WO2021199164A1 - 診断システム - Google Patents
診断システム Download PDFInfo
- Publication number
- WO2021199164A1 WO2021199164A1 PCT/JP2020/014580 JP2020014580W WO2021199164A1 WO 2021199164 A1 WO2021199164 A1 WO 2021199164A1 JP 2020014580 W JP2020014580 W JP 2020014580W WO 2021199164 A1 WO2021199164 A1 WO 2021199164A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- error
- sample
- computer system
- inspection
- learning
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0275—Fault isolation and identification, e.g. classify fault; estimate cause or root of failure
- G05B23/0281—Quantitative, e.g. mathematical distance; Clustering; Neural networks; Statistical analysis
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J37/00—Discharge tubes with provision for introducing objects or material to be exposed to the discharge, e.g. for the purpose of examination or processing thereof
- H01J37/02—Details
- H01J37/24—Circuit arrangements not adapted to a particular application of the tube and not otherwise provided for
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0264—Control of logging system, e.g. decision on which data to store; time-stamping measurements
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J37/00—Discharge tubes with provision for introducing objects or material to be exposed to the discharge, e.g. for the purpose of examination or processing thereof
- H01J37/26—Electron or ion microscopes; Electron or ion diffraction tubes
- H01J37/28—Electron or ion microscopes; Electron or ion diffraction tubes with scanning beams
Definitions
- the computer system 103 Based on the output of the CD-SEM and the information stored in the storage medium, the computer system 103 identifies the cause of the error generated in the CD-SEM, determines the reliability of the generated measurement recipe, diagnoses the sign of the error, and the like. do. The specific processing content will be described later.
- the dimensional measurement result of the pattern deviates from the predetermined allowable range
- the pattern itself may be deformed
- the dimensional measurement result is as a result of the edge being blurred due to a focus error or the like. It may also indicate an abnormal condition. Therefore, by performing the estimation process triggered by the fluctuation of the dimensional measurement result (that is, when the measurement accuracy deviates from the predetermined allowable range), the recipe etc. is optimized and the timing of the occurrence of the abnormal state caused by the device is specified. It becomes possible to do.
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Algebra (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
- Selective Calling Equipment (AREA)
- Air Bags (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
- Hardware Redundancy (AREA)
- Test And Diagnosis Of Digital Computers (AREA)
Abstract
Description
以下に、計測あるいは検査装置(以下では単に検査装置と呼ぶ)が発生するエラーの要因を、検査装置の装置条件、検査装置の検査条件、などを入力することによって出力するシステムについて説明する。また、装置条件等の入力に基づいて、エラー発生の予兆を検知する診断システムについて説明する。
実施形態1では、教師データを用いて学習器に学習させる構成例を説明した。これに代えて、正常時(非エラー発生時)のパラメータに基づいて、教師なし学習によって学習モデルを生成することも可能である。例えばコンピュータシステム103に格納された学習器は、定期的にあるいは他の処理と比較して相対的にエラーが発生し易い処理において、エラーが発生しなかったときのパラメータを保存して教師なし学習を実施する。教師なし学習によって学習された学習器は、エラーが発生しなかったときにおける処理の非エラー時スコアを生成し、出力する。また、学習器は教師なし学習により、エラー発生時におけるエラー時スコアを生成して出力する。
図19は、本開示の実施形態3に係る装置4100の構成図である。装置4100は1例として、CD-SEMとして構成されている。高真空に維持された筐体4124内に保持された電子源4101から放出された電子は、高圧電源4125により高圧電圧が印加された1次電子加速電極4126で加速される。電子ビーム4106(荷電粒子ビーム)は、収束用の電子レンズ4127で収束される。電子ビーム4106は絞り1828でビーム電流量を調節された後、走査コイル4129で偏向され、ウエハ4105上を2次元的に走査される。電子ビーム4106は試料である半導体ウエハ(以下、単にウエハ)4105の直上に配置された電子対物レンズ4130で絞られ焦点合わせがなされ、ウエハ4105に入射する。1次電子(電子ビーム1806)が入射した結果発生する2次電子4131は、2次電子検出器4132により検出される。検出される2次電子の量は、試料表面の形状を反映するので、2次電子の情報にもとづき表面の形状を画像化することができる。
本開示は、前述した実施形態に限定されるものではなく、様々な変形例が含まれる。例えば、上記した実施形態は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また、ある実施形態の構成の一部を他の実施形態の構成に置き換えることが可能であり、また、ある実施形態の構成に他の実施形態の構成を加えることも可能である。また、各実施形態の構成の一部について、他の構成の追加・削除・置換をすることが可能である。
100~102:CD-SEM
103:コンピュータシステム
105:計測レシピ記憶媒体
106:試料情報記憶媒体
113:ログ情報記憶媒体
114:設計データ記憶媒体
1901:学習モデル
4100:装置
4120:コンピュータシステム
Claims (18)
- 試料を計測または検査する装置の状態を診断する診断システムであって、
前記診断システムは、前記装置において生じたエラーの原因を推定するコンピュータシステムを備え、
前記コンピュータシステムは、
前記装置の動作を規定したレシピ、前記装置の状態を記述したログデータ、または前記試料の特性を記述した試料データのうち少なくともいずれかと、
前記エラーの種類と、
の間の対応関係を、機械学習によって学習する学習器を備え、
前記コンピュータシステムは、前記学習器が前記機械学習を実施した後、前記装置において前記エラーが発生した場合、
前記エラーが発生したとき前記装置が使用していた前記レシピ、前記エラーが発生したときにおける前記ログデータ、または前記エラーが発生したときにおける前記試料データのうち少なくともいずれか、
を前記学習器に対して投入することにより、前記エラーの原因のうち、前記レシピ、前記装置の状態、または前記試料の特性の少なくともいずれかに起因するものについての推定結果を、前記学習器の出力として取得し、その推定結果を出力する
ことを特徴とする診断システム。 - 前記学習器はさらに、
前記装置の動作を規定したレシピの変動分、前記装置の状態を記述したログデータの変動分、または前記試料の特性を記述した試料データの変動分のうち少なくともいずれかと、
前記装置の検査精度の変動分と、
の間の対応関係を学習し、
前記コンピュータシステムは、
新たな前記レシピ、新たな前記ログデータ、または新たな前記試料データのうち少なくともいずれか、
を前記学習器に対して投入することにより、前記装置の検査精度の変動分についての推定結果を、前記学習器の出力として取得し、その推定結果を出力する
ことを特徴とする請求項1記載の診断システム。 - 前記学習器はさらに、前記エラーが発生しなかったときにおける、
前記レシピ、前記ログデータ、または前記試料データのうち少なくともいずれか、
を前記エラーが発生しなかった旨とともに学習し、
前記学習器はさらに、前記エラーの種類とともに前記エラーの発生確率を学習し、
前記学習器はさらに、前記エラーが発生しなかった旨とともに前記エラーの不発生確率を学習し、
前記コンピュータシステムは、前記学習器が前記機械学習を実施した後、
前記レシピ、前記ログデータ、または前記試料データのうち少なくともいずれか、
を前記学習器に対して投入することにより、前記発生確率と前記不発生確率を、前記学習器の出力として取得し、
前記コンピュータシステムは、前記発生確率と前記不発生確率にしたがって、前記エラーが発生する予兆の程度を診断し、その診断結果を出力する
ことを特徴とする請求項1記載の診断システム。 - 前記コンピュータシステムは、前記エラーの原因の推定結果が既知の原因によるものである場合は、前記レシピまたは前記装置の状態のうち少なくともいずれかを修正した上で、前記装置から再検査結果を取得し、
前記コンピュータシステムは、前記再検査結果が正常である場合は、
前記再検査結果を取得する際に前記装置が使用していた前記レシピ、前記再検査結果を取得する際における前記ログデータ、または前記再検査結果を取得する際における前記試料データのうち少なくともいずれか、
を前記エラーが発生しなかった旨とともに再学習する
ことを特徴とする請求項1記載の診断システム。 - 前記コンピュータシステムは、前記再検査結果が前記エラーでありかつ前記エラーの原因の推定結果が既知の原因によるものでない場合は、エラー復旧処理を実施した上で、前記装置から前記再検査結果を改めて取得し、
前記コンピュータシステムは、前記改めて取得した再検査結果が正常である場合は、前記再学習を前記学習器に実施させる
ことを特徴とする請求項4記載の診断システム。 - 前記診断システムはさらに、前記レシピの経時変化、前記ログデータの経時変化、または前記試料データの経時変化のうち少なくともいずれかを記憶する記憶部を備え、
前記学習器は、
前記レシピの経時変化のうち経時変化量が閾値以上である部分、前記ログデータの経時変化のうち経時変化量が閾値以上である部分、または前記試料データの経時変化のうち経時変化量が閾値上である部分、の少なくともいずれかと、
前記発生確率または前記不発生確率のうち少なくともいずれかと、
の間の対応関係を学習し、
前記コンピュータシステムは、
前記レシピの経時変化、前記ログデータの経時変化、または前記試料データの経時変化のうち少なくともいずれか、
を前記学習器に対して投入することにより、前記発生確率と前記不発生確率を、前記学習器の出力として取得する
ことを特徴とする請求項3記載の診断システム。 - 前記学習器は、
前記レシピと前記エラーの種類との間の対応関係を学習する第1学習部、
前記ログデータと前記エラーの種類との間の対応関係を学習する第2学習部、
前記試料データと前記エラーの種類との間の対応関係を学習する第3学習部、
前記第1学習部による推定結果、前記第2学習部による推定結果、前記第3学習部による推定結果、前記エラーの種類、の間の対応関係を学習する第4学習部、
を備え、
前記学習器は、前記第1学習部、前記第2学習部、前記第3学習部、前記第4学習部それぞれによる推定結果を、前記学習器の出力として出力する
ことを特徴とする請求項1記載の診断システム。 - 前記装置は、前記試料の画像を取得する画像取得装置であり、
前記学習器は、前記レシピとして、
前記試料上の検査点の個数、前記検査点の前記試料上における座標、前記装置が前記試料を検査する前にあらかじめ取得した前記試料の画像、前記装置による検査条件、前記装置による検査シーケンス、
のうち少なくともいずれかを学習し、
前記学習器は、前記装置の状態として、
前記検査点を特定する際の基準となるアドレッシングパターンの座標、オートフォーカスの所要時間、自動輝度コントラスト調整を実施するときのゲイン値およびバイアス値、前記試料上に形成されているパターンの形状とサイズ、前記装置が備えているセンサの出力値、前記装置が備える部品に対して供給する電圧値と電流値、DAコンバータに対する制御信号、
のうち少なくともいずれかを学習し、
前記学習器は、前記試料の特性として、
前記試料の製造条件、前記試料上のパターンを形成する際に用いたレジストパターンをパターニングするために用いた露光機の種類、前記露光機の露光条件、前記レジストパターンの材料、前記レジストパターンの膜厚、前記レジストパターンの形状とサイズ、
のうち少なくともいずれかを学習する
ことを特徴とする請求項1記載の診断システム。 - 試料を計測または検査する装置の状態を診断する診断システムであって、
前記診断システムは、前記装置において生じたエラーの原因を推定するコンピュータシステムを備え、
前記コンピュータシステムは、前記装置が実施する検査処理の内容を記述した処理内容データ、前記装置による検査条件、前記装置の属性を記述した属性データ、のうち1つ以上の組み合わせを機械学習によってクラスタリングする学習器を備え、
前記コンピュータシステムは、前記学習器が前記機械学習を実施した後、前記装置において前記エラーが発生した場合、
前記エラーが発生したとき前記装置が実施していた前記検査処理の内容を記述した前記処理内容データ、前記エラーが発生したときにおける前記検査条件、前記属性データ、のうち1つ以上の第1組み合わせ、
を前記学習器に対して投入することにより、前記クラスタリングによって得られたクラスタのうちいずれかへ前記第1組み合わせを分類し、
前記コンピュータシステムは、前記分類の結果にしたがって、前記エラーが生じるか否かについての推定結果を取得し、その推定結果を出力する
ことを特徴とする診断システム。 - 前記装置は、前記試料の画像を取得する画像取得装置であり、
前記コンピュータシステムは、
前記エラーが発生せず、前記第1組み合わせが前記分類のうちいずれかへクラスタリングされ、かつ前記画像が正常であるときにおける前記第1組み合わせ、
を前記学習器に学習させることにより、前記エラーが発生せず、前記検査処理の内容と前記検査条件と前記属性がいずれも正常であり、かつ前記画像が正常である場合における前記第1組み合わせをクラスタリングする第1学習部を生成し、
前記コンピュータシステムは、新たな前記第1組み合わせが前記第1学習部によるクラスタリング結果のうちいずれかに分類されるか否かにしたがって、新たな前記第1組み合わせを用いたとき、前記エラーが発生せず、前記検査処理の内容と前記検査条件と前記属性がいずれも正常であり、かつ前記画像が正常となるか否かの推定結果を、前記第1学習部から取得する
ことを特徴とする請求項9記載の診断システム。 - 前記装置は、前記試料の画像を取得する画像取得装置であり、
前記コンピュータシステムは、
前記エラーが発生せず、前記第1組み合わせが前記分類のうちいずれかへクラスタリングされ、かつ前記画像が異常であるときにおける前記第1組み合わせ、
を前記学習器に学習させることにより、前記エラーが発生せず、前記検査処理の内容と前記検査条件と前記属性がいずれも正常であり、かつ前記画像が異常である場合における前記第1組み合わせをクラスタリングする第3学習部を生成し、
前記コンピュータシステムは、新たな前記第1組み合わせが前記第3学習部によるクラスタリング結果のうちいずれかに分類されるか否かにしたがって、新たな前記第1組み合わせを用いたとき、前記エラーが発生せず、前記検査処理の内容と前記検査条件と前記属性がいずれも正常であり、かつ前記画像が異常となるか否かの推定結果を、前記第3学習部から取得する
ことを特徴とする請求項9記載の診断システム。 - 前記コンピュータシステムは、前記エラーが発生せず、前記第1組み合わせが前記分類のうちいずれへもクラスタリングされなかった場合は、前記エラーを回避するためにあらかじめ規定しているリカバリ処理を前記装置に実施させ、
前記コンピュータシステムは、
前記エラーが発生せず、前記第1組み合わせが前記分類のうちいずれへもクラスタリングされず、かつ前記リカバリ処理によって前記エラーを回避できたときにおける前記第1組み合わせ、
を前記学習器に学習させることにより、前記エラーが発生せず、前記検査処理の内容と前記検査条件と前記属性のうち少なくともいずれかが異常であり、かつ前記リカバリ処理において用いた前記検査処理の内容と前記検査条件と前記属性が正常である場合における前記第1組み合わせをクラスタリングする第2学習部を生成し、
前記コンピュータシステムは、新たな前記第1組み合わせが前記第2学習部によるクラスタリング結果のうちいずれかに分類されるか否かにしたがって、新たな前記第1組み合わせを用いたとき、前記エラーが発生せず、前記検査処理の内容と前記検査条件と前記属性のうち少なくともいずれかが異常であり、かつ前記リカバリ処理において用いた前記検査処理の内容と前記検査条件と前記属性が正常となるか否かの推定結果を、前記第2学習部から取得する
ことを特徴とする請求項9記載の診断システム。 - 前記コンピュータシステムは、前記エラーが発生せず、前記第1組み合わせが前記分類のうちいずれへもクラスタリングされなかった場合は、前記エラーを回避するためにあらかじめ規定しているリカバリ処理を前記装置に実施させ、
前記コンピュータシステムは、
前記エラーが発生せず、前記第1組み合わせが前記分類のうちいずれへもクラスタリングされず、かつ前記リカバリ処理によって前記エラーを回避できなかったときにおける前記第1組み合わせ、
を前記学習器に学習させることにより、前記エラーが発生せず、前記検査処理の内容と前記検査条件と前記属性のうち少なくともいずれかが異常であり、かつ前記リカバリ処理において用いた前記検査処理の内容と前記検査条件と前記属性のうち少なくともいずれかが異常である場合における前記第1組み合わせをクラスタリングする第4学習部を生成し、
前記コンピュータシステムは、新たな前記第1組み合わせが前記第4学習部によるクラスタリング結果のうちいずれかに分類されるか否かにしたがって、新たな前記第1組み合わせを用いたとき、前記エラーが発生せず、前記検査処理の内容と前記検査条件と前記属性のうち少なくともいずれかが異常であり、かつ前記リカバリ処理において用いた前記検査処理の内容と前記検査条件と前記属性のうち少なくともいずれかが異常となるか否かの推定結果を、前記第4学習部から取得する
ことを特徴とする請求項9記載の診断システム。 - 前記装置は、前記試料の画像を取得する画像取得装置であり、
前記学習器は、前記検査処理の内容として、
前記試料を載置するステージの座標系と前記装置の座標系を位置合わせするアライメント、前記試料上の検査点へ検査位置を移動させるアドレッシング、オートフォーカス機構の調整、自動非点補正、自動輝度コントラスト調整、
のうち少なくともいずれかを学習し、
前記学習器は、前記検査条件として、
前記アドレッシングの際に取得する視野サイズ、前記オートフォーカス機構の調整時に取得する画像数、前記画像のフレーム積算数、前記オートフォーカス機構の調整時に用いる前記試料上の形状パターンと検査点との間の距離、前記オートフォーカス機構の調整時に用いる前記試料上の形状パターンと検査点との間の相対方向、レンズ条件、
のうち少なくともいずれかを学習し、
前記学習器は、前記装置の属性として、
前記装置の識別子、前記装置が設置されている環境の特性、
のうち少なくともいずれかを学習する
ことを特徴とする請求項9記載の診断システム。 - 試料に対して荷電粒子ビームを照射する荷電粒子線装置を診断する診断システムであって、
前記荷電粒子ビームが前記試料の同じ位置に対して繰り返し照射されるか否かを診断するコンピュータシステムを備え、
前記コンピュータシステムは、
第1荷電粒子ビームを走査して第1試料の複数の検査点を検査する第1荷電粒子線装置が、前記第1試料の検査において前記第1試料を移動させる第1移動機構の移動軌跡を記録した第1トラッキング情報と、
第2荷電粒子ビームを走査して第2試料の複数の検査点を検査する第2荷電粒子線装置が、前記第2試料の検査において前記第2試料を移動させる第2移動機構の移動軌跡を記録した第2トラッキング情報と、
に基づいて、前記第1および第2荷電粒子線装置がともに使用する検査レシピの検査用ビーム走査領域を決定する
ことを特徴とする診断システム。 - 前記コンピュータシステムは、前記試料を載置するステージの位置決め精度の変動幅を記述したトラッキングデータを、同一機種の複数の前記荷電粒子線装置からそれぞれ取得し、
前記コンピュータシステムは、各前記荷電粒子線装置から取得した前記トラッキングデータが記述している前記変動幅にしたがって、各前記荷電粒子線装置が同じ動作を実施したとき前記試料上の同じ位置に対して前記荷電粒子ビームが許容回数以上繰り返し照射されるか否かを判断し、
前記コンピュータシステムは、前記判断の結果を出力する
ことを特徴とする請求項15記載の診断システム。 - 前記第1トラッキング情報は、前記第1移動機構が前記第1試料を位置決めするときの位置変動幅の履歴を記述しており、
前記第2トラッキング情報は、前記第2移動機構が前記第2試料を位置決めするときの位置変動幅の履歴を記述しており、
前記コンピュータシステムは、前記第1トラッキング情報が記述している位置変動幅の履歴にしたがって、前記第1移動機構による位置決めの最大変動幅を第1変動幅として計算し、
前記コンピュータシステムは、前記第2トラッキング情報が記述している位置変動幅の履歴にしたがって、前記第2移動機構による位置決めの最大変動幅を第2変動幅として計算し、
前記コンピュータシステムは、前記第1変動幅と前記第2変動幅が前記試料上において重なるか否かにしたがって、前記第1荷電粒子線装置と前記第2荷電粒子線装置が同じ動作を実施したとき前記試料上の同じ位置に対して前記荷電粒子ビームが許容回数以上繰り返し照射されるか否かを判断する
ことを特徴とする請求項15記載の診断システム。 - 前記第1トラッキング情報は、前記第1移動機構の移動軌跡の経時的変化を記述しており、
前記第2トラッキング情報は、前記第2移動機構の移動軌跡の経時的変化を記述しており、
前記コンピュータシステムは、前記第1トラッキング情報が記述している前記第1移動機構の移動軌跡の経時的変化にしたがって、前記第1移動機構の移動軌跡の変化を予測し、
前記コンピュータシステムは、前記第2トラッキング情報が記述している前記第2移動機構の移動軌跡の経時的変化にしたがって、前記第2移動機構の移動軌跡の変化を予測し、
前記コンピュータシステムは、前記予測した前記第1移動機構の移動軌跡の変化と、前記予測した前記第2移動機構の移動軌跡の変化とが前記試料上において重なるか否かにしたがって、前記第1荷電粒子線装置と前記第2荷電粒子線装置が同じ動作を実施したとき前記試料上の同じ位置に対して前記荷電粒子ビームが許容回数以上繰り返し照射されるか否かを判断する
ことを特徴とする請求項15記載の診断システム。
Priority Applications (7)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/907,921 US11899437B2 (en) | 2020-03-30 | 2020-03-30 | Diagnostic system |
KR1020227029393A KR20220132604A (ko) | 2020-03-30 | 2020-03-30 | 진단 시스템 |
JP2022512905A JP7298016B2 (ja) | 2020-03-30 | 2020-03-30 | 診断システム |
CN202080097490.5A CN115176327A (zh) | 2020-03-30 | 2020-03-30 | 诊断系统 |
PCT/JP2020/014580 WO2021199164A1 (ja) | 2020-03-30 | 2020-03-30 | 診断システム |
TW111138146A TWI822382B (zh) | 2020-03-30 | 2021-02-05 | 診斷系統、診斷方法、及電腦程式 |
TW110104409A TWI783368B (zh) | 2020-03-30 | 2021-02-05 | 診斷系統 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2020/014580 WO2021199164A1 (ja) | 2020-03-30 | 2020-03-30 | 診断システム |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2021199164A1 true WO2021199164A1 (ja) | 2021-10-07 |
Family
ID=77930203
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/JP2020/014580 WO2021199164A1 (ja) | 2020-03-30 | 2020-03-30 | 診断システム |
Country Status (6)
Country | Link |
---|---|
US (1) | US11899437B2 (ja) |
JP (1) | JP7298016B2 (ja) |
KR (1) | KR20220132604A (ja) |
CN (1) | CN115176327A (ja) |
TW (2) | TWI783368B (ja) |
WO (1) | WO2021199164A1 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP4332707A1 (en) * | 2022-09-02 | 2024-03-06 | Yokogawa Electric Corporation | Apparatus, method and programme for processing information |
WO2024105811A1 (ja) * | 2022-11-16 | 2024-05-23 | 株式会社日立ハイテク | エラー要因解析装置、および、エラー要因解析方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20230336470A1 (en) * | 2022-04-14 | 2023-10-19 | Ali Munir | Methods and systems for predicting sudden changes in datacenter networks |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010087070A (ja) * | 2008-09-30 | 2010-04-15 | Hitachi High-Technologies Corp | 走査電子顕微鏡に用いられるレシピの診断装置 |
JP2010092632A (ja) * | 2008-10-06 | 2010-04-22 | Hitachi High-Technologies Corp | 荷電粒子線の調整方法、及び荷電粒子線装置 |
JP2020042398A (ja) * | 2018-09-07 | 2020-03-19 | ルネサスエレクトロニクス株式会社 | 半導体装置及び解析システム |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1116967A (ja) * | 1997-06-26 | 1999-01-22 | Hitachi Ltd | 試料検査装置 |
JP2001165876A (ja) * | 1999-12-14 | 2001-06-22 | Mitsubishi Electric Corp | 検査装置および検査方法 |
WO2002091248A1 (en) | 2001-05-04 | 2002-11-14 | Therma-Wave, Inc. | Systems and methods for metrology recipe and model generation |
AU2003290752A1 (en) * | 2002-11-12 | 2004-06-03 | Fei Company | Defect analyzer |
JP5180428B2 (ja) * | 2005-06-21 | 2013-04-10 | 株式会社日立ハイテクノロジーズ | 走査型電子顕微鏡用撮像レシピ作成装置及びその方法並びに半導体パターンの形状評価装置 |
US8396582B2 (en) * | 2008-03-08 | 2013-03-12 | Tokyo Electron Limited | Method and apparatus for self-learning and self-improving a semiconductor manufacturing tool |
US8078552B2 (en) | 2008-03-08 | 2011-12-13 | Tokyo Electron Limited | Autonomous adaptive system and method for improving semiconductor manufacturing quality |
JP5255953B2 (ja) * | 2008-08-28 | 2013-08-07 | 株式会社日立ハイテクノロジーズ | 欠陥検査方法及び装置 |
US9727049B2 (en) | 2012-09-04 | 2017-08-08 | Taiwan Semiconductor Manufacturing Company, Ltd. | Qualitative fault detection and classification system for tool condition monitoring and associated methods |
CN109075090B (zh) * | 2016-06-27 | 2020-11-06 | 科磊股份有限公司 | 用于测量图案放置及图案大小的设备及方法及其计算机程序 |
US10365617B2 (en) | 2016-12-12 | 2019-07-30 | Dmo Systems Limited | Auto defect screening using adaptive machine learning in semiconductor device manufacturing flow |
US10565702B2 (en) * | 2017-01-30 | 2020-02-18 | Dongfang Jingyuan Electron Limited | Dynamic updates for the inspection of integrated circuits |
JP6731370B2 (ja) * | 2017-03-27 | 2020-07-29 | 株式会社日立ハイテク | 画像処理システム及び画像処理を行うためのコンピュータープログラム |
US10360671B2 (en) | 2017-07-11 | 2019-07-23 | Kla-Tencor Corporation | Tool health monitoring and matching |
CN112074940A (zh) | 2018-03-20 | 2020-12-11 | 东京毅力科创株式会社 | 结合有集成半导体加工模块的自感知校正异构平台及其使用方法 |
JP7144244B2 (ja) * | 2018-08-31 | 2022-09-29 | 株式会社日立ハイテク | パターン検査システム |
KR20220034196A (ko) * | 2019-09-06 | 2022-03-17 | 주식회사 히타치하이테크 | 레시피 정보 제시 시스템, 레시피 에러 추정 시스템 |
-
2020
- 2020-03-30 WO PCT/JP2020/014580 patent/WO2021199164A1/ja active Application Filing
- 2020-03-30 CN CN202080097490.5A patent/CN115176327A/zh active Pending
- 2020-03-30 US US17/907,921 patent/US11899437B2/en active Active
- 2020-03-30 KR KR1020227029393A patent/KR20220132604A/ko unknown
- 2020-03-30 JP JP2022512905A patent/JP7298016B2/ja active Active
-
2021
- 2021-02-05 TW TW110104409A patent/TWI783368B/zh active
- 2021-02-05 TW TW111138146A patent/TWI822382B/zh active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010087070A (ja) * | 2008-09-30 | 2010-04-15 | Hitachi High-Technologies Corp | 走査電子顕微鏡に用いられるレシピの診断装置 |
JP2010092632A (ja) * | 2008-10-06 | 2010-04-22 | Hitachi High-Technologies Corp | 荷電粒子線の調整方法、及び荷電粒子線装置 |
JP2020042398A (ja) * | 2018-09-07 | 2020-03-19 | ルネサスエレクトロニクス株式会社 | 半導体装置及び解析システム |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP4332707A1 (en) * | 2022-09-02 | 2024-03-06 | Yokogawa Electric Corporation | Apparatus, method and programme for processing information |
WO2024105811A1 (ja) * | 2022-11-16 | 2024-05-23 | 株式会社日立ハイテク | エラー要因解析装置、および、エラー要因解析方法 |
Also Published As
Publication number | Publication date |
---|---|
JP7298016B2 (ja) | 2023-06-26 |
US20230095532A1 (en) | 2023-03-30 |
TW202137261A (zh) | 2021-10-01 |
TWI822382B (zh) | 2023-11-11 |
JPWO2021199164A1 (ja) | 2021-10-07 |
US11899437B2 (en) | 2024-02-13 |
TWI783368B (zh) | 2022-11-11 |
CN115176327A (zh) | 2022-10-11 |
TW202307894A (zh) | 2023-02-16 |
KR20220132604A (ko) | 2022-09-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI783368B (zh) | 診斷系統 | |
JP4312910B2 (ja) | レビューsem | |
US8547429B2 (en) | Apparatus and method for monitoring semiconductor device manufacturing process | |
JP5608575B2 (ja) | 画像分類方法および画像分類装置 | |
TWI475597B (zh) | Pattern evaluation method and pattern evaluation device | |
US8355559B2 (en) | Method and apparatus for reviewing defects | |
US7656171B2 (en) | Method and apparatus for reviewing defects by detecting images having voltage contrast | |
WO2014119124A1 (ja) | 欠陥観察方法および欠陥観察装置 | |
JP5069904B2 (ja) | 指定位置特定方法及び指定位置測定装置 | |
US20020056808A1 (en) | Method and apparatus for charged particle beam microscopy | |
US20150146967A1 (en) | Pattern evaluation device and pattern evaluation method | |
TW201725381A (zh) | 於樣品上判定所關注圖案之一或多個特性 | |
JP2011222622A (ja) | 検査方法およびその装置 | |
US11562882B2 (en) | Scanning electron microscope | |
KR100289271B1 (ko) | 메모리 엘에스아이 용 특정 부분 검색방법 및 장치 | |
KR101128558B1 (ko) | 측정 시스템 및 방법 | |
JP4287863B2 (ja) | レビューsem | |
US20090041334A1 (en) | Pattern inspection method, pattern inspection apparatus and semiconductor device manufacturing method | |
JP5036889B2 (ja) | レビューsem | |
JP4677701B2 (ja) | パターン検査方法及び検査結果確認装置 | |
JP4745380B2 (ja) | レビューsem | |
JP5163731B2 (ja) | 欠陥候補の画像表示方法 | |
JP5583962B2 (ja) | 荷電粒子線装置 | |
WO2019181057A1 (ja) | 不具合要因探索装置 | |
JP2020204497A (ja) | 検査装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 20929481 Country of ref document: EP Kind code of ref document: A1 |
|
ENP | Entry into the national phase |
Ref document number: 2022512905 Country of ref document: JP Kind code of ref document: A |
|
ENP | Entry into the national phase |
Ref document number: 20227029393 Country of ref document: KR Kind code of ref document: A |
|
NENP | Non-entry into the national phase |
Ref country code: DE |
|
122 | Ep: pct application non-entry in european phase |
Ref document number: 20929481 Country of ref document: EP Kind code of ref document: A1 |