JP7181753B2 - 解析装置、解析方法および解析プログラム - Google Patents

Description

本発明は、解析装置、解析方法および解析プログラムに関する。

従来、被測定デバイスを測定するにあたって、治具を被測定デバイスに接触させて測定を行う試験装置が知られている。

しかしながら、被測定デバイスを測定する測定系の状態は常に一定ではなく、様々な要因に起因して変動する。したがって、測定系から得られた情報を解析して、測定系を管理することが望まれている。

上記課題を解決するために、本発明の第１の態様においては、解析装置を提供する。解析装置は、被測定デバイスを測定した複数の測定値を取得する取得部を備えてよい。解析装置は、複数の測定値を用いて、被測定デバイスを測定した位置に依存した位置依存成分のモデルを機械学習により学習する機械学習部を備えてよい。解析装置は、複数の測定値から、機械学習部により学習されたモデルを用いて算出される位置依存成分を分離する解析部を備えてよい。

取得部は、被測定デバイスにおける異なる位置で測定された複数の測定値を取得し、解析部は、複数の測定値から、被測定デバイスにおける測定した位置に依存した位置依存成分を分離してよい。

位置依存成分は、被測定デバイスの中心から同心円状に変化する成分を含んでよい。

位置依存成分は、被測定デバイスを座標平面上に配置した場合に、座標平面における一方の座標軸方向に依存した成分、および、座標平面における他方の座標軸方向に依存した成分の少なくともいずれか一方を含んでよい。

被測定デバイスは、複数のデバイス領域が形成されたウエハであり、取得部は、デバイス領域ごとに測定された複数の測定値、および、デバイス領域を複数含む領域ブロックごとに測定された複数の測定値の少なくともいずれか一方を取得してよい。

取得部は、治具における異なる位置で複数の被測定デバイスを測定した複数の測定値を取得し、解析部は、複数の測定値から、治具における測定した位置に依存した位置依存成分を分離してよい。

取得部は、試験装置が治具を介して被測定デバイスを測定した複数の測定値を取得し、解析部により位置依存成分が分離された複数の測定値に基づいて、治具の状態の管理、および、試験装置の異常検出の少なくともいずれか一方を行う管理部を更に備えてよい。

本発明の第２の態様においては、解析装置が解析する解析方法を提供する。解析方法は、解析装置が、被測定デバイスを測定した複数の測定値を取得することを備えてよい。解析方法は、解析装置が、複数の測定値を用いて、被測定デバイスを測定した位置に依存した位置依存成分のモデルを機械学習により学習することを備えてよい。解析方法は、解析装置が、複数の測定値から、学習されたモデルを用いて算出される位置依存成分を分離することを備えてよい。

本発明の第３の態様においては、解析プログラムを提供する。解析プログラムは、コンピュータにより実行されてよい。解析プログラムは、コンピュータを、被測定デバイスを測定した複数の測定値を取得する取得部として機能させてよい。解析プログラムは、コンピュータを、複数の測定値を用いて、被測定デバイスを測定した位置に依存した位置依存成分のモデルを機械学習により学習する機械学習部として機能させてよい。解析プログラムは、コンピュータを、複数の測定値から、機械学習部により学習されたモデルを用いて算出される位置依存成分を分離する解析部として機能させてよい。

なお、上記の発明の概要は、本発明の必要な特徴の全てを列挙したものではない。また、これらの特徴群のサブコンビネーションもまた、発明となりうる。

本実施形態に係る解析装置１３０を測定系１０とともに示す。 本実施形態に係る解析装置１３０が測定値のばらつきに基づいて試験装置１００の異常を検出するフローを示す。 本実施形態に係る解析装置１３０が解析対象とする測定値に含まれる成分の一例を示す。 本実施形態に係る解析装置１３０が解析対象とする測定値に含まれる成分の他の一例を示す。 本実施形態に係る解析装置１３０が変動データに基づいて治具１１０の状態を管理するフローを示す。 接触回数に応じた治具１１０の接触抵抗の変化傾向を示す。 本発明の複数の態様が全体的または部分的に具現化されてよいコンピュータ２２００の例を示す。

以下、発明の実施の形態を通じて本発明を説明するが、以下の実施形態は特許請求の範囲にかかる発明を限定するものではない。また、実施形態の中で説明されている特徴の組み合わせの全てが発明の解決手段に必須であるとは限らない。

図１は、本実施形態に係る解析装置１３０を測定系１０とともに示す。本実施形態に係る解析装置１３０は、測定系１０において測定対象を測定した複数の測定値を取得して解析し、解析した情報を用いて測定を行った試験装置や治具の健康度や安定度を管理する。本実施形態に係る解析装置１３０は、例えば、半導体やＭｉｃｒｏ Ｅｌｅｃｔｒｏ Ｍｅｃｈａｎｉｃａｌ Ｓｙｓｔｅｍｓ（ＭＥＭＳ）等の電子デバイスが複数形成されたウエハをテストした測定値、ウエハをダイシングして個片化したベアチップをテストした測定値およびチップを封止したパッケージをテストした測定値等、測定系１０において得られた様々な測定値を解析対象としてよい。すなわち、解析装置１３０は、いわゆる前工程および後工程のいずれかにおいて測定された測定値を解析対象としてよい。本図においては、解析装置１３０が、プローバに装着されたウエハを、テスタを用いてウエハテストした測定値を解析対象とする場合を一例として示し、以下この場合について説明する。

