JP4563990B2 - 分布解析方法および装置、異常設備推定方法および装置、上記分布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

Description

この発明は分布解析方法および装置に関し、平面に沿って分布した特性をもつ解析対象データが特定の分布形状に類似しているかどうかを評価する分布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、そのような分布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ている。

製造工程で異常が発生した場合、検査結果は基板表面上の特性的な分布として現れることが多い。これらの分布は異常の状態によって異なり、異常原因と密接に関係しているので、過去の特性分布の事例は異常の原因と共にデータベース化されて、異常発生時の異常原因究明や対策方法の意思決定に活用される。従って、検査工程での特性分布の傾向を早期に検出することが重要となるが、実際には特性分布は数値的には表現し難く、特性値の時間的変化の監視や通常の統計処理では分布が発生しても発見できないことが多いので、特性分布の検出や監視は困難である。
特開平１１−４５９１９号公報 特開２００３−１００８２５号公報

これらの困難を克服するため、あらかじめ登録した分布の形状的な特徴と基板の特性の分布を比較し、登録された分布と類似した特性分布を持つ基板を検出する手法が提案されている。そのような手法としては、例えば特許文献１（特開平１１−４５９１９号公報）に、特性の分布を２値画像として扱い、予め登録した分布形状の２値画像と基板の特性分布の２値画像に対して画像処理で用いられるテンプレートマッチングを行う方法が記載されている。具体的には、同文献の方法では、基板表面に対して設定された格子状の画素毎に、検査工程で基板上に検出された欠陥数を集計する。次に、各画素毎の欠陥数に対して予め定めた閾値で閾値処理を行い、各画素毎の欠陥数を２値化する。この結果から、基板表面の全域の２値画像を作成し、同じく２値画像として事前に作成した図２３に例示する不良分布のテンプレートに対して画像認識におけるテンプレートマッチングを行い、テンプレートと２値画像との照合率が高い場合にテンプレートで定義した不良分布に一致すると判定する。しかしながら、実際の検査工程で検出される不良分布は形状によって欠陥の集中度合いが異なり、また、検査の時期によっても欠陥数は変化するので、２値画像作成時の閾値を一意に決定することは非常に難しい。また、２値画像間のテンプレートマッチングを行っているため、マッチングの精度が低いという問題がある。

また、別の方法としては、例えば特許文献２（特開２００３−１００８２５号公報）には、図２４（ａ）に示すように欠陥が集中する領域をテンプレートとして定義し、分析対象の基板は、図２４（ｂ）に示すように基板の全欠陥数に対するテンプレート領域内の欠陥数が高い基板ほど一致度が高いと判断する方法が記載されている。また、同文献に記載されている別の方法では、基板表面に設定された格子状の小領域に対する濃度値からなるテンプレートを定義し、そのテンプレートの濃度値と分析対象の基板について各小領域毎に集計された欠陥数との相関係数を一致度として用いる方法が記載されている。しかしながら、この方法では、欠陥数の大小が一致度に反映されないため、得られた結果が人間の視覚的な一致度と一致しない。また、基板表面には正常の状態ではランダムな位置に少数の欠陥が発生しているが、このような欠陥が偶然テンプレートで定義した領域に発生した場合にはテンプレートとの一致度が非常に高く算出されるので、検出の精度が悪いという問題がある。

また、上記２つの従来技術の共通の問題として、特性の分布形状のみで評価を行い、特性値の大きさを加味していないことがあげられる。解析担当者が解析結果を確認する際には、目的の分布形状とともに特性値がどの程度大きいかも確認する必要があるが、上記の従来技術ではそのような評価を行ってはいない。このため、精度が良くないという問題がある。

そこで、この発明の課題は、平面に沿って分布した特性をもつ解析対象データが特定の分布形状パターンに類似しているかどうかを評価する分布解析方法および装置であって、精度良く評価を行える分布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、基板の検査結果に対してそのような分布解析方法による類似度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、そのような分布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、第１の局面では、この発明の分布解析方法は、
平面に沿って分布した特性値をもつ解析対象データが特定の分布形状パターンに類似しているかどうかを評価する分布解析方法であって、
上記分布形状パターンを、上記解析対象データを定めた平面に対応する平面を格子状に複数の矩形領域に区画するとともに、上記各矩形領域毎に、或る数値範囲内で多値を取り得る濃度値を付与して定義し、
所定の分布形状パターン調整用特性データ群の特性値を用いて、その特性データ群の特性値の大きさが上記評価に反映されるように上記分布形状パターンの濃度値を調整し、
上記濃度値の調整は、
上記解析対象データがなす解析対象データ群から、上記特性値の分布が上記分布形状パターンの濃度値の分布と類似しているようなデータを上記分布形状パターン調整用特性データ群として抽出する第１ステップと、
上記第１ステップで得られた上記分布形状パターン調整用特性データ群の特性値の分布の統計量と上記分布形状パターンの濃度値の分布の統計量とを用いて、上記分布形状パターンの濃度値を調整する第２ステップを備え、この第２ステップにおける上記分布形状パターン調整用特性データ群の特性値の分布の統計量は、その特性データ群をなす特性値の各解析対象データ毎の平均値の標準偏差であり、上記分布形状パターンの濃度値の分布の統計量は、上記分布形状パターンの濃度値の標準偏差であり、
上記解析対象データと上記調整後の分布形状パターンとを比較して、上記解析対象データの特性値の分布と上記調整後の分布形状パターンの濃度値の分布との定量的な類似度を求めることを特徴とする。

ここで、「解析対象データ」とは、平面に沿って何らかの特性値が分布しているものであれば、どのようなデータでも良い。

「多値」とは、２値以上、好ましくは３値以上を指す。

この第１の局面の分布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、上記解析対象データの特性値の分布と上記調整後の分布形状パターンの濃度値の分布との定量的な類似度を自動的に求めることができる。そして、この類似度に基づいて、上記解析対象データの特性値の分布が特定の分布形状パターンに類似しているかどうかを評価することができる。ここで、上記調整後の分布形状パターンは、所定の分布形状パターン調整用特性データ群の特性値を用いて、その特性データ群の特性値の大きさが上記評価に反映されるように上記分布形状パターンの濃度値を調整したものであるから、評価結果が変動要因の影響を受けにくい。つまり、分布対象パターン毎に解析対象となるデータの特性値の大きさが異なったり、同一の分布対象パターンであっても解析する時期などによって解析対象データの特性値の大きさが変化したりするような変動要因が存在したとしても、評価結果がそのような変動要因の影響を受けにくくなる。したがって、この分布解析方法によれば、精度良く評価を行うことができる。

また、この分布解析方法では、上記濃度値の調整は上記第１、第２のステップを備えるので、上記解析対象データ群から抽出された上記分布形状パターン調整用特性データ群の特性値の分布が上記分布形状パターンの濃度値の調整に反映される。したがって、分布形状パターンの違いや同一分布形状内の母集団による特性値の差異が存在したとしても、精度良く類似度を評価することができる。

第２の局面では、この発明の分布解析方法は、
平面に沿って分布した特性値をもつ解析対象データが特定の分布形状パターンに類似しているかどうかを評価する分布解析方法であって、
上記分布形状パターンを、上記解析対象データを定めた平面に対応する平面を格子状に複数の矩形領域に区画するとともに、上記各矩形領域毎に、或る数値範囲内で多値を取り得る濃度値を付与して定義し、
所定の分布形状パターン調整用特性データ群の特性値を用いて、その特性データ群の特性値の大きさが上記評価に反映されるように上記分布形状パターンの濃度値を調整し、
上記濃度値の調整は、
上記解析対象データがなす解析対象データ群から、上記特性値の分布が上記分布形状パターンの濃度値の分布と類似しているようなデータを上記分布形状パターン調整用特性データ群として抽出する第１ステップと、
上記第１ステップで得られた上記分布形状パターン調整用特性データ群の特性値の分布の統計量と上記分布形状パターンの濃度値の分布の統計量とを用いて、上記分布形状パターンの濃度値を調整する第２ステップを備え、この第２ステップにおける上記分布形状パターン調整用特性データ群の特性値の分布の統計量は、その特性データ群をなす特性値の各解析対象データ毎の平均値であり、上記分布形状パターンの濃度値の分布の統計量は、上記分布形状パターンの濃度値の標準偏差であり、
上記解析対象データと上記調整後の分布形状パターンとを比較して、上記解析対象データの特性値の分布と上記調整後の分布形状パターンの濃度値の分布との定量的な類似度を求めることを特徴とする。

この第２の局面の分布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、上記解析対象データの特性値の分布と上記調整後の分布形状パターンの濃度値の分布との定量的な類似度を自動的に求めることができる。そして、この類似度に基づいて、上記解析対象データの特性値の分布が特定の分布形状パターンに類似しているかどうかを評価することができる。ここで、上記調整後の分布形状パターンは、所定の分布形状パターン調整用特性データ群の特性値を用いて、その特性データ群の特性値の大きさが上記評価に反映されるように上記分布形状パターンの濃度値を調整したものであるから、評価結果が変動要因の影響を受けにくい。つまり、分布対象パターン毎に解析対象となるデータの特性値の大きさが異なったり、同一の分布対象パターンであっても解析する時期などによって解析対象データの特性値の大きさが変化したりするような変動要因が存在したとしても、評価結果がそのような変動要因の影響を受けにくくなる。したがって、この分布解析方法によれば、精度良く評価を行うことができる。

また、この分布解析方法では、上記濃度値の調整は上記第１、第２のステップを備えるので、上記解析対象データ群から抽出された上記分布形状パターン調整用特性データ群の特性値の分布が上記分布形状パターンの濃度値の調整に反映される。したがって、分布形状パターンの違いや同一分布形状内の母集団による特性値の差異が存在したとしても、精度良く類似度を評価することができる。

一実施形態の分布解析方法では、上記第１ステップは上記各解析対象データの上記各矩形領域に対応する特性値と上記分布形状パターンの上記各矩形領域に付与された濃度値との相関係数が予め定めた閾値以上であるようなデータを上記分布形状パターン調整用特性データ群として抽出することを特徴とする。

この一実施形態の分布解析方法では、上記相関係数を用いることによって、特性値の大きさに関係なく、有用な分布形状パターン調整用特性データ群を抽出することができる。

一実施形態の分布解析方法では、上記類似度は、上記調整後の分布形状パターンの上記各矩形領域に付与された濃度値と上記解析対象データの上記各矩形領域に対応する特性値との共分散で与えられることを特徴とする。

この一実施形態の分布解析方法では、分布形状パターンや解析対象データの母集団の特性値の大きさの変化に関係なく、精度良く上記類似度を求めることができる。

一実施形態の分布解析方法では、
上記類似度を求めるために、
上記解析対象データの特性値の相対的な大小関係が上記分布形状パターンの濃度値の相対的な大小関係と類似しているかどうかを判定する第３ステップと、
上記第３ステップによる判定結果を用いて上記類似度を評価する第４ステップを備えることを特徴とする。

一実施形態の分布解析方法では、上記第３ステップは、上記解析対象データの上記各矩形領域に対応する特性値と、上記分布形状パターンまたは上記調整後の分布形状パターンの上記各矩形領域に付与された濃度値との相関係数が予め定めた閾値以上であるような解析対象データを上記分布形状パターンと類似していると判定することを特徴とする。

この一実施形態では、類似度の評価の前処理として解析対象データの特性分布の形状を用いるので、特性値に非常に大きな値が存在していても、精度良く類似度を評価することができる。

一実施形態の分布解析方法では、上記解析対象データの特性値は基板の表面に沿って分布していることを特徴とする。

ここで「基板」は、薄膜デバイスが作製されるガラス基板、半導体デバイスが作製されるウェハなどを広く指す。

この一実施形態の分布解析方法では、上記基板の製造工程で発生した変動要因による特性値の大きさの違いや特性値の時間的な変化に依存せず、基板上の特性値の分布が分布形状パターンの濃度値の分布に類似しているかどうかが精度良く評価される。

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、
上記分布解析方法を実施して上記類似度を求め、
上記各基板を上記各製造工程で処理した製造装置を表す処理履歴に基づいて、上記類似度が予め定めた閾値以上であるような基板に共通して用いられた製造装置を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、上記類似度が予め定めた閾値以上であるような基板に共通して用いられた製造装置を抽出するので、異常が発生した製造装置を精度良く推定することができる。

第３の局面では、この発明の分布解析装置は、
平面に沿って分布した特性値をもつ解析対象データが特定の分布形状パターンに類似しているかどうかを評価する分布解析装置であって、
上記分布形状パターンを、上記解析対象データを定めた平面に対応する平面を格子状に複数の矩形領域に区画するとともに、上記各矩形領域毎に、或る数値範囲内で多値を取り得る濃度値を付与して定義するパターン登録部と、
所定の分布形状パターン調整用特性データ群の特性値を用いて、その特性データ群の特性値の大きさが上記評価に反映されるように上記分布形状パターンの濃度値を調整するパターン調整部を備え、
上記パターン調整部は、
上記解析対象データがなす解析対象データ群から、上記特性値の分布が上記分布形状パターンの濃度値の分布と類似しているようなデータを上記分布形状パターン調整用特性データ群として抽出する第１部分と、
上記第１部分で得られた上記分布形状パターン調整用特性データ群の特性値の分布の統計量と上記分布形状パターンの濃度値の分布の統計量とを用いて、上記分布形状パターンの濃度値を調整する第２部分を有し、この第２部分における上記分布形状パターン調整用特性データ群の特性値の分布の統計量は、その特性データ群をなす特性値の各解析対象データ毎の平均値の標準偏差であり、上記分布形状パターンの濃度値の分布の統計量は、上記分布形状パターンの濃度値の標準偏差であり、
上記解析対象データと上記調整後の分布形状パターンとを比較して、上記解析対象データの特性値の分布と上記調整後の分布形状パターンの濃度値の分布との定量的な類似度を求める類似度評価部とを備えたことを特徴とする。

ここで、「解析対象データ」とは、平面に沿って何らかの特性値が分布しているものであれば、どのようなデータでも良い。

「多値」とは、２値以上、好ましくは３値以上を指す。

この第３の局面の分布解析装置によれば、上記発明の分布解析方法を実施することができる。すなわち、上記パターン登録部、パターン調整部、類似度評価部を例えばコンピュータプログラムによって構成して、処理を実行させれば、上記解析対象データの特性値の分布と上記調整後の分布形状パターンの濃度値の分布との定量的な類似度を自動的に求めることができる。そして、この類似度に基づいて、上記解析対象データの特性値の分布が特定の分布形状パターンに類似しているかどうかを評価することができる。ここで、上記調整後の分布形状パターンは、所定の分布形状パターン調整用特性データ群の特性値を用いて、その特性データ群の特性値の大きさが上記評価に反映されるように上記分布形状パターンの濃度値を調整したものであるから、評価結果が変動要因の影響を受けにくい。つまり、分布対象パターン毎に解析対象となるデータの特性値の大きさが異なったり、同一の分布対象パターンであっても解析する時期などによって解析対象データの特性値の大きさが変化したりするような変動要因が存在したとしても、評価結果がそのような変動要因の影響を受けにくくなる。したがって、この分布解析方法によれば、精度良く評価を行うことができる。

また、この分布解析装置では、上記パターン調整部は上記第１、第２部分の働きによって、上記解析対象データ群から抽出された上記分布形状パターン調整用特性データ群の特性値の分布が上記分布形状パターンの濃度値の調整に反映される。したがって、分布形状パターンの違いや同一分布形状内の母集団による特性値の差異が存在したとしても、精度良く類似度を評価することができる。

