不良要因抽出装置、不良要因抽出方法、プログラム、および記録媒体
【課題】不良要因として推定される製造装置の数が多い場合であっても、不良要因抽出結果の信頼性を維持することができる不良要因抽出方法を提供すること。
【解決手段】製造品毎に、各部分製造工程を実行した製造装置を示す情報を含んだプロセスデータと、検査データとを関連付けて、データセットとして記憶する（Ｓ１）。いずれか一の部分製造工程が指定されたとき（Ｓ４）、そのデータセットに基づいて、製造装置別に、それぞれの製造装置によって処理が行われた製造品についての検査データのばらつきに関する統計量を算出する（Ｓ５）。そのデータセットに対して、製造装置別の統計量を目標に一致させる演算を行って、そのデータセットのデータ数を維持しながら、製造装置に依存した検査データのばらつきへの影響をデータセットから排除する（Ｓ６，Ｓ７）。その演算を受けたデータセットを用いて、不良要因を抽出する（Ｓ２）。
【解決手段】製造品毎に、各部分製造工程を実行した製造装置を示す情報を含んだプロセスデータと、検査データとを関連付けて、データセットとして記憶する（Ｓ１）。いずれか一の部分製造工程が指定されたとき（Ｓ４）、そのデータセットに基づいて、製造装置別に、それぞれの製造装置によって処理が行われた製造品についての検査データのばらつきに関する統計量を算出する（Ｓ５）。そのデータセットに対して、製造装置別の統計量を目標に一致させる演算を行って、そのデータセットのデータ数を維持しながら、製造装置に依存した検査データのばらつきへの影響をデータセットから排除する（Ｓ６，Ｓ７）。その演算を受けたデータセットを用いて、不良要因を抽出する（Ｓ２）。
【発明の詳細な説明】
【技術分野】
【０００１】
この発明は、製造工程において製品不良等の原因となる工程や設備その他の不良要因を抽出する不良要因抽出装置および不良要因抽出方法に関する。
【０００２】
また、この発明は、その不良要因抽出方法を実行するためのコンピュータ読み取り可能なプログラムに関する。
【０００３】
また、この発明は、その不良要因抽出方法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。
【背景技術】
【０００４】
半導体製造分野などの製造工程で、順次実施される複数の部分製造工程のそれぞれには、短時間に多くの製造品を処理するために、同一機能を有する複数の製造装置が設けられることがある。そして、同一機能を有する複数の製造装置の中でも、故障、劣化により特定の製造装置で製造された製造品のみに不良が多発することがある。つまり、その故障、劣化した特定の製造装置が不良要因となることがある。この場合、その不良要因となる特定の製造装置を抽出して改善を行う必要がある。
【０００５】
また、上述のような不良要因を含む部分製造工程は１つとは限らず、複数の部分製造工程が不良要因を含むことも多い。このような場合、単純に不良要因抽出を行うと、或る不良要因を含む部分製造工程の影響が別の不良要因を含む部分製造工程の影響によって隠れてしまう場合や、故障、劣化した製造装置を持たない部分製造工程を不良要因と見誤る可能性がある。
【０００６】
例えば図１に示すように、或る製造工程において、製造品に対して、製造装置１Ａ、製造装置１Ｂを持つ部分製造工程１と、製造装置２Ａ、製造装置２Ｂを持つ部分製造工程２とが順次実施されるものとする。さらに、部分製造工程１の製造装置１Ａで製造された製造品のうち８０％が次の部分製造工程２では製造装置２Ａで処理され、残りの２０％が製造装置２Ｂで処理されるものとする。また、部分製造工程１の製造装置１Ｂで製造された製造品のうち２０％が次の部分製造工程２において製造装置２Ａで処理され、残りの８０％が製造装置２Ｂで処理されるものとする。このような場合、製造装置１Ａで故障が起こり、その製造装置１Ａで処理された製造品で不良品の割合が増えると、製造装置２Ａで処理された製造品でも不良品の割合が増える。このような場合、単純に不良要因抽出を行うと、製造装置２Ａには故障、劣化がなくても、製造装置２Ａを不良要因として抽出し、見誤る可能性がある。
【０００７】
そこで、特許文献１（特開２００９−１０４５２３号公報）においては、次のような不良要因抽出方法が提案されている。すなわち、検査工程の検査結果を表す品質情報と各製造工程毎の製造パラメータである加工情報とを関連付けて紐付けデータ（データセット）とする（紐付けステップ）。所定の分析を行って、複数の加工情報に不良要因として推定される順位を付ける（順位付けステップ）。次に、順位付けの結果を表示画面に表示する（表示ステップ）。排除すべき加工情報が指定されたとき、指定された加工情報を排除して残りの紐付けデータを得る（排除ステップ）。次に、残りの紐付けデータを用いて、再び上記分析を行って、残りの複数の加工情報に不良要因として推定される順位を付ける（再順位付けステップ）。次に、その再順位付けの結果を表示画面に表示する（再表示ステップ）。この方法によれば、不良要因を改善したときの効果をユーザが事前に迅速に把握でき、したがって、不良要因を見誤る可能性を低減することができる。
【先行技術文献】
【特許文献】
【０００８】
【特許文献１】特開２００９−１０４５２３号公報
【発明の概要】
【発明が解決しようとする課題】
【０００９】
しかしながら、不良要因として推定される製造装置の数が多い場合、上記特許文献１の方法では、上記複数の加工情報のうち排除すべき加工情報が指定される度に、上記排除ステップ、上記再順位付けステップ、および上記再表示ステップの処理を何回も繰り返すことになる。このため、上記紐付けデータ（データセット）のデータ数が次第に減少して、不良要因抽出結果の信頼性が低くなるという問題がある。
【００１０】
そこで、この発明の課題は、不良要因として推定される製造装置の数が多い場合であっても、不良要因抽出結果の信頼性を維持することができる不良要因抽出装置および不良要因抽出方法を提供することにある。
【００１１】
また、この発明の課題は、その不良要因抽出方法を実行するためのコンピュータ読み取り可能なプログラムを提供することにある。
【００１２】
また、この発明の課題は、その不良要因抽出方法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。
【課題を解決するための手段】
【００１３】
上記課題を解決するため、この発明の不良要因抽出装置は、
複数の製造品に対して、同じ機能を有する複数の製造装置のうちのいずれかによってプロセス処理が行われる部分製造工程を複数持つ製造工程と、上記製造工程によってプロセス処理が行われた製造品に対して、検査装置によって品質の検査が行われる検査工程とを含む生産プロセスを対象とし、
上記製造品毎に、上記製造工程から取得される各部分製造工程を実行した製造装置を示す情報を含んだプロセスデータと、上記検査工程から取得される、品質の検査結果を表す検査データとを関連付けて、上記複数の製造品についてのデータセットとして記憶するデータセット記憶部と、
上記複数の部分製造工程の中でいずれか一の部分製造工程が指定されたとき、上記データセットに基づいて、上記一の部分製造工程を実行する上記製造装置別に、それぞれの製造装置によってプロセス処理が行われた製造品についての検査データのばらつきに関する統計量を算出し、上記データセットに対して、上記製造装置別の上記統計量を上記検査工程の検査内容に応じた目標に一致させる演算を行って、上記データセットのデータ数を維持しながら、上記一の部分製造工程を実行する上記製造装置に依存した上記検査データのばらつきへの影響を上記データセットから排除する影響排除部と、
上記影響排除部による上記演算を受けた上記データセットを用いて、不良要因の抽出を行う不良要因抽出部とを備えることを特徴とする。
【００１４】
本明細書で、「製造品」とは、完成品だけでなく、仕掛品も含む。
【００１５】
また、上記一の部分製造工程の「指定」は、人（作業者やメンテナンス担当者）によって行われても良いし、予め定められた基準に基づいて自動的に行われても良い。
【００１６】
また、検査データのばらつきに関する「統計量」とは、例えば平均や標準偏差を含む。
【００１７】
この発明の不良要因抽出装置では、上記複数の部分製造工程の中でいずれか一の部分製造工程が指定されたとき、影響排除部は、上記データセットに基づいて、上記一の部分製造工程を実行する上記製造装置別に、それぞれの製造装置によってプロセス処理が行われた製造品についての検査データのばらつきに関する統計量を算出し、上記データセットに対して、上記製造装置別の上記統計量を上記検査工程の検査内容に応じた目標に一致させる演算を行って、上記データセットのデータ数を維持しながら、上記一の部分製造工程を実行する上記製造装置に依存した上記検査データのばらつきへの影響を上記データセットから排除する。そして、不良要因抽出部は、上記影響排除部による上記演算を受けた上記データセットを用いて、不良要因の抽出を行う。したがって、この不良要因抽出装置によれば、不良要因を改善したときの効果をユーザが事前に迅速に把握でき、したがって、不良要因を見誤る可能性を低減することができる。これにより、どの不良要因から改善するかという意思決定を容易に行うことができる。しかも、上記影響排除部は、上記データセットのデータ数を維持するので、不良要因として推定される製造装置の数が多い場合であっても、不良要因抽出結果の信頼性を維持することができる。
【００１８】
一実施形態の不良要因抽出装置では、
上記データセットに対して所定の分析方法による分析を行って、上記検査結果に対する上記複数の部分製造工程のそれぞれの影響度に応じて、上記複数の部分製造工程に対して不良要因として推定される順位を付ける順位付け部と、
上記順位付け部による順位付けの結果を表す画像を所定の表示画面に表示する表示処理部とを備えたことを特徴とする。
【００１９】
この一実施形態の不良要因抽出装置によれば、上記検査結果に対する上記複数の部分製造工程のそれぞれの影響度に応じた、不良要因として推定される順位を表す画像が、上記表示画面に表示される。この表示に基づいて、ユーザ（この不良要因抽出装置を使用する者を指す。作業者やメンテナンス担当者を含む。以下同様。）は、上記分析方法による分析の結果、つまり、上記複数の部分製造工程に対して付けられた、不良要因と推定される順位を知ることができる。したがって、例えば上記影響排除部による演算を受ける前の上記データセットに対して、上記製造装置に依存した上記検査データのばらつきへの影響が排除されるべき部分製造工程を、ユーザは、容易に指定することができる。
【００２０】
一実施形態の不良要因抽出装置では、上記複数の部分製造工程の中で上記一の部分製造工程とは異なる別の部分製造工程が指定される度に、上記影響排除部を動作させ、上記影響排除部による演算を受けた後の上記データセットを用いて、上記順位付け部を再び動作させて、上記複数の部分製造工程に対して不良要因として推定される順位を付けさせるとともに、上記表示処理部を再び動作させて、上記順位付け部による順位付けの結果を表す情報を上記表示画面に表示させる制御を行う繰り返し制御部を備えたことを特徴とする。
【００２１】
この一実施形態の不良要因抽出装置では、上記複数の部分製造工程の中で上記一の部分製造工程とは異なる別の部分製造工程が指定される度に、上記影響排除部が動作する。そして、上記検査結果に対する上記複数の部分製造工程のそれぞれの影響度に応じた、不良要因として推定される順位が、上記表示画面に表示される。この表示に基づいて、ユーザは、上記分析方法による分析の結果、つまり、上記複数の部分製造工程に対して付けられた、不良要因と推定される順位を知ることができる。したがって、上記影響排除部による演算を受けた後の上記データセットに対して、上記製造装置に依存した上記検査データのばらつきへの影響が排除されるべき部分製造工程を、ユーザは、容易に繰り返して指定することができる。
【００２２】
上記順位付け部が行う上記分析方法による分析は分散分析によるＦ値算出であり、上記順位付け部は、上記Ｆ値を上記検査結果に対する上記複数の部分製造工程のそれぞれの影響度として求めて、上記Ｆ値が大きい順に、上記複数の部分製造工程に対して不良要因として推定される順位を付けるのが望ましい。この場合、上記複数の部分製造工程に対して不良要因として推定される順位を付けるとともに、その順位の根拠を定量的に数値で把握することができる。
【００２３】
上記統計量は平均と標準偏差であり、上記影響排除部は、上記演算として、上記データセットに対して、上記製造装置別の上記平均と標準偏差をそれぞれ上記目標に一致させる演算を行うのが望ましい。この場合、上記一の部分製造工程を実行する上記製造装置に依存した上記検査データのばらつきへの影響を上記データセットから好ましく排除することができる。しかも、計算量は比較的小さく、高速に処理を行うことができる。
【００２４】
一実施形態の不良要因抽出装置では、
上記統計量は平均と標準偏差であり、
上記影響排除部は、上記一の部分製造工程を実行する複数の製造装置のうち、上記平均が上記目標に最も近い一の製造装置を選択し、上記演算として、上記一の製造装置以外の他の製造装置について算出した平均と標準偏差をそれぞれ上記一の製造装置について算出した平均と標準偏差に一致させる演算（これを「装置別規格化」と呼ぶ。）を行うことを特徴とする。
【００２５】
この一実施形態の不良要因抽出装置によれば、上記一の部分製造工程を実行する上記製造装置に依存した上記検査データのばらつきへの影響を上記データセットから好ましく排除することができる。具体的には、上記一の部分製造工程を実行する全ての製造装置が上記一の製造装置と同等の性能に改善されたときのデータセットを得ることができる。
【００２６】
一実施形態の不良要因抽出装置では、
上記統計量は平均と標準偏差であり、
上記影響排除部は、上記一の部分製造工程を実行する複数の製造装置に対して上記平均が上記目標に近い順に順位を付け、上記演算として、それらの順位のうち所定の順位よりも下位の製造装置の平均と標準偏差を、上記所定の順位の製造装置の平均と標準偏差にそれぞれ一致させる演算を行うことを特徴とする。
【００２７】
この一実施形態の不良要因抽出装置によれば、上記一の部分製造工程を実行する上記製造装置に依存した上記検査データのばらつきへの影響を上記データセットから好ましく排除することができる。具体的には、不良要因と考えられる低い順位の製造装置が上記所定の順位の製造装置と同等の性能に改善されたときのデータセットを得ることができる。したがって、不良要因を改善したときの効果をユーザが事前に迅速に把握できる。
【００２８】
一実施形態の不良要因抽出装置では、上記影響排除部による上記演算を受けたデータセットを出力するデータセット出力部を備えたことを特徴とする。
【００２９】
この一実施形態の不良要因抽出装置によれば、上記一の部分製造工程を実行する全ての製造装置が上記一の製造装置と同等の性能に改善されたときの効果、または不良要因と考えられる低い順位の製造装置が上記所定の順位の製造装置と同等の性能に改善されたときの効果を、ユーザが事前に迅速に把握できる。したがって、ユーザは、費用対効果などを考慮して、実際にその改善を実施するか否かを容易に判断することができる。
【００３０】
別の局面では、この発明の不良要因抽出装置は、
複数の製造品に対して、製造装置によってプロセス処理が行われる製造工程と、検査装置によって品質の検査が行われる検査工程とを含む生産プロセスを対象とし、
上記製造品毎に、上記製造工程から取得される、製造条件の名称、素材の種類、製造装置の名称を含む複数のカテゴリに分類される質的変数を含んだプロセスデータと、上記検査工程から取得される、品質の検査結果を表す検査データとを関連付けて、上記複数の製造品についてのデータセットとして記憶するデータセット記憶部と、
上記プロセスデータの中でいずれか一の質的変数が指定されたとき、上記データセットに基づいて、上記一の質的変数が取りうる値別に、それぞれの値によってプロセス処理が行われた製造品についての検査データのばらつきに関する統計量を算出し、上記データセットに対して、上記値別の上記統計量を上記検査工程の検査内容に応じた目標に一致させる演算を行って、上記データセットのデータ数を維持しながら、上記一の質的変数の変化に依存した上記検査データのばらつきへの影響を上記データセットから排除する影響排除部と、
上記影響排除部による上記演算を受けた上記データセットを用いて、不良要因の抽出を行う不良要因抽出部とを備えることを特徴とする。
【００３１】
本明細書では、質的変数が取りうる「値」とは、例えば製造条件の「名称」、素材の「種類」、製造装置の「名称」など、定量的な数値では表されない尺度を指す。
【００３２】
この発明の不良要因抽出装置では、上記プロセスデータの中でいずれか一の質的変数が指定されたとき、影響排除部は、上記データセットに基づいて、上記一の質的変数が取りうる値別に、それぞれの値によってプロセス処理が行われた製造品についての検査データのばらつきに関する統計量を算出し、上記データセットに対して、上記値別の上記統計量を上記検査工程の検査内容に応じた目標に一致させる演算を行って、上記データセットのデータ数を維持しながら、上記一の質的変数の変化に依存した上記検査データのばらつきへの影響を上記データセットから排除する。そして、不良要因抽出部は、上記影響排除部による上記演算を受けた上記データセットを用いて、不良要因の抽出を行う。したがって、この不良要因抽出装置によれば、不良要因を改善したときの効果をユーザが事前に迅速に把握でき、これにより、不良要因を見誤る可能性を低減することができる。したがって、どの不良要因から改善するかという意思決定を容易に行うことができる。しかも、上記影響排除部は、上記データセットのデータ数を維持するので、不良要因として推定される製造装置の数が多い場合であっても、不良要因抽出結果の信頼性を維持することができる。
【００３３】
また、この発明の不良要因抽出方法は、
複数の製造品に対して、同じ機能を有する複数の製造装置のうちのいずれかによってプロセス処理が行われる部分製造工程を複数持つ製造工程と、上記製造工程によってプロセス処理が行われた製造品に対して、検査装置によって品質の検査が行われる検査工程とを含む生産プロセスを対象とし、
上記製造品毎に、上記製造工程から取得される各部分製造工程を実行した製造装置を示す情報を含んだプロセスデータと、上記検査工程から取得される、品質の検査結果を表す検査データとを関連付けて、上記複数の製造品についてのデータセットとして記憶するデータセット記憶ステップと、
上記複数の部分製造工程の中でいずれか一の部分製造工程が指定されたとき、上記データセットに基づいて、上記一の部分製造工程を実行する上記製造装置別に、それぞれの製造装置によってプロセス処理が行われた製造品についての検査データのばらつきに関する統計量を算出し、上記データセットに対して、上記製造装置別の上記統計量を上記検査工程の検査内容に応じた目標に一致させる演算を行って、上記データセットのデータ数を維持しながら、上記一の部分製造工程を実行する上記製造装置に依存した上記検査データのばらつきへの影響を上記データセットから排除する影響排除ステップと、
上記影響排除ステップによる上記演算を受けた上記データセットを用いて、不良要因の抽出を行う不良要因抽出ステップとを備えることを特徴とする。
【００３４】
この発明の不良要因抽出方法では、上記複数の部分製造工程の中でいずれか一の部分製造工程が指定されたとき、影響排除ステップでは、上記データセットに基づいて、上記一の部分製造工程を実行する上記製造装置別に、それぞれの製造装置によってプロセス処理が行われた製造品についての検査データのばらつきに関する統計量を算出し、上記データセットに対して、上記製造装置別の上記統計量を上記検査工程の検査内容に応じた目標に一致させる演算を行って、上記データセットのデータ数を維持しながら、上記一の部分製造工程を実行する上記製造装置に依存した上記検査データのばらつきへの影響を上記データセットから排除する。そして、不良要因抽出ステップでは、上記影響排除ステップによる上記演算を受けた上記データセットを用いて、不良要因の抽出を行う。したがって、この不良要因抽出方法によれば、不良要因を改善したときの効果をユーザが事前に迅速に把握でき、これにより、不良要因を見誤る可能性を低減することができる。したがって、どの不良要因から改善するかという意思決定を容易に行うことができる。しかも、上記影響排除ステップは、上記データセットのデータ数を維持するので、不良要因として推定される製造装置の数が多い場合であっても、不良要因抽出結果の信頼性を維持することができる。
【００３５】
この発明のプログラムは、上記不良要因抽出方法をコンピュータに実行させるためのプログラムである。
【００３６】
この発明のプログラムによれば、コンピュータに上記不良要因抽出方法を実行させることができる。
【００３７】
この発明の記録媒体は、上記プログラムをコンピュータに実行させるためのコンピュータ読み取り可能な記録媒体である。
【００３８】
この発明の記録媒体によれば、記録媒体の記録内容をコンピュータに読み取らせることで、上記コンピュータに上記不良要因抽出方法を実行させることができる。
【発明の効果】
【００３９】
以上より明らかなように、この発明の不良要因抽出装置および不良要因抽出方法によれば、不良要因として推定される製造装置の数が多い場合であっても、不良要因抽出結果の信頼性を維持することができる。
【図面の簡単な説明】
【００４０】
【図１】半導体製造分野などの製造工程で、不良要因を見誤る可能性を説明する図である。
【図２】不良要因を抽出すべき対象としての生産プロセスの構成を示す図である。
【図３】上記生産プロセスで製造された複数の製造品についてのデータセットを例示する図である。
【図４】この発明の一実施形態の不良要因抽出装置のブロック構成を示す図である。
【図５】上記不良要因抽出装置による不良要因抽出方法のフローを示す図である。
【図６】上記不良要因抽出装置による分析結果の一例を示す箱ひげ図である。
【図７】上記不良要因抽出装置による分析結果の別の例を示す箱ひげ図である。
【図８】上記不良要因抽出装置による分析結果のさらに別の例を示す箱ひげ図である。
【発明を実施するための形態】
【００４１】
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。
【００４２】
図２は、不良要因を抽出すべき対象としての、半導体製品を生産するための生産プロセスとしての生産ライン（符号１００で示す。）の構成を示している。この生産ライン１００は、製造品の製造を行う製造工程２００と、製造工程２００の終了後に製造品の検査を行う検査工程３００とを含んでいる。
【００４３】
製造工程２００は、製造品に対して順次実行される複数の部分製造工程２００−１，２００−２，…，２００−Ａ（Ａは２以上の自然数とする。）で構成されている。さらに、各部分製造工程２００−１，２００−２，…，２００−Ａには、短時間に多くの製造品を処理するために、それぞれ同一機能を有する複数の製造装置が設けられている。これにより、複数の製造品を並行して処理できるようになっている。或る製造品９０に対して、例えば部分製造工程２００−１が行われるときは、複数の製造装置１−１（名称「１ａ」），１−２（名称「１ｂ」），…のうちのいずれかによってプロセス処理が行われる。また、その製造品９０に対して、部分製造工程２００−２が行われるときは、複数の製造装置２−１（名称「Ｔ００１」），２−２（名称「Ｔ００２」），２−３（名称「Ｔ００３」），…のうちのいずれかによってプロセス処理が行われる。また、その製造品９０に対して、部分製造工程２００−Ａが行われるときは、複数の製造装置Ａ−１（名称「第１製造装置」），Ａ−２（名称「第２製造装置」），…，Ａ−Ｇ（名称「第Ｇ製造装置」）のうちのいずれかによってプロセス処理が行われる。
【００４４】
製造品９０に対して製造工程２００における全ての複数の部分製造工程２００−１，２００−２，…，２００−Ａが終了すると、その製造品９０は検査工程３００に進む。検査工程３００は、製造品９０に対して順次実行される複数の部分検査工程３００−１，３００−２，…，３００−Ｂ（Ｂは２以上の自然数とする。）で構成されている。それぞれの部分検査工程３００−１，３００−２，…，３００−Ｂでは、図示しない検査装置によって製造品９０に対して品質の検査が行われる。
【００４５】
生産ライン１００では、製造品は、単位数量（以下、ロットと言う）毎にロット番号Ｌｏｔ１，Ｌｏｔ２，…，ＬｏｔＮが付されて、このロット番号で識別されて管理されている。製造工程２００では、製造品のロット毎に、各部分製造工程を行った製造装置、製造時に製造装置の各種条件を定めた設定値、各種計測器によって測定される計測値などのプロセスデータが収集される。検査工程３００では、製造品のロット毎に、検査データが収集される。収集されたプロセスデータと検査データとは、製造品のロット毎に互いに関連付けられる。この生産ライン１００に含まれたデータセット収集部１１（後述の図４中に示す。）によって、複数の製造品ロットについて、製造品のロット毎に互いに関連付けられたプロセスデータと検査データとが収集されて、データセットが得られる。
【００４６】
図３は、上記生産ライン１００で製造された複数の製造品９０についてのデータセット８０を例示している。このデータセット８０は、大別して、ロット番号Ｌｏｔ１，Ｌｏｔ２，…，ＬｏｔＮを格納する「ロット番号」欄と、各部分製造工程を実行した製造装置を表す「製造装置」欄と、各部分検査工程での検査結果を表す「検査結果」欄とからなっている。
【００４７】
「製造装置」欄は、各部分製造工程２００−１，２００−２，…，２００−Ａ毎に、その部分製造工程を実行した製造装置の名称を格納する欄を含んでいる。例えば、第１製造工程２００−１のための「第１製造工程製造装置」欄には、ロットＬｏｔ１，Ｌｏｔ２について、それらのロットを処理した製造装置１−１の名称「１ａ」がプロセスデータとして格納されている。ロットＬｏｔ３，Ｌｏｔ４について、それらのロットを処理した製造装置１−２の名称「１ｂ」がプロセスデータとして格納されている。また、ロットＬｏｔＮについては、そのロットを処理した製造装置１−１の名称「１ａ」がプロセスデータとして格納されている。同様に、第Ａ製造工程２００−Ａのための「第Ａ製造工程製造装置」欄には、ロットＬｏｔ１について、そのロットを処理した製造装置Ａ−１の名称「第１製造装置」がプロセスデータとして格納されている。ロットＬｏｔ２について、そのロットを処理した製造装置Ａ−２の名称「第２製造装置」がプロセスデータとして格納されている。また、ロットＬｏｔＮについて、そのロットを処理した製造装置Ａ−３の名称「第３製造装置」がプロセスデータとして格納されている。なお、実際には、各製造装置の名称はコード化されて格納されている。
【００４８】
「検査結果」欄は、この例では、第１検査工程３００−１の検査結果を表す「第１検査工程検査結果」欄を含んでいる。この「第１検査工程検査結果」欄には、ロットＬｏｔ１，Ｌｏｔ２，…，ＬｏｔＮについて、それぞれ第１検査工程３００−１の検査結果としての検査データ（数値）１５，１４，…，１５が格納されている。この例では、上記第１検査工程３００−１の検査内容（検査項目）に応じて、検査データの数値は、大きい方が優れており、したがって目標に近いものとする。
【００４９】
なお、このデータセット８０の例では、第１検査工程３００−１の検査結果しか格納されていないが、他の部分検査工程３００−２，…，３００−Ｂの検査結果をすべて格納しておくこともできる。
【００５０】
また、ユーザは、このデータセット８０に、製造工程での製造条件を表す「製造条件」欄、製造品の基となった素材を表す「素材」欄、製造された場所を示す「製造場所」欄、製造された日付を示す「製造日」欄、製造時に各種計測器によって計測される「計測値」欄などを設けて、ロットＬｏｔ１，Ｌｏｔ２，…，ＬｏｔＮについての様々なデータ群を記憶させておくこともできる。
【００５１】
図４は、この発明の一実施形態の不良要因抽出装置（符号１２で示す。）のブロック構成を示している。
【００５２】
この不良要因抽出装置１２は、データ記憶部１２ａと、順位付け／不良要因抽出部１２ｂと、表示処理部１２ｃと、表示装置１３と、入力装置１４と、影響排除部１２ｄと、繰り返し制御部１２ｅとを備えている。
【００５３】
データ記憶部１２ａは、この例ではＲＡＭ（ランダム・アクセス・メモリ）からなり、データセット収集部１１からデータセット（この例では、図３に示したデータセット８０）を受け取って記憶する。
【００５４】
順位付け／不良要因抽出部１２ｂは、データセット８０に対して後述の分析方法による分析を行って、データセット８０に含まれた検査結果に対する複数の部分製造工程２００−１，２００−２，…，２００−Ａのそれぞれの影響度に応じて、複数の部分製造工程２００−１，２００−２，…，２００−Ａに対して不良要因として推定される順位を付ける。また、この順位付け／不良要因抽出部１２ｂは、影響排除部１２ｄによる後述の演算（装置別規格化）を受けたデータセット８０′（以下では、装置別規格化前の元のデータセット８０と区別するために、装置別規格化後のデータセットを符号８０′で表す。）を用いて、生産ライン１００における不良要因の抽出を行う。つまり、この順位付け／不良要因抽出部１２ｂは、順位付け部および不良要因抽出部として働く。
【００５５】
表示処理部１２ｃは、順位付け／不良要因抽出部１２ｂから受けた情報に基づいて、ユーザに知らせるための画像データを作成して、表示装置１３へ出力する。
【００５６】
表示装置１３は、この例ではＬＣＤ（液晶表示素子）からなり、表示処理部１２ｃから受けた画像データを表示画面に表示する。
【００５７】
入力装置１４は、この例ではキーボードやマウスからなり、ユーザによるコマンドやデータの入力、指定などを受ける。この例では、生産ライン１００における不良要因を抽出するために、複数の部分製造工程２００−１，２００−２，…，２００−Ａの中でいずれか一の部分製造工程がユーザによって指定される（詳しくは後述）。
【００５８】
なお、表示装置１３と入力装置１４は、例えばペンで表示画面の或る箇所をタッチして入力行う公知のタッチパネル式ＬＣＤとして構成されても良い。
【００５９】
影響排除部１２ｄは、この例では複数の部分製造工程２００−１，２００−２，…，２００−Ａの中でいずれか一の部分製造工程が指定されたとき、データセット８０に対して後述の演算を行って、データセット８０のデータ数を維持しながら、上記一の部分製造工程を実行する製造装置に依存した検査データのばらつきへの影響をデータセット８０から排除する。
【００６０】
繰り返し制御部１２ｅは、この例ではユーザが複数の部分製造工程２００−１，２００−２，…，２００−Ａの中でいずれか一の部分製造工程を指定する度に、影響排除部１２ｄ、データ記憶部１２ａ、順位付け／不良要因抽出部１２ｂ、および表示処理部１２ｃを順次動作させる制御を行う。
【００６１】
この例では、順位付け／不良要因抽出部１２ｂ、表示処理部１２ｃ、影響排除部１２ｄ、並びに繰り返し制御部１２ｅは、ＣＰＵ（中央演算処理装置）とそれを動作させるソフトウェア（コンピュータプログラム）によって構成されている。
【００６２】
次に、この不良要因抽出装置１２による一実施形態の不良要因抽出方法を、図４のブロック構成を参照しながら、図５のフローに基づいて説明する。なお、まず一般的に説明し、部分製造工程の数や製造装置の数などが限られた具体例については、後に「実施例１」として説明する。
【００６３】
（１） 図５中のステップＳ１（データセット記憶ステップ）では、まず、図４中のデータ記憶部１２ａがデータセット８０（図３参照）を入力して記憶する。
【００６４】
（２） 次に、図５中のステップＳ２（順位付けステップ）では、図４中の順位付け／不良要因抽出部１２ｂが、データセット８０に対して所定の分析方法による分析（この例では分散分析）を行って、複数の部分製造工程２００−１，２００−２，…，２００−Ａに対して不良要因として推定される順位を付ける。
【００６５】
詳しくは、順位付け／不良要因抽出部１２ｂは、まず、データセット８０に含まれた情報（ロットＬｏｔ１，Ｌｏｔ２，…，ＬｏｔＮについての、各部分製造工程２００−１，２００−２，…，２００−Ａを実行した製造装置の名称と、第１検査工程３００−１の検査結果を表す検査データ）を用いて、分散分析を行って、上記検査結果に対する複数の部分製造工程２００−１，２００−２，…，２００−Ａのそれぞれの影響度としてＦ値を算出する。
【００６６】
この順位付け／不良要因抽出部１２ｂによるＦ値の算出は、次のようにして行われる。
【００６７】
製造品のロット数をＮ、製造工程に設けられた製造装置の数をＧ、全ロットの検査データの平均をμとする。また、製造装置１，２，…，Ｇ別に、それぞれの製造装置によってプロセス処理が行われた製造品についての検査データの平均をμ１，μ２，…，μＧとする。製造装置１，２，…，Ｇが処理したロット数をそれぞれｇ１，ｇ２，…，ｇＧとする。
【００６８】
また、製造装置１が処理したｇ１個のロットの検査データをそれぞれｘ１，１，ｘ１，２，…，ｘ１，ｇ１とする。製造装置２が処理したｇ２個のロットの検査データをそれぞれｘ２，１，ｘ２，２，…，ｘ２，ｇ２とする。同様にして、製造装置Ｇが処理したｇＧ個のロットの検査データをそれぞれｘＧ，１，ｘＧ，２，…，ｘＧ，ｇＧとする。
【００６９】
このとき、
ｉ） 全体の自由度は、ｆ１＝Ｎ−１である。
ii） 製造装置間の自由度は、ｆ２＝Ｎ−Ｇ−１である。
iii） 全体の偏差平方和は、次のｓ１のように算出される。
（ただし、ｉは製造装置を表す変数であり、ｊはロットを表す変数である。）
iv） 製造装置間の偏差平方和は、次のｓ２のように算出される。
ｖ） Ｆ値＝（（ｓ１−ｓ２）／（ｆ１−ｆ２））／（ｓ２／ｆ２）と算出される。
【００７０】
次に、順位付け／不良要因抽出部１２ｂは、複数の部分製造工程２００−１，２００−２，…，２００−Ａに対して、Ｆ値の大きい順番に、不良要因として推定される順位を付ける。つまり、上記検査結果に対する複数の部分製造工程２００−１，２００−２，…，２００−Ａに、それぞれの影響度に応じた、不良要因として推定される順位を付ける。
【００７１】
このようにＦ値を用いているので、複数の部分製造工程２００−１，２００−２，…，２００−Ａに対して不良要因として推定される順位の根拠を定量的に数値で把握することができる。
【００７２】
（３） 次に、図５中のステップＳ３（表示ステップ）では、図４中の表示処理部１２ｃが、順位付け／不良要因抽出部１２による順位付けの結果を表す画像を、表示装置１３の表示画面に表示する。
【００７３】
具体的には、Ｆ値の大きい順番に、部分製造工程名とＦ値とを対応づけて、表示装置１３に一覧表示する。
【００７４】
また、一覧表示された部分製造工程が不良要因であるかどうかをユーザが判別する材料として、各部分製造工程別の検査結果を表す箱ひげ図も、表示装置１３に表示する。
【００７５】
この表示に基づいて、ユーザは、上記分析方法による分析の結果、つまり、上記複数の部分製造工程２００−１，２００−２，…，２００−Ａに対して付けられた、不良要因と推定される順位を知ることができる。したがって、例えば上記データセット８０に対して、製造装置に依存した検査データのばらつきへの影響が排除されるべき部分製造工程を、ユーザは、容易に指定することができる。
【００７６】
（４） 次に、図５中のステップＳ４（ユーザ入力ステップ）では、図４中の影響排除部１２ｄが、ユーザによって、入力装置１４を通して、複数の部分製造工程２００−１，２００−２，…，２００−Ａの中でいずれか一の部分製造工程（これを「２００−ａ」と呼ぶ。）が指定されたか否かを判断する。
【００７７】
このステップＳ４で、一の部分製造工程２００−ａが指定されたときは、次のステップＳ５へ進む。
【００７８】
（５） 次に、ステップＳ５（統計量算出ステップ）では、影響排除部１２ｄが、上記一の部分製造工程２００−ａを実行する製造装置別に、それぞれの製造装置によってプロセス処理が行われた製造品についての検査データのばらつきに関する統計量（この例では平均と標準偏差）を算出する。
【００７９】
具体的には、上記一の部分製造工程２００−ａを実行する製造装置をＧｋ台とし、それぞれ製造装置１，２，…，Ｇｋと呼ぶものとする。このとき、製造装置１，２，…，Ｇｋ別に、それぞれの製造装置によってプロセス処理が行われた製造品についての検査データの平均μ１，μ２，…，μＧｋと標準偏差σ１，σ２，…，σＧｋを算出する。
【００８０】
（６） 次に、ステップＳ６（見本装置選択ステップ）では、さらに影響排除部１２ｄが、上記一の部分製造工程２００−ａを実行する製造装置１，２，…，Ｇｋの中から見本装置（これを「Ｍ」と呼ぶ。）を選択する。
【００８１】
具体的には、先のステップＳ５（統計量算出ステップ）で算出した製造装置１，２，…，Ｇｋ別の検査データの平均μ１，μ２，…，μＧｋに基づいて、製造装置１，２，…，Ｇｋの中で最も平均が大きく、目標に最も近い製造装置を選んで、見本装置Ｍとする。この見本装置Ｍによってプロセス処理が行われた製造品についての検査データの平均はμＭ、標準偏差はσＭであるものとする。
【００８２】
（７） ステップＳ７（装置別規格化ステップ）では、さらに影響排除部１２ｄが、上記一の部分製造工程２００−ａを実行する製造装置１，２，…，Ｇｋのうち、上記見本装置Ｍ以外の他の製造装置について算出した平均と標準偏差を、それぞれ上記見本装置Ｍについて算出した平均μＭ、標準偏差σＭと一致させる演算を行う（装置別規格化）。
【００８３】
具体的には、製造品の各ロットＬｏｔ１，Ｌｏｔ２，…，ＬｏｔＮについて、上記データセット８０に含まれた元の検査データをｘとし、装置別規格化後の検査データをｘ′としたとき、次の変換を行う。
（ただし、ｌは、上記一の部分製造工程２００−ａで、そのロットを製造した製造装置を表す変数である。）
【００８４】
これにより、上記データセット８０において、元の検査データｘに代えて、この演算（装置別規格化）後の検査データｘ′を含む新たなデータセット８０′を得る。図４中のデータ記憶部１２ａが、この装置別規格化後のデータセット８０′を記憶する。
【００８５】
このようにして、影響排除部１２ｄは、上記データセット８０のデータ数を維持しながら、上記一の部分製造工程２００−ａを実行する製造装置１，２，…，Ｇｋに依存した検査データのばらつきへの影響を上記データセット８０から排除する。
【００８６】
（８） 次に、図４中の繰り返し制御部１２ｅが、上記装置別規格化後のデータセット８０′を用いて、順位付け／不良要因抽出部１２ｂを再び動作させて、上記複数の部分製造工程２００−１，２００−２，…，２００−Ａに対して不良要因として推定される順位を付けさせる（図５中のステップＳ２）とともに、表示処理部１２ｃを再び動作させて、順位付け／不良要因抽出部１２ｂによる順位付けの結果を表す情報を上記表示装置１３ｋの表示画面に表示させる（図５中のステップＳ３）。
【００８７】
この表示に基づいて、ユーザは、上記分析方法による分析の結果、つまり、上記複数の部分製造工程に対して付けられた、不良要因と推定される順位を知ることができる。したがって、図５中のステップＳ４で、上記装置別規格化後のデータセット８０′に対して、上記製造装置に依存した上記検査データのばらつきへの影響が排除されるべき部分製造工程を、ユーザは、容易に繰り返して指定することができる。
【００８８】
（９） 図５中のステップＳ４で、ユーザによって、複数の部分製造工程２００−１，２００−２，…，２００−Ａの中で上記一の部分製造工程２００−ａとは異なる別の部分製造工程が指定される度に、図４中の影響排除部１２ｄが動作する。そして、繰り返し制御部１２ｅが、上記装置別規格化後のデータセット８０′，８０″，…（区別のために、２回目以降の装置別規格化後のデータセットを８０″，…と表す。）を用いて、順位付け／不良要因抽出部１２ｂを再び動作させて、上記複数の部分製造工程２００−１，２００−２，…，２００−Ａに対して不良要因として推定される順位を付けさせる（図５中のステップＳ２）とともに、表示処理部１２ｃを再び動作させて、順位付け／不良要因抽出部１２ｂによる順位付けの結果を表す情報を上記表示装置１３ｋの表示画面に表示させる（図５中のステップＳ３）。
【００８９】
ユーザが部分製造工程を指定せず、分析を終了すべき指令を入力したときは、ステップＳ８へ進む。
【００９０】
（１０） ステップＳ８では、図４中の表示処理部１２ｃが、データセット出力部として働いて、表示装置１３ｋの表示画面に、最後の装置別規格化後のデータセット（例えば８０″とする。）を出力する。これにより、不良要因抽出方法のフローを終了する。
【００９１】
このようにした場合、不良要因と推定される部分製造工程２００−ａ，…に起因した検査データへの影響を排除することによって、不良要因を改善したときの効果をユーザが事前に迅速に把握でき、したがって、不良要因を見誤る可能性を低減することができる。しかも、上記影響排除部１２ｄは、上記データセット８０，８０′，８０″，…のデータ数を維持するので、不良要因として推定される製造装置の数が多い場合であっても、不良要因抽出結果の信頼性を維持することができる。
【実施例１】
【００９２】
次に、上記不良要因抽出方法において、部分製造工程の数や製造装置の数などが限られた具体例について説明する。
【００９３】
部分製造工程の数を、Ａ＝６とする。つまり、製造工程２００には、複数の部分製造工程として、第１部分製造工程２００−１としての「工程１」から第６部分製造工程２００−６としての「工程６」までの６工程が含まれているものとする。
【００９４】
各部分製造工程「工程１」、「工程２」、…、「工程６」を実行する製造装置の数を、それぞれＧ１＝３、Ｇ２＝４、Ｇ３＝３、Ｇ４＝２、Ｇ５＝４、Ｇ６＝３とする。
【００９５】
製造品のロット数を、Ｎ＝５００とする。
【００９６】
全５００ロットについて、検査データの平均をμ＝１０９９．３１５とし、検査データの標準偏差をσ＝２２．２３とする。検査データは値が大きいほど品質が高いものとする。
【００９７】
このような条件下で、上記不良要因抽出方法を実行して、不良要因と推定される部分製造工程に起因した検査データへの影響を排除するものとする。
【００９８】
まず、順位付け／不良要因抽出部１２が、「工程１」から「工程６」までの６工程に対してそれぞれ分散分析を行って、それぞれＦ値を算出する。そして、Ｆ値の大きい順番に、不良要因として推定される順位を付ける（図５中のステップＳ２）。表示処理部１２が、Ｆ値の大きい順番に、部分製造工程名とＦ値とを対応づけて、表示装置１３に一覧表示する（図５中のステップＳ３）。この例では、その一覧表示は、次の表１のようになったものとする。
（表１）
【００９９】
この表１では、「工程２」のＦ値が最大になっている。以下「工程６」、「工程４」、「工程５」と続いている。
【０１００】
また、表示処理部１２は、ユーザが不良要因であるかどうかを判別する材料として、各部分製造工程「工程１」、「工程２」、…、「工程６」別に、検査データの箱ひげ図を表示する。例えば、図６に示すように、箱ひげ図は、最大値、第３四分位、中央値、第１四分位、最小値によって表現される。
【０１０１】
この図６は、Ｆ値が最大であった「工程２」の箱ひげ図であり、「工程２」を実行する製造装置２−１，２−２，２−３，２−４でそれぞれ処理されたロットの検査データのばらつきを表している。この図から、「工程２」は製造装置２−１で処理されたロットの検査データが最も高く、製造装置２−４で処理されたロットの検査データが最も小さいことが分かる。
【０１０２】
ユーザは表１の一覧表示や図６の箱ひげ図等に基づいて、検査データのばらつきへの影響が排除されるべき部分製造工程を指定する（図５中のステップＳ４でＹＥＳ）。今回はＦ値が最も大きい「工程２」が指定されたものとする。
【０１０３】
ここで、「工程２」を実行する製造装置２−１，２−２，２−３，２−４の数はＧ２＝４台になっている。影響排除部１２ｄが、それぞれの製造装置２−１，２−２，２−３，２−４によってプロセス処理が行われた製造品についての検査データの平均μ１，μ２，μ３，μ４と標準偏差σ１，σ２，σ３，σ４を算出する（図５中のステップＳ５）。この例では、その算出結果は、次の表２のようになったものとする（小数点第３位を四捨五入）。
（表２）
【０１０４】
次に、影響排除部１２ｄが、製造装置２−１，２−２，２−３，２−４の中で最も平均が大きく、目標に最も近い製造装置、この表２の例では製造装置２−１を選んで、見本装置Ｍとする（図５中のステップＳ６）。
【０１０５】
次に、影響排除部１２ｄが、上記見本装置Ｍ以外の他の製造装置２−２，２−３，２−４について算出した平均μ２，μ３，μ４と標準偏差σ２，σ３，σ４を、それぞれ上記見本装置Ｍについて算出した平均μＭ（＝μ１）、標準偏差σＭ（＝σ１）と一致させる演算を行う（図５中のステップＳ７、）。具体的には、製造装置２−２，２−３，２−４でそれぞれ処理されたロットの元の検査データは、既述の式Ｅｑ．１によって、次のような装置別規格化後の検査データに変換される。
【０１０６】
製造装置２−２で処理されたロットについての元の検査データをｘ２で表し、装置別規格化後の検査データをｘ２′で表すと、
ｘ２′＝（（ｘ２−１１０４．７３）／１９．５６）×１４．７９＋１１１５．８５
製造装置２−３で処理されたロットについての元の検査データをｘ３で表し、装置別規格化後の検査データをｘ３′で表すと、
ｘ３′＝（（ｘ３−１０９３．６９）／１５．８７）×１４．７９＋１１１５．８５
製造装置２−４で処理されたロットについての元の検査データをｘ４で表し、装置別規格化後の検査データをｘ４′で表すと、
製造装置２−４で処理されたロットについての装置別規格化後の検査データ
ｘ４′＝（（ｘ４−１０８３．００）／２３．１３）×１４．７９＋１１１５．８５
これらの変換は、製造装置２−２で処理された全てのロットの検査データ、製造装置２−３で処理された全てのロットの検査データ、製造装置２−４で処理された全てのロットの検査データに対して行われる。
【０１０７】
これにより、「工程２」を実行する製造装置２−１，２−２，２−３，２−４に依存した検査データのばらつきへの影響を上記データセット８０から好ましく排除することができる。具体的には、「工程２」を実行する全ての製造装置２−１，２−２，２−３，２−４が製造装置（見本装置）２−１と同等の性能に改善されたときのデータセット８０′を得ることができる。
【０１０８】
次に、順位付け／不良要因抽出部１２が、装置別規格化後のデータセット８０′を用いて、「工程２」以外の５工程、つまり、「工程１」、「工程３」、「工程４」、「工程５」、「工程６」に対してそれぞれ分散分析を行って、それぞれＦ値を算出する。そして、Ｆ値の大きい順番に、不良要因として推定される順位を付ける（図５中のステップＳ２）。表示処理部１２が、Ｆ値の大きい順番に、部分製造工程名とＦ値とを対応づけて、表示装置１３に一覧表示する（図５中のステップＳ３）。この例では、その一覧表示は、次の表３のようになったものとする。
（表３）
【０１０９】
この表３では、「工程５」のＦ値が最大になっている。また、「工程４」のＦ値は、表１での１４．５５から０．５６へ大きく下がっている。同様に、「工程６」のＦ値は、表１での２１．２１から０．８５へ大きく下がっている。その理由を知るために、「工程２」と「工程４」、「工程６」との関係を調べた。すると、「工程２」の４台の製造装置２−１，２−２，２−３，２−４で処理されたロットは、「工程４」に設けられた２台の製造装置４−１，４−２によって、また、「工程６」に設けられた３台の製造装置６−１，６−２，６−３によって、それぞれ次の表４、表５に示す割合（％）で処理されていた。
（表４）
【０１１０】
（表５）
【０１１１】
つまり、「工程２」の製造装置２−１，２−２，２−３，２−４で処理されたロットのうちの多くのロットが偏って、「工程４」の製造装置４−１，４−２によって、また、「工程６」の製造装置６−１，６−２，６−３によって処理されている。このため、背景技術として図１を用いて説明したように、元のデータセット８０を対象とした１回目の分散分析では、「工程２」の影響によって、「工程４」、「工程６」のＦ値が大きくなっていたことが分かる。
【０１１２】
しかし、装置別規格化後のデータセット８０′を対象とした今回（２回目）の分散分析では、「工程２」の影響が排除されているので、「工程４」、「工程６」のＦ値が小さくなっている。
【０１１３】
この例のように、装置別規格化によって不良要因の影響を排除することで、不良要因を見誤る可能性を低減することができる。
【０１１４】
また、表示処理部１２は、ユーザが不良要因であるかどうかを判別する材料として、上記表３とともに、各部分製造工程「工程１」、「工程２」、…、「工程６」別に、検査データの箱ひげ図を表示する。例えば、図７は、２回目の分散分析でＦ値が最大であった「工程５」の箱ひげ図であり、「工程５」を実行する製造装置５−１，５−２，５−３，５−４でそれぞれ処理されたロットの検査データのばらつきを表している。この図から、「工程５」は製造装置５−１で処理されたロットの検査データが最も大きいことが分かる。
【０１１５】
ユーザは表３の一覧表示や図７の箱ひげ図等に基づいて、検査データのばらつきへの影響が排除されるべき部分製造工程を指定する（図５中のステップＳ４でＹＥＳ）。今回はＦ値が最も大きい「工程５」が指定されたものとする。
【０１１６】
ここで、「工程５」を実行する製造装置５−１，５−２，５−３，５−４の数はＧ５＝４台になっている。影響排除部１２ｄが、それぞれの製造装置５−１，５−２，５−３，５−４によってプロセス処理が行われた製造品についての検査データの平均μ１，μ２，μ３，μ４と標準偏差σ１，σ２，σ３，σ４を算出する（図５中のステップＳ５）。この例では、その算出結果は、次の表６のようになったものとする（小数点第３位を四捨五入）。
（表６）
【０１１７】
次に、影響排除部１２ｄが、製造装置５−１，５−２，５−３，５−４の中で最も平均が大きく、目標に最も近い製造装置、この表６の例では製造装置５−１を選んで、見本装置Ｍとする（図５中のステップＳ６）。
【０１１８】
次に、影響排除部１２ｄが、上記見本装置Ｍ以外の他の製造装置５−２，５−３，５−４について算出した平均μ２，μ３，μ４と標準偏差σ２，σ３，σ４を、それぞれ上記見本装置Ｍについて算出した平均μＭ（＝μ１）、標準偏差σＭ（＝σ１）と一致させる演算を行う（図５中のステップＳ７、）。具体的には、製造装置５−２，５−３，５−４でそれぞれ処理されたロットの１回目の装置別規格化後の検査データは、既述の式Ｅｑ．１によって、次のような２回目の装置別規格化後の検査データに変換される。
【０１１９】
製造装置５−２で処理されたロットについての１回目の装置別規格化後の検査データをｘ２′で表し、２回目の装置別規格化後の検査データをｘ２″で表すと、
ｘ２″＝（（ｘ２′−１１１２．５３）／１３．０８）×１２．９４＋１１２４．１５
製造装置５−３で処理されたロットについての１回目の装置別規格化後の検査データをｘ３′で表し、２回目の装置別規格化後の検査データをｘ３″で表すと、
ｘ３″＝（（ｘ３′−１１１２．６７）／１４．６４）×１２．９４＋１１２４．１５
製造装置５−４で処理されたロットについての１回目の装置別規格化後の検査データをｘ４′で表し、２回目の装置別規格化後の検査データをｘ４″で表すと、
ｘ４″＝（（ｘ４′−１１１３．８７）／１４．９７）×１２．９４＋１１２４．１５
これらの変換は、製造装置５−２で処理された全てのロットの検査データ、製造装置５−３で処理された全てのロットの検査データ、製造装置５−４で処理された全てのロットの検査データに対して行われる。
【０１２０】
これにより、「工程５」を実行する製造装置５−１，５−２，５−３，５−４に依存した検査データのばらつきへの影響を上記データセット８０′から好ましく排除することができる。具体的には、「工程５」を実行する全ての製造装置５−１，５−２，５−３，５−４が製造装置（見本装置）５−１と同等の性能に改善されたときのデータセット８０″を得ることができる。
【０１２１】
次に、順位付け／不良要因抽出部１２が、２回目の装置別規格化後のデータセット８０″を用いて、「工程２」、「工程５」以外の４工程、つまり、「工程１」、「工程３」、「工程４」、「工程６」に対してそれぞれ分散分析を行って、それぞれＦ値を算出する。そして、Ｆ値の大きい順番に、不良要因として推定される順位を付ける（図５中のステップＳ２）。表示処理部１２が、Ｆ値の大きい順番に、部分製造工程名とＦ値とを対応づけて、表示装置１３に一覧表示する（図５中のステップＳ３）。この例では、その一覧表示は、次の表７のようになったものとする。
（表７）
【０１２２】
この表７では、「工程１」のＦ値が最大になっている。しかし、表１、表３における最大のＦ値に比して、どの工程も桁違いにＦ値は小さい。
【０１２３】
