JP2009020717A - 状態監視方法及び状態監視装置並びにプログラム - Google Patents

Abstract

【課題】 複数の計測地点の計測値を一括して監視することができるとともに、複数地点を含む計測領域内での均一性を監視することができる状態監視方法を提供すること
【解決手段】 ワークの同一平面に設定した複数（Ｎ×ｎ個）の計測地点の計測値を主成分分析により、Ｑ統計量と、Ｔ^２統計量の指標を求める。各計測値がほぼ同じ値を採った場合には、Ｑ統計量の値は小さくなる。よって、Ｑ統計量が一定の範囲内であれば、均一性があり、一定以上になると不均一であると言える。また、Ｔ^２統計量は、主成分の軸に沿った設計値（平均値）からの計測値ずれの絶対値であるので、設計値通りに製造できているかの監視が行なえる。
【選択図】 図７

Description

この発明は、状態監視方法及び状態監視装置並びにプログラムに関する。

製品の品質管理は、計測装置から得られた計測値を管理図と呼ばれる統計管理手法による１変数ごとに管理している。例えば、製品の膜厚等を監視する場合、図１（ａ）に示すように、液晶，半導体ウェハ等の製品１の計測地点Ａにおける膜厚を膜厚計を用いて計測する。各製品ごとに同一地点Ａの膜厚を計測し、製品を特定するＩＤとともにデータベースに記憶する。品質管理システムは、データベースに記憶されたＡ点についての過去の計測値に基づいて算出される±３σを閾値に設定し、計測された製品のＡ点の膜厚が閾値を越えた場合に警報を発する。

また、品質管理システムは、作成された製品ごとに時系列で計測値を並べた管理図（図１（ｂ）参照）を生成し、表示装置に出力する。ユーザは、この表示された管理図を見ることで、トレンド予測を行なうことができる。例えば、図示する状態では、計測値は、設定値である“１０”［μｍ］を中心に振れているため安定状態と判断できるが、計測値が徐々に設定値である“１０”［μｍ］から離れていった場合には、たとえ現在の計測値が閾値以下であっても近い将来異常を発生するおそれがあると判断できる。

上記の品質管理は、１変数ごとに行なっているため、例えば図２（ａ）に示すように、製品１に複数箇所（Ｎ×ｎ）の計測地点を設定した場合、図２（ｂ）に示すように、Ｎ×ｎ個の計測値管理図が必要となる。
特開２００４−１１９７５３

上述したように、複数の変数をそれぞれ個別に管理する方式では、不良品を発生した場合にアラームが多発してしまい、真のエラーを瞬時に理解しにくいため、効率的な管理形態ではない。管理する変数が多変数（例えば、同一面で２５点以上）になるとその傾向は顕著になる

監視対象の製品がガラス，ウェハ，フィルムなどの場合、面内均一性も重要な管理項目となる。この面内均一性は、製品の表面の平坦度ともいえる。液晶基板のように表面に所定の膜が製膜された場合、その膜の表面の平坦度も、面内均一性として管理される。従来の面内均一性の管理は、同一製品の同一面内で設定された複数の計測地点における計測値（膜厚）の平均値，最大値，最小値，レンジなどの基本統計量を求め、その基本統計量に基づいて良否判定を行なっている。しかし、これらの基本統計量による指標では、面内均一性を正しく評価することができない。

この発明は、複数の計測地点の計測値を一括して監視することができるとともに、複数地点を含む計測領域内での均一性を監視することができる状態監視方法及び状態監視装置並びにプログラムを提供することを目的とする。

この発明による状態監視方法は、（１）監視対象領域内の複数の計測地点の計測値を取得する工程と、その取得した複数の計測値を主成分分析により、監視対象領域内の均一性を評価するためのＱ統計量と、計測値の設定値からのずれを評価するためのＴ^２統計量の少なくとも一方を求める統計量演算工程と、を備えた。

監視対象領域内に設定された複数の計測地点の計測値は、ある程度の相関がある。つまり、ある計測地点の計測値が目標値（設定値：設計値）よりも大きい値（小さい値）を示した場合、他の計測値手の計測値も同様に目標値よりも大きい値（小さい値）を示す傾向にあり、通常であれば、ある計測地点の計測値が他の計測値と極端に異なることはないと言える。例えば、複数の計測地点は製品の表面に設定され、計測値は膜厚の場合を想定すると、同一プロセスで正常に成膜された膜の膜厚は、ある一点のみ極端に厚く（薄く）なることはあまり考えられない。同様のことは、例えば、露光・現像等によりパターニングした場合の線幅やオーバーレイなどにおいても言える。このように各計測値同士で相関がある場合、主成分分析を行ないまとめると、主成分の方向にそろう。そして、ある一部の計測地点の計測値が他の計測値と極端に異なる場合には、主成分の軸から大きく離れ、Ｑ統計量が大きくなる。従って、Ｑ統計量は、監視領域内の均一性の指標となる。Ｑ統計量が小さいほど領域内の均一性が高く、Ｑ統計量が大きくなるほど不均一性が高くなるといえる。このように、本来の主成分分析の利用方法とは異なるが、複数の計測地点の計測値を変数として主成分分析をすることで、Ｑ統計量は、均一性を評価する指標として適切なものとなる。また、Ｔ^２統計量は、計測値の絶対値の状態（目標値：設計値からずれていないか）を判断する指標となる。

主成分分析をすることで、計測地点（変数）が多くなったとしても各統計量にまとめることができるため、複数の計測値を一括管理できるとともに、簡単かつ正確に監視領域の監視をすることができる。

監視領域は、平面に限ることはなく、空間などでもよく、その形状・次元は問わない。計測値を取得する工程は、実施形態では、異常判定部２４（異常分析部２４ａ）が、検査装置から送られてきた計測値データを計測データ記憶部２９に格納された計測値データを読み出す（実際には、その計測値データが格納されるプロセス特徴量記憶部から読み出す）処理に対応する。統計量演算工程は、異常分析部２４ａが演算実行するものに対応する。

（２）統計量演算工程は、少なくともＱ統計量を求める工程を含み、求めたＱ統計量と設定された閾値とを比較する工程と、その比較した結果、閾値より大きい場合には通知する工程と、をさらに含むとよい。このようにすると、ユーザは、要求されている均一性を超えて不均一となったことを容易に知ることができる。

（３）統計量演算工程は、少なくともＴ^２統計量を求める工程を含み、求めたＴ^２統計量が、設定されたＴ^２統計量の許容範囲内か否かを判断する工程と、その判断した結果、許容範囲より大きい場合には通知する工程と、をさらに含むとよい。このようにすると、ユーザは、計測値の絶対値が許容範囲を超えた場合ことを容易に知ることができる。

（４）計測値は、膜厚，線幅，オーバーレイ，温度のいずれかひとつとすることができる。もちろん、それ以外のものでも良い。

（５）監視対象領域は、半導体、液晶パネルなどの製造プロセスを実行して製造される製品に設定され、Ｑ統計量及びまたはＴ^２統計量に基づき、製品の品質を管理ものとすることができる。

（６）（５）の場合において、Ｑ統計量及びまたはＴ^２統計量に基づき異常を検出した際に、その異常を検出した製品についてのプロセスデータからプロセス特徴量を抽出する特徴量抽出工程と、その製品についての、プロセス特徴量から前記製造システムで製造される製品の異常要因を抽出するための異常検出要因分析ルールを取得するルール取得工程と、抽出された前記プロセス特徴量を、取得した異常検出要因分析ルールに当てはめて、異常を生じた異常要因を特定する工程と、を含むようにするとよい。このようにすると、監視領域が不均一となったり、計測値の絶対値が一定以上となったりするなどの異常を生じた場合に、ユーザは、その異常を生じた原因である異常要因を知ることができ、その後のメンテナンス等の対応に役立つ。

（７）本発明の状態監視装置は、監視対象領域内の複数の計測地点の計測値を取得する手段と、その取得した複数の計測値を主成分分析により、監視対象領域内の均一性を評価するためのＱ統計量と、計測値の設定値からのずれを評価するためのＴ^２統計量の少なくとも一方を求める異常分析手段、を備えるようにした。

（８）本発明のプログラムは、コンピュータを、取得した監視対象領域内の複数の計測地点の計測値を主成分分析により、監視対象領域内の均一性を評価するためのＱ統計量と、計測値の設定値からのずれを評価するためのＴ^２統計量の少なくとも一方を求める異常分析手段、として機能させるためのプログラムである。

本発明は、複数の計測地点の計測値を、主成分分析をして求めたＱ統計量やＴ^２統計量により一括して監視することができるとともに、複数地点を含む計測領域内での均一性を監視することができる状態監視方法及び状態監視装置並びにプログラムを提供することを目的とする。

図３は、本発明の好適な実施形態である監視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７及び監視装置２０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、及びプロセス装置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及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、処理対象のウェハやガラス基板（以下、「ウエハ」）は、カセット１０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１０に実装された所定枚数のウェハが同一のロットとなる。

この実施形態の半導体製造システムでは、個々のウエハごとに管理する必要から、各ウエハごとに製品ＩＤが付与される。この製品ＩＤは、例えばロットＩＤと、そのロット内の識別番号を結合することにより、設定できる。すなわち、仮にロットＩＤが「０４０８２５１」で、ロット内にセット可能な枚数が１桁とすると、ロット内の２番目のガラス基板（ロット内の識別番号は「２」）の製品ＩＤは、下一桁にロット内の識別番号を付加した「０４０８２５１２」と設定することができる。

もちろん、タグ１０ａに、ロットＩＤに替えて、或いはロットＩＤとともに収納された全てのウェハについての製品ＩＤを記録しておき、プロセス装置１（プロセスデータ収集装置１２）は、タグ１０ａに格納された全ての製品ＩＤを取得するようにしてもよい。また、カセット１０にセットするウェハが１枚の場合には、タグ１０ａに記録したＩＤが、そのまま製品ＩＤとして使用できる。なお、ロット単位で解析をする場合には、製品ＩＤの取得や、ロットＩＤに基づく製品ＩＤの作成は不要である。

カセット１０には、ＲＦ−ＩＤ（radio frequency identification）タグ１０ａが取り付けられている。タグ１０ａ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１１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１０ａには、ロットＩＤ（製品ＩＤの基となるロットＩＤ或いは製品ＩＤ自体）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は、それぞれの装置を識別するための装置ＩＤが設定されている。

プロセス装置１は、プロセスデータ収集装置１２を内蔵する。このプロセスデータ収集装置１２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１２は、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１を出庫してから次のプロセスを実行するプロセス装置１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、ウェ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、ウェ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１２に与えられる。

プロセスデータ収集装置１２は、ＲＦ−ＩＤリードライトヘッド１１を介してタグ１０ａから読み取った前段装置の出庫時刻と現在ウェ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１１は、必要に応じてプロセス装置１からウェハを出庫する際に出庫時刻等をタグ１０ａへ書き込む。

プロセスデータ収集装置１２は、通信機能を備えている。プロセスデータ収集装置１２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製品ＩＤと装置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。

監視装置２０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。

図４は、監視装置２０の内部構成を示している。監視装置２０は、プロセスデータ収集装置１２から送られてきたプロセス装置１のプロセスデータを格納するプロセスデータ記憶部２１と、プロセスデータ記憶部２１に格納された各種のプロセスデータからプロセス特徴量を算出するプロセスデータ編集部２２と、プロセスデータ編集部２２が算出したプロセス特徴量を格納するプロセス特徴量データ記憶部２３と、プロセス特徴量データ記憶部２３に格納されたプロセス特徴量データに基づいて異常の有無や、異常の場合の要因を判定する異常判定部２４と、異常判定部２４で異常と判定されたウェハについてのプロセスデータを記憶する異常データ記憶部２７と、異常判定部２４の判定結果を記憶する判定結果データ記憶部２８と、異常判定部２４で判定処理を行なう際に使用する異常検出要因分析ルールを記憶する異常検出要因分析ルールデータ記憶部２６と、その異常検出要因分析ルールデータ記憶部２６にアクセスして異常検出要因分析ルールの追加・変更を行なう異常検出要因分析ルール編集部２５と、を備えている。

更に、監視装置２０は、検査データ収集装置８から送られてきた、プロセス装置１で製造されたワークに対する実験結果データ（例えば、膜厚等）を格納する計測データ記憶部２９を備える。異常判定部２４は、計測データ記憶部２９に格納された検査結果に基づき、プロセス装置１にて製造されたワークの異常の有無を判定する。具体的には、図２（ａ）に示したように、ワークの同一面内に設定した複数の計測地点における膜厚に基づき、面内の均一性を求める。本実施形態では、計測データ記憶部２９に格納された検査結果データは、プロセスデータ編集部２２に送られ、プロセスデータ記憶部２１に格納されたプロセスデータと関連付けられる。各記憶部は、監視装置２０の外部の記憶装置（データベース２０ａ）に設定してもよいし、内部記憶装置に設けてもよい。

図５（ａ）に示すように、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、製品ＩＤと装置ＩＤとに関連付けられる。プロセスデータは、プロセスデータ収集装置１２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。各プロセス装置用のプロセスデータ記憶部２１には、製品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。図３では、１つのプロセス装置１のプロセスデータが監視装置２０に与えられ、そのプロセスデータに基づいて異常分析をする例を示したが、製品が複数のプロセス装置を経由している場合において、係る複数のプロセス装置で得られたプロセスデータを監視装置２０に与えるようにしても良い。その場合、上記の各データが装置の数分だけ作成される。

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。

図５（ｂ）に示すように、検査結果データ記憶部２９に格納される検査結果データは、製品ＩＤに関連付けられる。検査結果データは、Ｎ×ｎ点の計測地点の各計測値が、設定された順番に格納されている。

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、枚葉毎のプロセス特徴量を算出する。プロセス特徴量は、例えば、同一の製品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を製品ＩＤ並びに装置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で処理されるウェハに対するレシピは、装置ＩＤと製品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、図５（ｃ）に示す製品ＩＤと装置ＩＤとレシピＩＤとのセットを以下に示す手順で取得する。まず、プロセスデータ編集部２２は、生産管理システム（ＭＥＳ）４にアクセスし、分析対象のウェハの製品ＩＤと、プロセス装置１を特定する装置ＩＤをキーにし、対応するレシピＩＤを検索する。次いで、プロセスデータ編集部２２は、その検索したレシピＩＤを生産管理システム４から直接、或いは、プロセスデータ収集装置１２経由で取得する。プロセスデータ収集装置１２経由で取得する場合、プロセスデータ収集装置１２は、進行中のプロセスのレシピＩＤを生産管理システム（ＭＥＳ）４から取得し、プロセス装置１の装置ＩＤとプロセスデータとを併せて監視装置２０へ渡すようにしてもよい。

さらにプロセスデータ編集部２２は、検査結果データ記憶部２９に格納された検査結果データを取得する。そして、プロセスデータ編集部２２は、製品ＩＤと装置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、検査結果データと、を結合し、その結合したデータを対応する装置ＩＤ用のプロセス特徴量データ記憶部２３に格納する。よって、プロセス特徴量データ記憶部２３のデータ構造は、図５（ｄ）に示すようになる。

プロセスデータは、プロセス装置１の稼働中に時々刻々と取得され、プロセスデータ記憶部２１に格納される。よって、プロセス装置１における１つのワークに対する処理が完了する前から、プロセスデータ記憶部２１に格納され、プロセスデータ編集部２２にて特徴量抽出が行なわれ、その抽出された特徴量に基づき、異常発生の有無を予測することができる。係る場合、製造途中のワークについての検査結果データは存在しないので、図５（ｄ）中、“検査結果データ”の項目を結合しないようにしたり、データ領域は確保しても内容を書き込まなかったりすることができる。データ領域を確保した場合、その後に検査結果データを取得した際に、その取得した検査結果データを書き込むようにしてもよい。もちろん、上記のようにプロセス処理中にリアルタイムでプロセス特徴量を求めるのではなく、プロセスデータ編集部２２は、プロセス処理が完了して検査結果データを求めたワークについてのプロセス特徴量を求め、その求めたプロセス特徴量と検査結果データを関連付けてプロセス特徴量データ記憶婦２３に格納するようにしても良い。なお、プロセス処理が完了した後でプロセス特徴量を求めた場合、異常判定部２４は、そのプロセス特徴量に基づいて製造されたワークについての異常の有無や異常要因の特定等を行なうことになる。

異常検出要因分析ルール編集部２５は、モデル化装置１４や人手による解析によって得られたモデルを取得し、異常分析ルールを定義し、異常検出要因分析ルールデータ記憶部２６に格納する。モデル化装置１４は、例えば特開２００４−１８６４４５号公報に開示されたデータマイニングを利用したモデル化装置等を用いることができる。ここでデータマイニングとは、大規模なデータベースからルールやパターンを抽出する手法であり、その具体的な手法としては、決定木分析と呼ばれる手法及び回帰木分析と呼ばれる手法等が知られている。

さらに異常検出要因分析ルール編集部２５は、異常検出要因分析ルールに対応する異常通知情報も登録する。これにより、異常検出要因分析ルールデータ記憶部２６のデータ構造は、図６に示すように、各プロセス装置の装置ＩＤと、各プロセス装置のレシピＩＤと、異常検出要因分析ルールと、異常通知情報と、を関連付けたテーブル構造となる。

異常通知情報は、異常検出要因分析ルールに基づいて判定された結果を表示する異常表示装置や、判定結果を通知する通知先等の出力先を特定する情報と、具体的な通知内容がある。通知先は、例えば、担当者のメールアドレスなどである。

異常検出要因分析ルールは、重線形回帰，ＰＬＳ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，Ｑ統計量、Ｔ^２統計量などの手法を組み合わせて使用することができる。

この異常検出要因分析ルールは、プロセス特徴量に基づいて製品の異常の有無や、異常を生じた原因（異常要因）を推定するルールと、同一面内に設定された複数の計測地点の計測値である検査結果データに基づいてワークの状態を監視するルールがある。

ワークの状態の監視は、計測値自体の監視と、面内均一性の監視がある。前者は、計測値が設定値に対してずれていないか（異常となっていないか）を監視するものである。後者は、同一面内に設定された複数の計測地点の計測値に基づき、面内均一性を監視するものである。さらに、状態の監視は、絶対値並びに面内均一性についての将来の異常予知も含まれる。

これらの監視は、Ｎ×ｎ点の計測値を主成分分析により合成し、Ｔ^２統計量、Ｑ統計量といった指標に置き換えることで行なう。図７（ａ）に示すように、説明の便宜上、計測地点がＡ，Ｂの２点を例に挙げて説明する。各計測地点Ａ，Ｂの検査結果データは、膜厚であり、設計値は１０．０とする。各計測地点Ａ，Ｂにおける計測値は、相互に相関関係にある。つまり、共に設計値は１０．０と同じであり、同一プロセスにて成膜されることから、通常は、面内の位置によって多少ばらつきは生じることはあっても、一方が設計値よりも高く（低く）なった場合には他方も設計値よりも高く（低く）なる傾向にある。

図７（ｂ）は、Ａ点の計測値を横軸に採り、Ｂ点の計測値を縦軸に採った場合の各ワークの２点（Ａ点，Ｂ点）の計測値の相関を示した図である。図７（ｂ）から明らかなように、多くの場合、Ａ点の計測値が大きくなるとＢ点の計測値も大きくなり、Ａ点の計測値が小さくなるとＢ点の計測値も小さくなる傾向にあることが確認できる。つまり、各ワークの計測値に基づくデータは、第１主成分に沿った値となる。

そして、監視対象のワークを主成分分析により合成して得られたデータｘのＴ^２統計量が大きいほど計測値も大きいと言える。つまり、Ｔ^２統計量により、計測値が管理できる。また、データｘのＱ統計量が大きいほど、Ａ点の計測値の設定値からのずれ量と、Ｂ点の計測値の設定値からのずれ量の差が大きくバランスが崩れている。よって、Ｑ統計量が大きいほど、面内の不均一性が大きいと言え、Ｑ統計量により面内不均一性の管理が行なえる。つまり、Ｑ統計量の絶対値が大きいほど計測値の均一性が損なわれている。

そして、実際には、同一面内に設定されたＮ×ｎ個の計測地点から得られる多数の計測値に基づいて監視をすることになるが、Ｎ×ｎ点でも同様に主成分による合成を行ない、算出したＴ^２統計量と、Ｑ統計量を用いることで簡単かつ正確に監視を行なうことができる。
ここで、Ｑ特徴量並びにＴ^２統計量は、それぞれ下記式により求められる。

ここで、ｘｐは、第ｐ変数の値であり、Ｘｐは第ｐ変数の平均値である。ｔｒは、主成分分析における第ｒ主成分得点であり、Ｒは、採用された主成分の数である。

計測地点が増えたとしても、主成分分析を行ない合成することで、Ｑ統計量と、Ｔ^２統計量の２つの指標にまとめることができ、係る２つの指標に対し、それぞれ予め設定した閾値と比較することで異常の有無等を判断できる。異常監視要因分析ルールは、上記の２つの指標を求める演算式と、異常の有無を判定する閾値などを備える。この異常監視要因分析ルールは、面内均一性監視モデルを取得した異常検出要因分析ルール編集部２５が、必要な情報を適宜関連づけて作成する。面内均一性監視モデルは、正常な計測データ群により構成される基準データ（例えば、主成分分析により複数の計測値を合成したデータ）とＱ統計量の算出式そのものを含む。

ワークの監視の１つとして、上記の２つの指標を用いた異常予知がある。図８に示すように、Ｑ統計量とＴ^２統計量とを時系列にプロットする。図示の例では、（ａ），（ｂ）いずれも徐々に設定値から外れる方向にずれているので、現在正常な範囲内であっても近い将来異常を発生するおそれがある。係る異常予知の判断のためのルールは、例えば、求めた統計量の設定値に対する偏差を求め、偏差が徐々に大きくなり、かつ、ずれの方向（設定値に対する大小：正負）が同じ状態が所定回数続いた場合に異常とすることができる。もちろん、異常予知のルールは、上記例示したものに限られない。

ワークの計測値（膜厚など）とは別に当該ワークについてのプロセス状態を監視することにより、設計値からのずれや面内不均一性となった異常要因の推定が可能となる。異常要因データは、異常が検出されても異常箇所を一義的に特定できない場合、その異常に対して、どのプロセスデータやそのプロセス特徴量がどのくらい影響を与えているかを表わすデータである。異常要因データは、プロセスデータまたはプロセス特徴量を示す名称と寄与や影響度合いを表わす数値からなる。数値が大きいほど当該異常に対する影響度合いが大きい、すなわち当該異常をもたらした原因の可能性が高いと言える。

寄与データは、その異常に対して、どのプロセスデータやその特徴量がどのくらい影響を与えているかを表わすデータである。寄与データの数値が大きいほど当該異常に対する影響度合いが大きい、すなわち当該異常をもたらした原因の可能性が高いと言える。異常要因分析により算出される寄与データの値の上位Ｍ個（例えば、５個）までの寄与データを含む異常要因データを抽出する。作業員は、抽出された異常要因データに基づき、異常が検出されたときの対処時に、どのプロセスデータをチェックすればよいかがわかる。

本実施形態では、この異常要因を特定する場合にも、主成分分析を利用する。つまり、膜厚などの品質に影響のある複数のプロセスデータ（プロセス特徴量）を各変数として主成分分析を行ない、下記式に基づきＱ統計量，Ｔ^２統計量，並びに各変数の各統計量に対する寄与を算出する。

Ｑ統計量並びにＴ^２統計量を求める演算式は、膜厚均一性等を求める際に用いたものと同じであるが、上述したように、各変数（第ｐ変数）は計測値ではなくプロセスデータ（プロセスデータ特徴量）であると共に、採用する変数の数や主成分の数となるＲの具体的な数値も膜厚均一性を求めるものとは独立して設定される。

上記のＱ統計量寄与を求める演算式は、第ｐ変数のＱ統計量に対する寄与を求める式である。Ｑ統計量は各変数の二乗予測誤差の和であることから、当該式により第ｐ変数の寄与を求めることができる。そして、この寄与が正常時に比べて極端に大きくなっている変数があった場合、その変数が異常に関係していると判断できる。各変数の正常時の寄与の値は、予め求めておき、異常検出要因分析ルールの一つの要素として登録しておく。正常時の各変数の寄与は、各変数ごとに異なることが予測されるため、例えば、算出した判定対象のワークのプロセス特徴量に基づいて求めた全ての変数の寄与を、対応する正常時の寄与でそれぞれ除算して正規化を図り、その正規化した値同士を比較し、その値が高いもの上位Ｍ個を異常要因と特定することができる。

同様に、Ｔ^２統計量寄与を求める演算式は、第ｐ変数のＴ^２統計量に対する寄与を求める式である。ｔは、主成分特定からなるベクトルであり、ｖｐは負荷量行列の第ｐ行（第ｐ変数に関する係数ベクトル）の配置ベクトルである。これも、Ｑ統計量の場合と同様に、正常時における各変数の寄与を求めておき、正常時のものと大きく異なる寄与となった変数を抽出し、異常要因とする。このように、要因分析を行なった結果、どのプロセス特徴量が問題であるかを特定することができる。

この寄与を用いた要因分析は、具体的な異常箇所までは特定できないもののも、複数の異常要因をリストアップすることができる。図９では、Ｔｅｍｐｅｒａｔｕｒｅ（温度），ＦｌｏｗＲａｔｅ（ガス流量），Ｐｒｅｓｓｕｒｅ（ガス圧）の３種類を潜在変数としているが、その３種類の潜在変数は１または複数のプロセス特徴量を有する。

異常判定部２４は、異常分析部２４ａと、異常データ保存部２４ｂと、異常通知部２４ｃと、判定結果保存部２４ｄと、を備えている。異常分析部２４ａは、異常検出要因分析ルールデータ記憶部２６に格納された異常検出要因分析ルールを用い、プロセス特徴量データ記憶部２３から読み出したプロセス特徴量に従って異常判定を行なう。さらに異常判定部２４は、検査結果データに基づいてワークの状態監視を行なったり、ワークの状態異常（面内不均一性，計測値の設定値からのずれ）があった場合にその要因分析を行なったりする。

異常データ保存部２４ｂは、異常分析部２４ａで異常が検出された場合に、その異常と判定されたワークについてのプロセスデータをプロセスデータ記憶部２１から読み出すとともに、異常プロセスデータとして異常データ記憶部２５に保存する。このとき、異常判定結果を関連づけて登録しても良い。

異常通知部２４ｃは、異常判定部１４ａで異常が検出された場合に、指定された異常表示装置に対して異常メッセージを出力する。出力する異常メッセージは、異常分析ルールデータ記憶部２６に格納されている。また、異常要因分析を行なった場合、求めた各変数の寄与等の詳細データも併せて出力する。

異常通知部２４ｃは、異常判定部１４ａで異常（面内均一性の異常等）が検出された場合に、指定された異常通知先に対して指定された方法で異常メッセージを出力する機能も備える。一例としては、異常通知部２４ｃは、指定されたアドレスに対してメール送信をする。出力する異常メッセージは、異常検出要因分析ルールデータ記憶部２６に格納されている。また、異常要因分析を行なった場合、寄与率等の詳細データも併せて出力する。

この異常判定部２４の具体的な処理機能は、以下の通りである。係る処理の概略は、図１０に示すようになっている。まず、異常分析部２４ａは、プロセス特徴量データ記憶部２３にアクセスし、１つの製品ＩＤをキーにして１枚葉分の計測結果データを抽出するとともに、そのレシピ情報を取得する。異常分析部２４ａは、異常検出要因分析ルールデータ記憶部２６にアクセスし、取得したレシピ情報に対応する異常検出要因分析ルールを取得する。異常分析部２４ａは、取得した異常検出要因分析ルールのうちのワークの監視についての指標であるＱ統計量とＴ^２統計量を求める式（膜厚均一性監視モデルに基づいて設定される）に、Ｎ×ｎ個の各計測値を代入し、それぞれの統計量を算出する。

異常分析部２４ａは、算出したＱ統計量から膜厚均一性の異常の有無を判断し、Ｔ^２統計量から計測値の絶対値異常の有無を判断する。係る判断は、例えば、予め閾値を設定しておき、求めた統計量がその閾値を超えた否かにより実行される。また、異常分析部２４ａは、各統計量の履歴を管理し、将来の異常予知を行なうことができる。なお、最終的な異常予知は行なわずに、図８に示すようなグラフを出力させるようにしてもよい。

異常分析部２４ａは、膜厚均一性に異常が検出された場合に当該製品ＩＤを確認し、プロセス監視モデルにおける当該製品ＩＤの状態を確認する。つまり、異常分析部２４ａは、製品ＩＤのプロセス特徴量を取得し、プロセス監視モデルに基づいて作成された要因分析のための異常検査要因分析ルールに基づき、各要因変数の寄与の情報を確認し、上位Ｍ個分のデータを抽出する。Ｍの値は、任意に設定でき、例えば５個とすることができるし、全ての要因変数の寄与を抽出するようにしても良い。

また、異常が検出された場合、異常通知部２４ｃは、異常通知情報に従って設定された通知先に対して、異常を通知する。具体的には、異常通知部２４ｃは、予め設定された異常表示装置に対してメッセージを出力したり、予め設定された異常通知先にメール送信したりする。通知する内容は、異常検出要因分析ルールデータ記憶部２６に格納された異常表示情報と、レシピＩＤに加え、発生日時情報や異常通知ＩＤを付加する。

また、異常通知部２４ｃが出力する情報の中には、膜厚均一性等の異常情報に加え、異常要因の有無の情報も備えており、要因情報が有る場合、要因変数と寄与（正常時に対する比率としても可）も併せて出力する。よって、異常表示装置は、取得した要因変数と寄与率に基づき、例えば図１０に示すように、上位ｎ個（この例では５個）のデータを棒グラフで表示する。これにより、ユーザは、どの要因変数、すなわち、プロセス特徴量が異常発生の原因になっている可能性が高いかを、一目で理解することができる。もちろん、この要因変数と寄与の表示形態は、棒グラフに限ることはなく、円グラフその他のグラフで表示したり、表形式でテキスト表示したりするようにしてもよく、各種の表示形態を採ることができる。

さらに、異常データ保存部２４ｂは、異常と判定された製品ＩＤをキーに計測値データ記憶部２９，プロセスデータ記憶部２１にアクセスし、該当する計測値データ並びにプロセスデータを取得するとともに、取得した各データを異常データとして異常データ保存部２７に格納する。

この異常データ記憶部２７に格納された異常データは、モデル化装置１４に読み出され、そこにおいて解析され、新たなモデルを生成したり、既存のモデルを修正するための情報に利用される。また、係る解析は、モデル化装置１４による自動的に行なうものに限られず、人間が解析して新たなモデルを作成することもできる。これら再解析によって作成されたモデルは、異常検出要因分析ルール編集部２５を介して異常検出要因分析ルールデータ記憶部２６に格納され、それ以後の異常判定に利用される。

このようにすると、異常と判定されたワークについてのプロセスデータを異常プロセスデータとして異常データ記憶部２７に記憶保持することができるため、データ量が膨大なプロセスデータの生データは異常時のみとすることができ、ハードディスクなどの物理記憶装置の容量を節約することができる。

判定結果保存部２４ｄは、異常分析部２４ａにおける判定結果を判定結果データ記憶部２８に保存する。要因分析が行なわれた場合には、その要因分析結果も格納される。この判定結果データ記憶部２８に格納された情報は、異常表示装置や異常通知先等の外部からアクセスし、読み出すことができる。つまり、異常通知部２４ｃから異常通知を受けた場合、この判定結果データ記憶部２８にアクセスし、より詳細な情報を取得することができる。これにより、異常通知部２４ｃから通知される異常情報は、最小限のものとすることができる。

なお、異常分析部２４ａは、取得したプロセス特徴量データと、異常検出要因分析ルールとを用いてプロセス実行中或いはプロセス終了後の製品についての異常の有無を推定することもできる。

上述した実施形態では、同一面内の複数の計測値として膜厚を求め、その面内の膜厚の均一性を監視するようにしたが、本発明はこれに限ることはなく、例えば、線幅，オーバーレイ，温度など、各種の計測値を用い、それを主成分に置き換えることで各種の監視が行なえる。

一例を挙げると、半導体，ＬＣＤ，ＰＤＰ，有機ＥＬ，ＳＥＤ，ＭＥＭＳなどの成膜，フォトリソプロセスを有するデバイスの、膜厚，線幅，オーバーレイ，温度，露光量などについての面内（空間内）均一性を管理することができる。また、膜厚を用いた監視では、自動車，各種の工業製品等に施した塗装膜やメッキ厚の管理をすることもできる。

また、酒造，製薬，業務用調理において、同一タンク（攪拌炉）内の複数地点の液体の温度や濃度を監視することで、それら温度・濃度の均一性の管理が行なえる。このように、プロセス処理された結果は、ワークのような製品に限られることはなく、本発明は、プロセス処理実行中のある領域内での均一性の監視にも適用できる。同様に、業務用調理において、オーブン，ホットプレート内での複数地点で取得した温度に基づき、温度の均一性管理を行なえる。

さらには、住宅，オフィス，ビニールハウス等の一定の空間を有する場所では、その空間内の複数地点で温度（室温）や照度などを計測値として取得し、同一室内，建物内の室温，照度，の均一性を監視することができる。同様に、浴槽，プール，水槽などの液体が貯留される領域において、複数地点の温度を測定することで、水温管理を行なうことができる。このように、本発明は、必ずしもプロセスに限定されるものではなく、ある領域内での均一性の管理・監視を行なうことにてきようできる。

ワークの膜厚に基づく異常監視を説明する図である。 ワークの膜厚に基づく異常監視を説明する図である。 監視装置を含むネットワークシステムの一例を示す図である。 監視装置の内部構造の一例を示す図である。 監視装置が処理する各種データのデータ構造の一例を示す図である。 異常検出要因分析ルールデータ記憶部に格納されるルールデータのデータ構造の一例を示す図である。 異常分析部における面内均一性（不均一性）の監視原理を説明する図である。 異常予知を説明する図である。 異常分析部における面内均一性（不均一性）の監視・要因分析を説明する図である。 異常分析部における面内均一性（不均一性）の監視・要因分析を説明する図である。

符号の説明

２０ 監視装置
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 異常判定部
２４ａ 異常分析部
２４ｂ 異常データ保存部
２４ｃ 異常出力部
２４ｄ 判定結果保存部
２５ 異常分析ルール編集部
２６ 異常分析ルールデータ記憶部
２７ 異常データ記憶部
２８ 判定結果データ記憶部

Claims (8)

1. 監視対象領域内の複数の計測地点の計測値を取得する工程と、
   その取得した複数の計測値を主成分分析により、監視対象領域内の均一性を評価するためのＱ統計量と、計測値の設定値からのずれを評価するためのＴ^２統計量の少なくとも一方を求める統計量演算工程と、
   を備えた状態監視方法。
2. 前記統計量演算工程は、少なくともＱ統計量を求める工程を含み、
   求めたＱ統計量と、設定された閾値とを比較する工程と、
   その比較した結果、閾値より大きい場合には通知する工程と、
   をさらに含む請求項１の状態監視方法。
3. 前記統計量演算工程は、少なくともＴ^２統計量を求める工程を含み、
   求めたＴ^２統計量が、設定されたＴ^２統計量の許容範囲内か否かを判断する工程と、
   その判断した結果、許容範囲より大きい場合には通知する工程と、
   をさらに含む請求項１の状態監視方法。
4. 前記計測値は、膜厚，線幅，オーバーレイ，温度のいずれかひとつであることを特徴とする請求項１ないし３に記載の状態監視方法。
5. 前記監視対象領域は、半導体、液晶パネルなどの製造プロセスを実行して製造される製品に設定され、
   前記Ｑ統計量及びまたはＴ^２統計量に基づき、製品の品質を管理ものであることを特徴とする請求項１ないし４に記載の状態監視方法。
6. 前記Ｑ統計量及びまたはＴ^２統計量に基づき異常を検出した際に、その異常を検出した製品についてのプロセスデータからプロセス特徴量を抽出する特徴量抽出工程と、
   その製品についての、プロセス特徴量から前記製造システムで製造される製品の異常要因を抽出するための異常検出要因分析ルールを取得するルール取得工程と、
   前記抽出された前記プロセス特徴量を、前記取得した異常検出要因分析ルールに当てはめて、異常を生じた異常要因を特定する工程と、
   を含む請求項５に記載の状態監視方法。
7. 監視対象領域内の複数の計測地点の計測値を取得する手段と、
   その取得した複数の計測値を主成分分析により、監視対象領域内の均一性を評価するためのＱ統計量と、計測値の設定値からのずれを評価するためのＴ^２統計量の少なくとも一方を求める異常分析手段、
   を備えた状態監視装置。
8. コンピュータを、
   取得した監視対象領域内の複数の計測地点の計測値を主成分分析により、監視対象領域内の均一性を評価するためのＱ統計量と、計測値の設定値からのずれを評価するためのＴ^２統計量の少なくとも一方を求める異常分析手段、
   として機能させるためのプログラム。

Images