[go: up one dir, main page]

JP7616020B2 - Monitoring method, monitoring program, monitoring device, wafer manufacturing method, and wafer - Google Patents

Monitoring method, monitoring program, monitoring device, wafer manufacturing method, and wafer Download PDF

Info

Publication number
JP7616020B2
JP7616020B2 JP2021180420A JP2021180420A JP7616020B2 JP 7616020 B2 JP7616020 B2 JP 7616020B2 JP 2021180420 A JP2021180420 A JP 2021180420A JP 2021180420 A JP2021180420 A JP 2021180420A JP 7616020 B2 JP7616020 B2 JP 7616020B2
Authority
JP
Japan
Prior art keywords
processing device
data
state
section
monitoring
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2021180420A
Other languages
Japanese (ja)
Other versions
JP2023068947A (en
Inventor
忠広 佐藤
和彦 溝口
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sumco Corp
Original Assignee
Sumco Corp
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 Sumco Corp filed Critical Sumco Corp
Priority to JP2021180420A priority Critical patent/JP7616020B2/en
Priority to TW111134473A priority patent/TWI812464B/en
Priority to CN202211374037.1A priority patent/CN116092973A/en
Publication of JP2023068947A publication Critical patent/JP2023068947A/en
Application granted granted Critical
Publication of JP7616020B2 publication Critical patent/JP7616020B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67242—Apparatus for monitoring, sorting or marking
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/20—Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Manufacturing & Machinery (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Mechanical Treatment Of Semiconductor (AREA)

Description

本開示は、監視方法、監視プログラム、監視装置、ウェーハの製造方法、及びウェーハに関する。 The present disclosure relates to a monitoring method, a monitoring program, a monitoring device, a wafer manufacturing method, and a wafer.

従来、高精度にウェーハの品質管理値データを予測する方法が知られている（特許文献１等参照）。 Conventionally, a method for predicting wafer quality control data with high accuracy has been known (see Patent Document 1, etc.).

特開２００７－２４２８０９号公報JP 2007-242809 A

工程の作業者は、製品の品質の予測結果だけに基づいて、製品の品質を改善するために必要な、加工装置に対して実行すべき具体的な対応を理解できない。作業者が製品の品質に影響を及ぼす要因を理解して加工装置に対して具体的な対応を実行できるようにすることによって、製品の品質が向上され得る。 Process workers cannot understand the specific actions that should be taken on the processing equipment to improve product quality based on the product quality prediction results alone. Product quality can be improved by enabling workers to understand the factors that affect product quality and take specific actions on the processing equipment.

そこで、本開示の目的は、製品の品質を向上できる監視方法、監視プログラム、監視装置、ウェーハの製造方法、及びウェーハを提案することにある。 The purpose of this disclosure is to propose a monitoring method, a monitoring program, a monitoring device, a wafer manufacturing method, and a wafer that can improve product quality.

上記課題を解決する本開示の一実施形態は、以下のとおりである。
［１］ブロック又はウェーハを加工する加工装置から取得した実績データに基づいて前記加工装置の状態を監視する監視方法であって、
前記実績データと前記加工装置の状態との関係を表す解析モデルに前記実績データを入力し、前記解析モデルから出力される前記加工装置の状態を表す少なくとも１つの統計値を取得するステップと、
前記少なくとも１つの統計値に基づいて前記加工装置の状態が異常であるか判定するステップと、
前記加工装置の状態が異常であると判定した場合に前記実績データの項目の中から異常の原因となる項目を原因項目として特定して出力するステップと
を含む監視方法。
［２］前記少なくとも１つの統計値が管理範囲外の値である場合に前記加工装置の状態が異常であると判定するステップを更に含む、上記［１］に記載の監視方法。
［３］前記少なくとも１つの統計値に基づいて前記ウェーハの品質を推定するステップと、
前記ウェーハの品質の推定結果が品質基準を満たさない場合に前記加工装置の状態が異常であると判定するステップと
を更に含む、上記［１］又は［２］に記載の監視方法。
［４］前記加工装置が１つのロットを処理する期間におけるロットデータを取得するステップと、
前記ロットデータを、前記１つのロットを処理する期間を複数の区間に分けたそれぞれの区間における複数の区間データに分けるステップと、
前記解析モデルに前記実績データとして前記各区間データを入力し、前記各区間における前記加工装置の状態を表す少なくとも１つの統計値を取得するステップと
を更に含む、上記［１］から［３］までのいずれか一項に記載の監視方法。
［５］前記各区間の加工データを教師データとして用いることによって前記各区間に対応する区間モデルを前記解析モデルとして生成し、前記区間モデルに前記区間データを入力するステップを更に含む、上記［４］に記載の監視方法。
［６］前記複数の区間データのうち、前記１つのロットを処理する期間の中間以前の区間における区間データを前記解析モデルに入力して取得した少なくとも１つの統計値に基づいて前記加工装置の状態が異常であるか判定するステップを更に含む、上記［４］又は［５］に記載の監視方法。
［７］前記加工装置は、ブロックを切断するワイヤーソー装置であり、
前記複数の区間データのうち、前記ブロックの切断を所定距離だけ進める区間における区間データを前記解析モデルに入力して取得した少なくとも１つの統計値に基づいて前記加工装置の状態が異常であるか判定するステップを更に含む、上記［４］から［６］までのいずれか一項に記載の監視方法。
［８］前記所定距離は、前記ブロックを切断して得られたウェーハの特性を表す項目の値を算出する範囲の長さである、上記［７］に記載の監視方法。
［９］前記ウェーハの特性を表す項目は、前記ブロックを切断して得られたウェーハの、切断開始時における切断面の傾斜角である、上記［８］に記載の監視方法。
［１０］前記加工装置が空運転する期間における実績データを空運転データとして取得するステップと、
前記解析モデルに前記空運転データを入力し、空運転時における前記加工装置の状態を表す少なくとも１つの統計値を取得するステップと
を更に含む、上記［１］から［９］までのいずれか一項に記載の監視方法。
［１１］前記空運転データを教師データとして用いることによって前記加工装置が空運転する期間に対応する空運転モデルを前記解析モデルとして生成するステップを更に含む、上記［１０］に記載の監視方法。
［１２］上記［１］から［１１］までのいずれか一項に記載の監視方法をプロセッサに実行させる監視プログラム。
［１３］上記［１］から［１１］までのいずれか一項に記載の監視方法を実行する制御部を備える監視装置。
［１４］上記［１］から［１１］までのいずれか一項に記載の監視方法を実行することによって監視したウェーハの加工装置でウェーハを加工するステップを含む、ウェーハの製造方法。
［１５］上記［１］から［１１］までのいずれか一項に記載の監視方法を実行することによって監視したウェーハの加工装置で加工したウェーハ。 One embodiment of the present disclosure that solves the above problem is as follows.
[1] A monitoring method for monitoring a state of a processing device that processes a block or a wafer based on performance data acquired from the processing device, comprising:
inputting the performance data into an analytical model that represents a relationship between the performance data and a state of the processing device, and acquiring at least one statistical value that represents the state of the processing device and is output from the analytical model;
determining whether the condition of the processing device is abnormal based on the at least one statistical value;
and when it is determined that the state of the processing device is abnormal, identifying an item that causes the abnormality from among the items of the performance data as a cause item and outputting the identified item.
[2] The monitoring method described in [1] above, further comprising a step of determining that the state of the processing device is abnormal if the at least one statistical value is outside a control range.
[3] estimating a quality of the wafer based on the at least one statistical value; and
The monitoring method according to the above-mentioned [1] or [2], further comprising a step of determining that a state of the processing equipment is abnormal if the estimated result of the quality of the wafer does not satisfy a quality standard.
[4] acquiring lot data during a period in which the processing device processes one lot;
dividing the lot data into a plurality of interval data for each interval obtained by dividing a period during which the one lot is processed into a plurality of intervals;
The monitoring method according to any one of the above [1] to [3], further comprising a step of inputting the data for each section as the performance data into the analysis model, and acquiring at least one statistical value representing a state of the processing device in each section.
[5] The monitoring method described in [4] above, further comprising a step of generating an interval model corresponding to each of the intervals as the analysis model by using the processed data for each of the intervals as teacher data, and inputting the interval data into the interval model.
[6] The monitoring method described in [4] or [5] above, further comprising a step of determining whether the state of the processing equipment is abnormal based on at least one statistical value obtained by inputting section data from the plurality of section data, which is in a section prior to the middle of the period for processing one lot, into the analysis model.
[7] The processing device is a wire saw device that cuts a block,
The monitoring method according to any one of [4] to [6] above, further comprising a step of determining whether the state of the processing device is abnormal based on at least one statistical value obtained by inputting section data, among the plurality of section data, in a section in which cutting of the block proceeds a predetermined distance into the analysis model.
[8] The monitoring method described in [7] above, wherein the specified distance is the length of a range for calculating values of items representing characteristics of wafers obtained by cutting the block.
[9] The monitoring method described in [8] above, wherein the item representing the characteristic of the wafer is the inclination angle of the cut surface of the wafer obtained by cutting the block at the start of cutting.
[10] A step of acquiring performance data during a period when the processing device is idle as idle operation data;
The monitoring method according to any one of the above [1] to [9], further comprising the step of inputting the idle operation data into the analysis model and obtaining at least one statistical value representing a state of the processing device during idle operation.
[11] The monitoring method described in [10] above, further comprising a step of generating an idle operation model corresponding to a period during which the processing equipment is idled as the analysis model by using the idle operation data as teacher data.
[12] A monitoring program that causes a processor to execute the monitoring method according to any one of [1] to [11] above.
[13] A monitoring device comprising a control unit that executes the monitoring method according to any one of [1] to [11] above.
[14] A method for manufacturing a wafer, comprising the step of processing a wafer with a wafer processing device monitored by executing the monitoring method according to any one of [1] to [11] above.
[15] A wafer processed by a wafer processing apparatus monitored by carrying out the monitoring method according to any one of [1] to [11] above.

本開示に係る監視方法、監視プログラム、監視装置、ウェーハの製造方法、及びウェーハによれば、製品の品質が向上され得る。 The monitoring method, monitoring program, monitoring device, wafer manufacturing method, and wafer disclosed herein can improve product quality.

本開示の一実施形態に係る監視システムの構成例を示すブロック図である。1 is a block diagram showing a configuration example of a monitoring system according to an embodiment of the present disclosure. 加工装置としてのワイヤーソー装置の構成例を示す図である。FIG. 2 is a diagram showing a configuration example of a wire saw device as a processing device. 本開示の一実施形態に係る監視方法において解析モデルを生成する手順例を示すフローチャートである。10 is a flowchart illustrating an example of a procedure for generating an analytical model in a monitoring method according to an embodiment of the present disclosure. 本開示の一実施形態に係る監視方法において解析モデルを用いて加工装置の状態を判定する手順例を示すフローチャートである。10 is a flowchart illustrating an example of a procedure for determining a state of a processing device using an analytical model in a monitoring method according to an embodiment of the present disclosure. ワイヤーソー装置でブロックを切断する期間を６つの区間に分けた例を示す図である。FIG. 13 is a diagram showing an example in which a period during which a block is cut by a wire saw device is divided into six sections. ワイヤーソー装置で切断したウェーハの表面形状の一例を示す図である。FIG. 2 is a diagram showing an example of a surface shape of a wafer cut by a wire saw device. 第１区間の区間データに基づいて算出した各ロットのＱ統計値の一例を示すグラフである。13 is a graph showing an example of a Q statistic value for each lot calculated based on the section data of the first section. 第２区間の区間データに基づいて算出した各ロットのＱ統計値の一例を示すグラフである。13 is a graph showing an example of a Q statistic value for each lot calculated based on the section data of the second section. Ｑ統計値が閾値以上となったロットにおいて抽出した原因項目のＱ統計値の一例を示すグラフである。13 is a graph showing an example of the Q statistic value of a cause item extracted in a lot in which the Q statistic value is equal to or greater than a threshold value.

（監視システム１の構成例）
図１に示されるように、監視システム１は、監視装置５０と、表示装置６０とを備える。監視装置５０は、製品を製造する工程に設定されている加工装置１０の状態を監視する。加工装置１０は、製品を加工する。加工装置１０は、加工装置１０の構成部の動作状態を表す加工データを測定するセンサを有する。加工装置１０のセンサは、加工装置１０に供給されている冷却水又はスラリー等の補助材料の温度又は流量等を測定してもよいし、工程の温度又は湿度等の工程の環境に関する項目を測定してもよい。センサは、加工装置１０が動作するときに測定した加工データを監視装置５０に出力する。監視装置５０は、加工データを加工装置１０から取得し、加工データに基づいて加工装置１０の状態を監視する。 (Configuration example of monitoring system 1)
As shown in FIG. 1, the monitoring system 1 includes a monitoring device 50 and a display device 60. The monitoring device 50 monitors the state of a processing device 10 set in a process for manufacturing a product. The processing device 10 processes the product. The processing device 10 has a sensor that measures processing data that represents the operating state of the components of the processing device 10. The sensor of the processing device 10 may measure the temperature or flow rate of auxiliary materials such as cooling water or slurry supplied to the processing device 10, or may measure items related to the process environment such as the process temperature or humidity. The sensor outputs the processing data measured when the processing device 10 operates to the monitoring device 50. The monitoring device 50 acquires the processing data from the processing device 10 and monitors the state of the processing device 10 based on the processing data.

加工装置１０の状態は、正常な状態と異常な状態とを含む。異常な状態は、正常な状態でない状態に対応する。正常な状態は、ウェーハの加工後の品質に問題のないときの装置の状態から大きく逸脱していない状態に対応する。例えば一つの装置パラメータに注目した場合にウェーハの加工後の品質に問題のない期間の装置パラメータの平均からのずれ量がウェーハの加工後の品質に問題のない期間の装置パラメータの標準偏差の３倍未満である状態は、正常な状態であるとする。また、複数の装置パラメータを用いてＴ２統計量又はＱ統計量などの合成パラメータを生成した場合においても、ウェーハの加工後の品質に問題のない期間の装置パラメータを用いて算出した合成パラメータの平均値からのずれがウェーハの加工後の品質に問題のない期間の合成パラメータの標準偏差の３倍未満である状態は、正常な状態であるとする。 The state of the processing device 10 includes a normal state and an abnormal state. An abnormal state corresponds to a state that is not normal. A normal state corresponds to a state that does not deviate significantly from the state of the device when there is no problem with the quality of the wafer after processing. For example, when focusing on one device parameter, a state in which the deviation of the device parameter from the average during a period in which there is no problem with the quality of the wafer after processing is less than three times the standard deviation of the device parameter during a period in which there is no problem with the quality of the wafer after processing is considered to be a normal state. Also, even when a composite parameter such as T2 statistics or Q statistics is generated using multiple device parameters, a state in which the deviation of the composite parameter calculated using the device parameters during a period in which there is no problem with the quality of the wafer after processing is less than three times the standard deviation of the composite parameter during a period in which there is no problem with the quality of the wafer after processing is considered to be a normal state.

本実施形態において、加工装置１０によって加工される製品はウェーハであるとする。監視対象は、ウェーハ製造工程に設置されているとする。加工装置１０は、例えばワイヤーソー装置、ラッピング加工装置、ＳＭＰ（片面研磨装置）、ＤＳＰ（両面研磨装置）、端面研磨装置、又は熱処理装置等であってよい。 In this embodiment, the product processed by the processing device 10 is a wafer. The monitored object is installed in the wafer manufacturing process. The processing device 10 may be, for example, a wire saw device, a lapping processing device, an SMP (single-sided polishing device), a DSP (double-sided polishing device), an end face polishing device, or a heat treatment device.

監視装置５０は、制御部５２を備える。制御部５２は、少なくとも１つのプロセッサを含んでよい。プロセッサは、制御部５２の種々の機能を実現するプログラムを実行しうる。プロセッサは、単一の集積回路として実現されてよい。集積回路は、ＩＣ（Integrated Circuit）とも称される。プロセッサは、複数の通信可能に接続された集積回路及びディスクリート回路として実現されてよい。プロセッサは、他の種々の既知の技術に基づいて実現されてよい。 The monitoring device 50 includes a control unit 52. The control unit 52 may include at least one processor. The processor may execute a program that realizes various functions of the control unit 52. The processor may be realized as a single integrated circuit. The integrated circuit is also called an IC (Integrated Circuit). The processor may be realized as multiple communicatively connected integrated circuits and discrete circuits. The processor may be realized based on various other known technologies.

監視装置５０は、記憶部５４を更に備える。記憶部５４は、磁気ディスク等の電磁記憶媒体を含んでよいし、半導体メモリ又は磁気メモリ等のメモリを含んでもよい。記憶部５４は、非一時的なコンピュータ読み取り可能媒体を含んでよい。記憶部５４は、加工装置１０から取得した加工データ等の各種情報及び制御部５２で実行されるプログラム等を格納する。記憶部５４は、制御部５２のワークメモリとして機能してよい。記憶部５４の少なくとも一部は、制御部５２に含まれてよい。記憶部５４の少なくとも一部は、監視装置５０と別体の記憶装置として構成されてもよい。 The monitoring device 50 further includes a memory unit 54. The memory unit 54 may include an electromagnetic storage medium such as a magnetic disk, or may include a memory such as a semiconductor memory or a magnetic memory. The memory unit 54 may include a non-transitory computer-readable medium. The memory unit 54 stores various information such as the processing data acquired from the processing device 10 and programs executed by the control unit 52. The memory unit 54 may function as a work memory for the control unit 52. At least a part of the memory unit 54 may be included in the control unit 52. At least a part of the memory unit 54 may be configured as a storage device separate from the monitoring device 50.

監視装置５０は、加工装置１０又は表示装置６０との間でデータを送受信する通信部を更に備えてもよい。通信部は、加工装置１０又は表示装置６０と通信可能に接続される。通信部は、加工装置１０又は表示装置６０とネットワークを介して通信可能に接続されてよい。通信部は、加工装置１０又は表示装置６０と有線又は無線で通信可能に接続されてよい。通信部は、ネットワーク又は加工装置１０若しくは表示装置６０と接続する通信モジュールを備えてよい。通信モジュールは、ＬＡＮ（Local Area Network）等の通信インタフェースを備えてよい。通信モジュールは、４Ｇ又は５Ｇ等の種々の通信方式による通信を実現してもよい。通信部が実行する通信方式は、上述の例に限られず、他の種々の方式を含んでもよい。通信部の少なくとも一部は、制御部５２に含まれてよい。 The monitoring device 50 may further include a communication unit that transmits and receives data to and from the processing device 10 or the display device 60. The communication unit is communicatively connected to the processing device 10 or the display device 60. The communication unit may be communicatively connected to the processing device 10 or the display device 60 via a network. The communication unit may be communicatively connected to the processing device 10 or the display device 60 by wire or wirelessly. The communication unit may include a communication module that connects to the network or the processing device 10 or the display device 60. The communication module may include a communication interface such as a LAN (Local Area Network). The communication module may realize communication by various communication methods such as 4G or 5G. The communication method implemented by the communication unit is not limited to the above examples and may include various other methods. At least a part of the communication unit may be included in the control unit 52.

表示装置６０は、画像又は文字若しくは図形等の視覚情報を出力する表示デバイスを含んでよい。表示デバイスは、例えば、ＬＣＤ（Liquid Crystal Display）、有機ＥＬ（Electro-Luminescence）ディスプレイ若しくは無機ＥＬディスプレイ、又は、ＰＤＰ（Plasma Display Panel）等を含んで構成されてよい。表示デバイスは、これらのディスプレイに限られず、他の種々の方式のディスプレイを含んで構成されてよい。表示デバイスは、ＬＥＤ（Light Emitting Diode）又はＬＤ（Laser Diode）等の発光デバイスを含んで構成されてよい。表示デバイスは、これらに限られず他の種々のデバイスを含んで構成されてよい。 The display device 60 may include a display device that outputs visual information such as an image, text, or graphics. The display device may include, for example, an LCD (Liquid Crystal Display), an organic EL (Electro-Luminescence) display, an inorganic EL display, or a PDP (Plasma Display Panel). The display device is not limited to these displays and may include various other types of displays. The display device may include a light-emitting device such as an LED (Light Emitting Diode) or an LD (Laser Diode). The display device is not limited to these and may include various other devices.

（加工装置１０としてのワイヤーソー装置の構成例）
本実施形態において、加工装置１０は、ワイヤーソー装置であると仮定する。ワイヤーソー装置としての加工装置１０は、図２に示されるように、ワイヤー１２を複数のローラ１４間に並列かつ往復走行可能に張り渡したワイヤー群１６を備える。加工装置１０は、ワークＷを保持し、ワイヤー群１６に対しワークＷを押し込む方向に移動させるワーク保持機構１８を備える。加工装置１０は、ワイヤー群１６の、ワークＷが押し込まれる領域にスラリーを供給する一対のノズル２０を備える。加工装置１０は、ワークＷをワイヤー群１６によって切断する。ワークＷは、シリコン等のブロック（ブロック状に切断された単結晶インゴット）であるとする。加工装置１０は、ワークＷを切断して得られるシリコン等のスライスドウェーハを加工製品として払い出す。以下、加工装置１０がワイヤーソー装置である場合、加工製品はスライスドウェーハであるとする。 (Configuration Example of Wire Saw Device as Processing Device 10)
In this embodiment, it is assumed that the processing device 10 is a wire saw device. As shown in FIG. 2, the processing device 10 as a wire saw device includes a wire group 16 in which a wire 12 is stretched in parallel between a plurality of rollers 14 so as to be capable of reciprocating movement. The processing device 10 includes a workpiece holding mechanism 18 that holds the workpiece W and moves the workpiece W in a direction in which the workpiece W is pushed against the wire group 16. The processing device 10 includes a pair of nozzles 20 that supply slurry to an area of the wire group 16 in which the workpiece W is pushed. The processing device 10 cuts the workpiece W with the wire group 16. It is assumed that the workpiece W is a block of silicon or the like (a single crystal ingot cut into a block shape). The processing device 10 delivers sliced wafers of silicon or the like obtained by cutting the workpiece W as a processed product. Hereinafter, when the processing device 10 is a wire saw device, it is assumed that the processed product is a sliced wafer.

ワイヤー１２は、一組のワイヤーリール３８Ａ及び３８Ｂに巻き付けられている。ワイヤー１２は、一方のワイヤーリール３８Ａから、ガイドローラ３２及びローラ１４等を経て他方のワイヤーリール３８Ｂまで張られている。 The wire 12 is wound around a pair of wire reels 38A and 38B. The wire 12 is tensioned from one wire reel 38A through the guide roller 32, roller 14, etc. to the other wire reel 38B.

ワイヤーリール３８Ａ及び３８Ｂはそれぞれ、駆動モータ３６によって回転する。駆動モータ３６が駆動してワイヤーリール３８Ａ及び３８Ｂを回転させることで、ワイヤー１２は、一方のワイヤーリール３８Ａから繰り出され、ガイドローラ３２及びローラ１４等を経て他方のワイヤーリール３８Ｂまで走行できる。ワイヤー１２は、ダンサアーム３３及びダンサローラ３４等を含む張力付与手段を経て走行する。ワイヤー１２が張力付与手段を経て走行することによって、ワイヤー１２に張力が付与される。ワイヤー１２は、タッチローラ３５を経て走行する。タッチローラ３５は、ワイヤーリール３８Ａ及び３８Ｂから繰り出されたり、ワイヤーリール３８Ａ及び３８Ｂに巻き取られたりする際に移動するワイヤー１２の位置に追従する。 The wire reels 38A and 38B are each rotated by a drive motor 36. When the drive motor 36 is driven to rotate the wire reels 38A and 38B, the wire 12 is unwound from one wire reel 38A and can run through the guide roller 32, roller 14, etc. to the other wire reel 38B. The wire 12 runs through a tension applying means including a dancer arm 33 and dancer roller 34, etc. Tension is applied to the wire 12 as the wire 12 runs through the tension applying means. The wire 12 runs through a touch roller 35. The touch roller 35 follows the position of the wire 12 as it moves when it is unwound from the wire reels 38A and 38B or wound onto the wire reels 38A and 38B.

