JP3742087B2 - 不良検出システム、不良検出方法及び不良検出プログラム - Google Patents

Description

本発明は、半導体集積回路の製造工程における異常箇所検出に関し、特にクラスタリング不良の発生原因を検出する不良検出システム、不良検出方法及び不良検出プログラムに関する。

大規模集積回路（ＬＳＩ）等の半導体装置製造の生産性を向上させる最大の課題の一つは、歩留りを向上させることである。歩留りを向上させるには、歩留りロスを分析し、歩留りロスの原因となっているプロセス、製造装置、あるいは設計条件を早期に解明し、改善することが重要である。しかし、例えばＬＳＩは数百の工程及び製造装置を経て生産される。そのため、一旦ＬＳＩに不良が発生すると、不良原因を検出することは一般に非常に困難である。

ＬＳＩ製造のウェーハプロセス終了後に行われる電気的特性試験であるウェーハテストの結果は、不良原因解明の重要な手がかりを与えることがある。これは、ウェーハテストがウェーハ形状のまま行われるためである。ウェーハテスト結果をウェーハ面内位置でマッピング表示することで、ウェーハ面上の不良位置が検出される。その代表的なのもが、メモリ製品で取得されるフェイルビットマップ（ＦＢＭ）である。ロジック製品、あるいはメモリ混載ロジック製品等では、チップ単位での良品（パス）あるいは不良品（フェイル）をマッピング表示したパス／ファイルマップが取得される。

ウェーハ面内の不良分布は大きく分けて、ウェーハ面上の位置に依らず均等に分布するランダム不良と、一部に偏って発生するクラスタリング不良の２種類がある。クラスタリング不良は、プロセスや製造装置等に起因したシステマティックな要因がある場合が多く、歩留り低下の大きな原因である。プロセスや製造装置等に起因する不良は、プロセスや製造装置固有の不良パターンをウェーハ面上に生じさせる。したがって、クラスタリング不良のパターン分析が不良発生原因解明の糸口であると見なせる。

ＬＳＩ等の電子装置の製造における不良原因検出は、同じクラスタリング不良が発生したウェーハあるいは製造ロットについて、クリーンルーム内での製造履歴を遡って行われる。例えば、同じクラスタリング不良が発生したウェーハに同一の工程で共通して処理された製造装置がないか調査する。不良原因の検出を行うために、クラスタリング不良を定量化した特徴量に関して、製造装置間で有意差検定を行う方法が提案されている（例えば、特許文献１参照）。
特開２００２−３５９２６６号公報（第３−４頁、第１図）

近年、特定用途向けに専用のＬＳＩ（ＡＳＩＣ）が開発されるようになってきた。ＡＳＩＣを生産する製造ラインでは、必然的に個々の品種の生産数は少ない一方、生産する製品の種類が多くなる、いわゆる少量多品種の生産を行っている。クラスタリング不良からその不良原因を検出するには、製造ライン全体で不良パターンの共通性を抽出しなければならない。しかし、特徴量は、個々の品種毎に計算アルゴリズムが作成されるため、品種の枠を越えてクラスタリング不良パターンの類似性を抽出することは困難である。品種によってチップサイズ、ウェーハ面上のチップ配置が異なり、さらにはウェーハテストで行われる電気的特性のテスト項目も品種毎に異なっているからである。少量多品種製造ラインで生産される一部の品種についてクラスタリング不良の共通性を抽出しても、製造ライン全体の不良を抽出したものでない。したがって、製造履歴データとの有意差検定を行っても、異常原因を検出することができない。また、発生しているクラスタリング不良が、一つの品種だけである場合、クラスタリング不良の発生原因は製造装置にはない可能性が高い。その結果、不良発生原因に対する対策が遅れてしまう。

本発明は、このような課題を解決し、少量多品種製造ラインで製造される製品に共通の不良パターンを定量化して分類することができ、不良発生原因の高感度な検知が可能な不良検出システム、不良検出方法及び不良検出プログラムを提供することを目的とする。

上記課題を解決するため、本発明の第１の態様は、（イ）複数品種の半導体装置の各ウェーハについて、ウェーハ上の複数のチップ領域に実施される電気的テストの結果に基づいて不良チップ領域を表示するパス／フェイルマップを取得するウェーハテスト情報入力ユニットと、（ロ）半導体装置製品間で類似する電気的テストを類似電気的テストに分類する類似テスト情報入力ユニットと、（ハ）ウェーハの面内に半導体装置製品の複数品種に共通の分割領域を設定する分割領域設定ユニットと、（ニ）分割領域のそれぞれに含まれる不良チップ領域数を類似電気的テスト毎に統計的に処理して特徴量を算出する特徴量計算ユニットと、（ホ）ウェーハ間で分割領域それぞれに対応する特徴量の相関係数を求め、相関係数を閾値と比較して不良チップ領域のクラスタリング不良パターンをカテゴリに分類するカテゴリ化ユニットとを備える不良検出システムであることを要旨とする。

本発明の第２の態様は、（イ）製造ラインで複数品種の半導体装置のウェーハを製造し、（ロ）ウェーハ上の複数のチップ領域に実施される電気的テストの結果に基づいて不良チップ領域を表示するパス／フェイルマップを取得し、（ハ）半導体装置間で類似する電気的テストを分類した類似電気的テストを取得し、（ニ）取得したウェーハの面内に半導体装置の複数品種に共通の分割領域を設定し、（ホ）分割領域のそれぞれに含まれる不良チップ領域数を類似電気的テスト毎に統計的に処理して特徴量を算出し、（ヘ）ウェーハ間で分割領域それぞれに対応する特徴量の相関係数を求め、相関係数を閾値と比較して不良チップ領域のクラスタリング不良パターンをカテゴリに分類することを含む不良検出方法であることを要旨とする。

本発明の第３の態様は、（イ）複数品種の半導体装置の各ウェーハについて、ウェーハ上の複数のチップ領域に実施される電気的テストの結果に基づいて不良チップ領域を表示するパス／フェイルマップを取得する命令と、（ロ）半導体装置間で類似する電気的テストを分類した類似電気的テストを取得する命令と、（ハ）ウェーハの面内に半導体装置の複数品種に共通の分割領域を設定する命令と、（ニ）分割領域のそれぞれに含まれる不良チップ領域数を類似電気的テスト毎に統計的に処理して特徴量を算出する命令と、（ホ）ウェーハ間で分割領域それぞれに対応する特徴量の相関係数を求め、相関係数を閾値と比較して不良チップ領域のクラスタリング不良パターンをカテゴリに分類する命令とをコンピュータに実行させるための不良検出プログラムであることを要旨とする。

本発明によれば、少量多品種製造ラインで製造される製品に共通の不良パターンを定量化して分類することができ、不良発生原因の高感度な検知が可能な不良検出システム、不良検出方法及び不良検出プログラムを提供することが可能となる。

以下図面を参照して、本発明の形態について説明する。以下の図面の記載において、同一または類似の部分には同一または類似の符号が付してある。但し、図面は模式的なものであり、装置やシステムの構成等は現実のものとは異なることに留意すべきである。したがって、具体的な構成は以下の説明を参酌して判断すべきものである。また図面相互間においても互いの構成等が異なる部分が含まれていることは勿論である。

