CN114843201A - 一种晶圆缺陷检测优化方法及设备 - Google Patents

一种晶圆缺陷检测优化方法及设备 Download PDF

Info

Publication number
CN114843201A
CN114843201A CN202210484059.7A CN202210484059A CN114843201A CN 114843201 A CN114843201 A CN 114843201A CN 202210484059 A CN202210484059 A CN 202210484059A CN 114843201 A CN114843201 A CN 114843201A
Authority
CN
China
Prior art keywords
target
wafer
detection
wafers
inspection
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.)
Withdrawn
Application number
CN202210484059.7A
Other languages
English (en)
Inventor
张简志胜
叶甜春
陈少民
李彬鸿
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.)
Guangdong Greater Bay Area Institute of Integrated Circuit and System
Ruili Flat Core Microelectronics Guangzhou Co Ltd
Original Assignee
Guangdong Greater Bay Area Institute of Integrated Circuit and System
Ruili Flat Core Microelectronics Guangzhou Co 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 Guangdong Greater Bay Area Institute of Integrated Circuit and System, Ruili Flat Core Microelectronics Guangzhou Co Ltd filed Critical Guangdong Greater Bay Area Institute of Integrated Circuit and System
Priority to CN202210484059.7A priority Critical patent/CN114843201A/zh
Publication of CN114843201A publication Critical patent/CN114843201A/zh
Priority to CN202211316650.8A priority patent/CN115621145A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • 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
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/20—Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps
    • 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
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本申请实施例公开了一种晶圆缺陷检测优化方法及设备，涉及半导体技术领域，方法包括：接收目标晶圆盒并获取对应的尾数信息，尾数信息用于区分检测批次，且目标晶圆盒中放置有通过各个腔体生产的待测晶圆；确定目标晶圆盒的目标检测项目，并根据目标检测项目、对应的晶圆抽检机制以及尾数信息，从目标晶圆盒中抽检对应编号的目标晶圆；其中，不同的检测项目对应不同的晶圆抽检机制，晶圆抽检机制用于确定并计算抽检晶圆的数量和标号；对选中的目标晶圆进行缺陷检测。

