な記録媒体 - Google Patents

Abstract

【課題】特性値が測定された複数の基板を、製造工程に関する知識を必要とせず、特性分布の揺らぎが或る程度存在しても、特性分布が類似したグループに精度良く分類できる特性解析方法を提供すること。
【解決手段】分類対象の基板群についての複数の特性値を、性質が類似した類似特性値グループに分類する（Ｓ１０３）。基板群に含まれた各基板について類似特性値グループ毎にその類似特性値グループに含まれた特性値を集計して、各基板についての類似特性値グループ毎の特性分布の特徴を求める（Ｓ１０４）。各基板についての類似特性値グループ毎の特性分布の特徴に基づいて、各基板を、基板上の特性分布が類似した類似基板グループに分類する（Ｓ１０５）。
【選択図】 図１

Description

この発明は特性解析方法および装置に関し、特性値が測定された複数の基板を、特性分布が類似したグループに分類する特性解析方法および装置に関する。

また、この発明は、基板に対して順次実行される複数の製造工程でそれぞれ用いられる製造装置の中から、異常が発生した製造装置を自動的に推定する異常設備推定方法および装置に関する。

また、この発明は、そのような特性解析方法または異常設備推定方法をコンピュータに実行させるためのプログラムに関する。

また、この発明は、そのようなプログラムを記録したコンピュータ読み取り可能な記録媒体に関する。

半導体ウェハ、半導体ディスプレイ、ハードディスク磁気ヘッドなどの薄膜デバイスの製造ラインでは、歩留まりの向上や安定化を目的として様々な検査が実施される。これらの検査には、例えば基板上に付着した異物等によって生じる回路パターンの欠陥を検出するパターン検査や、形成された回路の電気的な特性を検査する電気特性検査などがある。製造ラインではこれらの検査結果を日々監視しており、例えばパターン検査で検出された欠陥の個数の増大や電気特性検査で測定された電気的特性の変動に基づいて製造工程で異常が発生していないかどうかをチェックしている。基板に対して順次実行される複数の製造工程のうち、或る製造工程において異常が発生した場合には、これらの検査の結果の調査や解析を行って迅速に原因を特定して対策を施すことで、歩留まり低下による損害を最小限に食い止めることができる。そのため、製造ラインには、検査情報や各製造装置の処理履歴を収集するシステムが設けられることが多い。

製造工程で異常が発生した場合、検査結果は異常の状態に応じて何らかの空間的、あるいは特性的な分布を持つことが多い。従って、パターン検査工程で欠陥の発生位置など、或る複数の基板の間に共通した特性分布の傾向が現れた場合、共通する特性分布をもつ基板のみを抽出してその製造履歴を調べることで、異常装置を特定することができる。しかしながら、実際には、そのような共通する特性分布の傾向が現れた基板を抽出することには、次に述べるような理由によって困難が伴う。

第１の理由は、検査工程で検査される基板の中には複数の異常設備のそれぞれで処理された基板が混在しており、更に異常設備以外の設備で処理された基板も混在していることである。そのため、基板の検査結果から特性分布が類似した基板をグループ分けする作業が必要となる。しかし、一般の製造ラインでは、検査結果に含まれる基板の数は膨大であり、これら全ての検査結果を人間が閲覧して基板相互の特性分布を調べることは時間的に難しい。

第２の理由は、いつどのような特性分布を持つ異常が発生するかが事前にわからないことである。例えば上記パターン検査の例では、欠陥の集中する部位は異常設備および異常の状態によって異なるため、未知の異常に対してはコンピュータを用いて特定の位置での欠陥の発生を集中監視することは不可能である。また、過去に発生した異常であれば上記システムに欠陥発生部位の情報を登録してパターンマッチングなどのパターン認識の方法を用いることで検出することができるかもしれない。しかし、製造工程内には様々な種類の製造設備があるため、それらの製造設備で発生する異常の欠陥集中部位を全て登録することは非常に手間がかかり、上記システムの計算量も膨大になる。

第３の理由は、特性分布は数値的に表現し難いことである。通常、上記システムで製造工程の状態を監視する場合には、例えば基板の欠陥数や基板の電気特性の平均値などの検査結果の統計値の時間的変化を監視する。しかし、特性分布は数値として表現することが難しく、また検査結果の統計値としても表れないことがあるため、実際には欠陥に分布が発生していても発見できないことが多い。

これらの困難を克服するため、複数の基板から特性分布としての欠陥分布の状態が類似しているグループを自動的に分類する手法が提案されている。そのような分類手法としては、例えば特許文献１（特開２００２−３１０９２７号公報）に、平面状に分布した欠陥が検出された２つの基板のそれぞれに対して欠陥が密集した部位を１つの集合体として抽出し、２つの基板の集合体の重心位置が予め設定した範囲内であれば、それらの２つの基板を類似した基板であると判断する方法が記載されている。具体的には、同文献の方法では、図３５に示すように、まず第１の基板上の任意の点Ｐｉから距離ｒの範囲内に別の点Ｐｊが存在するかどうかを調査する。存在する場合は、点Ｐｊを基準に点ＰｉおよびＰｊとは別の点Ｐｋが存在するか否かを調査し、次々と任意の点から距離ｒ以内に存在する点を抽出してそれらを同一集合体として認識する。図中では、点Ｐｌは、点Ｐｉ、Ｐｊ、Ｐｋのいずれに対しても距離ｒ以内ではないので、同一集合体をなすとは認識されない。同様に、第２の基板に対して欠陥の同一集合体を検出し、それぞれの基板の同一集合体の重心すなわち双方の同一集合体に含まれる欠陥座標の平均値間の距離が予め定めた距離より小さい場合には、上記２つの基板は類似していると判断する。しかしながら、欠陥分布の密度は基板によって異なる。このため、欠陥が密に存在する場合に合わせて距離ｒを小さくすると、欠陥数が比較的少ない基板や偶然欠陥が疎な場所が存在した基板を正しく分類できなくなってしまう。また、逆に欠陥が疎に存在する場合に合わせて距離ｒを大きくとると、ランダムに発生した欠陥を範囲に含む可能性が高くなって、結果的にランダムな欠陥の影響が大きくなり、基板を正しく分類できなくなる。従って、欠陥の同一集合体を抽出するための距離ｒおよび２つの基板の同一集合体を類似しているとみなすための距離を一意に定義することは非常に難しい。

また、別の方法としては、例えば特許文献２（特開２００４−２８８７４３号公報）に、ウェハ（基板）を同心円と扇形とを組み合わせた小領域に分割して領域区分を定義し、各領域区分に存在する欠陥の割合の比率が類似した基板を類似した基板として分類する方法が記載されている。具体的には、同文献の方法では、基板上に同心円と扇形とを組み合わせた領域区分を複数定義して、図３６（ａ）〜（ｄ）に示すようにそれらの領域区分に存在する欠陥の割合を順に並べたものを波形として扱う。なお、図３６（ａ）、図３６（ｂ）、図３６（ｃ）、図３６（ｄ）は、それぞれ互いに異なる基板の波形を示している。更に、各基板の波形の相関を調べ、相関係数の大きな基板を類似していると判断して分類する。しかしながら、同文献の方法では、小領域を組み合わせた領域区分や波形化する際の順番を、製造工程のプロセスや製造設備等の特性から定義しているため、製造工程についての詳細な知識が必要とされる。このため、同文献の方法を、そのような知識のない新たな製造工程に適用するのは難しい。また、同一の異常から発生する欠陥分布であっても、厳密に同一の位置に欠陥が存在するわけではなく、或る程度の揺らぎが存在する。しかし、上述の領域区分は厳密に定義されているため、そのような位置ずれを許容できないという問題がある。
特開２００２−３１０９２７号公報 特開２００４−２８８７４３号公報

そこで、この発明の課題は、特性値が測定された複数の基板を、製造工程に関する知識を必要とせず、特性分布の揺らぎが或る程度存在しても、特性分布が類似したグループに精度良く分類できる特性解析方法および装置を提供することにある。

また、この発明の課題は、そのような特性解析方法による分類結果を用いることにより、基板に対して順次実行される複数の製造工程でそれぞれ用いられる製造装置の中から、異常が発生した製造装置を自動的に推定する異常設備推定方法および装置を提供することにある。

また、この発明の課題は、そのような特性解析方法または異常設備推定方法をコンピュータに実行させるためのプログラムを提供することにある。

また、この発明の課題は、そのようなプログラムを記録したコンピュータ読み取り可能な記録媒体を提供することにある。

上記課題を解決するため、この発明の特性解析方法は、
特性値が測定された基板群を基板毎に特性分布が類似したグループに分類する特性解析方法であって、
上記基板群についての複数の特性値を、性質が類似した類似特性値グループに分類し、
上記基板群に含まれた各基板について上記類似特性値グループ毎にその類似特性値グループに含まれた特性値を集計して、上記各基板についての上記類似特性値グループ毎の特性分布の特徴を求め、
上記各基板についての上記類似特性値グループ毎の特性分布の特徴に基づいて、上記各基板を、基板上の特性分布が類似した類似基板グループに分類することを特徴とする。

ここで「基板」とは、欠陥をもつ検査対象である薄膜デバイス、半導体ウェハなどを広く指す。

この発明の特性解析方法に対応した処理を、例えばコンピュータに実行させれば、分類対象の基板群を基板毎に、基板上の特性分布が類似した類似基板グループに自動的に分類できる。しかも、この特性解析方法では、製造工程に関する知識を必要とせず、また、基板上の特性分布の揺らぎが或る程度存在しても、正確に分類できる。また、特性値の空間的あるいは特性的な分布が疎な基板であっても正確に分類できる。

一実施形態の特性解析方法では、
上記類似特性値グループの分類は、
上記基板群についての上記複数の特性値から異常特性値を複数抽出する第１ステップと、
上記第１ステップで抽出された複数の異常特性値を、性質が類似した第１の類似特性値グループに分類する第２ステップと、
上記第２ステップで得られた分類結果に基づいて、上記各第１の類似特性値グループの境界を定める識別関数を導出する第３ステップと、
上記第３ステップで導出された上記識別関数を用いて、上記基板群についての上記複数の特性値を、性質が類似した第２の類似特性値グループに分類する第４ステップを備えることを特徴とする。

ここで、「異常特性値」とは、上記基板群についての上記複数の特性値のうち特に状態の悪い特性値であって、第１ステップに先だって予め定義されるものである。

この一実施形態の特性解析方法では、基板群についての複数の特性値から異常特性値を抽出して分類を行うので、製造工程内の異常に起因する特性異常の発生頻度が低くても、良好な特性解析結果を得ることができる。

一実施形態の特性解析方法では、
上記類似特性値グループの分類は、
上記基板群から異常基板を複数抽出する第１ステップと、
上記第１ステップで抽出された上記異常基板についての複数の特性値を、性質が類似した第１の類似特性値グループに分類する第２ステップと、
上記第２ステップで得られた分類結果に基づいて、上記各第１の類似特性値グループの境界を定める識別関数を導出する第３ステップと、
上記第３ステップで導出された上記識別関数を用いて、上記基板群についての上記複数の特性値を、性質が類似した第２の類似特性値グループに分類する第４ステップを備えることを特徴とする。

ここで、「異常基板」とは、上記基板群のうち特に状態の悪い基板であって、第１ステップに先だって予め定義されるものである。

この一実施形態の特性解析方法では、基板群から異常基板を複数抽出し、それらの異常基板についての複数の特性値を使って分類を行うので、製造工程内の異常に起因する特性異常の発生頻度が低くても、良好な特性解析結果を得ることができる。

一実施形態発明の特性解析方法では、
上記類似特性値グループの分類は、
上記基板群から異常基板を複数抽出する第１ステップと、
上記第１ステップで抽出された上記異常基板についての複数の特性値から異常特性値を複数抽出する第２ステップと、
上記第２ステップで抽出された異常特性値を、性質の類似した第１の類似特性値グループに分類する第３ステップと、
上記第３ステップで得られた分類結果に基づいて、各第１の類似特性値グループの境界を定める識別関数を導出する第４ステップと、
上記第４ステップで導出された上記識別関数を用いて、上記基板群についての上記複数の特性値を、性質が類似した第２の類似特性値グループに分類する第５ステップを備えることを特徴とする。

この一実施形態の特性解析方法では、基板群から異常基板を抽出し、さらに上記異常基板についての複数の特性値から異常特性値を抽出して分類を行うので、製造工程内の異常に起因する異常基板の発生頻度が低くても良好な特性解析結果を得ることができる。

一実施形態の特性解析方法では、
上記類似基板グループの分類は、
上記異常基板について上記第２の類似特性値グループ毎の特性分布の特徴を算出する第１１ステップと、
上記異常基板を、第１１ステップで得られた特性分布の特徴が類似した第１の類似基板グループに分類する第１２ステップと、
上記第１２ステップで得られた分類結果に基づいて、上記各第１の類似基板グループの境界を定める識別関数を導出する第１３ステップと、
上記各基板について上記第２の類似特性値グループ毎の特性分布の特徴を算出する第１４ステップと、
上記第１３ステップで導出された上記識別関数を用いて、上記各基板を、上記第１４ステップで算出された特性分布の特徴が類似した第２の類似基板グループに分類する第１５ステップを備えることを特徴とする。

この一実施形態の特性解析方法によれば、製造工程内の異常に起因する特性異常の発生頻度が低く、且つ、異常基板の発生頻度が低くても良好な特性解析結果を得ることができる。したがって、上記基板群を特性分布毎に精度良く分類できる。

一実施形態の特性解析方法では、
上記特性値は特性値の性質を表す１つ以上の数値からなるベクトルで表され、
上記類似特性値グループは上記基板群についての上記複数の特性値のうち、それらの特性値を表すベクトル同士の距離が予め定められた範囲内である特性値で構成されることを特徴とする。

一実施形態の特性解析方法では、
上記類似特性値グループの分類は、
上記特性値が為す空間に対して予め定めた個数のグループの重心を与える第２１ステップを備え、
上記複数の特性値を表すベクトルと上記各重心との距離に基づいて上記各特性値をグループに分類する第２２ステップと、
上記各グループに分類された特性値に基づいて新たな重心を算出する第２３ステップとを順次繰り返して類似特性値グループを決定することを特徴とする。

一実施形態の特性解析方法では、
上記各基板についての上記類似特性値グループ毎の特性分布の特徴は１つ以上の数値からなるベクトルで表され、
上記類似基板グループの分類は、
上記特性分布の特徴が為す空間に対して予め定めた個数のグループの重心を与える第２１ステップを備え、
上記各基板の特性分布の特徴と上記各重心との距離に基づいて上記各基板をグループに分類する第２２ステップと、
上記各グループに分類された基板の特性分布の特徴に基づいて新たな重心を算出する第２３ステップとを順次繰り返すことで類似基板グループが決定されることを特徴とする。

この一実施形態の特性解析方法によれば、類似特性値グループおよび類似基板グループの分類について効率良く良好な分類結果を得ることができる。

一実施形態の特性解析方法では、
上記各基板についての上記類似特性値グループ毎の特性分布の特徴はその類似特性値グループの特性値の数であり、
上記基板群の中で上記類似特性値グループ毎の特性値の数の分布が類似した基板を同一の類似基板グループに分類することを特徴とする。

一実施形態の特性解析方法では、上記類似特性値グループに最終的に分類される特性値は、上記第２２ステップと第２３ステップとを繰り返して得られたグループの重心から或る距離の範囲内に、その特性値を表すベクトルが存在する特性値であることを特徴とする。

一実施形態の特性解析方法では、上記類似基板グループに最終的に分類される基板は、上記第２２ステップと第２３ステップを繰り返して得られたグループの重心から或る距離の範囲内に、その基板の特性分布の特徴を表すベクトルが存在する基板であることを特徴とする。

一実施形態の特性解析方法では、
上記第２２ステップは、上記特性値または特性分布の特徴を、上記グループの重心と特性値を表すベクトルまたは特性分布の特徴を表すベクトルとの距離に関連した重みに応じた割合で各グループに分類し、
上記第２３ステップは、上記各特性値または特性分布の特徴と上記重みとに基づいて上記新たな重心を算出することを特徴とする。

一実施形態の特性解析方法では、上記各基板についての上記類似特性値グループ毎の特性分布の特徴は、その類似特性値グループの重心から各特性値を表すベクトルまでの距離に応じた重みを加算した特性値の数であることを特徴とする。

一実施形態の特性解析方法では、上記類似基板グループに分類される基板は、上記第２２ステップと第２３ステップを繰り返して得られる類似基板グループに対する上記基板の重みが或る値以上である基板であることを特徴とする。

この一実施形態の特性解析方法によれば、特性分布の中心から離れた距離にある特性値の重みを少なくすることができるので、製造工程内の異常に起因しない特性値による影響を少なくして、より正確な特性解析を行うことができる。

一実施形態の特性解析方法では、上記特性値は基板上に平面的に分布した欠陥に対応し、上記特性値の特徴は少なくとも基板上での上記欠陥の座標を含むことを特徴とする。

この一実施形態の特性解析方法によれば、基板表面に検出された異物などの欠陥について良好な特性解析結果を得ることができる。

この発明の異常設備推定方法は、
基板に対して順次実行される複数の製造工程でそれぞれ用いられる製造装置の中から、異常が発生した製造装置を推定する異常設備推定方法であって、
請求項１乃至５のいずれか一つに記載の特性解析方法で上記類似基板グループに分類された基板に共通して用いられた製造装置を、上記各基板についての処理履歴から抽出することを特徴とする。

この発明の異常設備推定方法によれば、特性分布が類似した基板から処理履歴を抽出するので、精度の高い異常設備推定を行うことができる。

この発明の特性解析装置は、
特性値が測定された基板群を基板毎に特性分布が類似したグループに分類する特性解析装置であって、
上記基板群についての複数の特性値を、性質が類似した類似特性値グループに分類する特性値分類部と、
上記基板群に含まれた各基板について上記類似特性値グループ毎にその類似特性値グループに含まれた特性値を集計して、上記各基板についての上記類似特性値グループ毎の特性分布の特徴を求める特性分布算出部と、
上記各基板についての上記類似特性値グループ毎の特性分布の特徴に基づいて、上記各基板を、基板上の特性分布が類似した類似基板グループに分類する基板分類部とを備えたことを特徴とする。

この発明の特性解析装置によれば、分類対象の基板群を基板毎に、基板上の特性分布が類似した類似基板グループに自動的に分類できる。しかも、製造工程に関する知識を必要とせず、また、基板上の特性分布の揺らぎが或る程度存在しても、正確に分類できる。また、特性値の空間的あるいは特性的な分布が疎な基板であっても正確に分類できる。

一実施形態の特性解析装置では、
上記特性値分類部は、
上記基板群についての上記複数の特性値から異常特性値を複数抽出する第１部分と、
上記第１部分で抽出された複数の異常特性値を、性質が類似した第１の類似特性値グループに分類する第２部分と、
上記第２部分で得られた分類結果に基づいて、上記各第１の類似特性値グループの境界を定める識別関数を導出する第３部分と、
上記第３部分で導出された上記識別関数を用いて、上記基板群についての上記複数の特性値を、性質が類似した第２の類似特性値グループに分類する第４部分を備えることを特徴とする。

ここで、「異常特性値」とは、上記基板群についての上記複数の特性値のうち特に状態の悪い特性値であって、上記第１部分の動作に先だって予め定義されるものである。

この一実施形態の特性解析装置では、基板群についての複数の特性値から異常特性値を抽出して分類を行うので、製造工程内の異常に起因する特性異常の発生頻度が低くても、良好な特性解析結果を得ることができる。

一実施形態の特性解析装置では、
上記特性値分類部は、
上記基板群から異常基板を複数抽出する第１部分と、
上記第１部分で抽出された上記異常基板についての複数の特性値を、性質が類似した第１の類似特性値グループに分類する第２部分と、
上記第２部分で得られた分類結果に基づいて、上記各第１の類似特性値グループの境界を定める識別関数を導出する第３部分と、
上記第３部分で導出された上記識別関数を用いて、上記基板群についての上記複数の特性値を、性質が類似した第２の類似特性値グループに分類する第４部分を備えることを特徴とする。

ここで、「異常基板」とは、上記基板群のうち特に状態の悪い基板であって、上記第１部分の動作に先だって予め定義されるものである。

この一実施形態の特性解析装置では、基板群から異常基板を複数抽出し、それらの異常基板についての複数の特性値を使って分類を行うので、製造工程内の異常に起因する特性異常の発生頻度が低くても、良好な特性解析結果を得ることができる。

一実施形態の特性解析装置では、
上記特性値分類部は、
上記基板群から異常基板を複数抽出する第１部分と、
上記第１部分で抽出された上記異常基板についての複数の特性値から異常特性値を複数抽出する第２部分と、
上記第２部分で抽出された異常特性値を、性質の類似した第１の類似特性値グループに分類する第３部分と、
上記第３部分で得られた分類結果に基づいて、各第１の類似特性値グループの境界を定める識別関数を導出する第４部分と、
上記第４部分で導出された上記識別関数を用いて、上記基板群についての上記複数の特性値を、性質が類似した第２の類似特性値グループに分類する第５部分を備えることを特徴とする。

この一実施形態の特性解析装置では、基板群から異常基板を抽出し、さらに上記異常基板についての複数の特性値から異常特性値を抽出して分類を行うので、製造工程内の異常に起因する異常基板の発生頻度が低くても良好な特性解析結果を得ることができる。

一実施形態の特性解析装置では、
上記基板分類部は、
上記異常基板について上記第２の類似特性値グループ毎の特性分布の特徴を算出する第１１部分と、
上記異常基板を、第１１部分で得られた特性分布の特徴が類似した第１の類似基板グループに分類する第１２部分と、
上記第１２部分で得られた分類結果に基づいて、上記各第１の類似基板グループの境界を定める識別関数を導出する第１３部分と、
上記各基板について上記第２の類似特性値グループ毎の特性分布の特徴を算出する第１４部分と、
上記第１３部分で導出された上記識別関数を用いて、上記各基板を、上記第１４部分で算出された特性分布の特徴が類似した第２の類似基板グループに分類する第１５部分を備えることを特徴とする。

この一実施形態の特性解析装置によれば、製造工程内の異常に起因する特性異常の発生頻度が低く、且つ、異常基板の発生頻度が低くても良好な特性解析結果を得ることができる。したがって、上記基板群を特性分布毎に精度良く分類できる。

