CN117635528A - 一种晶圆缺陷的精准检测方法、装置、设备及可读介质 - Google Patents
一种晶圆缺陷的精准检测方法、装置、设备及可读介质 Download PDFInfo
- Publication number
- CN117635528A CN117635528A CN202311219008.2A CN202311219008A CN117635528A CN 117635528 A CN117635528 A CN 117635528A CN 202311219008 A CN202311219008 A CN 202311219008A CN 117635528 A CN117635528 A CN 117635528A
- Authority
- CN
- China
- Prior art keywords
- defect
- wafer
- target position
- type
- defects
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 276
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000001514 detection method Methods 0.000 claims abstract description 88
- 238000004590 computer program Methods 0.000 claims description 11
- 238000013507 mapping Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 abstract description 18
- 235000012431 wafers Nutrition 0.000 description 124
- 238000004519 manufacturing process Methods 0.000 description 21
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 7
- 238000007689 inspection Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 229910052710 silicon Inorganic materials 0.000 description 5
- 239000010703 silicon Substances 0.000 description 5
- 230000002950 deficient Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000002829 reductive effect Effects 0.000 description 4
- 239000000463 material Substances 0.000 description 3
- 238000000206 photolithography Methods 0.000 description 3
- 239000004065 semiconductor Substances 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000007769 metal material Substances 0.000 description 2
- 239000002923 metal particle Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 229910021421 monocrystalline silicon Inorganic materials 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 229910021420 polycrystalline silicon Inorganic materials 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000011895 specific detection Methods 0.000 description 1
