CN103748670B - 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 - Google Patents

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 Download PDF

Info

Publication number
CN103748670B
CN103748670B CN201280040589.7A CN201280040589A CN103748670B CN 103748670 B CN103748670 B CN 103748670B CN 201280040589 A CN201280040589 A CN 201280040589A CN 103748670 B CN103748670 B CN 103748670B
Authority
CN
China
Prior art keywords
defect
region
inspection
sample
information
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
CN201280040589.7A
Other languages
English (en)
Other versions
CN103748670A (zh
Inventor
中垣亮
平井大博
小原健二
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.)
Hitachi Ltd
Original Assignee
Hitachi Ltd
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 Hitachi Ltd filed Critical Hitachi Ltd
Publication of CN103748670A publication Critical patent/CN103748670A/zh
Application granted granted Critical
Publication of CN103748670B publication Critical patent/CN103748670B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/9501—Semiconductor wafers
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/22—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material
    • G01N23/225—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material using electron or ion
    • G01N23/2251—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material using electron or ion using incident electron beams, e.g. scanning electron microscopy [SEM]
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/60—Specific applications or type of materials
    • G01N2223/611—Specific applications or type of materials patterned objects; electronic devices
    • G01N2223/6116—Specific applications or type of materials patterned objects; electronic devices semiconductor wafer
    • 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
    • H01L22/10—Measuring as part of the manufacturing process
    • H01L22/12—Measuring as part of the manufacturing process for structural parameters, e.g. thickness, line width, refractive index, temperature, warp, bond strength, defects, optical inspection, electrical measurement of structural dimensions, metallurgic measurement of diffusions

Landscapes

  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)

Abstract

本发明高效地决定需要进行高灵敏度检查、高精度测量的部分区域。区域决定装置具备：计算部，其根据包含拍摄检查试样而得到的试样上的缺陷位置、或被预测为在试样上有可能产生缺陷的缺陷位置所得的图像在内的缺陷数据的至少多种缺陷属性信息，计算缺陷的产生程度；区域决定部，其提取出产生程度为预定程度以上的缺陷数据，根据提取出的该缺陷数据决定要进行观察或检查的试样上的区域。

Description

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
技术领域
本发明涉及一种在作为试样的半导体晶圆上形成器件图案的预工序中进行的晶圆缺陷检查和图案测量技术。
背景技术
半导体制造预工序中的成品率，由于晶圆制造的各种工序中的工艺异常的结果所产生的缺陷、由于工艺变动而产生的电路图案的形成不合格等，受到很大影响。
作为所产生的缺陷的例子，有在晶圆上随机产生的附着异物、由于晶圆表面研磨而产生的划痕等。另外，由于各工序中的晶圆中央部和周边部的制造条件的不同（例如蚀刻工序中的等离子体状态的不同、扩散工序中的加热状态的不同等），存在只在晶圆周边部产生的图案的形成不合格等。
另外，作为引起图案的形成不合格的工艺变动的代表例子，有光刻工序中的对电路图案进行光学曝光时的曝光条件（聚焦和曝光量）的变动。由于这些变动因素，电路图案的尺寸、形状变化，其结果是有可能产生器件特性不合格等。
为了防止这样的不合格的发生，实现高成品率生产，在晶圆制造现场进行的缺陷管理、工艺管理逐渐变得重要。
为了缺陷管理而使用晶圆外观检查装置。以前使用的光学式的晶圆外观检查装置，检测向晶圆上照射照明光所产生的来自晶圆的反射光、散射光，由此对晶圆表面状态进行图像化，利用图像处理来调查晶圆上的缺陷的有无。具有数～几十分/晶圆左右的吞吐量、20纳米左右以上的检测灵敏度。但是，在几十纳米的缺陷检测条件下，一并检测出伪缺陷（不是真的缺陷）的情况很多，难以高精度地只检测出真的缺陷。
另一方面，作为能够进行灵敏度比光学式晶圆检查装置高的检查的装置，以前已知使用了电子束的SEM（Scanning Electron Microscope：扫描电子显微镜）式晶圆检查装置。本装置向晶圆表面照射被会聚为十几纳米～数纳米左右的电子束，检测所产生的二次电子等，由此对晶圆表面的状态进行图像化。虽然具有十几纳米～数纳米左右的检测灵敏度，但吞吐量与光学式晶圆检查相比压倒性地低，因此大多用于只检查晶圆的一部分区域的部分检查。在专利文献1和专利文献2中公开了电子束检查装置的晶圆的部分检查方法。将半导体存储器的存储器网（memory mat）周边部等检查区域限定为部分区域来进行缺陷检查。
此外，为了对通过这些检查装置检测出的缺陷进行观察、分类，使用复查（review）装置。工艺的细微化发展的结果是对成品率产生影响的缺陷的大小逐步变得比几十纳米小，因此一般使用电子束式的复查装置（复查SEM）。将从晶圆检查装置得到的缺陷位置信息作为输入，以比检查时高的分辨率（例如每像素数纳米的像素尺寸）取得该位置的图像，进行缺陷种类的确定、观察。
另一方面，作为工艺管理的例子，有基于CDSEM（Critical Dimension（临界尺寸）-SEM）的光刻工序的监视。通过CDSEM定期地测量晶圆上的预先确定的位置的电路图案的尺寸，将该尺寸值和基准值进行比较，由此进行工艺管理。CDSEM与前面说明的复查SEM相同，是使用电子束的装置，能够得到数纳米左右的分辨率的图像，但一个位置的测定需要秒级的时间，因此能够测定的位置的个数有限。因此，只将事先决定的位置作为测量对象来进行应用。在技术文献3中公开了以下方法，即使用为了进行曝光工艺管理而以芯片为单变更曝光条件来制作的晶圆（例如FEM：Focus Exposure Matrix（聚焦曝光矩阵）晶圆等），确定需要进行所允许的工艺变动范围的验证、图案测量的位置。此外，FEM晶圆是指对晶圆上的每个裸片（die）使焦点和曝光量矩阵状地变化而形成了同一电路图案的晶圆。通过光学式晶圆检查装置对该晶圆进行检查，由此能够确定实际产生了缺陷的位置的位置信息、没有产生缺陷的焦点/曝光量的条件（称为工艺窗口）。将从工艺窗口偏离的裸片上的缺陷产生位置等被预想为在工艺变动时产生的可能性高的位置确定为测量位置。
现有技术文献
专利文献
专利文献1：日本特开2010-67533号公报（美国专利US2011-0163230号公报）
专利文献2：日本特开2011-119471号公报
专利文献3：美国专利US6902855号公报
发明内容
发明要解决的问题
在专利文献1中表示出以下事例，即将经验上作为容易产生缺陷的位置而已知的存储器器件的存储器网端部作为检查对象，进行使用了电子束的高灵敏度检查。但是，由于工艺细微化，如果新工艺的导入、新材料的采用等发展，则有可能在经验上未知的位置产生经验上未知的缺陷种类。根据现有技术，在这样的情况下无法有效地确定电子束检查中的检查区域。即，在没有充分得到经验知识的情况下，存在决定检查区域的方法变得困难的问题。
另外，在专利文献2中公开了使用SEM针对部分区域实现缺陷的有无的判定、图案的尺寸的测定等不同检查项目时的处理方法。在本文献中，虽然记述了将在通过其他检查装置取得的检查结果中缺陷集中的区域作为进行部分检查的检查区域，但并没有说明其具体且详细的方法。
另外，在专利文献3中表示出以下方法，即为了决定在光刻工序中需要的CDSEM中的尺寸测定位置，不使用经验的知识，而使用对测试用晶圆的光学晶圆检查结果来决定应该测量的位置。但是，随着工艺细微化的发展，对器件产生影响的图案的变动量变得比十几纳米小，如果光学式晶圆检查装置的检查灵敏度不足，则在现有技术的方法中无法高精度地决定CDSEM用的尺寸测量位置。预想通过在能够检测出十几纳米级的缺陷的检测灵敏度更高的检查条件（高灵敏度模式）下进行光学式晶圆检查，能够某种程度地检测这些微小缺陷，但在该情况下，除了真的缺陷以外，还会检测出大量伪缺陷（检查装置的虚报），因此存在从包含伪缺陷的大量缺陷候选中筛选真的缺陷的操作负荷变大的问题。
用于解决问题的手段
本发明就是为了高效地决定需要进行高灵敏度检查、高精度检测的部分区域而提出的。
根据本发明的一个形式，提供一种区域决定装置，具备：计算部，其根据包含拍摄检查试样得到的试样上的缺陷位置、或被预测为在该试样上有可能产生缺陷的缺陷位置所得的图像在内的缺陷数据的至少多种缺陷属性信息，计算上述缺陷的产生程度；区域决定部，其提取出上述产生程度为预定程度以上的缺陷数据，根据提取出的该缺陷数据决定进行观察或检查的试样上的区域。
另外，根据本发明的另一个形式，提供一种观察装置或检查装置，具备：计算部，其根据包含拍摄检查试样得到的试样上的缺陷位置、或被预测为在该试样上有可能产生缺陷的缺陷位置所得的图像在内的缺陷数据的至少多种缺陷属性信息，计算上述缺陷的产生程度；区域决定部，其提取出上述产生程度为预定程度以上的缺陷数据，根据提取出的该缺陷数据决定进行观察或检查的试样上的区域；图像取得部，其根据决定的该区域信息，取得上述缺陷位置的图像。
另外，根据本发明的另一个形式，提供一种区域决定方法，包括：根据包含拍摄检查试样得到的试样上的缺陷位置、或被预测为在该试样上有可能产生缺陷的缺陷位置所得的图像在内的缺陷数据的至少多种缺陷属性信息，计算上述缺陷的产生程度的步骤；提取出上述产生程度为预定程度以上的缺陷数据，根据提取出的该缺陷数据决定进行观察或检查的试样上的区域的步骤。
另外，根据本发明的另一个形式，提供一种观察方法或检查方法，包括：使用上述的区域决定方法，决定试样上的区域，对决定的上述区域进行观察或检查的步骤。
发明效果
根据本发明，能够高效地决定应该进行图案测量或缺陷检查的部分区域。附图说明
图1是第一实施方式的检查系统的整体图。
图2是第一实施方式的处理流程。
图3是第一实施方式的区域决定装置的内部框图。
图4是第一实施方式的区域决定处理流程。
图5A是第一实施方式的芯片图（chip map）的例子。
图5B是第一实施方式的针对芯片布局设定了局部区域的例子和选择出缺陷密度高的局部区域的例子。
图6A是第一实施方式的图案分组结果的显示画面例子。
图6B是第一实施方式的图案分组结果的另一个显示画面例子。
图7是第一实施方式的数据挑选结果显示画面例子。
图8是第一实施方式的检查系统的整体图2。
图9是图8所示的检查系统中的区域决定装置的框图。
图10是第二实施方式的检查系统的整体图。
图11是第二实施方式的晶圆区域分割的说明图。
图12A是第二实施方式的从图11所示的区域1制作的芯片图例子。
图12B是第二实施方式的从图11所示的区域4制作的芯片图例子。
图13是第二实施方式的数据挑选结果显示画面例子。
图14是第三实施方式的检查系统的整体图。
图15是第三实施方式的处理流程。
图16是第四实施方式的检查系统的整体图。
图17是第四实施方式的处理流程。
图18是第五实施方式的检查系统的整体图。
图19是第五实施方式的处理流程。
具体实施方式
（第一实施方式）
首先，在本实施方式中说明作为检查装置的缺陷复查系统，该检查装置为了进行光刻工序中的工艺管理而具备决定用CDSEM检查试样、具体地说进行图案测量时的检查（测量）区域的功能。
图1是本发明的第一实施方式的检查系统的整体图，表示出包含复查SEM1005的检查系统的整体图。经由网络1004将光学式晶圆检查装置1001、CDSEM1002、成品率管理服务器（YMS：Yield Management Server）1003以及复查SEM1005连接起来。构成复查SEM1005的主要部分具有：SEM主体1006，其进行向搭载在可动台上的作为试样的晶圆照射电子束，取得图像的一连串处理；配方存储部1007，其存储图像取得的条件（照射的电子束的加速电压、探针电流、摄像时的视野大小或摄像倍率、以提高信噪比（S/N）为目的而将多个图像相加来形成图像的时的帧相加运算）、用于缺陷检测的图像处理的参数等的配方；复查结果存储部1009，其存储拍摄到的缺陷图像、该缺陷的坐标值等的复查结果；在针对复查SEM1005的动作指示或处理结果的显示等中使用的显示器/键盘等构成为能够输入输出的输入输出部1008；整体控制部1010，其控制复查SEM中的一连串动作（坐标数据的读入、来自配方存储部1007的摄像条件向SEM主体1006的设定、图像拍摄、取得图像向复查结果存储部1009的存储、图像处理等）的复查SEM1005整体；图像处理部1011，其对取得的图像进行缺陷识别等图像处理；区域决定部1012，其基于复查结果决定测量区域（检查区域）。这些SEM主体1006、配方存储部1007、输入输出部1008、复查结果存储部1009、整体控制部1010、图像处理部1011、区域决定部1012分别电连接。此外，SEM主体1006还至少作为图像取得部发挥功能。
在图2中表示本系统的一连串处理流程。假设事前使用了光学式晶圆检查装置1001的针对FEM晶圆的晶圆检查已经结束，其结果被登记在YMS1003中。首先，复查SEM1005从YMS1003取入该检查结果，保存或存储在复查结果存储部1009中（S201）。接着，使用复查SEM1005进行复查（S202）。该复查是指在复查SEM1005中根据从YMS1003取得的对该FEM晶圆的检查结果的信息，取得各缺陷的位置的SEM图像。具体地说，一边替换对象缺陷，一边重复进行对搭载试样晶圆的台进行移动使得试样晶圆上的缺陷坐标位置进入图像取得时的摄影视野并取得图像这样的一连串顺序。通过该复查，取得作为缺陷候选的位置信息的、芯片ID编号（用于分别唯一地指定在晶圆上存在多个的芯片的ID）和芯片内的坐标位置、以及与该位置对应的SEM图像的组。
在取得图像时，为了通过目视或图像处理进行缺陷的详细分析，需要将视野大小设定为数微米左右。但是，已知在光学式晶圆检查装置1001输出的缺陷坐标中存在位置的误差，在该误差量是数微米的情况下，如果以数微米的视野大小取得图像，则缺陷也有可能不进入视野。在这样晶圆检查装置的误差大的情况下，适合的是如果执行以下这样的顺序，则能够高效地检测出缺陷，即在作为视野大小比上述误差量大的条件，例如将视野扩大到十几微米左右的条件下暂时取得图像后，通过图像处理部1011的处理从图像中自动检测缺陷，针对检测出的位置，以比上述大视野的尺寸更小的数微米的狭小视野尺寸来取得图像。
此外，在进行从视野大的图像中自动检测缺陷位置的处理时，除了缺陷部位的图像以外，还一并取得合格品部位的图像，通过图像间的比较、即比较检查方式自动进行检测即可。针对与包含当前关注的缺陷部位的芯片不同的不包含缺陷部位的芯片中的、与该关注的缺陷部位的芯片内坐标相同的坐标位置进行图像取得，由此得到合格品部位的图像。通过预先将曝光条件被认为比较良好的芯片指定为合格品图像取得用芯片，能够得到取得合格品图像的芯片的位置。
此外，在进行光学式晶圆检查的阶段，进行与参考芯片的比较检查的情况下，也可以登记这时使用的比较芯片的位置（通常是与检查芯片相邻的多个芯片中的任意一个）。
以上处理的结果，能够取得缺陷候选的位置坐标信息即芯片ID编号（用于在晶圆上唯一地指定该芯片的ID）和芯片内的坐标位置以及与该位置对应的SEM图像的组。
此外，在通过光学式晶圆检查装置1001进行晶圆检查时，为了检测微小的形状缺陷、例如几十纳米的形状异常，大多在灵敏度高的条件下执行检查。因此，在检查结果中，除了真的缺陷以外，还混合有巨大数量的伪缺陷（缺陷以外的噪声数据）的可能性高。在该情况下，对光学式晶圆检查装置1001输出的缺陷的全部进行检查是低效率的，因此适合的是只对通过某种方法采样的部分缺陷数据进行SEM复查即可。
接着，使用这些数据，通过区域决定部1012决定测量区域（检查区域）（S203）。
图3表示区域决定部1012的内部框图。所输入的缺陷数据是与各缺陷有关的芯片ID、芯片内坐标、复查图像的组，存在处理对象缺陷数的该组。
在区域决定部1012的内部由以下部分构成：属性赋予部3001，其向各缺陷数据赋予以下说明的各种属性信息；数据挑选部3003，其根据该属性信息挑选缺陷数据；得分计算部3002，其计算挑选出的数据的评价得分，赋予该评价得分；以及区域输出部3004，其基于这些信息，决定图案测量区域（检查区域）并输出。此外，得分计算部3002至少作为以下的计算部发挥功能，即根据包含拍摄检查试样得到的试样上的缺陷位置、或被预测为在该试样上有可能产生缺陷的缺陷位置所得的图像在内的缺陷数据的至少多种属性信息，计算出作为上述缺陷的产生程度的评价得分。
另外，区域输出部3004至少作为以下的区域决定部发挥功能，即提取出上述产生程度为预定程度以上的缺陷数据，根据该提取出的缺陷数据决定要进行观察或检查的试样上的区域。
图4表示区域决定部1012的处理流程。本处理的目的在于：根据所输入的缺陷数据组，作为多种缺陷属性信息，针对容易成为缺陷的图案形状、位置进行分析，根据其结果决定在CDSEM1002中应该进行图案测量（试样上的图案检查）的区域。为此，在属性赋予部3001中，针对各缺陷数据设定多种、各种属性信息（或属性值）。首先，从晶圆上的全部芯片中自动选择在以后的处理中要使用的评价对象芯片（S401）。针对各缺陷数据组，设定自身是否存在于被选择出的芯片中的属性信息。芯片选择基于对缺陷数据赋予的芯片ID，针对各芯片调查存在的缺陷数量，选择该数量处于预定范围内的芯片，设为后续的处理对象。通过该芯片选择处理，例如能够从以后的处理中排除缺陷比预定的范围多的芯片、缺陷比预定的范围少的芯片中存在的缺陷数据。
接着，针对包含在成为处理对象的芯片中的缺陷，制作在一个芯片布局上描绘了各缺陷的芯片内坐标位置的芯片图（S402）。图5A是芯片图的例子。描绘显示了芯片上的缺陷存在的位置。根据该芯片图，能够对芯片内部的位置不同的缺陷密度的不同进行可视化。
根据该芯片图设定局部区域，从该局部区域中选择缺陷密度为预定以上、或处于预定范围内的区域（S403）。以确定缺陷密度高的位置（容易产生缺陷的位置）为目的，将芯片布局分割为多个矩形区域，选择该矩形内的缺陷数比预先设定的阈值多的区域，由此进行该局部区域的设定和检查对象区域的选择。图5B是针对芯片布局设定局部区域的例子和选择出缺陷密度高的局部区域的例子。用虚线标记局部区域（9×6=54个），选择其中11个区域（用粗框标记的位置）。针对各缺陷，赋予是否存在于该设定的局部区域内的属性信息。将包含在接着选择出的局部区域中的缺陷作为对象，进行缺陷分类处理，赋予缺陷种类的属性信息（S404）。缺陷分类处理对SEM图像进行图像处理，由此按照缺陷种类对SEM图像进行分类。例如，通过现在安装在标准的复查SEM中的自动缺陷分类功能（ADC：Automatic Defect Classification）来进行。这是通过对SEM图像进行图像处理来按照缺陷种类自动对SEM图像进行分类的功能。在此，缺陷种类例如表示按照附着异物、图案的短路、图案的断线等缺陷的原因而分类的结果等。
接着，作为缺陷属性信息的赋予处理的一种，针对包含在选择出的局部区域中的缺陷，进行着眼于合格品图案的图案分组处理（S405）。该处理是以下的处理，即在形状类似的图案中，着眼于产生类似种类的缺陷（例如图案短路、断线等）的可能性高的特征，从处理对象的缺陷数据群中，对这些电路图案的特征（图案的宽度、与相邻图案的距离、布局等）类似的缺陷之间进行分组。
如下这样进行分组处理。
在对各缺陷进行SEM复查（S202）时，假设预先与缺陷部位的图像数据一并取得了合格品图像数据，针对该合格品图像数据，通过相互相关系数法，求出表示该图像数据之间的类似程度的定量值。并且，将该类似程度为预定程度以上高的缺陷彼此看作同一组。
图6A作为第一实施方式的图案分组结果的显示画面例子，示意地显示了处理的效果，是针对图5B所示的选择局部区域所包含的缺陷数据，在分组前后一览显示其图标图像的例子。在本例子中是相互类似的图案存在组1、2、3的三种的例子。通过分组处理，对图案类似的每个组排列图像数据。此外，在分组结果的显示中，设为“其他”的组是不另外存在与该图案类似的图像的事例的集合。
在对图像之间的类似性进行评价时，也能够针对一方图像，例如准备好施加了旋转、放大/缩小等几何变换所得的多个图像，对该多个图像之间进行比较。另外，适合的是在图像的比较中，也可以不使用图像的全部区域进行比较，而使用图像内的局部区域来比较类似性。例如，针对各缺陷数据，对该部位的图像和与之对应的合格品图像进行比较（计算差图像），由此能够在图像内确定存在缺陷的部位，只在包含该确定了的缺陷的位置的部分图像区域中比较类似性。由此，能够减小用于类似度计算的区域，因此具有能够缩短处理时间的效果。
图6B是第一实施方式的图案分组结果的另一个显示画面例子。在此，为了对每个组的频度进行可视化，构成为对该频度进行图形化。具体地说，作为直方图显示出分组结果。代替该直方图，既可以使用圆图，也可以使用折线图。另外，适合的是如图6B所示，在同一画面中还一并显示各组的代表图像即可。由此，能够容易地识别出在图形内标记的各组的代表图像。
作为其他结果显示例子，适合的是例如也可以从分组的结果得到的组中指定任意的组，使用包含在该指定的组中的缺陷数据，制作图5A所示例的芯片图。据此能够确认具有某特定形状的图案在芯片上存在于哪个位置。这些显示画面被显示在复查SEM1005的输入输出部1008中，因此装置的操作者能够容易地确认。该图案分组处理的结果是对各缺陷赋予了属于哪个组的属性信息。
到此为止，说明了用于对缺陷数据赋予各种属性信息的处理的概要。具体地说，根据是否包含在选择出的芯片中、是否包含于在芯片布局内设定的局部区域中、各缺陷数据的缺陷种类是什么、通过图案分组处理判定为属于哪个组这样的观点，赋予属性信息。
接着，基于所得到的属性信息，通过数据挑选部3003进行缺陷数据的挑选（S406）。图7表示基于对各缺陷赋予的属性信息将进行数据挑选的结果显示在输入输出部1008中的例子。表示出根据是否包含在选择芯片中、是否包含在选择局部区域中、自动分类结果（缺陷种类）、图案分组结果的观点，挑选所输入的缺陷数据组的结果。进而，针对分组结果，还一并显示了各组的代表例子。另外，在图7的下段，还一并显示晶圆上的芯片布局和选择出的芯片、缺陷的芯片图和设定的局部区域。
接着，针对挑选出的各数据群，通过得分计算部3002计算得分值并赋予（S407）。在此，得分值是指用于计算缺陷的产生程度的值，是表示对该数据群赋予的成品率管理/工艺管理上的重要度的指标。在图7中还显示出对挑选出的各缺陷群赋予的得分值。预先对进行数据挑选时的每个基准定义单体得分值，针对为了得到最终的挑选结果而应用的全部基准，计算对各基准定义的单体得分值的积，由此得到得分值。例如，针对选择数据将与芯片选择有关的单体得分设为10，针对非选择数据将与芯片选择有关的单体得分设为0，针对局部区域的基准，将区域内数据的单体得分设为10，将区域外数据设为0，针对缺陷分类结果，将图案的短路/开路等形状缺陷的单体得分设为10，将异物等其他缺陷设为5，针对图案分组结果，将“其他”以外的组的单体得分设为10，将与“其他”的组对应的单体得分设为5。在该情况下，例如作为存在于选择芯片并且局部区域内的图案形状缺陷并判定为图案分组的结果组1的缺陷数据为得分值10000（10×10×10×10）。
此外，得分值预先对进行数据挑选时的每个基准定义单体得分值，针对为了得到最终挑选结果而应用的全部基准，即使不计算对各基准定义的单体得分值的积，只要适当地选择各基准，计算对选择出的各基准定义的单体得分值的积即可。
到此为止，说明了根据对缺陷数据赋予的各种属性信息挑选数据并赋予得分值的处理的实施方式之一，但本发明的实施方式并不限于在此所述的例子。也可以不使用上述属性信息的全部，而是作为一部分使用多个属性信息。另外，作为向各缺陷赋予的属性信息的其他例子，也可以是将各缺陷的尺寸是否包含在一定的范围内作为基准来赋予属性信息的方法、将各缺陷怎样与背景图案重叠（基底上、电路图案和基底的边界、图案上等）作为基准来赋予属性信息。
在到此为止的说明中，说明了根据基于在各缺陷候选中得到的属性信息的单体得分值，计算最终得分值的处理。作为该单体得分值，如前面所述那样定义多个种类的单体得分值，但通过根据多种缺陷属性信息计算缺陷的产生程度，从而从多种多样的缺陷候选中高效地确定所关注的重要缺陷，决定检查区域。
在工艺的开发阶段产生大量的缺陷候选。在它们中，除了因电路图案的形状这样的图案设计造成的缺陷以外，还混合有基于使用材料或制造装置的制造条件等多个因素的缺陷。另外，随着工艺开发进展，在该时刻关注的缺陷的种类也变化。因此，通过根据多种缺陷属性信息计算缺陷的产生程度，还能够容易地应对与工艺的成熟度对应地产生的重要缺陷的变化。
特别地在本发明中最重要的单体得分值相关的属性信息是与图案分组结果对应的信息，适合的是至少将该与图案分组结果对应的信息包含在根据上述多种缺陷属性信息计算上述缺陷的产生程度时的缺陷属性信息中。这是因为在细微化发展的光刻工序中，缺陷候选位置处的电路图案的形状、缺陷候选位置的周边的电路图案形状变得重要。
在挑选因电路图案的设计造成的缺陷候选时，该与图案分组结果对应的信息特别有效。
通过使用在具有高分辨率的SEM中取得缺陷候选点所得的图像，能够实现该图案分组处理。
另外，在从许多缺陷中高效地挑选缺陷候选中，缺陷种类的分类信息也是重要的，适合的是在根据上述多种缺陷属性信息计算上述缺陷的产生程度时，至少将该与缺陷种类有关的信息包含在缺陷属性信息中。
由此，能够从评价对象中排除有可能混合于在光刻工序中频发的图案形状缺陷中的随机产生的表面异物缺陷。另外，在图案形状缺陷中，根据图案的短路和断线、或快要成为缺陷的图案的细、粗这样的种类，此后的对应方法也不限于相同，因此通过灵活运用与缺陷的种类有关的属性信息来挑选缺陷能够使此后的分析高效化。
进而，在从许多缺陷中高效地挑选缺陷候选中，缺陷的试样上的芯片位置信息、或芯片内的缺陷位置的信息也是重要的，适合的是在根据上述多种缺陷属性信息计算上述缺陷的产生程度时，至少将该与缺陷种类有关的信息包含在缺陷属性信息中。
在无法保证制造工艺的面内均匀性的情况下，晶圆中的位置、例如在晶圆周边部和中心部，缺陷产生的程度发生变化。由此，通过将缺陷的位置信息包含在属性中，能够高效地挑选因晶圆面内的制造工艺的波动而产生的缺陷。另外，在芯片内部通常混合有图案密集的部位和不密集的部位，在各个区域中产生的缺陷种类也不同，因此依赖于应该关注的缺陷种类，以图案密度的观点挑选各缺陷候选也是有效的。
此外，在本发明的实现中，当然也能够假设只使用上述与重要的单体得分值有关系的属性信息，而不考虑与其他重要度低的单体得分值有关系的属性信息地挑选缺陷候选。
接着，根据得分值决定测量区域（检查区域）并输出（S408）。即，提取出作为缺陷的产生程度的得分值为预定以上的缺陷数据，根据该提取出的缺陷数据决定要进行检查的试样上的检查区域。
在此，以决定CDSEM1002的测量位置（检查位置）并输出为目的，因此应该输出的数据为作为检查区域的测量位置的坐标值。为了该目的，在数据挑选结果中选择具有预定值以上的得分值的数据群，输出在该数据群中包含的缺陷数据的坐标值。包含在各数据群中的缺陷部位在芯片布局内并不一定限于同一位置，因此接着进行将坐标值作为对象的分群（clustering）处理。在此，分群处理是指以下的处理，即针对存在于挑选结果中的数据，将芯片内坐标值在一定允许误差（例如±100nm）范围内的数据看作同一位置的数据（看作一个群）。然后，计算包含在各群中的数据的坐标的平均值。
此外，坐标数据是从晶圆检查装置得到的坐标值，混入了晶圆检查时的测定误差。因此，即使在CDSEM1002中观察所决定的坐标，该位置也有可能与希望的测定位置偏离。作为对该问题的解决方法的一个例子，是以下方法，即与测定位置的坐标数据一并将该电路图案图像（例如分组处理的结果所得到的代表图像）输出到YMS1003，在CDSEM1002侧利用其双方。在CDSEM1002中，在内部存储与测量点坐标一并取得的图案图像。在取得各测量点的图像时，首先以包含测量点坐标位置的广视野取得图像，然后，从该图像中，通过图案匹配处理求出图案图像所存在的位置。然后，另外取得所确定的该电路图案的部位作为测量用图像，对该图像进行测量处理。
另外，作为其他解决方法，是以下的方法，即使得经由用于SEM图像数据和CAD图案数据进行匹配的系统，从而取得布局CAD上的坐标值。图8表示用于实现本方法的形态例。与图1的不同在于：区域决定部1012连接有布局分析部1014。该布局分析部1014进而与布局CAD数据1015连接。
图9表示出图8所示的形态的区域决定部1012的框图。在本图中，与图3所示的区域决定部1012的框图相比，有以下不同：即区域输出部3004上连接有布局分析部1014；进而，布局分析部1014与布局CAD数据1015连接。布局分析部1014的内部由以下部分构成：裁剪部904，其用于从布局CAD数据1015中切出（裁剪）预定的部位的局部CAD数据；裁剪CAD存储部902，其存储该裁剪数据；匹配部903，其具有对存储的裁剪数据和SEM像进行匹配的功能。
在布局分析部1014中，接受在区域输出部3004中决定的测量位置的坐标数据及该位置的SEM图像，存储在匹配部903中。另外，从布局CAD数据1015中读出电路图案的设计布局数据，进而以各测量位置的坐标数据为中心，在裁剪部904中裁剪制作比该位置的SEM像的视野大小充分大的区域的CAD数据图像，保存在裁剪CAD存储部902中。接着，在匹配部903中进行所取得的裁剪数据和SEM像的图案匹配，在裁剪数据中识别与取得SEM像的部位一致的位置，由此取得各测量位置的CAD布局坐标值。如果是该方法，则能够取得不存在误差的坐标数据。此外，也可以在基于上述坐标的裁剪处理之前进行该方法。
将这样得到的测量位置的坐标值或图案图像输出到YMS1003中进行存储（S204）。可以在工艺开发作业中的工艺条件、设计电路图案的评价中使用该测量点的坐标信息。
此外，这样决定的坐标值是芯片内坐标，因此在实际进行晶圆测定时，需要指定要测定的芯片、该芯片的晶圆内坐标。例如，在针对用于测量点的决定的FEM晶圆进一步进行图像的再取得的情况下，接着指定成为评价对象的芯片，求出将该芯片原点的晶圆内坐标和所求出的测量点的芯片内坐标相加所得的坐标，由此能够计算出晶圆坐标系中的测量位置。
另外，也可以使用所输出的测量点作为量产该器件时的制造监视位置。即，能够将根据工艺开发阶段的检查结果判断为容易产生缺陷的位置登记在YMS1003中，在量产阶段对该位置进行测量。
（第二实施方式）
在第一实施方式中，表示了从将光刻工艺作为对象，通过晶圆检查装置检测出的缺陷候选中提取出测量区域的例子。在光刻工序中，在通常的情况下，在抗蚀剂层（单层抗蚀剂）中形成要观察的图案。另外，主要的缺陷是图案的断线、短路、细/粗这样的形状缺陷，具有其产生倾向与电路图案的局部形状有很强关系的特征。在本第二实施方式中说明以下的事例，即将除此以外的工序、例如在各种图案的蚀刻工序结束后进行的晶圆检查作为对象，决定作为检查位置确定信息的检查区域。在该情况下，前提是成为对象的缺陷种类不只包含形状缺陷，也包含各种工艺缺陷。在针对蚀刻结束后的具有多层构造的工艺晶圆（process wafer）进行缺陷管理的情况下，对缺陷发生产生影响的因素很多，因此一般难以灵活运用在光刻工序中使用的FEM晶圆那样的测试晶圆。由此，在实际的制造工艺中制造测试电路图案、实际电路图案，进行与其对应的晶圆检查，由此确定缺陷位置，进而从该数据中提取出应该检查的部分区域。
图10是本实施方式的检查系统的结构图。与在第一实施方式中说明的系统（图1）的不同在于：SEM式晶圆检查装置1013与网络1004连接。本第二实施方式的作为检查位置确定信息的检查区域的决定处理流程与第一实施方式的处理流程的概要相同，与图2所示相同。