第４の局面では、この発明の分布解析装置は、
平面に沿って分布した特性値をもつ解析対象データが特定の分布形状パターンに類似しているかどうかを評価する分布解析装置であって、
上記分布形状パターンを、上記解析対象データを定めた平面に対応する平面を格子状に複数の矩形領域に区画するとともに、上記各矩形領域毎に、或る数値範囲内で多値を取り得る濃度値を付与して定義するパターン登録部と、
所定の分布形状パターン調整用特性データ群の特性値を用いて、その特性データ群の特性値の大きさが上記評価に反映されるように上記分布形状パターンの濃度値を調整するパターン調整部を備え、
上記パターン調整部は、
上記解析対象データがなす解析対象データ群から、上記特性値の分布が上記分布形状パターンの濃度値の分布と類似しているようなデータを上記分布形状パターン調整用特性データ群として抽出する第１部分と、
上記第１部分で得られた上記分布形状パターン調整用特性データ群の特性値の分布の統計量と上記分布形状パターンの濃度値の分布の統計量とを用いて、上記分布形状パターンの濃度値を調整する第２部分を有し、この第２部分における上記分布形状パターン調整用特性データ群の特性値の分布の統計量は、その特性データ群をなす特性値の各解析対象データ毎の平均値であり、上記分布形状パターンの濃度値の分布の統計量は、上記分布形状パターンの濃度値の標準偏差であり、
上記解析対象データと上記調整後の分布形状パターンとを比較して、上記解析対象データの特性値の分布と上記調整後の分布形状パターンの濃度値の分布との定量的な類似度を求める類似度評価部とを備えたことを特徴とする。

この第４の局面の分布解析装置によれば、上記発明の分布解析方法を実施することができる。すなわち、上記パターン登録部、パターン調整部、類似度評価部を例えばコンピュータプログラムによって構成して、処理を実行させれば、上記解析対象データの特性値の分布と上記調整後の分布形状パターンの濃度値の分布との定量的な類似度を自動的に求めることができる。そして、この類似度に基づいて、上記解析対象データの特性値の分布が特定の分布形状パターンに類似しているかどうかを評価することができる。ここで、上記調整後の分布形状パターンは、所定の分布形状パターン調整用特性データ群の特性値を用いて、その特性データ群の特性値の大きさが上記評価に反映されるように上記分布形状パターンの濃度値を調整したものであるから、評価結果が変動要因の影響を受けにくい。つまり、分布対象パターン毎に解析対象となるデータの特性値の大きさが異なったり、同一の分布対象パターンであっても解析する時期などによって解析対象データの特性値の大きさが変化したりするような変動要因が存在したとしても、評価結果がそのような変動要因の影響を受けにくくなる。したがって、この分布解析方法によれば、精度良く評価を行うことができる。

また、この分布解析装置では、上記パターン調整部は上記第１、第２部分の働きによって、上記解析対象データ群から抽出された上記分布形状パターン調整用特性データ群の特性値の分布が上記分布形状パターンの濃度値の調整に反映される。したがって、分布形状パターンの違いや同一分布形状内の母集団による特性値の差異が存在したとしても、精度良く類似度を評価することができる。

一実施形態の分布解析装置では、
上記類似度評価部は、
上記解析対象データの特性値の相対的な大小関係が上記分布形状パターンの濃度値の相対的な大小関係と類似しているかどうかを判定する第３部分と、
上記第３部分による判定結果を用いて上記類似度を評価する第４部分を備えたことを特徴とする。

この一実施形態では、類似度の評価の前処理として解析対象データの特性分布の形状を用いるので、特性値に非常に大きな値が存在していても、精度良く類似度を評価することができる。

一実施形態の分布解析装置では、上記解析対象データの特性値は基板の表面に沿って分布していることを特徴とする。

ここで「基板」は、薄膜デバイスが作製されるガラス基板、半導体デバイスが作製されるウェハなどを広く指す。

この一実施形態の分布解析装置では、上記基板の製造工程で発生した変動要因による特性値の大きさの違いや特性値の時間的な変化に依存せず、基板上の特性値の分布が分布形状パターンの濃度値の分布に類似しているかどうかが精度良く評価される。

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、
上記分布解析装置を備え、この分布解析装置によって上記類似度を求め、
上記各基板を上記各製造工程で処理した製造装置を表す処理履歴に基づいて、上記類似度が予め定めた閾値以上であるような基板に共通して用いられた製造装置を抽出する異常設備推定部を備えたことを特徴とする。

この発明の異常設備推定装置によれば、上記類似度が予め定めた閾値以上であるような基板に共通して用いられた製造装置を抽出するので、異常が発生した製造装置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、上記発明の分布解析方法をコンピュータに実行させるための分布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、上記発明の分布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の形態により詳細に説明する。

図１は、基板の製造工程において異物など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分布解析方法の概念を模式的に示している。この分布解析方法は、例えば製造工程で検査された基板群から、特定の領域に欠陥が集中する基板を検出する場合に適用される。

この分布解析方法では、ステップＳ１０１で、解析対象基板と比較するための特性値の分布形状を分布形状パターンとして登録する。分布形状パターンの例を図２に示す。分布形状パターンは、図２（ａ）に示すように基板の表面を格子状に区分して複数の矩形領域２０１，２０１，…を設定し、各矩形領域２０１毎に濃度値を設定することで定義される。濃度値は、０〜１の範囲内で多値（この例では３値以上）をとり得るものとする。各矩形領域２０１毎に設定された濃度値の集合は、基板上における特性値の相対的な大小関係を表す。パターン検査では、各矩形領域内の欠陥数が「特性」に相当するので、各矩形領域毎に設定された濃度値は、欠陥密度を０〜１の範囲内の相対値に変換したものに相当する。図２（ｂ）および図２（ｃ）に分布形状パターンの例を示す。図中の領域の色は濃度値を表しており、色が濃いほど濃度値が高い。従って、図２（ｂ）の分布形状パターン２０２は基板右下の領域に欠陥が集中して発生するパターンを表し、また、図２（ｃ）の分布形状パターン２０３は基板左上の領域に欠陥が集中して発生するパターンを表す。通常、製造工程では、欠陥の分布形状が異なれば、それぞれの領域内に発生する欠陥数（生の値）が異なる。上述の濃度値は、基板表面上の特性値の相対的な大小関係のみを表すので、欠陥数の大きさ（生の値）に関係なく、基板表面上でどの領域に欠陥が集中して発生するかという相対的な観点のみから、容易に設定され得る。上記分布形状パターンは、解析担当者が製造工程に関する知見を利用して手入力しても良く、過去の事例などを利用して自動的に作成しても良い。

図１中のステップＳ１０２では、解析対象となる基板と別に用意した分布形状パターン調整用の基板群の特性データを入力する。ここで、分布形状パターン調整用の基板群とは、実際に解析を行う基板と同時期に製造工程で製造された基板群など解析対象の基板の母集団とみなすことのできる基板群を指し、解析対象の基板が含まれていても良い。ステップＳ１０２で入力する特性データについて図３および図４で説明する。パターン検査では図３中の基板３０１上に検出された欠陥３０２の座標が検出される。そこで、解析対象の基板表面を分布形状パターンの矩形領域２０１，２０１，…と同様の複数の矩形領域に区画し、その矩形領域毎に、その矩形領域に属する欠陥の数を集計する。そして、各矩形領域毎に得られた欠陥数（図４中の矩形領域２０１内に、「１」「２」「３」というような数字で示す。）の分布を、その基板の特性データ４０１として得る。なお、後述するステップＳ１０４で入力される解析対象の基板の特性データも同様に各矩形領域毎に得られた欠陥数の分布で表される。

