CN102985887A - 用于晶片检查或度量设置的数据扰乱 - Google Patents
用于晶片检查或度量设置的数据扰乱 Download PDFInfo
- Publication number
- CN102985887A CN102985887A CN2011800322781A CN201180032278A CN102985887A CN 102985887 A CN102985887 A CN 102985887A CN 2011800322781 A CN2011800322781 A CN 2011800322781A CN 201180032278 A CN201180032278 A CN 201180032278A CN 102985887 A CN102985887 A CN 102985887A
- Authority
- CN
- China
- Prior art keywords
- many
- wafer
- result
- wafer scan
- scan
- 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.)
- Granted
Links
- 238000007689 inspection Methods 0.000 title claims abstract description 21
- 235000012431 wafers Nutrition 0.000 claims description 240
- 238000000034 method Methods 0.000 claims description 133
- 238000012545 processing Methods 0.000 claims description 47
- 230000002950 deficient Effects 0.000 claims description 33
- 230000007547 defect Effects 0.000 claims description 21
- 238000009826 distribution Methods 0.000 claims description 18
- 230000008859 change Effects 0.000 claims description 14
- 238000004519 manufacturing process Methods 0.000 claims description 9
- 230000008878 coupling Effects 0.000 description 22
- 238000010168 coupling process Methods 0.000 description 22
- 238000005859 coupling reaction Methods 0.000 description 22
- 230000008569 process Effects 0.000 description 14
- 238000001514 detection method Methods 0.000 description 13
- 238000005286 illumination Methods 0.000 description 8
- 230000003287 optical effect Effects 0.000 description 7
- 238000003860 storage Methods 0.000 description 7
- 238000005259 measurement Methods 0.000 description 6
- 230000035945 sensitivity Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000001052 transient effect Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 239000004065 semiconductor Substances 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 3
- 239000010931 gold Substances 0.000 description 3
- 229910052737 gold Inorganic materials 0.000 description 3
- AWSBQWZZLBPUQH-UHFFFAOYSA-N mdat Chemical compound C1=C2CC(N)CCC2=CC2=C1OCO2 AWSBQWZZLBPUQH-UHFFFAOYSA-N 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000010894 electron beam technology Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000010287 polarization Effects 0.000 description 2
- 240000004246 Agave americana Species 0.000 description 1
- 235000008754 Agave americana Nutrition 0.000 description 1
- 235000006719 Cassia obtusifolia Nutrition 0.000 description 1
- 235000014552 Cassia tora Nutrition 0.000 description 1
- 244000201986 Cassia tora Species 0.000 description 1
- 238000001276 Kolmogorov–Smirnov test Methods 0.000 description 1
- 241001484259 Lacuna Species 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000005530 etching Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000001259 photo etching Methods 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 238000005549 size reduction Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000009885 systemic effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
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
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32182—If state of tool, product deviates from standard, adjust system, feedback
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/45—Nc applications
- G05B2219/45031—Manufacturing semiconductor wafers
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
提供了用于确定晶片检查和/或度量的参数的各个实施例。
Description
相关申请的交叉引用
本申请要求2010年6月30日提交的题为“PerturbationModeling-Based Recipe Generation（基于扰乱建模的配方产生）”的美国专利申请S/N.61/360,406的优先权，该文件如在本文中完全阐述一样通过引用结合于此。
发明背景
1.发明领域
本发明总地涉及晶片检查或度量设置的数据扰乱。
2.背景技术
以下描述和示例不因其包括在该部分中而被视为现有技术。
检查工艺在半导体制造工艺期间的多个步骤中使用以检查晶片上的缺陷从而促进制造工艺中更高的产量并因此产生更高的利润。检查一直是制造半导体器件的一个重要组成部分。然而，随着半导体器件的尺寸减小，由于更小的缺陷也会导致器件产生故障，因此检查对于合格半导体器件的成功制造变得更为重要。
当前，用于产生能通过工具匹配规范的配方的方法是基于经验的。例如，可在第一工具(“工具1”)上创建一配方并随后在第二工具(“工具2”)上进行尝试。如果该配方无法通过工具2上的工具匹配规范，则修正配方并转向工具1并测试。如果经修正的配方未通过工具匹配规范，则从一个工具至另一工具往复地执行该工艺，直到配方设定得出工具匹配结果为止。当涉及三件或更多个工具时，该工艺变得更为复杂。因而，如此建立匹配配方会花费大量晶片时间、工具时间和工程设计时间。
因此，研发出一种不具有前述方法的一个或多个劣势的用于确定晶片检查和/或度量的一个或多个参数的方法和系统是有利的。
发明内容
各个实施例的以下描述不应以任何方式被解释为限制所附权利要求的主题。
一个实施例涉及用于确定晶片处理的一个或多个参数的计算机实现方法。该方法包括产生一次或多次第一晶片扫描的性能和一次或多次第二晶片扫描的性能之间的差异的模型。这些扫描可发生在同一检查或度量工具上，或发生在不同的检查或度量工具上。另外，一次或多次扫描可包括以相同或不同(检查或度量)模式进行的扫描，并可包括多次扫描的任意组合。此外，扫描可以是检查扫描或度量扫描。该方法还包括使用一次或多次第一晶片扫描产生对于晶片的结果。该结果可包括检查结果或非检查测量结果(例如度量结果)。另外，该方法包括使用结果和模型对晶片产生经扰乱的结果。经扰乱的结果近似于通过一次或多次第二晶片扫描对晶片产生的结果。该方法还包括基于经扰乱的结果确定晶片处理的一个或多个参数。晶片处理包括执行一次或多次第二晶片扫描。该方法步骤是由计算机系统执行的。
另一实施例涉及一计算机实现的方法，该方法产生可用来确定晶片处理的一个或多个参数的结果。该方法包括产生一次或多次第一晶片扫描的性能和一次或多次第二晶片扫描的性能之间的差异的模型。该方法还包括使用一次或多次第一晶片扫描产生对于晶片的结果。另外，该方法包括使用结果和模型产生对于晶片的经扰乱的结果。经扰乱的结果近似于通过一次或多次第二晶片扫描对晶片产生的结果。经扰乱的结果可用来确定晶片处理的一个或多个参数。晶片处理包括执行一次或多次第二晶片扫描。该方法步骤是由计算机系统执行的。
一个附加实施例涉及用于确定晶片处理的一个或多个参数的计算机实现方法。该方法包括使用一次或多次第一晶片扫描产生对于晶片的结果。该方法还包括使用这些结果和一次或多次第一晶片扫描的性能和一次或多次第二晶片扫描的性能之间的差异的模型来产生晶片的经扰乱的结果。经扰乱的结果近似于通过一次或多次第二晶片扫描对晶片产生的结果。另外，该方法包括基于经扰乱的结果确定晶片处理的一个或多个参数。晶片处理包括执行一次或多次第二晶片扫描。该方法步骤是由计算机系统执行的。
前述每个方法的每一步骤可如本文描述地那样进一步地执行。另外，前述每个方法可包括本文描述的任何其他方法的任何其他步骤。此外，前述每个方法可通过本文所描述的任何系统来实现。
附图说明
得益于优选实施例的以下详细描述和基于参考附图，本发明的其他优点将对本领域技术人员变得显而易见：
图1是使用第一晶片扫描确定的缺陷属性和使用第二晶片扫描确定的属性之间的差异相对于使用第一晶片扫描确定的属性和使用第二晶片扫描确定的属性的平均值的标绘图的示例；
图2包括面元的数量的柱状图的示例，其中缺陷被拆分成面元以产生如本文所述的模型；
图3包括示出使用晶片扫描产生的晶片的结果和如本文所述产生的扰乱结果的标绘图的示例；
图4是示出非瞬态计算机可读介质的一个实施例的方框图；以及
图5是示出可用来执行本文所述的一个或多个计算机实现方法的系统的一个实施例的方框图。
虽然本发明容许多种修改和替代形式，但其具体实施例将通过附图中的示例示出且将在本文中予以详细描述。这些附图可能未按比例绘制。然而应当理解，本发明的附图和详细描述并不旨在将本发明限于所公开的特定形式，相反，其意图是覆盖落在如所附权利要求所限定的本发明的精神和范围内的所有修改、等效方案以及替换方案。
具体实施方式
一般来说，本文描述的实施例涉及基于扰乱建模的稳定配方产生。一个实施例涉及用于确定晶片处理(例如晶片检查和/或晶片度量)的一个或多个参数的计算机实现方法。如本文将进一步描述的那样，该方法可包括建立模型并随后使用该模型对数据进行扰乱(或对数据执行其它修改)来创建晶片检查或度量配方，其具有三种广义类型的应用。例如，在一个实施例中，确定一个或多个参数是如本文进一步描述那样执行的，以使一次或多次第二晶片扫描的性能与一次或多次第一晶片扫描的性能匹配。
在一个实施例中，一次或多次第一晶片扫描和一次或多次第二晶片扫描是通过不同的工具执行的。例如，该方法可用来确定能通过工具匹配规范的一个或多个参数(或“配方设定”)。如此，本文所述实施例的一种广义类型的应用是其中创建能通过工具匹配规范的工具-工具匹配。工具匹配规范的一个示例是以C%的自捕捉比率(自捕捉率)经N次重复的由两个工具捕捉的D缺陷的计数和定位必须匹配在M%之内。值C、N和M可依赖于晶片的层和工具的性质。
在另一实施例中，一次或多次第一晶片扫描和一次或多次第二晶片扫描是通过同一工具执行的。例如，本文描述的方法可用来产生能通过自捕捉率或扫描匹配规范的一个或多个参数(或“配方设定”)。如此，本文所述实施例可用于包括自捕捉率配方生成或扫描-扫描匹配的另一广义类型的应用，在该应用中创建能通过自捕捉率规范的配方。
在一附加实施例中，一次或多次第一晶片扫描和一次或多次第二晶片扫描在一预定间隔之后执行。例如，第三广义类型的应用是及时根据工艺改变调整配方，这将在本文中进一步描述。
如此，一次或多次第一晶片扫描和一次或多次第二晶片扫描是通过同一工具、不同工具或在不同时间进行的。同样，三种广义应用包括：1)工具-工具匹配(或工具间扫描匹配)；2)扫描-扫描匹配(或工具内扫描匹配)以及3)工具-工具或扫描-扫描匹配以将随时间的变化考虑在内。当用户设定一配方时，用户可判断他或她是否想要建立具有某一自捕捉率的配方或通过工具匹配规范的配方。
尽管一些实施例在本文中是针对一种应用(例如工具-工具匹配)进行描述的，但这三种应用在如何使用该方法的方面是相似的。因此，尽管这些实施例可能是针对一种应用(例如工具-工具匹配)进行描述的，但本领域内技术人员将理解如何将这些实施例用于另一应用(例如扫描-扫描匹配)中。
术语“一个或多个参数”或“配方设定”一般指配方中可调整的所有设定(包括iDOTM设定)(例如允许用户调整的所有设定)。iDOTM是可从加利福尼亚州的米尔皮塔斯的KLA-Tencor商用购得的inline Defect Organi zerTMbinning(在线缺陷组织TM面元)解决方案。“配方”一般可定义为用于执行例如检查和度量的工艺的一组指令。
在一个实施例中，该一个或多个参数包括用来执行一次或多次第二晶片扫描的一个或多个参数。例如，该一个或多个参数可包括照明子系统、检测子系统、扫描子系统或可用于执行一次或多次第二晶片扫描的工具的某些组合的一个或多个参数。如此，该一个或多个参数可包括一个或多个结果获取参数。照明子系统的一个或多个参数可包括例如照明角、照明波长、照明极化、光斑大小、照明子系统中包含的光孔、照明子系统中包含的其它光学组件及其组合。光检测子系统的一个或多个参数可包括例如收集角、检测波长、检测极化、像素大小、检测子系统中包含的光孔、检测子系统中包含的其它光学器件及其组合。可针对非基于光的系统(例如电子束系统)确定相似的参数。
在另一实施例中，该一个或多个参数包括用来处理由一次或多次第二晶片扫描产生的结果的一个或多个参数。例如，这一个或多个参数可包括用于处理由用来执行一次或多次第二晶片扫描的光检测子系统产生的结果的一个或多个参数。在一个这样的示例中，由光检测子系统产生的结果可包括图像或图像数据，并且一个或多个参数可包括用来对图像或图像数据执行滤波、对准等操作的一个或多个参数。在另一示例中，结果可包括信号，并且一个或多个参数可包括用于对信号执行滤波、归一化、校准等操作的一个或多个参数。可针对晶片上的不同区域分别确定用于处理结果的一个或多个参数。例如，在晶片一个区域中产生的结果可使用一个或多个第一参数进行处理，而在晶片另一区域中产生的结果可使用一个或多个第二参数进行处理，所述第二参数中的至少一些可与第一参数不同。一个或多个参数也可以或替代地包括缺陷检测灵敏性，缺陷检测灵敏性可由缺陷检测算法和/或方法的一个或多个参数(例如阈值)定义。另外，一个或多个参数对于晶片的不同区域可具有不同的检测灵敏性(例如对关键或较低噪声区域具有较高灵敏性，并对非关键或较高噪声区域具有较低灵敏性)。
该方法包括产生一次或多次第一晶片扫描的性能与一次或多次第二晶片扫描的性能之间的差异的模型。因此，本文所述实施例可包括对扫描、工具或其它硬件之间的结果进行建模，所述建模可如本文进一步描述地那样用来从由仅一个工具、一次扫描或一个硬件产生的结果中产生匹配的参数。例如，工具或扫描之间的光学器件和其它硬件的相对行为从一个晶片至另一晶片不会有显著改变。因此，该信息可用于对工具或扫描之间的图像/缺陷数据的行为进行建模。例如，对于工具-工具匹配，该方法可包括创建捕捉工具-工具变化性的模型。
在一个实施例中，性能的差异包括在其上执行一次或多次第一扫描和一次或多次第二扫描以产生用于产生模型的结果的晶片上的缺陷属性的差异。换句话说，模型是使用在晶片上执行的实际扫描的真实结果产生的。使用真实结果建立模型提供模型性能的置信度。来自多个工具的结果可用来对每个工具至另一工具(“黄金”工具或基准工具)创建一模型。然而，本文描述的实施例也可用来以相对方式研究两件或更多个工具，而不是仅针对“黄金工具”。真实结果可通过在晶片上实际执行一次或多次第一晶片扫描和一次或多次第二晶片扫描而产生。然而，真实结果可以不通过在晶片上实际执行一次或多次第一晶片扫描和一次或多次第二晶片扫描而获得。例如，真实结果可通过本文描述的实施例从其中已存储真实结果的一个或多个存储介质中获得。
缺陷的属性可包括使用缺陷检测算法确定的缺陷的属性。另外，缺陷的属性可包括响应于来自扫描期间或甚至一组像素之间的相对响应期间检测到的缺陷的光的特性(例如强度)的缺陷的属性。例如，属性可包括量级、MDAT偏移、MDAT灰度级(基准灰度级)以及能量。MDAT是由一些检查工具使用的缺陷检测算法，它可从KLA-Tencor商业购得。缺陷的属性应尽可能地一般。可引入非强度类型属性，例如缺陷位置、缺陷大小以及任何其它计算或测量出的量。在该方法中对属性的性质不存在限制。
这里将进一步描述用于生成模型的一些特定实施例。然而，本文描述的模型不仅限于任何特定类型的模型。理论上，模型可像本文描述地那样简单或根据需要变得复杂以准确地对两次扫描或多组扫描之间的属性变化予以建模。
在一个实施例中，生成模型包括识别晶片上一次或多次第一晶片扫描和一次或多次第二晶片扫描中共有的缺陷。例如，让我们考虑缺陷的单种属性。则我们可如本文进一步描述地那样对共有缺陷的这种属性的变化进行建模。该共同缺陷可以任何适宜的方式识别。例如，可将共有缺陷识别为在彼此相距特定距离内的两个缺陷。识别共有缺陷可使用简单的缺陷位置匹配算法来实现。
在一个实施例中，生成该模型还包括标绘出使用一次或多次第一晶片扫描确定的缺陷属性和使用一次或多次第二晶片扫描确定的属性之间的差异相对于使用一次或多次第一晶片扫描确定的属性和使用一次或多次第二晶片扫描确定的属性的平均值的图。换句话说，生成模型可包括在标绘出y轴上[属性(工具1)-属性(工具2)]相对于x轴上[属性(工具1)+属性(工具2)]/2的图。该标绘图的一个示例在图1中示出。在该标绘图中，每个数据点对应于一个共有的缺陷。
在一些实施例中，生成模型也包括将缺陷拆分成与不同平均值对应的多个面元内，并且每个面元包括与每个其它面元相同数量的缺陷。例如，图1的面元中所示的缺陷可被拆分到N个相等大小的面元中。在一个这样的示例中，第一面元可对应于从0-50的平均值，第二面元可对应于从51-100的平均值，第三面元可对应于从101-150的平均值，依此类推。
在又一实施例中，生成模型包括对于每个面元确定每个面元中的缺陷的属性分布的平均值和∑值。例如，对于每个面元，可确定该面元内的点的平均值和∑值。如此，可检查每个面元中的缺陷的属性变化。例如，如图1所示，上面的曲线是每个面元内的方差值，而下面的曲线是每个面元内的平均值。因此，该图示出了属性变化和模型生成策略。方差由于饱和而落在较高的值。在调查期间，分布已通过业内已知的Kolmogorov-Smirnov测试(通过一组优选的参数)或针对高斯分布的任何其它测试被识别为高斯分布。例如，图2示出三个不同面元内的不同缺陷数量的直方图。Kolmogorov-Smirnov测试确认了分布的高斯性质。然而，用于生成模型的属性可以遵循高斯分布也可以不遵循高斯分布。例如，如果对数正态分布是更好的模型，则可将其取代高斯分布使用。高斯分布以外的分布仅仅改变了构建模型的方式，但其整个过程还是遵循本文所述的内容。在那种情形下，使用正确的分布对数据建模存在额外的需求。
当对一种以上的属性建模时，则在模型生成时应当考虑属性之间的关联。例如，让我们假设对遵循高斯分布或任何其它分布的三种属性建模。如果所有这些属性是关联的，则必须从同一随机高斯或其它分布中执行经扰乱结果的采样。如果存在糟糕的关联，则必须从独立的随机高斯或其它分布中执行采样。
在一个实施例中，在生成模型之前，该方法包括改变一个或多个工具用于执行一次或多次第一晶片扫描和一次或多次第二晶片扫描的一个或多个参数，使得在使用一次或多次第一晶片扫描和一次或多次第二晶片扫描来生成产生模型的结果之前，一次或多次第一晶片扫描和一次或多次第二晶片扫描彼此匹配。例如，如果属性之间的变化相对较大，则扰乱手段可能是无益的。换句话说，对于本文所述的应用，它在用于产生模型生成结果的工具或扫描匹配之后仅对描述属性变化的模型建立才行得通。由此，假设两个工具或两次扫描匹配并因此模型是通过匹配的数据构建的。在模型生成之前这种工具或扫描的匹配确保了变化不相对较大。例如，一旦两个工具或两次扫描是“匹配的”，则可保证来自两个“匹配的”工具或两次“匹配的”扫描的属性的变化落在某些特定界限内。如果在产生用于模型生成的结果之前工具或扫描是不匹配的，则仍可构建模型但可能在硬件和校准中捕捉到极为不合需的变化。可用于产生模型生成的结果的工具或扫描可使用任何适宜的匹配过程予以匹配，所述匹配过程使工具或扫描之间的硬件和校准得以匹配。如果工具或扫描是在模型生成之前使用某些其它方法和/或系统匹配的，则本文描述的方法可以不包括这种工具匹配。也可在模型内建立安全措施以使过度调整的风险减至最小。
在另一实施例中，生成模型可包括对每个工具确定一个或多个比例因子。(具体模型的细节确定了我们使用哪些其它参数来达成工具内匹配的目的)。例如，工具内变化性(即一个工具的扫描-扫描变化性)可如本文所述地建模。对扫描-扫描变化性建模去除了对光学器件状态、像素大小以及晶片的依赖性。如此，对从一个工具至另一工具来自扫描-扫描变化性的数据建模是硬件、光学器件和其它残余差异的合宜措施。例如，进行实验，该实验表明不同晶片、不同光学器件模态和不同阶段速度产生近乎相同的比例因数。同样，可适当地对扫描-扫描模型定标以表征工具间变化性。如此，可对每个工具确定一个或多个比例因数。
该方法还包括使用一次或多次第一晶片扫描产生对于晶片的结果。例如，一旦如前所述地产生一个或多个模型，则可针对任何给定晶片获得来自仅基准晶片扫描的真实数据，并将其用于一个或多个模型以执行本文描述的方法的附加步骤(例如创建一匹配配方)。如此，一旦已使用给定工具生成本文描述的模型，则不再需要该工具来生成与另一工具的性能匹配的配方。当然，如果配方被生成为使使用一个工具执行的一次或多次第二扫描的性能与使用同一工具执行的一次或多次第一扫描的性能相匹配，则可使用如本文进一步描述的那样使用该工具产生的结果以生成针对这一次或多次第二扫描的配方。
该方法包括使用结果和模型产生对晶片的经扰乱的结果。换句话说，一次或多次第一扫描的结果作为输入用于这些方法，而模型的输出是经扰乱的结果。如此，一次或多次第一晶片扫描的结果(诸如将数据输入算法、iDO或其它配方设定的结果)将根据对于该具体条件早前创建的模型被扰乱。在一个实施例中，产生经扰乱的结果包括从随机分布中对一个面元抽取一个点，该点具有针对模型中的相应面元确定的平均值和Σ值。例如，经扰乱的数据集可通过从随机高斯分布中抽取一具有从模型中正确面元中推导出的平均值和Σ值的点来生成。如此，经扰乱的结果将具有基本与原始结果的直方图匹配的直方图。同样，对于扫描或工具匹配，通过匹配属性直方图，由匹配的扫描或工具检测到的缺陷的属性也可望匹配。
经扰乱的结果近似于通过一次或多次第二晶片扫描产生的对晶片的结果。例如，使用本文描述的模型，可对例如图像/缺陷数据的结果进行扰乱以逼近、模拟或模仿来自一个或多个第二工具或一次或多次第二扫描的结果。换句话说，经扰乱的结果将不会恰好等于通过一次或多次第二晶片扫描产生的结果；然而，经扰乱的结果将是通过一次或多次第二晶片扫描产生的结果的合理近似。在一个这样的示例中，图3示出经扰乱的结果能多好地逼近、模拟或模仿通过一次或多次第二晶片扫描产生的针对该晶片的结果。具体地说，图3左侧的标绘图是从中创建模型的真实结果的变化性，而图3右侧的标绘图是经扰乱的结果的变化性。如图3所示，不可能区别哪些结果来自真实工具和哪些结果来自模型及其对应的扰乱，这确认了这种模型的似真性。
该方法还包括基于经扰乱的结果确定晶片处理的一个或多个参数。例如，可使用经扰乱的结果与来自工具或扫描的原始结果组合地建立配方。在一个这样的示例中，可使用这组经扰乱的结果与N数量个组的以相同方式扰乱的结果和/或原始结果组合地创建配方。这种配方则具有满足工具或扫描匹配规范的能力，即便它是在单个工具上或使用单次扫描形成的。例如，当使用本文所述的经扰乱结果设置配方时，该配方将以与第一工具或扫描相似的灵敏性自然地工作在第二工具或扫描上。优选地使用足够的经扰乱结果和可能的实际结果来捕捉用于匹配配方生成的结果中的变化性。
确定晶片处理的一个或多个参数可包括为晶片处理配方的至少一个参数选择或确定一个值。在本文中使用术语“参数”来表示用于设定检查和/或度量工具的所有变量，例如波长、像素、关注区域、速度、照明和聚集孔等。例如，晶片处理的参数可包括响应来自晶片的光而获得结果的工具的参数和/或用来处理这些结果的工具的参数。如此，参数可包括结果获取参数和/或结果处理参数。晶片处理可以是暗区(DF)检查、亮区(BF)检查、电子束(e-束)检查、DF和BF检查或多模检查(涉及同时来自一个或多个平台的数据)或来自需要满足工具/检查匹配的任何其它度量或检查工具。在该方法中可自动地或无用户输入地确定一个或多个参数。然而，这一个或多个参数也可以或替代地基于来自用户输入的经扰乱结果来确定。例如，可在用户改变配方设定时实时地向他/她提供关于一个或多个确定的参数的性能的反馈。
晶片处理包括执行一次或多次第二晶片扫描。例如，如本文中进一步描述的，一个或多个参数可包括用于执行一次或多次第二晶片扫描的一个或多个参数、用于处理由一次或多次第二晶片扫描所产生的结果的一个或多个参数，及其组合。
在一个实施例中，该方法是以预定间隔执行的，并且如果在最后两个间隔之后产生的结果或经扰乱的结果彼此相差超过一预定值，则使用在最近的间隔之后确定的一个或多个参数执行晶片处理。例如，该方法可用来模仿批与批之间的变化并随着工艺随时间变化而动态地调整配方。在一个这样的示例中，这些实施例可用来研究一规定时间段(例如N批)内的配方性能和缺陷属性。如果该性能就妨害率和缺陷属性范围来说是稳定的，则不需要配方改变。如果该性能是不稳定的，则对于类中的缺陷属性可变性的模型可自动创建并将其用来调节配方设定。可每N批一次地自动检查这种配方性能。如此，本文描述的实施例可用来调整配方以使它们在动态制造工艺中保持稳定。如果每M批地重新计算模型，则这种计算出的模型可充当工艺变化的独立指标。这可以是显著工艺改变的强力的新统计独立的指标。
在另一实施例中，性能之间的差异包括一次或多次第一晶片扫描和一次或多次第二晶片扫描所共有的一类缺陷属性之间的差异。例如，针对工艺变化随时间调整配方可以与本文进一步描述的方式相同的方式执行，但具有一定的性质差别。具体地说，第一和第二晶片扫描将在不同晶片上执行，并因此两次扫描所共有的缺陷将不可用于生成模型。然而，可对一类或多类缺陷的属性变化进行建模。这种手段基于这样的假设：在N批数据采样中不存在某一类或多类缺陷的某种分布。对于这种使用情形的变化范围可基本不同于针对工具-工具和扫描-扫描匹配的模型生成确定的属性的变化范围。
在一个实施例中，一次或多次第一晶片扫描是由第一工具执行的，一次或多次第二晶片扫描是由第二工具执行的，并且确定一个或多个参数是不使用第二工具实现的。在另一实施例中，该方法不包括迭代地重复该方法的两个或更多个步骤。例如，本文描述的实施例提供了一种在单次迭代中利用来自第二工具的在先信息产生用于一个工具的“可匹配的”配方的具体方法。因此，本文描述的实施例节省时间和精力并带来一种创建配方的系统性手段，该系统性手段能满足扫描或工具匹配规范。具体地说，本文描述的实施例提供一种具体且快捷的方式，这种方式生成能够通过自捕捉率和工具匹配规范的配方而不需要在多个工具之间多次往返。
本文描述的实施例提供超过其它用于确定诸如晶片检查和度量的晶片处理的参数的方法的许多优势。例如，本文描述的实施例提供易使用性和相对快速的自捕捉或工具匹配结果。具体地说，获得自捕捉率或工具匹配结果的目前方法是经验性的并需要用户经历一系列步骤。执行这些步骤可能花费相对长的时间(例如一天或更长)，这依赖于情况的复杂性、工具的数目以及在用户场所的工具用法。然而，本文描述的实施例允许在创建能够满足自捕捉率和工具匹配规范的配方时快速地转变策略，而不需要在多个工具之间往返多次。
如此，本文描述的实施例需要更少的工具时间、更少的工程设计时间、更少的扫描电子显微镜(SEM)观察努力和更少的晶片时间以创建匹配的配方。例如，不像目前在工具上执行多个生产批次，用户必须使用工具来建立工具匹配配方，这增加了工具所有者的成本。取决于给定用户写了多少配方，这可能成为大量的花费。然而，在本文中进一步描述的实施例中，不需要使用多个工具来生成匹配配方。尤其，如本文所述，这些实施例省去了从用户必须对其创建匹配配方的每个工具和每个层得到结果的需要。因此，本文描述的实施例可节省大量工具时间，这些工具时间可用于许多其它目的(例如实际测量)。另外，本文描述的实施例在提供创建配方的系统性方法的同时加快了创建匹配配方的时间。本文描述的实施例也需要较少的工程设计时间以创建工具匹配的配方。例如，通常是工程师写配方。然而，如果工程师能立即产生用于一个工具的工具匹配的配方，则能节省工程师的大量时间。这演变为就工程师时间而言的直接成本削减以及通过减少工程师挫败感的间接成本削减。此外，iDO匹配在目前方法中可能需要大量的SEM观察，在目前方法中SEM分类和观察是多个工具所需要的。然而，本文描述的方法急剧地削减了这个时间并由此节省了大量SEM观察时间。
在另一实施例中，该方法包括在晶片的一个层上执行一次或多次第一晶片扫描和一次或多次第二晶片扫描，以产生用于生成模型的结果，并在晶片的其它层或其它晶片的其它层上执行晶片处理。例如，目前对于每个层的晶片处理设置需要对每个工具进行访问并可能需要对批件的SEM观察。然而，根据本文描述的实施例，在针对每个工具创建至“黄金”工具的模型之后，可建立匹配的配方而不需要转向每个工具。尤其，本文描述的模型可以是层独立的，因为它们是依存于硬件和光学器件的。层可包括掩模层或例如有源层、多聚层、接触层、金属层等的工艺层。层可使用任何适当的晶片制造工艺形成在晶片上，例如光刻法、蚀刻、沉积、化学机械抛光(CMP)或可改变晶片结构的任何其它工艺。
另一实施例涉及一计算机实现的方法，该方法用于产生用以确定晶片处理的一个或多个参数的结果。该方法包括产生一次或多次第一晶片扫描的性能和一次或多次第二晶片扫描的性能之间的差异的模型，它可如本文进一步描述那样执行。该方法还包括使用一次或多次第一晶片扫描产生对于晶片的结果，它可如本文进一步描述那样执行。另外，该方法包括使用结果和模型产生对晶片的受扰乱的结果，它可如本文进一步描述那样执行。经扰乱的结果近似于通过一次或多次第二晶片扫描产生的对晶片的结果。如本文进一步描述的那样，经扰乱的结果近似于这些结果。经扰乱的结果可如本文进一步描述的那样用来确定晶片处理的一个或多个参数。晶片处理包括执行一次或多次第二晶片扫描。
一个附加实施例涉及用于确定晶片处理的一个或多个参数的计算机实现的方法。该方法包括使用一次或多次第一晶片扫描产生对于晶片的结果，它可如本文进一步描述那样执行。该方法还包括使用该结果和一次或多次第一晶片扫描的性能和一次或多次第二晶片扫描的性能之间的差异的模型来产生晶片的经扰动的结果，它可如本文进一步描述那样执行。该模型可如本文所述地使用另一计算机实现的方法来产生。经扰乱的结果近似于通过一次或多次第二晶片扫描产生的对晶片的结果。如本文进一步描述的那样，经扰乱的结果近似于这些结果。另外，该方法包括基于经扰动的结果确定晶片处理的一个或多个参数，它可如本文进一步描述那样执行。晶片处理包括执行一次或多次第二晶片扫描。
本文描述的所有这些方法可包括将本方法的一个或多个步骤的结果存储在非瞬态计算机可读存储介质中。这些结果可包括本文描述的任何结果并可以业内已知的任何方式存储。存储介质可包括本文描述的任何存储介质或业内已知的任何其它适宜的存储介质。在结果已被存储之后，可访问存储介质中的结果并通过本文描述的任何方法或系统实施例使用这些结果，将它们格式化以显示给用户，由另一软件模块、方法或系统等使用。例如，在方法确定用于晶片处理的一个或多个参数之后，该方法可包括将包含一个或多个参数的用于晶片处理的配方存储在存储介质中以使系统可使用用于例如检查和/或度量的处理的配方。
这些方法中的每一方法的每个步骤可通过计算机系统执行。计算机系统可如本文中所描述地配置。方法的每个实施例可包括本文中描述的任何其他方法的任何其他步骤。另外，该方法的每个实施例可由本文描述的任何系统执行。
另一实施例涉及非瞬态计算机可读介质，该非瞬态计算机可读介质将程序指令存储在其中以使计算机系统执行本文描述的一个或多个计算机实现的方法。这种计算机可读介质的一个实施例示出于图4中。具体地说，计算机可读介质10包含存储于其中以使计算机系统14执行一个或多个本文描述的计算机实现的方法的程序指令12。
执行例如本文所述的那些方法的程序指令12可存储在计算机可读介质10上。计算机可读介质可以是非瞬态计算机可读存储介质，例如只读存储器、随机存取存储器、磁盘或光盘、磁带或业内已知的任何其它适宜的计算机可读介质。
程序指令可以多种方式中的任何一种实现，包括基于程序的技术、基于组件的技术和/或面向对象的技术及其它。例如，程序指令可根据需要使用ActiveX控件、C++对象、JavaBeans、微软基础类(MFC)或其它技术或方法来实现。
计算机系统14可采用多种形式，包括个人计算机系统、大型计算机系统、工作站、图像计算机、并行处理器或业内已知的任何其它设备。一般来说，术语“计算机系统”可广泛地定义成涵盖具有一个或多个处理器的任何设备，所述设备执行来自存储器介质的指令。
图5示出配置成执行本文描述的一个或多个计算机实现方法的系统的一个实施例。如图5所示，系统包括数个工具16、18、20和22。工具16、18、20和22可包括任何可商业购得的晶片检查和/或度量工具。工具之一(例如工具16)可用来产生结果，这些结果用于为其它工具之一(例如工具18、20、22)产生经扰乱的结果。例如，该系统可配置成使用通过工具16执行的一次或多次第一晶片扫描产生对于晶片的结果。
可如本文所述进一步配置的计算机系统24可以任何适宜方式耦合于每一工具以使计算机系统可将数据发送至每一工具或从每一工具接收数据。例如，计算机系统24可从工具16接收使用一次或多次第一晶片扫描产生的结果。
计算机系统可配置成使用由例如本文描述的工具16和模型产生的结果来产生对于晶片的经扰乱结果。经扰乱的结果近似于通过由其它工具之一执行的一次或多次第二晶片扫描对晶片产生的结果。
计算机系统24也可配置成基于经扰乱的结果确定用于晶片处理的一个或多个参数，它可如本文进一步描述那样执行。如此，通过工具16产生的结果可用于对其它工具之一产生晶片处理配方。另外，由工具16产生的结果可用于对其它工具之一产生晶片处理配方，而无需使用这些其它工具，这如本文进一步描述的那样是有利的。因此，工具16可专用于晶片处理配方设置，尽管当不用于晶片处理设置时该工具也可用于实际晶片处理。
计算机系统24可配置为不构成工艺、检查、度量、观察或其它工具的一部分的独立系统。替代地，计算机系统24可形成晶片检查系统、度量系统、缺陷观察系统、分析系统或另一工具的一部分。
根据此描述，本发明的各个方面的进一步修改和替代实施例对本领域技术人员可变得显而易见。例如，提供用于确定晶片检查和/或度量的一个或多个参数的方法。因此，该描述应当被解释为只是说明性的，并且出于教导本领域的技术人员实现本发明的一般方式的目的。应该理解，本文中示出且描述的本发明的形式应当被视为当前优选的实施例。元件和材料可替代本文中示出且描述的元件和材料，部分和过程可颠倒，并且本发明的某些特征可独立地使用，所有这些对受益于本发明的该描述之后的本领域的技术人员将是显而易见的。可在不背离所附权利要求书中所描述的本发明的精神和范围的情况下对本文所描述的元件作出改变。
Claims (21)
1.一种用于确定晶片处理的一个或多个参数的计算机实现的方法，包括：
产生一次或多次第一晶片扫描的性能与一次或多次第二晶片扫描的性能之间的差异的模型；
使用所述一次或多次第一晶片扫描来产生对于晶片的结果；
使用所述结果和模型来产生晶片的经扰乱的结果，其中所述经扰乱的结果近似于通过所述一次或多次第二晶片扫描产生的对所述晶片的结果；以及
基于所述经扰乱的结果确定所述晶片处理的一个或多个参数，其中所述晶片处理包括执行一次或多次第二晶片扫描，并且所述方法的步骤是由计算机系统执行的。
2.如权利要求1所述的方法，其特征在于，执行所述确定以使所述一次或多次第二晶片扫描的性能与所述一次或多次第一晶片扫描的性能匹配。
3.如权利要求1所述的方法，其特征在于，所述一次或多次第一晶片扫描和一次或多次第二晶片扫描是通过不同的工具执行的。
4.如权利要求1所述的方法，其特征在于，所述一次或多次第一晶片扫描和一次或多次第二晶片扫描是通过同一工具执行的。
5.如权利要求1所述的方法，其特征在于，所述方法不包括迭代地执行所述方法的两个或更多个步骤。
6.如权利要求1所述的方法，其特征在于，所述一次或多次第一晶片扫描是由第一工具执行的，所述一次或多次第二晶片扫描是由第二工具执行的，并且所述确定是不使用第二工具执行的。
7.如权利要求1所述的方法，其特征在于，所述性能的差异包括在其上执行一次或多次第一晶片扫描和一次或多次第二晶片扫描以产生用于建立模型的结果的晶片上的缺陷属性的差异。
8.如权利要求1所述的方法，其特征在于，生成模型包括识别晶片上一次或多次第一晶片扫描和一次或多次第二晶片扫描所共有的缺陷。
9.如权利要求8所述的方法，其特征在于，生成所述模型还包括标绘出使用一次或多次第一晶片扫描确定的缺陷属性和使用一次或多次第二晶片扫描确定的属性之间的差异相对于使用一次或多次第一晶片扫描确定的属性和使用一次或多次第二晶片扫描确定的属性的平均值的图。
10.如权利要求9所述的方法，其特征在于，生成所述模型还包括将缺陷拆分成与不同平均值对应的多个面元，并且每个面元包括与每个其它面元相同数量的缺陷。
11.如权利要求10所述的方法，其特征在于，生成所述模型进一步包括对于每个面元确定每个面元中的缺陷的属性分布的平均值和∑值。
12.如权利要求11所述的方法，其特征在于，产生经扰乱的结果包括从随机分布中对一个面元抽取一个点，所述点具有针对所述模型中的相应面元确定的平均值和Σ值。
13.如权利要求1所述的方法，其特征在于，还包括在生成所述模型之前，改变一个或多个工具用于执行一次或多次第一晶片扫描和一次或多次第二晶片扫描的一个或多个参数，从而在使用一次或多次第一晶片扫描和一次或多次第二晶片扫描来生成产生模型的结果之前，所述一次或多次第一晶片扫描和所述一次或多次第二晶片扫描彼此匹配。
14.如权利要求1所述的方法，其特征在于，所述方法是以预定间隔执行的，并且如果在最后两个间隔之后产生的结果或经扰乱的结果彼此相差超过一预定值则使用在最近的间隔之后确定的一个或多个参数执行晶片处理。
15.如权利要求1所述的方法，其特征在于，性能之间的差异包括一次或多次第一晶片扫描和一次或多次第二晶片扫描所共有的一类缺陷属性之间的差异。
16.如权利要求1所述的方法，其特征在于，还包括在晶片的一个层上执行一次或多次第一晶片扫描和一次或多次第二晶片扫描，以产生用于生成模型的结果，其中所述晶片处理将在晶片的其它层或其它晶片的其它层上执行。
17.如权利要求1所述的方法，其特征在于，所述一个或多个参数包括用于执行所述第二晶片扫描的一个或多个参数。
18.如权利要求1所述的方法，其特征在于，所述一个或多个参数包括用于处理由所述第二晶片扫描产生的结果的一个或多个参数。
19.如权利要求1所述的方法，其特征在于，所述晶片处理包括检查或度量。
20.一种计算机实现的方法，所述方法产生用以确定晶片处理的一个或多个参数的结果，包括：
产生一次或多次第一晶片扫描的性能和一次或多次第二晶片扫描的性能之间的差异的模型；
使用所述一次或多次第一晶片扫描来产生对于晶片的结果；以及
使用所述结果和所述模型产生对于晶片的经扰乱的结果，所述经扰乱的结果近似于通过所述一次或多次第二晶片扫描产生的针对所述晶片的结果，所述经扰乱的结果用来确定晶片处理的一个或多个参数，所述晶片处理包括执行一次或多次第二晶片扫描，而且所述方法的步骤是由计算机系统执行的。
21.一种用于确定晶片处理的一个或多个参数的计算机实现的方法，包括：
使用所述一次或多次第一晶片扫描来产生对于晶片的结果；
使用所述结果和所述一次或多次第一晶片扫描的性能和所述一次或多次第二晶片扫描的性能之间的差异的模型来产生晶片的经扰乱的结果，所述经扰乱的结果近似于通过所述一次或多次第二晶片扫描产生的对晶片的结果；以及
基于所述经扰乱的结果确定所述晶片处理的一个或多个参数，所述晶片处理包括执行一次或多次第二晶片扫描，并且所述方法的步骤是由计算机系统执行的。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US36040610P | 2010-06-30 | 2010-06-30 | |
| US61/360,406 | 2010-06-30 | ||
| PCT/US2011/039876 WO2012005863A2 (en) | 2010-06-30 | 2011-06-09 | Data perturbation for wafer inspection or metrology setup |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN102985887A true CN102985887A (zh) | 2013-03-20 |
| CN102985887B CN102985887B (zh) | 2014-12-03 |
Family
ID=45441709
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201180032278.1A Active CN102985887B (zh) | 2010-06-30 | 2011-06-09 | 用于晶片检查或度量设置的数据扰乱 |
Country Status (8)
| Country | Link |
|---|---|
| US (1) | US9360863B2 (zh) |
| JP (1) | JP5925199B2 (zh) |
| KR (1) | KR101803119B1 (zh) |
| CN (1) | CN102985887B (zh) |
| DE (1) | DE112011102209T5 (zh) |
| IL (1) | IL223198A (zh) |
| TW (1) | TWI451512B (zh) |
| WO (1) | WO2012005863A2 (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105324839A (zh) * | 2013-05-21 | 2016-02-10 | 科磊股份有限公司 | 对参数追踪的计量系统优化 |
| CN110402487A (zh) * | 2017-01-10 | 2019-11-01 | 科磊股份有限公司 | 用于在具有深堆叠层的芯片中训练且应用缺陷分类器的系统、方法 |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9053390B2 (en) * | 2012-08-14 | 2015-06-09 | Kla-Tencor Corporation | Automated inspection scenario generation |
| US8948494B2 (en) * | 2012-11-12 | 2015-02-03 | Kla-Tencor Corp. | Unbiased wafer defect samples |
| NL2017881B1 (en) * | 2015-12-18 | 2017-10-17 | Ultratech Inc | Full-wafer inspection methods having selectable pixel density |
| DE102018111378A1 (de) * | 2018-05-14 | 2019-11-14 | Osram Opto Semiconductors Gmbh | Verfahren zur auswertung von messdaten |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6726319B1 (en) * | 1999-10-14 | 2004-04-27 | Sumitomo Mitsubishi Silicon Corporation | Method for inspecting surface of semiconductor wafer |
| JP2007329337A (ja) * | 2006-06-08 | 2007-12-20 | Hitachi High-Technologies Corp | 半導体ウェーハ検査装置および半導体ウェーハ検査方法 |
| US20080049219A1 (en) * | 2006-08-25 | 2008-02-28 | Ji-Hye Kim | Wafer inspecting method |
| CN101238346A (zh) * | 2005-06-06 | 2008-08-06 | 恪纳腾技术公司 | 用于执行缺陷相关功能的计算机实现的方法 |
| US20090219520A1 (en) * | 2008-02-28 | 2009-09-03 | Woo-Seok Ko | Apparatus and method for inspecting a surface of a wafer |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH05248843A (ja) * | 1992-03-05 | 1993-09-28 | Mitsubishi Electric Corp | 走査型電子顕微鏡 |
| JP3869588B2 (ja) | 1999-09-01 | 2007-01-17 | 株式会社日立製作所 | 回路パターン検査装置 |
| JP2002054915A (ja) * | 2000-08-08 | 2002-02-20 | Sony Corp | 検査装置 |
| KR100583960B1 (ko) * | 2004-01-20 | 2006-05-26 | 삼성전자주식회사 | 반도체 소자의 테스트 패턴 및 이를 이용한 테스트 방법. |
| JP2007024737A (ja) * | 2005-07-20 | 2007-02-01 | Hitachi High-Technologies Corp | 半導体の欠陥検査装置及びその方法 |
| US7676077B2 (en) * | 2005-11-18 | 2010-03-09 | Kla-Tencor Technologies Corp. | Methods and systems for utilizing design data in combination with inspection data |
| US8223327B2 (en) * | 2009-01-26 | 2012-07-17 | Kla-Tencor Corp. | Systems and methods for detecting defects on a wafer |
| EP2394295A2 (en) * | 2009-02-06 | 2011-12-14 | KLA-Tencor Corporation | Selecting one or more parameters for inspection of a wafer |
-
2011
- 2011-06-09 CN CN201180032278.1A patent/CN102985887B/zh active Active
- 2011-06-09 JP JP2013518424A patent/JP5925199B2/ja active Active
- 2011-06-09 US US13/258,441 patent/US9360863B2/en active Active
- 2011-06-09 WO PCT/US2011/039876 patent/WO2012005863A2/en active Application Filing
- 2011-06-09 DE DE112011102209T patent/DE112011102209T5/de active Pending
- 2011-06-09 KR KR1020137002360A patent/KR101803119B1/ko active IP Right Grant
- 2011-06-21 TW TW100121665A patent/TWI451512B/zh active
-
2012
- 2012-11-22 IL IL223198A patent/IL223198A/en active IP Right Grant
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6726319B1 (en) * | 1999-10-14 | 2004-04-27 | Sumitomo Mitsubishi Silicon Corporation | Method for inspecting surface of semiconductor wafer |
| CN101238346A (zh) * | 2005-06-06 | 2008-08-06 | 恪纳腾技术公司 | 用于执行缺陷相关功能的计算机实现的方法 |
| JP2007329337A (ja) * | 2006-06-08 | 2007-12-20 | Hitachi High-Technologies Corp | 半導体ウェーハ検査装置および半導体ウェーハ検査方法 |
| US20080049219A1 (en) * | 2006-08-25 | 2008-02-28 | Ji-Hye Kim | Wafer inspecting method |
| US20090219520A1 (en) * | 2008-02-28 | 2009-09-03 | Woo-Seok Ko | Apparatus and method for inspecting a surface of a wafer |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105324839A (zh) * | 2013-05-21 | 2016-02-10 | 科磊股份有限公司 | 对参数追踪的计量系统优化 |
| CN105324839B (zh) * | 2013-05-21 | 2018-01-16 | 科磊股份有限公司 | 对参数追踪的计量系统优化 |
| CN110402487A (zh) * | 2017-01-10 | 2019-11-01 | 科磊股份有限公司 | 用于在具有深堆叠层的芯片中训练且应用缺陷分类器的系统、方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| IL223198A0 (en) | 2013-02-03 |
| WO2012005863A2 (en) | 2012-01-12 |
| TW201209948A (en) | 2012-03-01 |
| DE112011102209T5 (de) | 2013-06-27 |
| US20120116733A1 (en) | 2012-05-10 |
| WO2012005863A3 (en) | 2012-04-05 |
| TWI451512B (zh) | 2014-09-01 |
| JP5925199B2 (ja) | 2016-05-25 |
| IL223198A (en) | 2017-04-30 |
| KR20130096228A (ko) | 2013-08-29 |
| US9360863B2 (en) | 2016-06-07 |
| JP2013534055A (ja) | 2013-08-29 |
| KR101803119B1 (ko) | 2017-11-29 |
| CN102985887B (zh) | 2014-12-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102985887B (zh) | 用于晶片检查或度量设置的数据扰乱 | |
| TWI469235B (zh) | 決定實際缺陷是潛在系統性缺陷或潛在隨機缺陷之由電腦實施之方法 | |
| US9739720B2 (en) | Method, computer system and apparatus for recipe generation for automated inspection of semiconductor devices | |
| US20040147121A1 (en) | Method and system for manufacturing a semiconductor device | |
| CN110770886A (zh) | 用于使用半导体制造工艺中的深度学习预测缺陷及临界尺寸的系统及方法 | |
| TW202006848A (zh) | 半導體廠缺陷作業系統及裝置 | |
| US8290241B2 (en) | Analyzing apparatus, program, defect inspection apparatus, defect review apparatus, analysis system, and analysis method | |
| CN102637614B (zh) | 消除错误缺陷检测方法与系统 | |
| KR20090133138A (ko) | 제조 데이터를 분석하는 방법 및 장치 | |
| TWI743340B (zh) | 用於偵測缺陷之方法、掃描電子顯微鏡及儲存一程式之非暫時性電腦可讀媒體 | |
| TW201725381A (zh) | 於樣品上判定所關注圖案之一或多個特性 | |
| US20190026419A1 (en) | Method and system for quickly diagnosing, classifying, and sampling in-line defects based on caa pre-diagnosis database | |
| CN110727247B (zh) | 半导体厂缺陷操作系统及装置 | |
| US20140135968A1 (en) | Method of maintaining a semiconductor production line | |
| US8682058B2 (en) | Defect analysis method, apparatus, and recording medium using pattern dependence degree | |
| US20140019927A1 (en) | Waferless measurement recipe | |
| US6376261B1 (en) | Method for varying nitride strip makeup process based on field oxide loss and defect count | |
| JP4253024B2 (ja) | 波形パターンデータから製品の良品・不良品の検査のための特徴を抽出する方法及びプログラム | |
| CN116705637A (zh) | 用于晶片检验临界区域的产生的方法及系统 | |
| US20120316803A1 (en) | Semiconductor test data analysis system | |
| TWI683284B (zh) | 保留可重標準化性之製造樣本成型 | |
| US10503078B2 (en) | Criticality analysis augmented process window qualification sampling | |
| US8165845B1 (en) | Method and apparatus for statistical identification of devices based on parametric data | |
| US20190025371A1 (en) | Pattern defect detection method | |
| Chen | Optimum process mean setting based on variable sampling plan with producer’s and consumer’s risks |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant |