JP2001306999A - データ解析装置およびデータ解析方法 - Google Patents

Abstract

(57)【要約】 （修正有） 【課題】 データマイニング結果に対して、信頼度や精
度の評価、２次以降の効果のある要因の定量的な評価を
おこなうこと。 【解決手段】 データマイニングにより複数のデータ間
に存在するルールを抽出し、そのルールとそのルールの
信頼度をあらわす情報を出力する。ルールの信頼度をあ
らわす情報として、複数のデータよりなる集合を２分割
する際の分割の明確度をあらわす集合分割評価値Ｓ比と
ｔ値を定義する。 Ｓ比の値が小さいほど、またｔ値の値が大きいほど、集
合分割が明確におこなわれる。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】この発明は、広く産業界で取
り扱われるデータ間の関連を把握し、産業上優位な結果
をもたらすための有意性のある結果を抽出するデータ解
析装置およびデータ解析方法に関する。たとえば、半導
体製造工程において、歩留りを向上させるため、製造段
階で使用された装置の履歴、試験結果、設計情報および
各種測定データ等に基づいて、歩留りを低下させている
要因をできるだけ速やかに見つけ出す作業がおこなわれ
る。

【０００２】特に、新しい製品の開発や既存の製造工程
の見直しなどでは、データ解析の効率化および高信頼性
化を図るため、上述した種々のオリジナルデータ群から
データ中に隠れた価値ある情報や規則性を抽出すること
が重要である。そして、その抽出された情報や規則性を
統合して学習することにより、技術者による発見が困難
な知識を発見し、歩留り低下要因の発見に活用すること
が可能となる。これを可能とするデータ解析の手法とし
て、特に金融や流通等の分野において活用されているデ
ータマイニングがある。これらの産業分野は大量データ
を扱うため、データマイニングの適用に適している。

【０００３】

【従来の技術】図２５は、データマイニングを適用して
いない一般的なデータ解析手法を示す概念図である。一
般的なデータ解析手法では、オリジナルデータ群１の各
データベース２ａ，２ｂ，・・・から抽出された個々の
オリジナルデータは、そのまま解析ツール群３により解
析される。その解析結果に基づいて、意思決定がなされ
る。解析ツール群３には、たとえば統計解析コンポーネ
ント４ａや図表作製コンポーネント４ｂなどがある。

【０００４】図２６は、半導体製造工程において実施さ
れている従来のデータ解析手法を示す概念図である。従
来、半導体製造工程においては、データマイニングを適
用していない一般的なデータ解析手法が用いられてい
る。オリジナルデータ群５には、設計データ、工程デー
タ、装置データおよび試験結果等の各データベース６
ａ，６ｂ，６ｃ，６ｄが設けられている。分析対象デー
タ７は、それら各データベース６ａ，６ｂ，６ｃ，６ｄ
から抽出されたオリジナルデータにより構成される。分
析対象データ７は、データ処理装置８により処理され、
低歩留り要因のデータ９が得られる。

【０００５】分析対象データ７は解析手順や層別に合わ
せて抽出される。どのデータを抽出し、それらを用いて
どのように解析するかということは、個々の技術者のそ
れまでのノウハウ、経験および技術などに基づいて決定
される。つまり、解析をおこなう技術者の裁量に任され
ていることになる。また、その解析結果は、相関図、ト
レンドグラフまたはヒストグラムなどの形式で表示され
る。

【０００６】一般に、半導体製造工程の歩留り低下要因
を究明するため、装置間差解析がおこなわれる。図２７
は、装置間差解析におけるロットの流れを示す概念図で
あり、図２８は、装置間差解析におけるロットの歩留り
値を、使用した装置毎に示す箱ヒゲ図である。この箱ヒ
ゲ図は、各製造工程毎に作成される。この装置間差解析
では、各ロットの工程毎の使用装置データから、各製造
工程でどの製造装置を使用すると歩留りが最も影響を受
けるかということが抽出される。そして、得られた箱ヒ
ゲ図に基づいて、最も歩留りの差が顕著な工程とその装
置の同定がおこなわれる。

【０００７】

【発明が解決しようとする課題】しかしながら、上述し
た装置間差解析では、現在、製造工程数が数百であるた
め、解析にあたって著しく多大な工数を要するという問
題点がある。また、差異が明確に出ない場合や条件が複
雑に絡み合った場合には、判断し難い場合があるという
欠点がある。

【０００８】また、従来の解析技術では、主に個々の技
術者のそれまでのノウハウ、経験、あるいは技術などに
基づいて解析が進められるため、解析の効率や信頼性の
低下は避けられない。そこで、個々の技術者のノウハウ
や経験や技術などに依存する割合を少なくし、各解析ツ
ールによる解析を効率的で、かつ漏れがないように実施
するための知識の学習やその学習結果を活用することが
でき、さらにはその結果の精度を評価することが可能な
データ解析技術が望まれる。

【０００９】図２９は、データマイニングの一手法であ
る判別分析のデータ解析において用いられるレコードの
構成を示す模式図である。一般に、データ解析において
は、変動原因や変動パターンを探ることを目的とする変
数を目的変数といい、目的変数の変動を説明する変数を
説明変数という。各レコード１０ａ，１０ｂ，・・・１
０ｉは目的変数のデータ１１ａ，１１ｂ，・・・１１ｉ
と説明変数のデータ１２ａ，１２ｂ，・・・１２ｉに分
けられる。それぞれ何を目的変数および説明変数にする
か、またどのような解析をおこなうかということによっ
て、解析の効率や信頼度が変化する。そこで、解析の信
頼度、精度を評価することが必要となってくる。

【００１０】半導体製造工程の歩留りに関するデータ解
析をおこなう場合には、目的変数は歩留りであり、説明
変数は、使用装置履歴、試験結果、設計情報および各種
測定データなどである。より効率的に解析をおこない、
かつその信頼性を向上させるためには、図２５に示した
とおり、オリジナルデータ群と既存解析ツール群との間
で、目的変数と説明変数との間の関係を明らかにする処
理をおこなう必要がある。

【００１１】目的変数と説明変数間の関係を明らかにす
る手法としてデータマイニングが有効である。図３０
は、データマイニングを適用した一般的なデータ解析手
法を示す概念図である。データマイニングを適用したデ
ータ解析手法では、オリジナルデータ群１３の各データ
ベース１４ａ，１４ｂ，・・・から抽出された個々のオ
リジナルデータに基づいて、データ内に潜む特徴や規則
性の抽出処理（データマイニング）をおこなう装置１５
によりルールファイル１６が作成される。

【００１２】そして、各データベース１４ａ，１４ｂ，
・・・から抽出された個々のオリジナルデータは、ルー
ルファイル１６に基づいて解析ツール群１７により解析
される。その解析結果に基づいて、意思決定がなされ
る。解析ツール群１７には、たとえば統計解析コンポー
ネント１８ａや図表作製コンポーネント１８ｂなどがあ
る。

【００１３】歩留りデータ解析においてデータマイニン
グを適用した場合、データマイニング結果に基づいて歩
留り向上のための対策を決定したり、対策を実施すべき
か否かの判定をおこなったり、対策効果の予測をおこな
ったりすることになる。そのためには、データマイニン
グ結果の定量的な評価や精度が必要となる。

【００１４】データマイニングの一手法である判別分析
のうち、回帰木分析は特に有効である。回帰木分析の利
点の一つは、結果がわかりやすいルールとして出力され
ることであり、それは一般的な言語やＳＱＬ言語のよう
なデータベース言語であらわされる。したがって、これ
らの結果の信頼度、精度を有効に使い、その結果により
有効な意志決定をおこなったり、行動（すなわち対策
等）を起こすようにすることが可能となる。

【００１５】回帰木分析について簡単に説明する。回帰
木分析は、図２９に示すように、複数の属性を示す説明
変数とそれにより影響を受ける目的変数からなるレコー
ドの集合を対象とし、その目的変数に最も影響を与える
属性と属性値を判別するものである。回帰木分析エンジ
ンからはデータの特徴や規則性を示すルールが出力され
る。

【００１６】回帰木分析の処理は、各属性の属性値に基
づいて集合の２分割を繰り返していくことで実現され
る。その集合分割の際、分割前の目的変数の平方和をＳ
０、分割後の２つの集合の目的変数の平方和をそれぞれ
Ｓ１およびＳ２とすると、つぎの（１）式であらわされ
るΔＳが最大となるように分割するレコードの属性とそ
の属性値が求められる。

【００１７】 ΔＳ＝Ｓ０−（Ｓ１＋Ｓ２） ・・・（１）

【００１８】ここで得られる属性と属性値は、回帰木の
分岐点に対応している。以降、分割された集合について
も同様な処理を繰り返し、説明変数の目的変数に対する
影響を調べる。したがって、分岐の上のものほど目的変
数に対する影響が大きいことになる。そして、分割され
た集合の目的変数の標準偏差が、あらかじめ指定された
値よりも小さくなると、回帰木の分岐は停止する。この
ように、ΔＳの値により集合分割を繰り返すことにより
得られる回帰木図に基づいて、各属性における属性値に
よる目的変数への影響が判別される。

【００１９】しかしながら、解析対象が半導体のように
製造プロセスに関するものでは、実際の低歩留り要因は
一つに限らないことがある。また、データ解析上最も有
意差有りと判定された要因が実際にはそうでなかったり
する場合がある。これは、通常の回帰木分析エンジンで
は、集合分割をおこなう各段階で最も有意とされたも
の、すなわちΔＳが最大のもののみが出力されるからで
ある。つまり、解析の精度や信頼性が十分に得られてい
るわけではない。

【００２０】一方、金融や流通などの分野ではデータマ
イニングが多く適用されている。そのような分野で扱わ
れるデータは膨大なレコード数（たとえば、ＰＯＳデー
タ）であるが、その説明変数の数は比較的少ないものが
多い。それに対して、製造プロセスから得られるデータ
では、レコード数が少ないにもかかわらず、その説明変
数の数が多い。このため、データマイニングの解析結果
に対して、その精度や信頼度に関して、従来のものとは
根本的に異なった手法が必要である。

【００２１】製造プロセスのデータに対してデータマイ
ニングを適用する場合には、その結果により製造条件を
変更したりするので、データマイニング結果の精度評価
は重要となる。特に、ロット数の少ないシステムＬＳＩ
製品の製造プロセスにおいては、このような信頼度や精
度、あるいは２次以降の可能性のある要因に関する情報
は重要である。

【００２２】データマイニングに限らず、一般に多変量
解析における判別分析結果として得られるルールの精度
評価は、つぎの（２）式にしたがっておこなわれる。

【００２３】 （誤判別率）＝（誤判別されたデータ数）／（全データ数） ・・・（２）

【００２４】図３１は、ルールの精度評価について説明
するための説明図である。図３１には、△印のＡ群のデ
ータと○印のＢ群のデータをＸ１とＸ２の２つの説明変
数で判別した様子が示されている。図３１（ａ）に示す
線型判別関数による判別では、Ｂ群のデータのうち中央
付近にある○印（符号１９で示す）がＡ群のデータであ
ると誤判別されるので、誤判別率は１２分の１（１／１
２）となる。

【００２５】一方、図３１（ｂ）に示すマハラノビスの
距離による判別では、すべて正しく判別されるので、誤
判別率はゼロとなる。データ種類や解析内容によって
は、データマイニング結果についても同様な手法で評価
可能であるが、データ量が多いため、サンプリングによ
る方法や交差検証法（cross validation）が採用される
場合もある。

【００２６】これらの評価方法は、個々のデータの属性
が完全に既知であり、判別分析結果が正しく判別されて
いるか否かの判定が可能であることを前提としている。
しかし、プロセスデータの性質からして真の状態を判別
するのは不可能であり、誤判別率による精度評価は意味
をなさない。

【００２７】また、仮に何らかの前提条件を付加して誤
判別率を定義したとしても、プロセスデータにはデータ
数が少なく、かつ説明変数の数が多いという特殊性があ
るため、プロセスデータに対して従来の評価手法を適用
するのは不可能な場合が多い。つまり、プロセスデータ
等のデータマイニング結果の信頼度や精度に関する知見
を得る手法はいまだ確立されていない。

【００２８】そこで、プロセスデータ等のデータマイニ
ング結果に対して適用可能な評価手法を新たに設ける必
要がある。さらに、得られたデータマイニング結果が必
ずしも真の状態を示しているとは限らないため、２次以
降の要因として他の可能性のある要因についても知見を
得るのが望ましい。また、データマイニングのアルゴリ
ズムの多くは多変量解析であり、その結果を統計的手法
に不慣れなエンドユーザに納得させるのは困難であるた
め、わかりやすい判断基準が必要である。

【００２９】さらには、プロセスデータの解析では、上
述したように、使用装置履歴、試験結果、設計情報およ
び各種測定データなどを説明変数とするが、使用装置履
歴、試験結果、設計情報および各種測定データ等は異な
るタイプの項目群（カテゴリ）に属するデータ種、すな
わち異なる質のデータ種である。一般に、従来のプロセ
スデータの解析手法では、別の項目群に属する説明変数
の影響を分離または小さくすることが困難であるため、
単一の項目群に属する説明変数についてのみ、目的変数
である歩留り値との関連を解析している。したがって、
得られる各解析結果は単一の項目群に属する説明変数に
ついてのものである。

【００３０】たとえば、従来の解析手法では、説明変数
を各工程の使用装置履歴とした場合、各工程の装置間差
による歩留りへの影響がわかるだけである。また、説明
変数を電気的特性データとした場合は、どの電気的特性
データがどのような値にあるとき、歩留りにどのような
影響をおよぼすかという情報が得られるだけである。つ
まり、従来の解析手法では、異なる項目群の説明変数に
またがったり、異なる項目群に属する説明変数間の関連
性についての情報は得られない。また、ある項目群に対
する解析結果と別の項目群に対する解析結果との間の関
連性や、異なる項目群に属する説明変数の、目的変数に
対する影響度の違いなどの情報は得られない。

【００３１】したがって、従来の解析手法により、たと
えば装置間差が生じていたことが判明したとしても、実
際にはそれよりも電気的特性データの歩留りへの影響度
の方が大きい場合や、その装置間差もノイズにより得ら
れた解析結果ほど実際には生じていない場合などがあ
る。このような場合、使用装置履歴に対する解析結果を
参考にして、装置間差の対策をおこなったとしてもさほ
ど有効な対策とはならない。

【００３２】特に、近年、デバイス等の微細化が進み、
また世の中のデータの複雑化が進んだことにより、設計
や製造要因により生じる不良要因はより複雑に絡み合っ
ており、それを反映したたとえば使用装置履歴や試験結
果や設計情報や各種測定データ等も各々独立ではなく互
いに複雑に絡み合っている。したがって、単純に項目群
毎に歩留り値におよぼす影響を解析しても、必ずしも実
際の現象を的確にあらわしているとは限らない。

【００３３】そこで、異なる項目群のデータにまたがっ
て解析をおこない、その結果としてどの項目群に属する
どの説明変数が目的変数に効いているかということをノ
イズの少ない状態で把握することが可能なデータ解析方
法やデータ解析装置が必要となる。しかし、今のところ
異なる項目群に属する説明変数間に存在する関連性や絡
み具合を把握する手法はない。

【００３４】この発明は、上述した事情に鑑みてなされ
たものであり、データマイニング結果、特に半導体製造
工程において取得されるプロセスデータ等のデータマイ
ニング結果に対して、信頼度や精度の評価、あるいは２
次以降の効果のある要因の定量的な評価をおこなうこと
ができるデータ解析装置およびデータ解析方法を提供す
ることを目的とする。

【００３５】また、本発明の他の目的は、属する項目群
が異なる複数の項目を一括して並列に説明変数として取
り扱い、抽出されたルールに基づく回帰木図の、注目す
るノードに属する集合または属さない集合に対して解析
をおこなうことによって、ノイズがより少ない状態で解
析をおこなうことができるデータ解析装置およびデータ
解析方法を提供することである。

【００３６】

【課題を解決するための手段】上記目的を達成するた
め、この発明は、データ処理部により、オリジナルデー
タ群の複数のオリジナルデータ間に存在するルールを抽
出し、そのルールの信頼度をあらわす情報を付加した信
頼度情報付きルールファイルを作成する。抽出されたル
ールは、その信頼度をあらわす情報とともに出力され
る。そして、解析ツールにより、前記ルールファイルに
基づいてオリジナルデータの解析をおこなう。

【００３７】この発明において、オリジナルデータ間に
存在するルールを抽出する際に、統計的手法、たとえば
データマイニング技法を用いる。また、前記ルールの信
頼度をあらわす情報として、複数のオリジナルデータよ
りなる集合を２分割する際の分割の明確度をあらわす集
合分割評価値を求める。前記ルールの信頼度をあらわす
情報は、２次以降の要因または条件を含む情報であって
もよい。

【００３８】また、オリジナルデータは、変動原因また
は変動パターンを探ることを目的とする目的変数と、前
記目的変数の変動を説明する説明変数を含む。この発明
を製造工程の歩留り低下要因を解析する装置に適用する
場合には、目的変数は製造歩留りである。また、説明変
数は使用装置履歴、試験結果、設計情報および測定デー
タなどである。

【００３９】また、集合分割評価値の一つとしてＳ比を
設定する。複数のオリジナルデータよりなる集合を２分
割する前の目的変数の平方和をＳ０、分割後の各集合の
目的変数の平方和をそれぞれＳ１およびＳ２とすると、
Ｓ比はつぎの（３）式であらわされる。

【００４０】 Ｓ比＝（（Ｓ１＋Ｓ２）／２）／Ｓ０ ・・・（３）

【００４１】Ｓ比は、集合分割による平方和の低減率で
あり、集合分割により平方和がどの程度低減したかを示
すパラメータである。この値が小さいほど集合分割の効
果は大きい。すなわち、集合分割が明確におこなわれて
いることになるので、装置間差が大である。

【００４２】また、集合分割評価値の一つとしてｔ値を
設定する。この値は、分割後の各集合の平均の差の検定
に用いられる。複数のオリジナルデータよりなる集合を
２分割してできた各集合の目的変数の平方和をそれぞれ
Ｓ１およびＳ２、分割後の各集合の要素数をそれぞれＮ
１およびＮ２、分割後の各集合の平均をそれぞれ／Ｘ１
および／Ｘ２（Ｘの前の“／”はバーを意味する）とす
ると、ｔ値はつぎの（４）式および（４）’式であらわ
される。

【００４３】

【数２】

【００４４】ｔ値は、２分割された集合における２つの
母平均の差の検定のための値であり、分割された集合に
おける目的変数の平均値の有意差を示す基準となる。自
由度、すなわちデータ数が同じであるならば、ｔ値が大
きいほど集合が明確に分割されていることになるので、
装置間差が大となる。

【００４５】また、オリジナルデータの各レコードが、
説明変数としてタイプの異なる複数の項目群に属する複
数の項目を有しており、抽出されたルールに基づく回帰
木図の、注目するノードに属する集合または属さない集
合に対して解析をおこなう構成としてもよい。

【００４６】この発明によれば、オリジナルデータ群の
複数のオリジナルデータ間に存在するルールに、その信
頼度をあらわす情報が付加された信頼度情報付きルール
ファイルが作成される。その作成されたルールと前記信
頼度をあらわす情報はともに出力される。そして、作成
されたルールファイルに基づいてオリジナルデータの解
析がおこなわれる。したがって、抽出されたルールの精
度評価をおこなうことができるとともに、２次以降の効
果のある要因をその定量的な評価値（Ｓ比やｔ値）とと
もに得ることができる。

【００４７】また、この発明によれば、異なる項目群に
属する複数の項目を一括して説明変数として取り扱い、
回帰木分析を実施することにより、異なる項目群にまた
がって目的変数に影響をおよぼす説明変数を信頼度情報
付きで得ることができる。その結果、説明変数としてど
の項目群のどのデータが目的変数に対してどのように影
響を与えているかという情報を得ることができる。

【００４８】また、回帰木図の上位に位置する説明変数
ほど目的変数に対する影響度が大きいため、注目するノ
ードに属する集合または属さない集合について解析をお
こなうことによって、注目するノードの項目よりも影響
度が大きい項目による影響度を除いた状態で解析をおこ
なうことができる。

【００４９】また、注目するノードよりも下位のノード
に関するデータを除いたオリジナルデータについて解析
をおこなうことによって、注目するノードの項目よりも
影響度が小さい項目による影響度を除いた状態で解析を
おこなうことができる。

【００５０】

【発明の実施の形態】以下に、この発明の実施の形態に
ついて図面を参照しつつ詳細に説明する。図１は、この
発明にかかるデータ解析装置の構成の一例を示す概略図
である。このデータ解析装置は、それぞれ複数のオリジ
ナルデータを含むデータベース２４ａ，２４ｂ，・・・
からなるオリジナルデータ群２３を備える。また、デー
タ解析装置は、オリジナルデータ群２３から任意のデー
タ種または任意のデータ項目の組み合わせを処理対象デ
ータとして抽出する第１のデータ処理部２９を備える。
この第１のデータ処理部２９は前置データ処理部として
の機能を有する。

【００５１】また、データ解析装置は、第１のデータ処
理部２９によりオリジナルデータ群２３から抽出された
個々のオリジナルデータ、またはオリジナルデータ群２
３に含まれるすべてのオリジナルデータに基づいて、デ
ータ内に潜む特徴や規則性などのルールの抽出処理（デ
ータマイニング）をおこなう第２のデータ処理部２５を
備える。第２のデータ処理部２５は、ルールの抽出とと
もに、そのルールにその信頼度をあらわす情報を付加し
た信頼度情報付きルールファイル２６を作成する。

【００５２】抽出されたルールは、信頼度情報とともに
図示しない表示装置の画面表示や、図示しない印刷装置
により印刷された帳票として出力される。そして、信頼
度情報付きルールファイル２６に基づいて、オリジナル
データ群２３のオリジナルデータは、解析ツール群２７
の各解析ツール２８ａ，２８ｂ，・・・により解析され
る。その解析結果に基づいて意思決定がなされる。

【００５３】図２は、この発明を半導体製造工程の歩留
り解析に適用した場合のオリジナルデータのデータ形式
例を示す模式図である。オリジナルデータ群２３から出
力されるデータは、各ロットのデータを１レコードと
し、各ロットの各工程における使用装置名を説明変数と
する。目的変数は歩留りである。この形式のデータはデ
ータマイニングの一手法である判別分析エンジンの入力
データとなる。

【００５４】以下、この発明を半導体製造工程の歩留り
解析に適用し、さらにデータマイニングの判別分析とし
て回帰木分析を適用した場合を例にして説明する。な
お、回帰木分析の概要については説明済みであるため、
省略する。

【００５５】図３〜図７は、回帰木分析プログラムの起
動時または実行中の画面表示例を示す図である。図３は
プログラム起動時の画面表示例、図４は分析ファイル選
択時の画面表示例である。図５は、プログラム終了条件
である標準偏差指定時の画面表示例である。回帰木分析
の実行中に、２分割された集合の目的変数の標準偏差
が、図５に示す標準偏差指定画面で指定された値よりも
小さくなると、回帰木の分岐が停止する。図６は、デー
タ処理結果であるルールを出力するフォルダ指定時の画
面表示例、図７はプログラム実行中の画面表示例であ
る。

【００５６】［基本的解析手法］図８は、回帰木分析結
果を説明するための回帰木図の一例を示す図である。図
８に示す例を用いて回帰木図の見方を説明する。ただ
し、ここでは説明を簡略化するため、回帰木図とともに
出力される信頼度情報については図示省略し、その説明
を省略する。信頼度情報の説明については後述する。ま
た、図８において、回帰木図内の各節におけるｎは、該
当するロット数を示す。

【００５７】全ロットの平均歩留りは７８．５％であ
る。ＳＴＡ工程において装置ＭＥＣＡ０１を使用したロ
ットの平均歩留りは８５．７％であり、装置ＭＥＣＡ０
２／０３を使用したロットの平均歩留りは６９．２％で
ある。図示例では、ＭＥＣＡ０１を使用したロットの方
が歩留りがよい傾向にある。ここで、ＭＥＣＡ０２／０
３とは、２つの装置ＭＥＣＡ０２とＭＥＣＡ０３のいず
れかを使用していることを意味する（ＭＥＣＣ０２／０
３も同様）。

【００５８】したがって、対象とした全工程のうち、使
用した装置により最も歩留りが影響を受けるのは、ＳＴ
Ａ工程において３台ある装置ＭＥＣＡ０１，ＭＥＣＡ０
２，ＭＥＣＡ０３のうち、ＭＥＣＡ０１とＭＥＣＡ０２
／０３のいずれを使用するかということである。

【００５９】そして、ＳＴＡ工程でＭＥＣＡ０１を使用
したロットに限れば、ＳＴＣ工程においてＭＥＣＣ０１
を使用したロットの平均歩留りは９０％であり、ＭＥＣ
Ｃ０２／０３を使用したロットの平均歩留りは８０％で
ある。したがって、ＭＥＣＡ０１を使用したロット群に
おいて、歩留りに最も大きな影響をおよぼすのは、ＳＴ
Ｃ工程において３台ある装置ＭＥＣＣ０１，ＭＥＣＣ０
２，ＭＥＣＣ０３のうち、ＭＥＣＣ０１とＭＥＣＣ０２
／０３のいずれを使用するかということである。

【００６０】また、ＳＴＡ工程でＭＥＣＡ０２／０３を
使用したロットに限れば、ＳＴＢ工程においてＭＥＣＢ
０３を使用したロットの平均歩留りは７５％であり、Ｍ
ＥＣＢ０２を使用したロットの平均歩留りは４０％であ
る。したがって、ＭＥＣＡ０２／０３を使用したロット
群において、歩留りに最も大きな影響をおよぼすのは、
ＳＴＢ工程においてＭＥＣＢ０２とＭＥＣＢ０３のいず
れを使用するかということである。

【００６１】図９は、図８に示す回帰木分析の結果をま
とめて示す図表である。図９から明らかなように、図８
に示す回帰木図の場合、ＳＴＡ工程でＭＥＣＡ０１を使
用し、かつＳＴＣ工程でＭＥＣＣ０１を使用した場合が
最も高歩留り（９０％）であることがわかる。一方、Ｓ
ＴＡ工程でＭＥＣＡ０２／０３を使用し、かつＳＴＢ工
程でＭＥＣＢ０２を使用した場合が最も低歩留り（４０
％）であることがわかる。これらのことがデータマイニ
ングの結果，すなわちルールとして判明したことにな
る。

【００６２】得られたルールに基づいて、従来と同様に
して個々の解析ツールによりオリジナルデータの解析を
おこない、たとえば箱ヒゲ図（図２８参照）により意思
決定をおこなう。具体的には、ＳＴＡ工程でＭＥＣＡ０
２／０３の装置を使用し、かつＳＴＢ工程でＭＥＣＢ０
２の装置を使用したロット群の歩留りと、それ以外のロ
ット群の歩留りを比較する。また、ＭＥＣＡ０２／０
３、ＭＥＣＢ０２、またはそれら組み合わせ状態を調査
する。このようにデータマイニング手法を適用してデー
タ解析をおこなうことによって、事前にその傾向、特
徴、影響度等を定量的に把握することにより、より効果
的でかつ信頼性の高い結果を得ることができる。

【００６３】回帰木図などのルールとともに出力される
信頼度情報について説明する。この信頼度情報は、評価
用統計値リストとして出力される。このリストにより、
たとえば回帰木分析結果の定量的な評価などがおこなえ
ることになる。本実施の形態では、評価用統計値リスト
として、特に限定しないが、全集合の目的変数（すなわ
ち歩留り）の平均、標準偏差およびデータ数が出力され
る。図１０〜図１６に、回帰木分析結果の画面表示例を
示す。

【００６４】図１０〜図１６において、画面３０の下半
部に評価用統計値リストの表示領域３１が設けられてお
り、その表示領域３１内の「全体ａｖｅ＝」、「ｓ＝」
および「Ｎ＝」に続く各値がそれぞれ全集合の目的変数
の平均値、標準偏差およびデータ数をあらわしている。
画面３０の上半部は回帰木図の表示領域３２となってい
る。

【００６５】さらに本実施の形態では、評価用統計値リ
ストとして、回帰木分析の対象データを最初に２分割す
るときの前記（１）式のΔＳの大きさの順に、特にその
数を限定しないが、たとえば１０項目の評価用統計値が
出力される。すなわち、前記（３）式のＳ比、前記
（４）式のｔ値、分割された集合の目的変数の平均値の
差、分割された各集合のデータ数、分割された集合の属
性名（ここでは工程名）、分割された２つの集合の属性
値（ここでは装置名）およびその目的変数の大小関係が
出力される。

【００６６】図１０〜図１６において、評価用統計値リ
ストの表示領域３１内の「Ｓ比＝」、「ｔ＝」、
「差」、「Ｎ」および「ａｔｔｒ＝」に続く各値がそれ
ぞれＳ比、ｔ値、分割された集合の目的変数の平均値の
差、分割された各集合のデータ数、および分割された集
合の属性名をあらわしている。また、評価用統計値リス
トの表示領域３１内の「ｇｒｏｕｐ＝」に続く括弧内の
表記が分割された２つの集合の属性値とその目的変数の
大小関係をあらわしている。

【００６７】ここで、Ｓ比は、その値が小さいほど集合
分割による評価値の減少率が大きいことをあらわしてお
り、装置間差が大となる。ｔ値は、その値が大きいほど
集合分割が明確におこなわれたことをあらわしており、
装置間差が大となる。分割された集合の目的変数の平均
値の差は、その値が大きいほど使用装置による歩留り差
が大きいことをあらわしており、装置間差が大となる。
分割された各集合のデータ数は、２つの値が近いほど異
常データの影響が小さいことをあらわしており、装置間
差が大となる。

【００６８】回帰木作成時において評価対象となるΔＳ
の値は、解析対象とする各目的変数と説明変数の状態に
より異なる。すなわち、個々の分析エンジン実行毎に異
なるので、各実行結果の精度評価をおこなうには、各実
行時における結果を共通的に評価できる値が必要とな
る。そこで、本実施の形態では、別々に実行した結果に
対して比較または評価することが可能なパラメータとし
てＳ比およびｔ値が出力される。

【００６９】この２つのパラメータによって、同一の実
行時のみならず、別々に実行した結果に対しても比較ま
たは評価をおこなうことが可能となる。そして、複数の
回帰木図にわたって、評価用統計値リストの表示領域３
１内に表示された評価用統計値リストを参照し、解析す
ることによって、より多くの知見を得ることができる。

【００７０】本実施の形態では、装置間差解析において
回帰木図で上の階層に表れてくる工程、またはΔＳの値
が大きく評価用統計値リストの上位にきている工程ほど
装置間差が大である。つまり、本実施の形態では、回帰
木図だけでなく評価用統計値リストに基づいて問題工程
や装置を特定することができる。それに対して、従来
は、集合分割の最上階層において、（１）式のΔＳに基
づいて集合を分割する際に通常の回帰木図に出力される
のはΔＳが最大のもののみである。

【００７１】したがって、わずかな差異やノイズまたは
揺らぎ等によりΔＳが最大にならなかったもの、すなわ
ち回帰木図に出力されていない工程や装置が実際の問題
工程や装置である場合がある。また、不良要因が複数で
ある場合はその識別は不可能である。

【００７２】つぎに、発明者が半導体製造工程に対して
この発明を適用して解析をおこなった例を挙げて、評価
用統計値リストの解釈の仕方について説明するととも
に、この発明の特徴をより明らかとする。

【００７３】［各品種毎の解析］まず、同一テクノロジ
で同じような設計条件である５品種（ＭＢ０１〜ＭＢ０
５）に対しておこなった解析について説明する。これら
の品種はほとんど同じ工程を通って処理された。

【００７４】従来通り、個々の品種毎に回帰木分析を実
行した結果を図１０〜図１４にそれぞれ示す。図１０〜
図１４には、それぞれＭＢ０１〜ＭＢ０５の回帰木図と
ともに評価用統計値リストが示されている。ここで、評
価用統計値リスト内の上位１０項目について、上位から
順に各項目毎に「Ｓ比；ｔ値；分割された集合の目的変
数の平均値の差；分割された各集合のデータ数；分割さ
れた集合の属性名；分割された２つの集合の属性値およ
びその目的変数の大小関係」の順に示す。なお、大小関
係は「＞」または「＜」の記号で示す。

【００７５】まず、ＭＢ０１（図１０参照）について、
第１番目は「０．２５０８；６．４５９；３０．５８２
８６；３５と９；ＳＴ２３；ＳＴ２３Ｍ２／ＳＴ２３Ｍ
１＞ＳＴ２３Ｍ３」である。第２番目は「０．３３５
３；４．５４２；２０．５９６９５；２７と１７；ＳＴ
３５；ＳＴ３５Ｍ２＞ＳＴ３５Ｍ４／ＳＴ３５Ｍ３」で
ある。第３番目は「０．３５７１；４．１００；２２．
２９４１２；３４と１０；ＳＴ１７；ＳＴ１７Ｍ１＞Ｓ
Ｔ１７Ｍ５」である。第４番目は「０．３８１１；３．
６１９；１７．４９８０４；１７と２７；ＳＴ１０；Ｓ
Ｔ１０Ｍ４＞ＳＴ１０Ｍ３／ＳＴ１０Ｍ２」である。第
５番目は「０．３８３７；３．５６９；１７．７８２９
９；２９と１５；ＳＴ４８；ＳＴ４８Ｍ２／ＳＴ４８Ｍ
３＞ＳＴ４８Ｍ４」である。

【００７６】また、第６番目は「０．３９９９；３．２
４２；３７．５３３３３；４２と２；ＳＴ４９；ＳＴ４
９Ｍ４／ＳＴ４９Ｍ３＞ＳＴ４９Ｍ２」である。第７番
目は「０．４０９８；３．０４１；１４．８６０４５；
２１と２３；ＳＴ２１；ＳＴ２１Ｍ４＞ＳＴ２１Ｍ３」
である。第８番目は「０．４１７３；２．８８６；２
４．７２５；４０と４；ＳＴ１８；ＳＴ１８Ｍ２／ＳＴ
１８Ｍ３＞ＳＴ１８Ｍ１」である。第９番目は「０．４
１９０；２．８４９；１４．６１７８６；２８と１６；
ＳＴ２０；ＳＴ２０Ｍ１＞ＳＴ２０Ｍ２」である。第１
０番目は「０．４２２７；２．７７０；３２．９７６１
９；４２と２；ＳＴ４４；ＳＴ４４Ｍ１＞ＳＴ４４Ｍ２
／ｎｏｐ」である。なお、「ｎｏｐ」はその工程（ここ
ではＳＴ４４）に相当するデータが欠損していたため、
人為的に補充した。

【００７７】つぎに、ＭＢ０２（図１１参照）につい
て、第１番目は「０．３６４９；３．１０２；１３．０
７３２６；１７と１１；ＳＴ２７；ＳＴ２７Ｍ２／ＳＴ
２７Ｍ１＜ＳＴ２７Ｍ３」である。第２番目は「０．３
８４０；２．８０３；１２．１１４９７；１１と１７；
ＳＴ３；ＳＴ３Ｍ２／ＳＴ３Ｍ１＞ＳＴ３Ｍ３」であ
る。第３番目は「０．３８６７；２．７６０；１２．９
４５；２０と８；ＳＴ３０；ＳＴ３０Ｍ２／ＳＴ３０Ｍ
１＜ＳＴ３０Ｍ３」である。第４番目は「０．４０４
２；２．４８３；１３．１０４５４；２２と６；ＳＴ３
１；ＳＴ３１Ｍ１＜ＳＴ３１Ｍ３／ＳＴ３１Ｍ２」であ
る。第５番目は「０．４２６２；２．１２１；１５．２
５４６７；２５と３；ＳＴ３９；ＳＴ３９Ｍ２＞ＳＴ３
９Ｍ１」である。

【００７８】また、第６番目は「０．４２６３；２．１
２１；１０．１；９と１９；ＳＴ４５；ＳＴ４５Ｍ２＜
ＳＴ４５Ｍ１／ＳＴ４５Ｍ３」である。第７番目は
「０．４３０９；２．０４２；１１．９２２６１；２３
と５；ＳＴ４３；ＳＴ４３Ｍ３／ＳＴ４３Ｍ１＞ＳＴ４
３Ｍ２」である。第８番目は「０．４３４１；１．９８
７；１０．３；７と２１；ＳＴ５１；ＳＴ５１Ｍ２＜Ｓ
Ｔ５１Ｍ１」である。第９番目は「０．４３５７；１．
９５８；１４．２３８６７；２５と３；ＳＴ８；ＳＴ８
Ｍ４／ＳＴ８Ｍ２＜ＳＴ８Ｍ３」である。第１０番目は
「０．４３５９；１．９５５；２３．６９２５９；２７
と１；ＳＴ５０；ＳＴ５０Ｍ１＜ＳＴ５０Ｍ２」であ
る。

【００７９】つぎに、ＭＢ０３（図１２参照）につい
て、第１番目は「０．２８９７；３．８１０；１５．５
８３３３；１８と４；ＳＴ２７；ＳＴ２７Ｍ１／ＳＴ２
７Ｍ２＞ＳＴ２７Ｍ３」である。第２番目は「０．２８
９７；３．８１０；１５．５８３３３；１８と４；ＳＴ
３２；ＳＴ３２Ｍ１／ＳＴ３２Ｍ３＞ＳＴ３２Ｍ２」で
ある。第３番目は「０．３３５２；３．１３６；１０．
８２１３７；１３と９；ＳＴ４２；ＳＴ４２Ｍ２／ＳＴ
４２Ｍ３＞ＳＴ４２Ｍ１」である。第４番目は「０．３
４９８；２．９３１；１０．９０５７１；１５と７；Ｓ
Ｔ４８；ＳＴ４８Ｍ２＞ＳＴ４８Ｍ３／ＳＴ４８Ｍ４」
である。第５番目は「０．３５９６；２．７９５；９．
８６３３３５；１０と１２；ＳＴ２６；ＳＴ２６Ｍ４＞
ＳＴ２６Ｍ３」である。

【００８０】また、第６番目は「０．３６３６；２．７
３９；９．６８１８１６；１１と１１；ＳＴ１８；ＳＴ
１８Ｍ２＞ＳＴ１８Ｍ３／ＳＴ１８Ｍ１」である。第７
番目は「０．３６７３；２．６８８；１３．９１４０
３；１９と３；ＳＴ３８；ＳＴ３８Ｍ３＞ＳＴ３８Ｍ
４」である。第８番目は「０．３７４７；２．５８６；
９．６４４６４６；１４と８；ＳＴ２２；ＳＴ２２Ｍ３
／ＳＴ２２Ｍ１＜ＳＴ２２Ｍ２」である。第９番目は
「０．３７７４；２．５４９；１３．３７３６８；１９
と３；ＳＴ８；ＳＴ８Ｍ２＞ＳＴ８Ｍ３」である。第１
０番目は「０．３８１４；２．４９４；９．６９０４７
５；１５と７；ＳＴ４５；ＳＴ４５Ｍ１／ＳＴ４５Ｍ３
＞ＳＴ４５Ｍ２」である。

【００８１】つぎに、ＭＢ０４（図１３参照）につい
て、第１番目は「０．３２６６；３．６４３；３５．０
０３２６；２３と４；ＳＴ２２；ＳＴ２２Ｍ３／ＳＴ２
２Ｍ２／ｎｏｐ＞ＳＴ２２Ｍ１」である。第２番目は
「０．３３８０；３．４６１；４５．８９２；２５と
２；ＳＴ１３；ＳＴ１３Ｍ２／ＳＴ１３Ｍ１／ＳＴ１３
Ｍ３＞ｎｏｐ」である。第３番目は「０．３３８０；
３．４６１；４５．８９２；２５と２；ＳＴ１４；ＳＴ
１４Ｍ１＞ｎｏｐ」である。第４番目は「０．３３８
０；３．４６１；４５．８９２；２５と２；ＳＴ１５；
ＳＴ１５Ｍ２＞ｎｏｐ」である。第５番目は「０．３３
８０；３．４６１；４５．８９２；２５と２；ＳＴ１
６；ＳＴ１６Ｍ３／ＳＴ１６Ｍ２＞ｎｏｐ」である。

【００８２】また、第６番目は「０．３３８０；３．４
６１；４５．８９２；２５と２；ＳＴ５２；ＳＴ５２Ｍ
１＞ｎｏｐ」である。第７番目は「０．３３８０；３．
４６１；４５．８９２；２５と２；ＳＴ５３；ＳＴ５３
Ｍ１＞ｎｏｐ」である。第８番目は「０．３３８０；
３．４６１；４５．８９２；２５と２；ＳＴ４７；ＳＴ
４７Ｍ２／ＳＴ４７Ｍ１＞ＳＴ４７Ｍ３」である。第９
番目は「０．３８８２；２．６８３；２４．０１１９
１；２１と６；ＳＴ３１；ＳＴ３１Ｍ２＞ＳＴ３１Ｍ
１」である。第１０番目は「０．３８８９；２．６７
２；２０．０２６６６；１２と１５；ＳＴ４６；ＳＴ４
６Ｍ２＜ＳＴ４６Ｍ３／ＳＴ４６Ｍ１」である。

【００８３】つぎに、ＭＢ０５（図１４参照）につい
て、第１番目は「０．１４０３；７．１６１；３７．８
６４９６；９と１３；ＳＴ３；ＳＴ３Ｍ２／ＳＴ３Ｍ３
＜ＳＴ３Ｍ１」である。第２番目は「０．２５８４；
４．３２４；３０．６４１６７；１０と１２；ＳＴ７；
ＳＴ７Ｍ４＜ＳＴ７Ｍ５」である。第３番目は「０．２
８７８；３．８４１；２８．５９９９９；１１と１１；
ＳＴ５２；ＳＴ５２Ｍ１＜ｎｏｐ」である。第４番目は
「０．２８７８；３．８４１；２８．５９９９９；１１
と１１；ＳＴ５３；ＳＴ５３Ｍ１＜ｎｏｐ」である。第
５番目は「０．３４１８；３．０４３；２４．７９８３
３；１２と１０；ＳＴ３４；ＳＴ３４Ｍ１＜ＳＴ３４Ｍ
２」である。

【００８４】また、第６番目は「０．３４４４；３．０
０６；２４．９００８６；１３と９；ＳＴ４６；ＳＴ４
６Ｍ１／ＳＴ４６Ｍ２＜ＳＴ４６Ｍ３」である。第７番
目は「０．３５２２；２．８９７；３４．７７１９３；
３と１９；ＳＴ３３；ＳＴ３３Ｍ３＜ＳＴ３３Ｍ２」で
ある。第８番目は「０．３５５５；２．８５１；２３．
９９８２９；１３と９；ＳＴ３７；ＳＴ３７Ｍ２／ＳＴ
３７Ｍ３＜ＳＴ３７Ｍ４」である。第９番目は「０．３
５８６；２．８０８；２７．８５４１２；１７と５；Ｓ
Ｔ２８；ＳＴ２８Ｍ２＞ＳＴ２８Ｍ１」である。第１０
番目は「０．３７０９；２．６３８；２２．６８２０
５；１３と９；ＳＴ２９；ＳＴ２９Ｍ２／ＳＴ２９Ｍ３
＜ＳＴ２９Ｍ１」である。

【００８５】図１０〜図１４に示す各回帰木図に加え、
各評価用統計値リストを解釈することによって、以下の
ことがわかる。ＭＢ０２、ＭＢ０３およびＭＢ０４で
は、主にｔの値から装置間差が小さいとみなすことがで
きる。この結果、単独５品種の解析では、ＭＢ０１の結
果より、ＳＴ２３Ｍ３が主な異常装置とみなすことがで
きる。また、ＭＢ０５の結果より、ＳＴ３Ｍ２／ＳＴ３
Ｍ３が主な異常装置とみなすことができる。

【００８６】ここで、ＳＴ２３とＳＴ３の工程では同じ
装置が使用されている。すなわち、ＳＴ２３Ｍ３とＳＴ
３Ｍ３は同じ装置である。したがって、単独５品種の解
析により異常装置が同定されたことになる。また、ＭＢ
０４では７工程が交絡している。物理解析を含めた判断
がＳＴ２３Ｍ３（ＳＴ３Ｍ３）の装置が異常であったこ
とからすると、ｔ値は極めて有効な評価値であることが
わかる。

【００８７】［全品種データの同時解析（ＳＴ３工程を
含む）］つぎに、上記５品種（ＭＢ０１〜ＭＢ０５）の
データをマージしておこなった解析について説明する。
一般にデータマイニングには大量のデータが必要であ
る。しかし、システムＬＳＩ製品の場合、上述したよう
に品種毎に解析をおこなうにはデータ量が少ないことが
ある。そこで、異なる品種であっても同一品種のように
扱って解析をおこなうことが可能であることを検証する
ために本解析を実施した。

【００８８】ＭＢ０１〜ＭＢ０５の品種毎のデータをマ
ージして、回帰木分析エンジンの入力データとした。目
的変数は各品種の歩留り値のままであり、説明変数は各
品種の装置履歴のままであった。ＭＢ０２では他の品種
に比べて装置履歴が全くない工程が６個あるため、ＭＢ
０１およびＭＢ０３〜ＭＢ０５の４品種についてこれを
削除した。このようにして、異なる５品種を同一品種と
して扱った。図１５に、回帰木分析を実行した結果得ら
れた回帰木図および評価用統計値リストの画面表示例を
示す。また、［各品種毎の解析］と同様の書式で評価用
統計値リストの内容を示す。

【００８９】第１番目は「０．４２６０；４．９５０；
１５．８３３１９；７０と７３；ＳＴ３；ＳＴ３Ｍ１／
ｎｏｐ＞ＳＴ３Ｍ２／ＳＴ３Ｍ３」である。第２番目は
「０．４２８６；４．８４７；２１．９６２１８；１２
２と２１；ＳＴ３１；ＳＴ３１Ｍ１／ＳＴ３１Ｍ５＜Ｓ
Ｔ３１Ｍ２」である。第３番目は「０．４３００；４．
７９１；１５．４１３９８；７５と６８；ＳＴ４８；Ｓ
Ｔ４８Ｍ２＞ＳＴ４８Ｍ４／ＳＴ４８Ｍ３」である。第
４番目は「０．４５０８；３．９２３；１４．６０８
９；３８と１０５；ＳＴ５４；ＳＴ５４Ｍ４／ｎｏｐ＞
ＳＴ５４Ｍ３」である。第５番目は「０．４５２８；
３．８３５；２０．６３２６６；１２８と１５；ＳＴ
７；ＳＴ７Ｍ４＜ｎｏｐ／ＳＴ７Ｍ５」である。

【００９０】また、第６番目は「０．４５５８；３．６
９６；１２．３３５８２；６２と８１；ＳＴ３３；ＳＴ
３３Ｍ２＞ＳＴ３３Ｍ３／ＳＴ３３Ｍ１」である。第７
番目は「０．４６６６；３．１７９；１５．６７４１
９；１２４と１９；ＳＴ５５；ＳＴ５５Ｍ２＞ＳＴ５５
Ｍ１」である。第８番目は「０．４６９７；３．０１
６；１０．１３０６８；７３と７０；ＳＴ４３；ＳＴ４
３Ｍ１／ＳＴ４３Ｍ２＞ＳＴ４３Ｍ３」である。第９番
目は「０．４７１４；２．９２７；１０．３７２２８；
９４と４９；ＳＴ１７；ＳＴ１７Ｍ１／ｎｏｐ＞ＳＴ１
７Ｍ５／ＳＴ１７Ｍ４」である。第１０番目は「０．４
７１６；２．９１３；１２．３５１９６；２８と１１
５；ＳＴ３０；ＳＴ３０Ｍ３／ＳＴ３０Ｍ４＞ＳＴ３０
Ｍ２」である。

【００９１】評価用統計値リストにより、「ＳＴ３Ｍ１
＞ＳＴ３Ｍ２／ＳＴ３Ｍ３」、「ＳＴ３１Ｍ２＞ＳＴ３
１Ｍ１／ＳＴ３１Ｍ５」、「ＳＴ４８Ｍ２＞ＳＴ４８Ｍ
３／ＳＴ４８Ｍ４」の順でほぼ同程度の装置間差がある
ことがわかる。これらの３工程では、Ｓ比およびｔ値と
もほぼ同じ値であり、第４番目以降の値とは有意な差が
ある。特に、ｔ値は４．９５〜４．７９であり、いずれ
も［各品種毎の解析］で得られたＭＢ０２、ＭＢ０３お
よびＭＢ０４の単独解析結果における最上位分岐のｔ値
よりも大きくなっている。このｔ値（４．９５〜４．７
９）よりも大きな分岐は、［各品種毎の解析］で得られ
たＭＢ０１およびＭＢ０５の単独解析結果における最上
位分岐のもののみである。

【００９２】したがって、本解析結果によりＳＴ２３Ｍ
３、すなわちＳＴ３Ｍ３が異常装置であることはより明
確となり、各品種毎におこなった解析結果と同じ結果が
得られたことになる。ＳＴ２３Ｍ３（ＳＴ３Ｍ３）の他
にも、同程度の装置間差があることが示されたＳＴ３１
Ｍ１／ＳＴ３１Ｍ５およびＳＴ４８Ｍ４／ＳＴ４８Ｍ３
の装置は［各品種毎の解析］で得られた結果においても
一応候補にあげられるものである。なお、ＳＴ３１の工
程では、ＳＴ１７およびＳＴ７の各工程と同じ装置を使
用した。また、ＳＴ４８の工程では、ＳＴ３５の工程と
同じ装置を使用した。

【００９３】［全品種データの同時解析（ＳＴ３工程を
削除）］つぎに、上述した［全品種データの同時解析
（ＳＴ３工程を含む）］において使用したデータからＳ
Ｔ３工程を削除したデータに対しておこなった解析につ
いて説明する。図１６に、回帰木分析を実行した結果得
られた回帰木図および評価用統計値リストの画面表示例
を示す。また、［各品種毎の解析］と同様の書式で評価
用統計値リストの内容を示す。

【００９４】第１番目は「０．４２８６；４．８４７；
２１．９６２１８；１２２と２１；ＳＴ３１；ＳＴ３１
Ｍ１／ＳＴ３１Ｍ５＜ＳＴ３１Ｍ２」である。第２番目
は「０．４３００；４．７９１；１５．４１３９８；７
５と６８；ＳＴ４８；ＳＴ４８Ｍ２＞ＳＴ４８Ｍ４／Ｓ
Ｔ４８Ｍ３」である。第３番目は「０．４５０８；３．
９２３；１４．６０８９；３８と１０５；ＳＴ５４；Ｓ
Ｔ５４Ｍ４／ｎｏｐ＞ＳＴ５４Ｍ３」である。第４番目
は「０．４５２８；３．８３５；２０．６３２６６；１
２８と１５；ＳＴ７；ＳＴ７Ｍ４＜ｎｏｐ／ＳＴ７Ｍ
５」である。第５番目は「０．４５５８；３．６９６；
１２．３３５８２；６２と８１；ＳＴ３３；ＳＴ３３Ｍ
２＞ＳＴ３３Ｍ３／ＳＴ３３Ｍ１」である。

【００９５】また、第６番目は「０．４６６６；３．１
７９；１５．６７４１９；１２４と１９；ＳＴ５５；Ｓ
Ｔ５５Ｍ２＞ＳＴ５５Ｍ１」である。第７番目は「０．
４６９７；３．０１６；１０．１３０６８；７３と７
０；ＳＴ４３；ＳＴ４３Ｍ１／ＳＴ４３Ｍ２＞ＳＴ４３
Ｍ３」である。第８番目は「０．４７１４；２．９２
７；１０．３７２２８；９４と４９；ＳＴ１７；ＳＴ１
７Ｍ１／ｎｏｐ＞ＳＴ１７Ｍ５／ＳＴ１７Ｍ４」であ
る。第９番目は「０．４７１６；２．９１３；１２．３
５１９６；２８と１１５；ＳＴ３０；ＳＴ３０Ｍ３／Ｓ
Ｔ３０Ｍ４＞ＳＴ３０Ｍ２」である。第１０番目は
「０．４７１７；２．９０６；１０．０８８１６；８９
と５４；ＳＴ６１；ＳＴ６１Ｍ１＞ＳＴ６１Ｍ２」であ
る。

【００９６】評価用統計値リストにより、［全品種デー
タの同時解析］（ＳＴ３工程を含む）において最も装置
間差が大きかったＳＴ３工程を除いた解析では、ＳＴ３
１Ｍ１／ＳＴ３１Ｍ５の装置を使用したことにより歩留
りが低下しているのがわかる。また、［全品種データの
同時解析］（ＳＴ３工程を含む）と［全品種データの同
時解析（ＳＴ３工程を削除）］を通じてＳＴ４８Ｍ＊
（＊は装置の号機をあらわす数字である）を使用するＳ
Ｔ４８工程は回帰木図に表れていないので、ＳＴ３工程
およびＳＴ３１工程と交絡している。

【００９７】また、ＳＴ３工程およびＳＴ３１工程は、
回帰木図と評価用統計値リストの上位に出ているので、
互いに独立とみなすことができる。このように、回帰木
図や評価用統計値リストを解析することにより、装置間
差の独立性、交絡性の情報が得られる。ＳＴ３工程とＳ
Ｔ３１工程の独立性は処理内容からみても整合性が取れ
ている。また、ＳＴ４８工程の交絡性はどちらが真の要
因かを判別する調査に値する。

【００９８】［タイプの異なる複数の項目群にまたがる
解析］つぎに、オリジナルデータの各レコードが、タイ
プの異なる複数の項目群に属する複数の項目からなる説
明変数を有する場合について説明する。図１７は、回帰
木分析の入力となるデータ形式の一例を示す模式図であ
る。オリジナルデータの各レコードはウェーハ番号単位
になっている。各レコードは、各製造工程（工程Ａ、工
程Ｂ）での使用装置名および各電気的特性データ（ＲＳ
Ｐ、ＷＥＴ＿ｉ）の値を説明変数とし、ウェーハの歩留
りを目的変数として構成される。つまり、図１７に示す
例では、歩留りに効果があるのは装置間差と電気的特性
データであるとする。ここで、使用装置の項目と電気的
特性データの項目は異なるタイプの項目群に属する。

【００９９】以下、図１７に示すオリジナルデータに対
して解析をおこなう場合を例にして説明する。図１８
は、図１７に示すオリジナルデータに対して回帰木分析
を実行した結果を示す画面表示例であり、図１９は、図
１８に示す回帰木分析の結果をまとめて示す図表であ
る。なお、図１８中、ｎ０〜ｎ５は、説明の便宜上つけ
たノード番号であり、画面に表示されるわけではない
（図２２も同様）。

【０１００】図１８について説明する。全ウェーハ、す
なわち１０００枚のウェーハの平均歩留りは７４．８％
である（ノードｎ０）。全ウェーハのうち２００枚のウ
ェーハについては、工程Ａにおいて装置ＡＭ１を使用し
ており、その平均歩留りは５４％である（ノードｎ
１）。全ウェーハのうち残りの８００枚のウェーハにつ
いては、工程Ａにおいて装置ＡＭ２を使用しており、そ
の平均歩留りは８０％である（ノードｎ２）。ノードｎ
１の２００枚のウェーハは、工程Ｂにおいて、装置ＢＭ
１を使用した８０枚のウェーハ（平均歩留り４５％）
と、装置ＢＭ３を使用した１２０枚のウェーハ（平均歩
留り６０％）に２分割される。

【０１０１】ノードｎ２の８００枚のウェーハのうち６
００枚のウェーハについては、工程Ｃにおいて装置ＣＭ
２を使用しており、その平均歩留りは９０％である（ノ
ードｎ３）。ノードｎ２の８００枚のウェーハのうち工
程Ｃにおいて装置ＣＭ１を使用した２００枚のウェーハ
の平均歩留りは５０％である。ノードｎ３の６００枚の
ウェーハのうち２００枚のウェーハについては、電気的
特性データＲＳＰの値が９０よりも大であり、その平均
歩留りは８０％である（ノードｎ４）。一方、ノードｎ
３の残りの４００枚のウェーハについては、電気的特性
データＲＳＰの値が９０以下であり、その平均歩留りは
９５％である（ノードｎ５）。

【０１０２】図１８および図１９よりつぎのことがわか
る。歩留りに最も影響をおよぼすのは、工程ＡでＡＭ１
とＡＭ２のうちいずれの装置を使用するかということで
あり、ＡＭ２の装置を使用した方が歩留りがよい。工程
ＡでＡＭ２の装置を使用したもののうち、工程ＣでＣＭ
１の装置よりもＣＭ２の装置を使用した方が歩留りがよ
い。さらに、工程ＡでＡＭ２の装置を使用し、かつ工程
ＣでＣＭ２の装置を使用したウェーハ群に対しては、電
気的特性データＲＳＰの状態が最も歩留りに影響をおよ
ぼす。一方、工程ＡでＡＭ１の装置を使用したものにつ
いて、そのつぎに歩留りに影響をおよぼすのは工程Ｂで
使用した装置である。

【０１０３】このように、図１８に示す例の回帰木図に
おいては、上位２階層はいずれも装置間差によるもので
ある。回帰木図では、上階層に現れる説明変数ほど目的
変数に対する影響が大きいため、この例では全ウェーハ
を用いた解析では歩留りに影響が大きいのは複合条件を
含めても装置間差であり、電気的特性データはあまり効
いていないように見られる。しかし、工程ＡでＡＭ２の
装置を使用し、かつ工程ＣでＣＭ２の装置を使用したウ
ェーハ群については、歩留りに最も効くのは電気的特性
データＲＳＰである。このように、全ウェーハの平均歩
留りは７４．８％であるが、使用装置や電気的特性デー
タとの関連で幾つかの集合に分けることによって、上述
したような特徴や規則性が存在することがわかる。回帰
木分析は、このような特徴や規則性を自動的に抽出し、
歩留り解析の手がかりを与える。

【０１０４】図２０は、図１７に示すオリジナルデータ
に対して、電気的特性データＲＳＰと歩留りとの相関関
係を示す特性図であり、同図（ａ）は図１８のノードｎ
３の６００枚のウェーハについての相関図であり、同図
（ｂ）は図１８のノードｎ０の１０００枚のウェーハに
ついての相関図である。図２０（ａ）に示す相関図で
は、電気的特性データＲＳＰよりも大きな影響を歩留り
におよぼす工程Ａおよび工程Ｃの装置間差の影響が除去
されている。それに対して、図２０（ｂ）に示す相関図
では、工程Ａおよび工程Ｃの装置間差の影響が含まれて
いるため、同図（ａ）に示す相関図よりもノイズが多く
なっている。

【０１０５】したがって、図１８に示す回帰木図を基に
して、ノードｎ３の６００枚のウェーハを選抜し、それ
らについて解析をおこなうことにより、電気的特性デー
タＲＳＰが歩留りに与える影響をより正確に知ることが
できる。このように回帰木分析は、歩留り−電気的特性
データＲＳＰの相関関係を求める際に、どの装置使用条
件のデータに限って解析をおこなえばよいかということ
を自動的に抽出する。たとえば、回帰木分析の一つの出
力情報として各ノードに属するレコードの識別番号（レ
コードｉｄ）を出力するようにしておき、その抽出され
た識別番号の情報を従来の解析ツールに読み込ませるこ
とにより、各装置使用条件毎に歩留り−電気的特性デー
タＲＳＰのより正確な解析結果を得ることができる。

【０１０６】また、上述したＳ比、ｔ値、分割された集
合の目的変数の平均値の差、および分割された各集合の
データ数などの値に基づいて、要因となる項目群をまた
がって各説明変数の目的変数におよぼす影響の大きさ、
およびその信頼度を定量的な値で評価することができ
る。すなわち、たとえば図２０（ａ）に示されるような
データのみを用いて回帰木分析をおこない、上記Ｓ比や
ｔ値や差やデータ数などの値を評価することにより、装
置間差や電気的特性データというような異なる項目群の
歩留りに対する影響をあらたにデータ取得することなく
定量的に得ることができる。

【０１０７】なお、図示および詳細な説明を省略する
が、トランジスタ特性を左右する重要な特性であるＩ−
Ｖ特性についても、歩留り−電気的特性データＲＳＰの
相関関係を求める場合と同様にして、ノイズを低減させ
て解析をおこなうことによって、正確な解析結果を得る
ことができる。図２１（ａ）はノイズの影響を除去した
解析結果であり、同図（ｂ）はノイズの影響を含む解析
結果である。図２０（ａ)および図２１（ａ）に示すよ
うな相関図は、図１に示すデータ解析装置を用いた歩留
り解析により自動的に数分以内で得ることができる。

【０１０８】また、図１８に示す回帰木図および評価用
統計値リストは、装置間差および電気的特性データの両
方について歩留りに対する関係を示したものであり、装
置間差よりも電気的特性データによる影響の方が小さい
ことを示している。そこで、装置間差の歩留りに対する
影響をより正確に把握するため、たとえば図１８の回帰
木図中のノードｎ４に属するウェーハ（２００枚）を除
いた８００枚のウェーハについてのみ回帰木分析をおこ
なうようにしてもよい。その場合の回帰木分析結果を図
２２に示す。

【０１０９】このようにすれば、電気的特性データ要因
のうち歩留りに最も影響をおよぼす要因を取り除いて解
析することができるため、装置間差がより正確に把握で
きるようになる。その結果、回帰木図におけるノード分
岐状態が変わったり、回帰木図にはさほど変化がなくて
も、評価用統計値リスト中の値の有意差が小さい場合に
は、たとえば工程Ｄと工程Ｅのように順位が反転するこ
とも起こり得る（図１８および図２２参照）。なお、ノ
ードｎ４に属する２００枚のウェーハを除く代わりに、
電気的特性データＲＳＰが９０よりも大きい、すなわち
ＲＳＰ＞９０を満たすウェーハを全て除くようにしても
よい。

【０１１０】図２３は、オリジナルデータにおいて工程
ＡではＡＭ３も使用されているとしたデータに対して回
帰木分析を実行した結果の他の例を示す画面表示例であ
る。なお、図２３中、ｎ１０〜ｎ１５は、説明の便宜上
つけたノード番号であり、画面に表示されるわけではな
い。図２３について説明する。１０００枚のウェーハの
平均歩留りは７４．８％である（ノードｎ１０）。その
うち工程ＡにおいてＡＭ２またはＡＭ３のいずれかの装
置を使用した８００枚のウェーハについては、その平均
歩留りは８０％である（ノードｎ１２）。

【０１１１】ノードｎ１２の８００枚のウェーハのうち
工程Ｃにおいて装置ＣＭ２を使用した６００枚のウェー
ハについては、その平均歩留りは９０％である（ノード
ｎ１３）。ノードｎ１３の６００枚のウェーハのうち４
００枚のウェーハについては、電気的特性データＲＳＰ
の値が９０以下であり、その平均歩留りは９５％である
（ノードｎ１５）。さらに、ノードｎ１５の４００枚の
ウェーハは、工程Ａにおいて、装置ＡＭ２を使用した１
５０枚のウェーハ（平均歩留り９０％）と、装置ＡＭ３
を使用した２５０枚のウェーハ（平均歩留り９８％）に
２分割される。

【０１１２】図２３に示す例では、たとえばノードｎ１
３の６００枚のウェーハを選抜し、それらについてのみ
電気的特性データＲＳＰと歩留りとの相関関係を求めた
としても、ノードｎ１５の下にさらに工程Ａの装置間差
による分岐が現れているため、装置間差の影響を完全に
除去することはできない。しかし、この場合でも装置間
差の影響を小さくすることができるので、ノードｎ１０
の１０００枚のウェーハを対象にして解析をおこなう、
すなわち全く装置間差の影響を除去しないで解析するよ
りも、正確な解析をおこなうことができる。

【０１１３】上述した実施の形態によれば、回帰木分析
結果として回帰木図とともに評価用統計値リストが出力
されるため、その評価用統計値リストに基づいて、回帰
木分析により抽出されたルールの精度や信頼度の評価を
おこなうことができる。そして、評価用統計値リスト
は、データマイニングによる解析結果を統計的手法に不
慣れなエンドユーザに納得させる際のわかりやすい判断
基準といえる。

【０１１４】また、上述した実施の形態によれば、品種
が異なっても、複数品種のデータをマージしてまとめて
解析をおこなうことにより、複数品種に共通した有意差
を判別することができる。それによって、たとえば、品
種毎の解析では判別が困難であった各異常工程の独立性
や交絡に関する情報を得ることができる。

【０１１５】また、上述した実施の形態によれば、異な
る項目群に属する複数の項目を一括して説明変数として
取り扱い、回帰木分析結果を利用して注目するノードに
属する集合または属さない集合について解析をおこなう
ことによって、注目する項目以外の項目による影響、す
なわちノイズを除去または小さくして解析をおこなうこ
とが可能となる。したがって、より正確な解析結果を得
ることができ、それによってどの項目に対する改善対策
が有効であるかという評価をおこなうことができる。

【０１１６】また、従来、判別が困難であった歩留りと
電気的特性データ間の相関関係を容易に明らかにするこ
とができる。また、この解析手法は、歩留りに効く諸々
の要因の影響を低減または分離することができるので、
量産段階のみならず、より複雑に諸々の要因が絡み合う
開発段階においても極めて有効である。

【０１１７】なお、上述した実施の形態においては、半
導体製造工程のプロセスデータを用いて歩留り解析をお
こなう場合について説明したが、この発明は、歩留り解
析に限らず、種々のデータに対する判別分析に適用する
ことが可能である。また、上述した実施の形態において
は、ルールを抽出するための統計的手法としてデータマ
イニング手法を用いたが、この発明はその他の有意差判
定手法にも適用することができる。さらに、上述した実
施の形態で用いた評価用統計値リストの各値や図８〜図
１６、図１８、図２２および図２３に示す回帰木図は例
として示したものであり、この発明はこれらに限定され
るものではない。

【０１１８】また、上述した実施の形態においては、電
気的特性データよりも装置間差の方が歩留りに対する影
響が大きい場合について説明したが、その反対に電気的
特性データの方が装置間差よりも影響が大きい場合にも
同様にして電気的特性データのバラツキの影響、すなわ
ちノイズを低減した状態で装置間差の解析結果を得るこ
とができる。この場合、回帰木図において、電気的特性
データにより最上階層の分岐がなされ、装置間差による
分岐はそれよりも下層で現れることとなる。

【０１１９】また、上述した実施の形態においては、歩
留りに影響するのは装置間差と電気的特性データの２項
目群であるとしたが、これに限らず、この発明は、たと
えば図２４に示すように、装置間差と電気的特性データ
とその他の３種の項目群、あるいは４種以上の項目群が
歩留りに影響をおよぼす場合にも同様に適用可能であ
る。

【０１２０】また、上述した実施の形態で説明したデー
タ解析方法は、あらかじめ用意されたプログラムをパー
ソナルコンピュータやワークステーション等のコンピュ
ータで実行することにより実現することができる。ま
た、これらのプログラムは、たとえばハードディスク、
フロッピー（登録商標）ディスク、ＣＤ−ＲＯＭ、Ｍ
Ｏ、ＤＶＤ等のコンピュータで読み取り可能な記録媒体
に記録され、コンピュータによって記録媒体から読み出
されることによって実行される。またこのプログラム
は、上記記録媒体を介して、また、伝送媒体としてネッ
トワークを介して配布することができる。

【０１２１】［付記］また、以下に示す付記１〜付記２
１を請求項とすることができる。

【０１２２】（付記１）複数のオリジナルデータよりな
るオリジナルデータ群と、前記オリジナルデータ間に存
在するルールを抽出し、前記ルールの信頼度をあらわす
情報を付加した信頼度情報付きルールファイルを作成す
るデータ処理部と、前記ルールファイルに基づいて前記
オリジナルデータの解析をおこなう解析ツールと、を備
えたことを特徴とするデータ解析装置。

【０１２３】（付記２）前記データ処理部は、前記オリ
ジナルデータ群における各レコードの項目間の因果関係
または影響度を明らかにし、隠された情報または規則性
を含むルールを統計的手法により抽出することを特徴と
する付記１に記載のデータ解析装置。

【０１２４】（付記３）前記データ処理部は、前記解析
ツールにおいて解析すべき項目またはその組み合わせに
関する指針を含むルールをデータマイニング技法により
抽出することを特徴とする付記１に記載のデータ解析装
置。

【０１２５】（付記４）前記データ処理部は、前記ルー
ルの信頼度をあらわす情報として、複数のオリジナルデ
ータよりなる集合を２分割する際の分割の明確度をあら
わす集合分割評価値を求めることを特徴とする付記１に
記載のデータ解析装置。

【０１２６】（付記５）前記オリジナルデータは、変動
原因または変動パターンを探ることを目的とする目的変
数を含み、前記集合分割評価値は、つぎの式であらわさ
れるＳ比の値であることを特徴とする付記４に記載のデ
ータ解析装置。 Ｓ比＝（（Ｓ１＋Ｓ２）／２）／Ｓ０ ただし、Ｓ０は、複数のオリジナルデータよりなる集合
を２分割する前の目的変数の平方和、Ｓ１およびＳ２は
それぞれ分割後の各集合の目的変数の平方和である。

【０１２７】（付記６）前記オリジナルデータは、変動
原因または変動パターンを探ることを目的とする目的変
数を含み、前記集合分割評価値は、つぎの式であらわさ
れるｔの値であることを特徴とする付記４に記載のデー
タ解析装置。

【数３】

【０１２８】（付記７）前記データ処理部は、前記ルー
ルの信頼度をあらわす情報として、２次以降の要因また
は条件を含む情報を求めることを特徴とする付記１に記
載のデータ解析装置。

【０１２９】（付記８）前記データ処理部での処理対象
データとして、前記オリジナルデータ群から任意のデー
タ種または任意のデータ項目の組み合わせを抽出する前
置データ処理部をさらに備えることを特徴とする付記１
〜７のいずれか一つに記載のデータ解析装置。

【０１３０】（付記９）製造工程の歩留り低下要因を解
析する装置であって、前記オリジナルデータは、変動原
因または変動パターンを探ることを目的とする目的変数
と、前記目的変数の変動を説明する説明変数を含み、前
記目的変数は製造歩留りであり、前記説明変数は、使用
装置履歴、試験結果、設計情報および測定データを含む
変数であることを特徴とする付記１〜８のいずれか一つ
に記載のデータ解析装置。

【０１３１】（付記１０）複数のオリジナルデータ間に
存在するルールを抽出して、前記ルールにその信頼度を
あらわす情報を付加した信頼度情報付きルールファイル
を作成し、前記ルールとともに前記信頼度をあらわす情
報を出力する工程と、前記ルールファイルに基づいて前
記オリジナルデータの解析をおこなう工程と、を含むこ
とを特徴とするデータ解析方法。

【０１３２】（付記１１）複数の前記オリジナルデータ
における各レコードの項目間の因果関係または影響度を
明らかにし、隠された情報または規則性を含むルールを
統計的手法により抽出することを特徴とする付記１０に
記載のデータ解析方法。

【０１３３】（付記１２）前記オリジナルデータの解析
をおこなう際の解析すべき項目またはその組み合わせに
関する指針を含むルールをデータマイニング技法により
抽出することを特徴とする付記１０に記載のデータ解析
方法。

【０１３４】（付記１３）前記ルールの信頼度をあらわ
す情報は、複数のオリジナルデータよりなる集合を２分
割する際の分割の明確度をあらわす集合分割評価値であ
ることを特徴とする付記１０に記載のデータ解析方法。

【０１３５】（付記１４）前記オリジナルデータは、変
動原因または変動パターンを探ることを目的とする目的
変数を含み、前記集合分割評価値は、つぎの式であらわ
されるＳ比の値であることを特徴とする付記１３に記載
のデータ解析方法。 Ｓ比＝（（Ｓ１＋Ｓ２）／２）／Ｓ０ ただし、Ｓ０は、複数のオリジナルデータよりなる集合
を２分割する前の目的変数の平方和、Ｓ１およびＳ２は
それぞれ分割後の各集合の目的変数の平方和である。

【０１３６】（付記１５）前記オリジナルデータは、変
動原因または変動パターンを探ることを目的とする目的
変数を含み、前記集合分割評価値は、つぎの式であらわ
されるｔの値であることを特徴とする付記１３に記載の
データ解析方法。

【数４】

【０１３７】（付記１６）前記ルールの信頼度をあらわ
す情報は、２次以降の要因または条件を含むことを特徴
とする付記１０に記載のデータ解析方法。

【０１３８】（付記１７）ルールを抽出するための処理
対象データとして、複数の前記オリジナルデータから任
意のデータ種または任意のデータ項目の組み合わせをあ
らかじめ抽出することを特徴とする付記１０〜１６のい
ずれか一つに記載のデータ解析方法。

【０１３９】（付記１８）製造工程の歩留り低下要因を
解析するにあたって、前記オリジナルデータは、変動原
因または変動パターンを探ることを目的とする目的変数
と、前記目的変数の変動を説明する説明変数を含み、前
記目的変数は製造歩留りであり、前記説明変数は、使用
装置履歴、試験結果、設計情報および測定データを含む
変数であることを特徴とする付記１０〜１７のいずれか
一つに記載のデータ解析方法。

【０１４０】（付記１９）前記オリジナルデータにおけ
る各レコードは、変動原因または変動パターンを探るこ
とを目的とする目的変数と、前記目的変数の変動を説明
する説明変数として、タイプの異なる複数の項目群に属
する複数の項目を有し、抽出された前記ルールに基づく
回帰木図の、注目するノードに属する集合または属さな
い集合に対して解析をおこなうことを特徴とする付記１
０〜１８のいずれか一つに記載のデータ解析方法。

【０１４１】（付記２０）前記オリジナルデータにおけ
る各レコードは、変動原因または変動パターンを探るこ
とを目的とする目的変数と、前記目的変数の変動を説明
する説明変数として、タイプの異なる複数の項目群に属
する複数の項目を有し、抽出された前記ルールに基づく
回帰木図の、注目するノードに属する集合または属さな
い集合に対して解析をおこなうことを特徴とする付記１
０〜１８のいずれか一つに記載のデータ解析方法。

【０１４２】（付記２１）前記付記１０〜２０のいずれ
か一つに記載された方法をコンピュータに実行させるプ
ログラムを記録したことを特徴とするコンピュータ読み
取り可能な記録媒体。

【０１４３】

【発明の効果】この発明によれば、オリジナルデータ群
の複数のオリジナルデータ間に存在するルールが抽出さ
れ、その抽出されたルールは、ルールの信頼度をあらわ
す情報とともに出力されるので、抽出されたルールの精
度評価をおこなうことができるとともに、２次以降の効
果のある要因をその定量的な評価値とともに得ることが
できる。したがって、データマイニング等のデータ解析
結果の精度や信頼性の評価が可能となり、産業界で広く
おこなわれているデータ解析の効率化および信頼度の向
上を図ることができる。この発明を製造工程の歩留り解
析に適用した場合には、生産性向上に多大な効果をもた
らす。また、この発明によれば、有意差の程度、複数要
因の判別および説明変数間の関連性を把握することがで
きるので、解析結果に基づいて決定された対策の効果を
定量的に把握することができるという効果も得られる。

【０１４４】また、この発明によれば、異なる項目群に
属する複数の項目を一括して説明変数として取り扱い、
回帰木分析結果を利用して、注目するノードに属する集
合または属さない集合について解析をおこなうことによ
って、ノイズがより少ない状態での解析が可能となる。
したがって、注目する項目についてより正確な解析結果
を得ることができる。

【図面の簡単な説明】

【図１】この発明にかかるデータ解析装置の構成の一例
を示す概略図である。

【図２】この発明を半導体製造工程の歩留り解析に適用
した場合のデータ形式の一例を示す模式図である。

【図３】実施の形態にかかる回帰木分析プログラムの起
動時の画面表示例を示す図である。

【図４】実施の形態にかかる回帰木分析プログラムの実
行中の画面表示例を示す図である。

【図５】実施の形態にかかる回帰木分析プログラムの実
行中の画面表示例を示す図である。

【図６】実施の形態にかかる回帰木分析プログラムの実
行中の画面表示例を示す図である。

【図７】実施の形態にかかる回帰木分析プログラムの実
行中の画面表示例を示す図である。

【図８】実施の形態にかかる回帰木分析プログラムによ
る分析結果を説明するための回帰木図である。

【図９】図８に示す回帰木分析の結果をまとめて示す図
表である。

【図１０】実施の形態において品種毎に回帰木分析を実
行した結果を示す画面表示例である。

【図１１】実施の形態において品種毎に回帰木分析を実
行した結果を示す画面表示例である。

【図１２】実施の形態において品種毎に回帰木分析を実
行した結果を示す画面表示例である。

【図１３】実施の形態において品種毎に回帰木分析を実
行した結果を示す画面表示例である。

【図１４】実施の形態において品種毎に回帰木分析を実
行した結果を示す画面表示例である。

【図１５】実施の形態において多品種にわたって回帰木
分析を実行した結果を示す画面表示例である。

【図１６】実施の形態において多品種にわたって回帰木
分析を実行した結果を示す画面表示例である。

【図１７】実施の形態においてタイプの異なる複数の項
目群にまたがる回帰木分析の入力となるデータ形式の一
例を示す模式図である。

【図１８】実施の形態においてタイプの異なる複数の項
目群にまたがって回帰木分析を実行した結果を示す画面
表示例である。

【図１９】図１８に示す回帰木分析の結果をまとめて示
す図表である。

【図２０】図１７に示すオリジナルデータの電気的特性
データＲＳＰと歩留りとの相関関係を装置間差の影響を
低減した場合としない場合についてそれぞれ示す特性図
である。

【図２１】ノイズの影響を低減した場合としない場合の
トランジスタのＩ−Ｖ特性の一例をそれぞれ示す特性図
である。

【図２２】図１８に示す回帰木分析結果に基づいて電気
的特性データの影響を低減した状態で回帰木分析を実行
した結果を示す画面表示例である。

【図２３】実施の形態においてタイプの異なる複数の項
目群にまたがって回帰木分析を実行した結果の他の例を
示す画面表示例である。

【図２４】実施の形態においてタイプの異なる複数の項
目群にまたがる回帰木分析の入力となるデータ形式の他
の例を示す模式図である。

【図２５】データマイニングを適用していない一般的な
データ解析手法を示す概念図である。

【図２６】半導体製造工程において実施されている従来
のデータ解析手法を示す概念図である。

【図２７】従来の装置間差解析におけるロットの流れを
示す概念図である。

【図２８】従来の装置間差解析において作成される箱ヒ
ゲ図である。

【図２９】一般的なデータ解析において用いられるレコ
ードの構成を示す模式図である。

【図３０】データマイニングを適用したデータ解析手法
を示す概念図である。

【図３１】一般的な多変量解析における判別分析結果と
して得られるルールの精度評価について説明するための
説明図である。

【符号の説明】

２３ オリジナルデータ群 ２５ データ処理部 ２６ 信頼度情報付きルールファイル ２７ 解析ツール群 ２９ 前置データ処理部（第１のデータ処理部）

───────────────────────────────────────────────────── フロントページの続き (72)発明者 白井 英大 神奈川県川崎市高津区坂戸３丁目２番１号 富士通エルエスアイテクノロジ株式会社 内 Ｆターム(参考） 5B049 BB07 CC00 EE00 EE05

Claims (10)

【特許請求の範囲】
1. 【請求項１】 複数のオリジナルデータよりなるオリジ
   ナルデータ群と、 前記オリジナルデータ間に存在するルールを抽出し、前
   記ルールの信頼度をあらわす情報を付加した信頼度情報
   付きルールファイルを作成するデータ処理部と、 前記ルールファイルに基づいて前記オリジナルデータの
   解析をおこなう解析ツールと、 を備えたことを特徴とするデータ解析装置。
2. 【請求項２】 前記データ処理部は、前記オリジナルデ
   ータ群における各レコードの項目間の因果関係または影
   響度を明らかにし、隠された情報または規則性を含むル
   ールを統計的手法により抽出することを特徴とする請求
   項１に記載のデータ解析装置。
3. 【請求項３】 前記データ処理部は、前記解析ツールに
   おいて解析すべき項目またはその組み合わせに関する指
   針を含むルールをデータマイニング技法により抽出する
   ことを特徴とする請求項１に記載のデータ解析装置。
4. 【請求項４】 前記データ処理部は、前記ルールの信頼
   度をあらわす情報として、複数のオリジナルデータより
   なる集合を２分割する際の分割の明確度をあらわす集合
   分割評価値を求めることを特徴とする請求項１に記載の
   データ解析装置。
5. 【請求項５】 前記オリジナルデータは、変動原因また
   は変動パターンを探ることを目的とする目的変数を含
   み、 前記集合分割評価値は、つぎの式であらわされるＳ比の
   値であることを特徴とする請求項４に記載のデータ解析
   装置。 Ｓ比＝（（Ｓ１＋Ｓ２）／２）／Ｓ０ ただし、Ｓ０は、複数のオリジナルデータよりなる集合
   を２分割する前の目的変数の平方和、Ｓ１およびＳ２は
   それぞれ分割後の各集合の目的変数の平方和である。
6. 【請求項６】 前記オリジナルデータは、変動原因また
   は変動パターンを探ることを目的とする目的変数を含
   み、 前記集合分割評価値は、つぎの式であらわされるｔの値
   であることを特徴とする請求項４に記載のデータ解析装
   置。 【数１】
7. 【請求項７】 前記データ処理部は、前記ルールの信頼
   度をあらわす情報として、２次以降の要因または条件を
   含む情報を求めることを特徴とする請求項１に記載のデ
   ータ解析装置。
8. 【請求項８】 前記データ処理部での処理対象データと
   して、前記オリジナルデータ群から任意のデータ種また
   は任意のデータ項目の組み合わせを抽出する前置データ
   処理部をさらに備えることを特徴とする請求項１〜７の
   いずれか一つに記載のデータ解析装置。
9. 【請求項９】 製造工程の歩留り低下要因を解析する装
   置であって、 前記オリジナルデータは、変動原因または変動パターン
   を探ることを目的とする目的変数と、前記目的変数の変
   動を説明する説明変数を含み、 前記目的変数は製造歩留りであり、前記説明変数は、使
   用装置履歴、試験結果、設計情報および測定データを含
   む変数であることを特徴とする請求項１〜８のいずれか
   一つに記載のデータ解析装置。
10. 【請求項１０】 複数のオリジナルデータ間に存在する
    ルールを抽出して、前記ルールにその信頼度をあらわす
    情報を付加した信頼度情報付きルールファイルを作成
    し、前記ルールとともに前記信頼度をあらわす情報を出
    力する工程と、 前記ルールファイルに基づいて前記オリジナルデータの
    解析をおこなう工程と、を含むことを特徴とするデータ
    解析方法。