また、これらの「工程１」、「工程３」、「工程４」、「工程６」に対して、Ｆ分布表から有意水準５％で検定を行っても、どの工程についても製造装置による有意差は見られなかった。
【０１２４】
また、表示処理部１２は、ユーザが不良要因であるかどうかを判別する材料として、上記表７とともに、各部分製造工程「工程１」、「工程３」、「工程４」、「工程６」別に、検査データの箱ひげ図を表示する。例えば、図８は、今回（３回目）の分散分析でＦ値が最大であった「工程１」の箱ひげ図であり、「工程１」を実行する製造装置１−１，１−２，１−３でそれぞれ処理されたロットの検査データのばらつきを表している。この図８から、「工程１」では、製造装置１−１，１−２，１−３に依存した検査データの差はほとんどないことが分かる。
【０１２５】
ユーザは表７や図８の箱ひげ図等に基づいて、不良要因となる部分製造工程はなくなったと判断し、分析を終了すべき指令を入力する（図５中のステップＳ４でＮＯ）。
【０１２６】
すると、表示処理部１２ｃが、最後（２回目）の装置別規格化後のデータセット（この例では８０″）を出力する。これにより、不良要因抽出方法のフローを終了する。
【０１２７】
上記不良要因抽出方法の適用により、最初に改善すべき部分製造工程は「工程２」であり、次に改善すべき部分製造工程は「工程５」であることが分かった。そして、「工程４」、「工程６」は最初の分散分析では大きいＦ値を示したが、「工程２」の改善後の分散分析では小さいＦ値を示したため、改善の必要がないことが分かった。
【０１２８】
また、元のデータセット８０では、全５００ロットについて、検査データの平均がμ＝１０９９．３１５であり、検査データの標準偏差がσ＝２２．２３であった。これに対して、最後（２回目）の装置別規格化後のデータセット８０″では、検査データの平均がμ＝１１２４．１５となり、検査データの標準偏差がσ＝１２．９となった。したがって、「工程２」、「工程５」を改善することにより、検査データの平均μが１００以上上昇することが期待される。
【０１２９】
また、検査データが１０９０未満のロットが不良品であるものとする。このとき、元のデータセット８０では、不良ロットが１６５ロットであり、不良率が１６５／５００＝３３％であった。これに対して、最後（２回目）の装置別規格化後のデータセット８０″では、不良ロットが２ロットとなり、不良率が２／５００＝０．４％となった。したがって、「工程２」、「工程５」を改善することにより、不良率が３３％から０．４％へ下がることが期待される。
【０１３０】
このように、本実施形態の不良要因抽出方法を実行することにより、不良要因を改善したときの効果をユーザが事前に迅速に把握でき、したがって、不良要因を見誤る可能性を低減することができる。
【０１３１】
以上、図面を参照しながら本発明における好適な実施形態について説明したが、本発明は、この例だけに限定されない。
【０１３２】
例えば、ステップＳ２では、分散分析を行い、Ｆ値の大きい順番に順位付けを行っているが、その他の順位付けを行ってもかまわない。例えば、各部分製造工程について製造装置別の検査データの平均を算出し、「（最も平均が大きい製造装置の平均値）−（最も平均が小さい製造装置の平均値）」の値が大きい順番に、各部分製造工程に対して順位付けを行ってもかまわない。
【０１３３】
また、ステップＳ３では、不良要因を判別する材料として箱ひげ図を表示しているが、他のグラフ、例えば製造装置別トレンドグラフ、製造装置別ヒストグラムを表示してもかまわない。
【０１３４】
また、ステップＳ４では、ユーザが部分製造工程の指定を行っているが、これに限られるものではない。例えば、Ｆ値が最も大きい部分製造工程を選択するなどの基準を予め定めておき、その基準に基づいて自動で部分製造工程を指定するようにしてもかまわない。
【０１３５】
同様に、ステップＳ４では、ユーザが分析終了の判断を行っているが、これに限られるものではない。例えば、Ｆ値が最も大きい部分製造工程のＦ値が一定未満になったときに終了するなどの基準を予め定めておき、その基準に基づいて自動で分析終了の判断をしてもかまわない。
【０１３６】
また、ステップＳ５，Ｓ６では、平均値の最も大きい製造装置を見本装置として選択しているが、これに限られるものではない。例えば、平均値の代わりに、中央値、標準偏差などの他の統計値を使用してもかまわない。
【０１３７】
なお、検査工程での検査内容（検査項目）によっては、検査データの数値は、小さい方が優れている場合もある。そのような場合、一の部分製造工程を実行する複数の製造装置の中で最も平均（または中央値などの統計値）が小さく、目標に最も近い製造装置を選んで、見本装置Ｍとすれば良い。
【０１３８】
または、検査データの数値は、或る目標値（または一定範囲内）であるのが望ましい場合もある。そのような場合、一の部分製造工程を実行する複数の製造装置の中で、検査データの平均（または中央値などの統計値）が上記目標値に最も近いものを選んで、見本装置Ｍとすれば良い。
【０１３９】
また、ステップＳ５，Ｓ６，Ｓ７では、或る部分製造工程を実行する複数の製造装置の中で、最も良い（最も目標に近い）製造装置を見本装置として選択しているが、これに限られるものではない。実際の工程では、すべての製造装置を最も良い製造装置に合わせることが不可能な場合もある。そのような場合は、２番目または３番目に良い製造装置を見本装置として選択してもかまわない。このとき、例えば２番目に良い製造装置を見本装置とするとき、１番良い製造装置で処理されたロットの検査データを２番目の製造装置で処理されたロットの検査データに合わせる必要はない。したがって、１番目、２番目に良い製造装置で処理されたロットの検査データに対しては、演算を行わず、３番目以降の製造装置で処理されたロットの検査データに対してのみ、それらの検査データ平均、標準偏差が２番目の製造装置で処理されたロットの検査データの平均、標準偏差と一致するように演算（式Ｅｑ．１による変換）を行ってもかまわない。
【０１４０】
また、ステップＳ８で出力された装置別規格化後のデータセット８０″は、不良要因を改善したときの効果を事前に示すデータセットである。このデータセット８０″を用いて、例えば製造工程投入前の材料の質などのパラメータとの相関を取り、相関の高いものを不良要因として抽出するなどしてもかまわない。つまり、ステップＳ８で出力された装置別規格化後のデータセット８０″を用いて、さらに別の分析方法による分析を行って、不良要因抽出をしてもかまわない。
【０１４１】
また、データセット出力部として、表示処理部１２ｃに代えて、図示しないプリンタドライバを設けて、ステップＳ８で出力された装置別規格化後のデータセット８０″をプリンタで印字するようにしても良い。また、図示しない外部記憶装置にデータセットを出力して、格納するようにしても良い。
【０１４２】
また、以上の実施形態では、複数の部分製造工程の中でいずれか一の部分製造工程が指定され、上記一の部分製造工程を実行する製造装置に依存した検査データのばらつきへの影響をデータセットから排除するものとした。しかしながら、これに限られるものではなく、例えばプロセスデータに含まれた製造条件、素材、製造場所、製造日などの中でいずれか一の質的変数が指定されるものとし、上記一の質的変数に依存した検査データのばらつきへの影響を上記データセットから排除することにより、質的変数の変化を不良要因の候補として抽出するようにしても良い。
【０１４３】
その場合、不良要因抽出の手順は、次の通りになる。
【０１４４】
予め、データセットには、製造品のロット毎に、製造条件、素材、製造場所、製造日などの質的変数のデータが互いに関連付けられて記憶されているものとする。
【０１４５】
まず、図４中の順位付け／不良要因抽出部１２ｂが、元のデータセットに対して所定の分析方法による分析（例えば分散分析）を行って、検査工程での検査結果に対する複数の質的変数のそれぞれの影響度（例えばＦ値）に応じて、上記複数の質的変数に対して不良要因として推定される順位を付ける。
【０１４６】
次に、上記一の質的変数が指定されたとき、図４中の影響排除部１２ｄが、上記データセットに基づいて、上記一の質的変数が取りうる値別に、それぞれの値によってプロセス処理が行われた製造品についての検査データのばらつきに関する統計量（例えば平均と標準偏差）を算出する。そして、上記データセットに対して、上記値別の上記統計量を上記検査工程の検査内容に応じた目標に一致させる演算を行って、上記データセットのデータ数を維持しながら、上記一の質的変数の変化に依存した上記検査データのばらつきへの影響を上記データセットから排除する（これを「質的変数別規格化」と呼ぶ。）。
【０１４７】
次に、上記質的変数別規格化後のデータセットに対して、図４中の順位付け／不良要因抽出部１２ｂが、再び所定の分析方法による分析（例えば分散分析）を行って、検査工程での検査結果に対する複数の質的変数のそれぞれの影響度（例えばＦ値）に応じて、上記複数の質的変数に対して不良要因として推定される順位を付ける。
【０１４８】
このようにして、質的変数の変化を不良要因の候補として抽出することができる。
【０１４９】
一例として、製造工程２００に含まれた２つの部分製造工程２００−ａ、部分製造工程２００−ｂがあり、部分製造工程２００−ａでは、製造条件Ａ１、製造条件Ａ２のどちらかで製造品が製造されている場合を考える。最初の分散分析では、部分製造工程２００−ａにおいて、製造条件Ａ１によって処理された製造品についての検査データよりも、製造条件Ａ２によって処理された製造品についての検査データの方が優れていたとする。
【０１５０】
このとき、上記一の質的変数として部分製造工程２００−ａの「製造条件」が指定されると、上記影響排除部１２ｄが、製造条件Ａ１で製造された製造品についての検査データの平均と標準偏差を、製造条件Ａ２で製造された製造品についての検査データの平均と標準偏差にそれぞれ一致するように、質的変数別規格化を行う。これにより、部分製造工程２００−ａの「製造条件」の差による影響を、元のデータセットから排除する。
【０１５１】
次に、上記質的変数別規格化後のデータセットに対して、順位付け／不良要因抽出部１２ｂが、再び所定の分析方法による分析（例えば分散分析）を行って、上記部分製造工程２００−ａの「製造条件」以外の他の質的変数に対して不良要因として推定される順位を付ける。このようにして、質的変数の変化を不良要因の候補として抽出することができる。
【０１５２】
上述の不良要因抽出方法をソフトウェア（コンピュータプログラム）として、ＣＤ−ＲＯＭやＤＶＤ−ＲＯＭなどのコンピュータ読み取り可能な記録媒体に記録させても良い。そのようにした場合、パーソナルコンピュータなどの汎用コンピュータに、そのコンピュータプログラムを読み取らせることで、上述の不良要因抽出方法を容易に実施させることができる。
【産業上の利用可能性】
【０１５３】
本発明は、複数の製造品に対して、同じ機能を有する複数の製造装置のうちのいずれかによってプロセス処理が行われる部分製造工程を複数持つ製造工程と、上記製造工程によってプロセス処理が行われた製造品に対して、検査装置によって品質の検査が行われる検査工程とを含む生産プロセスを対象とし、不良要因を改善したときの効果を事前に把握するために広く適用することができる。
【符号の説明】
【０１５４】
１２ 不良要因抽出装置
１２ａ データ記憶部
１２ｂ 順位付け／不良要因抽出部
１２ｃ 表示処理部
１２ｄ 影響排除部
１２ｅ 繰り返し制御部
１３ 表示装置
１４ 入力装置
８０，８０′，８０″ データセット
１００ 生産ライン
２００ 製造工程
２００−１，２００−２，…，２００−Ａ 部分製造工程
３００ 検査工程
１−１，１−２，…，２−１，２−２，…，Ａ−１，Ａ−２，…，Ａ−Ｇ 製造装置
【技術分野】
【０００１】
この発明は、製造工程において製品不良等の原因となる工程や設備その他の不良要因を抽出する不良要因抽出装置および不良要因抽出方法に関する。
【０００２】
また、この発明は、その不良要因抽出方法を実行するためのコンピュータ読み取り可能なプログラムに関する。
【０００３】
また、この発明は、その不良要因抽出方法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。
【背景技術】
【０００４】
半導体製造分野などの製造工程で、順次実施される複数の部分製造工程のそれぞれには、短時間に多くの製造品を処理するために、同一機能を有する複数の製造装置が設けられることがある。そして、同一機能を有する複数の製造装置の中でも、故障、劣化により特定の製造装置で製造された製造品のみに不良が多発することがある。つまり、その故障、劣化した特定の製造装置が不良要因となることがある。この場合、その不良要因となる特定の製造装置を抽出して改善を行う必要がある。
【０００５】
また、上述のような不良要因を含む部分製造工程は１つとは限らず、複数の部分製造工程が不良要因を含むことも多い。このような場合、単純に不良要因抽出を行うと、或る不良要因を含む部分製造工程の影響が別の不良要因を含む部分製造工程の影響によって隠れてしまう場合や、故障、劣化した製造装置を持たない部分製造工程を不良要因と見誤る可能性がある。
【０００６】
例えば図１に示すように、或る製造工程において、製造品に対して、製造装置１Ａ、製造装置１Ｂを持つ部分製造工程１と、製造装置２Ａ、製造装置２Ｂを持つ部分製造工程２とが順次実施されるものとする。さらに、部分製造工程１の製造装置１Ａで製造された製造品のうち８０％が次の部分製造工程２では製造装置２Ａで処理され、残りの２０％が製造装置２Ｂで処理されるものとする。また、部分製造工程１の製造装置１Ｂで製造された製造品のうち２０％が次の部分製造工程２において製造装置２Ａで処理され、残りの８０％が製造装置２Ｂで処理されるものとする。このような場合、製造装置１Ａで故障が起こり、その製造装置１Ａで処理された製造品で不良品の割合が増えると、製造装置２Ａで処理された製造品でも不良品の割合が増える。このような場合、単純に不良要因抽出を行うと、製造装置２Ａには故障、劣化がなくても、製造装置２Ａを不良要因として抽出し、見誤る可能性がある。
【０００７】
そこで、特許文献１（特開２００９−１０４５２３号公報）においては、次のような不良要因抽出方法が提案されている。すなわち、検査工程の検査結果を表す品質情報と各製造工程毎の製造パラメータである加工情報とを関連付けて紐付けデータ（データセット）とする（紐付けステップ）。所定の分析を行って、複数の加工情報に不良要因として推定される順位を付ける（順位付けステップ）。次に、順位付けの結果を表示画面に表示する（表示ステップ）。排除すべき加工情報が指定されたとき、指定された加工情報を排除して残りの紐付けデータを得る（排除ステップ）。次に、残りの紐付けデータを用いて、再び上記分析を行って、残りの複数の加工情報に不良要因として推定される順位を付ける（再順位付けステップ）。次に、その再順位付けの結果を表示画面に表示する（再表示ステップ）。この方法によれば、不良要因を改善したときの効果をユーザが事前に迅速に把握でき、したがって、不良要因を見誤る可能性を低減することができる。
【先行技術文献】
【特許文献】
【０００８】
【特許文献１】特開２００９−１０４５２３号公報
【発明の概要】
【発明が解決しようとする課題】
【０００９】
しかしながら、不良要因として推定される製造装置の数が多い場合、上記特許文献１の方法では、上記複数の加工情報のうち排除すべき加工情報が指定される度に、上記排除ステップ、上記再順位付けステップ、および上記再表示ステップの処理を何回も繰り返すことになる。このため、上記紐付けデータ（データセット）のデータ数が次第に減少して、不良要因抽出結果の信頼性が低くなるという問題がある。
【００１０】
そこで、この発明の課題は、不良要因として推定される製造装置の数が多い場合であっても、不良要因抽出結果の信頼性を維持することができる不良要因抽出装置および不良要因抽出方法を提供することにある。
【００１１】
また、この発明の課題は、その不良要因抽出方法を実行するためのコンピュータ読み取り可能なプログラムを提供することにある。
【００１２】
また、この発明の課題は、その不良要因抽出方法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。
【課題を解決するための手段】
【００１３】
上記課題を解決するため、この発明の不良要因抽出装置は、
複数の製造品に対して、同じ機能を有する複数の製造装置のうちのいずれかによってプロセス処理が行われる部分製造工程を複数持つ製造工程と、上記製造工程によってプロセス処理が行われた製造品に対して、検査装置によって品質の検査が行われる検査工程とを含む生産プロセスを対象とし、
上記製造品毎に、上記製造工程から取得される各部分製造工程を実行した製造装置を示す情報を含んだプロセスデータと、上記検査工程から取得される、品質の検査結果を表す検査データとを関連付けて、上記複数の製造品についてのデータセットとして記憶するデータセット記憶部と、
上記複数の部分製造工程の中でいずれか一の部分製造工程が指定されたとき、上記データセットに基づいて、上記一の部分製造工程を実行する上記製造装置別に、それぞれの製造装置によってプロセス処理が行われた製造品についての検査データのばらつきに関する統計量を算出し、上記データセットに対して、上記製造装置別の上記統計量を上記検査工程の検査内容に応じた目標に一致させる演算を行って、上記データセットのデータ数を維持しながら、上記一の部分製造工程を実行する上記製造装置に依存した上記検査データのばらつきへの影響を上記データセットから排除する影響排除部と、
上記影響排除部による上記演算を受けた上記データセットを用いて、不良要因の抽出を行う不良要因抽出部とを備えることを特徴とする。
【００１４】
本明細書で、「製造品」とは、完成品だけでなく、仕掛品も含む。
【００１５】
また、上記一の部分製造工程の「指定」は、人（作業者やメンテナンス担当者）によって行われても良いし、予め定められた基準に基づいて自動的に行われても良い。
【００１６】
また、検査データのばらつきに関する「統計量」とは、例えば平均や標準偏差を含む。
【００１７】
この発明の不良要因抽出装置では、上記複数の部分製造工程の中でいずれか一の部分製造工程が指定されたとき、影響排除部は、上記データセットに基づいて、上記一の部分製造工程を実行する上記製造装置別に、それぞれの製造装置によってプロセス処理が行われた製造品についての検査データのばらつきに関する統計量を算出し、上記データセットに対して、上記製造装置別の上記統計量を上記検査工程の検査内容に応じた目標に一致させる演算を行って、上記データセットのデータ数を維持しながら、上記一の部分製造工程を実行する上記製造装置に依存した上記検査データのばらつきへの影響を上記データセットから排除する。そして、不良要因抽出部は、上記影響排除部による上記演算を受けた上記データセットを用いて、不良要因の抽出を行う。したがって、この不良要因抽出装置によれば、不良要因を改善したときの効果をユーザが事前に迅速に把握でき、したがって、不良要因を見誤る可能性を低減することができる。これにより、どの不良要因から改善するかという意思決定を容易に行うことができる。しかも、上記影響排除部は、上記データセットのデータ数を維持するので、不良要因として推定される製造装置の数が多い場合であっても、不良要因抽出結果の信頼性を維持することができる。
【００１８】
一実施形態の不良要因抽出装置では、
上記データセットに対して所定の分析方法による分析を行って、上記検査結果に対する上記複数の部分製造工程のそれぞれの影響度に応じて、上記複数の部分製造工程に対して不良要因として推定される順位を付ける順位付け部と、
上記順位付け部による順位付けの結果を表す画像を所定の表示画面に表示する表示処理部とを備えたことを特徴とする。
【００１９】
この一実施形態の不良要因抽出装置によれば、上記検査結果に対する上記複数の部分製造工程のそれぞれの影響度に応じた、不良要因として推定される順位を表す画像が、上記表示画面に表示される。この表示に基づいて、ユーザ（この不良要因抽出装置を使用する者を指す。作業者やメンテナンス担当者を含む。以下同様。）は、上記分析方法による分析の結果、つまり、上記複数の部分製造工程に対して付けられた、不良要因と推定される順位を知ることができる。したがって、例えば上記影響排除部による演算を受ける前の上記データセットに対して、上記製造装置に依存した上記検査データのばらつきへの影響が排除されるべき部分製造工程を、ユーザは、容易に指定することができる。
【００２０】
一実施形態の不良要因抽出装置では、上記複数の部分製造工程の中で上記一の部分製造工程とは異なる別の部分製造工程が指定される度に、上記影響排除部を動作させ、上記影響排除部による演算を受けた後の上記データセットを用いて、上記順位付け部を再び動作させて、上記複数の部分製造工程に対して不良要因として推定される順位を付けさせるとともに、上記表示処理部を再び動作させて、上記順位付け部による順位付けの結果を表す情報を上記表示画面に表示させる制御を行う繰り返し制御部を備えたことを特徴とする。
【００２１】
この一実施形態の不良要因抽出装置では、上記複数の部分製造工程の中で上記一の部分製造工程とは異なる別の部分製造工程が指定される度に、上記影響排除部が動作する。そして、上記検査結果に対する上記複数の部分製造工程のそれぞれの影響度に応じた、不良要因として推定される順位が、上記表示画面に表示される。この表示に基づいて、ユーザは、上記分析方法による分析の結果、つまり、上記複数の部分製造工程に対して付けられた、不良要因と推定される順位を知ることができる。したがって、上記影響排除部による演算を受けた後の上記データセットに対して、上記製造装置に依存した上記検査データのばらつきへの影響が排除されるべき部分製造工程を、ユーザは、容易に繰り返して指定することができる。
【００２２】
上記順位付け部が行う上記分析方法による分析は分散分析によるＦ値算出であり、上記順位付け部は、上記Ｆ値を上記検査結果に対する上記複数の部分製造工程のそれぞれの影響度として求めて、上記Ｆ値が大きい順に、上記複数の部分製造工程に対して不良要因として推定される順位を付けるのが望ましい。この場合、上記複数の部分製造工程に対して不良要因として推定される順位を付けるとともに、その順位の根拠を定量的に数値で把握することができる。
【００２３】
上記統計量は平均と標準偏差であり、上記影響排除部は、上記演算として、上記データセットに対して、上記製造装置別の上記平均と標準偏差をそれぞれ上記目標に一致させる演算を行うのが望ましい。この場合、上記一の部分製造工程を実行する上記製造装置に依存した上記検査データのばらつきへの影響を上記データセットから好ましく排除することができる。しかも、計算量は比較的小さく、高速に処理を行うことができる。
【００２４】
一実施形態の不良要因抽出装置では、
上記統計量は平均と標準偏差であり、
上記影響排除部は、上記一の部分製造工程を実行する複数の製造装置のうち、上記平均が上記目標に最も近い一の製造装置を選択し、上記演算として、上記一の製造装置以外の他の製造装置について算出した平均と標準偏差をそれぞれ上記一の製造装置について算出した平均と標準偏差に一致させる演算（これを「装置別規格化」と呼ぶ。）を行うことを特徴とする。
【００２５】
この一実施形態の不良要因抽出装置によれば、上記一の部分製造工程を実行する上記製造装置に依存した上記検査データのばらつきへの影響を上記データセットから好ましく排除することができる。具体的には、上記一の部分製造工程を実行する全ての製造装置が上記一の製造装置と同等の性能に改善されたときのデータセットを得ることができる。
【００２６】
一実施形態の不良要因抽出装置では、
上記統計量は平均と標準偏差であり、
上記影響排除部は、上記一の部分製造工程を実行する複数の製造装置に対して上記平均が上記目標に近い順に順位を付け、上記演算として、それらの順位のうち所定の順位よりも下位の製造装置の平均と標準偏差を、上記所定の順位の製造装置の平均と標準偏差にそれぞれ一致させる演算を行うことを特徴とする。
【００２７】
この一実施形態の不良要因抽出装置によれば、上記一の部分製造工程を実行する上記製造装置に依存した上記検査データのばらつきへの影響を上記データセットから好ましく排除することができる。具体的には、不良要因と考えられる低い順位の製造装置が上記所定の順位の製造装置と同等の性能に改善されたときのデータセットを得ることができる。したがって、不良要因を改善したときの効果をユーザが事前に迅速に把握できる。
【００２８】
一実施形態の不良要因抽出装置では、上記影響排除部による上記演算を受けたデータセットを出力するデータセット出力部を備えたことを特徴とする。
【００２９】
この一実施形態の不良要因抽出装置によれば、上記一の部分製造工程を実行する全ての製造装置が上記一の製造装置と同等の性能に改善されたときの効果、または不良要因と考えられる低い順位の製造装置が上記所定の順位の製造装置と同等の性能に改善されたときの効果を、ユーザが事前に迅速に把握できる。したがって、ユーザは、費用対効果などを考慮して、実際にその改善を実施するか否かを容易に判断することができる。
【００３０】
別の局面では、この発明の不良要因抽出装置は、
複数の製造品に対して、製造装置によってプロセス処理が行われる製造工程と、検査装置によって品質の検査が行われる検査工程とを含む生産プロセスを対象とし、
上記製造品毎に、上記製造工程から取得される、製造条件の名称、素材の種類、製造装置の名称を含む複数のカテゴリに分類される質的変数を含んだプロセスデータと、上記検査工程から取得される、品質の検査結果を表す検査データとを関連付けて、上記複数の製造品についてのデータセットとして記憶するデータセット記憶部と、
上記プロセスデータの中でいずれか一の質的変数が指定されたとき、上記データセットに基づいて、上記一の質的変数が取りうる値別に、それぞれの値によってプロセス処理が行われた製造品についての検査データのばらつきに関する統計量を算出し、上記データセットに対して、上記値別の上記統計量を上記検査工程の検査内容に応じた目標に一致させる演算を行って、上記データセットのデータ数を維持しながら、上記一の質的変数の変化に依存した上記検査データのばらつきへの影響を上記データセットから排除する影響排除部と、
上記影響排除部による上記演算を受けた上記データセットを用いて、不良要因の抽出を行う不良要因抽出部とを備えることを特徴とする。
【００３１】
本明細書では、質的変数が取りうる「値」とは、例えば製造条件の「名称」、素材の「種類」、製造装置の「名称」など、定量的な数値では表されない尺度を指す。
【００３２】
この発明の不良要因抽出装置では、上記プロセスデータの中でいずれか一の質的変数が指定されたとき、影響排除部は、上記データセットに基づいて、上記一の質的変数が取りうる値別に、それぞれの値によってプロセス処理が行われた製造品についての検査データのばらつきに関する統計量を算出し、上記データセットに対して、上記値別の上記統計量を上記検査工程の検査内容に応じた目標に一致させる演算を行って、上記データセットのデータ数を維持しながら、上記一の質的変数の変化に依存した上記検査データのばらつきへの影響を上記データセットから排除する。そして、不良要因抽出部は、上記影響排除部による上記演算を受けた上記データセットを用いて、不良要因の抽出を行う。したがって、この不良要因抽出装置によれば、不良要因を改善したときの効果をユーザが事前に迅速に把握でき、これにより、不良要因を見誤る可能性を低減することができる。したがって、どの不良要因から改善するかという意思決定を容易に行うことができる。しかも、上記影響排除部は、上記データセットのデータ数を維持するので、不良要因として推定される製造装置の数が多い場合であっても、不良要因抽出結果の信頼性を維持することができる。
【００３３】
また、この発明の不良要因抽出方法は、
複数の製造品に対して、同じ機能を有する複数の製造装置のうちのいずれかによってプロセス処理が行われる部分製造工程を複数持つ製造工程と、上記製造工程によってプロセス処理が行われた製造品に対して、検査装置によって品質の検査が行われる検査工程とを含む生産プロセスを対象とし、
上記製造品毎に、上記製造工程から取得される各部分製造工程を実行した製造装置を示す情報を含んだプロセスデータと、上記検査工程から取得される、品質の検査結果を表す検査データとを関連付けて、上記複数の製造品についてのデータセットとして記憶するデータセット記憶ステップと、
上記複数の部分製造工程の中でいずれか一の部分製造工程が指定されたとき、上記データセットに基づいて、上記一の部分製造工程を実行する上記製造装置別に、それぞれの製造装置によってプロセス処理が行われた製造品についての検査データのばらつきに関する統計量を算出し、上記データセットに対して、上記製造装置別の上記統計量を上記検査工程の検査内容に応じた目標に一致させる演算を行って、上記データセットのデータ数を維持しながら、上記一の部分製造工程を実行する上記製造装置に依存した上記検査データのばらつきへの影響を上記データセットから排除する影響排除ステップと、
上記影響排除ステップによる上記演算を受けた上記データセットを用いて、不良要因の抽出を行う不良要因抽出ステップとを備えることを特徴とする。
【００３４】
この発明の不良要因抽出方法では、上記複数の部分製造工程の中でいずれか一の部分製造工程が指定されたとき、影響排除ステップでは、上記データセットに基づいて、上記一の部分製造工程を実行する上記製造装置別に、それぞれの製造装置によってプロセス処理が行われた製造品についての検査データのばらつきに関する統計量を算出し、上記データセットに対して、上記製造装置別の上記統計量を上記検査工程の検査内容に応じた目標に一致させる演算を行って、上記データセットのデータ数を維持しながら、上記一の部分製造工程を実行する上記製造装置に依存した上記検査データのばらつきへの影響を上記データセットから排除する。そして、不良要因抽出ステップでは、上記影響排除ステップによる上記演算を受けた上記データセットを用いて、不良要因の抽出を行う。したがって、この不良要因抽出方法によれば、不良要因を改善したときの効果をユーザが事前に迅速に把握でき、これにより、不良要因を見誤る可能性を低減することができる。したがって、どの不良要因から改善するかという意思決定を容易に行うことができる。しかも、上記影響排除ステップは、上記データセットのデータ数を維持するので、不良要因として推定される製造装置の数が多い場合であっても、不良要因抽出結果の信頼性を維持することができる。
【００３５】
この発明のプログラムは、上記不良要因抽出方法をコンピュータに実行させるためのプログラムである。
【００３６】
この発明のプログラムによれば、コンピュータに上記不良要因抽出方法を実行させることができる。
【００３７】
この発明の記録媒体は、上記プログラムをコンピュータに実行させるためのコンピュータ読み取り可能な記録媒体である。
【００３８】
この発明の記録媒体によれば、記録媒体の記録内容をコンピュータに読み取らせることで、上記コンピュータに上記不良要因抽出方法を実行させることができる。
【発明の効果】
【００３９】
以上より明らかなように、この発明の不良要因抽出装置および不良要因抽出方法によれば、不良要因として推定される製造装置の数が多い場合であっても、不良要因抽出結果の信頼性を維持することができる。
【図面の簡単な説明】
【００４０】
【図１】半導体製造分野などの製造工程で、不良要因を見誤る可能性を説明する図である。
【図２】不良要因を抽出すべき対象としての生産プロセスの構成を示す図である。
【図３】上記生産プロセスで製造された複数の製造品についてのデータセットを例示する図である。
【図４】この発明の一実施形態の不良要因抽出装置のブロック構成を示す図である。
【図５】上記不良要因抽出装置による不良要因抽出方法のフローを示す図である。
【図６】上記不良要因抽出装置による分析結果の一例を示す箱ひげ図である。
【図７】上記不良要因抽出装置による分析結果の別の例を示す箱ひげ図である。
【図８】上記不良要因抽出装置による分析結果のさらに別の例を示す箱ひげ図である。
【発明を実施するための形態】
【００４１】
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。
【００４２】
図２は、不良要因を抽出すべき対象としての、半導体製品を生産するための生産プロセスとしての生産ライン（符号１００で示す。）の構成を示している。この生産ライン１００は、製造品の製造を行う製造工程２００と、製造工程２００の終了後に製造品の検査を行う検査工程３００とを含んでいる。
【００４３】
製造工程２００は、製造品に対して順次実行される複数の部分製造工程２００−１，２００−２，…，２００−Ａ（Ａは２以上の自然数とする。）で構成されている。さらに、各部分製造工程２００−１，２００−２，…，２００−Ａには、短時間に多くの製造品を処理するために、それぞれ同一機能を有する複数の製造装置が設けられている。これにより、複数の製造品を並行して処理できるようになっている。或る製造品９０に対して、例えば部分製造工程２００−１が行われるときは、複数の製造装置１−１（名称「１ａ」），１−２（名称「１ｂ」），…のうちのいずれかによってプロセス処理が行われる。また、その製造品９０に対して、部分製造工程２００−２が行われるときは、複数の製造装置２−１（名称「Ｔ００１」），２−２（名称「Ｔ００２」），２−３（名称「Ｔ００３」），…のうちのいずれかによってプロセス処理が行われる。また、その製造品９０に対して、部分製造工程２００−Ａが行われるときは、複数の製造装置Ａ−１（名称「第１製造装置」），Ａ−２（名称「第２製造装置」），…，Ａ−Ｇ（名称「第Ｇ製造装置」）のうちのいずれかによってプロセス処理が行われる。
【００４４】
製造品９０に対して製造工程２００における全ての複数の部分製造工程２００−１，２００−２，…，２００−Ａが終了すると、その製造品９０は検査工程３００に進む。検査工程３００は、製造品９０に対して順次実行される複数の部分検査工程３００−１，３００−２，…，３００−Ｂ（Ｂは２以上の自然数とする。）で構成されている。それぞれの部分検査工程３００−１，３００−２，…，３００−Ｂでは、図示しない検査装置によって製造品９０に対して品質の検査が行われる。
【００４５】
生産ライン１００では、製造品は、単位数量（以下、ロットと言う）毎にロット番号Ｌｏｔ１，Ｌｏｔ２，…，ＬｏｔＮが付されて、このロット番号で識別されて管理されている。製造工程２００では、製造品のロット毎に、各部分製造工程を行った製造装置、製造時に製造装置の各種条件を定めた設定値、各種計測器によって測定される計測値などのプロセスデータが収集される。検査工程３００では、製造品のロット毎に、検査データが収集される。収集されたプロセスデータと検査データとは、製造品のロット毎に互いに関連付けられる。この生産ライン１００に含まれたデータセット収集部１１（後述の図４中に示す。）によって、複数の製造品ロットについて、製造品のロット毎に互いに関連付けられたプロセスデータと検査データとが収集されて、データセットが得られる。
【００４６】
図３は、上記生産ライン１００で製造された複数の製造品９０についてのデータセット８０を例示している。このデータセット８０は、大別して、ロット番号Ｌｏｔ１，Ｌｏｔ２，…，ＬｏｔＮを格納する「ロット番号」欄と、各部分製造工程を実行した製造装置を表す「製造装置」欄と、各部分検査工程での検査結果を表す「検査結果」欄とからなっている。
