JP2003142361A

JP2003142361A - データ解析方法

Info

Publication number: JP2003142361A
Application number: JP2001338185A
Authority: JP
Inventors: Hidetaka Tsuda; 英隆津田; Eidai Shirai; 英大白井
Original assignee: Fujitsu Ltd
Current assignee: Fujitsu Ltd
Priority date: 2001-11-02
Filing date: 2001-11-02
Publication date: 2003-05-16
Anticipated expiration: 2021-11-02
Also published as: JP4866520B2

Abstract

(57)【要約】【課題】不良要因等の抽出のためにデータ解析をおこ
なうにあたって、技術者の主観によらずに不良要因等の
抽出を効率よく自動的におこなうこと。【解決手段】オリジナルデータ群の中から解析の対象
とするデータ、たとえば歩留り値や各種測定値等を選択
して抽出する（ステップＳ１）。抽出したデータに対し
て１以上のデータ分布特徴を抽出する（ステップＳ
２）。その中から解析対象とするデータ分布特徴量を選
択し、それを目的変数として回帰木分析等のデータマイ
ニングをおこなう（ステップＳ３）。抽出したすべての
データ分布特徴について回帰木分析が終了したら（ステ
ップＳ４）、分析結果を出力し、それを技術者が確認し
て（ステップＳ５）、意思決定をおこなう（ステップＳ
６）。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、広く産業界で取り
扱われるデータ間の関連を把握し、産業上優位な結果を
もたらすための有意性のある結果を抽出するデータ解析
方法に関し、さらに、解析対象とするデータ値やその平
均値だけに注目していては判別が困難である知識や情報
を抽出するデータ解析方法に関する。また、解析結果の
精度等を評価するデータ解析方法およびデータ解析装置
に関する。

【０００２】たとえば、半導体製造工程において取得さ
れる使用装置履歴、試験結果、設計情報または各種測定
データ等をもって歩留りの変動状況を把握し、よって歩
留り向上に有利な条件を抽出するためになされるデータ
解析方法に関する。特に、計算機システムに蓄積されて
いるオリジナルデータやその平均値だけでなく、それら
オリジナルデータ等を編集することによって得られるデ
ータ分布特徴を自動的かつ定量的に抽出して認識し、そ
の特徴量に基づいて半導体等の低歩留り要因を抽出し、
評価するデータ解析方法およびデータ解析装置に関す
る。

【０００３】また、複数の説明変数が互いに交絡（独立
でなくなる）してしまい、有意差の抽出が困難になる場
合に対処し、より効率的かつ信頼性のある解析結果を得
るためにデータ解析結果の精度等を評価するデータ解析
方法およびデータ解析装置に関する。

【０００４】

【従来の技術】半導体データの歩留り解析を例にとって
進める。特に、プロセスデータ解析のように、その解析
結果から品質、生産性向上の対策決定のための参考デー
タを得ようとする場合には、その精度、信頼度等が重要
であり、これについては本願発明者等により既に出願さ
れている（出願番号：特願２００１−１２７５３４
号）。歩留り低下要因をできるだけ速やかに見つけて対
策を実施するために、装置履歴、試験結果、設計情報、
各種測定データ等から歩留りに効いている要因やその要
因に効いている別の要因を見つけるためのデータ解析が
おこなわれる。

【０００５】データ解析において、歩留り値のように解
析対象となるものを目的変数、目的変数の要因となる装
置履歴、試験結果、設計情報、各種測定データ等は説明
変数といわれる。その際に各種統計学的手法が適用され
るが、そのうちの一つとしてデータマイニングを適用す
ることで、多種大量のデータから判別しにくい価値ある
情報や規則性を抽出することができる。

【０００６】半導体デバイスの不良要因を解析するため
には、収集されたデータをより多面的に科学的根拠に基
づいて解析し、より多くの有意差を抽出するのが重要で
ある。そのため、従来は計算機システムに蓄積されたオ
リジナルデータの値やその平均値がよく活用されてい
る。しかし、複雑に絡み合ったオリジナルデータ群から
不良要因等を抽出するのが困難な場合もある。そのよう
な場合、ウェーハ面内チップやロット内ウェーハの各種
測定結果や歩留り等に関して特徴的なデータ分布が存在
すれば、それに基づいて不良データの解析が進められる
場合がある。

【０００７】

【発明が解決しようとする課題】しかしながら、従来の
計算機システムでは、たとえば歩留り値や電気的特性値
等のオリジナルデータは蓄積されているが、ウェーハ面
内の複数のチップやロット内の複数のウェーハにわたる
特徴的なデータ分布はほとんど蓄積されていない。した
がって、技術者はオリジナルデータの編集をおこない、
各種統計解析ツールや図表作成ツール等を用いてデータ
分布状況を取得する必要がある。そして、取得したデー
タ分布状況を、技術者が有する経験やノウハウ等に照ら
し合わせて、データの集計や傾向を認識する必要があ
る。そのため、大量のオリジナルデータの分布に関する
特徴量を客観的に把握することは困難である。また、こ
のように技術者の主観が入ったデータ分布の特徴量に基
づいて解析を進めても正確な結果が得られないという問
題点がある。

【０００８】また、従来は、技術者が各種統計解析ツー
ルや図表作成ツール等により得たデータ分布状況を見
て、たとえばその分布に、ある特徴が「ある」か「な
い」か、ある特徴の増減傾向が「増大である」か「減少
である」か、ある特徴に２の周期性が「ある」か「な
い」か、またはある特徴に３の周期性が「ある」か「な
い」か、などというように、データ分布の特徴量を離散
値で表している。そのため、ある特徴がどの程度ある
（または、ない）のか、あるいはある特徴がどの程度増
大傾向（または、減少傾向）にあるのか、というような
程度を表す情報が欠落してしまう。また、たとえばある
特徴が、ある程度の２の周期性とある程度の３の周期性
を同時に有するような場合、より程度が強い方の周期性
しか認識されないという問題点がある。

【０００９】また、各種試験結果や測定結果、およびそ
れらの組み合わせまで考慮すると、想定されるデータ分
布特徴の組み合わせは膨大になり、それらすべてについ
て調査するのは極めて困難である。しかも、抽出したデ
ータ分布特徴に対応する不良要因は必ずしも既知のもの
ではないし、また既知でない不良要因を判別するには多
くの経験やノウハウが必要であるという問題点もある。

【００１０】また、実際に、たとえば半導体データの歩
留り解析にデータマイニングを適用してみても、うまく
行かない場合がある。金融や流通などの分野での適用で
は、何百万件もの膨大なデータ件数があり、説明変数の
数はせいぜい数十であるため、精度の高い分析結果が得
られた。ところが半導体プロセスデータ解析の場合はデ
ータ件数が少なく、同じ品種では多くても２００ロット
程度であるにもかかわらず、説明変数の数は数百にも達
し（装置履歴、工程内検査値等）、複数の説明変数が独
立ではなくなってしまい、単純にデータマイニングをお
こなっただけでは信頼できる結果が得られないことがあ
る。以下に、これについて半導体データの歩留り解析を
例にとって簡単に説明する。

【００１１】データ数（例：ロット数）に比較して説明
変数（例：ＬＳＩ製造工程データ）が多いプロセスデー
タ解析において、複数の説明変数が互いに交絡（独立で
なくなる）してしまい、統計的有意差による問題点が十
分絞り込めないことが多くある。データマイニング（回
帰木分析など）を適用した場合においても、この問題が
ある場合には、かなり手間をかけて分析結果の精度、信
頼できる範囲の確認が必要となる。

【００１２】図４０は、ロットの流れと異常製造装置の
関係を示す。白丸“○”は正常装置１０１を示し、黒丸
“●”は異常装置１０２を示す。矢印はロットの流れを
示す。ＬＳＩ製造データにおける装置間差の解析は、各
ロットの工程ごとの使用装置データから、どの製造工程
でどの製造装置を使用すると歩留りが最も影響を受ける
かを抽出する。

【００１３】図４１は、従来技術によるある工程での装
置別歩留り分布（箱ヒゲ図）を示す。各製造工程ごとに
使用した装置ごとにそのロットの歩留り値を箱ヒゲ図で
表示し、各工程について確認していき、最も差が顕著な
工程とその装置を同定する。

【００１４】しかし、この手法では工程数が数百となっ
た現在では大きな工数を要し、また差異が明確に出ない
場合や条件が複雑に絡み合った場合などはなかなか判断
が付きにくい。これらに対処するために回帰木分析によ
るデータマイニング手法が有効であり、目的変数の値が
高くなる使用装置群と低くなる使用装置群に分割する。
図４２のようにロットごとに使用される装置を固定して
ロットを流した場合、黒丸“●”で示す異常装置１０２
が一意に同定できないことがある。すなわち、説明変数
間の独立性が低い場合は、集合の２分割による有意差が
大となるものが必ずしも“真に有意差が大”であるとは
限らない。

【００１５】以上が、半導体製造の各工程における使用
装置における交絡であるが、回帰木分析結果として２分
割された集合の交絡についても同様である。すなわち、
各工程ごとに高歩留りが生じている装置群と低歩留りが
生じている装置群からなる集合についても同じことがい
える。この２分割された集合の交絡については、説明変
数が連続値である場合も同様である。

【００１６】本発明は、上記問題点に鑑みてなされたも
のであって、オリジナルデータを編集して各種統計値等
のデータ分布特徴量を抽出し、それを客観的に認識して
活用することにより、不良要因等の抽出を自動的におこ
なうデータ解析方法を提供することを目的とする。ま
た、複数の説明変数間の交絡の度合いを明確にすること
ができるデータ解析方法およびデータ解析装置を提供す
ることを本発明の目的に含めることができる。

【００１７】

【課題を解決するための手段】上記目的を達成するた
め、本発明は、計算機システムに蓄積されているオリジ
ナルデータ群内に存在する種々のデータ分布特徴を自動
的かつ定量的に評価して抽出し、その抽出された各特徴
量を順次選択して解析をおこなうことにより、各特徴量
が生じた要因を自動的かつ定量的に評価して抽出するこ
とを特徴とする。この発明によれば、オリジナルデータ
からデータ分布の傾向や特徴的パターンやデータ間の関
連性などの多くの情報が抽出されるので、従来は多種多
様なデータに埋もれて判別が困難であった関連性や有意
差が効率的に科学的根拠に基づいて定量的に抽出され
る。

【００１８】また、複数の説明変数間の交絡の度合いを
明確にするため、説明変数および目的変数のデータ結果
を準備するステップと、そのデータ結果を基に複数の説
明変数間の交絡度および／または独立度を演算するステ
ップと、交絡度および／または独立度を用いてデータマ
イニングをおこなうステップとを有するデータ解析方法
が提供される。複数の説明変数間の交絡度および／また
は独立度を演算することにより、説明変数の交絡の度合
いを明確に把握できる。これを基に回帰木分析をおこな
えば、回帰木分析の集合の２分割結果に基づき、説明変
数の交絡度を定量的に評価できるようになり、回帰木に
おける最初の分岐の有意差が大きい問題となる説明変数
に交絡している注意すべき説明変数を明確化することが
可能となる。

【００１９】

【発明の実施の形態】以下に、本発明の実施の形態１、
２について図面を参照しつつ詳細に説明する。

【００２０】（実施の形態１）図１は、本発明の実施の
形態１にかかるデータ解析方法の実施に供せられる計算
機システムのハードウェア構成の一例を示す図である。
この計算機システムは、図１に示すように、入力装置
１、中央処理装置２、出力装置３および記憶装置４から
構成される。

【００２１】図２は、図１に示す構成の計算機システム
により実現されるデータ解析装置の機能構成の一例を示
すブロック図である。このデータ解析装置は、図２に示
すように、複数のオリジナルデータを含むデータベース
４１からなるオリジナルデータ群４２を有する。このデ
ータベース４１は、図１に示す計算機システムの記憶装
置４において構築されている。

【００２２】また、データ解析装置は、オリジナルデー
タ群４２の中に存在する１以上のデータ分布特徴を定量
的に評価して抽出する手段２１、抽出した１以上のデー
タ分布特徴量の中から解析対象とする特徴量を選択する
手段２２、解析対象に選択したデータ分布特徴量を目的
変数として回帰木分析手法などによるデータマイニング
をおこない、データ分布に潜む特徴や規則性などのルー
ルファイル２４を抽出する手段２３、抽出したルールフ
ァイル２４を用いてオリジナルデータの分布特徴を解析
する統計解析コンポーネント２５や図表作成コンポーネ
ント２６などの解析ツール群２７を備える。

【００２３】以上の各手段２１，２２，２３および解析
ツール群２７は、それぞれの処理をおこなうためのプロ
グラムを中央処理装置２で実行することにより実現され
る。抽出されたルールファイル２４は記憶装置４に記憶
されるとともに、表示装置や印刷装置などの出力装置３
により出力される。意思決定５は解析ツール群２７によ
る解析結果に基づいてなされる。

【００２４】また、上述したルールファイル２４を抽出
する手段２３は、オリジナルデータ群４２の中のオリジ
ナルデータ、データ分布特徴を抽出する手段２１により
抽出されたデータ分布特徴、または解析ツール群２７に
よる解析結果に対してもデータマイニングをおこなうよ
うになっている。また、解析ツール群２７は、オリジナ
ルデータ群４２の中のオリジナルデータ、データ分布特
徴を抽出する手段２１により抽出されたデータ分布特
徴、または解析ツール群２７の出力結果に対しても解析
をおこなうようになっている。また、解析ツール群２７
による解析結果は、解析対象となるデータ分布特徴量を
選択する手段２２やオリジナルデータ群４２にフィード
バックされる。また、オリジナルデータ群４２には、デ
ータ分布特徴を抽出する手段２１の出力がフィードバッ
クされる。

【００２５】図３は、たとえば図２のデータ分布特徴を
抽出する手段２１により抽出されたデータ分布特徴量を
ＣＳＶ形式で出力した例を示す。各特徴量はレコードご
とに独立して求められるので、独立して扱われる。たと
えば図３に示すように、各特徴量はＣＳＶ形式で自動的
に出力されるので、各特徴量ごとに効率的に有意な解析
をおこなうことが可能となる。ここで、特徴量となるデ
ータは、オリジナルデータ値やその平均値だけでなく、
オリジナルデータの最大値、最小値、レンジまたは標準
偏差値等でもよい。また、データの周期性や特定モデル
との類似度などを特徴量のデータとしてもよい。

【００２６】ここで、対象とするデータ群の構造によっ
て様々な特徴を抽出することができるが、目的に合わせ
てどのような特徴量を抽出するかという処理をあらかじ
めプログラムに組み込んでおくか、あるいは抽出する特
徴量を定義したファイルを用意して、そのファイルを読
むようにしてもよい。いずれの特徴量も、離散値ではな
く、その特徴がどの程度の強さであるかという連続値で
定義される。したがって、従来のように離散値化による
情報の欠落が生じないので、より良好な解析結果が期待
される。

【００２７】データ分布特徴量の一例として、半導体デ
ータの歩留り解析におけるロット内データ分布の特徴に
ついて説明する。図４は、ウェーハの属性値の変動に着
目した情報を示す一覧表である。ここでは、独立変数は
ウェーハ番号であり、従属変数は歩留り、カテゴリ歩留
りまたは各種測定値等のオリジナルデータである。

【００２８】特に限定しないが、図４に示す例では、
（１）データ分布全体の中心、（２）データのばらつ
き、（３）ウェーハ番号に対するデータの相関、（４）
一次近似した時のｙ軸切片、（５）ウェーハ番号に対す
るデータの傾き、（６）周期２(枚)の強さ、（７）周期
３(枚)の強さ、（８）ロット内で最も強い周期、（９）
前半ウェーハ−後半ウェーハの平均値の差、（１０）前
半ウェーハ−後半ウェーハのばらつきの差、（１１）前
半ウェーハ−後半ウェーハの相関の差、（１２）前半ウ
ェーハ−後半ウェーハの一次近似ｙ軸切片の差、（１
３）前半ウェーハ−後半ウェーハの傾きの差、（１４）
後半ロットの周期２（枚）の強さ、（１５）後半ロット
の周期３（枚）の強さ、および（１６）後半ロットの最
も強い周期、の１６個の特徴項目が定義されている。各
特徴項目の特徴量はロット単位で求められる。

【００２９】ここで定義された１６個の特徴項目につい
て簡単に説明する。（１）の特徴量は同一ロット内の全
ウェーハの歩留りや各種測定値等の平均値である。
（２）の特徴量は同一ロット内の全ウェーハの歩留りや
各種測定値等の標準偏差値である。（３）の特徴量は同
一ロット内のウェーハのウェーハ番号と歩留りや各種測
定値等との相関係数であり、この相関係数の算出の仕方
はあらかじめ解析の対象や目的などに照らし合わせて決
められている。（４）の特徴量は同一ロット内のウェー
ハのウェーハ番号をｘとし、歩留りや各種測定値等をｙ
とし、ｘとｙの関係を一次式ｙ＝ｂ・ｘ＋ａに近似した
時のｙ軸切片の値である。

【００３０】（５）の特徴量は同一ロット内のウェーハ
のウェーハ番号をｘとし、歩留りや各種測定値等をｙと
し、ｘとｙの関係を一次式ｙ＝ｂ・ｘ＋ａに近似した時
の母回帰係数である。（６）の特徴量は同一ロット内の
全ウェーハの歩留りや各種測定値等の分散と、ウェーハ
番号が１、３、５、・・・のウェーハ群またはウェーハ
番号が２、４、６、・・・のウェーハ群の歩留りや各種
測定値等の分散との比である。（７）の特徴量は同一ロ
ット内の全ウェーハの歩留りや各種測定値等の分散と、
ウェーハ番号が１、４、７、・・・のウェーハ群、ウェ
ーハ番号が２、５、８、・・・のウェーハ群またはウェ
ーハ番号が３、６、９、・・・のウェーハ群の歩留りや
各種測定値等の分散との比である。（８）の特徴量は同
一ロット内のウェーハについて、上記（６）や（７）の
ようにして求めた周期２（枚)や３（枚）の分散比、同
様にして求められる周期４（枚）や５（枚）、・・・な
どの分散比のうち、分散比が最大となる周期の値であ
る。

【００３１】（９）の特徴量は、同一ロット内の全ウェ
ーハ（たとえば５０枚）を前半（たとえば２５枚）と後
半（たとえば２５枚）に分け、前半ウェーハ群の歩留り
や各種測定値等の平均値と後半ウェーハ群の歩留りや各
種測定値等の平均値との差である。このように前半と後
半に分けるのは、半導体製造プロセスにおいて装置履歴
が異なるからである。（１０）の特徴量は、前半ウェー
ハ群の歩留りや各種測定値等の標準偏差値と後半ウェー
ハ群の歩留りや各種測定値等の標準偏差値との差であ
る。（１１）の特徴量は前半ウェーハ群の相関係数と後
半ウェーハ群の相関係数との差である。（１２）の特徴
量は前半ウェーハ群の一次近似ｙ軸切片の値と後半ウェ
ーハ群の一次近似ｙ軸切片の値との差である。

【００３２】（１３）の特徴量は前半ウェーハ群の母回
帰係数と後半ウェーハ群の母回帰係数との差である。
（１４）の特徴量は後半ロット群について上記（６）と
同様の周期２に関する分散比である。（１５）の特徴量
は後半ロット群について上記（７）と同様の周期３に関
する分散比である。（１６）の特徴量は後半ロット群に
ついて上記（８）と同様に分散比が最大となる周期の値
である。なお、前半ロット群についても上記（１４）〜
（１６）のように周期２（枚）の強さ、周期３（枚）の
強さ、最も強い周期を定義してもよい。また、ここで例
示した特徴項目に限らず、解析の対象や目的などに応じ
て種々の特徴項目が定義される。

【００３３】上述したような特徴項目を定義して解析す
ることによって、たとえば従来のように歩留り値等のオ
リジナルデータ値やその平均値を用いて解析しただけで
は使用装置による有意差を抽出できない場合でも、使用
装置による有意差を抽出することが可能となる場合があ
る。たとえば、複数のロットについてロット内ウェーハ
の歩留り値のばらつき（上記（２）に対応）に注目した
例を図５に示す。

【００３４】図５に示す例では、工程１で２１号機、２
２号機、２４号機または２５号機を使用したロット群６
（図５の一点鎖線の左側）と２８号機を使用したロット
群７（図５の一点鎖線の右側）とでは、ウェーハ歩留り
の平均値や全体の分布（ロット間ばらつき）はほとんど
同じである。したがって、ウェーハ歩留りの値やその平
均値を用いて解析しても明らかな有意差は認められな
い。それに対して、各ロット内でのウェーハ歩留り値の
ばらつきというデータ分布の特徴量に注目すると、２つ
のロット群６，７の間には明らかな有意差が認められ
る。注目する項目は上記（２）の項目に限らず、上記
（１）の項目、上記（３）〜（１６）のいずれかの項
目、またはその他の項目であってもよい。

【００３５】上述したように各データ分布特徴量は各ロ
ットの属性値として存在するので、前記データ分布特徴
量を選択する手段２２は、各データ分布特徴量を順次目
的変数として選択する。そして、データマイニングをお
こなってルールファイル２４を抽出する手段２３は、各
データ分布特徴量を順次目的変数として回帰木分析をお
こなう。それによって、そのデータ分布特徴量が生じた
要因の判別が可能となり、従来の解析方法よりも多くの
不良要因を抽出することができる。その際、データ分布
特徴量を順次選択する処理および回帰木分析処理はプロ
グラムにしたがって自動的に実行されるので、技術者は
どのデータ分布特徴量を目的変数に選択するかを考えず
に済み、解析を効率的におこなうことができる。特に何
を解析すべきかが不明な場合には有効である。

【００３６】また、同一レコードに、周期２（枚）の強
さと周期３（枚）の強さの両方が存在する場合のよう
に、複数の特徴パターンが見られる場合でも、両方の特
徴を評価することが可能となるので、情報量の欠落をな
くしてより実状を反映した解析結果が得られる。

【００３７】つぎに、本発明の実施の形態１にかかるデ
ータ解析方法の流れについて説明する。図６は、本発明
にかかるデータ解析方法の一例の概略を示すフローチャ
ートである。図６に示すように、このデータ解析方法が
開始されると、まずオリジナルデータ群４２の中から解
析の対象とするデータ、たとえば歩留り値や各種測定値
等が選択されて抽出される（ステップＳ１）。つづい
て、抽出されたデータに対して１以上のデータ分布特徴
を抽出する処理がおこなわれる（ステップＳ２）。

【００３８】そして、解析対象とするデータ分布特徴量
が選択され、それを目的変数として回帰木分析等のデー
タマイニングがおこなわれる（ステップＳ３）。ステッ
プＳ２で抽出されたすべてのデータ分布特徴について回
帰木分析が終了したら（ステップＳ４）、分析結果が出
力され、技術者はその確認をおこなう（ステップＳ
５）。そして、技術者は、分析結果に基づいて意思決定
をおこなう（ステップＳ６）。

【００３９】つぎに、本発明の特徴をより明らかにする
ため、データ分布特徴量を用いたデータ解析方法につい
て具体例を挙げて説明する。一般に、同一ロット内のウ
ェーハ群でもウェーハ番号が異なるとウェーハ単位の歩
留り値や電気的特性値は異なり、それらの値はいろいろ
な変動パターンを示す。歩留り値や電気的特性値はウェ
ーハ単位で保存されている。そのため、本実施の形態１
では、このように複数のロットにわたってウェーハ番号
に対する歩留り値等の変動パターンをデータ分布特徴と
して解析をおこなうことができる。ここでは、製品の性
能に大きな影響を及ぼす重要な電気的特性であるテスト
用代用Ｎｃｈトランジスタスレッシュホールド電圧ＶＴ
＿Ｎ２（以下、単にＶＴ＿Ｎ２とする）について、多面
的な解析をおこなう例を示す。なお、歩留りには各製造
工程での使用装置履歴が効果があるとする。

【００４０】図７は歩留りとＶＴ＿Ｎ２との関係を示す
特性図であるが、同図より歩留りとＶＴ＿Ｎ２とは一見
して無関係のように見える。また、図８はすべてのウェ
ーハから得られたＶＴ＿Ｎ２データのヒストグラムであ
り、図９は全ＶＴ＿Ｎ２データをウェーハ番号ごとに表
示した箱ヒゲ図である。これらの図に示す結果から統計
的有意差を抽出するのは困難である。

【００４１】また、図１０は、目的変数を各ロットにお
けるＶＴ＿Ｎ２の平均値とし、説明変数を各工程で使用
した装置名として回帰木分析をおこなった結果の例を示
す図であり、図１１はこの回帰木分析の信頼度情報を表
す評価用統計値リストの例を示す図である。この回帰木
分析結果によれば、図１０に示すように、ＶＴ＿Ｎ２の
変動に対して最も有意とされるのは第２配線＿装置とし
て、１１号機または１３号機を使用したか、あるいは１
２号機、１４号機、１７号機または１８号機を使用した
かということである。全ＶＴ＿Ｎ２データを第２配線＿
装置の使用装置名ごとに表示した箱ヒゲ図を図１２に示
すが、同図においては顕著な有意差が見られない。な
お、評価用統計値リストは回帰木図とともに出力される
が、これについては後述する。

【００４２】また、図１３は、目的変数を各ウェーハの
ＶＴ＿Ｎ２の値とし、説明変数を各工程で使用した装置
名として回帰木分析をおこなった結果の例を示す図であ
り、図１４はこの回帰木分析に対する評価用統計値リス
トの例を示す図である。この回帰木分析結果によれば、
図１３に示すように、ＶＴ＿Ｎ２の変動に対して最も有
意とされるのは２ＣＯＮ工程＿装置として、１１号機を
使用したか、あるいは１２号機または１３号機を使用し
たかということである。図１５は、全ＶＴ＿Ｎ２データ
を２ＣＯＮ工程＿装置の使用装置名ごとに表示した箱ヒ
ゲ図であるが、この図においても顕著な有意差は見られ
ない。

【００４３】それに対して、以下のようにＶＴ＿Ｎ２に
ついてデータ分布特徴を抽出して解析をおこなうことに
より不良要因の解明が可能となる。図１６は、ロットご
とにＶＴ＿Ｎ２の各特徴量を定義したファイルの一例を
ＣＳＶ形式で示す図表である。このファイルは、図２に
示す装置のデータ分布特徴を抽出する手段２１により出
力される。

【００４４】図１７は、図１６に示すＣＳＶ形式データ
に基づいてＶＴ＿Ｎ２の種々のロット内分布の特徴量を
示すヒストグラムである。ここでは、ＶＴ＿Ｎ２につい
て、図４に関連して説明した（１）〜（１６）の１６個
の特徴項目のうち、（１）平均値（ＶＴ＿Ｎ２＿ａｖ
ｅ）、（２）標準偏差値（ＶＴ＿Ｎ２＿ｓ）、（３）ウ
ェーハ番号に対する相関係数（ＶＴ＿Ｎ２＿ｒ）、
（４）一次近似式のｙ軸切片（ＶＴ＿Ｎ２＿ａ）、
（５）母回帰係数（ＶＴ＿Ｎ２＿ｂ）、（６）ウェーハ
番号の間隔２の周期性（ＶＴ＿Ｎ２＿２）、（７）ウェ
ーハ番号の間隔３の周期性（ＶＴ＿Ｎ２＿３）、（９）
前半ウェーハと後半ウェーハの平均値の差（ＶＴ＿Ｎ２
＿ａｖｅ＿ｄ）、（１０）前半ウェーハと後半ウェーハ
の標準偏差値の差（ＶＴ＿Ｎ２＿ｓ＿ｄ）、（１１）前
半ウェーハと後半ウェーハの相関係数の差（ＶＴ＿Ｎ２
＿ｒ＿ｄ）、（１２）前半ウェーハと後半ウェーハの一
次近似式のｙ軸切片の差（ＶＴ＿Ｎ２＿ａ＿ｄ）、（１
３）前半ウェーハと後半ウェーハの母回帰係数の差（Ｖ
Ｔ＿Ｎ２＿ｂ＿ｄ）、の１２個が抽出されている。

【００４５】図１７より、いずれの特徴量もかなりばら
ついていることがわかる。したがって、各特徴量を目的
変数として回帰木分析をおこなえば、それぞれの特徴量
に有意差が生じた要因、すなわち不良要因等を解析する
ことができる。

【００４６】データ分布特徴を解析対象として効率的に
解析結果を得るために、回帰木分析の入力データとし
て、図１８に示すように、ロットごとに、各工程での使
用装置名と、抽出された特徴量とが定義されたファイル
が作成される。このファイルは、歩留りの変動要因を回
帰木分析で解析する際の入力データとして各工程での使
用装置名とロット歩留りを定義したルールファイル２４
（図１９参照）と、図１６に示すファイルとを同一ロッ
ト番号について結合したものである。

【００４７】図２０は、図１８に示すファイルに基づい
て、上述した（２）標準偏差値（ＶＴ＿Ｎ２＿ｓ）を目
的変数とし、各工程での使用装置名を説明変数として、
ＶＴ＿Ｎ２のロット内で生じているばらつきの要因を抽
出するためにおこなった回帰木分析結果を示す回帰木図
である。また、図２１は、この回帰木分析に対する評価
用統計値リストの例を示す図である。

【００４８】図２０に示す回帰木図によれば、ＶＴ＿Ｎ
２の標準偏差値（ＶＴ＿Ｎ２＿ｓ）の変動に対して最も
有意とされるのはＦｉｅｌｄ＿Ｏｘ工程＿装置として、
ＰＭ１号機またはＰＭ３号機を使用したか、あるいはＰ
Ｍ２号機を使用したかということである。これは、評価
用統計値リストのＳ比およびｔ値等について、１番目に
出てくるＦｉｅｌｄ＿Ｏｘ工程＿装置のそれぞれの値
（Ｓ比＝０．３７６７、ｔ＝３．０８１）と、２番目以
降に出てくる第２配線＿装置やＤＲＹ工程＿装置のそれ
ぞれの値（Ｓ比＞０．４３、ｔ＜２．２）とを比較する
と、明らかに有意差が見られることから、信頼度が高い
と判断される。

【００４９】これを確認するため、図２２に、Ｆｉｅｌ
ｄ＿Ｏｘ工程で使用した装置ごとにＶＴ＿Ｎ２の値の分
布を箱ヒゲ図で示す。図２２では、ＰＭ１号機またはＰ
Ｍ３号機と、ＰＭ２号機との間には明らかな有意差が確
認される。つまり、オリジナルデータの分布特徴を用い
て解析をおこなうという本発明方法の有効性が確認され
たわけである。なお、評価用統計値リスト、Ｓ比および
ｔ値については後述する。

【００５０】図２３は、図２１および図２２に示す回帰
木分析の結果、問題工程とされたＦｉｅｌｄ＿Ｏｘ工程
でＰＭ１号機またはＰＭ３号機を使用した全ウェーハの
ＶＴ＿Ｎ２の分布を示すヒストグラムである。図２４〜
図２６は、それぞれＦｉｅｌｄ＿Ｏｘ工程でＰＭ１号機
またはＰＭ３号機を使用した別々の１ロット分のウェー
ハのＶＴ＿Ｎ２の分布を示すヒストグラムである。ま
た、図２７は、Ｆｉｅｌｄ＿Ｏｘ工程でＰＭ２号機を使
用した全ウェーハのＶＴ＿Ｎ２の分布を示すヒストグラ
ムであり、図２８〜図３０は、それぞれＦｉｅｌｄ＿Ｏ
ｘ工程でＰＭ２号機を使用した別々の１ロット分のウェ
ーハのＶＴ＿Ｎ２の分布を示すヒストグラムである。

【００５１】図２３および図２７に示すように、ＰＭ１
号機またはＰＭ３号機を使用した全ウェーハのＶＴ＿Ｎ
２の平均値（μ＝０．８５６０）と、ＰＭ２号機を使用
した全ウェーハのＶＴ＿Ｎ２の平均値（μ＝０．７３０
２）とは略同じである。そのため、従来のように平均値
を用いて解析しても有意差を抽出するのは困難である。

【００５２】しかし、ＰＭ１号機またはＰＭ３号機を使
用した全ウェーハのＶＴ＿Ｎ２の標準偏差値（σ＝０．
０８３５）と、ＰＭ２号機を使用した全ウェーハのＶＴ
＿Ｎ２の標準偏差値（σ＝０．２３５１）とを比較する
と明らかに有意差が見られる。したがって、実施の形態
１のように、オリジナルデータのばらつき等のデータ分
布特徴に着目することにより、オリジナルデータのみを
解析対象としていたのでは抽出できなかった有意差をあ
らたに不良要因として抽出することが可能となる。

【００５３】上述した解析結果に基づいて実際にＰＭ２
号機について詳細な調査をおこなった結果、ＰＭ１号機
およびＰＭ３号機に比べて炉内の温度分布差が大きいこ
とが判明した。さらに、それは熱電対劣化に起因するこ
とがわかり、定期点検方法の最適化がおこなわれた。と
ころで、ロット歩留りを目的変数とし、各工程での使用
装置名を説明変数として回帰木分析をおこなった結果で
は、ＰＭ２号機が歩留り低下要因であることは明らかに
ならなかった。つまり、歩留り値に明確に現れていなか
った低歩留り要因が、ロット内の電気的特性値の標準偏
差等に有意差が生じる要因を解析するという本発明方法
により明らかにされたわけである。なお、実施の形態１
では、蓄積されたデータの編集、回帰木分析の実行、独
自な手法によるその結果の定量的な評価までが自動的に
実行される。

【００５４】図３１は、図１８に示すファイルに基づい
て、上述した（６）ウェーハ番号の間隔２の周期性（Ｖ
Ｔ＿Ｎ２＿２）を目的変数とし、各工程での使用装置名
を説明変数として回帰木分析をおこなった結果を示す回
帰木図である。また、図３２は、この回帰木分析に対す
る評価用統計値リストの例を示す図である。図３１に示
す回帰木図によれば、ＶＴ＿Ｎ２＿２のロット内変動が
２の周期性を有することに対して最も有意とされるの
は、Ｆ拡散工程＿装置としてＦ７号機を使用したか、あ
るいはＦ５号機、Ｆ６号機、Ｆ８号機またはＦ９号機を
使用したかということである。Ｆ７号機を使用した方が
５０％程度強く２の周期性を示すことがわかる。

【００５５】これを確認するため、図３３に、Ｆ拡散工
程で使用した装置ごとに２の周期性の値（ＶＴ＿Ｎ２＿
２）の分布を箱ヒゲ図で示す。図３３では、Ｆ７号機
と、Ｆ５号機、Ｆ６号機、Ｆ８号機またはＦ９号機との
間には明らかな有意差が確認される。なお、全ＶＴ＿Ｎ
２データをウェーハ番号ごとに表示した図９の箱ヒゲ図
からは、２の周期性を見ることはできない。この例で
も、オリジナルデータの分布特徴を用いて解析をおこな
うという本発明方法の有効性が確認されたわけである。

【００５６】図３４〜図３６は、図３１および図３２に
示す回帰木分析の結果、問題工程とされたＦ拡散工程で
Ｆ７号機を使用した別々の１ロット分のウェーハについ
てＶＴ＿Ｎ２のロット内変動を示すヒストグラムであ
る。図３７〜図３９は、Ｆ拡散工程でＦ５号機、Ｆ６号
機、Ｆ８号機またはＦ９号機を使用した別々の１ロット
分のウェーハについてＶＴ＿Ｎ２のロット内変動を示す
ヒストグラムである。上述した解析結果より、ＶＴ＿Ｎ
２のロット内変動の要因が抽出され、ウェーハが交互に
使用される装置であるＦ拡散工程の装置が注目され、実
際に２つのチャンバーのうちの一方でパーティクルの発
生が多いことが判明した。

【００５７】ところで実施の形態１では、回帰木分析は
説明変数を同じにして抽出された各特徴量を順次目的変
数に選択して、自動的に回帰木分析をおこない、それに
よって各特徴量を左右する要因がそれぞれについて抽出
される。特に何を解析すべきかが明確となっていない場
合には、考えられるすべての特徴量を抽出し、それらを
目的変数として回帰木分析を実行する。その結果、上述
したように種々の解析結果が得られるので、その中で最
も有意差が大とみなされる項目を歩留り改善のための対
策項目の候補とする。このように従来の解析方法では容
易に抽出されなかった多くの有意差が効率的に抽出され
る。

【００５８】ここで、回帰木分析および評価用統計値リ
ストについて説明する。まず、回帰木分析について簡単
に説明する。回帰木分析は、複数の属性を示す説明変数
とそれにより影響を受ける目的変数からなるレコードの
集合を対象とし、その目的変数に最も影響を与える属性
と属性値を判別するものである。データマイニングをお
こなってルールファイル２４を抽出する手段２３（回帰
木分析エンジン）からはデータの特徴や規則性を示すル
ールが出力される。

【００５９】回帰木分析の処理は、各説明変数（属性）
のパラメータ値（属性値）に基づいて集合の２分割を繰
り返していくことで実現される。その集合分割の際、分
割前の目的変数の平方和をＳ０、分割後の２つの集合の
それぞれの目的変数の平方和をＳ１およびＳ２としたと
き、式（１）で示すΔＳが最大となるように、分割する
レコードの説明変数とそのパラメータ値を求める。

【００６０】 ΔＳ＝Ｓ０−（Ｓ１＋Ｓ２）・・・（１）

【００６１】ここで得られる説明変数とそのパラメータ
値は、回帰木では分岐点に対応している。以降、分割さ
れた集合についても同様な処理を繰り返し、説明変数の
目的変数に対する影響を調べる。以上が、一般によく知
られている回帰木分析の手法であるが、集合分割の明確
さをより詳しく把握するために、複数の上位分割候補に
関して、ΔＳの他に以下のパラメータ（ａ）〜（ｄ）も
回帰木分析結果の定量的な評価として使用する。これら
のパラメータは評価用統計値リストとして出力される。

【００６２】（ａ）Ｓ比：集合分割による平方和の低減
率であり、集合分割により平方和がどの程度低減したか
を示すパラメータである。この値が小さいほど集合分割
の効果は大きく、集合分割が明確におこなわれているの
で、有意差が大である。

【００６３】Ｓ比＝（（Ｓ１＋Ｓ２）／２）／Ｓ０・・・（２）

【００６４】（ｂ）ｔ値：回帰木分析エンジンにより集
合が２分割されるが、分割された２つの集合の平均（／
Ｘ１，／Ｘ２）の差の検定のための値である。ここで、
“／”は上線を示す。統計のｔ検定は、分割された集合
における目的変数の平均値の有意差を示す基準となる。
自由度、すなわちデータ数が同じであるなら、ｔが大き
いほど集合が明確に分割されており、有意差が大であ
る。

【００６５】この際、分割された集合の分散に有意差が
ない場合にはつぎの（３）式によりｔ値を求め、分割さ
れた集合の分散に有意差がある場合には（４）式により
ｔ値を求める。ここで、Ｎ１およびＮ２は、それぞれ分
割した集合１および集合２の要素数である。また、／Ｘ
１および／Ｘ２はそれぞれ分割後の各集合の平均であ
る。Ｓ１およびＳ２は、それぞれ分割後の各集合の目的
変数の平方和である。

【００６６】

【数１】

【００６７】

【数２】

【００６８】（ｃ）分割された集合の目的変数の平均値
の差：この値が大きいほど有意差が大である。

【００６９】（ｄ）分割された各集合のデータ数：両者
の差が小さいほど異常値（ノイズ）による影響が小であ
る。

【００７０】上述した実施の形態１によれば、従来のよ
うにオリジナルデータやその平均値だけでなく、オリジ
ナルデータのばらつきやロット内変動パターンなど、オ
リジナルデータ群内に存在する種々のデータ分布特徴を
抽出し、各特徴量を順次目的変数に選択して解析をおこ
なうことにより、各特徴量が生じた要因を自動的かつ定
量的に評価して抽出し、データをより多面的にみて多く
の情報を抽出することができる。したがって、従来は多
種多様なデータに埋もれて判別が困難であった関連性や
有意差を、技術者の主観によらずに客観的に、また効率
的に定量的に抽出することができる。

【００７１】また、実施の形態１では、特徴量の抽出か
らその要因抽出までの一連の手順が自動的におこなわれ
るので、所定の設定をしておくことによって自動的に半
導体製造ライン等の変動状況やその要因を絶えず監視す
ることが可能となる。

【００７２】なお、本発明は上述した実施の形態１に限
らず、適用範囲が広い。たとえば新品種の立ち上げ時な
どで、悪化原因がたくさんあり、歩留りの悪いロットが
多発している状況では、オリジナルデータやその平均値
を用いた原因工程の調査だけでなく、ロットやウェーハ
内のデータ分布特徴からの原因工程調査をおこなうこと
によって、隠れていた原因を見つけたり、原因の絞り込
みをおこなうことが可能となる。

【００７３】（実施の形態２）図５６は、本発明の実施
の形態２によるデータマイニングを導入したデータ解析
装置の機能構成の一例を示す図である。データマイニン
グ部１７０３は、オリジナルデータ群１７０１内の各デ
ータベース１７０２から抽出された個々のオリジナルデ
ータに基づいて、データ内に潜む特徴や規則性の抽出処
理を行い、ルールファイル１７０４を作成する。解析ツ
ール群１７０５は、統計解析コンポーネント１７０６お
よび図表作成コンポーネント１７０７等を有し、ルール
ファイル１７０４を基にデータベース１７０２から抽出
された個々のオリジナルデータを解析する。

【００７４】その解析結果は、解析ツール群１７０５お
よびデータマイニング部１７０３にフィードバックされ
る。データマイニング部１７０３は、解析ツール群１７
０５の解析結果およびオリジナルデータ群１７０１を基
にデータマイニングをおこなう。解析ツール群１７０５
は、ルールファイル１７０４、データベース１７０２か
ら抽出された個々のオリジナルデータ、および自己の解
析結果を基に解析をおこなう。意思決定（部）１７０８
は、解析ツール群１７０５の解析結果を基に意思決定を
おこなう。

【００７５】歩留りデータ解析においてデータマイニン
グを適用した場合、データマイニング結果に基づいて歩
留り向上のための対策を決定したり、対策を実施すべき
か否かの判定をおこなったり、対策効果の予測をおこな
ったりすることになる。そのためには、データマイニン
グ結果の定量的な評価や精度が必要となる。

【００７６】データマイニングの一手法である判別木分
析のうち、回帰木分析は特に有効である。回帰木分析の
利点の一つは、結果がわかりやすいルールとして出力さ
れることであり、それは一般的な言語やＳＱＬ言語のよ
うなデータベース言語であらわされる。したがって、こ
れらの結果の信頼度、精度を有効に使い、その結果によ
り有効な意思決定をおこなったり、行動（すなわち対策
等）を起こすようにすることが可能となる。

【００７７】図４３に回帰木分析の入力となるデータ例
の形式を示す。レコードはウェーハ番号単位であり、各
レコードは各製造工程での使用装置４１１、電気的特性
データ４１２とウェーハ歩留り４１３を有する。説明変
数４０１は、使用装置４１１および電気的特性データ４
１２等である。目的変数４０２は、歩留り４１３であ
る。たとえば、歩留りに効果があるのは、使用装置４１
１と電気的特性データ４１２であるとする。このデータ
による回帰木分析結果である回帰木図と評価用統計値リ
ストを図４４、図４５に示す。

【００７８】図４４は、回帰木分析結果である回帰木図
である。ルートノードｎ０は、ノードｎ１およびｎ２に
２分割される。ノードｎ１は、ノードｎ３およびｎ４に
２分割される。ノードｎ２は、ノードｎ５およびｎ６に
２分割される。ノードｎ６は、ノードｎ７およびｎ８に
２分割される。

【００７９】図４５は、第１の２分割時の説明変数の評
価用統計値である。たとえば、全集合の目的変数の平均
値Ａｖｅが７５であり、標準偏差ｓが１２であり、デー
タ数Ｎが１０００である。リスト６０１〜６０４は、そ
れぞれ左から有意差による順位、Ｓ比、ｔ値、分割され
た集合の目的変数の平均値の差、分割された各集合のデ
ータ数、分割された集合の属性名（説明変数）、分割さ
れた２つの集合の属性値（パラメータ値）とその目的変
数の大小関係を示す。このリスト６０１〜６０４は、分
割する属性値（説明変数）の（１）式に示すΔＳの値に
よるグループ分けの候補であり、有意差（ΔＳ）の大き
い順に並べてある。図４４は、第１候補６０１を基にノ
ードｎ０をノードｎ１およびｎ２に分割したものであ
る。

【００８０】図４４の全ウェーハの集合ｎ０を式（１）
のΔＳの評価値に基づいて２つの集合ｎ１およびｎ２に
分割をおこなうと、歩留りに最も影響を及ぼすのは工程
ＡでＡＭ１かＡＭ２のいずれかを使うかであり、後者の
方が歩留りがよい。以下、分割された集合に対して、同
様な集合分割を繰り返していくとこの回帰木図が得られ
る。工程ＡでＡＭ２かつ工程ＣでＣＭ２を使用したウェ
ーハ群に対しては、電気的特性データＲＳＰが９０以下
の状態が最も効果がある（歩留りが高い）。

【００８１】図４６は図４４と等価であり、分割された
ウェーハ集合の歩留りと特定工程の使用装置と電気的特
性データとの相関を示す。図４４の回帰木図で上階層に
現れる説明変数ほど、目的変数に対する影響は大きい。
全ウェーハの平均歩留りは７４．８％であるが、使用装
置や電気的特性データとの関連で幾つかの集合に分けて
みるとこのような特徴、規則性があることを回帰木分析
は自動的に抽出し、歩留り解析の手がかりとなる。

【００８２】図４４の回帰木図において上位２階層はい
ずれも使用装置差によるものであるので、全ウェーハを
使った解析では歩留りに影響の大きいのは複合条件を含
めても使用装置差である。電気的特性データはあまり効
いていないように見られる。しかし、工程ＡでＡＭ２か
つ工程ＣでＣＭ２を使用したウェーハ群について歩留り
に最も効くのはＲＳＰであることが図４４、図４６から
読み取れる。

【００８３】つぎに、２分割交絡度、２分割独立度の算
出例を説明する。回帰木分析において、目的変数に対し
て最も有意な説明変数を求めるためにおこなわれた各集
合分割状態の交絡度（交絡の状態、独立でない度合い）
を統計的に把握し、有意差が大とされた説明変数に交絡
している他の説明変数を明確にする。図４７を参照しな
がら、２分割交絡度および２分割独立度の演算方法を説
明する。

【００８４】第１に、説明変数のうち、交絡度を評価し
たいものを基準説明変数８０１とする。

【００８５】第２に、各レコードは説明変数ごとに
“Ｌ”または“Ｈ”をデータ値とするテーブルを構成す
る。ここで、Ｈは回帰木分析時の集合２分割時の目的変
数が高い値となる集合、Ｌは回帰木分析時の集合２分割
時の目的変数が低い値となる集合にそれぞれ属する。集
合２分割時においては、全レコードの各説明変数につい
て、Ｌ，Ｈが定まる。

【００８６】第３に、基準説明変数８０１を基に各比較
説明変数８０２のＬ，Ｈの一致度の評価値として、Ｌ，
Ｈが一致するレコード数をＮａ、全レコード数をＮと
し、２分割交絡度ＤＥＰを式（５）のように定義する。
２分割交絡度ＤＥＰの範囲は−１〜１であり、完全に交
絡していれば１、全く交絡してなければ０、逆の交絡で
あれば−１である。

【００８７】ＤＥＰ＝（２×Ｎａ／Ｎ）−１・・・（５）

【００８８】また、２分割交絡度ＤＥＰを基に、２分割
独立度ＩＮＤを式（６）のように定義する。２分割独立
度ＩＮＤの範囲は０〜１であり、完全に独立していれば
１、全く独立でなければ０である。

【００８９】ＩＮＤ＝１−｜ＤＥＰ｜・・・（６）

【００９０】第４に、上記の２分割交絡度ＤＥＰ、２分
割独立度ＩＮＤを一つの基準説明変数８０１とその他の
説明変数８０２との間で求め、説明変数間の評価尺度と
する。どの説明変数を基準説明変数とするかは任意であ
るが、その有用性からして回帰木分析において目的変数
に対して、特に最上階層での集合分割で有意差が大とさ
れたものとするのが有効である。

【００９１】第５に、上記の２分割交絡度ＤＥＰおよび
２分割独立度ＩＮＤを求めることにより、各比較説明変
数８０２がＬ，Ｈの各集合に属する状態が基準説明変数
８０１のものとどれだけ差異があるかを定量的に評価で
きる。

【００９２】２分割交絡度および／または２分割独立度
を求めることにより、回帰木分析の集合２分割結果に基
づき説明変数の交絡度を定量的に評価できるようにな
り、回帰木分析と組み合わせて、回帰木分析で得られた
有意差が大となる説明変数と交絡している別の説明変数
を自動的に抽出することが可能となる。

【００９３】２分割交絡度は、回帰木分析での対象とさ
れたどの説明変数についても評価できるが、その有効性
からみて図４５の最初の分割候補の上位に挙がった説明
変数（＝基準説明変数、評価用統計値リストに挙がる）
と他の任意の説明変数がどれだけ交絡しているかを統計
的に把握し、有意差が大きい説明変数について交絡して
いる注意すべき説明変数を抽出する。基準説明変数８０
１との交絡度を解析しようとする説明変数を、比較説明
変数８０２とし、両者とも図４４の評価用統計値リスト
から選択される。２分割交絡度、２分割独立度の算出例
を、図４７を参照しながら説明する。

【００９４】図４７は、横軸にウェーハ番号８０３、比
較説明変数８０２、基準説明変数８０１、歩留り８０４
を示し、縦軸に基準説明変数の高歩留りグループ８１
１、基準説明変数の低歩留りグループ８１２、２分割交
絡度の計算式８１３、２分割交絡度８１４、２分割独立
度８１５を示す。

【００９５】図４５の上位候補項目（評価用統計値リス
ト）の中から比較の基準とする項目を基準説明変数８０
１として決める。図４７では、ＳＴ３が基準説明変数８
０１である。その他の説明変数を比較説明変数８０２と
する。図４７では、ＳＴ１，ＳＴ２，ＷＥＴ２が比較説
明変数８０２である。各比較説明変数８０２と基準説明
変数８０１とを比較する。説明変数であるＳＴ１，ＳＴ
２，ＳＴ３，ＷＥＴ２では、低歩留りグループの“Ｌ”
をハッチで示し、高歩留りグループの“Ｈ”をハッチな
しで示す。

【００９６】基準説明変数８０１であるＳＴ３は、その
属性値により、基準説明変数の高歩留りグループ８１１
と基準説明変数の低歩留りグループ８１２に分けること
ができる。基準説明変数の高歩留りグループ８１１は１
０個の集合であり、基準説明変数の低歩留りグループ８
１２も１０個の集合である。

【００９７】つぎに、それぞれの説明変数の２分割され
た高歩留グループと低歩留グループのロットが基準説明
変数の同じグループとどれだけ一致しているかを数えて
Ｎａとする。たとえば、比較説明変数８０２であるＳＴ
１は、基準説明変数の高歩留りグループ８１１に含まれ
る高歩留りグループが１０個であり、基準説明変数の低
歩留りグループ８１２に含まれる低歩留りグループが２
個である。すなわち、比較説明変数であるＳＴ１と基準
説明変数であるＳＴ３とが相互に同じグループに属する
数Ｎａ＝１０＋２＝１２である。

【００９８】上記Ｎａを式（５）に代入した式を２分割
交絡度の計算式８１３に示す。ここで、データ数Ｎは２
０である。この計算結果を２分割交絡度８１４に示す。
式（６）により求めた値を２分割独立度８１５として示
す。２分割交絡度８１４および２分割独立度８１５を、
図４７の各列の下に示す。

【００９９】２分割交絡度および２分割独立度の基本的
活用方法は次の３つである。従来は判別が難しかった説
明変数が、以下のように定量的な情報として得られる。

【０１００】（１）有意な説明変数の範囲を確認：有意
性の高い候補と交絡している候補を把握し、これらも有
意な説明変数と判断する。交絡度に対する基準は特に無
いが、他の説明変数の値と比較して判断できる。また、
技術的に対象として考えなくてよい候補が上位に来た場
合、この候補に交絡している候補を明確にできる。さら
に、意味の無い候補を削除して再度分析して確認でき
る。

【０１０１】（２）独立性の高い候補の確認とその応
用：すべての候補について他の候補との独立度を確認
し、他の候補との独立度が十分高い候補がある場合、こ
の候補による歩留り差は他の候補に独立して存在するこ
とが明確になる。さらに、この候補の分割グループごと
に同様の判別木分析をおこなって比較し、どちらも同様
の分析結果が得られる場合は分析結果の信頼性が高いこ
とがわかる。逆に、分析結果が異なる場合は独立と考え
られた候補との複合条件で歩留りを左右する説明変数が
あるか、または特異なデータに左右されている（データ
数が少ないことなどが要因）と考えられる。

【０１０２】（３）交絡している候補に関する判別木分
析：ある重要と考えられる候補が第１分岐候補に交絡し
ている場合、第１分岐の下層の分岐には現れ難い。その
際、他の独立度の高い候補の分割グループによってデー
タを分割して判別木分析をおこない、この分割グループ
の下での判別木分析結果を比較する。同様の結果であれ
ば、その重要な候補は第１候補と区別できないが、分析
自体は信頼性が高いと考えられる。逆にその重要と考え
られる候補が現われ、異なった結果となった場合、この
結果も考慮すべきであり、重要と考えられる候補と第１
候補とを区別して分析できるデータ解析をさらにおこな
う必要が有ると考えられる。

【０１０３】つぎに、装置履歴、電気的特性値を説明変
数、ウェーハ歩留りを目的変数とする回帰木分析をおこ
ない、回帰木分析結果の第１分岐の上位１２候補につい
て２分割交絡度および２分割独立度を求める場合を説明
する。

【０１０４】本実施の形態２で得られる回帰木図および
評価用統計値リストを図４８および図４９に示す。図４
８では、ノードｎ９００がノードｎ９０１〜ｎ９１４に
分割される。図４９は、第１の２分割時の上位１２の説
明変数の評価用統計値を示す。これにより、集合分岐の
１２の候補１００１〜１０１２が挙がる。

【０１０５】図５０は、図４９の最上位の第一候補１０
０１として挙がっているＳＴ１を基準説明変数１１０１
とし、評価用統計値リストの他の説明変数を比較説明変
数１１０２としたときの２分割交絡度１１１１および２
分割独立度１１１２を示す。

【０１０６】図５１は、図４９の集合分岐の第三候補１
００３として挙がっているＳＴ３を基準説明変数１２０
１とし、評価用統計値リストの他の説明変数を比較説明
変数１２０２としたときの２分割交絡度１２１１および
２分割独立度１２１２を示す。

【０１０７】図５０に示す２分割交絡度が０．７５を超
えているのはＳＴ２，ＳＴ４，ＳＴ５，ＳＴ６，ＳＴ１
０，ＷＥＴ２であり、これらは図４８の回帰木図には現
れてこないが、歩留りに大きく効いている要因である可
能性がある。逆に、図５１により、ＳＴ３は、２分割独
立度が高いことを示している。

【０１０８】図５１は、図５０で２分割独立度が高いと
されたＳＴ３を基準説明変数とし、他の１１の説明変数
との２分割交絡度１２１１および２分割独立度１２１２
を示している。ＳＴ３は他のいずれの説明変数とも独立
度が高いことを示している。

【０１０９】図５２および図５３は、図４９の回帰木分
析で有意差が大きいとされた上位１２の説明変数同士の
２分割交絡度、２分割独立度およびその平均値を示し、
説明変数間の関連を一見に把握できる。図５２の最下欄
は２分割交絡度の平均値１３０１を示し、図５３の最下
欄は２分割独立度の平均値１４０１を示す。

【０１１０】つぎに、ＳＴ３での使用装置の差は他の説
明変数と独立して歩留りに効いていることが判明したの
で、歩留りが不良となるＳＴ３での装置群によるウェー
ハ群（不良ウェーハ群：Ｓ３Ｍ２，Ｓ３Ｍ３を使用）と
良好となるＳＴ３での装置群によるウェーハ群（良好ウ
ェーハ群、Ｓ３Ｍ１，Ｓ３Ｍ４を使用）に分けて別個に
回帰木分析をおこなう。その結果としての回帰木図を図
５４、図５５に示す。

【０１１１】図５４は、不良ウェーハ群による回帰木分
析結果を示す回帰木図であり、ノードｎ１５００〜ｎ１
５０６で構成される。図５５は、良好ウェーハ群による
回帰木分析結果を示す回帰木図であり、ノードｎ１６０
０〜ｎ１６０６で構成される。

【０１１２】図５４の不良ウェーハ群の第一分岐は図４
８の全ウェーハ群によるものと同じであり、図４８の回
帰木図の最上階層の不良ウェーハ群はｎ＝３９と少ない
こともあわせ、歩留りが他に比べて極端に悪いウェーハ
によりかなり左右されると推察され、解析を困難にして
いる一因である。図５５の良好ウェーハ群では、ＳＴ３
工程の不良装置により見えにくかった要因があらたに判
明したことになる。

【０１１３】本実施の形態２によれば、２分割交絡度お
よび２分割独立度を用いて説明変数の交絡の度合いをよ
り明確に把握できるようになり、回帰木分析と組み合わ
せて、回帰木における最初の分岐の有意差が大きい問題
説明変数に交絡している注意すべき説明変数を明確化す
ることが可能となる。

【０１１４】さらに、独立性の高い説明変数のグループ
分けを応用して再度回帰木分析することによって、回帰
木分析の精度（信頼度）および解析効率を向上させ、ま
た、より詳しい分析が可能となる。

【０１１５】上述した実施の形態は、コンピュータがプ
ログラムを実行することによって実現することができ
る。また、プログラムをコンピュータに供給するための
手段、たとえばかかるプログラムを記録したＣＤ−ＲＯ
Ｍ等の記録媒体またはかかるプログラムを伝送するイン
ターネット等の伝送媒体も本発明の実施の形態として適
用することができる。上記のプログラム、記録媒体およ
び伝送媒体は、本発明の範疇に含まれる。

【０１１６】なお、上記実施の形態は、いずれも本発明
を実施するにあたっての具体化のほんの一例を示したも
のに過ぎず、これら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。すなわち、本発
明はその技術思想、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。

【０１１７】（付記１）オリジナルデータ値を編集して
前記オリジナルデータ群内に存在する１以上のデータ分
布特徴量を定量的に評価して抽出する工程と、抽出され
た前記データ分布特徴量の中から任意のデータ分布特徴
量を選択して解析をおこなう工程と、得られた解析結果
に基づいて意思決定をおこなう工程と、を含んだことを
特徴とするデータ解析方法。

【０１１８】（付記２）オリジナルデータ値を編集して
前記オリジナルデータ群内に存在する２以上のデータ分
布特徴量を定量的に評価して抽出する工程と、抽出され
た個々の前記データ分布特徴量を順次選択して解析をお
こなう工程と、得られた解析結果に基づいて意思決定を
おこなう工程と、を含んだことを特徴とするデータ解析
方法。

【０１１９】（付記３）前記データ分布特徴量は、特徴
の程度を表す連続値で示されることを特徴とする付記１
または２に記載のデータ解析方法。

【０１２０】（付記４）各レコードに関して各データ分
布特徴量は互いに独立であることを特徴とする付記１〜
３のいずれか一つに記載のデータ解析方法。

【０１２１】（付記５）前記データ分布特徴量を目的変
数とするデータマイニングにより解析をおこなうことを
特徴とする付記１〜４のいずれか一つに記載のデータ解
析方法。

【０１２２】（付記６）個々の前記データ分布特徴量を
レコードごとにファイルに保存し、前記ファイルから、
一部または全部のレコードに対して同じデータ分布特徴
量を順次選択して目的変数とし、回帰木分析をおこなう
ことを特徴とする付記５に記載のデータ解析方法。

【０１２３】（付記７）前記各工程は、順次おこなうよ
うに組まれたソフトウェアを計算機システムで実行する
ことによって自動的におこなわれることを特徴とする付
記１〜６のいずれか一つに記載のデータ解析方法。

【０１２４】（付記８）前記データ分布特徴量の一つ
は、オリジナルデータの配列の順番をｘとし、オリジナ
ルデータ値をｙとし、ｘとｙの関係を一次式ｙ＝ｂ・ｘ
＋ａに近似した時のｙ軸切片の値ａであることを特徴と
する付記１〜７のいずれか一つに記載のデータ解析方
法。

【０１２５】（付記９）前記データ分布特徴量の一つ
は、オリジナルデータの配列の順番をｘとし、オリジナ
ルデータ値をｙとし、ｘとｙの関係を一次式ｙ＝ｂ・ｘ
＋ａに近似した時の傾きの値ｂであることを特徴とする
付記１〜７のいずれか一つに記載のデータ解析方法。

【０１２６】（付記１０）前記データ分布特徴量の一つ
は、オリジナルデータの配列の順番に対するオリジナル
データ値の特定の周期性の強度であることを特徴とする
付記１〜７のいずれか一つに記載のデータ解析方法。

【０１２７】（付記１１）前記データ分布特徴量の一つ
は、オリジナルデータの配列の順番に対するオリジナル
データ値の最も強い周期性を示す値であることを特徴と
する付記１〜７のいずれか一つに記載のデータ解析方
法。

【０１２８】（付記１２）（ａ）説明変数および目的変
数のデータ結果を準備する工程と、（ｂ）前記データ結
果を基に複数の説明変数間の交絡度および／または独立
度を演算する工程と、（ｃ）前記交絡度および／または
独立度を用いてデータマイニングをおこなう工程と、を
含んだことを特徴とするデータ解析方法。

【０１２９】（付記１３）前記ステップ（ｂ）は、回帰
木分析により２分割された集合単位で前記交絡度および
／または独立度を演算することを特徴とする付記１２に
記載のデータ解析方法。

【０１３０】（付記１４）前記ステップ（ｂ）は、回帰
木分析により有意差が大きい分割の要因となる複数の説
明変数を選択し、該複数の説明変数間の交絡度および／
または独立度を演算することを特徴とする付記１３に記
載のデータ解析方法。

【０１３１】（付記１５）前記ステップ（ｂ）は、基準
となる説明変数とその他の説明変数との間の交絡度およ
び／または独立度を演算する際、回帰木分析により２分
割された各集合内の説明変数間のデータの一致と不一致
との割合を基に交絡度および／または独立度を演算する
ことを特徴とする付記１４に記載のデータ解析方法。

【０１３２】（付記１６）前記ステップ（ｃ）は、前記
交絡度および／または独立度を基に説明変数を取捨選択
することによりデータマイニングをおこなうことを特徴
とする付記１５に記載のデータ解析方法。

【０１３３】（付記１７）説明変数および目的変数のデ
ータ結果を基に複数の説明変数間の交絡度および／また
は独立度を演算する演算手段と、前記交絡度および／ま
たは独立度を用いてデータマイニングをおこなうデータ
マイニング手段と、を備えたことを特徴とするデータ解
析装置。

【０１３４】（付記１８）前記演算手段は、回帰木分析
により２分割された集合単位で前記交絡度および／また
は独立度を演算することを特徴とする付記１７に記載の
データ解析装置。

【０１３５】（付記１９）前記演算手段は、回帰木分析
により有意差が大きい分割の要因となる複数の説明変数
を選択し、該複数の説明変数間の交絡度および／または
独立度を演算することを特徴とする付記１８に記載のデ
ータ解析装置。

【０１３６】（付記２０）前記演算手段は、基準となる
説明変数とその他の説明変数との間の交絡度および／ま
たは独立度を演算する際、回帰木分析により２分割され
た各集合内の説明変数間のデータの一致と不一致との割
合を基に交絡度および／または独立度を演算することを
特徴とする付記１９に記載のデータ解析装置。

【０１３７】（付記２１）前記データマイニング手段
は、前記交絡度および／または独立度を基に説明変数を
取捨選択することによりデータマイニングをおこなうこ
とを特徴とする付記２０に記載のデータ解析装置。

【０１３８】（付記２２）（ａ）説明変数および目的変
数のデータ結果を準備する手順と、（ｂ）前記データ結
果を基に複数の説明変数間の交絡度および／または独立
度を演算する手順と、（ｃ）前記交絡度および／または
独立度を用いてデータマイニングをおこなう手順と、を
コンピュータに実行させるための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。

【０１３９】

【発明の効果】本発明によれば、計算機システムに蓄積
されているオリジナルデータ群内に存在する種々のデー
タ分布特徴を抽出し、各特徴量を順次選択して解析をお
こなうことにより、各特徴量が生じた要因を自動的かつ
定量的に評価して抽出するため、データをより多面的に
みて多くの情報（傾向、特徴的パターン、データ間の関
連性等）を抽出することができる。したがって、従来は
多種多様なデータに埋もれて判別が困難であった関連性
や有意差を、技術者の主観によらずに客観的に、また効
率的に定量的に抽出することができる。

【図面の簡単な説明】

【図１】本発明の実施の形態１において使用される計算
機システムの一例を示す図である。

【図２】図１に示す構成の計算機システムにより実現さ
れるデータ解析装置の機能構成の一例を示すブロック図
である。

【図３】本発明の実施の形態１においてデータ分布特徴
の抽出により抽出される各特徴量をＣＳＶ形式で表した
図表である。

【図４】本発明の実施の形態１において半導体データの
歩留り解析をおこなう際にロット内データ分布の特徴と
してウェーハの属性値の変動に着目した情報を示す図表
である。

