JP4874580B2

JP4874580B2 - 異常原因特定方法および異常原因特定システム

Info

Publication number: JP4874580B2
Application number: JP2005174137A
Authority: JP
Inventors: 宏松下
Original assignee: Toshiba Corp
Current assignee: Toshiba Corp
Priority date: 2005-06-14
Filing date: 2005-06-14
Publication date: 2012-02-15
Anticipated expiration: 2025-06-14
Also published as: US7599817B2; JP2006351723A; US20060281199A1

Description

本発明は、製品の製造過程における異常原因の特定方法と特定システムに関する。

製品、例えば、半導体装置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、ロスの原因となっている製造過程で用いられるプロセス、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、半導体装置、特に、半導体集積回路（LSI）は数百の工程、製造装置を経て生産されるため、一旦LSIの不良品が発生すると、その不良品の異常原因を特定することは一般に非常に困難な作業である。

ウエーハプロセス終了後に行われる半導体装置の電気的特性試験であるウエーハテストの結果は、異常原因の解明に重要な手がかりを与えることがある。これは、複数の半導体装置を丸いウエーハ上に配置したまま、ウエーハプロセスとウエーハテストが行われるためである。ウエーハテストの結果をウエーハ面内位置でマッピング表示することで、ウエーハ面上の半導体装置の不良品の発生した位置が特定される。そのマッピング表示の代表的なものが、メモリ製品で取得されるフェイルビットマップ（Fail Bit Map：FBM）である。また、ロジック製品、あるいはメモリ混載ロジック製品等では、製品単位での良品（Pass）あるいは不良品（Fail）をマッピング表示した良品／不良品（Pass/Fail）マップがある。

これらのフェイルビットマップと良品／不良品マップでは、ウエーハ面内の不良分布は大きく分けて、ウエーハ面上の位置に依らず均等に分布するランダム不良分布と、どこかに偏りを生じるクラスタリング不良分布のどちらかに分類される。この内クラスタリング不良分布は、異常原因であるプロセス、製造装置等に起因している場合が多い。クラスタリング不良分布は、プロセスや製造装置に起因する異常原因の「指紋」であると考えられる。つまり、あるプロセス・製造装置に異常が発生した場合、そのプロセスや製造装置に固有のクラスタリング不良分布を有する不良品が発生する。

これらのことから、半導体装置の製造における異常原因の特定は、同じ分布を有するクラスタリング不良分布が発生した複数のウエーハあるいはこれらのウエーハで構成される複数のロットについて、製造過程のある工程で共通して処理された製造装置を特定することで行うことができる（例えば、特許文献１参照。）。

しかし、半導体装置の製造工程は何百もあり、個々の製造工程で異常原因の特定を可能にしようとすると、それらの製造工程と前後の検査工程で様々なデータを取得する必要があり、データの量が膨大になっていた。膨大なデータは異常原因を特定するために真に有意なデータを選択することを非常に困難にし、異常原因を特定できない問題があった。
特開２００４−２８８７４３号公報

本発明は、膨大な数の製造工程を経て製造される製品においても、不良品の発生原因となった異常な製造工程を特定可能な異常原因特定方法と異常原因特定システムを提供する。

本願発明の一態様によれば、製造単位毎に製品の製造過程の複数の製造工程における複数種類の検査データを取得し、前記検査データを前記種類毎に標準化した特徴量を生成し、２水準直交表の２水準を前記種類の採用水準と不採用水準とし、前記２水準直交表の因子を前記種類として、前記２水準直交表の試行実験毎に前記採用水準である前記種類の前記検査データに対応する前記特徴量を選択した試行データセットを前記製造単位毎に生成し、前記試行データセットに関して、前記製造単位間の類似の度合いを表す類似度を算出し、前記製造単位の１つ毎に対して、前記類似度が閾値以上になる他の前記製造単位を抽出した試行集合を生成し、前記製造工程で用いられた複数の製造装置の差異と前記試行集合を構成する前記製造単位の因果関係の度合いを表す工程検定値を、前記試行実験毎のそれぞれの前記製造工程に対して算出し、前記試行実験毎に、前記試行集合の中から望目特性の程度が最も大きい前記工程検定値を試行実験検定値に設定し、前記試行実験検定値の望目特性の最適化のための前記種類毎の前記採用水準と前記不採用水準の要因効果図に基づいて、前記採用水準が選択された前記種類に対応する前記特徴量からなる最適データセットを前記製造単位毎に生成し、前記最適データセットに関して、前記製造単位間の類似の度合いを表す最適類似度を算出し、前記製造単位の１つ毎に対して、前記最適類似度が閾値以上になる他の前記製造単位を抽出した最適集合を生成し、前記製造工程で用いられた複数の前記製造装置の差異と前記最適集合を構成する前記製造単位の因果関係の度合いを表す最適検定値を、前記製造工程毎に算出し、前記最適集合毎に、前記最適検定値に基づいて、前記製造装置の差異と前記最適集合の前記因果関係が有意であるか判定し、前記最適集合毎に、有意であると判定された前記因果関係の対象である前記製造装置を異常原因として抽出することを特徴とする異常原因特定方法が提供される。

また、本願発明の一態様によれば、製造単位毎に製品の製造過程の複数の製造工程における複数種類の検査データを取得するデータ取得部と、前記検査データを前記種類毎に標準化した特徴量を生成する特徴量生成部と、２水準直交表の２水準を前記種類の採用水準と不採用水準とし、前記２水準直交表の因子を前記種類として、前記２水準直交表の試行実験毎に前記採用水準である前記種類の前記検査データに対応する前記特徴量を選択した試行データセットを前記製造単位毎に生成する試行データセット生成部と、前記試行データセットに関して、前記製造単位間の類似の度合いを表す試行類似度を算出する試行類似度算出部と、前記製造単位の１つ毎に対して、前記類似度が閾値以上になる他の前記製造単位を抽出した試行集合を生成する試行集合生成部と、前記製造工程で用いられた複数の製造装置の差異と前記試行集合を構成する前記製造単位の因果関係の度合いを表す工程検定値を、前記試行実験毎のそれぞれの前記製造工程に対して算出する工程検定値算出部と、前記試行実験毎に、前記試行集合の中から望目特性の程度が最も大きい前記工程検定値を最大検定値に設定する最大検定値設定部と、前記最大検定値の望目特性の最適化のための前記種類毎の前記採用水準と前記不採用水準の要因効果図に基づいて、前記採用水準が選択された前記種類に対応する前記特徴量からなる最適データセットを前記製造単位毎に生成する最適データセット生成部と、前記最適データセットに関して、前記製造単位間の類似の度合いを表す最適類似度を算出する最適類似度算出部と、前記製造単位の１つ毎に対して、前記最適類似度が閾値以上になる他の前記製造単位を抽出した最適集合を生成する最適集合生成部と、前記製造工程で用いられた複数の前記製造装置の差異と前記最適集合を構成する前記製造単位の因果関係の度合いを表す最適検定値を、前記製造工程毎に算出する最適検定値算出部と、前記最適集合毎に、前記最適検定値に基づいて、前記製造装置の差異と前記最適集合の前記因果関係が有意であるか判定する判定部と、前記最適集合毎に、有意であると判定された前記因果関係の対象である前記製造装置を異常原因として抽出する抽出部を有することを特徴とする異常原因特定システムが提供される。

本発明の一態様に係る異常原因特定方法および異常原因特定システムによれば、膨大な数の製造工程を経て製造される製品においても、不良品の発生原因となった異常な製造工程を特定可能な異常原因特定方法と異常原因特定システムを提供できる。

次に、図面を参照して、本発明の実施の形態について説明する。なお、以下では本発明の実施形態を図面に基づいて説明するが、図解のためだけであり、本発明はそれらの図面に限定されるものではない。以下の図面の記載において、同一又は類似の部分には同一又は類似の符号を付している。また、図面は模式的なものであり、厚みと平面寸法との関係、各層の厚みの比率等は現実のものとは異なることに留意すべきである。

（半導体装置の製造システム）
図１に示すように、半導体装置の製造システムは、クリーンルーム１０を有し、クリーンルーム１０内には、製造装置１１、１３、インライン検査装置１２とインラインクオリティコントロール（ＱＣ：Quality Control）測定装置１４、さらに、製造装置１１、１３に接続されたイクイプメントエンジニアリングシステム（EES：Equipment Engineering System）１５、１６が設置されている。

製造装置１１、１３は、半導体装置を製造するために、様々な動作条件でロットを構成する半導体ウエーハの処理を行っており、この処理に伴い装置状態が刻々と変化している。装置状態は、例えば、チャンバー内圧力や、ガス流量、温度、あるいは露光装置の露光量等様々な物理量で表せる。時刻毎のこれらの物理量のデータは、EESデータと呼ばれ、製造装置１１、１３の傍らにこれらの装置状態をモニタするEESユニット１５、１６を取り付けることで取得することができる。半導体装置の製造システムでは、このEESユニット１５、１６により取得されたEESデータはEESデータサーバ２１に送られ、EESデータベース２２に格納される。また、主要な製造工程の前後では、検査工程が設けられ、製造途中の半導体ウエーハ上の異物、および回路パターンの異常がインライン検査装置１２により検査されている。この検査結果であるディフェクトデータはディフェクトデータサーバ２３を通じてディフェクトデータベース２４に格納される。また、同様に主要な製造工程の前後において、測定工程が設けられ、製造工程の処理で付加される薄膜の膜厚や加工された形状の寸法等が測定される。これらの膜厚や寸法はＱＣデータと呼ばれ、QCデータサーバ２５を介してQCデータベース２６に格納される。また、製品となる半導体装置とは別に、電気的特性評価用のテストエレメントグループ（TEG：Test Element Group）が専用のロットやウエーハ、あるいは半導体装置の製品回路パターンの一部として作製され、ウエーハプロセス終了後にウエーハのままＴＥＧの電気的特性が特性テスタ１９により測定される。測定結果は特性データサーバ２９を介して、特性データベース３０に保存される。さらにウエーハプロセスを終了した半導体装置は、意図した動作を行うかテストされる。このテストはウエーハ上に配置されたままで実施されるので、ウエーハテストと呼ばれる。動作不良が認められた場合、不良の種類と、不良動作をした半導体装置に相当するチップのウエーハ面内の位置がウエーハテストデータとしてウエーハテストデータサーバ２７に取得される。ウエーハテストデータはウエーハテストデータサーバ２７を介してウエーハテストデータベース２８に保存される。

また、クリーンルーム１０内に流れているロットは、生産管理サーバ１７上で全てのロットにロット番号が付加され、各ロット毎に製造工程、検査工程と測定工程の処理順を規定した製造フロー、製造スケジュール、製造工程毎の製造条件が管理されて、ロットデータベース１８に記憶されている。

各ロットが処理された製造装置１１、１３の識別番号、処理日時（すなわちロットの製造装置履歴）、および各ロットのEESデータ、ディフェクトデータ、QCデータ、特性データ、ウエーハテストデータはロット番号と対応付けてデータベース２２、２４、２６、２８、３０上で記憶される。このように、半導体装置の製造システムにおいては、EESデータ、ディフェクトデータ、QCデータ、特性データ、ウエーハテストデータが取得され、製造装置履歴と共にロット単位に管理されている。

（異常原因特定システム１）
半導体装置の製造システムは、異常原因特定システム１を有している。異常原因特定システム１は、中央演算装置ＣＰＵを有する。すなわち、異常原因特定システム１は、コンピュータであってもよく、コンピュータにプログラムに書かれた手順を実行させることにより、異常原因特定システム１を実現させてもよい。また、異常原因特定システム１は、ロット波形データベース５、直交表データベース６、最適波形データベース７、不良原因データベース８を有している。ＣＰＵは、波形化ユニット２、波形最適化ユニット３と装置差異分析ユニット９を有している。

図２に示すように、波形化ユニット２は、データ取得部３１と特徴量生成部３２を有している。

波形最適化ユニット３は、試行データセット生成部３３、試行類似度算出部３６、試行集合生成部３７、工程検定値算出部３８、最適検定値設定部３９、最適データセット生成部９７を有する。試行データセット生成部３３は、直交表サイズ選択部３４と割り付け部３５を有する。最適データセット生成部９７は、要因効果図作成部９８と有意データ選択部９９を有する。

装置差異分析ユニット９は、最適類似度算出部９１、最適集合生成部９２、最適検定値算出部９３、判定部９４、抽出部９５と出力部９６を有している。

（半導体装置の製造方法）
図３に示すように、半導体装置の製造方法では、まず、ステップＳｔ１で、生産管理サーバ１７が、半導体装置の製造単位であるロット毎に、製造フローを生成し、ロットデータベース１８に記憶させる。製造フローには半導体装置を製造するための複数の製造工程の順番と、製造工程毎の製造条件が設定されている。

ステップＳｔ２で、生産管理サーバ１７が、ロット毎に、検査項目を設定し、ロットデータベース１８に記憶させる。検査項目として、検査工程、測定工程やテスト工程を実施する前後の製造フローの製造工程と検査工程、測定工程やテスト工程の検査条件等が設定されている。

ステップＳｔ３で、生産管理サーバ１７が、半導体装置のロット毎に作製開始指示の有無の判定を行う。作製開始指示がなければ半導体装置の製造方法を終了する。作製開始指示があれば、ステップＳｔ４に進む。

ステップＳｔ４で、製造フローにしたがって、ロット毎に、クリーンルーム１０内の製造装置１１、１３を用いて半導体装置を作製する。

ステップＳｔ５で、製造フローにしたがって、ロット毎に、クリーンルーム１０内のインライン検査装置１２、インラインＱＣ測定装置１４とＥＥＳユニット１５、１６、クリーンルーム１０外の特性テスタ１９とウエーハテスタ２０を用いてEESデータ、ディフェクトデータ、QCデータ、特性データ、ウエーハテストデータを取得する。EESデータ、QCデータ、特性データ、ウエーハテストデータは、サーバ２１、２３、２５、２７、２９を介して、データベース２２、２４、２６、２８、３０に記憶される。