測定系１０は、試験装置１００および治具１１０を有する。試験装置１００は、治具１１０を介して被測定デバイス１２０を測定する。

試験装置１００は、テスタ本体１０２およびテストヘッド１０４を有する。試験装置１００は、例えば、システムＬＳＩテスタ、アナログテスタ、ロジックテスタおよびメモリテスタ等のデバイス試験装置であってよい。なお、試験装置１００は、テスト機能を有せずに被測定デバイス１２０を単に測定する測定装置も含む。試験装置１００は、治具１１０を介して被測定デバイス１２０に様々なテスト信号を与え、被測定デバイス１２０から応答信号を取得する。

テスタ本体１０２は、試験装置１００の本体部であり、各種測定の制御を行う。テスタ本体１０２は、各種測定によって得られた複数の測定値を、有線または無線を介して本実施形態に係る解析装置１３０に出力する機能を有してよい。

テストヘッド１０４は、ケーブルを介してテスタ本体１０２接続され、被測定デバイス１２０を測定する測定位置と退避位置との間で駆動可能に構成されている。テストヘッド１０４は、測定を行う際に、テスタ本体１０２による制御に基づいて、測定位置において被測定デバイス１２０にテスト信号を送信し、被測定デバイス１２０から応答を受信して、それをテスタ本体１０２へ中継する。

治具１１０は、測定系１０における試験装置１００以外の構成要素を示す。治具１１０は、例えば、試験装置１００が被測定デバイス１２０を測定する際に、試験装置１００の測定機能と被測定デバイス１２０とを結ぶインターフェイス部であってよい。治具１１０は、測定対象となる被測定デバイス１２０の種類に応じて適宜交換され得る。本図においては、一例として、治具１１０は、パフォーマンスボード１１２、プローブカード１１４およびプローバ１１６を有する。なお、本実施形態に係る解析装置１３０が、後工程において測定された測定値を解析対象とする場合には、治具１１０は、ソケットやハンドラ等を有してもよい。

パフォーマンスボード１１２は、テストヘッド１０４に着脱可能に装着され、テストヘッド１０４に電気的に接続されている。

プローブカード１１４は、パフォーマンスボード１１２に着脱可能に装着され、パフォーマンスボードに電気的に接続されている。また、プローブカード１１４は、被測定デバイス１２０に接触させて電気的なコンタクトをとるための複数のプローブニードルを有している。

プローバ１１６は、被測定デバイス１２０を搬送してステージ上に載置し、被測定デバイス１２０に設けられた電極パッドとプローブカード１１４のプローブニードルとの位置合わせを行う。また、プローバ１１６は、プローブニードルをクリーニングするためのクリーニングユニットを有している。プローブカード１１４を介して被測定デバイス１２０と電気的に接続する場合、プローブニードルによって電極パッドの表面を引掻くようにしてコンタクトをとる。この際に、プローブニードルの針先には、電極パッド上の酸化物やゴミ等が付着する。これによって、電極パッドとのコンタクト（タッチダウン）の度にプローブニードルの針先に付着物が堆積していき、徐々に正確な測定ができなくなる。そこで、プローバ１１６にクリーニングユニットを設け、プローブニードルの針先をポリッシュまたは洗浄することで、プローブニードルをクリーニングして針先に堆積する付着物を除去することができる。

被測定デバイス１２０は、プローバ１１６のステージ上に載置され、試験装置１００によって測定される対象となる測定対象である。本図においては、被測定デバイス１２０が、複数のデバイス領域１２２（例えば、チップ）が形成されたウエハである場合を一例として示す。複数のデバイス領域１２２のそれぞれには、複数の電極パッドが形成されており、試験装置１００は、これら電極パッドに、プローブカード１１４のプローブニードルを接触させて複数のデバイス領域１２２の測定を行う。この際、試験装置１００は、複数のデバイス領域１２２ごとに測定を行ってもよいし、デバイス領域１２２を複数含む領域ブロック（例えば、４チップ）ごとに測定を行ってもよい。そして、試験装置１００は、例えば、これら被測定デバイス１２０を異なる位置で測定した際に得られる複数の測定値を、直接またはネットワークや媒体を介して解析装置１３０に供給する。

解析装置１３０は、測定系１０において被測定デバイス１２０を測定した複数の測定値を取得して解析する。解析装置１３０は、ＰＣ（パーソナルコンピュータ）、タブレット型コンピュータ、スマートフォン、ワークステーション、サーバコンピュータ、または汎用コンピュータ等のコンピュータであってよく、複数のコンピュータが接続されたコンピュータシステムであってもよい。このようなコンピュータシステムもまた広義のコンピュータである。また、解析装置１３０は、コンピュータ内で１または複数実行可能な仮想コンピュータ環境によって実装されてもよい。これに代えて、解析装置１３０は、測定値の解析用に設計された専用コンピュータであってもよく、専用回路によって実現された専用ハードウェアであってもよい。一例として、解析装置１３０は、インターネットに接続されたＷｅｂサーバであってよく、この場合、ユーザは、インターネットに接続可能な様々な環境から、クラウド上の解析装置１３０へアクセスして各種サービスの提供を受けることができる。また、解析装置１３０は、直接またはＬｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ（ＬＡＮ）等のネットワークを介して試験装置１００と接続する単独の装置として構成されてもよいし、試験装置１００と一体に構成され、試験装置１００の機能ブロックの一部として実現されてもよい。また、後述するように、例えば、ユーザによる直接入力や、ＵＳＢメモリ等の記憶媒体から複数の測定値を入手可能である場合には、解析装置１３０は、試験装置１００と接続されていなくてもよく、測定系１０とは独立した装置として構成されてもよい。

解析装置１３０は、入力部１４０、取得部１５０、機械学習部１６０、解析部１７０、管理部１８０および出力部１９０を備える。

入力部１４０は、複数の測定値を入力するためのインターフェイス部である。入力部１４０は、例えば、試験装置１００のテスタ本体１０２に、直接またはネットワークを介して接続されており、試験装置１００によって測定された複数の測定値を入力する。また、入力部１４０は、キーボードやマウス等を介してユーザからの直接入力を受け付けるユーザインターフェイスであってもよいし、ＵＳＢメモリやディスクドライブ等を解析装置１３０に接続するためのデバイスインターフェイスであってもよく、これらインターフェイスを介して試験装置１００によって測定された複数の測定値を入力してもよい。

取得部１５０は、入力部１４０に接続されており、試験装置１００が治具１１０を介して被測定デバイス１２０を測定した複数の測定値を取得する。取得部１５０は、試験装置１００が被測定デバイス１２０における異なる位置で測定した複数の測定値、より詳細には、治具１１０を被測定デバイス１２０の異なる位置に接触させて測定した複数の測定値を取得してよい。例えば、被測定デバイス１２０が、複数のデバイス領域１２２が形成されたウエハである場合、取得部１５０は、デバイス領域１２２ごとに測定された複数の測定値、および、デバイス領域１２２を複数含む領域ブロックごとに測定された複数の測定値の少なくともいずれか一方を取得する。取得部１５０は、取得した複数の測定値を、機械学習部１６０および解析部１７０へ供給する。また、解析装置１３０が後工程において測定された測定値を解析対象とする場合には、取得部１５０は、これに代えて、または、加えて、治具１１０における異なる位置で複数の被測定デバイス１２０を測定した複数の測定値を取得してよい。例えば、解析装置１３０がファイナルテストにおいて測定された測定値を解析対象とする場合、取得部１５０は、ソケットボード上に設けられた複数のソケットにおいて複数の被測定用ＩＣをそれぞれ測定した複数の測定値を取得してよい。

機械学習部１６０は、取得部１５０に接続されており、取得部１５０から供給された複数の測定値を用いて、例えば、被測定デバイス１２０における測定した位置に依存した成分、および、治具１１０における測定した位置に依存した成分の位置依存成分等の測定値に含まれる成分のモデルを機械学習により学習する。これについては後述する。

解析部１７０は、取得部１５０および機械学習部１６０に接続されており、取得部１５０から供給された複数の測定値を解析して、測定値のばらつきを抽出する。また、解析部１７０は、複数の測定値を解析して、治具１１０が被測定デバイス１２０に接触した接触回数に応じた測定値の変動を示す変動データを生成する。この際、解析部１７０は、複数の測定値から、例えば、被測定デバイス１２０における測定した位置に依存した成分、および、治具１１０における測定した位置に依存した成分の位置依存成分を分離する。解析部１７０は、この位置依存成分を、機械学習部１６０により学習されたモデルを用いて算出することができる。

管理部１８０は、解析部１７０に接続されており、解析部１７０により位置依存成分が分離された複数の測定値に基づいて、治具１１０の状態の管理、および、試験装置１００の異常検出の少なくともいずれか一方を行う。例えば、管理部１８０は、解析部１７０が生成した変動データに基づいて、治具１１０の状態を管理する。また、管理部１８０は、解析部１７０が抽出した測定値のばらつきに基づいて、試験装置１００の異常を検出する。なお、ここで、治具１１０の状態の管理として、管理部１８０は、例えば、変動データに基づいて、治具１１０のクリーニング時期、および、治具１１０の交換時期の少なくともいずれか一方を決定することができる。

出力部１９０は、管理部１８０に接続されており、管理部１８０が管理した情報を出力する。出力部１９０は、この情報を、解析装置１３０に設けられた表示部（図示せず）に表示させてもよいし、直接またはネットワークを介して接続された他の装置へ送信してもよい。

図２は、本実施形態に係る解析装置１３０が測定値のばらつきに基づいて試験装置１００の異常を検出するフローを示す。ステップ２１０において、解析装置１３０の取得部１５０は、入力部１４０を介して複数の測定値を取得する。

ステップ２２０において、解析装置１３０の機械学習部１６０は、ステップ２１０において取得した複数の測定値を用いて、位置依存成分等の測定値に含まれる成分のモデルを機械学習により学習する。ここで、位置依存成分は、後述するように、例えば、被測定デバイス１２０の中心から同心円状に変化する成分、被測定デバイス１２０をＸＹ平面上に配置した場合にＸ軸方向に依存した成分およびＹ軸方向に依存した成分を含む。また、複数の測定値は、後述するようにタッチダウン回数に依存した成分を含む。機械学習部１６０は、複数の測定値をサンプリングして測定値に含まれる成分のモデルを機械学習により学習する。これについては後述する。

次に、ステップ２３０において、解析装置１３０の解析部１７０は、複数の測定値からステップ２２０において機械学習部１６０により学習されたモデルを用いて算出される位置依存成分を分離する。

そして、ステップ２４０において、解析装置１３０の解析部１７０は、複数の測定値を解析して、ステップ２３０において位置依存成分が分離された複数の測定値を用いて測定値のばらつきを抽出する。そして、解析部１７０は、測定値のばらつきを確率分布で表現して、測定値の確率分布を算出する。解析部１７０は、例えば、測定値の確率分布が正規分布に従うと仮定して、平均値および標準偏差σ等を算出する。なお、上述の説明では、測定値の確率分布が正規分布に従うと仮定したが、これに限定されるものではない。解析部１７０は、例えば、測定値の確率分布が、スチューデントのｔ分布およびウィッシャート分布等の他の分布に従うと仮定してもよい。

