JP2020148659A

JP2020148659A - 計測装置

Info

Publication number: JP2020148659A
Application number: JP2019047109A
Authority: JP
Inventors: 太郎塩川; Taro Shiokawa
Original assignee: Kioxia Corp
Current assignee: Kioxia Corp
Priority date: 2019-03-14
Filing date: 2019-03-14
Publication date: 2020-09-17
Also published as: US11506536B2; US20200292387A1

Abstract

【課題】一つの実施形態は、計測の信頼性を容易に向上できる計測装置を提供することを目的とする。【解決手段】一つの実施形態によれば、計測部と制御部とを有する計測装置が提供される。計測部は、サンプルから応答を得る。制御部は、ローディングと評価用ローディングとを比較する。ローディングは、予め主成分分析して求められている。評価用ローディングは、サンプルから得た応答を主成分分析して求められる。制御部は、比較結果に応じて、主成分分析を用いた計測に対する信頼性指標を生成する。【選択図】図３

Description

本実施形態は、計測装置に関する。

計測装置では、予め主成分分析してローディング及び回帰係数を求めておき、サンプルを計測して応答を得た際に、そのローディング及び回帰係数（回帰モデル）を用いて計測値を得ることがある。このとき、計測の信頼性を向上することが望まれる。

米国特許出願公開２０１５／０２１９４４６号明細書米国特許５１２１３３７号明細書米国特許６２６８２２６号明細書

一つの実施形態は、計測の信頼性を容易に向上できる計測装置を提供することを目的とする。

一つの実施形態によれば、計測部と制御部とを有する計測装置が提供される。計測部は、サンプルから応答を得る。制御部は、ローディングと評価用ローディングとを比較する。ローディングは、予め主成分分析して求められている。評価用ローディングは、サンプルから得られた応答を主成分分析して求められる。制御部は、比較結果に応じて、主成分分析を用いた計測に対する信頼性指標を生成する。

図１は、実施形態にかかる計測装置の構成を示す図である。図２は、実施形態にかかる計測部の構成及び動作を示す図である。図３は、実施形態における計測方法を示すシーケンス図である。図４は、実施形態の一例におけるローディングの比較処理を示す図である。図５は、実施形態における信頼性判定処理を示す図である。図６は、実施形態における計測方法を示すフローチャートである。図７は、実施形態の変形例におけるローディングの比較処理を示す図である。図８は、実施形態の変形例における計測方法を示すフローチャートである。

以下に添付図面を参照して、実施形態にかかる計測装置を詳細に説明する。なお、この実施形態により本発明が限定されるものではない。

（実施形態）
実施形態にかかる計測装置は、例えば、サンプルに光、Ｘ線、電子線等を入射しての計測により応答（例えば、サンプルから観測されるスペクトル）を取得し、リファレンスデータを用いてその応答に応じた計測値を求める装置である。この応答は相対的な情報を示しているので、計測値として絶対的な情報を得るために、基準値を示すリファレンスデータが用いられる。このリファレンスデータは、一般に物理解析等により得ることが多く、取得するために時間と費用がかかることが多い。

効率的な計測を行うためには、物理解析によるリファレンスデータの代わりに数値シミュレーションの結果を用いることが考えられる。数値シミュレーションによって得られた応答と、実際のサンプルから得られた応答を比較し、実際のサンプルから得られた応答と最も近い数値シミュレーションの応答を与えるシミュレーション上のパラメータ（例えば、寸法の計測であれば、寸法）が実際のサンプルのパラメータと近いと推測される。これにより、物理解析によるリファレンスデータの数を減らすことが出来る。

数値シミュレーションを用いる計測と比較し、精度を向上させる手段として、多変量解析の分野で利用される主成分分析（ＰＣＡ：ＰｒｉｎｃｉｐａｌＣｏｍｐｏｎｅｎｔＡｎａｌｙｓｉｓ）及び主成分回帰（ＰＣＲ：ＰｒｉｎｃｉｐａｌＣｏｍｐｏｎｅｎｔＲｅｇｒｅｓｓｉｏｎ）を計測に適用することが考えられる。主成分分析（ＰＣＡ）では、応答、例えばスペクトルのデータに乗算して主成分を求めるための係数ベクトルとしてローディングを求め、主成分回帰（ＰＣＲ）では、ローディングにより求められる主成分とリファレンスデータとを用いて回帰係数（回帰モデル）を求める。実際の計測では、そのローディング及び回帰係数（回帰モデル）を用いて、計測スペクトルから計測値を得る。この計測値を求めるまでの一連の流れの中に、計測値の信頼性を確認するための指標が原理的に存在しない。そのため、計測装置による計測が誤測であるかどうかの判断が困難である。

そこで、本実施形態では、計測装置において、モデル作成時に予め求めたローディングと計測サンプルのスペクトルから求めた評価用ローディングとを比較し、比較結果に応じて信頼性指標を生成することで、主成分分析を用いた計測における信頼性評価を可能にする。

具体的には、計測装置１は、図１に示すように構成され得る。図１は、計測装置１の構成を示す図である。

計測装置１は、入力部１０、計測部２０、出力部３０、制御部４０、及び記憶部５０を有する。

制御部４０は、計測装置１が起動されると、記憶部５０に格納された計測プログラム５４を読み出し、計測プログラム５４に従って、計測装置１の各部を統括的に制御する。

入力部１０は、外部から情報を取得するためのインターフェースであり、キーボード・マウスなどの入力インターフェースを含んでもよいし、ディスク媒体又はメモリカードなどが着脱可能な媒体インターフェースを含んでもよいし、通信回線を経由して情報を受信するための受信インターフェースを含んでもよい。

出力部３０は、所定の情報を出力するためのインターフェースであり、ディスプレイなどの視覚的手段で出力する出力インターフェースを含んでもよいし、スピーカなどの聴覚的手段で出力する出力インターフェースを含んでもよいし、通信回線を経由して情報を送信するための送信インターフェースを含んでもよい。

計測部２０は、制御部４０による制御のもと、計測を行い、サンプルの応答を取得する。計測部２０は、リファレンスデータを用いるような計測を行う。計測部２０が行う計測として、ＯＣＤ（ＯｐｔｉｃａｌＣｒｉｔｉｃａｌＤｉｍｅｎｓｉｏｎ）計測、Ｘ線回折などを挙げることができる。例えば、計測部２０は、図２（ａ）に示すように構成される。図２（ａ）は、計測部２０の構成を示す図であり、ＯＣＤ計測を行う場合の構成を例示している。

計測部２０は、ステージ２１、投射器２２、及び検出器２３を有する。ステージ２１は、計測サンプル（例えば、基板）ＭＳを載置する。ステージ２１は、制御部４０による制御のもと、図示しない駆動機構によって載置面２１ａに平行な方向に移動可能であり、載置面２１ａに平行な面内で回転可能である。

計測サンプルＭＳには、所定の形状を有する構造部（パターン）が二次元的に周期的に配置されていてもよい。構造部は、周期構造を構成する単位構造である。構造部として、ホールパターン、ピラーパターンなどが例示される。

投射器２２は、光源及び偏光子を有する。投射器２２は、制御部４０による制御のもと、波長（又は位相）を変化させながら光源で光を発生させ、発生した光を偏光子で所定の偏光状態に調整して計測サンプル（例えば、基板）ＭＳに入射させる。その入射光は、計測サンプル（例えば、基板）ＭＳの表面等で反射する。

検出器２３は、検光子及び分光器を有する。検出器２３は、制御部４０による制御のもと、検光子で所定の偏光成分を透過させ分光器で分光することなどにより、光強度をスペクトルとして検出する。

計測部２０で取得されるスペクトルは、図２（ｂ）に示すように、スペクトル強度が多数の装置パラメータ（例えば、多数の波長）に関連付けられた形で得られる。図２（ｂ）は、計測部２０の動作を示す図であり、このスペクトルからサンプルＭＳの形状寸法が算出され得る。

図１に戻って、制御部４０は、計測部２０による計測を制御することに加えて、主成分分析（ＰＣＡ）及び主成分回帰（ＰＣＲ）に関連した処理を行う。制御部４０は、第１の分析部４１、第２の分析部４２、比較部４３、判定部４４、エラー報知部４５、及び計算部４６を有する。

主成分分析（ＰＣＡ）とは、多数の装置パラメータを主成分と呼ばれる少数の変数に集約する分析である。第１の分析部４１は、計測部２０を制御して、図３にＳＱ１として示すように、モデル作成用のサンプル（例えば、基板）ＭＳ’における複数箇所について装置パラメータ（波長）毎のスペクトルを取得する。図３は、計測方法を示すシーケンス図である。第１の分析部４１は、図３にＳＱ２として示すように、その複数のスペクトルに対して主成分分析（ＰＣＡ）を行い、装置パラメータ（波長）毎のスペクトル強度に対して例えば、最もばらつきが大きくなるように係数を求め、求められた係数を乗算して線形結合させた変数を第１主成分とする。第１主成分について求められた各係数を含む係数ベクトル（第１ローディング）は、予め、計測装置に設定され得る。

例えば、ｎを任意の３以上の整数とするとき、装置パラメータλ_１，λ_２，・・・，λ_ｎのそれぞれについて、モデル作成用のサンプルＭＳ’における複数箇所に対するスペクトル強度を変数ｘ_１’，ｘ_２’，・・・，ｘ_ｎ’で表す。このスペクトル強度の集まりをデータベクトルｘ’と呼ぶことにする。第１の分析部４１は、複数箇所の各スペクトル強度ｘ_１’，ｘ_２’，・・・，ｘ_ｎ’に対してできるだけ情報を多く含むように線形結合させるための係数ｐ_１，１，ｐ_１，２，・・・，ｐ_１，ｎを求める。この係数の集まり（すなわち、係数ベクトル）を第１ローディングｐ_１と呼ぶことにする。第１の分析部４１は、求められた第１ローディングｐ_１を第１ローディング情報５１として記憶部５０に格納する。

このとき、第１主成分をＰＣ_１とすると、第１主成分ＰＣ_１は、次の数式１にしめすように、第１ローディングｐ_１をデータベクトルｘ’に乗算させて表され得る。
ＰＣ_１＝ｐ_１・ｘ’＝ｐ_１，１ｘ_１’＋ｐ_１，２ｘ_２’＋・・・＋ｐ_１，ｎｘ_ｎ’・・・数式１

第１の分析部４１は、第１主成分ＰＣ_１と相関しないように（すなわち、第１主成分ＰＣ_１に直交するように）しながら、複数箇所の各スペクトル強度ｘ_１’，ｘ_２’，・・・，ｘ_ｎ’に対してできるだけ情報を多く含むように線形結合させるための係数ｐ_２，１，ｐ_２，２，・・・，ｐ_２，ｎを求める。この係数の集まり（すなわち、係数ベクトル）を第２ローディングｐ_２と呼ぶことにする。第１の分析部４１は、求められた第２ローディングｐ_２を第２ローディング情報５２として記憶部５０に格納する。

このとき、第２主成分をＰＣ_２とすると、第２主成分ＰＣ_２は、次の数式２にしめすように、第２ローディングｐ_２をデータベクトルｘ’に乗算させて表され得る。
ＰＣ_２＝ｐ_２・ｘ’＝ｐ_２，１ｘ_１’＋ｐ_２，２ｘ_２’＋・・・＋ｐ_２，ｎｘ_ｎ’・・・数式２

この例では、ｎ個のスペクトル強度の変数ｘ_１’，ｘ_２’，・・・，ｘ_ｎ’が２個の主成分ＰＣ_１，ＰＣ_２に変数変換される場合（すなわち、変数ｘ_１’，ｘ_２’，・・・，ｘ_ｎ’のｎ次元座標空間が主成分ＰＣ_１，ＰＣ_２の２次元座標空間に座標変換される場合）を例示している。

主成分回帰（ＰＣＲ）とは、主成分の値と実際の値を示すリファレンスデータとを用いて重回帰分析を行い、回帰モデルを作成することである。実際の値を示すリファレンスデータは、予め、入力部１０を介して外部から取得され、リファレンスデータ５３として記憶部５０に格納され得る。第１の分析部４１は、計測部２０を制御して、図３にＳＱ３として示すように、実際の値を示すリファレンスデータを記憶部５０から読み出して取得する。例えば計測部２０の計測がＯＣＤ計測である場合、リファレンスデータは、モデル作成用のサンプルＭＳ’に対して断面ＳＥＭ解析を行って求めた実際の形状寸法であってもよい。第１の分析部４１は、リファレンスデータを目的変数ｙとし、モデル作成用サンプルの主成分ＰＣ_１，ＰＣ_２の値を説明変数として、重回帰分析を行い、回帰係数ｃ_１、ｃ_２を求める。例えば、主成分ＰＣ_１，ＰＣ_２の２次元座標空間上に、サンプルＭＳ’における複数箇所のそれぞれを示す点をプロットし、最小二乗法等により近似して得られる直線に対応した値として回帰係数ｃ_１、ｃ_２を求める。これにより作成される回帰モデルは、次の数式３で表され得る。第１の分析部４１は、作成された回帰モデルを回帰モデル情報５５として記憶部５０に格納する。
ｙ＝ｃ_１・ＰＣ_１＋ｃ_２・ＰＣ_２・・・数式３

これにより、計測装置１における主成分分析（ＰＣＡ）及び主成分回帰（ＰＣＲ）を用いた計測の準備ができたことになる。例えば、計算部４６は、図３にＳＱ４として示すように、計測サンプルＭＳにおける注目箇所について装置パラメータ（波長）毎のスペクトルを取得する。装置パラメータλ_１，λ_２，・・・，λ_ｎのそれぞれについて、サンプルＭＳにおける注目箇所に対するスペクトル強度を変数ｘ_１，ｘ_２，・・・，ｘ_ｎで表す。このスペクトル強度の集まりをデータベクトルｘと呼ぶことにする。計算部４６は、図３にＳＱ５として示すように、ＳＱ２で求めたローディングｐ_ｉを用いてデータベクトルｘを主成分ＰＣ_ｉに変数変換する。計算部４６は、図３にＳＱ６として示すように、ＳＱ３で求めた回帰モデルを適用して計測値を求める。これにより、計算部４６は、図３にＳＱ７として示すように、計測値ｙを得る。図３に示されるように、ＳＱ４〜ＳＱ７までの一連の流れの中に、計測値の信頼性を確認するための指標が原理的に存在しない。そのため、計測装置１による計測が誤測であるかどうかの判断が困難である。

それに対して、第２の分析部４２は、図３にＳＱ１１として示すように、計測サンプルＭＳにおける複数個所について装置パラメータ（波長）毎のスペクトルを取得する。第２の分析部４２は、図３にＳＱ１２として示すように、その複数のスペクトルに対して主成分分析（ＰＣＡ）を行い、装置パラメータ（波長）毎のスペクトル強度に対して例えば、最もばらつきが大きくなるように係数を求め、求められた係数を乗算して線形結合させた変数を第１主成分とする。

例えば、装置パラメータλ_１，λ_２，・・・，λ_ｎのそれぞれについて、サンプルＭＳにおける複数箇所に対するスペクトル強度を変数ｘ_ｅ１，ｘ_ｅ２，・・・，ｘ_ｅｎで表す。このスペクトル強度の集まりをデータベクトルｘ_ｅと呼ぶことにする。第２の分析部４２は、複数箇所の各スペクトル強度ｘ_ｅ１，ｘ_ｅ２，・・・，ｘ_ｅｎに対してできるだけ情報を多く含むように線形結合させるための係数ｐ_ｅ１，１，ｐ_ｅ１，２，・・・，ｐ_ｅ１，ｎを求める。この係数の集まり（すなわち、係数ベクトル）を評価用第１ローディングｐ_ｅ１と呼ぶことにする。第２の分析部４２は、求められた評価用第１ローディングｐ_ｅ１を比較部４３へ供給する。

このとき、第１主成分をＰＣ_ｅ１とすると、第１主成分ＰＣ_ｅ１は、次の数式４にしめすように、評価用第１ローディングｐ_ｅ１をデータベクトルｘ_ｅに乗算させて表され得る。
ＰＣ_１＝ｐ_ｅ１・ｘ_ｅ＝ｐ_ｅ１，１ｘ_ｅ１＋ｐ_ｅ１，２ｘ_ｅ２＋・・・＋ｐ_ｅ１，ｎｘ_ｅｎ・・・数式４

第２の分析部４２は、第１主成分ＰＣ_ｅ１と相関しないように（すなわち、第１主成分ＰＣ_ｅ１に直交するように）しながら、複数箇所の各スペクトル強度ｘ_ｅ１，ｘ_ｅ２，・・・，ｘ_ｅｎに対してできるだけ情報を多く含むように線形結合させるための係数ｐ_ｅ２，１，ｐ_ｅ２，２，・・・，ｐ_ｅ２，ｎを求める。この係数の集まり（すなわち、係数ベクトル）を評価用第２ローディングｐ_ｅ２と呼ぶことにする。第２の分析部４２は、求められた評価用第２ローディングｐ_ｅ２を比較部４３へ供給する。

このとき、第２主成分をＰＣ_ｅ２とすると、第２主成分ＰＣ_ｅ２は、次の数式５にしめすように、評価用第２ローディングｐ_ｅ２をデータベクトルｘ_ｅに乗算させて表され得る。
ＰＣ_ｅ２＝ｐ_ｅ２・ｘ_ｅ＝ｐ_ｅ２，１ｘ_ｅ１＋ｐ_ｅ２，２ｘ_ｅ２＋・・・＋ｐ_ｅ２，ｎｘ_ｅｎ・・・数式５

比較部４３は、第１の分析部４１から取得されたローディングｐ_ｉと第２の分析部４２から取得された評価用ローディングｐ_ｅｉとを比較し、比較結果に応じて、主成分分析を用いた計測に対する信頼性指標を生成する。比較部４３は、ローディングｐ_ｉと評価用ローディングｐ_ｅｉとの一致度を信頼性指標として求める。例えば、比較部４３は、次の数式６に示すように、ローディングｐ_ｉと評価用ローディングｐ_ｅｉとの間の平均平方二乗誤差ＲＭＳＥ（ＲｏｏｔＭｅａｎＳｑｕａｒｅＥｒｒｏｒ）を、両者の一致度として求めてもよい。

数式６において、ｎは、図３のＳＱ１又はＳＱ１１で取得された装置パラメータ（波長）の数を表す。

あるいは、比較部４３は、次の数式７に示すように、ローディングｐ_ｉと評価用ローディングｐ_ｅｉとの間の相関係数ＣＣ（ＣｏｒｒｅｌａｔｉｏｎＣｏｅｆｆｉｃｉｅｎｔ）を、両者の一致度として求めてもよい。

数式７において、ｎは、図３のＳＱ１又はＳＱ１１で取得された装置パラメータ（波長）の数を表す。ｐ_ｅｉ￣は、評価用ローディングｐ_ｅｉの各要素の平均を表す。ｐ_ｉ￣は、ローディングｐ_ｉの各要素の平均を表す。

図４は、例えば平均平方二乗誤差ＲＭＳＥを使用した場合について、実施形態の一例におけるローディングの比較処理を示す図である。比較部４３は、図４（ａ）に示すモデル作成時の第１ローディングｐ_１と図４（ｂ）に示す計測サンプル（１）の計測で得られた評価用第１ローディングｐ_ｅ１とを比較し、比較結果に応じて、図４（ｄ）の左図に示される一致度を信頼性指標として求める。

また、比較部４３は、図４（ａ）に示すモデル作成時の第１ローディングｐ_１と図４（ｃ）に示す計測サンプル（２）の計測で得られた評価用第１ローディングｐ_ｅ１とを比較し、比較結果に応じて、図４（ｄ）の右図に示される一致度を信頼性指標として求める。

図４（ｄ）に示されるように、計測サンプル（１）による評価では、モデル作成時の第１ローディングｐ_１により計測の信頼性が比較的高いのに対して、計測サンプル（２）による評価では、モデル作成時の第１ローディングｐ_１により計測の信頼性が比較的低くなっている。すなわち、計測サンプル（２）による評価が行われた時点で、計測の信頼性が低下していることを判定して、モデルを作成し直すトリガーとすることが考えられる。

そのため、比較部４３は、求められた信頼性指標（すなわち、一致度）を判定部４４へ供給する。判定部４４は、信頼性指標（すなわち、一致度）が閾値より低いか否か判定する。

この閾値は、例えば、図５に示すように決められ判定部４４に設定され得る。図５は、信頼性判定処理を示す図である。図５において、縦軸は、計測値と実際の値との一致度を示し、横軸は、信頼性指標（すなわち、モデル作成時のローディングと計測サンプルの計測で得られた評価用ローディングとの一致度）を示す。計測値と実際の値との一致度は、例えば、断面ＳＥＭ解析を行って求めた実際の形状寸法と計算部４６で求められた計測値ｙとの間の相関係数ＣＣ’により求められ得る。ｎを任意の２以上の整数とし、実際の値と計測値との組を（ｘ_１，ｙ_１），（ｘ_２，ｙ_２），・・・（ｘ_Ｎ，ｙ_Ｎ）とすると、相関係数ＣＣ’は、次の数式８で求められ得る。

数式８において、Ｎは、計測値と実際の値とのそれぞれの個数を表す。ｘ￣は、実際の値の平均を表す。ｙ￣は、計測値の平均を表す。

図５では、評価を行いプロットされた点に対して近似的に求められた曲線が実線で示されている。この曲線の変化に基づき、試作段階等のマージンを緩く設けるべき場合に、緩めの閾値ＲＭｔｈ２が判定部４４に設定され得る。また、量産段階等のマージンを厳しく設けるべき場合に、厳しめの閾値ＲＭｔｈ１が判定部４４に設定され得る。

判定部４４は、信頼性指標（すなわち、一致度）が閾値より低いか否か判定し、判定結果をエラー報知部４５及び計算部４６へ供給する。

判定部４４の判定結果により信頼性指標（すなわち、一致度）が閾値より低いことが示される場合、エラー報知部４５は、出力部３０を介して、エラー情報を報知する。エラー情報の報知は、視覚的な手段で行われてもよいし、聴覚的な手段で行われてもよい。視覚的な手段は、例えば、出力部３０のディスプレイ上にエラーメッセージを表示することでもよいし、アラームランプを点灯又は点滅させることでもよい。聴覚的な手段は、例えば、出力部３０のスピーカからエラーメッセージを音声で出力させることでもよいし、ブザーを鳴らすことでもよい。これにより、ユーザは計測の信頼性が低下していることを認識でき、モデルを作成し直すようにユーザに促すことができる。

判定部４４の判定結果により信頼性指標（すなわち、一致度）が閾値以上であることが示される場合、計算部４６は、図３のＳＱ４〜ＳＱ７の手順で計測値ｙを計算する。これにより、信頼性が許容範囲内に確保された状態で計測値ｙを得ることができる。

次に、計測装置１による計測の流れについて図６を用いて説明する。図６は、計測方法を示すフローチャートである。

計測装置１は、図３のＳＱ１〜ＳＱ３の手順で主成分回帰モデルを作成し（Ｓ１）、ローディングの情報と回帰モデルの情報とを記憶部５０に記憶する（Ｓ２）。計測装置１は、計測サンプルを計測すべきタイミングまで待機し（Ｓ３でＮｏ）、計測サンプルを計測すべきタイミングになると（Ｓ３でＹｅｓ）、計測部２０により計測スペクトルを取得する（Ｓ４）。計測装置１は、計測スペクトルに対して主成分分析を行い、評価用ローディングを求める（Ｓ５）。計測装置１は、Ｓ２で記憶したローディングとＳ５で求めた評価用ローディングとを比較し（Ｓ６）、比較結果に応じて、両者の一致度を信頼性指標として求める。計測装置１は、その一致度が閾値より低ければ（Ｓ７でＹｅｓ）、モデルを作成し直すものとして、処理をＳ１に戻す。計測装置１は、その一致度が閾値以上であれば（Ｓ７でＮｏ）、計測の信頼性が許容範囲内に確保されているとして、Ｓ２で記憶したローディングを用いてＳ４で取得された計測スペクトルを変数変換して主成分の値を求め（Ｓ８）、主成分の値に主成分回帰モデルを適用して（Ｓ９）、計測値ｙを得る（Ｓ１０）。

以上のように、実施形態では、計測装置１において、モデル作成時に予め求めたローディングと計測サンプルのスペクトルから求めた評価用ローディングとを比較し、比較結果に応じて信頼性指標を生成する。これにより、主成分分析を用いた計測における信頼性評価が可能である。したがって、計測装置による計測が誤測であるかどうかの判断が可能であるため、主成分分析を用いた計測の信頼性を容易に向上できる。

なお、実施形態では、主として、２つの主成分（第１主成分及び第２主成分）を用いて主成分分析を行う場合について例示しているが、実施形態の考え方は、第１主成分のみを用いて主成分分析を行う場合にも適用可能である。あるいは、実施形態の考え方は、３以上の主成分（例えば、第１主成分、第２主成分、・・・、第ｋ主成分、ｋは、任意の３以上の整数）を行う場合にも適用可能である。

あるいは、図７に示すように、計測トレンドについて、計測値の信頼性を評価する場合、評価サンプルから算出したローディングと、直前に計測されたサンプルから算出したローディングを比較して整合性を評価してもよい。図７は、実施形態の変形例におけるローディングの比較処理を示す図である。

例えば、図７（ａ）に示す計測トレンドでは、二点鎖線で囲って示す時点でモデルが作成されてから破線で囲って示す計測時点まで長期間が経過すると、計測値の傾向が大幅に変わっている可能性がある。大幅に変わっている場合、そのことが計測装置１の異常発生の予兆を示している可能性がある。そのため、一点鎖線で囲って示す計測直前の複数回の時点の複数のスペクトルから得た図７（ｂ）に示す直前の評価用ローディングを記憶しておくことが考えられる。すなわち、破線で囲って示す計測時点の複数のスペクトルから図７（ｃ）に示す評価用ローディングが求められた際に、図７（ｂ）に示す評価用ローディングと図７（ｃ）に示す評価用ローディングとを比較する。

この場合、計測装置１による計測の流れは、図８に示すように、次の点で実施形態と異なる。図８は、実施形態の変形例における計測方法を示すフローチャートである。計測装置１は、Ｓ１〜Ｓ７の処理を行った後、前回の評価用ローディングとＳ５で求めた評価用ローディングとを比較し（Ｓ１１）、比較結果に応じて、両者の一致度を計測トレンド用の信頼性指標として求める。また、計測装置１は、Ｓ５で求めた評価用ローディングを、次回のＳ１１の比較のために、記憶部５０に記憶する（Ｓ１２）。そして、計測装置１は、Ｓ１１で求めた一致度が予兆閾値より低ければ（Ｓ１３でＹｅｓ）、計測装置１の異常発生の予兆があるとして、ユーザに向けて予兆ありのアラームの発報を行う（Ｓ１４）。計測装置１は、Ｓ１１で求めた一致度が予兆閾値以上であれば（Ｓ１４でＮｏ）、装置の異常発生の予兆がないとして、Ｓ８以降の処理を行い、計測値ｙを得る（Ｓ１０）。

このように、直前の評価用ローディングと現在の評価用ローディングとを比較することで計測トレンド用の信頼性指標（一致度）を精度よく求めることができ、計測装置１の異常発生の予兆を検知できる。

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。

１計測装置、２０計測部、４０制御部、５０記憶部。

Claims

サンプルから応答を得る計測部と、
予め主成分分析して求められたローディングと前記サンプルから得た応答を主成分分析して求められた評価用ローディングとを比較し、比較結果に応じて、主成分分析を用いた計測に対する信頼性指標を生成する制御部と、
を備えた計測装置。
前記ローディングを記憶する記憶部をさらに備え、
前記制御部は、前記サンプルから得た応答を主成分分析して前記評価用ローディングを求め、前記記憶されたローディングと前記求められた評価用ローディングとを比較する
請求項１に記載の計測装置。
前記ローディングは、予め主成分分析して求められた第１の係数ベクトルを含み、
前記評価用ローディングは、前記サンプルから得た応答を主成分分析して求められた第２の係数ベクトルを含み、
前記制御部は、前記第１の係数ベクトルと前記第２の係数ベクトルとの一致度を前記信頼性指標として求める
請求項１又は２に記載の計測装置。
前記制御部は、前記一致度が閾値より低いことに応じて、エラー情報を報知する
請求項３に記載の計測装置。
前記制御部は、前記一致度が閾値以上であることに応じて、前記第１の係数ベクトルと回帰係数とを用いて、前記サンプルから得た応答に対応した計測値を求める
請求項３に記載の計測装置。