JP2012018955A - 半導体装置の不良解析方法 - Google Patents

Abstract

【課題】不良の原因と考えられる製造条件を的確に抽出可能な半導体装置の不良解析方法を提供する。
【解決手段】ウェーハにおける検査単位ごとの不良率データ及びウェーハの製造条件に関する情報を計算機に読み込み、この不良率データの製造条件に対する統計検定を計算機で行う。そして、製造条件の情報ごとに統計検定の結果を集めて計算機から出力する。統計検定の結果は、例えば、ウェーハの面内の位置に対応したマップデータにして出力される。
【選択図】図１

Description

本発明の実施形態は、半導体装置の不良解析方法に関する。

半導体装置の生産歩留りを向上させるには、歩留りロスを分析し、その原因となっているプロセス、製造装置、設計条件等を早期に解明し、改善することが重要である。しかし、半導体装置は数百の工程、製造装置を経て生産されるため、一旦不良が発生すると、その原因を特定することは一般に非常に困難な作業である。

一般に、半導体装置の製造では、ウェーハプロセス終了後、所望の電気的特性の検査が行われる。検査はウェーハ形状のままチップに電極針を当て行われる。その結果、特定のテストで不良と判定されたチップの位置をウェーハ面内に表示すると、ウェーハのどの位置で不良が発生したかが分かる。これをウェーハマップと呼ぶ。

ウェーハマップに表示される不良チップの分布には、ウェーハ面上の位置に依らず均等に分布するランダム不良と、どこかに偏りを生じるクラスタリング不良と、の２種類に大別される。ここで、特定のプロセスや製造装置に起因する不良は、ウェーハマップ上に特有の分布として現れる。つまり、あるプロセス・製造装置に不具合が発生した場合、そのプロセスや製造装置に固有のクラスタリング不良が発生する。

しかし、不良原因は多岐に渡り、その全てが集積されたウェーハマップ上の不良は、様々な原因を持つものが混在している。このため、ウェーハ全体の不良を捉えた原因調査では、複数の不良原因が同時に含まれ、統計的に原因装置を特定するのは困難である。また、不良パターンのサイズが小さい場合も、その検知及び原因の特定は困難である。

特開２００５−２８４６５０号公報

本発明の実施形態は、不良の原因と考えられる製造条件を的確に抽出可能な半導体装置の不良解析方法を提供する。

本実施形態に係る半導体装置の不良解析方法では、ウェーハにおける検査単位ごとの不良率データ及びウェーハの製造条件に関する情報を計算機に読み込み、この不良率データの製造条件に対する統計検定を計算機で行う。そして、製造条件の情報ごとに統計検定の結果を集めて計算機から出力する。

第１の実施形態に係る半導体装置の不良解析方法の概略の流れを例示するフローチャートである。 本実施形態に係る半導体装置の不良解析方法を実現するシステム構成の一例を示すブロック図である。 本実施形態に係る半導体装置の不良解析方法の一つの具体的な流れを示すフローチャートである。 チップ不良率をマッピング表示した例を示す図である。 処理履歴情報の例を示す図である。 テスト・処理履歴照合情報の例を示す図である。 統計検定で有意と判定されたチップ座標及び工程、製造装置の一覧の例を示す図である。 ウェーハマップ上への表示例を示す図である。 有意判定された不良チップの座標を例示する図である。 有意判定された不良チップの座標を例示する図である。 有意判定された不良チップの座標を例示する図である。

以下、本発明の実施形態を図に基づき説明する。
なお、図面は模式的または概念的なものであり、必ずしも現実のものと同一とは限らない。また、本願明細書と各図において、既出の図に関して前述したものと同様の要素には同一の符号を付して詳細な説明は適宜省略する。

（第１の実施形態）
図１は、第１の実施形態に係る半導体装置の不良解析方法の概略の流れを例示するフローチャートである。
すなわち、本実施形態に係る半導体装置の不良解析方法は、情報の読み込み（ステップＳ１００）、統計検定（ステップＳ２００）、統計検定の結果の出力（ステップＳ３００）、を備える。

情報の読み込み（ステップＳ１００）では、ウェーハにおけるチップ領域と同じまたはチップ領域よりも小さい検査単位ごとの不良率データ及びウェーハの製造条件に関する情報を計算機に読み込む。
ここで、チップ領域とは、ウェーハでの製造及び検査工程が終了した後、ダイシングラインに沿って切断してウェーハが個片化される領域のことをいう。
検査単位は、上記定義したチップ領域と同じまたはチップ領域よりも小さい領域である。なお、本実施形態では、チップ領域を検査単位として説明する。
また、製造条件とは、ウェーハに対する処理を行う製造装置、使用する材料、処理条件、処理日時など、ウェーハに対する処理の履歴に関する情報のことをいう。

統計検定（ステップＳ２００）では、先に読み込んだ不良率データの製造条件に対する統計検定を計算機で行う。
統計検定は、各検査単位での不良率データが特定の工程・製造装置で処理されたときに有意に高くなっているかを判定するために行う統計計算である。本実施形態では、カイ２乗検定値による統計検定が行われる。

統計検定の結果の出力（ステップＳ３００）では、先に行った統計検定の結果を、製造条件の情報ごとに集めて計算機から出力する。
統計検定の結果の出力としては、例えば、統計検定の結果を、製造条件の情報ごとに並べて出力したり、統計検定の結果を、ウェーハの面内の位置に対応したマップデータにして出力したりする。

このような本実施形態に係る半導体装置の不良解析方法では、ウェーハ内での不良が、どの製造条件によって生じたのか、検査単位で解析される。また、製造条件ごとに統計検定の結果が関連付けられているため、製造条件に特有な不良を的確に抽出できるようになる。

図２は、本実施形態に係る半導体装置の不良解析方法を実現するシステム構成の一例を示すブロック図である。
図３は、本実施形態に係る半導体装置の不良解析方法の一つの具体的な流れを示すフローチャートである。

図２に表したように、本実施形態を実現するシステム構成は、生産管理サーバＳＶ１、テスタサーバＳＶ２、不良解析サーバＳＶ３、ユーザ端末ＵＴ、を備える。
生産管理サーバＳＶ１は、管理対象である半導体製造ラインの各工程の処理を管理する。図２に例示した半導体製造ラインでは、例えばクリーンルームＣＲ内に複数の製造装置（例えば、Ａ−１、Ａ−２、Ａ−３、…）が配置され、クリーンルームＣＲの後段に、ウェーハ状態で所定の電気的特性等の検査を行うテスタＴＳが設けられている。

生産管理サーバＳＶ１は、半導体製造ラインへのロットの投入から、製造工程、テスタＴＳによる検査工程、組立工程及び出荷に至るまでの管理を行う。例えば、生産管理サーバＳＶ１は、投入されるロットの番号、ロット内のウェーハ番号を管理する。また、製造工程では、ロットやウェーハに対応した製造装置での製造条件や、製造装置を特定する情報の管理などの稼働管理を行う。また、検査工程では、ロット、ウェーハ及びチップ等の検査単位に対応したテスタＴＳで稼働管理を行う。また、組立工程では、ダイシング、パッケージング、梱包等を管理する。また、出荷工程では、ロット、ウェーハ及びチップに対応した製品（半導体装置）の出荷を管理する。
生産管理サーバＳＶ１は、上記のような各種の管理を、生産管理情報Ｊ１を用いて行う。

テスタサーバＳＶ２は、テスタＴＳによる検査項目の管理、検査結果の管理を行う。テスタＴＳには、検査対象がウェーハの単位で搬入される。テスタサーバＳＶ２は、ウェーハにおける検査単位の位置に対応付けして、各種の検査の実行及び検査結果の収集を行う。テスタサーバＳＶ２は、検査対象の検査結果を、テスト情報Ｊ２として出力する。

不良解析サーバＳＶ３は、生産管理サーバＳＶ１が利用する生産管理情報Ｊ１と、テスタサーバＳＶ２が出力するテスト情報Ｊ２と、を用いて、不良解析を行い、不良解析情報Ｊ３を出力する。不良解析情報Ｊ３は、ユーザ端末ＵＴに所望の形式で表示される。

本実施形態では、不良解析サーバで実行されるプログラムによって、製造条件の情報（製造装置、材料、製造日時等）ごとに統計検定の結果を集め、歩留まり異常を引き起こした製造条件を特定する。また、特定した製造条件によって歩留まり異常を引き起こしたウェーハ内の検査単位の位置を特定する。

次に、図２に表した半導体製造ラインによる具体的な製造工程の流れを説明する。
半導体製造工程は、ウェーハをクリーンルームＣＲに投入するロット投入工程から始まる。ロット投入されたウェーハは、各製造工程（工程Ａ、Ｂ、…）を経てクリーンルームＣＲから払い出される。払い出されたウェーハは、ウェーハ形状のまま所望の電気的特定が検査されるか、検査単位ごとに電気的特定が検査される。検査後のウェーハは、ダイシング工程を経てチップに個片化される。また、所望の電気的特性を有しているチップはパッケージングされ、製品として出荷される。

ここで、各製造工程には同じ処理能力を有した複数の製造装置が配置され、複数のウェーハについて並行処理できるようになっている。ウェーハはロットと呼ばれる通常２５枚から構成される単位で処理される。生産管理サーバＳＶ１は、各ロットを、各工程で、いつ、どの製造装置によって処理するか管理し、その処理履歴情報を生産管理情報Ｊ１としてデータベースに格納している。

一方、クリーンルームＣＲから払い出されたウェーハは、テスタＴＳによって電気的検査が実施される。その検査結果は、テスタサーバＳＶ２によって収集され、テスト情報Ｊ２としてデータベースに格納される。

このような半導体製造ラインでの製造工程において、本実施形態では、不良解析サーバＳＶ３が生産管理情報Ｊ１とテスト情報Ｊ２とを用いた不良解析を行う。これにより、歩留まり異常を引き起こした製造条件を特定し、製造条件による不良の生じた箇所を検査単位で特定する。

次に、不良解析サーバＳＶ３による不良解析の動作アルゴリズムを、図３のフローチャートに沿って説明する。
まず、不良解析サーバＳＶ３は、テスタサーバＳＶ２からテスト情報Ｊ２を取得する（図３：ステップＳ１０１）。本実施形態ではテストの種別毎に不良率を取得している。不良率はロット単位で取得している。また不良率には、チップ不良率が用いられる。チップ不良率はウェーハ面上の各チップの不良率を表すもので、本実施形態では、ロット内のウェーハを重ね合わせたとして、各チップ位置においてロット内で不良になったウェーハ枚数の比率として求める。例えば、（１２、１５）のチップ座標において、電気的テストＡで不良と判定されたウェーハが１枚あり、そのロットの全ウェーハ枚数が２５枚であれば、このロットの（１２、１５）チップ座標における電気的テストＡのチップ不良率は１／２５＝４％となる。

チップ不良率をウェーハ面上でチップ座標によってマッピング表示すると、そのロットがウェーハ面上のどこで不良が多く発生しているか、傾向を知ることができる。
図４は、チップ不良率をマッピング表示した例を示す図である。
図４では、一例として、ウェーハＷｆ面内の２つのチップＣｐ１、Ｃｐ２についての不良率が示されている。例えば、チップＣｐ１の不良率は４％、チップＣｐ２の不良率は１６％になっている。このように、チップ不良率は、ウェーハＷｆ面内のチップ座標に対応して求められる。

次に、不良解析サーバＳＶ３は、生産管理サーバＳＶ１から生産管理情報Ｊ１を取得する（図３：ステップＳ１０２）。生産管理情報Ｊ１には、処理履歴情報が含まれる。処理履歴情報は、各ロットが各工程でどの製造装置によって処理されたかを表すものである。

図５は、処理履歴情報の例を示す図である。
なお、図５では、処理履歴情報Ｊ１１を分かりやすく説明するため、便宜的に表形式で表しているが、情報としては、表の行、列の情報が対応付けされていればよい。
処理履歴情報Ｊ１１は、行方向がロット番号（＃１、＃２、＃３、…、＃ｎ）に対応し、列方向が工程Ａ、工程Ｂ、…、工程Ｍに対応している。各行、各列には、使用された製造装置の情報が記録されている。例えば、ロット番号＃１の各ウェーハは、工程Ａでは製造装置Ａ−１によって処理され、工程Ｂでは製造装置Ｂ−２によって処理され、…、工程Ｍでは製造装置Ｍ−３によって処理されたことが分かる。

次に、不良解析サーバＳＶ３は、全てのテスト情報Ｊ２と処理履歴情報Ｊ１１に対して統計検定を実施する（図３：ステップＳ２０１）。これを行うために、テスト情報Ｊ２と処理履歴情報Ｊ１１とをロット番号ごとに照合した、テスト・処理履歴照合情報を作成する。

図６は、テスト・処理履歴照合情報の例を示す図である。
なお、図６では、テスト・処理履歴照合情報Ｊ２１１を分かりやすく説明するため、便宜的に表形式で表しているが、情報としては、表の行、列の情報が対応付けされていればよい。

テスト・処理履歴照合情報Ｊ２１１は、行方向がロット番号（＃１、＃２、＃３、…、＃ｎ）に対応し、列方向がテスト種及び工程に対応している。行の前半には、テスト種とチップ座標が示され、行の後半には、工程が示されている。
テスト種とチップ座標の列の各行には、チップ不良率が示される。また、工程の列の各行には、各工程での処理履歴情報（例えば、処理を行った製造装置名）が示される。

次に、不良解析サーバＳＶ３は、チップ不良率の処理履歴情報Ｊ１１に対する統計検定を行う。統計検定は各チップのチップ不良率が特定の工程（製造装置）で処理されたときに有意に高くなっているかを判定するために行う。本実施形態では、各チップにおけるチップ不良率のメジアンをｍｆとすると、ｍｆよりもチップ不良率が高ければそのチップ不良に関しては不良ロットであると判別し、ｍｆよりもチップ不良率が低ければそのチップ不良に関しては正常ロットであると判別する。

ここで、本実施形態で用いる統計検定アルゴリズムを説明する。
ロットの総数をｎとする。ある工程Ｌにおいてｍｅ台の製造装置が用いられているとする。製造装置ｉ（ｉ＝1，２，…，ｍｅ）の処理ロット数をｐｉとする。チップ座標(cx, cy)のチップ不良率に対して、同チップ座標におけるチップ不良率のメジアンｍｆよりもチップ不良率が高い不良ロットの総数をｎｆとする。すると製造装置ｉにおける不良ロット数の期待値Ｅｉは、
Ｅｉ＝ｐｉ×ｎｆ／ｎ
となる。

図６に表した、テスト・処理履歴情報より求められる着目工程における製造装置ｉの不良ロット処理数の実際値をＯｉとすると、カイ２乗値Ｘ２は、
Ｘ２＝Σ(Ｏｉ−Ｅｉ）^２／Ｅｉ
で表わされる。ここで、Σは着目工程における全ての製造装置(ｉ＝１，２，…，ｍｅ)に関して和を取る。
Ｘ２値は自由度ｍｅ−１のカイ２乗分布に従う。よって、カイ２乗検定値Ｐは、
Ｐ＝Chidist(Ｘ２，ｍｅ−１)
で表わされる。ここで、Chidistは、カイ２乗分布関数を表す。

本実施形態では、処理対象の全てのチップ不良率と、全ての工程と、の組み合わせに対して統計検定を実施した（図３：ステップＳ２０１〜ステップＳ２０２）。そして、カイ２乗検定値に閾値を設定し、有意なチップ不良率−工程の組み合わせを抽出する（図３：ステップＳ３０１〜ステップＳ３０４）。本実施形態では、一例として、カイ２乗検定値Ｐが０．０５より小さい場合を有意として抽出した。

図７は、統計検定で有意と判定されたチップ座標及び工程、製造装置の一覧の例を示す図である。
なお、図７では、判定結果を分かりやすく説明するため、便宜的に表形式で表しているが、情報としては、表の行、列の情報が対応付けされていればよい。
図７に表した判定結果では、有意と判定されたテスト種、チップ座標、工程及び製造装置が、カイ２乗検定値Ｐとともに表示されている。

ここで、本実施形態における統計検定結果は膨大な数に上る。例えば、ウェーハ１枚当たりのチップ総数を１００チップ、テストの種類を１０とすると、図６に表したチップ不良率の列数は、１００×１０で１０００列になる。さらに、工程総数を１００とすると、統計検定の回数は１０００×１００で１０万通りになる。例えばその１０％が有意であったとすると、図７に表した判定結果の行は、１万件程度になる。

図７に例示した有意検定結果において、同一の工程（製造装置）が複数のチップ座標に対応した不良率によって抽出されている場合がある。例えば、工程Ｃの製造装置Ｃ−３は、テスト１のチップ座標(3, 4)及びテスト１のチップ座標(3, 6)でチップ不良率が有意に高かったことが分かる。また、工程Ｄの製造装置Ｄ−１は、テスト３のチップ座標（10, 2）でチップ不良率が有意に高かったことが分かる。

そこで、図７に例示した有意検定結果より、工程（製造装置名）が同じチップ不良率のテスト種とチップ座標を抽出し、それらをウェーハマップ上に表示する（図３：ステップＳ３０５）。

図８は、ウェーハマップ上への表示例を示す図である。なお、図８では、判定結果を分かりやすく説明するため、便宜的にウェーハ形状のマップ形式で表しているが、情報としては、マップのチップ座標の情報が対応付けされていればよい。ウェーハマップは、ユーザ端末ＵＴの画面に表示される。すなわち、ユーザ端末ＵＴでは、ユーザによる所望の工程や製造装置の選択を受け付ける。ユーザ端末ＵＴは、ユーザが選択した工程や製造装置の選択を不良解析サーバＳＶ３に送る。不良解析サーバＳＶは、ユーザ端末ＵＴから送られたユーザの選択によって、図７に例示したリストから、その選択に応じた工程や製造装置の情報を抽出する。そして、抽出した結果をウェーハマップとしてユーザ端末ＵＴに出力する。ユーザ端末ＵＴは、不良解析サーバＳＶから送られたウェーハマップを画面に表示する。

図８は、図７に例示した工程Ｐの処理を行う製造装置Ｐ−１について、有意判定された不良チップの座標を四角形で図示したものである。ここでは、ウェーハＷｆの面内において、テスト１のチップ不良率がウェーハ中央部に多く、それが１行置きに並んだ不良パターンであることが例示されている。このウェーハマップを参照すると、テスト１において、ウェーハ中央部の周期的な不良の原因装置が工程Ｐの製造装置Ｐ−１であることが分かる。

図９は、工程Ｑの処理を行う製造装置Ｑ−２について、有意判定された不良チップの座標を四角形で図示したものである。ここでは、ウェーハＷｆの面内において、テスト１のチップ不良率がウェーハの外周部で多く発生していることが例示されている。このウェーハマップを参照すると、テスト１において、ウェーハ外周部の不良の原因装置が工程Ｑの製造装置Ｑ−２であることが分かる。

ここで、図８と図９とは同じテスト１についての結果である。実際のロットのチップ不良の分布の一例を図１０に示す。図１０に示すロットでは、工程Ｐにおいては製造装置Ｐ−１で処理され、工程Ｑにおいては製造装置Ｑ−２で処理されている。テスト１は、電気的テストの一つであり、図１０には、テスト１で不良判定されたチップのウェーハマップが例示されている。図１０に例示したウェーハマップでは、ウェーハＷｆ面内において、テスト１の不良であるウェーハ中央の周期的パターンと外周パターンとが混在して現れている。このようなケースでは、ウェーハ面全体の不良情報を用いた統計検定で原因工程（製造装置）を特定することは難しい。

一方、本実施形態では、チップ単位に分解して統計検定が行われる。したがって、ウェーハ中央部と外周部とに不良が混在し、その発生原因が異なる場合でも、それぞれの不良パターンの発生位置をチップ単位に分解して、発生原因を特定することができる。

図１１は、別のウェーハマップの例を示す図である。この例では、ウェーハＷｆ面内において、不良が特定の１チップだけで発生している。図７に例示した有意検定の結果から、不良の原因は、工程Ｒの製造装置Ｒ−３であることが特定される。ここでは、工程Ｒの製造装置Ｒ−３を指示したのはこの１チップだけである。このような非常に小さな不良では、ウェーハ面全体の不良情報を用いた統計検定で原因工程（製造装置）を特定することは難しい。一方、本実施形態では、たとえ１チップだけの不良であってもその原因を高感度に特定することができる。

このように、本実施形態によれば、チップ単位の不良率を用いた統計検定により、同じ工程（製造装置）を指示したチップ不良率のチップ座標から不良パターンを特定することができる。したがって、原因が混在した不良パターン、あるいは微小な不良パターンでもその原因工程（製造装置）を精度よく特定することができる。

なお、不良解析サーバＳＶ３は、不良解析情報Ｊ３の出力形式として、上記のようなウェーハマップによる形式のほか、図７に例示したような製造条件の情報ごとに並べられたリスト形式で出力してもよい。ユーザ端末ＵＴでは、不良解析サーバＳＶ３から出力された不良解析情報Ｊ３を受けて、ウェーハマップ形式やリスト形式で解析結果を表示する。

また、ウェーハマップやリスト形式といった表示形式の変換を、ユーザ端末ＵＴで行ってもよい。すなわち、ユーザ端末ＵＴは、不良解析サーバＳＶ３から不良解析情報Ｊ３を受け取り、ユーザからの要求に応じて、必要な情報の抽出、並べ替えを行う。そして、解析しやすい手法で表示する。

また、不良解析情報Ｊ３から所望の情報を抽出する方法は、先に説明した方法に限定されない。先に説明した例では、ユーザによって所望の製造条件が選択された場合、図７に例示した一覧の情報からその製造条件のみを抽出し、不良チップの座標をウェーハマップやリストで表示している。
一方、ユーザによって所望のチップ座標が選択された場合、図７に例示した一覧の情報からそのチップ座標に対応した情報のみを抽出し、不良原因となった製造条件をリスト表示するようにしてもよい。

（第２の実施形態）
第２の実施形態に係る半導体装置の不良解析方法は、先に説明した第１の実施形態に係る半導体装置の不良解析方法における、統計検定（図１：ステップＳ２００）と、統計検定の結果の出力（図１：ステップＳ３００）と、を並列的に行う方法である。

すなわち、第１の実施形態では、統計検定（図１：ステップＳ２００、図３：ステップＳ２０１〜ステップＳ２０２）を、全てのテスト情報と処理履歴情報に対して行い、そのあとで、統計検定の結果の出力（図１：ステップＳ３００、図３：ステップＳ３０１〜ステップＳ３０５）を行っている。

一方、第２の実施形態では、統計検定において、一つのチップにおけるチップ不良率と工程（製造装置）との組み合わせでカイ２乗検定値Ｐを求め、これに並行して、カイ２乗検定値Ｐによる有意か否かを判定、及び有意と判定された場合には、図７に示すリストへの登録、を行う。つまり、統計検定を行っている途中に、その検定結果を用いた有意性の判定と、リストへの登録と、を並列して行うことになる。

このように、統計検定と統計検定の結果の出力とを並列処理することで、不良解析処理にかかる時間の短縮化を図ることができるようになる。

なお、上記説明した実施形態では、検査単位として１チップの場合を例としたが、本発明では１チップよりも小さい検査単位であっても適用可能である。例えば、チップ内の特定の領域を検査単位にする場合、その検査単位のウェーハ面内での座標を規定すれば、同様に有意検定を行って、その検査単位で原因工程（製造装置）を特定することができるようになる。また、上記説明した実施形態では、統計検定の対象として工程（製造装置）を例に説明したが、他の処理条件（使用する材料、処理条件、処理日時など）を対象に統計検定を行ってもよい。

以上説明したように、本実施形態に係る半導体装置の不良解析方法によれば、不良パターンの原因を精度よく特定することができる。すなわち、本実施形態では、検査単位の不良率を用いた統計検定によって、同じ工程、製造条件を指示した不良率の検査単位の座標から不良パターンを特定している。これにより、種々の原因が混在した不良パターン、あるいは微小な不良パターンでもその原因を精度よく特定することができるようになる。

本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。

ＣＲ…クリーンルーム、Ｊ１…生産管理情報、Ｊ２…テスト情報、Ｊ３…不良解析情報、ＳＶ１…生産管理サーバ、ＳＶ２…テスタサーバ、ＳＶ３…不良解析サーバ、ＴＳ…テスタ、ＵＴ…ユーザ端末

Claims (6)

1. ウェーハにおける検査単位ごとの不良率データ及び前記ウェーハの製造条件に関する情報を計算機に読み込み、前記不良率データの前記製造条件に対する統計検定を前記計算機で行い、前記製造条件の情報ごとに前記統計検定の結果を集めて前記計算機から出力する、
   ことを特徴とする半導体装置の不良解析方法。
2. 前記計算機は、前記統計検定の結果を、前記製造条件に関する情報ごとに並べて出力することを特徴とする請求項１記載の半導体装置の不良解析方法。
3. 前記計算機は、前記統計検定の結果を、前記ウェーハの面内の位置に対応したマップデータにして出力することを特徴とする請求項１記載の半導体装置の不良解析方法。
4. 前記計算機により、前記製造条件に関する情報の選択を受け付け、受け付けた前記製造条件に関する情報についての前記統計検定に関する情報を抽出し、出力することを特徴とする請求項１〜３のいずれか１つに記載の半導体装置の不良解析方法。
5. 前記製造条件に関する情報は、前記ウェーハに処理を施す製造装置を特定する情報であることを特徴とする請求項１〜４のいずれか１つに記載の半導体装置の不良解析方法。
6. ウェーハにおける検査単位ごとの不良率データ及び前記ウェーハの処理を施す製造装置を特定する情報をデータベースから計算機に読み込む工程と、
   前記不良率データの前記製造装置に対する統計検定を前記計算機で行う工程と、
   前記統計検定の結果を、前記製造装置の情報ごとに、前記ウェーハの面内の位置に対応したマップデータにして前記計算機から出力する工程と、
   を備えたことを特徴とする半導体装置の不良解析方法。

Images