JP4694618B2 - 欠陥分布分類方法およびシステム、原因設備特定方法およびシステム、コンピュータプログラム、並びに記録媒体 - Google Patents

Description

この発明は欠陥分布分類方法に関し、より詳しくは、複数の工程を含む製造ラインにおいて処理される基板上の欠陥分布を分類する欠陥分布分類方法に関する。

また、この発明は、そのような欠陥分布分類方法を実行するのに適した欠陥分布分類システムに関する。

また、この発明は、そのような欠陥分布分類方法を実行するとともに、その分類された結果に基づいて、複数の工程を含む製造ラインにおいて製品不良等の原因となる異常な工程や設備を特定する原因設備特定方法に関する。

また、この発明は、そのような原因設備特定方法を実行するのに適した原因設備特定システムに関する。

また、この発明は、そのような欠陥分布分類方法または原因設備特定方法をコンピュータに実行させるためのコンピュータプログラムに関する。

また、この発明は、そのようなコンピュータプログラムを記録したコンピュータ読み取り可能な記録媒体に関する。

従来より、多数の工程を含む半導体デバイスや薄膜デバイスなどの製造ラインでは、製品の歩留まり向上及び安定化を実現するために、幾つかの一連の工程毎にパターン欠陥検査あるいは異物検査（インライン検査）が行われている。そして、インライン検査によって得られる検査情報に基づいて基板上の欠陥分布を分類し、分類結果に基づいて製品不良等の原因となる異常な工程や設備（「原因設備」または「問題設備」と呼ばれる。）を特定するシステムが導入されている。

特開平１１−４５９１９号公報では、格子状の画素毎に不良の個数を複数の半導体基板について加算して濃淡値で示される不良分布画像データを作成している。また、作成された不良分布画像データを、複数用意された不良の発生原因が推定可能な事例データベースと照合解析して不良の発生原因を究明している。

特開２００３−５９９８４号公報では、基板上の欠陥分布を、ａ）繰り返し欠陥、ｂ）密集欠陥、ｃ）線状欠陥、ｄ）環・塊状欠陥、ｅ）ランダム欠陥という、いずれかの分布特徴カテゴリに分類している。

特開２００５−１４２４０６号公報では、ウェーハの面内に半導体装置の複数品種に共通の分割領域を設定し、各ウェーハについて分割領域のそれぞれに含まれる不良チップ領域数を用いて特徴量を算出し、この特徴量を利用して各ウェーハを分類している。

さらに特開２００５−１９７６２９号公報では、一枚の製品基板の製品検査情報（欠陥分布情報あるいは外観情報）に基づいて「自動的に異常検知」を行い、異常があった場合、上位データベースより所定の情報をロードして共通経路解析を行って問題装置を特定している。「自動的に異常検知」を行う方法としては、欠陥分布状態を解析して、環状・塊状・線状・円弧状の４つの有意形状パターンをもつ領域性欠陥が検出された場合、「異常あり」と判定している。または、異常の有無は、欠陥外観情報に基づいて、予め指定したクラス（クラスの指定は、品種・工程毎にレシピによって行っておく。品種・工程によらずに指定しておいてもよい。）の欠陥の個数によって、判定している。

しかしながら、特開平１１−４５９１９号公報の方法では、事例データベース（ライブラリ）を予め人間が構築しなければならず、時間と手間を要するという問題がある。

特開２００３−５９９８４号公報、特開２００５−１４２４０６号公報の方法では、予め人間が欠陥分布のタイプを表す分布特徴カテゴリやウェーハの面内の分割領域を設定する必要がある。このため、検査データを収集しても、直ぐに製造ラインの工程監視業務に導入することはできない。また、製造するデバイスの機種や製造工程、設備の種類が変わった場合、分布特徴カテゴリや分割領域の普遍性が無いため、欠陥分布の特徴を抽出するためのルール（識別ルール）を人間が再構築して実装のやり直しを行う必要がある。このため、識別ルールのメンテナンスのための時間と手間を要し、現場の製造ラインへ普及しづらい。

また、特開２００５−１９７６２９号公報には「自動的に異常検知」と記載されてはいるが、特許文献４の方法では、「自動的に異常検知」を行う前提として、予め人間が環状・塊状・線状・円弧状の４つの有意形状パターンや欠陥のクラスを設定しておく必要がある。つまり、欠陥分布の特徴を抽出するためのルール（識別ルール）や異常の有無を判断するロジックを、過去の経験に基づいて人間が設定する必要がある。

このように、特開平１１−４５９１９号公報、特開２００３−５９９８４号公報、特開２００５−１４２４０６号公報、特開２００５−１９７６２９号公報を含む従来の技術では、欠陥分布の分類や原因設備の特定に人間が介在しなければならず、不便である。

そこで、この発明の課題は、人間が介在せずに、複数の工程を含む製造ラインにおいて処理される基板上の欠陥を自動的に抽出して分類できる欠陥分布分類方法を提供することにある。

また、この発明は、そのような欠陥分布分類方法を実行するのに適した欠陥分布分類システムを提供することにある。

また、この発明は、人間が介在せずに、複数の工程を含む製造ラインにおいて製品不良等の原因となる異常な工程や設備を特定できる原因設備特定方法を提供することにある。

また、この発明は、そのような原因設備特定方法を実行するのに適した原因設備特定システムを提供することにある。

また、この発明は、そのような欠陥分布分類方法または原因設備特定方法をコンピュータに実行させるためのコンピュータプログラムを提供することにある。

また、この発明は、そのようなコンピュータプログラムを記録したコンピュータ読み取り可能な記録媒体を提供することにある。

上記課題を解決するため、この発明の欠陥分布分類方法は、
複数の工程を含む製造ラインにおいて処理される基板上の欠陥を抽出して分類する欠陥分布分類方法であって、
上記製造ラインは、所定の工程終了後に、各基板上の欠陥の位置を表す検査情報を取得する検査工程を含んでおり、
上記検査工程を経たｍ枚（ただし、ｍは２以上の自然数である。）の基板について各基板の表面をそれぞれｎ個（ただし、ｎは２以上の自然数である。）の領域に区画して、上記検査情報に基づいてそれぞれ上記各領域に含まれた欠陥密度を表す（ｍ×ｎ）個の成分をもつ欠陥密度情報を取得し、
上記（ｍ×ｎ）個の成分をもつ欠陥密度情報から統計的に互いに独立したｐ個（ただし、ｐはｍ未満の自然数である。）の、欠陥分布の特徴を表す特徴ベクトルを抽出し、
上記ｐ個の特徴ベクトルと上記各基板の欠陥密度情報との間の相関係数、内積または共分散からなる類似度をそれぞれ求めて、上記類似度に応じて上記ｐ個の特徴ベクトル毎に上記各基板を分類する。

この発明の欠陥分布分類方法では、上記各基板の表面をそれぞれｎ個の領域に区画して上記（ｍ×ｎ）個の成分をもつ欠陥密度情報を取得する処理、上記ｐ個の特徴ベクトルを抽出する処理、および上記ｐ個の特徴ベクトルと上記各基板の欠陥密度情報との間の相関係数、内積または共分散からなる類似度を求めて上記類似度に応じて上記ｐ個の特徴ベクトル毎に上記各基板を分類する処理は、製造するデバイスの機種や製造工程、設備の種類に関わらず、それぞれ同じルールで画一的に行うことが可能である。また、上記各処理は、予め人間が事例データベース（ライブラリ）や欠陥の分布パターン、クラス等を設定しておかなくても、それぞれ実行可能である。したがって、この発明の欠陥分布分類方法によれば、人間が介在せずに、複数の工程を含む製造ラインにおいて処理される基板上の欠陥を自動的に抽出して分類できる。この結果、この欠陥分布分類方法は、製造ラインの監視業務に直ぐに適用可能である。また、この欠陥分布分類方法は、製造するデバイスの機種や製造工程、設備の種類が変わった場合でも、欠陥分布を認識するためのルール（識別ルール）のメンテナンスが不要であるから、常時活用可能である。

一実施形態の欠陥分布分類方法では、
上記欠陥密度情報は、上記ｍ枚の基板についてのそれぞれｎ個の成分をもつ第１のベクトルの集合であり、
上記ｐ個の特徴ベクトルはそれぞれｎ個の成分をもつ第２のベクトルであり、
上記類似度を、上記各基板についての第１のベクトルと上記ｐ個の第２のベクトルとの相関係数、内積または共分散として求めることを特徴とする。

一実施形態の欠陥分布分類方法では、上記類似度が客観的に求められる。

この発明の欠陥分布分類システムは、
複数の工程を含む製造ラインにおいて処理される基板上の欠陥を抽出して分類する欠陥分布分類システムであって、
上記製造ラインは、所定の工程終了後に、各基板上の欠陥の位置を表す検査情報を取得する検査工程を含んでおり、
上記検査工程を経たｍ枚（ただし、ｍは２以上の自然数である。）の基板について各基板の表面をｎ個（ただし、ｎは２以上の自然数である。）の領域にそれぞれ区画して、上記検査情報に基づいてそれぞれ上記各領域に含まれた欠陥密度を表す（ｍ×ｎ）個の成分をもつ欠陥密度情報を取得する欠陥密度分布取得部と、
上記（ｍ×ｎ）個の成分をもつ欠陥密度情報から統計的に互いに独立したｐ個（ただし、ｐはｍ未満の自然数である。）の、欠陥分布の特徴を表す特徴ベクトルを抽出する特徴抽出部と、
上記ｐ個の特徴ベクトルと上記各基板の欠陥密度情報との間の相関係数、内積または共分散からなる類似度をそれぞれ求めて、上記類似度に応じて上記ｐ個の特徴ベクトル毎に上記各基板を分類する分類結果取得部とを備える。

この発明の欠陥分布分類システムでは、上記欠陥密度分布取得部による処理、上記特徴抽出部による処理、および上記分類結果取得部による処理は、製造するデバイスの機種や製造工程、設備の種類に関わらず、それぞれ同じルールで画一的に行うことが可能である。また、上記各処理は、予め人間が事例データベース（ライブラリ）や欠陥の分布パターン、クラス等を設定しておかなくても、それぞれ実行可能である。したがって、この発明の欠陥分布分類システムによれば、人間が介在せずに、複数の工程を含む製造ラインにおいて処理される基板上の欠陥を自動的に抽出して分類できる。この結果、この欠陥分布分類システムは、製造ラインの監視業務に直ぐに適用可能である。また、この欠陥分布分類システムは、製造するデバイスの機種や製造工程、設備の種類が変わった場合でも、欠陥分布を認識するためのルール（識別ルール）のメンテナンスが不要であるから、常時活用可能である。

この発明の原因設備特定方法は、
基板に対して複数の工程を、それぞれその工程を実行可能な１機以上の設備を用いて実行する製造ラインにおいて不良発生の原因となった設備を特定する不良原因設備特定方法であって、
上記製造ラインは、所定の工程終了後に、各基板上の欠陥の位置を表す検査情報を取得する検査工程を含んでおり、
上記検査工程を経たｍ枚（ただし、ｍは２以上の自然数である。）の基板について各基板の表面をｎ個（ただし、ｎは２以上の自然数である。）の領域にそれぞれ区画して、上記検査情報に基づいてそれぞれ上記各領域に含まれた欠陥密度を表す（ｍ×ｎ）個の成分をもつ欠陥密度情報を取得し、
上記（ｍ×ｎ）個の成分をもつ欠陥密度情報から統計的に互いに独立したｐ個（ただし、ｐはｍ未満の自然数である。）の、欠陥分布の特徴を表す特徴ベクトルを抽出し、
上記ｐ個の特徴ベクトルと上記各基板の欠陥密度情報との間の相関係数、内積または共分散からなる類似度をそれぞれ求めて、上記類似度に応じて上記ｐ個の特徴ベクトル毎に上記各基板を分類し、
この得られた分類結果と、上記各基板に対して上記各工程でそれぞれ処理を実行した設備を特定する製造履歴情報とに基づいて、上記製造ラインの複数の設備のうち不良発生の原因となった原因設備を抽出する。