次に、図１中のステップＳ１０３ではステップＳ１０２で算出した特性データ群の特性の分布を用いてステップＳ１０１で登録した分布形状パターンを調整し、ステップＳ１０４では調整した分布形状パターンと解析対象基板の特性データとの類似度を求める。ステップＳ１０３およびステップＳ１０４における分布形状パターン調整の概念を、図５（ａ）〜図５（ｄ）、図６（ａ）および図６（ｂ）を用いて次に説明する。図５（ａ）〜図５（ｄ）は基板におけるパターン欠陥の分布の例であり、基板５０１および基板５０２は図２（ｂ）の分布形状パターン２０２に、基板５０３と基板５０４は図２（ｃ）の分布形状パターン２０３にそれぞれ該当している。基板５０１と基板５０２を比較すると基板５０１は分布形状パターン２０２で高い濃度値で定義された領域により欠陥が集中しているので、基板５０１は基板５０２よりも分布形状パターン２０２に対する類似度が高いと判断するのが妥当である。同様に、基板５０３と基板５０４を比較すると、基板５０３は基板５０４よりも分布形状パターン２０３に対する類似度が高いと判断できる。一方、図６（ａ）および図６（ｂ）は、それぞれ分布形状パターン２０２、分布形状パターン２０３に関して分布形状パターンの濃度値が高い領域すなわち欠陥が集中している領域での欠陥数と上記分布パターン調整用の基板群中の該当基板数の関係の例を表している。この例では、分布形状パターン２０２に該当する基板の欠陥数は分布形状パターン２０３に該当する基板の欠陥数よりも多い。また、図６中の基板６０１と基板６０２は、集中領域の欠陥数が同数であり、それぞれ分布形状パターン２０２と分布形状パターン２０３との両方に該当する基板である。基板６０１は分布形状パターン２０２に該当する基板群の中では欠陥数が少なく、基板６０２は分布形状パターン２０３に該当する基板群の中では欠陥数が多いので、同様の特性分布を持つ基板の欠陥数を考慮すると、基板６０１の欠陥分布と分布形状パターン２０２との類似度は低い値に、基板６０２の欠陥分布と分布形状パターン２０３との類似度は高い値に評価される必要がある。従って、欠陥数と特性分布との両方を考慮して定量的な類似度を評価するためには、解析対象の基板の母集団中で同様の特性分布を持つ基板群を抽出し、それらの基板の特性値から相対的な類似度を評価する必要がある。そこで、分布形状パターンの濃度値が上記相対的な類似度の尺度を表すようにステップＳ１０３では図７に示す手順で分布形状パターンの濃度値を調整する。

まず、ステップＳ１０３に含まれた最初のステップＳ１０３１では、分布形状パターン調整用の基板群から、特性データ４０１をなす欠陥数の大きさ自体によるのではなく、特性データ４０１内の欠陥数の相対的な大小関係が分布形状パターンの濃度値の相対的な大小関係と類似するような基板を抽出する。これとともに、それらの抽出された基板についての特性データ（これを「分布形状パターン調整用特性データ群」という。）を抽出する。

次に、ステップＳ１０３２では、その分布形状パターン調整用特性データ群を使って分布形状パターンの濃度値を調整する。ここではステップＳ１０４で算出される類似度の精度が良くなるように分布形状データの濃度値を調整するので、調整方法はステップＳ１０４における類似度の評価方法に依存する。

最後に、ステップＳ１０４では、入力された解析対象基板の検査結果からステップＳ１０２と同じ処理によって矩形領域毎の特性データを算出し、その特性データの分布とステップＳ１０３で得られた調整後の分布形状パターンの濃度値の分布との定量的な類似度を得る。

以上の処理を行うことで、分布形状パターンと解析対象基板の特性データとの類似度を精度良く評価することができる。つまり、濃度値の相対的な大小関係で定義される分布形状パターンと類似した基板を解析対象基板の母集団から抽出し、それらの抽出された基板についての特性データ群（分布形状パターン調整用特性データ群）を用いて上記分布形状パターンの濃度値を調整する。この調整後の分布形状パターンと解析対象の基板の特性データとの類似度を評価することで、図６に示すような分布形状パターン毎の欠陥数の違いや製造時期による欠陥数の違いを意識することなく、定量的な類似度を評価することができる。

なお、本発明による分布解析方法は基板のパターン検査のみに適用されるものではなく、特性が平面的に分布しているデータであれば適用可能である。

図８は、上述の分布解析方法（図１参照）を実施するのに適した本発明の一実施形態の分布解析装置８００の構成を示している。この分布解析装置８００は、パターン登録部８０２、入力部としてのデータ収集部８０３、特性データ算出部８０６、調整用特性データ群登録部８０７、パターン調整部８０８、および類似度評価部８０９から構成されている。また、この分布解析装置８００のデータ収集部８０３には、入力装置８０１、検査情報収集システム８０４、および検査装置８０５が接続されており、類似度評価部８０９には出力装置８１０が接続されている。

入力装置８０１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８０１は、分布解析装置８００に対して、分布形状パターンの定義や解析対象基板の識別ＩＤ、分布形状パターン調整用特性データ群の条件指定などを入力するために用いられる。

パターン登録部８０２は、入力装置８０１で定義された分布形状パターンを受け取り、データベースに記録する。入力装置８０１から受け取る情報は分布形状パターンだけでなく、分布形状パターンと関連した情報、例えばその分布形状パターンの原因となる装置に関する情報などを分布形状パターンと関連付け（紐つけ）して記録しても良い。

データ収集部８０３は、入力装置８０１から分布解析装置８００に送信された解析対象基板の識別情報や分布形状パターン調整用特性データ群の条件に合致する基板の検査データを検査情報収集システム８０４や検査装置８０５から収集し、特性データ算出部８０６に渡す。このとき、必要があれば基板の識別ＩＤや検査日時などの情報を検査データと共に収集しても良い。

検査情報収集システム８０４は、製造工程内に配置された検査装置から検査情報を収集する検査情報収集システムである。この例では、検査情報収集システム８０４は検査装置８０５と接続されており、検査装置８０５で処理された基板の検査データや検査日時、基板の識別ＩＤなどが蓄積されている。また、検査情報収集システム８０４は分布解析装置８００と接続されており、データ収集部８０３は検査情報収集システム８０４から必要な検査データを収集する。

検査装置８０５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８０５は分布解析装置８００と接続されており、データ収集部８０３は検査装置８０５から必要な検査データを収集する。

特性データ算出部８０６は、データ収集部８０３が検査情報収集システム８０４や検査装置８０５から収集した基板の検査データを矩形領域２０１毎に集計し、特性データを作成する。データ収集部８０３から受け取った検査データのうち、分布形状パターン調整用特性データ群は調整用特性データ群登録部８０７に渡され、解析対象基板の特性データは類似度評価部８０９に送られる。

調整用特性データ群登録部８０７は、特性データ算出部８０６から受け取った分布形状パターン調整用特性データ群を記録する。このとき、必要があれば基板の識別ＩＤや検査日時などの情報を特性データと共に記録しても良い。

パターン調整部８０８は、パターン登録部８０２に登録された分布形状パターンと調整用特性データ群登録部８０７に登録された分布形状パターン調整用特性データ群の情報を用いて図１のステップＳ１０３の分布形状パターン調整処理を行い、調整後の分布形状パターンを類似度評価部８０９に送る。パターン調整部８０８の内部構成を図９に示す。類似データ抽出部９０１は、図７のステップＳ１３０１の処理を行って、調整用特性データ群登録部８０７から受け取った特性データ群から、パターン登録部８０２から受け取った分布形状パターンと類似するデータ群を分布形状パターン調整用特性データ群として抽出し、分布形状パターンと共に分布形状パターン調整部９０２に渡す。分布形状パターン調整部９０２は、受け取った類似特性データ群と分布形状パターンに対して図７のステップＳ１３０２の処理を行って分布形状パターンの濃度値を調整し、類似度評価部８０９に送る。

類似度評価部８０９は、特性データ算出部８０６で算出した解析対象基板の特性データとパターン調整部８０８で濃度値を調整した分布形状パターンを受け取り、ステップＳ１０４の類似度を算出する処理を行う。算出された類似度は出力装置８１０に送られる。このとき、必要があれば基板の識別ＩＤや検査日時などの情報を類似度と共に送ってもよい。

出力装置８１０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分布解析装置８００による分布解析結果を出力する。

なお、パターン登録部８０２には複数の分布形状パターンが登録されていても良い。この場合、解析対象の基板は各分布形状パターンに対して類似度を評価され、それぞれ出力装置８１０に出力される。

また、検査情報システム８０４および検査装置８０５のいずれか一方から分布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よい。

また、解析に必要な条件を分布解析装置８００の内部に保存しておき、検査装置８０５で基板が検査されると自動的にデータ収集部８０３が解析対象基板の検査データと分布形状パターン調整用基板群の検査データを取得しても良い。

また、入力装置８０１と出力装置８１０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よい。また、入力装置８０１と出力装置８１０は、分布解析装置８００に含まれていても良い。

また、出力装置８１０は、分布解析装置８００を通して入力装置８０１、検査情報収集システム８０４または検査装置８０５から分布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。

この構成の分布解析装置８００により、上述の分布解析方法を実施することができる。

なお、上述の分布解析方法を、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よい。

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よい。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分布解析方法を実行することが可能である。

なお、本発明はパターン検査の分布解析装置８００に限定されるものではなく、特性が平面的に分布しているデータであれば適用可能である。その場合、データ収集部８０３は、対象となるデータが保存されている情報収集システムや特性計測装置に接続される。

次に、実施例１として、図７中のステップＳ１０３１およびステップＳ１０３２、図１中のステップＳ１０４を実現する方法を具体的に説明する。

本発明では、図１中のステップＳ１０１で登録した分布形状パターン、ステップＳ１０２で入力する分布形状パターン調整用特性データ群、およびステップＳ１０４で入力される解析対象基板の特性データは、矩形領域数と同数の数値の組で構成される。以下、説明を簡略化するために、特に指定しない限り上記の各データは２つの矩形領域で定義されるものとする。

まず、ステップＳ１０３１における類似基板群の抽出方法を説明する。図１０は、分布形状パターンと上記特性データ群について矩形領域としての領域１、領域２における濃度値および特性値をプロットしたグラフの例である。この図１０で、横軸は領域１における分布形状パターンの濃度値および特性データの特性値を表し、縦軸は領域２における分布形状パターンの濃度値および特性データの特性値を表す（後述する図１１、図１２、図１４、図１６において同様。）。グラフ上で原点から見て同一の方向に存在するデータは領域１と領域２の特性値の割合が等しいので、グラフでは原点から見た各点の方向は値の分布形状を表す。従って、上記特性データ群から分布形状データと類似した特性分布の特性データを抽出するには、分布形状パターンと同一の方向に存在する特性データを抽出すればよい。図１０中において、分布形状パターン１００１と同一方向に存在する特性データ群１００３、および分布形状パターン１００２と同一の方向に存在する特性データ群１００４は、それぞれ分布形状パターン１００１および分布形状パターン１００２に類似した特性データ群と判断できる。分布形状パターンと分布形状パターン調整用特性データの方向が一致するかどうかは、例えば、２つのデータのなす角度を評価する統計量である相関係数を用いて判断できる。分布形状パターンＴとある分布形状パターン調整用の特性データＭがｇ個の矩形領域を持ち、それぞれＴ＝（ｔ_１，…，ｔ_ｇ）、Ｍ＝（ｍ_１，…，ｍ_ｇ）で表されるとする。このとき、分布形状パターンＴと特性データＭの相関係数ｒは次の（数１）で表される。

この相関係数ｒは−１から１の範囲を取り、値が大きいほど分布形状パターンＴと特性データＭの方向は近い。そこで、相関係数ｒが予め定めた閾値以上であるような特性データＭを分布形状パターンＴと類似した特性データ群として抽出する。

次に、ステップＳ１０３２での濃度値調整処理であるが、この処理ではステップＳ１０４での評価結果が定量的な類似度として得られるように濃度値の調整を行う必要があるため、ステップＳ１０４における類似度の評価方法とあわせて説明する。

次に、図１１および図１２に、ステップＳ１０４における類似度の概念を示す。図１１は、分布形状パターン１１０１と、解析対象基板の特性データ１１０２、および別の解析対象基板の特性データ１１０３をグラフ上にプロットしている。特性データとグラフの原点との距離が大きくなると、領域１および領域２の特性値も大きくなる。つまり、グラフ上のデータと原点との距離は特性値の全体的な大きさ、例えばパターン検査であれば基板の欠陥数を表す。図１１において、特性データ１１０２と特性データ１１０３はどちらも分布形状パターン１１０１と分布形状が類似しており、且つ特性データ１１０３は特性データ１１０２よりも特性値が大きい。この例では、分布形状パターン１１０１に対して、特性データ１１０３は特性データ１１０２よりも類似度を高く評価することとする。図１２は、特性データ１２０１と特性データ１２０２が分布形状パターンと方向がずれている例を示す。このような場合、特性データ１２０１および特性データ１２０２が分布形状パターン１１０１で定義される分布形状に対してどの程度特性値が大きいのかを判断するには、原点と分布形状パターンがなす直線に対して特性データを射影したときの大きさを用いることとする。図１２中では、距離１２０３と距離１２０４がそれぞれ特性データ１２０１と特性データ１２０２の分布形状パターン１１０１に対する大きさとなる。このような類似度は、例えば、共分散を用いて評価することができる。解析対象基板の特性データＰがＰ＝（ｐ_１，…，ｐ_ｇ）で表されるとき、分布形状パターンＴと特性データＰの共分散ｃは次の（数２）で表される。

ここで、ｃは（ｔ_ｉ−ｔ_ａｖ）と（ｐ_ｉ−ｐ_ａｖ）との正負が等しく、絶対値が大きいときに大きな値となる。つまり、分布形状パターンで濃度値が高い領域の特性値の大きな特性データＰほど大きな値となるので、図１２の類似度の概念を満たす。しかしながら、解析対象の基板の特性値が大きいほど特性値の平均値ｐ_ａｖと各領域の特性値ｐ_ｉの差は大きくなる傾向があるので、ある分布形状パターンに該当する基板が図６（ａ）に示す分布を持つ場合と図６（ｂ）に示す分布を持つ場合には、図６（ａ）の分布形状パターンに該当する基板の共分散ｃは全体的に高い値となる。また、分布形状パターンによって領域毎の特性値の分布が異なるので、分布形状パターン毎に（ｔ_ｉ−ｔ_ａｖ）の値がばらばらである。これらの理由から、共分散ｃでは、分布形状パターンが異なったり、分布形状パターンに該当する基板の特性データの分布が異なったりすると定量的な評価ができない。そこで、上記基板の分布による（ｐ_ｉ−ｐ_ａｖ）の違いを抑制するために、ステップＳ１０３で抽出した類似特性データ群の分布を用いる。ｎ個の特性データからなる類似特性データ群ＬはＬ＝（Ｌ_１，…，Ｌ_ｎ）で表され、ｊ番目の特性データはＬ_ｊ＝（ｌ_ｊ１，…，ｌ_ｊｇ）で表されるとする。このとき、この類似特性データ群Ｌの特性値の平均値Ｌ_ａｖは次の（数３）で表される。

平均値Ｌ_ａｖにおける各領域における値のばらつきはＬ_ａｖの標準偏差σ_Ｌａｖで表されるので、上記基板の分布による（ｐ_ｉ−ｐ_ａｖ）の違いを抑えるには、（ｐ_ｉ−ｐ_ａｖ）をσ_Ｌａｖで正規化すればよい。次に、分布形状パターンの違いによる（ｔ_ｉ−ｔ_ａｖ）のばらつきであるが、これも（ｐ_ｉ−ｐ_ａｖ）と同様にＴにおける領域毎の濃度値の標準偏差σ_Ｔで（ｔ_ｉ−ｔ_ａｖ）を正規化すればよい。以上のことから、図７中のステップＳ１０３２では、分布形状データＴを次の（数４）で調整した分布形状データＴ’を算出する。

また、ステップＳ１０４では、上記調整した分布形状データＴ’と特性データＰの共分散を用いて類似度ｓを評価する。

なお、定量的な類似度を求める別の方法として、類似特性データ群の特性データの平均値Ｌ_ａｖを用いる方法がある。

図１３（ａ）、図１３（ｂ）は、基板のパターン検査における、矩形領域内の欠陥数と欠陥数平均値との関係を示している。図１３（ａ）は比較的多い欠陥数で発生する分布形状パターンに類似した基板の例であり、図１３（ｂ）は比較的少ない欠陥数で発生する分布形状パターンに類似した基板の例である。通常の状態では基板上には欠陥はほとんど発生せず、製造工程において何らかの異常が発生した場合に局所的に欠陥が集中して発生するので、基板上の複数の矩形領域のうちの多くは欠陥数が非常に少ない領域１３０１と欠陥数が極端に多い領域１３０２に集中している。図１３（ａ）、図１３（ｂ）に示すように、基板の欠陥数が多くなると領域毎の欠陥数平均値と各領域の欠陥数との差も大きくなる。このことから（数４）の代わりに次の（数６）を用いて分布形状データを調整してもよい。

この（数６）で求めた分布形状パターンＴ’を用いると、より少ない計算量で定量的な類似度を評価することができる。

このようにして、共分散ｃによれば、分布形状パターンが異なったり、分布形状パターンに該当する基板の特性データの分布が異なる場合であっても、定量的な類似度を評価することができる。

次に、実施例２として、図１中のステップＳ１０４において類似度を評価する別の方法として、分布形状パターンで濃度値が高い領域に対する解析対象の領域の特性値の大きさだけでなく、解析対象の特性データの分布形状を考慮した場合の類似度を説明する。

図１のステップＳ１０４において（数５）を用いて類似度を算出した場合、極端に特性値の大きなデータは分布形状が分布形状パターンと類似していなくても類似度が高く評価されることがある。図１４は、分布形状パターン１１０１に対して、分布形状パターン１１０１に類似した解析対象基板の特性データ１４０１と、分布形状パターン１１０１と類似しておらず、且つ特性データ１４０１と比較して特性値の大きな特性データ１４０２の類似度を評価している。各点が図１４に示すような位置関係にあるとき、分布形状パターン１１０１の方向に射影したときの大きさは特性データ１４０１よりも大きくなってしまう。そこで、図１のステップＳ１０４を図１５に示すような２つのステップで構成してもよい。

ステップＳ１０４１では、分布形状パターンの濃度値の相対的な大小関係と解析対象基板の特性データの特性値の相対的な大小関係とを比較し、解析対象の特性データの特性分布が分布形状パターンの濃度値の分布と類似しているかどうかを判定する。この処理は、図７におけるＳ１０３１と同様の手法で評価を行うことができるので、例えば上記特性データと上記分布形状パターンとの相関係数に基づいて上記判定を行う。

ステップＳ１０４２では、上記ステップＳ１０４１での判定結果を考慮して、上記特性データと上記分布形状パターンとの類似度を評価する。この処理では、例えば上記ステップＳ１０４１で得られた判定結果が予め定めたある閾値以上であるような特性データのみ（数５）を用いて類似度を算出し、それ以外の特性データの類似度を０に設定する。上記閾値は分布形状パターンと特性データの特性分布の差異に対する許容量を表し、本発明の適用目的に合わせて自由に設定することが可能であるが、通常はステップＳ１０３１で定めた閾値よりも許容範囲を広く設定する。このように設定すると、図１６に示すように、ステップＳ１０３１では分布形状パターン１１０１と非常に類似した特性分布の範囲１６０１から特性データを抽出してステップＳ１０３２で分布形状パターン１１０１を調整し、ステップＳ１０４では特性分布の形状に関してはステップＳ１０３１での処理よりも広い範囲１６０２に許容範囲を広げて特性データの大きさを評価する。

このような処理を行うことで、特性値が極端に大きな特性データに対して誤って類似度を高く評価することを防ぎ、より精度の高い分布解析を行うことができる。

図１７は、実施例２に記載の分布解析方法を実施するのに適した、分布解析装置８００における類似度評価部８０９の内部構成を示している。特性分布判定部１７０１は、分布解析装置８００内のパターン調整部８０８から受け取った濃度値調整後の分布形状パターンと特性データ算出部８０６から受け取った解析対象基板の特性データを用いて図１５中のステップＳ１０４１の処理を行い、上記分布形状パターンと上記特性データとが類似するかどうかを判定して、その判定結果と上記分布形状データおよび上記特性データとを類似度算出部１７０２に送る。類似度算出部１７０２は、特性分布判定部１７０１から受け取ったその判定結果と上記分布形状パターンおよび上記特性データに対してステップＳ１０４２の処理を行って、上記分布形状パターンと上記特性データをなす特性値の分布との類似度を評価し、評価結果を分布解析装置８００に接続された出力装置８１０に送る。

この構成の分布解析装置８００により、実施例２の分布解析方法を実施することができる。

次に、実施例３として、上記分布解析方法によって得られた基板の解析結果を用いて、製造工程において特性分布の発生原因となった製造設備（つまり、異常が発生した装置）を推定する異常設備推定方法について説明する。

図１８は、この異常設備推定方法の適用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工程ｅが実行される。

製造プロセスに含まれた或る製造工程、この例では製造工程ｂ，ｄには、それぞれその製造工程を実行可能な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台の設備が配置されている。製造プロセスが進行してその製造工程に流れてきた各基板は、生産能力を高めるために随時、その製造工程内に配置されたいずれかの設備によって処理される。各基板がその工程におい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１８中のパターン検査工程ｅで検査された基板が各製造工程においてどの設備で処理されたかを調べると、図１９（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領域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抽出すると、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１８の製造プロセスを経た各基板のうち、工程ｂの１号機で右上部に欠陥が集中して発生している基板群を抽出すると、図１９（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１／１０）は少なくなり、設備間に処理基板数の偏りが生じている。同じ基板群について工程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。このことから、類似した特性分布を持つ基板群を抽出することで、異常設備を推定できることがわかる。

図２０は、このような状況を前提として、上述の分布解析方法による基板特性値の分布解析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、図１中の一連のステップＳ１０１〜Ｓ１０４を含むステップＳ２００１において、異常設備推定の対象となる基板群に含まれた各基板に対して、推定対象となる分布形状に対する類似度を評価する。ただし、ステップＳ１０２およびステップＳ１０３では上記基板群に含まれた全ての基板の特性データから分布形状パターン調整用特性データ群を抽出し、その分布形状パターン調整用特性データ群を用いて分布形状パターンの濃度値を調整する。また、ステップＳ１０４では、上記基板群に含まれた全ての基板について上記分布形状パターンとの類似度を評価する。

ステップＳ２００２では、ステップＳ２００１で得られた類似度が予め定められた閾値以上であるような基板を抽出して、それらの基板を推定対象の分布形状パターンに該当する基板グループとする。上記閾値としては、例えばその基板が推定対象の分布形状パターンに該当すると人間が視覚的に判断できる値を採用する。なお、類似度はステップＳ２００１によって変動要因を加味して評価されているため、推定対象の分布形状パターンや基板群が異なる場合であっても、上記閾値を一意に定めることができる。

ステップＳ２００３では、ステップＳ２００２で抽出した基板グループに含まれる基板について、各製造工程での処理履歴を取得する。この情報は、通常、製造工程内に設置された工程情報収集システムで収集・管理されているので、容易に取得することができる。

ステップＳ２００４では、ステップＳ２００３で取得した処理履歴を製造工程の各工程別に集計し、設備別の処理枚数を算出する。

最後に、ステップＳ２００５では、各工程内の設備別の処理枚数を比較し、最も処理枚数の偏りが大き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、処理枚数に顕著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。

この異常設備推定によれば、特性分布が類似した基板から処理履歴の偏りを比較するので、精度が高い異常設備推定を行うことができる。

図２１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２１００の構成を示している。この異常設備推定装置２１００は、パターン登録部２１０２、入力部としてのデータ収集部２１０３、特性データ算出部２１０５、履歴データ記憶部２１０６、特性データ登録部２１０７、分布解析部２１０８、基板グループ抽出部２１０９、処理頻度算出部２１１０、異常設備推定部２１１１で構成されている。また、データ収集部２１０３には入力装置２１０１、検査情報収集システム８０４、工程情報収集システム２１０４、検査装置８０５が、異常設備推定部２１１１には出力装置２１１２がそれぞれ接続されている。

入力装置２１０１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２１０１は、異常設備推定装置２１００に対して、異常設備推定対象となる基板の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を入力するために用いられる。また、異常設備推定のために用いられる分布形状パターンも入力装置２１０１を用いて異常設備推定装置２１００に登録される。

パターン登録部２１０２は、図８に示した分布解析装置８００のパターン登録部８０２と同様の機能を持ち、具体的には、入力装置２１０１で定義された分布形状パターンを受け取り、データベースに記録する。入力装置２１０１から受け取る情報は分布形状パターンだけでなく、分布形状パターンと関連した情報、例えばその分布形状パターンの原因となる装置に関する情報などを分布形状パターンと関連付け（紐つけ）して記録しても良い。

