JP5030582B2 - データ分析用の装置および方法 - Google Patents

Description

（関連出願）
本件出願は、２００２年５月２４日付の「ＭＥＴＨＯＤＳ ＡＮＤ ＡＰＰＡＲＡＴＵＳ ＦＯＲ ＳＥＭＩＣＯＮＤＵＣＴＯＲ ＴＥＳＴＩＮＧ」という名称の米国特許出願第１０／１５４，６２７号の部分継続出願である。なお、この米国特許出願第１０／１５４，６２７号は、２００１年５月３１日付の「ＭＥＴＨＯＤＳ ＡＮＤ ＡＰＰＡＲＡＴＵＳ ＦＯＲ ＤＡＴＡ ＳＭＯＯＴＨＩＮＧ」という名称の米国特許出願第０９／８７２，１９５号の部分継続出願であって、２００１年５月２４日付の「ＭＥＴＨＯＤＳ ＡＮＤ ＡＰＰＡＲＡＴＵＳ ＦＯＲ ＤＡＴＡ ＳＭＯＯＴＨＩＮＧ」という名称の米国特許仮出願第６０／２９３，５７７号、２００１年５月３１日付の「ＭＥＴＨＯＤＳ ＡＮＤ ＡＰＰＡＲＡＴＵＳ ＦＯＲ ＴＥＳＴ ＤＡＴＡ ＣＯＮＴＲＯＬ ＡＮＤ ＡＮＡＬＹＳＩＳ」という名称の米国特許仮出願第６０／２９５，１８８号、および２００２年４月２１日付の「ＭＥＴＨＯＤＳ ＡＮＤ ＡＰＰＡＲＡＴＵＳ ＦＯＲ ＴＥＳＴ ＰＲＯＧＲＡＭ ＡＮＡＬＹＳＩＳ ＡＮＤ ＥＮＨＡＮＣＥＭＥＮＴ」という名称の米国特許仮出願第６０／３７４，３２８号の利益を主張している。これら各出願における開示は、本明細書に援用される。しかしながら、本明細書の開示が上記各出願とコンフリクトする範囲においては、本明細書の開示が優先するものとする。

（技術分野）
本発明は、データ分析に関する。

半導体企業は、コンポーネントが適切に作動することを保証するためコンポーネントをテストする。テストデータは、コンポーネントが適切に機能しているかどうかを判定するだけではく、製造プロセスにおける欠陥を知らせることができる。従って、多くの半導体企業は、いくつかの異なるコンポーネントから収集されたデータを分析して問題を特定し、それらの問題を修正することができる。例えば、企業は、異なるいくつかのロットに属するウエハに関し、各ウエハ上の複数のチップについてテストデータを収集することができる。このデータを分析して、共通の欠陥または欠陥のパターンを特定でき、あるいは品質および性能上の問題を呈し得る部分を特定し、さらにユーザの規定による「良好な部分」を特定または分類することができる。次いで、それらの問題を修正するためのステップをとることができる。テストは、典型的には、デバイスをパッケージングする前に（ウエハレベルで）実行され、さらにアセンブリの完成後に実行される（最終テスト）。

テストデータの収集および分析には、費用がかかり、かつ時間を消費する。自動テスターが、コンポーネントに信号を印加し、対応する出力信号を読み取る。出力信号を、コンポーネントが適切に機能しているかどうかを判断するために分析することができる。各テスターの生成するデータは、大量である。例えば、各テスターが、１つのコンポーネントについて２００のテストを実行し、これらテストの各々が１０回繰り返されることがある。結果的に、１つのコンポーネントについてのテストが、２０００の結果を生み出し得る。各テスターが１時間に１００以上のコンポーネントをテストし、かつ複数のテスターが同一のサーバに接続され得るため、記憶されなければならないデータは、膨大な量である。さらに、データを処理するため、サーバは、データの操作および分析を容易にするため、典型的には、データベースにテストデータを記憶する。しかしながら、従来のデータベースにおける記憶は、データを整理および記憶するために、さらなる記憶容量および時間を必要とする。

さらに、収集したデータの分析も困難を伴う。データの量ゆえ、かなりの処理能力および時間が必要とされ得る。結果として、データは、通常は製品のランタイム（ｒｕｎ ｔｉｍｅ）において分析されるのではなく、典型的にはテストの実行とテストの実行との間、または、あるいは他の一括処理において分析される。

これらの労苦のいくらかを軽減するために、或る企業は、テスターからデータの一部のみをサンプリングし、残りを切り捨てる。しかしながら、すべてのデータを分析せず一部のデータのみを分析することで、分析が充分に完全かつ正確であることが不可能になる。結果として、サンプリングによって、テスト結果の完全な理解が損なわれる。

さらに、テスターによって収集されたテストデータ一式が完全に維持される場合でも、テストデータの全体量ゆえ、データの分析および意味ある結果の生成において困難が存在する。データは、おそらくはデバイス、テストのプロセス、および製造プロセスについて、製造、信頼性、およびテストの改善に使用できるかなりの情報を含んでいる。しかしながら、情報の量という点で、情報を切り分けてユーザまたは他のシステムに提示することは、骨の折れる課題である。

さらに、テストデータの取得も、複雑で骨の折れるプロセスである。テストエンジニアは、コンポーネントへの入力信号を生成して、出力信号を受信するようにテスターに指示するテストプログラムを準備する。コンポーネントの完全かつ適切な作動を保証するため、このプログラムは、非常に複雑になりがちである。結果として、それほど複雑でない集積回路のためのテストプログラムが、膨大なテストおよび結果を含むことになる。プログラムの準備は、満足のいく結果に到達するためには広範囲にわたる設計および変更を必要とし、例えば冗長なテストの除去やテスト時間の最小化のためのプログラムの最適化は、さらなる労力を要求する。

本発明の種々の態様による半導体のテスト方法およびテスト装置は、２つ以上のデータセットからのデータを分析するよう構成された複合データ分析要素を備えるテストシステムを含んでいる。このテストシステムを、出力レポートにデータをもたらすように構成することができる。複合データ分析要素は、空間分析を適切に実行して、複合データセット内にパターンおよび不規則性を特定する。さらに、複合データ分析要素は、複合データ分析を洗練させるため、クラスタ検出システムおよび除外システムなど、他のさまざまな分析システムと関連して動作できる。さらに、複合データを、他のデータへとマージすることができる。

本発明は、詳細な説明および特許請求の範囲を、必ずしも比例尺ではない以下の図面と関連付けて検討したとき、より完全に理解されるであろう。図面の全体を通じて、同様の参照番号は同様の要素を指し示している。

図中の要素は、簡潔さおよび分かりやすさを意図して示されており、必ずしも比例尺で描かれてはいない。例えば、図中の接続および幾つかの要素によって実行されるステップは、本発明の実施の形態の理解を向上させるのを手助けするために、他の要素との関連において強調され、あるいは省略されることがある。

本発明は、機能的ブロックコンポーネントおよびさまざまな処理ステップに関して説明することができる。このような機能的ブロックおよびステップは、指定の機能を実行するように構成された任意の数のハードウェアまたはソフトウェアコンポーネントによって実現できる。例えば、本発明は、１つ以上のテスター、マイクロプロセッサ、または他の制御デバイスの制御のもとで種々の機能を実行し得るさまざまなテスター、プロセッサ、記憶システム、処理、ならびに集積回路コンポーネント（例えば、統計エンジン、メモリ要素、信号処理要素、論理要素、プログラム、等）を使用することができる。さらに、本発明は、任意の数のテスト環境と連携して実行することができ、ここで説明される各システムは、単に本発明の１つの用途の例示にすぎない。さらに、本発明は、データ分析、コンポーネントインターフェイス、データ処理、コンポーネント操作、等のための任意の数の従来技術を利用することができる。

図１を参照すると、本発明の種々の局面による方法および装置が、半導体をテストするための自動テスト装置（ＡＴＥ）等のテスター１０２を有するテストシステム１００と連動して作動し得る。本実施の形態において、テストシステム１００は、テスター１０２およびコンピュータシステム１０８を含んでいる。テストシステム１００は、ウエハ上の半導体デバイス、回路基板、パッケージされたデバイス、あるいは他の電気的または光学的システム等の任意のコンポーネント１０６をテストするように構成することができる。本実施の形態では、コンポーネント１０６は、ウエハ上に形成される複数の集積回路ダイ、あるいはパッケージ化された集積回路またはデバイスを含む。

テスター１０２は、コンポーネント１０６をテストして、テストに関連する出力データを生成する任意のテスト装置を適切に含む。テスター１０２は、Ｔｅｒａｄｙｎｅテスター等の従来の自動テスターからなることができ、テストを促進するために他の装置と連動して適切に作動する。テスター１０２は、テストされるべき特定のコンポーネント１０６および／または任意の他の適切な判断基準に従って、選択および構成することができる。

テスター１０２は、例えば、テスター１０２をプログラムし、テストプログラムをロードおよび／または実行し、データを収集し、テスター１０２に命令をもたらし、統計エンジンを実装し、さらにはテスターパラメータを制御するなどのため、コンピュータシステム１０８と連動して作動し得る。本実施の形態では、コンピュータシステム１０８が、テスター１０２からテスターデータを受信し、テスター１０２と独立して、さまざまなデータ分析機能を実行する。さらに、コンピュータシステム１０８は、統計エンジンを実装して、テスター１０２からのデータを分析する。コンピュータシステム１０８は、テスター１０２と信号を交換すべくテスター１０２に接続され、あるいはテスター１０２とネットワーク化されるパーソナルコンピュータまたはワークステーション等の別個のコンピュータを含んでよい。他の実施の形態では、コンピュータシステム１０８をテストシステム１００の他のコンポーネントから省略してもよく、あるいはテストシステム１００の他のコンポーネントに一体化させてもよく、さまざまな機能を、テスター１０２等の他のコンポーネントによって実行することができる。

コンピュータシステム１０８は、プロセッサ１１０およびメモリ１１２を含んでいる。プロセッサ１１０は、Ｗｉｎｄｏｗｓ９８（登録商標）、ＷｉｎｄｏｗｓＮＴ（登録商標）、Ｕｎｉｘ（登録商標）、またはＬｉｎｕｘなどの任意の適切なオペレーティングシステムと関連して動作する従来からのＩｎｔｅｌ社、Ｍｏｔｏｒｏｌａ社、またはＡｄｖａｎｃｅｄ Ｍｉｃｒｏ Ｄｅｖｉｃｅｓ社のプロセッサなど、任意の適切なプロセッサからなる。同様に、メモリ１１２は、ランダムアクセスメモリ（ＲＡＭ）または他の適切な記憶システムなど、データを記憶するためプロセッサ１１０にとってアクセス可能な任意の適切なメモリでを備え得る。特に、本システムのメモリ１１２は、情報の記憶および受信のための高速アクセスメモリを含み、コンピュータ１０８の動作を容易にするに充分な容量を備えて適切に構成される。

本実施の形態において、メモリ１１２は、テスター１０２から受け取った出力結果を記憶し、出力テストデータの分析を容易にするための容量を備えている。メモリ１１２は、分析用のテストデータを高速で記憶し、かつ取り出すように構成される。メモリ１１２は、テスト結果に基づき、選択された判定基準および分析に従ってテストシステム１００および／またはオペレータによって選択された一組の情報を適切に含む動的データログの要素を記憶するように、適切に構成される。

例えば、メモリ１１２は、各々のコンポーネント１０６について、テストされたウエハのウエハマップにおけるコンポーネント１０６の位置に対応するｘ‐ｙ座標など、コンポーネント識別子を適切に記憶する。メモリ１１２内の各々のｘ‐ｙ座標を、ウエハマップ上の対応するｘ‐ｙ座標に位置する特定のコンポーネント１０６に関連付けることができる。各々のコンポーネント識別子は、１つ以上のフィールドを有し、各フィールドが、例えばウエハ上の対応するｘ‐ｙ位置に位置するコンポーネント１０６について実行された特定のテスト、対応するコンポーネント１０６に関連する統計、または他の関連データに対応する。メモリ１１２は、任意の判定条件またはルールに従って所望のとおりユーザによって特定された任意のデータを含むように構成することができる。

さらに、本実施の形態のコンピュータ１０８は、他のメモリ（またはメモリ１１２の一部）、ハードドライブアレイ、光学式記憶システム、または他の適切な記憶システムなどの記憶システムへのアクセスを適切に有する。記憶システムは、コンピュータ１０８またはテスター１０２の専用のハードドライブのようにローカルであってよく、あるいはテストシステム１００が接続されるサーバに関連付けられたハードドライブアレイのようにリモートであってよい。記憶システムは、コンピュータ１０８またはテストシステム１００の他のコンポーネントによって使用されるプログラムおよび／またはデータを記憶することができる。本実施の形態において、記憶システムは、例えば製造設備用の主たる生産サーバからなるリモートサーバ１１６を介して利用可能であるデータベース１１４からなる。データベース１１４は、テスターデータファイル、テストシステム１００およびそのコンポーネントを動作させるためのマスタデータファイル、テストプログラムおよびテストシステム１００用のダウンロード可能な命令などのテスター情報を記憶する。さらに、記憶システムが、分析のために保持される履歴テスターデータファイルなど、完全なテスターデータファイルを含んでもよい。

テストシステム１００は、コンポーネント１０６のテストを容易にするために、さらなる装置を含むことができる。例えば、本テストシステム１００は、コンポーネント１０６を取り扱い、コンポーネント１０６とテスター１０２との間にインターフェイスを提供するように、従来のデバイスインターフェイスボードおよび／またはデバイスハンドラまたはプロバー（ｐｒｏｂｅｒ）のようなデバイスインターフェイス１０４を含んでいる。テストシステム１００は、コンポーネント１０６のテストを容易にするため、テストシステム１００の特定の構成、用途、および環境、または他の関連する要因に従って、他のコンポーネント、装置、およびソフトウェアなどを含むことができ、あるいはこれらに接続されることができる。例えば、本実施の形態において、テストシステム１００は、ローカルエリアネットワーク、イントラネット、またはインターネットなどのグローバルネットワークなど、適切な通信媒体に接続され、リモートサーバ１１６などの他のシステムに情報を送信する。

テストシステム１００は、１つ以上のテスター１０２および１つ以上のコンピュータ１０８を含むことができる。例えば、１つのコンピュータ１０８を、システムのスループットおよびコンピュータ１０８の構成などのさまざまな要因に従って、例えば２０以上にものぼる適切な数のテスター１０２に接続することができる。また、コンピュータ１０８は、テスター１０２と別個であってよく、あるいは、例えばテスター１０２自体の１つ以上のプロセッサ、メモリ、クロック回路などを利用し、テスター１０２に統合してもよい。さらに、種々の機能を異なるコンピュータによって実行してもよい。例えば、第１のコンピュータがさまざまな前分析タスクを実行し、次いで幾つかのコンピュータがこのデータを受け取ってデータ分析を実施し、別のコンピュータの組が、動的データログおよび／または他の出力レポートを作成してもよい。

本発明の種々の局面によるテストシステム１００は、コンポーネント１０６をテストし、改善された分析およびテスト結果を提供する。例えば、補足の分析によって、不正確な、不確かな、または異常な結果、繰り返しのテスト、および／または比較的高い割合で不良と考えられるテストを特定することができる。さらに、テストシステム１００は、複数のウエハおよび／またはウエハの複数のロットから得られたデータなど、複数組のデータを分析し、複数のデータ組に基づく複合データを生成することができる。次いで、生産技術者、テスト技術者、製造技術者、デバイス技術者、またはテストデータを用いる他の人員などのオペレータは、テストシステム１００および／または製造システムの検証および／または改善、ならびにコンポーネント１０６の分類のため、結果を使用することができる。

本発明の種々の局面によるテストシステム１００は、コンポーネント１０６をテストして、テストデータを収集および分析するために、改善されたテストプロセスを実施する。テストシステム１００は、コンピュータ１０８によって実行されるソフトウェアアプリケーションに関連して、適切に動作する。図２を参照すると、本実施の形態のソフトウェアアプリケーションは、改善されたテストプロセスを実行するための複数の要素を含んでおり、すなわち構成要素２０２、補足データ分析要素２０６、および出力要素２０８を含んでいる。さらにテストシステム１００は、２つ以上のデータ組からのデータを分析するための複合分析要素２１４を備えることができる。各々の要素２０２、２０６、２０８、２１４は、種々のタスクを実行すべくコンピュータ１０８上で動作するソフトウェアモジュールを適切に含んでいる。一般に、構成要素２０２が、テストおよび分析用にテストシステム１００を準備する。補足データ分析要素２０６において、テスター１０２から出力されたテストデータが、適切にランタイムで、かつ自動的に、補足テストデータを生成するように分析される。次いで、補足テストデータが、オペレータ、または複合分析要素などの別のシステム、あるいは出力要素２０８へと送られる。

構成要素２０２は、コンポーネント１０６をテストし、テストデータを分析するため、テストシステム１００を構成する。テストシステム１００は、初期パラメータの所定の組を適切に使用し、さらに所望される場合には、テストシステム１００を構成するためのオペレータからの情報を適切に使用する。テストシステム１００は、テストシステム１００へのオペレータの出番を最低限にするように、所定またはデフォルトのパラメータを用いて適切に初期構成される。所望される場合、構成の調節が、例えばコンピュータ１０８を介してオペレータによって行われてもよい。

図３を参照すると、構成要素２０２によって実行される例示的な構成プロセス３００は、コンピュータ１０８を初期状態に設定するための初期化手順から出発する（ステップ３０２）。次いで、構成要素２０２は、コンピュータ１０８およびテスター１０２について、例えばデータベース１１４からアプリケーション構成情報を得る（ステップ３０４）。例えば、構成要素２０２は、改善されたテストプロセス用のマスター構成ファイルおよび／またはテスター１０２に関連するツール構成ファイルにアクセスすることができる。マスター構成ファイルは、改善されたテストプロセスを実施するため、コンピュータ１０８およびテストシステム１００の他のコンポーネント用の適切な構成に関連するデータを含むことができる。同様に、ツール構成ファイルは、接続、ディレクトリ、ＩＰアドレス、テスターノード識別子、製造者、フラグ、プロバー識別子、またはテスター１０２用の他の任意の関連情報など、テスター１０２の構成に関連するデータを適切に含んでいる。

構成要素２０２は、マスター構成ファイルおよび／またはツール構成ファイルに含まれるデータに従って、テストシステム１００を構成することができる（ステップ３０６）。さらに、テスターデータ用のロジスティックインスタンス（ｌｏｇｉｓｔｉｃｓ ｉｎｓｔａｎｃｅｓ）などのデータをテスター１０２に関連付けるために、構成要素２０２は、構成データを用いて、データベース１１４からテスター１０２の識別子などのさらなる関連情報を取り出すことができる（ステップ３０８）。さらに、テストシステム１００の情報は、オペレータによって承認、却下、または調整され得る１つ以上のデフォルトパラメータを適切に含んでいる。例えば、テストシステム１００の情報が、インストール時、構成時、パワーアップ時、あるいは認可および／または修正のための適切な他の時期においてオペレータに提出される全体的な統計的プロセス管理（ｇｌｏｂａｌ ｓｔａｔｉｓｔｉｃａｌ ｐｒｏｃｅｓｓ ｃｏｎｔｒｏｌ）（ＳＰＣ）のルールおよび目標を含んでもよい。さらに、テストシステム１００の情報は、デフォルトウエハマップを含んでもよく、あるいは各々の製品、ウエハ、コンポーネント１０６、またはテストシステム１００に影響し、あるいはテストシステム１００によって影響される可能性がある他のアイテムについて、適切に構成された他のファイルを含んでもよい。構成アルゴリズム、パラメータ、および他の任意の判定条件は、容易なアクセス、特定の製品および／またはテストへの相関、およびトレーサビリティのために、レシピファイルに記憶することができる。

初期の構成プロセスが完了すると、テストシステム１００は、テストプログラムに従い、例えば従来からの一連のテストに関連するテスト動作を開始する。テスター１０２は、テストプログラムを適切に実行し、コンポーネント１０６への接続部に信号を印加し、コンポーネント１０６から出力されたテストデータを読み取る。テスター１０２は、ウエハ上のそれぞれのコンポーネント１０６について複数のテストを実行することができ、それぞれのテストを、同一のコンポーネント１０６について複数回繰り返すことができる。テスター１０２からのテストデータは、素早いアクセスおよび補足の分析のため、テストデータが取得されたときに保存される。さらにデータを、後の分析および使用のために、長期間メモリに保存してもよい。

それぞれのテストは、コンポーネントの少なくとも１つについて少なくとも１つの結果を生成する。図９を参照すると、複数のコンポーネントに関する単一のテストについてのテスト結果の例示的なセットが、統計的に類似の値を有するテスト結果の第１のセットと、第１のセットから逸脱する値によって特徴付けられるテスト結果の第２のセットとを含んでいる。それぞれのテスト結果を、テスト上限およびテスト下限と比較することができる。或るコンポーネントについての特定の結果がいずれかの限界を超えている場合、そのコンポーネントを「不良部分（ｂａｄ ｐａｒｔ）」に分類することができる。

第１のセットから逸脱している第２のセットにおいて、いくつかのテスト結果が管理限界を超える一方で、他のテスト結果は管理限界を超えないかもしれない。この目的のため、第１のセットから逸脱するが管理限界を超えないテスト結果、または検出されないテスト結果は、「アウトライヤー（ｏｕｔｌｉｅｒｓ）」と呼ばれる。テスト結果におけるアウトライヤーを、信頼性を欠く可能性があるコンポーネントを特定するためなど任意の適切な目的のため、特定および分析することができる。さらに、アウトライヤーを、テストおよび製造プロセスのさまざまな潜在的な問題および／または改良を特定するために使用することができる。

テスター１０２がテスト結果を生成するとき、それぞれのコンポーネント、テスト、および繰り返しについて出力されたテストデータが、テスター１０２によってテスターデータファイルに保存される。それぞれのコンポーネント１０６から受信された出力テストデータは、例えばテスト上限および下限との比較により、コンポーネント１０６の性能を分類すべくテスター１０２によって分析され、分類の結果もまた、テスターデータファイルに保存される。さらに、テスターデータファイルは、ロジスティックデータ（ｌｏｇｉｓｔｉｃｓ ｄａｔａ）およびテストプログラム識別データ等のさらなる情報を含むことができる。次いで、テスターデータファイルは、標準テスターデータフォーマット（ＳＴＤＦ）ファイル等の出力ファイルでコンピュータ１０８に提供され、メモリに保存される。さらに、テスターデータファイルを、複合分析要素２１４による分析など、後の分析のための長期保存のため、記憶システムに記憶してもよい。

コンピュータ１０８がテスターデータファイルを受信すると、補足データ分析要素２０６が、改善された出力結果を提供するために、データを分析する。補足データ分析要素２０６は、任意の適切な目的を達成するため、テスターデータの任意の適切な分析を提供することができる。例えば、補足データ分析要素２０６は、ランタイムで出力テストデータを分析し、オペレータにとって重要なデータおよびデータの特徴を特定するための統計エンジンを実現することができる。特定されたデータおよび特徴を保存することができ、一方、特定されなかったデータを、破棄など他の方法で処理することができる。

補足データ分析要素２０６は、例えば、データおよび統計的構成データのセットに応じて、統計的数字を計算することができる。統計的構成データは、テストシステム１００および／またはオペレータの必要性に応じて、統計的プロセス管理、アウトライヤーの特定および分類、シグネチャー分析（ｓｉｇｎａｔｕｒｅ ａｎａｌｙｓｉｓ）、およびデータ相関等の、任意の適切な種類の分析を呼び出すことができる。さらに、補足データ分析要素２０６は、分析を適切にランタイムで実行し、すなわちテストデータの生成に続く数秒または数分以内に分析を実行する。また、補足データ分析要素２０６は、オペレータおよび／またはテストエンジニアの介在を最小限にしつつ、分析を自動的に実行することができる。

本テストシステム１００においては、コンピュータ１０８がテスターデータファイルを受信および保存した後、補足データ分析要素２０６は、出力テストデータの分析についてコンピュータ１０８を準備し、補足データの生成および出力レポートの準備を容易にするために、さまざまな予備的なタスクを実行する。ここで図４Ａ〜Ｃを参照すると、本実施の形態において、補足データ分析要素２０６は、最初に、テスターデータファイルを、関連するテスター１０２に対応するツール入力ディレクトリに複製する（ステップ４０２）。さらに、補足データ分析要素２０６は、出力テストデータの補足分析のためにコンピュータ１０８を準備するために、構成データを検索する。

構成データは、テスターデータファイルから検索され得るロジスティックデータのセットを適切に含んでいる（ステップ４０４）。さらに、補足データ分析要素２０６は、ロジスティック基準を作成する（ステップ４０６）。ロジスティック基準は、ツール構成ファイルから取り出されたテスター１０２の情報など、テスター１０２の情報を含むことができる。さらに、ロジスティック基準には、識別子が割り当てられる。

構成データはまた、出力テストデータを生成したテストプログラムについての識別子を含み得る。テストプログラムは、テスター１０２の識別子との関連性によってデータベース１１４内でそれを探し（ステップ４０８）、あるいはマスター構成ファイルからそれを読み出すなど、任意の適切なやり方で特定できる。テストプログラムの特定が確立できない（ステップ４１０）場合、テストプログラムの識別子を生成して、テスター識別子と関連付けることができる（ステップ４１２）。

構成データは、さらに、補足データ分析要素２０６によって処理されるテスト対象のウエハが全ウエハよりも少ない場合、そのようなウエハを特定する。本実施の形態において、補足データ分析要素２０６は、どのウエハを分析すべきかを指示しているファイルにアクセスする（ステップ４１４）。そのような指示が提供されていない場合、コンピュータ１０８は、テスト動作時に全てのウエハを分析するように適切に初期設定されている。

現在のテストデータファイルのウエハが分析されるべきものである場合（ステップ４１６）、補足データ分析要素２０６は、当該ウエハのテストデータファイルについて、補足データ分析の実行を続ける。他の場合、補足データ分析要素２０６は、次のテストデータファイルを待ち、あるいは次のテストデータファイルにアクセスする（ステップ４１８）。

補足データ分析要素２０６は、テストされるべき種々のウエハについて分析されるための１つ以上のセクショングループを確立し得る（ステップ４２０）。出力テストデータに適用する適切なセクショングループを特定するために、補足データ分析要素２０６は、例えばテストプログラムおよび／またはテスト識別子に応じて、適切なセクショングループ定義を適切に特定する。それぞれのセクショングループは、１つ以上のセクションアレイを含み、それぞれのセクションアレイは、同一のセクションタイプの１つ以上のセクションを含む。

セクションタイプは、ウエハの所定の領域に位置するさまざまな種類のコンポーネント１０６のグループを含む。例えば、図５を参照すると、セクションタイプは、行５０２、列５０４、ステッパフィールド５０６、環状バンド５０８、放射状ゾーン５１０、四分円（ｑｕａｄｒａｎｔ）５１２、またはコンポーネントの任意の他の所望の取り合わせを含み得る。異なるセクションタイプを、処理されるコンポーネントの順序またはチューブのセクションなど、コンポーネントの構成に応じて使用することができる。コンポーネント１０６のこのようなグループは、例えば、当該グループに関連付けることができる共通の欠陥または特性を特定するため、同時に分析される。例えば、ウエハの特定の部分の熱の伝導がウエハの他の部分と異なる場合、ウエハの不均一な加熱に関連する共通の特性または欠陥が、コンポーネント１０６の特定のグループについてのテストデータに反映されるであろう。

現在のテスターデータファイルについてのセクショングループを特定すると同時に、補足データ分析要素２０６は、テストプログラムおよび／またはテスター１０２の管理限界およびイネーブルフラグ（ｅｎａｂｌｅ ｆｌａｇ）等の、任意のさらなる関連構成データを検索する（ステップ４２２）。特に、補足データ分析要素２０６は、セクショングループ内のそれぞれのセクションアレイに関連する所望の統計または計算のセットを、適切に検索する（ステップ４２３）。所望の統計および計算は、オペレータによる指定またはファイルからの検索など、任意のやり方で指定できる。さらに、補足データ分析要素２０６は、それぞれの関連セクションタイプまたはウエハに関連する他の適切な種類について、１つ以上のシグネチャー分析アルゴリズムを特定することができ（ステップ４２４）、さらにデータベース１１４からシグネチャーアルゴリズムを取り出すことができる。

構成データの全ては、デフォルトによって提供されてもよく、あるいは構成要素２０２または補足データ分析要素２０６によって自動的にアクセスされてもよい。さらに、本実施の形態の構成要素２０２および補足データ分析要素２０６は、オペレータが、オペレータの希望またはテストシステム１００の要件に応じて構成データを変えることを、適切に可能にする。構成データが選択された場合、当該構成データを関連する判定基準に関連付け、将来の使用のためにデフォルト構成データとして保存することができる。例えば、オペレータが特定の種類のコンポーネント１０６について或るセクショングループを選択した場合、コンピュータ１０８は、そうではないとオペレータが特に命令しない限りは、そのようなコンポーネント１０６の全てについて同一のセクショングループを自動的に使用することができる。

さらに、補足データ分析要素２０６は、テスターデータファイルおよびさらなるデータの構成および保存を提供する。補足データ分析要素２０６は、保存されるべきデータのために、メモリ１１２の一部など、メモリを適切に割り当てる（ステップ４２６）。割り当ては、テスターデータファイルからの出力テストデータ、補足データ分析要素２０６によって生成される統計データ、および管理パラメータ、などを含む補足データ分析要素２０６によって保存されるべきデータ全てについて、適切にメモリを提供する。割り当てられるメモリ量は、例えば、コンポーネント１０６について実行されるテストの数、セクショングループアレイの数、管理限界、および補足データ分析要素２０６によって実行されるべき統計計算、などに応じて計算することができる。

補足の分析を実行するための全ての構成データが準備され、かつ出力テストデータが届けられた場合、補足データ分析要素２０６は、メモリ内に該当テストデータをロードし（ステップ４２８）、出力テストデータについて補足の分析を実行する。補足データ分析要素２０６は、コンポーネント１０６、テストシステム１００の構成、オペレータの要求、または他の該当する判断基準に従って、任意の数およびタイプのデータ分析を実行することができる。補足データ分析要素２０６を、選択された特性についてセクションを分析し、欠陥の可能性があるコンポーネント１０６を特定し、製造に係る懸念または欠陥を示しうる出力テストデータにおけるパターン、傾向、または他の特徴を特定するように構成することができる。

本発明の補足データ分析要素２０６は、例えば、出力テストデータを平滑化し、出力テストデータに基づいてさまざまな統計を計算および分析し、さまざまな判断基準に対応するデータおよび／またはコンポーネント１０６を特定する。さらに、本発明の補足データ分析要素２０６は、コンポーネント１０６およびテストシステム１００に関連する情報をオペレータおよび／またはテストエンジニアに対して提供するため、出力テストデータを分類し、相関させることができる。例えば、本発明の補足データ分析要素２０６は、例えば潜在的に関連するテストまたは冗長なテストを特定するための出力データ相関を実行することができ、アウトライヤーが頻繁に現れるテストを特定するためのアウトライヤー発生率分析を実行することができる。

補足データ分析要素２０６は、データを平滑化し、アウトライヤーの特定を助けるため、テスターデータを最初に処理する平滑化システム（ｓｍｏｏｔｈｉｎｇ ｓｙｓｔｅｍ）を含むことができる（ステップ４２９）。さらに、平滑化システムは、データおよび傾向などにおける顕著な変化を特定することができ、これが、出力要素２０８によってオペレータに提供され得る。平滑化システムは、例えばコンピュータシステム１０８上で動作するプログラムとして、適切に実装される。平滑化システムは、種々の判断基準に従ってデータを平滑化するための複数のフェーズを適切に含んでいる。第１のフェーズは、基本的な平滑化のプロセスを含むことができる。補助フェーズは、テストデータのトラッキングの改善および／または追加の平滑化を、状況に応じて提供する。

平滑化システムは、選択されたテスターデータの初期値を第１の平滑化技法に従って最初に調節し、初期値および最初に調節した値の少なくとも一方がしきい値に合致する場合に、第２の平滑化技法に従って値を補足的に調節することによって、適切に作動する。第１の平滑化技法は、データを平滑化する傾向がある。第２の平滑化技法もまた、データを平滑化し、かつ／またはデータのトラッキングを改良する傾向があるが、第１の平滑化技法とは異なるやり方である。さらに、しきい値は、補足の平滑化を適用するかどうかを判定するための任意の適切な判断基準を含むことができる。平滑化システムは、複数の前述の調整されたデータを複数の前述の生データと適切に比較して比較結果を生成し、比較結果が第１のしきい値と整合するかどうかに応じて、選択されたデータの値を調節すべく第２の平滑化技法を、選択されたデータに適用する。さらに、平滑化システムは、選択されたデータの予想値を適切に計算し、予想値が第２のしきい値に整合するかどうかに応じて、選択されたデータの値を調節すべく第３の平滑化技法を、選択されたデータに適用できる。

図８を参照すると、第１の平滑化済みテストデータ点が、第１の生テストデータ点と等しく適切に設定され（ステップ８０２）、平滑化システムは、次の生テストデータ点に進む（ステップ８０４）。平滑化操作を実行する前に、平滑化システムは、平滑化がデータ点に適切であるかどうかを最初に判定し、もし適切であれば、そのデータに基本の平滑化操作を実行する。受信したデータ点の数に応じ、選択された値からのデータ点の偏差に応じ、あるいは各データ点の値としきい値との比較に応じるなど、平滑化が適切であるかどうかを判定するための任意の判断基準を適用することができる。本実施の形態では、平滑化システムは、しきい値の比較を実行する。しきい値の比較によって、データの平滑化が適切であるかどうかが判断される。もし適切であれば、最初の平滑化プロセスが、データの最初の平滑化へと進むように適切に構成される。

より詳細には、本実施の形態においてプロセスは、第１の平滑化済みデータ点Ｓ_０としても指定される最初の生データ点Ｒ_０から出発する。追加のデータ点が受信されて分析されるとき、それぞれの生データ点（Ｒ_ｎ）と先に平滑化されたデータ点（Ｓ_ｎ−１）との間の差異が計算され、しきい値（Ｔ_１）と比較される（ステップ８０６）。生データ点Ｒ_ｎと先に平滑化されたデータ点Ｓ_ｎ−１との間の差異がしきい値Ｔ_１を超える場合、このしきい値の超過が、平滑化済みデータからの大きな逸脱に対応しており、データにおける変動を示していると仮定される。従って、しきい値の横断（ｃｒｏｓｓｉｎｇ）の発生に注目することができ、現在の平滑化済みデータ点Ｓ_ｎが、生データ点Ｒ_ｎと等しく設定される（ステップ８０８）。平滑化は実行されず、プロセスは、次の生データ点へと進む。

生データ点と先に平滑化されたデータ点との間の差異が、しきい値Ｔ_１を超えない場合、プロセスは、最初の平滑化プロセス（ステップ８１０）と関連して、現在の平滑化済みデータ点Ｓ_ｎを計算する。この最初の平滑化プロセスは、データの基本的な平滑化を提供する。例えば、本実施の形態においては、基本的な平滑化プロセスは、例えば以下の等式に従う従来の級数的な平滑化プロセスを含む。Ｓ_ｎ＝（Ｒ_ｎ−Ｓ_ｎ−１）＊Ｍ_１＋Ｓ_ｎ−１ ここで、Ｍ_１は、０．２または０．３などの選択された平滑化係数である。

最初の平滑化プロセスは、比較的小さい係数Ｍ_１を適切に利用して、データにかなりの量の平滑化を提供する。最初の平滑化プロセスおよび係数は、任意の判断基準に応じて選択でき、かつ任意のやり方で構成できるが、平滑化システムの用途、処理されるデータ、平滑化システムの要件および性能、ならびに／または他の任意の判断基準に従う。例えば、最初の平滑化プロセスは、無作為、ランダムウォーク、移動平均、単純指数関数、線形指数関数、季節指数の関数、移動平均で重み付けされた指数関数による平滑化、または任意の他の適切なタイプの平滑化を利用して、データを最初に滑らかにすることができる。

データを、平滑化を目的および／または対象としてさらに分析することができる。補足の平滑化を、データの平滑化を向上させ、かつ／または平滑化済みデータの生データに対するトラッキングを改良するために、データについて実行することができる。補足の平滑化についても、複数のフェーズを考慮することができ、適切であれば適用することができる。種々のフェーズは独立であってよく、相互依存であってよく、あるいは補完的であってよい。さらに、データを、補足の平滑化が適切であるかどうかを判断するために分析することができる。

本実施の形態においては、データが、１つ以上の追加の平滑化フェーズを実行するかどうかを判断するために分析される。データは、補足の平滑化が適用され得るかどうかを判断するため、任意の適切な判断基準に応じて分析される（ステップ８１２）。例えば、平滑化システムは、先のデータについて複数の調節済みデータ点および生データ点を比較し、先の調整済みデータの事実上全てが、対応する生データの事実上全てと共通の関係（より小さい、より大きい、または、等しい等）を共有するかどうかに従って比較結果を生成すること等によって、データにおける傾向を特定する。

本実施の形態の平滑化システムは、選択された数Ｐ_２の生データ点を、等しい数の平滑化済みデータ点と比較する。Ｐ_２の全ての生データ点の値が、対応する平滑化済みデータ点を超える（または、等しい）場合、あるいは全ての生データ点が、対応する平滑化済みデータ点よりも小さい（または、等しい）場合、平滑化システムは、データが或る傾向を示しており、より詳しくトラッキングされるべきであると判断できる。従って、その発生に注目することができ、データに適用された平滑化を、補足の平滑化を適用することによって、変化させることができる。一方、これらの判断基準がいずれも満たされない場合、現在の平滑化済みデータ点は、最初に計算されたままに維持され、該当の補足のデータ平滑化は適用されない。

本実施の形態においては、平滑化済みデータを生データと比較するための基準が、平滑化済みデータが遅れて続くであろうデータの傾向を特定すべく選択される。従って、点Ｐ_２の数は、変化する生データの傾向に対してのシステムの所望の感度に応じて、選択することができる。

補足の平滑化は、データ分析に従って、平滑化の全体の効果を変化させる。任意の適切な補足の平滑化をデータに適用でき、より効果的にデータが平滑化され、あるいはデータの傾向がトラッキングされる。例えば、本実施の形態において、データ分析がより詳細にトラッキングされるべきデータの傾向を示す場合、補足の平滑化を、最初に適用される平滑化の程度を低減すべく適用でき、その結果、平滑化済みデータが、生データをより近似してトラッキングするようになる（ステップ８１４）。

本実施の形態では、現在の平滑化済みデータ点の値を、低減された平滑化の程度を使用して再計算することによって、平滑化の程度が低減される。任意の適切な平滑化システムを、データをより効率的にトラッキングし、あるいは他の方法でデータ分析の結果に応答するために、使用することができる。本実施の形態においては、もう１つの従来からの指数関数的な平滑化プロセスが、より大きい係数Ｍ_２を用いてデータに適用される。Ｓ_ｎ＝（Ｒ_ｎ−Ｓ_ｎ−１）＊Ｍ_２＋Ｓ_ｎ−１
係数Ｍ_１およびＭ_２は、生データにおける傾向の非存在（Ｍ_１）および存在（Ｍ_２）の両方におけるシステムの所望の感度に従って選択できる。例えば、種々の用途では、Ｍ_１の値がＭ_２の値よりも大きくてよい。

補足のデータ平滑化は、さらに追加のフェーズを含むことができる。データ平滑化のさらなるフェーズによって、さらなるデータ平滑化が適用されるべきかどうかを判断するため、データを何らかのやり方で同様に分析することができる。任意の数のフェーズおよび種類のデータ平滑化を、データ分析に応じて適用または考慮することができる。

例えば、本実施の形態では、データを、平滑化データの傾きまたは傾向に基づく予測的プロセスを使用するなど、ノイズ抑制のために分析でき、潜在的に平滑化することができる。平滑化システムは、ライン回帰（ｌｉｎｅ ｒｅｇｒｅｓｓｉｏｎ）または中心化されたＮ点（Ｎ‐ｐｏｉｎｔ ｃｅｎｔｅｒｅｄ）等の任意の適切なプロセスに従い、現在のデータ点に先立つ選択された数Ｐ_３の平滑化済みデータ点に基づいて、傾きを演算する（ステップ８１６）。本実施の形態では、データ平滑化システムは、先立つＰ_３個の平滑化済みデータ点の傾きを確立するために、「直線フィットの最小二乗法」プロセスを用いる。

平滑化システムは、計算された傾きに従って、現在の平滑化済みデータ点の値を予測する。次いで、システムは、現在の平滑化済みデータ点（Ｓ_ｎ）ついて以前に計算された値と現在の平滑化済みデータ点について予測される値との間の差を、範囲数（ｒａｎｇｅ ｎｕｍｂｅｒ）（Ｒ_３）と比較する（ステップ８１８）。差が範囲Ｒ_３より大きい場合、その発生を気づくすることができ、現在の平滑化済みデータ点は調整されない。差が範囲Ｒ_３の範囲内である場合、現在の平滑化済みデータ点は、計算された現在の平滑化済みデータ点（Ｓ_ｎ）と現在の平滑化済みデータ点についての予測値（Ｓ_{ｎ−ｐｒｅｄ}）との間の差を第３の乗数Ｍ_３で乗算し、さらに現在の平滑化済みデータ点の元の値を加えたものに等しくなるように設定される（ステップ８２０）。式は以下のとおりである。Ｓ_ｎ＝（Ｓ_{ｎ−ｐｒｅｄ}−Ｓ_ｎ）＊Ｍ_３＋Ｓ_ｎ
このようにして、現在の平滑化済みデータ点は、元の平滑化済みデータ点と予測された平滑化データ点との間の修正された差に関し、所定量だけ低減された（Ｍ_３が１未満の場合）差に従って設定される。予測の平滑化を適用することは、信号の比較的平坦な（または傾向を有さない）部分において点対点のノイズ感度を低減する傾向がある。予測的平滑化プロセスの適用を平滑化済みデータ点のみに限定することによって、顕著なな変化が生データにおいて生じている場合、すなわち生データ信号が比較的平坦でない場合に、傾きに基づいて計算された平均が平滑化済みデータに影響を与えないよう保証される。

データを平滑化した後、補足データ分析要素２０６が、テスターデータのさらなる分析を進めることができる。例えば、補足データ分析要素２０６は、出力テストデータについて、統計的プロセス管理（ＳＰＣ）計算および分析を行なうことができる。より詳しくは、図４Ａ〜Ｃを再度参照すると、補足データ分析要素２０６が、特定のコンポーネント、テスト、および／またはセクションについて所望の統計量を計算し、記憶することができる（ステップ４３０）。統計量は、平均、標準偏差、最小、最大、合計、カウント（ｃｏｕｎｔ）、Ｃ_ｐ、Ｃ_ｐｋ、または任意の他の適切な統計量を含み得るＳＰＣ数値等の、オペレータまたはテストシステム１００にとって有用な任意の統計量を含むことができる。

補足データ分析要素２０６は、例えば、セクションに従って、そのセクションに対するテスト結果の組み合わせおよび／または履歴データ等の他のデータに基づいて、データ中の傾向および異常を動的かつ自動的に特定するためのシグネチャー分析を適切に行う（ステップ４４２）。シグネチャー分析は、テストデータまたは欠陥の特定等の任意の適切なデータに基づき、シグネチャーを特定し、オペレータによって適切に構成された重み付けシステムを適用する。シグネチャー分析は、問題のある領域あるいはウエハまたは製造プロセスの他の特徴に対応するであろう傾向および異常を、累積的に特定することができる。シグネチャー分析は、ノイズピーク、波形変動、モードシフト、およびノイズ等、任意の所望のシグネチャーについて行なうことができる。本実施の形態では、コンピュータ１０８が、所望のセクションのそれぞれにおける所望のテストのそれぞれの出力テストデータについて、シグネチャー分析を適切に行なう。

本実施の形態では、シグネチャー分析プロセスを、平滑化プロセスと関連して行なうことができる。平滑化プロセスがテスターデータを分析するとき、データにおける傾向または異常を示す分析の結果が、オペレータおよび／またはテストエンジニアにとって重要であり得るデータの変化またはアウトライヤーを示唆するものとして記憶される。例えば、平滑化プロセスにおけるデータセットの比較によって傾向が示される場合、その傾向の発生に気づき記憶することができる。同様に、データ点がデータ平滑化プロセスのしきい値Ｔ_１を超える場合、その発生に注目し、後の分析のため、および／または出力レポートに含めるため、記憶することができる。

例えば、図６Ａ〜６Ｂを参照すると、シグネチャー分析プロセス６００は、最初に、テストデータの特定のセットならびに特定のセクションおよびテストに対応する管理限界について、カウントを計算することができる（ステップ６０２）。次いで、シグネチャー分析プロセスは、適切なシグネチャー分析アルゴリズムをデータ点に適用する（ステップ６０４）。シグネチャー分析が、所望のシグネチャーアルゴリズムのそれぞれについて行われ、次いで、各テストおよび各セクションが分析される。シグネチャー分析、傾向結果、およびシグネチャー結果によって特定されたエラーも、記憶される（ステップ６０６）。プロセスは、各シグネチャーアルゴリズム（ステップ６０８）、テスト（ステップ６１０）、およびセクション（ステップ６１２）について繰り返される。完了時、補足データ分析要素２０６が、エラー（ステップ６１４）、傾向結果（ステップ６１６）、シグネチャー結果（ステップ６１８）、および任意の他の所望のデータを、記憶システムに記録する。

アウトライヤーおよび補足分析によって特定される他の重要データ等の各関連データ点の特定の際、各関連データ点を、それらの関連特性を特定する値に関連付けることができる（ステップ４４４）。例えば、各関連コンポーネントまたはデータ点を、データ点に関する補足分析の結果に対応する１６進数として適切に表現された一連の値に関連付けることができる。各値は、特定の特性を示すフラグまたは他の指示器（ｄｅｓｉｇｎａｔｏｒ）として機能することができる。例えば、特定のデータ点が特定のテストに完全には合格しなかった場合、第１のフラグを対応する１６進値にて設定することができる。特定のデータ点がデータにおける傾向の始まりである場合、別のフラグを設定することができる。１６進値における別の値は、データにおける傾向の持続時間等、傾向に関する情報を含むことができる。

補足データ分析要素２０６を、データを分類および相関するように構成することができる（ステップ４４６）。例えば、補足データ分析要素２０６は、欠陥、アウトライヤー、傾向、およびデータの他の特徴を特定するため、データ点に関連付けられた１６進数の情報を利用することができる。さらに、補足データ分析要素２０６は、例えば、潜在的に冗長であるテストまたは関連するテストを特定するため、データに従来からの相関技術を適切に適用する。

コンピュータ１０８は、アウトライヤーを自動的に特定および分類する等、生成された統計量および出力テストデータについてさらなる分析機能を実行することができる（ステップ４３２）。選択されたアルゴリズムに基づく各関連データの分析が、アウトライヤーを適切に特定する。或るデータセットにとって特定のアルゴリズムが不適切である場合、補足データ分析要素２０６を、分析を自動的に中断し、異なるアルゴリズムを選択するように構成することができる。

補足データ分析要素２０６は、例えば選択された値に対する比較によって、さらには／あるいはデータ平滑化プロセスにおけるデータの処置に従って、アウトライヤーを特定すべく任意の適切なやり方で動作することができる。例えば、本発明の種々の局面によるアウトライヤー特定要素は、最初に、各関連データについて選択された統計的関係に基づいて、アウトライヤーに対する感度を自動的に較正する（ステップ４３４）。次いで、これら統計的関係のいくつかが、データモード、平均値、または中央値、あるいはこれらの組み合わせ等、しきい値または他の基準点と比較され、相対的なアウトライヤーしきい値限界が定められる。本実施の形態では、統計的関係は、異なるアウトライヤー振幅を規定するために、例えばデータの標準偏差の１、２、３、および６倍に拡大される（ステップ４３６）。次いで、出力テストデータをアウトライヤーしきい値限界と比較し、出力テストデータをアウトライヤーとして特定および分類することができる（ステップ４３８）。

補足データ分析要素２０６は、得られた統計値およびアウトライヤーをメモリに記憶し、ｘ‐ｙウエハマップ座標など、そのような任意の統計値およびアウトライヤーに関する識別子を記憶する（ステップ４４０）。さらに、選択された統計値、アウトライヤー、および／または欠陥が、オペレータへの電子メッセージの送信、発光タワーの起動、テスター１０２の停止、またはサーバへの通知など、通知イベントをトリガすることができる。

本実施の形態において、補足データ分析要素２０６は、スケーリング要素２１０およびアウトライヤー分類要素２１２を含む。スケーリング要素２１０は、出力テストデータに応じて、選択された係数および他の値を動的にスケーリングするように構成される。アウトライヤー分類要素２１２は、選択されたアルゴリズムに応じて、データ内の種々のアウトライヤーを特定および／または分類するように構成される。

より具体的には、本実施の形態のスケーリング要素は、アウトライヤー感度（ｏｕｔｌｉｅｒ ｓｅｎｓｉｔｉｖｉｔｙ）を動的にスケーリングするため、およびノイズフィルタリング感度についての係数を平滑化するため、統計的な関係を適切に使用する。スケーリング係数が、スケーリング要素によって適切に計算され、選択されたアウトライヤー感度の値および平滑化係数を修正するために使用される。適当な統計的な関係などの任意の適切な判定基準を、スケーリングのために使用することができる。例えば、アウトライヤー感度のスケーリングのための統計的関係の一例は、以下の式で定義される。

アウトライヤー感度および平滑化係数のスケーリングのための統計的関係の別の一例は、以下の式で定義される。

アウトライヤー感度および平滑化係数のスケーリングのための統計的関係の別の一例は、以下の式で定義され、

ここで、σはデータの標準偏差である。

平滑化係数のスケーリングのための複数のアルゴリズムで使用される統計的関係の一例は、

ここでσはデータの標準偏差であり、μはデータの平均である。

平滑化係数のスケーリングのための複数のアルゴリズムで使用される統計的関係の他の例は、

ここでσはデータの標準偏差であり、μはデータの平均である。

アウトライヤー分類要素は、コンポーネント１０６、出力テストデータ、および、任意の適切なアルゴリズムによる出力テストデータにおけるアウトライヤーである分析結果を特定および／または分類するように適切に構成される。さらに、アウトライヤー分類要素は、選択されたアウトライヤーおよびコンポーネント１０６を、テスト出力テスト結果および補足的分析要素２０６によって生成される情報に従って、特定および分類することができる。例えば、アウトライヤー分類要素は、例えばユーザの定義による判定基準；ユーザの定義による良好／不良の空間パターン認識；テスターデータ圧縮のための関連データの分類；その場でのテストセットアップ感度能力および分析；テスター収率標準化分析；動的ウエハマップおよび／または部分性質に対するテストストリップマッピングおよび動的再テスト；またはテストプログラム最適化分析、との関連において、コンポーネント１０６を不良の部分／境界にある部分／良好な部分のカテゴリに分類するよう適切に構成される。アウトライヤー分類要素は、データを特徴付けるために、ウエスタンエレクトリックルール（Ｗｅｓｔｅｒｎ Ｅｌｅｃｔｒｉｃ ｒｕｌｅｓ）またはネルソンルール（Ｎｅｌｓｏｎ ｒｕｌｅｓ）などの従来からのＳＰＣ管理ルールに従ってデータを分類することができる。

アウトライヤー分類要素は、分類リミット計算方法の選択されたセットを使用してデータを適切に分類する。任意の適切な分類方法を、オペレータの必要性に応じてデータを特徴付けるために使用することができる。例えば、このアウトライヤー分類要素は、出力テストデータを選択されたしきい値と比較することによってアウトライヤーを分類し、ここで選択されたしきい値とは、データ平均値、モード、および／または中央値などのしきい値からの１、２、３、および６倍に統計的にスケーリングされた標準偏差に対応する値などである。このやり方によるアウトライヤーの特定は、データ振幅および相対ノイズに関係なく、あらゆるテストについて特定されたあらゆるアウトライヤーを正規化する傾向がある。

アウトライヤー分類要素は、正規化されたアウトライヤーおよび／または生データ点を、ユーザ定義のルールに基づいて分析および相関する。特定されたアウトライヤーに基づく部分およびパターン分類の目的のためのユーザ選択可能な方法の一例を、以下に示す。

累積振幅（Ｃｕｍｕｌａｔｉｖｅ Ａｍｐｌｉｔｕｄｅ）、累積カウント（Ｃｕｍｕｌａｔｉｖｅ Ｃｏｕｎｔ）法：

分類ルール：

累積振幅二乗（Ｃｕｍｕｌａｔｉｖｅ Ａｍｐｌｉｔｕｄｅ Ｓｑｕａｒｅｄ）、累積カウント二乗（Ｃｕｍｕｌａｔｉｖｅ Ｃｏｕｎｔ Ｓｑｕａｒｅｄ）法：

分類ルール：

Ｎ点（Ｎ‐ｐｏｉｎｔ）法：
以下の例において用いられる実際の数値および論理ルールは、シナリオ（テストプログラム、テストノード、テスター、プロバー、ハンドラ、テストセットアップ、など）ごとにエンドユーザによってカスタマイズすることができる。これらの例におけるσは、キーとなる統計学的関係によってスケーリングされたデータ標準偏差に基づく、データ平均値、モード、および／または中央値に関するσである。

補足データ分析要素２０６を、出力テストデータおよび補足データ分析要素２０６によって生成される情報について、追加の分析を実行するように構成することができる。例えば、補足データ分析要素２０６は、例えば欠陥、アウトライヤー、または特定の分類に属するアウトライヤーの総数または平均数を、１つ以上のしきい値と比較することによって、欠陥またはアウトライヤーの発生率が高いテストを特定することができる。

補足データ分析要素２０６を、例えば累積カウント、アウトライヤー、および／または相関アウトライヤーをウエハまたは他のデータセット間で比較することによって、類似または非類似の傾向を特定するために異なるテストからのデータを相関するように構成できる。また、補足データ分析要素２０６は、ウエハ上で不良である見込まれる部分および／または境界にあると見込まれる部分および／または良好であると見込まれる部分を特定および分類するため、異なるテストからのデータを分析および相関することができる。さらに、補足データ分析要素２０６は、動的なテスト時間削減の目的のため、一連のウエハ上でユーザ定義による良好部分パターンおよび／または不良部分パターンを特定するため、異なるテストからのデータを分析および相関することができる。

補足データ分析要素２０６を、テストデータをメモリへと動的に圧縮する目的のため、ユーザ定義の関連生データを特定するために、異なるテストからのデータを分析および相関するように適切に構成される。また、その補足データ分析要素は、その場でのテストノードセットアップ能力および感度分析のため、統計学的な異常およびテストデータ結果を分析および相関することができる。さらに、補足データ分析要素は、例えば特定のテストノードが不適切に較正され、さもなければ不適切な結果を生み出し得るか否かを特定することによって、テストノード収率標準化分析に貢献し得る。補足データ分析要素は、さらに、これらに限られるわけではないが、相関された結果およびアウトライヤー分析を使用する冗長的なテストの自動的な特定、および分析における使用のための追加のデータの提供など、テストプログラム最適化の目的のためにデータを分析および相関することができる。また、補足データ分析要素は、例えば定期的に不合格を出力するテスト、またはほぼ常に不合格を出力するテスト、ほとんど不合格を出力しないテスト、および／またはきわめて低いＣｐｋを示すテストを特定することによって、問題のあるテスト（ｃｒｉｔｉｃａｌ ｔｅｓｔｓ）を特定するように適切に構成される。

補足データ分析は、めったにまたは決して不合格がなく、あるいはアウトライヤーが決して検出されることがないテストなど、テストサンプリング候補の特定を提供することができる。さらに、補足データ分析要素は、特定されたアウトライヤーおよび／または他の統計的異常、不合格の数、問題のあるテスト、最長／最短テスト、またはテストの不合格と関連した基本的な機能上の問題についての分析および相関を従来からの相関技法に組み合わせたものなど、相関技法に基づいて最適な並びのテスト順序の特定をさらに提供することができる。

補足データ分析は、レシピ構成ファイル（ｒｅｃｉｐｅ ｃｏｎｆｉｇｕｒａｔｉｏｎ ｆｉｌｅ）内の感度パラメータによって定義されるとおり、不良な部分、境界の部分、および良好な部分の特定を提供できる。各部分を特定することによって、信頼性リスクを呈しうる部分をパッケージングおよび／または出荷（ｓｈｉｐｐｉｎｇ）の前に処分／分類でき、さらに／またはウエハプローブの際に、不良部分および良好部分を動的プローブマッピングすることによってテスト時間の短縮を提供できる。これらの部分の特定は、例えば、動的に生成されたプロバー管理マップ（動的マッピングのための）、オフラインインキング設備のために用いられるウエハマップ、最終テストにおけるストリップテスト用のテストストリップマップ、結果ファイル、および／またはデータベース結果テーブルにおける良好部分および不良部分として、任意の適切なやり方で表現でき出力することができる。

セルコントローラレベルの補足データ分析は、プローブにおける品質管理、およびこの最終テスト歩留まりを向上させる傾向がある。さらに、品質の問題を、後にではなく、製品のランタイムで特定できる。さらに、補足のデータ分析およびシグネチャー分析は、アウトライヤーを特定することによって、下流およびオフライン分析ツールならびにテスト技術者または他の人員に提供されるデータの質を、向上させる傾向がある。例えば、コンピュータ１０８は、ウエハマップに、製造プロセスにおける不良を示すシグネチャー分析を有する１群のコンポーネントを特定する情報を含ませることができる。従って、シグネチャー分析システムは、従来のテスト分析を使用する場合には検出されず見過ごされていた潜在的な欠陥製品を、特定することができる。

図１０を参照すると、半導体デバイスのアレイがウエハ上に位置している。このウエハにおいて、例えば材料の堆積またはウエハの処理が不均一であるため、ウエハ全体にわたって、半導体デバイス中の抵抗コンポーネントの全体的な抵抗がばらつく。しかしながら、或る特定のコンポーネントの抵抗は、テストの管理限界の範囲内であり得る。例えば、個々の抵抗器コンポーネントの目標抵抗が、１０００Ω±１０％であるとする。ウエハの端部の近傍では、ほとんどの抵抗器の抵抗は、９００Ωおよび１１００Ωである正常な分布の限界に接近するが、これを超過しない（図１１）。

例えば、製作プロセスにおける汚染物質またはプロセスの不完全性が原因で、ウエハ上のコンポーネントが、欠陥を含み得る。この欠陥が、ウエハにおいて抵抗の低い方の縁の近傍に位置する抵抗器の抵抗を、１０８０Ωにまで増加させるかもしれない。この抵抗は、ウエハの中央付近のデバイスに期待される１０００Ωを大きく超えているが、依然として充分に正常な分布範囲内にある。

図１２Ａ、１２Ｂを参照すると、コンポーネントごとの生テストデータをプロットできる。プロバーがデバイスの行または列を横切ってインデックスするとき、ウエハ上のコンポーネント間の抵抗の相違がその理由の１つであるが、テストデータがかなりの変動を示す。テストデータの目視観察またはテスト限界との比較に基づくだけでは、欠陥による影響を受けたデバイスを容易に特定されない。

本発明の種々の局面によってテストデータが処理される場合、欠陥による影響を受けたデバイスを、テストデータにおけるアウトライヤーと関連付けることができる。テストデータは、特定の値の範囲内に大まかに限定されている。しかしながら、欠陥と関連するデータは、周囲のコンポーネントのデータとは似ていない。従って、データが、欠陥のない周囲のデバイスに関連付けられた値からのずれを示す。アウトライヤー分類要素が、アウトライヤーデータの周囲のデータからのずれの大きさに従って、アウトライヤーを特定および分類することができる。

出力要素２０８は、ランタイムで、テストシステム１００からデータを収集し、プリンタ、データベース、オペレータインターフェイス、または他の所望の受け手に出力レポートを適切に提供する。使用または引き続く分析のために出力レポートを提供するため、グラフィック、数字、文字、プリント、または電子的形態などの任意の形態を試用することができる。出力要素２０８は、テスター１０２からの選択された出力テストデータ、および補足データ分析の結果を含む、選択された任意のコンテンツを提供することができる。

本実施の形態において、出力要素２０８は、オペレータによって指定された出力テストデータからのデータおよび補足データの選択を、動的データログを介して製品ランタイムで適切に提供する。図７を参照すると、出力要素２０８が、最初に、データベース１１４からサンプリング範囲を読み出す（ステップ７０２）。サンプリング範囲は、出力レポートに含まれるべき所定の情報を特定している。本実施の形態において、サンプリング範囲は、ウエハ上にありかつ検査対象としてオペレータによって選択されたコンポーネント１０６を特定している。所定のコンポーネントは、種々の円周状ゾーン、放射状ゾーン、ランダムコンポーネント、または個々のステッパフィールドについてのデータなど、任意の基準に従って選択することができる。サンプリング範囲は、ウエハ上の所定のコンポーネントの位置、またはバッチで利用可能なコンポーネントの特定された部分に対応するｘ‐ｙ座標のセットを含んでいる。

出力要素２０８を、アウトライヤーに関連する情報、または補足データ分析要素によって生成または特定された他の情報を、動的データログに含ませるように構成できる（ステップ７０４）。このように構成された場合、ｘ‐ｙ座標等のアウトライヤーの各々の識別子もまた、アセンブリされる。オペレータによって選択されたコンポーネントおよびアウトライヤーの座標が、この実施の形態においてはネイティブテスターデータ出力フォーマットの形式である動的データログにマージされる（ステップ７０６）。得られたデータを動的データログにマージすることによって、元のデータのサマリー統計（ｓｕｍｍａｒｙ ｓｔａｔｉｓｔｉｃｓ）への圧縮および重要生データ値のより小さいネイティブテスターデータファイルへの圧縮が容易になり、引き続くカスタムな分析のためのデータの完全性を損なうことなく、データ保存のため要求が軽減される。出力要素２０８は、動的データログのマージされたｘ‐ｙ座標アレイ内のエントリごとに、生テストデータおよび補足データ分析要素２０６からの１つ以上のデータなど、選択された情報を取り出す（ステップ７０８）。

取り出された情報は、その後、適切な出力レポートに適切に記憶される（ステップ７１０）。レポートは、任意の適切なフォーマットまたはやり方で準備することができる。本実施の形態において、出力レポートは、ウエハ上の選択されたコンポーネントおよびそれらの分類を示すウエハマップを有する動的データログを適切に含む。さらに、出力要素２０８は、アウトライヤーに対応するウエハマップデータを、事前選択されたコンポーネントのウエハマップ上に重ね合わせることができる。さらに、出力要素は、サンプリングされた出力としてウエハマップまたはバッチからのアウトライヤーのみを含んでもよい。さらに、出力レポートは、データにおけるアウトライヤーの発生および相関を強調表示するために、データの一連のグラフィック表示を含むことができる。また、出力レポートは、勧告およびこの勧告についての裏打ちデータを含むことができる。例えば、２つのテストが不合格および／またはアウトライヤーの同一のセットを生成しているように見受けられる場合、出力レポートは、それらのテストが余分であるという示唆を含むことができ、これらのテストの１つをテストプログラムから省略することを勧告できる。この勧告は、テストの結果が同一であることを示すデータのグラフィック表示を含んでもよい。

出力レポートは、例えばローカルワークステーションへの出力、サーバへの送信、アラームの起動、または任意の他の適切なやり方など、任意の好適なやり方で提供できる（ステップ７１２）。一実施の形態においては、出力レポートをオフラインで提供することができ、出力が、システムの動作またはメインサーバへの転送に影響を及ぼさない。この構成の場合、コンピュータ１０８が、例えば、実演または検証の目的で、データファイルをコピーし、分析を実行し、かつ結果を生成する。

各ウエハについてのデータの補足分析に加え、本発明の種々の局面によるテストシステム１００は、複数のウエハおよび／またはロットを使用するなどして、複数のデータセットにまたがるパターンおよび傾向を特定するため、データの複合分析を実行でき、追加のデータを生成できる。複合分析は、パターンや不規則性などの選択された特徴を複数のデータセットの間で特定するため、適切に実行される。例えば、複数のデータセットを、２つ以上のデータセットにわたってパターン、傾向、または不規則性を呈するであろう共通の特徴について、分析することができる。

複合分析は、テストデータをデータセットをまたがる共通の特徴について分析するための任意の適切な分析を含むことができ、任意の適切なやり方で実行することができる。例えば、本テストシステム１００においては、複合分析要素２１４が、複数のウエハおよび／またはロットから由来するデータの複合分析を実行する。各ウエハ、各ロット、または他のグループ分けについてのテストデータが、１つのデータセットを構成する。複合分析要素２１４は、コンピュータ１０８上で動作するソフトウェアモジュールとして適切に実装される。しかしながら、複合分析要素２１４を、ハードウェアソリューションまたはハードウェアとソフトウェアとを組み合わせてなるソリューションなど、任意の適切な構成で実装することができる。さらに、複合分析要素２１４を、テストシステムのコンピュータ１０８上、または独立したワークステーションや第三者の別個のコンピュータシステムなどのリモートコンピュータ上で実行されるソフトウェアを使用して実行してもよい。複合分析は、１つ以上の完全なデータセットの生成に続いてランタイムで実行することができ、あるいは履歴データを含め複合分析に先立って生成されたデータを収集した際に、実行することができる。

複合分析は、２つ以上のデータセットからの任意のデータを使用することができる。複合分析は、分類エンジンによる複数の構成の実行などによって、各ウエハについて、生データおよびフィルタ処理済みまたは平滑化済みデータを含む複数組の入力データを受領することができる。受領の後、入力データは、数学的表現、公式、または他の任意の判断基準として定めることができる一連のユーザ定義のルールを使用して、適切にフィルタ処理される。次いで、データが、データ中のパターンまたは不規則性を特定すべく分析される。さらに、この複合データを、生データや分析済みデータなどの他のデータにマージさせ、改善された全体データセットを生成することができる。次いで、複合分析要素２１４は、テストプロセスの改善に使用できるであろう適切な出力レポートを提供することができる。例えば、出力レポートによって、製造および／またはテストのプロセスにおける問題に関し、情報をもたらすことができる。

本システムにおいては、複合分析要素２１４が、複数組のウエハデータを、ユーザの表現または他の適切なプロセスおよび空間分析（ｓｐａｔｉａｌ ａｎａｌｙｓｉｓ）との関連において分析し、顕著なパターンまたは傾向を示す複合マップを構成および確立する。複合分析は、任意の１組のウエハについて複数のユーザ構成を実行することによって、当該１組のウエハについて幾つかの異なるデータセットおよび／または複合マップを受け取ることができる。

図１３を参照すると、半導体のテストの環境における本実施の形態では、複合分析要素２１４が、複数のウエハまたはロットからのデータなど、複数のデータセットからのデータを受領する（１３１０）。データは、生データ、フィルタ処理済みデータ、平滑化データ、先のテスト実行からの履歴データ、またはランタイムでテスターから受信するデータなど、分析のための任意の適切なデータを含むことができる。本実施の形態においては、複合分析要素２１４が、生データおよびフィルタ処理済みデータをランタイムで受領する。フィルタ処理済みデータは、平滑化データおよび／またはシグネチャー分析データなど、分析のための任意の適切なデータを含むことができる。本実施の形態においては、複合分析要素２１４が生のデータセットを受領し、さらに平滑化データ、不良の特定、アウトライヤーの特定、シグネチャー分析データ、および／または他のデータなど、補足データ分析要素２０６によって生成される補足データを受領する。

生データおよび補足データを受領したのち、複合分析要素２１４は、分析のための複合データを生成する（１３１２）。複合データは、２つ以上のデータセットからの情報を表わすデータを含んでいる。例えば、複合データは、特定のテストについて、別個のウエハまたは別個のロットにおいて同一または同様の位置にあるコンポーネントについてのデータなど、別個のデータセットに属する対応するテストデータにおいて生じている欠陥および／またはアウトライヤーの数に関するサマリー情報を含むことができる。しかしながら、複合データは、アウトライヤーまたは欠陥の集中している領域に関するデータ、かなりの数のアウトライヤーまたは欠陥が生じているウエハ位置に関するデータ、または２つ以上のデータセットから導き出される他のデータなど、任意の適当なデータを含むことができる。

複合データは、種々のデータセットからのデータを比較してデータセット間のパターンおよび不規則性を特定することによって、適切に生成される。例えば、複合データを、任意の適切なアルゴリズムまたはプロセスに従って複合データを提供および分析するように構成された分析エンジンによって、生成することができる。本実施の形態においては、複合分析要素２１４が、データセットに基づいて１つ以上の複合マスクを生成するように構成された近似度エンジン（ｐｒｏｘｉｍｉｔｙ ｅｎｇｉｎｅ）を含んでいる。複合分析要素２１４は、例えば複合マスクデータ内の情報を洗練または強調するため、複合マスクデータをさらに処理することができる。

本実施の形態においては、近似度エンジンが、ファイル、メモリ構造、データベース、または他のデータ貯蔵所を通じて複数のデータセットを受け取り、それらデータセットについて空間分析を実行（１３２０）し、結果を複合マスクのかたちで出力する。近似度エンジンは、全データセットについての複合イメージなど、任意の適切な方法を使用し、任意の適切なプロセスまたは技法に従って、複合マスクデータを生成できる。とくに、近似度エンジンは、複合データを元のデータに適切にマージさせ（１３２２）、ユーザまたは他のシステムによる使用のための出力レポートを生成する（１３２４）。さらに、近似度エンジンを、空間分析によってデータセット内の繰り返しの特徴について分析し、あるいは選択された判断基準に一致しないデータを取り除くなど、分析のために複合マスクを洗練または向上させるように構成できる。

本実施の形態においては、近似度エンジンが複合マスクの生成を実行（１３１２）するが、さらに近似度エンジンを、除外領域を決定し（１３１４）、近似重み付けを実行し（１３１６）、クラスタの検出およびフィルタ処理（１３１８）を行なうように構成できる。さらに、近似度エンジンは、ユーザ定義のルール、判断基準、しきい値、および先例を使用し、近似度調節または他の操作を提供できる。分析の結果が、入力されたデータセットからなる複合マスクであって、与えられたデータセット全体を通じて見出される空間的傾向および／またはパターンを示している。近似度エンジンは、メモリ構造、データベース、他のアプリケーション、およびテキストファイルやＸＭＬファイル等のファイルベースのデータ保存所など、複合マスクを出力するための任意の適切な出力方法または媒体を利用できる。

近似度エンジンは、複合マスクデータを生成するため、累積二乗法、Ｎ点公式、ウエスタンエレクトリックルール、あるいは他のユーザ定義の判断基準またはルールを含む任意の適切な技法を使用することができる。本実施の形態では、複合マスクデータを、複数のデータセットの全体包含視または全体「積層」視と考えることができる。この近似度エンジンは、複数のデータセットからの対応するデータについてデータを収集および分析し、対応するデータの特定の組について、データ中の潜在的関係または共通の特徴を特定する。分析対象のデータは、生データ、平滑化データ、シグネチャー分析データ、および／または任意の他の適切なデータを含む任意の適当なデータであってよい。

本実施の形態においては、近似度エンジンが、複数のウエハ上の対応する位置についてデータを分析する。図１４を参照すると、各ウエハが、ｘ，ｙ座標系などの適切な特定システムを使用して指定できる対応する位置に、デバイスを有している。すなわち、近似度エンジンは、例えば図１４に示す位置１０，１２など、対応する位置またはデータ点にあるデバイスについてのデータを比較し、データの複合セットにおけるパターンを特定する。

本実施の形態の近似度エンジンは、複合マスクデータの生成のため、累積二乗法および公式ベースの方法という２つの異なる技法のうち、少なくとも１つを使用する。近似度エンジンは、データを選択または計算されたしきい値と比較することによって、興味深いデータを適切に特定する。一実施の形態においては、近似度エンジンが、種々のウエハおよび／またはロット上の対応する位置にあるデータ点をしきい値と比較し、当該データがデータセット間にまたがる潜在的なパターンを示しているか否かを判断する。近似度エンジンは、各データを１つ以上のしきい値と比較するが、そのような各しきい値は、予め定められた値、現在のデータに基づいて計算された値、または履歴データから計算された値など、任意の適切なやり方で選択することができる。

例えば、この近似度エンジンの第１の実施の形態は、データをしきい値と比較するために累積二乗法を実装する。詳しくは、図１５を参照すると、近似度エンジンが、特定のロットの特定のウエハ上の特定のデバイスについての特定のテストの結果など、第１のデータセット（１５１０）に属する第１のデータ点（１５１２）を適切に選択し、このデータ点の値をカウントしきい値（１５１４）と比較する。このしきい値は、範囲、下限、および上限など、任意の適切な値および任意の種類のしきい値であってよく、任意の適切な判断基準に従って選択できる。データ点の値がしきい値を超えており、すなわちしきい値よりも小さく、あるいはしきい値よりも大きく、あるいはしきい値の限界内にあり、あるいは判定のための何らかの特定の関係にある場合、データ点に対応するサマリー値を生成すべく絶対カウンタ（ａｂｓｏｌｕｔｅ ｃｏｕｎｔｅｒ）の値が増やされる（１５１６）。

データ点の値は、累積値しきい値とも比較される（１５１８）。データ点の値が累積値しきい値を超えている場合、データ点の値が、当該データ点についてもう１つのサマリー値を生成すべく、当該データ点についての累積値に加算される（１５２０）。近似度エンジンは、当該ロットの全てのウエハまたは他の選択されたウエハ群など、関連する全てのデータセット（１５２４）の対応する全てのデータ点（１５２２）について、このプロセスを繰り返す。データ点およびデータセットについて、他の任意の所望のテストまたは比較を、同様に実行することができる。

母集団中の関連する全てのデータ点が処理されたとき、近似度エンジンは、特定のしきい値を超えているデータなどの選択されたデータに基づいて値を計算することができる。例えば、近似度エンジンは、関連データ点についての累積値に基づき、対応するデータの各組について全体の累積しきい値を計算できる（１５２６）。全体の累積しきい値は、しきい値に対して或る関係を有している対応するデータ点の組を特定するなど、所望または関連の特徴を特定するため、任意の適切なやり方で計算できる。例えば、全体の累積しきい値（Ｌｉｍｉｔ）を、以下の式に従って定めることができ、

ここで、Ａｖｅｒａｇｅは、データの複合母集団中のデータの平均値であり、Ｓｃａｌｅ Ｆａｃｔｏｒは、累積二乗法の感度を調節するために選択される値または変数であり、Ｓｔａｎｄａｒｄ Ｄｅｖｉａｔｉｏｎは、データの複合母集団中のデータ点の値の標準偏差であり、（Ｍａｘ−Ｍｉｎ）は、データの複合母集団中のデータ点の最大値と最小値との間の差である。一般に、全体の累積しきい値は、特定のデータセット内の興味深いデータ点を特定するための比較値を設定すべく定義される。

全体の累積しきい値を計算したのち、近似度エンジンは、例えばカウント値および累積値をしきい値と比較することによって、各データ点を複合データに含めるべく指定するか否かを判断する。本実施の形態の近似度エンジンは、第１のデータ点を適切に選択し（１５２８）、当該データ点についての全体の累積値を二乗し（１５３０）、当該データ点についての二乗した累積値を動的に生成された全体の累積しきい値と比較する（１５３２）。二乗した累積値が全体の累積しきい値を超える場合、当該データ点が、複合データに含められるべく指定される（１５３４）。

データ点についての絶対カウンタ値を、前もって選択されたしきい値や例えば母集団中のウエハまたは他のデータセットの数に対するパーセンテージなどに基づいて計算されたしきい値など、全体のカウントしきい値と比較する（１５３６）ことができる。絶対カウンタ値が、全体のカウントしきい値を超える場合、当該データ点が、複合データに含められるべく指定される（１５３８）。このプロセスが、各データ点について適切に実行される（１５４０）。

近似度エンジンが、他のさらなる技法または代替の技法を使用して複合マスクデータを生成してもよい。さらに、この近似度エンジンは、複合マスクデータを生成するために公式ベースのシステムを利用することもできる。本発明の種々の局面による公式ベースのシステムは、複合ウエハマスクを定めるために変数および公式または表現を使用する。

例えば、例示的な公式ベースのシステムにおいては、１つ以上の変数を、任意の適切な判断基準に従ってユーザ定義することができる。変数は、関連グループ内の各データ点について適切に定められる。例えば、近似度エンジンは、例えばデータ点についての値を計算するため、あるいは計算によって或る特定の結果がもたらされる回数をカウントするため、データ母集団中の各値を特定のデータ点について分析することができる。変数は、定められた変数のそれぞれについて、データセット内の各データ点について計算することができる。

変数を計算したのち、例えばデータ点がユーザ定義の判断基準に一致しているか否かを判断するため、データ点を分析することができる。例えば、ユーザ定義の公式を、計算された変数値を使用して解くことができ、当該公式が特定の値または値の範囲に等しい場合、そのデータ点を、複合マスクデータに含めるべく指定することができる。

従って、近似度エンジンは、任意の適切なプロセスまたは技法に従って、複合マスクデータのセットを生成することができる。得られた複合マスクデータは、データ母集団の各データ点についての結果に対応するデータのセットを含んでいる。したがって、当該データ点についての特徴を、複数のデータセットにまたがって特定することができる。例えば、本実施の形態においては、ばらつきの大きいテスト結果や高い不良率など、複数のウエハ上で特徴を共有している特定のデバイス位置を、複合マスクデータによって示すことができる。このような情報は、製造または設計プロセスにおける問題または特徴を知らせることができ、したがって製造および試験の改善および管理に利用することができる。

複合マスクデータを、さらなる情報を生成すべく分析することができる。例えば、複合マスクデータを、データセットの空間的傾向および／またはパターンを示すため、さらには／あるいは比較的孤立したデータ点から散乱物を低減するためのフィルタ処理、特定の特徴を有する領域の強調または精緻化、または既知の特徴を有するデータのフィルタ処理など、重要なパターンを特定またはフィルタ処理するために、分析することができる。本実施の形態の複合マスクデータを、複合マスクデータの平滑化および複合マスクデータ内のパターンの完全化のため、例えば空間的分析の対象とすることができる。選択された除外領域に対し、複合マスクデータを除去する、無視する、強調する、低い重要性を与える、あるいは他の方法で他の複合マスクデータと区別するなど、特定の処理を加えることができる。さらに、クラスタ検出プロセスも、比較的重要度または信頼度が低いデータ点クラスタについて、当該データ点クラスタの重要性の除去または格下げを行なうことができる。

本実施の形態においては、指定された領域からのデータ点が指定された特定の処理の対象となり、あるいは指定された領域からのデータ点が種々の分析において無視されるよう、近似度エンジンを、複合マスクデータ内の特定の指定された領域を特定するように構成できる。例えば、図１６を参照すると、近似度エンジンが、個々のデバイス、デバイスのグループ、またはウエハの周縁を巡るデバイスの帯など、ウエハ上の選択された位置に除外領域を設定することができる。この除外領域の目的は、或る特定のデータ点を、近似度分析および／または重み付けにおいて他のデータ点に影響を及ぼすことがないように除外するための仕組みを提供することにある。データ点は、後の処理の範囲の外にある値を割り当てるなど、任意の適切なやり方で除外されたものとして指定される。

関連の領域は、任意の適切なやり方で特定することができる。例えば、除外されるデータ点を、装置の識別子またはｘ，ｙ座標などの座標のファイルリストを使用することによって、周縁を巡って特定の幅の帯を選択することによって、あるいは複合データ内に関連領域を定めるための他の適切なプロセスによって、指定することができる。本実施の形態においては、近似度エンジンが、データセットの縁においてユーザ定義の範囲内にあるデータ点を近似度エンジンに無視または特別に処理させる単純な計算を使用して、除外されるデバイスの帯をウエハ上に定めることができる。例えば、この範囲内にある全てのデバイス、またはファイルにリストアップされた全てのデバイスが、選択された除外判断基準の対象とされる。除外判断基準に合致するとき、除外領域内のデータ点または除外判断基準に合致するデバイスが、１つ以上の分析から除外される。

本実施の形態の近似度エンジンは、複合マスクデータについてさらなる分析を実行するため、適切に構成されている。さらなる分析は、所望のデータの強調、不要なデータの除去、または複合マスクデータ内の選択された特徴の特定など、任意の適切な目的のために構成できる。例えば、近似度エンジンは、複合マスクデータ内のパターンの平滑化および完全化のため、例えば点の重み付けシステムに基づいて近似度重み付けプロセスを実行すべく、適切に構成される。

図１７Ａ、１７Ｂ、および１８を参照すると、この近似度エンジンは、データセット内のすべてのデータ点を検索する。近似度エンジンは、第１の点を選択し（１７１０）、当該データ点の値を、しきい値や値の範囲などの判断基準に照らしてチェックする（１７１２）。データ点が選択されたしきい値を超えていること、または選択された範囲内にあることが確認されたとき、近似度エンジンは、値について、この主たるデータ点の周囲のデータ点を検索する（１７１４）。主たるデータ点の周囲のデータ点の数は、任意に選択された数であってよく、任意の適切な判断基準に従って選択できる。

近似度エンジンは、支配値を超えているデータ点または重み付けの対象となるべきデータ点を示す他の適切な判断基準を満足しているデータ点を求めて、周囲のデータ点を検索する（１７１６）。データ点が、支配値を超えている場合、近似度エンジンは、主たるデータ点に対して重み付けを、周囲のデータ点の値に応じて適切に割り当てる。さらに、近似度エンジンが、周囲のデータ点の相対位置に応じて、重み付けを調整してもよい。例えば、周囲のデータ点に与えられる重み付けの量を、当該周囲のデータ点が主たるデータ点に隣接している（１７１８）か、あるいは斜めに位置している（１７２０）かに従って、決定できる。さらに、データ点がウエハの縁に位置している場合には、重み付けの総計を調整してもよい（１７２２）。主たるデータ点を巡って周囲の全てのデータ点がチェックされたとき（１７２４）、例えば周囲のデータ点からの重み付け係数を加えることによって、主たるデータ点に総計の重み付けが割り当てられる。次いで、主たるデータ点についての重み付けを、ユーザ定義のしきい値など、しきい値と比較することができる（１７２６）。重み付けがしきい値に合致し、あるいはしきい値を超えている場合、データ点がそのように指定される（１７２８）。

複合マスクデータを、データをフィルタ処理すべくさらに分析することができる。例えば、この実施の形態においては、近似度エンジンを、ユーザ指定のしきい値などのしきい値よりも小さいデータ点のグループを特定し、適切に取り除くように構成できる。

図１９および２０を参照すると、この実施の形態の近似度エンジンを、グループを定義し、それらのサイズを評価し、より小さいグループを取り除くように構成できる。グループを定義するため、近似度エンジンは、複合マスクデータ内の全てのデータ点を、判定基準を満足するデータ点を求めて検索する。例えば、複合マスクデータ内のデータ点を、値の範囲に区分けして、インデックス番号を割り当てることができる。近似度エンジンが、或るインデックスに一致するデータ点を求めて複合マスクデータを検索することによって開始する（１９１０）。指定のインデックスに合致するデータ点を発見する（１９１２）と、近似度エンジンは、発見したデータ点を主たるデータ点として指定し、同じインデックスに属する他のデータ点、あるいは事実上同じ値を有しやはりしきい値を超えている他のデータ点、または他の所望の判断基準に合致する他のデータ点を求めて、主たるデータ点から全ての方向へと検索を行なう繰り返しプログラムを開始する（１９１４）。

本実施の形態における繰り返し機能の一例として、近似度エンジンは、例えば５であるが、或る値を有するデータ点を求めて検索を開始することができる。値が５であるデータ点が見つかった場合、繰り返しプログラムは、この主たるデバイスの周囲の全てのデータ点を、値が５である他のデータ点を見つけるまで検索する。他に基準に合うデータ点が見つかった場合、繰り返しプログラムは、見つけたデータ点を主たるデータ点として選択した上で、プロセスを繰り返す。このようにして、繰り返しプロセスが、一致する値を有しかつ互いに隣接または斜めに位置するすべてのデータ点すなわちグループを構成するデータ点を、分析してマーキングする。繰り返しプログラムが、或る値を有してグループに属する全てのデバイスを発見したとき、このグループに固有のグループインデックスが割り当てられ、近似度エンジンが、複合マスクデータの全体を再び検索する。全てのデータ値について検索がなされたとき、複合マスクデータは、同じグループインデックスを有する隣接データ点からなるグループへと完全に区分けされている。

近似度エンジンは、各グループのサイズを判定することができる。例えば、近似度エンジンは、グループ内のデータ点の数をカウントすることができる（１９１６）。次いで、近似度エンジンは、各グループ内のデータ点の数をしきい値と比較し、しきい値を満足しないグループを取り除くことができる（１９１８）。それらのグループは、例えば当該グループのインデックス値を初期値へとリセットするなど、任意の適切なやり方でグループ化分析から取り除くことができる（１９２０）。例えば、しきい値となるデータ点の数が５である場合、近似度エンジンが、属するデータ点が５つよりも少ない全てのグループについて、グループインデックス数を初期値に変更する。したがって、５つ以上のデータ点を有するグループのみが、異なるグループインデックスによって分類された状態になる。

近似度エンジンは、複合マスクデータの生成および洗練のため、任意の適切なさらなる分析を実行することができる。例えば、元々の複合マスクデータについてのさらなるフィルタ処理、処置、および分析の結果を含む複合マスクデータを、複数のデータセットに関する情報を提供し、さらにウエハ上のデバイスや製造プロセスなど、データの元々の源に関する情報を提供するために、使用することができる。データをユーザへと提供することができ、あるいは任意の適切なやり方で使用することができる。例えば、データを、ユーザ定義のルールを複合マスクデータ、生データ、または他の任意の適切なデータへのマージ操作と組み合わせて実行して、生データにおける傾向およびパターンを表わしているデータセットを生成するなど、さらなる分析または他のデータとの組み合わせのために他のシステムへと提供することができる。さらに、データを、プリンタや視覚的インターフェイスなどの適切な出力システムを介してユーザに提供してもよい。

例えば、本実施の形態においては、複合マスクデータが他のデータと組み合わされ、検討のためユーザへと提供される。複合マスクデータは、他の任意の適切なデータと、任意の適切なやり方で組み合わせることができる。例えば、複合マスクデータを、シグネチャーデータ、生データ、ハードウェアビンデータ（ｈａｒｄｗａｒｅ ｂｉｎ ｄａｔａ）、ソフトウェアビンデータ（ｓｏｆｔｗａｒｅ ｂｉｎ ｄａｔａ）、および／または他の複合データとマージすることができる。データセットのマージは、表現、しきい値、および先例を含むさまざまなユーザ定義のルールを使用するなど、任意の適切なやり方で実行することができる。

本システムにおいては、複合分析要素２１４が、複合マスクデータを、複合生データのマップ、複合シグネチャーデータのマップ、または複合ビンデータのマップなどの複合データの元のマップとマージするための適切なプロセスを使用して、マージプロセスを実行する。例えば、図２１を参照すると、複合分析要素２１４が、複合マスクデータが元のデータマップに完全にマージされる完全マージシステム（ａｂｓｏｌｕｔｅ ｍｅｒｇｅ ｓｙｓｔｅｍ）を使用して、複合マスクデータを元の個々のウエハデータにマージさせることができる。結果として、複合マスクデータが、存在するパターンの重なり合いまたは包囲と無関係に、元のデータマップにマージされる。ただ１つの複合マスクが、複数の複合マスクからのパターンを示す場合、そのパターンが全体の複合マスクに含められる。

あるいは、複合分析要素２１４が、さらなる分析との関連においてデータのマージを行なうことができる。複合分析要素２１４は、無関係または非重要であろうデータをフィルタ処理することができる。例えば、図２２を参照すると、複合分析要素２１４が、元のデータマップ内または他の複合マスク内のデータと重なり合っており、すなわち潜在的に関係している情報を強調する傾向にある複合マスクデータ内のデータのみを、マージさせることができる。

あるいは、複合分析要素２１４が、特定のしきい値数、パーセンテージ、またはデータ点の他の値が、マップ間で重なり合うか否かを判断するため、複合マスクデータおよび元のデータを評価することができる。構成に応じて、マージされたデータが、この場合にはデバイスに対応するデータ点が複合マスクデータと元のデータとの間で重なり合うデータ点に要求されるしきい値を満足するよう充分に重なり合う領域のみを含んでもよい。図２３を参照すると、複合分析要素２１４を、複合データの５０％がテスタービン不良データと重なり合うなど、元のデータのテスタービン不良すなわち不良のデバイスと充分な度合いで重なり合う複合データパターンのみを含むように構成できる。すなわち、元のデータと重なり合う複合データの量が最小量を下回る場合、その複合データパターンを無視することができる。同様に、図２４を参照すると、複合分析要素２１４が、例えば２つの異なるレシピからのデータなど、複合データの２つの異なるセットを比較することができ、２つのレシピ間の重なり合いが選択された判断基準を満足するか否かを判定することができる。重なり合い、かつ／または上記最小の判断基準を満足するデータのみが、マージされる。

マージされたデータを、ユーザまたは他のシステムへの出力のため、出力要素へと提供することができる。マージされたデータを、製造エラー特定プロセスや大きな傾向の特定プロセスなど、他のプロセスに入力として渡すことができる。さらに、マージされたデータを、メモリ構造、データベーステーブル、フラットテキストファイル、またはＸＭＬファイルなど、任意の取り合わせまたはフォーマットで出力することができる。

本実施の形態においては、マージされたデータおよび／またはウエハマップが、インクマップ生成エンジンへともたらされる。インクマップエンジンは、オフラインインキング設備のためのマップを生成する。オフラインインキングマップに加え、マージされたデータ結果を、部品のインクなしアセンブリのためのビン結果（ｂｉｎｎｉｎｇ ｒｅｓｕｌｔ）の生成、あるいはこれらの種類の結果を利用する他の任意のプロセスまたはアプリケーションに利用することができる。

ここに示して説明した特定の実装は、単に本発明の例示および本発明のベストモードであり、いかなる場合も決して本発明の範囲を限定しようと意図するものではない。簡潔化のため、従来の信号処理、データ転送、およびシステムの他の機能的側面（および、システムの個々の動作コンポーネントのコンポーネント）については、詳細には説明しない。さらに、種々の図に示されている接続線は、種々の要素間の例示的な機能的関係および／または物理的結合を表すことを意図している。実際のシステムにおいては、多くの代替策またはさらなる機能的関係または物理的接続が存在し得る。以上、本発明を、好ましい実施の形態を参照しつつ説明してきた。しかしながら、本発明の技術的範囲から外れることなく変更および改変が可能である。それらの変更または改変、ならびにその他の変更または改変は、以下の特許請求の範囲に示されるとおり、本発明の技術的範囲に含まれるものである。

図１は、本発明の種々の態様によるテストシステムおよび関連する機能的コンポーネントのブロック図である。 図２は、テストシステムの動作のための要素のブロック図である。 図３は、コンポーネントについてのフロー図を示している。 図４Ａは、補足のデータ分析要素についてのフロー図を示している。 図４Ｂは、補足のデータ分析要素についてのフロー図を示している。 図４Ｃは、補足のデータ分析要素についてのフロー図を示している。 図５は、ウエハのさまざまなセクションおよびセクション分け技法の図である。 図６Ａは、補足のデータ分析要素についてのフロー図をさらに示している。 図６Ｂは、補足のデータ分析要素についてのフロー図をさらに示している。 図７は、出力要素についてのフロー図を示している。 図８は、本発明のさまざまな態様による典型的なデータ平滑化システムの動作についてのフロー図である。 図９は、複数のコンポーネントのテストについてのテストデータのプロットである。 図１０は、複数のデバイスを有するウエハおよび当該ウエハの抵抗値プロファイルを表している。 図１１は、図１０のウエハのさまざまなデバイスにおける抵抗の母集団について、抵抗値のグラフである。 図１２Ａは、図１０のさまざまなデバイスについて、生のテストデータの一般的かつ詳細なプロットである。 図１２Ｂは、図１０のさまざまなデバイスについて、アウトライヤー検出トリガの一般的かつ詳細なプロットである。 図１３は、本発明の種々の態様による複合分析プロセスのフロー図である。 図１４は、３つの代表的なウエハ上の代表的なデータ点位置の図である。 図１５Ａは、累積二乗複合データ分析プロセスに関するフロー図およびチャートである。 図１５Ｂは、累積二乗複合データ分析プロセスに関するフロー図およびチャートである。 図１５Ｃは、累積二乗複合データ分析プロセスに関するフロー図およびチャートである。 図１６は、ウエハ上に定められた除外ゾーンの図である。 図１７Ａは、近似度重み付けプロセスのフロー図である。 図１７Ｂは、近似度重み付けプロセスのフロー図である。 図１８は、近似度重み付けの対象となるデータ点のセットの図である。 図１９は、クラスタ検出およびフィルタ処理プロセスのフロー図である。 図２０は、検出およびフィルタ処理の対象となるウエハ上のクラスタのセットの図である。 図２１は、完全マージプロセスを使用してマージされるデータ点のセットの図である。 図２２は、重なり合いマージプロセスを使用してマージされるデータ点のセットの図である。 図２３は、重なり合いパーセンテージマージプロセスを使用してマージされるデータ点のセットの図である。 図２４は、重なり合いパーセンテージマージプロセスを使用してマージされるデータ点のセットの図である。

Claims (30)

1. 複数のウエハの各ウエハ上の全てのコンポーネントをそれぞれ1セットとし、少なくとも２セットのコンポーネントについてのテスターによって生成されたテスト結果であるテストデータからなる少なくとも２つの前記各セットのデータセットについて、前記テストデータを記憶するように構成された記憶システムであって、第１のウエハに関する第１のデータセットの第１のコンポーネントが、第２のウエハに関する第２のデータセットの第２のコンポーネントに対応し、前記第１のコンポーネントおよび前記第２のコンポーネントが、前記第１、第２の別個のウエハ上で対応する位置を占めている、記憶システムと、
   前記テストデータから、統計処理により補足データを生成する補足データ分析要素と、
   前記補足データ分析要素から、生のデータセット及び補足データを受領し、前記複数のウエハの複数のデータセットにまたがるパターン、または不規則性を呈する共通の特徴を特定するための複合分析要素であって、前記複合分析要素は、対応する第１のコンポーネントおよび第２のコンポーネントについてのテストデータを分析するように構成された、複合分析要素と、
   を備え、
   前記複合分析要素によって、各ウエハの対応する位置にある各コンポーネントからなるセット毎に、各コンポーネントについてのデータをそれぞれカウントしきい値と比較し、前記カウントしきい値と特定の関係にあるコンポーネントの数を合計したものを絶対カウンタ値とし、それによって第１のサマリー値を生成し、当該第１のサマリー値と全体のカウントしきい値とを比較し、当該第1のサマリー値が前記全体のカウントしきい値を超える場合に、データ点が複合データとして指定されると共に、前記対応する位置にある各コンポーネントについてのテストデータをそれぞれ累積しきい値と比較し、データ点の値が前記累積しきい値を超える場合、データ点の値を加算して累積値とした第２のサマリー値を生成し、前記対応する位置の全てのデータの最大値、最小値及び標準偏差から動的なしきい値である全体の累積しきい値を算出し、データ点の値が加算された前記累積値としての第２のサマリー値を二乗し、前記全体の累積しきい値と比較し、二乗した累積値が全体の累積しきい値を超える場合に、データ点が複合データとして指定され、複数の前記データセットをまたがる全てのセットの前記複合データに基づいて、前記共通の特徴を特定する
   テストシステム。
2. 前記複合分析要素が、指定の領域内の複合データに指定の処理を与えるように構成されている、請求項１に記載のテストシステム。
3. 前記複合分析要素が、前記指定の領域内の複合データを無視することと、前記指定の領域内の複合データにより低い重要度を与えることとのうちの少なくとも一方を行なうように構成されている、請求項２に記載のテストシステム。
4. 前記複合分析要素が、前記複合データについて空間分析を実行するように構成されている、請求項１に記載のテストシステム。
5. 前記複合分析要素が、選択された複合データ点に、近隣の複合データ点の値
   に基づいて重要度を与えるように構成されている、請求項１に記載のテストシステム。
6. 前記選択された複合データ点に与えられる重要度が、第１の近隣複合データ点が前記選
   択された複合データ点に対して第１の位置にある場合には、第１の量だけ調節され、前記
   第１の近隣複合データ点が前記選択された複合データ点に対して第２の位置にある場合に
   は、第２の量だけ調節される、請求項５に記載のテストシステム。
7. 前記複合分析要素が、前記複合データから複合データ点のクラスタを取り除くように構成されている、請求項１に記載のテストシステム。
8. 前記複合分析要素が、前記複合データ点のクラスタが選択されたサイズよりも小さいときにのみ、前記クラスタを取り除くように構成されている、請求項７に記載のテストシステム。
9. 前記複合分析要素が、前記複合データを、前記テストデータに基づく他のデータのセットとマージするように構成されている、請求項１に記載のテストシステム。
10. 前記マージされた複合データを含んでいる複合マップを生成するように構成されている
    出力要素をさらに備えている、請求項９に記載のテストシステム。
11. 複数のウエハの各ウエハ上の全てのコンポーネントをそれぞれ1セットとし、少なくとも２セットのコンポーネントをテストして、テストデータからなる少なくとも２つの前記各セットのデータセットを生成するように構成されているテスターであって、第１のウエハに関する第１のデータセットの第１のコンポーネントが、第２のウエハに関する第２のデータセットの第２のコンポーネントに対応し、前記第１のコンポーネントおよび前記第２のコンポーネントが、前記第１、第２の別個のウエハ上で対応する位置を占めている、テスターと、
    前記テストデータから、統計処理により補足データを生成する補足データ分析要素と、
    前記補足データ分析要素から、生のデータセット及び補足データを受領し、前記複数のウエハの複数のデータセットにまたがるパターン、または不規則性を呈する共通の特徴を特定するための複合分析要素であって、前記複合分析要素は、対応する第１のコンポーネントおよび第２のコンポーネントについてのテストデータを分析するように構成された、複合分析要素と、
    を備え、
    前記複合分析要素によって、各ウエハの対応する位置にある各コンポーネントからなるセット毎に、各コンポーネントについてのデータをそれぞれカウントしきい値と比較し、前記カウントしきい値と特定の関係にあるコンポーネントの数を合計したものを絶対カウンタ値とし、それによって第１のサマリー値を生成し、当該第１のサマリー値と全体のカウントしきい値とを比較し、当該第1のサマリー値が前記全体のカウントしきい値を超える場合に、データ点が複合データとして指定されると共に、前記対応する位置にある各コンポーネントについてのテストデータをそれぞれ累積しきい値と比較し、データ点の値が前記累積しきい値を超える場合、データ点の値を加算して累積値とした第２のサマリー値を生成し、前記対応する位置の全てのデータの最大値、最小値及び標準偏差から動的なしきい値である全体の累積しきい値を算出し、データ点の値が加算された前記累積値としての第２のサマリー値を二乗し、前記全体の累積しきい値と比較し、二乗した累積値が全体の累積しきい値を超える場合に、データ点が複合データとして指定され、複数の前記データセットをまたがる全てのセットの前記複合データに基づいて、前記共通の特徴を特定する
    テストシステム。
12. 前記複合分析要素が、指定の領域内の複合データに指定の処理を与えるように構成されている、請求項１１に記載のテストシステム。
13. 前記複合分析要素が、前記指定の領域内の複合データを無視することと、前記指定の領域内の複合データにより低い重要度を与えることとのうちの少なくとも一方を行なうように構成されている、請求項１２に記載のテストシステム。
14. 前記複合分析要素が、前記複合データについて空間分析を実行するように構成されている、請求項１１に記載のテストシステム。
15. 前記複合分析要素が、選択された複合データ点に、近隣の複合データ点の値に基づいて重要度を与えるように構成されている、請求項１１に記載のテストシステム。
16. 前記選択された複合データ点に与えられる重要度が、第１の近隣複合データ点が前記選
    択された複合データ点に対して第１の位置にある場合には、第１の量だけ調節され、前記
    第１の近隣複合データ点が前記選択された複合データ点に対して第２の位置にある場合に
    は、第２の量だけ調節される、請求項１５に記載のテストシステム。
17. 前記複合分析要素が、前記複合データから複合データ点のクラスタを取り除くように構成されている、請求項１１に記載のテストシステム。
18. 前記複合分析要素が、前記複合データ点のクラスタが選択されたサイズよりも小さいときにのみ、前記クラスタを取り除くように構成されている、請求項１７に記載のテストシステム。
19. 前記複合分析要素が、前記複合データを、前記テストデータに基づく他のデータのセットとマージするように構成されている、請求項１１に記載のテストシステム。
20. 前記マージされた複合データを含んでいる複合マップを生成するように構成されている出力要素をさらに備えている、請求項１９に記載のテストシステム。
21. 半導体ウエハをテストする方法であって、
    複数のウエハの各ウエハ上の全てのコンポーネントをそれぞれ１セットとし、少なくとも２セットのコンポーネントについてのテスターによって生成されたテスト結果であるテストデータからなる少なくとも２つの前記各セットのデータセットを取得することであって、前記第１のウエハに関する第１のセットの第１のコンポーネントが、第２のウエハに関する第２のセットの第２のコンポーネントに対応し、前記第１のコンポーネントおよび前記第２のコンポーネントが、前記第１、第２の別個のウエハ上で対応する位置を占めている、ことと、
    前記テストデータから、統計処理により補足データを生成する、ことと、
    生のデータセット及び補足データを受領し、前記複数のウエハの複数のデータセットにまたがるパターン、または不規則性を呈する共通の特徴を特定する、ことと、
    を含むテスト方法であって、
    前記共通の特徴の特定は、
    特定各ウエハの対応する位置にある各コンポーネントからなるセット毎に、各コンポーネントについてのデータをそれぞれカウントしきい値と比較し、前記カウントしきい値と特定の関係にあるコンポーネントの数を合計したものを絶対カウンタ値とし、それによって第１のサマリー値を生成し、当該第１のサマリー値と全体のカウントしきい値とを比較し、当該第１のサマリー値が前記全体のカウントしきい値を超える場合に、データ点が複合データとして指定されると共に、前記対応する位置にある各コンポーネントについてのテストデータをそれぞれ累積しきい値と比較し、データ点の値が前記累積しきい値を超える場合、データ点の値を加算して累積値とした第２のサマリー値を生成し、前記対応する位置の全てのデータの最大値、最小値及び標準偏差から動的なしきい値である全体の累積しきい値を算出し、データ点の値が加算された前記累積値としての第２のサマリー値を二乗し、前記全体の累積しきい値と比較し、二乗した累積値が全体の累積しきい値を超える場合に、データ点が複合データとして指定され、複数の前記データセットをまたがる全てのセットの前記複合データに基づいて、前記共通の特徴を特定することである、
    テスト方法。
22. 前記複合データを生成することが、指定の領域内の複合データに指定の処理を与えることを含む、請求項２１に記載のテスト方法。
23. 前記指定の処理を与えることが、前記指定の領域内の複合データを無視することと、前記指定の領域内の複合データにより低い重要度を与えることとのうちの少なくとも一方を含む、請求項２２に記載のテスト方法。
24. 前記複合データについて空間分析を実行することをさらに含む、請求項２１に記載のテスト方法。
25. 選択された複合データ点に、近隣の複合データ点の値に基づいて重要度を与えることをさらに含む、請求項２１に記載のテスト方法。
26. 前記選択された複合データ点に与えられる重要度が、第１の近隣複合データ点が前記選択された複合データ点に対して第１の位置にある場合には、第１の量だけ調節され、前記第１の近隣複合データ点が前記選択された複合データ点に対して第２の位置にある場合には、第２の量だけ調節される、請求項２５に記載のテスト方法。
27. 前記複合データから複合データ点のクラスタを取り除くことをさらに含む、請求項２１に記載のテスト方法。
28. 前記クラスタを取り除くことが、前記複合データ点のクラスタが選択されたサイズよりも小さいときにのみ前記クラスタを取り除くことを含む、請求項２７に記載のテスト方法。
29. 前記複合データを、前記テストデータに基づく他のデータのセットとマージすることをさらに含む、請求項２１に記載のテスト方法。
30. 前記マージされた複合データを含んでいる複合マップを生成することをさらに含む、請求項２９に記載のテスト方法。

Images