CN101852741A - 缺陷诊断及管理的方法 - Google Patents
缺陷诊断及管理的方法 Download PDFInfo
- Publication number
- CN101852741A CN101852741A CN200910134101A CN200910134101A CN101852741A CN 101852741 A CN101852741 A CN 101852741A CN 200910134101 A CN200910134101 A CN 200910134101A CN 200910134101 A CN200910134101 A CN 200910134101A CN 101852741 A CN101852741 A CN 101852741A
- Authority
- CN
- China
- Prior art keywords
- defective
- defect
- data
- management
- diagonsis
- 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.)
- Pending
Links
Images
Abstract
本发明公开了一种缺陷诊断及管理的方法,其应用于一物体的制造流程中,该方法包括步骤如下:得到该物体的一检验影像图,该检验影像图显示该物体的至少一个缺陷;搜寻对应于该检验影像图的一设计规划图,该设计规划图具有多个导电区域;比对该检验影像图及该设计规划图来校正该缺陷在该设计规划图上的坐标;以及判断该缺陷与该导电区域的重叠量来判定该缺陷是否导致一断路错误或一短路错误。借此,缺陷于设计规划图的正确坐标可被找到,使得缺陷可进一步被判定是否会导致错误。
Description
技术领域
本发明为一种缺陷诊断及管理的方法,尤指一种诊断及管理一物体于制造过程所产生的缺陷的方法。
背景技术
半导体(semiconductor)、电路板(PC circuit board)、光罩(mask)、平面显示器(flat panel display)或是太阳能电池(solar cell)等的制造流程通常包括薄膜沉积(film deposition)、光微影(photo lithography)、蚀刻(etching)等。在此制造流程中,会产生一些缺陷(defect),该缺陷可能为随机缺陷(random defect)或是系统缺陷(systematic defect)。而这些缺陷的产生来自于不同的原因,例如设备异常、工具裂缝、制造环境中的杂质或是设计规划图(design layout)的缺失等。
部分的缺陷会导致该制造流程的良率(yield)损失,这些缺陷被称为严重缺陷(killing defect)。严重缺陷会让半导体或是电路板具有断路错误(openfailure)或是短路错误(short failure),断路错误意指该缺陷让半导体或电路板的导线断路,而短路缺陷意指该缺陷让半导体或电路板的导线之间短路。该严重错误最终会让半导体变成不良的芯片,或是让电路板变成不良的板等。所以当严重缺陷时常产生时,良率将会损失,制造流程的花费将会提高。
因此,当缺陷产生,实时地处理该缺陷为一重要的事,并且要能进一步解析缺陷对于制造设备的影像,或是辨别出设计规划图是否有弱点。
在处理缺陷的时候,常使用一缺陷扫瞄及检验机(defect scan andinspection tool)来监测制造流程中产生的缺陷,该缺陷扫瞄及检验机在每天的制造流程都会被大量地使用。而检阅该缺陷扫瞄及检验机所产生的缺陷数据则是几乎仰赖于人力,但是无论是在半导体或是电路板的制造上,人力检阅是件无效率的事。因为由人力检阅缺陷数据的过程较为缓慢及冗长,每天几乎只有少部分的缺陷数据会被送至工程师来做检阅。因此,很多潜在的严重缺陷容易地被忽略掉。
甚至,只有在缺陷数据被工程师检阅的情况下,潜在的异常的设备才会被发现,否则该异常的设备会一直被忽略。当设备异常的情形维持一较长的时间后,将容易导致大量的良率损失。
发明内容
本发明的主要目的在于提供一种诊断及管理缺陷的方法,其能够诊断及管理一物体于制造流程中所产生的缺陷,并且其能够整合设备的侦错维护、制造流程的改善,以及实验设计的分析等。
为达上述目的,本发明提供一种缺陷诊断及管理的方法,其应用于一物体的制造流程中,该方法包括步骤如下:得到该物体的一检验影像图,该检验影像图显示该物体的至少一个缺陷;搜寻对应于该检验影像图的一设计规划图,该设计规划图具有多个导电区域;比对该检验影像图及该设计规划图来校正该缺陷在该设计规划图上的坐标;以及判断该缺陷与该导电区域的重叠量来判定该缺陷是否导致一断路错误或一短路错误。