Description

一种晶圆缺陷检测优化方法及设备
技术领域
本申请实施例涉及半导体技术领域，特别涉及一种晶圆缺陷检测优化方法及设备。
背景技术
在集成电路工艺中，在机台的内腔中成产出晶圆后，紧接着需要对其进行缺陷检测，缺陷检测是进行光学和电子的检测，以及时发现生产批次中晶圆的问题。
相关技术中，对晶圆的缺陷检测都是抽检晶圆盒进行过站检测，或者是采用抽检晶圆盒中固定编号的晶圆。抽检晶圆盒的检验方式，无法重逢考虑机台腔体的问题，且其抽检涵盖率较低，容易存在隐匿风险。
发明内容
本申请实施例提供了一种晶圆缺陷检测优化方法及设备。所述技术方案如下：
一方面，提供了一种晶圆缺陷检测优化方法，所述方法包括：
接收目标晶圆盒并获取对应的尾数信息，所述尾数信息用于区分检测批次，且所述目标晶圆盒中放置有通过各个腔体生产的待测晶圆；
确定所述目标晶圆盒的目标检测项目，并根据所述目标检测项目、对应的晶圆抽检机制以及所述尾数信息，从所述目标晶圆盒中抽检对应编号的目标晶圆；其中，不同的检测项目对应不同的晶圆抽检机制，晶圆抽检机制用于确定并计算抽检晶圆的数量和标号；
对选中的所述目标晶圆进行缺陷检测。
另一方面，提供了一种晶圆缺陷检测优化设备，所述设备用于晶圆缺陷检测，所述设备包括处理器和存储器；所述存储器存储有至少一条指令，所述至少一条指令用于被所述处理器执行以实现上述中的晶圆缺陷检测优化方法。
上述技术方案带来的有益效果至少包括：通过将晶圆盒中的晶圆按照腔体顺序进行排序并编号。在抽取过程中，根据目标晶圆盒的位数信息和抽检项目决定对应的抽检机制，并按照相应的第一抽检机制或第二抽检机制选取目标晶圆。抽检过程中，无论是亮场抽检还是暗场抽检，都能够根据其反应速度选择不同腔体对应的晶圆编号；此外，通过记录轮数来循环抽检，可以将亮场检测的检测覆盖率提高到80％，暗场检测则可以实现全覆盖。相比相关技术中固定编号抽检和随机抽检晶圆盒的方式，可以提高抽检覆盖率和抽检效率。
附图说明
图1是本申请提供的相关技术中的缺陷检测方法；
图2是本申请实施例提供的晶圆缺陷检测优化方法的流程图；
图3是本申请实施例提供的晶圆盒中不同腔体的待测晶圆排布示意图；
图4是本申请实施例提供的亮场检测的抽检机制示意图；
图5是本申请实施例提供的暗场检测的抽检机制示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
在本文中提及的“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
在相关技术如图1所示，晶圆盒中放置有25块待测晶圆，这些待测晶圆是来自成产机台的不同腔体，不同腔体生产的晶圆批次可能会出现精度和质量差异，现阶段的缺陷检测都是在一组晶圆盒中固定选择对应编号的晶圆进行检测。如每次都选取#1和#25晶圆进行检测。此种情形会导致在一段时间内某些生产腔体内的晶圆没有被检测到，且晶圆盒中的检测位置也是固定不变的，检测覆盖率不高。
图2是本申请实施例提供的晶圆缺陷检测优化方法的流程图，包括如下步骤：
步骤201，接收目标晶圆盒并获取对应的尾数信息，尾数信息用于区分检测批次，且目标晶圆盒中放置有通过各个腔体生产的待测晶圆。
在机台生产出来的待测晶圆需要装盘送检，晶圆盒通常是5*5规格，放置25个待测晶圆。故障检测仪scan tool是专门用于进行晶圆缺陷检测的设备，通过晶圆盒的唯一编号，进行记录和识别。本方案中在晶圆编号基础上采用尾数识别标记法区分检测批次，也即编号尾号数值识别。例如送检的晶圆盒的编号为：ABCD23981，其尾数信息为1。在检测过程中，可以根据接收目标晶圆盒的顺序设置尾数编号循环进行标记。
此外，本方案考虑到生产机台的多腔体情况，在目标晶圆盒中的待测晶圆是来自不同腔体的晶圆。如生产机台包含有5个腔体，在送检时根据腔体数量和顺序依次对其进行编号和放置。如图3所示，A、B、C、D和E分别表示5个不同腔体生产的待测晶圆。且不同腔体的晶圆按照顺序依次排序放置到晶圆盒中，记编号为slot#1至slot#25。
步骤202，当目标检测项目为亮场检测时，确定为第一抽检机制，第一抽检机制包括从目标检测盒中按照第一抽检公式抽检至少两个来自不同生产腔体的待测晶圆。
对晶圆的缺陷检测包括亮场检测(bright-field inspection)和暗场检测(dark-field inspection)。亮场检测的入射光源垂直发射入射光至待测晶圆表面，探测器垂直放置，并同时接收反射光和杂散光，由于探测器总能接收到反射光，视场中一片明亮，只有缺陷处的散射光无法到达探测器，即没有缺陷的地方一片明亮，缺陷处由于散射呈现黑暗。这种工作模式被称为亮场检测。
暗场检测透镜的立体角大于入射光的立体角，晶圆表面的反射光束被回避，只有缺陷处的杂散光到达透镜。这时晶圆表面的视场是暗的，即没有缺陷的地方一片黑暗，缺陷处有散射光，如晶圆表面缺陷、颗粒和划伤等可以被检测到。这种工作模式被称为暗场检测。
由于检测机制不同，反应时间各有差异，亮场检测的反应时间长于暗场检测时长，因而对于不同的检测项目需要设置不同的抽检机制。
当需要对送检的目标晶圆盒进行亮场检测时，选用第一抽检机制。第一抽检机制需要从目标检测盒中，按照第一抽检公式抽检至少两个来自不同生产腔体的待测晶圆。如图3所示，抽检的分别是#1和#25号晶圆(腔体A和腔体E)。但为了满足高效检测和高覆盖率的效果，需要结合尾数信息进行合理分配。
在一种可能的实施方式中，当第一抽检机制抽取2个待测晶圆时，第一抽检公式P(x)表示如下：
P(x)＝(a,b|a＝x+1,b＝x+14,x≤4)
P(x)＝(a,b|a＝x+2,b＝x+16,x≥5)
其中，P(x)表示在对应尾数和抽取机制条件下选中的目标晶圆，x表示目标晶圆盒的尾数信息，a，b表示选中的两个晶圆编号。且x的取值范围是包括0至9之间的整数。
根据上述公式可知，当尾数信息不超过4，送检晶圆盒尾数信息为0时，对应的晶圆编号为#1和#14(A和D)；尾数信息为1时，对应的晶圆编号为#2和#15(B和E)。依次的，尾数2抽检#3和#16(C和A)，尾数3抽检#4和#17(D和B)，尾数4抽检#5和#18(E和C)。当尾数信息超过4时，尾数5抽检#7和#21(B和A)，尾数6抽检#8和#22(C和B)，尾数7抽检#9和#23(D和C)，尾数8抽检#10和#24(E和D)，尾数9抽检#11和#25(A和E)。按照此种方式循环抽检，具体如图4。需要说明的是，此种方式抽检过程中，矩阵中的#6，#12，#13，#19和#20是忽略的，但每次抽检过程中都会改变检测位置，且每次检测的晶圆至少分别来自两个不同的生产腔体。相比于固定采集两个位置的方式，一轮检测循环后，其检测覆盖率大大提高。相关技术中检测覆盖率为2/25＝8％，优化后的检测覆盖率为20/25＝80％。
步骤203，当目标检测项目为暗场检测时，确定为第二抽检机制，第二抽检机制包括从目标检测盒中按照第二抽检公式抽检n个来自不同生产腔体的待测晶圆。
当需要对送检的目标晶圆盒进行暗场检测时，选用第二抽检机制。第二抽检机制需要从目标检测盒中，按照第二抽检公式抽检n个来自不同生产腔体的待测晶圆。其中，n是不小于机台腔体数量的正整数。
在一种可能的实施方式中，当第二抽检机制抽取5个待测晶圆时，第二抽检公式P(x)表示如下：
P(x)＝A(x+1,:),x≤4
P(x)＝A(x-2,:),x≥5
其中，A(x+1,:)表示选择目标晶圆盒矩阵中第x+1行的所有晶圆，A(x-2,:)表示选择目标晶圆盒矩阵中第x-2行的所有晶圆，且所在行的5个晶圆来自所有腔体生产。例如，当尾数信息不超过4，送检晶圆盒尾数信息为0时，对应的晶圆编号为#1至#5(第1行晶圆，腔体A至腔体E)；尾数信息为1时，对应的晶圆编号为#6和#10(第2行晶圆，腔体A至腔体E)。依次的，尾数2抽检#11和#15(第3行晶圆，腔体A至腔体E)，尾数3抽检#16和#20(第4行晶圆，腔体A至腔体E)，尾数4抽检#21和#25(第5行晶圆，腔体A至腔体E)。当尾数信息超过4时，尾数5至尾数9循环按照尾数1至尾数4的方式从第一行至第5行进行抽检。具体示意图参考图5。此种抽检方式以行为单位，依次循环抽检，一轮检测循环后，检测覆盖率达到100％，即晶圆盒矩阵所有位置的晶圆都能被检测，且覆盖所有腔体。
步骤204，基于尾数信息以及第一抽检公式或第二抽检公式计算目标晶圆的编号，并选中对应的目标晶圆。
步骤205，对选中的目标晶圆进行缺陷检测。
缺陷检测的内容包括chamber、slot effect、Diffusion fork scratch和CMPmicro-scratch等。在一些实施例中，具体可以对每个送检晶圆盒依次进行亮场检测和暗场检测，以确保检测的准确性。
步骤206，当轮数信息达到预设值后，分别获取亮场检测和暗场检测下晶圆的晶圆抽检率。
上述说到对目标晶圆盒进行检测时，检测设备还会获取到检测的轮数信息，轮数信息用于表示晶圆盒尾数的循环次数，也即循环检测对应目标晶圆的次数。对于亮场检测，每当连续检测完包括尾数0至尾数9之间所有目标晶圆盒后，轮数信息自动加1。同理，对于暗场检测，当检测并记录包含0到4或5到9之间所有尾数的晶圆检测盒后，更新轮数信息。
在一些其他实施例中，当轮数信息达到预设值后，也即循环次数到达后，获取到各种检测下的抽检合格率。根据抽检合格率和循环预设值决定对其进行后续调整。
当亮场检测和/或暗场检测下晶圆的抽检合格率小于预设值时，增加相应抽检机制下晶圆的抽检数量，并进行送检计算抽检合格率。
上述方面的抽检合格率大于预设值时，说明生产的晶圆符合相关检测。但亮场检测和/或暗场检测出现检测结果小于抽检合格率时，说明该批次生产精度不够，或者是因偶然因素导致数据误差，应当适当更改抽检机制，例如增加抽检的数量。在一种可能的实施方式中，将亮场检测的数量设置为原来的两倍，即分别抽检四个不同腔体内的晶圆，对于暗场检测，同样抽检两行，加大抽检力度并继续送检计算抽检合格率。以确保数据的准确性。
综上所述，本申请实施例中，通过将晶圆盒中的晶圆按照腔体顺序进行排序并编号，在抽取过程中，根据目标晶圆盒的位数信息和抽检项目决定对应的抽检机制，并按照相应的第一抽检机制或第二抽检机制选取目标晶圆。抽检过程中，无论是亮场抽检还是暗场抽检，都能够根据其反应和速度选择不同腔体对应的晶圆编号；此外，通过记录轮数来循环抽检，可以将亮场检测的检测覆盖率提高到80％，暗场检测则可以实现全覆盖。相比相关技术中固定编号抽检和随机抽检晶圆盒的方式，可以提高抽检覆盖率和抽检效率。
以上对本发明的较佳实施例进行了描述；需要理解的是，本发明并不局限于上述特定实施方式，其中未尽详细描述的设备和结构应该理解为用本领域中的普通方式予以实施；任何熟悉本领域的技术人员，在不脱离本发明技术方案作出许多可能的变动和修饰，或修改为等同变化的等效实施例，这并不影响本发明的实质内容；因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均仍属于本发明技术方案保护的范围内。

Claims (8)

1.一种晶圆缺陷检测优化方法，其特征在于，所述方法包括：
接收目标晶圆盒并获取对应的尾数信息，所述尾数信息用于区分检测批次，且所述目标晶圆盒中放置有通过各个腔体生产的待测晶圆；
确定所述目标晶圆盒的目标检测项目，并根据所述目标检测项目、对应的晶圆抽检机制以及所述尾数信息，从所述目标晶圆盒中抽检对应编号的目标晶圆；其中，不同的检测项目对应不同的晶圆抽检机制，晶圆抽检机制用于确定并计算抽检晶圆的数量和标号；
对选中的所述目标晶圆进行缺陷检测。
2.根据权利要求1所述的方法，其特征在于，所述目标晶圆盒中包含有25个待测晶圆，且按照生产机台的腔体数量和顺序依横向次放置并编号；
送检的所述目标晶圆盒按照送检顺序依次编有所述尾数信息，所述尾数信息依次为包含0到9之间的所有整数。
3.根据权利要求2所述的方法，其特征在于，所述目标检测项目包括亮场检测和暗场检测；
所述确定所述目标晶圆盒的目标检测项目，并根据所述目标检测项目、对应的晶圆抽检机制以及所述尾数信息，从所述目标晶圆盒中抽检对应编号的目标晶圆，包括：
当所述目标检测项目为亮场检测时，确定为第一抽检机制，所述第一抽检机制包括从所述目标检测盒中按照第一抽检公式抽检至少两个来自不同生产腔体的待测晶圆；
当所述目标检测项目为暗场检测时，确定为第二抽检机制，所述第二抽检机制包括从所述目标检测盒中按照第二抽检公式抽检n个来自不同生产腔体的待测晶圆；其中，n是不小于机台腔体数量的正整数；
基于所述尾数信息以及所述第一抽检公式或第二抽检公式计算所述目标晶圆的编号，并选中对应的所述目标晶圆。
4.根据权利要求3所述的方法，其特征在于，当所述第一抽检机制抽取2个待测晶圆时，所述第一抽检公式P(x)表示如下：
P(x)＝(a,b|a＝x+1,b＝x+14,x≤4)
P(x)＝(a,b|a＝x+2,b＝x+16,x≥5)
当所述第二抽检机制抽取5个待测晶圆时，所述第二抽检公式P(x)表示如下：
P(x)＝A(x+1,:),x≤4
P(x)＝A(x-2,:),x≥5
其中，P(x)表示在对应尾数和抽取机制条件下选中的目标晶圆，x表示目标晶圆盒的尾数信息，a，b表示选中的两个晶圆编号，A(x+1,:)表示选择目标晶圆盒矩阵中第x+1行的所有晶圆，且所在行的5个晶圆来自所有腔体生产。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取当前所述目标晶圆盒对应的轮数信息，所述轮数信息用于表示检测晶圆盒中目标晶圆编号的轮数；当所述目标检测项目为亮场检测，且检测并记录包含0到9之间所有尾数的晶圆检测盒后，更新所述轮数信息；
当所述目标检测项目为暗场检测，且连续检测并记录包含0到4或5到9之间所有尾数的晶圆检测盒后，更新所述轮数信息。
6.根据权利要求1所述的方法，其特征在于，亮场检测下的检测速度低于暗场检测下的检测速度。
7.根据权利要求1至6任一所述的方法，其特征在于，缺陷检测的内容至少包括chamber、slot effect、Diffusion fork scratch和CMP micro-scratch中的至少一种。
8.一种晶圆缺陷检测优化设备，其特征在于，所述设备用于晶圆缺陷检测，所述设备包括处理器和存储器；所述存储器存储有至少一条指令，所述至少一条指令用于被所述处理器执行以实现如权利要求1至7任一所述的晶圆缺陷检测优化方法。
CN202210484059.7A 2022-05-06 2022-05-06 一种晶圆缺陷检测优化方法及设备 Withdrawn CN114843201A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202210484059.7A CN114843201A (zh) 2022-05-06 2022-05-06 一种晶圆缺陷检测优化方法及设备
CN202211316650.8A CN115621145A (zh) 2022-05-06 2022-10-26 一种晶圆缺陷检测优化方法及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210484059.7A CN114843201A (zh) 2022-05-06 2022-05-06 一种晶圆缺陷检测优化方法及设备

Publications (1)

Publication Number Publication Date
CN114843201A true CN114843201A (zh) 2022-08-02

Family

ID=82568549

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202210484059.7A Withdrawn CN114843201A (zh) 2022-05-06 2022-05-06 一种晶圆缺陷检测优化方法及设备
CN202211316650.8A Pending CN115621145A (zh) 2022-05-06 2022-10-26 一种晶圆缺陷检测优化方法及设备

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN202211316650.8A Pending CN115621145A (zh) 2022-05-06 2022-10-26 一种晶圆缺陷检测优化方法及设备

Country Status (1)

Country Link
CN (2) CN114843201A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116230576A (zh) * 2023-05-08 2023-06-06 粤芯半导体技术股份有限公司 快速建立暗场缺陷扫描检测体系的方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116230576A (zh) * 2023-05-08 2023-06-06 粤芯半导体技术股份有限公司 快速建立暗场缺陷扫描检测体系的方法
CN116230576B (zh) * 2023-05-08 2023-07-07 粤芯半导体技术股份有限公司 快速建立暗场缺陷扫描检测体系的方法

Also Published As

Publication number Publication date
CN115621145A (zh) 2023-01-17

Similar Documents

Publication Publication Date Title
US6613590B2 (en) Yield based, in-line defect sampling method
US7410737B2 (en) System and method for process variation monitor
US8040503B2 (en) Method of inspecting a semiconductor device and an apparatus thereof
US7062081B2 (en) Method and system for analyzing circuit pattern defects
US7386418B2 (en) Yield analysis method
US20220214287A1 (en) Automatic defect classification
US7440086B2 (en) Methods and systems for creating a recipe for a defect review process
JP2001159616A (ja) パターン検査方法及びパターン検査装置
JP2008145226A (ja) 欠陥検査装置及び欠陥検査方法
CN115360116B (zh) 一种晶圆的缺陷检测方法及系统
CN115621145A (zh) 一种晶圆缺陷检测优化方法及设备
CN113632136B (zh) 用于半导体应用的参考图像产生
CN111653500A (zh) 判断晶圆良率损失的方法
US20140071442A1 (en) Optical surface defect inspection apparatus and optical surface defect inspection method
JP3793668B2 (ja) 異物欠陥検査方法及びその装置
JP3265826B2 (ja) 画像判定装置および画像判定方法
KR102572968B1 (ko) 딥러닝을 이용한 웨이퍼 검사방법과 이것을 구현하기 위한 웨이퍼 검사장치
JP2006227026A (ja) パターン検査方法及びパターン検査装置
JP2001264264A (ja) 異物または欠陥検査装置、および、異物または欠陥検査方法
US6978041B2 (en) Review work supporting system
WO2021250884A1 (ja) 欠陥検査のための方法、システム、及びコンピューター可読媒体
US20070296962A1 (en) Surface inspection apparatus and surface inspection method
JP2024074596A (ja) ウェハー膜種自動判定システム及びウェハー自動分類装置
CN114609142A (zh) 晶圆缺陷检测系统的可靠性确定方法
CN116777815A (zh) 晶圆缺陷检测方法及设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20220802