JP4250552B2 - 製造装置管理システム、製造装置管理方法及びプログラム - Google Patents

Description

本発明は、半導体集積回路の製造工程における異常製造装置の検知に関し、特に不良発生原因となる装置パラメータの特定、及び最適な製造装置の運転環境を実現する製造装置管理システム、製造装置管理方法及び製造装置管理プログラムに関する。

大規模集積回路（ＬＳＩ）等の半導体装置製造の生産性を向上させる最大の課題の一つは、歩留りを向上させることである。歩留りを向上させるには、歩留りロスを分析し、歩留りロスの原因となっているプロセス、製造装置、あるいは設計条件を早期に解明し、改善することが重要である。しかし、例えばＬＳＩは数百の工程及び製造装置を経て生産される。そのため、一旦ＬＳＩに不良が発生すると、不良原因を検出することは一般に非常に困難である。

ＬＳＩ製造のウェーハプロセス終了後に行われる電気的特性試験であるウェーハテストの結果は、不良原因解明の重要な手がかりを与えることがある。これは、ウェーハテストがウェーハ形状のまま行われるためである。ウェーハテスト結果をウェーハ面内位置でマッピング表示することで、ウェーハ面上の不良位置が検出される。その代表的なのもが、メモリ製品で取得されるフェイルビットマップ（ＦＢＭ）である。ロジック製品、あるいはメモリ混載ロジック製品等では、チップ単位での良品（パス）あるいは不良品（フェイル）をマッピング表示したパス／ファイルマップが取得される。

ウェーハ面内の不良分布は大きく分けて、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、一部に偏って発生するクラスタリング不良の２種類がある。クラスタリング不良は、プロセスや製造装置等に起因したシステマティックな要因がある場合が多く、歩留り低下の大きな原因である。プロセスや製造装置等に起因する不良は、プロセスや製造装置固有の不良パターンをウェーハ面上に生じさせる。したがって、クラスタリング不良のパターン分析が不良発生原因解明の糸口であると見なせる。

ＬＳＩ等の電子装置の製造における不良原因検出は、同じクラスタリング不良が発生したウェーハあるいは製造ロットについて、クリーンルーム内での製造履歴を遡って行われる。例えば、同じクラスタリング不良が発生したウェーハに同一の工程で共通して処理された製造装置がないか調査する。不良原因の検出を行うために、クラスタリング不良を定量化した特徴量に関して、製造装置間で有意差検定を行う方法が提案されている（例えば、特許文献１参照）。

製造装置には、ウェーハの処理時における製造装置の状態や設定値等の動作環境情報を取得し記録するユニットが存在する。製造装置の動作環境情報は装置パラメータと呼ばれる。装置パラメータを詳細に解析することで、不良を起こした製造装置名だけでなく、製造装置の異常個所まで特定することが可能で、不良原因の早期改善を行うことができる。しかし、装置パラメータの値そのものを用いて統計検定を行っても、異常原因の特定に至らない場合が存在する問題があった。またウェーハテスト結果で不良の発生が判明してから不良原因を探索していては、製造プロセスへのフィードバックが遅すぎる問題があった。さらには、装置パラメータの数は膨大で、かつ互いに相関を持つため、高歩留りで製品を生産するための製造装置の動作環境を抽出・維持することは非常に困難であった。
特開２００２−３５９２６６号公報（第３−４頁、第１図）

本発明は、このような課題を解決し、製造装置の装置パラメータの時系列データを特徴量化して、分類された不良パターンの有無による特徴量の頻度分布の有意差を検定することができ、不良発生原因の装置パラメータの特定が可能な製造装置管理システム、製造装置管理方法及びプログラムを提供することを目的とする。

本発明の他の目的は、製造装置の装置パラメータ設定値と対象プロセスモジュールの製造歩留りより、最適な装置パラメータ設定値を抽出することができ、対象プロセスモジュールの高歩留りを実現する最適な製造装置の運転環境の実現を可能とする製造装置管理システム、製造装置管理方法及びプログラムを提供することにある。

上記課題を解決するため、本発明の第１の態様は、（イ）複数の製造装置をそれぞれ制御する装置パラメータの時系列データを取得する製造情報入力部と、（ロ）複数の製造装置で製造されたウェーハ上の不良半導体装置のウェーハ面内分布傾向を不良パターンに分類する不良パターン分類部と、（ハ）時系列データのそれぞれを複数のアルゴリズムにより統計的に処理して複数のアルゴリズムのそれぞれに対応する複数の特徴量を算出する特徴量算出部と、（ニ）複数の特徴量のそれぞれについて、不良パターンの有無のそれぞれに対する特徴量の頻度分布を求め、不良パターンの有無による頻度分布間の有意差検定を実施する特徴量解析部と、（ホ）有意差検定で求められた検定値を検定基準値と比較して不良パターンの発生原因特徴量を抽出する異常パラメータ抽出部とを備える製造装置管理システムであることを要旨とする。

第２の態様は、（イ）複数のプロセスモジュールにそれぞれ配置された複数の製造装置をそれぞれ制御する装置パラメータの設定値を取得する製造情報入力部と、（ロ）複数のプロセスモジュールでそれぞれ処理されたウェーハ上の半導体装置に実施される電気的テスト及び欠陥検査からウェーハテスト情報及び欠陥情報を取得する検査情報入力部と、（ハ）ウェーハテスト情報及び欠陥情報に基づいて複数のプロセスモジュールのそれぞれのプロセス歩留りを算出する歩留り算出部と、（ニ）設定値及びプロセス歩留りに基づいて、プロセス歩留りに対して有意差を有する装置パラメータを統計的に抽出し、プロセス歩留りが最大となる最適装置パラメータの設定値を判定する最適パラメータ抽出部とを備える製造装置管理システムであることを要旨とする。

本発明の第３の態様は、（イ）複数の製造装置をそれぞれ制御する装置パラメータの時系列データを取得し、（ロ）複数の製造装置で製造されたウェーハ上の不良半導体装置のウェーハ面内分布傾向を不良パターンに分類し、（ハ）時系列データのそれぞれを複数のアルゴリズムにより統計的に処理して複数のアルゴリズムのそれぞれに対応する複数の特徴量を算出し、（ニ）複数の特徴量のそれぞれについて、不良パターンの有無のそれぞれに対する特徴量の頻度分布を求め、不良パターンの有無による頻度分布間の有意差検定を実施し、（ホ）有意差検定で求められた検定値を検定基準値と比較して不良パターンの発生原因を特定することを含む製造装置管理方法であることを要旨とする。

本発明の第４の態様は、（イ）複数のプロセスモジュールにそれぞれ配置された複数の製造装置をそれぞれ制御する装置パラメータの設定値を取得し、（ロ）複数のプロセスモジュールでそれぞれ処理されたウェーハ上の半導体装置に実施される電気的テスト及び欠陥検査からウェーハテスト情報及び欠陥情報を取得し、（ハ）ウェーハテスト情報及び欠陥情報に基づいて複数のプロセスモジュールのそれぞれのプロセス歩留りを算出し、（ニ）設定値及びプロセス歩留りに基づいて、プロセス歩留りに対して有意差を有する装置パラメータを統計的に抽出し、プロセス歩留りが最大となる最適装置パラメータの設定値を判定することを含む製造装置管理方法であることを要旨とする。

本発明の第５の態様は、（イ）複数の製造装置をそれぞれ制御する装置パラメータの時系列データを製造情報入力部に取得させる命令と、（ロ）複数の製造装置で製造されたウェーハ上の不良半導体装置のウェーハ面内分布傾向を不良パターン分類部で不良パターンに分類させる命令と、（ハ）時系列データのそれぞれを複数のアルゴリズムにより統計的に処理して複数のアルゴリズムのそれぞれに対応する複数の特徴量を特徴量算出部に算出させる命令と、（ニ）複数の特徴量のそれぞれについて、不良パターンの有無のそれぞれに対する特徴量の頻度分布を求め、不良パターンの有無による頻度分布間の有意差検定を特徴量解析部に実施させる命令と、（ホ）有意差検定で求められた検定値を検定基準値と比較して不良パターンの発生原因を異常パラメータ抽出部に特定させる命令とをコンピュータに実行させるためのプログラムであることを要旨とする。

本発明の第６の態様は、（イ）複数のプロセスモジュールにそれぞれ配置された複数の製造装置をそれぞれ制御する装置パラメータの設定値を製造情報入力部に取得させる命令と、（ロ）複数のプロセスモジュールでそれぞれ処理されたウェーハ上の半導体装置に実施される電気的テスト及び欠陥検査からウェーハテスト情報及び欠陥情報を検査情報入力部に取得させる命令と、（ハ）ウェーハテスト情報及び欠陥情報に基づいてプロセスモジュールのプロセス歩留りを歩留り算出部に算出させる命令と、（ニ）設定値及びプロセス歩留りに基づいて、プロセス歩留りに対して有意差を有する装置パラメータを統計的に抽出し、プロセス歩留りが最大となる最適装置パラメータの設定値を最適パラメータ抽出部に判定させる命令とをコンピュータに実行させるためのプログラムであることを要旨とする。

本発明によれば、製造装置の装置パラメータの時系列データを特徴量化して、分類された不良パターンの有無による特徴量の頻度分布の有意差を検定することができ、不良発生原因の装置パラメータの特定が可能な製造装置管理システム、製造装置管理方法及びプログラムを提供することが可能となる。

また、本発明によれば、製造装置の装置パラメータ設定値と対象プロセスモジュールの製造歩留りより、最適な装置パラメータ設定値を抽出することができ、対象プロセスモジュールの高歩留りを実現する最適な製造装置の運転環境の実現を可能とする製造装置管理システム、製造装置管理方法及びプログラムを提供することが可能となる。

以下図面を参照して、本発明の形態について説明する。以下の図面の記載において、同一または類似の部分には同一または類似の符号が付してある。但し、図面は模式的なものであり、装置やシステムの構成等は現実のものとは異なることに留意すべきである。したがって、具体的な構成は以下の説明を参酌して判断すべきものである。また図面相互間においても互いの構成等が異なる部分が含まれていることは勿論である。

（第１の実施の形態）
本発明の第１の実施の形態に係る製造装置管理システムは、図１に示すように、装置パラメータデータベース２２、生産管理データベース２４、ウェーハテストデータベース２６、不良パターン分類データベース２８、特徴量データベース３０、リアルタイムモニタデータベース３２、複数のリアルタイムモニタユニット６ａ、６ｂ、・・・、６ｎ、及び中央処理制御装置(ＣＰＵ)１０等を備える。装置パラメータデータベース２２は、装置パラメータ収集サーバ８に設置されている。生産管理データベース２４は、生産管理サーバ１６に設置されている。ウェーハテストデータベース２６は、テスタサーバ２０に設置されている。リアルタイムモニタユニット６ａ、６ｂ、・・・、６ｎ、装置パラメータ収集サーバ８、生産管理サーバ１６、及びテスタサーバ２０はＣＰＵ１０に接続されている。また、ＣＰＵ１０には、入力装置１２、出力装置１４、不良パターン分類データベース２８、特徴量データベース３０、リアルタイムモニタデータベース３２、及び外部メモリ３４が接続されている。更に、ＣＰＵ１０は、製造情報入力部４０、不良パターン分類部４２、特徴量算出部４４、特徴量解析部４６、異常パラメータ抽出部４８、及び内部メモリ５０等を備えている。

装置パラメータ収集サーバ８には、半導体装置の製造ラインに配置された複数の製造装置２ａ、２ｂ、・・・、２ｎのそれぞれに付属する装置パラメータ取得ユニット４ａ、４ｂ、・・・、４ｎが接続されている。装置パラメータ取得ユニット４ａ、４ｂ、・・・、４ｎのそれぞれには、リアルタイムモニタユニット６ａ、６ｂ、・・・、６ｎが接続されている。また、テスタサーバ２０には、テスタ１８が接続されている。

入力装置１２は、キーボード、マウス等の機器を指す。入力装置１２から入力操作が行われると対応するキー情報がＣＰＵ１０に伝達される。出力装置１４は、モニタなどの画面を指し、液晶表示装置（ＬＣＤ）、発光ダイオード（ＬＥＤ）パネル、エレクトロルミネセンス（ＥＬ）パネル等が使用可能である。出力装置１４は、ＣＰＵ１０により制御され、電気的テストから得られる不良マップや装置パラメータを定量化する特徴量の計算結果等を表示する。外部メモリ３４は、不良パターンの分類、装置パラメータの特徴量化、あるいは特徴量解析の統計的な演算等をＣＰＵ１０に実行させるためのプログラムを保存している。また、ＣＰＵ１０の内部メモリ５０又は外部メモリ３４は、ＣＰＵ１０における演算において、計算途中や解析途中のデータを一時的に保存する。

各製造装置２ａ、２ｂ、・・・、２ｎからは、製造装置２ａ、２ｂ、・・・、２ｎの運転状態や運転条件設定値等の装置パラメータが出力されている。装置パラメータには、例えばプロセスチャンバ内の圧力やガス流量、温度、投入高周波（ＲＦ）電力等のレシピに記載された設定値やセンサ出力のモニタ値等の情報が含まれている。製造装置２ａ、２ｂ、・・・、２ｎのそれぞれに配置された装置パラメータ取得ユニット４ａ、４ｂ、・・・、４ｎは、製造装置２ａ、２ｂ、・・・、２ｎそれぞれの装置パラメータの情報を取得し、例えばクリーンルーム内に設置されたローカルエーリアネットワーク（ＬＡＮ）等のネットワークシステムに情報を伝達する。装置パラメータ収集サーバ８は、装置パラメータ取得ユニット４ａ、４ｂ、・・・、４ｎから伝達された装置パラメータ情報を収集し、時系列データとして装置パラメータデータベース２２に格納する。また、生産管理サーバ１６は、製造装置２ａ、２ｂ、・・・、２ｎのそれぞれで処理された製品名及びロット番号等を、時刻情報と共に生産管理データベース２４に格納する。テスタ１８は、ウェーハプロセスが終了した半導体装置のウェーハに作製された複数の回路ブロックのそれぞれに対して、製造ライン上で各種の電気的テストからなるウェーハテストを実施する。テスタ１８を管理するテスタサーバ２０は、取得されたウェーハテストの結果から不良半導体装置の不良マップを作成し、ロット番号と共にウェーハテストデータベース２６に格納する。

ＣＰＵ１０の製造情報入力部４０は、装置パラメータ収集サーバ８より製造装置２ａ、２ｂ、・・・、２ｎのそれぞれについて装置パラメータの時系列データを取得する。また、製造情報入力部４０は、生産管理サーバ１６より各ロットの処理履歴情報を時系列データとして取得する。その結果、製造装置２ａ、２ｂ、・・・、２ｎのそれぞれの装置パラメータに、ロットの処理履歴情報が付加された時系列データが得られる。

不良パターン分類部４２は、テスタサーバ２０より不良マップを参照し、図２に示すように、黒点で示されたクラスタリング不良９２のウェーハ面内での不良半導体装置の分布傾向に基づいて不良マップ９０ａ、９０ｂ、９０ｃ、・・・、９０ｄ、９０ｅ、９０ｆ、・・・を有するロットを不良パターン毎に分類する。例えば、不良パターン分類番号［１］として、ウェーハの左下エッジ部にクラスタリング不良９２を有するロットが分類されている。また、不良パターン分類番号［２］として、ウェーハ中央部にクラスタリング不良９２を有するロットが分類されている。不良パターンの分類結果は、ロット番号と共に不良パターン分類データベース２８に格納される。不良パターンの分類は、過去一定期間にウェーハテストが実施されたロットを対象に行う。第１の実施の形態では、不良パターン分類部４２は、例えば過去１週間分のウェーハテスト結果を分類して毎日更新する。不良パターンの分類は、クラスタリング不良の不良パターンを定量化した不良パターン特徴量を閾値と比較することにより実施する。例えば、ウェーハ面に分割領域を定義して、着目する分割領域のクラスタリング不良の不良密度を不良パターン特徴量として求める。あるいは、着目する分割領域での不良の偏りの程度を統計的に処理して定量化した不良パターン特徴量を用いてもよい。

特徴量算出部４４は、入力された装置パラメータの時系列データを特徴量化する。ここで、「特徴量化」とは、一定期間の装置パラメータ値の時系列データの波形（以下、「装置パラメータ波形」と称する。）を、一つのスカラー量(特徴量)で表現することを意味する。第１の実施の形態においては、ロット処理履歴情報を参照し、各ロットが製造装置に到着してから、処理を終えて製造装置から払い出されるまでのロットシーケンス期間の装置パラメータ波形に対して特徴量化を行う。

図３に示すように、装置パラメータ波形の特徴量化には、複数のアルゴリズムを用いる。装置パラメータ波形の特徴量化のアルゴリズムのそれぞれから検出が可能な異常は、特徴量化アルゴリズムに依存している。例えば、特徴量化アルゴリズムの一例では、自己相関関数が用いられる。ロット到着から払い出しまでの装置パラメータ波形の規則性が自己相関係数として特徴量化される。図４に示すように、装置パラメータが時刻に対して定常的な値を取る場合は、自己相関係数、即ち装置パラメータ波形特徴量は小さい。一方、図５に示すように、装置パラメータが時刻に対して変化を示すと、装置パラメータ値の変動の度合いに応じて装置パラメータ波形特徴量が増大する。したがって、装置パラメータ波形の自己相関係数は、製造装置の異常発生時に定常状態から変動する装置パラメータの検出に対して有効な特徴量である。

特徴量化アルゴリズムの他の例では、１台の製造装置から取得される複数の装置パラメータに関して、装置パラメータ波形の変動の増減傾向の一致率が装置パラメータ波形特徴量として計算される。例えば、ロットシーケンスを一定の時間間隔Δｔで分割し、時間間隔Δｔ内で複数の装置パラメータの値の各々に対して、増減傾向が一致していない場合は０、増減傾向が一致している場合は１として、ロットシーケンス全時間帯での和を一致率として特徴量とする。図６に示すように、例えば装置パラメータＰａ、Ｐｂ、及びＰｃの各々の増減傾向が互いに無関係な場合は一致率が低く、装置パラメータ波形特徴量は小さい。一方、図７に示すように、装置パラメータＰｄ、Ｐｅ、及びＰｆの各々の増減傾向が製造装置の状態に影響されて揃って変化する場合は一致率は高く、装置パラメータ波形特徴量は大きい。したがって、複数の装置パラメータ波形の増減傾向の一致率は、製造装置の異常により複数の装置パラメータが同傾向で変動する場合の検知に有効な特徴量である。

また、特徴量化アルゴリズムの他の例では、装置パラメータ波形の時系列変動を１次関数で近似した時の傾きの１次フィッティング係数が装置パラメータ波形特徴量として計算される。図８に示すように、装置パラメータ値が点線で示す一定値を中心に変動している場合は、装置パラメータ波形特徴量は小さい。一方、図９に示すように、装置パラメータ値の時系列変動が直線的に増加する場合は、装置パラメータ波形特徴量は大きい。したがって、１次フィッティング係数は、製造装置のドリフト的な異常を検知する場合に有効な特徴量である。

更に、特徴量化アルゴリズムの他の例では、対象ロットシーケンス及び直前ロットシーケンス期間中の装置パラメータ波形との差異を示す相関関係の相関係数に関する数値が装置パラメータ波形特徴量として計算される。具体的には、それぞれのロットシーケンス中の対応する時刻の装置パラメータを２次元プロットした時の相関係数ｒに対し、（１−ｒ）を装置パラメータ波形特徴量とする。図１０に示すように、着目する製造装置で順次処理されたロット＃Ｘａ及びロット＃Ｘｂの装置パラメータ波形が互いに類似する場合、直前ロット＃Ｘａ及び対象ロット＃Ｘｂのシーケンスの２次元プロットの相関係数ｒは、図１１に示すように、約１となるため、装置パラメータ波形特徴量は約０となる。一方、図１２に示すように、着目する製造装置で順次処理されたロット＃Ｘｃ及びロット＃Ｘｄの装置パラメータ波形が互いに相違する場合、直前ロット＃Ｘｃ及び対象ロット＃Ｘｄのシーケンスの２次元プロットの相関係数ｒは、図１３に示すように、０に近い値となるため、装置パラメータ波形特徴量は１に近い値となる。したがって、対象ロットシーケンス及び直前ロットシーケンスの相関係数ｒから求められる特徴量は、突発的な異常発生による装置パラメータ波形変化を検知するのに有効となる。

更に、特徴量化アルゴリズムの他の例では、対象ロットシーケンス及び過去のロットシーケンスにおける類似装置パラメータ波形の有無を示す相関関係の相関係数に関する数値が装置パラメータ波形特徴量として求められる。具体的には、図１０〜図１３に示した同じアルゴリズムで、対象ロットシーケンス及び過去のロットシーケンスとの２次元プロットの相関係数ｒを求め、最も値の大きい相関係数ｒｍａｘを検索し、（１−ｒｍａｘ）を装置パラメータ波形特徴量とする。図１４に示すように、着目する製造装置で順次処理されたロット＃Ｙａ、＃Ｙｂ、・・・、＃Ｙｃ、及びロット＃Ｙｄの装置パラメータ波形のうち、対象ロット＃Ｙｄシーケンス及び過去のロット＃Ｙｂシーケンスはほぼ同一の波形を示し、最大の相関係数ｒｍａｘを与える。したがって、対象ロット＃Ｙｄシーケンス及び過去のロット＃Ｙｂシーケンスの装置パラメータ波形特徴量（１−ｒｍａｘ）は、０に近い値となる。一方、図１５に示すように、着目する製造装置で順次処理されたロット＃Ｙｅ、＃Ｙｆ、・・・、＃Ｙｇ、及びロット＃Ｙｈの装置パラメータ波形のうち、対象ロット＃Ｙｈシーケンスと、最大の相関係数ｒｍａｘを与える過去のロット#Ｙｅシーケンスとは類似していない。したがって、対象ロット＃Ｙｈシーケンス及び過去のロット＃Ｙｅシーケンスの装置パラメータ波形特徴量（１−ｒｍａｘ）は、１に近い値となる。したがって、対象ロットシーケンス及び過去のロットシーケンスの最大相関係数ｒｍａｘから求められる特徴量は、レシピによって装置パラメータ波形が異なる場合の異常装置パラメータ波形検知に有効となる。

特徴量算出部４４は、全ての製造装置２ａ、２ｂ、・・・、２ｎで処理された全てのロットに対して、図３の全てのアルゴリズムにより求めた装置パラメータ波形特徴量のそれぞれを、図１６に示すように、ロット番号と共に特徴量データベース３０に格納する。

特徴量解析部４６は、特徴量データベース３０及び不良パターン分類データベース２８を参照し、各ロットのｉ番目の装置パラメータ波形特徴量を、ｊ番目の分類不良パターンの有無に分けて頻度分布を求める。不良パターン分類番号［ｊ］の有無による頻度分布に対して、カイ２乗（χ²）検定により有意差検定値Ｐｉｊが求められる。ここで、有意差検定値Ｐｉｊの検定基準値は０．０５とされている。そして、有意差検定値Ｐｉｊが検定基準値以下の場合、有意差ありと判定する。例えば、図１７に示すように、不良パターン分類番号［ｊ］の有無による装置パラメータ波形特徴量番号［ｍ］の頻度分布は類似している。装置パラメータ波形特徴量番号［ｍ］の頻度分布に対する有意差検定値Ｐｍｊは、検定基準値以上となり、有意差なしと判定される。したがって、装置パラメータ波形特徴量番号［ｍ］に対応する装置パラメータが不良パターン分類番号［ｊ］の不良原因ではないと判定される。また、不良パターン分類番号［ｊ］の有無による装置パラメータ波形特徴量番号［ｎ］の頻度分布は相違している。装置パラメータ波形特徴量番号［ｎ］の頻度分布に対する有意差検定値Ｐｎｊは、検定基準値以下となり、有意差有りと判定される。したがって、装置パラメータ波形特徴量番号［ｎ］に対応する装置パラメータが不良パターン分類番号［ｊ］の不良原因と判定される。対象期間の全てのロットに対し、図１８に示すように、全ての装置パラメータ波形特徴量及び不良パタン分類に対する有意差検定値Ｐｉｊが計算される。

異常パラメータ抽出部４８は、図１８に示したテーブルより検定基準値以下になっている有意差検定値Ｐｉｊを検索する。図１８に示したように、有意差検定値Ｐ３２が検定基準値以下の０．０１であり、有意差が存在すると判定される。その結果、図２に示した不良パターン分類番号［２］のウェーハ中央不良の発生原因として、装置パラメータ波形特徴量番号［３］が抽出される。例えば、図１９に示すように、プロセスＮの製造装置Ｍで順次処理されたロット#Ｚａ、ロット＃Ｚｂ、及びロット＃Ｚｃにおいて、ロット＃Ｚｃのシーケンスでウェーハ中央不良発生に該当する装置パラメータ波形特徴量番号［３］に対応する温度の異常な変動が見られる。対象ロット＃Ｚｃシーケンスの温度の異常変動は、特に自己相関係数を用いた特徴量により感度よく検知される。

異常を引き起こしている装置パラメータが特定されると、異常パラメータ抽出部４８は、装置パラメータの異常発生の状況と、異常発生に該当するプロセス名、製造装置名、装置パラメータ名、及び異常を検知した特徴量アルゴリズム等の異常発生情報をリアルタイムモニタデータベース３２に格納する。更に、異常パラメータ抽出部４８は、異常発生情報を装置パラメータ取得ユニット４ａ、４ｂ、・・・、４ｎのそれぞれに接続されたリアルタイムモニタユニット６ａ、６ｂ、・・・、６ｎに転送する。リアルタイムモニタユニット６ａ、６ｂ、・・・、６ｎは、異常パラメータ抽出部４８から受け取った異常発生情報に基づいて、装置パラメータ取得ユニット４ａ、４ｂ、・・・、４ｎで取得される製造装置２ａ、２ｂ、・・・、２ｎの装置環境情報から不良原因の装置パラメータ波形特徴量を計算しながら、不良原因の装置パラメータ波形特徴量の値を常時監視する。不良原因の装置パラメータ波形特徴量が異常値を示したら、異常パラメータ抽出部４８により抽出された不良が該当する製造装置で発生していることをオペレータに通報する。これにより、該当する製造装置のメンテナンスが直ちに行われ、不良発生による被害を最小限に抑えることができる。

以上説明したように、第１の実施の形態にかかる製造装置管理システムでは、装置パラメータ波形を特徴量化し、特定の不良パターンの有無による装置パラメータ波形特徴量の頻度分布の有意差を求めることにより、不良パターン発生原因の装置パラメータ及び製造装置を特定することができる。更に、不良パターン発生原因の特定に用いた装置パラメータ波形特徴量を参照して製造装置をモニタすることにより、特定の不良パターンのリアルタイムモニタシステムを構築することが可能となる。

次に、本発明の第１の実施の形態に係る製造装置管理方法を、図２１に示すフローチャートを用いて説明する。まず、製造装置管理の対象となる複数の製造装置２ａ、２ｂ、・・・、２ｎでは、図１に示した製造管理システムに接続された製造ラインにおいて半導体装置の複数のウェーハがロット単位で処理されて製造されている。複数のロットを順次処理する複数の製造装置２ａ、２ｂ、・・・、２ｎのそれぞれを制御する装置パラメータの時系列データが、それぞれ装置パラメータ取得ユニット４ａ、４ｂ、・・・、４ｎで取得される。装置パラメータ取得ユニット４ａ、４ｂ、・・・、４ｎのそれぞれにより取得された装置パラメータの時系列データは、装置パラメータ収集サーバ８により装置パラメータデータベース２２に格納されている。製造装置２ａ、２ｂ、・・・、２ｎのそれぞれで処理された製品名及びロット番号等の処理履歴情報が、生産管理サーバ１６により時刻情報と共に生産管理データベース２４に格納されている。また、テスタ１８によりウェーハプロセスが終了した半導体装置のウェーハに作製された複数の回路ブロックのそれぞれに対して、製造ライン上で各種の電気的テストからなるウェーハテストが実施される。テスタ１８を管理するテスタサーバ２０では、取得されたウェーハテストの結果から不良マップが作成され、ロット番号と共にウェーハテストデータベース２６に格納されている。

（イ）ステップＳ１００で、図１に示したＣＰＵ１０の製造情報入力部４０により、複数の製造装置２ａ、２ｂ、・・・、２ｎのそれぞれを制御する複数の装置パラメータの時系列データが装置パラメータ収集サーバ８の装置パラメータデータベース２２から取得される。また、ステップＳ１０１で、各ロットの処理履歴情報の時系列データが、製造情報入力部４０により、生産管理サーバ１６の生産管理データベース２４から取得される。

（ロ）ステップＳ１０２で、不良パターン分類部４２により、テスタサーバ２０のウェーハテストデータベース２６に格納されている不良マップが取得される。不良パターン分類部４２は、不良マップのそれぞれについて、不良のウェーハ面内分布傾向に基づいて不良パターンに分類し、不良パターン分類データベース２８に格納する。

（ハ）ステップＳ１０３で、特徴量算出部４４により、製造装置２ａ、２ｂ、・・・、２ｎのそれぞれで処理されるロットシーケンス期間を基に複数の装置パラメータの時系列データのそれぞれが複数の特徴量化アルゴリズムを用いて統計的に処理されて、各特徴量化アルゴリズムに対応する複数の装置パラメータ波形特徴量が算出される。ステップＳ１０４で、対象となる全ての装置パラメータの時系列データについて装置パラメータ波形特徴量が算出されるまで、ステップＳ１０３の装置パラメータ波形特徴量の算出が繰り返される。算出された装置パラメータ波形特徴量は、特徴量データベース３０に格納される。

（ニ）装置パラメータ波形特徴量番号［ｉ］、及び不良パターン分類番号［ｊ］の全ての組み合わせの有意差検定値Ｐｉｊを算出するため、まずステップＳ１０５で、装置パラメータ波形特徴量番号［ｉ］を１、及び不良パターン分類番号［ｊ］を１とする。特徴量解析部４６により、ステップＳ１０６で、装置パラメータ波形特徴量番号［１］に対して不良パターン分類番号［１］の有無に対する頻度分布をそれぞれ求める。特徴量解析部４６は、求めた不良パターン分類番号［１］の有無による頻度分布間の有意差検定を実施し、有意差検定値Ｐ１１を算出する。ステップＳ１０７で、全ての装置パラメータ波形特徴量番号［ｉ］、及び不良パターン分類番号［ｊ］の組み合わせについて有意差検定値Ｐｉｊが算出されるまで、ステップＳ１０６の有意差検定値Ｐｉｊの算出が繰り返される。

（ホ）ステップＳ１０８で、異常パラメータ抽出部４８により、各有意差検定値Ｐｉｊが検定基準値と比較されて異常な装置パラメータ波形特徴量が検索される。その結果、不良パターンの発生原因となる異常を引き起こしている装置パラメータが特定される。また、異常パラメータ抽出部４８により、不良パターン発生原因と特定された装置パラメータの異常発生の状況、異常発生に該当するプロセス名、製造装置名、装置パラメータ名称、及び異常を検知した特徴量アルゴリズム等の異常発生情報がリアルタイムモニタデータベース３２に格納される。更に、ステップＳ１０９で、異常パラメータ抽出部４８により、異常発生情報が該当するリアルタイムモニタユニット６ａ、６ｂ、・・・、６ｎに転送される。

第１の実施の形態に係る製造装置管理方法によれば、該当するリアルタイムモニタユニット６ａ、６ｂ、・・・、６ｎでは、異常パラメータ抽出部４８から受け取った異常発生情報に基いて、該当する製造装置２ａ、２ｂ、・・・、２ｎの装置パラメータ取得ユニット４ａ、４ｂ、・・・、４ｎで取得される装置環境情報から計算される装置パラメータ波形特徴量が常時監視される。監視している装置パラメータ波形特徴量に異常が検出されたら、リアルタイムモニタユニット６ａ、６ｂ、・・・、６ｎは、異常パラメータ抽出部４８により抽出された不良パターン発生原因に該当する製造装置２ａ、２ｂ、・・・、２ｎの異常が発生していることをオペレータに通報する。リアルタイムモニタユニット６ａ、６ｂ、・・・、６ｎからの通報により、該当する製造装置２ａ、２ｂ、・・・、２ｎのメンテナンスが直ちに行われ、不良発生による被害を最小限に抑えることができる。

（第２の実施の形態）
本発明の第２の実施の形態に係る製造装置管理システムは、図２２に示すように、装置パラメータデータベース２２、生産管理データベース２４、ウェーハテストデータベース２６、欠陥情報データベース６６、及びＣＰＵ１０ａ等を備える。装置パラメータデータベース２２は、装置パラメータ収集サーバ８に配置されている。生産管理データベース２４は、生産管理サーバ１６に配置されている。ウェーハテストデータベース２６は、テスタサーバ２０に配置されている。欠陥情報データベース６６は、欠陥情報サーバ６４に配置されている。装置パラメータ収集サーバ８、生産管理サーバ１６、テスタサーバ２０、及び欠陥情報サーバ６４はＣＰＵ１０ａに接続されている。また、ＣＰＵ１０ａには、入力装置１２、出力装置１４、装置パラメータ分類データベース６８、最適装置パラメータデータベース７０、及び外部メモリ３４が接続されている。更に、ＣＰＵ１０ａは、製造情報入力部４０、検査情報入力部７２、対象プロセスモジュール設定部７４、歩留り算出部７６、最適パラメータ抽出部７８、及び内部メモリ５０ａ等を備えている。

半導体装置の製造ラインには、複数のプロセスモジュール６０ａ、６０ｂ、・・・、６０ｃが配置されている。プロセスモジュール６０ａには複数の製造装置２ａ、２ｂ、・・・、２ｃが、プロセスモジュール６０ｂには複数の製造装置２ｄ、２ｅ、・・・、２ｆが、・・・、プロセスモジュール６０ｃには複数の製造装置２ｇ、２ｈ、・・・、２ｉがそれぞれ配置されている。複数の製造装置２ａ、２ｂ、・・・、２ｃ、２ｄ、２ｅ、・・・、２ｆ、２ｇ、２ｈ、・・・、２ｉのそれぞれに付属する装置パラメータ取得ユニット４ａ、４ｂ、・・・、４ｃ、４ｄ、４ｅ、・・・、４ｆ、４ｇ、４ｈ、・・・、４ｉは、装置パラメータ収集サーバ８に接続されている。プロセスモジュール６０ａ、６０ｂ、・・・、６０ｃとしては、例えば素子活性層形成、トランジスタゲート形成、あるいは第１層配線形成等で実施される連続する複数の要素プロセス群を結合した素子活性層プロセスモジュール、トランジスタゲートプロセスモジュール、あるいは第１層配線プロセスモジュール等が設けられる。

テスタサーバ２０には、テスタ１８が接続されている。欠陥情報サーバ６４には、欠陥検査装置６２が接続されている。テスタ１８及び欠陥検査装置６２は、プロセスモジュール６０ａ、６０ｂ、・・・、６０ｃのそれぞれでのロットの処理が終了するたびに、処理ウェーハ上の半導体装置回路パターンやテストエレメントグループ（ＴＥＧ）の電気的テストや欠陥検査を実施する。テスタサーバ２０及び欠陥情報サーバ６４は、テスタ１８及び欠陥検査装置６２の電気的テスト及び欠陥検査の結果をロット情報と共に、プロセスモジュール６０ａ、６０ｂ、・・・、６０ｃのそれぞれについてのウェーハテスト情報及び欠陥情報としてウェーハテストデータベース２６及び欠陥情報データベース６６に格納する。

第２の実施の形態に係る製造装置管理システムでは、プロセスモジュール６０ａ、６０ｂ、・・・、６０ｃのそれぞれのウェーハテスト情報及び欠陥情報を用いて、ＣＰＵ１０ａによりプロセスモジュール６０ａ、６０ｂ、・・・、６０ｃのそれぞれに配置されている製造装置２ａ、２ｂ、・・・、２ｃ、２ｄ、２ｅ、・・・、２ｆ、２ｇ、２ｈ、・・・、２ｉの管理が行われる点が第１の実施の形態と異なる。他の構成は第１の実施の形態と同様であるので、重複する記載は省略する。

ＣＰＵ１０ａの製造情報入力部４０は、装置パラメータ収集サーバ８の装置パラメータデータベース２２から、製造ラインのプロセスモジュール６０ａ、６０ｂ、・・・、６０ｃのそれぞれに配置された製造装置２ａ、２ｂ、・・・、２ｃ、２ｄ、２ｅ、・・・、２ｆ、２ｇ、２ｈ、・・・、２ｉを制御する複数の装置パラメータの設定値を取得する。また、製造情報入力部４０は、生産管理サーバ１６の生産管理データベース２４から、プロセスモジュール６０ａ、６０ｂ、・・・、６０ｃのそれぞれで処理されたロット処理履歴情報を取得する。検査情報入力部７２は、テスタサーバ２０のウェーハテストデータベース２６及び欠陥情報サーバ６４の欠陥情報データベース６６から、プロセスモジュール６０ａ、６０ｂ、・・・、６０ｃのそれぞれのウェーハテスト情報及び欠陥情報を取得する。

対象プロセスモジュール設定部７４は、複数のプロセスモジュール６０ａ、６０ｂ、・・・、６０ｃの中から対象プロセスモジュールを設定する。そして、対象プロセスモジュール、例えば素子活性層プロセスモジュールについて、素子活性層プロセスモジュールに関わる製造装置を全て抽出する。更に、対象プロセスモジュール設定部７４は、抽出された素子活性層プロセスモジュールの製造装置のそれぞれに対する複数の装置パラメータ設定値を、図２３に示すように、製造情報入力部４０で取得されたロット処理履歴情報に基づいてロット毎にテーブル化し、装置パラメータ設定値情報として装置パラメータ分類データベース６８に格納する。

歩留り算出部７６は、検査情報入力部７２で取得されたウェーハテスト情報及び欠陥情報に基づいて対象プロセスモジュールのプロセス歩留りを算出する。対象プロセスモジュールのプロセス歩留りの算出結果は、図２４に示すように、ロット処理履歴情報に基づいてロット毎にテーブル化される。

最適パラメータ抽出部７８は、装置パラメータ分類データベース６８から取得した装置パラメータ設定値情報、及び歩留り算出部７６で算出されたロット毎のプロセス歩留りに基づいて、対象プロセスモジュールのプロセス歩留りに対して有意差を有する装置パラメータを統計的手法により抽出する。装置パラメータ抽出の統計的手法としては、データマイニングを用いることができる。また、装置パラメータ抽出の統計的手法に、多変量解析を用いてもよい。更に、最適パラメータ抽出部７８は、抽出した装置パラメータから、図２５に示すように、対象プロセスモジュールで高歩留りとなる装置パラメータ番号及び装置パラメータ設定値の組み合わせを求め、最適装置パラメータ設定値として最適装置パラメータデータベース７０に格納する。

上述のように、第２の実施の形態に係る製造装置管理システムによれば、対象プロセスモジュールの歩留りと相関のある装置パラメータ設定値を、対象プロセスモジュールに関わる全製造装置の装置パラメータの中から統計的手法によって抽出し、対象プロセスモジュールで高歩留りとなる装置パラメータ番号及び最適装置パラメータ設定値の組み合わせを求めることができる。更に、抽出された最適装置パラメータ設定値を該当する製造装置の装置パラメータとして設定・維持することで、対象プロセスモジュールで高プロセス歩留りを得る製造装置の運転環境を実現することができる。

次に、本発明の第２の実施の形態に係る製造装置管理方法を、図２６に示すフローチャートを用いて説明する。製造装置管理の対象となる複数の製造装置２ａ、２ｂ、・・・、２ｃ、２ｄ、２ｅ、・・・、２ｆ、２ｇ、２ｈ、・・・、２ｉは、図２２に示した製造管理システムに接続された製造ラインの複数のプロセスモジュール６０ａ、６０ｂ、・・・、６０ｃにおいて半導体装置の複数のウェーハをロット単位で処理して製造している。複数のロットを順次処理する複数の製造装置２ａ、２ｂ、・・・、２ｃ、２ｄ、２ｅ、・・・、２ｆ、２ｇ、２ｈ、・・・、２ｉのそれぞれを制御する装置パラメータ設定値が、それぞれ装置パラメータ取得ユニット４ａ、４ｂ、・・・、４ｃ、４ｄ、４ｅ、・・・、４ｆ、４ｇ、４ｈ、・・・、４ｉで取得される。装置パラメータ取得ユニット４ａ、４ｂ、・・・、４ｃ、４ｄ、４ｅ、・・・、４ｆ、４ｇ、４ｈ、・・・、４ｉにより取得された装置パラメータ設定値は、装置パラメータ収集サーバ８により装置パラメータデータベース２２に格納されている。プロセスモジュール６０ａ、６０ｂ、・・・、６０ｃのそれぞれで処理されたロット処理履歴情報が、生産管理サーバ１６により生産管理データベース２４に格納されている。また、テスタ１８及び欠陥検査装置６２では、プロセスモジュール６０ａ、６０ｂ、・・・、６０ｃのそれぞれでのロットの処理が終了するたびに、処理ウェーハ上の半導体装置回路パターンやＴＥＧの電気的テストや欠陥検査が実施される。テスタサーバ２０及び欠陥情報サーバ６４は、テスタ１８及び欠陥検査装置６２の電気的テスト及び欠陥検査の結果は、ロット情報と共に、プロセスモジュール６０ａ、６０ｂ、・・・、６０ｃのそれぞれについてのウェーハテスト情報及び欠陥情報としてウェーハテストデータベース２６及び欠陥情報データベース６６に格納されている。

（イ）ステップＳ２００で、図２２に示したＣＰＵ１０ａの製造情報入力部４０により、複数の製造装置２ａ、２ｂ、・・・、２ｃ、２ｄ、２ｅ、・・・、２ｆ、２ｇ、２ｈ、・・・、２ｉのそれぞれを制御する複数の装置パラメータ設定値が装置パラメータ収集サーバ８の装置パラメータデータベース２２から取得される。また、ステップＳ２０１で、製造情報入力部４０により、プロセスモジュール６０ａ、６０ｂ、・・・、６０ｃのそれぞれで処理されたロット処理履歴情報が、生産管理サーバ１６の生産管理データベース２４から取得される。

（ロ）ステップＳ２０２で、検査情報入力部７２により、テスタサーバ２０のウェーハテストデータベース２６に格納されているウェーハテスト情報がロット情報と共に取得される。また、ステップＳ２０３で、検査情報入力部７２により、欠陥情報サーバ６４の欠陥情報データベース６６に格納されている欠陥情報がロット情報と共に取得される。

（ハ）ステップＳ２０４で、対象プロセスモジュール設定部７４により、複数のプロセスモジュール６０ａ、６０ｂ、・・・、６０ｃの中から設定された対象プロセスモジュールに関わる製造装置が全て抽出される。更に、ステップＳ２０５で、対象プロセスモジュール設定部７４により、抽出された対象プロセスモジュールの製造装置のそれぞれに対する複数の装置パラメータ設定値が、製造情報入力部４０で取得されたロット処理履歴情報に基づいてロット毎にテーブル化され、装置パラメータ設定値情報として装置パラメータ分類データベース６８に格納される。

（ニ）ステップＳ２０６で、歩留り算出部７６により、検査情報入力部７２で取得されたウェーハテスト情報及び欠陥情報に基づいて対象プロセスモジュールのプロセス歩留りを算出する。

（ホ）ステップＳ２０７で、最適パラメータ抽出部７８により、装置パラメータ分類データベース６８から取得した装置パラメータ設定値情報、及び歩留り算出部７６で算出されたロット毎のプロセス歩留りに基づいて、対象プロセスモジュールのプロセス歩留りに対して有意差を有する装置パラメータが統計的手法により抽出される。更に、ステップＳ２０８で、最適パラメータ抽出部７８により抽出した装置パラメータから、対象プロセスモジュールで高歩留りとなる装置パラメータ番号及び装置パラメータ設定値の組み合わせが求められ、最適装置パラメータ設定値として最適装置パラメータデータベース７０に格納される。

（ヘ）ステップＳ２０９で、全ての対象プロセスモジュールについて最適装置パラメータ設定値が抽出されるまで、ステップＳ２０４からステップＳ２０８の処理が繰り返される。処理終了後、ステップＳ２１０で、最適パラメータ抽出部７８により抽出された最適装置パラメータが、プロセスモジュール６０ａ、６０ｂ、・・・６０ｃのそれぞれの該当する製造装置に伝達されて、装置パラメータとして設定・維持される。

第２の実施の形態に係る製造装置管理方法によれば、対象プロセスモジュールの歩留りと相関のある装置パラメータ設定値を、対象プロセスモジュールに関わる全製造装置の装置パラメータの中から統計的手法によって抽出し、対象プロセスモジュールで高歩留りとなる装置パラメータ番号及び最適装置パラメータ設定値の組み合わせを求めることができる。更に、抽出された最適装置パラメータ設定値を該当する製造装置の装置パラメータとして設定・維持することで、対象プロセスモジュールで高プロセス歩留りを得る製造装置の運転環境を実現することが可能となる。

（その他の実施の形態）
上記のように、本発明の実施の形態を記載したが、この開示の一部をなす論述及び図面はこの発明を限定するものであると理解すべきではない。この開示から当業者にはさまざまな代替実施の形態、実施例及び運用技術が明らかとなろう。

本発明の第１及び第２の実施の形態においては、各プロセスがバッチ処理で実施され、複数のウェーハを含むロット単位の処理履歴情報、ウェーハテスト情報あるいは欠陥情報を用いて、製造装置の管理が行われている。しかし、各プロセスが枚葉処理で実施される場合には、ウェーハ単位の処理履歴情報、ウェーハテスト情報あるいは欠陥情報を用いて、ウェーハ単位で装置パラメータ波形特徴量あるいは最適装置パラメータ設定値を求めて製造装置管理が実施される。

このように、本発明はここでは記載していないさまざまな実施の形態等を含むことは勿論である。したがって、本発明の技術的範囲は上記の説明から妥当な特許請求の範囲に係わる発明特定事項によってのみ定められるものである。

本発明の第１の実施の形態に係る製造装置管理システムの構成の一例を示すブロック図である。 本発明の第１の実施の形態の説明に用いるウェーハテスト結果の一例を示す図である。 本発明の第１の実施の形態の説明に用いる装置パラメータ波形の特徴量化アルゴリズムの一例を示す表である。 自己相関係数による特徴量化の説明に用いる装置パラメータ波形の一例を示す図である。 自己相関係数による特徴量化の説明に用いる装置パラメータ波形の他の例を示す図である。 増減傾向の一致率による特徴量化の説明に用いる装置パラメータ波形の一例を示す図である。 増減傾向の一致率による特徴量化の説明に用いる装置パラメータ波形の他の例を示す図である。 １次フィッティング係数による特徴量化の説明に用いる装置パラメータ波形の一例を示す図である。 １次フィッティング係数による特徴量化の説明に用いる装置パラメータ波形の他の例を示す図である。 直前ロットシーケンスの装置パラメータ波形との相関による特徴量化の説明に用いる装置パラメータ波形の一例を示す図である。 対象ロットシーケンス及び直前ロットシーケンスの装置パラメータ波形の相関の一例を示す図である。 直前ロットシーケンスの装置パラメータ波形との相関による特徴量化の説明に用いる装置パラメータ波形の他の例を示す図である。 対象ロットシーケンス及び直前ロットシーケンスの装置パラメータ波形の相関の他の例を示す図である。 過去ロットシーケンスの装置パラメータ波形との相関による特徴量化の説明に用いる装置パラメータ波形の一例を示す図である。 過去ロットシーケンスの装置パラメータ波形との相関による特徴量化の説明に用いる装置パラメータ波形の他の例を示す図である。 本発明の第１の実施の形態の説明に用いる装置パラメータ波形特徴量の一例を示す表である。 本発明の第１の実施の形態の説明に用いる装置パラメータ波形特徴量の有意差検定の一例を示す表である。 本発明の第１の実施の形態の説明に用いる不良パターンに対する装置パラメータ波形特徴量の有意差検定値の一例を示す表である。 本発明の第１の実施の形態の説明に用いる異常変動発生ロットシーケンスの装置パラメータ波形の一例を示す図である。 本発明の第１の実施の形態の形態の説明に用いる有意差検定結果の一例を示すフローチャートである。 本発明の第１の実施の形態に係る製造装置管理方法の一例を示すフローチャートである。 本発明の第２の実施の形態に係る製造装置管理システムの構成の一例を示すブロック図である。 本発明の第２の実施の形態の説明に用いる対象プロセスモジュールの全製造装置の装置パラメータの一例を示す図である。 本発明の第２の実施の形態の説明に用いる各対象プロセスモジュールの歩留りの一例を示す図である。 本発明の第２の実施の形態の説明に用いる各対象プロセスモジュールで光歩留りを実現する最適装置パラメータ設定値の抽出結果の一例を示す図である。 本発明の第２の実施の形態に係る製造装置管理方法の一例を示すフローチャートである。

符号の説明

２ａ〜２ｉ、２ｎ 製造装置
４ａ〜４ｉ、４ｎ 装置パラメータ取得ユニット
６ａ、６ｂ、６ｎ リアルタイムモニタユニット
８…装置パラメータ収集サーバ
１０、１０ａ ＣＰＵ
１２ 入力装置
１４ 出力装置
１６ 生産管理サーバ
１８ テスタ
２０ テスタサーバ
２２ 装置パラメータデータベース
２４ 生産管理データベース
２６ ウェーハテストデータベース
２８ 不良パターン分類データベース
３０ 特徴量データベース
３２ リアルタイムモニタデータベース
３４ 外部メモリ
４０ 製造情報入力部
４２ 不良パターン分類部
４４ 特徴量算出部
４６ 特徴量解析部
４８ 異常パラメータ抽出部
５０ 内部メモリ
６０ａ、６０ｂ、６０ｃ プロセスモジュール
６２ 欠陥検査装置
６４ 欠陥情報サーバ
６６ 欠陥情報データベース
６８ 装置パラメータ分類データベース
７０ 最適装置パラメータデータベース
７２ 検査情報入力部
７４ 対象プロセスモジュール設定部
７６ 歩留り算出部
７８ 最適パラメータ抽出部
９０ａ〜９０ｆ 不良マップ
９２ クラスタリング不良

Claims (5)

1. 複数の製造装置をそれぞれ制御する装置パラメータの時系列データを取得する製造情報入力部と、
   前記複数の製造装置で製造されたウェーハ上の不良半導体装置のウェーハ面内分布傾向を不良パターンに分類する不良パターン分類部と、
   前記時系列データのそれぞれを複数のアルゴリズムにより統計的に処理して前記複数のアルゴリズムのそれぞれに対応し、一定期間の前記装置パラメータそれぞれの値の時系列データの波形を一つのスカラー量で表現した複数の特徴量を算出する特徴量算出部と、
   前記複数の特徴量のそれぞれについて、前記不良パターンの有無のそれぞれに対する前記特徴量の頻度分布を求め、前記不良パターンの有無による前記頻度分布間の有意差検定を実施する特徴量解析部と、
   前記有意差検定で求められた検定値を検定基準値と比較して前記不良パターンの発生原因特徴量を抽出する異常パラメータ抽出部
   とを備えることを特徴とする製造装置管理システム。
2. 前記発生原因特徴量を参照して前記製造装置の動作を監視するリアルタイムモニタユニットを更に備えることを特徴とする請求項１に記載の製造装置管理システム。
3. 複数の製造装置をそれぞれ制御する装置パラメータの時系列データを取得し、
   前記複数の製造装置で製造されたウェーハ上の不良半導体装置のウェーハ面内分布傾向を不良パターンに分類し、
   前記時系列データのそれぞれを複数のアルゴリズムにより統計的に処理して前記複数のアルゴリズムのそれぞれに対応し、一定期間の前記装置パラメータそれぞれの値の時系列データの波形を一つのスカラー量で表現した複数の特徴量を算出し、
   前記複数の特徴量のそれぞれについて、前記不良パターンの有無のそれぞれに対する前記特徴量の頻度分布を求め、前記不良パターンの有無による前記頻度分布間の有意差検定を実施し、
   前記有意差検定で求められた検定値を検定基準値と比較して前記不良パターンの発生原因を特定する
   ことを含むことを特徴とする製造装置管理方法。
4. 前記発生原因特徴量を参照して前記製造装置の動作を監視することを更に含むことを特徴とする請求項３に記載の製造装置管理方法。
5. 複数の製造装置をそれぞれ制御する装置パラメータの時系列データを製造情報入力部に取得させる命令と、
   前記複数の製造装置で製造されたウェーハ上の不良半導体装置のウェーハ面内分布傾向を不良パターン分類部で不良パターンに分類させる命令と、
   前記時系列データのそれぞれを複数のアルゴリズムにより統計的に処理して前記複数のアルゴリズムのそれぞれに対応し、一定期間の前記装置パラメータそれぞれの値の時系列データの波形を一つのスカラー量で表現した複数の特徴量を特徴量算出部に算出させる命令と、
   前記複数の特徴量のそれぞれについて、前記不良パターンの有無のそれぞれに対する前記特徴量の頻度分布を求め、前記不良パターンの有無による前記頻度分布間の有意差検定を特徴量解析部に実施させる命令と、
   前記有意差検定で求められた検定値を検定基準値と比較して前記不良パターンの発生原因を異常パラメータ抽出部に特定させる命令
   とをコンピュータに実行させるためのプログラム。

Images