【図５】複数のロットについてロット内ウェーハの歩留
り値のばらつきの様子を示す図である。

【図６】本発明の実施の形態１にかかるデータ解析方法
の一例の概略を示すフローチャートである。

【図７】具体例として歩留りとＶＴ＿Ｎ２との関係を示
す特性図である。

【図８】具体例としてすべてのウェーハから得られたＶ
Ｔ＿Ｎ２データのヒストグラムを示す図である。

【図９】具体例として全ＶＴ＿Ｎ２データをウェーハ番
号ごとに表示した箱ヒゲ図を示す図である。

【図１０】具体例として目的変数を各ロットにおけるＶ
Ｔ＿Ｎ２の平均値とし、説明変数を各工程で使用した装
置名として回帰木分析をおこなった結果を示す図であ
る。

【図１１】図１０に示す回帰木分析結果に対する評価用
統計値リストの例を示す図である。

【図１２】具体例として全ＶＴ＿Ｎ２データを第２配線
＿装置の使用装置名ごとに表示した箱ヒゲ図を示す図で
ある。

【図１３】具体例として目的変数を各ウェーハのＶＴ＿
Ｎ２の値とし、説明変数を各工程で使用した装置名とし
て回帰木分析をおこなった結果を示す図である。

【図１４】図１３に示す回帰木分析結果に対する評価用
統計値リストの例を示す図である。

【図１５】具体例として全ＶＴ＿Ｎ２データを２ＣＯＮ
工程＿装置の使用装置名ごとに表示した箱ヒゲ図を示す
図である。

【図１６】具体例としてロットごとにＶＴ＿Ｎ２の各特
徴量を定義したファイルを示す図表である。

【図１７】具体例としてＶＴ＿Ｎ２のロット内分布の各
特徴量のヒストグラムを示す図である。

【図１８】具体例としてＶＴ＿Ｎ２のロット内分布の特
徴量について回帰木分析をおこなうためのファイルを示
す図表である。

【図１９】具体例として歩留りの変動要因を回帰木分析
で解析するための入力ファイルを示す図表である。

【図２０】具体例として目的変数を各ロットにおけるＶ
Ｔ＿Ｎ２の標準偏差値とし、説明変数を各工程で使用し
た装置名として回帰木分析をおこなった結果を示す図で
ある。

【図２１】図２０に示す回帰木分析結果に対する評価用
統計値リストの例を示す図である。

【図２２】具体例として全ＶＴ＿Ｎ２データをＦｉｅｌ
ｄ＿Ｏｘ工程＿装置の使用装置名ごとに表示した箱ヒゲ
図を示す図である。

【図２３】具体例としてＦｉｅｌｄ＿Ｏｘ工程でＰＭ１
号機またはＰＭ３号機を使用した全ウェーハのＶＴ＿Ｎ
２のヒストグラムを示す図である。

【図２４】具体例としてＦｉｅｌｄ＿Ｏｘ工程でＰＭ１
号機またはＰＭ３号機を使用した１ロット分のウェーハ
のＶＴ＿Ｎ２のヒストグラムを示す図である。

【図２５】具体例としてＦｉｅｌｄ＿Ｏｘ工程でＰＭ１
号機またはＰＭ３号機を使用した１ロット分のウェーハ
のＶＴ＿Ｎ２のヒストグラムを示す図である。

【図２６】具体例としてＦｉｅｌｄ＿Ｏｘ工程でＰＭ１
号機またはＰＭ３号機を使用した１ロット分のウェーハ
のＶＴ＿Ｎ２のヒストグラムを示す図である。

【図２７】具体例としてＦｉｅｌｄ＿Ｏｘ工程でＰＭ２
号機を使用した全ウェーハのＶＴ＿Ｎ２のヒストグラム
を示す図である。

【図２８】具体例としてＦｉｅｌｄ＿Ｏｘ工程でＰＭ２
号機を使用した１ロット分のウェーハのＶＴ＿Ｎ２のヒ
ストグラムを示す図である。

【図２９】具体例としてＦｉｅｌｄ＿Ｏｘ工程でＰＭ２
号機を使用した１ロット分のウェーハのＶＴ＿Ｎ２のヒ
ストグラムを示す図である。

【図３０】具体例としてＦｉｅｌｄ＿Ｏｘ工程でＰＭ２
号機を使用した１ロット分のウェーハのＶＴ＿Ｎ２のヒ
ストグラムを示す図である。

【図３１】具体例として目的変数をウェーハ番号の間隔
２の周期性の値とし、説明変数を各工程で使用した装置
名として回帰木分析をおこなった結果を示す図である。

【図３２】図３１に示す回帰木分析結果に対する評価用
統計値リストの例を示す図である。

【図３３】具体例としてウェーハ番号の間隔２の周期性
の値をＦ拡散工程＿装置の使用装置名ごとに表示した箱
ヒゲ図を示す図である。

【図３４】具体例としてＦ拡散工程でＦ７号機を使用し
た１ロット分のウェーハについてＶＴ＿Ｎ２のロット内
変動を示す図である。

【図３５】具体例としてＦ拡散工程でＦ７号機を使用し
た１ロット分のウェーハについてＶＴ＿Ｎ２のロット内
変動を示す図である。

【図３６】具体例としてＦ拡散工程でＦ７号機を使用し
た１ロット分のウェーハについてＶＴ＿Ｎ２のロット内
変動を示す図である。

【図３７】具体例としてＦ拡散工程でＦ５号機、Ｆ６号
機、Ｆ８号機またはＦ９号機を使用した１ロット分のウ
ェーハについてＶＴ＿Ｎ２のロット内変動を示す図であ
る。

【図３８】具体例としてＦ拡散工程でＦ５号機、Ｆ６号
機、Ｆ８号機またはＦ９号機を使用した１ロット分のウ
ェーハについてＶＴ＿Ｎ２のロット内変動を示す図であ
る。

【図３９】具体例としてＦ拡散工程でＦ５号機、Ｆ６号
機、Ｆ８号機またはＦ９号機を使用した１ロット分のウ
ェーハについてＶＴ＿Ｎ２のロット内変動を示す図であ
る。

【図４０】ロットの流れと異常製造装置の関係を示す図
である。

【図４１】従来技術によるある工程での装置別歩留り分
布を示す図である。

【図４２】ロットの流れと異常製造装置の交絡の関係を
示す図である。

【図４３】回帰木分析入力データの例を示す図である。

【図４４】回帰木の例を示す図である。

【図４５】評価用統計値リストの例を示す図である。

【図４６】使用製造装置と電気的特性データと歩留り値
の関係を示す図である。

【図４７】２分割交絡度および２分割独立度の算出例を
示す図である。

【図４８】回帰木の例を示す図である。

【図４９】評価用統計値リストの例を示す図である。

【図５０】各説明変数と第１候補の説明変数との交絡度
および独立度を示す図である。

【図５１】各説明変数と第３候補の説明変数との交絡度
および独立度を示す図である。

【図５２】全候補同士の交絡度およびその平均を示す図
である。

【図５３】全候補同士の独立度およびその平均を示す図
である。

【図５４】不良ウェーハ群による回帰木分析結果を示す
回帰木図である。

【図５５】良好ウェーハ群による回帰木分析結果を示す
回帰木図である。

【図５６】データ解析装置の機能構成の一例を示す図で
ある。

【符号の説明】

２１データ分布特徴を抽出する手段２２解析対象とする特徴量を選択する手段２３データマイニングをおこなう手段２４ルールファイル２５統計解析コンポーネント２６図表作成コンポーネント２７解析ツール群４１データベース４２オリジナルデータ群１０１正常装置１０２異常装置４０１説明変数４０２目的変数４１１使用装置４１２電気的特性データ４１３歩留り８０１基準説明変数８０２比較説明変数８０３ウェーハ番号８０４歩留り８１１基準説明変数の高歩留りグループ８１２基準説明変数の低歩留りグループ８１３２分割交絡度の計算式８１４２分割交絡度８１５２分割独立度１７０１オリジナルデータ群１７０２データベース１７０３データマイニング部１７０４ルールファイル１７０５解析ツール群１７０６統計解析コンポーネント１７０７図表作成コンポーネント１７０８意思決定部

───────────────────────────────────────────────────── フロントページの続き (72)発明者白井英大神奈川県川崎市高津区坂戸３丁目２番１号富士通エルエスアイテクノロジ株式会社内Ｆターム(参考） 5B056 BB61

Claims

【特許請求の範囲】

【請求項１】オリジナルデータ値を編集して前記オリ
ジナルデータ群内に存在する１以上のデータ分布特徴量
を定量的に評価して抽出する工程と、抽出された前記データ分布特徴量の中から任意のデータ
分布特徴量を選択して解析をおこなう工程と、得られた解析結果に基づいて意思決定をおこなう工程
と、を含んだことを特徴とするデータ解析方法。
【請求項２】オリジナルデータ値を編集して前記オリ
ジナルデータ群内に存在する２以上のデータ分布特徴量
を定量的に評価して抽出する工程と、抽出された個々の前記データ分布特徴量を順次選択して
解析をおこなう工程と、得られた解析結果に基づいて意思決定をおこなう工程
と、を含んだことを特徴とするデータ解析方法。
【請求項３】前記データ分布特徴量は、特徴の程度を
表す連続値で示されることを特徴とする請求項１または
２に記載のデータ解析方法。
【請求項４】各レコードに関して各データ分布特徴量
は互いに独立であることを特徴とする請求項１〜３のい
ずれか一つに記載のデータ解析方法。
【請求項５】前記データ分布特徴量を目的変数とする
データマイニングにより解析をおこなうことを特徴とす
る請求項１〜４のいずれか一つに記載のデータ解析方
法。
【請求項６】個々の前記データ分布特徴量をレコード
ごとにファイルに保存し、前記ファイルから、一部また
は全部のレコードに対して同じデータ分布特徴量を順次
選択して目的変数とし、回帰木分析をおこなうことを特
徴とする請求項５に記載のデータ解析方法。
【請求項７】前記各工程は、順次おこなうように組ま
れたソフトウェアを計算機システムで実行することによ
って自動的におこなわれることを特徴とする請求項１〜
６のいずれか一つに記載のデータ解析方法。