JP2002310927A - パターン識別方法およびパターン識別装置 - Google Patents

Abstract

(57)【要約】 【課題】 平面上に分布している複数の点からなるデー
タから、特徴的な分布状態にある複数の点の集合体に着
目し、互いに類似しているデータを検出する。 【解決手段】 平面上に分布している複数の点の位置を
示すデータＡおよびデータＢについて、データＡ内およ
びデータＢ内において密集した複数の点を１つの集合体
と認識する集合体を抽出する。次に、各集合体の中心の
位置を算出する位置を解析する。次に、データＡの集合
体の中心の位置とデータＢの集合体の中心の位置との距
離が予め設定した範囲内であれば、互いの集合体は類似
していると判断する。これにより、特徴的な分布状態に
ある集合体を抽出し、その出現位置を比較して互いに類
似している分布データを検出する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、パターン識別方法
およびパターン識別装置、特に半導体製造時のパターン
欠陥を診断するパターン識別技術に関するものである。

【０００２】

【従来の技術】半導体の歩留まりが低下する要因の一つ
に、ウェハに付着した異物等によって生じる配線パター
ン等の欠陥が挙げられる。この対策として、レーザ表面
検査装置やパターン欠陥検査装置を用いて、ウェハ上の
異物や欠陥をチェックし、異物や欠陥の個数が多けれ
ば、製造装置内部のクリーニングを行っている。

【０００３】異物の個数の管理では、例えば、特開平８
−２５０３８５号公報に示されているように、定期的に
装置内でウェハ上に付着した異物の個数を測定し、その
経時変化等から装置内のクリーニングの必要性を判断し
ている。

【０００４】一方、パターン欠陥の管理では、例えば、
特開平９−１３４９４０号公報に示されているように、
ウェハ上のパターン欠陥の位置を示したマップと電気特
性不良の位置を示したフェイルビットマップを比較して
不良が発生した工程や装置を特定し、その装置に対して
クリーニングを実施している。

【０００５】

【発明が解決しようとする課題】しかしながら、パター
ン欠陥の分布状態からクリーニングの必要性の有無を人
間が判断する場合、個人差が生じてしまう為、コンピュ
ータによる自動診断が必要になる。しかし、欠陥の分布
状態は、いつも同じになることはない為、単に欠陥分布
のパターンマッチングを行うだけでは、歩留まり低下時
の過去の欠陥分布と同じ欠陥分布を検出することはでき
ない。

【０００６】したがって、特開平８−２５０３８５号公
報に示されているような異物の個数を管理する方法で
は、パターン欠陥を引き起こす異物が発生しているのか
又、偶然にウェハに付着した異物であって次回は発生し
ない異物なのか分からない為、実際にどの程度の個数が
ウェハに付着したら製造装置内のクリーニングを行うべ
きか判別しがたいという問題がある。

【０００７】一方、特開平９−１３４９４０号公報のよ
うなパターン欠陥の管理では、ウェハ処理の全工程が終
了し、電気特性が測定されないとクリーニングが必要な
装置が特定できないという問題がある。

【０００８】そこで、本発明では、各工程が終了したと
きに測定するパターン欠陥検査のデータを用いて、ウェ
ハ上の欠陥分布の状態から製造装置のクリーニングの必
要性を判断できるようにすることを目的とする。

【０００９】

【課題を解決するための手段】上記の課題を解決する為
に、本発明に係る第１のパターン識別方法は、平面上に
分布している複数の点の位置を示すデータ１およびデー
タ２について、データ１内およびデータ２内において密
集した複数の点を１つの集合体と認識する集合体抽出工
程と、各集合体の中心の位置を算出する位置解析工程
と、データ１の集合体の中心の位置とデータ２の集合体
の中心の位置との距離が予め設定した範囲内であれば、
互いの集合体は類似していると判断する診断工程とを有
する。

【００１０】このようにすることで、平面上に分布して
いる複数の点の中からある程度密集して分布する複数の
点の集合体のみを比較して、これらのデータが類似して
いるかどうかを診断することができる。

【００１１】本発明に係る第１のパターン識別方法にお
いて、集合体抽出工程は、データ内の任意の第１の点に
対して予め定めた範囲内に第１の点と異なる第２の点の
存否を解析し、第２の点が存在しない場合は調査を終了
し、存在する場合は第２の点を第１の点と同じ集合体に
属する点と認識し、次に第２の点に対して予め定めた範
囲内に第１および第２の点と異なる第３の点の存否を解
析し、第３の点が存在しない場合は調査を終了し、存在
する場合は第３の点を第１の点と同じ集合体に属する点
と認識し、次に第３の点に対して予め定めた範囲内に第
１乃至第３の点と異なる第４の点の存否を解析する手順
を繰り返すことによって、第１の点と同じ集合体に属す
る点を抽出することが好ましい。