如图2所示，首先从YMS1003取得光学式晶圆检查装置1001对评价用的实际工艺晶圆的检查结果（S201），进行SEM复查（S202）。在本实施方式中，也与第一实施方式同样地，在SEM复查时与缺陷位置的图像一并取得合格品图像，但用于取得合格品图像的参照芯片为存在各缺陷的芯片的相邻芯片。接着，使用存在各缺陷的芯片的ID和芯片内坐标值以及取得的图像，进行作为检查位置确定信息的检查区域的设定（S203）。本处理的流程的概要也与针对第一实施方式进行说明的图4相同，但细节不同，因此以下以不同之处为中心进行说明。
首先，从晶圆分割区域选择芯片（S401）。在第一实施方式中，以芯片为单位进行评价数据的挑选。这是因为在FEM晶圆中，工艺条件以芯片为单位而不同。在本实施例中，考虑到晶圆上的全局位置而进行芯片选择。即，将晶圆在其直径方向、圆周方向上分割为多个区域，从各分割区域中进行芯片的选择。这着眼于缺陷的产生倾向根据晶圆上的位置（例如与晶圆边沿的距离等）而不同的可能性高。图11是在按照方向分别对晶圆外周部的芯片群进行4分割而得的芯片群和晶圆外周以外的芯片群的共计5个区域中分割晶圆上的芯片的例子。按照方向分别将晶圆外周部的芯片群分割为以下的5个区域，即用格子图样表示的区域1、用横条图样表示的区域2、用纵条图样表示的区域3、用斜条图样表示的区域4、作为晶圆外周以外的芯片群而反白表示的区域5。从这样分割的区域中分别选择任意数的芯片。
接着，对包含在选择出的芯片中的缺陷数据附加属性。首先，作为第一属性，与第一实施方式同样地，针对处理对象芯片制作芯片图（S402），确定其缺陷密度高的部分区域（S403）。对图11所示例的每个晶圆分割区域进行芯片图的制作。图12A、图12B是芯片图的例子，在图12A中表示根据图11的区域1（晶圆右上的外周芯片群）制作的芯片图的例子，在图12B中表示根据图11的区域4（晶圆左下的外周芯片群）制作的芯片图的例子。可知在区域1、4之间，在芯片布局内缺陷密度高的位置不同的情况。本例揭示了在与晶圆的外周部接近侧的区域中缺陷密度高。通过与在第一实施方式中使用图5A、图5B说明的方法相同的方法，进行部分区域的设定。
接着，赋予通过ADC（自动分类功能）得到的缺陷种类的类属性（属性信息）（S404）。进而，使用参照图像进行分组处理（S405）。本实施例的分组处理的目的在于：挑选例如被称为伪图案的在电路的电气特性上没有意义的电路图案和除此以外的电路图案。伪图案有可能被配置在芯片内的各处，但具有正方形图案那样的特征，并且为与通常的电路图案形状不同的形状的情况很多。这样的特征性图案还具有容易通过图案分组处理识别的特征。伪图案上的缺陷对成品率没有影响，因此能够从处理对象中排除这样的缺陷。
接着，根据通过到此为止的处理得到的属性信息，进行缺陷数据的挑选（S406），针对各缺陷数据群赋予得分（S407）。划分和赋予得分的方式按照与第一实施方式所示的步骤相同的步骤来进行。图13是将挑选结果显示在输入输出部1008中的画面的一个例子。如图11所示，在将晶圆布局划分为多个区域后，从各区域进行芯片选择，因此分各区域（在本例子中为1～5）来显示挑选结果（在图13中只图示出区域1的部分）。在图13中表示出以下的例子，即作为针对晶圆上的区域1选择出的芯片中的缺陷，包含在基于缺陷密度而定义的局部区域中的缺陷有225。是以下情况的例子，即异物缺陷是200个，除此以外的缺陷是25个，针对200个异物缺陷进行图案分组的结果为，属于伪图案的组1的缺陷有165个，存在于其他背景图案中的缺陷有35个。
然后，根据得分值决定作为检查位置确定信息的检查区域并输出（S408）。在第一实施方式中所决定的是要测量的位置，但在本实施方式中，将具有一定面积的区域决定为检查区域。其具体的决定方法如下。首先，伪图案的区域不需要进行检查，因此确定伪图案区域。具体地说，根据图案分组的结果，调查是否存在伪图案的组。在存在的情况下，指定该组，将包含在该组中的缺陷点的坐标作为中心，将与该图像视野大小相同的视野的区域看作各个伪图案区域。针对包含在该组中的全部缺陷调查各个伪图案区域，计算其和区域所得的结果为最终的伪图案区域。接着，按照局部区域的内外或缺陷种类的观点，决定应该检查的区域。应该检查的区域，依赖于数据挑选结果，所设定的内容不同。例如，在针对存在于局部区域内部的缺陷，判断为哪个缺陷种类的数据都不特别重要的情况下，考虑到不需要进行局部区域内的检查，将除了局部区域以外的其他区域设定为下一个应该进行的检查区域。另一方面，在局部区域内部成品率管理上重要的缺陷种类多发的情况下，需要监视该缺陷的产生倾向，因此将该局部区域设定为检查区域。最终，从应该检查的区域中，将除了伪图案区域以外的区域决定为检查区域，输出到YMS1003。对在晶圆上设定的每个区域（在图11所示的例子中是5个区域）进行该处理。
在图12A、图12B中表示出按照在晶圆上设定的区域分别制作芯片图的结果是缺陷密度高的区域对每个区域都不同的例子，但在这样的情况下，最终设定的检查区域，在晶圆上的每个区域都设定不同的区域可能性变高。例如还会造成以下情况，即在晶圆的外周芯片中，针对存在于晶圆的右上侧的芯片，将在芯片内存在于右上的电路图案区域设定为检查区域，在位于晶圆的左上的芯片中，将存在于芯片内的左上的电路图案区域设定为检查区域。
通过本实施方式的系统输出的检查区域并不限于已经由晶圆检查装置检查过的区域，也可能包含没有进行检查的区域，因此通过SEM式晶圆检查装置1013检查在此设定的检查区域，由此还能够检测出无法通过光学式晶圆检查装置1001检测出的缺陷的可能性变高。
将这样得到的检查区域信息输出到YMS1003并存储（S204）。可以在工艺开发作业中的工艺条件、设计电路图案的评价中使用该检查区域信息。所决定的区域的信息是与芯片内坐标系对应的区域信息，因此在实际进行晶圆测定时，需要确定要测定的芯片。例如，在针对决定检查区域时使用的晶圆进一步进行图像的再取得的情况下，指定成为检查对象的芯片，根据该芯片原点的晶圆内的坐标和求出的检查区域的芯片内区域信息，计算出晶圆坐标系中的检查区域。
也可以将输出的检查区域信息用作量产该器件时的制造监视位置。即，能够使用在工艺开发阶段登记在YMS1003中的检查区域信息，在量产阶段为了制造监视而进行部分区域检查。
此外，在到此为止的说明中，表示出通过光学式检查装置得到晶圆上的缺陷候选位置的坐标的例子，但本发明的实施方式当然并不限于此。
例如，为了得到缺陷候选位置的坐标，除了光学式检查装置以外，也可以使用SEM式检查装置。如前面说明的那样，SEM式检查装置的吞吐量比光学式检查装置压倒性地低，因此实际上难以通过SEM式检查对晶圆的整个面进行检查。但是，最近能够得到的SEM式检查装置对其吞吐量也进行了改进，另外，有的安装了通过降低检查灵敏度来实现高吞吐性的模式。由此，通过SEM式检查装置，即使不能对晶圆整个面，也能够对某种程度的大区域（例如芯片的1/100的面积）进行检查。因此，也能够通过这样限定区域地进行SEM式检查来确定缺陷候选位置，进而通过本实施方式所示的检查区域决定方式或装置缩小应该更详细地进行检查的区域的范围。
另外，在到此为止的说明中，说明了以下的内容，即为了缩小应该详细进行检查的区域的范围，针对所得到的各缺陷候选的位置取得其图像，根据该图像和坐标值计算各种属性，基于该属性确定作为检查位置确定信息的检查区域，但也可以不进行图像摄像，而根据坐标数据确定作为检查位置确定信息的测量区域/检查区域。例如，也可以针对多个芯片使所得到的缺陷候选位置重叠，由此制作图，只根据该图信息决定检查区域。作为具体例子，可以如图5B所示，从芯片布局中确定缺陷密度高的部分区域，将该部位设定为检查区域。为了对这样确定的区域进行检查，分多次地对这些区域进行图像取得，为此需要将该区域分割为视野大小，但只要有区域的位置（例如如果将区域设为矩形，则为4角的芯片内坐标值）、摄像时的视野大小的信息，则能够容易地计算各摄像位置。
此外，还应该设想应该检查的区域在制作的图中并不限于缺陷密度高的位置。即，即使是缺陷候选位置的提取缺陷的可靠度低而在图上缺陷密度低的区域，只要怀疑真存在缺陷，则也考虑将缺陷密度低的区域指定为测量/检查区域的可能性。
（第三实施方式）
在本实施方式中，说明对以光刻工序为对象的本发明的第一实施方式进行扩展所得的方式。在第一实施方式中，以FEM晶圆为对象通过晶圆检查装置进行检查，将其结果作为缺陷位置候选而进行SEM复查。另一方面，由于最近的工艺模拟技术的进步，某种程度上能够通过模拟来预测变更晶圆工艺的工艺条件时的电路图案形状的变化的情况。例如，关于光刻工艺，如果对曝光模拟器输入电路图案的设计布局数据和曝光条件（聚焦和曝光量）以及抗蚀剂材料等，则能够得到要曝光的图案的预测形状。通过灵活运用该模拟器，能够预想由于工艺变动而产生的图案形状的变化，即使不进行晶圆检查，也能够预测工艺条件变动时有可能产生图案的变化的位置、该形状的变化的方式（短路、断线等）。因此，基于从该模拟器输出的作为缺陷属性信息的缺陷候选位置的信息，决定测量区域。
图14是本系统的结构图。相对于图1所示的模块，本图在以下方面不同，即工艺模拟器（曝光模拟器）1401与网络1004连接。在图15中表示本系统的处理流程。
假定事先制作了针对成为对象的器件使每个芯片的曝光条件变更来制作电路图案的FEM晶圆。首先，将成为对象的电路图案布局输入到工艺模拟器1401，取得电路图案上的缺陷候选位置的芯片内坐标数据（S1501）。接着，在FEM晶圆上指定成为评价对象的芯片，取得该指定的芯片中的缺陷候选位置的SEM图像（S1502）。另外，与第一实施方式同样地，从被认为工艺状态良好的芯片取得与各缺陷候选位置对应的合格品图像。然后，根据缺陷数据（芯片内坐标、芯片ID、SEM像）决定作为检查位置确定信息的测量区域（S1503），将所决定的测量区域输出到YMS1003（S1504）。测量区域决定处理的具体内容与在第一实施方式中所示的步骤相同，不同点在于：各缺陷所附带的坐标数据是设计布局数据上的坐标值。因此，不存在通过光学式晶圆检查装置得到的坐标位置那样的误差，不需要通过SEM图像和设计布局数据的图案匹配来进行坐标修正。
此外，在上述说明中，表示了针对曝光模拟器所输出的许多缺陷候选，使用复查图像决定在CDSEM1002中进行测量的位置的示例，但是同样的思路不只限于光刻工序，还能够应用于其他工艺工序。可以使用通过实际工艺制作的晶圆，针对使用各种工艺模拟器等有可能产生缺陷的位置的坐标值取得SEM图像，使用该图像赋予缺陷的属性，根据其结果决定作为检查位置确定信息的检查位置或测量位置。
（第四实施方式）
到此为止说明了基于缺陷候选位置的SEM复查图像来确定测量位置、检查区域的系统。在本实施方式中，说明在缺陷候选位置有很多的情况下实现SEM复查的效率提高的系统。
本实施方式的特征在于：用于提高对通过晶圆检查装置、模拟器得到的大量缺陷候选位置坐标的图像摄像的效率，在一次复查处理中不进行全部位置的图像取得，而是与采样处理组合，从而分多次地阶段性地进行SEM复查。图16是本系统的框图。相对于图1特别在以下方面不同，即在复查SEM1005内部追加了采样部1601。该采样部具有以下的功能，即根据从YMS1003输入的缺陷候选信息，对实际进行SEM复查的点数进行采样。另外，在该采样处理中，特征在于：具有根据通过区域决定部1012决定的测量位置、检查区域的内容进行采样的功能。在图17中表示该系统的动作流程。
首先，从YMS1003读入缺陷候选位置的数据（S1701），接着，在采样部1601中进行初始采样处理（S1702）。在该初始采样中，从大量的缺陷候选数据中选择部分数据。这时，为了掌握与晶圆整个面有关的缺陷产生倾向，对缺陷进行采样使得晶圆上的芯片间的缺陷数比在采样前后没有很大变化。例如，在设定采样后的数据数使其成为全部缺陷候选数的50%的情况下，从各芯片随机地进行采样，使得成为相同比例（在本例子中为50%）。接着，取得所采样的缺陷候选的SEM图像（S1703）。然后，根据这些复查结果，通过第一实施方式、第二实施方式以及第三实施方式中描述的方法进行缺陷的挑选处理和得分赋予（S1704）。其结果表示使用所采样的缺陷分析了该晶圆上的缺陷的产生倾向。即，使用采样数据，得到了在芯片内缺陷密度高但集中的位置、缺陷产生的特征性电路图案形状、所产生的缺陷种类、存在伪图案的位置等信息。
在该时刻残留大量未复查的缺陷数的情况下，进一步继续进行复查，但这时根据在到此为止的处理中得到的缺陷的分析结果，从未复查位置中采样下一个进行SEM复查的缺陷位置（S1705）。作为具体的采样方法，从下次采样中除去通过到此为止的分析已经知道的伪图案区域中存在的未复查位置。进而，对于已经判定为缺陷密度高的位置，判断为不需要进一步进行复查，从下次采样中除去这样的区域。这样，针对除去了应该排除的样本后的未复查的数据，采样下一个要进行复查的数据。在该采样中，与初始采样不同，每个芯片的缺陷候选数不一定必须固定。另外，再次对这样采样出的缺陷位置进行SEM复查（S1703）。然后，再次根据SEM复查结果，进行各缺陷图像的划分和得分赋予（S1704）。通过重复进行上述的处理，能够避免从复查对象中排除伪图案区域、在局部产生大量缺陷的位置取得必要以上个数的图像数据，并且取得与需要进行确认的缺陷有关的SEM复查结果。
根据这样阶段性地得到的复查结果，如第一实施方式～第三实施方式所示那样，决定/输出作为检查位置确定信息的检查区域。
（第五实施方式）
在本实施方式中，表示以下的复查装置，其在基于缺陷候选位置的复查图像设定作为检查位置确定信息的测量区域/检查区域后，能够使用同一装置进行测量或检查。
在图18中表示本实施方式的包含复查SEM的检查系统。相对于图1特别在以下方面不同，即在复查SEM1005内部追加了作为处理模式切换部的检查/复查模式切换部1801。在复查SEM1005中安装有检查/复查模式切换部1801。该检查/复查模式切换部1801具有针对复查SEM1005的处理模式切换进行缺陷检查处理的检查模式和进行缺陷复查的复查模式的功能。检查模式、复查模式，通过SEM主体1006拍摄SEM图像并通过图像处理部1011进行缺陷检测处理的功能都是相同的，但在各种处理条件中有不同。在检查模式下，需要在尽可能高的吞吐量的条件下拍摄预定的作为检查位置确定信息的检查区域，例如将探针电流量设为1nA左右，将帧相加数设为2张左右，另外将摄像视野设定为数微米这样的大小来取得广视野图像。另一方面，在复查模式下，其目的是高分辨率地拍摄缺陷候选坐标的图像，因此将探针电流设为100pA左右，另外为了得到高信噪比像，还将帧相加数例如设为32。这些条件被存储在配方存储部1007中，检查/复查模式切换部1801向整体控制部1010发出指示使得切换这些摄像条件，接收到它后，整体控制部从配方存储部1007中将摄像条件设定到SEM主体1006、图像处理部1011中，由此进行与各模式对应的图像取得和处理。
图19是表示本实施方式的动作的流程图。假设在开始处理的时刻，复查SEM1005被设定为复查模式。首先，从YMS1003取得光学式晶圆检查装置等在晶圆的大范围中进行外观检查的结果（S1901），针对其缺陷位置进行SEM复查（S1902）。接着，使用取得数据（芯片ID、芯片内坐标、SEM图像）在区域决定部1012中决定作为检查位置确定信息的检查区域（S1903）。接着，根据从检查/复查模式切换部1801向整体控制部1010的指示，进行用于对进行检查处理的SEM主体106、图像处理部1011的条件设定（S1904）。然后，对所决定的检查区域进缺陷检查（S1905）。
将所得到的检查结果、测量结果作为检查结果文件输出到YMS1003。针对该结果，也可以通过复查SEM1005在复查模式下以进行更详细分析的目的进行SEM复查。此外，在此说明了进行缺陷检查的例子，但同样也可以进行图案测量。
（其他实施方式）
包括到此为止在第一实施方式～第五实施方式中说明的内容，作为本发明的实施方式，特别涉及具有在按照吞吐量的观点无法将晶圆整个面作为评价对象的情况（例如使用作为带点粒子束装置的电子束装置进行图案测量和缺陷检查的情况）下决定要进行图案测量或观察、检查的晶圆上的部分区域的功能的装置或部分区域的决定方法、或具有这样的区域决定功能的缺陷复查装置。例如，在使用电子束装置，不将试样整个面而是将部分区域作为对象来进行图案测量或观察、缺陷检查时，即使在（1）难以预想应该进行测量、观察或检查的位置（容易产生缺陷的位置）的情况、（2）通过某种手段得到了容易产生缺陷的位置的信息的情况下，在该信息中混合有真的缺陷的信息和伪缺陷信息的情况下，为了高效地决定要进行图案测量、观察或缺陷检查的部分区域而提出本发明。
另外，作为本发明的另外一个方式，提供一种装置及其方法，其用于根据有可能成为缺陷的晶圆上的位置信息、或这些位置信息和拍摄该位置所得的图像数据，提取出真容易产生缺陷的位置的特征，根据该特征确定要进行图案测量、观察、缺陷检查的部分区域。在本装置和方法中，特征在于：根据实际产生了缺陷的芯片的位置、缺陷部的芯片内坐标、所产生的缺陷种类的信息、产生了缺陷的位置的电路图案形状的属性信息等，定义容易产生缺陷的位置的特征。
进而，在本发明的另外其他的方式中，提供一种作为观察装置或检查装置的缺陷复查装置，其具有以下功能，即将有可能成为缺陷的晶圆上的位置信息作为输入来拍摄该位置的图像的功能、根据该缺陷的位置信息和图像信息确定应该检查的区域的功能。
进而，在本发明的另外其他的方式中，提供一种具有将有可能成为缺陷的晶圆上的位置信息作为输入来拍摄该位置的图像的功能、根据该缺陷的位置信息和图像信息确定应该检查的区域的功能、检查所确定的区域的功能的装置，即具有复查功能和检查功能的双方的电子束式复查装置。
根据本方式，在难以根据经验知识预想缺陷的产生区域的情况、虽然能够通过其他手段检测出容易产生缺陷的位置的候选但真应该检查的缺陷位置的信息混合在大量伪缺陷信息中的情况下，能够高效地决定应该进行图案测量或缺陷检查的部分区域。只针对所决定的区域，进行使用电子束装置的缺陷检查、图案测量，由此能够高效地进行缺陷管理、工艺管理。
进而，根据具有将有可能成为缺陷的晶圆上的位置信息作为输入来拍摄该位置的图像的功能、根据该位置信息和图像信息确定应该检查的区域的功能的双方的本发明的复查装置，在有可能成为缺陷的晶圆上的位置很多的情况下，能够针对其一部分数据拍摄该位置的图像，基于该图像数据提取出容易成为缺陷的区域的特征，进而从还没有进行图像拍摄的缺陷候选数据中，选择与该提取出的信息一致的缺陷候选位置的数据，只针对该选择出的数据取得图像。这样，不需要针对输入的缺陷候选数据一次取得全部位置的图像数据，能够进行高效的图像取得。
进而，根据具有将有可能成为缺陷的晶圆上的位置信息作为输入来拍摄该位置的图像的功能、根据该位置信息和图像信息确定应该检查的区域的功能、对所确定的区域进行检查的功能的具有复查功能和检查功能的装置，具有以下的效果，即能够在一台装置中连续执行缺陷候选部位的图像取得、容易成为缺陷的位置的确定、对所确定的位置的检查，能够缩短到得到最终的检查结果为止的时间。
符号的说明
1001：光学式晶圆检查装置；1002：CDSEM；1003：YMS；1004：网络；1005：复查SEM；1006：SEM主体；1007：配方存储部；1008：输入输出部；1009：复查结果存储部；1010：整体控制部；1011：图像处理部；1012：区域决定部；1013：SEM式晶圆检查装置；1014：布局分析部；1015：布局CAD数据；1401：工艺模拟器；1601：采样部；1801：检查/复查模式切换部；3001：属性赋予部；3002：得分计算部；3003：数据挑选部；3004：区域输出部。

Claims (13)

1.一种区域决定装置，其特征在于，具备：
计算部，其根据包含拍摄检查试样而得到的试样上的缺陷位置、或被预测为在该试样上有可能产生缺陷的缺陷位置所得的图像在内的缺陷数据的至少多种缺陷属性信息，计算上述缺陷的产生程度；以及
区域决定部，其提取出上述产生程度为预定程度以上的缺陷数据，根据提取出的该缺陷数据决定进行观察或检查的试样上的区域，
上述多种缺陷属性信息的至少一种是缺陷数据的图案分组信息。
2.根据权利要求1所述的区域决定装置，其特征在于，
上述多种缺陷属性信息的至少一种是缺陷种类的分类信息。
3.根据权利要求1所述的区域决定装置，其特征在于，
上述多种缺陷属性信息的至少一种是上述缺陷的试样上的芯片位置信息或芯片内的缺陷位置的信息。
4.一种观察装置或检查装置，其特征在于，具备：
计算部，其根据包含拍摄检查试样而得到的试样上的缺陷位置、或被预测为在该试样上有可能产生缺陷的缺陷位置所得的图像在内的缺陷数据的至少多种缺陷属性信息，计算上述缺陷的产生程度；
区域决定部，其提取出上述产生程度为预定程度以上的缺陷数据，根据提取出的该缺陷数据决定进行观察或检查的试样上的区域；以及
图像取得部，其根据所决定的该区域信息，取得上述缺陷位置的图像，
上述多种缺陷属性信息的至少一种是缺陷数据的图案分组信息。
5.根据权利要求4所述的观察装置或检查装置，其特征在于，
上述多种缺陷属性信息的至少一种是缺陷种类的分类信息。
6.根据权利要求4所述的观察装置或检查装置，其特征在于，
上述多种缺陷属性信息的至少一种是上述缺陷的试样上的芯片位置信息或芯片内的缺陷位置的信息。
7.根据权利要求4所述的观察装置或检查装置，其特征在于，具备：
采样部，其根据通过上述区域决定部决定的区域信息，从该试样上的缺陷位置或被预测为有可能产生缺陷的位置进行缺陷数据的采样。
8.根据权利要求4所述的观察装置或检查装置，其特征在于，具备：
处理模式切换部，其切换进行缺陷检查处理的模式和进行缺陷复查处理的模式；以及
控制部，其在通过缺陷复查模式在上述区域决定部中决定了区域后，在检查处理模式中进行所决定的区域的检查。
9.一种区域决定方法，其特征在于，包括：
根据包含摄像检查试样而得到的试样上的缺陷位置、或被预测为在该试样上有可能产生缺陷的缺陷位置所得的图像在内的缺陷数据的至少多种缺陷属性信息，计算上述缺陷的产生程度的步骤；以及
提取出上述产生程度为预定程度以上的缺陷数据，根据提取出的该缺陷数据决定进行观察或检查的试样上的区域的步骤，
上述多种缺陷属性信息的至少一种是缺陷数据的图案分组信息。
10.一种观察方法或检查方法，其特征在于，包括：
使用权利要求9中的区域决定方法决定试样上的区域，对所决定的上述区域进行观察或检查的步骤。
11.一种观察方法或检查方法，其特征在于，包括：
使用权利要求9中的区域决定方法决定试样上的区域，基于所决定的上述区域的信息，选择取得图像数据的缺陷坐标位置的步骤；以及
取得所选择出的该缺陷坐标位置的图像数据的步骤。
12.根据权利要求9～11的任一项所述的方法，其特征在于，
上述多种缺陷属性信息的至少一种是缺陷种类的分类信息。
13.根据权利要求9～11的任一项所述的方法，其特征在于，
上述多种缺陷属性信息的至少一种是上述缺陷的试样上的芯片位置信息或芯片内的缺陷位置的信息。
CN201280040589.7A 2011-09-07 2012-07-09 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 Active CN103748670B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2011194506A JP5460662B2 (ja) 2011-09-07 2011-09-07 領域決定装置、観察装置または検査装置、領域決定方法および領域決定方法を用いた観察方法または検査方法
JP2011-194506 2011-09-07
PCT/JP2012/067419 WO2013035421A1 (ja) 2011-09-07 2012-07-09 領域決定装置、観察装置または検査装置、領域決定方法および領域決定方法を用いた観察方法または検査方法