当该缺陷覆盖其中两个的该导电区域,该缺陷导致一短路错误;当该缺陷截断其中一个的该导电区域,该缺陷导致一断路错误。
所述的缺陷诊断及管理的方法,更包括步骤如下:
辨别该缺陷为一系统缺陷或一随机缺陷。
所述的缺陷诊断及管理的方法,更包括重复该步骤于多个不同的检验影像图。
所述的缺陷诊断及管理的方法,更包括步骤如下:
收集该缺陷的数据以形成一缺陷数据库;
产生一缺陷产生报告。
所述的缺陷诊断及管理的方法,更包括步骤如下:
从该缺陷数据库取得该缺陷的数据;
对该制造流程的至少一设备执行一错误侦测及分类分析;
找出该设备的至少一个异常的错误侦测及分类参数;
修复至少一个故障的设备零件,该故障的设备零件引发该异常的错误侦测及分类参数。
所述的缺陷诊断及管理的方法,更包括步骤如下:
从该缺陷数据库取得该缺陷的数据;
从该缺陷的数据搜寻该系统缺陷;
搜寻对应该系统缺陷的多数个可能原因;
对该可能原因及该系统缺陷执行一统计分析;
从该可能原因中找寻至少一个关键原因,该关键原因实质地影响该系统缺陷;
改善该关键原因以减少该系统缺陷。
所述的缺陷诊断及管理的方法,更包括步骤如下:
从该缺陷数据库取得该缺陷的数据;
取得多个错误侦测及分类参数;
对该错误侦测及分类参数及该缺陷数据执行一统计分析;
调整该错误侦测及分类参数以减少该断路错误、该短路错误或是该系统缺陷。
所述的缺陷诊断及管理的方法,更包括步骤如下:
从该缺陷数据库取得该缺陷的数据;
取得至少一设备零件的一库存历史数据,该库存历史数据包含该设备零件的不同来源的信息;
分析该库存历史数据及该缺陷数据来找出该设备零件的不同来源的良率损失;
辨别出该设备零件的哪一个来源对于该制造流程而言为经济的。
所述的缺陷诊断及管理的方法,更包括步骤如下:
取得该制造流程的多个输出结果;
取得该制造流程的多个流程参数;
从该缺陷数据库取得该缺陷的数据;
对该输出结果、该流程参数及该缺陷的数据执行一实验设计的分析;
调整该流程参数。
本发明具有以下有益效果:
1.该检验影像图是由一缺陷扫瞄及检验机所产生,而该缺陷扫瞄及检验机并无法提供该缺陷在该设计规划图上的正确坐标,所以导致该缺陷在设计规划图上的位置与正确位置有一段误差。而本发明的方法藉由比对该检验影像图及该设计规划图来校正该误差,使得该缺陷在该设计规划图上的正确位置可被找到,该缺陷才可被判定为断路错误、短路错误或是无错误。
2.该检测影像的缺陷可由一机器、系统或计算机自动地比对、检阅,所以缺陷的判定可在短时间内达成。因此,制造流程中所产生的每一个缺陷都可被检阅及判定,确保无任何潜在错误会被忽略。
3.本发明的方法进一步将缺陷的数据与设备的维护、制造流程的改善及实验设计的分析做整合。
以下结合附图和具体实施例对本发明进行详细描述,但不作为对本发明的限定。
附图说明
图1是本发明的缺陷诊断及管理的方法的第一实施例的步骤流程图;
图2是本发明的检验影像图的示意图;
图3是本发明的设计规划图的示意图;
图4是本发明的检验影像图与设计规划图的重叠示意图;
图5是本发明的缺陷诊断及管理的方法的第二实施例的步骤流程图;
图6是本发明的缺陷诊断及管理的方法的第三实施例的步骤流程图;
图7是本发明的缺陷诊断及管理的方法的第四实施例的步骤流程图;
图8是本发明的缺陷诊断及管理的方法的第五实施例的步骤流程图;
图9是本发明的缺陷诊断及管理的方法的第六实施例的步骤流程图。
其中,附图标记
10检验影像图
11、12、13缺陷
14制造特征
20设计规划图
21导电区域
具体实施方式
本发明提出一种缺陷诊断及管理的方法,其应用于一物体(article)的制造流程中,该物体可为半导体、电路板、光罩、平面显示器或太阳能电池等,此种物体的制造流程通常包括薄膜沉积、光微影及蚀刻等。在一较佳实施例中,该对象为一半导体,也就是一晶圆。本方法是由一设备、系统或计算机自动地执行本方法的步骤,而不是手动的。
请参阅图1所示,本方法的第一实施例的详细步骤如下所述。
首先,当制造流程开始时,一缺陷扫瞄与检验机会检测该晶圆所产生的多个缺陷。请参阅图2所示,当该缺陷扫瞄及检验机检测到该缺陷时,其会产生多个相对应的检验影像图(inspection image)。以其中一个检验影像图10为例,其显示出该晶圆的三个缺陷11、12、13以及多个制造特征(fabricatedpatterns)14。该缺陷11、12、13为一随机缺陷或是一系统缺陷,随机缺陷是由外界的微粒子(particle)黏于晶圆上所造成的,而该系统缺陷是由该制造特征14的尺寸无预期地改变而造成的。该缺陷扫瞄与检验机可同时量测该缺陷11、12、13的位置,并且给予该缺陷11、12、13的一坐标值,但是该坐标值并不正确,有一误差(步骤S100)。