この発明の異常設備推定装置は、
基板に対して順次実行される複数の製造工程でそれぞれ用いられる製造装置の中から、異常が発生した製造装置を推定する異常設備推定装置であって、
請求項１７乃至２１のいずれか一つに記載の特性解析装置で上記類似基板グループに分類された基板に共通して用いられた製造装置を、上記各基板についての処理履歴から抽出することを特徴とする。

この発明の異常設備推定装置によれば、特性分布の原因となった製造工程内の製造設備を精度良く推定することができる。

この発明のプログラムは、上記発明の特性解析方法をコンピュータに実行させるための特性解析プログラムである。

別の局面では、この発明のプログラムは、上記発明の異常設備推定方法をコンピュータに実行させるための異常設備推定プログラムである。

この発明の記録媒体は、上記発明の特性解析プログラムを記録したことを特徴とするコンピュータ読み取り可能な記録媒体である。

別の局面では、この発明の記録媒体は、上記発明の異常設備推定プログラムを記録したことを特徴とするコンピュータ読み取り可能な記録媒体である。

以下、この発明を図示の実施形態により詳細に説明する。

図１は、異物等によって生じる回路パターンの欠陥を特性値として検出するパターン検査の結果を例に、本発明の一実施形態の特性解析方法の概念を模式的に示している。この特性解析方法は、例えば分類対象である基板群としての薄膜デバイス群を薄膜デバイス毎に、特性分布の傾向が類似しているグループに分類する場合に適用される。

この特性解析方法では、ステップＳ１０１で複数の基板からなる分類対象の基板群１００の検査データを取得する。分類対象の基板群１００に含まれる単一の基板１０１に関する検査データの構成例を図２に示す。検査データ２００は基板１枚の検査結果を表すデータであり、分類対象の基板数と同数存在する。検査データ２００は基板の個別情報である基板データ２０１と、基板データ２０１に関連付けられた０個以上の特性データ２０２で構成される。基板データ２０１には、例えば製造工程内の基板に個別に与えられる基板固有の値である基板ＩＤ（識別番号）など、基板を一意に認識するための情報が含まれており、さらに検査日時や検査装置や検査条件などの基板単位の検査情報が含まれていても良い。特性データ２０２には、例えばパターン検査であれば検出された欠陥１０２の座標や面積、電気特性検査であれば測定点の座標や特性値など、検査工程にて検出された欠陥や測定点の検査結果の詳細を含む情報が含まれている。この特性データ２０２は、検査対象の基板データ２０１に関連付けられて記録される。特性データ２０２の数は基板上で検出された欠陥や測定点の数と同じであるので、パターン検査など検出される欠陥数が基板毎に一定でない場合、１つの基板データ２０１に関連付けられる特性データ２０２の数は基板によって異なる。

図１中のステップＳ１０２では、上記構造の検査データ２００から、特性データ２０２だけを取り出す。つまり、図２において全ての基板の全ての特性データ２０２の集合が特性データ集合１０３となる。

図１中のステップＳ１０３では、特性データ集合１０３に含まれる特性データ２０２を、性質が類似した類似特性値グループ１０４〜１０６に分類する。このステップＳ１０２における特性値分類の概念を図３に示す。特性データ集合１０３に含まれる特性データ２０２が座標値Ｘ，Ｙのような２つの値で構成される場合、特性データ２０２は各値を要素とする２次元ベクトルで表される。この特性データ２０２を表す２次元ベクトルは、図３に示すように、２次元空間にプロットされる。ここで、性質が類似する特性データ２０２とは、この２次元空間で距離の近い範囲内に存在するデータと考えることができる。なお、図３の例では、３つの範囲３０１，３０２，３０３が示されている。図４に特性データ２０２が座標値Ｘ，Ｙ，Ｚのような３つの値で構成される場合の特性値分類の概念を示す。図４に示すように特性データ２０２は各値を要素とする３次元ベクトルで表されている。この場合でも、性質が類似する特性データ２０２とは、この３次元空間上で距離の近い範囲内に存在するデータと考えることができる。なお、図４の例では、３つの範囲４０１，４０２，４０３が示されている。このように、特性データ２０２がいくつの検査値または測定値で構成されるデータであっても、特性データ２０２はそのデータを構成する要素の数と同じ次元を持つベクトルで表され、類似した特性データはその次元の空間で距離の近い範囲内に存在するデータであると考えることができる。このような考え方に基づくデータの解析方法はクラスタ分析と呼ばれ、いくつかの手法が知られている。この実施形態では、いずれの手法を用いても良い。

図１中のステップＳ１０４では、各々の基板１０１について、基板上に検出された特性データ２０２をステップＳ１０３で分類した類似特性値グループ毎に集計し、各類似特性値グループの特性分布の特徴を抽出する。特性分布の特徴とは、例えば類似特性値グループ毎の特性値の数や特性値の分散などの値である。以下、或る任意の基板について類似特性値グループ毎の特性分布の特徴をベクトルで表したものを、「基板の特徴量」と呼ぶ。

最後に、ステップＳ１０５で、分類対象の基板群１００について、各基板の特徴量に基づいて、基板上の特性分布の類似した基板を類似基板グループ１０７〜１０９に分類する。基板の特徴量は欠陥と同じくベクトルで表されるので、欠陥の分類と同様の概念で分類を行うことができる。分類手法はクラスタ分析のいずれの手法を用いても良く、ステップＳ１０３と同じ手法であっても良いし、異なる手法を用いても良い。

以上の処理を行うことで、基板群１００を特性分布毎に精度良く分類できる。つまり、分類対象の特性データ集合１０３を特性値の分布に従って類似特性値グループ１０４〜１０６などとして自動的に分類することで、特性値が為す空間中で特性値が集中する領域を自動的に決定できる。また、それら類似特性値グループ毎の特性分布から基板を分類するので、上記空間中で特性値の密度が疎な分布を持つ基板であっても正確に分類した特性解析結果を得ることができる。

図５は、上述の特性解析方法（図１参照）を実施するのに適した本発明の一実施形態の特性解析装置５００の構成を示している。この特性解析装置５００は、入力部としてのデータ収集部５０２、基板データ記憶部５０５、特性データ記憶部５０６、特性値分類部５０７、特性分布算出部５０８、基板分類部５０９、およびデータ出力部５１０で構成されている。また、この特性解析装置５００のデータ収集部５０２には入力装置５０１、工程情報収集システム５０３、および検査装置５０４が、データ出力部５１０には出力装置５１１がそれぞれ接続されている。

入力装置５０１は、例えばキーボードやマウスで構成される。この例では、入力装置５０１は、特性解析装置５００に対して、検査日時の範囲や検査装置で検出された欠陥数の範囲などの分類対象の基板の条件や、類似特性値グループ数、類似基板グループ数などの分類パラメータを入力するために用いられる。

データ収集部５０２は、入力装置５０１から特性解析装置５００に送信された各種の情報を受け取って入力された条件に合致する検査データ２００を工程情報システム５０３や検査装置５０４から収集し、収集した検査データ２００から基板データ２０１と特性データ２０２を抽出する。これにより、基板データ２０１および基板データ２０１と特性データ２０２との関連付けの情報が基板データ記憶部５０５に、特性データ２０２および特性データ２０２と基板データ２０１との関連付けの情報が特性データ記憶部５０６にそれぞれ記憶される。また、類似基板グループ数は基板データ２０１とともに基板データ記憶部５０５に、類似特性値グループ数は特性データ２０２とともに特性データ記憶部５０６にそれぞれ記憶される。

工程情報収集システム５０３は、製造工程内に配置された検査装置や他の製造設備から処理情報を収集する工程情報収集システムである。この例では、工程情報収集システム５０３には、製造工程の検査データ２００が蓄積されている。工程情報収集システム５０３は特性解析装置５００と接続されており、データ収集部５０２は工程情報システム５０３から必要な検査データ２００を収集する。

検査装置５０４は、製造工程内に配置されており、実際に基板の検査を行う。検査装置５０４は特性解析装置５００と接続されており、データ収集部５０２は検査装置５０４から必要な検査データ２００を収集する。

基板データ記憶部５０５は、データ収集部５０２が収集した検査データ２００のうち、基板データ２０１と、基板データ２０１と特性データ２０２との関連付けを組にして記憶する。また、入力装置５０１で入力された類似基板グループ数もデータ収集部５０２を通じて基板データ記憶部５０５に記憶される。

特性データ記憶部５０６は、データ収集部５０２が収集した検査データ２００のうち、特性データ２０２と、特性データ２０２と基板データ２０１との関連付けを組にして記憶する。また、入力装置５０１で入力された類似特性値グループ数もデータ収集部５０２を通じて特性データ記憶部５０６に記憶される。

特性値分類部５０７は、特性データ記憶部に記憶された特性データ２０２および類似特性値グループ数の情報を取り出してステップＳ１０２の処理を行って類似特性値グループを分類し、特性データ２０２と分類結果を紐付けて特性分布算出部５０８に渡す。

特性分布算出部５０８は、基板データ記憶部５０５に記憶された各々の基板データ２０１と特性データ２０２との関連付け情報と特性値分類部５０７の特性値分類結果を受け取り、ステップＳ１０３の処理を行って基板データ記憶部５０５に記憶された各々の基板１０１の類似特性値グループ毎の特性分布を算出する。算出結果は、基板データ記憶部５０５から取り出した類似基板グループ数の情報および基板データ２０１とともに基板分類部５０９に渡す。

基板分類部５０９は、特性分布算出部５０８から渡された類似基板グループ数、基板データ２０１および算出した特性分布情報に対してステップＳ１０５の処理を行い、基板を類似基板グループに分類した結果を特性解析結果としてデータ出力部５１０に渡す。

データ出力部５１０は、基板分類部５０９から渡された特性解析結果を受け取り、特性解析装置に５００に接続された出力装置５１１に対して送信する。

出力装置５１１は、モニタや紙出力、あるいは磁気ディスクや携帯用半導体メモリなどを通して特性解析装置５００による特性解析結果を出力する。

なお、工程情報収集システム５０３および検査装置５０４のいずれか一方から特性解析に必要な情報を全て取得できる場合、取得できる一方のみが接続されていても良い。

また、入力装置５０１と出力装置５１１は同一の装置、例えば出力装置としての表示部に入力装置としてのキーボードを備えて一体に構成にした装置としても良い。また、入力装置５０１と出力装置５１１は、特性解析装置５００に含まれていても良い。

また、出力装置５１１は、特性解析装置５００を通して入力装置５０１、工程情報収集システム５０３または検査装置５０４から特性解析に必要な情報以外の情報を受け取り、出力しても良い。

この特性解析装置５００によれば、上述の特性解析方法を実施することができる。

次に、上記特性解析方法によって得られた基板の分類結果を用いて、製造工程において特性分布の原因となった製造設備（つまり、異常が発生した製造装置）を推定する異常設備推定方法について説明する。

図６は、この異常設備推定方法の対象となる基板の製造プロセスの例を模式的に示している。この製造プロセスは、基板に対して順次実行される複数の製造工程ａ，ｂ，ｃ，ｄを含んでいる。これらの製造工程終了後にパターン検査が行われる。