そして、ステップ２５０において、解析装置１３０の管理部１８０は、測定値のばらつきに基づいて試験装置１００の異常を検出する。管理部１８０は、複数の測定値のうち、ステップ２４０において算出した測定値の確率分布から外れた外れ値に基づいて試験装置１００の異常を検出してよい。例えば、管理部１８０は、測定値の確率分布において、平均値から標準偏差σの所定倍（例えば２σ）離れた値（外れ値）が予め定められた基準以上の確率で発生した場合に、試験装置１００に何らかの異常が生じたものと判定してよい。管理部１８０は、試験装置１００の異常として、例えば、被測定デバイス１２０に電力を供給する電力源、ドライバ、Ａ／Ｄ変換器、Ｄ／Ａ変換器等の故障を検出し得る。

このように、本実施形態に係る解析装置１３０によれば、複数の測定値を解析して抽出した測定値のばらつきに基づいて、試験装置１００の異常を検出する。従来、試験装置１００の異常は、定期診断でしか分からなかった。しかしながら、本実施形態に係る解析装置１３０は、製品として出荷されるデバイスの試験および測定中に得られる測定結果の振る舞いから測定を行った試験装置１００の健康度や安定度をチェックすることができる。これにより、異常が生じている試験装置１００によって測定された結果、本来、良品と判断されるべき被測定デバイス１２０が不良として扱われて歩留まりが低下することや、本来、不良と判断されるべき被測定デバイス１２０が良品として扱われて次工程に流出することを回避することができる。また、本実施形態に係る解析装置１３０は、複数の測定値から被測定デバイス１２０における測定した位置に依存する成分や治具１１０における測定した位置に依存する成分を分離するので、測定値のばらつきをより精度よく抽出することができる。

ここで、解析装置１３０の機械学習部１６０は、ベイズ推論を用いて測定値に含まれる成分のモデルを機械学習により学習する。これに代えて、機械学習部１６０は、回帰分析、決定木学習およびニューラルネットワーク等の他の学習アルゴリズムを用いて学習してもよい。

一般に、ベイズ推論は、観測された事実から推定したい事柄を確率的な意味で推論する。例えば、Ｐ（Ａ）を事象Ａが発生する確率（事前確率）、Ｐ（Ａ｜Ｘ）を事象Ｘが発生した下で事象Ａが発生する条件付き確率（事後確率）とすると、事後確率Ｐ（Ａ｜Ｘ）はベイズの定理によって次式で表される。ここで、Ｐ（Ｘ｜Ａ）は尤度であり、統計学において、ある前提条件に従って結果が出現する場合に、逆に観測結果からみて前提条件が何であったと推測する尤もらしさを表す。

ここで、事象Ａの確率の観点からは、Ｐ（Ｘ）は規格化定数としての意味しかもたないため、しばしば省略され、事後確率Ｐ（Ａ｜Ｘ）は次式のように表すことができる。すなわち、事後確率Ｐ（Ａ｜Ｘ）は事前確率Ｐ（Ａ）と尤度Ｐ（Ｘ｜Ａ）の積に比例する。

このように、事象Ｘに関するある結果が得られたとすると、それを反映し、尤度の乗算によって、事象Ａの確率を事前確率から事後確率へと更新していく。つまり、主観的な確率分布であった事前確率Ｐ（Ａ）に、尤度Ｐ（Ｘ｜Ａ）を乗算することにより、事象Ｘを加味して、より客観性の高い確率分布である事後確率Ｐ（Ａ｜Ｘ）を算出する。そして、さらに新たな事象Ｘが加えられれば、事後確率を新たに事前確率として扱い、ベイズ改訂を繰り返していく。このように、確率分布をより客観的にするベイズ改訂を利用して、事象Ａを推定する方法がベイズ推定である。上述したように、測定系１０から得られる複数の測定値は、例えば、同心円状に変化する成分、Ｘ軸方向に依存した成分、Ｙ軸方向に依存した成分およびタッチダウン回数に依存した成分等、複数の成分の和として与えられる。本実施形態に係る解析装置１３０の機械学習部１６０は、各成分の関数における定数、すなわち、被測定デバイス１２０の中心からの距離ｒの関数における定数Ｗ、Ｘ軸成分ｘおよびＹ軸成分ｙの関数における定数Ｓ、およびタッチダウン回数ｔの関数における定数Ｒ等をそれぞれ、（数１）および（数２）の"Ａ"として用い、複数の測定値が示す値を（数１）および（数２）の"Ｘ"として用いて、各定数の確率分布を、測定値を使用して更新していく。

機械学習部１６０は、測定値に含まれる成分のモデルを機械学習により学習するにあたって、不明なパラメータを得るためのサンプリング方法として、複数のパラメータが簡単な依存関係にある場合には、連立方程式を用いることができる。これに代えて、複数のパラメータが相互に依存する場合には、機械学習部１６０は、反復法、統計的推定法、および、最適化等を用いることができる。

図３は、本実施形態に係る解析装置１３０が解析対象とする測定値に含まれる成分の一例を示す。解析装置１３０が解析する測定値には、被測定デバイス１２０における測定した位置に依存した位置依存成分が含まれている。位置依存成分は、例えば、本図に示すように、被測定デバイス１２０の中心から同心円状に変化する成分を含む。ウエハ等の被測定デバイス１２０に複数のデバイス領域１２２を形成するにあたっては、枚葉式の処理装置を用いてプロセスが施されることがある。この枚葉式の処理装置においては、ウエハをスピンチャックに保持して回転させた状態で、ノズルからウエハの中心に処理液を塗布し、スピンチャックの回転による遠心力によって処理液をウエハ全体に塗り拡げて処理をしている。この際、処理液をウエハ全体に均一に塗り拡げるように制御することや、ウエハのエッジ部分を中心部分と同様に処理することは厳密には容易ではない。このような理由により、被測定デバイス１２０は、中心からの距離に依存して同心円状に僅かな製造ばらつきが生じる。したがって、解析装置１３０が解析する測定値は、被測定デバイス１２０の中心から同心円状に変化する成分を含んでいる。