接着,请参阅图3所示,一相对于该检验影像图10的设计规划图(designlayout)20会从设计数据库中搜寻出。该设计规划图20显示出多个导电区域21,该制造特征14预期要制造成与该导电区域21一致(步骤S102)。
接着,将该检验影像图10与该设计规划图20比对,以校正该缺陷11、12、13在设计规划图20上的坐标。虽然该缺陷扫瞄及检验机已量测该缺陷11、12、13的坐标,但是并不正确。所以,使用这此错误的坐标来定位该缺陷11、12、13于该设计规划图20上,并分析该缺陷11、12、13是件无意义的事。因此该缺陷11、12、13的错误坐标必需要被校正才行。
请参阅图4所示,解决上述的问题时,该检验影像图10的制造特征14的边界与该设计规划图20的导电区域21的边界会对齐,借此该缺陷11、12、13于该设计规划图20的正确坐标可被找到(步骤S104)。
最后,该缺陷11、12、13会被进一步判定是否会形成一断路错误或是一短路错误,而判定的依据为判断该缺陷11、12、13与该导电区域21的重叠量。例如,该缺陷11覆盖到其中两个导电区域21,所以其将造成该晶圆有一短路错误;该缺陷12截断其中一个导电区域21,所以其将造成该晶圆有一断路错误;而该缺陷13与其中一个导电区域21重叠,但其没有截断或是覆盖到其它导电区域21,所以其不会造成任何错误(步骤S106)。该缺陷也会同时被判定为系统缺陷或是为随机缺陷(步骤S108)
步骤S100至S108可以在短时间内执行完成,因此制造流程中的每一张检验影像图10都可以被检阅到,检验影像图10所显示的缺陷(例如缺陷11、12、13)都可被诊断,所以能确保晶圆不会有任何潜在错误被忽略。
当每一个缺陷都被诊断后,该缺陷的数据会被收集而形成一缺陷数据库(defect database)。该缺陷的数据包括缺陷的坐标、缺陷的类型、错误的类型、相对应的设备以及相对应的设计规划图等(步骤S110)。所收集的缺陷的数据更可以产生成一缺陷产生报告(defect yield report),供工程师查看及利用等(步骤S112)。
请参阅图5,本发明的方法具有一第二实施例,其整合了制造流程的设备维护(maintenance of equipment)。该方法的详细步骤介绍如下,其接续于步骤S112后:
首先,取得缺陷的数据作为的后步骤的使用,该缺陷的数据来自于步骤S110所建立的缺陷数据库中(步骤S200)。该缺陷的数据之后会被分析以了解该设备是否需被维护,是否需分析则依据下列至少三个准则:1、该设备的缺陷产生量超过预期或是可控制的极限;2、该设备的缺陷产生量呈现上升的趋势;3、当一系统缺陷产生时。只要这些准则符合后,以下的步骤将会执行。
接着,该制造流程的至少一设备将执行一错误侦测及分类(FaultDetection&Classification,FDC)分析,该错误侦测及分类分析为一种常用于诊断设备的状态的方法,其能提出引起缺陷的原因,以及提出调整机台的改善方式(步骤S202)。下一步,如果该设备有异常,则至少一异常的错误侦测及分类参数将被找出,工程师将进一步被通知去查阅该异常的错误侦测及分类参数(步骤S204)。最后,该错误侦测及分类分析将指出引发该异常的错误侦测及分类参数的至少一个故障的设备零件,然后工程师可立即维修该故障的设备零件,让该故障的设备零件所造成的良率损失减少(步骤S206)。
请参阅图6所示,本发明的方法具有一第三实施例,其进一步整合系统缺陷的改善。系统缺陷常对于产能有剧烈的影响,而第三实施例的方法可有效处理系统缺陷。该方法的详细的步骤介绍如下,其接续于步骤S112后。
首先,由该缺陷数据库中取得该缺陷的数据(步骤S300)。接着,从缺陷的数据中搜寻该系统缺陷(步骤S302)。然后,进一步搜寻对应该系统缺陷的多个可能原因(potential clue)。该可能原因为任何有机会产生系统缺陷的因素,其包括:设计规划图、制造流程的顺序、光学邻近效应的修正(opticalproximity correction,OPC)或制造流程的在线数据(process in-linedata)(步骤S304)。而后,对该可能原因及系统缺陷执行一统计分析(statistical analysis),找出该可能原因与该系统缺陷之间的关系(步骤S306)。
下一步,从该可能原因找寻至少一个关键原因,该关键原因包含实质影响该系统缺陷的信息,例如设计规划图的导电区域的线宽错误,或是设备的错误侦测及分类参数异常等(步骤S308)。最后,当关键原因知道后,该制造流程可根据该关键原因来改善,以减少系统缺陷的产生。通常改善的方式有两种:1、改善设计规划图;2、改善制造流程的参数(步骤S310)。借由上述步骤S300至S310,在下一次的制造流程中,物体(晶圆)的系统错误即可被减少。
请参阅图7所示,本发明的方法具有一第四实施例,其进一步整合设备的错误侦测及分类参数的改善。该方法的详细的步骤介绍如下,其接续于步骤S112后。
首先,由该缺陷数据库中取得该缺陷的数据(步骤S400),然后该设备的多个错误侦测及分类参数也会被取得,该错误侦测及分类参数来自于先前执行的错误侦测及分类分析,并且其跟缺陷的数据相关(步骤S402)。接着,对该错误侦测及分类参数及缺陷的数据执行一统计分析。部分错误侦测及分类参数,其对于断路错误、短路错误或系统缺陷有较大的关联性,可因此被找出(步骤S404)。最后,当错误侦测及分类参数与缺陷的数据之间的关系已知后,该错误侦测及分类参数可进一步调整或修改至较佳,以减少下一次制造流程的断路错误、短路错误或系统缺陷的产生(步骤S406)。
在半导体的制造流程中,制造流程的花费取决于许多因素,而设备零件的花费为其中之一。设备零件的花费也取决于许多因素,例如更换频率或是购买价格等。有些设备零件虽然购买价格便宜,但却有较高的机会让晶圆产生错误,让良率损失,所以该设备零件的总花费并不是如所预期的便宜。因此,设备零件的花费与设备零件所造成的良率损失必需整合在一起考虑。
请参阅图8所示,本发明的方法具有一第五实施例,其进一步整合设备零件的库存管理(supplying management)。该方法的详细的步骤介绍如下,其接续于步骤S112后。
首先,由该缺陷数据库中取得该缺陷的数据(步骤S500)。然后至少一设备零件的一库存历史数据(supplying history data)会被取得,该库存历史数据包含该设备零件的不同来源的信息。更详细地说,该信息包括更换频率、购买价格、购买日期或供货商等(步骤S502)。下一步,分析该库存历史数据及缺陷的数据以找出该设备零件的不同来源的良率损失(步骤S504)。最后,借由一起考虑不同来源的购买价格、更换频率及良率损失,对于该制造流程而言较经济的设备零件的来源可被辨识出(步骤S506)。借由该步骤,工程师可了解哪一个设备零件的来源较为经济以及有较好的质量,哪一个来源有较高的机率造成错误等。
请参阅图9所示,本发明的方法具有一第六实施例,其进一步整合一实验设计分析(Design of Experiment,DOE)。该方法的详细的步骤介绍如下,其接续于步骤S112后。
首先,工程师设计一制造流程的实验设计分析模型,该模型可包括整个制造流程,或是部分制造流程(步骤S600)。然后取得该制造流程的多个输出结果(output result)(步骤S602)。同样地,取得该制造流程的多个流程参数,该流程参数包含设备的错误侦测及分类参数以及其它影响输出结果的参数(步骤S604)。接着,再由该缺陷数据库中取得该缺陷的数据(步骤S606)。下一步,对该输出结果、流程参数以及缺陷的数据执行实验设计分析,使得流程参数对于输出结果及缺陷数据的影响可以被了解(步骤S608)。最后,当实验设计分析完成后,该流程参数可调整至更好,让输出结果与缺陷所导致的良率损失达到一较佳的情况(步骤S610)。
综合上述整体内容,本发明的缺陷诊断及管理的方法具有以下效果:
1.该检验影像图10的缺陷11、12、13可被判定为断路错误或是短路错误,并且可被判定为随机缺陷或系统缺陷。
2.该检验影像图10的缺陷11、12、13自动地在短时间内被检阅及判定,所以制造流程所产生的每一个缺陷都能被检阅及判定,确保无任何潜在错误会被忽略。
3.缺陷的数据可与设备的侦错维护做整合,借此实时找出异常的错误侦测及分类参数及维修之。
4.缺陷的数据可与制造流程的改善做整合,借此改进错误侦测及分类参数、设计规划图等,以减少缺陷的产生。
5.缺陷的数据可与设备零件的库存管理做整合,借此找出经济的且优良的设备零件来源。
6.缺陷的数据可与实验设计做整合,借此找出对于输出结果及缺陷产生而言较佳的流程参数。
7.本发明的方法可应用于不同的工业领域中,例如半导体、电路板、光罩、平面显示器及太阳能电池。
8.本发明的方法可应用于不同的几何尺寸或是技术等级中。
9.该与缺陷数据相关的设计规划图、错误侦测及分类参数、异常的设备零件及流程参数可被收集而形成一缺陷知识管理(knowledge management,KM),借此建立一个快速的参考检阅来快速地诊断及追踪缺陷。
当然,本发明还可有其他多种实施例,在不背离本发明精神及其实质的情况下,熟悉本领域的技术人员当可根据本发明作出各种相应的改变和变形,但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。
Claims (10)
1.一种缺陷诊断及管理的方法,其特征在于,其应用于一物体的制造流程中,该方法包括步骤如下:
得到该物体的一检验影像图,该检验影像图显示该物体的至少一个缺陷;
搜寻对应于该检验影像图的一设计规划图,该设计规划图具有多个导电区域;
比对该检验影像图及该设计规划图来校正该缺陷在该设计规划图上的坐标;
判断该缺陷与该导电区域的重叠量来判定该缺陷是否导致一断路错误或一短路错误。
2.根据权利要求1所述的缺陷诊断及管理的方法,其特征在于,当该缺陷覆盖其中两个的该导电区域,该缺陷导致一短路错误;当该缺陷截断其中一个的该导电区域,该缺陷导致一断路错误。
3.根据权利要求1所述的缺陷诊断及管理的方法,其特征在于,更包括步骤如下:
辨别该缺陷为一系统缺陷或一随机缺陷。
4.根据权利要求3所述的缺陷诊断及管理的方法,其特征在于,更包括重复该步骤于多个不同的检验影像图。
5.根据权利要求4所述的缺陷诊断及管理的方法,其特征在于,更包括步骤如下:
收集该缺陷的数据以形成一缺陷数据库;
产生一缺陷产生报告。
6.根据权利要求5所述的缺陷诊断及管理的方法,其特征在于,更包括步骤如下:
从该缺陷数据库取得该缺陷的数据;
对该制造流程的至少一设备执行一错误侦测及分类分析;
找出该设备的至少一个异常的错误侦测及分类参数;
修复至少一个故障的设备零件,该故障的设备零件引发该异常的错误侦测及分类参数。
7.根据权利要求5所述的缺陷诊断及管理的方法,其特征在于,更包括步骤如下:
从该缺陷数据库取得该缺陷的数据;
从该缺陷的数据搜寻该系统缺陷;
搜寻对应该系统缺陷的多数个可能原因;
对该可能原因及该系统缺陷执行一统计分析;
从该可能原因中找寻至少一个关键原因,该关键原因实质地影响该系统缺陷;
改善该关键原因以减少该系统缺陷。
8.根据权利要求5所述的缺陷诊断及管理的方法,其特征在于,更包括步骤如下:
从该缺陷数据库取得该缺陷的数据;
取得多个错误侦测及分类参数;
对该错误侦测及分类参数及该缺陷数据执行一统计分析;
调整该错误侦测及分类参数以减少该断路错误、该短路错误或是该系统缺陷。
9.根据权利要求5所述的缺陷诊断及管理的方法,其特征在于,更包括步骤如下:
从该缺陷数据库取得该缺陷的数据;
取得至少一设备零件的一库存历史数据,该库存历史数据包含该设备零件的不同来源的信息;
分析该库存历史数据及该缺陷数据来找出该设备零件的不同来源的良率损失;
辨别出该设备零件的哪一个来源对于该制造流程而言为经济的。
10.根据权利要求5所述的缺陷诊断及管理的方法,其特征在于,更包括步骤如下:
取得该制造流程的多个输出结果;
取得该制造流程的多个流程参数;
从该缺陷数据库取得该缺陷的数据;
对该输出结果、该流程参数及该缺陷的数据执行一实验设计的分析;
调整该流程参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200910134101A CN101852741A (zh) | 2009-04-03 | 2009-04-03 | 缺陷诊断及管理的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200910134101A CN101852741A (zh) | 2009-04-03 | 2009-04-03 | 缺陷诊断及管理的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101852741A true CN101852741A (zh) | 2010-10-06 |
Family
ID=42804329
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200910134101A Pending CN101852741A (zh) | 2009-04-03 | 2009-04-03 | 缺陷诊断及管理的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101852741A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102446337A (zh) * | 2011-10-12 | 2012-05-09 | 上海华力微电子有限公司 | 一种缺陷通报系统 |
CN106095785A (zh) * | 2016-05-27 | 2016-11-09 | 大连楼兰科技股份有限公司 | 基于决策树分类的故障码诊断车辆工项与备件检索方法 |
CN108364890A (zh) * | 2018-02-24 | 2018-08-03 | 上海华力微电子有限公司 | 系统性缺陷的监控方法 |
CN109239076A (zh) * | 2018-08-29 | 2019-01-18 | 西安理工大学 | 一种基于机器视觉的缝纫线迹缺陷检测方法 |
CN109727897A (zh) * | 2018-12-29 | 2019-05-07 | 上海华力微电子有限公司 | 缺陷监控分析系统及方法 |
CN110021005A (zh) * | 2018-01-05 | 2019-07-16 | 财团法人工业技术研究院 | 电路板瑕疵筛选方法及其装置与计算机可读取记录介质 |
CN110494741A (zh) * | 2017-04-12 | 2019-11-22 | 科磊股份有限公司 | 用于从所制造组件识别的图案缺陷的系统性及随机性表征的系统、方法及计算机程序产品 |
CN110501626A (zh) * | 2018-05-17 | 2019-11-26 | 瑞昱半导体股份有限公司 | 电子装置测试数据库产生方法 |
CN110836905A (zh) * | 2019-11-13 | 2020-02-25 | 上海华力集成电路制造有限公司 | 自动识别芯片物理缺陷的失效分析方法 |
-
2009
- 2009-04-03 CN CN200910134101A patent/CN101852741A/zh active Pending
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102446337A (zh) * | 2011-10-12 | 2012-05-09 | 上海华力微电子有限公司 | 一种缺陷通报系统 |
CN106095785A (zh) * | 2016-05-27 | 2016-11-09 | 大连楼兰科技股份有限公司 | 基于决策树分类的故障码诊断车辆工项与备件检索方法 |
CN106095785B (zh) * | 2016-05-27 | 2020-03-24 | 大连楼兰科技股份有限公司 | 基于决策树分类的故障码诊断车辆工项与备件检索方法 |
CN110494741A (zh) * | 2017-04-12 | 2019-11-22 | 科磊股份有限公司 | 用于从所制造组件识别的图案缺陷的系统性及随机性表征的系统、方法及计算机程序产品 |
TWI750363B (zh) * | 2017-04-12 | 2021-12-21 | 美商克萊譚克公司 | 用於自一半導體晶圓識別之圖案缺陷之有系統的及隨機的特徵化之系統、方法及電腦程式產品 |
CN110021005A (zh) * | 2018-01-05 | 2019-07-16 | 财团法人工业技术研究院 | 电路板瑕疵筛选方法及其装置与计算机可读取记录介质 |
US11132786B2 (en) | 2018-01-05 | 2021-09-28 | Industrial Technology Research Institute | Board defect filtering method based on defect list and circuit layout image and device thereof and computer-readable recording medium |
CN110021005B (zh) * | 2018-01-05 | 2022-03-15 | 财团法人工业技术研究院 | 电路板瑕疵筛选方法及其装置与计算机可读取记录介质 |
CN108364890A (zh) * | 2018-02-24 | 2018-08-03 | 上海华力微电子有限公司 | 系统性缺陷的监控方法 |
CN110501626A (zh) * | 2018-05-17 | 2019-11-26 | 瑞昱半导体股份有限公司 | 电子装置测试数据库产生方法 |
CN110501626B (zh) * | 2018-05-17 | 2022-09-23 | 瑞昱半导体股份有限公司 | 电子装置测试数据库产生方法 |
CN109239076A (zh) * | 2018-08-29 | 2019-01-18 | 西安理工大学 | 一种基于机器视觉的缝纫线迹缺陷检测方法 |
CN109727897A (zh) * | 2018-12-29 | 2019-05-07 | 上海华力微电子有限公司 | 缺陷监控分析系统及方法 |
CN110836905A (zh) * | 2019-11-13 | 2020-02-25 | 上海华力集成电路制造有限公司 | 自动识别芯片物理缺陷的失效分析方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101852741A (zh) | 缺陷诊断及管理的方法 | |
US6542830B1 (en) | Process control system | |
CN103187343B (zh) | 智能型缺陷诊断方法 | |
US7062081B2 (en) | Method and system for analyzing circuit pattern defects | |
JP5357725B2 (ja) | 欠陥検査方法及び欠陥検査装置 | |
JP5444092B2 (ja) | 検査方法およびその装置 | |
US6952492B2 (en) | Method and apparatus for inspecting a semiconductor device | |
CN103748670A (zh) | 区域决定装置、观察装置或检查装置、区域决定方法以及使用了区域决定方法的观察方法或检查方法 | |
US8995748B2 (en) | Defect image processing apparatus, defect image processing method, semiconductor defect classifying apparatus, and semiconductor defect classifying method | |
WO2009018337A1 (en) | Semiconductor device property extraction, generation, visualization, and monitoring methods | |
TWI641961B (zh) | 設計佈局為主的快速線上缺陷診斷、分類及取樣方法及系統 | |
JP2002071575A (ja) | 欠陥検査解析方法および欠陥検査解析システム | |
JP2010231338A (ja) | 要因分析装置および要因分析方法 | |
CN103811367B (zh) | 产品缺陷检测方法 | |
US8095895B2 (en) | Method for defect diagnosis and management | |
JP4658206B2 (ja) | 検査結果解析方法および検査結果解析装置、異常設備検出方法および異常設備検出装置、上記検査結果解析方法または異常設備検出方法をコンピュータに実行させるためのプログラム、並びに上記プログラムを記録したコンピュータ読み取り可能な記録媒体 | |
CN101349723A (zh) | 半导体测试管理系统 | |
JP2000223385A (ja) | 電子デバイスの品質管理方法 | |
TW201033932A (en) | Method for defect diagnosis and management | |
JP4943777B2 (ja) | 欠陥データ処理装置、欠陥データ処理システム、及び欠陥データ処理方法 | |
CN118043951A (zh) | 用于经由缺陷及电性测试数据的相关性自动诊断及监测半导体缺陷裸片筛选性能的系统 | |
JP2004165395A (ja) | 検査データ解析プログラムと検査方法 | |
JPH10335404A (ja) | 検査装置及び検査方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20101006 |