製造プロセスに含まれた或る工程、この例では工程ｂ，ｄには、同一の製造処理を並行して行うための設備が複数台配置されている。この例では、工程ｂには、１号機、２号機、３号機という３台の設備が配置され、工程ｄには、１号機、２号機という２台が配置されている。各基板は工程内のいずれかの設備によって製造処理される。また、その工程においてどの設備で処理されるかはその時々に負荷の低い設備が選択されるのが普通であり、製造工程全体を通してどの設備を用いて処理されるかは定まっていない。このような配置になっている場合、図６中のパターン検査で検査された基板が各工程においてどの設備で処理されたかを調べると、図７（ａ）に示すように、工程ｂの各設備で処理された基板の割合は１／３ずつ、工程ｄの各設備で処理された基板の割合は１／２ずつというように、それぞれ工程内でほぼ均等になる。以下、各基板が各工程でどの設備によって処理されたかといった情報を処理履歴と呼ぶ。

一方、工程内のいずれかの設備で異常が発生して基板上の特定の部位に欠陥が集中して発生した場合、特性分布が類似した基板を分類すると、原因となった設備が存在する工程では原因設備で処理された基板を偏って抽出することになる。しかしながら、これらの基板は原因工程以外の工程で処理される設備は一定ではないので、他の工程では上記の偏りは生じない。例えば、図６において、工程ｂの１号機で右上部１ｐに異常がある場合、パターン検査の結果から、右上部１０１ｐに欠陥１０２が集中しているパターンの基板を抽出すると、図７（ｂ）に示すように、工程ｂでは、原因となった１号機で処理された基板の割合（この例では４／５）が多く、２号機や３号機で処理された基板の割合（この例ではそれぞれ１／１０）は少なく、設備間の偏りが生じている。同じパターンの基板について、工程ｄで処理された基板の割合には、設備間の偏りが生じていない。また、同様に、工程ｄの２号機で左下部２ｑに異常がある場合、パターン検査の結果から、左下部１０１ｑに欠陥１０２が集中しているパターンの基板を抽出すると、図７（ｃ）に示すように、工程ｄでは、原因となった２号機で処理された基板の割合（この例では５／６）が多く、１号機で処理された基板の割合（この例では１／６）は少なく、設備間の偏りが生じている。同じパターンの基板について、工程ｂで処理された基板の割合には、設備間の偏りが生じていない。

図８は、このような状況を前提として、上記の特性解析方法による基板分類結果を用いて原因となった異常設備を推定する方法を示している。

まず、複数の基板からなる異常設備推定の対象となる基板群は、図１中の一連のステップＳ１０１〜Ｓ１０５を含む特性解析ステップＳ８０１によって解析される。これにより、特性分布の類似した類似基板グループ１０７〜１０９を得る。

ステップＳ８０２では、ステップＳ８０１で分類した類似基板グループ内の各基板について、製造工程で処理した設備の履歴を取得する。この情報は、通常上記の工程情報収集システム５０３で収集・管理されているので、容易に取り出すことができる。

ステップＳ８０３では、ステップＳ８０２で取得した設備の履歴を、製造工程の各工程別に集計し、設備別の処理基板数を算出する。

ステップＳ８０４では、各工程内の設備別の処理枚数を比較し、正常な状態と比較して最も処理枚数の割合が多い設備を統計的に調べて異常設備であると推定する。また、処理枚数の割合に明確な差が存在しない場合は、特定の設備に起因しない特性分布であると判断する。

最後にステップＳ８０５で全ての類似基板グループについて推定を行ったどうかを判断する。全てのグループに対して推定が終了していれば処理が終了となり、推定処理を行っていない類似基板グループが存在する場合には全ての未処理の類似基板グループに対してＳ８０２以降の処理を行う。

この異常設備推定方法によれば、特性分布が類似した基板から処理履歴を抽出するので、精度の高い異常設備推定を行うことができる。

図９は、上述の異常設備推定方法を実施するのに適した本発明の一実施形態の異常設備推定装置９００の構成を示している。この異常設備推定装置９００は、入力部としてのデータ収集部９０２、基板データ記憶部９０３、特性データ記憶部９０４、履歴データ記憶部９０５、特性解析部９０６、履歴データ取得部９０７、処理頻度算出部９０８、異常設備推定部９０９、およびデータ出力部９１０で構成されている。また、データ収集部９０２には入力装置９０１、工程情報収集システム５０３、および検査装置５０４が、データ出力部には出力装置９１１がそれぞれ接続されている。

入力装置９０１は、例えばキーボードやマウスで構成される。この例では、入力装置９０１は、異常設備推定装置９００に対して、検査日時の範囲や検査装置で検出された欠陥数の範囲、または異常設備推定の対象となる製造工程の範囲などの異常設備推定対象の基板の条件や、類似特性値グループ数、類似基板グループ数などの推定パラメータを入力するために用いられる。

データ収集部９０２は、入力装置９０１から異常設備推定装置９００に送信された各種の情報を受け取って、入力された条件に合致する検査データ２００と検査データ中の基板の履歴データを工程情報システム５０３および検査装置５０４から収集する。収集した検査データ２００は基板データ２０１と特性データ２０２を抽出し、基板データ２０１および基板データ２０１と特性データ２０２との関連付けの情報が基板データ記憶部９０３に、特性データ２０２および特性データ２０２と基板データ２０１との関連付けの情報が特性データ記憶部９０４にそれぞれ記憶される。また、履歴データは基板データ２０１と関連付けられて履歴データ９０５に記憶される。更に、類似基板グループ数は基板データ２０１とともに基板データ記憶部９０３に、類似特性値グループ数は特性データ２０２とともに特性データ記憶部９０４にそれぞれ記憶される。

工程情報収集システム５０３は、特性解析装置５００と接続する工程情報収集システム５０３と同様のものである。ただし、この例では、工程情報収集システム５０３には、製造工程の検査データ２００だけでなく、基板の処理履歴データも蓄積されている。工程情報収集システム５０３は異常設備推定装置９００と接続されており、データ収集部９０２は工程情報システム５０３から必要な検査データ２００および履歴データを収集する。

検査装置５０４は、特性解析装置５００と接続する検査装置５０４と同様のものである。検査装置５０４は異常設備推定装置９００と接続されており、データ収集部９０２は検査装置５０４から必要な検査データ２００を収集する。

基板データ記憶部９０３は、特性解析装置５００の基板データ記憶部５０５と同様の機能を持ち、データ収集部９０２が収集した検査データ２００のうち、基板データ２０１と、基板データ２０１と特性データ２０２との関連付けを組にして記憶する。また、入力装置９０１で入力された類似基板グループ数もデータ収集部９０２を通じて基板データ記憶部９０３に記憶される。

特性データ記憶部９０６は、特性解析装置５００の特性データ記憶部５０６と同様の機能を持ち、データ収集部９０２が収集した検査データ２００のうち、特性データ２０２と、特性データ２０２と基板データ２０１との関連付けを組にして記憶する。また、入力装置９０１で入力された類似特性値グループ数もデータ収集部９０２を通じて特性データ記憶部９０４に記憶される。

履歴データ記憶部９０５は、データ収集部９０２が収集した履歴データと、履歴データと基板データ２０１との関連付けを組にして記憶する。

特性解析部９０６は、図１中の一連のステップＳ１０１〜Ｓ１０５の処理を行い、検査データ２００から類似基板グループの分類結果を算出し、特性解析結果として履歴データ取得部９０７に渡す。特性解析部９０６の内部構成は、特性解析システム５００と同様に特性値分類部５０７、特性分布算出部５０８、および基板分類部５０９を持つ。

履歴データ取得部９０７は、特性解析部９０６での特性解析結果を受け取り、各類似特性値グループに分類される基板の処理履歴データを履歴データ記憶部９０５から取得して処理頻度算出部９０８に渡す。

処理頻度算出部９０８は、履歴データ取得部９０７が取得した処理履歴を集計し、各工程内に配置された設備毎の処理枚数の割合を算出して異常設備推定部９０９に渡す。

異常設備推定部９０９は、処理頻度算出部９０８から受け取った処理枚数の割合に対して統計処理を行い、処理枚数の割合が多い設備を検出して異常設備推定結果としてデータ出力部９１０に出力する。

出力装置９１１は、モニタや紙出力、あるいは磁気ディスクや携帯用半導体メモリなどを通して特性解析装置９００による特性解析結果を出力する。

なお、工程情報収集システム５０３および検査装置５０４のいずれか一方から異常設備推定に必要な情報を全て取得できる場合、取得できる一方のみが接続されていても良い。

また、入力装置９０１と出力装置９１１は同一の装置、例えば出力装置としての表示部に入力装置としてのキーボードを備えて一体に構成にした装置としても良い。また、入力装置９０１と出力装置９１１は、異常設備推定装置９００に含まれていても良い。

また、出力装置９１１は、異常設備推定装置９００を通して入力装置９０１、検工程情報収集システム５０３、または検査装置５０４から異常設備推定析に必要な情報以外の情報を受け取り、出力しても良い。

上述の通り、基板データ記憶部９０３、特性データ記憶部９０４、および特性解析部９０６は特性解析装置５００と同様である。従って、図１０に示すように、上記構成を特性解析装置５００として異常設備推定装置９００とは別に構成することも可能である。この図１０に示す構成では、データ入力装置９０１は特性解析装置５００から特性解析結果を受け取ってデータ収集部９０２に送信する。データ収集部９０２は、入力装置９０１から特性解析結果を受け取り、解析データ記憶部１００１に記憶する。また、特性解析結果に含まれる基板の処理履歴データを工程情報収集システム５０３から取得して履歴データ記憶部９０５に記憶する。履歴データ取得部９０７は、解析データ記憶部１００１に記憶された解析結果と履歴データ９０５に記憶された処理履歴データを取得し、各類似特性値グループに分類される基板の処理履歴データを処理頻度算出部９０８に渡す。

この異常設備推定装置９００によれば、上述の異常設備推定方法を実施することができる。

なお、上述の特性解析方法または異常設備推定方法を、コンピュータに実行させるためのプログラムとして構築しても良い。

また、そのようなプログラムをＣＤ−ＲＯＭなどのコンピュータで読み取り可能な記録媒体に記録して配布できるようにしても良い。上記プログラムを汎用コンピュータにインストールすることで、汎用コンピュータによって上記特性解析方法および異常設備推定方法を実行することが可能である。

次に、実施例１として、図１中のステップＳ１０３〜Ｓ１０５の分類方法について、クラスタ分析手法の１つであるｋ平均法を利用して実現する方法について具体的に説明する。

図１１に、特性データ集合１０３を分類する手順を示す。

まず、ステップＳ１１０１で、特性データ集合１０３の類似特性値グループ数c_specを任意に決定する。類似特性値グループ数c_specは特性データの性質の分布を表すのに適当な数字であればいくつでも良いが、１０前後が適当であろう。

次にステップＳ１１０２で、特性データ集合１０３に含まれる特性データ２０２がなすベクトル空間に、c_spec個のグループ重心ｖ_ｉ（ｉ=１,…,c_spec）をランダムに作成する。

次にステップＳ１１０３で、特性データ集合１０３の各特性データ２０２とc_spec個のグループ重心との距離を調べ、最も距離の近い重心に特性データ２０２を分類する。ｋ番目の特性データ２０２をｘ_ｋとすると、ｘ_ｋとグループ重心ｖ_ｉとの距離ｄ_ｉｋは（数１）で求まる。

なお、Ｔは特性データ２０２の要素数である。ｘ_ｋについて全てのグループ重心との距離を調べ、最も距離の近いグループ重心を持つグループｉに特性データ２０２を分類する。

次にステップＳ１１０４で、上記ステップＳ１１０３で分類した特性データ２０２を使って、新たなグループ重心を（数２）で算出する。

Ｎは特性データ集合１０３に含まれる全データ数であり、（数２）は各グループに分類された特性データ２０２の各要素の平均値を表す。

最後に、ステップＳ１１０５では、このように算出された新しいグループ重心ｖ_ｉと前のグループ重心ｖ_ｉとを比較して、同一の座標であれば正しい分類結果が得られたとして処理を終了し、座標が異なっている場合には新たなグループ重心ｖ_ｉを用いてステップＳ１１０３以降の処理を新しい座標と以前の座標が同一になるまで行う。

次に、図１１の手順に沿って、パターン検査の検査データを例に実際に分類処理を行った例を示す。図１２に示すように、パターン検査は基板１０１上に付着した異物などが原因で生じた回路パターンの欠陥１２０１を検出する検査である。パターン検査で検出される欠陥１２０１の特性データ２０２は、基板１０１上に定められた２次元座標系での座標Ｘや座標Ｙを持ち、必要に応じて欠陥面積などの欠陥情報を含んでも良い。

回路パターンの特性データ２０２が座標Ｘおよび座標Ｙの２つの値を持つ場合の実際の分類過程を図１３に示す。図１３中の黒点は、特性データ集合１０３に含まれる特性データ２０２を２次元空間上にプロットした位置を表している。まず、類似特性値グループ数c_spec＝３を与えると（ステップＳ１１０１）、図１３（ａ）中の３つのグループ重心１３０１〜１３０３がランダムに作成される（ステップＳ１１０２）。次に各特性データ２０２をグループ重心１３０１〜１３０３の中で最も近いグループに分類する（ステップＳ１１０３）。図１３（ｂ）で、破線で区切られた領域１３０４〜１３０６が、グループ重心１３０１〜１３０３に分類される特性データ２０２の範囲を表している。次に、領域１３０４〜１３０６に含まれる特性データ２０２に基づいて新たなグループ重心１３０７〜１３０９を算出する（ステップＳ１１０４）。この処理によりグループ重心は図１３（ｃ）に示す位置に移動するので分類は終了していないと判断され（ステップＳ１１０５）、新たなグループ重心１３０７〜１３０９によって再度特性データ２０２の分類が行われる（ステップＳ１１０２）。図１３（ｄ）で、破線で区切られた領域１３１０〜１３１２が、新たなグループ重心１３０７〜１３０９に分類される特性データ２０２の範囲を表している。この分類により得られる得られる各グループの領域１３１０〜１３１２は、図１３（ｄ）に示されるように図１３（ｂ）と比較してより正確な分類となっている。以上の処理をグループ重心が移動しなくなるまで繰り返すことで、正確な分類を行うことができる。図１３（ｅ）に、得られた分類結果を示す。

なお、図１１の処理によって得られる分類結果は、図１３（ｅ）で示したように特性データのなす空間中の領域で表すことができる。図１３（ｅ）の例ではこの空間は基板１０１上の２次元座標に等しいので、図１３（ｅ）の分類結果は特性データ集合１０３の分布に基づいて基板１０１の領域を図１４に示すような部分領域１４０１〜１４０３に自動的に分割したことになる。また、特性データ２０２が座標以外の情報も含んでいた場合、分類結果は座標情報だけでなくそれらの情報も考慮した分割となる。

図１１の処理によって得られる分類結果では、特性データ集合１０３の特性データ２０２は必ずいずれかの類似特性値グループに含まれる。図１５（ａ）に示す分類結果の例では、特性データ２０２はグループ１５０１〜１５０３のいずれかに分類されている。各グループ１５０１、１５０２、１５０３には、それぞれグループ重心１５０７、１５０８、１５０９が含まれている。そこで、グループ重心１５０７〜１５０９の近くに存在する特性データ２０２のみを分類し、グループ重心１５０７〜１５０９から離れた特性データ２０２はステップＳ１０４以降の基板の分類処理に考慮しない処理も考えられる。例えば、図１５（ｂ）に示すように、類似特性値グループの分類後に各グループの重心１５０７〜１５０９からの距離が予め任意の基準で定めた閾値（この例では距離ｒ）よりも離れている欠陥２０２をグループから除外するなどの処理である。図１５（ｂ）では、グループ１５０１〜１５０３の重心１５０７〜１５０９から距離ｒ以内のデータと、グループ１５０１〜１５０３のいずれにも属さずステップＳ１５０４以降の処理で考慮されないグループ１５０４に分類されている。

また、ステップＳ１１０３で特性データ２０２とグループ重心との距離尺度にユークリッド距離を用いたが、マハラノビス距離などの距離尺度を用いても良い。

次に、実施例１におけるステップＳ１０４での集計処理について上記の例を用いて具体的に説明する。上述したように、ステップＳ１０３の分類結果は特性データ２０２がなす空間上の部分領域を特性データ集合１０３の分布に基づいて自動的に分割する。従って、各基板１０１の類似特性値グループ毎の欠陥数をその領域の特性分布の状態を表す特徴量として用いる。この特性分布の特徴量は、基板ｗの特徴量Ｆ_ｗを、（数２）を用いてc_spec個の要素を持つベクトル（数３）で表される。

ここで、Ｎ_ｗは基板ｗの欠陥数である。

次に実施例１におけるステップＳ１０５での基板分類処理について説明する。（数３）によって得られた分類対象の基板群の各特徴量Ｆは、c_spec次元空間中にプロットすることができる。例えば、図１３の特性値分類結果から得られた分類対象の基板群１００の特徴量Ｆから、図１６に示すように３次元空間上にプロットすることができる（なお、図１６中の直交軸Ｎ１４０１，Ｎ１４０２，Ｎ１４０３はそれぞれ部分領域１４０１，１４０２，１４０３の欠陥数を表している。）。この場合、図１１の類似特性値グループの分類手順について、特性データ集合１０３の特性データ２０２を分類対象基板群１００の特徴量Ｆに、類似特性値グループ数c_specを類似基板グループ数c_panelにそれぞれ置き換えたのに相当する図１７のステップＳ１７０１〜Ｓ１７０５によって、基板群１００を分類することができる。

なお、類似基板グループ数c_panelは分類対象の基板群に表れる特性分布のパターン数を表すのに適当な数字であればいくつでも良いが、５〜１０程度が適当であろう。また、各基板の特性分布を表す特徴量Ｆとして、欠陥数ではなく、例えば類似特性値グループに含まれる欠陥の分散などの統計値や類似特性値グループに含まれる欠陥が形成する分布形状などの値を用いても良く、その場合であっても図１７の手順で分類することができる。

なお、図１７の分類では、分類対象の基板群１００に含まれる基板１０１は必ずいずれかの類似基板グループに含まれる。そこで、グループ重心の近くに存在する特徴量Ｆのみを分類し、グループ重心から離れた特徴量Ｆは分類結果に含めない場合は、ステップＳ１０３での処理と同様に、類似基板グループの分類後に各グループの重心からの距離が予め任意の基準で定めた距離ｒよりも離れている基板１０１をグループから除外するなどの処理を用いる。

また、ステップＳ１７０３で特徴量Ｆとグループ重心との距離尺度にユークリッド距離を用いたが、マハラノビス距離などの距離尺度を用いても良い。

この実施例１では、基板表面上に定められた座標を特性データとするパターン検査を例にして説明したが、本発明はこれに限定されるものではない。例えば、電気特性検査で得られた電気特性値に対して実施例１の方法を適用しても良い。

以上の方法によって、特性データ２０２と類似特性値グループの重心との距離および分類対象の基板群１００に含まれる基板１０１と類似基板グループの重心との距離を用いて特性解析を行うことができる。

次に、実施例２として、図１中のステップＳ１０３〜Ｓ１０５の分類方法について、グループ重心からの距離による重みを考慮するためにｋ平均法を拡張したファジィ−ｃ平均法を利用して実現する方法について具体的に説明する。

図１８は或るグループｉの重心ｖ_ｉおよびグループｊの重心ｖ_ｊと、データ１８０１およびデータ１８０２の関係を示している。図中の破線１８０９はグループ重心ｖ_ｉとｖ_ｊから等距離となる位置を表している。図１８中のデータとグループ重心との位置を見た場合、データ１８０１は明確にグループ重心ｖ_ｉの近くに存在するが、データ１８０２はグループ重心ｖ_ｊよりもグループ重心ｖ_ｉの方が近いものの、データ１８０１と比較して、グループ重心ｖ_ｊ，ｖ_ｉに対する距離の差は小さい。実施例１ではデータは一番近いグループに分類されるため、データ１８０２のようにグループの境界付近に位置するデータは分類結果に大きな影響を与え、結果として望ましい分類結果が得られないことがある。

実施例２の分類方法では、グループ重心とデータの距離に応じて分類結果に対する影響を変化させる。即ち、図１８の例では、グループ重心ｖ_ｉに近くグループ重心ｖ_ｊからは離れているデータ１８０１はグループｉに対して大きく影響し、グループ重心ｖ_ｉとグループ重心ｖ_ｊから同じような距離にあるデータ１８０２はグループｉとグループｊの分類に同じように影響するような重みをデータに与える。

図１９に特性データ集合１０３を分類する手順を示す。ステップＳ１９０１、ステップＳ１９０２およびステップＳ１９０５は、図１１中のステップＳ１１０１、Ｓ１１０２およびＳ１１０５と同様である。

ステップＳ１９０３では、各特性データ２０２を各グループ重心からの相対距離に応じた重みで各グループに分類する。以下、この重みを所属度と呼び、グループｉに対する分類する特性データｘ_ｋの所属度ｕ_ｉｋを（数４）で定める。

（数４）中のｄ_ｉｋは特性データｘ_ｋと重心ｖ_ｉの間の距離であり、（数１）で定義される。また、ｍはべき乗パラメータと呼ばれる１より大きな値であり、データｘ_ｋとグループｉの重心ｖ_ｉ間の距離と所属度ｕ_ｉｋの関係を制御するパラメータである。

所属度ｕ_ｉｋは、データｘ_ｋとグループｉの重心ｖ_ｉの間の距離ｄ_ｉｋが他のグループに比べて相対的に近いほど大きく、データｘ_ｋから全てのグループ重心への距離ｄが等しいときｕ_ｉｋの値は1/c_specとなる。また、或るデータｘ_ｋについて、全ての類似特性値グループの所属度ｕ_ｉｋの和は１になる。

ステップＳ１９０４では、上記ステップＳ１９０３で得られた所属度ｕ_ｉｋを使って、新たなグループ重心を（数５）で算出する。

Ｎは特性データ集合１０３に含まれる全データ数であり、ｍとしては（数４）と同じ値を用いる。（数５）で得られるグループ重心ｖ_ｉはｕ_ｉｋを考慮したグループｉの平均値を表す。

以上の処理で、図１１に対してグループとデータの距離による重みの概念を拡張した分類を行うことができる。

図１９の処理によって得られる分類結果では、全ての特性データ２０２は、０から１の範囲の所属度で全ての類似特性値グループに分類される。従って、特性データ２０２が分類される類似特性値グループを１つに定めたい場合は、所属度が最も大きいグループに分類されると判断する。また、グループ重心の近くに存在する特性データ２０２のみを分類し、グループ重心から離れた特性データ２０２はステップＳ１０４以降の基板の分類処理に考慮したくない場合は、図１１での分類で用いたグループ重心からの距離だけでなく、グループに対する所属度が或る値より小さい場合はそのグループに分類されないと判断することができる。この場合、各グループの範囲は単純な円ではなく、図２０に示すように、各グループの相互の距離が反映された複雑な形状の範囲２００１、２００２、２００３となる。なお、図２０は、図１５（ａ）の例に実施例２の処理を適用して得られた例を示している。

次に、実施例２におけるステップＳ１０４での集計処理について上記の例を用いて具体的に説明する。実施例２におけるステップＳ１０４の集計処理は実施例１と同様の処理で実施される。即ち、基板ｗの特徴量Ｆ_ｗとして類似特性値グループ毎の欠陥数を用いる場合、類似特性値グループｉへの特性データｘ_ｋの所属度ｕ_ｉｋに対して（数３）を適用して特徴量Ｆ_ｗを求める。ただし、そのようにして分類結果を求めた場合、特性データｘ_ｋが類似特性値グループｉに分類されないときは所属度ｕ_ｉｋを０とする。上記方法によって得られた特徴量Ｆ_ｗの要素の値が重みを考慮したときの各要素の欠陥数を表す。

次に、実施例２におけるステップＳ１０５での基板分類処理を説明する。実施例２のステップＳ１０５の基板分類処理は、図１７の実施例１におけるステップＳ１０５に対してステップＳ１０３と同様の拡張を行って分類を行う。この実施例２におけるステップＳ１０５の分類手順を図２１に示す。

なお、類似基板グループ数c_panelは分類対象の基板群に表れる特性分布のパターン数を表すのに適当な数字であればいくつでも良いが、５〜１０程度が適当であろう。また、各基板の特性分布を表す特徴量Ｆ_ｗとして、欠陥数ではなく、例えば類似特性値グループに含まれる欠陥の分散などの統計値や類似特性値グループに含まれる欠陥が形成する分布形状などの値を用いても良く、その場合であっても図２１の手順で分類することができる。

なお、図２１の分類では、分類対象の基板群１００に含まれる全ての基板１０１は、０から１の範囲の所属度で全ての類似基板グループに分類される。そのため、基板１０１が分類される類似基板グループを１つに定めたい場合は、所属度が最も大きいグループに分類されると判断する。また、グループ重心の近くに存在する基板１０１のみを分類し、グループ重心から離れた基板１０１は分類結果に含めない場合は、図１７での分類で用いたグループ重心からの距離だけでなく、グループに対する所属度が或る値より小さい場合はそのグループに分類されないと判断することができる。この場合、各グループの範囲は単純な円ではなく、各グループの相互の距離が反映された複雑な形状の範囲となる。

以上の方法によって、特性データ２０２と類似特性値グループの重心との距離に応じた重み、および分類対象の基板群１００に含まれる基板１０１と類似基板グループの重心との距離に応じた重みを考慮した特性解析を行うことができる。

次に、実施例３として、分類対象の基板群１００で測定された測定値１０２から異常特性値を複数抽出し、それらの異常特性値を使って類似特性値グループの分類を行う特性解析方法を説明する。

図２２は或る製造工程のパターン検査を例に、検出された欠陥１０２と欠陥面積の関係を示している。図２２のグラフの縦軸は欠陥面積を表し、横軸は検出された個々の欠陥を検出日時順に横に並べたものである。この製造工程におけるパターン検査結果では、少ない頻度で特に欠陥面積の大きな欠陥２２０１が発生している。本発明を用いてこれらの欠陥２２０１と欠陥２２０１に類似する欠陥からなる特性分布を分類したい場合、図２２の全ての検査結果に対して本発明の特性解析方法を適用した場合、分類対象の基板群１００で検出された欠陥１０２の総数と比較して注目すべき欠陥２２０１の数が少ないため、欠陥２２０１以外の欠陥１０２の影響が大きく、うまく分類できない。また、図２２に示すように或る基準値を定めて欠陥面積がその基準値を超えた欠陥２２０１のみ抽出して本発明の特性解析方法を適用した場合、分類対象の基板１００で検出された欠陥の数が少なく疎な特性分布となるため、うまく分類できない。

そこで、本発明の実施例３では、図１中のステップＳ１０３において、異常特性値を分類するための関数を導出し、その関数を用いて分類対象の基板群１００で測定された特性値を分類することで、特性値１０２全体から異常特性値に性質の類似した特性値のみ抽出し、その特性分布を分類する。なお、「異常特性値」とは、基板群１００についての複数の特性値１０２のうち特に状態の悪い特性値であって、予め定義されるものである。

図２３は本発明の実施例３における処理（図１のステップＳ１０３に相当する）の流れを、図２４は図２３での処理の概念をそれぞれ示している。図２２中に示すように、本実施例におけるステップＳ１０３では、まずステップＳ２３０１で、特性データ集合１０３から異常特性データ集合２４０１を抽出する。異常特性データ集合２４０１は、例えば特性データ集合１０３に含まれる特性データ２０２について、或る検査項目の値が予め設定された閾値より悪い特性データ２０２や、特性データ集合１０３中の予め定めた割合の特性データ２０２などである。

次にステップＳ２３０２では、抽出した異常特性データ集合２４０１を分類し、類似特性値グループ２４０２を得る。ステップＳ２３０２での分類方法はクラスタ分析のいずれの方法でも良く、例えば実施例１または実施例２で説明した類似特性値グループの分類方法でも良い。

次にステップＳ２３０３では、ステップＳ２３０２の分類結果から異常特性データ集合２４０１が類似特性値グループ２４０３のいずれに分類されるかを決定するための関数２４０３を得る。この関数は分類対象の特性データ集合がなす空間中で各類似特性値グループが持つ領域の境界を表し、例えば実施例１では図１５（ａ）中の破線または図１５（ｂ）中の破線で、実施例２では図２０中の破線でそれぞれ表される。以後、このような関数を識別関数と呼ぶ。識別関数は、上述した実施例１では類似特性値グループ２４０２の分類結果で定められるグループ重心ｖ_ｉを用いて（数１）および（数２）で表すことができる。上述した実施例２でも同様に類似特性値グループ２４０２の分類結果で定められるグループ重心ｖ_ｉを用いて（数４）および（数５）で表すことができる。また、分類結果から識別関数が得られないクラスタ分析手法を用いる場合には、例えば隣接するグループ重心間の中点を結んだ領域から識別関数を定める方法や、異常特性データ集合２４０１に含まれる全データについて隣接するデータとの中点を結んだ領域をそのデータの領域と定めて類似特性値グループ２４０２の識別関数はそれぞれの類似特性値グループに含まれるデータの領域の集合で表すなど、分類時とは異なる式を用いて識別関数を定義しても良く、実施例１および実施例２でも分類時とは異なる識別関数を用いても良い。

最後に、ステップＳ２３０４は、ステップＳ２３０３で得られた識別関数２４０３を用いて、元の特性データ集合１０３をステップＳ２３０２で得られた類似特性値グループのいずれかに識別する。図２４では異常特性データ集合２４０１がなす空間において、類似特性値グループ２４０２のそれぞれが持つ領域は識別関数２４０３で定義される。異常特性データ集合２４０１は元の特性データ集合１０３の部分集合であるのでそれぞれの特性データ集合に含まれる特性データ２０２の要素数は同数である。従って、識別関数２４０３で定義される類似特性値グループ２４０２の領域は元の特性データ集合１０３にもそのまま適用できるので、特性データ集合１０３に含まれる全ての特性値１０２を最終的な類似特性値グループ１０４〜１０６のいずれかに分類できる。

以上の方法によって、注目すべき異常特性値の数が製造工程において測定される特性値の数に対して少ない場合でも正確に特性解析を行うことができる。

図２５は、上述の特性解析方法を実施するのに適した特性解析装置５００中の特性値分類部５０７の内部構成を示している。特性値抽出部２５０１は、特性データ記憶部５０６から取得した特性データ２０２に対して図２３のステップＳ２３０１の処理を行って特性データ２０２から異常特性を抽出して識別関数導出部２５０２に渡す。更に、欠陥抽出部２５０１は、取得した全ての特性データ２０２を特性値識別部２５０３に渡す。識別関数導出部２５０２は、図２３のステップＳ２３０２およびＳ２３０３の処理を行って識別関数２４０３を導出し、特性値識別部２５０３に渡す。特性値識別部２５０３は、特性値抽出部２５０１から受け取った特性データ２０２について識別関数導出部２５０２から受け取った識別関数２４０３を適用して分類を行い、特性分布算出部５０８に渡す。

この構成により、上述の特性解析方法を実施することができる。

次に、実施例４として、分類対象の基板群１００に含まれる基板１０１から異常基板を複数抽出し、それらの異常基板で検出された複数の特性値を使って類似特性値グループの分類を行う特性解析方法を説明する。なお、「異常基板」とは、基板群１００のうち特に状態の悪い基板であって、予め定義されるものである。

通常、安定して稼動する製造工程では不良となる基板の発生頻度は低い。そのような製造工程から不良となるような異常基板とそれに類似する基板を分類しようとすると、分類対象となる基板群１００に含まれる基板数と比較して本来注目すべき異常基板の数が少ないために他の基板の影響が大きく、うまく分類できない。

そこで、本発明の実施例４では、図１中のステップＳ１０３において異常基板で測定された特性値１０２を分類するための識別関数を導出し、得られた識別関数を用いて分類対象の基板群１００で測定された全ての基板の特性値１０２を分類する方法を説明する。本実施例の方法を用いることで、異常基板で発生した特性値の性質をより反映させた解析結果を得ることができる。

図２６は本発明の実施例４における処理（図１のステップＳ１０３に相当する）の流れを、図２７は図２６での処理の概念をそれぞれ示している。図２６中に示すように、本実施例におけるステップＳ１０３では、まずステップＳ２６０１で、分類対象の基板群１００から異常基板群２７０１を抽出する。異常基板は、例えば検査工程で検出された欠陥数が予め設定された閾値より多い基板や、或る検査項目の集計値が予め設定された閾値よりも悪い基板、あるいは検査工程における良否判定で不良となった基板などである。

次にステップＳ２６０２では、抽出した異常基板群２７０１に含まれる特性データ２０２を分類し、類似特性値グループ２７０３を得る。ステップＳ２６０２での分類方法はクラスタ分析のいずれの方法でも良く、例えば実施例１または実施例２で説明した類似特性値グループの分類方法でも良い。

次にステップＳ２６０３では、実施例３と同様の方法で識別関数２７０４を導出する。

最後に、ステップＳ２６０４では、実施例３と同様の方法でステップＳ２６０３で得られた識別関数２７０４を用いて元の分類対象の基板群１００に含まれる特性データ集合１０３をステップＳ２６０２で得られた類似特性値グループのいずれかに識別する。

以上の方法によって、注目すべき異常基板の数が製造工程内の基板数と比較して少ない場合でも正確に特性解析を行うことができる。

図２８は、上述の特性解析方法を実施するのに適した特性解析装置５００中の特性値分類部５０７の内部構成を示している。基板抽出部２８０１は、特性データ記憶部５０６から取得した特性データ２０２について基板データ２０１との関連付けを元に基板単位で集計し、ステップＳ２６０１の処理を実施して異常基板群２７０１を抽出して識別関数導出部２８０２に渡す。このとき、基板データ２０１に既に特性データ２０２の集計情報が含まれている場合は、基板データ記憶部５０５から取得したデータを元に異常基板群２７０１を抽出しても良い。更に、基板抽出部２８０１は、取得した全ての特性データ２０２を特性値識別部２８０３に渡す。識別関数導出部２８０２は、基板抽出部２８０１から受け取った異常基板群２７０１に含まれる特性データ集合２７０２に対してステップＳ２６０２およびステップＳ２６０３の処理を行って識別関数２７０４を導出し、特性値識別部２８０３に渡す。特性値識別部２８０３は基板抽出部２８０１から受け取った全ての特性データ２０２に対して識別関数導出部２８０２から受け取った識別関数を適用してステップＳ２６０４の分類を行い、特性分布算出部５０８に渡す。

この構成により、上述の特性解析方法を実施することができる。

次に、実施例５として、分類対象の基板群１００から異常基板を抽出し、さらに上記異常基板についての複数の特性値から異常特性値を抽出し、それらの異常特性値を使って類似特性値グループの分類を行う特性解析方法を説明する。この実施例５は、異常基板の発生頻度が低く、且つ異常特性値の発生頻度も低い場合でも、異常基板で発生した特性値の性質をより反映させた解析結果を得ることができる。

図２９は本発明の実施例５における処理（図１のステップＳ１０３に相当する）の流れを、図３０は図２９での処理の概念をそれぞれ示している。図２９中に示すように、本実施例におけるステップＳ１０３では、まずステップＳ２９０１で、分類対象の基板群１００から異常基板群３００１を抽出する。異常基板群３００１に含まれる基板は、例えば検査工程で検出された欠陥数が予め設定された閾値より多い基板や、或る検査項目の集計値が予め設定された閾値よりも悪い基板、あるいは検査工程における良否判定で不良となった基板などである。

次に、ステップＳ２９０２では、ステップＳ２９０１で抽出した異常基板群３００１に含まれる特性データから異常特性データ集合３００２を抽出する。異常特性データ集合３００２は、例えば或る検査項目の値が予め設定された閾値より悪い特性データ２０２や、基板群３００１に含まれる特性データ中の予め定めた割合の特性データ２０２などである。

次にステップＳ２９０３では、抽出した異常特性データ集合３００２を分類し、類似特性値グループ３００３を得る。ステップＳ２９０３での分類方法はクラスタ分析のいずれの方法でも良く、例えば実施例１または実施例２で説明した類似特性値グループの分類方法でも良い。

次にステップＳ２９０４では、実施例３と同様の方法でステップＳ２９０３の分類結果から特性データ集合３００２が類似特性値グループ３００３のいずれに分類されるかを決定するための識別関数３００４を得る。

最後にステップＳ２９０５では、実施例３と同様の方法で、ステップＳ２９０４で得られた識別関数３００４を用いて、元の特性データ集合１０３をステップＳ２９０３で得られた類似特性値グループのいずれかに識別する。

以上の方法によって、注目すべき異常基板の数が製造工程内の基板数と比較して少なく、異常特性が少ない場合でも正確に特性解析を行うことができる。

図３１は、上述の特性解析方法を実施するのに適した特性解析装置５００中の特性値分類部５０７の内部構成を示している。基板抽出部３１０１は、特性データ記憶部５０６から取得した特性データ２０２について基板データ２０１との関連付けを元に基板単位で集計し、ステップＳ２９０１の処理を実施して異常基板群３００１を抽出して特性値抽出部３１０２に渡す。このとき、基板データ２０１に既に特性データ２０２の集計情報が含まれている場合は、基板データ記憶部５０５から取得したデータを元に異常基板群３００１を抽出しても良い。更に、基板抽出部３１０１は、取得した全ての特性データ２０２を特性値識別部３１０４に渡す。特性値抽出部３１０２は、ステップＳ２９０２の処理を行って、基板抽出部３１０１から受け取った特性データ２０２から異常特性値３００２を抽出して識別関数導出部３１０３に渡す。識別関数導出部３１０３は、特性値抽出部３１０２から受け取った異常特性データ集合３００２に対してステップＳ２９０３およびステップＳ２９０４の処理を行って識別関数３００４を導出し、特性値識別部３１０４に渡す。特性値識別部３１０４は基板抽出部３１０１から受け取った全ての特性データ２０２に対して識別関数導出部３１０３から受け取った識別関数を適用してステップＳ２９０５の分類を行い、特性分布算出部５０８に渡す。

この構成によれば、上述の特性解析方法を実施することができる。

次に、実施例６として、実施例４または実施例５で抽出された異常基板を用いて類似特性値グループの分類を行う方法を説明する。

実施例４および実施例５では、発生頻度の低い異常基板の特性分布を特性解析結果に正確に反映させるために異常基板から得られた特性データ２０２を分類して得られた識別関数を用いて特性データ集合１０３を識別して類似特性値グループ１０４〜１０６が得られた。これに対して、この実施例６では異常基板の類似特性値グループ毎の特性分布から類似基板グループを分類して得られる識別関数を用いて分類対象の基板群１００を識別することで、異常基板の特性値の性質だけでなく特性分布の特徴をより反映させた分類を行う。

図３２は本発明の実施例６における処理（図１のステップＳ１０４、Ｓ１０５に相当する）の流れを、図３３は図３１での処理の概念をそれぞれ示している。図３２中に示すように、この実施例６におけるステップＳ１０４では、まずステップＳ３１８９，Ｓ３１９９で、実施例４または実施例５におけるステップＳ１０３で分類した異常基板の類似特性値グループ１０４〜１０６毎の特性分布の特徴３３０２と分類対象の全基板の特性分布の特徴３３０３とを別々に算出する。

次にステップＳ１０５内のステップＳ３２０１では、異常基板の特性分布３３０２を分類し、類似基板グループ３３０４を得る。ステップＳ３２０１での分類方法はクラスタ分析のいずれの方法でも良く、例えば実施例１または実施例２で説明した類似特性値グループの分類方法でも良い。

次にステップＳ１０５内のステップＳ３２０２では、実施例３における類似特性値グループの分類と同様の方法でステップＳ３２０１の分類結果から異常基板３３０１の特性分布３３０２が類似特性値グループ３３０４のいずれに分類されるかを決定するための識別関数３３０５を得る。

次に、ステップＳ３２０３では、ステップＳ１０４で求めた分類対象の全基板の特性分布３３０３に対して識別関数３３０５を適用して各基板の特性分布の識別を行い、分類対象の基板の分類結果３３０６を得る。

以上の方法によって、異常基板の数が製造工程内の基板数と比較して少ない場合であっても、異常基板の特性分布を正確に反映させた特性解析結果を得ることができる。

図３４は、上述の特性解析方法を実施するのに適した特性解析装置５００中の特性値分類部５０７、特性分布算出部５０８および基板分類部５０９の内部構成を示している。特性値分類部５０７は類似特性値グループの分類結果と共に異常基板のリストを特性分布算出部５０８に渡す。特性分布算出部５０８はステップＳ１０４の処理を行う。即ち、内部の異常基板算出部３４０１で各異常基板の類似特性値グループ毎の特性分布３３０２を、分類基板算出部３４０２で分類対象の各基板の類似特性値グループ毎の特性分布３３０３をそれぞれ算出し、算出結果を基板分類部５０９に送る。基板分類部５０９では、識別関数導出部３４０３は異常基板の特性分布３３０２に対してステップＳ３２０１およびステップＳ３２０２の処理を行って基板の識別関数を導出して基板識別部３４０４に渡す。基板識別部３４０４は、特性分布３３０３に対して識別関数導出部３４０３が導出した識別関数を適用し、分類対象の各基板を類似基板グループ３３０４のいずれかに識別した分類結果である類似基板グループ３３０６をデータ出力部５１０に渡す。

この構成によれば、上述の特性解析方法を実施することができる。

本発明の一実施形態の特性解析方法の概念を模式的に示す図である。 分類対象となるデータの構造例を示す図である。 本発明の一実施形態における特性値分類の概念の例を示す図である。 本発明の一実施形態における特性値分類の概念の別の例を示す図である。 本発明の一実施形態の特性解析装置の構成を示す図である。 本発明の一実施形態の特性解析方法と異常設備推定方法との関係を模式的に示す図である。 図６中の特性分布パターンと製造設備による処理枚数を比較した例を示す図である。 本発明の一実施形態の異常設備推定の概念を模式的に示す図である。 本発明の一実施形態の異常設備推定装置の構成を示す図である。 図９の異常設備推定装置の変形例を示す図である。 実施例１の特性解析方法における特性値分類の流れを示す図である。 パターン検査の検査結果の例を示す図である。 実施例１の特性解析方法におけるパターン検査結果を分類する過程を模式的に示す図である。 実施例１の特性解析方法による特性値分類結果と基板上の特性分布の関係を模式的に示す図である。 実施例１の特性解析方法において類似特性値グループが為す領域の例を模式的に示す図である。 実施例１の特性解析方法における基板分類の概念を模式的に示す図である。 実施例１の特性解析方法における基板分類の流れを示す図である。 実施例２の特性解析方法におけるデータの重み付けの概念を模式的に示す図である。 実施例２の特性解析方法における分類の特性値分類の流れを示す図である。 実施例２の特性解析方法において類似特性値グループが為す領域を模式的に示す図である。 実施例２の特性解析方法における基板分類の流れを示す図である。 製造工程内で発生する異常欠陥の例を模式的に示す図である。 実施例３の特性解析方法における特性値分類の流れを示す図である。 実施例３の特性解析方法における特性値分類の概念を模式的に示す図である。 実施例３の特性解析装置の構成を示す図である。 実施例４の特性解析方法における特性値分類の流れを示す図である。 実施例４の特性解析方法における特性値分類の概念を模式的に示す図である。 実施例４の特性解析装置の構成を示す図である。 実施例５の特性解析方法における特性値分類の流れを示す図である。 実施例５の特性解析方法における特性値分類の概念を模式的に示す図である。 実施例５の特性解析装置の構成を示す図である。 実施例６の特性解析方法における基板分類の流れを示す図である。 実施例６の特性解析方法における基板分類の概念を模式的に示す図である。 実施例６の特性解析装置の構成を示す図である。 或る従来技術を説明する図である。 別の従来技術を説明する図である。

符号の説明

１００ 分類対象の基板群
１０１ 分類対象の基板群中の基板
１０２ 基板で測定された特性値
１０３ 分類対象の基板群で測定された特性データ集合
１０４〜１０６ 類似特性値グループ
１０７〜１０９ 類似基板グループ

Claims (26)

1. 特性値が測定された基板群を基板毎に特性分布が類似したグループに分類する特性解析方法であって、
   上記基板群についての複数の特性値を、性質が類似した類似特性値グループに分類し、
   上記基板群に含まれた各基板について上記類似特性値グループ毎にその類似特性値グループに含まれた特性値を集計して、上記各基板についての上記類似特性値グループ毎の特性分布の特徴を求め、
   上記各基板についての上記類似特性値グループ毎の特性分布の特徴に基づいて、上記各基板を、基板上の特性分布が類似した類似基板グループに分類することを特徴とする特性解析方法。
2. 請求項１に記載の特性解析方法において、
   上記類似特性値グループの分類は、
   上記基板群についての上記複数の特性値から異常特性値を複数抽出する第１ステップと、
   上記第１ステップで抽出された複数の異常特性値を、性質が類似した第１の類似特性値グループに分類する第２ステップと、
   上記第２ステップで得られた分類結果に基づいて、上記各第１の類似特性値グループの境界を定める識別関数を導出する第３ステップと、
   上記第３ステップで導出された上記識別関数を用いて、上記基板群についての上記複数の特性値を、性質が類似した第２の類似特性値グループに分類する第４ステップを備えることを特徴とする特性解析方法。
3. 請求項１に記載の特性解析方法において、
   上記類似特性値グループの分類は、
   上記基板群から異常基板を複数抽出する第１ステップと、
   上記第１ステップで抽出された上記異常基板についての複数の特性値を、性質が類似した第１の類似特性値グループに分類する第２ステップと、
   上記第２ステップで得られた分類結果に基づいて、上記各第１の類似特性値グループの境界を定める識別関数を導出する第３ステップと、
   上記第３ステップで導出された上記識別関数を用いて、上記基板群についての上記複数の特性値を、性質が類似した第２の類似特性値グループに分類する第４ステップを備えることを特徴とする特性解析方法。
4. 請求項１に記載の特性解析方法において、
   上記類似特性値グループの分類は、
   上記基板群から異常基板を複数抽出する第１ステップと、
   上記第１ステップで抽出された上記異常基板についての複数の特性値から異常特性値を複数抽出する第２ステップと、
   上記第２ステップで抽出された異常特性値を、性質の類似した第１の類似特性値グループに分類する第３ステップと、
   上記第３ステップで得られた分類結果に基づいて、各第１の類似特性値グループの境界を定める識別関数を導出する第４ステップと、
   上記第４ステップで導出された上記識別関数を用いて、上記基板群についての上記複数の特性値を、性質が類似した第２の類似特性値グループに分類する第５ステップを備えることを特徴とする特性解析方法。
5. 請求項３または４に記載の特性解析方法において、
   上記類似基板グループの分類は、
   上記異常基板について上記第２の類似特性値グループ毎の特性分布の特徴を算出する第１１ステップと、
   上記異常基板を、第１１ステップで得られた特性分布の特徴が類似した第１の類似基板グループに分類する第１２ステップと、
   上記第１２ステップで得られた分類結果に基づいて、上記各第１の類似基板グループの境界を定める識別関数を導出する第１３ステップと、
   上記各基板について上記第２の類似特性値グループ毎の特性分布の特徴を算出する第１４ステップと、
   上記第１３ステップで導出された上記識別関数を用いて、上記各基板を、上記第１４ステップで算出された特性分布の特徴が類似した第２の類似基板グループに分類する第１５ステップを備えることを特徴とする特性解析方法。
6. 請求項１乃至５のいずれか一つに記載の特性解析方法において、
   上記特性値は特性値の性質を表す１つ以上の数値からなるベクトルで表され、
   上記類似特性値グループは上記基板群についての上記複数の特性値のうち、それらの特性値を表すベクトル同士の距離が予め定められた範囲内である特性値で構成されることを特徴とする特性解析方法。
7. 請求項６に記載の特性解析方法において、
   上記類似特性値グループの分類は、
   上記特性値が為す空間に対して予め定めた個数のグループの重心を与える第２１ステップを備え、
   上記複数の特性値を表すベクトルと上記各重心との距離に基づいて上記各特性値をグループに分類する第２２ステップと、
   上記各グループに分類された特性値に基づいて新たな重心を算出する第２３ステップとを順次繰り返して類似特性値グループを決定することを特徴とする特性解析方法。
8. 請求項１乃至５のいずれか一つに記載の特性解析方法において、
   上記各基板についての上記類似特性値グループ毎の特性分布の特徴は１つ以上の数値からなるベクトルで表され、
   上記類似基板グループの分類は、
   上記特性分布の特徴が為す空間に対して予め定めた個数のグループの重心を与える第２１ステップを備え、
   上記各基板の特性分布の特徴と上記各重心との距離に基づいて上記各基板をグループに分類する第２２ステップと、
   上記各グループに分類された基板の特性分布の特徴に基づいて新たな重心を算出する第２３ステップとを順次繰り返すことで類似基板グループが決定されることを特徴とする特性解析方法。
9. 請求項８に記載の特性解析方法において、
   上記各基板についての上記類似特性値グループ毎の特性分布の特徴はその類似特性値グループの特性値の数であり、
   上記基板群の中で上記類似特性値グループ毎の特性値の数の分布が類似した基板を同一の類似基板グループに分類することを特徴とする特性解析方法。
10. 請求項７に記載の特性解析方法において、
    上記類似特性値グループに最終的に分類される特性値は、上記第２２ステップと第２３ステップとを繰り返して得られたグループの重心から或る距離の範囲内に、その特性値を表すベクトルが存在する特性値であることを特徴とする特性解析方法。
11. 請求項８に記載の特性解析方法において、
    上記類似基板グループに最終的に分類される基板は、上記第２２ステップと第２３ステップを繰り返して得られたグループの重心から或る距離の範囲内に、その基板の特性分布の特徴を表すベクトルが存在する基板であることを特徴とする特性解析方法。
12. 請求項７または８に記載の特性解析方法において、
    上記第２２ステップは、上記特性値または特性分布の特徴を、上記グループの重心と特性値を表すベクトルまたは特性分布の特徴を表すベクトルとの距離に関連した重みに応じた割合で各グループに分類し、
    上記第２３ステップは、上記各特性値または特性分布の特徴と上記重みとに基づいて上記新たな重心を算出することを特徴とする特性解析方法。
13. 請求項１２に記載の特性解析方法において、
    上記各基板についての上記類似特性値グループ毎の特性分布の特徴は、その類似特性値グループの重心から各特性値を表すベクトルまでの距離に応じた重みを加算した特性値の数であることを特徴とする特性解析方法。
14. 請求項１２に記載の特性解析方法において、
    上記類似基板グループに分類される基板は、上記第２２ステップと第２３ステップを繰り返して得られる類似基板グループに対する上記基板の重みが或る値以上である基板であることを特徴とする特性解析方法。
15. 請求項１に記載の特性解析方法において、
    上記特性値は基板上に平面的に分布した欠陥に対応し、上記特性値の特徴は少なくとも基板上での上記欠陥の座標を含むことを特徴とする特性解析方法。
16. 基板に対して順次実行される複数の製造工程でそれぞれ用いられる製造装置の中から、異常が発生した製造装置を推定する異常設備推定方法であって、
    請求項１乃至５のいずれか一つに記載の特性解析方法で上記類似基板グループに分類された基板に共通して用いられた製造装置を、上記各基板についての処理履歴から抽出することを特徴とする異常設備推定方法。
17. 特性値が測定された基板群を基板毎に特性分布が類似したグループに分類する特性解析装置であって、
    上記基板群についての複数の特性値を、性質が類似した類似特性値グループに分類する特性値分類部と、
    上記基板群に含まれた各基板について上記類似特性値グループ毎にその類似特性値グループに含まれた特性値を集計して、上記各基板についての上記類似特性値グループ毎の特性分布の特徴を求める特性分布算出部と、
    上記各基板についての上記類似特性値グループ毎の特性分布の特徴に基づいて、上記各基板を、基板上の特性分布が類似した類似基板グループに分類する基板分類部とを備えたことを特徴とする特性解析装置。
18. 請求項１７に記載の特性解析装置において、
    上記特性値分類部は、
    上記基板群についての上記複数の特性値から異常特性値を複数抽出する第１部分と、
    上記第１部分で抽出された複数の異常特性値を、性質が類似した第１の類似特性値グループに分類する第２部分と、
    上記第２部分で得られた分類結果に基づいて、上記各第１の類似特性値グループの境界を定める識別関数を導出する第３部分と、
    上記第３部分で導出された上記識別関数を用いて、上記基板群についての上記複数の特性値を、性質が類似した第２の類似特性値グループに分類する第４部分を備えることを特徴とする特性解析装置。
19. 請求項１７に記載の特性解析装置において、
    上記特性値分類部は、
    上記基板群から異常基板を複数抽出する第１部分と、
    上記第１部分で抽出された上記異常基板についての複数の特性値を、性質が類似した第１の類似特性値グループに分類する第２部分と、
    上記第２部分で得られた分類結果に基づいて、上記各第１の類似特性値グループの境界を定める識別関数を導出する第３部分と、
    上記第３部分で導出された上記識別関数を用いて、上記基板群についての上記複数の特性値を、性質が類似した第２の類似特性値グループに分類する第４部分を備えることを特徴とする特性解析装置。
20. 請求項１７に記載の特性解析装置において、
    上記特性値分類部は、
    上記基板群から異常基板を複数抽出する第１部分と、
    上記第１部分で抽出された上記異常基板についての複数の特性値から異常特性値を複数抽出する第２部分と、
    上記第２部分で抽出された異常特性値を、性質の類似した第１の類似特性値グループに分類する第３部分と、
    上記第３部分で得られた分類結果に基づいて、各第１の類似特性値グループの境界を定める識別関数を導出する第４部分と、
    上記第４部分で導出された上記識別関数を用いて、上記基板群についての上記複数の特性値を、性質が類似した第２の類似特性値グループに分類する第５部分を備えることを特徴とする特性解析装置。
21. 請求項１９または２０に記載の特性解析装置において、
    上記基板分類部は、
    上記異常基板について上記第２の類似特性値グループ毎の特性分布の特徴を算出する第１１部分と、
    上記異常基板を、第１１部分で得られた特性分布の特徴が類似した第１の類似基板グループに分類する第１２部分と、
    上記第１２部分で得られた分類結果に基づいて、上記各第１の類似基板グループの境界を定める識別関数を導出する第１３部分と、
    上記各基板について上記第２の類似特性値グループ毎の特性分布の特徴を算出する第１４部分と、
    上記第１３部分で導出された上記識別関数を用いて、上記各基板を、上記第１４部分で算出された特性分布の特徴が類似した第２の類似基板グループに分類する第１５部分を備えることを特徴とする特性解析装置。
22. 基板に対して順次実行される複数の製造工程でそれぞれ用いられる製造装置の中から、異常が発生した製造装置を推定する異常設備推定装置であって、
    請求項１７乃至２１のいずれか一つに記載の特性解析装置で上記類似基板グループに分類された基板に共通して用いられた製造装置を、上記各基板についての処理履歴から抽出することを特徴とする異常設備推定装置。
23. 請求項１に記載の特性解析方法をコンピュータに実行させるための特性解析プログラム。
24. 請求項１６に記載の異常設備推定方法をコンピュータに実行させるための異常設備推定プログラム。
25. 請求項２３に記載の特性解析プログラムを記録したことを特徴とするコンピュータ読み取り可能な記録媒体。
26. 請求項２４に記載の異常設備推定プログラムを記録したことを特徴とするコンピュータ読み取り可能な記録媒体。

Images