WO2020075328A1 - 解析装置、解析方法および解析プログラム - Google Patents

解析装置、解析方法および解析プログラム Download PDF

Info

Publication number
WO2020075328A1
WO2020075328A1 PCT/JP2019/013045 JP2019013045W WO2020075328A1 WO 2020075328 A1 WO2020075328 A1 WO 2020075328A1 JP 2019013045 W JP2019013045 W JP 2019013045W WO 2020075328 A1 WO2020075328 A1 WO 2020075328A1
Authority
WO
WIPO (PCT)
Prior art keywords
analysis
measurement
measured
measurement values
device under
Prior art date
Application number
PCT/JP2019/013045
Other languages
English (en)
French (fr)
Inventor
裕二 酒井
杉村　一
Original Assignee
株式会社アドバンテスト
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 株式会社アドバンテスト filed Critical 株式会社アドバンテスト
Priority to CN201980062668.XA priority Critical patent/CN112752977B/zh
Priority to KR1020217008752A priority patent/KR102532513B1/ko
Publication of WO2020075328A1 publication Critical patent/WO2020075328A1/ja
Priority to US17/202,382 priority patent/US20210199694A1/en

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R1/00—Details of instruments or arrangements of the types included in groups G01R5/00 - G01R13/00 and G01R31/00
    • G01R1/02—General constructional details
    • G01R1/06—Measuring leads; Measuring probes
    • G01R1/067—Measuring probes
    • G01R1/06794—Devices for sensing when probes are in contact, or in position to contact, with measured object
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/28—Testing of electronic circuits, e.g. by signal tracer
    • G01R31/2832—Specific tests of electronic circuits not provided for elsewhere
    • G01R31/2836—Fault-finding or characterising
    • G01R31/2846—Fault-finding or characterising using hard- or software simulation or using knowledge-based systems, e.g. expert systems, artificial intelligence or interactive algorithms
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R1/00—Details of instruments or arrangements of the types included in groups G01R5/00 - G01R13/00 and G01R31/00
    • G01R1/02—General constructional details
    • G01R1/06—Measuring leads; Measuring probes
    • G01R1/067—Measuring probes
    • G01R1/073—Multiple probes
    • G01R1/07307—Multiple probes with individual probe elements, e.g. needles, cantilever beams or bump contacts, fixed in relation to each other, e.g. bed of nails fixture or probe card
    • G01R1/07314—Multiple probes with individual probe elements, e.g. needles, cantilever beams or bump contacts, fixed in relation to each other, e.g. bed of nails fixture or probe card the body of the probe being perpendicular to test object, e.g. bed of nails or probe with bump contacts on a rigid support
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/28—Testing of electronic circuits, e.g. by signal tracer
    • G01R31/282—Testing of electronic circuits specially adapted for particular applications not provided for elsewhere
    • G01R31/2831—Testing of materials or semi-finished products, e.g. semiconductor wafers or substrates
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/28—Testing of electronic circuits, e.g. by signal tracer
    • G01R31/2851—Testing of integrated circuits [IC]
    • G01R31/2855—Environmental, reliability or burn-in testing
    • G01R31/286—External aspects, e.g. related to chambers, contacting devices or handlers
    • G01R31/2868—Complete testing stations; systems; procedures; software aspects
    • G01R31/287—Procedures; Software aspects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks

Definitions

  • the present invention relates to an analysis device, an analysis method, and an analysis program.
  • test apparatus which performs measurement by bringing a jig into contact with the device to be measured.
  • the state of the measurement system that measures the device under test is not always constant, but changes due to various factors. Therefore, it is desired to manage the measurement system by analyzing the information obtained from the measurement system.
  • the analysis apparatus may include an acquisition unit that acquires a plurality of measurement values obtained by measuring the device under measurement.
  • the analysis apparatus may include a machine learning unit that uses a plurality of measurement values to learn a model of a position-dependent component depending on the position where the device under measurement is measured by machine learning.
  • the analysis device may include an analysis unit that separates the position-dependent component calculated using the model learned by the machine learning unit from the plurality of measurement values.
  • the acquisition unit may acquire a plurality of measurement values measured at different positions in the device under test, and the analysis unit may separate the position-dependent component depending on the measured position in the device under measurement from the plurality of measurement values. .
  • the position-dependent component may include a component that changes from the center of the device under test in a concentric pattern.
  • the position-dependent component includes at least one of a component depending on one coordinate axis direction on the coordinate plane and a component depending on the other coordinate axis direction on the coordinate plane when the device under test is placed on the coordinate plane. Good.
  • the device under test is a wafer in which a plurality of device regions are formed, and the acquisition unit performs a plurality of measurement values measured for each device region and a plurality of measurement values measured for each region block including a plurality of device regions. At least one of the values may be acquired.
  • the acquisition unit acquires multiple measurement values obtained by measuring multiple devices under test at different positions on the jig, and the analysis unit separates the position-dependent components that depend on the measured position on the jig from the multiple measurement values. You can do it.
  • the acquisition unit acquires the multiple measurement values of the device under test measured by the test equipment through the jig, and manages the jig status based on the multiple measurement values from which the position-dependent components were separated by the analysis unit. , And a management unit that performs at least one of abnormality detection of the test apparatus.
  • an analysis method analyzed by an analysis device may include the analysis apparatus acquiring a plurality of measurement values obtained by measuring the device under measurement.
  • the analysis method may include that the analysis apparatus uses a plurality of measurement values to learn a model of a position-dependent component depending on the position where the device under measurement is measured by machine learning.
  • the analysis method may include that the analysis device separates the position-dependent component calculated using the learned model from the plurality of measurement values.
  • an analysis program may be executed by a computer.
  • the analysis program may cause the computer to function as an acquisition unit that acquires a plurality of measurement values obtained by measuring the device under measurement.
  • the analysis program may cause the computer to function as a machine learning unit that uses a plurality of measurement values to learn a model of a position-dependent component depending on the position where the device under measurement is measured by machine learning.
  • the analysis program may cause the computer to function as an analysis unit that separates the position-dependent component calculated from the plurality of measured values using the model learned by the machine learning unit.
  • the analysis device 130 according to the present embodiment is shown together with the measurement system 10.
  • 6 shows a flow in which the analysis device 130 according to the present embodiment detects an abnormality in the test device 100 based on the variation in measured values.
  • An example of a component included in the measurement value to be analyzed by the analysis device 130 according to the present embodiment is shown.
  • 6 shows another example of the components included in the measurement value to be analyzed by the analysis device 130 according to the present embodiment.
  • the flow in which the analysis device 130 according to the present embodiment manages the state of the jig 110 based on the variation data is shown.
  • the tendency of change of the contact resistance of the jig 110 according to the number of contacts is shown.
  • 1 illustrates an example computer 2200 in which aspects of the present invention may be embodied in whole or in part.
  • FIG. 1 shows an analyzer 130 according to this embodiment together with a measurement system 10.
  • the analysis apparatus 130 acquires and analyzes a plurality of measurement values obtained by measuring the measurement target in the measurement system 10, and uses the analyzed information to measure the health and stability of the test apparatus and jig. Manage the degree.
  • the analysis apparatus 130 according to the present embodiment tests, for example, a measurement value obtained by testing a wafer on which a plurality of electronic devices such as semiconductors and Micro Electro Mechanical Systems (MEMS) are formed, and a bare chip obtained by dicing the wafer into individual pieces.
  • MEMS Micro Electro Mechanical Systems
  • the analysis device 130 may set the measurement value measured in any of the so-called pre-process and post-process as an analysis target.
  • the analysis device 130 sets a wafer mounted on a prober as a target of analysis of a measured value of a wafer test using a tester is shown as an example, and this case will be described below.
  • the measurement system 10 has a test device 100 and a jig 110.
  • the test apparatus 100 measures the device under test 120 via the jig 110.
  • the test apparatus 100 has a tester main body 102 and a test head 104.
  • the test apparatus 100 may be, for example, a device test apparatus such as a system LSI tester, an analog tester, a logic tester, and a memory tester.
  • the test apparatus 100 also includes a measuring apparatus that does not have a test function and simply measures the device under test 120.
  • the test apparatus 100 gives various test signals to the device under test 120 via the jig 110 and acquires response signals from the device under test 120.
  • the tester main body 102 is the main body of the test apparatus 100 and controls various measurements.
  • the tester main body 102 may have a function of outputting a plurality of measurement values obtained by various measurements to the analysis device 130 according to the present embodiment via a wire or wireless.
  • the test head 104 is connected to the tester main body 102 via a cable and is configured to be driven between a measurement position for measuring the device under test 120 and a retracted position.
  • the test head 104 transmits a test signal to the device under test 120 at the measurement position and receives a response from the device under test 120 under the control of the tester body 102, and then transmits the test signal to the device under test 102. Relay to.
  • the jig 110 represents a component other than the test apparatus 100 in the measurement system 10.
  • the jig 110 may be, for example, an interface unit that connects the measurement function of the test apparatus 100 and the device under test 120 when the test apparatus 100 measures the device under test 120.
  • the jig 110 can be appropriately replaced depending on the type of the device under measurement 120 to be measured.
  • the jig 110 has a performance board 112, a probe card 114, and a prober 116.
  • the analysis device 130 when the analysis device 130 according to the present embodiment targets a measurement value measured in a subsequent process as an analysis target, the jig 110 may have a socket, a handler, or the like.
  • the performance board 112 is detachably attached to the test head 104 and electrically connected to the test head 104.
  • the probe card 114 is detachably attached to the performance board 112 and electrically connected to the performance board. Further, the probe card 114 has a plurality of probe needles for making electrical contact with the device under test 120.
  • the prober 116 conveys the device under test 120 and places it on the stage, and aligns the electrode pad provided on the device under test 120 with the probe needle of the probe card 114. Further, the prober 116 has a cleaning unit for cleaning the probe needle.
  • the probe needle makes contact by scratching the surface of the electrode pad. At this time, oxides, dust, etc. on the electrode pad adhere to the tip of the probe needle. As a result, every time contact (touchdown) with the electrode pad is caused, deposits are deposited on the tip of the probe needle, and accurate measurement cannot be performed gradually. Therefore, by providing a cleaning unit on the prober 116 and polishing or washing the needle tip of the probe needle, it is possible to clean the probe needle and remove the deposits deposited on the needle tip.
  • the device under test 120 is a measurement target which is placed on the stage of the prober 116 and is measured by the test apparatus 100.
  • the case where the device under test 120 is a wafer in which a plurality of device regions 122 (for example, chips) are formed is shown as an example.
  • a plurality of electrode pads are formed in each of the plurality of device regions 122, and the test apparatus 100 measures the plurality of device regions 122 by bringing the probe needle of the probe card 114 into contact with these electrode pads.
  • the test apparatus 100 may perform the measurement for each of the plurality of device regions 122, or may perform the measurement for each of the region blocks (for example, 4 chips) including the plurality of device regions 122.
  • the test apparatus 100 supplies, for example, a plurality of measurement values obtained when the devices under test 120 are measured at different positions to the analysis apparatus 130 directly or via a network or a medium.
  • the analyzer 130 acquires and analyzes a plurality of measurement values obtained by measuring the device under test 120 in the measurement system 10.
  • the analysis device 130 may be a computer such as a PC (personal computer), a tablet computer, a smartphone, a workstation, a server computer, or a general-purpose computer, or may be a computer system in which a plurality of computers are connected. Such a computer system is also a computer in a broad sense. Further, the analysis device 130 may be implemented by a virtual computer environment capable of executing one or more in a computer. Alternatively, the analysis device 130 may be a dedicated computer designed for analysis of measured values, or may be dedicated hardware realized by a dedicated circuit. As an example, the analysis device 130 may be a Web server connected to the Internet.
  • the user accesses the analysis device 130 on the cloud from various environments that can be connected to the Internet and provides various services. Can be received.
  • the analysis device 130 may be configured as a single device that is connected to the test device 100 directly or via a network such as a Local Area Network (LAN), or may be configured integrally with the test device 100 and the test device 100. May be realized as a part of the functional block of. Further, as will be described later, for example, when a plurality of measurement values can be obtained by direct input by a user or a storage medium such as a USB memory, the analysis device 130 does not have to be connected to the test device 100. Of course, it may be configured as a device independent of the measurement system 10.
  • the analysis device 130 includes an input unit 140, an acquisition unit 150, a machine learning unit 160, an analysis unit 170, a management unit 180, and an output unit 190.
  • the input unit 140 is an interface unit for inputting a plurality of measured values.
  • the input unit 140 is connected to the tester main body 102 of the test apparatus 100, for example, directly or via a network, and inputs a plurality of measurement values measured by the test apparatus 100.
  • the input unit 140 may be a user interface that receives a direct input from a user via a keyboard, a mouse, or the like, or a device interface for connecting a USB memory, a disk drive, or the like to the analysis device 130. Alternatively, a plurality of measurement values measured by the test apparatus 100 may be input via these interfaces.
  • the acquisition unit 150 is connected to the input unit 140 and acquires a plurality of measurement values obtained by the test apparatus 100 measuring the device under test 120 via the jig 110.
  • the acquisition unit 150 includes a plurality of measurement values measured by the test apparatus 100 at different positions of the device under test 120, more specifically, a plurality of measurement values measured by bringing the jig 110 into contact with different positions of the device under test 120. May get.
  • the acquisition unit 150 causes the acquisition unit 150 to measure a plurality of measurement values for each device region 122 and a region block including a plurality of device regions 122. At least one of the plurality of measurement values measured for each is acquired.
  • the acquisition unit 150 supplies the acquired plurality of measurement values to the machine learning unit 160 and the analysis unit 170.