（第１の実施の形態）
本発明の第１の実施の形態に係る不良検出システムは、図１に示すように、製品情報データベース５２、ウェーハテスト情報データベース５６、類似テスト情報データベース５８、分割領域データベース６２、特徴量データベース６４、不良カテゴリデータベース６６、及び中央処理制御装置(ＣＰＵ)６０等を備える。製品情報データベース５２は、生産管理サーバ５０に接続されている。また、ウェーハテスト情報データベース５６及び類似テスト情報データベース５８は、テスターサーバ５４に接続されている。ＣＰＵ６０には、入力装置８２、出力装置８４、プログラム記憶装置８６、及びデータ記憶装置８８が接続されている。更に、ＣＰＵ６０は、ウェーハテスト情報入力ユニット６８、製品情報入力ユニット７０、類似テスト情報入力ユニット７２、分割領域設定ユニット７４、特徴量計算ユニット７６、カテゴリ化ユニット７８及び不良カテゴリ解析ユニット８０等を備えている。

入力装置８２は、キーボード、マウス等の機器を指す。入力装置８２から入力操作が行われると対応するキー情報がＣＰＵ６０に伝達される。出力装置８４は、モニタなどの画面を指し、液晶表示装置（ＬＣＤ）、発光ダイオード（ＬＥＤ）パネル、エレクトロルミネッサンス（ＥＬ）パネル等が使用可能である。出力装置８４は、ＣＰＵ６０により制御され、電気的テストから得られるパス／フェイルマップやクラスタリング不良を定量化する特徴量の計算結果等を表示する。プログラム記憶装置８６は、不良パターンの定量化や相関の演算等をＣＰＵ６０に実行させるためのプログラムを保存している。データ記憶装置８８は、ＣＰＵ６０における演算において、計算途中や解析途中のデータを一時的に保存する。

製品情報データベース５２には、少量多品種製造ラインの管理を行う生産管理サーバ５０により複数の半導体装置の製品について、製造プロセスフローや使用した製造装置等のクリーンルーム内で実施される製造履歴等の製品情報が格納される。第１の実施の形態の説明に用いる製造ラインでは、図２に示すように、半導体装置として製品Ａ、製品Ｂ、及び製品Ｃ等の多品種が製造される。製品情報入力ユニット７０は、製品情報データベース５２から製造ラインで製造される製品Ａ、製品Ｂ、及び製品Ｃ等のそれぞれの半導体装置の情報を取得する。例えば、製品Ａはメモリ製品、製品Ｂはロジック製品、及び製品Ｃはメモリ混載ロジック製品である。製品Ａ、Ｂ、Ｃのそれぞれの半導体装置は、ウェーハ９０ａ、９０ｂ、９０ｃ上のチップ９２、９４、９６に作製される。製造ラインが同一であるため、ウェーハ９０ａ、９０ｂ、９０ｃは同一サイズである。しかし、品種により半導体装置の占有面積が異なるため、ウェーハ９０ａ、９０ｂ、９０ｃ面内でのチップ９２、９４、９６のサイズが異なり、チップ９２、９４、９６の配置やチップ数も異なっている。例えば図２に示したように、チップサイズが小さい製品Ａのチップ９２は、ウェーハ９０ａに配置されるチップ数が多い。チップサイズが大きい製品Ｃのチップ９６は、ウェーハ９０ｃに配置されるチップ数が少ない。チップサイズがチップ９２及び９６の中間である製品Ｂのチップ９４は、ウェーハ９０ｂに配置されるチップ数もチップ９２及び９６の中間の値となる。

ウェーハテスト情報データベース５６には、製造ライン上で各種の電気的テストを実施するテスターを管理するテスターサーバ５４により、取得されたウェーハテストの結果、例えばパス／フェイルマップ等が格納される。製品Ａ、Ｂ、Ｃそれぞれのウェーハに対して行われるウェーハテストには、図３に示すように、製品Ａ、Ｂ、Ｃ間で同じ電気的テスト項目もあるが、製品Ａ、Ｂ、Ｃ固有の電気的テスト項目も存在している。例えば、製品Ａでは、直流（ＤＣ）テスト、ファンクションテスト、及びマージンテスト等が行われる。製品Ｂでは、パワーショートテスト、ファンクションテスト、周波数テスト、及び他のロジックテスト等が行われる。製品Ｃでは、ＤＣテスト、アナログ・デジタル／デジタル・アナログ変換（ＡＤ／ＤＡ）１テスト、及びＡＤ／ＤＡ２テスト等が行われる。ウェーハテストで検出される各電気的テストの不良には、不良コードが定義されている。ＤＣ、ファンクション、マージン、パワーショート、周波数、他のロジック、ＡＤ／ＤＡ１、及びＡＤ／ＤＡ２テストそれぞれの不良コードは、ＤＣ、ＦＣ、ＭＡ、ＰＳ、ＦＱ、ＯＬ、Ａ１、及びＡ２である。

ここで、ＤＣ不良は、製品に電源を供給した時の消費電流値が異常であることを示す。ＦＣ不良は、回路が所望の動作をしないことを示す。ＭＡ不良は、メモリの書き込みあるいは読み出し動作速度が仕様範囲を満たしていないことを示す。ＰＳ不良は、製品に電源を供給した時、消費電流が過大であることを示す。ＦＱ不良は、ロジック回路の最大動作周波数が仕様を満たしていないことを示す。ＯＬ不良は、ロジック回路が所望の動作をしないことを示す。Ａ１不良は、回路中のアナログ／デジタルあるいはデジタル／アナログ変換回路が所望の動作をしないことを示す。Ａ２不良は、回路中のアナログ／デジタルあるいはデジタル／アナログ変換回路の動作特性が仕様を満たしていないことを示す。

また、類似テスト情報データベース５８には、図４に示すように、テスターサーバ５４により、異なる製品Ａ，Ｂ、Ｃで類似する電気的テスト項目を、類似電気的テスト１、類似電気的テスト２、及び類似電気的テスト３に分類した類似テスト情報が格納される。例えば、類似電気的テスト１の製品ＡのＤＣ不良及び製品ＢのＰＳ不良は、消費電流の異常という点で互いに類似する不良である。また、類似電気的テスト２の製品Ａ、ＢのＦＣ不良、製品ＢのＯＬ不良、及び製品ＣのＡ１不良は、各製品Ａ、Ｂ、Ｃの半導体装置が回路的に動作しない点で互いに類似する不良である。また、類似電気的テスト３の製品ＡのＭＡ不良、製品ＢのＦＱ不良、及び製品ＣのＡ２不良は、回路的には動作するが、動作特性が劣っているという点で互いに類似する不良である。類似電気的テスト１〜類似電気的テスト３の類似不良は、同じ不良原因により発生している可能性があるため、第１の実施の形態では、同じ不良として分類する。

ＣＰＵ６０のウェーハテスト情報入力ユニット６８は、ウェーハテスト情報データベース５６から取得した各ウェーハのパス／フェイルマップを、製品情報入力ユニット７０に渡す。製品情報入力ユニット７０は、ウェーハテスト情報入力ユニット６８で取得された各ウェーハに対して、製品情報データベース５２から取得した半導体装置の種類や製造履歴等の製造情報を付加する。類似テスト情報入力ユニット７２は、各ウェーハに実施された電気的テストに対して、類似テスト情報データベース５８から取得した類似電気的テスト１〜類似電気的テスト３のそれぞれに属する類似不良を取得する。