【００１２】このようにすることで、コンピュータを用
いて比較的密集した点を抽出することができる。

【００１３】本発明に係る第１のパターン識別方法にお
いて、位置解析工程は、集合体に属する点の座標を用い
て算出した集合体の重心を集合体の中心の位置を示す座
標として取り扱うことが好ましい。

【００１４】また、本発明に係る第２のパターン識別方
法は、平面上に分布している複数の点の位置を示すデー
タ１およびデータ２について、データ１内およびデータ
２内において密集した複数の点を１つの集合体と認識す
る集合体抽出工程と、各集合体の中心の位置を算出する
位置解析工程と、集合体の形状に関する特徴を抽出する
特徴抽出工程と、データ１の集合体とデータ２の集合体
の中心の位置または特徴を比較し、データ１の集合体の
中心の位置とデータ２の集合体の中心の位置との距離が
予め設定した範囲内にあるか、またはデータ１の集合体
とデータ２の集合体の特徴が似ている場合に、互いの集
合体は類似していると判断する診断工程とを有する。

【００１５】このようにすることで、集合体の位置だけ
でなく集合体の形状の特徴も比較対象とするため、第１
のパターン識別方法よりも正確な判断を診断工程で実施
することができる。

【００１６】本発明に係る第２のパターン識別方法にお
いて、特徴抽出工程は、集合体に属する複数の点に関し
て、ある特定の位置から測定した複数の点の密度分布ま
たは集合体に属する複数の点が示す分布状態の偏り具合
を集合体の特徴とすることが好ましい。

【００１７】このようにすることで、分布状態の特徴を
調べる為、ある基準点から見てどのような形状をしてい
るか又はどの方向に偏った分布をしているかを解析する
ことができる。

【００１８】本発明に係るパターン識別装置は、平面上
に分布している測定点の座標や測定値を検査装置から収
集するデータ収集手段と、データ収集手段で収集したデ
ータから密集した測定点を１つの集合体として抽出する
集合体抽出手段と、集合体の位置を算出する位置解析手
段と、集合体の形状に関する特徴を抽出する特徴抽出手
段と、集合体の中心の位置または形状に関する特徴を蓄
積したデータベースに対して、データの集合体の中心の
位置または形状の特徴と類似したデータがデータベース
に存在するか否かを診断する診断手段とを備えている。

【００１９】このようにすることで、類似した集合体に
関連する事項がデータベースに格納してあれば、その関
連事項が検査中の集合体にも当てはまると推測すること
が可能となる。

【００２０】本発明に係るパターン識別装置において、
データ収集手段で用いるデータはウェハのパターン欠陥
検査または電気特性検査によって収集したデータであ
り、特徴抽出手段で用いる集合体の形状はウェハ処理装
置やウェハ搬送装置の構造に依存した固有の形状である
ことが好ましい。

【００２１】このようにすることで、特定の形状で分布
しているパターン欠陥は、ランダムに分布しているパタ
ーン欠陥より比較的密に分布している為、集合体抽出手
段で特定の形状に分布しているパターン欠陥を抽出で
き、特徴抽出手段では、特定の形状とはどのようなもの
であるかを示すデータを算出することができる。

【００２２】本発明に係るパターン識別装置において、
集合体抽出手段で抽出した集合体に属するパターン欠陥
や電気特性データにおいて、前記パターン欠陥は予め定
めた範囲内のサイズを有するパターン欠陥であり、前記
電気特性データは予め定めた範囲内の測定値を有する電
気特性データであることが好ましい。

【００２３】このようにすることで、ほぼ同じような原
因によって生じたパターン欠陥だけを抽出することがで
きる。

【００２４】

【発明の実施の形態】（第１の実施形態）以下、本発明
の第１の実施形態について、図面を参照しながら説明す
る。図１に、第１の実施形態の概念図を示す。

【００２５】図１において、調査対象のデータＡ及びＢ
はある平面上に分布している複数の点の座標データであ
り、例えば、半導体ウェハをパターン欠陥検査装置で測
定することによって得られるパターン欠陥の分布状態を
示したＸＹ座標データやウェハ内の電気特性不良の位置
を示した分布データ、画像データの中から特定の色情報
等を持った画素の座標データ等である。また、データＡ
はある平面上に分布している各点の座標データであり、
データＢは別の平面上に分布している各点の座標データ
である。

【００２６】特に、パターン欠陥分布を用いた場合、ウ
ェハ毎にパターン欠陥の分布状態は異なっており互いに
一致するデータはない為、パターン欠陥分布の全体像か
ら類似しているものを検索するのは難しい。しかし、パ
ターン欠陥の中には、ウェハへの接触部等から発生した
異物によるパターン欠陥が存在する。このような欠陥分
布は、装置固有の特徴を持った分布状態になっている
為、ウェハ全体の分布状態が一致しなくとも特徴的な部
分に着目することによって、互いの分布が類似している
か否かを診断することができる。

【００２７】集合体抽出工程１は、データＡの座標デー
タから点の集合体を抽出する。集合体とは、互いに近傍
の点同士を同一のグループと捕らえて構成された点の集
まりである。

【００２８】ここで、集合体を抽出する為のアルゴリズ
ムについて図２及び図３を用いて説明する。

【００２９】図２のステップＳ１００では、データＡか
ら点Ｐｉを１つ選択する。ステップＳ１０１では、図３
のように、点Ｐｉを中心とした半径ｒの円内に別の点Ｐ
ｊが存在するか否かを調査する。もし点Ｐｊが存在しな
い場合は調査を終了する。もし点Ｐｊが存在する場合
は、ステップＳ１０２で、点Ｐｊは点Ｐｉと同じ集合体
に属すると判断する。そして、ステップＳ１０１へ戻
り、今度は点Ｐｊを中心とした半径ｒの円内に別の点Ｐ
ｋが存在するか否かを調査する。但し、点Ｐｋは、点Ｐ
ｉや点Ｐｊとは異なる。

【００３０】このようにして、集合体抽出工程１では、
互いに一定範囲内に存在する点を次々に同一集合体とし
て認識し、同じ集合体に属する点を検出する。特に、コ
ンピュータを用いれば、比較的密集した点を容易に抽出
することができる。

【００３１】なお、集合体の抽出方法として、上記以外
に、例えば特願平８−４５５５号公報に示された、ある
点Ｐｉを中心とした所定領域内に存在する点とこの所定
領域に沿った周辺の所定領域内に存在する点とを同じ集
合体に属する点として検出する方法を用いてもよい。

【００３２】位置解析工程２は、集合体抽出工程１で抽
出した集合体の位置を算出する。集合体の位置を示す新
たな座標として、集合体の重心の座標を用いる。

【００３３】集合体の重心は、次式で示すように、集合
体を構成する各点の座標によって算出する。

【００３４】 但し、式（１）のＧ（ｘ，ｙ）は原点から重心Ｇへのベ
クトル成分であり、Ｐｉ（ｘ，ｙ）は原点から点Ｐｉへ
のベクトル成分である。ｎは集合体を構成する点の総数
である。

【００３５】このようにして、集合体抽出工程１で抽出
された集合体の位置を示す座標が算出される。

【００３６】例えば、図４のように点が分布している場
合は、点Ｐ１〜点Ｐ１６で構成された点の集合体Ｃが抽
出され、集合体の重心Ｇが集合体の位置を示す座標とな
る。

【００３７】なお、重心の算出では、各点の座標だけで
なく、各点の重みを用いても良い。重みとは、例えば、
パターン欠陥分布を解析対象とした場合は欠陥のサイズ
を示し、電気特性不良の分布の場合は電気特性値とな
る。

【００３８】データＢについても、上記データＡの場合
と同様にして、集合体抽出工程１および位置解析工程２
を実施する。

【００３９】診断工程３は、データＡ及びデータＢから
抽出した集合体の位置を比較し、データＡの集合体とデ
ータＢの集合体の距離が、予め定めた範囲内であるか否
かを調べる。もし、データＡとデータＢの集合体の距離
が範囲内であれば、互いの集合体は類似していると判断
する。

【００４０】以上のように、第１の実施形態によれば、
集合体抽出工程を用いて比較的密集した点の集まり（集
合体）を抽出し、その集合体の位置を示す座標として集
合体の重心を算出する位置解析工程を用いるので、複雑
に分布する点の中に、特徴的な分布状態を示す集合体が
存在すれば、その集合体を検出することができる。

【００４１】従って、平面上に分布した点が示されてい
るデータに対して、特徴的な分布状態を示した部分が類
似している集合体同士を検出できれば良い場合には、こ
のパターン識別方法を用いて、互いに類似したデータで
あるか否かを診断することができる。

【００４２】（第２の実施形態）以下、本発明の第２の
実施形態について、図面を参照しながら説明する。図５
に、第２の実施形態の概念図を示す。

【００４３】第２の実施形態において、第１の実施形態
と異なる点は、診断工程３における類似性の評価方法も
第１の実施形態と異なること、および特徴抽出工程４が
追加されていることである。

【００４４】特徴抽出工程４は、集合体抽出工程１によ
って検出された集合体を構成する各点の座標を用いて、
集合体の形状の特徴を解析する。形状の特徴を示す情報
は、次の通りである。 １）「基準点からの距離」と「集合体を構成する点の密
度」との関係 ２）集合体を構成する点の分布状態（分布の偏り状態） ここで、上記１）の例を図６に示す。図６では、図６
（ａ−１）のように点が円内に分布している場合は、基
準点Ｑからの距離Ｌと密度の関係は図６（ａ−２）とな
る。また、図６（ｂ−１）のように点が円の周辺に沿っ
て分布している場合は、基準点Ｑからの距離Ｌと密度の
関係は図６（ｂ−２）となる。なお、図６（ａ−２）及
び（ｂ−２）の密度は、基準点Ｑからの距離Ｌ〜Ｌ＋Δ
Ｌの領域に存在する点の面密度を示している。また、こ
こでは、集合体の重心は基準点Ｑと一致するように設定
している。

【００４５】図６で示すように、上記１）の情報を用い
れば、重心の位置が互いに同じでも、重心付近の密度の
違いによって密度分布が明らかに異なっており、第１の
実施形態より高い信頼性で集合体の違いを認識すること
ができる。

【００４６】次に、上記２）の例を図７に示す。図７で
は、図７（ａ−１）のように点が分布している場合は、
等角度に分割された各領域内の点の密度は、図７（ａ−
２）のようになる。ここで、図７（ａ−２）は、円内の
角度θ〜θ＋Δθの領域に存在する点の面密度を示して
おり、これより点の分布状態がどの方向に偏っているか
を示すことができる。

【００４７】また、別の方法として、点の位置を示すＸ
座標とＹ座標を用いて算出した相関係数や近似直線の傾
き（一次係数）によっても、点の分布状態の偏り具合を
算出することができる。

【００４８】次に、診断工程３について説明する。診断
工程３では、集合体の状態を示す以下の情報１）〜３）
の内、１つ以上の情報について、データＡの集合体とデ
ータＢの集合体を比較し、類似しているか否かを判断す
る。 １）「基準点からの距離」と「集合体を構成する点の密
度」との関係 ２）集合体を構成する点の分布状態（分布の偏り状態） ３）集合体の位置（重心の座標） データＡとデータＢの集合体が類似しているか否かを判
断する為に、上記１)の場合は、例えばパターンマッチ
ングの技術を用いて、図６（ａ−２）や（ｂ−２）のグ
ラフについて比較する。上記２）の場合は、同様に図７
（ａ−２）のグラフについて比較する。上記３）の場合
は、第１の実施形態と同様に、互いの重心までの距離が
予め定めた範囲内であれば類似していると判断する。

【００４９】以上のように、第２の実施形態によれば、
第１の実施形態に比べ、分布状態の形状を解析し、その
特徴を抽出する特徴抽出工程を用いているので、特徴的
な分布状態を示す部分が如何に類似しているかを判断で
き、第１の実施形態より類似性の診断の精度を高めるこ
とができる。

【００５０】（第３の実施形態）以下、本発明の第３の
実施形態について、図面を参照しながら説明する。本実
施形態は、第２の実施形態であるパターン識別方法を用
いた診断装置である。図８に、本実施形態の機能ブロッ
ク図を示す。

【００５１】図８において、１０はコンピュータのＣＰ
Ｕ、１１はウェハ上のパターン欠陥等を検査する装置、
１２及び１３は検査中のデータを格納するデータベース
であり、１４は歩留まり低下等が生じたときの関連情報
を蓄積しているデータベースである。ウェハ内に検出さ
れた欠陥（パターン欠陥や電気特性の不良箇所）の位置
を示す座標データを検査装置１１から収集し、データ収
集手段２０によってデータベース１２に格納する。

【００５２】次に、集合体抽出手段２１によって、欠陥
の座標データから集合体を抽出する。次に、位置解析手
段２２によって、集合体の位置を示す座標を算出する。
この座標は、集合体の特徴を示すデータの一つであり、
ウェハのどの位置に現れているかを示す。なお、この集
合体は、近傍の欠陥同士を互いに同じグループに属する
ものとして認識された欠陥の集まりである。また、特徴
抽出手段２３によって、集合体の形状に関する特徴を調
べ、その情報を抽出する。

【００５３】次に、診断手段２４によって、集合体の位
置や形状の特徴を示すデータをデータベース１４に蓄積
されている集合体のデータと比較する。そして、類似し
た集合体がデータベース１４に存在する場合は、検査中
のウェハに対して、類似した集合体を有したウェハと同
じような状況下にあると推測する。

【００５４】ここで、この診断装置に適用する第２の実
施形態のパターン認識方法において、データ１がデータ
収集手段で収集するデータに対応し、データ２がデータ
ベースに蓄積されているデータに対応している。

【００５５】なお、データ収集手段２０で収集している
調査対象の集合体を調査用集合体と記す。また、データ
ベース１４に蓄積されている参照対象の集合体を参照用
集合体と記す。

【００５６】データ収集手段２０は、検査装置１１で検
出した欠陥の座標データを収集し、データベース１２に
格納する。

【００５７】ここで、データベース１２のテーブル構造
について図９を用いて説明する。ｆ２０は、欠陥の番号
を格納するフィールドであり、１，２，・・・と欠陥毎
に異なるユニークな値である。ｆ２１は、ウェハ上の欠
陥の位置を示すＸ座標の値を格納するフィールドであ
り、ｆ２２はＹ座標の値を格納するフィールドである。
ｆ２３は、どの集合体に属する欠陥であるかを示すデー
タ（集合体ＩＤ）を格納するフィールドである。なお、
フィールドｆ２０〜ｆ２２の値はデータ収集手段２０に
よって格納され、その値は不変であるが、フィールドｆ
２３の値はデータ収集手段２０によって初期値（ＮＵＬ
Ｌ）が格納され、後述の集合体抽出手段２１によって値
が変更される。

【００５８】集合体抽出手段２１は、データベース１２
のデータを用いて集合体を検出する。また、集合体を識
別する為の集合体ＩＤを作成し、データベース１２のフ
ィールドｆ２３や後述のデータベース１３に格納する。

【００５９】ここで、集合体を検出する為のアルゴリズ
ムについて図１０を用いて説明する。

【００６０】ステップＳ２００では、データ収集手段２
０で収集した欠陥のデータが格納されているデータベー
ス１２からフィールドｆ２３の値がＮＵＬＬである欠陥
（欠陥Ｐｉ）を１つ選択し、その欠陥の座標をフィール
ドｆ２１，ｆ２２から抽出し、欠陥番号をフィールドｆ
２０から抽出する。なお、フィールドｆ２３の値がＮＵ
ＬＬである欠陥は、どの集合体に属するものかを未だ調
査されていないことを示している。

【００６１】ステップＳ２０１では、欠陥Ｐｉの欠陥番
号をフィールドｆ２３に入れる。このフィールドｆ２３
のデータは、同じ集合体として今後検出される欠陥に対
し、その欠陥が属する集合体のＩＤ（集合体ＩＤ）とし
て使用する。

【００６２】ステップＳ２０２では、欠陥Ｐｉを中心と
した半径ｒの円内に別の欠陥（欠陥Ｐｊ）が存在するか
否かを調査する。ステップＳ２０２において、別の欠陥
が存在しない場合は、ステップＳ２００へ戻り、フィー
ルドｆ２３の値がＮＵＬＬである新たな欠陥をデータベ
ース１２から抽出して同様の手順を繰り返す。

【００６３】一方、別の欠陥Ｐｊが存在する場合は、ス
テップＳ２０３で、欠陥Ｐｊのフィールドｆ２３に欠陥
Ｐｉと同じ集合体ＩＤを格納する。そして、再びステッ
プＳ２０２へ戻り、欠陥Ｐｉの場合と同様に欠陥Ｐｊを
中心とした半径ｒの円内に別の欠陥が存在するか否かを
調査する。

【００６４】このように、ステップＳ２０２及びステッ
プＳ２０３は、ある欠陥の周辺に別の欠陥が存在しなく
なるまで繰り返される。

【００６５】このようなアルゴリズムを用いて、集合体
抽出手段２１ではウェハ上の全欠陥を調査し集合体を抽
出する。フィールドｆ２３の値が同じ欠陥は、同じ集合
体に属するものであり、複数の欠陥で構成される集合体
の集合体ＩＤは、後述のデータベース１３に格納され
る。

【００６６】位置解析手段２２は、集合体抽出手段２１
が抽出した集合体の位置をその集合体の重心とし、第１
の実施形態の式（１）を用いて、各集合体に属する欠陥
の座標から算出する。そして、集合体の位置をデータベ
ース１３に格納する。

【００６７】ここで、データベース１３のテーブル構造
について図１１を用いて説明する。ｆ３０は、集合体抽
出手段２１で抽出された集合体の集合体ＩＤを格納する
フィールドである。ｆ３１は、位置解析手段２２で算出
された集合体の位置を示すＸ座標及びＹ座標を格納する
フィールドある。ｆ３２及びｆ３３は、後述の特徴抽出
手段２３で算出した集合体の特徴を示すデータを格納す
るフィールドである。

【００６８】特徴抽出手段２３は、集合体ＩＤを検索キ
ーとしてデータベース１２から集合体を構成する欠陥の
座標を抽出する。そして、それらの欠陥の座標は、集合
体の特徴を示す以下の情報を解析する為に用いられる。 １）「基準点からの距離」と「集合体を構成する点の密
度」との関係 ２）集合体を構成する欠陥の分布状態（分布の偏り状
態） 上記１）の解析結果はデータベース１３のフィールドｆ
３２に格納され、上記２）の解析結果はフィールドｆ３
３に格納される。

【００６９】なお、上記１）及び２）の解析方法は、第
２の実施形態と同じである。但し、上記１）の基準点は
次のように定める。例えば、製造装置の円形の器具がウ
ェハに接することによって、円周上付近にパターン欠陥
が分布する場合、ウェハに接する円形部分の中心の座標
を基準点とする。すなわち、ウェハに接する等器具の形
状に対応した欠陥分布が生じる場合、その形状の中心点
を基準点とする。

【００７０】診断手段２４は、位置解析手段２２及び特
徴抽出手段２３で算出した集合体の特徴を示す次の３つ
の情報１）〜３）の内、１つ以上の情報について、デー
タベース１３に格納されている調査用集合体とデータベ
ース１４に格納されている参照用集合体とをパターンマ
ッチング技術を用いて比較し、類似しているか否かを判
断する。 １）「基準点からの距離」と「集合体を構成する点の密
度」との関係 ２）集合体を構成する欠陥の分布状態（分布の偏り状
態） ３）集合体の位置（重心の座標） なお、例えば、製造装置内が汚れ始めると特徴的な分布
状態を持つ集合体がウェハ上に３箇所出現する場合は、
３つの集合体に対して上記１）〜３）の比較を行い、全
ての集合体が類似している必要がある。すなわち、３つ
の集合体が特定の位置に出現することも特徴を示すデー
タの一部となる。

【００７１】ここで、データベース１４のテーブル構造
について図１２を用いて説明する。データベース１４に
は、参照用集合体に関するデータを格納している。ｆ４
０は、集合体の位置を示すＸ座標及びＹ座標を格納する
フィールドである。ｆ４１は、”「基準点からの距離」
と「集合体を構成する点の密度」との関係”を示すグラ
フのＸＹ座標を格納するフィールドである。ｆ４２
は、”集合体を構成する欠陥の分布状態（分布の偏り状
態）”を示すグラフのＸＹ座標を格納するフィールドで
ある。ｆ４３は、過去において、上記１）〜３）で示さ
れる特徴的なデータが生じたときの関連事項を格納する
フィールドである。そして、このフィールドｆ４３に歩
留まり低下発生等の品質関連の情報を格納することによ
り、上記１）〜３）が示す特徴を持ったパターン欠陥分
布と歩留まり低下を関連付けることができる。

【００７２】このようなデータベース１４を有すること
により、診断手段２４において、調査用集合体が参照用
集合体と類似していると判断すれば、参照用集合体が生
じたときと同じような歩留まり低下が生じる可能性があ
ると推測することができる。

【００７３】なお、上述の特徴抽出手段２３では、個々
の集合体の形状から特徴を見出しているが、各集合体の
形状よりも、ウェハ上に表れた複数の集合体の位置に特
徴がある場合は、個々の集合体の形状を比較するのでは
なく、各集合体の位置を比較する。これは、製造装置内
の構造により、特定の箇所に異物が付着し易くなる場合
において、特定の位置に集合体が表れたら装置内のクリ
ーニングが必要な製造装置の管理に有効である。

【００７４】また、本実施形態では、様々な大きさのパ
ターン欠陥を区別することなく取り扱っているが、サイ
ズ毎にパターン欠陥を分別し、特定のサイズのパターン
欠陥によって構成される集合体を集合体抽出手段２１で
抽出しても良い。別の要因で生じた異物はサイズが大き
く異なる場合がある為、偶然に生じた大きなパターン欠
陥等を削除することができる。

【００７５】また、本実施形態では、パターン欠陥分布
を調査対象のデータに用いているが、ウェハ内の電気特
性分布のデータを用いることも可能である。例えば、電
気特性不良の分布データや規格内ではあるが、通常の測
定ばらつきの範囲より外れた箇所の分布を調査対象にす
ることにより、警戒すべき製造装置を割り出すことも可
能となる。

【００７６】また、本実施形態の位置解析手段２２にお
いて、式（１）の代わりに次式を用いても良い。

【００７７】 式（２）のｍｉは、欠陥Ｐｉの大きさを示しており、パ
ターン欠陥の場合は欠陥のサイズを示し、また電気特性
不良の場合は測定値を示す。すなわち、式（２）は、各
点の重みを考慮して重心を計算することができる。

【００７８】また、本実施形態の診断手段２４におい
て、歩留まり低下が発生しそうだと診断された集合体に
属するパターン欠陥の個数をカウントし、個数が多けれ
ば、歩留まり低下の危険性がより高いと診断するように
してもよい。すなわち、警戒すべき欠陥の個数を数段階
に分け、歩留まり低下に関する警戒度を集合体内の個数
と対応付けて診断結果を出力することにより、製造装置
の管理者はクリーニング対策等の緊急性を判断し易くな
る。

【００７９】また、診断手段２４が調査用集合体をデー
タベース１３から抽出する際、その集合体に属する欠陥
の個数は予め定めた数以上であるという制限を設けて、
診断に費やす時間を短縮させても良い。何故ならば、例
えば２個の欠陥で構成された集合体が、製造装置固有の
形状を持った分布を示しているとは考えられないからで
ある。

【００８０】ところで、このような製造装置の管理以外
に、鮮明でない画像を検索することを目的とした装置に
も本発明を応用することができる。例えば、映像の画像
データを調査対象とし、その画像データの中にある特定
の色に注目することによって、本実施形態では、その色
を持つ画素の集まりを一つの集合体として扱うことがで
きる。そして、位置解析手段２２及び特徴抽出手段２３
で解析した集合体の特徴を検索キーとし、且つデータベ
ース１４のフィールドｆ４３に参照用の画像データ又は
画像データのファイル名を、フィールドｆ４０〜ｆ４２
に参照用画像データの特徴を示したデータを格納するこ
とにより、ぼやけた画像と類似した画像をデータベース
１４から検索することができる。

【００８１】以上のように、第３の実施形態の診断装置
によれば、第２の実施形態のパターン認識方法を用いて
おり、平面上に点在する測定点の座標から、比較的密集
した測定点の集まり（集合体）を抽出する集合体抽出手
段と、集合体の位置を算出する位置解析手段と、集合体
の形状を解析し、その特徴を抽出する特徴抽出手段を有
している。診断手段では、位置解析手段や特徴抽出手段
から得たデータは検索キーとしてデータベースから類似
する集合体を抽出している為、類似する集合体と関連付
けられた事柄がデータベースに蓄積されていれば、その
事柄が集合体抽出手段で抽出した集合体にも当てはまる
かどうかを推測でき、過去のデータに基づいた適切な対
応を行うことができる。

【００８２】また、調査対象のデータに、ウェハ上のパ
ターン欠陥や電気特性データを用いることにより、製造
装置の管理に本診断装置を適用することができる。例え
ば、ウェハ上には一見ランダムに異物が付着しパターン
欠陥が生じているように見えるが、ウェハを処理する際
に製造装置の一部がウェハに接触する場合は、その接触
部分の形状に対応した特有の分布状態がパターン欠陥分
布に含まれている為、その分布状態を診断することによ
り、製造装置内のクリーニングの必要性を検討すること
ができる。

【００８３】また、パターン欠陥のサイズが大きく異な
る場合、その原因となる異物の発生状況が異なっている
場合がある。そこで、集合体抽出手段で、そのような異
物によるパターン欠陥の情報を排除することにより、ほ
ぼ同じような原因によって生じたパターン欠陥だけを取
り扱えるようにすることができる。

【００８４】

【発明の効果】本発明のパターン識別方法によれば、平
面上に分布した点が示されているデータに対して、特徴
的な分布状態を示した部分が類似している集合体同士を
検出でき、さらに、特徴的な分布状態を示す部分が如何
に類似しているかを判断できる。

【００８５】本発明のパターン識別装置によれば、本発
明のパターン識別方法を用いることによって、類似する
集合体と関連付けられた事柄がデータベースに蓄積され
ていれば、その事柄が集合体抽出手段で抽出した集合体
にも当てはまるかどうかを推測でき、過去のデータに基
づいた適切な対応を行うことができる。

【図面の簡単な説明】

【図１】本発明の第１の実施形態を示す概念図

【図２】本発明の第１の実施形態における、集合体抽出
工程に用いる集合体を抽出する為のアルゴリズムを示す
図

【図３】本発明の第１の実施形態における、集合体抽出
工程に用いる集合体を構成する点を抽出する為の概念図

【図４】本発明の第１の実施形態における、位置解析工
程に用いる集合体の位置を示す重心を示す図

【図５】本発明の第２の実施形態を示す概念図

【図６】本発明の第２の実施形態における、特徴抽出工
程に用いる集合体の形状及びその形状の特徴を表す一例
を示す図

【図７】本発明の第２の実施形態における、特徴抽出工
程に用いる集合体の形状及びその形状の特徴を表す一例
を示す図

【図８】本発明の第３の実施形態を示す機能ブロック図

【図９】本発明の第３の実施形態で用いるデータベース
１２のテーブル構造の一例を示す図

【図１０】本発明の第３の実施形態における、集合体抽
出手段に用いる集合体を抽出する為のアルゴリズムを示
す図

【図１１】本発明の第３の実施形態で用いるデータベー
ス１３のテーブル構造の一例を示す図

【図１２】本発明の第３の実施形態で用いるデータベー
ス１４のテーブル構造の一例を示す図

【符号の説明】

１ 集合体抽出工程 ２ 位置解析工程 ３ 診断工程 ４ 特徴抽出工程 １０ ＣＰＵ １１ 検査装置 １２ データベース １３ データベース １４ データベース ２０ データ収集手段 ２１ 集合体抽出手段 ２２ 位置解析手段 ２３ 特徴抽出手段 ２４ 診断手段 Ａ，Ｂ 調査対象のデータ ｆ２０〜ｆ２３ データベース１２が有するテーブルの
フィールド ｆ３０〜ｆ３３ データベース１３が有するテーブルの
フィールド ｆ４０〜ｆ４３ データベース１４が有するテーブルの
フィールド Ｇ 集合体の重心 Ｐ１〜Ｐ１６ 平面上の点 Ｐｉ，Ｐｊ，Ｐｋ 平面上の点又はウェハ上の欠陥 Ｑ 基準点 Ｓ１００〜Ｓ１０２ 集合体抽出工程１で用いる集合体
を抽出する為のアルゴリズムのステップ Ｓ２００〜Ｓ２０３ 集合体抽出手段２１で用いる集合
体を抽出する為のアルゴリズムのステップ

フロントページの続き Ｆターム(参考） 2G051 AA51 AB02 EA14 EC02 ED22 ED23 4M106 AA01 BA01 CA39 CA50 DB21 DJ17 DJ21 DJ27 5B057 AA03 CA02 CA06 CA12 CA16 CC01 DA03 DB02 DB05 DB08 DC02 DC06 DC08 DC32 5L096 AA03 AA07 BA03 FA60 FA62 FA66 FA67 FA69 GA08

Claims (8)

【特許請求の範囲】
1. 【請求項１】 平面上に分布している複数の点の位置を
   示すデータ１およびデータ２について、前記データ１内
   およびデータ２内において密集した複数の点を１つの集
   合体と認識する集合体抽出工程と、前記各集合体の中心
   の位置を算出する位置解析工程と、前記データ１の集合
   体の中心の位置と前記データ２の集合体の中心の位置と
   の距離が予め設定した範囲内であれば、互いの集合体は
   類似していると判断する診断工程とを有することを特徴
   とするパターン識別方法。
2. 【請求項２】 集合体抽出工程は、データ内の任意の第
   １の点に対して予め定めた範囲内に前記第１の点と異な
   る第２の点の存否を解析し、前記第２の点が存在しない
   場合は調査を終了し、存在する場合は前記第２の点を前
   記第１の点と同じ集合体に属する点と認識し、次に前記
   第２の点に対して予め定めた範囲内に前記第１および第
   ２の点と異なる第３の点の存否を解析し、前記第３の点
   が存在しない場合は調査を終了し、存在する場合は前記
   第３の点を前記第１の点と同じ集合体に属する点と認識
   し、次に前記第３の点に対して予め定めた範囲内に前記
   第１乃至第３の点と異なる第４の点の存否を解析する手
   順を繰り返すことによって、前記第１の点と同じ集合体
   に属する点を抽出することを特徴とする請求項１記載の
   パターン識別方法。
3. 【請求項３】 位置解析工程は、集合体に属する点の座
   標を用いて算出した前記集合体の重心を前記集合体の中
   心の位置を示す座標として取り扱うことを特徴とする請
   求項１記載のパターン識別方法。
4. 【請求項４】 平面上に分布している複数の点の位置を
   示すデータ１およびデータ２について、前記データ１内
   およびデータ２内において密集した複数の点を１つの集
   合体と認識する集合体抽出工程と、前記各集合体の中心
   の位置を算出する位置解析工程と、前記集合体の形状に
   関する特徴を抽出する特徴抽出工程と、前記データ１の
   集合体と前記データ２の集合体の中心の位置または特徴
   を比較し、前記データ１の集合体の中心の位置と前記デ
   ータ２の集合体の中心の位置との距離が予め設定した範
   囲内にあるか、または前記データ１の集合体と前記デー
   タ２の集合体の特徴が似ている場合に、互いの集合体は
   類似していると判断する診断工程とを有することを特徴
   とするパターン識別方法。
5. 【請求項５】 特徴抽出工程は、集合体に属する複数の
   点に関して、ある特定の位置から測定した前記複数の点
   の密度分布または前記集合体に属する複数の点が示す分
   布状態の偏り具合を前記集合体の特徴とすることを特徴
   とする請求項４記載のパターン識別方法。
6. 【請求項６】 平面上に分布している測定点の座標や測
   定値を検査装置から収集するデータ収集手段と、前記デ
   ータ収集手段で収集したデータから密集した測定点を１
   つの集合体として抽出する集合体抽出手段と、前記集合
   体の位置を算出する位置解析手段と、前記集合体の形状
   に関する特徴を抽出する特徴抽出手段と、前記集合体の
   中心の位置または形状に関する特徴を蓄積したデータベ
   ースに対して、前記データの集合体の中心の位置または
   形状の特徴と類似したデータが前記データベースに存在
   するか否かを診断する診断手段とを備えたことを特徴と
   するパターン識別装置。
7. 【請求項７】 データ収集手段で用いるデータはウェハ
   のパターン欠陥検査または電気特性検査によって収集し
   たデータであり、特徴抽出手段で用いる集合体の形状は
   ウェハ処理装置やウェハ搬送装置の構造に依存した固有
   の形状であることを特徴とする請求項６記載のパターン
   識別装置。
8. 【請求項８】 集合体抽出手段で抽出した集合体に属す
   るパターン欠陥や電気特性データにおいて、前記パター
   ン欠陥は予め定めた範囲内のサイズを有するパターン欠
   陥であり、前記電気特性データは予め定めた範囲内の測
   定値を有する電気特性データであることを特徴とする請
   求項７記載のパターン識別装置。