JP2007250647A - モデル作成装置およびモデル作成方法 - Google Patents

Abstract

【課題】 複数の解析手法を組み合わせて解析処理をするに際し、適切な組み合わせで実行して対象品の異常を分析するモデルを作成できるモデル作成装置を提供すること
【解決手段】 プロセス特徴量および検査結果を解析する複数種類の解析処理の実行順序を記憶する解析手順データ記憶部３３と、取得したプロセス特徴量および検査結果に対し、解析手順記憶部に記憶された実行順序に従って異なる解析処理を順次実行し、プロセス特徴量と検査結果との間の相関関係を示すモデルを生成する解析部３２とを備えて構成した。
【選択図】 図４

Description

この発明は、プロセスの状態に関連し処理される対象品の異常を分析するモデル作成装置およびモデル作成方法に関する。

半導体・液晶パネルをはじめとする各種の製品の製造プロセスは、製品の製造歩留まりを改善し、或いは歩留まりが良好な状態を維持するために、適切に管理されなければならない。

半導体デバイスは、１００工程以上も有する半導体プロセスを経て製造され、また、複数の複雑な半導体製造装置を用いて製造される。そのため、各製造装置（プロセス装置）の状態を示すパラメータと各製造装置を用いて製造された半導体デバイスの特性との関係が明確には求められていないものが多数ある。一方、半導体プロセスは、製造された半導体デバイスの歩留まりが良くなるように、常に各工程を厳密に管理しなければならないという要求もある。

係る問題を解決するため、特許文献１に開示されたモデル化装置では、プロセス実行時に発生する多岐にわたるプロセスデータを一定周期で収集し、得られた時系列のプロセスデータからプロセス特徴量を抽出する。そして、同一の製品についてのプロセス特徴量データと検査データとを結合し、その結合したデータをデータマイニングにより解析し、半導体製造プロセスにおけるプロセス特徴量と結果データの相関関係のモデルを作成する。このモデルにより、プロセス特徴量がどのような条件になったときに異常が発生するかを予測でき、さらに、異常発生箇所・原因を推測することもできる。
特開２００４−１８６４４５号公報

特許文献１に示されたように、従来のプロセス条件データと検査結果データから製品の出来映えと製造プロセス条件の関係を示すモデルを導出する解析処理は、使用するデータの加工、抽出処理やさまざまな統計的手法やデータマイニング解析手法を選択し組み合わせて実施されている。この解析手法の選択、組み合わせは、人手による試行錯誤で行なわれていた。通常は１つの手法のみで分析することはなく複数の手法を組み合わせ、順番に実行して分析を実施する。そして、結果として、プロセス条件データと検査結果データ間に有効な関係を見い出すことができず、再度手法の選択からやり直すことがある。有効な解析結果を得るためには、解析者はその都度専門的な知識を活用し統計的手法や解析手法を選択し分析を実行することになる。

この発明は、複数の解析手法を組み合わせて解析処理をするに際し、適切な組み合わせで実行して対象品の異常を分析するモデルを作成することができるモデル作成装置およびモデル作成方法を提供することを目的とする。

本発明に係るモデル作成装置は、製造プロセス実行中に得られるプロセスデータから算出されるプロセス特徴量と、その製造プロセスで生産された製品の検査結果との相関関係を示すモデルを作成するモデル作成装置であって、プロセス特徴量および検査結果を解析する複数種類の解析処理の実行順序を記憶する解析手順記憶部と、取得したプロセス特徴量および検査結果に対し、前記解析手順記憶部に記憶された実行順序に従って異なる解析処理を順次実行し、前記プロセス特徴量と検査結果との間の相関関係を示すモデルを生成する解析部と、を備えて構成した。

実施形態では、解析部は、プロセス特徴量および検査結果をモデル化装置に内蔵する解析用データ記憶部から取得したが、外部装置から取得しても良い。また、実施形態では、モデル化装置が、取得したプロセスデータに対してプロセス特徴量を求め、検査結果データと関連付けた解析用データを作成し、解析用データ記憶部に格納したが、プロセス特徴量は別の装置で作成したものを取得しても良い。

解析処理は、プロセス特徴量の演算に使用する説明変数を絞り込む処理を含むことができる。その説明変数を絞り込む処理は、正規性の検定，相関関数の算出，クラスタ分析およびステップワイズ法のうち少なくとも１つを含むようにするとよい。また、解析部で実行する解析処理は、線形回帰分析，決定木分析およびマハラノビスの距離分析のうち少なくとも１つを含むようにするとよい。

本発明に係るモデル作成方法は、製造プロセス実行中に得られるプロセスデータから算出されるプロセス特徴量と、その製造プロセスで生産された製品の検査結果との相関関係を示すモデルを作成するモデル作成装置におけるモデル作成方法であって、まず、解析部が、プロセス特徴量および検査結果を解析する複数種類の解析処理の実行順序を記憶する解析手順記憶部にアクセスして前記実行順序を取得する。次いで、解析部が、プロセス特徴量および検査結果に対し、その取得した実行順序に従って異なる解析処理を順次実行し、プロセス特徴量と検査結果との間の相関関係を示すモデルを生成するようにした。

本発明は、解析部が異なる複数の解析処理を実行する機能を備え、予め設定された解析手順にしたがって係る複数の解析処理を順次実行することでモデルを作成する。従って、解析対象が同様の場合、蓄積された解析手順を再利用でき、複数の異なる解析処理を適切な順番で行なうことができる。

図１は、本発明の好適な実施形態であるモデル作成装置を含む製造システムを示す。この製造システムは、プロセス装置１，検査装置２およびモデル作成装置１０を含む。これらの装置は、生産管理情報よりも詳細なプロセス関連情報を高速にやりとりするための装置用ネットワークであるＥＥＳ（Equipment Engineering System）ネットワーク３によって相互に接続されている。図示は省略されているが、ＥＥＳネットワーク３には、プロセス装置１より前の段階、およびプロセス装置１より後の段階で用いられる他のプロセス装置も接続されている。さらに、このシステムは、ＭＥＳ（Manufacturing Execution System）を含む生産管理システム４およびこの生産管理システム４と接続された生産管理情報を伝送するＭＥＳ系ネットワーク５を含んでいる。ＥＥＳネットワーク３とＭＥＳ系ネットワーク５とは、ルータ６を介して接続されている。ＭＥＳ系ネットワーク５上に存在する生産管理システム４は、ルータ６を経由して、ＥＥＳネットワーク３上の各装置にアクセスすることができる。

この製造システムは、例えば、半導体や液晶パネルを製造するもので、プロセス装置１が半導体等を製造するためのプロセス（ウエハに対する成膜処理等）を実行する。半導体製造プロセスや液晶パネル製造システムにおいては、処理対象のウエハやガラス基板（以下、「ウエハ」）は、カセット７内に所定枚数セットされ、カセット単位で移動されるとともに、プロセス装置１で所定の処理が行なわれる。１つの製品を製造する場合、複数のプロセス装置１においてそれぞれ所定の処理が実行される。その場合、プロセス装置間の移動も、カセット単位で行なわれる。カセット７に実装された所定枚数のウエハが同一のロットとなる。

カセット７には、ＲＦ−ＩＤ（radio frequency identification）タグ７ａが取り付けられている。タグ７ａは、プロセス装置１に連結されたＲＦ−ＩＤリードライトヘッド９との間で電磁結合をし、非接触で任意のデータを読み書きされるものであり、データキャリアとも呼ばれる。タグ７ａには、ロットＩＤと、前段装置の出庫時刻等の情報が格納される。

プロセス装置１は、ＭＥＳ系ネットワーク５からルータ６経由で生産管理システム４から送られてきたレシピＩＤを取得する。プロセス装置１は、レシピＩＤと実際に行なうプロセスとの対応テーブルなどを持っており、取得したレシピＩＤに応じたプロセスを実行する。

プロセス装置１にはプロセスデータ収集装置８が内蔵されている。このプロセスデータ収集装置８は、ＥＥＳネットワーク３に接続されている。プロセスデータ収集装置８は、各プロセス装置１においてプロセスが実行されている期間中或いは待機中に、プロセス装置１の状態に関連する情報であるプロセスデータを時系列に収集する。プロセスデータは、例えば、プロセス装置１の動作時の電圧，電流や、あるプロセスを実行するプロセス装置を出庫してから次のプロセスを実行するプロセス装置に投入されるまでの滞留時間などがある。また、プロセス装置１がプラズマチャンバーを備え、ウエハに対して成膜処理をする装置の場合、そのプラズマチャンバー内の圧力や、プラズマチャンバーに供給するガス流量や、ウエハ温度やプラズマ光量等がある。プロセス装置１は、これらのプロセスデータを検出するための検出装置を備え、その検出装置の出力が、プロセスデータ収集装置８に与えられる。

プロセスデータ収集装置８は、ＲＦ−ＩＤリードライトヘッド９を介してタグ７ａから読み取った前段装置の出庫時刻と現在ウエハがセットされているプロセス装置１への投入時刻とを収集する。これらの出庫時刻と投入時刻の差をとることにより、前段装置からの滞留時間を算出することができる。また、ＲＦ−ＩＤリードライトヘッド９は、必要に応じてプロセス装置１からウエハを出庫する際に出庫時刻等をタグ７ａへ書き込む。

プロセスデータ収集装置８は、通信機能を備えている。プロセスデータ収集装置８は、プロセス装置１において発生したあらゆるプロセスデータを収集し、収集したプロセスデータにロットＩＤとを対応付けてＥＥＳ系ネットワーク３に出力する。収集するデータの種類は、上記のものに限るものではなく、さらに多くの情報を取得することも妨げない。

検査装置２は、プロセス装置１で処理された製品の検査を行なう。検査装置２が求めた検査結果データは、検査データ収集装置２ａを介してＥＥＳネットワーク３に出力される。なお、検査装置２内に検査データ収集装置２ａが内蔵される例を示したが、検査データ収集装置２ａを検査装置２の外部に設置しても良いし、逆に両者を一体化し、検査装置自体に検査データをＥＥＳネットワーク３に出力する機能を備えても良い。ここでの検査結果データは、例えばウエハ上に成膜された膜層の膜厚や膜質についての検査結果のデータである。

検査装置２には、ＲＦ−ＩＤリードライトヘッド９が連結されている。このＲＦ−ＩＤリードライトヘッド９は、検査装置２内にセットされた製品（ウエハ）が収納されているカセット７のタグ７ａに対し、データの読み書きを行なう。読み取るデータには、ロットＩＤが含まれる。検査装置２に内蔵される検査データ収集装置２は、通信機能を備えており、検査結果データおよびロットＩＤを収集し、検査結果データをロットＩＤに対応付けてＥＥＳネットワーク３に出力する。

なお、本実施形態では、プロセス装置１並びに検査装置２においてロットＩＤを用い、製品をロット単位で管理したが、製品ＩＤに基づき製品単位で管理することもできる。その場合、タグ７ａに各製品の製品ＩＤを格納するようにしてもよいし、タグ７ａに格納されたロットＩＤから各製品の製品ＩＤ（ロットＩＤ＋カセット内の製品のレコード番号等）を生成しても良い。

生産管理システム４は、生産指示情報としてプロセスの種類を特定する情報であるレシピＮｏ．（プロセス特定情報）をプロセス装置１に送る。プロセス装置１は、そのレシピＮｏ．に対応した所定のプロセスを実行する。

モデル作成装置１０は、データ収集装置８，２ａから出力されたプロセスデータ並びに検査結果データをＥＥＳネットワーク７を介して取得し、ロットＩＤをキーに各データを関連付けてデータベース１１に格納する。

モデル作成装置１０は、ハードウェアの観点からは一般的なパーソナル・コンピュータであり、Windows（登録商標）などのオペレーティング・システム上で稼動するアプリケーション・プログラムによって、本装置の各機能が実現されている。また、モデル作成装置１０は、データベース１１を利用する。データベース１１は、モデル作成装置１０を構成するコンピュータに内蔵の又は外付けのハードディスク装置等の記憶装置に設けてもよいし、モデル作成装置１０と通信する他のコンピュータに設けてもよい。

モデル作成装置１０は、キーボード等の入力装置１３とディスプレイ等の出力装置１４とを備えている。オペレータ（作業者）は、入力装置１３を操作することにより、オペレータデータ，保守データ，故障データなどを入力することができる。係る操作によって入力された入力情報もデータベース１１に登録される。さらに、モデル作成装置１０は、プロセス状態データおよび検査結果データに基づいてプロセス−品質モデルを作成する機能を備える。

図２は、モデル作成装置１０の内部構成を示す。モデル作成装置１０において、そのオペレーティング・システム上で稼動するアプリケーション・プログラムによって、以下の各処理機能部が実現されている。すなわち、モデル作成装置１０の処理機能部は、プロセスデータ編集部２２，データ結合部２４，検査データ編集部２７，解析部３２，解析手順管理部３４，プロジェクト管理部３５を含む。これらの各部は、専用のハードウェア（回路）によって実現することも可能である。

さらに、各処理機能部がアクセスするためのデータを格納する記憶部として、プロセスデータ記憶部２１，プロセス特徴量データ記憶部２２，解析用データ記憶部３１，検査データ記憶部２８，編集検査データ記憶部２９，解析処理手順データ記憶部３３を備えている。これらの各記憶部は、データベース１１に設けられる。もっとも、本発明では、各記憶部をデータベース１１以外のモデル作成装置１０のメモリ、ハードディスク等の記憶装置に設けることや、モデル作成装置１０と通信する他のコンピュータの記憶装置に設けることも妨げない。

モデル作成装置１０は、次のように構成することもできる。すなわち、ＥＥＳネットワーク３に接続されるコンピュータは、プロセス装置１および検査装置２との通信、並びにヒューマン・マシン・インタフェースの処理を担当するクライアント・コンピュータとし、このクライアント・コンピュータと通信するサーバ・コンピュータを設けて、サーバ・コンピュータにおいて上記各処理機能部を実現する。また、モデル作成装置１０を遠隔地においてインターネットなどの通信回線を経由して生産現場のプロセス装置等と通信するようにすることもできる。ほかにも、モデル作成装置１０を実現するコンピュータの構成およびデータの移転の方式には種々の変形がありうる。

プロセスデータ記憶部２１に格納されるプロセスデータは、ロットＩＤに関連付けられる。プロセスデータは、プロセスデータ収集装置８が収集した各種のプロセスデータに加え、そのプロセスデータを収集した日時情報（日付＋時刻）も含む。プロセスデータは、プロセス制御データとプロセス検出データとからなる。プロセス制御データは、プロセス装置１が動作するための制御データおよび制御信号の状態である。それらの制御データ又は制御信号には、ガス流量設定値，シャッター開閉のＯＮ／ＯＦＦ，プロセス完了チャイムなどがある。プロセス検出データは、プロセス装置１の種々の検出器によって取得されたデータであり、ガス流量，チャンバー内圧力，周囲温度などが含まれる。

プロセスデータ記憶部２１には、ロットＩＤごとに、日時情報に従って時系列にプロセスデータが格納される。プロセスデータ記憶部２１は、リングバッファ等の一時記憶手段から構成され、プロセス終了後の所定のタイミングでプロセスデータを削除（新たなプロセスデータを上書き）するようにしている。

プロセスデータ編集部２２は、プロセスデータ記憶部２１に格納された時系列のプロセスデータを呼び出し、ロット単位でプロセス特徴量を算出する。プロセス特徴量は、例えば、同一のロットＩＤについてのプロセスデータのピーク値，総和，平均値等のプロセスデータの値から算出するものに限らず、プロセスデータの値が設定された閾値を超えている時間等の各種のものがある。

プロセスデータ編集部２２は、生産管理システム４から出力されるレシピＩＤをロットＩＤとともに取得する。レシピは、予め決められたプロセス装置に対する命令や設定、パラメータのセットで、処理対象や工程、装置の違いにより複数持ち、生産管理システム４で管理される。それぞれのレシピには、レシピＩＤが付与される。プロセス装置１で処理されるウエハに対するレシピは、ロットＩＤとレシピＩＤとにより特定される。プロセスデータ編集部２２は、ロットＩＤをキーにして、算出したプロセス特徴量データと、取得したレシピＩＤとを結合し、その結合したデータをプロセス特徴量データ記憶部２３に格納する。

一方、検査データ記憶部２８に格納された各種のデータは、検査データ編集部２７に呼び出され、そこにおいて編集されて得られた編集検査データが、編集検査データ記憶部２９に格納される。

検査データ記憶部２８に格納される検査結果データは、検査装置２で求められた検出結果の生データである。検査データ編集部２７は、その検査データ、或いはその検査データを加工したデータに基づいて評価をし、その評価結果と評価対象のデータを関連づけた編集検査データを生成し、編集検査データ記憶部２９に格納する。検査結果データを加工したデータは、例えば、検査結果データが膜厚で、評価対象の領域（ウエハ全体或いはウエハの一部）の範囲内に複数の膜厚データが存在する場合、その領域の範囲内にある検査結果データの平均値又はその他の方法により求めた、その領域を代表するデータである。この場合、領域中に検査結果データが１つ存在する場合には、その検査結果データがそのままその領域を代表するデータとなる。

評価は、例えば予め設定された品質判定基準に基づき、品質（膜質）のランク分けを行なう。ランクは、例えば膜厚平均に基づいて正常範囲（良品）の中をＡ，Ｂ，Ｃに分け、さらに不良品の中を良品に近い膜厚軽欠点（厚／薄）、良品から離れている膜厚重欠点（厚／薄）に分けて判定することができる。もちろん、他の評価方法を採ることもできる。

データ結合部２４は、プロセス特徴量データ記憶部２３と編集検査データ記憶部２９に格納された各データ、さらには生産管理システム４から取得した製品管理情報（レシピＮｏ．）を取得し、取得した各データをレシピＮｏ．およびロットＩＤをキーとして結合する。そして、データ結合部２４は、結合したデータを解析用データ記憶部３１に格納する。解析用データ記憶部３１に格納されるデータ構造は、ロットＩＤ，プロセス特徴量，レシピ情報，検査情報を対応づけたテーブル構造となる。

なお、図示省略するが、この結合して生成される解析用データに、プロセス補足データを付加することもできる。ここでプロセス補足データとは、１つのプロセスに対して総括的に与えられるもので、プロセス特徴量の算出に用いられなかったデータである。例えば、入力装置１３から入力された保守データおよび環境データ、又はそれらの内容がコード化されたデータは、プロセス補足データである。

また、図示の例では、データ結合部２４で結合して生成された全てのデータを解析用データ記憶部３１に格納し、解析の対象としたが、本発明はこれに限ることはなく、一旦、記憶手段に格納し、その格納された結合データを読み出し、プロセス特徴量の異常データを排除して得られたデータを解析用データとしても良い。異常データとは、例えば実際にはありえないような数値を含むデータを意味する。係るデータを削除することは、一般的に行なわれる解析用データの前処理の手法により実現できる。

解析部３２は、解析用データ記憶部３１に格納された解析用データを読み出し、所定の手順で解析を行ない、良品又は不良品を生成するプロセス状態のルールの集合であるプロセス−品質モデルを作成する。この解析部３２にて求めたプロセス−品質モデルは、解析結果データとしてデータベース１１等に記憶保持され、その後の評価に用いられる。

図３は、プロセス−品質モデルの例を示す。この例では、どのプロセス特徴量がどんな数値範囲にあれば検査結果はどうなるかという関係を、ＩＦ−Ｔｈｅｎのルール式で表現している。図３では３つのルール式を示しているが、実際には多数のルール式が生成される。ルール式のＩＦの部分には、プロセス特徴量の数値範囲が示され、Ｔｈｅｎの部分は製品の検査結果データに関する情報が書かれる。ＩＦの部分には、あるプロセス補足データの有無が示されることもある。

図３に示された一番上のルール式に沿って具体的に説明すると、ＩＦ部分の第１行目は、ウエハに成膜処理をしているときのガス流量のＳＵＭ（累計値）が２０００ミリリットルよりも大きくて２１４０ミリリットル以下であるという１つの条件を示している（数値の単位は表示省略している）。このルール式ではＩＦ条件が３つあって（残り２つの詳細説明は省略する、なお［ＲＡＮＧＥ］は域値（最大値−最小値）を意味する）、それぞれの条件がａｎｄの関係で成立するとき、このＩＦ条件が全体として成立する。一方、Ｔｈｅｎの部分は、製品の品質がランクＡ（良品）であることを示している。つまり、このルール式は、ＩＦ条件の３つの論理積が満たされれば、良品の製品ができる傾向があるという意味を示している。

図３に示されたようなルール式から、ある製品の検査結果に対して、プロセス特徴量と数値範囲との関係（又はその関係の組み合わせ）が影響を及ぼすことがわかる。このようにプロセス−品質モデルを構成するルール式から、プロセス状態と製品の検査結果との関係や傾向を知ることでできる。図３の一番下のルール式に示されるように、プロセス状態とプロセス装置の故障又は異常との関係を示すルール式を求めることもできる。

さらに、ルール式は図示したＩＦ−Ｔｈｅｎ方式に限ることはなく、線形回帰，決定木，マハラノビスの距離，主成分分析，移動主成分分析，ＤＩＳＳＩＭなどの手法を使用することができる。

図４に示すように、解析部３２は、複数種類の解析処理部３２ａを備える。解析部３２は、処理対象の解析用データに対し、解析処理手順データ記憶部３３に格納された解析処理手順に従って所定の解析処理部３２ａをその単体または組み合わせにより実行し、良品または不良品にいたるプロセス条件のルールを求める。本実施形態では、解析処理部３２ａとして、正規化検定処理，相関分析処理，クラスタ分析処理，ステップワイズ処理，線形回帰分析処理，決定木分析処理，相関図処理，マハラノビスの距離分析処理をそれぞれ実行するアプリケーション・プログラムを実装した。

図５は、解析処理手順データ記憶部３３のデータ構造を示している。図示するように、解析処理手順データは、解析手順名と、実際の解析手順と、解析手順で使用するパラメータとを関連付けたテーブルからなる。パラメータは、例えば解析処理をする際に使用する閾値などである。

例えば、「変数絞り込み」は、（１）正規化検定処理用の解析処理部→（２）相関分析処理用の解析処理部→（３）クラスタ分析処理用の解析処理部→（４）ステップワイズ処理用の解析処理部の順で解析処理を実行する。また、「共通変数絞り込み」は、「変数絞り込み」、つまり、上記の（１）から（４）の各解析処理部を順次実行するものである。このように、解析処理を組み合わせた解析手順は、他の解析手順から利用することができる（階層構造を採ることが可能となる）。

図６は、「複数材料使用時線形回帰分析手順」を実行するための具体的なアルゴリズムを示している。まず、解析部３２は、解析用データから、プロセス特徴量データと検査結果とを読み込み（Ｓ１）、説明変数と目的変数を指定する（Ｓ２）。説明変数は独立変数とも呼ばれる。回帰分析において，ある１個の変数Ｙの予測値Ｙｈａｔが、ｐ個の変数Ｘｉ（ｉ＝１，２，……，ｐ）によって、
Ｙｈａｔ＝ｂ０＋ｂ１・Ｘ１＋ｂ２・Ｘ２＋……＋ｂｐ・Ｘｐ
という重回帰式で定義される場合、Ｘｉを説明変数，Ｙを目的変数（従属変数）と呼ぶ。例えば実験などでいくつかの実験条件によって結果が変化するような場合、結果（従属変数）は実験条件（独立変数）に「従属」して決まるが、実験条件は結果とは「独立」に自由に変えられるという意味を含んでいる。

共通変数絞り込み用の解析処理部を実行する（Ｓ３）。この共通変数絞り込み処理は、具体的には図７に示すフローチャートを実行する。詳細な説明は後述する。そして、絞り込み処理を実行した結果、選択された変数の数が０になったか否かを判断する（Ｓ４）。変数の数が０の場合（Ｓ４でＹｅｓ）、処理は終了する。

一方、選択された変数の数が０でない場合（Ｓ４でＮｏ）、選択された変数を説明変数として（Ｓ５）、さらに共通変数絞り込み用の解析処理部を実行する（Ｓ６）。そして、選択された変数が減ったか否かを判断し（Ｓ７）、減らなかった場合（Ｓ７でＮｏ）にはそれ以上絞り込みができないため今回の絞り込みに使用された変数で線形回帰のモデル式を作成する（Ｓ９）。選択された変数の数が減った場合（Ｓ８）、選択された変数の数が０になったか否かを判断する（Ｓ８）。変数の数が０でない場合（Ｓ８でＮｏ）、処理ステップＳ５に戻り、上述した処理を実行する。また、変数の数が０になった場合（Ｓ８でＮｏ）、１回前の変数で線形回帰のモデル式を作成する（Ｓ１０）。

図７は、「共通変数絞り込み」を実行するための具体的なアルゴリズムを示している。この処理は、上述した処理ステップＳ３，Ｓ６としても実行される。まず、解析部３２は、入力された使用材料のＩＤ（Ａ１，Ａ２，……，Ａｎ）を取得し（Ｓ１１）、取得したＩＤに対応する指定材料を使用したプロセス特徴量データを選択する（Ｓ１２−１，Ｓ１２−２，……，Ｓ１２−ｎ）。

解析部３２は、解析用データから、選択したプロセス特徴量データと、それに対応する検査結果とを読み込み（Ｓ１３−１，Ｓ１３−２，……，Ｓ１３−ｎ）、変数絞り込み処理用の解析処理部を実行する（Ｓ１４−１，Ｓ１４−２，……，Ｓ１４−ｎ）。この変数絞り込み処理は、具体的には図８に示すフローチャートを実行するものである。そして、解析部３２は、変数絞り込み処理で抽出された変数のうち、共通する変数を選択する（Ｓ１５）。

図８は、「変数絞り込み」を実行するための具体的なアルゴリズムを示している。この処理は、上述した処理ステップＳ１４−１，Ｓ１４−２，……，Ｓ１４−ｎとしても実行される。まず、解析部３２は、解析処理手順データ記憶部３３をアクセスし、「変数絞り込み」の具体的な解析手順の１番目の「正規性検定」を実施するか否かを判断する（Ｓ３１）。すなわち、上述したように、図５に例示した「変数絞り込み」の処理手順は、（１）正規化検定処理用の解析処理部→（２）相関分析処理用の解析処理部→（３）クラスタ分析処理用の解析処理部→（４）ステップワイズ処理用の解析処理部の順で解析処理を実行するようにしている。但し、実際には、この４つの解析処理を必ずしも実行する必要はなく、各解析処理に対し、実行の有無を設定できる。

そこで、処理ステップ３１の分岐判断のように、正規性検定実施の有無を判断する処理ステップを設けた。この実行の有無は、各解析処理に実行の有無のフラグを関連づけても良いし、実行する解析処理のみを登録するようにしても良い。後者の場合、対応する解析処理が登録されていない場合には、分岐判断はＮｏとなる。

正規性検定実施を実行する場合（Ｓ３１でＹｅｓ）、解析部３２は、各説明変数に対し正規性を検定し、パラメータにより予め指定された有意確率を超える説明変数を抽出する（Ｓ３２）。

次いで、解析部３２は、相関分析を実施するか否かを判断し（Ｓ３３）、実施する場合には、各説明変数と目的変数の相関係数を算出し、パラメータにより予め指定された相関係数の絶対値と有意確率を超える説明変数を抽出する（Ｓ３４）。

次いで、解析部３２は、クラスタ分析を実施するか否かを判断し（Ｓ３５）、実施する場合には、説明変数間でクラスタ分析を行ない、パラメータにより予め指定されたクラスタ間の距離を超える説明変数を抽出する（Ｓ３６）。

最後に解析部３２は、ステップワイズを実施するか否かを判断し（Ｓ３７）、実施する場合には、パラメータにより予め変数追加の有意確率と変数削除の有意確率を指定しておき、ステップワイズ法による分析の結果、追加された説明変数を抽出する（Ｓ３８）。

なお、各分岐判断処理ステップ（Ｓ３１，Ｓ３３，Ｓ３５）において、実施しないと判定された場合、そのまま次の分岐判断処理ステップに移行する。また、処理ステップＳ３７の分岐判断でＮｏ或いは処理ステップＳ３８を実行したならば、「変数絞り込み」の解析処理が終了する。

図９は、「マハラノビスの距離による解析」を実行するための具体的なアルゴリズムを示している。まず、解析部３２は、解析用データから、プロセス特徴量データと検査結果とを読み込み（Ｓ４１）、説明変数と目的変数を指定する（Ｓ４２）。次いで、「変数の絞り込み」の解析処理を実行する（Ｓ４３）。この「変数絞り込み」の解析処理は、具体的には図８に示すフローチャートを実行する。処理ステップＳ４３を実行して抽出された説明変数に対し、マハラノビスの距離を算出する（Ｓ４４）。

解析処理手順データ記憶部３３に格納された解析処理手順データは、解析処理手順管理部３４により、編集したり、新規に追加することができる。また、既存の解析処理手順データを読み出すとともに、その一部を修正し、新たな別の解析処理手順データを作成することもできる。

プロジェクト管理部３５は、分析テーマをプロジェクトという単位で管理するもので、使用するデータ，解析手順，解析担当者，結果の保存先を一元的に管理する。このプロジェクト管理部３５に管理されるデータの一例を示すと、図１０のようになる。このようにプロジェクト単位で管理すると、類似するプロジェクトについての解析手順を登録していた場合、その解析手順を雛形として利用し、パラメータを変更したり、解析処理を追加・変更したりするなどの編集処理をすることで、新たなプロジェクトについての解析手順を簡易に作成することができる。

本発明の好適な実施形態であるモデル作成装置を含む製造システムの一例を示す図である。 プロセス異常分析装置の内部構造の一例を示す図である。 作成するルールデータの具体例を示す図である。 複数の解析処理を実行する解析部３２と、解析手順を記憶する解析手順データ記憶部３３の内部構造を示す図である。 解析手順データ記憶部のデータ構造を示す図である。 複数材料使用時線形回帰分析手順を実行するための解析処理部の機能を示すフローチャートである。 共通変数絞り込み処理を実行するための解析処理部の機能を示すフローチャートである。 変数絞り込み処理を実行するための解析処理部の機能を示すフローチャートである。 マハラノビスの距離による解析を実行するための解析処理部の機能を示すフローチャートである。 プロジェクト管理部を説明する図である。

符号の説明

１０ モデル作成装置
２１ プロセスデータ記憶部
２２ プロセスデータ編集部
２３ プロセス特徴量データ記憶部
２４ データ結合部
２７ 検査データ編集部
２８ 検査データ記憶部
２９ 編集検査データ記憶部
３１ 解析用データ記憶部
３２ 解析部
３３ 解析処理手順データ記憶部
３４ 解析手順管理部
３５ プロジェクト管理部

Claims (5)

1. 製造プロセス実行中に得られるプロセスデータから算出されるプロセス特徴量と、その製造プロセスで生産された製品の検査結果との相関関係を示すモデルを作成するモデル作成装置であって、
   プロセス特徴量および検査結果を解析する複数種類の解析処理の実行順序を記憶する解析手順記憶部と、
   取得したプロセス特徴量および検査結果に対し、前記解析手順記憶部に記憶された実行順序に従って異なる解析処理を順次実行し、前記プロセス特徴量と検査結果との間の相関関係を示すモデルを生成する解析部と、
   を備えたことを特徴とするモデル作成装置。
2. 前記解析処理は、前記プロセス特徴量の演算に使用する説明変数を絞り込む処理を含むことを特徴とする請求項１に記載のモデル作成装置。
3. 前記説明変数を絞り込む処理は、正規性の検定，相関関数の算出，クラスタ分析およびステップワイズ法のうち少なくとも１つを含むことを特徴とする請求項２に記載のモデル作成装置。
4. 前記解析部で実行する前記解析処理は、線形回帰分析，決定木分析およびマハラノビスの距離分析のうち少なくとも１つを含むことを特徴とする請求項１〜３のいずれか１つに記載のモデル作成装置。
5. 製造プロセス実行中に得られるプロセスデータから算出されるプロセス特徴量と、その製造プロセスで生産された製品の検査結果との相関関係を示すモデルを作成するモデル作成装置におけるモデル作成方法であって、
   解析部が、プロセス特徴量および検査結果を解析する複数種類の解析処理の実行順序を記憶する解析手順記憶部にアクセスして前記実行順序を取得し、
   解析部が、プロセス特徴量および検査結果に対し、その取得した実行順序に従って異なる解析処理を順次実行し、前記プロセス特徴量と検査結果との間の相関関係を示すモデルを生成する
   ことを特徴とするモデル作成方法。
   

Images