ウェーハテストでは、図２に示した製品Ａ、Ｂ、Ｃそれぞれのチップ９２、９４、９６それぞれのチップ領域毎に各電気的テストが行われる。例えば、ウェーハテストで得られた製品Ａ、Ｂ、Ｃのウェーハ番号１〜１３（以下、ウェーハ１、ウェーハ２、・・・、ウェーハ１３と表記する）それぞれのパス／フェイルマップ１００ａ〜１００ｍには、図５〜図７に示すように、電気的テスト結果に基づいて、良品チップ領域９２ａ、９４ａ、９６ａ及び対応する不良コードが印された不良チップ領域９２ｂ〜９２ｄ、９４ｂ〜９４ｅ、９６ｂ〜９６ｄが表示される。製品Ａ、Ｂ、Ｃには、ウェーハにより様々なクラスタリング不良が発生していることが分かる。

例えば、図５に示す製品Ａのウェーハ１では、パス／フェイルマップ１００ａの左下側エッジ付近にＤＣ不良の不良チップ領域９２ｂが発生している。ウェーハ２では、パス／フェイルマップ１００ｂの中央部付近にＦＣ不良の不良チップ領域９２ｃが発生している。ウェーハ３では、パス／フェイルマップ１００ｃの右下側エッジ付近にＭＡ不良の不良チップ領域９２ｄが発生している。また、ウェーハ４では、パス／フェイルマップ１００ｄのエッジ全体にＤＣ不良の不良チップ領域９２ｂが発生している。

また、図６に示す製品Ｂのウェーハ５では、パス／フェイルマップ１００ｅの左下側エッジ付近にＰＳ不良の不良チップ領域９４ｂが発生している。ウェーハ６では、パス／フェイルマップ１００ｆの中央部付近にＯＬ不良の不良チップ領域９４ｅが発生している。ウェーハ７では、パス／フェイルマップ１００ｇの右下側エッジ付近にＦＱ不良の不良チップ領域９４ｄが発生している。ウェーハ８では、パス／フェイルマップ１００ｈの中央部付近にＯＬ不良の不良チップ領域９４ｅ及びＦＣ不良の不良チップ領域９４ｃが混在して発生している。また、ウェーハ９では、パス／フェイルマップ１００ｉの左下半面にＯＬ不良の不良チップ領域９４ｅが発生している。

また、図７に示す製品Ｃのウェーハ１０では、パス／フェイルマップ１００ｊの左下側エッジ付近にＤＣ不良の不良チップ領域９６ｂが発生している。ウェーハ１１では、パス／フェイルマップ１００ｋの中央部付近にＡ１不良の不良チップ領域９６ｃが発生している。ウェーハ１２では、パス／フェイルマップ１００ｌの右下側エッジ付近にＡ２不良の不良チップ領域９６ｄが発生している。更に、ウェーハ１３では、パス／フェイルマップ１００ｍの縦方向にＡ２不良の不良チップ領域９６ｄが周期的に並んで発生している。

製品Ａのウェーハ１と製品Ｃのウェーハ１０では、製品は異なるが、同じＤＣ不良のクラスタリング不良がパス／フェイルマップの左下側エッジ付近に発生している。また、製品Ｂのウェーハ５では、ＰＳ不良のクラスタリング不良がウェーハ１及びウェーハ１０と同様にパス／フェイルマップの左下側エッジ付近に発生している。このように、ウェーハ１、ウェーハ５、及びウェーハ１０は、製品はそれぞれ異なるが、類似不良のクラスタリング不良パターンを示している。製品Ａのウェーハ２、製品Ｂのウェーハ６、ウェーハ８、及び製品Ｃのウェーハ１１では、ＦＣ不良、ＯＬ不良及びＡ１不良の類似不良がパス／フェイルマップの中央部付近に発生したクラスタリング不良パターンを示している。同様に、製品Ａのウェーハ３、製品Ｂのウェーハ７、及び製品Ｃのウェーハ１２でも、ＭＡ不良、ＦＱ不良、及びＡ２不良の類似不良がパス／フェイルマップの右下側エッジ付近に発生したクラスタリング不良パターンを示している。一方、製品Ａのウェーハ４、製品Ｂのウェーハ９、及び製品Ｃのウェーハ１３に発生しているクラスタリング不良のそれぞれは、独自のクラスタリング不良パターンを示している。

例えば、同じクラスタリング不良パターンが異なる製品に渡って発生している場合、異なる製品を生産している製造ラインに共通の不具合があると考えられる。一方、特定の製品にだけにしか発生しないクラスタリング不良パターンがある場合、特定の製品の設計・仕様等の製品固有の不良原因があると考えられる。このように、異なる製品間の不良発生形態を調査することで、不良原因の所在を推測することができる。そのために、少量多品種製造ラインにおけるクラスタリング不良パターンの分類は、全生産製品を対象に行うことが重要である。

図１に示した分割領域データベース６２は、半導体装置の種類に依らないで共通する領域分割方法によりウェーハ面内に設定された分割領域を格納する。ＣＰＵ６０の分割領域設定ユニット７４は、分割領域データベース６２からウェーハ面に設定される分割領域のデータを取得し、ウェーハテスト情報入力ユニット６８で取得されたパス／フェイルマップについて各分割領域に属するチップ群を求める。

第１の実施の形態では、図８に示すように、ウェーハ９０の面内に、各製品Ａ、Ｂ、Ｃに依存しない共通した分割領域を設定する。例えば、ウェーハ９０の中心Ｃを中心とする分割円ＤＲ₁〜ＤＲ₃、及び中心Ｃとウェーハ９０のエッジを結ぶ分割線ＤＬ₁〜ＤＬ₈を設ける。ウェーハ９０の半径をｒとすると、分割円ＤＲ₁及びＤＲ₂の半径は、（ｒ／２）及び（ｒ＊３／４）である。また、分割円ＤＲ₃の半径は、分割円ＤＲ₃とウェーハ９０のエッジ間に最外周のチップの面積が少なくとも半分以上おさまるように設定されている。また、ウェーハ９０の中心Ｃからウェーハ９０のエッジに垂直な線分の分割線ＤＬ₁から、時計回り方向に角度４５度のステップで分割線ＤＬ₂〜ＤＬ₈が設定されている。分割円ＤＲ₁〜ＤＲ₃及び分割線ＤＬ₁〜ＤＬ₈を組み合わせて、図９に示すように、分割領域番号１〜１５０の分割領域を設定する。ここで、分割領域“［ＤＲ₃外側］∨［ＤＬ₃−ＤＬ₄−ＤＬ₅−ＤＬ₆−ＤＬ₇］”は、ウェーハ９０の分割線ＤＲ₃の外側の領域と、分割線ＤＬ₃及びＤＬ₇で区切られＤＬ₄〜ＤＬ₆を含む領域との論理積である。例えば、図９の分割領域番号２の第２分割領域ＤＡ₂は、図１０に示す斜線部となる。また、分割領域番号７６の第７６分割領域ＤＡ₇₆は、図１０に示すクロスハッチ部となる。なお、各分割領域の面積はチップ面積より大きくなるよう設定されている。

分割領域設定ユニット７４は、設定した各分割領域に５０％以上の面積が含まれるチップについて、各分割領域に属するチップ群と判定する。各分割領域に属するチップ群の情報は、分割領域データベース６２に格納される。例えば、製品Ａ、Ｂ、Ｃのウェーハ９０ａ、９０ｂ、９０ｃそれぞれの第７６分割領域ＤＡ₇₆には、図１１〜図１３のクロスハッチで示すように、少なくとも一つ以上のチップを含むチップ群１０２、１０４、１０６が設定される。製品Ａのウェーハ９０ａでは、図１１に示すように、第７６分割領域ＤＡ₇₆に設定されたチップ群１０２には、８個のチップが属する。また、製品Ｂのウェーハ９０ｂでは、図１２に示すように、第７６分割領域ＤＡ₇₆に設定されたチップ群１０４には、４個のチップが属する。また、製品Ｃのウェーハ９０ｃでは、図１３に示すように、第７６分割領域ＤＡ₇₆に設定されたチップ群１０６には、１個のチップが属する。