ステップＳｔ６で、異常原因特定システム１が、EESデータ、QCデータ、特性データ、ウエーハテストデータを用いて異常原因特定方法を実施し、異常原因である製造装置の識別符号とこの製造装置を用いた製造工程の識別符号を出力する。

ステップＳｔ７で、異常原因特定システム１が、異常原因である製造装置と製造工程の識別符号の有無に基づいて、異常原因の有無を判定する。異常原因がなければステップＳｔ３に戻る。異常原因があればステップＳｔ８に進む。

ステップＳｔ８で、異常原因特定システム１が、異常原因の製造装置で処理されたロットの集合毎に、異常原因となった製造装置が用いられた製造工程に関係するEESデータ、QCデータ、特性データ、ウエーハテストデータを異常データとして抽出する。

ステップＳｔ８で、異常原因となった製造装置１１、１３が、オペレータ等により異常データが修正されるように調整される。調整後ステップＳｔ９に進む。

（異常原因特定方法）
図４に示すように、異常原因特定方法は、まず、ステップＳｔ１１で、データ取得部３１が、製造単位であるロットの識別番号を、ロットデータベース１８から取得する。

ステップＳｔ１２で、データ取得部３１が、取得した識別番号に対応するロット毎に製品の製造過程の複数の製造工程における複数種類の検査データすなわちEESデータ、ディフェクトデータ、QCデータ、特性データ、ウエーハテストデータを、データベース２２、２４、２６、２８、３０から取得する。

ステップＳｔ１３で、特徴量生成部３２が、検査データを検査データの種類毎に標準化した特徴量を生成することにより、種類毎の検査データを共通波形化する。

半導体装置の製造における異常は、EESデータ、ディフェクトデータ、QCデータ、特性データ、ウエーハテストデータにおいて様々な形で現れる。例えば、ウエーハテストデータにおいてロット内の不良チップが増大し、歩留まりの低下として現れる。また製造工程途中の検査によるディフェクトデータとQCデータにおいて、異物の増加や、加工形状の仕様範囲からの逸脱として現れることもある。これらの異常原因を早期に特定するために、取得されたEESデータ、ディフェクトデータ、QCデータ、特性データ、ウエーハテストデータの解析が以後のステップで行われる。解析では、装置差異分析を用いるが、EESデータ、ディフェクトデータ、QCデータ、特性データ、ウエーハテストデータはそれぞれ独自の形式で取得されており、異種データを組み合わせた解析を行うことができない。そこで、ロット単位で各データを共通の形式の特徴量による数値群で表現した。各データに対し共通形式への変換アルゴリズムを定義した。

例えば、ウエーハテストデータに対しては、図７と図８に示すようなウエーハ面上の領域を定義し、各領域における存在割合を算出し、この存在割合をロット単位に積算および平均化した値を特徴量に用いた。図８の不良品の分布のクラスタリングした分布が類似するか否かの類似性を定量的に表すため、不良のクラスタリングした分布を多数の数値群である特徴量で表す。

まず、ウエーハを複数の領域区分に分ける。図７に示すように、ウエーハの半径をｒとした時、ウエーハの中心から半径方向1/2ｒの距離に設けられた境界線４７と、半径方向3/4ｒの距離に設けられた境界線４８と、ウェーハエッジに接するようにウエーハの最外周に配置されたチップとそれ以外のウエーハの内側に配置されたチップを分ける境界線４９を設けた。これらの３本の境界線４７乃至４９により、ウエーハ表示領域４１を４つのリング状の領域４３乃至４６に分けた。

次に、ウエーハを中心の中心角の角度方向に４５度毎に区分する８本の境界線６１乃至６８を設けた。これらの８本の境界線６１乃至６８により、ウエーハ表示領域４１を８つの扇状の領域５１乃至５８に分けた。

半径方向の領域４３乃至４６と角度方向の領域５１乃至５８を組み合わせて、全部で104個の領域区分を定義した。例えば、領域区分Ａは、半径方向1/2ｒから3/4ｒの領域区分４４と角度方向315度から360度の領域区分５８の論理積として定義される。領域区分Ｂは、半径方向はウェーハエッジ領域区分４６、角度方向は0度から180度の領域区分５１乃至５４の論理積として定義される。他の領域区分も同様に半径方向と角度方向の各領域区分の論理積として定義できる。

次に、図８に示すように、不良ビットの不良表示領域７１乃至８０と領域区分の位置を比較し、１０４個それぞれの各領域区分ｉにおける不良ビットの存在割合f_iを求める。不良ビットの存在割合f_iは、領域区分ｉに属する全ビット数をnr_i、領域区分ｉで発生した不良ビットの合計数をnf_iとした時に、式１で計算する。

f_i= nf_i / nr_i （１）

ここで、iは各領域区分に付けた番号である。

例えば、不良ビット７１は、領域区分４４と領域区分５４の論理積の領域区分１に配置され、領域区分１に属する全ビット数が１０ビットの場合、不良ビットの存在割合f_１は１／１０より０．１である。不良ビット７２は、領域区分４３と領域区分５１の論理積の領域区分２に配置され、領域区分２に属する全ビット数が１０ビットの場合、不良ビットの存在割合f_２は１／１０より０．１である。不良ビット７３は、領域区分４３と領域区分５６の論理積の領域区分３に配置され、領域区分３に属する全ビット数が１０ビットの場合、不良ビットの存在割合f_３は１／１０より０．１である。不良ビット７４乃至７８は、領域区分４６と領域区分５８の論理積の領域区分４に配置され、領域区分４に属する全ビット数が１０ビットの場合、不良ビットの存在割合f_４は５／１０より０．５である。不良ビット７９、８０は、領域区分４６と領域区分５７の論理積の領域区分５に配置され、領域区分５に属する全ビット数が１０ビットの場合、不良ビットの存在割合f_５は２／１０より０．２である。不良ビット７４乃至８０は、領域区分４６と領域区分５７、５８の論理積の領域区分６に配置され、領域区分６に属する全ビット数が２０ビットの場合、不良ビットの存在割合f_６は７／２０より０．３５である。不良ビット７４乃至７８は、領域区分４６と領域区分５１、５８の論理積の領域区分７に配置され、領域区分７に属する全ビット数が２０ビットの場合、不良ビットの存在割合f_７は５／２０より０．２５である。

このような不良ビットの存在割合f_ｉを用いて、ロット毎の特徴量を算出する。特徴量は、存在割合f_ｉをロット単位に積算および平均化して算出した。具体的には、図９に示すように、ウエーハテストデータについては、ロット＃１６７２では、領域区分１で特徴量は０．４６７であり、この０．４６７の特徴量に波形番号１を割り付けている。また、領域区分２で特徴量は０．７６２であり、この０．７６２の特徴量に波形番号２を割り付けている。以下同様に、領域区分３から１０４までのそれぞれの特徴量を算出し、このそれぞれの特徴量に波形番号３から１０４を割り付けている。

不良ビットを探すウエーハテストは、様々な種類の電気的特性について行われる。例えば、各ビットがメモリとして動作するか否かを判定するファンクションテストや、メモリとして動作はしていても、動作時間や電流値が製品規格を満たしているかを判定するマージンテストがある。式１の不良の領域区分毎の存在割合ｆは各ウエーハテスト毎に、そして、各ロットの各ウエーハ毎に計算した。特徴量は、領域区分毎に、存在割合fをロット単位に積算および平均化して算出し、それぞれの特徴量に波形番号を割り付けた。

ディフェクトデータ、特性データおよびQCデータに対しては、図７の領域区分毎の測定値のロット平均値を特徴量に用いた。それぞれの特徴量に波形番号を割り付けた。

EESデータに対しては、製造装置１１、１３での各ロットの処理期間中の装置状態の時系列変化を用いた。具体的には、図１０に示すように、ＥＥＳデータとして、ロット＃１６７２について、１秒間隔に製造装置１１のチャンバー内圧力が取得されている場合に、図１１に示すように、１秒間隔の各時刻毎のチャンバー内圧力を特徴量として算出する。そして、それぞれの特徴量に波形番号を割り付けた。

これらの一連の波形番号を有する特徴量を、波形番号に対する特徴量のグラフに折れ線グラフとして記載すると、図１２に示すように、ウエーハテストデータ、製造工程Ａディフェクトデータ、製造工程Ｂディフェクトデータ、・・・トランジスタ閾値電圧データ毎に波形状のデータとなる。これらの波形状のデータをそれぞれウエーハテスト波形データ、製造工程Ａディフェクト波形データ、製造工程Ｂディフェクト波形データ、・・・トランジスタ閾値電圧波形データと呼ぶ。これらの波形データはロット番号と対応付けてロット波形データベース５に記憶して格納される。

ここで、各EESデータ、ディフェクトデータ、QCデータ、特性データ、ウエーハテストデータに基づいた波形データの特徴量は単位と桁数が異なるため、各EESデータ、ディフェクトデータ、QCデータ、特性データ、ウエーハテストデータに基づいた波形データの間でそのまま比較することは困難である。そこで、各波形データについて、平均μ、標準偏差σを算出し、式２により特徴量xを一般化特徴量x’に標準化したものを波形データとした。

標準化の方法は、各波形が同じオーダーで扱えれば、他の方法でもよい。例えば各波形の変動域を求め、それらを特定の範囲に収まるよう変換してもよい。

図４のステップＳｔ１４で、図２の波形化ユニット２が全てのロットの全てのEESデータ、ディフェクトデータ、QCデータ、特性データ、ウエーハテストデータを共通波形化した波形データを生成したか否か判定する。全ての波形データが生成されていなければステップＳｔ１３に戻り、全ての波形データが生成されていればステップＳｔ１５に進む。

ステップＳｔ１５で、波形最適化ユニット３が波形最適化を実施する。波形最適化は、図５の波形最適化のフローチャートにしたがう。

ステップＳｔ１３の共通波形化によって、フェイルビットマップと良品／不良品マップにおけるウエーハ面内の不良分布の類似性の定量化が可能になる。ロット間の類似性の定量化は、波形データの類似性の定量化であると捉えることができる。すなわち、類似する形状の波形データを有するロットは、類似するクラスタリング不良分布で分布する不良品を有していると考えられる。波形データ間の類似性の定量化は可能だからである。しかし、波形データが類似するか否かの判定にロットが有する全ての波形データが必要なわけではない。そこで、波形最適化では、ウエーハ面内の不良分布の類似性の判定に必要な波形データのみを採用する。

波形最適化は２水準直交表を用いて行った。２水準直交表の２水準を取得された波形データの種類を採用する採用水準と採用しない不採用水準とした。

図５のステップＳｔ２１で、図２の直交表サイズ選択部３４が、直交表が記憶された直交表データベース６に基づいて、取得された波形データの種類の数に応じて２水準直交表のサイズを決定した。例えば、実施例１では１0種類の波形データが取得されている場合を想定し、図１３に示すL12直交表を用いた。このＬ１２直交表では、水準１を採用水準とし、水準２を不採用水準とする。１２回の試行により、１0種類の波形データの採用不採用の選択を行うことができる。

Ｌ１２直交表の横方向は因子番号１乃至１１である。図１４に示すように、割り付け部３５が波形データの種類を示す波形データ名を因子番号１乃至１０に割り付ける。なお、実施例１では因子１１番には波形データは割り付けない。

ステップＳｔ２２で、試行データセット生成部３３が、試行番号に１を設定する。以下、ステップＳｔ２８まで、試行番号毎に、全ての試行番号に関して実施される。

ステップＳｔ２３で、試行データセット生成部３３が、２水準直交表の試行実験毎に、採用水準１である因子番号に対応する波形データ名を選択した試行データセットをロット毎に生成する。例えば、試行番号２の試行実験においては、図１３の直交表で水準「１」と表示されている因子番号１から５の波形データを採用し、水準「２」と表示されている因子番号６から１０の波形データを採用していない試行データセットを生成する。

ステップＳｔ２４で、試行類似度算出部３６が、試行データセットに関して、製造単位のロット間の類似の度合いを表す試行類似度を算出する。試行類似度としては、試行データセットの波形データの特徴量あるいは一般化特徴量に関する全ての対象ロット間の相関係数を用いることができる。試行データセットの一般化特徴量をロット間でプロットした散布図から、ウエーハ間の相関関係が視覚的にもわかるが、相関係数を求めることにより試行類似度を定量化することができる。

試行集合生成部３７が、ロットの１つ毎に対して、類似度例えば相関係数が閾値以上になる他のロット名を抽出した試行類似ロット集合を生成する。例えば、実施例１では、閾値を0.8に設定した。相関係数が閾値０．８以上であれば、その相関係数を有する２つのロットは、不良の分布が互いに類似していると判断する。そして、図１５に示すように、試行実験毎に、互いのロットが類似している関係を有する試行類似ロット集合Ｓ１１乃至Ｓ１３、Ｓ２１、Ｓ２２、Ｓ３１乃至Ｓ３４、・・・Ｓ１２１乃至Ｓ１２３を生成する。

図１５に示すように、試行実験毎に、試行類似ロット集合は複数個存在することがあり、試行類似ロット集合の要素となっているロット数の多い順に番号を付けている。例えば、第n回目の試行実験による波形データ選択で形成された試行類似ロット集合では、第m番目に要素が多い試行類似ロット集合をSnmと表現している。例えば、図１３の直交表の試行番号２の試行実験においては、因子番号１から５までの波形データを用いて試行データセットを形成し、その試行データセットにおいて互いに類似するロットにより試行類似ロット集合を形成する。試行データセットの特定位置にピークを５個有する波形を持つロット数が最も多く、ピークを７個有する波形を持つロット数が次に多かったとすると、ピークを５個有する波形のロットの試行類似ロット集合がS21となり、ピークを７個有する波形のロットの試行類似ロット集合がS22となる。以下同様である。

図１５に示すように、各試行実験において試行類似ロット集合は複数個存在することがあるので、試行実験毎に試行類似ロット集合を構成要素とする類似波形ロット群を形成する。例えば、試行実験１の類似波形ロット群の構成要素は、試行類似ロット集合Ｓ１１乃至Ｓ１３である。また、ある１週間にクリーンルーム１０で製造されたロットを対象ロットと設定し、対象ロットに関して図１５に示す各試行実験における類似ロット集合を求めた。

次に、図５のステップＳｔ２５で、波形最適化ユニット３が、得られた試行類似ロット集合Snmに対し、装置差異分析を実行する。装置差異分析は、試行類似ロット集合Snmを構成するロットの製造に用いられた図１の製造装置１１、１３の偏りを統計検定することにより行われる。

より詳細には、まず、工程検定値算出部３８が、製造工程で用いられた複数の製造装置の差異と試行類似ロット集合を構成するロットの偏りを、試行実験毎のそれぞれの製造工程に対して算出する。この偏りは、製造工程で用いられた複数の製造装置の差異と試行類似ロット集合を構成するロットの因果関係の度合いを表すと考えられる。すなわち、工程検定値算出部３８では、試行類似ロット集合を構成するそれぞれのロットを製造した製造装置の、製造工程で用いられた複数の製造装置に対する偏りを統計検定する。

具体的には、図６に示すような、製造フローで半導体装置が製造されているとする。この製造フローは、製造工程Ｆ１、検査工程Ｆ２、製造工程Ｆ３、検査工程Ｆ４、・・・製造工程Ｆｎ、検査工程Ｆｎ＋１、・・・特性テスト、ウエーハテストの順番に実施される製造フローである。この製造フローで半導体装置のロット＃１乃至＃６の６ロットが製造されたとする。製造工程Ｆ１では、製造装置１１ａ乃至１１ｃの３台の製造装置が用いられた。製造装置１１ａでは、ロット＃１と＃４が処理された。製造装置１１ｂでは、ロット＃２と＃５が処理された。製造装置１１ｃでは、ロット＃３と＃６が処理された。製造工程Ｆ３では、製造装置１３ａ乃至１３ｃの３台の製造装置が用いられた。製造装置１３ａでは、ロット＃１が処理された。製造装置１３ｂでは、ロット＃２と＃４が処理された。製造装置１３ｃでは、ロット＃３、＃５と＃６が処理された。製造工程Ｆｎでは、２台の製造装置が用いられた。一方の製造装置では、ロット＃１、＃３と＃５が処理された。他方の製造装置では、ロット＃２、＃４と＃６が処理された。ここで、試行類似ロット集合の構成要素がロット＃１と＃４であるとすると、処理したロット＃１と＃４の組み合わせが一致している製造装置１１ａの因果関係の度合いは、他の製造装置に比べて大きくなるように設定されることになる。このことにより、製造装置１１ａで異常が発生したことがわかることになる。

以下に、装置差異分析の計算方法を述べる。製造工程qにおいて、N台の製造装置が使われているとき、それらの装置を製造装置M₁、M₂、・・・、M_Nと表記する。各製造装置M₁、 M₂、・・・、M_Nの全処理ロット数を、A₁, A₂, ・・・,A_Nとする。全対象ロット数Ａは、式３で表される。

A=A₁+A₂+・・・+A_N ・・・（式３）

また各製造装置M₁、M₂、・・・、M_Nの不良ロット処理数を、F₁、F₂、・・・、F_Nとする。試行類似ロット集合Snmの要素数Ｆは、式４で表される。

F=F₁+F₂+・・・+F_N ・・・（式４）

各製造装置M₁、M₂、・・・、M_Nの不良ロット処理数の期待値E₁、E₂、・・・、E_Nは、式５で表される。

E_i=F・A_i/A （i=1、2、・・・、N）・・・（式５）

さらに、各製造装置M₁、M₂、・・・、M_Nのχ²値を、式６で求める。

χ² _i=(F_i-E_i)^2/E_i （i=1、2、・・・、N）・・・（式６）

そして、製造工程qにおけるχ^２乗値χ^２ _ｑを、式７で求める。

χ^２ _ｑ＝χ^２ _１+χ^２ _２+・・・+χ^２ _N ・・・（式７）

最後に、自由度Nのχ^２分布関数をf(χ^２, N)とすると、製造工程ｑのχ^２検定値Pqは、式８で求める。

Pq=f(χ^２ _ｑ, N-1) ・・・（式８）

製造工程ｑのχ^２検定値Pqが0.05以下なら、製造工程ｑにおいて、95%の信頼度で有意差があると判定される。すなわち、製造工程ｑのχ^２検定値Pqは、望小特性であると考えられる。製造フローの全製造工程qのχ^２検定値Pqの中で、最小値を取るχ^２検定値Pqを試行類似ロット集合Snmの装置差異分析検定値Pnmとした。装置差異分析検定値Pnmは、試行類似ロット集合Snmを構成するロットを製造した製造装置で異常の発生している度合いである異常度を表していると考えられる。図１５に示すように、試行類似ロット集合Snmごとに、異常度Pnmが１つずつ求まる。そして、試行実験nにおいて最小の異常度Pnmを、その試行実験ｎにおける最小異常度Pnとした。最小異常度Pnの値を図１５の右欄に記載した。最小異常度Pnは、試行実験ごとにおける最小のχ^２検定値Pqである。

なお、異常度が製造工程ｑのχ^２検定値Pqのように望小特性であれば最小値を用いるのであるが、異常度が望大特性であれば、最小値に換えて最大値を用いることになる。統一的に考えると所望の特性すなわち望目特性の程度が最も大きくなるように、異常度Pnmと最小異常度Pnを設定することになる。そこで最小異常度Pnの統一的な名称を最大異常度Pnとする。最適検定値設定部３９は、試行実験毎に、試行集合の中から望目特性の程度が最も大きい異常度を最大異常度Pnに設定する。

ステップＳｔ２６で、最適検定値設定部３９は、図１５に示すように、最大異常度Pnの値を試行番号ｎに関係付けて記憶する。

ステップＳｔ２７で、波形最適化ユニット３が、試行番号ｎに１を加算する。ステップＳｔ２８で、波形最適化ユニット３が、全ての試行実験を行ったか判定する。全ての試行実験を行っていなければステップＳｔ２３に戻る。全ての試行実験を行っていればステップＳｔ２８に進む。

ステップＳｔ２９で、図１６に示すように、最大異常度Ｐｎの望目特性の最適化のための波形データの種類毎の採用水準と不採用水準の要因効果図を作成する。近年、複数の要因から成る系を最適化する手法としてタグチメソッドが知られるようになった。この手法では、要因の条件等の水準を直交表に従って変化させた試行実験を行うことで、少ない実験回数で最適条件を見出すことができる。このタグチメソッドを実施例１の２水準直交表を用い、要因を複数種類の波形データとし、要因の水準１を波形データ採用、水準２を非採用とする波形データセットの最適化に適用した。実施例１の最大異常度の検定値Pnは小さいほど有意であるので、望小特性による最適化をタグチメソッドで行った。以下タグチメソッドの計算方法を示す。

試行実験毎に最大異常度の検定値P1、P2、・・、Pn、・・、P12を用いて、ここでi（i=1、2、・・・、12）番目の試行実験に対するSN比K_iを、タグチメソッドの計算公式に従って、式９で求める。

K_i=−10log(P_i ²) （i=1、2、・・・、12）・・・（式９）

次に因子の水準の平均値を求める。例えば、波形データｊ（j=1、2、・・・、11）が割り当てられている因子ｊの水準ｋ（k=1、2）の平均値X_jkは、直交表で因子ｊの水準がｋになっている試行実験におけるSN比の平均を求めればよい。例えば、波形データ１が割り当てられている因子１の水準１の平均X₁₁は、試行１から６までの６この試行実験で水準が水準１であるので式１０で求められる。

X₁₁=(K₁+K₂+K₃+K₄+K₅+K₆)/6 ・・・（式１０）

そして、図１６に示すように、因子ｊ毎に、因子ｊの水準1と２の平均値X_j1とX_j2を結ぶグラフを作成する。図１６のグラフは要因効果図と呼ばれ、縦軸の平均値X_j1とX_j2はＳＮ比と呼ばれる。水準１が該当する波形データｊ（j=1、2、・・・、10）を採用する水準であるので、採用する水準１の平均値X_j1が採用しない水準２の平均値X_j2より大きいのであれば、すなわち、グラフが右下がりであれば、その波形データｊを採用したほうが採用しないよりSN比が高くなる。SN比が高ければ高いほど、装置差異分析の検定値がより有意な値をとることを示す。なお、実施例１で、因子番号１１には波形データを割り当てていないが、因子番号１１の水準１と２でSN比に差が生じている。この差は実施例１の波形最適化における誤差と考えられる。従って、装置差異分析に用いると有効な波形データを選択するためには、波形データを割り当てていない因子１１の水準１と２でSN比に差より大きい水準１と２のSN比の差を有し、水準１のSN比が水準２のSN比より大きい、右下がりの因子に割り当てられている採用水準を選択し、この採用水準に対応する波形データを選択すればよい。

図１７に示すように、図５のステップＳｔ３０で、有意データ選択部９９が、要因効果図に基づいて、選択された採用水準に対応する有意な波形データの最適波形データ名を抽出する。図１６の要因効果図からウエーハテスト、装置Ａ圧力とトランジスタ閾値電圧を採用し、最終的には、図１７のウエーハテスト、工程Ｃディフェクトデータ、装置Ａ圧力、装置Ｂガス流量とトランジスタ閾値電圧を採用した。そして、要因効果図より選択し採用した波形データの種類を図１の最適波形データベース７に記憶した。

図１８に示すように、最適データセット生成部９７が、最適波形データ名に対応する波形データで構成される最適データセットをロット毎に生成する。以上で、図５の波形最適化のフロー、そして、図４のステップＳｔ１５の波形最適化が終了する。

ステップＳｔ１６で、装置差異分析ユニット９が、ロット毎の最適データセットを用いて、
最適類似波形ロット群を形成する。

より詳細には、まず、最適類似度算出部９１が、最適データセットに関して、ロット間の類似の度合いを表す最適類似度を算出する。最適類似度の算出方法は、図５のステップＳｔ２４の試行類似度の算出方法と同じである。

次に、最適集合生成部９２が、試行集合生成部３７と同様に、ロットの１つ毎に対して、最適類似度が閾値以上になる他のロット名を抽出した最適類似ロット集合を生成する。そして、最適類似ロット集合を要素とする最適類似波形ロット群を生成する。

ステップＳｔ１７で、最適検定値算出部９３が、最適類似波形ロット群の各最適類似ロット集合に対し、装置差異分析を実施した。装置差異分析の方法は、図５のステップＳｔ２５の試行類似ロット集合に対する装置差異分析と同様である。すなわち、最適検定値算出部９３が、製造工程で用いられた複数の製造装置の差異と、最適類似ロット集合を構成するロットの因果関係の度合いを表す最適検定値を、製造工程毎に算出する。具体的には、最適検定値算出部９３では、最適類似ロット集合を構成するそれぞれのロットを製造した製造装置の、製造工程で用いられた複数の製造装置に対する偏りを統計検定する。

ステップＳｔ１８で、判定部９４が、最適類似ロット集合毎に、最適検定値に基づいて、製造装置の差異と最適類似ロット集合の因果関係が有意であるか判定する。具体的には、所定の閾値を満足する最適検定値をともなう製造装置と最適類似ロット集合を因果関係が有意と判定し、閾値を満足しない最適検定値をともなう製造装置と最適類似ロット集合を因果関係が有意でないと判定する。この判定により、図１９に示すように、有意である最適類似ロット集合Ｓ０１とＳ０２が求められた。抽出部９５は、最適類似ロット集合毎に、有意であると判定された因果関係の対象である製造装置を異常原因として抽出する。

ステップＳｔ１９で、出力部９６が、異常原因を出力する。また、図１９に示すように、最適類似ロット集合Ｓ０１とＳ０２のロット毎に各波形データを平均化した。そして、ウエーハテストデータ、工程ＣディフェクトデータのＱＣデータ、トランジスタ閾値電圧に対してはロットを構成するウエーハ内の面内傾向として表示した。製造装置１１のチャンバー圧力と製造装置１３のガス流量のEESデータに関しても、装置状態の時系列変動の平均を図示した。図１９より、ウエーハテストデータでは、最適類似ロット集合Ｓ０１とＳ０２共にウエーハ右側外周に不良が多い傾向が共通している。しかし、最適類似ロット集合Ｓ０１では製造工程Cでウエーハ右側に異常が多く、トランジスタの閾値電圧分布もウエーハ右側で異常がみられた。同時に抽出された工程ＣディフェクトデータのEESデータより、最適類似ロット集合Ｓ０１の異常原因が製造装置１１ａの圧力異常であることが判明した。一方、最適類似ロット集合Ｓ０２では、製造装置１３ｂのガス流量変動が異常原因であることがわかった。従来手法では、例えばウエーハテストデータだけで類似ロットを形成し、装置差異分析を掛けていた。しかし、最適類似ロット集合Ｓ０１とＳ０２のように、同じウエーハ右側外周部での不良でも、実施例１のように異常原因がことなる両者を混在させた装置差異分析では、これらの異常原因を分離できず特定できなかった。実施例１では、ロットに関する複数種類の波形データを統一的に扱うことで、類似ロット集合の形成を正確にし、不良原因を特定することができた。以上で異常原因特定方法が終了する。異常原因特定方法は、手順としてコンピュータが実行可能な異常原因特定プログラムにより表現することができる。この異常原因特定プログラムをコンピュータに実行させることにより、異常原因特定方法を実施することができる。

以上説明したように、実施例１では、ロットに係る各種データを共通形式の波形データに変換し、波形データの比較により類似する波形データに対応するロットからなる類似ロット集合を形成し、類似ロット集合を構成する複数のロット間で装置差異分析を実施する。各種波形データの採用可否は２水準直交表を用い、装置差異分析の検定値の望小あるいは望大特性の最適化により装置差異分析等に一部の波形データを採用しないことで、計算量を低減し、異常原因を正確かつ効率的に特定することができる。

実施例１では２水準直交表による波形データの採用不採用の選択を、全種類の波形データを対象に行ったが、実施例２のように特定の波形データを常に選択するように事前に選択してもよい。例えば、ウエーハテストにおいてウエーハ中央に不良チップが多発するクラスタリング不良があり、かつ、同じウエーハ中央傾向のクラスタリング不良の原因が複数存在する場合を考える。

まず、実施例１では、ウエーハテストの波形データだけでウエーハ中央不良ロット群Scを形成する。しかしウエーハ中央不良ロット群Scで装置差異分析を行ってもその不良原因は特定できない。

そこで、実施例２では、直交表による波形データ選択においては、ウエーハテストデータはどの試行においても常に採用することにする。さらに、採用された波形データから最適類似ロット群Scoを形成する際は、ウエーハ中央不良ロット群Scからロットを収集する。そして、装置差異分析では全対象ウエーハと最適類似ロット群Scoに対し検定を行う。こうすることで、ウエーハテストデータでは区別の付かないウエーハ中央不良ロット群Scを区別する波形データが抽出され、区別されたウエーハ中央不良ロット群Scに対し装置差異分析を行うことで、各々の異常原因を特定することができる。

実施例３では、半導体装置の製造工程中に取得される波形データ群のみを用いて、製造工程の異常を早急に検知し、検知した製造工程を制御する方法を述べたものである。半導体製造工程中で取得されるデータはインラインデータと呼ばれ、欠陥（ディファクト）データ、EESデータ、QCデータ等が該当する。インラインデータに限定して、実施例１の半導体装置の製造方法を適用した。その結果、図２０（ａ）の製造工程Cの欠陥マップデータの波形データと、図２０（ｂ）の製造工程Cの製造装置のチャンバー圧力データの波形データを結合した最適波形データセットによる最適類似ロット集合において、製造工程Cの特定の号機の製造装置で強い異常度が検知された。最適類似ロット集合を構成するロット内のウエーハの製造工程Cの欠陥マップデータを確認した所、図２１に示すようにウエーハ外周部にダスト８１が多く発生していることがわかった。そして、このダスト８１の発生は、製造工程Cの製造装置の特定の号機のチャンバー圧力の異常変動によって引き起こされていたことが判明した。そこで、この圧力変動が生じないよう、製造工程Cの製造装置の特定の号機の制御プログラムを変更した所、製造工程Ｃでのウエーハ外周ダストは発生しなくなった。

このように、インラインのデータに限定して異常原因を早急に見出して、異常原因である製造装置によるプロセスを調整し制御することで、半導体装置の不良発生を最小限に抑えることが出来る。

実施例４では、実施例１の異常原因特定方法を半導体装置の製造方法の特定の製造工程に限定して行う場合について説明する。製造工程Dのリソグラフィー装置の各ユニット、現像液塗布ユニット、ベーキングユニット、ステッパーユニットと現像ユニットを合わせて250種類のEESデータが取得されている。このリソグラフィー装置のEESデータに限定して実施例１の半導体装置の製造方法を適用した。その結果、図２２（ａ）のフォーカス追従性データの波形データと図２２（ｂ）の同期精度データの波形データが特定の波形をしているロットからなる最適類似ロット集合が生成された。生成された最適類似ロット集合を構成するロット群とそれ以外のロット群で、レジスト寸法の有意差検定を行ったところ、最適類似ロット集合のロット群でレジスト寸法が有意に細くなっていることが判明した。このレジスト寸法の寸法値は寸法変動の許容値の下限近くであった。このため、このフォーカス追従性データの波形データと同期精度データの波形データが特定の波形に波形変動しないように、リソグラフィー装置の制御部を調整し改善した。この改善の結果、フォーカス追従性と同期精度に起因するレジスト寸法の寸法変動は生じなくなった。

このように、リソグラフィー装置のような個々の製造装置においても、単体のリソグラフィー装置に関するインラインのデータに限定して異常原因を早急に見出して、リソグラフィー装置内の異常原因に関わるプロセスを調整し制御することで、半導体装置の不良発生を最小限に抑えることが出来る。

実施例１乃至４は、本発明を実施するにあたっての具体化の例を示したものに過ぎず、実施例１乃至４によって本発明の技術的範囲が限定的に解釈されてはならないものである。例えば、実施例１乃至４では、ロットを製造単位として処理を行ったが、ウエーハ単位、あるいはチップ単位のデータを用いてもよいのである。本発明は、その技術的思想、またはその主要な特徴から逸脱することなく、様々な形で実施することができる。すなわち、本発明の特許請求の範囲を逸脱しない範囲で、変更・改良や一部転用などが可能であり、これらすべて本発明の請求範囲内に包含されるものである。

本発明の一実施形態に係る異常原因特定システムを有する半導体装置の製造システムの構成図である。本発明の一実施形態に係る異常原因特定システムの構成図である。本発明の一実施形態に係る異常原因特定方法を含む半導体装置の製造方法のフローチャートである。本発明の一実施形態に係る異常原因特定方法のフローチャートである。本発明の一実施形態に係る異常原因特定方法を構成する波形最適化のフローチャートである。半導体装置の製造フローである。半導体装置のロットを構成するウエーハ上の領域区分を説明するための図である。一般化特徴量を説明するための領域区分上のフェイルビットマップである。ウェーハテストデータから生成された一般化特徴量の表である。一般化特徴量を説明するための製造装置の圧力の時間依存性を表すグラフである。製造装置の圧力データから生成された一般化特徴量の表である。一般化特徴量の波形図である。２水準直交表である。一般化特徴量の波形データの種類を因子に割り付けた割り付け表である。試行実験の番号毎の類似ロット集合の一覧表である。一般化特徴量の波形データの種類を因子とする要因効果図である。最適の一般化特徴量の波形データの種類の表である。最適の一般化特徴量の波形データの種類からなる波形図である。最適類似ロット集合の一覧表である。本発明の一実施形態の最適類似ロット集合の一般化特徴量の波形データである欠陥マップ（ａ）とチャンバー圧力（ｂ）の波形図である。最適類似ロット集合を構成するロット内のウエーハのフェイルビットマップである。本発明の一実施形態の最適類似ロット集合の一般化特徴量の波形データであるフォーカス追従性（ａ）と同期精度（ｂ）の波形図である。

符号の説明

１異常原因特定システム
２波形化ユニット
３波形最適化ユニット
５ロット波形データベース
６直交表データベース
７最適波形データベース
８不良原因データベース
９装置差異分析ユニット
３１データ取得部
３２特徴量生成部
３３試行データセット生成部
３４直交表サイズ選択部
３５割り付け部
３６試行類似度算出部
３７試行集合生成部
３８工程検定値算出部
３９最適検定値設定部
４１ウエーハ表示領域
４３半径方向１／２ｒ以内領域
４４半径方向１／２ｒから３／４ｒ領域
４５半径方向３／４ｒから外でエッジ領域を除いた領域
４６半径方向エッジ領域
４７半径方向１／２ｒの境界線
４８半径方向３／４ｒの境界線
４９半径方向エッジ領域の境界線
５１角度方向０度から４５度領域
５２角度方向４５度から９０度領域
５３角度方向９０度から１３５度領域
５４角度方向１３５度から１８０度領域
５５角度方向１８０度から２２５度領域
５６角度方向２２５度から２７０度領域
５７角度方向２７０度から３１５度領域
５８角度方向３１５度から０度領域
６１角度方向０度境界線
６２角度方向４５度境界線
６３角度方向９０度境界線
６４角度方向１３５度境界線
６５角度方向１８０度境界線
６６角度方向２２５度境界線
６７角度方向２７０度境界線
６８角度方向３１５度境界線
７１乃至８１不良表示領域
９１最適類似度算出部
９２最適集合生成部
９３最適検定値算出部
９４判定部
９５抽出部
９６出力部
９７最適データセット生成部
９８要因効果図生成部
９９有意データ選択部

Claims

製造単位毎に製品の製造過程の複数の製造工程における複数種類の検査データを取得し、
前記検査データを前記種類毎に標準化した特徴量を生成し、
２水準直交表の２水準を前記種類の採用水準と不採用水準とし、前記２水準直交表の因子を前記種類として、前記２水準直交表の試行実験毎に前記採用水準である前記種類の前記検査データに対応する前記特徴量を選択した試行データセットを前記製造単位毎に生成し、
前記試行データセットに関して、前記製造単位間の類似の度合いを表す類似度を算出し、
前記製造単位の１つ毎に対して、前記類似度が閾値以上になる他の前記製造単位を抽出した試行集合を生成し、
前記製造工程で用いられた複数の製造装置の差異と前記試行集合を構成する前記製造単位の因果関係の度合いを表す工程検定値を、前記試行実験毎のそれぞれの前記製造工程に対して算出し、
前記試行実験毎に、前記試行集合の中から望目特性の程度が最も大きい前記工程検定値を試行実験検定値に設定し、
前記試行実験検定値の望目特性の最適化のための前記種類毎の前記採用水準と前記不採用水準の要因効果図に基づいて、前記採用水準が選択された前記種類に対応する前記特徴量からなる最適データセットを前記製造単位毎に生成し、
前記最適データセットに関して、前記製造単位間の類似の度合いを表す最適類似度を算出し、
前記製造単位の１つ毎に対して、前記最適類似度が閾値以上になる他の前記製造単位を抽出した最適集合を生成し、
前記製造工程で用いられた複数の前記製造装置の差異と前記最適集合を構成する前記製造単位の因果関係の度合いを表す最適検定値を、前記製造工程毎に算出し、
前記最適集合毎に、前記最適検定値に基づいて、前記製造装置の差異と前記最適集合の前記因果関係が有意であるか判定し、
前記最適集合毎に、有意であると判定された前記因果関係の対象である前記製造装置を異常原因として抽出することを特徴とする異常原因特定方法。
前記工程検定値の算出では、前記試行集合を構成するそれぞれの前記製造単位を製造した前記製造装置の、前記製造工程で用いられた複数の前記製造装置に対する偏りを統計検定し、
前記最適検定値の算出では、前記最適集合を構成するそれぞれの前記製造単位を製造した前記製造装置の、前記製造工程で用いられた複数の前記製造装置に対する偏りを統計検定することを特徴とする請求項１に記載の異常原因特定方法。
製造単位毎に製品の製造過程の複数の製造工程における複数種類の検査データを取得するデータ取得部と、
前記検査データを前記種類毎に標準化した特徴量を生成する特徴量生成部と、
２水準直交表の２水準を前記種類の採用水準と不採用水準とし、前記２水準直交表の因子を前記種類として、前記２水準直交表の試行実験毎に前記採用水準である前記種類の前記検査データに対応する前記特徴量を選択した試行データセットを前記製造単位毎に生成する試行データセット生成部と、
前記試行データセットに関して、前記製造単位間の類似の度合いを表す試行類似度を算出する試行類似度算出部と、
前記製造単位の１つ毎に対して、前記類似度が閾値以上になる他の前記製造単位を抽出した試行集合を生成する試行集合生成部と、
前記製造工程で用いられた複数の製造装置の差異と前記試行集合を構成する前記製造単位の因果関係の度合いを表す工程検定値を、前記試行実験毎のそれぞれの前記製造工程に対して算出する工程検定値算出部と、
前記試行実験毎に、前記試行集合の中から望目特性の程度が最も大きい前記工程検定値を最大検定値に設定する最大検定値設定部と、
前記最大検定値の望目特性の最適化のための前記種類毎の前記採用水準と前記不採用水準の要因効果図に基づいて、前記採用水準が選択された前記種類に対応する前記特徴量からなる最適データセットを前記製造単位毎に生成する最適データセット生成部と、
前記最適データセットに関して、前記製造単位間の類似の度合いを表す最適類似度を算出する最適類似度算出部と、
前記製造単位の１つ毎に対して、前記最適類似度が閾値以上になる他の前記製造単位を抽出した最適集合を生成する最適集合生成部と、
前記製造工程で用いられた複数の前記製造装置の差異と前記最適集合を構成する前記製造単位の因果関係の度合いを表す最適検定値を、前記製造工程毎に算出する最適検定値算出部と、
前記最適集合毎に、前記最適検定値に基づいて、前記製造装置の差異と前記最適集合の前記因果関係が有意であるか判定する判定部と、
前記最適集合毎に、有意であると判定された前記因果関係の対象である前記製造装置を異常原因として抽出する抽出部を有することを特徴とする異常原因特定システム。
前記工程検定値算出部では、前記試行集合を構成するそれぞれの前記製造単位を製造した前記製造装置の、前記製造工程で用いられた複数の前記製造装置に対する偏りを統計検定し、
前記最適検定値算出部では、前記最適集合を構成するそれぞれの前記製造単位を製造した前記製造装置の、前記製造工程で用いられた複数の前記製造装置に対する偏りを統計検定することを特徴とする請求項３に記載の異常原因特定システム。
前記製品として半導体装置を製造し、
前記請求項１に記載の異常原因特定方法を実施し、
前記最適集合毎に、前記異常原因となった前記製造装置が用いられた前記製造工程に関係する前記検査データを異常データとして抽出し、
前記異常データが修正されるように、前記異常原因として抽出された前記製造装置を調整することを特徴とする半導体装置の製造方法。