要因分析方法、要因分析装置、及び記録媒体
【課題】空間的な広がりをもつ製造物について特性値の分布の変動発生要因としてプロセス項目を特定できる要因分析方法を提供すること。
【解決手段】複数の製造物の特性分布データに基づいて、パターン分類手法によって、特性分布データにおける変動の特徴を表す複数の構成成分を抽出するとともに、特性分布データの各々に対して、複数の構成成分がその特性分布データを表すのに寄与する重み係数をそれぞれ算出する（Ｓ１）。算出された重み係数に基づいてまたは入力指示に応じて、複数の構成成分のうち分析対象とすべき構成成分を少なくとも一つ選択する（Ｓ２）。選択された構成成分に関する重み係数とプロセス項目毎に取得された製造データとに基づいて、特性分布データにおける変動発生要因としてのプロセス項目を抽出する（Ｓ３）。
【解決手段】複数の製造物の特性分布データに基づいて、パターン分類手法によって、特性分布データにおける変動の特徴を表す複数の構成成分を抽出するとともに、特性分布データの各々に対して、複数の構成成分がその特性分布データを表すのに寄与する重み係数をそれぞれ算出する（Ｓ１）。算出された重み係数に基づいてまたは入力指示に応じて、複数の構成成分のうち分析対象とすべき構成成分を少なくとも一つ選択する（Ｓ２）。選択された構成成分に関する重み係数とプロセス項目毎に取得された製造データとに基づいて、特性分布データにおける変動発生要因としてのプロセス項目を抽出する（Ｓ３）。
【発明の詳細な説明】
【技術分野】
【０００１】
この発明は要因分析方法に関し、より詳しくは、空間的な広がりをもつ製造物について欠陥や特性値の分布の変動発生要因を分析する要因分析方法および要因分析装置に関する。
【０００２】
また、この発明は、上記要因分析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】
【０００３】
各種製品の生産工程において、高品質な製品を高い歩留りで生産するためには、生産工程における現象を分析し、それを基に生産工程をコントロールすることが重要である。その１つには、各種製品の生産工程において、不良発生時に不良の要因分析を行い、それを生産工程へフィードバックする方法がある。この不良要因分析には、生産工程のうちの製造工程から取得できる製造データと、検査工程から取得できる検査データをデータベースに保存し、それらのデータについて統計的手法を適用し、不良の要因を抽出する手法がある。
【０００４】
半導体ウェハ、半導体ディスプレイ、半導体発光素子などの薄膜により構成される電子デバイスの生産工程においても、同様に歩留りの向上や安定化を目的として様々な検査が実施される。これらの検査には、例えば基板上に付着した異物等によって生じる回路パターンの欠陥を検査するようなパターン検査や、製造プロセス後の電気的・物理的な各種特性を基板面内に沿って複数箇所計測する特性値の分布の検査が含まれている。これらの検査によって、基板面内における欠陥や特性値の分布状態を確認することができる。基板面内における欠陥は、基板から製造される製造物の特性値に影響を及ぼし、製品の歩留りや特性の低下に繋がる。同じように、基板面内における特性値の分布の変動も、製造物の特性値のばらつきに影響を与えるため、歩留りや特性の低下に繋がる。このため、特性値の分布検査の結果を基にして調査・解析を行い、迅速に特性値の分布の変動発生要因を特定して対策を施すことで、特性ばらつき、歩留り低下を抑制することが重要となる。
【０００５】
このような、平面に沿って分布する欠陥や特性値の分布の変動は、特定の要因によって特定の分布パターンとして発生することが多い。このため、特許文献１（ＷＯ２００７／１２５９４１号公報）では基板上の欠陥の分布を抽出して分類し、製品不良等の原因となる異常な工程や装置を特定できる原因装置特定方法が開示されている。
【先行技術文献】
【特許文献】
【０００６】
【特許文献１】ＷＯ２００７／１２５９４１号公報
【発明の概要】
【発明が解決しようとする課題】
【０００７】
しかしながら、特許文献１（ＷＯ２００７／１２５９４１号公報）の方法を用いた場合、原因となる工程又は装置しか特定することができない。各工程や装置には、製造条件を設定すべきプロセス項目が多数存在する。一般的にプロセス項目は、工程や装置の管理を行う作業者が手作業で評価が可能な数個程度の項目数ではなく、数十個から多いものでは百個を超えるものもある。このため、その中から、欠陥や特性値の分布の変動を生じさせている要因を特定しようとしても分析が粗くなって、生産工程における要因分析としては不十分であった。
【０００８】
上述の課題は、基板にプロセスを施した製造品を製造する場合に限らず発生する。例えば、空間的な広がりをもつ製造物について、上記製造物の部位毎に同一の検査を行ない、その検査データの分布状態を検査結果とする検査工程が存在すれば、同様の課題が生ずる。
【０００９】
そこで、この発明の課題は、空間的な広がりをもつ製造物について特性値の分布の変動発生要因としてプロセス項目を特定できる要因分析方法および要因分析装置を提供することにある。なお、本段落以降では、「特性値」という用語を、電気的・物理的な特性だけでなく、欠陥数を含む広い概念をもつものとして用いる。
【００１０】
また、この発明の課題は、そのような要因分析方法をコンピュータに実行させるためのプログラムを記録したコンピュータ読み取り可能な記録媒体を提供することにある。
【課題を解決するための手段】
【００１１】
上記課題を解決するため、この発明の要因分析方法は、複数のプロセス項目を含む製造プロセスにより処理された空間的な広がりをもつ製造物について、上記プロセス項目毎に製造条件を表す製造データを取得するとともに、上記製造物の部位毎に特性値を計測して上記製造物上の上記特性値の分布を表す特性分布データを取得し、上記特性分布データにおける変動発生要因を分析する要因分析方法であって、
複数の製造物の特性分布データに基づいて、パターン分類手法によって、上記特性分布データにおける変動の特徴を表す複数の構成成分を抽出するとともに、上記特性分布データの各々に対して、上記複数の構成成分がその特性分布データを表すのに寄与する重み係数をそれぞれ算出する構成成分抽出ステップと、
上記算出された重み係数に基づいてまたは入力指示に応じて、上記複数の構成成分のうち分析対象とすべき構成成分を少なくとも一つ選択する構成成分選択ステップと、
上記選択された構成成分に関する重み係数と上記プロセス項目毎に取得された上記製造データとに基づいて、上記複数のプロセス項目の中から、上記特性分布データにおける変動発生要因としてのプロセス項目を抽出するプロセス項目抽出ステップと、
を有する。
【００１２】
本明細書で、「製造物」とは、完成品だけでなく、仕掛品も含む。
【００１３】
また、「空間的な広がり」とは、平面的な広がりのほか、立体的な広がりも含む。
【００１４】
また、「プロセス項目」とは、上記製造プロセスに含まれる工程又は装置に設定される製造条件の項目を指す。
【００１５】
また、製造物の「部位」は、座標点で表現される製造物に含まれる点を示す場合と、製造物を特定の基準に従って空間的に区画した場合のその一つの領域を示す場合との両方を含む。
【００１６】
また、既述のように、「特性値」は、電気的・物理的な特性だけでなく、欠陥数を含む広い概念を意味する。
【００１７】
「入力指示」とは、ユーザ（要因分析装置を操作する操作者や製造プロセスのメンテナンス担当者を含む。）による指示を意味する。
【００１８】
この発明の要因分析方法では、上記構成成分抽出ステップで算出された重み係数に基づいてまたは入力指示に応じて、上記構成成分選択ステップで、上記特性分布データにおける変動発生要因に関連する構成成分を絞り込む。したがって、分析が粗くなるのを防止できる。そして、プロセス項目抽出ステップで、上記選択された構成成分に関する重み係数に基づいて、上記特性分布データにおける変動発生要因としてのプロセス項目を抽出する。これにより、空間的な広がりをもつ製造物について特性値の分布の変動発生要因としてプロセス項目を特定できる。
【００１９】
一実施形態の要因分析方法では、上記製造物の上記部位は、上記製造物の座標点、または上記製造物の表面を格子状に区画して設定された格子点若しくは矩形領域であることを特徴とする。
【００２０】
この一実施形態の要因分析方法では、上記製造物の特性分布データを好ましく取得できる。
【００２１】
一実施形態の要因分析方法では、上記複数の構成成分は統計的に互いに独立していることを特徴とする。
【００２２】
この一実施形態の要因分析方法では、上記構成成分選択ステップで、上記特性分布データにおける変動発生要因に関連する構成成分を容易に絞り込むことができる。
【００２３】
一実施形態の要因分析方法では、上記パターン分類手法は、上記複数の製造物の特性分布データを重ね合わせ、その重ね合わされた特性分布データにおける特性値の分布の偏りを上記構成成分として分類するクラスタリング手法であることを特徴とする。
【００２４】
この一実施形態の要因分析方法では、上記複数の構成成分を好ましく抽出できる。
【００２５】
一実施形態の要因分析方法では、上記構成成分選択ステップでは、上記複数の構成成分のそれぞれについて、上記重み係数に基づいて上記構成成分を評価するための成分指標値を算出し、上記分析対象とすべき構成成分として、上記成分指標値が最も大きい構成成分、又は上記成分指標値が最も小さい構成成分を選択することを特徴とする。
【００２６】
この一実施形態の要因分析方法では、上記成分指標値によって上記分析対象とすべき構成成分を正確に選択できる。
【００２７】
一実施形態の要因分析方法では、
上記プロセス項目抽出ステップでは、
上記複数の製造物の特性分布データのうち、上記選択された構成成分の重み係数が予め定められた閾値を超えている製造物の特性分布データを、上記選択された構成成分の影響を受けている製造物の特性分布データとして分類する一方、上記選択された構成成分の重み係数が上記閾値以下である製造物の特性分布データを、上記選択された構成成分の影響を受けていない製造物の特性分布データとして分類し、
上記選択された構成成分の影響を受けている製造物の特性分布データと上記選択された構成成分の影響を受けていない製造物の特性分布データとの間で上記製造データの傾向が異なるプロセス項目を、上記特性分布データにおける変動発生要因としてのプロセス項目として抽出することを特徴とする。
【００２８】
この一実施形態の要因分析方法では、上記選択された構成成分の影響を受けている製造物の特性分布データと上記選択された構成成分の影響を受けていない製造物の特性分布データとを分類しているので、上記変動発生要因としてのプロセス項目をより正確に抽出できる。
【００２９】
一実施形態の要因分析方法では、
上記プロセス項目抽出ステップの前に、上記重み係数と上記プロセス項目毎に取得された上記製造データとに基づいて、上記製造物の特性値に影響を与える質的変数のカテゴリを抽出するカテゴリ抽出ステップを有し、
上記プロセス項目抽出ステップでは、上記抽出された質的変数のカテゴリに含まれるプロセス項目の中から、上記特性分布データにおける変動発生要因としてのプロセス項目を抽出することを特徴とする。
【００３０】
この一実施形態の要因分析方法では、上記カテゴリ抽出ステップで上記製造物の特性値に影響を与える質的変数のカテゴリを絞り込んでいる。したがって、分析が粗くなるのをさらに有効に防止でき、上記変動発生要因としてのプロセス項目をより正確に抽出できる。また、要因分析および分析結果の判断に必要な時間の短縮となり、効率よく要因分析を行うことができる。
【００３１】
一実施形態の要因分析方法では、
上記プロセス項目抽出ステップの後、さらに、
上記抽出されたプロセス項目を含む質的変数の中から、上記製造物の特性値に影響を与える質的変数のカテゴリを抽出するカテゴリ抽出ステップを有することを特徴とする。
【００３２】
この一実施形態の要因分析方法では、上記カテゴリ抽出ステップによって上記製造物の特性値に影響を与える質的変数のカテゴリを抽出できる。また、要因分析および分析結果の判断に必要な時間の短縮となり、効率よく要因分析を行うことができる。
【００３３】
この発明の要因分析装置は、複数のプロセス項目を含む製造プロセスにより処理された空間的な広がりをもつ製造物について、上記プロセス項目毎に製造条件を表す製造データを取得するとともに、上記製造物の部位毎に特性値を計測して上記製造物上の上記特性値の分布を表す特性分布データを取得し、上記特性分布データにおける変動発生要因を分析する要因分析装置であって、
複数の製造物の特性分布データに基づいて、パターン分類手法によって、上記特性分布データにおける変動の特徴を表す複数の構成成分を抽出するとともに、上記特性分布データの各々に対して、上記複数の構成成分がその特性分布データを表すのに寄与する重み係数をそれぞれ算出する構成成分抽出部と、
上記算出された重み係数に基づいてまたは入力指示に応じて、上記複数の構成成分のうち分析対象とすべき構成成分を少なくとも一つ選択する構成成分選択部と、
上記選択された構成成分に関する重み係数と上記プロセス項目毎に取得された上記製造データとに基づいて、上記複数のプロセス項目の中から、上記特性分布データにおける変動発生要因としてのプロセス項目を抽出するプロセス項目抽出部と、
を備える。
【００３４】
この発明の要因分析装置では、上記構成成分抽出部で算出された重み係数に基づいてまたは入力指示に応じて、上記構成成分選択部が、上記特性分布データにおける変動発生要因に関連する構成成分を絞り込む。したがって、分析が粗くなるのを防止できる。そして、プロセス項目抽出部は、上記選択された構成成分に関する重み係数に基づいて、上記特性分布データにおける変動発生要因としてのプロセス項目を抽出する。これにより、空間的な広がりをもつ製造物について特性値の分布の変動発生要因としてプロセス項目を特定できる。
【００３５】
この発明の記録媒体は、上記要因分析方法をコンピュータに実行させるためのプログラムを記録したコンピュータ読み取り可能な記録媒体である。
【００３６】
この発明の記録媒体によれば、記録媒体に記録されたプログラム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要因分析方法を実行させることができる。