ワイヤー１２は、複数のローラ１４を跨って複数回にわたって螺旋状に巻回されている。螺旋状に巻回されたワイヤー１２は、ローラ１４間でローラ軸方向Ｘに直交する方向に並列に並ぶワイヤー群１６を構成している。ローラ１４は、鋼製円筒の周囲にポリウレタン樹脂が圧入され、その表面に一定のピッチで溝が切られた構成となっているとする。ワイヤー１２がローラ１４の表面に切られた溝にはめ込まれることによって、ワイヤー群１６は、安定して走行できる。 The wire 12 is wound in a spiral shape several times across several rollers 14. The spirally wound wire 12 constitutes a group of wires 16 arranged in parallel between the rollers 14 in a direction perpendicular to the roller axis direction X. The rollers 14 are configured with polyurethane resin pressed around a steel cylinder, with grooves cut into the surface at a fixed pitch. The wire 12 fits into the grooves cut into the surface of the rollers 14, allowing the group of wires 16 to run stably.

ワイヤー１２の走行方向は、駆動モータ３６の回転方向によって制御される。ワイヤー１２は、一方向に走行するように制御されることも、必要に応じて往復走行するように制御されることもできる。ワイヤー１２に付与される張力の大きさは、適宜設定されてよい。ワイヤー１２の走行速度は、適宜設定されてよい。 The running direction of the wire 12 is controlled by the rotation direction of the drive motor 36. The wire 12 can be controlled to run in one direction, or can be controlled to run back and forth as necessary. The magnitude of tension applied to the wire 12 may be set as appropriate. The running speed of the wire 12 may be set as appropriate.

ノズル２０からワイヤー群１６に供給されるスラリーは、スラリータンク４０に貯蔵されており、スラリータンク４０からスラリーを調温するスラリーチラー４２を介してノズル２０へと送り込まれる。 The slurry supplied from the nozzle 20 to the wire group 16 is stored in a slurry tank 40, and is sent from the slurry tank 40 to the nozzle 20 via a slurry chiller 42 that regulates the temperature of the slurry.

ワイヤーソー装置から払い出されたスライスドウェーハは、研磨等の工程で更に加工され、最終製品のウェーハとして出荷される。 The sliced wafers that are removed from the wire saw are further processed through processes such as polishing, and are then shipped as the final wafer product.

（監視装置５０の動作例）
監視装置５０は、加工装置１０の加工データを多変量解析によって統計的に解析し、加工データの統計値を算出する。監視装置５０は、算出した統計値に基づいて加工装置１０の状態を監視する。以下、監視装置５０の動作例が具体的に説明される。 (Example of operation of monitoring device 50)
The monitoring device 50 statistically analyzes the processing data of the processing device 10 by multivariate analysis and calculates statistical values of the processing data. The monitoring device 50 monitors the state of the processing device 10 based on the calculated statistical values. An example of the operation of the monitoring device 50 will be specifically described below.

＜解析モデルの生成＞
監視装置５０の制御部５２は、加工装置１０が正常に動作している期間の加工データを教師データとして記憶部５４に格納する。制御部５２は、記憶部５４に格納されている教師データに基づいて、加工装置１０の加工データを統計的に解析して加工装置１０の状態を監視するために用いる解析モデルを生成する。解析モデルは、解析対象となる加工装置１０の加工データの入力を受け付ける。解析対象となる加工装置１０の加工データは、実績データとも称される。解析モデルは、入力された実績データを統計的に解析することによって算出される統計値を出力するように構成される。言い換えれば、解析モデルは、実績データと加工装置１０の状態との関係を表す。そして、解析モデルは、少なくとも加工装置１０が異常であるか否かを判別できるものである。 <Creating an analysis model>
The control unit 52 of the monitoring device 50 stores the processing data during the period when the processing device 10 is operating normally in the memory unit 54 as teacher data. The control unit 52 generates an analysis model used to statistically analyze the processing data of the processing device 10 and monitor the state of the processing device 10 based on the teacher data stored in the memory unit 54. The analysis model accepts input of the processing data of the processing device 10 to be analyzed. The processing data of the processing device 10 to be analyzed is also called performance data. The analysis model is configured to output a statistical value calculated by statistically analyzing the input performance data. In other words, the analysis model represents the relationship between the performance data and the state of the processing device 10. The analysis model is capable of determining at least whether or not the processing device 10 is abnormal.

本実施形態において、解析モデルは、ＰＬＳ（Partial Least Square regression）法に基づいて入力された実績データの統計値を算出するように構成されるとする。制御部５２は、ＰＬＳ法に基づく解析モデルを、以下に述べるように生成する。 In this embodiment, the analysis model is configured to calculate statistical values of input performance data based on the PLS (Partial Least Square Regression) method. The control unit 52 generates the analysis model based on the PLS method as described below.

制御部５２は、教師データとして用いる加工装置１０の加工データの各項目から説明変数と目的変数とを選択する。制御部５２は、教師データに含まれる説明変数の値と目的変数の値との関係に基づいて潜在変数（主成分）を定義する。具体的に、潜在変数は、説明変数を用いて目的変数に対して高い相関を有する値を算出できるような関係式で表される新たな変数として定義される。 The control unit 52 selects explanatory variables and objective variables from each item of the processed data of the processing device 10 to be used as teacher data. The control unit 52 defines latent variables (principal components) based on the relationship between the values of the explanatory variables and the objective variable values included in the teacher data. Specifically, the latent variables are defined as new variables expressed by a relational equation that can calculate a value that has a high correlation with the objective variable using the explanatory variables.

制御部５２は、最小二乗法を適用することによって、潜在変数の値と目的変数の値との関係を表す線形回帰式を生成する。制御部５２は、あらかじめ目的変数の値との関係がわかっている説明変数の値を、生成した線形回帰式に入力して線形回帰式の計算結果を取得する。制御部５２は、線形回帰式の計算結果と目的変数の値との差分を算出することによって線形回帰式を検証する。制御部５２は、線形回帰式の計算結果と目的変数の値との差分が小さくなるように、潜在変数の定義と、線形回帰式の生成と、差分の確認とを繰り返して線形回帰式を検証する。制御部５２は、線形回帰式の検証において、新たに潜在変数を定義して入れ替えたり、新たに定義した潜在変数を追加して潜在変数の数を増やしたりしてよい。制御部５２は、線形回帰式の検証において、線形回帰式の計算結果と目的変数の値との差分が小さくなるように潜在変数の数を決定し、線形回帰式を決定する。 The control unit 52 generates a linear regression equation that represents the relationship between the value of the latent variable and the value of the objective variable by applying the least squares method. The control unit 52 inputs the value of the explanatory variable, whose relationship with the value of the objective variable is known in advance, into the generated linear regression equation to obtain the calculation result of the linear regression equation. The control unit 52 verifies the linear regression equation by calculating the difference between the calculation result of the linear regression equation and the value of the objective variable. The control unit 52 verifies the linear regression equation by repeating the definition of latent variables, the generation of the linear regression equation, and the confirmation of the difference so that the difference between the calculation result of the linear regression equation and the value of the objective variable becomes small. In verifying the linear regression equation, the control unit 52 may define new latent variables and replace them, or add newly defined latent variables to increase the number of latent variables. In verifying the linear regression equation, the control unit 52 determines the number of latent variables so that the difference between the calculation result of the linear regression equation and the value of the objective variable becomes small, and determines the linear regression equation.

制御部５２は、決定した線形回帰式を解析モデルとして利用する。具体的に、制御部５２は、決定した線形回帰式と、実績データとに基づいて、Ｔ２統計値とＱ統計値とを算出する。Ｔ２統計値は、潜在変数で規定される部分空間における実績データの位置を統計値として表すものであり、部分空間の原点から実績データのうち潜在変数の値に対応する点までの距離の２乗として算出される。Ｑ統計値は、部分空間の直交補空間における実績データの位置を統計値として表すものであり、実績データのうち潜在変数の計算に用いられない項目の値に対応する点から部分空間に正射影したベクトルの長さの２乗として算出される。 The control unit 52 uses the determined linear regression equation as an analytical model. Specifically, the control unit 52 calculates a T2 statistic and a Q statistic based on the determined linear regression equation and the performance data. The T2 statistic represents, as a statistical value, the position of the performance data in a subspace defined by the latent variables, and is calculated as the square of the distance from the origin of the subspace to a point in the performance data that corresponds to the value of the latent variable. The Q statistic represents, as a statistical value, the position of the performance data in the orthogonal complement of the subspace, and is calculated as the square of the length of a vector orthogonally projected onto the subspace from a point in the performance data that corresponds to the value of an item not used in the calculation of the latent variable.

Ｔ２統計値は、正常であるか異常であるかを判定するために適した統計値である。Ｑ統計値は、Ｔ２統計値で判定できない変動を判定するために適した統計値である。制御部５２は、Ｔ２統計値だけを監視する場合、Ｔ２統計値が管理限界から外れた場合に、加工装置１０に何らかの異常が発生したと判定できるものの、具体的な異常の内容を解析できない。 The T2 statistical value is a statistical value suitable for determining whether something is normal or abnormal. The Q statistical value is a statistical value suitable for determining fluctuations that cannot be determined by the T2 statistical value. When only the T2 statistical value is monitored, the control unit 52 can determine that some kind of abnormality has occurred in the processing device 10 if the T2 statistical value falls outside the control limit, but cannot analyze the specific nature of the abnormality.

一方で、制御部５２は、Ｔ２統計値とＱ統計値とを両方とも監視する場合、Ｔ２統計値が管理限界から外れてもＱ統計値が管理限界内であれば変数間の相関関係が崩れておらず、装置故障等の深刻な異常が発生していないと判定できる。また、制御部５２は、Ｔ２統計値が管理限界から外れた原因として、加工装置１０に設定した加工条件又は運転プログラム等を変更したり間違えたりした結果としてＴ２統計値が大きくなったと判定できる。制御部５２は、Ｑ統計値が管理限界から外れた場合、装置故障等の深刻な異常が発生していると判定できる。 On the other hand, when the control unit 52 monitors both the T2 statistical value and the Q statistical value, if the T2 statistical value falls outside the control limit but the Q statistical value is within the control limit, the control unit 52 can determine that the correlation between the variables has not been broken and that no serious abnormality such as equipment failure has occurred. Furthermore, the control unit 52 can determine that the T2 statistical value has fallen outside the control limit because the processing conditions or operating program set in the processing device 10 have been changed or made incorrectly, resulting in an increase in the T2 statistical value. If the Q statistical value falls outside the control limit, the control unit 52 can determine that a serious abnormality such as equipment failure has occurred.

制御部５２は、生成した解析モデルに関して、解析モデルの過学習を防ぎ、汎化性能を向上させるためにクロスバリデーションを実行してよい。 The control unit 52 may perform cross-validation on the generated analysis model to prevent overlearning of the analysis model and improve generalization performance.

＜Ｔ２統計値及びＱ統計値に基づく状態判定＞
制御部５２は、生成した解析モデルに実績データを入力し、Ｔ２統計値及びＱ統計値を算出する。制御部５２は、Ｔ２統計値及びＱ統計値それぞれについて管理範囲を設定する。制御部５２は、管理上限値又は管理下限値を設定することによって管理範囲を特定する。制御部５２は、Ｔ２統計値及びＱ統計値が両方とも管理範囲内であれば加工装置１０の状態が正常であると判定する。制御部５２は、Ｔ２統計値又はＱ統計値のいずれかが管理範囲外であれば加工装置１０の状態が異常である又は異常の可能性があると判定する。制御部５２は、加工装置１０の状態の判定結果を表示装置６０に出力する。表示装置６０は、加工装置１０の状態の判定結果を表示し、ユーザに通知する。ユーザは、工程の作業者又は管理者等を含んでよい。 <State Determination Based on T2 Statistical Value and Q Statistical Value>
The control unit 52 inputs the performance data into the generated analysis model and calculates the T2 statistic and the Q statistic. The control unit 52 sets a control range for each of the T2 statistic and the Q statistic. The control unit 52 specifies the control range by setting an upper control limit or a lower control limit. The control unit 52 determines that the state of the processing device 10 is normal if both the T2 statistic and the Q statistic are within the control range. The control unit 52 determines that the state of the processing device 10 is abnormal or may be abnormal if either the T2 statistic or the Q statistic is outside the control range. The control unit 52 outputs the determination result of the state of the processing device 10 to the display device 60. The display device 60 displays the determination result of the state of the processing device 10 and notifies the user. The user may include a process operator or a manager, etc.

制御部５２は、Ｑ統計値が管理範囲外である場合、実績データの各項目のうちＱ統計値に対して影響を及ぼしている（Ｑ統計値の値を大きく変動させている）項目を抽出する。Ｑ統計値に対して影響を及ぼしている項目は、加工装置１０の状態が異常になる原因となる項目であるともいえ、原因項目とも称される。実績データを解析モデルに入力して算出されるＱ統計値は、各原因項目のＱ統計値の合計値に対応する。言い換えれば、Ｑ統計値は、各原因項目のＱ統計値に分けられる。 When the Q statistic value is outside the control range, the control unit 52 extracts, from each item of the performance data, items that are affecting the Q statistic value (causing large fluctuations in the value of the Q statistic value). Items that are affecting the Q statistic value can be said to be items that cause the state of the processing device 10 to become abnormal, and are also called cause items. The Q statistic value calculated by inputting the performance data into the analysis model corresponds to the sum of the Q statistic values of each cause item. In other words, the Q statistic value is divided into the Q statistic values of each cause item.

各原因項目のＱ統計値が大きいほど、その原因項目がＱ統計値に対して大きい影響を及ぼしているといえる。制御部５２は、Ｑ統計値に対して及ぼす影響の大きさに基づいて原因項目に順位をつけてよい。制御部５２は、Ｑ統計値が大きい原因項目に高い順位をつけてよい。制御部５２は、原因項目を表示装置６０に出力する。表示装置６０は、原因項目を表示し、ユーザに通知する。 The larger the Q statistic value of each cause item, the greater the impact that cause item has on the Q statistic value. The control unit 52 may rank the cause items based on the magnitude of their impact on the Q statistic value. The control unit 52 may rank cause items with larger Q statistic values higher. The control unit 52 outputs the cause items to the display device 60. The display device 60 displays the cause items and notifies the user.

ユーザは、表示装置６０によって通知された加工装置１０の状態の判定結果に基づいて加工装置１０に対する処置を判断してよい。例えば、ユーザは、Ｑ統計値が管理範囲外である場合、通知された原因項目について加工装置１０の実際の状態を確認してよい。例えば、ユーザは、Ｔ２統計値が管理範囲外である場合、加工装置１０に設定した加工条件又は運転プログラム等を確認してよい。 The user may determine the measures to be taken for the processing device 10 based on the judgment result of the state of the processing device 10 notified by the display device 60. For example, if the Q statistical value is outside the control range, the user may check the actual state of the processing device 10 for the notified cause item. For example, if the T2 statistical value is outside the control range, the user may check the processing conditions or operating program set for the processing device 10.

（監視方法の手順例）
監視装置５０の制御部５２は、図３に例示されるフローチャートの手順を含む監視方法を実行することによって解析モデルを生成してよい。監視方法は、制御部５２に実行させる監視プログラムとして実現されてもよい。 (Example of monitoring procedure)
The control unit 52 of the monitoring device 50 may generate the analysis model by executing a monitoring method including the steps of the flowchart illustrated in Fig. 3. The monitoring method may be realized as a monitoring program executed by the control unit 52.

制御部５２は、加工装置１０が正常に動作している期間の加工データを教師データとして取得する（ステップＳ１）。制御部５２は、教師データに基づいて解析モデルを生成する（ステップＳ２）。 The control unit 52 acquires processing data during a period when the processing device 10 is operating normally as training data (step S1). The control unit 52 generates an analysis model based on the training data (step S2).

制御部５２は、解析モデルが妥当であるか判定する（ステップＳ３）。例えば、制御部５２は、線形回帰式の計算結果と目的変数の値との差分が所定値未満になっているか判定してもよい。制御部５２は、解析モデルが妥当でないと判定した場合（ステップＳ３：ＮＯ）、ステップＳ２に戻って解析モデルを生成しなおす。制御部５２は、解析モデルが妥当であると判定した場合（ステップＳ３：ＹＥＳ）、解析モデルを決定する（ステップＳ４）。制御部５２は、ステップＳ４の手順の実行後、図３のフローチャートの手順の実行を終了する。 The control unit 52 determines whether the analytical model is valid (step S3). For example, the control unit 52 may determine whether the difference between the calculation result of the linear regression equation and the value of the objective variable is less than a predetermined value. If the control unit 52 determines that the analytical model is invalid (step S3: NO), the control unit 52 returns to step S2 and regenerates the analytical model. If the control unit 52 determines that the analytical model is valid (step S3: YES), the control unit 52 determines the analytical model (step S4). After executing the procedure of step S4, the control unit 52 ends the execution of the procedure of the flowchart in FIG. 3.

制御部５２は、図４に例示されるフローチャートの手順を含む監視方法を実行することによって加工装置１０の実績データに基づく統計値を算出して加工装置１０の状態を監視してよい。監視方法は、制御部５２に実行させる監視プログラムとして実現されてもよい。 The control unit 52 may execute a monitoring method including the steps of the flowchart illustrated in FIG. 4 to calculate statistical values based on performance data of the processing device 10 and monitor the state of the processing device 10. The monitoring method may be realized as a monitoring program executed by the control unit 52.

制御部５２は、加工装置１０から実績データを取得する（ステップＳ１１）。制御部５２は、実績データを解析モデルに入力して解析モデルで算出された統計値を取得する（ステップＳ１２）。具体的に、制御部５２は、統計値としてＴ２統計値及びＱ統計値を取得する。 The control unit 52 acquires performance data from the processing device 10 (step S11). The control unit 52 inputs the performance data into an analysis model and acquires statistical values calculated by the analysis model (step S12). Specifically, the control unit 52 acquires the T2 statistical value and the Q statistical value as the statistical values.

制御部５２は、統計値が管理範囲内か判定する（ステップＳ１３）。具体的に、制御部５２は、Ｔ２統計値及びＱ統計値が両方とも管理範囲内か判定する。制御部５２は、統計値が管理範囲内である場合（ステップＳ１３：ＹＥＳ）、ステップＳ１５の手順に進む。制御部５２は、統計値が管理範囲内でない場合（ステップＳ１３：ＮＯ）、つまり統計値が管理範囲外である場合、原因項目を解析する（ステップＳ１４）。 The control unit 52 determines whether the statistical value is within the control range (step S13). Specifically, the control unit 52 determines whether both the T2 statistical value and the Q statistical value are within the control range. If the statistical value is within the control range (step S13: YES), the control unit 52 proceeds to the procedure of step S15. If the statistical value is not within the control range (step S13: NO), that is, if the statistical value is outside the control range, the control unit 52 analyzes the cause item (step S14).

制御部５２は、判定結果を出力する（ステップＳ１５）。制御部５２は、統計値が管理範囲内であったか管理範囲外であったかを出力する。制御部５２は、統計値が管理範囲外であった場合、原因項目の解析結果をあわせて出力する。制御部５２は、ステップＳ１５の手順の実行後、図４のフローチャートの手順の実行を終了する。 The control unit 52 outputs the judgment result (step S15). The control unit 52 outputs whether the statistical value was within the control range or outside the control range. If the statistical value is outside the control range, the control unit 52 also outputs the analysis result of the cause item. After executing the procedure of step S15, the control unit 52 ends the execution of the procedure of the flowchart in FIG. 4.

（小括）
以上述べてきたように、本実施形態に係る監視装置５０は、加工装置１０から取得した実績データに基づいて加工装置１０の状態を監視する。監視装置５０は、解析モデルに実績データを入力する。解析モデルは、加工装置１０の状態を表す少なくとも１つの統計値を出力する。監視装置５０は、解析モデルから少なくとも１つの統計値を取得し、少なくとも１つの統計値に基づいて加工装置１０の状態が異常であるか判定する。監視装置５０は、加工装置１０の状態が異常であると判定した場合に、実績データの項目の中から異常の原因となる項目を原因項目として特定して出力する。ユーザは、出力された原因項目に基づいて加工装置１０に対して処置を実行する。このようにすることで、ユーザは、製品の品質に影響を及ぼす要因を理解して加工装置１０に対して具体的な対応を実行でき、加工装置１０の状態を早期に改善できる。その結果、加工装置１０で加工される製品の品質が向上され得る。 (Summary)
As described above, the monitoring device 50 according to the present embodiment monitors the state of the processing device 10 based on the performance data acquired from the processing device 10. The monitoring device 50 inputs the performance data into the analysis model. The analysis model outputs at least one statistical value representing the state of the processing device 10. The monitoring device 50 acquires at least one statistical value from the analysis model, and determines whether the state of the processing device 10 is abnormal based on the at least one statistical value. When the monitoring device 50 determines that the state of the processing device 10 is abnormal, it identifies and outputs an item that causes the abnormality from among the items of the performance data as a cause item. The user performs a treatment on the processing device 10 based on the output cause item. In this way, the user can understand the factors that affect the quality of the product and take specific measures for the processing device 10, thereby improving the state of the processing device 10 at an early stage. As a result, the quality of the product processed by the processing device 10 can be improved.

（ワイヤーソー装置の状態の監視例）
加工装置１０がワイヤーソー装置である場合、監視装置５０の制御部５２は、以下に説明されるように装置の状態を監視する。ワイヤーソー装置は、円柱状のブロックを切断してスライスドウェーハを生成する。スライスドウェーハは、研磨等の後工程を経て製品のウェーハになる。ワイヤーソー装置の実績データである加工データは、装置各部の温度、ワイヤガイド（ガイドローラ３２及びローラ１４等）の位置、並びに、冷却水及びスラリーの流量を含むとする。また、ワイヤーソー装置の加工データは、加工したブロックの長さ、抵抗値、酸素濃度及び結晶方位のデータを含むとする。また、ワイヤーソー装置の加工データは、切断したウェーハ（スライスドウェーハ）のＷａｒｐ、うねり及び加工キズのデータを含むとする。制御部５２は、以上の各項目に基づいて解析モデルを生成する。 (Example of monitoring the status of a wire saw device)
When the processing device 10 is a wire saw device, the control unit 52 of the monitoring device 50 monitors the state of the device as described below. The wire saw device cuts a cylindrical block to generate sliced wafers. The sliced wafers become product wafers through post-processing such as polishing. The processing data, which is the performance data of the wire saw device, includes the temperature of each part of the device, the position of the wire guide (guide roller 32 and roller 14, etc.), and the flow rate of cooling water and slurry. The processing data of the wire saw device also includes data on the length, resistance value, oxygen concentration, and crystal orientation of the processed block. The processing data of the wire saw device also includes data on warps, undulations, and processing scratches of the cut wafers (sliced wafers). The control unit 52 generates an analysis model based on each of the above items.

図５に示されるように、ワイヤーソー装置は、ワークＷとしてのブロックを切断方向に沿って切断する。切断方向は、ワークＷの円柱形状の直径に沿っている。ワイヤーソー装置が１つのワークＷを切断するために所定の時間がかかる。ワイヤーソー装置が１つのワークＷを切断する期間は、複数の区間に分けられてよい。図５の例において、ワイヤーソー装置が１つのワークＷを切断する期間は、切り始めの第１区間から切り終わりの第６区間まで分けられる。制御部５２は、１つのワークＷを切断する期間全体にわたる加工データをまとめて取得してもよい。期間全体にわたる加工データは、ロットデータとも称される。制御部５２は、各区間に分けた加工データを取得してもよい。各区間に分けた加工データは、区間データとも称される。制御部５２は、図５の例において６つの区間それぞれの区間データを取得できる。 As shown in FIG. 5, the wire saw device cuts a block as a workpiece W along a cutting direction. The cutting direction is along the diameter of the cylindrical shape of the workpiece W. It takes a certain amount of time for the wire saw device to cut one workpiece W. The period during which the wire saw device cuts one workpiece W may be divided into multiple sections. In the example of FIG. 5, the period during which the wire saw device cuts one workpiece W is divided from a first section at the start of cutting to a sixth section at the end of cutting. The control unit 52 may acquire processing data for the entire period during which one workpiece W is cut all at once. The processing data for the entire period is also referred to as lot data. The control unit 52 may acquire processing data divided into each section. The processing data divided into each section is also referred to as section data. The control unit 52 can acquire section data for each of the six sections in the example of FIG. 5.

制御部５２は、教師データとして区間データを取得し、各区間に対応する解析モデルを生成する。各区間に対応する解析モデルは、区間モデルとも称される。仮に１つのワークＷを切断する全期間においてワイヤーソー装置が同じ状態であっても、ワイヤーソー装置の切り始めの第１区間と、ワイヤーソー装置が安定して切断を進める第２区間から第５区間までの各区間と、切り終わりの第６区間とそれぞれにおける加工データは異なり得る。各区間で異なる解析モデルを生成することによって、加工装置１０としてのワイヤーソー装置の各区間の状態の判定精度が高められ得る。 The control unit 52 acquires the section data as training data and generates an analysis model corresponding to each section. The analysis model corresponding to each section is also called a section model. Even if the wire saw device is in the same state throughout the entire period in which one workpiece W is cut, the processing data in each of the first section where the wire saw device starts cutting, the second to fifth sections where the wire saw device stably proceeds with cutting, and the sixth section where the cutting ends may differ. By generating a different analysis model for each section, the accuracy of determining the state of each section of the wire saw device as the processing device 10 can be improved.

制御部５２は、実績データとしてロットデータを取得する。制御部５２は、ロット実績データを各区間の区間データに分ける。制御部５２は、区間データを実績データとして区間モデルに入力して各区間の統計値を取得する。制御部５２は、各区間の統計値に基づいてワイヤーソー装置の状態を判定してよい。制御部５２は、少なくとも１つの区間の統計値が管理範囲外である場合、ワイヤーソー装置の状態が異常であると判定してもよい。 The control unit 52 acquires lot data as performance data. The control unit 52 divides the lot performance data into section data for each section. The control unit 52 inputs the section data as performance data into a section model to acquire statistical values for each section. The control unit 52 may determine the state of the wire saw device based on the statistical values for each section. The control unit 52 may determine that the state of the wire saw device is abnormal if the statistical value for at least one section is outside the management range.

制御部５２は、実績データとして、装置各部の温度、ワイヤガイド（ガイドローラ３２及びローラ１４等）の位置、冷却水及びスラリーの流量、並びに、加工したブロックの長さ、抵抗値、酸素濃度及び結晶方位のデータを解析モデルに入力する。制御部５２は、解析モデルからＴ２統計値及びＱ統計値の２つの統計値を取得する。制御部５２は、取得した統計値が管理範囲内であれば、ワイヤーソー装置の状態が正常であると判定する。制御部５２は、取得した統計値が管理範囲外であれば、原因項目を抽出して表示装置６０を通じてユーザに通知する。例えば原因項目としてワイヤガイドの位置が抽出された場合、ユーザは、現在のロットの加工の終了後にワイヤガイドの位置を調整するための準備をしておき、次のロットの加工の開始前にワイヤガイドの位置を調整する。ユーザがあらかじめ調整の準備をしておけることによって、ワイヤーソー装置の稼働率が高められ得る。 The control unit 52 inputs the temperature of each part of the device, the position of the wire guide (guide roller 32 and roller 14, etc.), the flow rate of the cooling water and the slurry, and the length, resistance value, oxygen concentration, and crystal orientation of the processed block as performance data into the analysis model. The control unit 52 acquires two statistical values, the T2 statistical value and the Q statistical value, from the analysis model. If the acquired statistical value is within the control range, the control unit 52 judges that the state of the wire saw device is normal. If the acquired statistical value is outside the control range, the control unit 52 extracts the cause item and notifies the user through the display device 60. For example, if the position of the wire guide is extracted as the cause item, the user prepares to adjust the position of the wire guide after the processing of the current lot is completed, and adjusts the position of the wire guide before the processing of the next lot is started. By allowing the user to prepare for the adjustment in advance, the operating rate of the wire saw device can be increased.

＜解析の対象とする区間の選択＞
制御部５２は、１つのロットを処理する期間に含まれる複数の区間データのうち、１つのロットを処理する期間の中間以前の区間の区間データを実績データとして解析モデルに入力して取得した統計値に基づいてワイヤーソー装置の状態を判定してよい。図５の例で第１区間から第３区間までが中間以前の区間に相当する。制御部５２は、中間以前の区間の区間データの統計値に基づいてワイヤーソー装置の状態が異常であると判定できた場合、次のロットの処理を開始するまでに十分な期間を確保してユーザに異常の情報を提供できる。ユーザは、次のロットの処理を開始する前にワイヤーソー装置に対する処置を実行する準備期間を確保できる。このようにすることで、ワイヤーソー装置の稼働率が高められ得る。 <Selection of the section to be analyzed>
The control unit 52 may determine the state of the wire saw device based on the statistical value obtained by inputting the section data of the section before the intermediate period of the period for processing one lot as actual data from among the multiple section data included in the period for processing one lot into the analysis model. In the example of FIG. 5, the first section to the third section correspond to the section before the intermediate period. When the control unit 52 can determine that the state of the wire saw device is abnormal based on the statistical value of the section data of the section before the intermediate period, it can provide the user with information on the abnormality by securing a sufficient period before starting the processing of the next lot. The user can secure a preparation period for performing a procedure on the wire saw device before starting the processing of the next lot. In this way, the operation rate of the wire saw device can be increased.

制御部５２は、ワイヤーソー装置が安定して切断を進める第２区間から第５区間までのうち最初の第２区間を解析のための区間としてよい。ワイヤーソー装置が安定して切断を進める区間における加工データのばらつきは、切り始めの区間における加工データのばらつきよりも小さくなり得る。ばらつきが小さい加工データを実績データとして統計値を算出してワイヤーソー装置の状態を判定することによって、判定精度が高められ得る。また、ばらつきが小さい加工データを教師データとして解析モデルを生成することによって、解析モデルの安定性が高められ得る。 The control unit 52 may use the first second section of the second to fifth sections in which the wire saw device stably cuts as the section for analysis. The variability of the processing data in the section in which the wire saw device stably cuts may be smaller than the variability of the processing data in the section at the start of cutting. The accuracy of the judgment may be improved by calculating statistical values using the processing data with small variance as actual data to judge the state of the wire saw device. In addition, the stability of the analysis model may be improved by generating an analysis model using the processing data with small variance as training data.

加工装置１０がワイヤーソー装置である場合、制御部５２は、複数の区間データのうちブロックの切断を所定距離だけ進める区間における区間データを実績データとして解析モデルに入力して少なくとも１つの統計値を取得してよい。制御部５２は、取得した少なくとも１つの統計値に基づいて加工装置１０の状態が異常であるか判定してよい。つまり、制御部５２は、ブロックの切断を所定距離だけ進める区間を、解析のための区間に対応づけてよい。 When the processing device 10 is a wire saw device, the control unit 52 may input section data of the multiple section data in a section in which the cutting of the block is advanced a predetermined distance into the analysis model as performance data to obtain at least one statistical value. The control unit 52 may determine whether the state of the processing device 10 is abnormal based on the obtained at least one statistical value. In other words, the control unit 52 may correspond to the section in which the cutting of the block is advanced a predetermined distance to the section for analysis.

解析のための区間は、ウェーハの特性に基づいて分けられてよい。例えば図５のＡ－Ａ断面に対応する図６に示されるように、ワイヤーソー装置でブロックを切断することによって生成されたウェーハは、切断方向に沿ってＷＳで表される表面の凹凸形状を有する。図６において、横軸はウェーハの切断方向に沿った位置に対応する。縦軸はウェーハの切断方向に沿った各位置におけるウェーハの高さに対応する。 The sections for analysis may be divided based on the characteristics of the wafer. For example, as shown in FIG. 6, which corresponds to the A-A cross section of FIG. 5, a wafer produced by cutting a block with a wire saw device has a surface irregularity represented by WS along the cutting direction. In FIG. 6, the horizontal axis corresponds to the position along the cutting direction of the wafer. The vertical axis corresponds to the height of the wafer at each position along the cutting direction of the wafer.

表面の切断方向に沿った形状は、切り始めの区間（Ｗ１）と、切り終わりの区間（Ｗ２）と、その間の区間（Ｗ０）とに分けて、各区間において平面に近似される。各区間において切断面の傾向が異なる。具体的に、中間の区間（Ｗ０）は、二点鎖線の直線（Ｌ０）で近似されている。切り始めの区間（Ｗ１）は、二点鎖線の直線（Ｌ１）で近似されている。切り終わりの区間（Ｗ２）は、二点鎖線の直線（Ｌ２）で近似されている。 The shape of the surface along the cutting direction is divided into a section where the cutting starts (W1), a section where the cutting ends (W2), and a section in between (W0), and each section is approximated by a plane. The cutting surface has a different tendency in each section. Specifically, the middle section (W0) is approximated by a straight line (L0) drawn with two dots and dashes. The section where the cutting starts (W1) is approximated by a straight line (L1) drawn with two dots and dashes. The section where the cutting ends (W2) is approximated by a straight line (L2) drawn with two dots and dashes.

切り始めの区間（Ｗ１）において、表面形状の高低差が算出される。切り始めの区間（Ｗ１）における表面形状の高低差は、切り始めの区間（Ｗ１）の表面形状の各点のうち近似線（Ｌ１）から見て上方に位置する点から近似線（Ｌ１）に対して下した垂線の長さの最大値と、近似線（Ｌ１）から見て下方に位置する点から近似線（Ｌ１）に対して下した垂線の長さの最大値との和として算出される。具体的に、図６において、切り始めの区間（Ｗ１）の表面形状のうち近似線（Ｌ１）から上下に最も離れている点を通り、かつ、近似線（Ｌ１）に平行な線が破線で表されている。切り始めの区間（Ｗ１）における表面形状の高低差は、上下の破線の距離として算出される。切り終わりの区間（Ｗ２）における表面形状の高低差は、切り終わりの区間（Ｗ２）の表面形状の各点のうち近似線（Ｌ２）から見て上方に位置する点から近似線（Ｌ２）に対して下した垂線の長さの最大値と、近似線（Ｌ２）から見て下方に位置する点から近似線（Ｌ２）に対して下した垂線の長さの最大値との和として算出される。具体的に、図６において、切り終わりの区間（Ｗ２）の表面形状のうち近似線（Ｌ２）から上下に最も離れている点を通り、かつ、近似線（Ｌ２）に平行な線が破線で表されている。切り終わりの区間（Ｗ２）における表面形状の高低差は、上下の破線の距離として算出される。 In the section (W1) at the beginning of the cut, the height difference of the surface shape is calculated. The height difference of the surface shape in the section (W1) at the beginning of the cut is calculated as the sum of the maximum length of the perpendicular line from the point located above the approximation line (L1) to the approximation line (L1) among the points of the surface shape in the section (W1) at the beginning of the cut to the approximation line (L1) and the maximum length of the perpendicular line from the point located below the approximation line (L1) to the approximation line (L1). Specifically, in FIG. 6, a line that passes through the point of the surface shape in the section (W1) at the beginning of the cut that is the furthest from the approximation line (L1) in the vertical direction and is parallel to the approximation line (L1) is represented by a dashed line. The height difference of the surface shape in the section (W1) at the beginning of the cut is calculated as the distance between the upper and lower dashed lines. The height difference of the surface shape in the section (W2) at the end of the cut is calculated as the sum of the maximum length of the perpendicular line drawn from the point located above the approximation line (L2) to the approximation line (L2) among the points of the surface shape in the section (W2) at the end of the cut to the approximation line (L2) and the maximum length of the perpendicular line drawn from the point located below the approximation line (L2) to the approximation line (L2). Specifically, in FIG. 6, a dashed line is shown passing through the point on the surface shape in the section (W2) at the end of the cut that is the furthest above and below the approximation line (L2) and is parallel to the approximation line (L2). The height difference of the surface shape in the section (W2) at the end of the cut is calculated as the distance between the upper and lower dashed lines.

制御部５２がブロックの切断を所定距離だけ進める区間を解析のための区間とする場合、所定距離は、ブロックを切断して得られたウェーハの特性を表す項目の値を算出する区間の長さに対応する。ウェーハの特性を表す項目は、ブロックを切断して得られたウェーハの切断開始時又は切断終了時における切断面の傾斜角に対応する。所定距離は、Ｗ１又はＷ２で表される区間の長さに対応する。制御部５２は、ウェーハの特性を表す項目の値を算出する区間の区間データについて算出した統計値に基づいてワイヤーソー装置の状態を判定してよい。このようにすることで、ワイヤーソー装置の状態の判定精度が高められ得る。その結果、製品の品質が高められ得る。 When the control unit 52 determines the section for analysis as the section in which the cutting of the block is advanced a predetermined distance, the predetermined distance corresponds to the length of the section for which values of items representing the characteristics of the wafer obtained by cutting the block are calculated. The items representing the characteristics of the wafer correspond to the inclination angle of the cut surface at the start or end of cutting of the wafer obtained by cutting the block. The predetermined distance corresponds to the length of the section represented by W1 or W2. The control unit 52 may determine the state of the wire saw device based on statistical values calculated for the section data of the section for which values of items representing the characteristics of the wafer are calculated. In this way, the accuracy of determining the state of the wire saw device can be improved. As a result, the quality of the product can be improved.

＜空運転時の加工データの解析＞
加工装置１０に対して部品交換又は清掃等のメンテナンス作業が実行され得る。メンテナンス作業が実行された加工装置１０の状態を確認するために、ワークＷを入れずに加工装置１０が運転されることがある。ワークＷを入れない運転は、空運転とも称される。 <Analysis of machining data during idle operation>
Maintenance work such as part replacement or cleaning may be performed on the processing device 10. In order to check the state of the processing device 10 after the maintenance work has been performed, the processing device 10 may be operated without the workpiece W being inserted. Operation without the workpiece W being inserted is also referred to as empty operation.

制御部５２は、加工装置１０が空運転しているときの加工データを教師データとして解析モデルを生成してよい。加工装置１０が空運転しているときの加工データは、空運転データとも称される。空運転データを教師データとして生成した解析モデルは、空運転モデルとも称される。また、制御部５２は、空運転データを実績データとして空運転モデルに入力して統計値を取得してよい。制御部５２は、空運転データの統計値に基づいて加工装置１０の状態を判定してよい。このようにすることで、メンテナンス作業の後でワークＷを入れて加工装置１０を動作させるときに生じる異常が回避されやすくなる。その結果、ワークＷの加工中の異常が回避されやすくなる。加工中の異常を回避することによって、製品の品質が向上し得る。 The control unit 52 may generate an analysis model using the processing data when the processing device 10 is running empty as teacher data. The processing data when the processing device 10 is running empty is also referred to as empty operation data. The analysis model generated using the empty operation data as teacher data is also referred to as an empty operation model. The control unit 52 may input the empty operation data as performance data into the empty operation model to obtain statistical values. The control unit 52 may determine the state of the processing device 10 based on the statistical values of the empty operation data. In this way, it becomes easier to avoid abnormalities that occur when the processing device 10 is operated with the workpiece W inserted after maintenance work. As a result, it becomes easier to avoid abnormalities during processing of the workpiece W. By avoiding abnormalities during processing, the quality of the product can be improved.

制御部５２は、加工装置１０の空運転の後に所定期間にわたって異常が発生しなかったときの空運転データを選択して教師データとして空運転モデルを生成してもよい。言い換えれば、制御部５２は、加工装置１０の空運転の後の所定期間以内に異常が発生した空運転データを除いた空運転データを教師データとして空運転モデルを生成してもよい。このようにすることで空運転モデルの安定性が高められ得る。 The control unit 52 may select the idle operation data when no abnormality occurs for a predetermined period of time after the processing device 10 is idled, and generate the idle operation model as teacher data. In other words, the control unit 52 may generate the idle operation model as teacher data, excluding the idle operation data in which an abnormality occurs within a predetermined period of time after the processing device 10 is idled. In this way, the stability of the idle operation model can be improved.

＜Ｑ統計値に基づくワイヤーソー装置の状態の監視例＞
制御部５２は、ワイヤーソー装置の各ロットのロットデータについて統計値を算出し、各ロットの統計値が管理範囲内か判定してよい。例えば図７及び図８にグラフとして示されるように、制御部５２は、各ロットのＱ統計値がＱ統計値の閾値（ＱＴＨ）未満であるか判定してよい。図７及び図８において、横軸はロットを表す。縦軸はＱ統計値を表す。図７のグラフは、図５の第１区間の区間データから算出した各ロットのＱ統計値を表す。図８のグラフは、図５の第２区間の区間データから算出した各ロットのＱ統計値を表す。 <Example of monitoring the state of a wire saw device based on Q statistics>
The control unit 52 may calculate a statistical value for the lot data of each lot of the wire saw device, and determine whether the statistical value of each lot is within the control range. For example, as shown as graphs in Figs. 7 and 8, the control unit 52 may determine whether the Q statistical value of each lot is less than a Q statistical value threshold (QTH). In Figs. 7 and 8, the horizontal axis represents the lot. The vertical axis represents the Q statistical value. The graph in Fig. 7 represents the Q statistical value of each lot calculated from the section data of the first section in Fig. 5. The graph in Fig. 8 represents the Q statistical value of each lot calculated from the section data of the second section in Fig. 5.

制御部５２は、Ｘ１で表されるロットに対応するＱ統計値について、図７に示される第１区間のＱ統計値及び図８に示される第２区間のＱ統計値の両方がＱＴＨ以上であると判定する。この場合、制御部５２は、Ｘ１で表されるロットを処理しているときのワイヤーソー装置の状態が異常であると判定してよい。また、制御部５２は、Ｘ２で表されるロットに対応するＱ統計値について、図７に示される第１区間のＱ統計値がＱＴＨ未満であるものの、図８に示される第２区間のＱ統計値がＱＴＨ以上であると判定する。この場合においても、制御部５２は、Ｘ１で表されるロットを処理しているときのワイヤーソー装置の状態が異常であると判定してよい。 The control unit 52 determines that, for the Q statistical value corresponding to the lot represented by X1, both the Q statistical value in the first section shown in FIG. 7 and the Q statistical value in the second section shown in FIG. 8 are equal to or greater than QTH. In this case, the control unit 52 may determine that the state of the wire saw device is abnormal when processing the lot represented by X1. The control unit 52 also determines that, for the Q statistical value corresponding to the lot represented by X2, the Q statistical value in the first section shown in FIG. 7 is less than QTH, but the Q statistical value in the second section shown in FIG. 8 is equal to or greater than QTH. In this case as well, the control unit 52 may determine that the state of the wire saw device is abnormal when processing the lot represented by X1.

制御部５２は、Ｑ統計値がＱＴＨ以上になったロットについて原因項目を抽出する。例えば、制御部５２は、Ｘ１で表されるロットについて原因項目をする。図９に示されるように、原因項目として、Ｆ１からＦ４までで表される４つの項目が抽出されるとする。図９の横軸は、各原因項目のＱ統計値の大きさを表す。制御部５２は、各原因項目のＱ統計値を表示装置６０に出力してもよいし、Ｑ統計値が所定値以上の原因項目を表示装置６０に出力してもよい。表示装置６０は、Ｑ統計値が大きい原因項目を表示し、ユーザに通知する。ユーザは、Ｑ統計値が大きい原因項目を確認してワイヤーソー装置に対する処置を決定して実行してよい。 The control unit 52 extracts cause items for lots whose Q statistics are equal to or greater than QTH. For example, the control unit 52 extracts cause items for lots represented by X1. As shown in FIG. 9, four cause items represented by F1 to F4 are extracted. The horizontal axis in FIG. 9 represents the magnitude of the Q statistics for each cause item. The control unit 52 may output the Q statistics for each cause item to the display device 60, or may output cause items whose Q statistics are equal to or greater than a predetermined value to the display device 60. The display device 60 displays cause items with large Q statistics and notifies the user. The user may check cause items with large Q statistics and decide and execute measures for the wire saw device.

ＱＴＨは、例えば過去の正常な装置状態におけるＱ値の平均値＋標準偏差の３倍（＋３σ）として設定されてよい。ＱＴＨは、これに限られず他の種々の値に設定されてよい。 QTH may be set, for example, as the average value of the Q value in past normal device conditions plus three times the standard deviation (+3σ). QTH is not limited to this and may be set to various other values.

（他の実施形態）
以下、他の実施形態が説明される。 Other Embodiments
Other embodiments are described below.

＜製品の合否判定＞
監視装置５０の制御部５２は、加工装置１０の実績データに基づいて、加工装置１０で加工して払い出した製品を最終工程まで完了したときの最終製品としての品質を推定できるように解析モデルを生成してもよい。制御部５２は、品質の推定結果に基づいて、加工装置１０で加工して払い出した製品が最終製品になったときに仕様を満たすかを推定してよい。つまり、制御部５２は、加工装置１０で加工して払い出した製品の最終的な合否を加工装置１０における実績データに基づいて推定してよい。 <Product pass/fail judgement>
The control unit 52 of the monitoring device 50 may generate an analysis model so as to estimate the quality of a final product when a product processed and discharged by the processing device 10 is completed up to the final process, based on the performance data of the processing device 10. The control unit 52 may estimate, based on the quality estimation result, whether the product processed and discharged by the processing device 10 will satisfy the specifications when it becomes a final product. In other words, the control unit 52 may estimate the final pass/fail of the product processed and discharged by the processing device 10, based on the performance data of the processing device 10.

監視装置５０は、実績データに基づいて、その実績データを取得した加工で払い出された製品が最終製品になったときに仕様を満たさないと推定した場合、加工装置１０の状態が異常であると判定してよい。最終製品がウェーハである場合、監視装置５０は、ウェーハの品質の推定結果が品質基準を満たさない場合に加工装置１０の状態が異常であると判定してよい。 When the monitoring device 50 estimates based on the performance data that the product discharged during the processing for which the performance data was obtained will not meet the specifications when it becomes a final product, the monitoring device 50 may determine that the condition of the processing device 10 is abnormal. When the final product is a wafer, the monitoring device 50 may determine that the condition of the processing device 10 is abnormal when the estimated result of the wafer quality does not meet the quality standard.

制御部５２は、例えば図５に例示される第１区間から第６区間までの各区間の区間データに基づいて最終製品としての品質を推定してよい。加工装置１０で加工して払い出した製品を最終工程まで完了したときの最終製品としての品質の推定結果について、実際に最終工程まで完了させて最終製品となったときに仕様を満たすかが確認された。各区間の区間データに基づく推定結果と実際の結果とが比較された。その結果、第１区間から第６区間までの各区間の区間データに基づく推定結果と実際の結果との一致率は、第１区間：９６％、第２区間：９９％、第３区間：９７％、第４区間：８７％、第５区間：９７％、第６区間：８１％であった。制御部５２は、第１区間から第３区間までの各区間の区間データに基づく推定によって加工装置１０の状態を判定した場合、９７～９９％の精度で正しく判定できるといえる。このデータによれば、１つのロットを処理する期間の中間以前の区間の区間データを実績データに基づいてワイヤーソー装置の状態を判定した場合の精度は、十分に高いといえる。したがって、ロットの処理の初期の段階で装置の状態を判断して次のロットの準備をできるという利点が強調され得る。 The control unit 52 may estimate the quality of the final product based on the section data of each section from the first section to the sixth section illustrated in FIG. 5, for example. The estimated quality of the final product when the product processed and discharged by the processing device 10 is completed to the final process was confirmed to satisfy the specifications when the final process is actually completed to become the final product. The estimated results based on the section data of each section were compared with the actual results. As a result, the agreement rate between the estimated results based on the section data of each section from the first section to the sixth section and the actual results was as follows: first section: 96%, second section: 99%, third section: 97%, fourth section: 87%, fifth section: 97%, sixth section: 81%. When the control unit 52 judges the state of the processing device 10 by estimation based on the section data of each section from the first section to the third section, it can be said that the judgment can be made correctly with an accuracy of 97 to 99%. According to this data, the accuracy of judging the state of the wire saw device based on the section data from before the middle of the period in which one lot is processed and the performance data is sufficiently high. Therefore, the advantage of being able to judge the state of the device at an early stage in the processing of a lot and prepare for the next lot can be emphasized.

＜ウェーハの製造方法及びウェーハ＞
本実施形態に係る監視装置５０が監視方法を実行することによって監視された加工装置１０は、製品を加工するために用いられる。加工装置１０が製品としてウェーハを加工することによって、ウェーハが製造される。したがって、監視装置５０が監視方法を実行することによって監視された加工装置１０でウェーハを加工するステップを含むウェーハの製造方法が実現される。また、監視装置５０が監視方法を実行することによって監視された加工装置１０で加工したウェーハが実現される。 <Wafer manufacturing method and wafer>
The processing apparatus 10 monitored by the monitoring apparatus 50 according to the present embodiment executing the monitoring method is used to process a product. The processing apparatus 10 processes a wafer as a product, thereby manufacturing the wafer. Therefore, a wafer manufacturing method including a step of processing a wafer by the processing apparatus 10 monitored by the monitoring apparatus 50 executing the monitoring method is realized. Furthermore, a wafer processed by the processing apparatus 10 monitored by the monitoring apparatus 50 executing the monitoring method is realized.

＜監視対象が加工する製品の例＞
本実施形態において、製品は、ウェーハであるとしたが、これに限られず工業部品又は材料等の種々の工業製品であってよいし、食品等の他の種々の製品であってもよい。 <Examples of products processed by the monitored entities>
In this embodiment, the product is a wafer, but the product is not limited to this and may be various industrial products such as industrial parts or materials, or various other products such as food.

＜装置構成例＞
監視システム１において、監視装置５０は、加工装置１０の一部に含まれてもよい。監視装置５０は、加工装置１０と互いに別体で構成されてもよい。 <Device configuration example>
In the monitoring system 1, the monitoring device 50 may be included as a part of the processing device 10. The monitoring device 50 may be configured separately from the processing device 10.

＜加工装置１０が研磨装置である場合の加工データの例＞
加工装置１０は、上述したようにワイヤーソー装置に限られない。加工装置１０がラッピング加工装置、ＳＭＰ（片面研磨装置）又はＤＳＰ（両面研磨装置）等の研磨装置である場合、実績データである加工データは、研磨液の温度、研磨液の流量、研磨圧力、又は水平方向の移動速度等を含んでよい。 <Example of Processing Data When Processing Apparatus 10 is a Polishing Apparatus>
As described above, the processing device 10 is not limited to a wire saw device. When the processing device 10 is a polishing device such as a lapping processing device, an SMP (single-sided polishing device), or a DSP (double-sided polishing device), the processing data, which is the performance data, may include the temperature of the polishing liquid, the flow rate of the polishing liquid, the polishing pressure, or the horizontal movement speed.

本開示に係る実施形態について、諸図面及び実施例に基づき説明してきたが、当業者であれば本開示に基づき種々の変形又は改変を行うことが可能であることに注意されたい。従って、これらの変形又は改変は本開示の範囲に含まれることに留意されたい。例えば、各構成部又は各ステップなどに含まれる機能などは論理的に矛盾しないように再配置可能であり、複数の構成部又はステップなどを１つに組み合わせたり、或いは分割したりすることが可能である。本開示に係る実施形態について装置を中心に説明してきたが、本開示に係る実施形態は装置の各構成部が実行するステップを含む方法としても実現し得るものである。本開示に係る実施形態は装置が備えるプロセッサにより実行される方法、プログラム、又はプログラムを記録した記憶媒体としても実現し得るものである。本開示の範囲にはこれらも包含されるものと理解されたい。 Although the embodiments of the present disclosure have been described based on the drawings and examples, it should be noted that those skilled in the art can make various modifications or alterations based on the present disclosure. Therefore, it should be noted that these modifications or alterations are included in the scope of the present disclosure. For example, the functions included in each component or step can be rearranged so as not to cause logical inconsistencies, and multiple components or steps can be combined into one or divided. Although the embodiments of the present disclosure have been described mainly with respect to the device, the embodiments of the present disclosure can also be realized as a method including steps executed by each component of the device. The embodiments of the present disclosure can also be realized as a method, a program, or a storage medium on which a program is recorded, executed by a processor provided in the device. It should be understood that these are also included in the scope of the present disclosure.

本開示に含まれるグラフは、模式的なものである。スケールなどは、現実のものと必ずしも一致しない。 The graphs contained in this disclosure are schematic. The scale etc. do not necessarily correspond to the real thing.

本開示に係る実施形態によれば、製品の品質が向上され得る。 Embodiments of the present disclosure can improve product quality.

１ 監視システム
１０ 加工装置（１２：ワイヤー、１４：ローラ、１６：ワイヤー群、１８：ワーク保持機構、２０：ノズル、３２：ガイドローラ、３３：ダンサアーム、３４：ダンサローラ、３５：タッチローラ、３６：駆動モータ、３８Ａ、３８Ｂ：ワイヤーリール、４０：スラリータンク、４２：スラリーチラー、Ｗ：ワーク（ブロック）、Ｘ：ローラ軸方向）
５０ 監視装置（５２：制御部、５４：記憶部）
６０ 表示装置 1 Monitoring system 10 Processing device (12: wire, 14: roller, 16: wire group, 18: work holding mechanism, 20: nozzle, 32: guide roller, 33: dancer arm, 34: dancer roller, 35: touch roller, 36: drive motor, 38A, 38B: wire reel, 40: slurry tank, 42: slurry chiller, W: work (block), X: roller axis direction)
50 Monitoring device (52: control unit, 54: storage unit)
60 Display device

Claims (15)

ブロック又はウェーハを加工する加工装置から取得した実績データに基づいて前記加工装置の状態を監視する監視方法であって、
前記実績データと前記加工装置の状態との関係を表すように前記加工装置の加工データを教師データとして用いて生成されたＰＬＳ（Partial Least Square regression）法に基づく解析モデルであって、前記教師データに含まれる説明変数の値と目的変数の値との関係に基づいて潜在変数が定義されている解析モデルに前記実績データを入力し、前記解析モデルから出力される前記加工装置の状態を表す少なくとも１つの統計値として前記潜在変数で規定される部分空間における前記実績データの位置を表すＴ２統計値を取得するステップと、
前記少なくとも１つの統計値に基づいて前記加工装置の状態が異常であるか判定するステップと、
前記加工装置の状態が異常であると判定した場合に前記実績データの項目の中から異常の原因となる項目を原因項目として特定して出力するステップと
を含む監視方法。 1. A monitoring method for monitoring a state of a processing device that processes a block or a wafer based on performance data acquired from the processing device, comprising:
a step of inputting the performance data into an analytical model based on a partial least square regression (PLS) method, which is generated by using the processing data of the processing device as teacher data so as to represent a relationship between the performance data and a state of the processing device, in which a latent variable is defined based on a relationship between a value of an explanatory variable included in the teacher data and a value of a target variable , and acquiring a T2 statistic value representing a position of the performance data in a subspace defined by the latent variable as at least one statistical value representing the state of the processing device output from the analytical model;
determining whether the condition of the processing device is abnormal based on the at least one statistical value;
and when it is determined that the state of the processing device is abnormal, identifying an item that causes the abnormality from among the items of the performance data as a cause item and outputting the identified item. 前記少なくとも１つの統計値として、前記潜在変数で規定される部分空間の直交補空間における前記実績データの位置を表すＱ統計値を取得するステップを更に含む、請求項１に記載の監視方法。The monitoring method according to claim 1 , further comprising the step of obtaining, as the at least one statistical value, a Q statistic value representing a position of the performance data in an orthogonal complement of a subspace defined by the latent variables. 前記少なくとも１つの統計値に基づいて前記ウェーハの品質を推定するステップと、
前記ウェーハの品質の推定結果が品質基準を満たさない場合に前記加工装置の状態が異常であると判定するステップと
を更に含む、請求項１又は２に記載の監視方法。 estimating a quality of the wafer based on the at least one statistical value; and
3. The monitoring method according to claim 1, further comprising the step of determining that a state of the processing equipment is abnormal when the estimated result of the quality of the wafer does not satisfy a quality standard. 前記加工装置が１つのロットを処理する期間におけるロットデータを取得するステップと、
前記ロットデータを、前記１つのロットを処理する期間を複数の区間に分けたそれぞれの区間における複数の区間データに分けるステップと、
前記解析モデルに前記実績データとして前記各区間データを入力し、前記各区間における前記加工装置の状態を表す少なくとも１つの統計値を取得するステップと
を更に含む、請求項１から３までのいずれか一項に記載の監視方法。 acquiring lot data during a period in which the processing device processes one lot;
dividing the lot data into a plurality of interval data for each interval obtained by dividing a period during which the one lot is processed into a plurality of intervals;
4. The monitoring method according to claim 1, further comprising the steps of: inputting the data for each section into the analysis model as the performance data; and acquiring at least one statistical value representing a state of the processing device in each section. ブロック又はウェーハを加工する加工装置から取得した実績データに基づいて前記加工装置の状態を監視する監視方法であって、
前記実績データと前記加工装置の状態との関係を表す解析モデルに前記実績データを入力し、前記解析モデルから出力される前記加工装置の状態を表す少なくとも１つの統計値を取得するステップと、
前記少なくとも１つの統計値に基づいて前記ウェーハの品質を推定するステップと、
前記ウェーハの品質の推定結果が品質基準を満たさない場合に前記加工装置の状態が異常であると判定するステップと、
前記加工装置の状態が異常であると判定した場合に前記実績データの項目の中から異常の原因となる項目を原因項目として特定して出力するステップと
を含む監視方法。 1. A monitoring method for monitoring a state of a processing device that processes a block or a wafer based on performance data acquired from the processing device, comprising:
inputting the performance data into an analytical model that represents a relationship between the performance data and a state of the processing device, and acquiring at least one statistical value that represents the state of the processing device and is output from the analytical model;
estimating a quality of the wafer based on the at least one statistical value; and
determining that the state of the processing device is abnormal when the estimated result of the quality of the wafer does not satisfy a quality standard ;
and when it is determined that the state of the processing device is abnormal, identifying an item that causes the abnormality from among the items of the performance data as a cause item and outputting the identified item. ブロックを切断するワイヤーソー装置である加工装置から取得した実績データに基づいて前記加工装置の状態を監視する監視方法であって、
前記加工装置が１つのロットを処理する期間におけるロットデータを取得するステップと、
前記ロットデータを、前記１つのロットを処理する期間を複数の区間に分けたそれぞれの区間における複数の区間データに分けるステップと、
前記実績データと前記加工装置の状態との関係を表す解析モデルに前記実績データとして前記各区間データを入力し、前記解析モデルから出力される前記各区間における前記加工装置の状態を表す少なくとも１つの統計値を取得するステップと、
前記複数の区間データのうち、前記ブロックの切断を所定距離だけ進める区間における区間データを前記解析モデルに入力して取得した少なくとも１つの統計値に基づいて前記加工装置の状態が異常であるか判定するステップと、
前記加工装置の状態が異常であると判定した場合に前記実績データの項目の中から異常の原因となる項目を原因項目として特定して出力するステップと
を含み、
前記所定距離は、前記ブロックを切断して得られたウェーハの特性を表す項目の値を算出する範囲の長さである、
監視方法。 A monitoring method for monitoring a state of a processing device , which is a wire saw device that cuts a block, based on performance data acquired from the processing device, comprising :
acquiring lot data during a period in which the processing device processes one lot;
dividing the lot data into a plurality of interval data for each interval obtained by dividing a period during which the one lot is processed into a plurality of intervals;
inputting the data for each section as the performance data into an analytical model that represents a relationship between the performance data and a state of the processing device, and acquiring at least one statistical value that represents the state of the processing device in each section and is output from the analytical model;
a step of inputting section data of the plurality of section data in a section in which cutting of the block proceeds by a predetermined distance into the analysis model and determining whether or not a state of the processing device is abnormal based on at least one statistical value acquired by the input data ;
and a step of identifying and outputting an item that is a cause of the abnormality from among the items of the performance data when it is determined that the state of the processing device is abnormal ,
The predetermined distance is a length of a range for calculating values of items representing characteristics of wafers obtained by cutting the block.
Monitoring methods. 前記ウェーハの特性を表す項目は、前記ブロックを切断して得られたウェーハの、切断開始時における切断面の傾斜角である、請求項６に記載の監視方法。 7. The monitoring method according to claim 6 , wherein the item representing the characteristic of the wafer is an inclination angle of a cut surface of the wafer obtained by cutting the block at the start of cutting. 前記各区間の加工データを教師データとして用いることによって前記各区間に対応する区間モデルを前記解析モデルとして生成し、前記区間モデルに前記区間データを入力するステップを更に含む、請求項６又は７に記載の監視方法。 The monitoring method according to claim 6 or 7 , further comprising the step of generating a section model corresponding to each of the sections as the analysis model by using the processed data of each of the sections as teacher data, and inputting the section data into the section model. 前記複数の区間データのうち、前記１つのロットを処理する期間の中間以前の区間における区間データを前記解析モデルに入力して取得した少なくとも１つの統計値に基づいて前記加工装置の状態が異常であるか判定するステップを更に含む、請求項６から８までのいずれか一項に記載の監視方法。 9. The monitoring method according to claim 6, further comprising a step of determining whether the state of the processing device is abnormal based on at least one statistical value acquired by inputting section data from the plurality of section data, the section data being in a section preceding a midpoint of a period for processing the one lot, into the analysis model. ブロック又はウェーハを加工する加工装置から取得した実績データに基づいて前記加工装置の状態を監視する監視方法であって、
前記加工装置が空運転する期間における実績データを空運転データとして取得するステップと、
前記実績データと前記加工装置の状態との関係を表す解析モデルに前記実績データとして前記空運転データを入力し、前記解析モデルから出力される空運転時における前記加工装置の状態を表す少なくとも１つの統計値を取得するステップと、
前記少なくとも１つの統計値に基づいて前記加工装置の状態が異常であるか判定するステップと、
前記加工装置の状態が異常であると判定した場合に前記実績データの項目の中から異常の原因となる項目を原因項目として特定して出力するステップと
を含む監視方法。 1. A monitoring method for monitoring a state of a processing device that processes a block or a wafer based on performance data acquired from the processing device, comprising:
A step of acquiring performance data during a period when the processing device is idle as idle operation data;
inputting the idle operation data as the performance data into an analysis model that represents a relationship between the performance data and a state of the processing device, and acquiring at least one statistical value that represents a state of the processing device during idle operation that is output from the analysis model;
determining whether the condition of the processing device is abnormal based on the at least one statistical value;
and when it is determined that the state of the processing device is abnormal, identifying an item that causes the abnormality from among the items of the performance data as a cause item and outputting the identified item. 前記空運転データを教師データとして用いることによって前記加工装置が空運転する期間に対応する空運転モデルを前記解析モデルとして生成するステップを更に含む、請求項１０に記載の監視方法。 The monitoring method according to claim 10, further comprising a step of generating an idle operation model corresponding to a period during which the processing device is idle, as the analysis model, by using the idle operation data as training data. 前記少なくとも１つの統計値が管理範囲外の値である場合に前記加工装置の状態が異常であると判定するステップを更に含む、請求項１から１１までのいずれか一項に記載の監視方法。 The monitoring method according to claim 1 , further comprising the step of determining that the state of the processing device is abnormal if the at least one statistical value is outside a control range. 請求項１から１２までのいずれか一項に記載の監視方法をプロセッサに実行させる監視プログラム。 A monitoring program that causes a processor to execute the monitoring method according to any one of claims 1 to 12 . 請求項１から１２までのいずれか一項に記載の監視方法を実行する制御部を備える監視装置。 A monitoring device comprising a control unit that executes the monitoring method according to any one of claims 1 to 12 . 請求項１から１２までのいずれか一項に記載の監視方法を実行することによって監視したウェーハの加工装置でウェーハを加工するステップを含む、ウェーハの製造方法。 A method for manufacturing a wafer, comprising the step of processing a wafer with a wafer processing device monitored by carrying out the monitoring method according to any one of claims 1 to 12 .
JP2021180420A 2021-11-04 2021-11-04 Monitoring method, monitoring program, monitoring device, wafer manufacturing method, and wafer Active JP7616020B2 (en)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2021180420A JP7616020B2 (en) 2021-11-04 2021-11-04 Monitoring method, monitoring program, monitoring device, wafer manufacturing method, and wafer
TW111134473A TWI812464B (en) 2021-11-04 2022-09-13 Monitoring method, monitoring program, method of fabricating wafer, and wafer
CN202211374037.1A CN116092973A (en) 2021-11-04 2022-11-04 Monitoring method, monitoring program, monitoring device, wafer manufacturing method, and wafer

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2021180420A JP7616020B2 (en) 2021-11-04 2021-11-04 Monitoring method, monitoring program, monitoring device, wafer manufacturing method, and wafer

Publications (2)

Publication Number Publication Date
JP2023068947A JP2023068947A (en) 2023-05-18
JP7616020B2 true JP7616020B2 (en) 2025-01-17

Family

ID=86205261

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2021180420A Active JP7616020B2 (en) 2021-11-04 2021-11-04 Monitoring method, monitoring program, monitoring device, wafer manufacturing method, and wafer

Country Status (3)

Country Link
JP (1) JP7616020B2 (en)
CN (1) CN116092973A (en)
TW (1) TWI812464B (en)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013035080A (en) 2011-08-04 2013-02-21 Toyo Advanced Technologies Co Ltd Wire saw
JP2015066677A (en) 2013-09-26 2015-04-13 ジルトロニック アクチエンゲゼルシャフトＳｉｌｔｒｏｎｉｃ ＡＧ Method for simultaneously cutting a multiplicity of wafers from workpiece
JP2015156433A (en) 2014-02-20 2015-08-27 株式会社Sumco Silicon wafer manufacturing method and silicon wafer
JP2018001301A (en) 2016-06-28 2018-01-11 株式会社小松製作所 Machine tool, work-piece manufacturing method, and processing system
JP2021163054A (en) 2020-03-31 2021-10-11 株式会社Sumco Status determination device, status determination method, and status determination program

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB1510299A (en) * 1975-07-07 1978-05-10 Verkstadstek Ab Method for adaptive control of machining operations
US7796801B2 (en) * 1999-08-26 2010-09-14 Nanogeometry Research Inc. Pattern inspection apparatus and method
KR100598381B1 (en) * 2004-06-18 2006-07-07 삼성전자주식회사 In-line type automatic wafer defect sorting device and control method
CN102053093A (en) * 2010-11-08 2011-05-11 北京大学深圳研究生院 Method for detecting surface defects of chip cut from wafer surface
JP6214889B2 (en) * 2013-03-14 2017-10-18 株式会社東芝 Process monitoring and diagnosis device
TWI641960B (en) * 2017-04-05 2018-11-21 敖翔科技股份有限公司 Intelligent pre-diagnosis system and method for designing layout failure risk
US12361531B2 (en) * 2019-05-22 2025-07-15 Applied Materials Israel Ltd. Machine learning-based classification of defects in a semiconductor specimen

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013035080A (en) 2011-08-04 2013-02-21 Toyo Advanced Technologies Co Ltd Wire saw
JP2015066677A (en) 2013-09-26 2015-04-13 ジルトロニック アクチエンゲゼルシャフトＳｉｌｔｒｏｎｉｃ ＡＧ Method for simultaneously cutting a multiplicity of wafers from workpiece
JP2015156433A (en) 2014-02-20 2015-08-27 株式会社Sumco Silicon wafer manufacturing method and silicon wafer
JP2018001301A (en) 2016-06-28 2018-01-11 株式会社小松製作所 Machine tool, work-piece manufacturing method, and processing system
US20190291228A1 (en) 2016-06-28 2019-09-26 Komatsu Ntc Ltd. Machine tool, machined-object manufacturing method, and machining system
JP2021163054A (en) 2020-03-31 2021-10-11 株式会社Sumco Status determination device, status determination method, and status determination program

Also Published As

Publication number Publication date
CN116092973A (en) 2023-05-09
TWI812464B (en) 2023-08-11
JP2023068947A (en) 2023-05-18
TW202321955A (en) 2023-06-01

Similar Documents

Publication Publication Date Title
US10268187B2 (en) Manufacturing cell machine management system based on component degree of consumption
US7558638B2 (en) Applying real-time control to a production system
US20170032283A1 (en) Machine learning unit, spindle replacement judging device, controller, machine tool, production system, and machine learning method, which are able to judge necessity of spindle replacement
JP6309936B2 (en) Control device with coolant monitoring function
JP6702297B2 (en) Abnormal state diagnosis method and abnormal state diagnosis device
CN105824304A (en) Flexible job shop dynamic scheduling method taking availability of machining equipment into consideration
JP7616020B2 (en) Monitoring method, monitoring program, monitoring device, wafer manufacturing method, and wafer
TW202144995A (en) System and method for fan failure detection and computer program product
EP4465135A1 (en) Method and device for manufacturing a series of parts on a production line taking into account quality data and carbon footprint
CN111768080B (en) A method and system for evaluating the completion progress of products in process
TWI769722B (en) State determination device, state determination method and state determination program
CN118963263B (en) High-efficiency synchronous device parameter adjustment method and system
Ghani Integration of FMECA and statistical snalysis for predictive maintenance
JP2014154094A (en) Quality analyzer of product in production line
JP7509117B2 (en) Monitoring method, monitoring program, monitoring device, wafer manufacturing method, and wafer
US20240316664A1 (en) Wire saw abnormality diagnosis device and method
US20230384759A1 (en) Information processing method and information processing device
CN116384876A (en) Dynamic Inventory of Spare Parts Based on Wiener Process-Production Control Method, System and Medium
TWI824444B (en) Status determination device and status determination method
JP7679787B2 (en) Maintenance management device, maintenance management method, and maintenance management program
JP7576748B2 (en) Maintenance work notification system and maintenance work notification method
JP2007281026A (en) Method of polishing semiconductor device
Creehan Establishing optimal maintenance practices in a traditional manufacturing environment
JP4825482B2 (en) Failure occurrence prediction device and failure occurrence prediction method
JP2021157639A (en) Maintenance management equipment, maintenance management methods, and maintenance management programs

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20231102

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20240926

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20241008

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20241121

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20241203

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20241216

R150 Certificate of patent or registration of utility model

Ref document number: 7616020

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150