また、位置依存成分は、例えば、本図に示すように、被測定デバイス１２０を座標平面（ＸＹ平面）上に配置した場合に、座標平面における一方の座標軸方向（Ｘ軸方向）に依存した成分、および、座標平面における他方の座標軸方向（Ｙ軸方向）に依存した成分の少なくともいずれか一方を含む。例えば、ウエハ等の被測定デバイス１２０に複数のデバイス領域１２２を形成するにあたって、ウエハを一端側から徐々に処理液に浸漬させるプロセスや、ウエハの一端側から処理ガスを処理チャンバに充填させるプロセス等を経ることがある。このような場合に、被測定デバイス１２０は、一端から他端に向けて僅かな製造ばらつきが生じる。したがって、解析装置１３０が解析する測定値は、被測定デバイス１２０をＸＹ平面上に配置した場合に、Ｘ軸方向に依存した成分やＹ軸方向に依存した成分を含んでいる。

また、ファイナルテストにおいては、ソケットボード上に設けられた複数のソケットのそれぞれに被測定用ＩＣが装着された状態で、複数の被測定用ＩＣが測定される。このような場合に、ソケットボードの反りや傾き、または温度依存性等により、複数の測定値は、治具１１０における測定した位置に依存した様々な成分を含んでいる。

このように、解析装置１３０が解析対象とする複数の測定値は、同心円状に変化する成分、Ｘ軸方向に依存した成分およびＹ軸方向に依存した成分等、複数次元の変数からなる位置に依存した位置依存成分を含んでいる。本実施形態に係る解析装置１３０は、これら複数次元の変数からなる位置依存成分のモデルを機械学習により学習することができる。そして、本実施形態に係る解析装置１３０は、複数の測定値から位置依存成分を分離することで、製造ばらつきによる測定値への影響や、治具１１０の位置による測定値への影響を除去することができる。これにより、本実施形態に係る解析装置１３０によれば、測定値のばらつきや他の要因が及ぼす測定値への影響を詳細に精度よく抽出することができる。

図４は、本実施形態に係る解析装置１３０が解析対象とする測定値に含まれる成分の他の一例を示す。解析装置１３０が解析する測定値は、図４に示した位置依存成分に加えて、本図に示すような、プローブカード１１４が有するプローブニードルを被測定デバイス１２０に接触させたタッチダウン（ＴＤ）回数に応じた測定値の変動成分を含んでいる。

上述したように、プローブカード１１４を介して測定対象と電気的に接続する場合、プローブニードルによって電極パッドの表面を引掻くようにしてコンタクトをとる。この際、プローブニードルの針先には、電極パッド上の酸化物やゴミ等が付着する。これによって、タッチダウン回数に応じてプローブニードルの接触抵抗（ＣＲＥＳ）値が増加していき、その結果、タッチダウン回数に応じた変動を測定値に与える。なお、このタッチダウン回数は、上述したクリーニングユニットを用いてプローブニードルの針先をポリッシュまたは洗浄した場合に、リセットされる値である。

本実施形態に係る解析装置１３０は、同心円状に変化する成分、Ｘ軸方向に依存した成分およびＹ軸方向に依存した成分を含む位置依存成分に加えて、タッチダウン回数に応じた変動成分を含めて、測定値に含まれる成分のモデルを機械学習により学習することができる。そして、解析装置１３０は、複数の測定値から位置依存成分を分離して、タッチダウン回数に応じた測定値の変動を示す変動データを生成し、変動データに基づいて治具の状態を管理することができる。

図５は、本実施形態に係る解析装置１３０が変動データに基づいて治具１１０の状態を管理するフローを示す。ステップ５１０からステップ５３０については、図２のステップ２１０からステップ２３０と同様である。

本フローにおいて、解析装置１３０の解析部１７０は、ステップ５４０において、治具１１０が被測定デバイス１２０に接触した接触回数、すなわちＴＤ回数に応じた測定値の変動を示す変動データを生成する。解析部１７０は、測定値のばらつきをＴＤ回数で分類して、それぞれを確率分布で表現する。また、解析部１７０は、ＴＤ回数によって分類して生成した複数の確率分布を用いて、ＴＤ回数に応じた治具１１０（プローブカード１１４のプローブニードル）の接触抵抗の分散を推定する。

そして、ステップ５５０において、解析装置１３０の管理部１８０は、ステップ５４０で生成された変動データに基づいて、治具１１０の状態を管理する。例えば、管理部１８０は、ＴＤ回数に応じた治具１１０の接触抵抗の分散に基づいて、治具１１０のクリーニング時期、および、治具１１０の交換時期の少なくともいずれか一方を決定する。

図６は、接触回数に応じた治具１１０の接触抵抗の変化傾向を示す。上述したように、プローブニードルの接触抵抗（ＣＲＥＳ）値は、ＴＤ回数に応じて増加していく。したがって、本図に示すように、ＴＤ回数を横軸にとった場合、ＣＲＥＳ値の平均値はＴＤ回数の増加に伴って右肩上がりに増加していく。これに加えて、ＣＲＥＳ値は、ＴＤ回数の増加に伴ってばらつきが大きくなる傾向を示すことが分かってきた。すなわち、ＣＲＥＳ値の確率分布において、ＴＤ回数の増加に伴って分散が大きくなっていく傾向を示す。本実施形態に係る解析装置１３０は、この変化傾向を利用する。

すなわち、解析装置１３０は、ステップ５４０において、ＴＤ回数に応じた接触抵抗の分散を推定し、ステップ５５０において、ＴＤ回数に応じた接触抵抗の分散が予め定められた基準を超える場合に、治具１１０をクリーニングする必要があると判定する。また、解析装置１３０は、例えば、ＴＤ回数に応じて接触抵抗の分散が大きくなる度合いに基づいて、治具１１０のクリーニング時期を決定する。すなわち、解析装置１３０は、ＴＤ回数に応じた接触抵抗の分散の増加から、以降も分散が同様に（例えば、線形に）増加すると仮定して、治具１１０のクリーニング時期を決定しても良い。また、解析装置１３０は、接触抵抗の分散に基づいて、治具１１０の交換時期を決定してもよい。例えば、解析装置１３０は、予め定められた回数よりも少ないＴＤ回数で予め定められた基準を超えた場合に、治具１１０を交換する必要があると判定してもよい。

本実施形態に係る解析装置によれば、治具１１０が被測定デバイス１２０に接触した接触回数に応じた測定値の変動を示す変動データに基づいて、治具１１０の状態を管理するので、治具１１０のメンテナンスを最適化することができる。従来は、治具１１０のメンテナンスを定期的に行っていた。しかしながら、本実施形態に係る解析装置は、治具１１０のメンテナンスを、推定した接触抵抗に基づいて最適化することで、治具１１０のメンテナンス回数を削減することができる。これによりメンテナンスにかかる時間を低減することができ、測定に費やす時間の短縮やメンテナンス費用の抑制を図ることができる。

本発明の様々な実施形態は、フローチャートおよびブロック図を参照して記載されてよく、ここにおいてブロックは、（１）操作が実行されるプロセスの段階または（２）操作を実行する役割を持つ装置のセクションを表わしてよい。特定の段階およびセクションが、専用回路、コンピュータ可読媒体上に格納されるコンピュータ可読命令と共に供給されるプログラマブル回路、および／またはコンピュータ可読媒体上に格納されるコンピュータ可読命令と共に供給されるプロセッサによって実装されてよい。専用回路は、デジタルおよび／またはアナログハードウェア回路を含んでよく、集積回路（ＩＣ）および／またはディスクリート回路を含んでよい。プログラマブル回路は、論理ＡＮＤ、論理ＯＲ、論理ＸＯＲ、論理ＮＡＮＤ、論理ＮＯＲ、および他の論理操作、フリップフロップ、レジスタ、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、プログラマブルロジックアレイ（ＰＬＡ）等のようなメモリ要素等を含む、再構成可能なハードウェア回路を含んでよい。

コンピュータ可読媒体は、適切なデバイスによって実行される命令を格納可能な任意の有形なデバイスを含んでよく、その結果、そこに格納される命令を有するコンピュータ可読媒体は、フローチャートまたはブロック図で指定された操作を実行するための手段を作成すべく実行され得る命令を含む、製品を備えることになる。コンピュータ可読媒体の例としては、電子記憶媒体、磁気記憶媒体、光記憶媒体、電磁記憶媒体、半導体記憶媒体等が含まれてよい。コンピュータ可読媒体のより具体的な例としては、フロッピー（登録商標）ディスク、ディスケット、ハードディスク、ランダムアクセスメモリ（ＲＡＭ）、リードオンリメモリ（ＲＯＭ）、消去可能プログラマブルリードオンリメモリ（ＥＰＲＯＭまたはフラッシュメモリ）、電気的消去可能プログラマブルリードオンリメモリ（ＥＥＰＲＯＭ）、静的ランダムアクセスメモリ（ＳＲＡＭ）、コンパクトディスクリードオンリメモリ（ＣＤ-ＲＯＭ）、デジタル多用途ディスク（ＤＶＤ）、ブルーレイ（ＲＴＭ）ディスク、メモリスティック、集積回路カード等が含まれてよい。

コンピュータ可読命令は、アセンブラ命令、命令セットアーキテクチャ（ＩＳＡ）命令、マシン命令、マシン依存命令、マイクロコード、ファームウェア命令、状態設定データ、またはＳｍａｌｌｔａｌｋ、ＪＡＶＡ（登録商標）、Ｃ＋＋等のようなオブジェクト指向プログラミング言語、および「Ｃ」プログラミング言語または同様のプログラミング言語のような従来の手続型プログラミング言語を含む、１または複数のプログラミング言語の任意の組み合わせで記述されたソースコードまたはオブジェクトコードのいずれかを含んでよい。

コンピュータ可読命令は、汎用コンピュータ、特殊目的のコンピュータ、若しくは他のプログラム可能なデータ処理装置のプロセッサまたはプログラマブル回路に対し、ローカルにまたはローカルエリアネットワーク（ＬＡＮ）、インターネット等のようなワイドエリアネットワーク（ＷＡＮ）を介して提供され、フローチャートまたはブロック図で指定された操作を実行するための手段を作成すべく、コンピュータ可読命令を実行してよい。プロセッサの例としては、コンピュータプロセッサ、処理ユニット、マイクロプロセッサ、デジタル信号プロセッサ、コントローラ、マイクロコントローラ等を含む。

図７は、本発明の複数の態様が全体的または部分的に具現化されてよいコンピュータ２２００の例を示す。コンピュータ２２００にインストールされたプログラムは、コンピュータ２２００に、本発明の実施形態に係る装置に関連付けられる操作または当該装置の１または複数のセクションとして機能させることができ、または当該操作または当該１または複数のセクションを実行させることができ、および／またはコンピュータ２２００に、本発明の実施形態に係るプロセスまたは当該プロセスの段階を実行させることができる。そのようなプログラムは、コンピュータ２２００に、本明細書に記載のフローチャートおよびブロック図のブロックのうちのいくつかまたはすべてに関連付けられた特定の操作を実行させるべく、ＣＰＵ２２１２によって実行されてよい。

本実施形態によるコンピュータ２２００は、ＣＰＵ２２１２、ＲＡＭ２２１４、グラフィックコントローラ２２１６、およびディスプレイデバイス２２１８を含み、それらはホストコントローラ２２１０によって相互に接続されている。コンピュータ２２００はまた、通信インターフェイス２２２２、ハードディスクドライブ２２２４、ＤＶＤ－ＲＯＭドライブ２２２６、およびＩＣカードドライブのような入／出力ユニットを含み、それらは入／出力コントローラ２２２０を介してホストコントローラ２２１０に接続されている。コンピュータはまた、ＲＯＭ２２３０およびキーボード２２４２のようなレガシの入／出力ユニットを含み、それらは入／出力チップ２２４０を介して入／出力コントローラ２２２０に接続されている。

ＣＰＵ２２１２は、ＲＯＭ２２３０およびＲＡＭ２２１４内に格納されたプログラムに従い動作し、それにより各ユニットを制御する。グラフィックコントローラ２２１６は、ＲＡＭ２２１４内に提供されるフレームバッファ等またはそれ自体の中にＣＰＵ２２１２によって生成されたイメージデータを取得し、イメージデータがディスプレイデバイス２２１８上に表示されるようにする。

通信インターフェイス２２２２は、ネットワークを介して他の電子デバイスと通信する。ハードディスクドライブ２２２４は、コンピュータ２２００内のＣＰＵ２２１２によって使用されるプログラムおよびデータを格納する。ＤＶＤ－ＲＯＭドライブ２２２６は、プログラムまたはデータをＤＶＤ－ＲＯＭ２２０１から読み取り、ハードディスクドライブ２２２４にＲＡＭ２２１４を介してプログラムまたはデータを提供する。ＩＣカードドライブは、プログラムおよびデータをＩＣカードから読み取り、および／またはプログラムおよびデータをＩＣカードに書き込む。

ＲＯＭ２２３０はその中に、アクティブ化時にコンピュータ２２００によって実行されるブートプログラム等、および／またはコンピュータ２２００のハードウェアに依存するプログラムを格納する。入／出力チップ２２４０はまた、様々な入／出力ユニットをパラレルポート、シリアルポート、キーボードポート、マウスポート等を介して、入／出力コントローラ２２２０に接続してよい。

プログラムが、ＤＶＤ－ＲＯＭ２２０１またはＩＣカードのようなコンピュータ可読媒体によって提供される。プログラムは、コンピュータ可読媒体から読み取られ、コンピュータ可読媒体の例でもあるハードディスクドライブ２２２４、ＲＡＭ２２１４、またはＲＯＭ２２３０にインストールされ、ＣＰＵ２２１２によって実行される。これらのプログラム内に記述される情報処理は、コンピュータ２２００に読み取られ、プログラムと、上記様々なタイプのハードウェアリソースとの間の連携をもたらす。装置または方法が、コンピュータ２２００の使用に従い情報の操作または処理を実現することによって構成されてよい。

例えば、通信がコンピュータ２２００および外部デバイス間で実行される場合、ＣＰＵ２２１２は、ＲＡＭ２２１４にロードされた通信プログラムを実行し、通信プログラムに記述された処理に基づいて、通信インターフェイス２２２２に対し、通信処理を命令してよい。通信インターフェイス２２２２は、ＣＰＵ２２１２の制御下、ＲＡＭ２２１４、ハードディスクドライブ２２２４、ＤＶＤ－ＲＯＭ２２０１、またはＩＣカードのような記録媒体内に提供される送信バッファ処理領域に格納された送信データを読み取り、読み取られた送信データをネットワークに送信し、またはネットワークから受信された受信データを記録媒体上に提供される受信バッファ処理領域等に書き込む。

また、ＣＰＵ２２１２は、ハードディスクドライブ２２２４、ＤＶＤ－ＲＯＭドライブ２２２６（ＤＶＤ－ＲＯＭ２２０１）、ＩＣカード等のような外部記録媒体に格納されたファイルまたはデータベースの全部または必要な部分がＲＡＭ２２１４に読み取られるようにし、ＲＡＭ２２１４上のデータに対し様々なタイプの処理を実行してよい。ＣＰＵ２２１２は次に、処理されたデータを外部記録媒体にライトバックする。

様々なタイプのプログラム、データ、テーブル、およびデータベースのような様々なタイプの情報が記録媒体に格納され、情報処理を受けてよい。ＣＰＵ２２１２は、ＲＡＭ２２１４から読み取られたデータに対し、本開示の随所に記載され、プログラムの命令シーケンスによって指定される様々なタイプの操作、情報処理、条件判断、条件分岐、無条件分岐、情報の検索／置換等を含む、様々なタイプの処理を実行してよく、結果をＲＡＭ２２１４に対しライトバックする。また、ＣＰＵ２２１２は、記録媒体内のファイル、データベース等における情報を検索してよい。例えば、各々が第２の属性の属性値に関連付けられた第１の属性の属性値を有する複数のエントリが記録媒体内に格納される場合、ＣＰＵ２２１２は、第１の属性の属性値が指定される、条件に一致するエントリを当該複数のエントリの中から検索し、当該エントリ内に格納された第２の属性の属性値を読み取り、それにより予め定められた条件を満たす第１の属性に関連付けられた第２の属性の属性値を取得してよい。

上で説明したプログラムまたはソフトウェアモジュールは、コンピュータ２２００上またはコンピュータ２２００近傍のコンピュータ可読媒体に格納されてよい。また、専用通信ネットワークまたはインターネットに接続されたサーバーシステム内に提供されるハードディスクまたはＲＡＭのような記録媒体が、コンピュータ可読媒体として使用可能であり、それによりプログラムを、ネットワークを介してコンピュータ２２００に提供する。

以上、本発明を実施の形態を用いて説明したが、本発明の技術的範囲は上記実施の形態に記載の範囲には限定されない。上記実施の形態に、多様な変更または改良を加えることが可能であることが当業者に明らかである。その様な変更または改良を加えた形態も本発明の技術的範囲に含まれ得ることが、特許請求の範囲の記載から明らかである。

特許請求の範囲、明細書、および図面中において示した装置、システム、プログラム、および方法における動作、手順、ステップ、および段階等の各処理の実行順序は、特段「より前に」、「先立って」等と明示しておらず、また、前の処理の出力を後の処理で用いるのでない限り、任意の順序で実現しうることに留意すべきである。特許請求の範囲、明細書、および図面中の動作フローに関して、便宜上「まず、」、「次に、」等を用いて説明したとしても、この順で実施することが必須であることを意味するものではない。

１００ 試験装置
１０２ テスタ本体
１０４ テストヘッド
１１０ 治具
１１２ パフォーマンスボード
１１４ プローブカード
１１６ プローバ
１２０ 被測定デバイス
１２２ デバイス領域
１３０ 解析装置
１４０ 入力部
１５０ 取得部
１６０ 機械学習部
１７０ 解析部
１８０ 管理部
１９０ 出力部
２２００ コンピュータ
２２０１ ＤＶＤ－ＲＯＭ
２２１０ ホストコントローラ
２２１２ ＣＰＵ
２２１４ ＲＡＭ
２２１６ グラフィックコントローラ
２２１８ ディスプレイデバイス
２２２０ 入／出力コントローラ
２２２２ 通信インターフェイス
２２２４ ハードディスクドライブ
２２２６ ＤＶＤ－ＲＯＭドライブ
２２３０ ＲＯＭ
２２４０ 入／出力チップ
２２４２ キーボード

Claims (10)

1. 試験装置が治具を介して被測定デバイスを測定した複数の測定値を取得する取得部と、
   前記複数の測定値を用いて、前記被測定デバイスを測定した位置に依存した位置依存成分のモデルを機械学習により学習する機械学習部と、
   前記複数の測定値から、前記機械学習部により学習された前記モデルを用いて算出される位置依存成分を分離し、前記位置依存成分が分離された前記複数の測定値を用いて、前記治具が前記被測定デバイスに接触した回数に応じた測定値の変動を示す変動データを生成する解析部と、
   を備える解析装置。
2. 前記取得部は、前記被測定デバイスにおける異なる位置で測定された前記複数の測定値を取得し、
   前記解析部は、前記複数の測定値から、前記被測定デバイスにおける測定した位置に依存した前記位置依存成分を分離する請求項１に記載の解析装置。
3. 前記位置依存成分は、前記被測定デバイスの中心から同心円状に変化する成分を含む請求項２に記載の解析装置。
4. 前記位置依存成分は、前記被測定デバイスを座標平面上に配置した場合に、前記座標平面における一方の座標軸方向に依存した成分、および、前記座標平面における他方の座標軸方向に依存した成分の少なくともいずれか一方を含む請求項２または３に記載の解析装置。
5. 前記被測定デバイスは、複数のデバイス領域が形成されたウエハであり、
   前記取得部は、デバイス領域ごとに測定された前記複数の測定値、および、前記デバイス領域を複数含む領域ブロックごとに測定された前記複数の測定値の少なくともいずれか一方を取得する請求項２から４のいずれか一項に記載の解析装置。
6. 前記取得部は、前記治具における異なる位置で複数の前記被測定デバイスを測定した前記複数の測定値を取得し、
   前記解析部は、前記複数の測定値から、前記治具における測定した位置に依存した位置依存成分を分離する請求項１に記載の解析装置。
7. 前記解析部により前記位置依存成分が分離された前記複数の測定値に基づいて、前記治具の状態の管理、および、前記試験装置の異常検出の少なくともいずれか一方を行う管理部を更に備える請求項１から６のいずれか一項に記載の解析装置。
8. 前記解析部は、前記変動データを生成するにあたって、前記接触した回数に応じた前記治具の接触抵抗の分散を推定する請求項１から７のいずれか一項に記載の解析装置。
9. 解析装置が解析する解析方法であって、
   前記解析装置が、試験装置が治具を介して被測定デバイスを測定した複数の測定値を取得することと、
   前記解析装置が、前記複数の測定値を用いて、前記被測定デバイスを測定した位置に依存した位置依存成分のモデルを機械学習により学習することと、
   前記解析装置が、前記複数の測定値から、学習された前記モデルを用いて算出される位置依存成分を分離し、前記位置依存成分が分離された前記複数の測定値を用いて、前記治具が前記被測定デバイスに接触した回数に応じた測定値の変動を示す変動データを生成することと、
   を備える解析方法。
10. コンピュータにより実行されて、前記コンピュータを、
    試験装置が治具を介して被測定デバイスを測定した複数の測定値を取得する取得部と、
    前記複数の測定値を用いて、前記被測定デバイスを測定した位置に依存した位置依存成分のモデルを機械学習により学習する機械学習部と、
    前記複数の測定値から、前記機械学習部により学習された前記モデルを用いて算出される位置依存成分を分離し、前記位置依存成分が分離された前記複数の測定値を用いて、前記治具が前記被測定デバイスに接触した回数に応じた測定値の変動を示す変動データを生成する解析部と、
    して機能させる解析プログラム。

Images