【００３７】
別の局面では、この発明の要因分析装置は、複数のプロセス項目を含む製造プロセスにより処理された空間的な広がりをもつ製造物について、上記プロセス項目毎に製造条件を表す製造データを取得するとともに、上記製造物の部位毎に特性値を計測して上記製造物上の上記特性値の分布を表す特性分布データを取得し、上記特性分布データにおける変動発生要因を分析する要因分析装置であって、
複数の製造物の特性分布データに基づいて、パターン分類手法によって、上記特性分布データにおける変動の特徴を表す構成成分を複数抽出するとともに、上記特性分布データの各々に対して、上記複数の構成成分がその特性分布データを表すのに寄与する重み係数をそれぞれ算出する構成成分抽出部と、
上記複数の構成成分のそれぞれについて、上記重み係数に基づいて上記構成成分を評価するための成分指標値を算出する成分指標値算出部と、
上記構成成分を表す画像と、上記構成成分に対応する上記成分指標値とを、所定の表示画面に表示する処理を行う表示処理部と、
を備える。
【００３８】
この一実施形態の要因分析装置では、表示画面に、上記構成成分を表す画像と、上記構成成分に対応する上記成分指標値とが表示される。したがって、ユーザは、上記表示画面を見ることによって、複数の構成成分のうちどの構成成分が複数の製造物の特性分布データの変動に最も寄与しているかを、確認することができる。したがって、ユーザは、上記特性分布データにおける変動発生要因に関連する構成成分を選択する判断を、適切に行うことができる。
【００３９】
一実施形態の要因分析装置では、上記構成成分を表す画像は、上記製造物の空間的な広がりに対応する表示空間で、上記構成成分のパターンおよび値に応じた図形要素を配して構成されていることを特徴とする。
【００４０】
この一実施形態の要因分析装置では、ユーザは、上記表示画面を見ることによって、複数の構成成分のうちどの構成成分が複数の製造物の特性分布データの変動に最も寄与しているかを、上記視覚を通して容易に確認することができる。したがって、ユーザは、上記特性分布データにおける変動発生要因に関連する構成成分を選択する判断を、さらに適切に行うことができる。
【発明の効果】
【００４１】
以上より明らかなように、本発明の要因分析方法および要因分析装置によれば、空間的な広がりをもつ製造物について特性値の分布の変動発生要因としてプロセス項目を特定できる。
【００４２】
また、本発明の記録媒体によれば、記録媒体に記録されたプログラム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要因分析方法を実行させることができる。
【図面の簡単な説明】
【００４３】
【図１】この発明の第１実施形態の要因分析装置の構成を、生産装置の構成と併せて示す図である。
【図２】図１の要因分析装置によって実行される要因分析方法の概略フローを示す図である。
【図３】図２中の構成成分抽出ステップＳ１の詳細フローを示す図である。
【図４Ａ】製造物の複数の部位毎に計測された特性値の分布を例示する図である。
【図４Ｂ】製造物の複数の部位毎に計測された特性値の分布を平面的な図形要素を用いて例示する図である。
【図５】抽出された構成成分を表す画像と、上記構成成分に対応する成分指標値とが、表示装置の表示画面に表示された例を示す図である。
【図６】製造物の部位毎に特性値を計測して得られた特性分布データを、上記構成成分と重み係数との積の１次結合で表す概念を説明する図である。
【図７】複数の構成成分のうち分析対象とすべき構成成分を選択するためのデータセットを例示する図である。
【図８】製造物毎に、製造物の特性分布データに対して上記選択された構成成分がもつ重み係数を示す図である。
【図９】各プロセス項目について、上記選択された構成成分が変動要因であるかを評価するための要因指標値の一覧結果を示す図である。
【図１０】上記要因分析方法によって、変動要因として特定されたプロセス項目の製造データと重み係数との間の関係を、製造物毎にプロットして示す図である。
【図１１】この発明の第２実施形態の要因分析装置の構成を、生産装置の構成と併せて示す図である。
【図１２】図１１の要因分析装置によって実行される要因分析方法のフローを示す図である。
【図１３】上記要因分析方法における要因分析Ａによって、上記選択された構成成分の発生要因を分析した結果として、製造工程毎に要因指標値を示す図である。
【図１４】上記要因分析Ａによって選択された製造工程の製造装置毎に、製造物の特性分布データに対して上記選択された構成成分がもつ重み係数を示す図である。
【図１５】上記要因分析方法における要因分析Ｂによって、変動要因として特定されたプロセス項目の製造データと重み係数との間の関係を、製造物毎にプロットして示す図である。
【発明を実施するための形態】
【００４４】
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。
【００４５】
（第１実施形態）
図１は、本発明の一実施形態の要因分析装置１０４の構成を、生産ラインに設けられた生産装置１０１の構成と併せて示している。概略、生産装置１０１は要因分析方法に用いられるデータを提供し、要因分析装置１０４は生産装置１０１から提供されたデータを取得して要因分析を実行する。
【００４６】
生産装置１０１は、製造プロセス装置１０２と検査プロセス装置１０３とを含んでいる。製造プロセス装置１０２は、成膜工程、露光工程、エッチング工程等をそれぞれ実行する図示しない複数種類の製造装置を含んでいる。製造物は、製造物（この例では、基板をロット単位とする。）毎に順次、それらの製造装置による処理を受ける。また、製造プロセス装置１０２は、製造データを測定するための図示しない測定装置を含んでいる。この測定装置は、製造物毎に各工程を実行する装置内の温度、圧力、投入電力量等の製造条件に関する項目（プロセス項目）のデータを測定する。製造プロセス装置１０２は、それらのプロセス項目毎に取得された製造データを、ロット番号（基板番号）と対応づけて、製造データとして要因分析装置１０４へ送信する。
【００４７】
検査プロセス装置１０３は、製造プロセス装置１０２によって実行される所定の工程を経た製造物に対して検査を行う。この例では、検査プロセス装置１０３は、図４Ａに示すように、製造プロセス装置１０２により処理された製造物８０の１つの基板面を縦横それぞれ所定の数で格子状に区画し、区画されたｎ個（ただし、ｎは２以上の自然数である。）の矩形領域８１毎に特性値を計測して取得する。図４Ａ中の幾つかの矩形領域８１には、理解の容易のため、その矩形領域について測定された特性値が表されている。
【００４８】
この例では、製造物８０の特性分布データとして、特性値が各矩形領域８１において低く、均一であるのが望ましいものとする。製造プロセス装置１０２に含まれた何れかの製造装置において異変が起こると、特性値は高くなり、特性分布データが様々な分布形状に変動する。このため、特性分布データにおける変動発生要因としてのプロセス項目を特定して、対策を立案、実施することが必要となる。
【００４９】
検査プロセス装置１０３は、複数の製造物８０について製造物毎に得られた特性分布データＸ１，Ｘ２，Ｘ３，…（図４Ｂに例示する。）をそれぞれロット番号（基板番号）と対応づけて、順次図１中に示す要因分析装置１０４へ送信する。なお、図４Ｂの特性分布データＸ１，Ｘ２，Ｘ３，…を表す画像は、製造物８０の空間的な広がりに対応する表示空間９０で、製造物８０の各矩形領域８１に対応する桝目９１に図形要素としての濃度を付与して構成されている。各桝目９１の濃度は、対応する矩形領域８１について測定された特性値に応じて可変して設定されている。
【００５０】
図１中に示す要因分析装置１０４は、概略、データベース１０５と、演算装置１０６と、表示装置１０７と、入力装置１０８とを備えている。
【００５１】
データベース１０５は、ハードディスクドライブなどの記憶装置からなり、製造プロセス装置１０２から受けた製造データと、検査プロセス装置１０３から受けた特性分布データとを、製造物８０毎にロット番号で関連付けて格納する。
【００５２】
演算装置１０６は、この例では、構成成分抽出部１０６ａ、構成成分選択部１０６ｂ、プロセス項目抽出部１０６ｃ、および表示処理部１０６ｄを備えている。演算装置１０６は、概略、データベース１０５から製造データと特性分布データとを含む各種データを取得し、後述の要因分析方法を実行して、特性分布データにおける変動発生要因としてのプロセス項目を特定する。演算装置１０６の各部１０６ａ〜１０６ｄ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。この演算装置１０６の各部１０６ａ〜１０６ｄの働きについては、後述の要因分析方法の説明の中で述べる。
【００５３】
なお、そのようなコンピュータプログラムは、コンピュータに付属のハードディスクドライブに記憶させておいても良いし、または、コンピュータ読み取り可能な記録媒体（コンパクトディスク（ＣＤ）やデジタル万能ディスク（ＤＶＤ）など）に記録しておき、プログラム実行に際して再生装置（ＣＤドライブやＤＶＤドライブなど）で読み出すようにしても良い。
【００５４】
表示装置１０７は、この例ではＬＣＤ（液晶表示素子）からなり、演算装置１０６の表示処理部１０６ｄから受けた画像データを表示画面に表示する。なお、表示装置１０７は、要因分析装置１０４の外部に設けられたＣＲＴ（陰極線管）等のディスプレイ装置であっても良い。
【００５５】
入力装置１０８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。
【００５６】
なお、表示装置１０７と入力装置１０８は、例えばユーザがペンで表示画面の或る箇所をタッチして入力を行う公知のタッチパネル式ＬＣＤとして構成されても良い。
【００５７】
図２は、上記演算装置１０６によって実行される要因分析方法の概略フローを示している。
【００５８】
まず、ステップＳ１（構成成分抽出ステップ）で、構成成分抽出部１０６ａが、データベース１０５に格納された複数の製造物８０の特性分布データＸ１，Ｘ２，Ｘ３，…（図４Ｂに例示する。）に基づいて、パターン分類手法によって、上記特性分布データＸ１，Ｘ２，Ｘ３，…における変動の特徴を表す複数の構成成分Ｐ１，Ｐ２，Ｐ３，…（図５に例示する。）を抽出する。
【００５９】
上記パターン分類手法としては、特性分布データについての特徴空間の基底となるデータを構成成分として抽出する独立成分分析や主成分分析、各製造物の特性分布データを重ね合わせそのデータに対して特性値の分布の偏りを構成成分として分類するクラスタリング手法であるＫ平均（k-means）法や自己組織化マップ（ＳＯＭ）を用いることができる。
【００６０】
ここで、図５の例では、構成成分Ｐ１，Ｐ２，Ｐ３，…を表す画像は、図４Ｂの特性分布データＸ１，Ｘ２，Ｘ３，…を表す画像と同様に、製造物８０の空間的な広がりに対応する表示空間９０で、製造物８０の各矩形領域８１に対応する桝目９１に図形要素としての濃度を付与して構成されている。各桝目９１の濃度は、対応する矩形領域８１について測定された特性値に応じて可変して設定されている。図５から分かるように、構成成分Ｐ１，Ｐ２，Ｐ３，…は、特性分布データＸ１，Ｘ２，Ｘ３，…に現れた変動の特徴的なパターンに相当する。
【００６１】
さらに、このステップＳ１では、構成成分抽出部１０６ａが、上記特性分布データＸ１，Ｘ２，Ｘ３，…の各々に対して、上記複数の構成成分Ｐ１，Ｐ２，Ｐ３，…がその特性分布データを表すのに寄与する重み係数ｓ１１，ｓ１２，ｓ１３，…；ｓ２１，ｓ２２，ｓ２３，…；ｓ３１，ｓ３２，ｓ３３，…をそれぞれ算出する。
【００６２】
ここで、図６に示すように、特性分布データＸ１，Ｘ２，…は、例えばステップＳ１で抽出された構成成分が４つである場合、上記構成成分と重み係数との積の１次結合によって、次のように表される。
Ｘ１＝Ｐ１×ｓ１１＋Ｐ２×ｓ１２＋Ｐ３×ｓ１３＋Ｐ４×ｓ１４
Ｘ２＝Ｐ１×ｓ２１＋Ｐ２×ｓ２２＋Ｐ３×ｓ２３＋Ｐ４×ｓ２４
…
【００６３】
次に、図２中のステップＳ２（構成成分選択ステップ）では、構成成分選択部１０６ｂが、それらの重み係数に基づいて、上記複数の構成成分Ｐ１，Ｐ２，Ｐ３，…のうち分析対象とすべき構成成分を少なくとも一つ選択する。なお、構成成分選択部１０６ｂは、上記複数の構成成分Ｐ１，Ｐ２，Ｐ３，…のうち、図１中の入力装置１０８を通してユーザによって入力指示された構成成分を選択しても良い。
【００６４】
次に、図２中のステップＳ３（プロセス項目抽出ステップ）で、プロセス項目抽出部１０６ｃが、上記選択された構成成分に関する重み係数と上記プロセス項目毎に取得された上記製造データとに基づいて、上記複数のプロセス項目の中から、上記特性分布データＸ１，Ｘ２，Ｘ３，…における変動発生要因としてのプロセス項目を抽出する。
【００６５】
これにより、空間的な広がりをもつ製造物について特性値の分布の変動発生要因としてプロセス項目を特定できる。
【００６６】
次に、図２中のステップＳ１，Ｓ２，Ｓ３における処理を、より具体的に説明する。
【００６７】
図２中のステップＳ１（構成成分抽出ステップ）では、まず、図３中のステップＳ１０１に示すように、構成成分抽出部１０６ａは、データベース１０５からｍ個（ただし、ｍは２以上の自然数である。）の製造物の特性分布データＸ１，Ｘ２，…，Ｘｍを取得する。ここで、特性分布データＸｉ（ただし、ｉはｍ以下の自然数である。）をｎ個（ただし、ｎは自然数である。）の特性値ｘｉ１，ｘｉ２，…，ｘｉｎを成分とする特性ベクトルＸｉ＝（ｘｉ１，ｘｉ２，…，ｘｉｎ）とすると、全製造物の特性分布データＸは、
として求められる。
【００６８】
次に、ステップＳ１０２に示すように、この例では上記パターン分類手法として独立成分分析を用いて、全製造物の特性分布データＸから統計的に互いに独立したｐ個（ただし、ｐは２以上の自然数である。）の構成成分Ｐ１，Ｐ２，…，Ｐｐを抽出する。既述のように、構成成分Ｐｊ（ただし、ｊはｐ以下の自然数である。）は、特性分布データＸｉの基底となる特性値の分布に相当する。
【００６９】
次に、ステップＳ１０３に示すように、構成成分抽出部１０６ａは、特性分布データＸｉに対して構成成分Ｐｊがもつ重み係数ｓｉｊを算出する。ここで、重み係数ｓｉｊは、複数の構成成分Ｐ１，Ｐ２，Ｐ３，…がその特性分布データＸｉを表すのに寄与する程度を表し、特性分布データＸｉと構成成分Ｐｊがどれだけ似ているかを示す。
【００７０】
全製造物の特性分布データＸは、上記重み係数ｓｉｊの行列と構成成分Ｐｊの列ベクトルとを用いて、
と表される。
【００７１】
図２中のステップＳ２（構成成分選択ステップ）では、構成成分選択部１０６ｂが、まず成分指標値算出部として働いて、上記構成成分Ｐ１，Ｐ２，Ｐ３，…を評価するための成分指標値を算出する。具体的には、特性分布データＸ１，Ｘ２，Ｘ３，…に対して構成成分Ｐｊがもつ重み係数ｓ１ｊ，ｓ２ｊ，…，ｓｍｊと、予め定めてある閾値（これを「成分選択閾値ａ」と呼ぶ。）とを、各構成成分Ｐｊ毎に比較する。そして、成分選択閾値ａを上回る重み係数の個数を、それぞれの構成成分Ｐｊを評価するための成分指標値ａｊとして規定して、算出する。分かるように、構成成分Ｐｊが多くの特性分布データＸｉの変動に寄与していれば、成分指標値ａｊの値は大きくなる。一方、構成成分Ｐｊが変動に寄与している特性分布データＸｉの数が少なければ、成分指標値ａｊの値は小さくなる。
【００７２】
なお、成分指標値ａｊの規定の仕方は、上の例に限るものではない。例えば、特性値が高い方が望ましい場合は、成分選択閾値ａを下回る重み係数の個数を成分指標値ａｊとしてもよい。また、上記特性分布データＸ１，Ｘ２，Ｘ３，…に対して構成成分Ｐｊがもつ重み係数ｓ１ｊ，ｓ２ｊ，…，ｓｍｊの総和を成分指標値ａｊとしてもよい。
【００７３】
この例では、表示処理部１０６ｄが、図５に例示したような、上記構成成分Ｐ１，Ｐ２，Ｐ３，…を表す画像と、それらの構成成分に対応する成分指標値ａ１，ａ２，ａ３，…とをそれぞれ対応させて、図１中の表示装置１０７の表示画面に表示する。ユーザは、この表示画面を見ることによって、複数の構成成分Ｐ１，Ｐ２，Ｐ３，…のうちどの構成成分が特性分布データＸ１，Ｘ２，Ｘ３，…の変動に最も寄与しているかを、視覚を通して容易に確認することができる。
【００７４】
このステップＳ２では、構成成分選択部１０６ｂは、さらに、成分指標値ａ１，ａ２，ａ３，…に基づいて、複数の構成成分Ｐ１，Ｐ２，Ｐ３，…のうち分析対象とすべき１つの構成成分Ｐｏ（ただし、ｏはｐ以下の自然数である。）を選択する。この例では、構成成分選択部１０６ｂは、ｐ個の成分指標値ａ１，ａ２，…，ａｐのうち最も大きい成分指標値（これをａｍａｘとする。）を与える１つの構成成分Ｐｍａｘを分析対象として選択する。
【００７５】
この例では、上記構成成分Ｐ１，Ｐ２，…，Ｐｐが統計的に互いに独立しているので、それぞれ成分指標値ａｊを算出することによって、分析対象とすべき構成成分を正確に選択でき、上記特性分布データにおける変動発生要因に関連する構成成分を容易に絞り込むことができる。
【００７６】
なお、上述のように、ユーザは、上記表示装置１０７の表示画面を見ることによって、複数の構成成分Ｐ１，Ｐ２，Ｐ３，…のうちどの構成成分が特性分布データＸ１，Ｘ２，Ｘ３，…の変動に最も寄与しているかを、容易に確認できる。そこで、このステップＳ２での構成成分の選択は、ユーザによる入力装置１０８を通した入力指示に応じて行っても良い。
【００７７】
また、分析対象とする構成成分Ｐｏとして、最も小さい成分指標値ａｍｉｎを与える構成成分Ｐｍｉｎを選択してもよい。
【００７８】
最後に、図２中のステップＳ３（プロセス項目抽出ステップ）では、プロセス項目抽出部１０６ｃが、上記選択された構成成分Ｐｏに関する重み係数ｓ１ｏ，ｓ２ｏ，…，ｓｍｏと、上記データベース１０５からプロセス項目毎に取得された製造データとに基づいて、上記複数のプロセス項目の中から、上記特性分布データＸ１，Ｘ２，Ｘ３，…における変動発生要因としてのプロセス項目を抽出する。
【００７９】
例えば、特性分布データに異常な変動が発生した場合は、プロセス項目から異常発生の要因を抽出する。このとき、図７に例示するように、複数の構成成分Ｐ１，Ｐ２，Ｐ３，…のうち、選択された構成成分Ｐｏを目的変数とし、上記選択された構成成分Ｐｏに関する重み係数ｓ１ｏ，ｓ２ｏ，…，ｓｍｏを目的変数データとする。また、複数のプロセス項目Ｙ１，Ｙ２，…を説明変数とし、それらのプロセス項目Ｙ１，Ｙ２，…に対応する製造条件のデータを説明変数データとする。プロセス項目の製造条件の値（製造データ）は、プロセス項目毎に単位や数値の桁が異なるため、標準化処理を行う。この標準化したデータを説明変数データとする。このような設定で、図７に例示するデータセットを用いて、上記変動発生要因としてのプロセス項目を抽出する。
【００８０】
プロセス項目を抽出する方法としては、主成分分析、主成分回帰、ＰＬＳ（Partial Least Squares）回帰、多重回帰分析などの多変量解析や、ニューラルネット、ベイズモデリングなど非線形な解析モデル、目的変数と各説明変数における相関分析の単変量解析などを用いることができる。また、目的変数データを予め設定された閾値（ｂとする。）を基準として２値化し、目的変数に対して、分散分析、決定木分析のような分析を行っても良い。
【００８１】
この例では、上記目的変数データを２値化した上で、主成分分析の手法を応用して、プロセス項目を抽出するものとする。
【００８２】
具体的には、複数の構成成分Ｐ１，Ｐ２，Ｐ３，…のうち、ステップＳ２で選択された構成成分ＰｏはＰ２であったものとする。このとき、特性分布データＸ１，Ｘ２，Ｘ３，…に対して上記選択された構成成分Ｐ２がもつ重み係数ｓ１２，ｓ２２，…，ｓｍ２は、図８に例示するようになっていたものとする（図８の横軸は製造物のロット番号である。）。ここで、閾値ｂを６に設定する。そして、特性分布データＸ１，Ｘ２，Ｘ３，…のうち、重み係数ｓｉ２が閾値６を超えている製造物の特性分布データを、上記選択された構成成分Ｐ２の影響を受けている製造物の特性分布データとして分類して、不良品とする。一方、重み係数ｓｉ２が閾値６以下である製造物の特性分布データを、上記選択された構成成分Ｐ２の影響を受けていない製造物の特性分布データとして、良品として分類する。そして、主成分分析によって、各プロセス項目について、上記選択された構成成分Ｐ２が変動要因であるかどうかを評価するための指標値（これを「要因指標値ｃ」と呼ぶ。）を求める。上記選択された構成成分Ｐ２の影響を受けている製造物と、受けていない製造物との間で傾向の異なるプロセス項目を抽出する方法として、この例では主成分分析を使用したが、傾向の違いを評価する手法はこれに留まるものではなく、前述した多変量解析および、非線形モデルによる統計的な評価指標値に基づく方法、ｆ検定、χ２検定に代表される統計検定による方法、各種クラスタリング手法による各クラスタの特徴量に基づく方法を用いても良い。
【００８３】
これにより、例えば図９に示すような要因指標値ｃの一覧結果が得られる（図９の横軸はプロセス項目の番号である。）。この要因指標値ｃが大きいほど、対応するプロセス項目の影響度が高いと推定される。この例では、プロセス項目１５２が要因指標値ｃの最大値Ｍａｘを与えている。したがって、このプロセス項目１５２が上記選択された構成成分Ｐ２の発生要因であると推定されて抽出される。
【００８４】
図１０は、上記抽出されたプロセス項目１５２の製造データと、重み係数ｓ１２，ｓ２２，…，ｓｍ２との間の関係を、製造品毎にプロットして示している。図１０中の□印は、重み係数ｓｉ２が閾値６を超えている１個の不良品を表している。一方、○印は、重み係数ｓｉ２が閾値６以下である１個の良品を表している。図１０から分かるように、プロセス項目１５２の製造データが大きいと、不良品が多く発生していることが分かる（不良品が多く発生している範囲を８０１で示す。）。
【００８５】
この結果、構成成分Ｐ２の発生を抑えるためには、プロセス項目１５２の製造データを小さくするように、プロセスを制御することが必要であることが分かる。これにより、実際の生産ラインに対して有効な改善案を立案、実施することが可能となり、高効率、高品質な生産を実現できる。
【００８６】
このように、本実施形態の要因分析方法では、構成成分抽出ステップＳ１で算出された重み係数に基づいてまたは入力指示に応じて、構成成分選択ステップＳ２で、上記特性分布データにおける変動発生要因に関連する構成成分を絞り込む。したがって、分析が粗くなるのを防止できる。そして、プロセス項目抽出ステップＳ３で、上記選択された構成成分に関する重み係数に基づいて、上記特性分布データにおける変動発生要因としてのプロセス項目を抽出する。これにより、空間的な広がりをもつ製造物について特性値の分布の変動発生要因としてプロセス項目を特定できる。
【００８７】
なお、「特性値」は、電気的・物理的な特性だけでなく、欠陥数を含む広い概念を意味する。欠陥検査の場合は、製造物における欠陥の座標位置を特性分布データとしても良く、製造物を特定の大きさの格子状に区画し、１つの格子内に含まれる欠陥数や欠陥面積を検査プロセスの特性値としても良い。
【００８８】
また、本実施形態では、製造物８０は基板であるものとし、検査プロセス装置１０３は製造物８０の１つの基板面を測定するものとしたが、これに限られるものではない。製造物は立体的な構造を有していても良い。その場合、検査プロセス装置１０３は製造物の各面を測定することで、本発明を実施することができる。
【００８９】
（第２実施形態）
図１１は、本発明の一実施形態の要因分析装置９０４の構成を、生産ラインに設けられた生産装置９０１の構成と併せて示している。なお、図１中の構成要素と同じものについては同じ符号を付して説明を省略する。
【００９０】
生産装置９０１は、製造プロセス装置９０２と検査プロセス装置１０３とを含んでいる。製造プロセス装置９０２は、図１中の製造プロセス装置１０２と同様に、成膜工程、露光工程、エッチング工程等をそれぞれ実行する図示しない複数種類の製造装置を含んでいる。製造物は、製造物（この例では、基板をロット単位とする。）毎に順次、それらの製造装置による処理を受ける。また、製造プロセス装置９０２は、図１中の製造プロセス装置１０２と同様に、製造データを測定するための図示しない測定装置を含んでいる。この測定装置は、製造物毎に各工程を実行する装置内の温度、圧力、投入電力量等の製造条件に関する項目（プロセス項目）のデータを測定する。製造プロセス装置９０２は、それらのプロセス項目毎に取得されたデータの他に、各製造物に対して処理を行った製造装置を特定する装置番号のような、複数のカテゴリで区分された項目を、ロット番号（基板番号）と対応づけて、製造データとして要因分析装置１０４へ送信する。
【００９１】
要因分析装置９０４は、概略、データベース９０５と、演算装置９０６と、表示装置１０７と、入力装置１０８とを備えている。
【００９２】
データベース９０５は、ハードウェアとしては図１中のデータベース１０５と同様であるが、記憶する製造データの中に、複数のカテゴリで区分された項目が含まれている点が異なっている。
【００９３】
演算装置９０６は、この例では、構成成分抽出部９０６ａ、構成成分選択部９０６ｂ、カテゴリ抽出部９０６ｃ、データセット作成部９０６ｄ、プロセス項目抽出部９０６ｅ、および表示処理部９０６ｆを備えている。演算装置９０６は、概略、図１中の演算装置１０６と同様に、データベース９０５から製造データと特性分布データとを含む各種データを取得し、後述の要因分析方法を実行して、特性分布データにおける変動発生要因としてのプロセス項目を特定する。演算装置９０６の各部９０６ａ〜９０６ｆ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。この演算装置９０６の各部９０６ａ〜９０６ｆの働きについては、後述の要因分析方法の説明の中で述べる。
【００９４】
なお、そのようなコンピュータプログラムは、コンピュータに付属のハードディスクドライブに記憶させておいても良いし、または、コンピュータ読み取り可能な記録媒体（コンパクトディスク（ＣＤ）やデジタル万能ディスク（ＤＶＤ）など）に記録しておき、プログラム実行に際して再生装置（ＣＤドライブやＤＶＤドライブなど）で読み出すようにしても良い。
【００９５】
図１２は、上記演算装置９０６によって実行される要因分析方法の概略フローを示している。
【００９６】
まず、構成成分抽出部９０６ａがステップＳ１１（構成成分抽出ステップ）、構成成分選択部１０６ｂがステップＳ１２（構成成分選択ステップ）を、図２中のステップＳ１、ステップＳ２と同様に順次実行する。重複を避けるため、それらの詳細な説明は省略する。なお、表示処理部９０６ｆは、図１中の表示処理部１０６ｄと同様に働く。
【００９７】
次に、図１２中のステップＳ１３（カテゴリ抽出ステップ）では、カテゴリ抽出部９０６ｃが、上記選択された構成成分に関する重み係数と上記カテゴリで区分された項目を含む製造データとに基づいて、上記複数のカテゴリで区分された項目（以下「質的変数」と呼ぶ。）の中から、上記特性分布データＸ１，Ｘ２，Ｘ３，…における変動発生要因としての特定の質的変数を抽出する。すなわち、質的変数を、第１実施形態のステップＳ３で記載した説明変数とし、第１実施形態のステップＳ３で記載した目的変数に対する分析を行う。この分析を、以下では「要因分析Ａ」と記載する。この要因分析Ａにより、特性分布データの構成成分を発生させている要因、もしくはその可能性の高い候補となる質的変数を抽出する。
【００９８】
この要因分析Ａにおける、複数の質的変数の中から特定の質的変数を抽出する方法としては、分散分析、決定木のような統計手法を使うことができる。または、質的変数の各変数におけるカテゴリ別に製造物についての重み係数の平均値をとり、各カテゴリの平均値の差がある閾値を超えるものを要因候補とするように、統計値をユーザが予め定めた閾値を基に判別する分析手法を使うこともできる。
【００９９】
次に、図１２中のステップＳ１４（データセット作成ステップ）では、データセット作成部９０６ｄが、ステップＳ１３で抽出された質的変数のカテゴリに基づいて、データセットを作成する。このデータセットは、後述するステップＳ１５で分析に用いられるべきデータの集合である。第１実施形態の場合では全製造物の重み係数と全プロセス項目の製造データであったが、このステップＳ１４では、第１実施形態のデータセットから絞り込みを行う。
【０１００】