この発明の原因設備特定方法では、上記各基板の表面をそれぞれｎ個の領域に区画して上記（ｍ×ｎ）個の成分をもつ欠陥密度情報を取得する処理、上記ｐ個の特徴ベクトルを抽出する処理、上記ｐ個の特徴ベクトルと上記各基板の欠陥密度情報との間の相関係数、内積または共分散からなる類似度を求めて上記類似度に応じて上記ｐ個の特徴ベクトル毎に上記各基板を分類する処理、および上記製造ラインの複数の設備のうち不良発生の原因となった原因設備を抽出する処理は、製造するデバイスの機種や製造工程、設備の種類に関わらず、それぞれ同じルールで画一的に行うことが可能である。また、上記各処理は、予め人間が事例データベース（ライブラリ）や欠陥の分布パターン、クラス等を設定しておかなくても、それぞれ実行可能である。したがって、この発明の原因設備特定方法によれば、人間が介在せずに、複数の工程を含む製造ラインにおいて製品不良等の原因となる異常な工程や設備を特定できる。この結果、この原因設備特定方法は、製造ラインの監視業務に直ぐに適用可能である。また、この原因設備特定方法は、製造するデバイスの機種や製造工程、設備の種類が変わった場合でも、欠陥分布を認識するためのルール（識別ルール）のメンテナンスが不要であるから、常時活用可能である。

この発明の原因設備特定システムは、
基板に対して複数の工程を、それぞれその工程を実行可能な１機以上の設備を用いて実行する製造ラインにおいて不良発生の原因となった設備を特定する不良原因設備特定システムであって、
上記製造ラインは、所定の工程終了後に、各基板上の欠陥の位置を表す検査情報を取得する検査工程を含んでおり、
上記検査工程を経たｍ枚（ただし、ｍは２以上の自然数である。）の基板について各基板の表面をｎ個（ただし、ｎは２以上の自然数である。）の領域にそれぞれ区画して、上記検査情報に基づいてそれぞれ上記各領域に含まれた欠陥密度を表す（ｍ×ｎ）個の成分をもつ欠陥密度情報を取得する欠陥密度分布取得部と、
上記（ｍ×ｎ）個の成分をもつ欠陥密度情報から統計的に互いに独立したｐ個（ただし、ｐはｍ未満の自然数である。）の、欠陥分布の特徴を表す特徴ベクトルを抽出する特徴抽出部と、
上記ｐ個の特徴ベクトルと上記各基板の欠陥密度情報との間の相関係数、内積または共分散からなる類似度をそれぞれ求めて、上記類似度に応じて上記ｐ個の特徴ベクトル毎に上記各基板を分類する分類結果取得部と、
この得られた分類結果と、上記各基板に対して上記各工程でそれぞれ処理を実行した設備を特定する製造履歴情報とに基づいて、上記製造ラインの複数の設備のうち不良発生の原因となった原因設備を抽出する原因設備抽出部とを備える。

この発明の原因設備特定システムでは、上記欠陥密度分布取得部による処理、上記特徴抽出部による処理、上記分類結果取得部による処理、および上記原因設備抽出部による処理は、製造するデバイスの機種や製造工程、設備の種類に関わらず、それぞれ同じルールで画一的に行うことが可能である。また、上記各処理は、予め人間が事例データベース（ライブラリ）や欠陥の分布パターン、クラス等を設定しておかなくても、それぞれ実行可能である。したがって、この発明の原因設備特定システムによれば、人間が介在せずに、複数の工程を含む製造ラインにおいて処理される基板上の欠陥を自動的に抽出して分類できる。この結果、この原因設備特定システムは、製造ラインの監視業務に直ぐに適用可能である。また、この原因設備特定システムは、製造するデバイスの機種や製造工程、設備の種類が変わった場合でも、欠陥分布を認識するためのルール（識別ルール）のメンテナンスが不要であるから、常時活用可能である。

一実施形態の原因設備特定システムは、上記原因設備によって処理された各基板上の欠陥分布を重ね合わせて第１の欠陥分布重ね合わせ画像を作成するとともに、上記原因設備が実行する工程と同じ工程で上記原因設備以外の設備によって処理された各基板上の欠陥分布を重ね合わせて第２の欠陥分布重ね合わせ画像を作成し、或る表示画面に上記第１の欠陥分布重ね合わせ画像と第２の欠陥分布重ね合わせ画像とを対比して表示する表示処理部を備えたことを特徴とする。

この一実施形態の原因設備特定システムでは、ユーザ（システムのオペレータを含む。以下同様。）は、このシステムによって特定された原因設備が本当に異常原因となっているか否かを、視覚を通して直感的に把握でき、迅速かつ容易に判断できる。

この発明のコンピュータプログラムは、上記欠陥分布分類方法または上記原因設備特定方法をコンピュータに実行させるためのコンピュータプログラムである。

この発明のコンピュータプログラムをコンピュータに実行させれば、上記欠陥分布分類方法または上記原因設備特定方法を実施することができる。

この発明の記録媒体は、上記コンピュータプログラムを記録したコンピュータ読み取り可能な記録媒体である。

この発明の記録媒体に記録した上記コンピュータプログラムをコンピュータに読み取らせて実行させれば、上記欠陥分布分類方法または上記原因設備特定方法を実施することができる。

以下、この発明を図示の実施の形態により詳細に説明する。

図１は、本発明を適用した一実施形態の製造ライン監視システムによって工程が監視される製造ライン３０を例示している。

一般に、薄膜デバイスや半導体デバイスの製造ラインは、基板の受け入れからデバイスの完成に至るまで製造ロット単位で順次実行される多数の工程から構成されている。薄膜デバイスは製品段階においてはセルないしはチップ状に分断されるが、製造工程の途上では基板またはウェハの形態で加工される。

図１中には、そのような薄膜デバイス製造ライン３０の一部を示している。この例では、製造ライン３０は、レイヤ（ｋ−１）工程終了後のインライン検査工程５１と、レイヤｋの加工工程１００、加工工程２００および加工工程３００と、レイヤｋ工程終了後のインライン検査工程５２とを含んでいる。処理対象としての基板４１（図示の例では６枚の基板Ａ〜Ｆ）は、これらの工程を経て処理される。

加工工程１００、２００、３００は、例えば成膜工程、露光工程、エッチング工程などである。製造時間を短縮するため、各加工工程１００、２００、３００には、それぞれその工程を実行可能な複数の設備が設けられている。具体的には、加工工程１００には、１号機１０１、２号機１０２、３号機１０３の計３台の設備が設けられている。加工工程２００には、第１チャンバ２０１、第２チャンバ２０２の計２台の設備が設けられている。また、加工工程３００には、１号機３０１、２号機３０２、３号機３０３の計３台の設備が設けられている。そして、製造ライン３０を流れてきた複数の基板は、各加工工程１００、２００、３００でそれぞれ複数の設備によって並行して処理される。

インライン検査工程５１、５２は、この例ではパターン欠陥検査を行って、各基板上の欠陥の位置や大きさを表す情報、外観検査結果を表す外観情報などを検査情報として取得するものである。

なお、多層レイヤを有する薄膜デバイスの製造ラインでは、このようなインライン検査工程は各レイヤの加工工程終了後にそれぞれ実行される。

このような製造ライン３０において、或る工程の或る設備が不調に陥ったとき、その不調な設備によって処理された基板については、基板上の特定位置に欠陥が密に発生するケースがある。例えば、工程１００の１号機１０１が不調に陥ったとき、その１号機１０１によって処理を受けた基板Ａ，Ｃについては、それらの基板Ａ，Ｃ上の右上隅に欠陥が密に発生するというようなケースである。また、工程２００の第２チャンバ２０２が不調に陥ったとき、その第２チャンバ２０２によって処理を受けた基板Ｅ，Ｆについては、それらの基板Ｅ，Ｆ上の下部中央下部に欠陥が密に発生するというようなケースである。このように、或る工程の或る設備が不調に陥ったとき、その不調な設備によって処理された基板については、その不調な設備に固有の欠陥分布が観測される傾向がある。

一般的な工程監視では、基板１枚当たりの総欠陥数を求め、総欠陥数が監視基準を超えたとき、異常が発生したと判断し、それを契機として、その基板の製造履歴を調べ、異常発生の原因となった原因設備を特定するなどの措置がとられる。しかし、そのような方法では、基板１枚当たりの総欠陥数が監視基準を下回る場合については、異常の有無を検知することができない。また、既述の特許文献のように、欠陥分布の特徴を抽出するためのルール（識別ルール）を人間が定めて、基板上の欠陥分布を分類する方法では、過去の経験の蓄積を要するし、時間と手間がかかる。

これに対して本発明では、同一レイヤの同一工程で処理した設備間の検査結果分布に偏りがあれば、異常が発生したと判断する。基板は順次設備を通過するので、インライン検査工程で得られた検査結果情報は各設備の状態を検出するセンサの役割を果たす。

図２中に示すように、一実施形態の製造ライン監視システム４０は、大別して、工程情報収集システム２０と、欠陥分布分類システムを含む原因設備特定システム１０とを備えている。

工程情報収集システム２０は、製造履歴情報１２を蓄積する製造履歴ＤＢ（データベース）２１と、検査情報１３を蓄積するパターン検査ＤＢ２２とを含んでいる。製造履歴情報１２は、各基板に対して各レイヤの各工程でそれぞれ処理を実行した設備を特定する情報などを含んでいる。また、検査情報１３は、各基板上の欠陥の位置や大きさを表す欠陥分布情報などを含んでいる。

これらの製造履歴情報１２と検査情報１３は、この例では、製造ライン３０から通信手段（不図示）を介して工程情報収集システム２０に送信される。なお、製造履歴情報１２と検査情報１３は、基板の生産制御を行う公知のＣＩＭ（Computer Integrated Manufacturing）システム、つまり、素材供給、パネル生産、検査に至る全工程、さらに製品の倉入れに至る一連の流れをトータルに管理するシステムから転送しても良い。

原因設備特定システム１０は、欠陥密度分布取得部１４と、特徴抽出部１５と、分類結果取得部１６と、原因設備抽出部１７と、表示処理部１８とを備えている。さらに、この原因設備特定システム１０は、工程情報収集システム２０に対して対象期間や対象レイヤなどの検索条件１１を送信して、工程情報収集システム２０から検索条件１１に合致した製造履歴情報１２’と検査情報１３’とを受け取る通信手段（不図示）を備えている。

欠陥密度分布取得部１４は、この例では検査工程５２を経たｍ枚（ただし、ｍは２以上の自然数である。）の基板について、図５Ａに示すように各基板の表面をｎ個（ただし、ｎは２以上の自然数である。）の矩形領域Ｕにそれぞれ区画する。図５Ａの例では、各基板の表面を１０行１０列に区画しているので、ｎ＝１０である。

さらに、欠陥密度分布取得部１４は、検査情報１３’に基づいてそれぞれ各矩形領域Ｕに含まれた欠陥密度を表す（ｍ×ｎ）個の成分をもつ欠陥密度情報を取得する。この例では、欠陥密度情報は、上記ｍ枚の基板についてのそれぞれｎ個の成分をもつ第１のベクトル（以下「欠陥分布ベクトル」と呼ぶ。）の集合である。この例では、図７Ａの（ａ）欄に示すように、欠陥密度情報をｍ行ｎ列の行列Ｘとして求めるものとする。

特徴抽出部１５は、独立成分分析の手法を用いて、上記欠陥密度情報（ｍ行ｎ列の行列）Ｘから統計的に互いに独立したｐ個（ただし、ｐはｍ未満の自然数である。）の、欠陥分布の特徴を表す特徴ベクトルを抽出する。この例では、図７Ａの（ｂ）欄に示すように、上記ｐ個の特徴ベクトル（図中、「特徴１」「特徴２」…「特徴ｐ」と表す。）はそれぞれｎ個の成分をもつ第２のベクトルである。

ここで、ベクトルＳ１とベクトルＳ２とが互いに独立であるとは、ベクトルＳ１とベクトルＳ２とが無相関で、かつベクトルＳ１の成分分布がベクトルＳ２の成分分布によって左右されない、ということを意味する。例えば、ｐ個の特徴ベクトルのうちの２つがベクトルＳ１、Ｓ２である場合、図３Ａに示す例では、たとえ断面Ｌ１、Ｌ２のようにベクトルＳ２の成分が変化しても、それによってベクトルＳ１の成分分布（図示の例では２つのピークをもつ分布）は左右されない。したがって、ベクトルＳ１とベクトルＳ２とは独立である。一方、図３Ｂに示す例では、ベクトルＳ１とベクトルＳ２とが無相関であるが、断面Ｌ１、Ｌ２のようにベクトルＳ２の成分が変化したとき、それによってベクトルＳ１の成分分布が急峻なピークから緩いピークに変化し、左右される。このため、ベクトルＳ１とベクトルＳ２とは独立ではない。

この特徴抽出部１５が特徴ベクトルを抽出する処理については、後に具体的に説明する。

分類結果取得部１６は、上記各基板についての欠陥分布ベクトルと上記ｐ個の特徴ベクトルとの間の類似度をそれぞれ求める。上記類似度は、上記各基板についての欠陥分布ベクトルと上記ｐ個の特徴ベクトルとの間の相関係数、内積または共分散として求める。そして、分類結果取得部１６は、上記類似度に応じて上記ｐ個の特徴ベクトル毎に上記各基板を分類する。

原因設備抽出部１７は、分類結果取得部１６によって得られた分類結果と、工程情報収集システム２０から受け取った製造履歴情報１２’とに基づいて共通経路解析（同類の欠陥分布を有する複数の基板がどの設備を用いて共通に処理されたか、を追求する解析）を行って、製造ライン３０の複数の設備のうち不良発生の原因となった原因設備を抽出する。

ここで、上記欠陥密度分布取得部１４による処理、上記特徴抽出部１５による処理、上記分類結果取得部１６による処理、および上記原因設備抽出部１７による処理は、製造するデバイスの機種や製造工程、設備の種類に関わらず、それぞれ同じルールで画一的に行うことが可能である。また、上記各処理は、予め人間が事例データベース（ライブラリ）や欠陥の分布パターン、クラス等を設定しておかなくても、それぞれ実行可能である。したがって、この原因設備特定システム１０によれば、人間が介在せずに、複数の工程を含む製造ライン３０において処理される基板上の欠陥を自動的に抽出して分類できる。この結果、この原因設備特定システム１０は、製造ラインの監視業務に直ぐに適用可能である。また、この原因設備特定システム１０は、製造するデバイスの機種や製造工程、設備の種類が変わった場合でも、欠陥分布パターンを識別するためのルール（識別ルール）のメンテナンスが不要であるから、常時活用可能である。

表示処理部１８は、上記原因設備によって処理された各基板上の欠陥分布を重ね合わせて第１の欠陥分布重ね合わせ画像を作成するとともに、上記原因設備が実行する工程と同じ工程で上記原因設備以外の設備によって処理された各基板上の欠陥分布を重ね合わせて第２の欠陥分布重ね合わせ画像を作成する。そして、或る表示画面（図１０中に符号１９で示す）に上記第１の欠陥分布重ね合わせ画像と第２の欠陥分布重ね合わせ画像とを対比して表示する。図１０の例では、原因設備は工程１００の１号機１０１であり、第１の欠陥分布重ね合わせ画像は、工程１００が１号機１０１によって実行された各基板上の欠陥分布を重ね合わせて作成されている。第２の欠陥分布重ね合わせ画像は、工程１００が１号機１０１以外の設備（具体的には、２号機１０２と３号機１０３）によって実行された各基板上の欠陥分布を重ね合わせて作成されている。このように、或る表示画面１９に第１の欠陥分布重ね合わせ画像と第２の欠陥分布重ね合わせ画像とを対比して表示する場合、ユーザ（システムのオペレータを含む。以下同様。）は、このシステムによって特定された原因設備が本当に異常原因となっているか否かを、視覚を通して直感的に把握でき、迅速かつ容易に判断できる。なお、第２の欠陥分布重ね合わせ画像として、工程１００が１号機１０１以外の設備（具体的には、２号機１０２と３号機１０３）によって実行された各基板上の欠陥分布を重ね合わせたが、２号機によって実行された基板上の欠陥分布の重ね合わせ画像と、３号機によって処理された基板上の欠陥分布の重ね合わせ画像を個別に作成しても良い。この場合、重ね合わせ画像は、同一工程に存在する設備の数だけ設けることになる。すなわち、第２の欠陥分布重ね合わせ画像とは、１種類に限定されず、装置別に複数作成してもよい。

当業者ならば分かるように、このようなシステム１０は、コンピュータ、より具体的にはパーソナルコンピュータによって構成され得る。各部１４、１５、…、１８の動作はコンピュータプログラム（ソフトウェア）によって実現可能である。そのようなコンピュータプログラムは、パーソナルコンピュータに付属のハードディスクドライブに記憶させておいても良いし、コンピュータ読み取り可能な記録媒体（コンパクトディスク（ＣＤ）やデジタル万能ディスク（ＤＶＤ）など）に記録しておき、プログラム実行に際して再生装置（ＣＤドライブやＤＶＤドライブなど）で読み出すようにしても良い。

（１） 次に、特徴抽出部１５が独立成分分析の手法を用いて特徴ベクトルを抽出する処理を具体的に説明する。

独立成分分析のアルゴリズムは、例えば図４に示すように、複数の信号源が発した信号ｓ_１，ｓ_２，ｓ_３（それらを成分としたベクトルをＳとする。）が重畳して複数のマイクロフォンで観測信号ｘ_１，ｘ_２，ｘ_３（それらを成分としたベクトルをＸとする。）として観測された場合、その観測信号ｘ_１，ｘ_２，ｘ_３から、元の信号源の信号を復元する技術として知られている。図４では、信号ｓ_１，ｓ_２，ｓ_３の重畳の態様は混合行列Ａで表されている。また、復元された信号はｙ_１，ｙ_２，ｙ_３（それらを成分としたベクトルをＹとする。）で表されている。この実施形態では、図４中の複数の信号源ｓ_１，ｓ_２，ｓ_３を各設備固有の不良発生要因（不良分布パターン）、観測信号ｘ_１，ｘ_２，ｘ_３の数（マイクの数）を検査工程を経た基板（以下「検査基板」という。）の数、観測信号の長さ（信号の発生時間。これをｔとする。）を各基板上で区画された領域の数、とそれぞれ対応させるものとする。特に、観測信号の長さｔについては、
ｔ＝ｔ_１，ｔ_２，…，ｔ_ｎ
と表し、
時刻ｔ１→領域１
時刻ｔ２→領域２
…
時刻ｔｎ→領域ｎ
と対応させるものとする。このような対応関係を考えれば、独立した要因ｓ_１，ｓ_２，ｓ_３の影響を受けて観測された３枚の基板（マイクに該当）の検査特性Ｘは、

と表される。
いま、

とおくと、検査特性Ｘは、

と表現できる。復元された信号（信号源Ｓの推定値）Ｙは、独立成分アルゴリズムにより、

として求められる。

独立成分分析では、信号源Ｓや混合行列Ａの情報を一切知らずに、観測情報Ｘのみから独立成分Ｙを推定する。中心値極限定理によれば、独立な成分を混合するとその確率分布はガウス分布に近づくので、推定分布Ｙの非ガウス性が最大となる場合に、独立成分が抽出できたとみなす。よって、非ガウス性が極大となるような復元行列Ｗを求め、観測情報Ｘに乗じることで独立成分Ｙを求める。

このようにして、特徴抽出部１５は互いに独立したｐ個の特徴ベクトルを求める。この場合、各特徴ベクトルの成分を１０行１０列のマップに表すことで、基板上で、互いに独立した特徴をもつ領域を見出すことができる。

（２） 上述のようにｐ個の独立した特徴ベクトルを求めた後、次のようにして検査基板を分類する。

ｉ） まず、独立成分（特徴軸）の特徴ベクトルを設定する。

例えば、３個の独立成分（特徴軸）の場合、特徴ベクトルは次のようになる。

１個目の特徴軸Ｓ１＝（Ｓ_１１，Ｓ_１２，…，Ｓ_１ｉ，…，Ｓ_１ｎ）
２個目の特徴軸Ｓ２＝（Ｓ_２１，Ｓ_２２，…，Ｓ_２ｉ，…，Ｓ_２ｎ）
３個目の特徴軸Ｓ３＝（Ｓ_３１，Ｓ_３２，…，Ｓ_３ｉ，…，Ｓ_３ｎ）
ここで、基板１枚当たり１０行×１０列＝１００個の領域を考えた場合、ｎ＝１００であり、Ｓ_１１，Ｓ_１２，…，Ｓ_１ｉ，…，Ｓ_１ｎは、１個目の特徴軸を表す１００個の成分を意味している。

図５Ｂ、図５Ｃは、図５Ａに示したように各検査基板が１００個（ｎ＝１００）の領域に区画されている場合に、検査基板の集合から抽出された独立成分の特徴ベクトルをマップ状に表した例を示している。

ii） 次に、検査基板の欠陥分布と特徴軸との類似度を計算する。

例えば図６に示すように、例えば１枚の検査基板の欠陥分布ベクトルをＸ１、検査基板の集合から独立成分を抽出した場合の２つの特徴軸（独立成分の特徴ベクトル）をＳ１，Ｓ２とする。ここで、その検査基板の欠陥分布ベクトルを
Ｘ１＝（ｘ_１１，ｘ_１２，…，ｘ_１ｉ，…，ｘ_１ｎ）
とするとき、上記検査基板の、例えば特徴軸Ｓ１に対する類似度は、その検査基板の欠陥分布ベクトルＸ１と特徴軸Ｓ１との共分散Ｓ_Ｘ１Ｓ１、ないしは相関係数ｒで評価することができる。この例では、類似度を相関係数ｒで評価するものとする。

具体的には、ベクトルＸ１，Ｓ１の平均値をそれぞれ

としたとき、ベクトルＸ１とＳ１との共分散Ｓ_Ｘ１Ｓ１は、

として求められる。その場合のベクトルＸ１とＳ１との相関係数ｒは、

として求められる。そして、検査基板毎に、それぞれｐ個の特徴軸に対する類似度ｒを求める。

このようにして、図７Ａの（ａ）欄に示すｍ枚の検査基板の欠陥密度情報から、同（ｂ）欄に示すｐ個の独立成分の特徴ベクトルを求め、図７Ｂに示すように基板ｍ枚についてｐ個の特徴ベクトルに対する類似度をそれぞれ求める。

iii） 次に、求めた類似度に応じて検査基板を分類する。

例えば、各基板が特徴１に分類されるべきか否かの基準として、類似度の閾値を０．７とおく。そして、ｍ枚の基板の中から類似度０．７以上の基板を抽出する。残りの特徴ベクトルについても、同様に分類を行う。

このようにして、ｐ個の特徴ベクトルにそれぞれ類似する基板群が抽出されて、分類が行われる。

（３） 次に原因設備の特定過程について説明する。原因設備特定は、ｐ個の特徴ベクトルごとに行う。次に、一例として、特徴１に対する原因設備特定過程を説明する。

既述のように、ｍ枚の基板についてそれぞれ特徴１に対する類似度が得られるものとする。また、製造履歴ＤＢ２１（図２参照）からｍ枚の基板についてそれぞれ製造履歴情報が取得されているものとする。これらのｍ枚の基板についての類似度と製造履歴情報とは、図８または図９に示すように、それぞれ基板Ａ，Ｂ，Ｃ，…毎に対応付け（紐付け）て管理される。図８は、特徴ベクトルの例としての「特徴１」に対する類似度を実際の数値で表現したものである。図９は、類似性を閾値で判定し、上記「特徴１」の該当、非該当をそれぞれ１、０の論理値（２値）で表現したものである。図８および図９の例では、製造履歴情報のうちレイヤｋの工程に属する設備のみを記載しているが、製造履歴情報のうちその他のレイヤの工程に属する設備を分析する必要がある場合は、他のレイヤの工程に属する設備に関する製造履歴を加えても良い。

さて、原因設備は、目的変数を類似度、説明変数を製造履歴として、類似度と製造履歴との間の相関の有無を調べることで分析される。相関を分析する手法としては、分散分析やカイ二乗検定（独立性検定）、多変量解析など、公知のものを利用できる。

図８および図９の例では、分析の結果、工程１００で成膜装置の１号機との相関が高いという結果になっている。そこで、この結果についての確証を得るため、工程１００で成膜装置の１号機によって処理された各基板上の欠陥分布を重ね合わせて第１の欠陥分布重ね合わせ画像を作成するとともに、同工程１００で１号機以外の設備（この例では、２号機と３号機）によって処理された各基板上の欠陥分布を重ね合わせて第２の欠陥分布重ね合わせ画像を作成する。そして、既述のように、図１０中に示すように、或る表示画面１９に第１の欠陥分布重ね合わせ画像と第２の欠陥分布重ね合わせ画像とを対比して表示する。このように、或る表示画面１９に第１の欠陥分布重ね合わせ画像と第２の欠陥分布重ね合わせ画像とを対比して表示する場合、ユーザ（システムのオペレータを含む。）は、このシステムによって特定された原因設備が本当に異常原因となっているか否かを、視覚を通して直感的に把握でき、迅速かつ容易に判断できる。これによって、工程１００で成膜装置の１号機が原因設備であるとの確証が得られれば、その成膜装置の１号機を点検する等の措置を迅速にとることができ、製造ラインの損失を最小限に抑えることができる。

なお、図１０の全体は、この実施形態の原因設備特定システム１０による上述の処理、すなわち、工程情報収集システム２０から検査情報と履歴情報を受け取って不良分布を分類し、原因設備を特定するまでの処理を模式的に示している。

この発明を適用した一実施形態の製造ライン監視システムによって工程が監視される製造ライン３０を例示する。 この発明の一実施形態の欠陥分布分類システムを含む原因設備特定システムのブロック構成を示す図である。 二つのベクトルが互いに独立である場合を説明する図である。 二つのベクトルが無相関であるが独立ではない場合を説明する図である。 独立成分分析による観測過程と復元過程を説明する図である。 １枚の基板をｎ個の矩形領域に区画した態様を示す図である。 検査基板の集合から独立成分を抽出した場合の特徴ベクトルをマップ状に表した態様を例示する図である。 検査基板の集合から独立成分を抽出した場合の特徴ベクトルをマップ状に表した態様を例示する図である。 １枚の検査基板の欠陥分布ベクトルと、ｐ個の独立成分の特徴ベクトルとを例示する図である。 基板ｍ枚についての欠陥密度情報と、その欠陥密度情報から抽出されたｐ個の独立成分の特徴ベクトルとを例示する図である。 基板ｍ枚についてそれぞれｐ個の特徴ベクトルに対する類似度を求めた結果を示す図である。 ｍ枚の基板について特徴ベクトルに対する類似度と製造履歴とを関連付けた結果を示す図であって、類似度が実際の数値で表されているものである。 ｍ枚の基板について特徴ベクトルに対する類似度と製造履歴とを関連付けた結果を示す図であって、類似度が論理値（１、０の２値）で表されているものである。 この発明の一実施形態の原因設備特定システムが、工程情報収集システムから検査情報と履歴情報を受け取って不良分布を分類し、原因設備を特定するまでの処理を模式的に示す図である。

Claims (10)

1. 複数の工程を含む製造ラインにおいて処理される基板上の欠陥を抽出して分類する欠陥分布分類方法であって、
   上記製造ラインは、所定の工程終了後に、各基板上の欠陥の位置を表す検査情報を取得する検査工程を含んでおり、
   上記検査工程を経たｍ枚（ただし、ｍは２以上の自然数である。）の基板について各基板の表面をそれぞれｎ個（ただし、ｎは２以上の自然数である。）の領域に区画して、上記検査情報に基づいてそれぞれ上記各領域に含まれた欠陥密度を表す（ｍ×ｎ）個の成分をもつ欠陥密度情報を取得し、
   上記（ｍ×ｎ）個の成分をもつ欠陥密度情報から統計的に互いに独立したｐ個（ただし、ｐはｍ未満の自然数である。）の、欠陥分布の特徴を表す特徴ベクトルを抽出し、
   上記ｐ個の特徴ベクトルと上記各基板の欠陥密度情報との間の相関係数、内積または共分散からなる類似度をそれぞれ求めて、上記類似度に応じて上記ｐ個の特徴ベクトル毎に上記各基板を分類する欠陥分布分類方法。
2. 請求項１に記載の欠陥分布分類方法において、
   上記欠陥密度情報は、上記ｍ枚の基板についてのそれぞれｎ個の成分をもつ第１のベクトルの集合であり、
   上記ｐ個の特徴ベクトルはそれぞれｎ個の成分をもつ第２のベクトルであり、
   上記類似度を、上記各基板についての第１のベクトルと上記ｐ個の第２のベクトルとの相関係数、内積または共分散として求めることを特徴とする欠陥分布分類方法。
3. 複数の工程を含む製造ラインにおいて処理される基板上の欠陥を抽出して分類する欠陥分布分類システムであって、
   上記製造ラインは、所定の工程終了後に、各基板上の欠陥の位置を表す検査情報を取得する検査工程を含んでおり、
   上記検査工程を経たｍ枚（ただし、ｍは２以上の自然数である。）の基板について各基板の表面をｎ個（ただし、ｎは２以上の自然数である。）の領域にそれぞれ区画して、上記検査情報に基づいてそれぞれ上記各領域に含まれた欠陥密度を表す（ｍ×ｎ）個の成分をもつ欠陥密度情報を取得する欠陥密度分布取得部と、
   上記（ｍ×ｎ）個の成分をもつ欠陥密度情報から統計的に互いに独立したｐ個（ただし、ｐはｍ未満の自然数である。）の、欠陥分布の特徴を表す特徴ベクトルを抽出する特徴抽出部と、
   上記ｐ個の特徴ベクトルと上記各基板の欠陥密度情報との間の相関係数、内積または共分散からなる類似度をそれぞれ求めて、上記類似度に応じて上記ｐ個の特徴ベクトル毎に上記各基板を分類する分類結果取得部とを備えた欠陥分布分類システム。
4. 基板に対して複数の工程を、それぞれその工程を実行可能な１機以上の設備を用いて実行する製造ラインにおいて不良発生の原因となった設備を特定する不良原因設備特定方法であって、
   上記製造ラインは、所定の工程終了後に、各基板上の欠陥の位置を表す検査情報を取得する検査工程を含んでおり、
   上記検査工程を経たｍ枚（ただし、ｍは２以上の自然数である。）の基板について各基板の表面をｎ個（ただし、ｎは２以上の自然数である。）の領域にそれぞれ区画して、上記検査情報に基づいてそれぞれ上記各領域に含まれた欠陥密度を表す（ｍ×ｎ）個の成分をもつ欠陥密度情報を取得し、
   上記（ｍ×ｎ）個の成分をもつ欠陥密度情報から統計的に互いに独立したｐ個（ただし、ｐはｍ未満の自然数である。）の、欠陥分布の特徴を表す特徴ベクトルを抽出し、
   上記ｐ個の特徴ベクトルと上記各基板の欠陥密度情報との間の相関係数、内積または共分散からなる類似度をそれぞれ求めて、上記類似度に応じて上記ｐ個の特徴ベクトル毎に上記各基板を分類し、
   この得られた分類結果と、上記各基板に対して上記各工程でそれぞれ処理を実行した設備を特定する製造履歴情報とに基づいて、上記製造ラインの複数の設備のうち不良発生の原因となった原因設備を抽出する原因設備特定方法。
5. 基板に対して複数の工程を、それぞれその工程を実行可能な１機以上の設備を用いて実行する製造ラインにおいて不良発生の原因となった設備を特定する不良原因設備特定システムであって、
   上記製造ラインは、所定の工程終了後に、各基板上の欠陥の位置を表す検査情報を取得する検査工程を含んでおり、
   上記検査工程を経たｍ枚（ただし、ｍは２以上の自然数である。）の基板について各基板の表面をｎ個（ただし、ｎは２以上の自然数である。）の領域にそれぞれ区画して、上記検査情報に基づいてそれぞれ上記各領域に含まれた欠陥密度を表す（ｍ×ｎ）個の成分をもつ欠陥密度情報を取得する欠陥密度分布取得部と、
   上記（ｍ×ｎ）個の成分をもつ欠陥密度情報から統計的に互いに独立したｐ個（ただし、ｐはｍ未満の自然数である。）の、欠陥分布の特徴を表す特徴ベクトルを抽出する特徴抽出部と、
   上記ｐ個の特徴ベクトルと上記各基板の欠陥密度情報との間の相関係数、内積または共分散からなる類似度をそれぞれ求めて、上記類似度に応じて上記ｐ個の特徴ベクトル毎に上記各基板を分類する分類結果取得部と、
   この得られた分類結果と、上記各基板に対して上記各工程でそれぞれ処理を実行した設備を特定する製造履歴情報とに基づいて、上記製造ラインの複数の設備のうち不良発生の原因となった原因設備を抽出する原因設備抽出部とを備えた原因設備特定システム。
6. 請求項５に記載の原因設備特定システムにおいて、
   上記原因設備によって処理された各基板上の欠陥分布を重ね合わせて第１の欠陥分布重ね合わせ画像を作成するとともに、上記原因設備が実行する工程と同じ工程で上記原因設備以外の設備によって処理された各基板上の欠陥分布を重ね合わせて第２の欠陥分布重ね合わせ画像を作成し、或る表示画面に上記第１の欠陥分布重ね合わせ画像と第２の欠陥分布重ね合わせ画像とを対比して表示する表示処理部を備えたことを特徴とする原因設備特定システム。
7. 請求項１に記載の欠陥分布分類方法をコンピュータに実行させるためのコンピュータプログラム。
8. 請求項４に記載の原因設備特定方法をコンピュータに実行させるためのコンピュータプログラム。
9. 請求項７に記載のコンピュータプログラムを記録したコンピュータ読み取り可能な記録媒体。
10. 請求項８に記載のコンピュータプログラムを記録したコンピュータ読み取り可能な記録媒体。

Images