【００４７】
「製造装置」欄は、各部分製造工程２００−１，２００−２，…，２００−Ａ毎に、その部分製造工程を実行した製造装置の名称を格納する欄を含んでいる。例えば、第１製造工程２００−１のための「第１製造工程製造装置」欄には、ロットＬｏｔ１，Ｌｏｔ２について、それらのロットを処理した製造装置１−１の名称「１ａ」がプロセスデータとして格納されている。ロットＬｏｔ３，Ｌｏｔ４について、それらのロットを処理した製造装置１−２の名称「１ｂ」がプロセスデータとして格納されている。また、ロットＬｏｔＮについては、そのロットを処理した製造装置１−１の名称「１ａ」がプロセスデータとして格納されている。同様に、第Ａ製造工程２００−Ａのための「第Ａ製造工程製造装置」欄には、ロットＬｏｔ１について、そのロットを処理した製造装置Ａ−１の名称「第１製造装置」がプロセスデータとして格納されている。ロットＬｏｔ２について、そのロットを処理した製造装置Ａ−２の名称「第２製造装置」がプロセスデータとして格納されている。また、ロットＬｏｔＮについて、そのロットを処理した製造装置Ａ−３の名称「第３製造装置」がプロセスデータとして格納されている。なお、実際には、各製造装置の名称はコード化されて格納されている。
【００４８】
「検査結果」欄は、この例では、第１検査工程３００−１の検査結果を表す「第１検査工程検査結果」欄を含んでいる。この「第１検査工程検査結果」欄には、ロットＬｏｔ１，Ｌｏｔ２，…，ＬｏｔＮについて、それぞれ第１検査工程３００−１の検査結果としての検査データ（数値）１５，１４，…，１５が格納されている。この例では、上記第１検査工程３００−１の検査内容（検査項目）に応じて、検査データの数値は、大きい方が優れており、したがって目標に近いものとする。
【００４９】
なお、このデータセット８０の例では、第１検査工程３００−１の検査結果しか格納されていないが、他の部分検査工程３００−２，…，３００−Ｂの検査結果をすべて格納しておくこともできる。
【００５０】
また、ユーザは、このデータセット８０に、製造工程での製造条件を表す「製造条件」欄、製造品の基となった素材を表す「素材」欄、製造された場所を示す「製造場所」欄、製造された日付を示す「製造日」欄、製造時に各種計測器によって計測される「計測値」欄などを設けて、ロットＬｏｔ１，Ｌｏｔ２，…，ＬｏｔＮについての様々なデータ群を記憶させておくこともできる。
【００５１】
図４は、この発明の一実施形態の不良要因抽出装置（符号１２で示す。）のブロック構成を示している。
【００５２】
この不良要因抽出装置１２は、データ記憶部１２ａと、順位付け／不良要因抽出部１２ｂと、表示処理部１２ｃと、表示装置１３と、入力装置１４と、影響排除部１２ｄと、繰り返し制御部１２ｅとを備えている。
【００５３】
データ記憶部１２ａは、この例ではＲＡＭ（ランダム・アクセス・メモリ）からなり、データセット収集部１１からデータセット（この例では、図３に示したデータセット８０）を受け取って記憶する。
【００５４】
順位付け／不良要因抽出部１２ｂは、データセット８０に対して後述の分析方法による分析を行って、データセット８０に含まれた検査結果に対する複数の部分製造工程２００−１，２００−２，…，２００−Ａのそれぞれの影響度に応じて、複数の部分製造工程２００−１，２００−２，…，２００−Ａに対して不良要因として推定される順位を付ける。また、この順位付け／不良要因抽出部１２ｂは、影響排除部１２ｄによる後述の演算（装置別規格化）を受けたデータセット８０′（以下では、装置別規格化前の元のデータセット８０と区別するために、装置別規格化後のデータセットを符号８０′で表す。）を用いて、生産ライン１００における不良要因の抽出を行う。つまり、この順位付け／不良要因抽出部１２ｂは、順位付け部および不良要因抽出部として働く。
【００５５】
表示処理部１２ｃは、順位付け／不良要因抽出部１２ｂから受けた情報に基づいて、ユーザに知らせるための画像データを作成して、表示装置１３へ出力する。
【００５６】
表示装置１３は、この例ではＬＣＤ（液晶表示素子）からなり、表示処理部１２ｃから受けた画像データを表示画面に表示する。
【００５７】
入力装置１４は、この例ではキーボードやマウスからなり、ユーザによるコマンドやデータの入力、指定などを受ける。この例では、生産ライン１００における不良要因を抽出するために、複数の部分製造工程２００−１，２００−２，…，２００−Ａの中でいずれか一の部分製造工程がユーザによって指定される（詳しくは後述）。
【００５８】
なお、表示装置１３と入力装置１４は、例えばペンで表示画面の或る箇所をタッチして入力行う公知のタッチパネル式ＬＣＤとして構成されても良い。
【００５９】
影響排除部１２ｄは、この例では複数の部分製造工程２００−１，２００−２，…，２００−Ａの中でいずれか一の部分製造工程が指定されたとき、データセット８０に対して後述の演算を行って、データセット８０のデータ数を維持しながら、上記一の部分製造工程を実行する製造装置に依存した検査データのばらつきへの影響をデータセット８０から排除する。
【００６０】
繰り返し制御部１２ｅは、この例ではユーザが複数の部分製造工程２００−１，２００−２，…，２００−Ａの中でいずれか一の部分製造工程を指定する度に、影響排除部１２ｄ、データ記憶部１２ａ、順位付け／不良要因抽出部１２ｂ、および表示処理部１２ｃを順次動作させる制御を行う。
【００６１】
この例では、順位付け／不良要因抽出部１２ｂ、表示処理部１２ｃ、影響排除部１２ｄ、並びに繰り返し制御部１２ｅは、ＣＰＵ（中央演算処理装置）とそれを動作させるソフトウェア（コンピュータプログラム）によって構成されている。
【００６２】
次に、この不良要因抽出装置１２による一実施形態の不良要因抽出方法を、図４のブロック構成を参照しながら、図５のフローに基づいて説明する。なお、まず一般的に説明し、部分製造工程の数や製造装置の数などが限られた具体例については、後に「実施例１」として説明する。
【００６３】
（１） 図５中のステップＳ１（データセット記憶ステップ）では、まず、図４中のデータ記憶部１２ａがデータセット８０（図３参照）を入力して記憶する。
【００６４】
（２） 次に、図５中のステップＳ２（順位付けステップ）では、図４中の順位付け／不良要因抽出部１２ｂが、データセット８０に対して所定の分析方法による分析（この例では分散分析）を行って、複数の部分製造工程２００−１，２００−２，…，２００−Ａに対して不良要因として推定される順位を付ける。
【００６５】
詳しくは、順位付け／不良要因抽出部１２ｂは、まず、データセット８０に含まれた情報（ロットＬｏｔ１，Ｌｏｔ２，…，ＬｏｔＮについての、各部分製造工程２００−１，２００−２，…，２００−Ａを実行した製造装置の名称と、第１検査工程３００−１の検査結果を表す検査データ）を用いて、分散分析を行って、上記検査結果に対する複数の部分製造工程２００−１，２００−２，…，２００−Ａのそれぞれの影響度としてＦ値を算出する。
【００６６】
この順位付け／不良要因抽出部１２ｂによるＦ値の算出は、次のようにして行われる。
【００６７】
製造品のロット数をＮ、製造工程に設けられた製造装置の数をＧ、全ロットの検査データの平均をμとする。また、製造装置１，２，…，Ｇ別に、それぞれの製造装置によってプロセス処理が行われた製造品についての検査データの平均をμ１，μ２，…，μＧとする。製造装置１，２，…，Ｇが処理したロット数をそれぞれｇ１，ｇ２，…，ｇＧとする。
【００６８】
また、製造装置１が処理したｇ１個のロットの検査データをそれぞれｘ１，１，ｘ１，２，…，ｘ１，ｇ１とする。製造装置２が処理したｇ２個のロットの検査データをそれぞれｘ２，１，ｘ２，２，…，ｘ２，ｇ２とする。同様にして、製造装置Ｇが処理したｇＧ個のロットの検査データをそれぞれｘＧ，１，ｘＧ，２，…，ｘＧ，ｇＧとする。
【００６９】
このとき、
ｉ） 全体の自由度は、ｆ１＝Ｎ−１である。
ii） 製造装置間の自由度は、ｆ２＝Ｎ−Ｇ−１である。
iii） 全体の偏差平方和は、次のｓ１のように算出される。
（ただし、ｉは製造装置を表す変数であり、ｊはロットを表す変数である。）
iv） 製造装置間の偏差平方和は、次のｓ２のように算出される。
ｖ） Ｆ値＝（（ｓ１−ｓ２）／（ｆ１−ｆ２））／（ｓ２／ｆ２）と算出される。
【００７０】
次に、順位付け／不良要因抽出部１２ｂは、複数の部分製造工程２００−１，２００−２，…，２００−Ａに対して、Ｆ値の大きい順番に、不良要因として推定される順位を付ける。つまり、上記検査結果に対する複数の部分製造工程２００−１，２００−２，…，２００−Ａに、それぞれの影響度に応じた、不良要因として推定される順位を付ける。
【００７１】
このようにＦ値を用いているので、複数の部分製造工程２００−１，２００−２，…，２００−Ａに対して不良要因として推定される順位の根拠を定量的に数値で把握することができる。
【００７２】
（３） 次に、図５中のステップＳ３（表示ステップ）では、図４中の表示処理部１２ｃが、順位付け／不良要因抽出部１２による順位付けの結果を表す画像を、表示装置１３の表示画面に表示する。
【００７３】
具体的には、Ｆ値の大きい順番に、部分製造工程名とＦ値とを対応づけて、表示装置１３に一覧表示する。
【００７４】
また、一覧表示された部分製造工程が不良要因であるかどうかをユーザが判別する材料として、各部分製造工程別の検査結果を表す箱ひげ図も、表示装置１３に表示する。
【００７５】
この表示に基づいて、ユーザは、上記分析方法による分析の結果、つまり、上記複数の部分製造工程２００−１，２００−２，…，２００−Ａに対して付けられた、不良要因と推定される順位を知ることができる。したがって、例えば上記データセット８０に対して、製造装置に依存した検査データのばらつきへの影響が排除されるべき部分製造工程を、ユーザは、容易に指定することができる。
【００７６】
（４） 次に、図５中のステップＳ４（ユーザ入力ステップ）では、図４中の影響排除部１２ｄが、ユーザによって、入力装置１４を通して、複数の部分製造工程２００−１，２００−２，…，２００−Ａの中でいずれか一の部分製造工程（これを「２００−ａ」と呼ぶ。）が指定されたか否かを判断する。
【００７７】
このステップＳ４で、一の部分製造工程２００−ａが指定されたときは、次のステップＳ５へ進む。
【００７８】
（５） 次に、ステップＳ５（統計量算出ステップ）では、影響排除部１２ｄが、上記一の部分製造工程２００−ａを実行する製造装置別に、それぞれの製造装置によってプロセス処理が行われた製造品についての検査データのばらつきに関する統計量（この例では平均と標準偏差）を算出する。
【００７９】
具体的には、上記一の部分製造工程２００−ａを実行する製造装置をＧｋ台とし、それぞれ製造装置１，２，…，Ｇｋと呼ぶものとする。このとき、製造装置１，２，…，Ｇｋ別に、それぞれの製造装置によってプロセス処理が行われた製造品についての検査データの平均μ１，μ２，…，μＧｋと標準偏差σ１，σ２，…，σＧｋを算出する。
【００８０】
（６） 次に、ステップＳ６（見本装置選択ステップ）では、さらに影響排除部１２ｄが、上記一の部分製造工程２００−ａを実行する製造装置１，２，…，Ｇｋの中から見本装置（これを「Ｍ」と呼ぶ。）を選択する。
【００８１】
具体的には、先のステップＳ５（統計量算出ステップ）で算出した製造装置１，２，…，Ｇｋ別の検査データの平均μ１，μ２，…，μＧｋに基づいて、製造装置１，２，…，Ｇｋの中で最も平均が大きく、目標に最も近い製造装置を選んで、見本装置Ｍとする。この見本装置Ｍによってプロセス処理が行われた製造品についての検査データの平均はμＭ、標準偏差はσＭであるものとする。
【００８２】
（７） ステップＳ７（装置別規格化ステップ）では、さらに影響排除部１２ｄが、上記一の部分製造工程２００−ａを実行する製造装置１，２，…，Ｇｋのうち、上記見本装置Ｍ以外の他の製造装置について算出した平均と標準偏差を、それぞれ上記見本装置Ｍについて算出した平均μＭ、標準偏差σＭと一致させる演算を行う（装置別規格化）。
【００８３】
具体的には、製造品の各ロットＬｏｔ１，Ｌｏｔ２，…，ＬｏｔＮについて、上記データセット８０に含まれた元の検査データをｘとし、装置別規格化後の検査データをｘ′としたとき、次の変換を行う。
（ただし、ｌは、上記一の部分製造工程２００−ａで、そのロットを製造した製造装置を表す変数である。）
【００８４】
これにより、上記データセット８０において、元の検査データｘに代えて、この演算（装置別規格化）後の検査データｘ′を含む新たなデータセット８０′を得る。図４中のデータ記憶部１２ａが、この装置別規格化後のデータセット８０′を記憶する。
【００８５】
このようにして、影響排除部１２ｄは、上記データセット８０のデータ数を維持しながら、上記一の部分製造工程２００−ａを実行する製造装置１，２，…，Ｇｋに依存した検査データのばらつきへの影響を上記データセット８０から排除する。
【００８６】
（８） 次に、図４中の繰り返し制御部１２ｅが、上記装置別規格化後のデータセット８０′を用いて、順位付け／不良要因抽出部１２ｂを再び動作させて、上記複数の部分製造工程２００−１，２００−２，…，２００−Ａに対して不良要因として推定される順位を付けさせる（図５中のステップＳ２）とともに、表示処理部１２ｃを再び動作させて、順位付け／不良要因抽出部１２ｂによる順位付けの結果を表す情報を上記表示装置１３ｋの表示画面に表示させる（図５中のステップＳ３）。
【００８７】
この表示に基づいて、ユーザは、上記分析方法による分析の結果、つまり、上記複数の部分製造工程に対して付けられた、不良要因と推定される順位を知ることができる。したがって、図５中のステップＳ４で、上記装置別規格化後のデータセット８０′に対して、上記製造装置に依存した上記検査データのばらつきへの影響が排除されるべき部分製造工程を、ユーザは、容易に繰り返して指定することができる。
【００８８】
（９） 図５中のステップＳ４で、ユーザによって、複数の部分製造工程２００−１，２００−２，…，２００−Ａの中で上記一の部分製造工程２００−ａとは異なる別の部分製造工程が指定される度に、図４中の影響排除部１２ｄが動作する。そして、繰り返し制御部１２ｅが、上記装置別規格化後のデータセット８０′，８０″，…（区別のために、２回目以降の装置別規格化後のデータセットを８０″，…と表す。）を用いて、順位付け／不良要因抽出部１２ｂを再び動作させて、上記複数の部分製造工程２００−１，２００−２，…，２００−Ａに対して不良要因として推定される順位を付けさせる（図５中のステップＳ２）とともに、表示処理部１２ｃを再び動作させて、順位付け／不良要因抽出部１２ｂによる順位付けの結果を表す情報を上記表示装置１３ｋの表示画面に表示させる（図５中のステップＳ３）。
【００８９】
ユーザが部分製造工程を指定せず、分析を終了すべき指令を入力したときは、ステップＳ８へ進む。
【００９０】
（１０） ステップＳ８では、図４中の表示処理部１２ｃが、データセット出力部として働いて、表示装置１３ｋの表示画面に、最後の装置別規格化後のデータセット（例えば８０″とする。）を出力する。これにより、不良要因抽出方法のフローを終了する。
【００９１】
このようにした場合、不良要因と推定される部分製造工程２００−ａ，…に起因した検査データへの影響を排除することによって、不良要因を改善したときの効果をユーザが事前に迅速に把握でき、したがって、不良要因を見誤る可能性を低減することができる。しかも、上記影響排除部１２ｄは、上記データセット８０，８０′，８０″，…のデータ数を維持するので、不良要因として推定される製造装置の数が多い場合であっても、不良要因抽出結果の信頼性を維持することができる。
【実施例１】
【００９２】
次に、上記不良要因抽出方法において、部分製造工程の数や製造装置の数などが限られた具体例について説明する。
【００９３】
部分製造工程の数を、Ａ＝６とする。つまり、製造工程２００には、複数の部分製造工程として、第１部分製造工程２００−１としての「工程１」から第６部分製造工程２００−６としての「工程６」までの６工程が含まれているものとする。
【００９４】
各部分製造工程「工程１」、「工程２」、…、「工程６」を実行する製造装置の数を、それぞれＧ１＝３、Ｇ２＝４、Ｇ３＝３、Ｇ４＝２、Ｇ５＝４、Ｇ６＝３とする。
【００９５】
製造品のロット数を、Ｎ＝５００とする。
【００９６】
全５００ロットについて、検査データの平均をμ＝１０９９．３１５とし、検査データの標準偏差をσ＝２２．２３とする。検査データは値が大きいほど品質が高いものとする。
【００９７】
このような条件下で、上記不良要因抽出方法を実行して、不良要因と推定される部分製造工程に起因した検査データへの影響を排除するものとする。
【００９８】
まず、順位付け／不良要因抽出部１２が、「工程１」から「工程６」までの６工程に対してそれぞれ分散分析を行って、それぞれＦ値を算出する。そして、Ｆ値の大きい順番に、不良要因として推定される順位を付ける（図５中のステップＳ２）。表示処理部１２が、Ｆ値の大きい順番に、部分製造工程名とＦ値とを対応づけて、表示装置１３に一覧表示する（図５中のステップＳ３）。この例では、その一覧表示は、次の表１のようになったものとする。
（表１）
【００９９】
この表１では、「工程２」のＦ値が最大になっている。以下「工程６」、「工程４」、「工程５」と続いている。
【０１００】
また、表示処理部１２は、ユーザが不良要因であるかどうかを判別する材料として、各部分製造工程「工程１」、「工程２」、…、「工程６」別に、検査データの箱ひげ図を表示する。例えば、図６に示すように、箱ひげ図は、最大値、第３四分位、中央値、第１四分位、最小値によって表現される。
【０１０１】
この図６は、Ｆ値が最大であった「工程２」の箱ひげ図であり、「工程２」を実行する製造装置２−１，２−２，２−３，２−４でそれぞれ処理されたロットの検査データのばらつきを表している。この図から、「工程２」は製造装置２−１で処理されたロットの検査データが最も高く、製造装置２−４で処理されたロットの検査データが最も小さいことが分かる。
【０１０２】
ユーザは表１の一覧表示や図６の箱ひげ図等に基づいて、検査データのばらつきへの影響が排除されるべき部分製造工程を指定する（図５中のステップＳ４でＹＥＳ）。今回はＦ値が最も大きい「工程２」が指定されたものとする。
【０１０３】
ここで、「工程２」を実行する製造装置２−１，２−２，２−３，２−４の数はＧ２＝４台になっている。影響排除部１２ｄが、それぞれの製造装置２−１，２−２，２−３，２−４によってプロセス処理が行われた製造品についての検査データの平均μ１，μ２，μ３，μ４と標準偏差σ１，σ２，σ３，σ４を算出する（図５中のステップＳ５）。この例では、その算出結果は、次の表２のようになったものとする（小数点第３位を四捨五入）。
（表２）
【０１０４】
次に、影響排除部１２ｄが、製造装置２−１，２−２，２−３，２−４の中で最も平均が大きく、目標に最も近い製造装置、この表２の例では製造装置２−１を選んで、見本装置Ｍとする（図５中のステップＳ６）。
【０１０５】
次に、影響排除部１２ｄが、上記見本装置Ｍ以外の他の製造装置２−２，２−３，２−４について算出した平均μ２，μ３，μ４と標準偏差σ２，σ３，σ４を、それぞれ上記見本装置Ｍについて算出した平均μＭ（＝μ１）、標準偏差σＭ（＝σ１）と一致させる演算を行う（図５中のステップＳ７、）。具体的には、製造装置２−２，２−３，２−４でそれぞれ処理されたロットの元の検査データは、既述の式Ｅｑ．１によって、次のような装置別規格化後の検査データに変換される。
【０１０６】
製造装置２−２で処理されたロットについての元の検査データをｘ２で表し、装置別規格化後の検査データをｘ２′で表すと、
ｘ２′＝（（ｘ２−１１０４．７３）／１９．５６）×１４．７９＋１１１５．８５
製造装置２−３で処理されたロットについての元の検査データをｘ３で表し、装置別規格化後の検査データをｘ３′で表すと、
ｘ３′＝（（ｘ３−１０９３．６９）／１５．８７）×１４．７９＋１１１５．８５
製造装置２−４で処理されたロットについての元の検査データをｘ４で表し、装置別規格化後の検査データをｘ４′で表すと、
製造装置２−４で処理されたロットについての装置別規格化後の検査データ
ｘ４′＝（（ｘ４−１０８３．００）／２３．１３）×１４．７９＋１１１５．８５
これらの変換は、製造装置２−２で処理された全てのロットの検査データ、製造装置２−３で処理された全てのロットの検査データ、製造装置２−４で処理された全てのロットの検査データに対して行われる。
【０１０７】
これにより、「工程２」を実行する製造装置２−１，２−２，２−３，２−４に依存した検査データのばらつきへの影響を上記データセット８０から好ましく排除することができる。具体的には、「工程２」を実行する全ての製造装置２−１，２−２，２−３，２−４が製造装置（見本装置）２−１と同等の性能に改善されたときのデータセット８０′を得ることができる。
【０１０８】
次に、順位付け／不良要因抽出部１２が、装置別規格化後のデータセット８０′を用いて、「工程２」以外の５工程、つまり、「工程１」、「工程３」、「工程４」、「工程５」、「工程６」に対してそれぞれ分散分析を行って、それぞれＦ値を算出する。そして、Ｆ値の大きい順番に、不良要因として推定される順位を付ける（図５中のステップＳ２）。表示処理部１２が、Ｆ値の大きい順番に、部分製造工程名とＦ値とを対応づけて、表示装置１３に一覧表示する（図５中のステップＳ３）。この例では、その一覧表示は、次の表３のようになったものとする。
（表３）
【０１０９】
この表３では、「工程５」のＦ値が最大になっている。また、「工程４」のＦ値は、表１での１４．５５から０．５６へ大きく下がっている。同様に、「工程６」のＦ値は、表１での２１．２１から０．８５へ大きく下がっている。その理由を知るために、「工程２」と「工程４」、「工程６」との関係を調べた。すると、「工程２」の４台の製造装置２−１，２−２，２−３，２−４で処理されたロットは、「工程４」に設けられた２台の製造装置４−１，４−２によって、また、「工程６」に設けられた３台の製造装置６−１，６−２，６−３によって、それぞれ次の表４、表５に示す割合（％）で処理されていた。
（表４）
【０１１０】
（表５）
【０１１１】
つまり、「工程２」の製造装置２−１，２−２，２−３，２−４で処理されたロットのうちの多くのロットが偏って、「工程４」の製造装置４−１，４−２によって、また、「工程６」の製造装置６−１，６−２，６−３によって処理されている。このため、背景技術として図１を用いて説明したように、元のデータセット８０を対象とした１回目の分散分析では、「工程２」の影響によって、「工程４」、「工程６」のＦ値が大きくなっていたことが分かる。
【０１１２】
しかし、装置別規格化後のデータセット８０′を対象とした今回（２回目）の分散分析では、「工程２」の影響が排除されているので、「工程４」、「工程６」のＦ値が小さくなっている。
【０１１３】
この例のように、装置別規格化によって不良要因の影響を排除することで、不良要因を見誤る可能性を低減することができる。
【０１１４】
また、表示処理部１２は、ユーザが不良要因であるかどうかを判別する材料として、上記表３とともに、各部分製造工程「工程１」、「工程２」、…、「工程６」別に、検査データの箱ひげ図を表示する。例えば、図７は、２回目の分散分析でＦ値が最大であった「工程５」の箱ひげ図であり、「工程５」を実行する製造装置５−１，５−２，５−３，５−４でそれぞれ処理されたロットの検査データのばらつきを表している。この図から、「工程５」は製造装置５−１で処理されたロットの検査データが最も大きいことが分かる。
【０１１５】
ユーザは表３の一覧表示や図７の箱ひげ図等に基づいて、検査データのばらつきへの影響が排除されるべき部分製造工程を指定する（図５中のステップＳ４でＹＥＳ）。今回はＦ値が最も大きい「工程５」が指定されたものとする。
【０１１６】
ここで、「工程５」を実行する製造装置５−１，５−２，５−３，５−４の数はＧ５＝４台になっている。影響排除部１２ｄが、それぞれの製造装置５−１，５−２，５−３，５−４によってプロセス処理が行われた製造品についての検査データの平均μ１，μ２，μ３，μ４と標準偏差σ１，σ２，σ３，σ４を算出する（図５中のステップＳ５）。この例では、その算出結果は、次の表６のようになったものとする（小数点第３位を四捨五入）。
（表６）
【０１１７】
次に、影響排除部１２ｄが、製造装置５−１，５−２，５−３，５−４の中で最も平均が大きく、目標に最も近い製造装置、この表６の例では製造装置５−１を選んで、見本装置Ｍとする（図５中のステップＳ６）。
【０１１８】
次に、影響排除部１２ｄが、上記見本装置Ｍ以外の他の製造装置５−２，５−３，５−４について算出した平均μ２，μ３，μ４と標準偏差σ２，σ３，σ４を、それぞれ上記見本装置Ｍについて算出した平均μＭ（＝μ１）、標準偏差σＭ（＝σ１）と一致させる演算を行う（図５中のステップＳ７、）。具体的には、製造装置５−２，５−３，５−４でそれぞれ処理されたロットの１回目の装置別規格化後の検査データは、既述の式Ｅｑ．１によって、次のような２回目の装置別規格化後の検査データに変換される。
【０１１９】
製造装置５−２で処理されたロットについての１回目の装置別規格化後の検査データをｘ２′で表し、２回目の装置別規格化後の検査データをｘ２″で表すと、
ｘ２″＝（（ｘ２′−１１１２．５３）／１３．０８）×１２．９４＋１１２４．１５
製造装置５−３で処理されたロットについての１回目の装置別規格化後の検査データをｘ３′で表し、２回目の装置別規格化後の検査データをｘ３″で表すと、
ｘ３″＝（（ｘ３′−１１１２．６７）／１４．６４）×１２．９４＋１１２４．１５
製造装置５−４で処理されたロットについての１回目の装置別規格化後の検査データをｘ４′で表し、２回目の装置別規格化後の検査データをｘ４″で表すと、
ｘ４″＝（（ｘ４′−１１１３．８７）／１４．９７）×１２．９４＋１１２４．１５
これらの変換は、製造装置５−２で処理された全てのロットの検査データ、製造装置５−３で処理された全てのロットの検査データ、製造装置５−４で処理された全てのロットの検査データに対して行われる。
【０１２０】
これにより、「工程５」を実行する製造装置５−１，５−２，５−３，５−４に依存した検査データのばらつきへの影響を上記データセット８０′から好ましく排除することができる。具体的には、「工程５」を実行する全ての製造装置５−１，５−２，５−３，５−４が製造装置（見本装置）５−１と同等の性能に改善されたときのデータセット８０″を得ることができる。
【０１２１】
次に、順位付け／不良要因抽出部１２が、２回目の装置別規格化後のデータセット８０″を用いて、「工程２」、「工程５」以外の４工程、つまり、「工程１」、「工程３」、「工程４」、「工程６」に対してそれぞれ分散分析を行って、それぞれＦ値を算出する。そして、Ｆ値の大きい順番に、不良要因として推定される順位を付ける（図５中のステップＳ２）。表示処理部１２が、Ｆ値の大きい順番に、部分製造工程名とＦ値とを対応づけて、表示装置１３に一覧表示する（図５中のステップＳ３）。この例では、その一覧表示は、次の表７のようになったものとする。
（表７）
【０１２２】
この表７では、「工程１」のＦ値が最大になっている。しかし、表１、表３における最大のＦ値に比して、どの工程も桁違いにＦ値は小さい。
【０１２３】
また、これらの「工程１」、「工程３」、「工程４」、「工程６」に対して、Ｆ分布表から有意水準５％で検定を行っても、どの工程についても製造装置による有意差は見られなかった。
【０１２４】
また、表示処理部１２は、ユーザが不良要因であるかどうかを判別する材料として、上記表７とともに、各部分製造工程「工程１」、「工程３」、「工程４」、「工程６」別に、検査データの箱ひげ図を表示する。例えば、図８は、今回（３回目）の分散分析でＦ値が最大であった「工程１」の箱ひげ図であり、「工程１」を実行する製造装置１−１，１−２，１−３でそれぞれ処理されたロットの検査データのばらつきを表している。この図８から、「工程１」では、製造装置１−１，１−２，１−３に依存した検査データの差はほとんどないことが分かる。
【０１２５】
ユーザは表７や図８の箱ひげ図等に基づいて、不良要因となる部分製造工程はなくなったと判断し、分析を終了すべき指令を入力する（図５中のステップＳ４でＮＯ）。
【０１２６】
すると、表示処理部１２ｃが、最後（２回目）の装置別規格化後のデータセット（この例では８０″）を出力する。これにより、不良要因抽出方法のフローを終了する。
【０１２７】
上記不良要因抽出方法の適用により、最初に改善すべき部分製造工程は「工程２」であり、次に改善すべき部分製造工程は「工程５」であることが分かった。そして、「工程４」、「工程６」は最初の分散分析では大きいＦ値を示したが、「工程２」の改善後の分散分析では小さいＦ値を示したため、改善の必要がないことが分かった。
【０１２８】
また、元のデータセット８０では、全５００ロットについて、検査データの平均がμ＝１０９９．３１５であり、検査データの標準偏差がσ＝２２．２３であった。これに対して、最後（２回目）の装置別規格化後のデータセット８０″では、検査データの平均がμ＝１１２４．１５となり、検査データの標準偏差がσ＝１２．９となった。したがって、「工程２」、「工程５」を改善することにより、検査データの平均μが１００以上上昇することが期待される。
【０１２９】
また、検査データが１０９０未満のロットが不良品であるものとする。このとき、元のデータセット８０では、不良ロットが１６５ロットであり、不良率が１６５／５００＝３３％であった。これに対して、最後（２回目）の装置別規格化後のデータセット８０″では、不良ロットが２ロットとなり、不良率が２／５００＝０．４％となった。したがって、「工程２」、「工程５」を改善することにより、不良率が３３％から０．４％へ下がることが期待される。
【０１３０】
このように、本実施形態の不良要因抽出方法を実行することにより、不良要因を改善したときの効果をユーザが事前に迅速に把握でき、したがって、不良要因を見誤る可能性を低減することができる。
【０１３１】
以上、図面を参照しながら本発明における好適な実施形態について説明したが、本発明は、この例だけに限定されない。
【０１３２】
例えば、ステップＳ２では、分散分析を行い、Ｆ値の大きい順番に順位付けを行っているが、その他の順位付けを行ってもかまわない。例えば、各部分製造工程について製造装置別の検査データの平均を算出し、「（最も平均が大きい製造装置の平均値）−（最も平均が小さい製造装置の平均値）」の値が大きい順番に、各部分製造工程に対して順位付けを行ってもかまわない。
【０１３３】
また、ステップＳ３では、不良要因を判別する材料として箱ひげ図を表示しているが、他のグラフ、例えば製造装置別トレンドグラフ、製造装置別ヒストグラムを表示してもかまわない。
【０１３４】
また、ステップＳ４では、ユーザが部分製造工程の指定を行っているが、これに限られるものではない。例えば、Ｆ値が最も大きい部分製造工程を選択するなどの基準を予め定めておき、その基準に基づいて自動で部分製造工程を指定するようにしてもかまわない。
【０１３５】
同様に、ステップＳ４では、ユーザが分析終了の判断を行っているが、これに限られるものではない。例えば、Ｆ値が最も大きい部分製造工程のＦ値が一定未満になったときに終了するなどの基準を予め定めておき、その基準に基づいて自動で分析終了の判断をしてもかまわない。
【０１３６】
また、ステップＳ５，Ｓ６では、平均値の最も大きい製造装置を見本装置として選択しているが、これに限られるものではない。例えば、平均値の代わりに、中央値、標準偏差などの他の統計値を使用してもかまわない。
【０１３７】
なお、検査工程での検査内容（検査項目）によっては、検査データの数値は、小さい方が優れている場合もある。そのような場合、一の部分製造工程を実行する複数の製造装置の中で最も平均（または中央値などの統計値）が小さく、目標に最も近い製造装置を選んで、見本装置Ｍとすれば良い。
【０１３８】
または、検査データの数値は、或る目標値（または一定範囲内）であるのが望ましい場合もある。そのような場合、一の部分製造工程を実行する複数の製造装置の中で、検査データの平均（または中央値などの統計値）が上記目標値に最も近いものを選んで、見本装置Ｍとすれば良い。
【０１３９】
また、ステップＳ５，Ｓ６，Ｓ７では、或る部分製造工程を実行する複数の製造装置の中で、最も良い（最も目標に近い）製造装置を見本装置として選択しているが、これに限られるものではない。実際の工程では、すべての製造装置を最も良い製造装置に合わせることが不可能な場合もある。そのような場合は、２番目または３番目に良い製造装置を見本装置として選択してもかまわない。このとき、例えば２番目に良い製造装置を見本装置とするとき、１番良い製造装置で処理されたロットの検査データを２番目の製造装置で処理されたロットの検査データに合わせる必要はない。したがって、１番目、２番目に良い製造装置で処理されたロットの検査データに対しては、演算を行わず、３番目以降の製造装置で処理されたロットの検査データに対してのみ、それらの検査データ平均、標準偏差が２番目の製造装置で処理されたロットの検査データの平均、標準偏差と一致するように演算（式Ｅｑ．１による変換）を行ってもかまわない。
【０１４０】
また、ステップＳ８で出力された装置別規格化後のデータセット８０″は、不良要因を改善したときの効果を事前に示すデータセットである。このデータセット８０″を用いて、例えば製造工程投入前の材料の質などのパラメータとの相関を取り、相関の高いものを不良要因として抽出するなどしてもかまわない。つまり、ステップＳ８で出力された装置別規格化後のデータセット８０″を用いて、さらに別の分析方法による分析を行って、不良要因抽出をしてもかまわない。
【０１４１】
また、データセット出力部として、表示処理部１２ｃに代えて、図示しないプリンタドライバを設けて、ステップＳ８で出力された装置別規格化後のデータセット８０″をプリンタで印字するようにしても良い。また、図示しない外部記憶装置にデータセットを出力して、格納するようにしても良い。
【０１４２】
また、以上の実施形態では、複数の部分製造工程の中でいずれか一の部分製造工程が指定され、上記一の部分製造工程を実行する製造装置に依存した検査データのばらつきへの影響をデータセットから排除するものとした。しかしながら、これに限られるものではなく、例えばプロセスデータに含まれた製造条件、素材、製造場所、製造日などの中でいずれか一の質的変数が指定されるものとし、上記一の質的変数に依存した検査データのばらつきへの影響を上記データセットから排除することにより、質的変数の変化を不良要因の候補として抽出するようにしても良い。
【０１４３】
その場合、不良要因抽出の手順は、次の通りになる。
【０１４４】
予め、データセットには、製造品のロット毎に、製造条件、素材、製造場所、製造日などの質的変数のデータが互いに関連付けられて記憶されているものとする。
【０１４５】
まず、図４中の順位付け／不良要因抽出部１２ｂが、元のデータセットに対して所定の分析方法による分析（例えば分散分析）を行って、検査工程での検査結果に対する複数の質的変数のそれぞれの影響度（例えばＦ値）に応じて、上記複数の質的変数に対して不良要因として推定される順位を付ける。
【０１４６】
次に、上記一の質的変数が指定されたとき、図４中の影響排除部１２ｄが、上記データセットに基づいて、上記一の質的変数が取りうる値別に、それぞれの値によってプロセス処理が行われた製造品についての検査データのばらつきに関する統計量（例えば平均と標準偏差）を算出する。そして、上記データセットに対して、上記値別の上記統計量を上記検査工程の検査内容に応じた目標に一致させる演算を行って、上記データセットのデータ数を維持しながら、上記一の質的変数の変化に依存した上記検査データのばらつきへの影響を上記データセットから排除する（これを「質的変数別規格化」と呼ぶ。）。
【０１４７】
次に、上記質的変数別規格化後のデータセットに対して、図４中の順位付け／不良要因抽出部１２ｂが、再び所定の分析方法による分析（例えば分散分析）を行って、検査工程での検査結果に対する複数の質的変数のそれぞれの影響度（例えばＦ値）に応じて、上記複数の質的変数に対して不良要因として推定される順位を付ける。
【０１４８】
このようにして、質的変数の変化を不良要因の候補として抽出することができる。
【０１４９】
一例として、製造工程２００に含まれた２つの部分製造工程２００−ａ、部分製造工程２００−ｂがあり、部分製造工程２００−ａでは、製造条件Ａ１、製造条件Ａ２のどちらかで製造品が製造されている場合を考える。最初の分散分析では、部分製造工程２００−ａにおいて、製造条件Ａ１によって処理された製造品についての検査データよりも、製造条件Ａ２によって処理された製造品についての検査データの方が優れていたとする。
【０１５０】
このとき、上記一の質的変数として部分製造工程２００−ａの「製造条件」が指定されると、上記影響排除部１２ｄが、製造条件Ａ１で製造された製造品についての検査データの平均と標準偏差を、製造条件Ａ２で製造された製造品についての検査データの平均と標準偏差にそれぞれ一致するように、質的変数別規格化を行う。これにより、部分製造工程２００−ａの「製造条件」の差による影響を、元のデータセットから排除する。
【０１５１】
次に、上記質的変数別規格化後のデータセットに対して、順位付け／不良要因抽出部１２ｂが、再び所定の分析方法による分析（例えば分散分析）を行って、上記部分製造工程２００−ａの「製造条件」以外の他の質的変数に対して不良要因として推定される順位を付ける。このようにして、質的変数の変化を不良要因の候補として抽出することができる。
【０１５２】
上述の不良要因抽出方法をソフトウェア（コンピュータプログラム）として、ＣＤ−ＲＯＭやＤＶＤ−ＲＯＭなどのコンピュータ読み取り可能な記録媒体に記録させても良い。そのようにした場合、パーソナルコンピュータなどの汎用コンピュータに、そのコンピュータプログラムを読み取らせることで、上述の不良要因抽出方法を容易に実施させることができる。
【産業上の利用可能性】
【０１５３】
本発明は、複数の製造品に対して、同じ機能を有する複数の製造装置のうちのいずれかによってプロセス処理が行われる部分製造工程を複数持つ製造工程と、上記製造工程によってプロセス処理が行われた製造品に対して、検査装置によって品質の検査が行われる検査工程とを含む生産プロセスを対象とし、不良要因を改善したときの効果を事前に把握するために広く適用することができる。
【符号の説明】
【０１５４】
１２ 不良要因抽出装置
１２ａ データ記憶部
１２ｂ 順位付け／不良要因抽出部
１２ｃ 表示処理部
１２ｄ 影響排除部
１２ｅ 繰り返し制御部
１３ 表示装置
１４ 入力装置
８０，８０′，８０″ データセット
１００ 生産ライン
２００ 製造工程
２００−１，２００−２，…，２００−Ａ 部分製造工程
３００ 検査工程
１−１，１−２，…，２−１，２−２，…，Ａ−１，Ａ−２，…，Ａ−Ｇ 製造装置
【特許請求の範囲】
【請求項１】
複数の製造品に対して、同じ機能を有する複数の製造装置のうちのいずれかによってプロセス処理が行われる部分製造工程を複数持つ製造工程と、上記製造工程によってプロセス処理が行われた製造品に対して、検査装置によって品質の検査が行われる検査工程とを含む生産プロセスを対象とし、
上記製造品毎に、上記製造工程から取得される各部分製造工程を実行した製造装置を示す情報を含んだプロセスデータと、上記検査工程から取得される、品質の検査結果を表す検査データとを関連付けて、上記複数の製造品についてのデータセットとして記憶するデータセット記憶部と、
上記複数の部分製造工程の中でいずれか一の部分製造工程が指定されたとき、上記データセットに基づいて、上記一の部分製造工程を実行する上記製造装置別に、それぞれの製造装置によってプロセス処理が行われた製造品についての検査データのばらつきに関する統計量を算出し、上記データセットに対して、上記製造装置別の上記統計量を上記検査工程の検査内容に応じた目標に一致させる演算を行って、上記データセットのデータ数を維持しながら、上記一の部分製造工程を実行する上記製造装置に依存した上記検査データのばらつきへの影響を上記データセットから排除する影響排除部と、
上記影響排除部による上記演算を受けた上記データセットを用いて、不良要因の抽出を行う不良要因抽出部とを備えることを特徴とする不良要因抽出装置。
【請求項２】
請求項１に記載の不良要因抽出装置において、
上記データセットに対して所定の分析方法による分析を行って、上記検査結果に対する上記複数の部分製造工程のそれぞれの影響度に応じて、上記複数の部分製造工程に対して不良要因として推定される順位を付ける順位付け部と、
上記順位付け部による順位付けの結果を表す画像を所定の表示画面に表示する表示処理部とを備えたことを特徴とする不良要因抽出装置。
【請求項３】
請求項２に記載の不良要因抽出装置において、
上記複数の部分製造工程の中で上記一の部分製造工程とは異なる別の部分製造工程が指定される度に、上記影響排除部を動作させ、上記影響排除部による演算を受けた後の上記データセットを用いて、上記順位付け部を再び動作させて、上記複数の部分製造工程に対して不良要因として推定される順位を付けさせるとともに、上記表示処理部を再び動作させて、上記順位付け部による順位付けの結果を表す情報を上記表示画面に表示させる制御を行う繰り返し制御部を備えたことを特徴とする不良要因抽出装置。
【請求項４】
請求項１から３までのいずれか一つに記載の不良要因抽出装置において、
上記統計量は平均と標準偏差であり、
上記影響排除部は、上記一の部分製造工程を実行する複数の製造装置のうち、上記平均が上記目標に最も近い一の製造装置を選択し、上記演算として、上記一の製造装置以外の他の製造装置について算出した平均と標準偏差をそれぞれ上記一の製造装置について算出した平均と標準偏差に一致させる演算を行うことを特徴とする不良要因抽出装置。
【請求項５】
請求項１から３までのいずれか一つに記載の不良要因抽出装置において、
上記統計量は平均と標準偏差であり、
上記影響排除部は、上記一の部分製造工程を実行する複数の製造装置に対して上記平均が上記目標に近い順に順位を付け、上記演算として、それらの順位のうち所定の順位よりも下位の製造装置の平均と標準偏差を、上記所定の順位の製造装置の平均と標準偏差にそれぞれ一致させる演算を行うことを特徴とする不良要因抽出装置。
【請求項６】
請求項５に記載の不良要因抽出装置において、
上記影響排除部による上記演算を受けたデータセットを出力するデータセット出力部を備えたことを特徴とする不良要因抽出装置。
【請求項７】
複数の製造品に対して、製造装置によってプロセス処理が行われる製造工程と、検査装置によって品質の検査が行われる検査工程とを含む生産プロセスを対象とし、
上記製造品毎に、上記製造工程から取得される、製造条件の名称、素材の種類、製造装置の名称を含む複数のカテゴリに分類される質的変数を含んだプロセスデータと、上記検査工程から取得される、品質の検査結果を表す検査データとを関連付けて、上記複数の製造品についてのデータセットとして記憶するデータセット記憶部と、
上記プロセスデータの中でいずれか一の質的変数が指定されたとき、上記データセットに基づいて、上記一の質的変数が取りうる値別に、それぞれの値によってプロセス処理が行われた製造品についての検査データのばらつきに関する統計量を算出し、上記データセットに対して、上記値別の上記統計量を上記検査工程の検査内容に応じた目標に一致させる演算を行って、上記データセットのデータ数を維持しながら、上記一の質的変数の変化に依存した上記検査データのばらつきへの影響を上記データセットから排除する影響排除部と、
上記影響排除部による上記演算を受けた上記データセットを用いて、不良要因の抽出を行う不良要因抽出部とを備えることを特徴とする不良要因抽出装置。
【請求項８】
複数の製造品に対して、同じ機能を有する複数の製造装置のうちのいずれかによってプロセス処理が行われる部分製造工程を複数持つ製造工程と、上記製造工程によってプロセス処理が行われた製造品に対して、検査装置によって品質の検査が行われる検査工程とを含む生産プロセスを対象とし、
上記製造品毎に、上記製造工程から取得される各部分製造工程を実行した製造装置を示す情報を含んだプロセスデータと、上記検査工程から取得される、品質の検査結果を表す検査データとを関連付けて、上記複数の製造品についてのデータセットとして記憶するデータセット記憶ステップと、
上記複数の部分製造工程の中でいずれか一の部分製造工程が指定されたとき、上記データセットに基づいて、上記一の部分製造工程を実行する上記製造装置別に、それぞれの製造装置によってプロセス処理が行われた製造品についての検査データのばらつきに関する統計量を算出し、上記データセットに対して、上記製造装置別の上記統計量を上記検査工程の検査内容に応じた目標に一致させる演算を行って、上記データセットのデータ数を維持しながら、上記一の部分製造工程を実行する上記製造装置に依存した上記検査データのばらつきへの影響を上記データセットから排除する影響排除ステップと、
上記影響排除ステップによる上記演算を受けた上記データセットを用いて、不良要因の抽出を行う不良要因抽出ステップとを備えることを特徴とする不良要因抽出方法。
【請求項９】
請求項８に記載の不良要因抽出方法をコンピュータに実行させるためのプログラム。
【請求項１０】
請求項９に記載のプログラムをコンピュータに実行させるためのコンピュータ読み取り可能な記録媒体。
【請求項１】
複数の製造品に対して、同じ機能を有する複数の製造装置のうちのいずれかによってプロセス処理が行われる部分製造工程を複数持つ製造工程と、上記製造工程によってプロセス処理が行われた製造品に対して、検査装置によって品質の検査が行われる検査工程とを含む生産プロセスを対象とし、
上記製造品毎に、上記製造工程から取得される各部分製造工程を実行した製造装置を示す情報を含んだプロセスデータと、上記検査工程から取得される、品質の検査結果を表す検査データとを関連付けて、上記複数の製造品についてのデータセットとして記憶するデータセット記憶部と、
上記複数の部分製造工程の中でいずれか一の部分製造工程が指定されたとき、上記データセットに基づいて、上記一の部分製造工程を実行する上記製造装置別に、それぞれの製造装置によってプロセス処理が行われた製造品についての検査データのばらつきに関する統計量を算出し、上記データセットに対して、上記製造装置別の上記統計量を上記検査工程の検査内容に応じた目標に一致させる演算を行って、上記データセットのデータ数を維持しながら、上記一の部分製造工程を実行する上記製造装置に依存した上記検査データのばらつきへの影響を上記データセットから排除する影響排除部と、
上記影響排除部による上記演算を受けた上記データセットを用いて、不良要因の抽出を行う不良要因抽出部とを備えることを特徴とする不良要因抽出装置。
【請求項２】
請求項１に記載の不良要因抽出装置において、
上記データセットに対して所定の分析方法による分析を行って、上記検査結果に対する上記複数の部分製造工程のそれぞれの影響度に応じて、上記複数の部分製造工程に対して不良要因として推定される順位を付ける順位付け部と、
上記順位付け部による順位付けの結果を表す画像を所定の表示画面に表示する表示処理部とを備えたことを特徴とする不良要因抽出装置。
【請求項３】
請求項２に記載の不良要因抽出装置において、
上記複数の部分製造工程の中で上記一の部分製造工程とは異なる別の部分製造工程が指定される度に、上記影響排除部を動作させ、上記影響排除部による演算を受けた後の上記データセットを用いて、上記順位付け部を再び動作させて、上記複数の部分製造工程に対して不良要因として推定される順位を付けさせるとともに、上記表示処理部を再び動作させて、上記順位付け部による順位付けの結果を表す情報を上記表示画面に表示させる制御を行う繰り返し制御部を備えたことを特徴とする不良要因抽出装置。
【請求項４】
請求項１から３までのいずれか一つに記載の不良要因抽出装置において、
上記統計量は平均と標準偏差であり、
上記影響排除部は、上記一の部分製造工程を実行する複数の製造装置のうち、上記平均が上記目標に最も近い一の製造装置を選択し、上記演算として、上記一の製造装置以外の他の製造装置について算出した平均と標準偏差をそれぞれ上記一の製造装置について算出した平均と標準偏差に一致させる演算を行うことを特徴とする不良要因抽出装置。
【請求項５】
請求項１から３までのいずれか一つに記載の不良要因抽出装置において、
上記統計量は平均と標準偏差であり、
上記影響排除部は、上記一の部分製造工程を実行する複数の製造装置に対して上記平均が上記目標に近い順に順位を付け、上記演算として、それらの順位のうち所定の順位よりも下位の製造装置の平均と標準偏差を、上記所定の順位の製造装置の平均と標準偏差にそれぞれ一致させる演算を行うことを特徴とする不良要因抽出装置。
【請求項６】
請求項５に記載の不良要因抽出装置において、
上記影響排除部による上記演算を受けたデータセットを出力するデータセット出力部を備えたことを特徴とする不良要因抽出装置。
【請求項７】
複数の製造品に対して、製造装置によってプロセス処理が行われる製造工程と、検査装置によって品質の検査が行われる検査工程とを含む生産プロセスを対象とし、
上記製造品毎に、上記製造工程から取得される、製造条件の名称、素材の種類、製造装置の名称を含む複数のカテゴリに分類される質的変数を含んだプロセスデータと、上記検査工程から取得される、品質の検査結果を表す検査データとを関連付けて、上記複数の製造品についてのデータセットとして記憶するデータセット記憶部と、
上記プロセスデータの中でいずれか一の質的変数が指定されたとき、上記データセットに基づいて、上記一の質的変数が取りうる値別に、それぞれの値によってプロセス処理が行われた製造品についての検査データのばらつきに関する統計量を算出し、上記データセットに対して、上記値別の上記統計量を上記検査工程の検査内容に応じた目標に一致させる演算を行って、上記データセットのデータ数を維持しながら、上記一の質的変数の変化に依存した上記検査データのばらつきへの影響を上記データセットから排除する影響排除部と、
上記影響排除部による上記演算を受けた上記データセットを用いて、不良要因の抽出を行う不良要因抽出部とを備えることを特徴とする不良要因抽出装置。
【請求項８】
複数の製造品に対して、同じ機能を有する複数の製造装置のうちのいずれかによってプロセス処理が行われる部分製造工程を複数持つ製造工程と、上記製造工程によってプロセス処理が行われた製造品に対して、検査装置によって品質の検査が行われる検査工程とを含む生産プロセスを対象とし、
上記製造品毎に、上記製造工程から取得される各部分製造工程を実行した製造装置を示す情報を含んだプロセスデータと、上記検査工程から取得される、品質の検査結果を表す検査データとを関連付けて、上記複数の製造品についてのデータセットとして記憶するデータセット記憶ステップと、
上記複数の部分製造工程の中でいずれか一の部分製造工程が指定されたとき、上記データセットに基づいて、上記一の部分製造工程を実行する上記製造装置別に、それぞれの製造装置によってプロセス処理が行われた製造品についての検査データのばらつきに関する統計量を算出し、上記データセットに対して、上記製造装置別の上記統計量を上記検査工程の検査内容に応じた目標に一致させる演算を行って、上記データセットのデータ数を維持しながら、上記一の部分製造工程を実行する上記製造装置に依存した上記検査データのばらつきへの影響を上記データセットから排除する影響排除ステップと、
上記影響排除ステップによる上記演算を受けた上記データセットを用いて、不良要因の抽出を行う不良要因抽出ステップとを備えることを特徴とする不良要因抽出方法。
【請求項９】
請求項８に記載の不良要因抽出方法をコンピュータに実行させるためのプログラム。
【請求項１０】
請求項９に記載のプログラムをコンピュータに実行させるためのコンピュータ読み取り可能な記録媒体。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【公開番号】特開２０１２−３８０１２（Ｐ２０１２−３８０１２Ａ）
【公開日】平成２４年２月２３日（２０１２．２．２３）
【国際特許分類】
【出願番号】特願２０１０−１７６１５８（Ｐ２０１０−１７６１５８）
【出願日】平成２２年８月５日（２０１０．８．５）
【出願人】（０００００５０４９）シャープ株式会社 (33,933)
【Ｆターム（参考）】
【公開日】平成２４年２月２３日（２０１２．２．２３）
【国際特許分類】
【出願日】平成２２年８月５日（２０１０．８．５）
【出願人】（０００００５０４９）シャープ株式会社 (33,933)
【Ｆターム（参考）】
[ Back to top ]