  • the acquisition unit 150 may instead of or in addition to the plurality of measured devices at different positions in the jig 110. Multiple measurements of 120 may be obtained.
  • the acquisition unit 150 measures a plurality of ICs to be measured in a plurality of sockets provided on the socket board. You may get the value.
  • the machine learning unit 160 is connected to the acquisition unit 150, and uses the plurality of measurement values supplied from the acquisition unit 150, for example, the component depending on the measured position in the device under measurement 120, and the jig 110.
  • the model of the component included in the measurement value such as the position-dependent component of the position-dependent component measured in is learned by machine learning. This will be described later.
  • the analysis unit 170 is connected to the acquisition unit 150 and the machine learning unit 160, analyzes a plurality of measurement values supplied from the acquisition unit 150, and extracts variations in the measurement values. In addition, the analysis unit 170 analyzes a plurality of measured values and generates fluctuation data indicating fluctuations in the measured values according to the number of times the jig 110 contacts the device under test 120. At this time, the analysis unit 170 separates, for example, the component depending on the measured position of the device under test 120 and the position-dependent component of the component dependent on the measured position of the jig 110 from the plurality of measured values. The analysis unit 170 can calculate this position-dependent component using the model learned by the machine learning unit 160.
  • the management unit 180 is connected to the analysis unit 170, and manages the state of the jig 110 and detects an abnormality of the test apparatus 100 based on the plurality of measurement values in which the position-dependent components are separated by the analysis unit 170. Do at least one or the other. For example, the management unit 180 manages the state of the jig 110 based on the variation data generated by the analysis unit 170. The management unit 180 also detects an abnormality in the test apparatus 100 based on the variation in the measurement values extracted by the analysis unit 170. Here, as the management of the state of the jig 110, the management unit 180 determines at least one of the cleaning time of the jig 110 and the replacement time of the jig 110 based on the variation data, for example. be able to.
  • the output unit 190 is connected to the management unit 180 and outputs the information managed by the management unit 180.
  • the output unit 190 may display this information on a display unit (not shown) provided in the analysis device 130, or may transmit it to another device connected directly or via a network.
  • FIG. 2 shows a flow in which the analysis device 130 according to the present embodiment detects an abnormality in the test device 100 based on the dispersion of the measured values.
  • the acquisition unit 150 of the analysis device 130 acquires a plurality of measurement values via the input unit 140.
  • the machine learning unit 160 of the analysis device 130 uses a plurality of measurement values acquired in step 210 to learn the model of the component included in the measurement value such as the position dependent component by machine learning.
  • the position-dependent component is, for example, a component that changes concentrically from the center of the device under test 120, a component that depends on the X-axis direction when the device under test 120 is arranged on the XY plane, as described below. It includes a component depending on the Y-axis direction.
  • the plurality of measurement values include a component that depends on the number of touchdowns, as described later.
  • the machine learning unit 160 samples a plurality of measurement values and learns a model of components included in the measurement values by machine learning. This will be described later.
  • step 230 the analysis unit 170 of the analysis device 130 separates the position-dependent component calculated from the plurality of measured values using the model learned by the machine learning unit 160 in step 220.
  • the analysis unit 170 of the analysis device 130 analyzes the plurality of measurement values, and extracts the variation of the measurement values using the plurality of measurement values in which the position-dependent components are separated in step 230. Then, the analysis unit 170 expresses the dispersion of the measurement values with a probability distribution and calculates the probability distribution of the measurement values.
  • the analysis unit 170 calculates, for example, the average value and the standard deviation ⁇ , assuming that the probability distribution of the measurement values follows a normal distribution. In the above description, it is assumed that the probability distribution of measured values follows a normal distribution, but the present invention is not limited to this.
  • the analysis unit 170 may assume that the probability distribution of the measurement values follows other distributions such as Student's t distribution and Wishart distribution.
  • the management unit 180 of the analysis device 130 detects an abnormality in the test device 100 based on the variation in the measured values.
  • the management unit 180 may detect the abnormality of the test apparatus 100 based on an outlier that is out of the probability distribution of the measurement values calculated in step 240 among the plurality of measurement values. For example, in the probability distribution of the measurement values, the management unit 180 performs a test when a value (outlier) deviating from the average value by a predetermined multiple of the standard deviation ⁇ (for example, 2 ⁇ ) occurs with a probability equal to or higher than a predetermined reference. It may be determined that some abnormality has occurred in the device 100.
  • the management unit 180 can detect a failure of, for example, a power source that supplies power to the device under test 120, a driver, an A / D converter, a D / A converter, or the like.
  • the abnormality of the test apparatus 100 is detected based on the variation of the measured values obtained by analyzing the plurality of measured values.
  • the abnormality of the test apparatus 100 has been known only by periodic diagnosis.
  • the analysis apparatus 130 according to the present embodiment can check the health level and stability of the test apparatus 100 that has performed the measurement based on the behavior of the measurement result obtained during the test of the device shipped as a product and the measurement. .
  • the device under test 120 which should be originally determined to be a good product, is treated as a defective product as a result of measurement by the test apparatus 100 in which an abnormality has occurred, and the yield is reduced.
  • the analysis apparatus 130 separates the component that depends on the measured position in the device under test 120 and the component that depends on the measured position on the jig 110 from the plurality of measured values, the dispersion of the measured values. Can be extracted more accurately.
  • the machine learning unit 160 of the analysis device 130 learns the model of the component included in the measurement value by machine learning using Bayesian inference. Instead of this, the machine learning unit 160 may perform learning using other learning algorithms such as regression analysis, decision tree learning, and neural networks.
  • Bayesian inference infers what one wants to infer from observed facts in a probabilistic sense. For example, if P (A) is the probability of occurrence of event A (prior probability) and P (A
  • A) is a likelihood, and in statistics, when a result appears according to a certain precondition, on the contrary, it represents the likelihood of presuming what the precondition was from the observation result.
  • X) can be expressed as the following equation. That is, the posterior probability P (A
  • the plurality of measurement values obtained from the measurement system 10 include, for example, a component that changes concentrically, a component that depends on the X axis direction, a component that depends on the Y axis direction, and a component that depends on the number of touchdowns. , Given as the sum of multiple components.
  • the machine learning unit 160 of the analysis apparatus 130 uses the constants in the function of each component, that is, the constant W in the function of the distance r from the center of the device under test 120, the X-axis component x, and the Y-axis component y.
  • the constant S in the function, the constant R in the function of the number of touchdowns t, etc. are used as “A” in (Equation 1) and (Equation 2), respectively, and the values indicated by the plurality of measured values are (Equation 1) and It is used as "X” in 2) and the probability distribution of each constant is updated using the measured values.
  • the machine learning unit 160 uses a simultaneous equation as a sampling method for obtaining an unknown parameter when a plurality of parameters have a simple dependency relationship. Can be used. Alternatively, when the plurality of parameters depend on each other, the machine learning unit 160 can use the iterative method, the statistical estimation method, the optimization, or the like.
  • FIG. 3 shows an example of components included in a measurement value to be analyzed by the analysis device 130 according to the present embodiment.
  • the measurement value analyzed by the analysis device 130 includes a position-dependent component that depends on the measured position of the device under measurement 120.
  • the position-dependent component includes, for example, a component that changes from the center of the device under test 120 to a concentric circle, as shown in the figure.
  • a process may be performed using a single wafer processing apparatus.
  • the processing liquid is applied from the nozzle to the center of the wafer, and the processing liquid is applied to the entire wafer by the centrifugal force generated by the rotation of the spin chuck. It is spread and processed. At this time, it is not strictly easy to control so that the processing liquid is evenly spread over the entire wafer and to process the edge portion of the wafer in the same manner as the central portion. For this reason, the device under test 120 has a slight concentric manufacturing variation depending on the distance from the center. Therefore, the measurement value analyzed by the analysis apparatus 130 includes a component that changes concentrically from the center of the device under measurement 120.
  • the position-dependent component is, for example, as shown in the figure, a component depending on one coordinate axis direction (X-axis direction) on the coordinate plane when the device under test 120 is arranged on the coordinate plane (XY plane).
  • X-axis direction coordinate axis direction
  • Y-axis direction coordinate axis direction
  • the measurement value analyzed by the analysis apparatus 130 includes a component depending on the X-axis direction and a component depending on the Y-axis direction when the device under measurement 120 is arranged on the XY plane.
  • a plurality of ICs to be measured are measured with the ICs to be measured mounted on each of the plurality of sockets provided on the socket board.
  • the plurality of measured values include various components depending on the measured position on the jig 110 due to the warp or inclination of the socket board, the temperature dependence, or the like.
  • the plurality of measurement values to be analyzed by the analysis device 130 are located at positions including multidimensional variables such as a concentrically changing component, a component dependent on the X-axis direction, and a component dependent on the Y-axis direction. It contains a dependent position-dependent component.
  • the analysis apparatus 130 according to the present embodiment can learn the model of the position-dependent component composed of these multidimensional variables by machine learning. Then, the analysis apparatus 130 according to the present embodiment removes the influence of manufacturing variations on the measurement value and the influence of the position of the jig 110 on the measurement value by separating the position-dependent component from the plurality of measurement values. be able to. As a result, according to the analysis apparatus 130 of the present embodiment, it is possible to accurately and precisely extract the influence of variations in measurement values and other factors on the measurement values.
  • FIG. 4 shows another example of the components included in the measurement value to be analyzed by the analysis device 130 according to the present embodiment.
  • the measurement values analyzed by the analysis device 130 include touchdown (TD) in which the probe needle of the probe card 114 as shown in FIG. 4 is brought into contact with the device under test 120 in addition to the position-dependent component shown in FIG. It contains the fluctuation component of the measured value according to the number of times.
  • TD touchdown
  • the probe needle when electrically connecting to the measurement target via the probe card 114, the probe needle scratches the surface of the electrode pad to make contact. At this time, oxide, dust or the like on the electrode pad adheres to the tip of the probe needle. As a result, the contact resistance (CRES) value of the probe needle increases according to the number of touchdowns, and as a result, the measured value is changed according to the number of touchdowns.
  • the number of touchdowns is a value that is reset when the tip of the probe needle is polished or washed using the cleaning unit described above.
  • the analysis device 130 adds a variation component according to the number of touchdowns, in addition to a position-dependent component including a concentrically changing component, a component dependent on the X axis direction, and a component dependent on the Y axis direction.
  • the model of the component included in the measured value can be learned by machine learning.
  • the analysis device 130 separates the position-dependent component from the plurality of measured values, generates fluctuation data indicating fluctuations in the measured values according to the number of touchdowns, and manages the jig state based on the fluctuation data. be able to.
  • FIG. 5 shows a flow in which the analysis device 130 according to the present embodiment manages the state of the jig 110 based on the variation data. Steps 510 to 530 are the same as steps 210 to 230 in FIG.
  • the analysis unit 170 of the analysis device 130 generates fluctuation data indicating the fluctuation of the measured value according to the number of times the jig 110 has contacted the device under test 120, that is, the TD frequency.
  • the analysis unit 170 classifies the variations in the measured values by the number of TDs and expresses each by a probability distribution.
  • the analysis unit 170 estimates the distribution of the contact resistance of the jig 110 (the probe needle of the probe card 114) according to the number of TDs, using a plurality of probability distributions generated by classifying by the number of TDs.
  • the management unit 180 of the analysis device 130 manages the state of the jig 110 based on the variation data generated in step 540. For example, the management unit 180 determines at least one of the cleaning time of the jig 110 and the replacement time of the jig 110 based on the distribution of the contact resistance of the jig 110 according to the number of TDs.
  • FIG. 6 shows a change tendency of the contact resistance of the jig 110 according to the number of contacts.
  • the contact resistance (CRES) value of the probe needle increases with the number of TDs. Therefore, as shown in this figure, when the number of TDs is plotted on the horizontal axis, the average value of CRES values increases as the number of TDs increases. In addition to this, it has been found that the CRES value tends to increase in variation as the number of TDs increases. That is, in the probability distribution of CRES values, the variance tends to increase as the number of TDs increases.
  • the analysis device 130 uses this changing tendency.
  • the analysis device 130 estimates the dispersion of the contact resistance according to the number of TDs in step 540, and determines the distribution of the contact resistance according to the number of TDs in step 550 when the distribution of the contact resistance exceeds a predetermined reference. It is determined that 110 needs to be cleaned. Further, the analysis device 130 determines the cleaning timing of the jig 110 based on, for example, the degree to which the dispersion of the contact resistance increases according to the number of TDs. That is, the analysis device 130 may determine the cleaning timing of the jig 110 on the assumption that the dispersion similarly increases (for example, linearly) from the increase of the dispersion of the contact resistance according to the number of TDs. .
  • the analysis device 130 may determine the replacement time of the jig 110 based on the dispersion of the contact resistance. For example, the analysis device 130 may determine that the jig 110 needs to be replaced if the predetermined reference is exceeded with the TD count that is smaller than the predetermined count.
  • the state of the jig 110 is managed based on the variation data indicating the variation of the measurement value according to the number of times the jig 110 contacts the device under test 120.
  • the maintenance of the tool 110 can be optimized.
  • the jig 110 is regularly maintained.
  • the analysis device according to the present embodiment can reduce the number of maintenances of the jig 110 by optimizing the maintenance of the jig 110 based on the estimated contact resistance. As a result, the time required for maintenance can be reduced, the time spent for measurement can be shortened, and the maintenance cost can be suppressed.
  • a block is (1) a stage of a process in which an operation is performed or (2) an apparatus responsible for performing an operation. Section may be represented. Specific steps and sections are implemented by dedicated circuitry, programmable circuitry provided with computer readable instructions stored on a computer readable medium, and / or a processor provided with computer readable instructions stored on a computer readable medium. You may Dedicated circuits may include digital and / or analog hardware circuits, and may include integrated circuits (ICs) and / or discrete circuits.
  • ICs integrated circuits
  • Programmable circuits include memory elements such as logical AND, logical OR, logical XOR, logical NAND, logical NOR, and other logical operations, flip-flops, registers, field programmable gate arrays (FPGA), programmable logic arrays (PLA), and the like.
  • Reconfigurable hardware circuitry may be included, including, and the like.
  • Computer-readable media may include any tangible device capable of storing instructions executed by a suitable device, such that computer-readable media having instructions stored therein are designated by flowcharts or block diagrams.
  • a product will be provided that includes instructions that can be executed to create a means for performing the operations.
  • Examples of computer readable media may include electronic storage media, magnetic storage media, optical storage media, electromagnetic storage media, semiconductor storage media, and the like.
  • Computer-readable media include floppy disks, diskettes, hard disks, random access memory (RAM), read only memory (ROM), erasable programmable read only memory (EPROM or flash memory), Electrically Erasable Programmable Read Only Memory (EEPROM), Static Random Access Memory (SRAM), Compact Disc Read Only Memory (CD-ROM), Digital Versatile Disc (DVD), Blu-Ray (RTM) Disc, Memory Stick, Integrated Circuit cards and the like may be included.
  • RAM random access memory
  • ROM read only memory
  • EPROM or flash memory erasable programmable read only memory
  • EEPROM Electrically Erasable Programmable Read Only Memory
  • SRAM Static Random Access Memory
  • CD-ROM Compact Disc Read Only Memory
  • DVD Digital Versatile Disc
  • RTM Blu-Ray
  • Computer readable instructions include assembler instructions, instruction set architecture (ISA) instructions, machine instructions, machine dependent instructions, microcode, firmware instructions, state set data, or object oriented programming such as Smalltalk, JAVA, C ++, etc. Language, and any source or object code written in any combination of one or more programming languages, including conventional procedural programming languages such as the "C" programming language or similar programming languages. Good.
  • Computer-readable instructions are provided to a processor or programmable circuit of a general purpose computer, a special purpose computer, or other programmable data processing device, locally or in a wide area network (WAN) such as a local area network (LAN), the Internet, or the like.
  • Computer readable instructions may be executed to create a means for performing the operations specified in the flowcharts or block diagrams. Examples of processors include computer processors, processing units, microprocessors, digital signal processors, controllers, microcontrollers, and the like.
  • FIG. 7 illustrates an example of a computer 2200 in which aspects of the present invention may be embodied in whole or in part.
  • the program installed on the computer 2200 can cause the computer 2200 to function as an operation associated with an apparatus according to an embodiment of the present invention or one or more sections of the apparatus, or the operation or the one or more sections. Sections may be executed, and / or computer 2200 may be executed by processes or stages of processes according to embodiments of the invention.
  • Such programs may be executed by CPU 2212 to cause computer 2200 to perform certain operations associated with some or all of the blocks in the flowcharts and block diagrams described herein.
  • the computer 2200 includes a CPU 2212, a RAM 2214, a graphic controller 2216, and a display device 2218, which are mutually connected by a host controller 2210.
  • Computer 2200 also includes input / output units such as communication interface 2222, hard disk drive 2224, DVD-ROM drive 2226, and IC card drive, which are connected to host controller 2210 via input / output controller 2220.
  • input / output units such as communication interface 2222, hard disk drive 2224, DVD-ROM drive 2226, and IC card drive, which are connected to host controller 2210 via input / output controller 2220.
  • the computer also includes legacy input / output units such as ROM 2230 and keyboard 2242, which are connected to input / output controller 2220 via input / output chip 2240.
  • the CPU 2212 operates according to a program stored in the ROM 2230 and the RAM 2214, and controls each unit by it.
  • the graphics controller 2216 obtains image data generated by the CPU 2212 in a frame buffer or the like provided in the RAM 2214 or itself, and causes the image data to be displayed on the display device 2218.
  • the communication interface 2222 communicates with other electronic devices via the network.
  • the hard disk drive 2224 stores programs and data used by the CPU 2212 in the computer 2200.
  • the DVD-ROM drive 2226 reads a program or data from the DVD-ROM 2201 and provides the hard disk drive 2224 with the program or data via the RAM 2214.
  • the IC card drive reads programs and data from the IC card and / or writes programs and data to the IC card.
  • the ROM 2230 stores therein a boot program executed by the computer 2200 at the time of activation, and / or a program depending on the hardware of the computer 2200.
  • the input / output chip 2240 may also connect various input / output units to the input / output controller 2220 via parallel ports, serial ports, keyboard ports, mouse ports, etc.
  • the program is provided by a computer-readable medium such as a DVD-ROM 2201 or an IC card.
  • the program is read from the computer-readable medium, installed in the hard disk drive 2224, the RAM 2214, or the ROM 2230, which is also an example of the computer-readable medium, and executed by the CPU 2212.
  • the information processing described in these programs is read by the computer 2200 and brings about the cooperation between the programs and the various types of hardware resources described above.
  • An apparatus or method may be configured by implementing the manipulation or processing of information according to the use of the computer 2200.
  • the CPU 2212 executes the communication program loaded in the RAM 2214, and performs the communication process on the communication interface 2222 based on the process described in the communication program. You may order.
  • the communication interface 2222 reads the transmission data stored in the transmission buffer processing area provided in the recording medium such as the RAM 2214, the hard disk drive 2224, the DVD-ROM 2201, or the IC card under the control of the CPU 2212, and the read transmission The data is transmitted to the network, or the received data received from the network is written in a reception buffer processing area or the like provided on the recording medium.
  • the CPU 2212 allows the RAM 2214 to read all or necessary portions of files or databases stored in an external recording medium such as a hard disk drive 2224, a DVD-ROM drive 2226 (DVD-ROM 2201), and an IC card. Various types of processing may be performed on the data in RAM 2214. The CPU 2212 then writes back the processed data to the external recording medium.
  • an external recording medium such as a hard disk drive 2224, a DVD-ROM drive 2226 (DVD-ROM 2201), and an IC card.
  • Various types of processing may be performed on the data in RAM 2214.
  • the CPU 2212 then writes back the processed data to the external recording medium.
  • the CPU 2212 is described elsewhere in this disclosure for the data read from the RAM 2214, and performs various types of operations, information processing, conditional judgment, conditional branching, unconditional branching, and information retrieval specified by the instruction sequence of the program. Various types of processing may be performed, including / replacement, etc., and the result is written back to RAM 2214. Further, the CPU 2212 may search for information in files, databases, etc. in the recording medium. For example, when a plurality of entries each having the attribute value of the first attribute associated with the attribute value of the second attribute are stored in the recording medium, the CPU 2212 specifies the attribute value of the first attribute.
  • the entry that matches the condition is searched from the plurality of entries, the attribute value of the second attribute stored in the entry is read, and the entry is associated with the first attribute that satisfies the predetermined condition.
  • the attribute value of the obtained second attribute may be acquired.
  • the programs or software modules described above may be stored on a computer-readable medium on or near computer 2200.
  • a recording medium such as a hard disk or a RAM provided in a server system connected to a dedicated communication network or the Internet can be used as a computer readable medium, and thereby the program is provided to the computer 2200 via the network. To do.
  • Test Apparatus 100 Test Apparatus 102 Tester Main Body 104 Test Head 110 Jig 112 Performance Board 114 Probe Card 116 Prober 120 Device under Measurement 122 Device Area 130 Analysis Device 140 Input Unit 150 Acquisition Unit 160 Machine Learning Unit 170 Analysis Unit 180 Management Unit 190 Output Unit 2200 Computer 2201 DVD-ROM 2210 Host controller 2212 CPU 2214 RAM 2216 Graphic controller 2218 Display device 2220 Input / output controller 2222 Communication interface 2224 Hard disk drive 2226 DVD-ROM drive 2230 ROM 2240 Input / output chip 2242 Keyboard

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Health & Medical Sciences (AREA)
  • Environmental & Geological Engineering (AREA)
  • Computer Hardware Design (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Algebra (AREA)
  • Pure & Applied Mathematics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Mathematical Optimization (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Tests Of Electronic Circuits (AREA)
  • Testing Of Individual Semiconductor Devices (AREA)

Abstract

被測定デバイスを測定した複数の測定値を取得する取得部と、複数の測定値を用いて、被測定デバイスを測定した位置に依存した位置依存成分のモデルを機械学習により学習する機械学習部と、複数の測定値から、機械学習部により学習されたモデルを用いて算出される位置依存成分を分離する解析部と、を備える解析装置を提供する。また、解析方法を提供する。また、解析プログラムを提供する。

Description

解析装置、解析方法および解析プログラム
　本発明は、解析装置、解析方法および解析プログラムに関する。
　従来、被測定デバイスを測定するにあたって、治具を被測定デバイスに接触させて測定を行う試験装置が知られている。
解決しようとする課題
　しかしながら、被測定デバイスを測定する測定系の状態は常に一定ではなく、様々な要因に起因して変動する。したがって、測定系から得られた情報を解析して、測定系を管理することが望まれている。
一般的開示
　上記課題を解決するために、本発明の第１の態様においては、解析装置を提供する。解析装置は、被測定デバイスを測定した複数の測定値を取得する取得部を備えてよい。解析装置は、複数の測定値を用いて、被測定デバイスを測定した位置に依存した位置依存成分のモデルを機械学習により学習する機械学習部を備えてよい。解析装置は、複数の測定値から、機械学習部により学習されたモデルを用いて算出される位置依存成分を分離する解析部を備えてよい。
　取得部は、被測定デバイスにおける異なる位置で測定された複数の測定値を取得し、解析部は、複数の測定値から、被測定デバイスにおける測定した位置に依存した位置依存成分を分離してよい。
　位置依存成分は、被測定デバイスの中心から同心円状に変化する成分を含んでよい。
　位置依存成分は、被測定デバイスを座標平面上に配置した場合に、座標平面における一方の座標軸方向に依存した成分、および、座標平面における他方の座標軸方向に依存した成分の少なくともいずれか一方を含んでよい。
　被測定デバイスは、複数のデバイス領域が形成されたウエハであり、取得部は、デバイス領域ごとに測定された複数の測定値、および、デバイス領域を複数含む領域ブロックごとに測定された複数の測定値の少なくともいずれか一方を取得してよい。
　取得部は、治具における異なる位置で複数の被測定デバイスを測定した複数の測定値を取得し、解析部は、複数の測定値から、治具における測定した位置に依存した位置依存成分を分離してよい。
　取得部は、試験装置が治具を介して被測定デバイスを測定した複数の測定値を取得し、解析部により位置依存成分が分離された複数の測定値に基づいて、治具の状態の管理、および、試験装置の異常検出の少なくともいずれか一方を行う管理部を更に備えてよい。
　本発明の第２の態様においては、解析装置が解析する解析方法を提供する。解析方法は、解析装置が、被測定デバイスを測定した複数の測定値を取得することを備えてよい。解析方法は、解析装置が、複数の測定値を用いて、被測定デバイスを測定した位置に依存した位置依存成分のモデルを機械学習により学習することを備えてよい。解析方法は、解析装置が、複数の測定値から、学習されたモデルを用いて算出される位置依存成分を分離することを備えてよい。
　本発明の第３の態様においては、解析プログラムを提供する。解析プログラムは、コンピュータにより実行されてよい。解析プログラムは、コンピュータを、被測定デバイスを測定した複数の測定値を取得する取得部として機能させてよい。解析プログラムは、コンピュータを、複数の測定値を用いて、被測定デバイスを測定した位置に依存した位置依存成分のモデルを機械学習により学習する機械学習部として機能させてよい。解析プログラムは、コンピュータを、複数の測定値から、機械学習部により学習されたモデルを用いて算出される位置依存成分を分離する解析部として機能させてよい。
　なお、上記の発明の概要は、本発明の必要な特徴の全てを列挙したものではない。また、これらの特徴群のサブコンビネーションもまた、発明となりうる。
本実施形態に係る解析装置１３０を測定系１０とともに示す。 本実施形態に係る解析装置１３０が測定値のばらつきに基づいて試験装置１００の異常を検出するフローを示す。 本実施形態に係る解析装置１３０が解析対象とする測定値に含まれる成分の一例を示す。 本実施形態に係る解析装置１３０が解析対象とする測定値に含まれる成分の他の一例を示す。 本実施形態に係る解析装置１３０が変動データに基づいて治具１１０の状態を管理するフローを示す。 接触回数に応じた治具１１０の接触抵抗の変化傾向を示す。 本発明の複数の態様が全体的または部分的に具現化されてよいコンピュータ２２００の例を示す。
　以下、発明の実施の形態を通じて本発明を説明するが、以下の実施形態は請求の範囲にかかる発明を限定するものではない。また、実施形態の中で説明されている特徴の組み合わせの全てが発明の解決手段に必須であるとは限らない。
　図１は、本実施形態に係る解析装置１３０を測定系１０とともに示す。本実施形態に係る解析装置１３０は、測定系１０において測定対象を測定した複数の測定値を取得して解析し、解析した情報を用いて測定を行った試験装置や治具の健康度や安定度を管理する。本実施形態に係る解析装置１３０は、例えば、半導体やＭｉｃｒｏ　Ｅｌｅｃｔｒｏ　Ｍｅｃｈａｎｉｃａｌ　Ｓｙｓｔｅｍｓ（ＭＥＭＳ）等の電子デバイスが複数形成されたウエハをテストした測定値、ウエハをダイシングして個片化したベアチップをテストした測定値およびチップを封止したパッケージをテストした測定値等、測定系１０において得られた様々な測定値を解析対象としてよい。すなわち、解析装置１３０は、いわゆる前工程および後工程のいずれかにおいて測定された測定値を解析対象としてよい。本図においては、解析装置１３０が、プローバに装着されたウエハを、テスタを用いてウエハテストした測定値を解析対象とする場合を一例として示し、以下この場合について説明する。
　測定系１０は、試験装置１００および治具１１０を有する。試験装置１００は、治具１１０を介して被測定デバイス１２０を測定する。
　試験装置１００は、テスタ本体１０２およびテストヘッド１０４を有する。試験装置１００は、例えば、システムＬＳＩテスタ、アナログテスタ、ロジックテスタおよびメモリテスタ等のデバイス試験装置であってよい。なお、試験装置１００は、テスト機能を有せずに被測定デバイス１２０を単に測定する測定装置も含む。試験装置１００は、治具１１０を介して被測定デバイス１２０に様々なテスト信号を与え、被測定デバイス１２０から応答信号を取得する。
　テスタ本体１０２は、試験装置１００の本体部であり、各種測定の制御を行う。テスタ本体１０２は、各種測定によって得られた複数の測定値を、有線または無線を介して本実施形態に係る解析装置１３０に出力する機能を有してよい。
　テストヘッド１０４は、ケーブルを介してテスタ本体１０２接続され、被測定デバイス１２０を測定する測定位置と退避位置との間で駆動可能に構成されている。テストヘッド１０４は、測定を行う際に、テスタ本体１０２による制御に基づいて、測定位置において被測定デバイス１２０にテスト信号を送信し、被測定デバイス１２０から応答を受信して、それをテスタ本体１０２へ中継する。
　治具１１０は、測定系１０における試験装置１００以外の構成要素を示す。治具１１０は、例えば、試験装置１００が被測定デバイス１２０を測定する際に、試験装置１００の測定機能と被測定デバイス１２０とを結ぶインターフェイス部であってよい。治具１１０は、測定対象となる被測定デバイス１２０の種類に応じて適宜交換され得る。本図においては、一例として、治具１１０は、パフォーマンスボード１１２、プローブカード１１４およびプローバ１１６を有する。なお、本実施形態に係る解析装置１３０が、後工程において測定された測定値を解析対象とする場合には、治具１１０は、ソケットやハンドラ等を有してもよい。
　パフォーマンスボード１１２は、テストヘッド１０４に着脱可能に装着され、テストヘッド１０４に電気的に接続されている。
　プローブカード１１４は、パフォーマンスボード１１２に着脱可能に装着され、パフォーマンスボードに電気的に接続されている。また、プローブカード１１４は、被測定デバイス１２０に接触させて電気的なコンタクトをとるための複数のプローブニードルを有している。
　プローバ１１６は、被測定デバイス１２０を搬送してステージ上に載置し、被測定デバイス１２０に設けられた電極パッドとプローブカード１１４のプローブニードルとの位置合わせを行う。また、プローバ１１６は、プローブニードルをクリーニングするためのクリーニングユニットを有している。プローブカード１１４を介して被測定デバイス１２０と電気的に接続する場合、プローブニードルによって電極パッドの表面を引掻くようにしてコンタクトをとる。この際に、プローブニードルの針先には、電極パッド上の酸化物やゴミ等が付着する。これによって、電極パッドとのコンタクト（タッチダウン）の度にプローブニードルの針先に付着物が堆積していき、徐々に正確な測定ができなくなる。そこで、プローバ１１６にクリーニングユニットを設け、プローブニードルの針先をポリッシュまたは洗浄することで、プローブニードルをクリーニングして針先に堆積する付着物を除去することができる。
　被測定デバイス１２０は、プローバ１１６のステージ上に載置され、試験装置１００によって測定される対象となる測定対象である。本図においては、被測定デバイス１２０が、複数のデバイス領域１２２（例えば、チップ）が形成されたウエハである場合を一例として示す。複数のデバイス領域１２２のそれぞれには、複数の電極パッドが形成されており、試験装置１００は、これら電極パッドに、プローブカード１１４のプローブニードルを接触させて複数のデバイス領域１２２の測定を行う。この際、試験装置１００は、複数のデバイス領域１２２ごとに測定を行ってもよいし、デバイス領域１２２を複数含む領域ブロック（例えば、４チップ）ごとに測定を行ってもよい。そして、試験装置１００は、例えば、これら被測定デバイス１２０を異なる位置で測定した際に得られる複数の測定値を、直接またはネットワークや媒体を介して解析装置１３０に供給する。
　解析装置１３０は、測定系１０において被測定デバイス１２０を測定した複数の測定値を取得して解析する。解析装置１３０は、ＰＣ（パーソナルコンピュータ）、タブレット型コンピュータ、スマートフォン、ワークステーション、サーバコンピュータ、または汎用コンピュータ等のコンピュータであってよく、複数のコンピュータが接続されたコンピュータシステムであってもよい。このようなコンピュータシステムもまた広義のコンピュータである。また、解析装置１３０は、コンピュータ内で１または複数実行可能な仮想コンピュータ環境によって実装されてもよい。これに代えて、解析装置１３０は、測定値の解析用に設計された専用コンピュータであってもよく、専用回路によって実現された専用ハードウェアであってもよい。一例として、解析装置１３０は、インターネットに接続されたＷｅｂサーバであってよく、この場合、ユーザは、インターネットに接続可能な様々な環境から、クラウド上の解析装置１３０へアクセスして各種サービスの提供を受けることができる。また、解析装置１３０は、直接またはＬｏｃａｌ　Ａｒｅａ　Ｎｅｔｗｏｒｋ（ＬＡＮ）等のネットワークを介して試験装置１００と接続する単独の装置として構成されてもよいし、試験装置１００と一体に構成され、試験装置１００の機能ブロックの一部として実現されてもよい。また、後述するように、例えば、ユーザによる直接入力や、ＵＳＢメモリ等の記憶媒体から複数の測定値を入手可能である場合には、解析装置１３０は、試験装置１００と接続されていなくてもよく、測定系１０とは独立した装置として構成されてもよい。
　解析装置１３０は、入力部１４０、取得部１５０、機械学習部１６０、解析部１７０、管理部１８０および出力部１９０を備える。
　入力部１４０は、複数の測定値を入力するためのインターフェイス部である。入力部１４０は、例えば、試験装置１００のテスタ本体１０２に、直接またはネットワークを介して接続されており、試験装置１００によって測定された複数の測定値を入力する。また、入力部１４０は、キーボードやマウス等を介してユーザからの直接入力を受け付けるユーザインターフェイスであってもよいし、ＵＳＢメモリやディスクドライブ等を解析装置１３０に接続するためのデバイスインターフェイスであってもよく、これらインターフェイスを介して試験装置１００によって測定された複数の測定値を入力してもよい。
　取得部１５０は、入力部１４０に接続されており、試験装置１００が治具１１０を介して被測定デバイス１２０を測定した複数の測定値を取得する。取得部１５０は、試験装置１００が被測定デバイス１２０における異なる位置で測定した複数の測定値、より詳細には、治具１１０を被測定デバイス１２０の異なる位置に接触させて測定した複数の測定値を取得してよい。例えば、被測定デバイス１２０が、複数のデバイス領域１２２が形成されたウエハである場合、取得部１５０は、デバイス領域１２２ごとに測定された複数の測定値、および、デバイス領域１２２を複数含む領域ブロックごとに測定された複数の測定値の少なくともいずれか一方を取得する。取得部１５０は、取得した複数の測定値を、機械学習部１６０および解析部１７０へ供給する。また、解析装置１３０が後工程において測定された測定値を解析対象とする場合には、取得部１５０は、これに代えて、または、加えて、治具１１０における異なる位置で複数の被測定デバイス１２０を測定した複数の測定値を取得してよい。例えば、解析装置１３０がファイナルテストにおいて測定された測定値を解析対象とする場合、取得部１５０は、ソケットボード上に設けられた複数のソケットにおいて複数の被測定用ＩＣをそれぞれ測定した複数の測定値を取得してよい。
　機械学習部１６０は、取得部１５０に接続されており、取得部１５０から供給された複数の測定値を用いて、例えば、被測定デバイス１２０における測定した位置に依存した成分、および、治具１１０における測定した位置に依存した成分の位置依存成分等の測定値に含まれる成分のモデルを機械学習により学習する。これについては後述する。
　解析部１７０は、取得部１５０および機械学習部１６０に接続されており、取得部１５０から供給された複数の測定値を解析して、測定値のばらつきを抽出する。また、解析部１７０は、複数の測定値を解析して、治具１１０が被測定デバイス１２０に接触した接触回数に応じた測定値の変動を示す変動データを生成する。この際、解析部１７０は、複数の測定値から、例えば、被測定デバイス１２０における測定した位置に依存した成分、および、治具１１０における測定した位置に依存した成分の位置依存成分を分離する。解析部１７０は、この位置依存成分を、機械学習部１６０により学習されたモデルを用いて算出することができる。
　管理部１８０は、解析部１７０に接続されており、解析部１７０により位置依存成分が分離された複数の測定値に基づいて、治具１１０の状態の管理、および、試験装置１００の異常検出の少なくともいずれか一方を行う。例えば、管理部１８０は、解析部１７０が生成した変動データに基づいて、治具１１０の状態を管理する。また、管理部１８０は、解析部１７０が抽出した測定値のばらつきに基づいて、試験装置１００の異常を検出する。なお、ここで、治具１１０の状態の管理として、管理部１８０は、例えば、変動データに基づいて、治具１１０のクリーニング時期、および、治具１１０の交換時期の少なくともいずれか一方を決定することができる。
　出力部１９０は、管理部１８０に接続されており、管理部１８０が管理した情報を出力する。出力部１９０は、この情報を、解析装置１３０に設けられた表示部（図示せず）に表示させてもよいし、直接またはネットワークを介して接続された他の装置へ送信してもよい。
　図２は、本実施形態に係る解析装置１３０が測定値のばらつきに基づいて試験装置１００の異常を検出するフローを示す。ステップ２１０において、解析装置１３０の取得部１５０は、入力部１４０を介して複数の測定値を取得する。
　ステップ２２０において、解析装置１３０の機械学習部１６０は、ステップ２１０において取得した複数の測定値を用いて、位置依存成分等の測定値に含まれる成分のモデルを機械学習により学習する。ここで、位置依存成分は、後述するように、例えば、被測定デバイス１２０の中心から同心円状に変化する成分、被測定デバイス１２０をＸＹ平面上に配置した場合にＸ軸方向に依存した成分およびＹ軸方向に依存した成分を含む。また、複数の測定値は、後述するようにタッチダウン回数に依存した成分を含む。機械学習部１６０は、複数の測定値をサンプリングして測定値に含まれる成分のモデルを機械学習により学習する。これについては後述する。
　次に、ステップ２３０において、解析装置１３０の解析部１７０は、複数の測定値からステップ２２０において機械学習部１６０により学習されたモデルを用いて算出される位置依存成分を分離する。
　そして、ステップ２４０において、解析装置１３０の解析部１７０は、複数の測定値を解析して、ステップ２３０において位置依存成分が分離された複数の測定値を用いて測定値のばらつきを抽出する。そして、解析部１７０は、測定値のばらつきを確率分布で表現して、測定値の確率分布を算出する。解析部１７０は、例えば、測定値の確率分布が正規分布に従うと仮定して、平均値および標準偏差σ等を算出する。なお、上述の説明では、測定値の確率分布が正規分布に従うと仮定したが、これに限定されるものではない。解析部１７０は、例えば、測定値の確率分布が、スチューデントのｔ分布およびウィッシャート分布等の他の分布に従うと仮定してもよい。
　そして、ステップ２５０において、解析装置１３０の管理部１８０は、測定値のばらつきに基づいて試験装置１００の異常を検出する。管理部１８０は、複数の測定値のうち、ステップ２４０において算出した測定値の確率分布から外れた外れ値に基づいて試験装置１００の異常を検出してよい。例えば、管理部１８０は、測定値の確率分布において、平均値から標準偏差σの所定倍（例えば２σ）離れた値（外れ値）が予め定められた基準以上の確率で発生した場合に、試験装置１００に何らかの異常が生じたものと判定してよい。管理部１８０は、試験装置１００の異常として、例えば、被測定デバイス１２０に電力を供給する電力源、ドライバ、Ａ／Ｄ変換器、Ｄ／Ａ変換器等の故障を検出し得る。
　このように、本実施形態に係る解析装置１３０によれば、複数の測定値を解析して抽出した測定値のばらつきに基づいて、試験装置１００の異常を検出する。従来、試験装置１００の異常は、定期診断でしか分からなかった。しかしながら、本実施形態に係る解析装置１３０は、製品として出荷されるデバイスの試験および測定中に得られる測定結果の振る舞いから測定を行った試験装置１００の健康度や安定度をチェックすることができる。これにより、異常が生じている試験装置１００によって測定された結果、本来、良品と判断されるべき被測定デバイス１２０が不良として扱われて歩留まりが低下することや、本来、不良と判断されるべき被測定デバイス１２０が良品として扱われて次工程に流出することを回避することができる。また、本実施形態に係る解析装置１３０は、複数の測定値から被測定デバイス１２０における測定した位置に依存する成分や治具１１０における測定した位置に依存する成分を分離するので、測定値のばらつきをより精度よく抽出することができる。
　ここで、解析装置１３０の機械学習部１６０は、ベイズ推論を用いて測定値に含まれる成分のモデルを機械学習により学習する。これに代えて、機械学習部１６０は、回帰分析、決定木学習およびニューラルネットワーク等の他の学習アルゴリズムを用いて学習してもよい。
　一般に、ベイズ推論は、観測された事実から推定したい事柄を確率的な意味で推論する。例えば、Ｐ（Ａ）を事象Ａが発生する確率（事前確率）、Ｐ（Ａ｜Ｘ）を事象Ｘが発生した下で事象Ａが発生する条件付き確率（事後確率）とすると、事後確率Ｐ（Ａ｜Ｘ）はベイズの定理によって次式で表される。ここで、Ｐ（Ｘ｜Ａ）は尤度であり、統計学において、ある前提条件に従って結果が出現する場合に、逆に観測結果からみて前提条件が何であったと推測する尤もらしさを表す。
Figure JPOXMLDOC01-appb-M000001
　ここで、事象Ａの確率の観点からは、Ｐ（Ｘ）は規格化定数としての意味しかもたないため、しばしば省略され、事後確率Ｐ（Ａ｜Ｘ）は次式のように表すことができる。すなわち、事後確率Ｐ（Ａ｜Ｘ）は事前確率Ｐ（Ａ）と尤度Ｐ（Ｘ｜Ａ）の積に比例する。
Figure JPOXMLDOC01-appb-M000002
　このように、事象Ｘに関するある結果が得られたとすると、それを反映し、尤度の乗算によって、事象Ａの確率を事前確率から事後確率へと更新していく。つまり、主観的な確率分布であった事前確率Ｐ（Ａ）に、尤度Ｐ（Ｘ｜Ａ）を乗算することにより、事象Ｘを加味して、より客観性の高い確率分布である事後確率Ｐ（Ａ｜Ｘ）を算出する。そして、さらに新たな事象Ｘが加えられれば、事後確率を新たに事前確率として扱い、ベイズ改訂を繰り返していく。このように、確率分布をより客観的にするベイズ改訂を利用して、事象Ａを推定する方法がベイズ推定である。上述したように、測定系１０から得られる複数の測定値は、例えば、同心円状に変化する成分、Ｘ軸方向に依存した成分、Ｙ軸方向に依存した成分およびタッチダウン回数に依存した成分等、複数の成分の和として与えられる。本実施形態に係る解析装置１３０の機械学習部１６０は、各成分の関数における定数、すなわち、被測定デバイス１２０の中心からの距離ｒの関数における定数Ｗ、Ｘ軸成分ｘおよびＹ軸成分ｙの関数における定数Ｓ、およびタッチダウン回数ｔの関数における定数Ｒ等をそれぞれ、（数１）および（数２）の"Ａ"として用い、複数の測定値が示す値を（数１）および（数２）の"Ｘ"として用いて、各定数の確率分布を、測定値を使用して更新していく。
　機械学習部１６０は、測定値に含まれる成分のモデルを機械学習により学習するにあたって、不明なパラメータを得るためのサンプリング方法として、複数のパラメータが簡単な依存関係にある場合には、連立方程式を用いることができる。これに代えて、複数のパラメータが相互に依存する場合には、機械学習部１６０は、反復法、統計的推定法、および、最適化等を用いることができる。
　図３は、本実施形態に係る解析装置１３０が解析対象とする測定値に含まれる成分の一例を示す。解析装置１３０が解析する測定値には、被測定デバイス１２０における測定した位置に依存した位置依存成分が含まれている。位置依存成分は、例えば、本図に示すように、被測定デバイス１２０の中心から同心円状に変化する成分を含む。ウエハ等の被測定デバイス１２０に複数のデバイス領域１２２を形成するにあたっては、枚葉式の処理装置を用いてプロセスが施されることがある。この枚葉式の処理装置においては、ウエハをスピンチャックに保持して回転させた状態で、ノズルからウエハの中心に処理液を塗布し、スピンチャックの回転による遠心力によって処理液をウエハ全体に塗り拡げて処理をしている。この際、処理液をウエハ全体に均一に塗り拡げるように制御することや、ウエハのエッジ部分を中心部分と同様に処理することは厳密には容易ではない。このような理由により、被測定デバイス１２０は、中心からの距離に依存して同心円状に僅かな製造ばらつきが生じる。したがって、解析装置１３０が解析する測定値は、被測定デバイス１２０の中心から同心円状に変化する成分を含んでいる。
　また、位置依存成分は、例えば、本図に示すように、被測定デバイス１２０を座標平面（ＸＹ平面）上に配置した場合に、座標平面における一方の座標軸方向（Ｘ軸方向）に依存した成分、および、座標平面における他方の座標軸方向（Ｙ軸方向）に依存した成分の少なくともいずれか一方を含む。例えば、ウエハ等の被測定デバイス１２０に複数のデバイス領域１２２を形成するにあたって、ウエハを一端側から徐々に処理液に浸漬させるプロセスや、ウエハの一端側から処理ガスを処理チャンバに充填させるプロセス等を経ることがある。このような場合に、被測定デバイス１２０は、一端から他端に向けて僅かな製造ばらつきが生じる。したがって、解析装置１３０が解析する測定値は、被測定デバイス１２０をＸＹ平面上に配置した場合に、Ｘ軸方向に依存した成分やＹ軸方向に依存した成分を含んでいる。
　また、ファイナルテストにおいては、ソケットボード上に設けられた複数のソケットのそれぞれに被測定用ＩＣが装着された状態で、複数の被測定用ＩＣが測定される。このような場合に、ソケットボードの反りや傾き、または温度依存性等により、複数の測定値は、治具１１０における測定した位置に依存した様々な成分を含んでいる。
　このように、解析装置１３０が解析対象とする複数の測定値は、同心円状に変化する成分、Ｘ軸方向に依存した成分およびＹ軸方向に依存した成分等、複数次元の変数からなる位置に依存した位置依存成分を含んでいる。本実施形態に係る解析装置１３０は、これら複数次元の変数からなる位置依存成分のモデルを機械学習により学習することができる。そして、本実施形態に係る解析装置１３０は、複数の測定値から位置依存成分を分離することで、製造ばらつきによる測定値への影響や、治具１１０の位置による測定値への影響を除去することができる。これにより、本実施形態に係る解析装置１３０によれば、測定値のばらつきや他の要因が及ぼす測定値への影響を詳細に精度よく抽出することができる。
　図４は、本実施形態に係る解析装置１３０が解析対象とする測定値に含まれる成分の他の一例を示す。解析装置１３０が解析する測定値は、図４に示した位置依存成分に加えて、本図に示すような、プローブカード１１４が有するプローブニードルを被測定デバイス１２０に接触させたタッチダウン（ＴＤ）回数に応じた測定値の変動成分を含んでいる。
　上述したように、プローブカード１１４を介して測定対象と電気的に接続する場合、プローブニードルによって電極パッドの表面を引掻くようにしてコンタクトをとる。この際、プローブニードルの針先には、電極パッド上の酸化物やゴミ等が付着する。これによって、タッチダウン回数に応じてプローブニードルの接触抵抗（ＣＲＥＳ）値が増加していき、その結果、タッチダウン回数に応じた変動を測定値に与える。なお、このタッチダウン回数は、上述したクリーニングユニットを用いてプローブニードルの針先をポリッシュまたは洗浄した場合に、リセットされる値である。
　本実施形態に係る解析装置１３０は、同心円状に変化する成分、Ｘ軸方向に依存した成分およびＹ軸方向に依存した成分を含む位置依存成分に加えて、タッチダウン回数に応じた変動成分を含めて、測定値に含まれる成分のモデルを機械学習により学習することができる。そして、解析装置１３０は、複数の測定値から位置依存成分を分離して、タッチダウン回数に応じた測定値の変動を示す変動データを生成し、変動データに基づいて治具の状態を管理することができる。
　図５は、本実施形態に係る解析装置１３０が変動データに基づいて治具１１０の状態を管理するフローを示す。ステップ５１０からステップ５３０については、図２のステップ２１０からステップ２３０と同様である。
　本フローにおいて、解析装置１３０の解析部１７０は、ステップ５４０において、治具１１０が被測定デバイス１２０に接触した接触回数、すなわちＴＤ回数に応じた測定値の変動を示す変動データを生成する。解析部１７０は、測定値のばらつきをＴＤ回数で分類して、それぞれを確率分布で表現する。また、解析部１７０は、ＴＤ回数によって分類して生成した複数の確率分布を用いて、ＴＤ回数に応じた治具１１０（プローブカード１１４のプローブニードル）の接触抵抗の分散を推定する。
　そして、ステップ５５０において、解析装置１３０の管理部１８０は、ステップ５４０で生成された変動データに基づいて、治具１１０の状態を管理する。例えば、管理部１８０は、ＴＤ回数に応じた治具１１０の接触抵抗の分散に基づいて、治具１１０のクリーニング時期、および、治具１１０の交換時期の少なくともいずれか一方を決定する。
　図６は、接触回数に応じた治具１１０の接触抵抗の変化傾向を示す。上述したように、プローブニードルの接触抵抗（ＣＲＥＳ）値は、ＴＤ回数に応じて増加していく。したがって、本図に示すように、ＴＤ回数を横軸にとった場合、ＣＲＥＳ値の平均値はＴＤ回数の増加に伴って右肩上がりに増加していく。これに加えて、ＣＲＥＳ値は、ＴＤ回数の増加に伴ってばらつきが大きくなる傾向を示すことが分かってきた。すなわち、ＣＲＥＳ値の確率分布において、ＴＤ回数の増加に伴って分散が大きくなっていく傾向を示す。本実施形態に係る解析装置１３０は、この変化傾向を利用する。
　すなわち、解析装置１３０は、ステップ５４０において、ＴＤ回数に応じた接触抵抗の分散を推定し、ステップ５５０において、ＴＤ回数に応じた接触抵抗の分散が予め定められた基準を超える場合に、治具１１０をクリーニングする必要があると判定する。また、解析装置１３０は、例えば、ＴＤ回数に応じて接触抵抗の分散が大きくなる度合いに基づいて、治具１１０のクリーニング時期を決定する。すなわち、解析装置１３０は、ＴＤ回数に応じた接触抵抗の分散の増加から、以降も分散が同様に（例えば、線形に）増加すると仮定して、治具１１０のクリーニング時期を決定しても良い。また、解析装置１３０は、接触抵抗の分散に基づいて、治具１１０の交換時期を決定してもよい。例えば、解析装置１３０は、予め定められた回数よりも少ないＴＤ回数で予め定められた基準を超えた場合に、治具１１０を交換する必要があると判定してもよい。
　本実施形態に係る解析装置によれば、治具１１０が被測定デバイス１２０に接触した接触回数に応じた測定値の変動を示す変動データに基づいて、治具１１０の状態を管理するので、治具１１０のメンテナンスを最適化することができる。従来は、治具１１０のメンテナンスを定期的に行っていた。しかしながら、本実施形態に係る解析装置は、治具１１０のメンテナンスを、推定した接触抵抗に基づいて最適化することで、治具１１０のメンテナンス回数を削減することができる。これによりメンテナンスにかかる時間を低減することができ、測定に費やす時間の短縮やメンテナンス費用の抑制を図ることができる。
　本発明の様々な実施形態は、フローチャートおよびブロック図を参照して記載されてよく、ここにおいてブロックは、（１）操作が実行されるプロセスの段階または（２）操作を実行する役割を持つ装置のセクションを表わしてよい。特定の段階およびセクションが、専用回路、コンピュータ可読媒体上に格納されるコンピュータ可読命令と共に供給されるプログラマブル回路、および／またはコンピュータ可読媒体上に格納されるコンピュータ可読命令と共に供給されるプロセッサによって実装されてよい。専用回路は、デジタルおよび／またはアナログハードウェア回路を含んでよく、集積回路（ＩＣ）および／またはディスクリート回路を含んでよい。プログラマブル回路は、論理ＡＮＤ、論理ＯＲ、論理ＸＯＲ、論理ＮＡＮＤ、論理ＮＯＲ、および他の論理操作、フリップフロップ、レジスタ、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、プログラマブルロジックアレイ（ＰＬＡ）等のようなメモリ要素等を含む、再構成可能なハードウェア回路を含んでよい。
　コンピュータ可読媒体は、適切なデバイスによって実行される命令を格納可能な任意の有形なデバイスを含んでよく、その結果、そこに格納される命令を有するコンピュータ可読媒体は、フローチャートまたはブロック図で指定された操作を実行するための手段を作成すべく実行され得る命令を含む、製品を備えることになる。コンピュータ可読媒体の例としては、電子記憶媒体、磁気記憶媒体、光記憶媒体、電磁記憶媒体、半導体記憶媒体等が含まれてよい。コンピュータ可読媒体のより具体的な例としては、フロッピー（登録商標）ディスク、ディスケット、ハードディスク、ランダムアクセスメモリ（ＲＡＭ）、リードオンリメモリ（ＲＯＭ）、消去可能プログラマブルリードオンリメモリ（ＥＰＲＯＭまたはフラッシュメモリ）、電気的消去可能プログラマブルリードオンリメモリ（ＥＥＰＲＯＭ）、静的ランダムアクセスメモリ（ＳＲＡＭ）、コンパクトディスクリードオンリメモリ（ＣＤ-ＲＯＭ）、デジタル多用途ディスク（ＤＶＤ）、ブルーレイ（ＲＴＭ）ディスク、メモリスティック、集積回路カード等が含まれてよい。
　コンピュータ可読命令は、アセンブラ命令、命令セットアーキテクチャ（ＩＳＡ）命令、マシン命令、マシン依存命令、マイクロコード、ファームウェア命令、状態設定データ、またはＳｍａｌｌｔａｌｋ、ＪＡＶＡ（登録商標）、Ｃ＋＋等のようなオブジェクト指向プログラミング言語、および「Ｃ」プログラミング言語または同様のプログラミング言語のような従来の手続型プログラミング言語を含む、１または複数のプログラミング言語の任意の組み合わせで記述されたソースコードまたはオブジェクトコードのいずれかを含んでよい。
　コンピュータ可読命令は、汎用コンピュータ、特殊目的のコンピュータ、若しくは他のプログラム可能なデータ処理装置のプロセッサまたはプログラマブル回路に対し、ローカルにまたはローカルエリアネットワーク（ＬＡＮ）、インターネット等のようなワイドエリアネットワーク（ＷＡＮ）を介して提供され、フローチャートまたはブロック図で指定された操作を実行するための手段を作成すべく、コンピュータ可読命令を実行してよい。プロセッサの例としては、コンピュータプロセッサ、処理ユニット、マイクロプロセッサ、デジタル信号プロセッサ、コントローラ、マイクロコントローラ等を含む。
　図７は、本発明の複数の態様が全体的または部分的に具現化されてよいコンピュータ２２００の例を示す。コンピュータ２２００にインストールされたプログラムは、コンピュータ２２００に、本発明の実施形態に係る装置に関連付けられる操作または当該装置の１または複数のセクションとして機能させることができ、または当該操作または当該１または複数のセクションを実行させることができ、および／またはコンピュータ２２００に、本発明の実施形態に係るプロセスまたは当該プロセスの段階を実行させることができる。そのようなプログラムは、コンピュータ２２００に、本明細書に記載のフローチャートおよびブロック図のブロックのうちのいくつかまたはすべてに関連付けられた特定の操作を実行させるべく、ＣＰＵ２２１２によって実行されてよい。
　本実施形態によるコンピュータ２２００は、ＣＰＵ２２１２、ＲＡＭ２２１４、グラフィックコントローラ２２１６、およびディスプレイデバイス２２１８を含み、それらはホストコントローラ２２１０によって相互に接続されている。コンピュータ２２００はまた、通信インターフェイス２２２２、ハードディスクドライブ２２２４、ＤＶＤ－ＲＯＭドライブ２２２６、およびＩＣカードドライブのような入／出力ユニットを含み、それらは入／出力コントローラ２２２０を介してホストコントローラ２２１０に接続されている。コンピュータはまた、ＲＯＭ２２３０およびキーボード２２４２のようなレガシの入／出力ユニットを含み、それらは入／出力チップ２２４０を介して入／出力コントローラ２２２０に接続されている。
　ＣＰＵ２２１２は、ＲＯＭ２２３０およびＲＡＭ２２１４内に格納されたプログラムに従い動作し、それにより各ユニットを制御する。グラフィックコントローラ２２１６は、ＲＡＭ２２１４内に提供されるフレームバッファ等またはそれ自体の中にＣＰＵ２２１２によって生成されたイメージデータを取得し、イメージデータがディスプレイデバイス２２１８上に表示されるようにする。
　通信インターフェイス２２２２は、ネットワークを介して他の電子デバイスと通信する。ハードディスクドライブ２２２４は、コンピュータ２２００内のＣＰＵ２２１２によって使用されるプログラムおよびデータを格納する。ＤＶＤ－ＲＯＭドライブ２２２６は、プログラムまたはデータをＤＶＤ－ＲＯＭ２２０１から読み取り、ハードディスクドライブ２２２４にＲＡＭ２２１４を介してプログラムまたはデータを提供する。ＩＣカードドライブは、プログラムおよびデータをＩＣカードから読み取り、および／またはプログラムおよびデータをＩＣカードに書き込む。
　ＲＯＭ２２３０はその中に、アクティブ化時にコンピュータ２２００によって実行されるブートプログラム等、および／またはコンピュータ２２００のハードウェアに依存するプログラムを格納する。入／出力チップ２２４０はまた、様々な入／出力ユニットをパラレルポート、シリアルポート、キーボードポート、マウスポート等を介して、入／出力コントローラ２２２０に接続してよい。
　プログラムが、ＤＶＤ－ＲＯＭ２２０１またはＩＣカードのようなコンピュータ可読媒体によって提供される。プログラムは、コンピュータ可読媒体から読み取られ、コンピュータ可読媒体の例でもあるハードディスクドライブ２２２４、ＲＡＭ２２１４、またはＲＯＭ２２３０にインストールされ、ＣＰＵ２２１２によって実行される。これらのプログラム内に記述される情報処理は、コンピュータ２２００に読み取られ、プログラムと、上記様々なタイプのハードウェアリソースとの間の連携をもたらす。装置または方法が、コンピュータ２２００の使用に従い情報の操作または処理を実現することによって構成されてよい。
　例えば、通信がコンピュータ２２００および外部デバイス間で実行される場合、ＣＰＵ２２１２は、ＲＡＭ２２１４にロードされた通信プログラムを実行し、通信プログラムに記述された処理に基づいて、通信インターフェイス２２２２に対し、通信処理を命令してよい。通信インターフェイス２２２２は、ＣＰＵ２２１２の制御下、ＲＡＭ２２１４、ハードディスクドライブ２２２４、ＤＶＤ－ＲＯＭ２２０１、またはＩＣカードのような記録媒体内に提供される送信バッファ処理領域に格納された送信データを読み取り、読み取られた送信データをネットワークに送信し、またはネットワークから受信された受信データを記録媒体上に提供される受信バッファ処理領域等に書き込む。
　また、ＣＰＵ２２１２は、ハードディスクドライブ２２２４、ＤＶＤ－ＲＯＭドライブ２２２６（ＤＶＤ－ＲＯＭ２２０１）、ＩＣカード等のような外部記録媒体に格納されたファイルまたはデータベースの全部または必要な部分がＲＡＭ２２１４に読み取られるようにし、ＲＡＭ２２１４上のデータに対し様々なタイプの処理を実行してよい。ＣＰＵ２２１２は次に、処理されたデータを外部記録媒体にライトバックする。
　様々なタイプのプログラム、データ、テーブル、およびデータベースのような様々なタイプの情報が記録媒体に格納され、情報処理を受けてよい。ＣＰＵ２２１２は、ＲＡＭ２２１４から読み取られたデータに対し、本開示の随所に記載され、プログラムの命令シーケンスによって指定される様々なタイプの操作、情報処理、条件判断、条件分岐、無条件分岐、情報の検索／置換等を含む、様々なタイプの処理を実行してよく、結果をＲＡＭ２２１４に対しライトバックする。また、ＣＰＵ２２１２は、記録媒体内のファイル、データベース等における情報を検索してよい。例えば、各々が第２の属性の属性値に関連付けられた第１の属性の属性値を有する複数のエントリが記録媒体内に格納される場合、ＣＰＵ２２１２は、第１の属性の属性値が指定される、条件に一致するエントリを当該複数のエントリの中から検索し、当該エントリ内に格納された第２の属性の属性値を読み取り、それにより予め定められた条件を満たす第１の属性に関連付けられた第２の属性の属性値を取得してよい。
　上で説明したプログラムまたはソフトウェアモジュールは、コンピュータ２２００上またはコンピュータ２２００近傍のコンピュータ可読媒体に格納されてよい。また、専用通信ネットワークまたはインターネットに接続されたサーバーシステム内に提供されるハードディスクまたはＲＡＭのような記録媒体が、コンピュータ可読媒体として使用可能であり、それによりプログラムを、ネットワークを介してコンピュータ２２００に提供する。
　以上、本発明を実施の形態を用いて説明したが、本発明の技術的範囲は上記実施の形態に記載の範囲には限定されない。上記実施の形態に、多様な変更または改良を加えることが可能であることが当業者に明らかである。その様な変更または改良を加えた形態も本発明の技術的範囲に含まれ得ることが、請求の範囲の記載から明らかである。
　請求の範囲、明細書、および図面中において示した装置、システム、プログラム、および方法における動作、手順、ステップ、および段階等の各処理の実行順序は、特段「より前に」、「先立って」等と明示しておらず、また、前の処理の出力を後の処理で用いるのでない限り、任意の順序で実現しうることに留意すべきである。請求の範囲、明細書、および図面中の動作フローに関して、便宜上「まず、」、「次に、」等を用いて説明したとしても、この順で実施することが必須であることを意味するものではない。
１００　　試験装置
１０２　　テスタ本体
１０４　　テストヘッド
１１０　　治具
１１２　　パフォーマンスボード
１１４　　プローブカード
１１６　　プローバ
１２０　　被測定デバイス
１２２　　デバイス領域
１３０　　解析装置
１４０　　入力部
１５０　　取得部
１６０　　機械学習部
１７０　　解析部
１８０　　管理部
１９０　　出力部
２２００　コンピュータ
２２０１　ＤＶＤ－ＲＯＭ
２２１０　ホストコントローラ
２２１２　ＣＰＵ
２２１４　ＲＡＭ
２２１６　グラフィックコントローラ
２２１８　ディスプレイデバイス
２２２０　入／出力コントローラ
２２２２　通信インターフェイス
２２２４　ハードディスクドライブ
２２２６　ＤＶＤ－ＲＯＭドライブ
２２３０　ＲＯＭ
２２４０　入／出力チップ
２２４２　キーボード

Claims (9)

  1. 　被測定デバイスを測定した複数の測定値を取得する取得部と、
    　前記複数の測定値を用いて、前記被測定デバイスを測定した位置に依存した位置依存成分のモデルを機械学習により学習する機械学習部と、
    　前記複数の測定値から、前記機械学習部により学習された前記モデルを用いて算出される位置依存成分を分離する解析部と、
    　を備える解析装置。
  2. 　前記取得部は、前記被測定デバイスにおける異なる位置で測定された前記複数の測定値を取得し、
    　前記解析部は、前記複数の測定値から、前記被測定デバイスにおける測定した位置に依存した前記位置依存成分を分離する請求項１に記載の解析装置。
  3. 　前記位置依存成分は、前記被測定デバイスの中心から同心円状に変化する成分を含む請求項２に記載の解析装置。
  4. 　前記位置依存成分は、前記被測定デバイスを座標平面上に配置した場合に、前記座標平面における一方の座標軸方向に依存した成分、および、前記座標平面における他方の座標軸方向に依存した成分の少なくともいずれか一方を含む請求項２または３に記載の解析装置。
  5. 　前記被測定デバイスは、複数のデバイス領域が形成されたウエハであり、
    　前記取得部は、デバイス領域ごとに測定された前記複数の測定値、および、前記デバイス領域を複数含む領域ブロックごとに測定された前記複数の測定値の少なくともいずれか一方を取得する請求項２から４のいずれか一項に記載の解析装置。
  6. 　前記取得部は、治具における異なる位置で複数の前記被測定デバイスを測定した前記複数の測定値を取得し、
    　前記解析部は、前記複数の測定値から、前記治具における測定した位置に依存した位置依存成分を分離する請求項１に記載の解析装置。
  7. 　前記取得部は、試験装置が治具を介して前記被測定デバイスを測定した前記複数の測定値を取得し、
    　前記解析部により前記位置依存成分が分離された前記複数の測定値に基づいて、前記治具の状態の管理、および、前記試験装置の異常検出の少なくともいずれか一方を行う管理部を更に備える請求項１から６のいずれか一項に記載の解析装置。
  8. 　解析装置が解析する解析方法であって、
    　前記解析装置が、被測定デバイスを測定した複数の測定値を取得することと、
    　前記解析装置が、前記複数の測定値を用いて、前記被測定デバイスを測定した位置に依存した位置依存成分のモデルを機械学習により学習することと、
    　前記解析装置が、前記複数の測定値から、学習された前記モデルを用いて算出される位置依存成分を分離することと、
    　を備える解析方法。
  9. 　コンピュータにより実行されて、前記コンピュータを、
    　被測定デバイスを測定した複数の測定値を取得する取得部と、
    　前記複数の測定値を用いて、前記被測定デバイスを測定した位置に依存した位置依存成分のモデルを機械学習により学習する機械学習部と、
    　前記複数の測定値から、前記機械学習部により学習された前記モデルを用いて算出される位置依存成分を分離する解析部と、
    　して機能させる解析プログラム。
PCT/JP2019/013045 2018-10-12 2019-03-26 解析装置、解析方法および解析プログラム WO2020075328A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201980062668.XA CN112752977B (zh) 2018-10-12 2019-03-26 解析装置、解析方法及解析程序
KR1020217008752A KR102532513B1 (ko) 2018-10-12 2019-03-26 해석 장치, 해석 방법 및 해석 프로그램
US17/202,382 US20210199694A1 (en) 2018-10-12 2021-03-16 Analysis apparatus, analysis method, and recording medium having recorded thereon analysis program

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2018193325A JP7181753B2 (ja) 2018-10-12 2018-10-12 解析装置、解析方法および解析プログラム
JP2018-193325 2018-10-12

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US17/202,382 Continuation US20210199694A1 (en) 2018-10-12 2021-03-16 Analysis apparatus, analysis method, and recording medium having recorded thereon analysis program

Publications (1)

Publication Number Publication Date
WO2020075328A1 true WO2020075328A1 (ja) 2020-04-16

Family

ID=70164125

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2019/013045 WO2020075328A1 (ja) 2018-10-12 2019-03-26 解析装置、解析方法および解析プログラム

Country Status (6)

Country Link
US (1) US20210199694A1 (ja)
JP (1) JP7181753B2 (ja)
KR (1) KR102532513B1 (ja)
CN (1) CN112752977B (ja)
TW (1) TWI762773B (ja)
WO (1) WO2020075328A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7185729B1 (ja) 2021-06-17 2022-12-07 日置電機株式会社 状態推定装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003282654A (ja) * 2002-03-20 2003-10-03 Hitachi Ltd 半導体装置の製造方法
US20050116734A1 (en) * 2003-12-02 2005-06-02 Savagaonkar Uday R. Dynamic overdrive compensation test system and method
JP2012504810A (ja) * 2008-10-03 2012-02-23 ビ−エイイ− システムズ パブリック リミテッド カンパニ− システムにおける故障を診断するモデルの更新の支援
US20120123734A1 (en) * 2010-11-11 2012-05-17 Optimaltest Ltd. Misalignment indication decision system and method

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005051210A (ja) 2003-07-15 2005-02-24 Matsushita Electric Ind Co Ltd 面内分布データの圧縮法、面内分布の測定方法、面内分布の最適化方法、プロセス装置の管理方法及びプロセス管理方法
US7256055B2 (en) * 2003-08-25 2007-08-14 Tau-Metrix, Inc. System and apparatus for using test structures inside of a chip during the fabrication of the chip
US7277813B2 (en) * 2005-02-24 2007-10-02 State of Oregon University Portland State Pattern detection for integrated circuit substrates
JP4423617B2 (ja) * 2007-01-10 2010-03-03 株式会社日立製作所 プラント制御装置
US7801635B2 (en) * 2007-01-30 2010-09-21 Tokyo Electron Limited Real-time parameter tuning for etch processes
JP2010032351A (ja) * 2008-07-29 2010-02-12 Yokogawa Electric Corp 動作試験支援装置
EP2230794A3 (en) * 2009-03-16 2011-10-05 Technische Universität München Towards Electrical, Integrated Implementations of SIMPL Systems
EP2600410B1 (en) 2010-07-28 2020-09-30 Kaneka Corporation Transparent electrode for thin film solar cell, substrate having transparent electrode for thin film solar cell and thin film solar cell using same, and production method for transparent electrode for thin film solar cell
TWI448704B (zh) * 2011-10-12 2014-08-11 Advantest Corp 測試裝置、測試方法以及裝置介面
KR20140107714A (ko) 2013-02-25 2014-09-05 한국전자통신연구원 건강 관리 시스템 및 그것의 건강 정보 제공 방법
JP5825502B2 (ja) * 2013-02-27 2015-12-02 株式会社東京精密 プローブ装置
CN105589015B (zh) * 2014-10-21 2019-01-25 国家电网公司 一种电缆振荡波局部放电检测故障判定标准的建立方法
EP3332033B1 (en) * 2015-08-06 2021-04-21 Pacific Biosciences of California, Inc. Single-molecule nanofet sequencing systems and methods
US9824940B2 (en) 2015-09-30 2017-11-21 Taiwan Semiconductor Manufacturing Co., Ltd. Intelligent metrology based on module knowledge
JP6426667B2 (ja) * 2016-08-10 2018-11-21 三菱重工工作機械株式会社 工作機械の工具の異常検知装置及び方法
EP3287914A1 (de) * 2016-08-23 2018-02-28 Siemens Healthcare GmbH Ermittlung von ergebnisdaten auf basis von medizinischen messdaten aus verschiedenen messungen
EP3508833A4 (en) 2016-09-02 2020-04-01 Hitachi, Ltd. DIAGNOSTIC DEVICE, DIAGNOSTIC METHOD AND DIAGNOSTIC PROGRAM
WO2018098397A1 (en) * 2016-11-25 2018-05-31 Glowforge Inc. Calibration of computer-numerically-controlled machine
KR101887118B1 (ko) * 2017-02-27 2018-08-09 에스케이하이닉스 주식회사 프로브 카드 테스트 시스템 및 방법
JP2018147959A (ja) 2017-03-02 2018-09-20 東京エレクトロン株式会社 検査システム、ならびに検査システムの故障解析・予知方法
GB201705189D0 (en) * 2017-03-31 2017-05-17 Microsoft Technology Licensing Llc Sensor data processor with update ability
JP6499720B2 (ja) * 2017-06-22 2019-04-10 ファナック株式会社 機械学習装置、サーボ制御装置、サーボ制御システム、及び機械学習方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003282654A (ja) * 2002-03-20 2003-10-03 Hitachi Ltd 半導体装置の製造方法
US20050116734A1 (en) * 2003-12-02 2005-06-02 Savagaonkar Uday R. Dynamic overdrive compensation test system and method
JP2012504810A (ja) * 2008-10-03 2012-02-23 ビ−エイイ− システムズ パブリック リミテッド カンパニ− システムにおける故障を診断するモデルの更新の支援
US20120123734A1 (en) * 2010-11-11 2012-05-17 Optimaltest Ltd. Misalignment indication decision system and method

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7185729B1 (ja) 2021-06-17 2022-12-07 日置電機株式会社 状態推定装置
JP2023000154A (ja) * 2021-06-17 2023-01-04 日置電機株式会社 状態推定装置

Also Published As

Publication number Publication date
CN112752977B (zh) 2024-05-03
TW202015060A (zh) 2020-04-16
US20210199694A1 (en) 2021-07-01
JP7181753B2 (ja) 2022-12-01
KR20210047926A (ko) 2021-04-30
JP2022028084A (ja) 2022-02-15
TWI762773B (zh) 2022-05-01
KR102532513B1 (ko) 2023-05-16
CN112752977A (zh) 2021-05-04

Similar Documents

Publication Publication Date Title
US11187747B2 (en) Inspection system and malfunction analysis/prediction method for inspection system
WO2012063244A1 (en) Misalignment indication decision system and method
JP7406017B2 (ja) 解析装置、解析方法および解析プログラム
TWI515445B (zh) 診斷工具-一種增加良率提升製程之產量的方法
CN114169286A (zh) 晶圆缺陷的溯源方法、装置、电子设备及计算机可读介质
CN114660443A (zh) 一种基于机器学习的集成电路ate自动复测系统及方法
WO2020075328A1 (ja) 解析装置、解析方法および解析プログラム
WO2020075327A1 (ja) 解析装置、解析方法および解析プログラム
US10107859B1 (en) Determining test conditions for at-speed transition delay fault tests on semiconductor devices
JP6304951B2 (ja) 半導体装置の試験プログラム、試験装置及び試験方法
US20170220706A1 (en) Systems, methods and apparatus that employ statistical analysis of structural test information to identify yield loss mechanisms
JP7245924B2 (ja) 保守装置、保守方法、および、保守プログラム

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19870473

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 20217008752

Country of ref document: KR

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 19870473

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: JP