Publications (2)

Publication Number Publication Date
CN103748670A CN103748670A (zh) 2014-04-23
CN103748670B true CN103748670B (zh) 2016-08-24

Family

ID=47831873

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201280040589.7A Active CN103748670B (zh) 2011-09-07 2012-07-09 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

Country Status (5)

Country Link
US (1) US9335277B2 (zh)
JP (1) JP5460662B2 (zh)
KR (1) KR101600209B1 (zh)
CN (1) CN103748670B (zh)
WO (1) WO2013035421A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109596639A (zh) * 2018-11-30 2019-04-09 德淮半导体有限公司 缺陷检测系统及缺陷检测方法

Families Citing this family (41)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9768082B2 (en) * 2009-02-13 2017-09-19 Hermes Microvision Inc. Method and machine for examining wafers
JP5460662B2 (ja) * 2011-09-07 2014-04-02 株式会社日立ハイテクノロジーズ 領域決定装置、観察装置または検査装置、領域決定方法および領域決定方法を用いた観察方法または検査方法
JP6455829B2 (ja) * 2013-04-01 2019-01-23 キヤノン株式会社 画像処理装置、画像処理方法、およびプログラム
CN105849643B (zh) * 2013-12-17 2019-07-19 Asml荷兰有限公司 良品率估计和控制
JP6225787B2 (ja) * 2014-03-26 2017-11-08 富士通セミコンダクター株式会社 解析支援方法、および解析支援プログラム
EP2927747A3 (en) * 2014-03-31 2016-03-09 IMEC vzw Quality assessment of directed self-assembling method
US9816939B2 (en) 2014-07-22 2017-11-14 Kla-Tencor Corp. Virtual inspection systems with multiple modes
US10127653B2 (en) * 2014-07-22 2018-11-13 Kla-Tencor Corp. Determining coordinates for an area of interest on a specimen
US10267746B2 (en) * 2014-10-22 2019-04-23 Kla-Tencor Corp. Automated pattern fidelity measurement plan generation
US20170061046A1 (en) * 2015-09-01 2017-03-02 Kabushiki Kaisha Toshiba Simulation device of semiconductor device and simulation method of semiconductor device
US10304178B2 (en) * 2015-09-18 2019-05-28 Taiwan Semiconductor Manfacturing Company, Ltd. Method and system for diagnosing a semiconductor wafer
US10740888B2 (en) * 2016-04-22 2020-08-11 Kla-Tencor Corporation Computer assisted weak pattern detection and quantification system
US11010886B2 (en) 2016-05-17 2021-05-18 Kla-Tencor Corporation Systems and methods for automatic correction of drift between inspection and design for massive pattern searching
US9928446B2 (en) 2016-07-13 2018-03-27 Dongfang Jingyuan Electron Limited Augmented automatic defect classification
CN106204598B (zh) * 2016-07-13 2019-02-05 东方晶源微电子科技（北京）有限公司 在自动缺陷分类流程中管理缺陷的方法及系统
CN106018426A (zh) * 2016-07-20 2016-10-12 武汉大学 印刷品质量在线检测系统
US10402688B2 (en) * 2016-12-07 2019-09-03 Kla-Tencor Corporation Data augmentation for convolutional neural network-based defect inspection
US20190377945A1 (en) * 2017-02-28 2019-12-12 Optim Corporation System, method, and program for detecting abnormality
US10120973B2 (en) * 2017-03-15 2018-11-06 Applied Materials Israel Ltd. Method of performing metrology operations and system thereof
US10262408B2 (en) * 2017-04-12 2019-04-16 Kla-Tencor Corporation System, method and computer program product for systematic and stochastic characterization of pattern defects identified from a semiconductor wafer
US11333621B2 (en) * 2017-07-11 2022-05-17 Kla-Tencor Corporation Methods and systems for semiconductor metrology based on polychromatic soft X-Ray diffraction
US10290087B2 (en) * 2017-09-11 2019-05-14 Applied Materials Israel Ltd. Method of generating an examination recipe and system thereof
US10679333B2 (en) * 2018-03-14 2020-06-09 Kla-Tencor Corporation Defect detection, classification, and process window control using scanning electron microscope metrology
US11195268B2 (en) * 2018-05-22 2021-12-07 Kla-Tencor Corporation Target selection improvements for better design alignment
JP7157580B2 (ja) * 2018-07-19 2022-10-20 東京エレクトロン株式会社 基板検査方法及び基板検査装置
US11668655B2 (en) 2018-07-20 2023-06-06 Kla Corporation Multimode defect classification in semiconductor inspection
JP7188949B2 (ja) * 2018-09-20 2022-12-13 株式会社Ｓｃｒｅｅｎホールディングス データ処理方法およびデータ処理プログラム
JP7188950B2 (ja) 2018-09-20 2022-12-13 株式会社Ｓｃｒｅｅｎホールディングス データ処理方法およびデータ処理プログラム
US10832396B2 (en) 2018-10-19 2020-11-10 Kla-Tencor Corp. And noise based care areas
US10853932B2 (en) * 2019-01-16 2020-12-01 Applied Material Israel, Ltd. Method of defect detection on a specimen and system thereof
JP7137487B2 (ja) * 2019-01-22 2022-09-14 株式会社日立ハイテク 画像評価装置及び方法
WO2020191121A1 (en) * 2019-03-20 2020-09-24 Carl Zeiss Smt Inc. Method for imaging a region of interest of a sample using a tomographic x-ray microscope, microscope, system and computer program
CN110020654A (zh) * 2019-04-08 2019-07-16 中南大学 膨胀型防火炭层sem图像中发泡区域的识别方法
US11619592B2 (en) * 2019-07-09 2023-04-04 KLA Corp. Selecting defect detection methods for inspection of a specimen
US11379969B2 (en) * 2019-08-01 2022-07-05 Kla Corporation Method for process monitoring with optical inspections
US11615993B2 (en) 2019-11-21 2023-03-28 Kla Corporation Clustering sub-care areas based on noise characteristics
CN113597664A (zh) * 2020-01-14 2021-11-02 京东方科技集团股份有限公司 确定不良原因的方法、电子设备、存储介质及系统
CN113642819A (zh) * 2020-05-11 2021-11-12 上海华力集成电路制造有限公司 连环许容时间区段站点异常时产品自动调度装置和方法
WO2022020069A1 (en) * 2020-07-20 2022-01-27 Applied Materials, Inc. Optical devices and method of optical device metrology
DE102020213828B4 (de) 2020-11-03 2022-12-01 Volkswagen Aktiengesellschaft Inspektionseinrichtung und Verfahren zum Überprüfen eines mittels eines Sinterverfahrens gefertigten Gegenstands auf mögliche Fehler
CN115575411A (zh) * 2022-09-28 2023-01-06 东方晶源微电子科技（北京）有限公司 晶片的缺陷检测方法、装置、设备及计算机可读存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW200535576A (en) * 2004-03-31 2005-11-01 Canon Kk Position measurement technique
US7932493B2 (en) * 2007-09-28 2011-04-26 Hitachi High-Technologies Corporation Method and system for observing a specimen using a scanning electron microscope

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3802716B2 (ja) * 1999-09-17 2006-07-26 株式会社日立製作所 試料の検査方法及びその装置
US6898305B2 (en) * 2001-02-22 2005-05-24 Hitachi, Ltd. Circuit pattern inspection method and apparatus
JP4035974B2 (ja) * 2001-09-26 2008-01-23 株式会社日立製作所 欠陥観察方法及びその装置
US6902855B2 (en) 2002-07-15 2005-06-07 Kla-Tencor Technologies Qualifying patterns, patterning processes, or patterning apparatus in the fabrication of microlithographic patterns
JP2005158780A (ja) * 2003-11-20 2005-06-16 Hitachi Ltd パターン欠陥検査方法及びその装置
TW200540939A (en) * 2004-04-22 2005-12-16 Olympus Corp Defect inspection device and substrate manufacturing system using the same
JP5286004B2 (ja) 2008-09-12 2013-09-11 株式会社日立ハイテクノロジーズ 基板の検査装置、および、基板の検査方法
WO2010091307A2 (en) * 2009-02-06 2010-08-12 Kla-Tencor Corporation Selecting one or more parameters for inspection of a wafer
JP2010258013A (ja) * 2009-04-21 2010-11-11 Hitachi High-Technologies Corp 基板検査装置及び方法
JP5537282B2 (ja) * 2009-09-28 2014-07-02 株式会社日立ハイテクノロジーズ 欠陥検査装置および欠陥検査方法
JP5357725B2 (ja) 2009-12-03 2013-12-04 株式会社日立ハイテクノロジーズ 欠陥検査方法及び欠陥検査装置
JP2012122765A (ja) * 2010-12-06 2012-06-28 Hitachi High-Technologies Corp 欠陥検査装置
JP5460662B2 (ja) * 2011-09-07 2014-04-02 株式会社日立ハイテクノロジーズ 領域決定装置、観察装置または検査装置、領域決定方法および領域決定方法を用いた観察方法または検査方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW200535576A (en) * 2004-03-31 2005-11-01 Canon Kk Position measurement technique
US7932493B2 (en) * 2007-09-28 2011-04-26 Hitachi High-Technologies Corporation Method and system for observing a specimen using a scanning electron microscope

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109596639A (zh) * 2018-11-30 2019-04-09 德淮半导体有限公司 缺陷检测系统及缺陷检测方法

Also Published As

Publication number Publication date
US9335277B2 (en) 2016-05-10
KR101600209B1 (ko) 2016-03-04
CN103748670A (zh) 2014-04-23
US20140198975A1 (en) 2014-07-17
JP5460662B2 (ja) 2014-04-02
WO2013035421A1 (ja) 2013-03-14
JP2013058508A (ja) 2013-03-28
KR20140039075A (ko) 2014-03-31

Similar Documents

Publication Publication Date Title
CN103748670B (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
US20210231581A1 (en) Method for performing smart semiconductor wafer defect calibration
JP3678133B2 (ja) 検査システムおよび半導体デバイスの製造方法
US7760929B2 (en) Grouping systematic defects with feedback from electrical inspection
US7681159B2 (en) System and method for detecting defects in a semiconductor during manufacturing thereof
JP5624660B2 (ja) 検査レシピ作成システムおよびその方法
JP5357725B2 (ja) 欠陥検査方法及び欠陥検査装置
US7756658B2 (en) Systems and methods for detecting defects on a wafer and generating inspection results for the wafer
JP4230838B2 (ja) 欠陥検査装置における検査レシピ設定方法および欠陥検査方法
CN113763312B (zh) 使用弱标记检测半导体试样中的缺陷
US8995748B2 (en) Defect image processing apparatus, defect image processing method, semiconductor defect classifying apparatus, and semiconductor defect classifying method
US8312401B2 (en) Method for smart defect screen and sample
JP2002100660A (ja) 欠陥検出方法と欠陥観察方法及び欠陥検出装置
CN108352336A (zh) 确定样品上所关注图案的一或多个特性
CN104137120A (zh) 使用位故障和虚拟检查产生一种晶片检查过程
US20090273669A1 (en) Method and system for detecting critical defects
US10928437B2 (en) Method of inspecting a specimen and system thereof
US20220334567A1 (en) Fabrication fingerprint for proactive yield management
CN117529803A (zh) 用于主动良率管理的制造指纹

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