JP2009271616A - 異常要因分析プログラム、その記録媒体及び異常要因分析装置 - Google Patents

Abstract

【目的】多数個の原因パラメータが相関し合う検査状況下であっても、簡易かつ高精度に異常要因を抽出することのできる異常要因分析プログラム、そのプログラム記録媒体及びその異常要因分析プログラムを搭載した異常要因分析装置を提供することである。
【構成】Ｎ_１個の正常２次元データ群とＮ_２個の異常２次元データ群の重なり度Ｓ_ｉｊ（コサイン測度）を導出し、処理条件パラメータＰ_ｉ、Ｐ_ｊを結線したネットワーク図を作成して、ネットワーク図から集中度の高い処理条件ハブパラメータを導出する。その導出過程で複数個の処理条件パラメータＰ_ｋ間における相関を網羅して、前記異常要因に関する処理条件パラメータの特定化を行うことができる。
【選択図】 図１

Description

本発明は、例えば半導体等の製造工程で生ずる歩留まり低下等の異常要因を高精度に分析するための異常要因分析プログラム、その異常要因分析プログラムを記録した記録媒体及びその異常要因分析プログラムに基づき異常要因の分析処理を行う異常要因分析装置に関する。

例えば、特許文献１及び２等に示されているように、半導体等の製造工程においては、製品の品質向上又は生産効率の向上等の目的から、製品の欠陥や欠け、クラック等の不良要因あるいは歩留まりを低下させている要因を、製造工程で使用された装置の履歴、試験結果、設計情報及び各種計測データ等に基づいて、できるだけ速やかに見つけ出す異常要因の分析作業を行っている。

従来、半導体製造工程等では、品質管理ないし工程管理において、異常要因分析の手法として、特許文献１に示されているように、回帰木分析等が行われている。この種の品質管理ないし工程管理においては種々の管理データを収集して行われる。

例えば、半導体製造工程で収集されるデータの主なものを大別すると以下のようになる。
・ 製造条件（圧力、温度、ガス流量等の製造プロセス条件）
・ 特性値（抵抗値、容量値、導電率等の半導体デバイス特性及び品質特性に関わる製品特性値）
・ 検査項目（製品特性値、不良内容、不良品個数、歩留まり等の品質管理ないし工程管理項目データ）

これらのデータを収集した結果、例えば、歩留まりが著しく低下したり、ある特性値に規格外のものが多発したりしたとき、その異常要因を突き詰めるべく、上記の品質管理ないし工程管理手法を用いて異常要因分析が行われる。

従来の一般的な異常要因分析の手順を説明する。まず、製品に異常が発生したとき、その製品と同時期（期間の範囲は、例えば、数週間から数ケ月）に製造された製品群につき、当該異常を示した検査項目データ（以下、検査データ１と称する。）と、それらの製品群がもつ特性値の特性データとの相関を調べる。
図１０（Ａ）〜図１０（Ｃ）は、検査データ１に対する各特性データ１〜ｍの相関例を示すグラフである。これらの相関グラフに基づいて、検査データ１と各特性データ間の相関係数を計算して、当該異常に関して、検査データ１に対する相関が他と比べて強い特性データを割り出す。ここでは、このようにして割り出した特性データが特性データ１であったとする。

図１０（Ｄ）〜図１０（Ｆ）は、特性データ１に対する、製造条件（処理条件）１〜ｋの相関例を示すグラフである。これらの相関グラフに基づいて、特性データ１と各処理条件間の相関係数を計算して、当該異常に関して、検査データ１に対する相関が他と比べて強い処理条件を割り出す。このようにして割り出された処理条件を、従来の異常要因分析においては当該異常要因因子と推定している。
特開２００６−３１８２６３号公報 特開２００１−３０６９９９号公報

上記従来の異常要因分析手法においては、各特性データと各処理条件につき検査データとの相関を調べて、特性データから処理条件に順に絞り込んでいき、最終的に相関の強い処理条件を異常要因と推定するため、推定精度が低いといった問題が生じていた。例えば、特性データとして「抵抗値」、処理条件１、２として夫々、「温度」、「ガス流量」とした半導体工程管理例により、かかる問題点を具体的に示すと次のようになる。一般に知られているように、半導体の物性上、高い温度で処理されるとデバイスの抵抗値は下がり、逆に低い温度で処理されるとデバイスの抵抗値は上がる。また、一般にガス流量が多い環境下で処理されると抵抗値は低くなり、少ないガス流量下では抵抗値は高くなる。このように、抵抗値ひとつをとってみても、処理温度や使用ガス流量に依存して変動する。そこで、仮に不良原因が温度であったとした場合、ガス流量値に応じて抵抗値が影響を受けるため、抵抗値と温度の相関自体が不明瞭ないし不正確になるおそれを生ずる。従って、従来の推定方式による異常要因分析は各処理条件による影響を考慮していない分、その精度が低いものであった。

しかも、一般の半導体製造工程においては、一般的に、製造条件データは１００〜２００個のパラメータ群からなり、特性値データは２０〜４０個のパラメータ群からなる。検査データも２０〜８０個もある。従って、１つの特性データに影響を与える処理条件パラメータが多数ある状況下においては、従来の異常要因分析手法では、それらがどのように関連し合っているかが事前に把握できない限り、異常要因パラメータを特定するのは実際上、不可能であった。たとえ、３次元的にデータマップを作成したとしても、人による相関認識ないし識別の解析作業は到底、不可能なものであった。

従って、本発明の目的は、従来の異常要因分析手法の課題に鑑み、多数個の処理パラメータ等の原因パラメータとして相関し合う検査状況下であっても、簡易かつ高精度に異常要因を抽出することのできる異常要因分析プログラム、その異常要因分析プログラムを記録した異常要因分析プログラム記録媒体及びその異常要因分析プログラムに基づき高精度の異常要因分析を行える異常要因分析装置を提供することである。

本発明の第１の形態は、少なくともｎ個の原因ラメータＰ_ｋ（１≦ｋ≦ｎ）を有して製造される製品群を特定の分析パラメータＤにより検査して、前記分析パラメータＤが異常を示すときに、前記異常を生起する異常要因を前記原因パラメータＰ_ｋ（１≦ｋ≦ｎ）から抽出する異常要因分析プログラムにおいて、前記原因パラメータＰ_ｋ（１≦ｋ≦ｎ）から選択される異なった２個の原因パラメータＰ_ｉ、Ｐ_ｊを夫々Ｘ軸、Ｙ軸とし、前記分析パラメータＤをＺ軸としてＮ個の３次元データ群を構成するステップと、前記Ｎ個の３次元データ群から前記分析パラメータＤが正常範囲にある正常３次元データ群を抽出してＸ−Ｙ面に投影したＮ_１個の正常２次元データ群を構成するステップと、前記Ｎ個の３次元データ群から前記分析パラメータＤが異常範囲にある異常３次元データ群を抽出して前記Ｘ−Ｙ面に投影したＮ_２個の異常２次元データ群を構成するステップと、前記正常２次元データ群と前記異常２次元データ群の重なり度Ｓ_ｉｊを導出するステップと、複数個の前記重なり度Ｓ_ｉｊを利用して、前記原因パラメータＰ_ｉ、Ｐ_ｊを結線したネットワーク図を作成するステップと、前記ネットワーク図から集中度の高い原因ハブパラメータを導出して前記異常を生起する前記原因パラメータＰ_ｋを抽出するステップを有する異常要因分析プログラムである。