データ収集部２１０３は、入力装置２１０１から異常設備推定装置２１００に送信された推定対象基板の条件に合致する基板群の検査データと基板の識別ＩＤを検査情報収集システム８０４や検査装置８０５から収集して、特性データ算出部２１０５に渡す。このとき、検査日時などの情報を検査データと共に収集しても良い。さらに、上記基板群の処理履歴データを工程収集システム２１０４から収集して、基板の識別ＩＤと関連付けして履歴データ記録部２１０６に送る。

検査情報収集システム８０４は、分布解析装置８００と接続する検査情報収集システム５０３と同一のものである。異常設備推定装置２１００のデータ収集部２１０３は、この検査情報収集システム８０４から必要な検査データを収集する。

検査装置８０５は、分布解析装置８００と接続する検査装置８０５と同一のものである。異常設備推定装置２１００のデータ収集部２１０３は、この検査装置８０５から必要な検査データを収集する。

工程情報収集システム２１０４は、製造工程内に配置された処理装置から処理履歴情報を収集する工程情報収集システムである。異常設備推定装置２１００のデータ収集部２１０３は、この工程情報収集システム２１０４から必要な検査データを収集する。

特性データ算出部２１０５は、分布解析装置８００の特性データ算出部８０６と同様の機能を持ち、具体的には、データ収集部２１０３が検査情報収集システム８０４や検査装置８０５から収集した基板の検査データから特性データを作成して、特性データ群登録部２１０７に渡す。

履歴データ記憶部２１０６は、データ収集部２１０３が工程情報収集システム２１０４から取得した推定対象基板の処理履歴を、基板の識別ＩＤと関連付けして記憶する。処理履歴は、必要に応じて処理頻度算出部２１１０に送られる。

特性データ群登録部２１０７は、分布解析装置８００の調整用特性データ群登録部８０７と同様の機能を持ち、具体的には、特性データ算出部２１０５が異常設備対象の基板群から算出した特性データ群を、基板の識別ＩＤと関連付けして記憶する。

分布解析部２１０８は、パターン登録部２１０１と特性データ群登録部２１０７に登録された特性データ群を取得して図１中のステップＳ１０２〜Ｓ１０４の一連の処理を行い、各特性データの類似度を基板の識別ＩＤと関連付けして基板グループ抽出部２１０９に渡す。分布解析部２１０８は、その内部に、分布解析装置８００と同様にパターン調整部８０８と類似度評価部８０９を持つ。

基板グループ抽出部２１０９は、分布解析部２１０８から受け取った類似度から、予め定めた閾値以上であるような類似度を持つ基板の特性データを抽出し、その基板の識別ＩＤを処理頻度算出部２１１０に渡す。

処理頻度算出部２１１０は、基板グループ抽出部２１０９から受け取った基板の識別ＩＤを用いて履歴データ記憶部２１０６から基板グループ抽出部２１０９が抽出した基板の処理履歴を取得し、各工程内に配置された設備毎の処理枚数を算出して異常設備推定部２１１１に渡す。

異常設備推定部２１１１は、処理頻度算出部２１１０から受け取った処理枚数に対して統計処理を行って、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出力装置２１１２に出力する。

出力装置２１１２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異常設備推定装置２１００による異常設備推定結果を出力する。

なお、パターン登録部２１０２に複数の分布形状パターンを登録しておき、それぞれの分布形状パターンについて異常設備推定を実施しても良い。

また、検査情報収集システム８０４、工程情報収集システム２１０４および検査装置８０５のいずれかから異常設備推定に必要な情報が全て取得できる場合、取得に必要な装置またはシステムのみが接続されていても良い。

また、入力装置２１０１と出力装置２１１２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した装置としてもよい。また、入力装置２１０１と出力装置２１１２は、異常設備推定装置２１００に含まれていても良い。

また、出力装置２１１２は、異常設備推定装置２１００を通して入力装置２１０１、検査工程情報収集システム８０４、工程情報収集システム２１０４および検査装置８０５から異常設備推定に必要な情報以外の情報を受け取り、出力しても良い。

また、出力装置２１１２は、異常設備推定装置２１００から分布解析部２１０８の解析結果を受け取り、出力しても良い。

上述の通り、パターン登録部２１０２、特性データ算出部２１０５、特性データ群登録部２１０７、分布解析部２１０８は、それぞれ既述の分布解析装置８００のパターン登録部８０２、特性データ算出部８０６、調整用特性データ群登録部８０７、パターン調整部８０８および類似度評価部８０９と同様の機能を持つ。従って、図２２に示すように、それらの構成要素を分布解析装置８００として異常設備推定装置２１００とは別に構成することも可能である。この図２２に示す構成では、異常設備推定装置２１００は、データ収集部２１０３、履歴データ記憶部２１０６、基板グループ抽出部２１０９、処理頻度算出部２１１０、異常設備推定部２１１１のみを含む。入力装置２１０１は分布解析装置８００から各基板の分布解析結果と識別ＩＤを受け取ってデータ収集部２１０３に送信する。データ収集部２１０３は入力装置２１０１から各基板の分布解析結果と識別ＩＤを受け取り、基板グループ抽出部２１０３に渡す。また、各基板の識別ＩＤから、各基板の処理履歴を工程情報収集システム２１０４から取得し、履歴データ記憶部２１０６に渡す。以後の処理は、図２１における異常設備解析装置２１００による処理と同様に行われる。

この異常設備推定装置２１００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異常設備推定方法を実行することが可能である。

本発明の一実施形態の分布解析方法の概念を模式的に示す図である。 矩形領域および分布特性パターンの概念を模式的に示す図である。 パターン検査の検査結果の例を示す図である。 本発明の一実施形態における特性データの概念を模式的に示す図である。 分布特性パターンに該当する基板の例を示す図である。 分布特性パターンによる特性値の違いを示す図である。 本発明の一実施形態の分布形状パターンの濃度値調整処理を示す図である。 本発明の一実施形態の分布解析装置の構成を示す図である。 図８中のパターン調整部の内部構成を示す図である。 グラフにおける原点と特性データとの方向の意味を説明する図である。 グラフにおける原点と特性データとの距離の意味を説明する図である。 本発明の一実施形態の類似度の概念を示す図である。 本発明の一実施形態の分布形状パターンの濃度調整方法の概念を模式的に示す図である。 特性値が極端に大きな特性データが存在する場合の類似度を示す図である。 本発明の一実施形態の類似度評価処理を示す図である。 図１５における類似度評価処理の概念を模式的に示す図である。 図８中の類似度評価部の内部構成を示す図である。 本発明の一実施形態の異常設備推定方法の適用対象となる基板の製造プロセスの例を模式的に示す図である。 上記製造プロセスにおける正常時と異常時の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における異常設備推定方法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２１の異常設備推定装置の変形例を示す図である。 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。

８００ 分布解析装置
２１００ 異常設備推定装置

Claims (17)

1. 平面に沿って分布した特性値をもつ解析対象データが特定の分布形状パターンに類似しているかどうかを評価する分布解析方法であって、
   上記分布形状パターンを、上記解析対象データを定めた平面に対応する平面を格子状に複数の矩形領域に区画するとともに、上記各矩形領域毎に、或る数値範囲内で多値を取り得る濃度値を付与して定義し、
   所定の分布形状パターン調整用特性データ群の特性値を用いて、その特性データ群の特性値の大きさが上記評価に反映されるように上記分布形状パターンの濃度値を調整し、
   上記濃度値の調整は、
   上記解析対象データがなす解析対象データ群から、上記特性値の分布が上記分布形状パターンの濃度値の分布と類似しているようなデータを上記分布形状パターン調整用特性データ群として抽出する第１ステップと、
   上記第１ステップで得られた上記分布形状パターン調整用特性データ群の特性値の分布の統計量と上記分布形状パターンの濃度値の分布の統計量とを用いて、上記分布形状パターンの濃度値を調整する第２ステップを備え、この第２ステップにおける上記分布形状パターン調整用特性データ群の特性値の分布の統計量は、その特性データ群をなす特性値の各解析対象データ毎の平均値の標準偏差であり、上記分布形状パターンの濃度値の分布の統計量は、上記分布形状パターンの濃度値の標準偏差であり、
   上記解析対象データと上記調整後の分布形状パターンとを比較して、上記解析対象データの特性値の分布と上記調整後の分布形状パターンの濃度値の分布との定量的な類似度を求めることを特徴とする分布解析方法。
2. 平面に沿って分布した特性値をもつ解析対象データが特定の分布形状パターンに類似しているかどうかを評価する分布解析方法であって、
   上記分布形状パターンを、上記解析対象データを定めた平面に対応する平面を格子状に複数の矩形領域に区画するとともに、上記各矩形領域毎に、或る数値範囲内で多値を取り得る濃度値を付与して定義し、
   所定の分布形状パターン調整用特性データ群の特性値を用いて、その特性データ群の特性値の大きさが上記評価に反映されるように上記分布形状パターンの濃度値を調整し、
   上記濃度値の調整は、
   上記解析対象データがなす解析対象データ群から、上記特性値の分布が上記分布形状パターンの濃度値の分布と類似しているようなデータを上記分布形状パターン調整用特性データ群として抽出する第１ステップと、
   上記第１ステップで得られた上記分布形状パターン調整用特性データ群の特性値の分布の統計量と上記分布形状パターンの濃度値の分布の統計量とを用いて、上記分布形状パターンの濃度値を調整する第２ステップを備え、この第２ステップにおける上記分布形状パターン調整用特性データ群の特性値の分布の統計量は、その特性データ群をなす特性値の各解析対象データ毎の平均値であり、上記分布形状パターンの濃度値の分布の統計量は、上記分布形状パターンの濃度値の標準偏差であり、
   上記解析対象データと上記調整後の分布形状パターンとを比較して、上記解析対象データの特性値の分布と上記調整後の分布形状パターンの濃度値の分布との定量的な類似度を求めることを特徴とする分布解析方法。
3. 請求項１または２に記載の分布解析方法において、
   上記第１ステップは上記各解析対象データの上記各矩形領域に対応する特性値と上記分布形状パターンの上記各矩形領域に付与された濃度値との相関係数が予め定めた閾値以上であるようなデータを上記分布形状パターン調整用特性データ群として抽出することを特徴とする分布解析方法。
4. 請求項１または２に記載の分布解析方法において、
   上記類似度は、上記調整後の分布形状パターンの上記各矩形領域に付与された濃度値と上記解析対象データの上記各矩形領域に対応する特性値との共分散で与えられることを特徴とする分布解析方法。
5. 請求項１または２に記載の分布解析方法において、
   上記類似度を求めるために、
   上記解析対象データの特性値の相対的な大小関係が上記分布形状パターンの濃度値の相対的な大小関係と類似しているかどうかを判定する第３ステップと、
   上記第３ステップによる判定結果を用いて上記類似度を評価する第４ステップを備えることを特徴とする分布解析方法。
6. 請求項５に記載の分布解析方法において、
   上記第３ステップは、上記解析対象データの上記各矩形領域に対応する特性値と、上記分布形状パターンまたは上記調整後の分布形状パターンの上記各矩形領域に付与された濃度値との相関係数が予め定めた閾値以上であるような解析対象データを上記分布形状パターンと類似していると判定することを特徴とする分布解析方法。
7. 請求項１または２に記載の分布解析方法において、
   上記解析対象データの特性値は基板の表面に沿って分布していることを特徴とする分布解析方法。
8. 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７に記載の分布解析方法を実施して上記類似度を求め、
   上記各基板を上記各製造工程で処理した製造装置を表す処理履歴に基づいて、上記類似度が予め定めた閾値以上であるような基板に共通して用いられた製造装置を抽出することを特徴とする異常設備推定方法。
9. 平面に沿って分布した特性値をもつ解析対象データが特定の分布形状パターンに類似しているかどうかを評価する分布解析装置であって、
   上記分布形状パターンを、上記解析対象データを定めた平面に対応する平面を格子状に複数の矩形領域に区画するとともに、上記各矩形領域毎に、或る数値範囲内で多値を取り得る濃度値を付与して定義するパターン登録部と、
   所定の分布形状パターン調整用特性データ群の特性値を用いて、その特性データ群の特性値の大きさが上記評価に反映されるように上記分布形状パターンの濃度値を調整するパターン調整部を備え、
   上記パターン調整部は、
   上記解析対象データがなす解析対象データ群から、上記特性値の分布が上記分布形状パターンの濃度値の分布と類似しているようなデータを上記分布形状パターン調整用特性データ群として抽出する第１部分と、
   上記第１部分で得られた上記分布形状パターン調整用特性データ群の特性値の分布の統計量と上記分布形状パターンの濃度値の分布の統計量とを用いて、上記分布形状パターンの濃度値を調整する第２部分を有し、この第２部分における上記分布形状パターン調整用特性データ群の特性値の分布の統計量は、その特性データ群をなす特性値の各解析対象データ毎の平均値の標準偏差であり、上記分布形状パターンの濃度値の分布の統計量は、上記分布形状パターンの濃度値の標準偏差であり、
   上記解析対象データと上記調整後の分布形状パターンとを比較して、上記解析対象データの特性値の分布と上記調整後の分布形状パターンの濃度値の分布との定量的な類似度を求める類似度評価部とを備えたことを特徴とする分布解析装置。
10. 平面に沿って分布した特性値をもつ解析対象データが特定の分布形状パターンに類似しているかどうかを評価する分布解析装置であって、
    上記分布形状パターンを、上記解析対象データを定めた平面に対応する平面を格子状に複数の矩形領域に区画するとともに、上記各矩形領域毎に、或る数値範囲内で多値を取り得る濃度値を付与して定義するパターン登録部と、
    所定の分布形状パターン調整用特性データ群の特性値を用いて、その特性データ群の特性値の大きさが上記評価に反映されるように上記分布形状パターンの濃度値を調整するパターン調整部を備え、
    上記パターン調整部は、
    上記解析対象データがなす解析対象データ群から、上記特性値の分布が上記分布形状パターンの濃度値の分布と類似しているようなデータを上記分布形状パターン調整用特性データ群として抽出する第１部分と、
    上記第１部分で得られた上記分布形状パターン調整用特性データ群の特性値の分布の統計量と上記分布形状パターンの濃度値の分布の統計量とを用いて、上記分布形状パターンの濃度値を調整する第２部分を有し、この第２部分における上記分布形状パターン調整用特性データ群の特性値の分布の統計量は、その特性データ群をなす特性値の各解析対象データ毎の平均値であり、上記分布形状パターンの濃度値の分布の統計量は、上記分布形状パターンの濃度値の標準偏差であり、
    上記解析対象データと上記調整後の分布形状パターンとを比較して、上記解析対象データの特性値の分布と上記調整後の分布形状パターンの濃度値の分布との定量的な類似度を求める類似度評価部とを備えたことを特徴とする分布解析装置。
11. 請求項９または１０に記載の分布解析装置において、
    上記類似度評価部は、
    上記解析対象データの特性値の相対的な大小関係が上記分布形状パターンの濃度値の相対的な大小関係と類似しているかどうかを判定する第３部分と、
    上記第３部分による判定結果を用いて上記類似度を評価する第４部分を備えたことを特徴とする分布解析装置。
12. 請求項９または１０に記載の分布解析装置において、
    上記解析対象データの特性値は基板の表面に沿って分布していることを特徴とする分布解析装置。
13. 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１２に記載の分布解析装置を備え、この分布解析装置によって上記類似度を求め、
    上記各基板を上記各製造工程で処理した製造装置を表す処理履歴に基づいて、上記類似度が予め定めた閾値以上であるような基板に共通して用いられた製造装置を抽出する異常設備推定部を備えたことを特徴とする異常設備推定装置。
14. 請求項１または２に記載の分布解析方法をコンピュータに実行させるための分布解析プログラム。
15. 請求項８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。
16. 請求項１４に記載の分布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。
17. 請求項１５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