特徴量計算ユニット７６は、各ウェーハのパス／フェイルマップに基づいて、各分割領域のチップ群に含まれる電気的テストのそれぞれに対する不良チップ数を統計的に処理して特徴量を算出し、特徴量データベース６４に格納する。第１の実施の形態では、異なる製品間でのクラスタリング不良パターンの比較を行うために、各製品のクラスタリング不良パターンを共通する特徴量で定量化する。クラスタリング不良パターンの定量化のために、特徴量は図９で定義した各分割領域に属するチップ群についての不良数に関する統計量として、チップ群に含まれる不良チップ数と全チップ数の比の不良密度を求める。実施される電気的テストは、各製品によって異なるため、電気的テスト毎に不良密度が計算される。各ウェーハで計算された不良密度は、製品毎に電気的テスト及び分割領域番号を表示した表にして特徴量データベース６４に格納される。例えば、製品Ａでは、図１４に示すように、各ウェーハの不良密度が電気的テスト及び分割領域番号毎に示されている。また、特徴量計算ユニット７６は、図４に示した類似電気的テスト１〜類似電気的テスト３に基づいて、製品Ａ、Ｂ、Ｃで実施される電気的テストを分類して表にまとめる。例えば、製品Ｂでは、図４に示した互いに類似するファンクションテスト及び他のロジックテストに対する不良密度の成分が加算されている。

カテゴリ化ユニット７８は、特徴量データベース６４から、全製品のウェーハの特徴量を取得し、各ウェーハ間で特徴量の相関を求めてクラスタリング不良パターンのカテゴリ化を行う。カテゴリ化を行うため、カテゴリ化ユニット７８は、図１５に示すように、例えば製品Ａのウェーハ１と製品Ｂのウェーハ５について、類似電気的テスト１〜類似電気的テスト３に対して同一の分割領域での不良密度の各成分を対応させる。製品Ａのウェーハ１及び製品Ｂのウェーハ５について求めた図１５の表より、対応する不良密度成分を散布図にしたグラフを図１６に示す。図１６に示した散布図より求まる製品Ａのウェーハ１及び製品Ｂのウェーハ５の不良密度の相関係数Ｒは、０．９２となる。このように、不良密度の相関係数Ｒが高い値を示すことから、製品Ａのウェーハ１及び製品Ｂのウェーハ５の不良パターンは互いに類似していると判定できる。他の２ウェーハ間の組み合わせについても同様に、類似電気的テスト１〜類似電気的テスト３に対して同一の分割領域の特徴量成分を対応させた表から不良密度成分の散布図を作成する。

作成した散布図に基づいて、図１７に示すように、全てのウェーハの組について相関係数Ｒを求める。相関係数Ｒが予め設定した閾値以上であるウェーハの組の不良パターンは互いに類似と判定する。例えば、相関係数Ｒの閾値を０．８に設定し、図１７のウェーハ１〜ウェーハ１３間の組み合わせの相関係数Ｒから、クラスタリング不良パターンを分類する。第１の実施の形態では、図１８及び図１９に示すように、ウェーハ１〜ウェーハ１３のパス／フェイルマップ１００ａ〜１００ｍに示されたクラスタリング不良パターンはカテゴリ１〜カテゴリ６に分類することができる。例えば、製品Ａのウェーハ１と、製品Ｂのウェーハ５及び製品Ｃのウェーハ１０との相関係数Ｒは、それぞれ０．９２及び０．９１である。また、製品Ｂのウェーハ５と製品Ｃのウェーハ１０との相関係数Ｒは０．８７である。ウェーハ１、ウェーハ５、及びウェーハ１０をカテゴリ化し、識別子カテゴリ１を付す。同様にして、製品Ａのウェーハ２、製品Ｂのウェーハ６、ウェーハ８、及び製品Ｃのウェーハ１１がカテゴリ２にカテゴリ化される。また、製品Ａのウェーハ３、製品Ｂのウェーハ７、及び製品Ｃのウェーハ１２がカテゴリ３にカテゴリ化される。図１９に示したカテゴリ４〜カテゴリ６の製品Ａのウェーハ４、製品Ｂのウェーハ９、及び製品Ｃのウェーハ１３には、それぞれ独自のクラスタリングパターンを示す。カテゴリ化ユニット７８は、ウェーハ間の不良パターンの相関に基づいて取得されたクラスタリング不良パターンのカテゴリを不良カテゴリデータベース６６に格納する。

不良カテゴリ解析ユニット８０は、不良カテゴリデータベース６６から、カテゴリ化されたクラスタリング不良パターンの各カテゴリに属するウェーハの製造履歴に基づいて、製造装置履歴の偏りを統計的に解析して不良原因の判定を行う。ウェーハ１〜ウェーハ１３のパス／フェイルマップ１００ａ〜１００ｍには、図１８及び図１９に示したように、カテゴリ１〜カテゴリ６のクラスタリング不良パターンが発生している。上記したように、図１８に示したカテゴリ１〜カテゴリ３には、複数の製品に渡って共通したクラスタリング不良パターンが発生していることが分かる。したがって、カテゴリ１〜カテゴリ３に属するクラスタリング不良は製造ライン起因の不良であると判定できる。各不良カテゴリに属するウェーハの製造装置履歴の偏りをカイ２乗（χ²）検定で解析することで、原因となった製造装置を検出することが可能となる。

製造装置履歴の偏りを検出するために、まず、着目するクラスタリング不良パターンが存在するウェーハ及び存在しないウェーハの集合を形成する。プロセスｐにおいて、ｎ台の製造装置ｍ１、ｍ２、・・・、ｍｎが使用されているとする。調査対象とする期間において、各製造装置ｍ１、ｍ２、・・・、ｍｎの処理ウェーハ数を、ａ１、ａ２、・・・、ａｎと表記する。ａｉ（ｉ＝１，２，・・・ｎ）は製造装置ｍｉの処理ウェーハ数を表す。ここで、プロセスｐでの総処理ウェーハ数は、
Ａ＝ａ１＋ａ２＋・・・＋ａｎ （１）
である。また、着目するクラスタリング不良パターンが存在するウェーハの各製造装置ｍ１、ｍ２、・・・、ｍｎでの不良ウェーハ数を、ｆ１、ｆ２、・・・、ｆｎと表記する。ｆｉは製造装置ｍｉが処理した不良ウェーハ数を表す。ここで、総不良ウェーハ数は、
Ｆ＝ｆ１＋ｆ２＋・・・＋ｆｎ （２）
である。

次に、各製造装置ｍ１、ｍ２、・・・、ｍｎの不良ウェーハ数ｆ１、ｆ２、・・・、ｆｎの期待値を、ｅ１、ｅ２、・・・、ｅｎと表記する。ここで、不良ウェーハ数ｆｉの期待値ｅｉは、
ｅｉ＝Ｆ＊ａｉ／Ａ （３）
である。不良ウェーハ数ｆｉのχ²値を
χ²ｉ＝（ｆｉ−ｅｉ）²／ｅｉ （４）
とする。そして、工程ｐにおける製造装置の偏りの検定値を、
χ²ｐ＝χ²１＋χ²２＋・・・＋χ²ｎ （５）
で求める。製造装置の偏りの検定値χ²ｐを、自由度（ｎ−１）のχ²分布関数ｆ（χ²，ｎ−１）に代入して、
ｆ（χ²ｐ，ｎ−１）＜０．０５ （６）
であれば、９５％以上の信頼度で工程ｐにおける製造装置の偏りがあると判定される。検定値χ²ｐが大きいほど、ｆ（χ²ｐ，ｎ−１）は小さくなる。例えば、プロセスｐで６台の製造装置ｍ１〜ｍ６が使用されている場合、検定値χ²ｐは１１以上であれば、不等式（６）の条件を満たす。なお、製造装置履歴データがウェーハ単位ではなく、ロット単位で存在する場合は、クラスタリング不良パターンが存在するロットと存在しないロットの集合を形成すればよい。その場合、上記に示した手順においてウェーハをロットに読み替えればよい。

通常は、少量多品種製造ラインで製造される製品毎に不良パターンの分類が行われているため、断片的な不良発生状況しか把握できない。その結果、発生頻度の低いクラスタリング不良パターンでは原因となる製造装置の検出が極めて困難である。本発明の第１の実施の形態に係る不良検出システムでは、全ての製品を対象としてクラスタリング不良パターンの分類が行われる。その結果、製造ライン全体での不良発生状況が分かり、各製品で発生する同様のクラスタリング不良をカテゴリ化することにより、発生頻度の低いクラスタリング不良パターンの原因となる製造装置の検出が可能となる。

一方、図１９のカテゴリ４〜カテゴリ６は、各々１つの製品でのみしか発生していない。このように、同じ製造ラインで処理されているにも関わらず、特定の製品でしかクラスタリング不良が発生しない場合は、製造装置の要因よりも、製品の仕様や設計等に問題がある比率が高いと推定される。各製品の仕様や設計条件を見直すことで、不良原因を検出することが可能となる。

次に、本発明の第１の実施の形態に係る不良検出方法を、図２０に示すフローチャートを用いて説明する。不良検出の対象となる多品種の半導体装置のウェーハは、製造ラインで製造され、図１に示した生産管理サーバ５０により各ウェーハの製造情報が製品情報データベース５２に格納されている。

（イ）まず、製造されたウェーハには、製造ライン上でテスターを用いて半導体装置の品種に対応する各種の電気的テストによるウェーハテストが実施される。ウェーハテストの結果は、テスターを管理するテスターサーバ５４によりウェーハテスト情報データベース５６に格納される。

（ロ）ステップＳ２００で、図１に示したＣＰＵ６０のウェーハテスト情報入力ユニット６８により、複数のウェーハのウェーハテストの結果が格納されたウェーハテスト情報データベース５６から、ウェーハ毎に各種の電気的テストの不良コードが付加されたパス／フェイルマップが取得される。

（ハ）ステップＳ２０１で、製品情報入力ユニット７０により、製造ラインで製造される半導体装置製品の品種、プロセス、及び製造装置等の製品情報が製品情報データベース５２から取得され、各ウェーハのパス／フェイルマップに付加される。

（ニ）ステップＳ２０２で、類似テスト情報入力ユニット７２により、ウェーハテストで各ウェーハに実施される電気的テストを類似不良に対応して分類した類似テスト情報が類似テスト情報データベース５８から取得される。

（ホ）ステップＳ２０３で、分割領域設定ユニット７４により、半導体装置製品の種類に依存しない方法によりウェーハ面内に設定された分割領域が分割領域データベース６２から取得される。更に、分割領域設定ユニット７４により、ウェーハテスト情報入力ユニット６８で取得されたパス／フェイルマップについて各分割領域に属するチップ群が求められる。ステップＳ２０４で、対象の全製品の全ウェーハについて分割領域が設定されるまで、ステップＳ２０３の分割領域の設定が繰り返される。

（ヘ）ステップＳ２０５で、特徴量計算ユニット７６により、各ウェーハのパス／フェイルマップに基づいて、各分割領域のチップ群に含まれる不良チップ数を統計的に処理して特徴量、例えば不良密度が算出される。更に、ステップＳ２０６で、類似テスト情報に基づいて同一ウェーハのパス/フェイルマップの類似不良の不良密度が加算される。各ウェーハのパス/フェイルマップで算出された不良密度は、特徴量データベース６４に格納される。ステップＳ２０７で、全ての対象となるウェーハについて不良密度が算出されるまで、ステップＳ２０５及びステップＳ２０６の不良密度の計算が繰り返される
（ト）ステップＳ２０８で、カテゴリ化ユニット７８により、特徴量データベース６４から取得した全製品のウェーハの不良密度について、各ウェーハ間で不良密度の相関係数Ｒが算出される。ステップＳ２０９で、全ての対象となるウェーハの組の相関係数Ｒが計算されるまで、ステップＳ２０８の相関係数Ｒの計算が繰り返される。更に、カテゴリ化ユニット７８により、ステップＳ２１０で、相関係数Ｒが予め設定した閾値以上であるウェーハの組の不良パターンは互いに類似と判定して分類し、クラスタリング不良パターンのカテゴリ化が行われる。カテゴリ化されたクラスタリング不良パターンは、不良カテゴリデータベース６６に格納される。

（チ）ステップＳ２１１で、不良カテゴリ解析ユニット８０により、不良カテゴリデータベース６６から、カテゴリ化されたクラスタリング不良パターンの各カテゴリに属するウェーハのパス／フェイルマップが取得される。同一カテゴリに属するウェーハが複数の製品に渡って存在する場合、カテゴリに属する各ウェーハの製造履歴に基づいて、製造装置履歴の偏りを統計的に解析して不良原因となる製造装置の検出が行われる。

このように、チップサイズが異なる半導体装置製品を製造し、且つ、ウェーハテストとして各種の電気的テストが行われる少量多品種製造ラインにおいて、製品に依らないチップサイズ以上の領域分割を設定する。また、類似する電気的テストを関連付け、各分割領域の類似不良を電気的テストの種類について定量化した特徴量を算出する。したがって、全ての製品を対等に扱う定量化が可能となり、製品を越えた不良パターン分類を行うことができる。これにより少量多品種製造ラインでの不良検出方法が可能となる。

なお、第１の実施の形態では、製造ラインの全生産品種を対象としたが、製造ラインの状況により一部の製品に限定してもよい。例えば、意図的に全く異なる製造条件で生産された製品があり、量産品種と区別したい場合は、該当する品種を除いて第１の実施の形態に係る不良検出方法を適用すればよい。

（第２の実施の形態）
本発明の第２の実施の形態に係る不良検出システムは、図２１に示すように、製品情報データベース５２、ウェーハテスト情報データベース５６、類似テスト情報データベース５８、分割領域データベース６２、特徴量データベース６４、不良カテゴリデータベース６６、及びＣＰＵ６０ａ等を備える。製品情報データベース５２は、生産管理サーバ５０に接続されている。また、ウェーハテスト情報データベース５６及び類似テスト情報データベース５８は、テスターサーバ５４に接続されている。ＣＰＵ６０ａには、入力装置８２、出力装置８４、プログラム記憶装置８６、及びデータ記憶装置８８が接続されている。更に、ＣＰＵ６０ａは、ウェーハテスト情報入力ユニット６８、製品情報入力ユニット７０、類似テスト情報入力ユニット７２、分割領域設定ユニット７４、特徴量計算ユニット７６、カテゴリ化ユニット７８、不良カテゴリ解析ユニット８０及び分割領域最適化ユニット８１等を備えている。

第２の実施の形態に係る不良検出システムは、図１に示した第１の実施の形態に係る不良検出システムと比較すれば、ＣＰＵ６０ａに分割領域最適化ユニット８１を備えている点が異なる。他の構成は第１の実施の形態と同様であるので、重複する記載は省略する。

分割領域設定ユニット７４は、分割領域データベース６２から複数の設定方法によりウェーハ面に設定される複数の分割領域設定を取得する。複数の分割領域設定のそれぞれについて、特徴量計算ユニット７６、カテゴリ化ユニット７８及び不良カテゴリ解析ユニットにより、カテゴリ化された不良カテゴリに属する各ウェーハの製造履歴に基づいて、製造装置履歴の偏りを統計的に解析して不良原因となる製造装置の検出が行われる。分割領域最適化ユニット８１は、複数の分割領域設定のそれぞれで取得された不良カテゴリの類似性を判定し、類似する不良カテゴリのそれぞれについて製造装置履歴の偏りの検定値を比較することにより、不良原因となるプロセス及び製造装置を検出する。

第１の実施の形態では、図８に示したように、ウェーハ９０の面を分割円ＤＲ₁〜ＤＲ₃で４区分、分割線ＤＬ₁〜ＤＬ₈で８区分し、半導体装置製品に依存しない共通した分割領域を設定している。各分割領域の面積はチップ面積より大きくなるよう設定されている。このようにして、各ウェーハから得られたパス／フェイルマップのクラスタリング不良パターンを分類することができる。しかし、クラスタリング不良パターンには様々なサイズがあり、図８に示した領域分割方法が最適とは必ずしも言えない。分割領域がクラスタリング不良パターンに対して不適切であると、不良カテゴリ内に異質な不良パターンを持つウェーハ、あるいはロットのパス／フェイルマップが混入して分類される可能性がある。製造装置履歴の偏りを統計検定するとき、不良原因製造装置が検知できなくなることや、検出感度が低くなり、誤った結果を出力することもある。

例えば、図８に示した領域分割方法で新たに少量多品種製造ラインの全生産製品についてクラスタリング不良パターンの分類を行う。その結果、図２２に示すように、新たに不良カテゴリとして、カテゴリ７及びカテゴリ８が分類されている。図２２では代表的な例として、カテゴリ７及びカテゴリ８に属するウェーハのパス／フェイルマップ１００ｎ、１００ｏが示されている。例えば、カテゴリ７は、ＦＣ不良の不良チップ領域９４ｃがパス／フェイルマップ１００ｎの右側に多数存在する大きなサイズのクラスタリング不良パターンである。一方、カテゴリ８は、ＤＣ不良の不良チップ領域９６ｂがパス／フェイルマップ１００ｏの左下側に少数存在する小さなサイズのクラスタリング不良パターンである。カテゴリ７、８それぞれに属するウェーハのプロセス及び製造装置履歴を取得し、不良ウェーハの処理数の偏りをχ²検定で解析する。その結果、カテゴリ７では、最も高い検定値１３．６を示しているプロセス番号１３６の製造装置Ｍ１が異常と判定される。また、カテゴリ８では、最も高い検定値１２．７を示しているプロセス番号９６の製造装置Ｐ１が異常と判定される。

第２の実施の形態では、ウェーハ面内の分割領域設定を変化させて、同様のクラスタリング不良パターンのカテゴリ化、プロセス及び製造装置履歴の検定を行う。領域分割方法として、分割円の区分数を、第１の実施の形態の４区分だけでなく、１〜ｊ区分とする。また、分割線の区分数を、第１の実施の形態の８区分だけでなく、２〜ｋ区分とする。１〜ｊ区分の分割円及び２〜ｋ区分の分割線の組み合わせにより、例えばｎ通りの領域分割方法を設定し、予め分割領域データベース６２に格納する。例えば、領域分割の一例では、図２３に示すように、５区分の分割円ＤＲ₁〜ＤＲ₄、及び８区分の分割線ＤＬ₁〜ＤＬ₈を用いている。また、領域分割の他の例では、図２４に示すように、３区分の分割円ＤＲ₁、ＤＲ₂、及び１２区分の分割線ＤＬ₁〜ＤＬ₁₂を用いている。

分割領域設定ユニット７４は、分割領域データベース６２に格納されている領域分割方法に基づいて複数の分割領域設定を各ウェーハのパス／フェイルマップに実施する。分割領域最適化ユニット８１は、分割領域設定のそれぞれに対してパス／フェイルマップから得られたクラスタリング不良パターンのカテゴリ間の類似性を判定する。判定は、異なる領域分割設定で得られるカテゴリのそれぞれに属するウェーハの製品名、ロット番号、ウェーハ番号等の製品情報を調査し、同じ製品情報のウェーハが含まれている割合がカテゴリのそれぞれで閾値以上あった場合、それぞれのカテゴリは類似していると判定する。類似していると判定されたクラスタリング不良パターンは同じカテゴリに分類され、不良カテゴリデータベース６６に格納される。第２の実施の形態では、例えば類似判定の閾値として４０％を用いる。図２２に示したカテゴリ７、８に類似すると判定された複数の領域分割方法に対する検定の結果が、図２５に示されている。

図２５より、カテゴリ７に対しては、領域分割方法に対する検定値の変化より、最適な領域分割方法Ｄ１が存在している。領域分割方法Ｄ１は、２区分の分割円及び５区分の分割線を用いている。領域分割方法Ｄ１で得たカテゴリ７の不良ウェーハ数で、製造装置履歴の偏りに関する検定を行う。その結果、図２２の領域分割方法よりも高い検定値２７．６で、同じプロセス番号１３６及び製造装置Ｍ１が異常と判定されている。一方、カテゴリ８に対しては、領域分割方法に対する検定値の変化より、最適な領域分割方法Ｄ２が存在している。領域分割方法Ｄ２は、６区分の分割円及び１２区分の分割線を用いている。領域分割方法Ｄ２で得られたカテゴリの不良ウェーハ数で製造装置履歴の偏りに関する検定を行う。その結果、図２２の領域分割方法よりも高い検定値２４．３で、別のプロセス番号８２及び製造装置Ｐ２が異常と判定されている。図２２で取得されたカテゴリには、別のクラスタリング不良パターンを持つウェーハが混入して、製造装置履歴の偏りに関する検定に誤りが生じる。第２の実施の形態に係る不良検出システムでは、複数の領域分割方法を用いることにより、発生しているクラスタリング不良パターンに最適な領域分割方法が選択される。したがって、少量多品種の製造ラインでも、クラスタリング不良パターンのカテゴリ化エラーを低減させ、不良原因となるプロセス及び製造装置を高感度に検出することが可能となる。

次に、本発明の第２の実施の形態に係る不良検出方法を、図２６に示すフローチャートを用いて説明する。不良検出の対象となる多品種の半導体装置のウェーハは、製造ラインで製造され、ウェーハテストが実施されている。

（イ）まず、ステップＳ４０１で、図２１に示したＣＰＵ６０ａのウェーハテスト情報入力ユニット６８により、複数のウェーハのウェーハテストの結果が格納されたウェーハテスト情報データベース５６から、パス／フェイルマップが取得される。

（ロ）ステップＳ４０２で、製品情報入力ユニット７０により、製造ラインで製造される半導体装置製品の製品情報が製品情報データベース５２から取得され、各ウェーハのパス／フェイルマップに付加される。

（ハ）ステップＳ４０３で、類似テスト情報入力ユニット７２により、ウェーハテストで各ウェーハに実施される電気的テストを類似不良に対応して分類した類似テスト情報が類似テスト情報データベース５８から取得される。

（ニ）ステップＳ４０４で、領域分割方法Ｉ（Ｉ＝１〜ｎ）に対して、Ｉ＝１とし、分割領域設定ユニット７４により、ステップＳ４０５で、領域分割方法１が分割領域データベース６２から取得される。更に、分割領域設定ユニット７４により、ウェーハテスト情報入力ユニット６８で取得されたパス／フェイルマップについて領域分割方法１で分割された各分割領域に属するチップ群が求められる。ステップＳ４０６で、対象の全製品の全ウェーハについて分割領域が設定されるまで、分割領域方法１の設定が繰り返される。

（ホ）ステップＳ４０７で、特徴量計算ユニット７６により、各ウェーハのパス／フェイルマップに基づいて、各分割領域のチップ群に含まれる不良チップ数を統計的に処理して特徴量が算出される。更に、ステップＳ４０８で、類似テスト情報に基づいて同一ウェーハのパス/フェイルマップの類似不良の特徴量が加算される。各ウェーハのパス/フェイルマップで算出された特徴量は、特徴量データベース６４に格納される。ステップＳ４０９で、全ての対象となるウェーハについて特徴量が算出されるまで、ステップＳ４０７及びステップＳ４０８の特徴量の計算が繰り返される
（ヘ）ステップＳ４１０で、カテゴリ化ユニット７８により、特徴量データベース６４から取得した全製品のウェーハの特徴量について、各ウェーハ間で特徴量の相関係数Ｒが算出される。ステップＳ４１１で、全ての対象となるウェーハの組の相関係数Ｒが計算されるまで、ステップＳ４１０の相関係数Ｒの計算が繰り返される。更に、カテゴリ化ユニット７８により、ステップＳ４１２で、相関係数Ｒが予め設定した閾値以上であるウェーハの組の不良パターンを互いに類似と判定して分類し、クラスタリング不良パターンのカテゴリ化が行われる。カテゴリ化されたクラスタリング不良パターンは、不良カテゴリデータベース６６に格納される。

（ト）ステップＳ４１３で、不良カテゴリ解析ユニット８０により、不良カテゴリデータベース６６から、カテゴリ化されたクラスタリング不良パターンの各カテゴリに属するウェーハのパス／フェイルマップが取得される。同一カテゴリに属するウェーハが複数の製品に渡って存在する場合、カテゴリに属する各ウェーハの製造履歴に基づいて、製造装置履歴の偏りを統計的に解析して不良原因となる製造装置の検定値が算出される。

（チ）ステップＳ４１４で、領域分割方法１を領域分割方法２として、ステップＳ４１５で、領域分割方法ｎとなるまで、ステップＳ４０５〜Ｓ４１４の処理を繰り返す。

（リ）ステップＳ４１６で、分割領域最適化ユニット８１により、領域分割方法１〜領域分割方法ｎによる分割領域設定のそれぞれに対してパス／フェイルマップから得られたクラスタリング不良パターンのカテゴリ間の類似性が判定される。類似していると判定されたクラスタリング不良パターンは同一カテゴリに分類され、不良カテゴリデータベース６６に格納される。更に、分割領域最適化ユニット８１により、同一カテゴリに属するウェーハが複数の領域分割方法に渡って存在する場合、カテゴリに属する各領域分割方法のそれぞれに対して算出された検定値を比較し、最大の検定値を与える領域分割方法により、不良原因となるプロセス及び製造装置の検出が行われる。

このように、本発明の第２の実施の形態に係る不良検出方法によれば、複数の領域分割方法を用いて、類似するクラスタリング不良パターンのカテゴリ化を行い、同一カテゴリに属する不良ウェーハ数の検定を領域分割方法のそれぞれに対して行う。したがって、少量多品種の製造ラインでも、クラスタリング不良パターンのカテゴリ化エラーを低減させ、不良原因となるプロセス及び製造装置を高感度に検出することが可能となる。

（その他の実施の形態）
上記のように、本発明の実施の形態を記載したが、この開示の一部をなす論述及び図面はこの発明を限定するものであると理解すべきではない。この開示から当業者にはさまざまな代替実施の形態、実施例及び運用技術が明らかとなろう。

本発明の第１及び第２の実施の形態においては、特徴量として不良密度を用いて説明している。しかし、特徴量として他の統計量を用いてもよい。例えば各分割領域への不良の偏りの程度を定量化したものでもよい。定量化の方法として、着目する分割領域の不良密度をｆ１、着目する分割領域以外の領域の不良密度をｆ０とした時、
ｋ＝１−２＊ｆ０／（ｆ１＋ｆ０） （７）
を特徴量としてもよい。偏りｋは着目する分割領域に完全に不良が偏った場合は＋１、不良が均等に分布した時は０、着目する分割領域以外に不良が偏った場合は−１の値をとり、不良の偏りの程度に応じて＋１から−１までの連続値をとる。また、別の定量化の方法として、分割領域への不良の偏りをχ²検定で求めてもよい。この場合、着目する分割領域の面積をＡ１、それ以外の領域の面積をＡ０として、
ｅ１＝（ｆ１＋ｆ０）＊Ａ１／（Ａ１＋Ａ０） （８）
ｅ２＝（ｆ１＋ｆ０）＊Ａ０／（Ａ１＋Ａ０） （９）
より、
χ²＝（ｆ１−ｅ１）²／ｅ１＋（ｆ０−ｅ０）²／ｅ０ （１０）
を求め、χ²値を特徴量として用いてもよい。

このように、本発明はここでは記載していないさまざまな実施の形態等を含むことは勿論である。したがって、本発明の技術的範囲は上記の説明から妥当な特許請求の範囲に係わる発明特定事項によってのみ定められるものである。

本発明の第１の実施の形態に係る不良検出システムの構成の一例を示すブロック図である。 本発明の第１の実施の形態の説明に用いる少量多品種製造ラインの生産品種の一例を示す表である。 本発明の第１の実施の形態の説明に用いる電気的テスト項目の一例を示す表である。 本発明の第１の実施の形態の説明に用いる互いに類似する電気的テストモードのグループ化の一例を示す表である。 本発明の第１の実施の形態の説明に用いる製品Ａのウェーハテスト結果の一例を示す図である。 本発明の第１の実施の形態の説明に用いる製品Ｂのウェーハテスト結果の一例を示す図である。 本発明の第１の実施の形態の説明に用いる製品Ｃのウェーハテスト結果の一例を示す図である。 本発明の第１の実施の形態の説明に用いるウェーハ面内の領域分割方法の一例を示す図である。 本発明の第１の実施の形態の説明に用いるウェーハ面内に設定した分割領域の一例を示す表である。 本発明の第１の実施の形態の説明に用いるウェーハ面内に設定した分割領域の一例を示す図である。 本発明の第１の実施の形態の説明に用いる製品Ａに設定した分割領域に含まれるチップ群の一例を示す図である。 本発明の第１の実施の形態の説明に用いる製品Ｂに設定した分割領域に含まれるチップ群の一例を示す図である。 本発明の第１の実施の形態の説明に用いる製品Ｃに設定した分割領域に含まれるチップ群の一例を示す図である。 本発明の第１の実施の形態の説明に用いる特徴量の各成分の一例を示す表である。 本発明の第１の実施の形態の説明に用いる類似する電気的テストに対して同一の分割領域で２ウェーハの特徴量成分を対応させた一例を示す表である。 本発明の第１の実施の形態の説明に用いる類似する電気的テストに対して同一の分割領域の特徴量成分で作成した散布図である。 本発明の第１の実施の形態の説明に用いる全ての分類対象ウェーハの組で求めた特徴量成分の相関係数の一例を示す表である。 本発明の第１の実施の形態の説明に用いる相関係数より互いに類似する不良パターンをカテゴリ化した一例を示す図である。 本発明の第１の実施の形態に係る相関係数より独自の不良パターンをカテゴリ化した一例を示す図である。 本発明の第１の実施の形態に係る不良検出方法の一例を示すフローチャートである。 本発明の第２の実施の形態に係る不良検出システムの構成の一例を示すブロック図である。 本発明の第２の実施の形態の説明に用いる不良カテゴリと製造装置履歴の偏りに関する検定結果の一例を示す図である。 本発明の第２の実施の形態の説明に用いる領域分割方法の一例を示す図である。 本発明の第２の実施の形態の説明に用いる領域分割方法の他の例を示す図である。 本発明の第２の実施の形態の説明に用いる最適化した領域分割方法による異常装置の検出結果の一例を示す図である。 本発明の第２の実施の形態に係る不良検出方法の一例を示すフローチャートである。

符号の説明

５０ 生産管理サーバ
５２ 製品情報データベース
５４ テスターサーバ
５６ ウェーハテスト情報データベース
５８ 類似テスト情報データベース
６０ ＣＰＵ
６２ 分割領域データベース
６４ 特徴量データベース
６６ 不良カテゴリデータベース
６８ ウェーハテスト情報入力ユニット
７０ 製品情報入力ユニット
７２ 類似テスト情報入力ユニット
７４ 分割領域設定ユニット
７６ 特徴量計算ユニット
７８ カテゴリ化ユニット
８０ 不良カテゴリ解析ユニット
８１ 分割領域最適化ユニット
８２ 入力装置
８４ 出力装置
８６ プログラム記憶装置
８８ データ記憶装置
９０、９０ａ〜９０ｃ ウェーハ
９２、９４、９６ チップ
９２ａ、９４ａ、９６ａ 良品チップ領域
９２ｂ〜９２ｄ、９４ｂ〜９４ｅ、９６ｂ〜９６ｄ 不良チップ領域
１００ａ〜１００ｏ パス／フェイルマップ
１０２、１０４、１０６ チップ群

Claims (10)

1. 複数品種の半導体装置の各ウェーハについて、ウェーハ上の複数のチップ領域に実施される電気的テストの結果に基づいて不良チップ領域を表示するパス／フェイルマップを取得するウェーハテスト情報入力ユニットと、
   前記半導体装置間で類似する前記電気的テストを類似電気的テストに分類する類似テスト情報入力ユニットと、
   前記ウェーハの面内に前記半導体装置の複数品種に共通の分割領域を設定する分割領域設定ユニットと、
   前記分割領域のそれぞれに含まれる前記不良チップ領域数を前記類似電気的テスト毎に統計的に処理して特徴量を算出する特徴量計算ユニットと、
   前記ウェーハ間で前記分割領域それぞれに対応する前記特徴量の相関係数を求め、前記相関係数を閾値と比較して前記不良チップ領域のクラスタリング不良パターンをカテゴリに分類するカテゴリ化ユニット
   とを備えることを特徴とする不良検出システム。
2. 前記カテゴリに属する前記ウェーハの製造履歴に基づいて、製造装置履歴の偏りを統計的に解析して得られた検定値で不良原因の判定を行う不良カテゴリ解析ユニットを更に備えることを特徴とする請求項１に記載の不良検出システム。
3. 前記半導体装置の複数品種に共通で、互いに異なる分割領域を設定する複数の領域分割方法を格納する分割領域データベースを更に備えることを特徴とする請求項２に記載の不良検出システム。
4. 前記複数の領域分割方法により設定された前記分割領域のそれぞれに対して、前記パス／フェイルマップから得られた前記クラスタリング不良パターンの前記カテゴリのそれぞれの間の類似性を判定して同一カテゴリに分類し、前記同一カテゴリに属する前記ウェーハについて前記領域分割方法のそれぞれに対して算出された前記検定値を比較し、最適の前記領域分割方法を判定する分割領域最適化ユニットを更に備えることを特徴とする請求項３に記載の不良検出システム。
5. 製造ラインで複数品種の半導体装置のウェーハを製造し、
   前記ウェーハ上の複数のチップ領域に実施される電気的テストの結果に基づいて不良チップ領域を表示するパス／フェイルマップを取得し、
   前記半導体装置間で類似する前記電気的テストを分類した類似電気的テストを取得し、
   前記ウェーハの面内に前記半導体装置の複数品種に共通の分割領域を設定し、
   前記分割領域のそれぞれに含まれる前記不良チップ領域数を前記類似電気的テスト毎に統計的に処理して特徴量を算出し、
   前記ウェーハ間で前記分割領域それぞれに対応する前記特徴量の相関係数を求め、前記相関係数を閾値と比較して前記不良チップ領域のクラスタリング不良パターンをカテゴリに分類する
   ことを含むことを特徴とする不良検出方法。
6. 前記分割領域が、前記ウェーハの中心と同心の１以上の分割円及び前記中心から等角度で引かれる半径の長さの複数の分割線の組み合わせで分割されることを特徴とする請求項５に記載の不良検出方法。
7. 前記カテゴリに属する前記ウェーハの製造履歴に基づいて、製造装置履歴の偏りを統計的に解析して得られた検定値で不良原因の判定を行うことを更に含むことを特徴とする請求項５又は６に記載の不良検出方法。
8. 前記分割領域として、前記半導体装置の複数品種に共通で、互いに異なる分割領域を設定することを特徴とする請求項７に記載の不良検出方法。
9. 互いに異なる前記分割領域のそれぞれに対して、前記パス／フェイルマップから得られた前記クラスタリング不良パターンの前記カテゴリのそれぞれの間の類似性を判定して同一カテゴリに分類し、前記同一カテゴリに属する前記ウェーハが互いに異なる前記分割領域に対して存在する場合、前記同一カテゴリに属する前記ウェーハについて互いに異なる前記分割領域のそれぞれに対して算出された前記検定値を比較し、最大の前記検定値を与える前記分割領域に基づいて、不良原因の判定が行われることを更に含むことを特徴とする請求項８に記載の不良検出方法。
10. 複数品種の半導体装置の各ウェーハについて、ウェーハ上の複数のチップ領域に実施される電気的テストの結果に基づいて不良チップ領域を表示するパス／フェイルマップを取得する命令と、
    前記半導体装置間で類似する前記電気的テストを分類した類似電気的テストを取得する命令と、
    前記ウェーハの面内に前記半導体装置の複数品種に共通の分割領域を設定する命令と、
    前記分割領域のそれぞれに含まれる前記不良チップ領域数を前記類似電気的テスト毎に統計的に処理して特徴量を算出する命令と、
    前記ウェーハ間で前記分割領域それぞれに対応する前記特徴量の相関係数を求め、前記相関係数を閾値と比較して前記不良チップ領域のクラスタリング不良パターンをカテゴリに分類する命令
    とをコンピュータに実行させるための不良検出プログラム。

Images