- 238000004544 sputter deposition Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000011282 treatment Methods 0.000 description 1
Classifications
-
- 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
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
Abstract
本申请提供了一种晶圆缺陷的精准检测方法、装置、设备及可读介质。该方法包括:获取当前晶圆的待检测的目标位置,以及所述目标位置的检测面积;对所述目标位置进行检测,得到目标位置的缺陷数量;根据所述缺陷数量和所述检测面积确定所述目标位置的缺陷密度信息;若所述缺陷密度超过设定密度阈值,则确定所述当前晶圆的检测结果为存在缺陷。本技术方案,可以不是单纯的通过检测位置内的缺陷数量来对当前晶圆是否存在缺陷进行识别和判断,通过计算缺陷密度,可以更加精准的对当前晶圆是否存在缺陷进行识别,以此来提高晶圆检测过程中的识别精度。
Description
技术领域
本申请涉及电子设备技术领域,尤其涉及一种晶圆缺陷的精准检测方法、装置、设备及可读介质。
背景技术
近年来,随着科技水平的迅速发展,晶圆的制造与使用已经成为科技发展的重要基础之一。现有技术中,晶圆上的缺陷检测往往通过统计晶圆上面缺陷的数量对晶圆是否存在缺陷进行判断的。
然而,发明人发现相关技术中至少存在如下技术问题:
在对晶圆缺陷进行检测的过程中,可能会存在局部范围进行检测或者是整个晶圆面积进行检测两种检测方式,而且越来越倾向于对局部范围进行检测,因为这样可以降低检测成本,同时提高检测效率。但是在以上两种检测的过程中,往往是通过识别到缺陷的数量作为晶圆是否存在缺陷的判断指标。这种判断方式不仅不够准确,而且单纯的通过数量来进行判断,对于多种检测面积的检测方式来说,不够精准,存在弊端。
发明内容
本申请的一个目的是提供一种晶圆缺陷的精准检测方法、装置、设备及可读介质,至少用以解决单纯的通过缺陷数量来对当前晶圆是否存在缺陷进行识别和判断,而导致的检测结果不够精准的问题,通过计算缺陷密度,可以更加精准的对当前晶圆是否存在缺陷进行识别,以此来提高晶圆检测过程中的识别精度。
为实现上述目的,本申请的一些实施例提供了以下几个方面:
第一方面,本申请的一些实施例还提供了一种晶圆缺陷的精准检测方法,所述方法包括:
获取当前晶圆的待检测的目标位置,以及所述目标位置的检测面积;
对所述目标位置进行检测,得到目标位置的缺陷数量;
根据所述缺陷数量和所述检测面积确定所述目标位置的缺陷密度信息;
若所述缺陷密度超过设定密度阈值,则确定所述当前晶圆的检测结果为存在缺陷。
第二方面,本申请的一些实施例还提供了一种晶圆缺陷的精准检测装置,所述装置包括:
检测面积确定模块,用于获取当前晶圆的待检测的目标位置,以及所述目标位置的检测面积;
缺陷数量检测模块,用于对所述目标位置进行检测,得到目标位置的缺陷数量;
缺陷密度信息计算模块,用于根据所述缺陷数量和所述检测面积确定所述目标位置的缺陷密度信息;
检测结果确定模块,用于若所述缺陷密度超过设定密度阈值,则确定所述当前晶圆的检测结果为存在缺陷。
第三方面,本申请的一些实施例还提供了一种计算机设备,所述设备包括:
一个或多个处理器;以及
存储有计算机程序指令的存储器,所述计算机程序指令在被执行时使所述处理器执行如上所述的晶圆缺陷的精准检测方法。
第四方面,本申请的一些实施例还提供了一种计算机可读介质,其上存储有计算机程序指令,所述计算机程序指令可被处理器执行以实现如上所述的晶圆缺陷的精准检测方法。
相较于现有技术,本申请实施例提供的方案中,通过获取当前晶圆的待检测的目标位置,以及所述目标位置的检测面积;对所述目标位置进行检测,得到目标位置的缺陷数量;根据所述缺陷数量和所述检测面积确定所述目标位置的缺陷密度信息;若所述缺陷密度超过设定密度阈值,则确定所述当前晶圆的检测结果为存在缺陷。本方案通过这样的设计,可以更加精准的对当前晶圆是否存在缺陷进行识别,以此来提高晶圆检测过程中的识别精度。
附图说明
图1是本申请实施例一提供的晶圆缺陷的精准检测方法的流程示意图;
图2是本申请实施例二提供的晶圆缺陷的精准检测方法的流程示意图;
图3是本申请实施例三提供的卡控阈值设置结果的示意图;
图4是本申请实施例四提供的晶圆缺陷的精准检测装置的结构示意图;
图5是本申请实施例五提供的计算机设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
下面结合附图,通过具体的实施例及其应用场景对本申请实施例提供的技术方案进行详细地说明。
实施例一
图1是本申请实施例一提供的晶圆缺陷的精准检测方法的流程示意图。如图1所示,具体包括如下步骤:该流程包括:
步骤S101,获取当前晶圆的待检测的目标位置,以及所述目标位置的检测面积;
其中,当前晶圆可以是通过制造机台来制造的。可以在晶圆生产制造的过程中或者生产制造完成后,对其进行质量检测的晶圆。
晶圆是指制作硅半导体电路所用的硅晶片,其原始材料是硅。高纯度的多晶硅溶解后掺入硅晶体晶种,然后慢慢拉出,形成圆柱形的单晶硅。硅晶棒在经过掩膜,抛光,切片后,形成硅晶圆片,也就是晶圆。目前市面上的晶圆生产线以8英寸和12英寸为主。晶圆的主要加工方式为片加工和批加工,即同时加工一片或多片晶圆。随着半导体特征尺寸越来越小,加工及测量设备越来越先进,使得晶圆加工尺寸也有所减小。
目标位置可以是预先确定的,例如对于晶圆的中心位置进行检测,或者对于晶圆的左上方的某个位置进行检测。可以理解的,目标位置可以是一个位置,也可以是多个位置。例如对于当前一批晶圆来说,检测的目标位置包括中心位置和左上方位置,对于下一批晶圆来说,检测的目标位置可能包括中心位置和右下方位置,可以基于工作人员的设定来确定。
可以理解的,在确定目标位置的过程中,可以根据工作人员圈定的目标位置的范围,确定目标位置的检测面积。可以理解的,该范围可以是圆形范围,也可以是正方形或者矩形的范围,本方案对此不做限定。
步骤S102,对所述目标位置进行检测,得到目标位置的缺陷数量;
在工作人员输入目标位置之后,或者通过其他方式导入目标位置之后,在当前晶圆处于待检测位置时,可以通过制造机台或者专门用于检测的检测机台对当前晶圆进行检测。
目标位置的缺陷数量,可以是基于检测结果所确定的,例如针对某一目标位置,检测到其中存在的缺陷的数量为20个,分别包括10个点缺陷,5个线缺陷以及5个面缺陷。
值得一提的,本方案中,晶圆图像的缺陷可以包括点缺陷、线缺陷以及区域缺陷等。
点缺陷是指晶圆芯片表面存在的局部缺陷点,这些点通常由于原材料污染或制造工艺不当造成。点缺陷通常分为以下几类:
1.洞穴状缺陷:通常是由于气泡或气体残留在晶圆芯片中造成的。
2.泡状缺陷:通常是由于金属材料膨胀不均匀或气体残留在晶圆芯片中造成的。
3.金属颗粒:金属颗粒是由于制造过程中金属材料的溅射或附着所导致的。
线缺陷是指晶圆芯片表面存在的局部缺陷线,这些线通常由于制造工艺或设备故障造成。线缺陷通常分为以下几类:
1.划痕:通常是由于制造过程中设备的磨损或过程中的撞击所造成的。
2.斑纹:通常是由于制造过程中配料不当,或者是晶圆芯片内部材料不均匀而导致的。
3.凸起或凹陷:通常是由于制造过程中设备或工具的损坏而导致的。
区域缺陷是指晶圆芯片上存在的局部区域缺陷,这些区域缺陷通常是由于制造工艺或设备故障造成。区域缺陷通常分为以下几类:
1.晶粒缺陷:如果晶圆芯片上的某个晶粒出现了缺损或缩小,就会造成晶圆芯片的性能降低或者失效。
2.维氏硬度不均匀:通常是由于晶圆芯片制造过程中压力不均匀、材料不均匀或设备故障而导致的。
3.热残留应力:晶圆芯片制造过程中温度变化会导致晶圆芯片产生残留应力,如果这些残留应力太大,会导致晶圆芯片的性能降低或者失效。
在制造和检测过程中,可以对这些缺陷进行有效的检测和分类,以确保晶圆的质量和性能。
步骤S103,根据所述缺陷数量和所述检测面积确定所述目标位置的缺陷密度信息;
本方案中,可以基于缺陷数量和所述检测面积确定目标位置的缺陷密度信息。具体的,可以将缺陷数量与检测面积相除,得到结果就可以确定为缺陷密度信息。
可以理解的,此处的缺陷密度信息可以根据缺陷的类型来划分,也可以不进行划分。例如,不进行划分的话,此处得到的结果是所有缺陷类型共同除以检测面积的结果。相反的,如果进行划分,则可以得到每种类型的缺陷除以检测面积,得到各种类型缺陷的缺陷密度信息。本方案可以根据晶圆检测的需要进行灵活的设置。
步骤S104,若所述缺陷密度超过设定密度阈值,则确定所述当前晶圆的检测结果为存在缺陷。
本方案中,可以预先计算缺陷密度的设定密度阈值,例如当前晶圆的检测要求是较为严格的,可以将该设定密度阈值设置的更低一些,一旦超过,则确定为当前晶圆存在缺陷。相反的,如果当前晶圆的检测要求是相对正常的,可以将该设定密度阈值设置的稍高一些,一旦超过,则确定为当前晶圆存在缺陷。
在本实施例的基础上,根据所述缺陷类型确定所述缺陷密度的设定密度阈值,包括:
基于预先创建的缺陷类型与密度阈值的映射关系,确定所述当前晶圆的缺陷类型所对应的设定密度阈值。
可以理解的,该映射关系可以是通过表格的形式进行记录,并存储在相应的机台上,例如制造机台或者检测机台,在需要进行检测的过程中,可以基于预先存储的映射关系的存储位置,进行读取和比较,来确定当前晶圆的缺陷类型所对应的设定密度阈值。在一种特殊的情况下,也可能会存在当前晶圆的缺陷类型没有与预先存储的映射关系所对应上,在这种情况下,可以生成相应的提示信息,并结束流程。并且,在这种特殊的情况下,可以基于工作人员所识别的结果,提示针对当前晶圆的缺陷类型进行映射关系录入的接口,以对已经存储的映射关系进行新增或者修改。
本技术方案通过这样的设置,可以提高晶圆的缺陷的检测效率,并且在读取相应的数据的过程中,可以对所存储的映射关系进行调整,能够在提高晶圆缺陷的检测精度的同时,扩大本方案所适用的场景。
本实施例提供的技术方案,通过对于目标位置的缺陷数量和检测面积的获取,计算得到缺陷密度信息,并基于缺陷密度信息对晶圆是否存在缺陷进行判断,使得片段结果更加准确,避免基于数量来判断所造成的误识别,或者针对不同的目标位置的检测面积有所不同的情况下,单纯基于数量判断缺乏客观性和适用性。
在本实施例的基础上,在对所述目标位置进行检测之后,所述方法还包括:
识别所述目标位置存在的缺陷的缺陷类型;
根据所述缺陷类型确定所述缺陷密度的设定密度阈值。
其中,缺陷类型可以是根据缺陷的形状划分的,还可以是根据缺陷的产生原因划分的,还可以是根据缺陷的出现位置是在金属片位置或者实在其他位置来划分的,等等。可以理解的,在得到缺陷的信息之后,可以根据缺陷类型的不同,对缺陷数量进行分别提取,用以针对每种缺陷类型,计算缺陷密度。
本方案中,可以针对每种缺陷类型调取相应的设定密度阈值。例如点缺陷,其设定密度阈值为20个单位,针对线缺陷类型,其设定密度阈值为10个单位,针对面缺陷类型,其设定密度阈值为5个单位。例如,每个单位可以是每平方毫米缺陷的个数。
本实施例这样设置,通过对于不同的类型的缺陷,设置有不同的设定密度阈值,可以在实际检测过程中,有针对性的做出检测,避免所有缺陷类型一视同仁,但是会造成得到的统计结果不能够准确的表达出当前晶圆是否存在缺陷的问题。
在本实施例的基础上,在根据所述缺陷数量和所述检测面积确定所述目标位置的缺陷密度信息之后,所述方法还包括:
若所述缺陷密度超过设定密度阈值的预设倍数,且未超过设定密度阈值,则生成对所述当前晶圆的关注提示信息;其中,所述预设倍数小于1。
本实施例中,可以基于设定密度阈值,确定当前晶圆是否存在异常,并且在此基础上,基于设定密度阈值的预设倍数,例如0.5倍,确定当前晶圆是否需要重点关注。如果需要重点关注,则可以生成相应的提示信息,以在晶圆检测的过程中,通过人工复核的方式,确定当前晶圆是否存在异常。
可以理解的,该预设倍数可以是针对不同类型的缺陷设置不同类型的值,例如,针对点缺陷类型,设置为0.6,针对线缺陷类型和面缺陷类型,设置为0.5。
本方案通过这样的设置,可以针对当前晶圆是否存在缺陷设置多种级别,供工作人员根据不同的情况进行不同的处理,以提高对于当前晶圆的缺陷检测的严谨性。
在本实施例的基础上,在对于缺陷类型与密度阈值的映射关系的创建过程中,包括:
识别缺陷类型是否为高风险类型;
若为高风险类型,则确定所述缺陷类型对应的密度阈值为0;
识别缺陷类型是否为低风险类型;
若为低风险类型,则确定所述缺陷类型对应的密度阈值为1。
可以理解的,在划分缺陷类型之后,可以针对不同的缺陷类型设置不同的密度阈值。例如针对高风险类型的缺陷,可以将其密度阈值设置的尽量低,以在检测过程中一旦出现较少数量的高风险类型的缺陷,或者是一旦出现高风险类型的缺陷,就能够基于此识别为当前晶圆的检测结果为存在异常。同样原理的,针对低风险类型的缺陷,可以将其密度阈值设置的尽量高,以在检测过程中出现低风险类型的缺陷可以对其忽略,避免对整个晶圆的检测结果的影响。
需要解释的,本方案中的0和1可以是缺陷像素点相对于整个检测面积内所有的像素点的比例。如果采用其他的计量方式,可以对此处的密度阈值进行相应的调整。
实施例二
图2是本申请实施例二提供的晶圆缺陷的精准检测方法的流程示意图。如图2所示,具体包括如下步骤:
步骤S201,获取当前晶圆的待检测的目标位置,以及所述目标位置的检测面积;
步骤S202,对所述目标位置进行检测,得到目标位置的缺陷数量;
步骤S203,识别所述目标位置的缺陷中,是否存在预先确定的高风险类型的缺陷;若是,则执行步骤S206;若否,则执行步骤S204;
本方案中,在对目标位置进行缺陷检测并得到缺陷数量之后,可以优先识别所检测到的缺陷是否存在高风险类型的缺陷,若存在,则可以直接确定为当前晶圆的检测结果为存在缺陷。
其中,高风险类型的缺陷可以是预先确定的,例如与晶圆制造过程中的光刻掩膜板相关的缺陷,可以确定为高风险类型的缺陷,一旦光刻掩膜板存在缺陷,会影响后续的所有晶圆的制造,所以可以将光刻掩膜板的缺陷定义为高风险类型的缺陷。
步骤S204,若识别到所述目标位置的缺陷中,存在预先确定的低风险类型的缺陷,则在计算所述目标位置的缺陷密度信息时忽略低风险类型的缺陷的缺陷密度计算;
本方案中,除了对高风险类型的缺陷进行识别以外,还需要对低风险类型的缺陷进行识别,在目标位置的缺陷中存在预先确定的低风险类型的缺陷的情况下,可以优先对其数量进行忽略,也就是不计算该低风险类型的缺陷的缺陷密度信息。
步骤S205,根据所述缺陷数量和所述检测面积确定所述目标位置的缺陷密度信息;
步骤S206,若所述缺陷密度超过设定密度阈值,则确定所述当前晶圆的检测结果为存在缺陷。
本实施例在上述实施例的基础上,提供了一种针对高风险类型的缺陷和低风险类型的缺陷进行识别的方案,通过这样的设置,不仅可以确保晶圆检测的准确性,还能够提升晶圆检测的效率。
在上述技术方案的基础上,可选地,在对所述目标位置进行检测,得到目标位置的缺陷数量之后,所述方法还包括:
获取所述目标位置在所述当前晶圆的区域信息;
若识别到所述目标位置的缺陷中,存在预先确定的当前的区域信息所对应的高风险类型的缺陷,则确定所述当前晶圆的检测结果为存在缺陷。
其中,区域信息可以是预先划分出来的,例如将晶圆划分成中心区域和外围区域,或者按照其他形式进行划分。本方案在得到目标位置的区域信息之后,可以根据目标位置的区域信息所预先存储的高风险类型的缺陷进行检测。例如,在晶圆检测过程中,可以将A、B、C、D、E五种缺陷定义为高风险类型的缺陷,而当前的目标位置所属的区域信息只关联了其中A、B、C三种高风险类型的缺陷,在这种情况下,只有在该目标位置检测到A、B、C三种缺陷时,才确定为当前晶圆的检测结果为存在缺陷,而检测到D、E两种缺陷时不会直接确定为当前晶圆的检测结果为存在缺陷。
本实施例通过这样的设置,可以根据目标位置在当前晶圆中的区域,进行明确的划分,并为不同的区域,设置不同的高风险类型的缺陷,这样可以针对当前晶圆的制造和使用需求,进行不同的检测规则的设定。
实施例三
图3是本申请实施例三提供的卡控阈值设置结果的示意图。如图3所示,DefectCode表示缺陷分类编号,SPC表示卡控阈值,本专利中指当前种类的缺陷的密度,密度表示每平方毫米缺陷的个数。
本发明提供一种新的设置晶圆上缺陷的卡控阈值方式,旨在通过更加精确的设置晶圆上缺陷的卡控阈值帮助工作人员挑选出高风险的晶圆,从而帮助工作人员更加高效的分析缺陷。
为实现这一目的,本发明在传统的只卡控晶圆上缺陷总数的基础上,考虑到缺陷类型、晶圆检测面积、风险等级等因素。
首先,添加缺陷类型因素,能够更加精确的卡控高风险的缺陷,同时忽略掉低风险的缺陷,极大程度的提高对有问题的晶圆的监控的准确性,避免漏掉高风险的晶圆或者捕获到低风险的晶圆,做无效的分析。
其次,添加晶圆检测面积因素,由于每次对晶圆的检测面积不一定相同,如果不考虑面积,仅仅将卡控阈值设置为缺陷个数,那么卡控的阈值将丧失准确性。例如,将对类型1的缺陷的卡控阈值设置为100,两次晶圆检测的面积分别是10000平方微米和20000平方微米,检测出类型为1的缺陷个数分别为80,110,不考虑检测面积的情况下只会将缺陷个数为110的晶圆捕获,放掉缺陷个数为80的晶圆,显然这样的卡控是不准确的。本发明考虑到这个因素,因此对卡控的单位进行了调整,本发明设置卡控的单位为密度,即单位面积内缺陷的数量,从而避免因检测面积不同而导致的捕获结果错误。
再次,添加风险等级,并不是缺陷的检测密度达不到阈值就一定是安全的,本方案将晶圆上某一种缺陷的密度超过阈值的一半,就可能会对晶圆的质量产生威胁,有必要提醒工作人员注意。
本技术方案中将卡控晶圆缺陷的方法进行改进,考虑到缺陷种类和晶圆检测面积,改进后可以极大程度的提高对风险晶圆卡控的准确性,从而可以减少工作人员对低风险的尽管的分析,达到减少工作人员的无效工作,大幅度提高工作效率的目的。
实施例四
图4是本申请实施例四提供的晶圆缺陷的精准检测装置的结构示意图。如图4所示,具体包括如下:
检测面积确定模块410,用于获取当前晶圆的待检测的目标位置,以及所述目标位置的检测面积;
缺陷数量检测模块420,用于对所述目标位置进行检测,得到目标位置的缺陷数量;
缺陷密度信息计算模块430,用于根据所述缺陷数量和所述检测面积确定所述目标位置的缺陷密度信息;
检测结果确定模块440,用于若所述缺陷密度超过设定密度阈值,则确定所述当前晶圆的检测结果为存在缺陷。
本申请实施例中的晶圆缺陷的精准检测装置可以是装置,也可以是终端中的部件、集成电路、或芯片。该装置可以是移动电子设备,也可以为非移动电子设备。示例性的,移动电子设备可以为手机、平板电脑、笔记本电脑、掌上电脑、车载电子设备、可穿戴设备、超级移动个人计算机(ultra-mobile personal computer,UMPC)、上网本或者个人数字助理(personal digital assistant,PDA)等,非移动电子设备可以为服务器、网络附属存储器(Network Attached Storage,NAS)、个人计算机(personal computer,PC)、电视机(television,TV)、柜员机或者自助机等,本申请实施例不作具体限定。
本申请实施例中的晶圆缺陷的精准检测装置可以为具有操作系统的装置。该操作系统可以为安卓(Android)操作系统,可以为iOS操作系统,还可以为其他可能的操作系统,本申请实施例不作具体限定。
本申请实施例提供的晶圆缺陷的精准检测装置能够实现上述方法实施例实现的各个过程,为避免重复,这里不再赘述。
实施例五
此外,本申请实施例还提供了一种计算机设备,图5是本申请实施例五提供的计算机设备的结构示意图。该设备的结构如图5所示,所述设备包括用于存储计算机可读指令的存储器51和用于执行计算机可读指令的处理器52,其中,当该计算机可读指令被该处理器执行时,触发所述处理器执行所述的方法。
本申请实施例中的方法和/或实施例可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在该计算机程序被处理单元执行时,执行本申请的方法中限定的上述功能。
需要说明的是,本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图或框图示出了按照本申请各种实施例的设备、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的针对硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
作为另一方面,本申请实施例还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读介质承载有一个或者多个计算机可读指令,所述计算机可读指令可被处理器执行以实现前述本申请的多个实施例的方法和/或技术方案的步骤。
在本申请一个典型的配置中,终端、服务网络的设备均包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体,可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类别的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。
此外,本申请实施例还提供了一种计算机程序,所述计算机程序存储于计算机设备,使得计算机设备执行所述控制代码执行的方法。
需要注意的是,本申请可在软件和/或软件与硬件的组合体中被实施,例如,可采用专用集成电路(ASIC)、通用目的计算机或任何其他类似硬件设备来实现。在一些实施例中,本申请的软件程序可以通过处理器执行以实现上文步骤或功能。同样地,本申请的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中,例如,RAM存储器,磁或光驱动器或软磁盘及类似设备。另外,本申请的一些步骤或功能可采用硬件来实现,例如,作为与处理器配合从而执行各个步骤或功能的电路。