本発明の第２の形態は、前記第１の形態において、１≦ｉ≦ｎ−１且つｉ＜ｊ≦ｎの範囲に亘る、ｎ（ｎ−１）／２個の前記重なり度Ｓ_ｉｊを導出するステップと、前記重なり度Ｓ_ｉｊを昇順又は降順に分類するステップと、前記重なり度Ｓ_ｉｊを最小値から所望順位値まで利用して、前記重なり度Ｓ_ｉｊに対応する原因パラメータＰ_ｉ、Ｐ_ｊを結線してネットワーク図を作成するステップを含む異常要因分析プログラムである。

本発明の第３の形態は、前記第１又は第２の形態において、前記Ｘ軸及び前記Ｙ軸をＮ^１／２を整数化処理した整数個に等分分割して前記Ｘ−Ｙ面を格子化し、前記格子マス内に３次元データ群を投影して前記正常２次元データ群と前記異常２次元データ群を構成するステップと、前記正常２次元データ群と前記異常２次元データ群が同一格子マス内に存在する場合にデータの共通個数を全格子マスについて総和した重なり数Ｎ_１∩Ｎ_２を導出するステップと、総数Ｎに対する前記重なり数Ｎ_１∩Ｎ_２の割合（Ｎ_１∩Ｎ_２）／Ｎ（以下、コサイン測度と称する）を前記重なり度Ｓ_ｉｊとして導出するステップを含む異常要因分析プログラムである。

本発明の第４の形態は、前記第１、第２又は第３の形態において、前記分析パラメータＤが検査パラメータであり、かつ前記原因パラメータＰ_ｋが製品の処理条件パラメータ又は前記処理条件を評価するための品質評価パラメータである異常要因分析プログラムである。

本発明の第５の形態は、前記第１、第２又は第３の形態において、前記分析パラメータＤが製品の処理条件を評価するための品質評価パラメータであり、前記原因パラメータＰ_ｋが前記処理条件パラメータである異常要因分析プログラムである。

本発明の第６の形態は、少なくともｎ個の原因パラメータＰ_ｋ（１≦ｋ≦ｎ）を有して製造される製品群を特定の分析パラメータＤにより検査して、前記分析パラメータＤが異常を示すときに、前記異常を生起する異常要因を前記原因パラメータＰ_ｋ（１≦ｋ≦ｎ）から抽出する異常要因分析プログラムを記憶した記録媒体において、前記原因パラメータＰ_ｋ（１≦ｋ≦ｎ）から選択される異なった２個の原因件パラメータＰ_ｉ、Ｐ_ｊを夫々Ｘ軸、Ｙ軸とし、前記分析パラメータＤをＺ軸としてＮ個の３次元データ群を構成するステップと、前記Ｎ個の３次元データ群から前記分析パラメータＤが正常範囲にある正常３次元データ群を抽出してＸ−Ｙ面に投影したＮ_１個の正常２次元データ群を構成するステップと、前記Ｎ個の３次元データ群から前記分析パラメータＤが異常範囲にある異常３次元データ群を抽出して前記Ｘ−Ｙ面に投影したＮ_２個の異常２次元データ群を構成するステップと、前記正常２次元データ群と前記異常２次元データ群の重なり度Ｓ_ｉｊを導出するステップと、複数個の前記重なり度Ｓ_ｉｊを利用して、前記原因パラメータＰ_ｉ、Ｐ_ｊを結線したネットワーク図を作成するステップと、前記ネットワーク図から集中度の高い原因ハブパラメータを導出して前記異常を生起する前記原因パラメータＰ_ｋを抽出するステップを有する異常要因分析プログラムを記録媒体に保存した異常要因分析プログラム記録媒体である。

本発明の第７の形態は、前記第６の形態において、１≦ｉ≦ｎ−１且つｉ＜ｊ≦ｎの範囲に亘る、ｎ（ｎ−１）／２個の前記重なり度Ｓ_ｉｊを導出するステップと、前記重なり度Ｓ_ｉｊを昇順又は降順に分類するステップと、前記重なり度Ｓ_ｉｊを最小値から所望順位値まで利用して、前記重なり度Ｓ_ｉｊに対応する原因パラメータＰ_ｉ、Ｐ_ｊを結線してネットワーク図を作成するステップを含む異常要因分析プログラム記録媒体である。

本発明の第８の形態は、前記第６又は第７の形態において、前記Ｘ軸及び前記Ｙ軸をＮ^１／２を整数化処理した整数個に等分分割して前記Ｘ−Ｙ面を格子化し、前記格子マス内に３次元データ群を投影して前記正常２次元データ群と前記異常２次元データ群を構成するステップと、前記正常２次元データ群と前記異常２次元データ群が同一格子マス内に存在する場合にデータの共通個数を全格子マスについて総和した重なり数Ｎ_１∩Ｎ_２を導出するステップと、総数Ｎに対する前記重なり数Ｎ_１∩Ｎ_２の割合（Ｎ_１∩Ｎ_２）／Ｎ（以下、コサイン測度と称する）を前記重なり度Ｓ_ｉｊとして導出するステップを含む異常要因分析プログラム記録媒体である。

本発明の第９の形態は、前記第６、第７又は第８の形態において、前記分析パラメータＤが検査パラメータであり、かつ前記原因パラメータＰ_ｋが製品の処理条件パラメータ又は前記処理条件を評価するための品質評価パラメータである異常要因分析プログラム記録媒体である。

本発明の第１０の形態は、前記第６、第７又は第８の形態において、前記分析パラメータＤが製品の処理条件を評価するための品質評価パラメータであり、前記原因パラメータＰ_ｋが前記処理条件パラメータである異常要因分析プログラム記録媒体である。

本発明の第１１の形態は、少なくともｎ個の原因パラメータＰ_ｋ（１≦ｋ≦ｎ）を有して製造される製品群を特定の分析パラメータＤにより検査して、前記分析パラメータＤが異常を示すときに、前記異常を生起する異常要因を前記原因パラメータＰ_ｋ（１≦ｋ≦ｎ）から抽出して分析結果を出力する異常要因分析装置において、前記原因Ｐ_ｋ（１≦ｋ≦ｎ）から選択される異なった２個の原因パラメータＰ_ｉ、Ｐ_ｊを夫々Ｘ軸、Ｙ軸とし、前記分析パラメータＤをＺ軸としてＮ個の３次元データ群を構成する手段と、前記Ｎ個の３次元データ群から前記分析パラメータＤが正常範囲にある正常３次元データ群を抽出してＸ−Ｙ面に投影したＮ_１個の正常２次元データ群を構成する手段と、前記Ｎ個の３次元データ群から前記検査パラメータＤが異常範囲にある異常３次元データ群を抽出して前記Ｘ−Ｙ面に投影したＮ_２個の異常２次元データ群を構成する手段と、前記正常２次元データ群と前記異常２次元データ群の重なり度Ｓ_ｉｊを導出する手段と、複数個の前記重なり度Ｓ_ｉｊを利用して、前記原因パラメータＰ_ｉ、Ｐ_ｊを結線したネットワーク図を作成する手段と、前記ネットワーク図から集中度の高い原因ハブパラメータを導出して前記異常を生起する前記原因パラメータＰ_ｋを抽出する手段を有する異常要因分析装置である。

本発明の第１２の形態は、前記第１１の形態において、１≦ｉ≦ｎ−１且つｉ＜ｊ≦ｎの範囲に亘る、ｎ（ｎ−１）／２個の前記重なり度Ｓ_ｉｊを導出する手段と、前記重なり度Ｓ_ｉｊを昇順又は降順に分類する手段と、前記重なり度Ｓ_ｉｊを最小値から所望順位値まで利用して、前記重なり度Ｓ_ｉｊに対応する原因パラメータＰ_ｉ、Ｐ_ｊを結線してネットワーク図を作成する手段を含む異常要因分析装置である。

本発明の第１３の形態は、前記第１１又は第１２の形態において、前記Ｘ軸及び前記Ｙ軸をＮ^１／２を整数化処理した整数個に等分分割して前記Ｘ−Ｙ面を格子化し、前記格子マス内に３次元データ群を投影して前記正常２次元データ群と前記異常２次元データ群を構成する手段と、前記正常２次元データ群と前記異常２次元データ群が同一格子マス内に存在する場合にデータの共通個数を全格子マスについて総和した重なり数Ｎ_１∩Ｎ_２を導出する手段と、総数Ｎに対する前記重なり数Ｎ_１∩Ｎ_２の割合（Ｎ_１∩Ｎ_２）／Ｎ（以下、コサイン測度と称する）を前記重なり度Ｓ_ｉｊとして導出する手段を含む異常要因分析装置である。

本発明の第１４の形態は、前記第１１、第１２又は第１３の形態において、前記分析パラメータＤが検査パラメータであり、かつ前記原因パラメータＰ_ｋが製品の処理条件パラメータ又は前記処理条件を評価するための品質評価パラメータである異常要因分析装置である。

本発明の第１５の形態は、前記第１１、第１２又は第１３の形態において、前記分析パラメータＤが製品の処理条件を評価するための品質評価パラメータであり、前記原因パラメータＰ_ｋが前記処理条件パラメータである異常要因分析装置である。

本発明の第１の形態に係る異常要因分析プログラムの処理手順によれば、前記Ｎ個の３次元データ群から前記分析パラメータＤが正常範囲にある正常３次元データ群を抽出してＸ−Ｙ面に投影したＮ_１個の正常２次元データ群を構成し、また前記Ｎ個の３次元データ群から前記検査パラメータＤが異常範囲にある異常３次元データ群を抽出して前記Ｘ−Ｙ面に投影したＮ_２個の異常２次元データ群を構成し、前記正常２次元データ群と前記異常２次元データ群の重なり度Ｓ_ｉｊを導出し、前記原因パラメータＰ_ｉ、Ｐ_ｊを結線したネットワーク図を作成して、前記ネットワーク図から集中度の高い原因ハブパラメータを導出して前記異常を生起する前記原因パラメータＰ_ｋを抽出するので、複数個の原因パラメータＰ_ｋ間における相関を網羅して、前記異常要因に関する原因パラメータの特定化を行うことができる。従って、本形態においては、従来の要因分析手法では取捨選択されてしまう複合パラメータの影響を排除することなく高精度に異常要因を抽出して、品質管理ないし工程管理における異常要因分析の精度向上を図ることができる。

前記分析パラメータＤには、集団特性と最終製品の製品特性に関する検査パラメータを使用することができる。集団特性には歩留まり、製品個数、製品外形、不良カテゴリ数等がある。製品特性には、例えば最終製品がダイオードであればダイオード特性（電流や電圧）、抵抗体であれば、抵抗値、トランジスタであればトランジスタ特性、ＩＣならばＩＣ特性である。前記原因パラメータＰ_ｋは、半導体製造工程の場合には、上述の製造条件（１）や特性値（２）等である。
また、前記分析パラメータＤ及び前記原因パラメータＰ_ｋには、製品の処理条件を評価するための品質評価パラメータを使用することができる。品質評価パラメータの代表的なものには、半導体等で使用されるＴＥＧパラメータ（Ｔｅｓｔ Ｅｌｅｍｅｎｔ Ｇｒｏｕｐ Ｄａｔａ）がある。ＴＥＧパラメータは、製造工程の途中に、抵抗（Ｒ）、コンデンサ（Ｃ）、トランジスタ（Ｔｒ）、配線パターン等の評価素子をデバイスに配置して、いわば中間段階の製品（中間製品）と回路を組んで電流や電気容量やトランジスタ特性（電圧増幅率や電流増幅率など）あるいは断線状態等を測定するために使用される。これらの評価素子の測定値は製品特性ではないが製品特性に異常があれば異常ないし不良状態を示し、工程等の評価の指標になる。ＴＥＧパラメータを前記分析パラメータＤに使用するだけでなく、検査パラメータを前記分析パラメータＤに使用するとき、ＴＥＧパラメータを前記原因パラメータＰ_ｋに用いて、異常要因を割り出すこともできる。

前記重なり度Ｓ_ｉｊの導出は、前記正常２次元データ群と前記異常２次元データ群の前記Ｘ−Ｙ面における共通領域（区画）に存在する個数から判別する共通領域判別処理によって行うことができる。あるいは、その導出を、前記正常２次元データ群と前記異常２次元データ群の各データを前記Ｘ−Ｙ面における所定の基点から、その傾きと大きさを定めたベクトルデータ化して、ベクトルの傾き及び大きさを同じくするベクトルデータを判別するベクトル判別処理によって行うことができる。

本発明の第２の形態によれば、１≦ｉ≦ｎ−１且つｉ＜ｊ≦ｎの範囲に亘る、ｎ（ｎ−１）／２個の前記重なり度Ｓ_ｉｊを導出し、前記重なり度Ｓ_ｉｊを昇順又は降順に分類して、前記重なり度Ｓ_ｉｊを最小値から所望順位値まで利用して、前記重なり度Ｓ_ｉｊに対応する原因パラメータＰ_ｉ、Ｐ_ｊを結線してネットワーク図を作成するので、２個の前記原因パラメータＰ_ｉ、Ｐ_ｊすべての組み合わせから前記ネットワーク図を作成して集中度の高い原因ハブパラメータを高精度に導出でき、異常要因分析の精度向上を図ることができる。

前記第３の形態によれば、前記Ｘ軸及び前記Ｙ軸をＮ^１／２を整数化処理した整数個に等分分割して前記Ｘ−Ｙ面を格子化し、前記格子マス内に３次元データ群を投影して前記正常２次元データ群と前記異常２次元データ群をマトリックスデータ配列で構成して、前記正常２次元データ群と前記異常２次元データ群が同一格子マス内に存在する場合にデータの共通個数を全格子マスについて総和した重なり数Ｎ_１∩Ｎ_２を導出して、総数Ｎに対する前記重なり数Ｎ_１∩Ｎ_２の割合（Ｎ_１∩Ｎ_２）／Ｎ（コサイン測度）を前記重なり度Ｓ_ｉｊとして導出するので、データ群のマトリックス配列処理とコサイン測度算出処理だけで、高精度に異常要因を抽出できる異常要因分析プログラムを簡易に実現することができる。なお、コサイン測度を使用する利点は、全原因パラメータのうち、正常データと異常データの分布の重なりが小さいほどコサイン測度は小さくなるので、コサイン測度の小さい原因パラメータＰ_ｉ、Ｐ_ｊの組み合わせほど、正常、異常の分布の差異が大きくなり、正常と異常の識別能力が高くなることにある。この利点から、原因パラメータＰ_ｉ、Ｐ_ｊの組み合わせに対応する２次元データ化Ｐ_ｉｊにつき求めたコサイン測度を小さい順に並べることにより、異常要因となる原因パラメータを簡単かつ確実に判別することができる。

本発明の第４の形態によれば、前記分析パラメータＤが前記検査パラメータであり、かつ前記原因パラメータＰ_ｋが製品の処理条件パラメータ又は前記品質評価パラメータであるので、前記検査パラメータに基づき、異常要因の処理条件パラメータを直接的に導くことができ、あるいは前記品質評価パラメータから間接的に異常な処理条件を導くことができる。
前記処理条件パラメータは、例えば半導体工場において、ガス圧力（Ｐ）、ガス流量（Ｑ）、温度（Ｔ）として得るために、製造設備の配管等に、圧力センサ、マスフローメータ、温度計等を設置して測定するが、これらのパラメータ検出に設備費用が嵩む。本形態によれば、前記品質評価パラメータとしてのＴＥＧパラメータを前記原因パラメータＰ_ｋに用いることにより、ＴＥＧパラメータと処理条件パラメータの関係性から、異常な処理条件パラメータを抽出することが出来るので、ＴＥＧパラメータと処理条件パラメータの関係を予め把握しておくことにより、上記センサ等による測定を常時、行わなくても、異常な処理条件パラメータの抽出が可能となり、センサ等の設備コストの低減に寄与する。

本発明の第５の形態は、前記分析パラメータＤが前記品質評価パラメータであり、前記原因パラメータＰ_ｋが前記処理条件パラメータであるので、前記品質評価パラメータとしてのＴＥＧパラメータを前記分析パラメータＤに用いることにより、ＴＥＧパラメータと処理条件パラメータの関係性から、異常な処理条件パラメータを抽出することができる。

本発明の第６の形態によれば、前記第１の形態に係る異常要因分析プログラムを保存した記録媒体が提供される。従って、本形態に係る記録媒体は、前記第１形態で説明した全てのプログラム上の効果を有する。
本発明における記録媒体としては、フレキシブルディスク、磁気ディスク、光ディスク、ＣＤ、ＭＯ、ＤＶＤ、ハードディスク等、コンピュータにより読み取り可能な記録媒体が選択される。本形態に係る記録媒体をコンピュータにインストールすることにより、コンピュータを異常要因の分析動作させることができ、多数の個人、家庭、業務において異常要因分析プログラムを実行させることができる。

本発明の第７の形態によれば、前記第２の形態に係る異常要因分析プログラムを保存した記録媒体が提供される。従って、本形態に係る記録媒体は、前記第２形態で説明した全てのプログラム上の効果を有する。本形態に係る記録媒体をコンピュータにインストールすることにより、コンピュータを異常要因の分析動作させることができ、多数の個人、家庭、業務において異常要因分析プログラムを実行させることができる。

本発明の第８の形態によれば、前記第３の形態に係る異常要因分析プログラムを保存した記録媒体が提供される。従って、本形態に係る記録媒体は、前記第３形態で説明した全てのプログラム上の効果を有する。本形態に係る記録媒体をコンピュータにインストールすることにより、コンピュータを異常要因の分析動作させることができ、多数の個人、家庭、業務において異常要因分析プログラムを実行させることができる。

本発明の第９の形態によれば、前記第４の形態に係る異常要因分析プログラムを保存した記録媒体が提供される。従って、本形態に係る記録媒体は、前記第４形態で説明した全てのプログラム上の効果を有する。

本発明の第１０の形態によれば、前記第５の形態に係る異常要因分析プログラムを保存した記録媒体が提供される。従って、本形態に係る記録媒体は、前記第５形態で説明した全てのプログラム上の効果を有する。

本発明の第１１の形態に係る異常要因分析装置には、前記第１の形態に係る異常要因分析プログラムを外部よりインストールしたコンピュータだけでなく、このコンピュータ機能を内蔵した電子装置の全てが包含される。従って、本形態に係る異常要因分析装置は、前記第１形態で説明した全てのプログラム上の効果を有する。

本発明の第１２の形態に係る異常要因分析装置には、前記第２の形態に係る異常要因分析プログラムを外部よりインストールしたコンピュータだけでなく、このコンピュータ機能を内蔵した電子装置の全てが包含される。従って、本形態に係る異常要因分析装置は、前記第２形態で説明した全てのプログラム上の効果を有する。

本発明の第１３の形態に係る異常要因分析装置には、前記第３の形態に係る異常要因分析プログラムを外部よりインストールしたコンピュータだけでなく、このコンピュータ機能を内蔵した電子装置の全てが包含される。従って、本形態に係る異常要因分析装置は、前記第３形態で説明した全てのプログラム上の効果を有する。

本発明の第１４の形態に係る異常要因分析装置には、前記第４の形態に係る異常要因分析プログラムを外部よりインストールしたコンピュータだけでなく、このコンピュータ機能を内蔵した電子装置の全てが包含される。従って、本形態に係る異常要因分析装置は、前記第４形態で説明した全てのプログラム上の効果を有する。

本発明の第１５の形態に係る異常要因分析装置には、前記第５の形態に係る異常要因分析プログラムを外部よりインストールしたコンピュータだけでなく、このコンピュータ機能を内蔵した電子装置の全てが包含される。従って、本形態に係る異常要因分析装置は、前記第５形態で説明した全てのプログラム上の効果を有する。

本発明の実施形態に係る異常要因分析装置を図面を参照して以下に説明する。

図１は本実施形態の異常要因分析装置の概略構成を示す。この異常要因分析装置は、少なくともｎ個の原因パラメータＰ_ｋ（１≦ｋ≦ｎ）により製造される製品群（半導体製品群）を特定の分析パラメータＤにより検査して、分析パラメータＤが異常を示した異常要因を原因パラメータＰ_ｋから割り出して抽出し、その分析結果を印字装置（プリンタ１４）及び表示装置（ディスプレイ１２）に出力する。

本実施形態の異常要因分析装置は、本発明に係る異常要因分析プログラムに基づき異常要因分析を行う制御部１を有する。制御部１は、マイクロプロセッサからなるＣＰＵ２と、ＣＰＵ２の制御下で、内蔵の異常要因分析プログラムを実行するプログラム実行部を有する。制御部１は、生産管理システムの管理装置や各種半導体製造装置及び製品検査装置等の外部管理機器１５Ａ〜１５Ｎとデータ通信可能に接続されている。制御部１には、外部管理機器１５Ａ〜１５Ｎから転送されるデータをファイル又はデータベースとして登録、格納するためのインターフェース部１０、インターフェース部１０の登録データを当該プログラム検索用ファイルに格納するファイル格納部１１が接続されている。また、制御部１には、分析パラメータＤ、検査対象パラメータ等の、要因分析のためのデータ検索条件を入力するキー入力装置からなる検索条件入力部１３、分析結果を印字するプリンタ１４及び分析情報を表示するディスプレイ１２が接続されている。

前記プログラム実行部は、検索条件入力部１３により入力された検索条件に基づき、検索条件に合致したデータをファイル格納部１１から取り出すデータ検索部３と、検索されたデータからパラメータの全ての組み合わせごとにデータをまとめて、全データ数ＮのＮ^１／２整数分割し、各マス毎のデータ数を計算するデータ処理部４と、データ処理部４において処理されたデータを用いて、各組み合わせ毎のコサイン測度を計算し、値の小さい順に配列するコサイン測度計算部５を有する。制御部１には、プリンタ１４及びディスプレイ１２等の外部にデータ出力する外部出力部６が接続されている。外部出力部６には、検索条件入力部１３によりデータ検索条件を入力するときに使用するディスプレイ１２の画面設定用検索条件設定部７と、要因分析処理の検索結果をスプレッドシート形式あるいはグラフ形式により表示するための検索結果処理部８と、コサイン測度計算部５により、値の小さい順に、つまり昇順配列された各パラメータをネットワーク図にして配置位置を計算し、所望のパラメータ数のネットワーク図を作成するネットワーク処理部９が含まれている。

本実施形態の異常要因分析プログラムの処理手順は、原因パラメータＰ_ｋ（１≦ｋ≦ｎ）から選択される異なった２個の原因パラメータＰ_ｉ、Ｐ_ｊを夫々Ｘ軸、Ｙ軸とし、分析パラメータＤをＺ軸としてＮ個の３次元データ群を構成するステップＡと、Ｎ個の３次元データ群から分析パラメータＤが正常範囲にある正常３次元データ群を抽出してＸ−Ｙ面に投影したＮ_１個の正常２次元データ群を構成するステップＢと、Ｎ個の３次元データ群から分析パラメータＤが異常範囲にある異常３次元データ群を抽出してＸ−Ｙ面に投影したＮ_２個の異常２次元データ群を構成するステップＣと、正常２次元データ群と異常２次元データ群の重なり度Ｓ_ｉｊを導出するステップＤと、複数個の重なり度Ｓ_ｉｊを利用して、処理条件パラメータＰ_ｉ、Ｐ_ｊを結線したネットワーク図を作成するステップＥと、ネットワーク図から集中度の高い原因ハブパラメータを導出して異常を生起する原因パラメータＰ_ｋを抽出するステップＦからなる。

図２及び図３は制御部１に内蔵された異常要因分析プログラムに基づく要因分析処理の詳細を示す。
まず、初期設定作業として、処理条件パラメータＰ_ｋ及び検査パラメータＤの設定が検索条件入力部１３によりキー入力される（ステップＳ１）。
図１１は、検索条件入力処理の詳細を示す。本実施形態においては、分析パラメータＤには、検査パラメータ又はＴＥＧパラメータを使用でき、いずれか入力された分析パラメータＤが設定、記憶される（ステップＳ４０〜Ｓ４３）。また、原因パラメータＰ_ｋとして、製品の処理条件パラメータ又はＴＥＧパラメータを使用でき、いずれか入力された原因パラメータＰ_ｋが設定、記憶される（ステップＳ４４〜Ｓ４７）。ＴＥＧパラメータは、製造工程の途中に、抵抗（Ｒ）、コンデンサ（Ｃ）、トランジスタ（Ｔｒ）、配線パターン等の評価素子をデバイスに配置して、いわば中間段階の製品（中間製品）と回路を組んで電流や電気容量やトランジスタ特性（電圧増幅率や電流増幅率など）あるいは断線状態等を測定するために使用されるパラメータである。

本実施形態では、検査パラメータを分析パラメータＤに、かつ処理条件パラメータを原因パラメータＰ_ｋに選択した実施例により説明する。
処理条件パラメータＰ_ｋ及び検査パラメータＤは、前掲のデータ群と同様である。例えば、処理条件パラメータＰ_ｋは、製造条件（圧力、温度、ガス流量等の製造プロセス条件）データ及び特性値（抵抗値、容量値、導電率等の半導体デバイス特性及び品質特性に関わる製品特性値）データからなる。また、検査パラメータＤは、検査項目（製品特性値、不良内容、不良品個数、歩留まり等の品質管理ないし工程管理項目データ）データからなる。

検索条件入力部１３の開始キー（図示せず）のキー操作により、要因分析の開始がキー入力されると、検索条件入力部１３により設定されたデータが格納されているか否か確認する（ステップＳ２、Ｓ３）。設定データが格納されていないときはデータ登録を行う（ステップＳ５）。データ登録は、外部管理機器１５Ａ〜１５Ｎと通信して外部管理機器１５Ａ〜１５Ｎからデータ転送を受け、インターフェース部１０に格納して行われる。

検索データが格納済みであれば、インターフェース部１０の登録データが設定条件に応じて、検索データ集合のファイルＤｔが作成され、ファイル格納部１１に格納される（ステップＳ４）。ついで、このファイルＦ_Ｄ（Ｐ_ｉ，Ｐ_ｊ）に対してデータの３次元プロット処理（ステップＳ６）が行われる。３次元プロット処理においては、処理条件パラメータ（原因パラメータ）Ｐ_ｋ（１≦ｋ≦ｎ）から選択される異なった２個の処理条件パラメータＰ_ｉ、Ｐ_ｊを夫々Ｘ軸、Ｙ軸とし、検査パラメータ（分析パラメータ）ＤをＺ軸としたＮ個の３次元データ群からなるファイルデータが作成される。図４は３次元データ群の一例を模式的に示す。図４において、検査パラメータＤに対して、２個の処理条件パラメータＰ_ｉ、Ｐ_ｊに応じたデータ群を丸印で示している。

３次元データ群の作成後、検査パラメータＤに基づき正常又は異常データ群の分離、抽出が行われる（ステップＳ７）。正常又は異常データ群の分離は、例えば、図４に示すように、Ｎ個の３次元データ群から検査パラメータＤが異常範囲Ｄｓにある異常３次元データ群を抽出して行われる。図４において、異常３次元データ群を黒丸印で示し、正常３次元データ群を白丸印で示している。

ステップＳ７で抽出された正常・異常３次元データ群は、夫々、Ｘ−Ｙ面に投影したＮ_１個の正常２次元データ群、Ｎ_２個の異常２次元データ群を構成する投影処理が行われる（ステップＳ８）。図５は２次元データ化される処理条件パラメータの組み合わせを示す。Ｐ_ｉｊは、処理条件パラメータＰ_ｉ、Ｐ_ｊの組み合わせを表す。異常要因の分析目的から、処理条件Ｐ_ｋ（１≦ｋ≦ｎ）の２個の組み合わせ全てについて２次元データ化する必要はなく、またＰ_ｉｊ＝Ｐ_ｊｉであり、処理条件パラメータＰ_ｉ、Ｐ_ｊの組み合わせのうち、Ｐ_１１、Ｐ_２２等のｉ＝ｊの組み合わせを除いた、処理条件パラメータの全組み合わせの半分について２次元データ化が行われる。即ち、１≦ｉ≦ｎ−１且つｉ＜ｊ≦ｎの範囲に亘る、ｎ（ｎ−１）／２個の２次元化データ群が作成される。

図６は投影処理された２次元化データを模式的に示す。図６において、図４と同様に、異常データ群を黒丸印で示し、正常データ群を白丸印で示している。例えば、処理条件Ｐ_１と処理条件Ｐ_３の２次元化データ群Ｐ_１３は、処理条件Ｐ_１と処理条件Ｐ_ｎの２次元化データ群Ｐ_１ｎと比較して中央部に異常データが集まっている分布状態を示す。

上記２次元化データ処理を検索データ全てに関して終了すると、２次元データ群に対する正規化を行うデータ群処理が行われる（ステップＳ９、Ｓ１０）。このデータ群処理においては、前記Ｘ軸及び前記Ｙ軸をＮ^１／２を整数化処理した整数個に等分分割して前記Ｘ−Ｙ面を格子化して、データ総数Ｎに対する正規化が行われる。

図７は、上記整数化処理を施したＸ軸及びＹ軸の単位区画幅でデータを配列し直したマトリックス配列例を示す。図７の（７Ａ）は異常２次元データ群の配列例を、（７Ｂ）は正常２次元データ群の配列例を示す。図７において、横軸又は縦軸の各区画幅（Ｒ１、Ｒ２、・・・、Ｒα−１、Ｒα）の大きさは、Ｎ^１／２を四捨五入した整数等分分割値である。

上記マトリックス配列された正常２次元データ群と異常２次元データ群について、同一格子マス内に存在する場合にデータの共通個数を全格子マスについて総和した重なり数Ｎ_１∩Ｎ_２を導出する（ステップＳ１１）。図７において、例えば、１個のマス（Ｒ２，Ｒ３）には、正常データが１個あり（７Ｂ参照）、異常データが５個ある（７Ａ参照）ので、マス（Ｒ２，Ｒ３）に関しての重なり数Ｎ_１∩Ｎ_２は６となる。重なり数Ｎ_１∩Ｎ_２を用いて、正常２次元データ群と異常２次元データ群の重なり度Ｓ_ｉｊを全データにつき導出する（ステップＳ１２、Ｓ１３）。

図８は、重なり度Ｓ_ｉｊの導出処理を示す。図８の（８Ａ）は重なり数Ｎ_１∩Ｎ_２の割合から（Ｎ_１∩Ｎ_２）／Ｎ（コサイン測度）を求める場合を示す。この場合、総数Ｎに対する重なり数Ｎ_１∩Ｎ_２の割合（Ｎ_１∩Ｎ_２）／Ｎ（コサイン測度）を重なり度Ｓ_ｉｊとして導出する（ステップＳ２０）ことにより、データ群のマトリックス配列処理とコサイン測度算出処理だけで、高精度に異常要因を抽出することができる。
コサイン測度の計算した後、各測度を昇順に分類して（ステップＳ２１）、最小値から所望順位値まで利用して、コサイン測度に対応する処理条件Ｐ_ｉ、Ｐ_ｊを結線してネットワーク図を作成して、異常要因因子となる処理条件パラメータ評価を行う（ステップＳ１４）。

全パラメータのうち、正常データと異常データの分布の重なりが小さいほどコサイン測度は小さくなる。言い換えると、コサイン測度の小さい処理条件パラメータＰ_ｉ、Ｐ_ｊの組み合わせほど、正常、異常の分布の差異が大きくなり、正常と異常の識別能力が高くなる。従って、処理条件パラメータＰ_ｉ、Ｐ_ｊの組み合わせに対応する２次元データ化Ｐ_ｉｊにつき求めたコサイン測度を小さい順に並べることにより、異常要因となる処理条件パラメータを判別することができる。この判別処理には、ネットワーク図を作成するのが好適であり、結線数から集中度の高い処理条件パラメータを明確に割り出すことができる。

重なり度Ｓ_ｉｊの導出は、前記コサイン測度のように、正常２次元データ群と異常２次元データ群のＸ−Ｙ面における共通領域（区画）に存在する個数から判別する共通領域判別処理によって行うことができるが、Ｘ−Ｙ面における所定の基点から、その傾きと大きさを定めたベクトルデータ化して、ベクトルの傾き及び大きさを同じくするベクトルデータを判別するベクトル判別処理によって行うこともできる。
図８の（８Ｂ）はベクトル判別処理による重なり度Ｓ_ｉｊの導出処理を示す。正常２次元データ群と異常２次元データ群に対するデータ処理（ステップＳ１０）の後、又はその際に、各データにつきＸ−Ｙ面における所定の基点から、その傾きと大きさを定めたベクトルデータ化を行う（ステップＳ３０）。このベクトル値（ベクトルの傾き及び大きさ）がマトリックス格子の同一及び許容近傍範囲内の格子に存在するベクトルデータを判別し、その共通個数の総和Ｎｖを導出する（ステップＳ３０）。ネットワーク図作成のために、総和Ｎｖデータを昇順に配列して（ステップＳ３０）、ネットワーク図の作成処理（ステップＳ１４）に移行する。

図９は、コサイン測度の小さい順に並べたときの、ネットワーク図の作成手順例を示す。図９の（９Ａ）は、コサイン測度が最も小さい処理条件パラメータの組み合わせである、処理条件Ｆ１（ガス流量条件１）と処理条件Ｔ２（温度条件２）の結線状態を示す。次にコサイン測度が小さい処理条件パラメータの組み合わせが、処理条件Ｆ１（ガス流量条件１）と処理条件Ｗ１（重量条件１）のとき、（９Ｂ）に示すように、処理条件Ｆ１に連結した結線状態に移行する。以下、コサイン測度が小さい順に現れるパラメータ相関により結線を続けていく。（９Ｃ）は、任意の順位まで結線を続けて得られたネットワーク図を示す。（９Ｃ）のネットワーク図の結線数から集中度の高い処理条件パラメータＦ１及び処理条件Ｔ１（温度条件１）を処理条件ハブパラメータとして明確に検索して割り出すことができる。いずれの段階までネットワーク図を作成するか否かは、予め任意に昇順順位を決めてもよいが、集中度の高い結線数を所定値に決めて、それが出現する段階までネットワーク図を作成するようにしてもよい。

本実施形態に係る異常要因分析装置においては、Ｎ_１個の正常２次元データ群とＮ_２個の異常２次元データ群の重なり度Ｓ_ｉｊ（コサイン測度）を導出し、処理条件パラメータＰ_ｉ、Ｐ_ｊを結線したネットワーク図を作成して、ネットワーク図から集中度の高い処理条件ハブパラメータを導出するので、その導出過程で複数個の処理条件パラメータＰ_ｋ間における相関を網羅して、前記異常要因に関する処理条件パラメータの特定化を行うことができ、従来の要因分析手法では取捨選択されてしまう複合パラメータの影響を排除することなく高精度に異常要因を抽出して、品質管理ないし工程管理における異常要因分析の精度向上を図ることができる。

処理条件ハブパラメータを検索したとき、プリンタ１４及びディスプレイ１２にデータ出力される。ネットワーク図も適宜、その結線状態がディスプレイ１２に出力され、目視判断可能にモニタ出力される。ネットワーク図の形成形態は、平面的に自由に拡散させて表現する形態の他に、多線度を頂点として配置して中心渦巻き状に結線する形態、円球面上に結線する形態、多線度を頂点として配置して中心円形状に結線する形態、多線度を頂点として配置して中心格子状に結線する形態等を使用して、作業者の視認判断の便宜を図ることができる。

尚、本発明は上記実施形態に限定されるものではなく、本発明の技術的思想を逸脱しない範囲における種々変形例、設計変更などをその技術的範囲内に包含するものであることは云うまでもない。

本発明によれば、半導体、電子機器、食料品等の広範囲に亘る産業分野において、生産される製品等における異常要因の分析精度を向上させ、生産効率、生産管理能力、製品品質等の向上に寄与することができる。

本発明の一実施形態である異常要因分析装置の概略ブロック図である。 前記実施形態の異常要因分析処理のフローチャートである。 図２の異常要因分析処理の後続のフローチャートである。 前記異常要因分析処理に用いる３次元データ群の一例を模式的に示す図である。 前記３次元データ群から２次元データ化される処理条件パラメータの組み合わせ表を示す図である。 投影処理された２次元化データを模式的に示す図である。 整数化処理を施したＸ軸及びＹ軸の単位区画幅でデータを配列し直したマトリックス配列例を示す図である。 重なり度Ｓ_ｉｊの導出処理を示す図である。 ネットワーク図の作成処理を説明するための図である。 検査データ１に対する各特性データ１〜ｍ又は製造条件１〜ｋの相関例を示すグラフである。 検索条件入力処理の詳細を示すフローチャートである。

符号の説明

１ 制御部
２ ＣＰＵ
３ データ検索部
４ データ処理部
５ コサイン測度計算部
６ 外部出力部
７ 検索条件設定部
８ 検索結果処理部
９ ネットワーク処理部
１０ インターフェース部
１１ ファイル格納部
１２ ディスプレイ
１３ 検索条件入力部
１４ プリンタ
１５Ａ〜１５Ｎ 外部管理機器

Claims (15)

1. 少なくともｎ個の原因パラメータＰ_ｋ（１≦ｋ≦ｎ）を有して製造される製品群を特定の分析パラメータＤにより検査して、前記分析パラメータＤが異常を示すときに、前記異常を生起する異常要因を前記原因パラメータＰ_ｋ（１≦ｋ≦ｎ）から抽出する異常要因分析プログラムにおいて、前記原因Ｐ_ｋ（１≦ｋ≦ｎ）から選択される異なった２個の原因パラメータＰ_ｉ、Ｐ_ｊを夫々Ｘ軸、Ｙ軸とし、前記分析パラメータＤをＺ軸としてＮ個の３次元データ群を構成するステップと、前記Ｎ個の３次元データ群から前記分析パラメータＤが正常範囲にある正常３次元データ群を抽出してＸ−Ｙ面に投影したＮ_１個の正常２次元データ群を構成するステップと、前記Ｎ個の３次元データ群から前記分析パラメータＤが異常範囲にある異常３次元データ群を抽出して前記Ｘ−Ｙ面に投影したＮ_２個の異常２次元データ群を構成するステップと、前記正常２次元データ群と前記異常２次元データ群の重なり度Ｓ_ｉｊを導出するステップと、複数個の前記重なり度Ｓ_ｉｊを利用して、前記原因パラメータＰ_ｉ、Ｐ_ｊを結線したネットワーク図を作成するステップと、前記ネットワーク図から集中度の高い原因ハブパラメータを導出して前記異常を生起する前記原因パラメータＰ_ｋを抽出するステップを有することを特徴とする異常要因分析プログラム。
2. １≦ｉ≦ｎ−１且つｉ＜ｊ≦ｎの範囲に亘る、ｎ（ｎ−１）／２個の前記重なり度Ｓ_ｉｊを導出するステップと、前記重なり度Ｓ_ｉｊを昇順又は降順に分類するステップと、前記重なり度Ｓ_ｉｊを最小値から所望順位値まで利用して、前記重なり度Ｓ_ｉｊに対応する原因パラメータＰ_ｉ、Ｐ_ｊを結線してネットワーク図を作成するステップを含む請求項１に記載の異常要因分析プログラム。
3. 前記Ｘ軸及び前記Ｙ軸をＮ^１／２を整数化処理した整数個に等分分割して前記Ｘ−Ｙ面を格子化し、前記格子マス内に３次元データ群を投影して前記正常２次元データ群と前記異常２次元データ群を構成するステップと、前記正常２次元データ群と前記異常２次元データ群が同一格子マス内に存在する場合にデータの共通個数を全格子マスについて総和した重なり数Ｎ_１∩Ｎ_２を導出するステップと、総数Ｎに対する前記重なり数Ｎ_１∩Ｎ_２の割合（Ｎ_１∩Ｎ_２）／Ｎ（以下、コサイン測度と称する）を前記重なり度Ｓ_ｉｊとして導出するステップを含む請求項１又は２に記載の異常要因分析プログラム。
4. 前記分析パラメータＤが検査パラメータであり、かつ前記原因パラメータＰ_ｋが製品の処理条件パラメータ又は前記処理条件を評価するための品質評価パラメータである請求項１、２又は３に記載の異常要因分析プログラム。
5. 前記分析パラメータＤが製品の処理条件を評価するための品質評価パラメータであり、前記原因パラメータＰ_ｋが前記処理条件パラメータである請求項１、２又は３に記載の異常要因分析プログラム。
6. 少なくともｎ個の原因パラメータＰ_ｋ（１≦ｋ≦ｎ）を有して製造される製品群を特定の分析パラメータＤにより検査して、前記分析パラメータＤが異常を示すときに、前記異常を生起する異常要因を前記原因パラメータＰ_ｋ（１≦ｋ≦ｎ）から抽出する異常要因分析プログラムを記憶した記録媒体において、前記原因パラメータＰ_ｋ（１≦ｋ≦ｎ）から選択される異なった２個の原因パラメータＰ_ｉ、Ｐ_ｊを夫々Ｘ軸、Ｙ軸とし、前記分析パラメータＤをＺ軸としてＮ個の３次元データ群を構成するステップと、前記Ｎ個の３次元データ群から前記分析パラメータＤが正常範囲にある正常３次元データ群を抽出してＸ−Ｙ面に投影したＮ_１個の正常２次元データ群を構成するステップと、前記Ｎ個の３次元データ群から前記検査パラメータＤが異常範囲にある異常３次元データ群を抽出して前記Ｘ−Ｙ面に投影したＮ_２個の異常２次元データ群を構成するステップと、前記正常２次元データ群と前記異常２次元データ群の重なり度Ｓ_ｉｊを導出するステップと、複数個の前記重なり度Ｓ_ｉｊを利用して、前記原因パラメータＰ_ｉ、Ｐ_ｊを結線したネットワーク図を作成するステップと、前記ネットワーク図から集中度の高い原因ハブパラメータを導出して前記異常を生起する前記原因パラメータＰ_ｋを抽出するステップを有する異常要因分析プログラムを記録媒体に保存したことを特徴とする異常要因分析プログラム記録媒体。
7. １≦ｉ≦ｎ−１且つｉ＜ｊ≦ｎの範囲に亘る、ｎ（ｎ−１）／２個の前記重なり度Ｓ_ｉｊを導出するステップと、前記重なり度Ｓ_ｉｊを昇順又は降順に分類するステップと、前記重なり度Ｓ_ｉｊを最小値から所望順位値まで利用して、前記重なり度Ｓ_ｉｊに対応する原因パラメータＰ_ｉ、Ｐ_ｊを結線してネットワーク図を作成するステップを含む請求項６に記載の異常要因分析プログラム記録媒体。
8. 前記Ｘ軸及び前記Ｙ軸をＮ^１／２を整数化処理した整数個に等分分割して前記Ｘ−Ｙ面を格子化し、前記格子マス内に３次元データ群を投影して前記正常２次元データ群と前記異常２次元データ群を構成するステップと、前記正常２次元データ群と前記異常２次元データ群が同一格子マス内に存在する場合にデータの共通個数を全格子マスについて総和した重なり数Ｎ_１∩Ｎ_２を導出するステップと、総数Ｎに対する前記重なり数Ｎ_１∩Ｎ_２の割合（Ｎ_１∩Ｎ_２）／Ｎ（以下、コサイン測度と称する）を前記重なり度Ｓ_ｉｊとして導出するステップを含む請求項６又は７に記載の異常要因分析プログラム記録媒体。
9. 前記分析パラメータＤが検査パラメータであり、かつ前記原因パラメータＰ_ｋが製品の処理条件パラメータ又は前記処理条件を評価するための品質評価パラメータである請求項６、７又は８に記載の異常要因分析プログラム記録媒体。
10. 前記分析パラメータＤが製品の処理条件を評価するための品質評価パラメータであり、前記原因パラメータＰ_ｋが前記処理条件パラメータである請求項６、７又は８に記載の異常要因分析プログラム記録媒体。
11. 少なくともｎ個の原因パラメータＰ_ｋ（１≦ｋ≦ｎ）を有して製造される製品群を特定の分析パラメータＤにより検査して、前記分析パラメータＤが異常を示すときに、前記異常を生起する異常要因を前記原因パラメータＰ_ｋ（１≦ｋ≦ｎ）から抽出して分析結果を出力する異常要因分析装置において、前記原因パラメータＰ_ｋ（１≦ｋ≦ｎ）から選択される異なった２個の処理条件パラメータＰ_ｉ、Ｐ_ｊを夫々Ｘ軸、Ｙ軸とし、前記検査パラメータＤをＺ軸としてＮ個の３次元データ群を構成する手段と、前記Ｎ個の３次元データ群から前記分析パラメータＤが正常範囲にある正常３次元データ群を抽出してＸ−Ｙ面に投影したＮ_１個の正常２次元データ群を構成する手段と、前記Ｎ個の３次元データ群から前記検査パラメータＤが異常範囲にある異常３次元データ群を抽出して前記Ｘ−Ｙ面に投影したＮ_２個の異常２次元データ群を構成する手段と、前記正常２次元データ群と前記異常２次元データ群の重なり度Ｓ_ｉｊを導出する手段と、複数個の前記重なり度Ｓ_ｉｊを利用して、前記原因パラメータＰ_ｉ、Ｐ_ｊを結線したネットワーク図を作成する手段と、前記ネットワーク図から集中度の高い処理条件ハブパラメータを導出して前記異常を生起する前記原因パラメータＰ_ｋを抽出する手段を有することを特徴とする異常要因分析装置。
12. １≦ｉ≦ｎ−１且つｉ＜ｊ≦ｎの範囲に亘る、ｎ（ｎ−１）／２個の前記重なり度Ｓ_ｉｊを導出する手段と、前記重なり度Ｓ_ｉｊを昇順又は降順に分類する手段と、前記重なり度Ｓ_ｉｊを最小値から所望順位値まで利用して、前記重なり度Ｓ_ｉｊに対応する原因パラメータＰ_ｉ、Ｐ_ｊを結線してネットワーク図を作成する手段を含む請求項１１に記載の異常要因分析装置。
13. 前記Ｘ軸及び前記Ｙ軸をＮ^１／２を整数化処理した整数個に等分分割して前記Ｘ−Ｙ面を格子化し、前記格子マス内に３次元データ群を投影して前記正常２次元データ群と前記異常２次元データ群を構成する手段と、前記正常２次元データ群と前記異常２次元データ群が同一格子マス内に存在する場合にデータの共通個数を全格子マスについて総和した重なり数Ｎ_１∩Ｎ_２を導出する手段と、総数Ｎに対する前記重なり数Ｎ_１∩Ｎ_２の割合（Ｎ_１∩Ｎ_２）／Ｎ（以下、コサイン測度と称する）を前記重なり度Ｓ_ｉｊとして導出する手段を含む請求項１１又は１２に記載の異常要因分析装置。
14. 前記分析パラメータＤが検査パラメータであり、かつ前記原因パラメータＰ_ｋが製品の処理条件パラメータ又は前記処理条件を評価するための品質評価パラメータである請求項１１、１２又は１３に記載の異常要因分析装置。
15. 前記分析パラメータＤが製品の処理条件を評価するための品質評価パラメータであり、前記原因パラメータＰ_ｋが前記処理条件パラメータである請求項１１、１２又は１３に記載の異常要因分析装置。

Images