データセットの絞り込みには次の２種類がある。一つ目の方法は、プロセス項目の製造データをステップＳ１３で抽出した要因となる質的変数が持っているプロセス項目の製造データに絞り込む方法である。例えば、ステップＳ１３で特定の製造装置を抽出した場合、説明変数としては抽出した製造装置で取得できる各種プロセス項目のみが説明変数となる。二つ目の方法は、製造物の重み係数をステップＳ１３で抽出した要因となる質的変数のカテゴリに含まれる製造物の重み係数に絞り込む方法である。例えば、ステップＳ１３で特定の製造装置を抽出した場合、その製造装置により処理された製造物の重み係数のみで下記要因分析Ｂを行う。なお、これらのデータセットの絞り込みは、どちらかを用いるだけでなく、両方用いてもよい。
【０１０１】
次に、図１２中のステップＳ１５（プロセス項目抽出ステップ）では、プロセス項目抽出部９０６ｅが、ステップＳ１４で作成されたデータセットを用いた分析を行う。この分析を「要因分析Ｂ」と呼ぶ。要因分析Ｂの手法は、第１実施形態のステップＳ３の手順と同じである。
【０１０２】
このように、各製造物における特性値の特性分布データを構成成分と重み係数で表現することにより、プロセス項目についての要因分析を行う前に、質的変数に対する要因カテゴリを抽出する分析を実施することが可能となる。これにより、要因分析Ｂにおいて、要因分析Ａで抽出した要因カテゴリに該当する製造物のみで分析を行うことができ、特定の条件に当てはまる製造物を対象にした分析が可能となる。したがって、要因分析Ｂにおいてノイズを低減でき、より正確な要因分析を実施できる。もしくは、要因分析Ｂにおいて、要因分析Ａで抽出した要因カテゴリに含まれるプロセス項目のみが説明変数となるため、要因分析Ｂにおいて他のカテゴリに含まれるプロセス項目による影響を考慮する必要が無くなり、分析におけるノイズを抑えることができる。以上により、特性値の分布に対するより正確な要因分析を実施することが可能となる。
【０１０３】
次に、図１２中のステップＳ１１〜Ｓ１５における処理、特に、ステップＳ１３，Ｓ１４，Ｓ１５における処理を、より具体的に説明する。
【０１０４】
上記ステップＳ１１（構成成分抽出ステップ）、構成成分選択部１０６ｂがステップＳ１２（構成成分選択ステップ）の後、ステップＳ１３（カテゴリ抽出ステップ）では、この例では第１実施形態の図５の構成成分Ｐ２を選択し、構成成分Ｐ２に対して要因分析Ａを実施する。
【０１０５】
この要因分析Ａでは、説明変数として製造プロセス装置９０２に含まれる工程α，β，γ，δ，…の各装置を設定する。これにより、製造工程の装置の違いを起因とする重み係数の差異を分析し、構成成分Ｐ２の発生要因であるプロセス項目が設定されている装置を抽出することができる。ここで、質的変数の中から特定のカテゴリを抽出する方法として分散分析によるＦ値を比較する手法を用いた。Ｆ値の計算式は次式の通りである。Ｆ値が大きい方が装置の差の影響が大きいとされる。
【０１０６】
ここで、ＳＴは全製造物の残差平方和、Ｓｅは質的変数の各カテゴリに含まれる製造物の残差平方和、νＴは全製造物の自由度、νｅは質的変数の各カテゴリに含まれる製造物の自由度を表す。
【０１０７】
その結果は、例えば図１３に示すように得られる。図１３の横軸は工程α，β，γ，δ，…を表し、縦軸は上記工程α，β，γ，δ，…が構成成分Ｐ２の発生要因であるかどうかを評価するための指標値（これを「要因指標値ｄ」と呼ぶ。）を表している。図１３から、工程αについての要因指標値ｄが他の工程β，γ，δ，…のものよりも大きく、工程αが発生要因である可能性が高いことが分かる。
【０１０８】
この例では、製造データによると、工程αでは２つの製造装置α１，α２で製造品に対するプロセス処理が行われていた。図１４は、特性分布データＸ１，Ｘ２，Ｘ３，…に対してステップＳ１２で選択された構成成分Ｐ２がもつ重み係数を、装置α１，α２毎に、プロットして示している。図１４から分かるように、装置α１で処理された製造物の重み係数のばらつきが装置α２のものよりも大きいことが分かる（重み係数のばらつきの範囲を１２０１で示す。）。そこで、この例では、上記構成成分Ｐ２の発生要因として工程α及び装置α１を抽出する。
【０１０９】
次に、ステップＳ１４（データセット作成ステップ）では、データベース９０５に記憶されている製造データ、検査データのうち、上記ステップＳ１３で抽出された装置α１で処理された製造物の重み係数に絞り、かつ、工程αのプロセス項目の製造データに絞り込んで、次のステップＳ１５で分析に用いられるべきデータセットを作成する。
【０１１０】
この例では、特性分布データＸ１，Ｘ２，Ｘ３，…に対して上記選択された構成成分Ｐ２がもつ重み係数ｓ１２，ｓ２２，…，ｓｍ２に絞り、かつ、工程αのプロセス項目の製造データに絞り込んで、上記データセットを作成する。
【０１１１】
次に、ステップＳ１５（プロセス項目抽出ステップ）では、ステップＳ１４で作成されたデータセットを用いて要因分析Ｂを実施する。これにより、第１実施形態におけるのと同様に、上記複数のプロセス項目の中から、上記特性分布データＸ１，Ｘ２，Ｘ３，…における変動発生要因としてのプロセス項目を抽出する。
【０１１２】
この例では、第１実施形態におけるのと同様に、上記構成成分Ｐ２の発生要因としてプロセス項目１５２（図９参照）を抽出した。このとき、ステップＳ１４で分析対象のデータセットを絞り込んでいるので、変動発生要因としてのプロセス項目を効率的に判別することができる。
【０１１３】
図１５は、ステップＳ１４で作成されたデータセットを用いて、図１０におけるのと同様に、上記抽出されたプロセス項目１５２の製造データと、重み係数ｓ１２，ｓ２２，…，ｓｍ２との間の関係を、製造品毎にプロットして示している。図１０におけるのと同様に、重み係数ｓｉ２が閾値６を超えているものを不良品であるとした場合、図１５から分かるように、プロセス項目１５２の製造データが大きいと、不良品が多く発生していることが分かる（不良品が多く発生している範囲を１３０１で示す。）。この図１５では、ステップＳ１４で分析対象のデータセットを絞り込んでいるので、図１０では存在したプロセス項目の製造データが小さい領域に現れていたノイズが存在しなくなっている。したがって、より正確な要因分析を行うことができたことが分かる。
【０１１４】
本実施形態では、質的変数のカテゴリを抽出し、そのカテゴリに含まれるプロセス項目の中から製造物の特性値に影響を与えるプロセス項目を抽出しているが、それに代えて、プロセス項目を抽出してからそのプロセス項目を含む質的変数の中から上記製造物の特性値に影響を与える質的変数のカテゴリを抽出してもよい。プロセス項目のデータ数が質的変数のデータ数より多い場合、先に質的変数のカテゴリを抽出しそのカテゴリに含まれるプロセス項目の中から要因となるプロセス項目を抽出するのが望ましい。一方、プロセス項目のデータ数が質的変数のデータ数より少ない場合は、先にプロセス項目を抽出しそのプロセス項目を含む質的変数の中から要因となる質的変数のカテゴリを抽出するのが望ましい。そのようにした場合、要因分析および分析結果の判断に必要な時間の短縮となり、効率よく要因分析を行うことができる。
【０１１５】
以上に説明したとおり、本実施形態によれば、製品の特性や歩留りに影響を与える特性値の分布パターンの発生要因となっている質的変数を抽出し、抽出した質的変数のカテゴリに基づいて元のデータセットを絞り込んで要因分析を行うことができる。これにより、より正確な要因分析を行うことができる。
【産業上の利用可能性】
【０１１６】
本発明は、電子デバイス、電子機器、機械、鉄鋼、金属など、複数のプロセス項目を含む製造プロセスによって製造品に処理を施す分野で、空間的な広がりをもつ製造物について特性値の分布の変動発生要因を分析するのに広く利用することができる。
【符号の説明】
【０１１７】
１０１，９０１ 生産装置
１０２，９０２ 製造プロセス装置
１０３ 検査プロセス装置
１０４，９０４ 要因分析装置
１０５，９０５ データベース
１０６，９０６ 演算装置
１０７ 表示装置
１０８ 入力装置
【技術分野】
【０００１】
この発明は要因分析方法に関し、より詳しくは、空間的な広がりをもつ製造物について欠陥や特性値の分布の変動発生要因を分析する要因分析方法および要因分析装置に関する。
【０００２】
また、この発明は、上記要因分析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】
【０００３】
各種製品の生産工程において、高品質な製品を高い歩留りで生産するためには、生産工程における現象を分析し、それを基に生産工程をコントロールすることが重要である。その１つには、各種製品の生産工程において、不良発生時に不良の要因分析を行い、それを生産工程へフィードバックする方法がある。この不良要因分析には、生産工程のうちの製造工程から取得できる製造データと、検査工程から取得できる検査データをデータベースに保存し、それらのデータについて統計的手法を適用し、不良の要因を抽出する手法がある。
【０００４】
半導体ウェハ、半導体ディスプレイ、半導体発光素子などの薄膜により構成される電子デバイスの生産工程においても、同様に歩留りの向上や安定化を目的として様々な検査が実施される。これらの検査には、例えば基板上に付着した異物等によって生じる回路パターンの欠陥を検査するようなパターン検査や、製造プロセス後の電気的・物理的な各種特性を基板面内に沿って複数箇所計測する特性値の分布の検査が含まれている。これらの検査によって、基板面内における欠陥や特性値の分布状態を確認することができる。基板面内における欠陥は、基板から製造される製造物の特性値に影響を及ぼし、製品の歩留りや特性の低下に繋がる。同じように、基板面内における特性値の分布の変動も、製造物の特性値のばらつきに影響を与えるため、歩留りや特性の低下に繋がる。このため、特性値の分布検査の結果を基にして調査・解析を行い、迅速に特性値の分布の変動発生要因を特定して対策を施すことで、特性ばらつき、歩留り低下を抑制することが重要となる。
【０００５】
このような、平面に沿って分布する欠陥や特性値の分布の変動は、特定の要因によって特定の分布パターンとして発生することが多い。このため、特許文献１（ＷＯ２００７／１２５９４１号公報）では基板上の欠陥の分布を抽出して分類し、製品不良等の原因となる異常な工程や装置を特定できる原因装置特定方法が開示されている。
【先行技術文献】
【特許文献】
【０００６】
【特許文献１】ＷＯ２００７／１２５９４１号公報
【発明の概要】
【発明が解決しようとする課題】
【０００７】
しかしながら、特許文献１（ＷＯ２００７／１２５９４１号公報）の方法を用いた場合、原因となる工程又は装置しか特定することができない。各工程や装置には、製造条件を設定すべきプロセス項目が多数存在する。一般的にプロセス項目は、工程や装置の管理を行う作業者が手作業で評価が可能な数個程度の項目数ではなく、数十個から多いものでは百個を超えるものもある。このため、その中から、欠陥や特性値の分布の変動を生じさせている要因を特定しようとしても分析が粗くなって、生産工程における要因分析としては不十分であった。
【０００８】
上述の課題は、基板にプロセスを施した製造品を製造する場合に限らず発生する。例えば、空間的な広がりをもつ製造物について、上記製造物の部位毎に同一の検査を行ない、その検査データの分布状態を検査結果とする検査工程が存在すれば、同様の課題が生ずる。
【０００９】
そこで、この発明の課題は、空間的な広がりをもつ製造物について特性値の分布の変動発生要因としてプロセス項目を特定できる要因分析方法および要因分析装置を提供することにある。なお、本段落以降では、「特性値」という用語を、電気的・物理的な特性だけでなく、欠陥数を含む広い概念をもつものとして用いる。
【００１０】
また、この発明の課題は、そのような要因分析方法をコンピュータに実行させるためのプログラムを記録したコンピュータ読み取り可能な記録媒体を提供することにある。
【課題を解決するための手段】
【００１１】
上記課題を解決するため、この発明の要因分析方法は、複数のプロセス項目を含む製造プロセスにより処理された空間的な広がりをもつ製造物について、上記プロセス項目毎に製造条件を表す製造データを取得するとともに、上記製造物の部位毎に特性値を計測して上記製造物上の上記特性値の分布を表す特性分布データを取得し、上記特性分布データにおける変動発生要因を分析する要因分析方法であって、
複数の製造物の特性分布データに基づいて、パターン分類手法によって、上記特性分布データにおける変動の特徴を表す複数の構成成分を抽出するとともに、上記特性分布データの各々に対して、上記複数の構成成分がその特性分布データを表すのに寄与する重み係数をそれぞれ算出する構成成分抽出ステップと、
上記算出された重み係数に基づいてまたは入力指示に応じて、上記複数の構成成分のうち分析対象とすべき構成成分を少なくとも一つ選択する構成成分選択ステップと、
上記選択された構成成分に関する重み係数と上記プロセス項目毎に取得された上記製造データとに基づいて、上記複数のプロセス項目の中から、上記特性分布データにおける変動発生要因としてのプロセス項目を抽出するプロセス項目抽出ステップと、
を有する。
【００１２】
本明細書で、「製造物」とは、完成品だけでなく、仕掛品も含む。
【００１３】
また、「空間的な広がり」とは、平面的な広がりのほか、立体的な広がりも含む。
【００１４】
また、「プロセス項目」とは、上記製造プロセスに含まれる工程又は装置に設定される製造条件の項目を指す。
【００１５】
また、製造物の「部位」は、座標点で表現される製造物に含まれる点を示す場合と、製造物を特定の基準に従って空間的に区画した場合のその一つの領域を示す場合との両方を含む。
【００１６】
また、既述のように、「特性値」は、電気的・物理的な特性だけでなく、欠陥数を含む広い概念を意味する。
【００１７】
「入力指示」とは、ユーザ（要因分析装置を操作する操作者や製造プロセスのメンテナンス担当者を含む。）による指示を意味する。
【００１８】
この発明の要因分析方法では、上記構成成分抽出ステップで算出された重み係数に基づいてまたは入力指示に応じて、上記構成成分選択ステップで、上記特性分布データにおける変動発生要因に関連する構成成分を絞り込む。したがって、分析が粗くなるのを防止できる。そして、プロセス項目抽出ステップで、上記選択された構成成分に関する重み係数に基づいて、上記特性分布データにおける変動発生要因としてのプロセス項目を抽出する。これにより、空間的な広がりをもつ製造物について特性値の分布の変動発生要因としてプロセス項目を特定できる。
【００１９】
一実施形態の要因分析方法では、上記製造物の上記部位は、上記製造物の座標点、または上記製造物の表面を格子状に区画して設定された格子点若しくは矩形領域であることを特徴とする。
【００２０】
この一実施形態の要因分析方法では、上記製造物の特性分布データを好ましく取得できる。
【００２１】
一実施形態の要因分析方法では、上記複数の構成成分は統計的に互いに独立していることを特徴とする。
【００２２】
この一実施形態の要因分析方法では、上記構成成分選択ステップで、上記特性分布データにおける変動発生要因に関連する構成成分を容易に絞り込むことができる。
【００２３】
一実施形態の要因分析方法では、上記パターン分類手法は、上記複数の製造物の特性分布データを重ね合わせ、その重ね合わされた特性分布データにおける特性値の分布の偏りを上記構成成分として分類するクラスタリング手法であることを特徴とする。
【００２４】
この一実施形態の要因分析方法では、上記複数の構成成分を好ましく抽出できる。
【００２５】
一実施形態の要因分析方法では、上記構成成分選択ステップでは、上記複数の構成成分のそれぞれについて、上記重み係数に基づいて上記構成成分を評価するための成分指標値を算出し、上記分析対象とすべき構成成分として、上記成分指標値が最も大きい構成成分、又は上記成分指標値が最も小さい構成成分を選択することを特徴とする。
【００２６】
この一実施形態の要因分析方法では、上記成分指標値によって上記分析対象とすべき構成成分を正確に選択できる。
【００２７】
一実施形態の要因分析方法では、
上記プロセス項目抽出ステップでは、
上記複数の製造物の特性分布データのうち、上記選択された構成成分の重み係数が予め定められた閾値を超えている製造物の特性分布データを、上記選択された構成成分の影響を受けている製造物の特性分布データとして分類する一方、上記選択された構成成分の重み係数が上記閾値以下である製造物の特性分布データを、上記選択された構成成分の影響を受けていない製造物の特性分布データとして分類し、
上記選択された構成成分の影響を受けている製造物の特性分布データと上記選択された構成成分の影響を受けていない製造物の特性分布データとの間で上記製造データの傾向が異なるプロセス項目を、上記特性分布データにおける変動発生要因としてのプロセス項目として抽出することを特徴とする。
【００２８】
この一実施形態の要因分析方法では、上記選択された構成成分の影響を受けている製造物の特性分布データと上記選択された構成成分の影響を受けていない製造物の特性分布データとを分類しているので、上記変動発生要因としてのプロセス項目をより正確に抽出できる。
【００２９】
一実施形態の要因分析方法では、
上記プロセス項目抽出ステップの前に、上記重み係数と上記プロセス項目毎に取得された上記製造データとに基づいて、上記製造物の特性値に影響を与える質的変数のカテゴリを抽出するカテゴリ抽出ステップを有し、
上記プロセス項目抽出ステップでは、上記抽出された質的変数のカテゴリに含まれるプロセス項目の中から、上記特性分布データにおける変動発生要因としてのプロセス項目を抽出することを特徴とする。
【００３０】
この一実施形態の要因分析方法では、上記カテゴリ抽出ステップで上記製造物の特性値に影響を与える質的変数のカテゴリを絞り込んでいる。したがって、分析が粗くなるのをさらに有効に防止でき、上記変動発生要因としてのプロセス項目をより正確に抽出できる。また、要因分析および分析結果の判断に必要な時間の短縮となり、効率よく要因分析を行うことができる。
【００３１】
一実施形態の要因分析方法では、
上記プロセス項目抽出ステップの後、さらに、
上記抽出されたプロセス項目を含む質的変数の中から、上記製造物の特性値に影響を与える質的変数のカテゴリを抽出するカテゴリ抽出ステップを有することを特徴とする。
【００３２】
この一実施形態の要因分析方法では、上記カテゴリ抽出ステップによって上記製造物の特性値に影響を与える質的変数のカテゴリを抽出できる。また、要因分析および分析結果の判断に必要な時間の短縮となり、効率よく要因分析を行うことができる。
【００３３】
この発明の要因分析装置は、複数のプロセス項目を含む製造プロセスにより処理された空間的な広がりをもつ製造物について、上記プロセス項目毎に製造条件を表す製造データを取得するとともに、上記製造物の部位毎に特性値を計測して上記製造物上の上記特性値の分布を表す特性分布データを取得し、上記特性分布データにおける変動発生要因を分析する要因分析装置であって、
複数の製造物の特性分布データに基づいて、パターン分類手法によって、上記特性分布データにおける変動の特徴を表す複数の構成成分を抽出するとともに、上記特性分布データの各々に対して、上記複数の構成成分がその特性分布データを表すのに寄与する重み係数をそれぞれ算出する構成成分抽出部と、
上記算出された重み係数に基づいてまたは入力指示に応じて、上記複数の構成成分のうち分析対象とすべき構成成分を少なくとも一つ選択する構成成分選択部と、
上記選択された構成成分に関する重み係数と上記プロセス項目毎に取得された上記製造データとに基づいて、上記複数のプロセス項目の中から、上記特性分布データにおける変動発生要因としてのプロセス項目を抽出するプロセス項目抽出部と、
を備える。
【００３４】
この発明の要因分析装置では、上記構成成分抽出部で算出された重み係数に基づいてまたは入力指示に応じて、上記構成成分選択部が、上記特性分布データにおける変動発生要因に関連する構成成分を絞り込む。したがって、分析が粗くなるのを防止できる。そして、プロセス項目抽出部は、上記選択された構成成分に関する重み係数に基づいて、上記特性分布データにおける変動発生要因としてのプロセス項目を抽出する。これにより、空間的な広がりをもつ製造物について特性値の分布の変動発生要因としてプロセス項目を特定できる。
【００３５】
この発明の記録媒体は、上記要因分析方法をコンピュータに実行させるためのプログラムを記録したコンピュータ読み取り可能な記録媒体である。
【００３６】
この発明の記録媒体によれば、記録媒体に記録されたプログラム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要因分析方法を実行させることができる。
【００３７】
別の局面では、この発明の要因分析装置は、複数のプロセス項目を含む製造プロセスにより処理された空間的な広がりをもつ製造物について、上記プロセス項目毎に製造条件を表す製造データを取得するとともに、上記製造物の部位毎に特性値を計測して上記製造物上の上記特性値の分布を表す特性分布データを取得し、上記特性分布データにおける変動発生要因を分析する要因分析装置であって、
複数の製造物の特性分布データに基づいて、パターン分類手法によって、上記特性分布データにおける変動の特徴を表す構成成分を複数抽出するとともに、上記特性分布データの各々に対して、上記複数の構成成分がその特性分布データを表すのに寄与する重み係数をそれぞれ算出する構成成分抽出部と、
上記複数の構成成分のそれぞれについて、上記重み係数に基づいて上記構成成分を評価するための成分指標値を算出する成分指標値算出部と、
上記構成成分を表す画像と、上記構成成分に対応する上記成分指標値とを、所定の表示画面に表示する処理を行う表示処理部と、
を備える。
【００３８】
この一実施形態の要因分析装置では、表示画面に、上記構成成分を表す画像と、上記構成成分に対応する上記成分指標値とが表示される。したがって、ユーザは、上記表示画面を見ることによって、複数の構成成分のうちどの構成成分が複数の製造物の特性分布データの変動に最も寄与しているかを、確認することができる。したがって、ユーザは、上記特性分布データにおける変動発生要因に関連する構成成分を選択する判断を、適切に行うことができる。
【００３９】
一実施形態の要因分析装置では、上記構成成分を表す画像は、上記製造物の空間的な広がりに対応する表示空間で、上記構成成分のパターンおよび値に応じた図形要素を配して構成されていることを特徴とする。
【００４０】
この一実施形態の要因分析装置では、ユーザは、上記表示画面を見ることによって、複数の構成成分のうちどの構成成分が複数の製造物の特性分布データの変動に最も寄与しているかを、上記視覚を通して容易に確認することができる。したがって、ユーザは、上記特性分布データにおける変動発生要因に関連する構成成分を選択する判断を、さらに適切に行うことができる。
【発明の効果】
【００４１】
以上より明らかなように、本発明の要因分析方法および要因分析装置によれば、空間的な広がりをもつ製造物について特性値の分布の変動発生要因としてプロセス項目を特定できる。
【００４２】
また、本発明の記録媒体によれば、記録媒体に記録されたプログラム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要因分析方法を実行させることができる。
【図面の簡単な説明】
【００４３】
【図１】この発明の第１実施形態の要因分析装置の構成を、生産装置の構成と併せて示す図である。
【図２】図１の要因分析装置によって実行される要因分析方法の概略フローを示す図である。
【図３】図２中の構成成分抽出ステップＳ１の詳細フローを示す図である。
【図４Ａ】製造物の複数の部位毎に計測された特性値の分布を例示する図である。
【図４Ｂ】製造物の複数の部位毎に計測された特性値の分布を平面的な図形要素を用いて例示する図である。
【図５】抽出された構成成分を表す画像と、上記構成成分に対応する成分指標値とが、表示装置の表示画面に表示された例を示す図である。
【図６】製造物の部位毎に特性値を計測して得られた特性分布データを、上記構成成分と重み係数との積の１次結合で表す概念を説明する図である。
【図７】複数の構成成分のうち分析対象とすべき構成成分を選択するためのデータセットを例示する図である。
【図８】製造物毎に、製造物の特性分布データに対して上記選択された構成成分がもつ重み係数を示す図である。
【図９】各プロセス項目について、上記選択された構成成分が変動要因であるかを評価するための要因指標値の一覧結果を示す図である。
【図１０】上記要因分析方法によって、変動要因として特定されたプロセス項目の製造データと重み係数との間の関係を、製造物毎にプロットして示す図である。
【図１１】この発明の第２実施形態の要因分析装置の構成を、生産装置の構成と併せて示す図である。
【図１２】図１１の要因分析装置によって実行される要因分析方法のフローを示す図である。
【図１３】上記要因分析方法における要因分析Ａによって、上記選択された構成成分の発生要因を分析した結果として、製造工程毎に要因指標値を示す図である。
【図１４】上記要因分析Ａによって選択された製造工程の製造装置毎に、製造物の特性分布データに対して上記選択された構成成分がもつ重み係数を示す図である。
【図１５】上記要因分析方法における要因分析Ｂによって、変動要因として特定されたプロセス項目の製造データと重み係数との間の関係を、製造物毎にプロットして示す図である。
【発明を実施するための形態】
【００４４】
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。
【００４５】
（第１実施形態）
図１は、本発明の一実施形態の要因分析装置１０４の構成を、生産ラインに設けられた生産装置１０１の構成と併せて示している。概略、生産装置１０１は要因分析方法に用いられるデータを提供し、要因分析装置１０４は生産装置１０１から提供されたデータを取得して要因分析を実行する。
【００４６】
生産装置１０１は、製造プロセス装置１０２と検査プロセス装置１０３とを含んでいる。製造プロセス装置１０２は、成膜工程、露光工程、エッチング工程等をそれぞれ実行する図示しない複数種類の製造装置を含んでいる。製造物は、製造物（この例では、基板をロット単位とする。）毎に順次、それらの製造装置による処理を受ける。また、製造プロセス装置１０２は、製造データを測定するための図示しない測定装置を含んでいる。この測定装置は、製造物毎に各工程を実行する装置内の温度、圧力、投入電力量等の製造条件に関する項目（プロセス項目）のデータを測定する。製造プロセス装置１０２は、それらのプロセス項目毎に取得された製造データを、ロット番号（基板番号）と対応づけて、製造データとして要因分析装置１０４へ送信する。
【００４７】
検査プロセス装置１０３は、製造プロセス装置１０２によって実行される所定の工程を経た製造物に対して検査を行う。この例では、検査プロセス装置１０３は、図４Ａに示すように、製造プロセス装置１０２により処理された製造物８０の１つの基板面を縦横それぞれ所定の数で格子状に区画し、区画されたｎ個（ただし、ｎは２以上の自然数である。）の矩形領域８１毎に特性値を計測して取得する。図４Ａ中の幾つかの矩形領域８１には、理解の容易のため、その矩形領域について測定された特性値が表されている。
【００４８】
この例では、製造物８０の特性分布データとして、特性値が各矩形領域８１において低く、均一であるのが望ましいものとする。製造プロセス装置１０２に含まれた何れかの製造装置において異変が起こると、特性値は高くなり、特性分布データが様々な分布形状に変動する。このため、特性分布データにおける変動発生要因としてのプロセス項目を特定して、対策を立案、実施することが必要となる。
【００４９】
検査プロセス装置１０３は、複数の製造物８０について製造物毎に得られた特性分布データＸ１，Ｘ２，Ｘ３，…（図４Ｂに例示する。）をそれぞれロット番号（基板番号）と対応づけて、順次図１中に示す要因分析装置１０４へ送信する。なお、図４Ｂの特性分布データＸ１，Ｘ２，Ｘ３，…を表す画像は、製造物８０の空間的な広がりに対応する表示空間９０で、製造物８０の各矩形領域８１に対応する桝目９１に図形要素としての濃度を付与して構成されている。各桝目９１の濃度は、対応する矩形領域８１について測定された特性値に応じて可変して設定されている。
【００５０】
図１中に示す要因分析装置１０４は、概略、データベース１０５と、演算装置１０６と、表示装置１０７と、入力装置１０８とを備えている。
【００５１】
データベース１０５は、ハードディスクドライブなどの記憶装置からなり、製造プロセス装置１０２から受けた製造データと、検査プロセス装置１０３から受けた特性分布データとを、製造物８０毎にロット番号で関連付けて格納する。
【００５２】
演算装置１０６は、この例では、構成成分抽出部１０６ａ、構成成分選択部１０６ｂ、プロセス項目抽出部１０６ｃ、および表示処理部１０６ｄを備えている。演算装置１０６は、概略、データベース１０５から製造データと特性分布データとを含む各種データを取得し、後述の要因分析方法を実行して、特性分布データにおける変動発生要因としてのプロセス項目を特定する。演算装置１０６の各部１０６ａ〜１０６ｄ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。この演算装置１０６の各部１０６ａ〜１０６ｄの働きについては、後述の要因分析方法の説明の中で述べる。
【００５３】
なお、そのようなコンピュータプログラムは、コンピュータに付属のハードディスクドライブに記憶させておいても良いし、または、コンピュータ読み取り可能な記録媒体（コンパクトディスク（ＣＤ）やデジタル万能ディスク（ＤＶＤ）など）に記録しておき、プログラム実行に際して再生装置（ＣＤドライブやＤＶＤドライブなど）で読み出すようにしても良い。
【００５４】
表示装置１０７は、この例ではＬＣＤ（液晶表示素子）からなり、演算装置１０６の表示処理部１０６ｄから受けた画像データを表示画面に表示する。なお、表示装置１０７は、要因分析装置１０４の外部に設けられたＣＲＴ（陰極線管）等のディスプレイ装置であっても良い。
【００５５】
入力装置１０８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。
【００５６】
なお、表示装置１０７と入力装置１０８は、例えばユーザがペンで表示画面の或る箇所をタッチして入力を行う公知のタッチパネル式ＬＣＤとして構成されても良い。
【００５７】
図２は、上記演算装置１０６によって実行される要因分析方法の概略フローを示している。
【００５８】
まず、ステップＳ１（構成成分抽出ステップ）で、構成成分抽出部１０６ａが、データベース１０５に格納された複数の製造物８０の特性分布データＸ１，Ｘ２，Ｘ３，…（図４Ｂに例示する。）に基づいて、パターン分類手法によって、上記特性分布データＸ１，Ｘ２，Ｘ３，…における変動の特徴を表す複数の構成成分Ｐ１，Ｐ２，Ｐ３，…（図５に例示する。）を抽出する。
【００５９】
上記パターン分類手法としては、特性分布データについての特徴空間の基底となるデータを構成成分として抽出する独立成分分析や主成分分析、各製造物の特性分布データを重ね合わせそのデータに対して特性値の分布の偏りを構成成分として分類するクラスタリング手法であるＫ平均（k-means）法や自己組織化マップ（ＳＯＭ）を用いることができる。
【００６０】
ここで、図５の例では、構成成分Ｐ１，Ｐ２，Ｐ３，…を表す画像は、図４Ｂの特性分布データＸ１，Ｘ２，Ｘ３，…を表す画像と同様に、製造物８０の空間的な広がりに対応する表示空間９０で、製造物８０の各矩形領域８１に対応する桝目９１に図形要素としての濃度を付与して構成されている。各桝目９１の濃度は、対応する矩形領域８１について測定された特性値に応じて可変して設定されている。図５から分かるように、構成成分Ｐ１，Ｐ２，Ｐ３，…は、特性分布データＸ１，Ｘ２，Ｘ３，…に現れた変動の特徴的なパターンに相当する。
【００６１】
さらに、このステップＳ１では、構成成分抽出部１０６ａが、上記特性分布データＸ１，Ｘ２，Ｘ３，…の各々に対して、上記複数の構成成分Ｐ１，Ｐ２，Ｐ３，…がその特性分布データを表すのに寄与する重み係数ｓ１１，ｓ１２，ｓ１３，…；ｓ２１，ｓ２２，ｓ２３，…；ｓ３１，ｓ３２，ｓ３３，…をそれぞれ算出する。
【００６２】
ここで、図６に示すように、特性分布データＸ１，Ｘ２，…は、例えばステップＳ１で抽出された構成成分が４つである場合、上記構成成分と重み係数との積の１次結合によって、次のように表される。
Ｘ１＝Ｐ１×ｓ１１＋Ｐ２×ｓ１２＋Ｐ３×ｓ１３＋Ｐ４×ｓ１４
Ｘ２＝Ｐ１×ｓ２１＋Ｐ２×ｓ２２＋Ｐ３×ｓ２３＋Ｐ４×ｓ２４
…
【００６３】
次に、図２中のステップＳ２（構成成分選択ステップ）では、構成成分選択部１０６ｂが、それらの重み係数に基づいて、上記複数の構成成分Ｐ１，Ｐ２，Ｐ３，…のうち分析対象とすべき構成成分を少なくとも一つ選択する。なお、構成成分選択部１０６ｂは、上記複数の構成成分Ｐ１，Ｐ２，Ｐ３，…のうち、図１中の入力装置１０８を通してユーザによって入力指示された構成成分を選択しても良い。
【００６４】
次に、図２中のステップＳ３（プロセス項目抽出ステップ）で、プロセス項目抽出部１０６ｃが、上記選択された構成成分に関する重み係数と上記プロセス項目毎に取得された上記製造データとに基づいて、上記複数のプロセス項目の中から、上記特性分布データＸ１，Ｘ２，Ｘ３，…における変動発生要因としてのプロセス項目を抽出する。
【００６５】
これにより、空間的な広がりをもつ製造物について特性値の分布の変動発生要因としてプロセス項目を特定できる。
【００６６】
次に、図２中のステップＳ１，Ｓ２，Ｓ３における処理を、より具体的に説明する。
【００６７】
図２中のステップＳ１（構成成分抽出ステップ）では、まず、図３中のステップＳ１０１に示すように、構成成分抽出部１０６ａは、データベース１０５からｍ個（ただし、ｍは２以上の自然数である。）の製造物の特性分布データＸ１，Ｘ２，…，Ｘｍを取得する。ここで、特性分布データＸｉ（ただし、ｉはｍ以下の自然数である。）をｎ個（ただし、ｎは自然数である。）の特性値ｘｉ１，ｘｉ２，…，ｘｉｎを成分とする特性ベクトルＸｉ＝（ｘｉ１，ｘｉ２，…，ｘｉｎ）とすると、全製造物の特性分布データＸは、
として求められる。
【００６８】
次に、ステップＳ１０２に示すように、この例では上記パターン分類手法として独立成分分析を用いて、全製造物の特性分布データＸから統計的に互いに独立したｐ個（ただし、ｐは２以上の自然数である。）の構成成分Ｐ１，Ｐ２，…，Ｐｐを抽出する。既述のように、構成成分Ｐｊ（ただし、ｊはｐ以下の自然数である。）は、特性分布データＸｉの基底となる特性値の分布に相当する。
【００６９】
次に、ステップＳ１０３に示すように、構成成分抽出部１０６ａは、特性分布データＸｉに対して構成成分Ｐｊがもつ重み係数ｓｉｊを算出する。ここで、重み係数ｓｉｊは、複数の構成成分Ｐ１，Ｐ２，Ｐ３，…がその特性分布データＸｉを表すのに寄与する程度を表し、特性分布データＸｉと構成成分Ｐｊがどれだけ似ているかを示す。
【００７０】
全製造物の特性分布データＸは、上記重み係数ｓｉｊの行列と構成成分Ｐｊの列ベクトルとを用いて、
と表される。
【００７１】
図２中のステップＳ２（構成成分選択ステップ）では、構成成分選択部１０６ｂが、まず成分指標値算出部として働いて、上記構成成分Ｐ１，Ｐ２，Ｐ３，…を評価するための成分指標値を算出する。具体的には、特性分布データＸ１，Ｘ２，Ｘ３，…に対して構成成分Ｐｊがもつ重み係数ｓ１ｊ，ｓ２ｊ，…，ｓｍｊと、予め定めてある閾値（これを「成分選択閾値ａ」と呼ぶ。）とを、各構成成分Ｐｊ毎に比較する。そして、成分選択閾値ａを上回る重み係数の個数を、それぞれの構成成分Ｐｊを評価するための成分指標値ａｊとして規定して、算出する。分かるように、構成成分Ｐｊが多くの特性分布データＸｉの変動に寄与していれば、成分指標値ａｊの値は大きくなる。一方、構成成分Ｐｊが変動に寄与している特性分布データＸｉの数が少なければ、成分指標値ａｊの値は小さくなる。
【００７２】
なお、成分指標値ａｊの規定の仕方は、上の例に限るものではない。例えば、特性値が高い方が望ましい場合は、成分選択閾値ａを下回る重み係数の個数を成分指標値ａｊとしてもよい。また、上記特性分布データＸ１，Ｘ２，Ｘ３，…に対して構成成分Ｐｊがもつ重み係数ｓ１ｊ，ｓ２ｊ，…，ｓｍｊの総和を成分指標値ａｊとしてもよい。
【００７３】
この例では、表示処理部１０６ｄが、図５に例示したような、上記構成成分Ｐ１，Ｐ２，Ｐ３，…を表す画像と、それらの構成成分に対応する成分指標値ａ１，ａ２，ａ３，…とをそれぞれ対応させて、図１中の表示装置１０７の表示画面に表示する。ユーザは、この表示画面を見ることによって、複数の構成成分Ｐ１，Ｐ２，Ｐ３，…のうちどの構成成分が特性分布データＸ１，Ｘ２，Ｘ３，…の変動に最も寄与しているかを、視覚を通して容易に確認することができる。
【００７４】
このステップＳ２では、構成成分選択部１０６ｂは、さらに、成分指標値ａ１，ａ２，ａ３，…に基づいて、複数の構成成分Ｐ１，Ｐ２，Ｐ３，…のうち分析対象とすべき１つの構成成分Ｐｏ（ただし、ｏはｐ以下の自然数である。）を選択する。この例では、構成成分選択部１０６ｂは、ｐ個の成分指標値ａ１，ａ２，…，ａｐのうち最も大きい成分指標値（これをａｍａｘとする。）を与える１つの構成成分Ｐｍａｘを分析対象として選択する。
【００７５】
この例では、上記構成成分Ｐ１，Ｐ２，…，Ｐｐが統計的に互いに独立しているので、それぞれ成分指標値ａｊを算出することによって、分析対象とすべき構成成分を正確に選択でき、上記特性分布データにおける変動発生要因に関連する構成成分を容易に絞り込むことができる。
【００７６】
なお、上述のように、ユーザは、上記表示装置１０７の表示画面を見ることによって、複数の構成成分Ｐ１，Ｐ２，Ｐ３，…のうちどの構成成分が特性分布データＸ１，Ｘ２，Ｘ３，…の変動に最も寄与しているかを、容易に確認できる。そこで、このステップＳ２での構成成分の選択は、ユーザによる入力装置１０８を通した入力指示に応じて行っても良い。
【００７７】
また、分析対象とする構成成分Ｐｏとして、最も小さい成分指標値ａｍｉｎを与える構成成分Ｐｍｉｎを選択してもよい。
【００７８】
最後に、図２中のステップＳ３（プロセス項目抽出ステップ）では、プロセス項目抽出部１０６ｃが、上記選択された構成成分Ｐｏに関する重み係数ｓ１ｏ，ｓ２ｏ，…，ｓｍｏと、上記データベース１０５からプロセス項目毎に取得された製造データとに基づいて、上記複数のプロセス項目の中から、上記特性分布データＸ１，Ｘ２，Ｘ３，…における変動発生要因としてのプロセス項目を抽出する。
【００７９】
例えば、特性分布データに異常な変動が発生した場合は、プロセス項目から異常発生の要因を抽出する。このとき、図７に例示するように、複数の構成成分Ｐ１，Ｐ２，Ｐ３，…のうち、選択された構成成分Ｐｏを目的変数とし、上記選択された構成成分Ｐｏに関する重み係数ｓ１ｏ，ｓ２ｏ，…，ｓｍｏを目的変数データとする。また、複数のプロセス項目Ｙ１，Ｙ２，…を説明変数とし、それらのプロセス項目Ｙ１，Ｙ２，…に対応する製造条件のデータを説明変数データとする。プロセス項目の製造条件の値（製造データ）は、プロセス項目毎に単位や数値の桁が異なるため、標準化処理を行う。この標準化したデータを説明変数データとする。このような設定で、図７に例示するデータセットを用いて、上記変動発生要因としてのプロセス項目を抽出する。
【００８０】
プロセス項目を抽出する方法としては、主成分分析、主成分回帰、ＰＬＳ（Partial Least Squares）回帰、多重回帰分析などの多変量解析や、ニューラルネット、ベイズモデリングなど非線形な解析モデル、目的変数と各説明変数における相関分析の単変量解析などを用いることができる。また、目的変数データを予め設定された閾値（ｂとする。）を基準として２値化し、目的変数に対して、分散分析、決定木分析のような分析を行っても良い。
【００８１】
この例では、上記目的変数データを２値化した上で、主成分分析の手法を応用して、プロセス項目を抽出するものとする。
【００８２】
具体的には、複数の構成成分Ｐ１，Ｐ２，Ｐ３，…のうち、ステップＳ２で選択された構成成分ＰｏはＰ２であったものとする。このとき、特性分布データＸ１，Ｘ２，Ｘ３，…に対して上記選択された構成成分Ｐ２がもつ重み係数ｓ１２，ｓ２２，…，ｓｍ２は、図８に例示するようになっていたものとする（図８の横軸は製造物のロット番号である。）。ここで、閾値ｂを６に設定する。そして、特性分布データＸ１，Ｘ２，Ｘ３，…のうち、重み係数ｓｉ２が閾値６を超えている製造物の特性分布データを、上記選択された構成成分Ｐ２の影響を受けている製造物の特性分布データとして分類して、不良品とする。一方、重み係数ｓｉ２が閾値６以下である製造物の特性分布データを、上記選択された構成成分Ｐ２の影響を受けていない製造物の特性分布データとして、良品として分類する。そして、主成分分析によって、各プロセス項目について、上記選択された構成成分Ｐ２が変動要因であるかどうかを評価するための指標値（これを「要因指標値ｃ」と呼ぶ。）を求める。上記選択された構成成分Ｐ２の影響を受けている製造物と、受けていない製造物との間で傾向の異なるプロセス項目を抽出する方法として、この例では主成分分析を使用したが、傾向の違いを評価する手法はこれに留まるものではなく、前述した多変量解析および、非線形モデルによる統計的な評価指標値に基づく方法、ｆ検定、χ２検定に代表される統計検定による方法、各種クラスタリング手法による各クラスタの特徴量に基づく方法を用いても良い。
【００８３】
これにより、例えば図９に示すような要因指標値ｃの一覧結果が得られる（図９の横軸はプロセス項目の番号である。）。この要因指標値ｃが大きいほど、対応するプロセス項目の影響度が高いと推定される。この例では、プロセス項目１５２が要因指標値ｃの最大値Ｍａｘを与えている。したがって、このプロセス項目１５２が上記選択された構成成分Ｐ２の発生要因であると推定されて抽出される。
【００８４】
図１０は、上記抽出されたプロセス項目１５２の製造データと、重み係数ｓ１２，ｓ２２，…，ｓｍ２との間の関係を、製造品毎にプロットして示している。図１０中の□印は、重み係数ｓｉ２が閾値６を超えている１個の不良品を表している。一方、○印は、重み係数ｓｉ２が閾値６以下である１個の良品を表している。図１０から分かるように、プロセス項目１５２の製造データが大きいと、不良品が多く発生していることが分かる（不良品が多く発生している範囲を８０１で示す。）。
【００８５】
この結果、構成成分Ｐ２の発生を抑えるためには、プロセス項目１５２の製造データを小さくするように、プロセスを制御することが必要であることが分かる。これにより、実際の生産ラインに対して有効な改善案を立案、実施することが可能となり、高効率、高品質な生産を実現できる。
【００８６】
このように、本実施形態の要因分析方法では、構成成分抽出ステップＳ１で算出された重み係数に基づいてまたは入力指示に応じて、構成成分選択ステップＳ２で、上記特性分布データにおける変動発生要因に関連する構成成分を絞り込む。したがって、分析が粗くなるのを防止できる。そして、プロセス項目抽出ステップＳ３で、上記選択された構成成分に関する重み係数に基づいて、上記特性分布データにおける変動発生要因としてのプロセス項目を抽出する。これにより、空間的な広がりをもつ製造物について特性値の分布の変動発生要因としてプロセス項目を特定できる。
【００８７】
なお、「特性値」は、電気的・物理的な特性だけでなく、欠陥数を含む広い概念を意味する。欠陥検査の場合は、製造物における欠陥の座標位置を特性分布データとしても良く、製造物を特定の大きさの格子状に区画し、１つの格子内に含まれる欠陥数や欠陥面積を検査プロセスの特性値としても良い。
【００８８】
また、本実施形態では、製造物８０は基板であるものとし、検査プロセス装置１０３は製造物８０の１つの基板面を測定するものとしたが、これに限られるものではない。製造物は立体的な構造を有していても良い。その場合、検査プロセス装置１０３は製造物の各面を測定することで、本発明を実施することができる。
【００８９】
（第２実施形態）
図１１は、本発明の一実施形態の要因分析装置９０４の構成を、生産ラインに設けられた生産装置９０１の構成と併せて示している。なお、図１中の構成要素と同じものについては同じ符号を付して説明を省略する。
【００９０】
生産装置９０１は、製造プロセス装置９０２と検査プロセス装置１０３とを含んでいる。製造プロセス装置９０２は、図１中の製造プロセス装置１０２と同様に、成膜工程、露光工程、エッチング工程等をそれぞれ実行する図示しない複数種類の製造装置を含んでいる。製造物は、製造物（この例では、基板をロット単位とする。）毎に順次、それらの製造装置による処理を受ける。また、製造プロセス装置９０２は、図１中の製造プロセス装置１０２と同様に、製造データを測定するための図示しない測定装置を含んでいる。この測定装置は、製造物毎に各工程を実行する装置内の温度、圧力、投入電力量等の製造条件に関する項目（プロセス項目）のデータを測定する。製造プロセス装置９０２は、それらのプロセス項目毎に取得されたデータの他に、各製造物に対して処理を行った製造装置を特定する装置番号のような、複数のカテゴリで区分された項目を、ロット番号（基板番号）と対応づけて、製造データとして要因分析装置１０４へ送信する。
【００９１】
要因分析装置９０４は、概略、データベース９０５と、演算装置９０６と、表示装置１０７と、入力装置１０８とを備えている。
【００９２】
データベース９０５は、ハードウェアとしては図１中のデータベース１０５と同様であるが、記憶する製造データの中に、複数のカテゴリで区分された項目が含まれている点が異なっている。
【００９３】
演算装置９０６は、この例では、構成成分抽出部９０６ａ、構成成分選択部９０６ｂ、カテゴリ抽出部９０６ｃ、データセット作成部９０６ｄ、プロセス項目抽出部９０６ｅ、および表示処理部９０６ｆを備えている。演算装置９０６は、概略、図１中の演算装置１０６と同様に、データベース９０５から製造データと特性分布データとを含む各種データを取得し、後述の要因分析方法を実行して、特性分布データにおける変動発生要因としてのプロセス項目を特定する。演算装置９０６の各部９０６ａ〜９０６ｆ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。この演算装置９０６の各部９０６ａ〜９０６ｆの働きについては、後述の要因分析方法の説明の中で述べる。
【００９４】
なお、そのようなコンピュータプログラムは、コンピュータに付属のハードディスクドライブに記憶させておいても良いし、または、コンピュータ読み取り可能な記録媒体（コンパクトディスク（ＣＤ）やデジタル万能ディスク（ＤＶＤ）など）に記録しておき、プログラム実行に際して再生装置（ＣＤドライブやＤＶＤドライブなど）で読み出すようにしても良い。
【００９５】
図１２は、上記演算装置９０６によって実行される要因分析方法の概略フローを示している。
【００９６】
まず、構成成分抽出部９０６ａがステップＳ１１（構成成分抽出ステップ）、構成成分選択部１０６ｂがステップＳ１２（構成成分選択ステップ）を、図２中のステップＳ１、ステップＳ２と同様に順次実行する。重複を避けるため、それらの詳細な説明は省略する。なお、表示処理部９０６ｆは、図１中の表示処理部１０６ｄと同様に働く。
【００９７】
次に、図１２中のステップＳ１３（カテゴリ抽出ステップ）では、カテゴリ抽出部９０６ｃが、上記選択された構成成分に関する重み係数と上記カテゴリで区分された項目を含む製造データとに基づいて、上記複数のカテゴリで区分された項目（以下「質的変数」と呼ぶ。）の中から、上記特性分布データＸ１，Ｘ２，Ｘ３，…における変動発生要因としての特定の質的変数を抽出する。すなわち、質的変数を、第１実施形態のステップＳ３で記載した説明変数とし、第１実施形態のステップＳ３で記載した目的変数に対する分析を行う。この分析を、以下では「要因分析Ａ」と記載する。この要因分析Ａにより、特性分布データの構成成分を発生させている要因、もしくはその可能性の高い候補となる質的変数を抽出する。
【００９８】
この要因分析Ａにおける、複数の質的変数の中から特定の質的変数を抽出する方法としては、分散分析、決定木のような統計手法を使うことができる。または、質的変数の各変数におけるカテゴリ別に製造物についての重み係数の平均値をとり、各カテゴリの平均値の差がある閾値を超えるものを要因候補とするように、統計値をユーザが予め定めた閾値を基に判別する分析手法を使うこともできる。
【００９９】
次に、図１２中のステップＳ１４（データセット作成ステップ）では、データセット作成部９０６ｄが、ステップＳ１３で抽出された質的変数のカテゴリに基づいて、データセットを作成する。このデータセットは、後述するステップＳ１５で分析に用いられるべきデータの集合である。第１実施形態の場合では全製造物の重み係数と全プロセス項目の製造データであったが、このステップＳ１４では、第１実施形態のデータセットから絞り込みを行う。
【０１００】
データセットの絞り込みには次の２種類がある。一つ目の方法は、プロセス項目の製造データをステップＳ１３で抽出した要因となる質的変数が持っているプロセス項目の製造データに絞り込む方法である。例えば、ステップＳ１３で特定の製造装置を抽出した場合、説明変数としては抽出した製造装置で取得できる各種プロセス項目のみが説明変数となる。二つ目の方法は、製造物の重み係数をステップＳ１３で抽出した要因となる質的変数のカテゴリに含まれる製造物の重み係数に絞り込む方法である。例えば、ステップＳ１３で特定の製造装置を抽出した場合、その製造装置により処理された製造物の重み係数のみで下記要因分析Ｂを行う。なお、これらのデータセットの絞り込みは、どちらかを用いるだけでなく、両方用いてもよい。
【０１０１】
次に、図１２中のステップＳ１５（プロセス項目抽出ステップ）では、プロセス項目抽出部９０６ｅが、ステップＳ１４で作成されたデータセットを用いた分析を行う。この分析を「要因分析Ｂ」と呼ぶ。要因分析Ｂの手法は、第１実施形態のステップＳ３の手順と同じである。
【０１０２】
このように、各製造物における特性値の特性分布データを構成成分と重み係数で表現することにより、プロセス項目についての要因分析を行う前に、質的変数に対する要因カテゴリを抽出する分析を実施することが可能となる。これにより、要因分析Ｂにおいて、要因分析Ａで抽出した要因カテゴリに該当する製造物のみで分析を行うことができ、特定の条件に当てはまる製造物を対象にした分析が可能となる。したがって、要因分析Ｂにおいてノイズを低減でき、より正確な要因分析を実施できる。もしくは、要因分析Ｂにおいて、要因分析Ａで抽出した要因カテゴリに含まれるプロセス項目のみが説明変数となるため、要因分析Ｂにおいて他のカテゴリに含まれるプロセス項目による影響を考慮する必要が無くなり、分析におけるノイズを抑えることができる。以上により、特性値の分布に対するより正確な要因分析を実施することが可能となる。
【０１０３】
次に、図１２中のステップＳ１１〜Ｓ１５における処理、特に、ステップＳ１３，Ｓ１４，Ｓ１５における処理を、より具体的に説明する。
【０１０４】
上記ステップＳ１１（構成成分抽出ステップ）、構成成分選択部１０６ｂがステップＳ１２（構成成分選択ステップ）の後、ステップＳ１３（カテゴリ抽出ステップ）では、この例では第１実施形態の図５の構成成分Ｐ２を選択し、構成成分Ｐ２に対して要因分析Ａを実施する。
【０１０５】
この要因分析Ａでは、説明変数として製造プロセス装置９０２に含まれる工程α，β，γ，δ，…の各装置を設定する。これにより、製造工程の装置の違いを起因とする重み係数の差異を分析し、構成成分Ｐ２の発生要因であるプロセス項目が設定されている装置を抽出することができる。ここで、質的変数の中から特定のカテゴリを抽出する方法として分散分析によるＦ値を比較する手法を用いた。Ｆ値の計算式は次式の通りである。Ｆ値が大きい方が装置の差の影響が大きいとされる。
【０１０６】
ここで、ＳＴは全製造物の残差平方和、Ｓｅは質的変数の各カテゴリに含まれる製造物の残差平方和、νＴは全製造物の自由度、νｅは質的変数の各カテゴリに含まれる製造物の自由度を表す。
【０１０７】
その結果は、例えば図１３に示すように得られる。図１３の横軸は工程α，β，γ，δ，…を表し、縦軸は上記工程α，β，γ，δ，…が構成成分Ｐ２の発生要因であるかどうかを評価するための指標値（これを「要因指標値ｄ」と呼ぶ。）を表している。図１３から、工程αについての要因指標値ｄが他の工程β，γ，δ，…のものよりも大きく、工程αが発生要因である可能性が高いことが分かる。
【０１０８】
この例では、製造データによると、工程αでは２つの製造装置α１，α２で製造品に対するプロセス処理が行われていた。図１４は、特性分布データＸ１，Ｘ２，Ｘ３，…に対してステップＳ１２で選択された構成成分Ｐ２がもつ重み係数を、装置α１，α２毎に、プロットして示している。図１４から分かるように、装置α１で処理された製造物の重み係数のばらつきが装置α２のものよりも大きいことが分かる（重み係数のばらつきの範囲を１２０１で示す。）。そこで、この例では、上記構成成分Ｐ２の発生要因として工程α及び装置α１を抽出する。
【０１０９】
次に、ステップＳ１４（データセット作成ステップ）では、データベース９０５に記憶されている製造データ、検査データのうち、上記ステップＳ１３で抽出された装置α１で処理された製造物の重み係数に絞り、かつ、工程αのプロセス項目の製造データに絞り込んで、次のステップＳ１５で分析に用いられるべきデータセットを作成する。
【０１１０】
この例では、特性分布データＸ１，Ｘ２，Ｘ３，…に対して上記選択された構成成分Ｐ２がもつ重み係数ｓ１２，ｓ２２，…，ｓｍ２に絞り、かつ、工程αのプロセス項目の製造データに絞り込んで、上記データセットを作成する。
【０１１１】
次に、ステップＳ１５（プロセス項目抽出ステップ）では、ステップＳ１４で作成されたデータセットを用いて要因分析Ｂを実施する。これにより、第１実施形態におけるのと同様に、上記複数のプロセス項目の中から、上記特性分布データＸ１，Ｘ２，Ｘ３，…における変動発生要因としてのプロセス項目を抽出する。
【０１１２】
この例では、第１実施形態におけるのと同様に、上記構成成分Ｐ２の発生要因としてプロセス項目１５２（図９参照）を抽出した。このとき、ステップＳ１４で分析対象のデータセットを絞り込んでいるので、変動発生要因としてのプロセス項目を効率的に判別することができる。
【０１１３】
図１５は、ステップＳ１４で作成されたデータセットを用いて、図１０におけるのと同様に、上記抽出されたプロセス項目１５２の製造データと、重み係数ｓ１２，ｓ２２，…，ｓｍ２との間の関係を、製造品毎にプロットして示している。図１０におけるのと同様に、重み係数ｓｉ２が閾値６を超えているものを不良品であるとした場合、図１５から分かるように、プロセス項目１５２の製造データが大きいと、不良品が多く発生していることが分かる（不良品が多く発生している範囲を１３０１で示す。）。この図１５では、ステップＳ１４で分析対象のデータセットを絞り込んでいるので、図１０では存在したプロセス項目の製造データが小さい領域に現れていたノイズが存在しなくなっている。したがって、より正確な要因分析を行うことができたことが分かる。
【０１１４】
本実施形態では、質的変数のカテゴリを抽出し、そのカテゴリに含まれるプロセス項目の中から製造物の特性値に影響を与えるプロセス項目を抽出しているが、それに代えて、プロセス項目を抽出してからそのプロセス項目を含む質的変数の中から上記製造物の特性値に影響を与える質的変数のカテゴリを抽出してもよい。プロセス項目のデータ数が質的変数のデータ数より多い場合、先に質的変数のカテゴリを抽出しそのカテゴリに含まれるプロセス項目の中から要因となるプロセス項目を抽出するのが望ましい。一方、プロセス項目のデータ数が質的変数のデータ数より少ない場合は、先にプロセス項目を抽出しそのプロセス項目を含む質的変数の中から要因となる質的変数のカテゴリを抽出するのが望ましい。そのようにした場合、要因分析および分析結果の判断に必要な時間の短縮となり、効率よく要因分析を行うことができる。
【０１１５】
以上に説明したとおり、本実施形態によれば、製品の特性や歩留りに影響を与える特性値の分布パターンの発生要因となっている質的変数を抽出し、抽出した質的変数のカテゴリに基づいて元のデータセットを絞り込んで要因分析を行うことができる。これにより、より正確な要因分析を行うことができる。
【産業上の利用可能性】
【０１１６】
本発明は、電子デバイス、電子機器、機械、鉄鋼、金属など、複数のプロセス項目を含む製造プロセスによって製造品に処理を施す分野で、空間的な広がりをもつ製造物について特性値の分布の変動発生要因を分析するのに広く利用することができる。
【符号の説明】
【０１１７】
１０１，９０１ 生産装置
１０２，９０２ 製造プロセス装置
１０３ 検査プロセス装置
１０４，９０４ 要因分析装置
１０５，９０５ データベース
１０６，９０６ 演算装置
１０７ 表示装置
１０８ 入力装置
【特許請求の範囲】
【請求項１】
複数のプロセス項目を含む製造プロセスにより処理された空間的な広がりをもつ製造物について、上記プロセス項目毎に製造条件を表す製造データを取得するとともに、上記製造物の部位毎に特性値を計測して上記製造物上の上記特性値の分布を表す特性分布データを取得し、上記特性分布データにおける変動発生要因を分析する要因分析方法であって、
複数の製造物の特性分布データに基づいて、パターン分類手法によって、上記特性分布データにおける変動の特徴を表す複数の構成成分を抽出するとともに、上記特性分布データの各々に対して、上記複数の構成成分がその特性分布データを表すのに寄与する重み係数をそれぞれ算出する構成成分抽出ステップと、
上記算出された重み係数に基づいてまたは入力指示に応じて、上記複数の構成成分のうち分析対象とすべき構成成分を少なくとも一つ選択する構成成分選択ステップと、
上記選択された構成成分に関する重み係数と上記プロセス項目毎に取得された上記製造データとに基づいて、上記複数のプロセス項目の中から、上記特性分布データにおける変動発生要因としてのプロセス項目を抽出するプロセス項目抽出ステップと、
を有する要因分析方法。
【請求項２】
請求項１に記載の要因分析方法において、
上記製造物の上記部位は、上記製造物の座標点、または上記製造物を格子状に区画して設定された格子点若しくは矩形領域であることを特徴とする要因分析方法。
【請求項３】
請求項１に記載の要因分析方法において、
上記複数の構成成分は統計的に互いに独立していることを特徴とする要因分析方法。
【請求項４】
請求項１に記載の要因分析方法において、
上記パターン分類手法は、上記複数の製造物の特性分布データを重ね合わせ、その重ね合わされた特性分布データにおける特性値の分布の偏りを上記構成成分として分類するクラスタリング手法であることを特徴とする要因分析方法。
【請求項５】
請求項１に記載の要因分析方法において、
上記構成成分選択ステップでは、上記複数の構成成分のそれぞれについて、上記重み係数に基づいて上記構成成分を評価するための成分指標値を算出し、上記分析対象とすべき構成成分として、上記成分指標値が最も大きい構成成分、又は上記成分指標値が最も小さい構成成分を選択することを特徴とする要因分析方法。
【請求項６】
請求項１に記載の要因分析方法において、
上記プロセス項目抽出ステップでは、
上記複数の製造物の特性分布データのうち、上記選択された構成成分の重み係数が予め定められた閾値を超えている製造物の特性分布データを、上記選択された構成成分の影響を受けている製造物の特性分布データとして分類する一方、上記選択された構成成分の重み係数が上記閾値以下である製造物の特性分布データを、上記選択された構成成分の影響を受けていない製造物の特性分布データとして分類し、
上記選択された構成成分の影響を受けている製造物の特性分布データと上記選択された構成成分の影響を受けていない製造物の特性分布データとの間で上記製造データの傾向が異なるプロセス項目を、上記特性分布データにおける変動発生要因としてのプロセス項目として抽出することを特徴とする要因分析方法。
【請求項７】
請求項１に記載の要因分析方法において、
上記プロセス項目抽出ステップの前に、上記重み係数と上記プロセス項目毎に取得された上記製造データとに基づいて、上記製造物の特性値に影響を与える質的変数のカテゴリを抽出するカテゴリ抽出ステップを有し、
上記プロセス項目抽出ステップでは、上記抽出された質的変数のカテゴリに含まれるプロセス項目の中から、上記特性分布データにおける変動発生要因としてのプロセス項目を抽出することを特徴とする要因分析方法。
【請求項８】
請求項１に記載の要因分析方法において、
上記プロセス項目抽出ステップの後、さらに、
上記抽出されたプロセス項目を含む質的変数の中から、上記製造物の特性値に影響を与える質的変数のカテゴリを抽出するカテゴリ抽出ステップを有することを特徴とする要因分析方法。
【請求項９】
複数のプロセス項目を含む製造プロセスにより処理された空間的な広がりをもつ製造物について、上記プロセス項目毎に製造条件を表す製造データを取得するとともに、上記製造物の部位毎に特性値を計測して上記製造物上の上記特性値の分布を表す特性分布データを取得し、上記特性分布データにおける変動発生要因を分析する要因分析装置であって、
複数の製造物の特性分布データに基づいて、パターン分類手法によって、上記特性分布データにおける変動の特徴を表す複数の構成成分を抽出するとともに、上記特性分布データの各々に対して、上記複数の構成成分がその特性分布データを表すのに寄与する重み係数をそれぞれ算出する構成成分抽出部と、
上記算出された重み係数に基づいてまたは入力指示に応じて、上記複数の構成成分のうち分析対象とすべき構成成分を少なくとも一つ選択する構成成分選択部と、
上記選択された構成成分に関する重み係数と上記プロセス項目毎に取得された上記製造データとに基づいて、上記複数のプロセス項目の中から、上記特性分布データにおける変動発生要因としてのプロセス項目を抽出するプロセス項目抽出部と、
を備えた要因分析装置。
【請求項１０】
請求項１から８に記載の要因分析方法をコンピュータに実行させるためのプログラムを記録したコンピュータ読み取り可能な記録媒体。
【請求項１１】
複数のプロセス項目を含む製造プロセスにより処理された空間的な広がりをもつ製造物について、上記プロセス項目毎に製造条件を表す製造データを取得するとともに、上記製造物の部位毎に特性値を計測して上記製造物上の上記特性値の分布を表す特性分布データを取得し、上記特性分布データにおける変動発生要因を分析する要因分析装置であって、
複数の製造物の特性分布データに基づいて、パターン分類手法によって、上記特性分布データにおける変動の特徴を表す構成成分を複数抽出するとともに、上記特性分布データの各々に対して、上記複数の構成成分がその特性分布データを表すのに寄与する重み係数をそれぞれ算出する構成成分抽出部と、
上記複数の構成成分のそれぞれについて、上記重み係数に基づいて上記構成成分を評価するための成分指標値を算出する成分指標値算出部と、
上記構成成分を表す画像と、上記構成成分に対応する上記成分指標値とを、所定の表示画面に表示する処理を行う表示処理部と、
を備えた要因分析装置。
【請求項１２】
請求項１１に記載の要因分析装置において、
上記構成成分を表す画像は、上記製造物の空間的な広がりに対応する表示空間で、上記構成成分のパターンおよび値に応じた図形要素を配して構成されていることを特徴とする要因分析装置。
【請求項１】
複数のプロセス項目を含む製造プロセスにより処理された空間的な広がりをもつ製造物について、上記プロセス項目毎に製造条件を表す製造データを取得するとともに、上記製造物の部位毎に特性値を計測して上記製造物上の上記特性値の分布を表す特性分布データを取得し、上記特性分布データにおける変動発生要因を分析する要因分析方法であって、
複数の製造物の特性分布データに基づいて、パターン分類手法によって、上記特性分布データにおける変動の特徴を表す複数の構成成分を抽出するとともに、上記特性分布データの各々に対して、上記複数の構成成分がその特性分布データを表すのに寄与する重み係数をそれぞれ算出する構成成分抽出ステップと、
上記算出された重み係数に基づいてまたは入力指示に応じて、上記複数の構成成分のうち分析対象とすべき構成成分を少なくとも一つ選択する構成成分選択ステップと、
上記選択された構成成分に関する重み係数と上記プロセス項目毎に取得された上記製造データとに基づいて、上記複数のプロセス項目の中から、上記特性分布データにおける変動発生要因としてのプロセス項目を抽出するプロセス項目抽出ステップと、
を有する要因分析方法。
【請求項２】
請求項１に記載の要因分析方法において、
上記製造物の上記部位は、上記製造物の座標点、または上記製造物を格子状に区画して設定された格子点若しくは矩形領域であることを特徴とする要因分析方法。
【請求項３】
請求項１に記載の要因分析方法において、
上記複数の構成成分は統計的に互いに独立していることを特徴とする要因分析方法。
【請求項４】
請求項１に記載の要因分析方法において、
上記パターン分類手法は、上記複数の製造物の特性分布データを重ね合わせ、その重ね合わされた特性分布データにおける特性値の分布の偏りを上記構成成分として分類するクラスタリング手法であることを特徴とする要因分析方法。
【請求項５】
請求項１に記載の要因分析方法において、
上記構成成分選択ステップでは、上記複数の構成成分のそれぞれについて、上記重み係数に基づいて上記構成成分を評価するための成分指標値を算出し、上記分析対象とすべき構成成分として、上記成分指標値が最も大きい構成成分、又は上記成分指標値が最も小さい構成成分を選択することを特徴とする要因分析方法。
【請求項６】
請求項１に記載の要因分析方法において、
上記プロセス項目抽出ステップでは、
上記複数の製造物の特性分布データのうち、上記選択された構成成分の重み係数が予め定められた閾値を超えている製造物の特性分布データを、上記選択された構成成分の影響を受けている製造物の特性分布データとして分類する一方、上記選択された構成成分の重み係数が上記閾値以下である製造物の特性分布データを、上記選択された構成成分の影響を受けていない製造物の特性分布データとして分類し、
上記選択された構成成分の影響を受けている製造物の特性分布データと上記選択された構成成分の影響を受けていない製造物の特性分布データとの間で上記製造データの傾向が異なるプロセス項目を、上記特性分布データにおける変動発生要因としてのプロセス項目として抽出することを特徴とする要因分析方法。
【請求項７】
請求項１に記載の要因分析方法において、
上記プロセス項目抽出ステップの前に、上記重み係数と上記プロセス項目毎に取得された上記製造データとに基づいて、上記製造物の特性値に影響を与える質的変数のカテゴリを抽出するカテゴリ抽出ステップを有し、
上記プロセス項目抽出ステップでは、上記抽出された質的変数のカテゴリに含まれるプロセス項目の中から、上記特性分布データにおける変動発生要因としてのプロセス項目を抽出することを特徴とする要因分析方法。
【請求項８】
請求項１に記載の要因分析方法において、
上記プロセス項目抽出ステップの後、さらに、
上記抽出されたプロセス項目を含む質的変数の中から、上記製造物の特性値に影響を与える質的変数のカテゴリを抽出するカテゴリ抽出ステップを有することを特徴とする要因分析方法。
【請求項９】
複数のプロセス項目を含む製造プロセスにより処理された空間的な広がりをもつ製造物について、上記プロセス項目毎に製造条件を表す製造データを取得するとともに、上記製造物の部位毎に特性値を計測して上記製造物上の上記特性値の分布を表す特性分布データを取得し、上記特性分布データにおける変動発生要因を分析する要因分析装置であって、
複数の製造物の特性分布データに基づいて、パターン分類手法によって、上記特性分布データにおける変動の特徴を表す複数の構成成分を抽出するとともに、上記特性分布データの各々に対して、上記複数の構成成分がその特性分布データを表すのに寄与する重み係数をそれぞれ算出する構成成分抽出部と、
上記算出された重み係数に基づいてまたは入力指示に応じて、上記複数の構成成分のうち分析対象とすべき構成成分を少なくとも一つ選択する構成成分選択部と、
上記選択された構成成分に関する重み係数と上記プロセス項目毎に取得された上記製造データとに基づいて、上記複数のプロセス項目の中から、上記特性分布データにおける変動発生要因としてのプロセス項目を抽出するプロセス項目抽出部と、
を備えた要因分析装置。
【請求項１０】
請求項１から８に記載の要因分析方法をコンピュータに実行させるためのプログラムを記録したコンピュータ読み取り可能な記録媒体。
【請求項１１】
複数のプロセス項目を含む製造プロセスにより処理された空間的な広がりをもつ製造物について、上記プロセス項目毎に製造条件を表す製造データを取得するとともに、上記製造物の部位毎に特性値を計測して上記製造物上の上記特性値の分布を表す特性分布データを取得し、上記特性分布データにおける変動発生要因を分析する要因分析装置であって、
複数の製造物の特性分布データに基づいて、パターン分類手法によって、上記特性分布データにおける変動の特徴を表す構成成分を複数抽出するとともに、上記特性分布データの各々に対して、上記複数の構成成分がその特性分布データを表すのに寄与する重み係数をそれぞれ算出する構成成分抽出部と、
上記複数の構成成分のそれぞれについて、上記重み係数に基づいて上記構成成分を評価するための成分指標値を算出する成分指標値算出部と、
上記構成成分を表す画像と、上記構成成分に対応する上記成分指標値とを、所定の表示画面に表示する処理を行う表示処理部と、
を備えた要因分析装置。
【請求項１２】
請求項１１に記載の要因分析装置において、
上記構成成分を表す画像は、上記製造物の空間的な広がりに対応する表示空間で、上記構成成分のパターンおよび値に応じた図形要素を配して構成されていることを特徴とする要因分析装置。
【図１】
【図２】
【図３】
【図４Ａ】
【図４Ｂ】
【図５】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図６】
【図２】
【図３】
【図４Ａ】
【図４Ｂ】
【図５】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図６】
【公開番号】特開２０１２−６３９２８（Ｐ２０１２−６３９２８Ａ）
【公開日】平成２４年３月２９日（２０１２．３．２９）
【国際特許分類】
【出願番号】特願２０１０−２０６９９０（Ｐ２０１０−２０６９９０）
【出願日】平成２２年９月１５日（２０１０．９．１５）
【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３月２９日（２０１２．３．２９）
【国際特許分類】
【出願日】平成２２年９月１５日（２０１０．９．１５）
【出願人】（０００００５０４９）シャープ株式会社 (33,933)
【Ｆターム（参考）】
[ Back to top ]