对于本领域技术人员而言,显然本申请不限于上述示范性实施例的细节,而且在不背离本申请的精神或基本特征的情况下,能够以其他的具体形式实现本申请。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本申请的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。装置权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一,第二等词语用来表示名称,而并不表示任何特定的顺序。
Claims (10)
1.一种晶圆缺陷的精准检测方法,其特征在于,所述方法包括:
获取当前晶圆的待检测的目标位置,以及所述目标位置的检测面积;
对所述目标位置进行检测,得到目标位置的缺陷数量;
根据所述缺陷数量和所述检测面积确定所述目标位置的缺陷密度信息;
若所述缺陷密度超过设定密度阈值,则确定所述当前晶圆的检测结果为存在缺陷。
2.根据权利要求1所述的方法,其特征在于,在对所述目标位置进行检测之后,所述方法还包括:
识别所述目标位置存在的缺陷的缺陷类型;
根据所述缺陷类型确定所述缺陷密度的设定密度阈值。
3.根据权利要求2所述的方法,其特征在于,在根据所述缺陷数量和所述检测面积确定所述目标位置的缺陷密度信息之后,所述方法还包括:
若所述缺陷密度超过设定密度阈值的预设倍数,且未超过设定密度阈值,则生成对所述当前晶圆的关注提示信息;其中,所述预设倍数小于1。
4.根据权利要求2所述的方法,其特征在于,根据所述缺陷类型确定所述缺陷密度的设定密度阈值,包括:
基于预先创建的缺陷类型与密度阈值的映射关系,确定所述当前晶圆的缺陷类型所对应的设定密度阈值。
5.根据权利要求4所述的方法,其特征在于,在对于缺陷类型与密度阈值的映射关系的创建过程中,包括:
识别缺陷类型是否为高风险类型;
若为高风险类型,则确定所述缺陷类型对应的密度阈值为0;
识别缺陷类型是否为低风险类型;
若为低风险类型,则确定所述缺陷类型对应的密度阈值为1。
6.根据权利要求1所述的方法,其特征在于,在对所述目标位置进行检测,得到目标位置的缺陷数量之后,所述方法还包括:
若识别到所述目标位置的缺陷中,存在预先确定的高风险类型的缺陷,则确定所述当前晶圆的检测结果为存在缺陷;
若识别到所述目标位置的缺陷中,存在预先确定的低风险类型的缺陷,则在计算所述目标位置的缺陷密度信息时忽略低风险类型的缺陷的缺陷密度计算。
7.根据权利要求6所述的方法,其特征在于,在对所述目标位置进行检测,得到目标位置的缺陷数量之后,所述方法还包括:
获取所述目标位置在所述当前晶圆的区域信息;
若识别到所述目标位置的缺陷中,存在预先确定的当前的区域信息所对应的高风险类型的缺陷,则确定所述当前晶圆的检测结果为存在缺陷。
8.一种晶圆缺陷的精准检测装置,其特征在于,所述装置包括:
检测面积确定模块,用于获取当前晶圆的待检测的目标位置,以及所述目标位置的检测面积;
缺陷数量检测模块,用于对所述目标位置进行检测,得到目标位置的缺陷数量;
缺陷密度信息计算模块,用于根据所述缺陷数量和所述检测面积确定所述目标位置的缺陷密度信息;
检测结果确定模块,用于若所述缺陷密度超过设定密度阈值,则确定所述当前晶圆的检测结果为存在缺陷。
9.一种计算机设备,其特征在于,所述设备包括:
一个或多个处理器;以及
存储有计算机程序指令的存储器,所述计算机程序指令在被执行时使所述处理器执行如权利要求1-7中任意一项所述的晶圆缺陷的精准检测方法。
10.一种计算机可读介质,其特征在于,其上存储有计算机程序指令,所述计算机程序指令可被处理器执行以实现如权利要求1-7中任意一项所述的晶圆缺陷的精准检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311219008.2A CN117635528A (zh) | 2023-09-20 | 2023-09-20 | 一种晶圆缺陷的精准检测方法、装置、设备及可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311219008.2A CN117635528A (zh) | 2023-09-20 | 2023-09-20 | 一种晶圆缺陷的精准检测方法、装置、设备及可读介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117635528A true CN117635528A (zh) | 2024-03-01 |
Family
ID=90015325
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311219008.2A Pending CN117635528A (zh) | 2023-09-20 | 2023-09-20 | 一种晶圆缺陷的精准检测方法、装置、设备及可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117635528A (zh) |
-
2023
- 2023-09-20 CN CN202311219008.2A patent/CN117635528A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9916653B2 (en) | Detection of defects embedded in noise for inspection in semiconductor manufacturing | |
TW201517192A (zh) | 晶片對資料庫的影像檢測方法 | |
JP7398483B2 (ja) | 非対称ウエハ形状特徴付けのためのメトリック | |
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 | |
CN106971953B (zh) | 制造制程中的误差检测方法 | |
CN113488414B (zh) | 晶圆生产监控方法、系统与电子设备 | |
CN113342906B (zh) | 一种对晶圆量测数据分布形态的分类方法以及装置 | |
JP2019528569A (ja) | 自動視覚的欠陥検査後の電子ダイインキングのためのシステム及び方法 | |
KR101910268B1 (ko) | 반도체 gp 예측 방법 및 시스템 | |
US6872582B2 (en) | Selective trim and wafer testing of integrated circuits | |
WO2019037490A1 (zh) | 彩膜基板缺陷的分析方法、检测修复方法及装置 | |
CN117635528A (zh) | 一种晶圆缺陷的精准检测方法、装置、设备及可读介质 | |
US8565910B2 (en) | Manufacturing execution system (MES) including a wafer sampling engine (WSE) for a semiconductor manufacturing process | |
CN116539638A (zh) | 掺杂浓度测量方法、装置、电子设备及存储介质 | |
TWI808595B (zh) | 分析缺陷的方法 | |
CN113012137B (zh) | 一种面板缺陷检查方法、系统、终端设备及存储介质 | |
US20220139744A1 (en) | Wafer defect analysis method and system, device and medium | |
CN110109945B (zh) | 应用于基板的aoi检测方法、装置、存储介质及aoi检测设备 | |
US20130166255A1 (en) | Computing device and method for extracting feature elements of product from design drawing | |
CN110033470B (zh) | 一种晶圆边缘管芯判定方法及系统 | |
CN102865841A (zh) | 晶圆边缘度量与检测工具的厚度检测稳定性检测方法 | |
CN117497439A (zh) | 一种晶圆中关键缺陷的预测方法、装置、设备及可读介质 | |
TWI472939B (zh) | 良率損失估算方法及相關電腦可讀媒體 | |
CN112582292A (zh) | 用于芯片生产机台的零部件异常自动侦测方法、存储介质、终端 | |
CN117437177A (zh) | 一种光刻掩膜缺陷的识别方法、装置、设备及可读介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |