JP5566616B2 - 特性解析装置、特性解析方法をコンピュータに実行させるためのプログラム、上記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 - Google Patents
特性解析装置、特性解析方法をコンピュータに実行させるためのプログラム、上記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 Download PDFInfo
- Publication number
- JP5566616B2 JP5566616B2 JP2009033535A JP2009033535A JP5566616B2 JP 5566616 B2 JP5566616 B2 JP 5566616B2 JP 2009033535 A JP2009033535 A JP 2009033535A JP 2009033535 A JP2009033535 A JP 2009033535A JP 5566616 B2 JP5566616 B2 JP 5566616B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- characteristic
- tendency
- group
- space
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004458 analytical method Methods 0.000 title claims description 127
- 238000000034 method Methods 0.000 claims description 78
- 230000010354 integration Effects 0.000 claims description 54
- 238000011156 evaluation Methods 0.000 claims description 21
- 238000003860 storage Methods 0.000 claims description 10
- 238000013507 mapping Methods 0.000 claims description 8
- 239000000284 extract Substances 0.000 claims description 5
- 239000000758 substrate Substances 0.000 description 94
- 238000007689 inspection Methods 0.000 description 60
- 238000009826 distribution Methods 0.000 description 25
- 230000005856 abnormality Effects 0.000 description 24
- 230000007547 defect Effects 0.000 description 20
- 238000012545 processing Methods 0.000 description 19
- 238000004519 manufacturing process Methods 0.000 description 18
- 239000013598 vector Substances 0.000 description 15
- 238000004364 calculation method Methods 0.000 description 10
- 239000011159 matrix material Substances 0.000 description 10
- 238000000605 extraction Methods 0.000 description 7
- 238000012880 independent component analysis Methods 0.000 description 7
- 230000002159 abnormal effect Effects 0.000 description 6
- 238000005259 measurement Methods 0.000 description 6
- 238000000491 multivariate analysis Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000003909 pattern recognition Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 239000010408 film Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 240000004050 Pentaglottis sempervirens Species 0.000 description 1
- 235000004522 Pentaglottis sempervirens Nutrition 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
- 235000012431 wafers Nutrition 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Description
解析対象物が持つ或る個数の特性値を順序付けられた成分として含むデータセットを、上記特性値が示す傾向に基づいて分類するための分類基準を作成する特性解析装置であって、
複数の解析対象物にわたって上記データセットを集めてなるデータセット群全体の特性値から1個以上の特異傾向を抽出する特異傾向抽出部と、
上記各データセットが上記各々の特異傾向を含む度合いを算出する特異傾向評価部と、
上記各度合いを軸とする空間で上記各データセットに対応するデータ点を求め、上記空間で或る距離内に存在するデータ点同士を同じグループに統合するデータ統合部と、
上記統合された各グループに含まれるデータ点の代表値を求め、上記代表値から上記分類基準を作成する分類基準作成部とを有し、
上記データ統合部は、
上記空間で上記距離内に存在するデータ点同士を同じグループに統合した後、得られた複数のグループの間で最も距離が近いグループ同士を上位のグループとして統合するとともに、
その統合の際に、自己組織化写像を利用して、上記各度合いを軸とする空間における上記データ点を予め定められた次元の空間内に構成された格子状のノードに写像し、上記データ点同士に代えて上記ノード同士を統合する
ことを特徴とする。
解析対象物が持つ或る個数の特性値を順序付けられた成分として含むデータセットを、上記特性値が示す傾向に基づいて分類するための分類基準を作成する特性解析装置であって、
複数の解析対象物にわたって上記データセットを集めてなるデータセット群全体の特性値を記憶する特性値記憶部と、
上記データセット群全体の特性値から1個以上の特異傾向を抽出する特異傾向抽出部と、
上記各データセットが上記各々の特異傾向を含む度合いを算出する特異傾向評価部と、
上記各度合いを軸とする空間で上記各データセットに対応するデータ点を求め、上記空間で或る距離内に存在するデータ点同士を同じグループに統合するデータ統合部と、
上記統合された各グループに含まれるデータ点の代表値を求め、上記代表値から上記分類基準を作成する分類基準作成部とを有し、
上記データ統合部は、
上記空間で上記距離内に存在するデータ点同士を同じグループに統合した後、得られた複数のグループの間で最も距離が近いグループ同士を上位のグループとして統合するとともに、
その統合の際に、自己組織化写像を利用して、上記各度合いを軸とする空間における上記データ点を予め定められた次元の空間内に構成された格子状のノードに写像し、上記データ点同士に代えて上記ノード同士を統合する
ことを特徴とする。
解析対象物が持つ或る個数の特性値を順序付けられた成分として含むデータセットを、上記特性値が示す傾向に基づいて分類するための分類基準を作成する特性解析方法をコンピュータに実行させるためのプログラムであって、
上記特性解析方法は、
複数の解析対象物にわたって上記データセットを集めてなるデータセット群全体の特性値から1個以上の特異傾向を抽出する特異傾向抽出工程と、
上記各データセットが上記各々の特異傾向を含む度合いを算出する特異傾向評価工程と、
上記各度合いを軸とする空間で上記各データセットに対応するデータ点を求め、上記空間で或る距離内に存在するデータ点同士を同じグループに統合するデータ統合工程と、
上記統合された各グループに含まれるデータ点の代表値を求め、上記代表値から上記分類基準を作成する分類基準作成工程とを有し、
上記データ統合工程は、
上記空間で上記距離内に存在するデータ点同士を同じグループに統合した後、得られた複数のグループの間で最も距離が近いグループ同士を上位のグループとして統合するとともに、
その統合の際に、自己組織化写像を利用して、上記各度合いを軸とする空間における上記データ点を予め定められた次元の空間内に構成された格子状のノードに写像し、上記データ点同士に代えて上記ノード同士を統合する
ことを特徴とする。
S=AX …(1)
とおき、独立成分分析の手法を用いて行列Xの各行xiが互いに統計的に独立となるように行列Xを求める。この結果、行列Xの各行として得られたxiは、図3中における領域302〜領域306のように、行列S全体の平均的な傾向と異なる傾向を持ち、且つ他の行xjが示す傾向に含まれない傾向として個別に抽出される。即ち、或る設備異常によって発生する特性の傾向が領域302および領域303の両方の傾向を持ち、別の設備異常が領域303と領域304の両方の傾向を持つとき、上記二つの設備異常で発生する特異傾向は、互いに重複しないように領域302、領域303および領域304に分割されて抽出される。なお、式(1)内の行列Aは混合行列と呼ばれ、Xの各行xの線形和としてSを近似する際の各xの係数である。
ここで、D(xl,xm)は、基板xlが各特異傾向に含まれる度合いとxmが各特異傾向に含まれる度合いの距離関数を表し、通常はユークリッド距離を用いる。従って、上式はグループGiとグループGjに含まれる各基板についての各特異傾向に含まれる度合いの相互の距離の平均値を表す。
S102 特異傾向評価工程
S103 データ統合工程
S104 分類基準作成工程
Claims (4)
- 解析対象物が持つ或る個数の特性値を順序付けられた成分として含むデータセットを、上記特性値が示す傾向に基づいて分類するための分類基準を作成する特性解析装置であって、
複数の解析対象物にわたって上記データセットを集めてなるデータセット群全体の特性値から1個以上の特異傾向を抽出する特異傾向抽出部と、
上記各データセットが上記各々の特異傾向を含む度合いを算出する特異傾向評価部と、
上記各度合いを軸とする空間で上記各データセットに対応するデータ点を求め、上記空間で或る距離内に存在するデータ点同士を同じグループに統合するデータ統合部と、
上記統合された各グループに含まれるデータ点の代表値を求め、上記代表値から上記分類基準を作成する分類基準作成部とを有し、
上記データ統合部は、
上記空間で上記距離内に存在するデータ点同士を同じグループに統合した後、得られた複数のグループの間で最も距離が近いグループ同士を上位のグループとして統合するとともに、
その統合の際に、自己組織化写像を利用して、上記各度合いを軸とする空間における上記データ点を予め定められた次元の空間内に構成された格子状のノードに写像し、上記データ点同士に代えて上記ノード同士を統合する
ことを特徴とする特性解析装置。 - 解析対象物が持つ或る個数の特性値を順序付けられた成分として含むデータセットを、上記特性値が示す傾向に基づいて分類するための分類基準を作成する特性解析装置であって、
複数の解析対象物にわたって上記データセットを集めてなるデータセット群全体の特性値を記憶する特性値記憶部と、
上記データセット群全体の特性値から1個以上の特異傾向を抽出する特異傾向抽出部と、
上記各データセットが上記各々の特異傾向を含む度合いを算出する特異傾向評価部と、
上記各度合いを軸とする空間で上記各データセットに対応するデータ点を求め、上記空間で或る距離内に存在するデータ点同士を同じグループに統合するデータ統合部と、
上記統合された各グループに含まれるデータ点の代表値を求め、上記代表値から上記分類基準を作成する分類基準作成部とを有し、
上記データ統合部は、
上記空間で上記距離内に存在するデータ点同士を同じグループに統合した後、得られた複数のグループの間で最も距離が近いグループ同士を上位のグループとして統合するとともに、
その統合の際に、自己組織化写像を利用して、上記各度合いを軸とする空間における上記データ点を予め定められた次元の空間内に構成された格子状のノードに写像し、上記データ点同士に代えて上記ノード同士を統合する
ことを特徴とする特性解析装置。 - 解析対象物が持つ或る個数の特性値を順序付けられた成分として含むデータセットを、上記特性値が示す傾向に基づいて分類するための分類基準を作成する特性解析方法をコンピュータに実行させるためのプログラムであって、
上記特性解析方法は、
複数の解析対象物にわたって上記データセットを集めてなるデータセット群全体の特性値から1個以上の特異傾向を抽出する特異傾向抽出工程と、
上記各データセットが上記各々の特異傾向を含む度合いを算出する特異傾向評価工程と、
上記各度合いを軸とする空間で上記各データセットに対応するデータ点を求め、上記空間で或る距離内に存在するデータ点同士を同じグループに統合するデータ統合工程と、
上記統合された各グループに含まれるデータ点の代表値を求め、上記代表値から上記分類基準を作成する分類基準作成工程とを有し、
上記データ統合工程は、
上記空間で上記距離内に存在するデータ点同士を同じグループに統合した後、得られた複数のグループの間で最も距離が近いグループ同士を上位のグループとして統合するとともに、
その統合の際に、自己組織化写像を利用して、上記各度合いを軸とする空間における上記データ点を予め定められた次元の空間内に構成された格子状のノードに写像し、上記データ点同士に代えて上記ノード同士を統合する
ことを特徴とするプログラム。 - 請求項3に記載のプログラムを記録したことを特徴とするコンピュータ読み取り可能な記録媒体。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009033535A JP5566616B2 (ja) | 2009-02-17 | 2009-02-17 | 特性解析装置、特性解析方法をコンピュータに実行させるためのプログラム、上記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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009033535A JP5566616B2 (ja) | 2009-02-17 | 2009-02-17 | 特性解析装置、特性解析方法をコンピュータに実行させるためのプログラム、上記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 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2010191564A JP2010191564A (ja) | 2010-09-02 |
JP5566616B2 true JP5566616B2 (ja) | 2014-08-06 |
Family
ID=42817571
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2009033535A Active JP5566616B2 (ja) | 2009-02-17 | 2009-02-17 | 特性解析装置、特性解析方法をコンピュータに実行させるためのプログラム、上記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 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5566616B2 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5571528B2 (ja) * | 2010-10-28 | 2014-08-13 | 株式会社日立製作所 | 生産情報管理装置および生産情報管理方法 |
WO2022157969A1 (ja) * | 2021-01-25 | 2022-07-28 | 日本電気株式会社 | 情報処理装置、制御方法及び記憶媒体 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100442834B1 (ko) * | 2002-07-19 | 2004-08-02 | 삼성전자주식회사 | 얼굴/유사얼굴 영상으로 학습된 패턴 분류기를 이용한얼굴 검출 방법 및 시스템 |
JP3834008B2 (ja) * | 2003-03-19 | 2006-10-18 | 株式会社東芝 | 不良解析装置、不良解析方法および不良解析プログラム |
JP2006313428A (ja) * | 2005-05-06 | 2006-11-16 | Toyota Motor Corp | データベース評価装置 |
JP2007164256A (ja) * | 2005-12-09 | 2007-06-28 | Sharp Corp | テンプレート調整方法および装置、欠陥分布分類方法および装置、上記テンプレート調整方法または欠陥分布分類方法をコンピュータに実行させるためのプログラム、並びに上記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 |
US20090306922A1 (en) * | 2006-04-27 | 2009-12-10 | Sharp Kabushiki Kaisha | Method and System for Classifying Defect Distribution, Method and System for Specifying Causative Equipment, Computer Program and Recording Medium |
JP2007317185A (ja) * | 2006-05-25 | 2007-12-06 | Mitsubishi Electric Research Laboratories Inc | スパース線形判別分析(sparselineardiscriminantanalysis)のためのスペクトル法 |
JP4663013B2 (ja) * | 2006-06-29 | 2011-03-30 | 富士通株式会社 | 色類別方法、色認識方法及び色認識装置 |
JP2008014652A (ja) * | 2006-07-03 | 2008-01-24 | Omron Corp | 異物検査装置、異物検査方法、プログラム、及び記録媒体 |
JP2008015921A (ja) * | 2006-07-07 | 2008-01-24 | Mitsubishi Electric Corp | 電力負荷代表パターン作成装置および電力負荷代表パターン作成プログラム |
JP2008108815A (ja) * | 2006-10-24 | 2008-05-08 | Sharp Corp | 不良原因設備特定システム |
JP2008176398A (ja) * | 2007-01-16 | 2008-07-31 | Sony Corp | 情報処理装置および方法、並びにプログラム |
-
2009
- 2009-02-17 JP JP2009033535A patent/JP5566616B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2010191564A (ja) | 2010-09-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102083706B1 (ko) | 반도체 검사 레시피 생성, 결함 리뷰 및 계측을 위한 적응적 샘플링 | |
KR100414032B1 (ko) | 반도체검사장치, 반도체결함해석장치, 반도체설계데이터수정장치, 반도체검사방법, 반도체결함해석방법, 반도체설계데이터수정방법 및 컴퓨터판독가능한 기록매체 | |
JP5624660B2 (ja) | 検査レシピ作成システムおよびその方法 | |
Yuan-Fu | A deep learning model for identification of defect patterns in semiconductor wafer map | |
US6741941B2 (en) | Method and apparatus for analyzing defect information | |
JP5735499B2 (ja) | 基板処理中に自動的に障害状態を検出及び分類するための方法及び装置 | |
US12007335B2 (en) | Automatic optimization of an examination recipe | |
WO2020090770A1 (ja) | 異常検出装置、異常検出方法、およびプログラム | |
JP2021190716A (ja) | 弱いラベル付けを使用した半導体試料内の欠陥の検出 | |
CN109285791B (zh) | 设计布局为主的快速在线缺陷诊断、分类及取样方法及系统 | |
TW202044067A (zh) | 基於機器學習之半導體樣本中的缺陷分類 | |
JP2022512292A (ja) | 半導体試料の欠陥の分類 | |
JP7354421B2 (ja) | エラー要因の推定装置及び推定方法 | |
JP4723544B2 (ja) | 基板分類方法および装置、基板分類方法をコンピュータに実行させるためのプログラム、並びに上記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 | |
CN113222884B (zh) | 检查样本的方法和其系统 | |
JP5566616B2 (ja) | 特性解析装置、特性解析方法をコンピュータに実行させるためのプログラム、上記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 | |
JP3982428B2 (ja) | 欠陥情報解析方法およびその装置 | |
JP2011054804A (ja) | 半導体製造装置の管理方法およびシステム | |
CN115310499B (zh) | 一种基于数据融合的工业设备故障诊断系统及方法 | |
Ghafoor et al. | Multi-features classification of SMD screen in smart cities using randomised machine learning algorithms | |
Tao et al. | Anomaly detection for fabricated artifact by using unstructured 3D point cloud data | |
US20240062356A1 (en) | Data-driven prediction and identification of failure modes based on wafer-level analysis and root cause analysis for semiconductor processing | |
WO2022059135A1 (ja) | エラー要因の推定装置及び推定方法 | |
JP2007248198A (ja) | 特性分布の特徴量抽出方法および特性分布の分類方法 | |
JP5241302B2 (ja) | 特性分布解析方法および装置、基板分類方法および装置、上記特性分布解析方法または基板分類方法をコンピュータに実行させるためのプログラム、並びに上記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 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20110223 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20130219 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20130419 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20131203 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20140128 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20140527 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20140618 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5566616 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |