JP2002515650A - 製造設備歩留まり向上システム - Google Patents

製造設備歩留まり向上システム

Info

Publication number
JP2002515650A
JP2002515650A JP2000548916A JP2000548916A JP2002515650A JP 2002515650 A JP2002515650 A JP 2002515650A JP 2000548916 A JP2000548916 A JP 2000548916A JP 2000548916 A JP2000548916 A JP 2000548916A JP 2002515650 A JP2002515650 A JP 2002515650A
Authority
JP
Japan
Prior art keywords
defect
classification
data
overall
equipment
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
Application number
JP2000548916A
Other languages
English (en)
Inventor
パトリック， エイチ． ラミー，
アモーツ マイモン，
ギャッド ヤロン，
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.)
Applied Materials Inc
Original Assignee
Applied Materials Inc
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 Applied Materials Inc filed Critical Applied Materials Inc
Publication of JP2002515650A publication Critical patent/JP2002515650A/ja
Pending legal-status Critical Current

Links

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
    • 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

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

(57)【要約】 歩留まり向上システムは、欠陥分類情報と属性情報を全体的分類体系に体系づける。製造設備Ｆの歩留まり向上システム１８は、欠陥データと、製造設備ホスト２０といくつかの製造設備機器２２、２４および２６により生成されたその他の情報を処理する。欠陥知識データベース３０は、処理機器と歩留まり向上システム１８により生成される欠陥データを蓄積している。欠陥データベース３０は既知の欠陥、特徴およびその発生源の参照データベースを提供する。自動欠陥発生源特定システム３２は、ＩＡＤＣからの全情報と欠陥データベースを結びつける。特定システム３２は、次に知的決定アルゴリズムをこの情報へ加え、欠陥の発生源を特定する。全体的クラスは、欠陥発生源の特定と検査および再検査計画の生成のために使用される。システムは、データベースに欠陥情報を蓄積し、情報を頻繁に洗練して分類割り当ておよび欠陥発生源特定の確度を向上する。

Description

【発明の詳細な説明】
【０００１】
【発明の属する技術分野】
本発明は、半導体製造システムに関し、より詳細にはウェハ欠陥の発生源を特
定し、この情報を用いて製造設備の工程を制御するシステムに関する。
【０００２】
【従来の技術】
半導体製造には、半導体材料片（ウェハと称す）を加工して、ウェハ上にトラ
ンジスタ、レジスタおよびインダクタなどの電子回路を作成する工程が含まれる
。これらの回路はウェハ上に材料を堆積し、半導体領域に他の元素をドーピング
し、ウェハをエッチングすることにより形成される。これらの工程により、回路
間の接続もまた作り出される。
【０００３】 ウェハは比較的大きいものであるが（たとえば直径数インチ）、回路は非常に
小さい。たとえば最新技術の製造工程により、サブミクロン範囲内という特徴的
サイズを持つ回路が生成される。その結果、製造システムの誤差許容値は非常に
小さくなる。従って、製造工程におけるわずかの誤差でも、処理されたウェハに
かなりの数の欠陥を生じる原因となり得る。
【０００４】 ウェハ生産工程における不良個数を低減する発明は、製造設備（“ＦＡＢ”）
のコストに釣り合うものである。最新技術の製造設備を建てるコストは、通常１
０億ドルを越える。従って、この投資収益率が最大になるような高い製造設備歩
留まりであることが必須である。
【０００５】 製造設備の歩留まり向上の必要は、ウェハ中の欠陥を特定する様々の機器の発
達をもたらしてきた。いくつかの機器によって、製造設備のオペレータが目視で
ウェハ（またはウェハの表示）を検査して欠陥個所を特定することが可能となっ
た。この種の典型的な機器には、光学検査システムと走査電子顕微鏡（ＳＥＭ）
が含まれる。その他の機器では、データ形式で欠陥情報が提供される。これら機
器には、欠陥データを分類するものがある。もしも類似の欠陥が同様の発生源か
ら生じているのであれば、この手法によって製造設備オペレータは、より簡単に
確実な欠陥の発生源を突き止めることが可能となる。
【０００６】 つまり、従来の製造設備の機器は、製造設備における数多くの欠陥情報を提供
することができる。しかしながら、これら機器の多くは情報を生成する以上のこ
とはほとんどせず、データの区分け、分類および解釈はオペレータに任されてい
る。従ってこのデータを解釈でき、かつそれを、オペレータが効率的に欠陥の発
生源箇所を特定できるような方法でオペレータに提供する、製造設備歩留まり向
上システムが必要とされる。
【０００７】
【課題を解決するための手段】
本発明は、ウェハ上の欠陥の発生源を特定し、この情報を使用して製造工程を
制御する、自動歩留まり向上システムを提供する。システムは製造設備内の機器
から欠陥情報を収集し、欠陥分類の全体的なセットを作成する。システムは全製
造工程にわたって、現在および以前の欠陥データに基づいて頻繁に更新および再
分類する。欠陥分類情報とその他の製造設備データを使用して、システムは欠陥
の発生源を自動的に特定し、また製造設備の検査および再検査機器が使用する分
析手順を洗練する。さらに、システムは欠陥情報とその他の製造設備データを使
用して、連続生産されるウェハ上に類似の欠陥が生じることを防ぐため、自動的
に製造設備の工程機器の操作を調整することができる。
【０００８】 全体的な分類の体系上、各欠陥はその特徴に従って分類される。好ましくは、
これら特徴は欠陥の発生源もしくはその重大度と関連する。従来システムとは対
照的に本発明により構成されるシステムは、そうでなければ互いに関係し得ない
であろう様々な機器から発する欠陥情報に対し、単独の全体的分類体系を提供す
る。
【０００９】 システムは分類データおよびその他の欠陥に関係する情報を、欠陥データベー
スに格納する。この情報には分類識別子、欠陥発生源候補、および特定された候
補が実際に欠陥発生源であることの相対的な信頼性レベルを表わすパラメータを
含んで良い。さらにシステムは、光学再検査のデータ、ＳＥＭ情報、および欠陥
と関連付けられたウェハ欠陥マップを格納して良い。
【００１０】 新しく欠陥の加工がなされると、欠陥に関する情報が欠陥データベース内の対
応する情報と比較される。これらの分類は、欠陥情報や、ウェハ上に施された試
験によって生成されるパラメータデータなど、製造設備からのその他の入力を基
にして頻繁に洗練および更新される。
【００１１】 欠陥発生源の特定のため、システムは歩留まり向上システムによって生成され
た分類データと製造設備の機器の製造供給元によって供給される欠陥発生源デー
タを処理する。欠陥の潜在的発生源が一度特定されると、システムはこの情報を
用いて、光学検査および再検査機器、ＳＥＭによる検査および再検査機器、その
他の検査、再検査および測定学的機器に対する、検査および再検査の計画を修正
する。さらに、歩留まり向上システムによって制御され得る処理機器と欠陥発生
源が関連しているとき、システムは自動的に処理機器を調整して、続いて製造さ
れるウェハ内の欠陥を取り除く。
【００１２】 蓄積されたデータに基づいて、欠陥情報と再検査機器の手順を頻繁に更新する
ことにより、システムは従来のシステムよりも正確に欠陥発生源を特定すること
ができる。さらに、製造設備の全機器から欠陥情報を統合することにより、シス
テムは欠陥発生源をすばやく特定し、自動的に問題を訂正したり、あるいは製造
設備のオペレータが解決することが可能となる。
【００１３】
【発明の実施の形態】
本発明の特徴およびその他の特徴は、添付図面とともに、以下の説明および請
求の範囲から明確に理解されるであろう。ここで、すべての記載にわたり、類似
の参照文字は類似の要素を参照するものとする。
【００１４】 図１において、製造設備Ｆの歩留まり向上システム１８は、欠陥データと、製
造設備ホスト２０といくつかの製造設備機器２２、２４および２６により生成さ
れたその他の情報を処理する。製造設備ホストは、現在処理中のウェハについて
情報を提供する処理作業中（ＷＩＰ）データを生成する。検査機器２２はウェハ
欠陥マップを自動的に生成し、また随意的に欠陥の自動分類データとウェハ上の
欠陥に関するその他の情報を生成する。欠陥の自動分類データには、たとえば分
類されたウェハ欠陥マップ、欠陥クラスデータ、および欠陥の属性が含まれる。
検査機器２２は、たとえばカリフォルニア Applied Materials of Santa Clara
から市販の「ＯＲＢＯＴ ＷＦ ７ｘｘ」シリーズの、１つ以上の装置であって
もよい。再検査機器２４は欠陥マップに従いウェハを再検査するために使用され
る。再検査機器２４が使用される場合、再検査機器２４は欠陥の画像を生成し、
欠陥の自動分類データやその他の欠陥情報を追加的に提供する。再検査機器２４
は、たとえばカリフォルニア Applied Materials of Santa Claraから市販の「
ＯＰＡＬ９３００」欠陥再検査ＳＥＭであってもよい。欠陥検査か再検査かに関
わらず、試験機器２６がウェハに電気的試験を行なう。これらの試験は、ウェハ
回路の実際に作動するパラメータに関する情報を生み出す。
【００１５】 歩留まり向上システム１８は、ウェハ欠陥の発生源を特定するために共働し、
ウェハ検査工程を改良するいくつかの構成要素を含んでいる。統合自動欠陥分類
（ＩＡＤＣ）コンポーネント２８は、機器によって提供される情報を全体的な分
類体系へ統合する。そして、現在の製造工程に対し最善の欠陥分類割り当てを生
成しようと、この情報を洗練する。
【００１６】 欠陥知識データベース３０は、処理機器と歩留まり向上システム１８により生
成される欠陥データを蓄積している。欠陥データベース３０は既知の欠陥、特徴
およびその発生源の参照データベースを提供する。
【００１７】 自動欠陥発生源特定システム３２は、ＩＡＤＣからの全情報と欠陥データベー
スを結びつける。特定システム３２は、次に知的決定アルゴリズムをこの情報へ
加え、欠陥の発生源を特定する。加えて特定システム３２は、欠陥警告、欠陥発
生源を確認するための推奨される試験手順、および問題を修正するための推奨さ
れる是正措置を提供する。
【００１８】 知的サンプルプランナ３４は分類データとシステムに蓄積された知識を使用し
て、製造設備の再検査、点検方法、および製造設備の全サンプリング方法を最適
化する。
【００１９】 上記の概要に留意しながら、図２〜図４とを併せてより詳しくシステムの詳細
が議論される。図２は、本発明による歩留まり向上システムを組み込んだ製造設
備の処理フローを説明するものである。図３は、ＩＡＤＣに関連するデータフロ
ーを説明する。図４は、本発明に従って動作する歩留まり制御計画の一実施形態
と、サンプル計画工程についてのデータフローを説明するものである。図の複雑
さを減らすため、いくつかの図面では１つの検査機器２２、１つの再検査機器２
４、および１つの試験機器２６のみが描かれている。しかしながら、任意の製造
設備で１つ以上の検査機器２２、再検査機器２４および／または試験機器２６を
備えて良いことは充分認識されるべきである。
【００２０】 図２を参照すると、ウェハ４０は自動欠陥検査機器２２へ連続的に、および随
意的に、破線４１で表されるように光学欠陥再検査機器２４ＡおよびＳＥＭ欠陥
再検査機器２４Ｂへ供給される。検査および再検査工程の各段階において、機器
が欠陥情報を歩留まり向上システム１８に送信する。歩留まり向上システム１８
は欠陥データを分類し、それを欠陥データベース３０に格納し、必要に応じて更
新された再検査手順を再検査機器２４Ａと２４Ｂに提供する。
【００２１】 検査機器２２は欠陥マップ４４と、任意で、分類属性と分類結果を含んだ検査
データを生成する。分類属性は中間レベルデータを参照する。それは、機器検出
または画像処理の結果である。機器検出には、たとえば光源と光センサー（たと
えば荷電結合素子）を用いる機器でウェハを解析する工程を含んで良い。これら
の結果は、サイズ、場所、形状、色、層上の位置、および検出信号の特徴（たと
えば、検出された光の強度と釣り合う機器検出からの信号）などの、属性の集ま
りとして特徴付けられる。分類結果はクラス識別子である。各自動欠陥分類機器
（たとえば２２、２４Ａまたは２４Ｂ）は、それ自身の特定の識別子セットと関
連するクラスのセットを定義する。
【００２２】 検査機器２２はその欠陥情報をＩＡＤＣ２８へ送る。ＩＡＤＣはこの情報を解
析し、欠陥の集合、繰り返し欠陥の集合、および重ね合わせ欠陥の集合を割り出
す。加えて、ＩＡＤＣは欠陥に対する空間記号解析を計算する。
【００２３】 欠陥分類データを使って、ＩＡＤＣ２８は欠陥レベルに対する制御制限、欠陥
分布、およびその他の基準に基づき、警報と警告を生成する。加えてＩＡＤＣは
、光学再検査ステーション２４Ａ、ＳＥＭ再検査ステーション２４Bあるいは必
要に応じてその他の再検査機器に対して、再検査計画を生成する。
【００２４】 ウェハ４０が更に調査の必要な欠陥を含む場合、ウェハ４０は光学欠陥再検査
機器２４Ａへ送られる。再検査機器２４Ａは、分類された欠陥マップ４６、光学
画像、および随意的に、光学ベースの自動欠陥分類（図示されない）を生成する
。この場合も欠陥分類には、分類属性と分類結果が含まれて良い。
【００２５】 ＩＡＤＣ２８はこの情報を処理し、全体的な欠陥分類を得る。このために、Ｉ
ＡＤＣはデータベース３０に格納されたデータを用いて、データを洗練する。加
えてＩＡＤＣは、ＩＡＤＣが製造設備内の全ての欠陥について生成した全体的分
類に適合するよう、入ってくる欠陥情報を再分類する。最後に、ＩＡＤＣは欠陥
に信頼性レベルを割り当て、この情報を欠陥と共に欠陥データベース３０に格納
する。
【００２６】 一実施形態において欠陥は、類似の空間記号解析結果と類似のオンザフライ自
動欠陥分類結果に基づき、全体的な分類体系に分類される。加えて、画像は欠陥
分類体系を通じて欠陥データと関連付けられる。いずれにしても、欠陥は製造設
備オペレータに、単一の一様な欠陥クラスのセットとして与えられる。
【００２７】 上述のように、欠陥分類に基づいてＩＡＤＣが警報と警告を生成する。さらに
、必要な場合にはＩＡＤＣはＳＥＭ再検査計画を生成する。
【００２８】 ＳＥＭ再検査が必要な場合、ウェハ４０はＳＥＭ欠陥再検査機器２４Ｂへと送
られる。再検査機器２４Ｂは、再分類された欠陥マップ（図示されない）と、Ｓ
ＥＭ欠陥画像、および任意に、ＳＥＭベースの自動欠陥分類と、必要であればＥ
ＤＸなどの複合データを生成する。
【００２９】 ＩＡＤＣ２８はＳＥＭ情報を処理してさらに洗練し、欠陥情報を全体化して新
しい信頼性レベルを結果に割り当てる。最後に、ＩＡＤＣは警報と警告を生成し
、必要であれば分類された欠陥マップをデータベース３０に格納する。
【００３０】 図３は、ＩＡＤＣ２８の基本的な動作を説明している。簡単に言うと、ＩＡＤ
Ｃ２８は検査機器２２と再検査機器２４Ａ、２４Ｂから欠陥データを受け取る。
ブロック５０、５２、５４で、ＩＡＤＣ２８は欠陥データおよびウェハ欠陥の空
間記号解析５６からのデータに基づいて欠陥を分類する。ＩＡＤＣは欠陥に関す
る全てのデータをデータベース３０に格納する。これにより、欠陥データは後の
分類検索５８、６０ですぐに利用できる。さらに、ブロック６２と６４により表
わされるように、ＩＡＤＣ２８は受け取った欠陥データに基づいて、欠陥分類と
欠陥発生源データを頻繁に洗練する「学習」能力を備えている。上述のように、
欠陥発生源特定システム３２は欠陥データを使用して、欠陥の発生源を特定し是
正措置を開始する。
【００３１】 次に図３の詳細について考えると、ＩＡＤＣ２８は局所の自動欠陥分類（ＡＤ
Ｃ）機器すべてからの欠陥データを、並べて整理統合し、一様な分類を作成する
。
【００３２】 図３に描かれた各ＡＤＣ機器は、検出された欠陥を解析し欠陥属性データを生
成する。たとえば、最初に検査ベースのＡＤＣ機器２２を参照すると、機器２２
はウェハを検査し検出された欠陥を分類する。可能である場合（たとえば「ＯＲ
ＢＯＴ ＷＦ ７ｘｘ」シリーズの装置を使用している場合）、機器２２はオン
ザフライの自動欠陥分類を行なう。機器２２はその後、局所の自動欠陥分類の属
性データ（たとえば散光の強度など）を線６６で表わされるようにＩＡＤＣ２８
へ送る。ブロック５０で表わすように、ＩＡＤＣは機器からの属性データ（線６
８）を、空間記号解析情報（線７０）およびＡＤＣ学習システム６４（線６５を
通る）からのデータと共に処理し、統合された属性分類を生成する。空間記号解
析情報７０は、ウェハ全体にわたり分布する欠陥の帯域解析を記述する従来のア
ルゴリズムセットで構成される。ＡＤＣ学習システム６４については、以下でよ
り詳細に述べる。
【００３３】 図３に描かれる各ＡＤＣ機器もまた、属性データを処理して、上述のように局
所の機器特定クラスに欠陥を分類する。再び検査ベースのＡＤＣ機器２２を参照
すると、機器２２は線７２に表わすように、局所の自動欠陥分類結果（たとえば
分類された欠陥マップ）をＩＡＤＣ２８へ提供する。ＩＡＤＣ２８は機器からの
（線７４）クラスデータと、統合された属性（線７６）を使用して、全体化分類
５２を生成する。この段階で、製造設備からのさまざまなクラス識別子が、一様
な全体的クラスのセットに翻訳される。
【００３４】 ＩＡＤＣ２８は、欠陥に関する全ての分類パラメータをデータベース３０に格
納する。具体的には、ＩＡＤＣは洗練された分類データ（線７８）と統合された
属性分類情報（線８０）を、欠陥知識データベース３０へ格納する。これには、
データベース３０の知識ベースの検索の間にアクセスできる、自動欠陥分類属性
データ（ブロック６０）を含む。
【００３５】 ＩＡＤＣ２８は、欠陥画像と複合データ（線８２）もデータベース３０に格納
する。この情報は光学機器２４ＡとＳＥＭ機器２４Ｂから端を発し、加工されな
い画像と材料特定データ（線８４）の形をとる。通常ＩＡＤＣは以下に記述する
ように、欠陥データベース３０の知識ベースの検索５８の間、この情報を使用す
る。
【００３６】 分類処理の間、ＩＡＤＣ２８は全体的分類（線８６）と統合された属性分類（
線８７）を洗練、補正して、改善された分類結果（ブロック５４）を提供する。
異なる局所分類からのデータを組み合わせることにより、ＩＡＤＣは局所分類よ
りも正確な分類を提供することができる。
【００３７】 分類の洗練操作はいくつかの形をとり得る。たとえば、ＩＡＤＣ２８は特定の
欠陥分類（たとえば検査ベースのＡＤＣ２２や光学再検査ＡＤＣ２４Ａ）の結果
と空間欠陥分布分類（たとえば空間記号解析５６）の結果を組み合わせて、分類
を洗練しその確度を向上し得る。
【００３８】 全体的分類を提供する一例は、重み係数と確率係数を使用することによる。す
なわち、各機器は信頼性データの分類とレベルをＩＡＤＣ２８へ送る。対立が生
じた場合、ＩＡＤＣ２８は信頼性レベルを各機器の分類に加え、最終的な決定に
達する。このように、機器１と機器２、分類Ｘ1とＸ2、および信頼性レベルＰ1
とＰ2に対し、ＩＡＤＣ２８はＰ1（Ｘ1）＋Ｐ2（Ｘ2）→ＸGを実行することがで
きる。ここで、ＸGの分類はルックアップテーブルから、もしくは閾値を使用す
ることによって決定できる。
【００３９】 各機器に割り当てられた重み、たとえばＷ1とＷ2を使用して、ＩＡＤＣ２８は
特定の機器に対して優先的な処置を与えることができる（たとえば、高速走査検
査機器よりも、高感度再検査機器に高い重みが与えられる）。このように、ＩＡ
ＤＣ２８はＷ1Ｐ1（Ｘ1）＋Ｗ2Ｐ2（Ｘ2）＝ＸGを実行することができる。重み
は機器に特有のものにすることができ、欠陥クラスについて個別化できる。シス
テムが特定の（以前に正確な分類、および不正確な分類を使用したときの）処理
ラインに対する機器の感度を学習するので、重みをそれに応じて調整することが
できる。特定の機器およびクラスについて、重みをゼロとしてその機器により提
供される分類を無視できることは、十分に理解されるべきである。同様の方法で
、製造設備の頻度を考慮に入れることが可能である。
【００４０】 ＩＡＤＣ２８は、図２に描かれる分類鎖に統合される。この場合、分類は鎖の
各段階の後で洗練される。すなわち分類は、検査ベースのＡＤＣ２２の後に洗練
され、光学再検査ＡＤＣ２４Ａ後にまた洗練され、ＳＥＭ ＡＤＣ２４Ｂの後で
再び洗練される。
【００４１】 さらに、ＩＡＤＣ２８は上述の鎖を、過去の欠陥結果と空間記号解析のすべて
を組み合わせる学習システムに統合できる。知識ベースの分類（１つ以上のクラ
ス識別子と関連データ）結果は、改善されたＡＤＣコンポーネント６２によって
処理される（線８８）。これによりコンポーネント６２は分類履歴を生成し、分
類履歴には元の入力データ（分類属性）、元の分類データ、中間洗練データおよ
び最終分類データが含まれる。
【００４２】 分類履歴データはＡＤＣ学習システム６４によって使用され（線９０）、信頼
性レベルと後のＡＤＣ結果に対する重みを割り当て、および洗練し、またより高
速かつ正確な分類のための統合ＡＤＣ操作を最適化する。このように、学習シス
テム６４は以前の欠陥からの情報を使用して、欠陥の分類と割り当てを頻繁にこ
れら分類に洗練する。
【００４３】 分類処理は以下の例によってより良く理解されるであろう。まず、ＩＡＤＣ２
８が欠陥情報をＡＤＣ機器の一つから受け取る。欠陥は、たとえばウェハ表面上
の、特定の大きさと形状を持つ異質粒子である。この例では、受け取った欠陥情
報は、始めはＡＤＣ機器がこの欠陥タイプに割り当てる局所のクラス番号（たと
えば番号２５）を含んでいるだけである。好ましくは、欠陥情報は検査機器によ
って決定される信頼性レベルも含む。
【００４４】 次の処理工程は、報告された信頼性レベル、またはＩＡＤＣが局所欠陥分類に
割り当てた信頼性レベルによって決まる。たとえば、ＡＤＣ機器が正確に欠陥の
クラスを特定するような高い信頼性レベルがあるときは、ＩＡＤＣは局所クラス
を単純に全体的クラスに翻訳する。任意の局所クラスに対する高い信頼性レベル
は、他のＡＤＣ処理によってこの欠陥に割り当てられる、他クラスの信頼性レベ
ルに関連して、高い信頼性値で示される（たとえば９０％対１０％）。
【００４５】 この、特定の局所クラスの全体的クラスへの翻訳があらかじめ定義されている
場合、翻訳処理はクラス番号を変更する工程を伴うだけである。しかし翻訳があ
らかじめ定義されていない場合、ＩＡＤＣは存在する全体的クラスにクラスを適
合させるか、あるいはこの欠陥タイプのために新しい全体的クラスを生成しなく
てはならない。
【００４６】 信頼性レベルが特に高くない場合には、ＩＡＤＣ２８は適切な全体的クラスを
計算するために追加工程を実行する。これはたとえば、２つのＡＤＣ機器が欠陥
に異なるクラスを割り当て、各クラスがほぼ等しい信頼性レベルを持つような場
合である。
【００４７】 この場合、ＩＡＤＣ２８は欠陥属性（たとえば強度レベルなどの検出属性や、
例えば大きさが０．１μｍより小さいかどうか、形状がたとえばほぼ円形の粒子
であるかどうか、などの欠陥属性）を、ＡＤＣ機器から要請し、対応する欠陥属
性５０および／または欠陥に関連する空間記号解析情報５６に基づいてクラスを
割り当てる。これにはたとえば、欠陥属性と、全体的クラスに関係する属性とを
比較する工程を伴う。
【００４８】 さらに、ＩＡＤＣ２８は、最初の信頼性レベルをこのクラスに割り当てる。本
発明によれば、ＩＡＤＣは過去の経験的データをアルゴリズム的手法に結合する
ことにより、信頼性レベルを割り当て得る。たとえば信頼性レベルは、クラス属
性と欠陥に関する属性の間の適合（たとえば大きさ、形、密度に対する）の相対
的数（たとえば百分率）に基づく。クラスおよび／または信頼性レベルはこの後
、続くＡＤＣ処理により洗練される。
【００４９】 ２つのＡＤＣ機器（たとえば２２あるいは２４）が、対立する分類データを提
供する場合は、ＡＤＣ機器を制御して製造設備の検査工程および再検査工程を向
上するために、ＡＤＣ学習システム６４が用いられる場合を例証する。ＡＤＣ機
器には、可変の欠陥閾値または決定基準を持つものがある。たとえば、ＡＤＣ機
器は特定の強度を超える信号のみが欠陥として報告されるように構成され得る。
この場合、適正な分類が決定された後、ＡＤＣ学習システム６４が適切なＡＤＣ
機器にメッセージを送り、それら機器の閾値設定を変更して、後の検査で適正な
分類を行なえるようにする。あるいは学習システム６４は、製造設備のオペレー
タにＡＤＣ機器の閾値を変更すべき旨を知らせるメッセージを、表示装置９２に
送る。
【００５０】 信頼性レベルが、これまで議論された工程の後もなお、受容できないほど低い
場合には、ＩＡＤＣ２８はデータベース検索を行なって欠陥を分類するよう試み
る。この場合ＩＡＤＣは、属性、記号解析、欠陥マップ、画像データおよびその
他の欠陥に関する情報を、データベース３０に格納された知識検索情報（たとえ
ば５８と６０）と比較する。上述のように、選択された全体的クラスと信頼性レ
ベルは、欠陥に関する情報とデータベース３０に格納された情報間の適合の相対
パーセンテージに基づく。
【００５１】 欠陥分類データと、重ね合わせや歩留まり、殺傷率情報などその他の製造設備
データを使用して、ＩＡＤＣ２８は特定の製造ラインについて可能な最善の分類
を生成するよう試みる（線９４）。この分類は各欠陥に対するクラス識別子を含
み得、クラス特定が不確定の場合は潜在的な代替クラスを含み得る。加えて、Ｉ
ＡＤＣは通常分類の各々に対し信頼性レベルを生成する。
【００５２】 ここで説明されているように、データベース３０の使用により、歩留まり管理
システム１８の様々な処理を組み入れる有利な方法が提供されることは理解され
るべきである。データベース３０は、欠陥分類処理、欠陥分類洗練処理および欠
陥発生源特定処理で使用する情報を格納する。
【００５３】 簡単に言うと、データベース３０は、欠陥属性、空間記号、局所および全体的
クラス、信頼性レベル、欠陥密度、イベントの説明文、ウェハマップおよび画像
を含む、すべての欠陥データを格納している。データベース３０はまた、製造特
有データも格納して良い。たとえばエッチングチャンバの製造では、チャンバ内
の腐食によって生じる欠陥に関する特有のデータを提供し得る。このようなデー
タが、特定の欠陥を生じる特定のチャンバを指摘する際に役立つ。
【００５４】 すべての分類データをデータベース３０に格納することにより、歩留まり技術
者はこのデータにアクセスして、特定の分類がどのように割り当てられていたか
を確定することができる。さらに、歩留まり技術者は手動で分類を行ない、それ
によりシステムに、特定のパラメータを特定のクラスに結びつけるよう、手動で
“教え込む”ことができる。それによって、特定の製造設備や用途に対する分類
結果をカスタマイズしたり向上させることができる。この手順および同様の手順
は、後日システムや製造設備の技術者がクラスを他の欠陥に割り当てるために使
用され得る。たとえば歩留まり向上システムは、同様の手順に従って、自動欠陥
分類を行なうようプログラムされ得る。
【００５５】 ＩＡＤＣ２８はまた、データベース３０の情報を使用して、現行基準でアルゴ
リズム的分類を確認する。これにより、時間が経つとアルゴリズム的分類の確度
が向上し、誤った分類や無益な分類をする機会が減る。さらに、データベース３
０は最初は欠陥情報なしで構成され得ることは充分理解されるべきである。この
場合、歩留まり向上システム１８は、システムが製造設備から欠陥情報を必要と
するときにデータベースに欠陥情報を加えることができる。および／または、オ
ペレータは欠陥を潜在的発生源と関連付ける情報、または製造設備からデータを
受け取ったときに、欠陥と製造特有のデータとを関連付ける情報を入力し得る。
【００５６】 入力としての製造設備の歩留まりデータを考えると、ＩＡＤＣ２８は歩留まり
結果を特定の欠陥および欠陥クラスに関連付けることができる。その結果、ＩＡ
ＤＣは致命的欠陥の特定を洗練させ得る。このことは言い換えれば、歩留まり技
術者は、パーセンテージの多くを占める厄介な欠陥や余計な欠陥を無視しながら
、致命的な欠陥を回避することに集中できる。
【００５７】 欠陥発生源特定システム３２を参照すると、特定システム３２はＩＡＤＣから
の情報（線９４）とデータベース３０を使用して、任意の欠陥やクラスに対する
潜在的発生源を特定する。とくに、特定システム３２はデータベース３０に格納
された欠陥発生源情報を使用し得る。この情報は通常、機械「ｘ」が問題「ｙ」
を持ち、これがクラス「ｚ」の欠陥として現れるであろう、という形をとる。こ
のような情報は表示装置９２上に表示される。
【００５８】 欠陥発生源特定システム３２はまた、もっと複雑な欠陥の根本原因の解析も行
う。たとえば特定システム３２は、検査機器２２および再検査機器２４により特
定される特定の欠陥および欠陥クラス、局所および全体的分類データ、ＩＡＤＣ
２８およびデータベース３０からの関連する発生源情報を使って、欠陥発生源を
特定し得る。たとえば、不足しているかまたは余分な信号経路パターンに当たる
クラスは、フォトレジスト工程の問題に関連し得る。これより、この問題の発生
源はエッチング工程前の異質粒子の導入であり得る。あるいは、埋め込まれた粒
子が堆積工程の前に問題を示すかもしれない。これらの問題は言い換えれば、製
造特有のデータが使用可能の場合は特に、製造設備の特定の装置に原因を遡り得
る。
【００５９】 特定システム３２への他の入力には、処理作業中（ＷＩＰ）データ、製造設備
ホストシステム２０からの歩留まりデータ、および歩留まり向上システムによっ
て計算される蓄積された統計確率データが含まれる。
【００６０】 欠陥発生源特定システム３２はまた、製造設備によって構成されるクラス識別
子に関連した自動の警報と警告を発生する。特に、歩留まり向上システム１８は
、従来の全体密度モニタリングではなく、クラス密度モニタリングを提供できる
。以前の高い欠陥事象はクラスごとに格納されるので、歩留まり向上システム１
８は特定クラスに対する閾値に基づいて警報を発生することができる。これは多
くの従来システムが欠陥の集合に対する閾値に基づき警報を発生するのと対称的
である。その結果、本発明に従って構成される歩留まり向上システムを用いて、
歩留まり技術者は、そうでなければ欠陥の集合に関して顕著とならない（従って
特定の比較的困難な）任意のクラスにおいて、発現中の暴走を容易に特定するこ
とが可能である。
【００６１】 欠陥発生源特定システム３２は、欠陥の発生源特定を確認する推奨された試験
手順を生成し得る。たとえば特定システム３２は、処理機器の任意の副処理（た
とえば任意のエッチング段階における誤った温度）を、可能性のある欠陥発生源
として特定する。その処理機器（たとえばエッチング装置）がその副処理に対し
て内蔵の自己テストを有する場合は、特定システム３２は自動的に処理機器にメ
ッセージを送り（エッチング装置番号を確認するＷＩＰデータを使用）、処理機
器に自己テストを行なわせるよう要求する。さらに、特定システム３２はまた、
試験結果を特定システムへ送り戻すよう、処理機器に要請する。これは、たとえ
ば処理機器や機器９６に適切なメッセージを送ることによってなされる。その副
処理が失敗している場合（たとえば、温度が正しくない）、特定システム３２は
その副処理が欠陥の発生源であるという信頼性レベルを、適切に増やす。
【００６２】 欠陥発生源特定システム３２は、問題を解決するための補正手順を開始する。
前例では、エッチング装置は、適切な命令を送ることで遠隔装置に温度を調整さ
せるインターフェースを有して良い。この場合、特定システム３２は自己テスト
が失敗した場合にこの命令を送るよう構成される。あるいは特定システムは、製
造設備の技術者にパラメータ「ｘ」（たとえば温度）を確認するよう知らせるメ
ッセージを機械「ｙ」の（たとえばエッチング装置番号４）表示装置９２に表示
するよう構成される。
【００６３】 図４は本発明の一実施形態における、歩留まり制御計画およびサンプル計画の
操作を説明したものである。歩留まりモデリングおよび計画コンポーネント１０
８は、歩留まり制御および方法計画１１０を生成する。通常、製造設備が、性能
シミュレーションモデリングおよび製造設備内に導入された装置の相互作用に基
づき設置されるときに、最初の計画が立てられる。本発明によれば、知的サンプ
ルプランナ３４が、製造設備装置からのＷＩＰデータや実際のウェハ歩留まりデ
ータ、および上述のＡＤＣデータなどのインライン情報に基づいて、頻繁に歩留
まり制御計画を洗練する（たとえば、ウェハ点検や再点検計画）。
【００６４】 歩留まり制御計画コンポーネント１０８では、設計ベースの歩留まりモデリン
グが、数学的モデリングや、各層やチップの特定領域に歩留まり感度係数の予測
を生成する(線１１２)シミュレーションアルゴリズムを組み込む。予測はまた、
潜在的な致命的欠陥の大きさ、分布および量についても生成される。処理機器ベ
ースの歩留まりモデリングは、履歴データと統計分析、および処理機器のセット
に対して欠陥予測を生成する(線１１４)予測を用いる。
【００６５】 この情報と処理相互作用モデリングの結果から（線１１６）、モデリングおよ
び計画コンポーネント１０８は全ラインおよび特定の生産モジュールに対して（
線１１８と１２０）歩留まり予測を生成する。加えて、コンポーネント１０８は
生産設備における各処理モジュールと各処理機器に対する歩留まり閾値を生成す
る（線１２２）。最後に、歩留まり制御コンポーネント１１０が全生産ラインに
対して歩留まり制御計画を生成する（線１２４）。この計画はどの機器が生産設
備に使用されるかを定義し、機器をどのように設置するか、またどのように使用
するかを定義する。さらに計画はどのウェハが検査されるべきかを特定する。
【００６６】 サンプルプランナ３４は、上に議論したインライン欠陥分類データやシステム
内に蓄積されたその他の知識を使用して、歩留まり制御計画の効率を上げる。歩
留まり制御計画を頻繁に洗練することにより、サンプルプランナ３４は歩留まり
技術者が、より効率的に、致命的欠陥や重大な欠陥に集中できるようにする。そ
の結果、歩留まり技術者が各ウェハの欠陥を再調査するのに費やす時間を減らし
、また製造設備のウェハ処理をセットアップする際、無駄になる試験ウェハの枚
数を減らす。
【００６７】 サンプルプランナ３４は、歩留まり制御計画と最初の計画ルールの改善された
セットを用いて（線１２８）、予備的検査および再検査計画を生成する（線１２
６）。最初のサンプル計画は、効率的な見積もりを使用して最適化され（線１３
０）、ウェハ検査計画（線１３２；たとえばどのウェハを検査するか、いつどの
ように検査するか）、光学再検査計画（線１３４）、およびＳＥＭ再検査計画（
線１３６）を作成する。
【００６８】 上述の情報を使用して、サンプルプランナは特定の層検査のために調整され最
適化された検査手段を生成する。サンプルプランナは（再度訪れた）検査機器、
および／または再検査機器によって、最適化されたＡＤＣを提供する。サンプル
プランナはまた、再検査機器のために最適化されたサンプリング計画を提供する
。
【００６９】 サンプルプランナは、どのタイプの欠陥がさらなる再検査の根拠となるのか、
またどのタイプの欠陥が再検査工程中に飛ばされるのかを「学習」するためにプ
ログラムされて良い。たとえば、ウェハ上の特定位置に１００個の粒子がある場
合、再検査機器で再検査の必要があるのはこれら粒子のわずかだけ（たとえば５
個）であり得る。これは、１００個すべての欠陥は類似の粒子であることを示す
、検査機器により提供される欠陥情報に、比較的高い信頼性レベルがある場合で
ある。この高い信頼性レベルはたとえば、以前の類似の欠陥の発生に起因する。
従って、一度システムが調整され、検査機器の信頼性があがると、この情報がサ
ンプリング計画にプログラムされ、それによって再検査機器は自動的に、１００
個の欠陥のうち５個だけを再検査する。
【００７０】 図１〜３と共に上に議論したように、検査および再検査情報は、その後歩留ま
り向上システム１８にフィードバックされる（線１３８）。フィードバックされ
た情報は、効率評価のため、検査計画および再検査計画への改善案を生み出すた
め、および元の検査計画の効率評価のために使用される（線１４０）。これらの
改善は、検査および再検査の直接の結果（重大な欠陥）と、実際の歩留まりに対
する欠陥の相関関係履歴（試験データ）とに基づく。
【００７１】 効率評価器への入力は、製造設備ホストから得られる層データおよび処理機器
データを含む（線１４２）。これはたとえば、測定学データおよび処理機器の状
態などの処理機器データを含む。入力にはまた、過去の実際の歩留まりデータと
の相関関係に基づく、致命的欠陥の特定情報をも含む（線１４４）。さらに、欠
陥分類情報（線１４６）と、空間記号解析から得られるウェハ上の欠陥分布につ
いての情報（線１４８）もまた、歩留まり改善システム１８に送り込まれる。
【００７２】 以上から、サンプルプランナは層情報および機器情報を使用して、検査および
再検査時間を削減し、検査結果を向上させることが分かる。これによって、製造
設備における試験ウェハの消費が減り、生産材料のためのスループット時間と、
検査／再検査／測定学機器への資本支出が削減され、製造設備の床面積が節約さ
れる。
【００７３】 自動歩留まり向上システムは、歩留まり暴走の発生源特定時間を短くし、新し
い欠陥を学習する時間を短くし、ウェハ検査および再検査機器の生産性を、これ
らの使用を最適化することによって向上する。これらの目標は、数タイプの製造
設備のデータを統合し、新しいソフトウェアアルゴリズムを利用して、製造設備
の歩留まりをモニターおよび制御するための決定工程を自動化および高速化する
、改善されたデータ管理を通して実現される。システムは学習システムであり、
自動モードと手動モードの両方でデータを蓄積し、蓄積されたデータに基づいて
自動決定の確度を向上する。検査機器および再検査機器の生産性もまた、サンプ
リング計画モジュールによって改善される。このモジュールは、統合されたデー
タを使用して機器使用のために改善された計画を提供する。
【００７４】 システムは、歩留まり改善システム全部として製造設備全体に配置される。あ
るいは、特定の処理、特定の検査機器および計測学機器のグループに、歩留まり
制御を提供するため、製造設備の特定の領域に配置されても良い。たとえば、完
全自動化システム（生産セル、短いループ制御）においては、妥当性確認および
是正措置が、自動的に、処理機器へ通信され、それによって自動的なサービスル
ーチンの実行が促される。この実施形態では、システムは処理機器製造業者によ
って提供されるサービスルーチンを用い、これらを自動的に起動する通信規約に
準拠している。
【００７５】 欠陥知識データベースは、欠陥分類とは関係なく、またはそれに加えて、欠陥
発生源特定のために使用できることは十分理解されるべきである。従って、たと
えば検査機器２２（図１）は欠陥マップを自動歩留まり向上システム１８に送る
ことができる。そして、いくつかの欠陥、またはすべての欠陥は（たとえば、知
的サンプリング計画３４の出力に依存する）、光学再検査機器および／またはＳ
ＥＭ再検査機器（図２の２４Ａ、２４Ｂ）で再検査される。さらに、粒子が見つ
かった場合、たとえばＯｐａｌ９３００などのＳＥＭ再検査ステーションをＥＤ
Ｘモードで用いて、材料(ＥＤＸ)の分析を行なうことができる。
【００７６】 欠陥知識データベースは、製造業者に特有な以前の分析結果などの欠陥情報を
含むため、光学画像および／またはＳＥＭ画像、およびＥＤＸ結果を用いて適合
のための検索を行なうことができる。多くの場合、良い適合ができれば、それ以
上の処理を未然に防ぎ、欠陥発生源と提案される是正措置を直接示すことができ
る。たとえば、粒子は異なる発生源の、処理チャンバの異なる部分から来る可能
性がある。粒子や特有の組成が特定されると、それらは欠陥知識データベースへ
格納される。特有の是正措置を用いて粒子の発生源が取り除かれると、その是正
措置もまた粒子情報と結びつけて格納される。そして、材料組成の照合を用いて
適切なチャンバが特定され、格納された是正措置が問題に対する予想される解決
として提供される。
【００７７】 従って、たとえば特有な組成の粒子がエッチング装置のドームからもたらされ
ており、プラズマクリーニングで問題が解決することが分かると、そのデータは
欠陥知識データベースに格納することができる。そして、粒子問題の調査の際に
、粒子がデータベースに格納されたのと同じ組成であることをＥＤＸが明らかに
すると、システムはエッチング装置のドームでプラズマクリーニングを実施する
ことを提案する。このように、提案された是正措置は、過剰な処理を行なう必要
を避けながら非常に速く届く。言うまでもなくシステムは、上述のような分類と
その他の処理を同時に行ない得る。
【００７８】 以上から、本発明によって構成されたシステムは半導体製造の改善をもたらす
ことが分かる。本発明のいくつかの特定な実施形態は典型として開示されるもの
で、本発明はこれら特定の実施形態に限定されるものではなく、むしろ添付の請
求の範囲内にあるすべての変形例に広く適用可能である。本発明に関係する当業
者には、多くの変更や適合が生じるであろう。たとえば、様々な方法分類体系や
方法が、本発明の教示する実施形態の中で使用され得る。また、欠陥発生源を特
定する様々な方法が使用され得る。さらに、本発明の学習の局面は、多くの方法
で実施され得る。従って、上述で詳細に議論した特定の構造や方法は、単に本発
明のいくつかの特定の実施形態の例示に過ぎない。
【図面の簡単な説明】
【図１】 本発明に従って構成された歩留まり向上システムを含む製造設備の一実施形態
のブロック図である。
【図２】 本発明に従って構成された歩留まり向上システムの一実施形態に関する製造設
備の処理フローのブロック図である。
【図３】 本発明に従って構成された歩留まり向上システムの一実施形態における欠陥処
理操作を説明するフローチャートである。
【図４】 本発明に従って構成された歩留まり向上システムの一実施形態における再検査
計画の洗練工程を説明するフローチャートである。
───────────────────────────────────────────────────── フロントページの続き (72)発明者 マイモン， アモーツ アメリカ合衆国， カリフォルニア州， クパティノ， パークウッド ドライヴ 10160 ナンバー８ (72)発明者 ヤロン， ギャッド イスラエル， 93704 イェルサレム， ナヨット 40 Ｆターム(参考） 4M106 AA01 DA15 DH49 DH60 DJ18 DJ20 DJ21

Claims (17)

    【特許請求の範囲】
  1. 【請求項１】 半導体製造設備における欠陥分類方法であって、 ウェハ分析機器から欠陥に関する分類データを受け取る工程と、 前記ウェハ分析機器から欠陥に関する欠陥属性データを受け取る工程と、 前記分類データと欠陥属性データに基づき全体的分類を欠陥に割り当てる工程
    と を含む、欠陥分類方法。
  2. 【請求項２】 前記割り当て工程が、全体的分類の少なくとも１つの属性を
    製造施設からの歩留まりデータと比較する工程をさらに含む、請求項１に記載の
    方法。
  3. 【請求項３】 前記割り当て工程が、欠陥属性データを、データベースに格
    納された属性データと比較する工程をさらに含む、請求項１に記載の方法。
  4. 【請求項４】 経験的な欠陥データに基づいて、信頼性レベルを全体的分類
    に割り当てる工程をさらに含む、請求項１に記載の方法。
  5. 【請求項５】 前記割り当て工程が、全体的分類の属性を、欠陥に関連する
    空間記号解析データと比較する工程をさらに含む、請求項１に記載の方法。
  6. 【請求項６】 全体的分類に基づいて、少なくとも１つの欠陥発生源と思わ
    れるものを特定する工程をさらに含む、請求項１に記載の方法。
  7. 【請求項７】 ウェハ検査計画およびウェハ再検査計画の少なくとも１つの
    ために、更新データを生成する工程をさらに含む、請求項１に記載の方法。
  8. 【請求項８】 ウェハ処理機器のための是正措置データを生成する工程をさ
    らに含む、請求項１に記載の方法。
  9. 【請求項９】 ウェハ処理機器のための確認操作を開始する工程をさらに含
    む、請求項１に記載の方法。
  10. 【請求項１０】 半導体製造設備のための自動歩留まり向上システムであっ
    て、 検査機器および再検査機器の少なくとも１つから欠陥分類データを受け取り、
    そこから全体的欠陥分類を生成する全体的自動欠陥分類モジュールと、 様々なウェハ欠陥の特徴を格納する欠陥参照データベースと、 全体的欠陥分類と欠陥参照データベースからのデータを受け取り、そこから欠
    陥特定データと欠陥発生源データを決定する欠陥発生源特定モジュールと を備える自動歩留まり向上システム。
  11. 【請求項１１】 欠陥特定データを受け取り、それに基づいて全体的自動欠
    陥分類モジュールの操作パラメータを調整する、学習モジュールをさらに備える
    、請求項１０に記載の自動歩留まり向上システム。
  12. 【請求項１２】 全体的欠陥分類を受け取り、検査機器および再検査機器の
    少なくとも１つに更新情報を送る学習モジュールをさらに備える、請求項１０に
    記載の自動歩留まり向上システム。
  13. 【請求項１３】 全体的自動欠陥分類モジュール、欠陥参照データベース、
    および欠陥発生源特定モジュールの少なくとも１つからデータを受け取り、特定
    された欠陥を減少するために採られるべき、提案された調査および是正措置のチ
    ェックリストを提供する是正措置モジュールをさらに備える、請求項１０に記載
    の自動歩留まり向上システム。
  14. 【請求項１４】 欠陥発生源データを受け取り、それに基づいて自己診断指
    示を製造設備の処理装置に送る、装置操作パラメータモジュールを更に備える、
    請求項１０に記載の自動歩留まり向上システム。
  15. 【請求項１５】 検査機器と欠陥参照データベースからデータを受け取り、
    それに基づいて欠陥再検査サンプリング計画を生成する、サンプリングモジュー
    ルをさらに備える、請求項１０に記載の自動歩留まり向上システム。
  16. 【請求項１６】 半導体製造設備におけるウェハ欠陥の発生源を特定する方
    法であり、検査機器および再検査機器からの欠陥属性データと分類データを受け
    取り、以下の操作を行う工程を含むウェハ欠陥の発生源を特定する方法であって
    、 前記工程は、 検査機器と再検査機器の分類が同じかどうかを調査し、同じであれば全体分類
    として分類を公表する、各欠陥の調査を行う工程と、 検査機器および再検査機器の分類が異なるとき、欠陥属性データを調査して欠
    陥の全体的分類を決定する工程と、 属性データと分類データが、欠陥分類にあらかじめ定義されている確実性につ
    ながらない場合、欠陥データベースを検索して欠陥の全体的分類を決定する工程
    と、 必要な場合に、全体的分類に基づいて検査機器および再検査機器の１つに信号
    を送り、分類パラメータを調整する工程と を含む方法。
  17. 【請求項１７】 半導体製造設備におけるウェハ欠陥の発生源を特定する方
    法であって、 ウェハ分析機器から欠陥分類データを受け取る工程と、 全体的欠陥分類を生成する工程と、 様々なウェハ欠陥の特徴をデータベースに格納する工程と、 全体的欠陥分類から、欠陥特定データおよび欠陥発生源データを決定する工程
    と を含むウェハ欠陥の発生源を特定する方法。
JP2000548916A 1998-05-11 1999-05-04 製造設備歩留まり向上システム Pending JP2002515650A (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US09/075,254 1998-05-11
US09/075,254 US6408219B2 (en) 1998-05-11 1998-05-11 FAB yield enhancement system
PCT/US1999/009933 WO1999059200A1 (en) 1998-05-11 1999-05-04 Fab yield enhancement system

Publications (1)

Publication Number Publication Date
JP2002515650A true JP2002515650A (ja) 2002-05-28

Family

ID=22124518

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2000548916A Pending JP2002515650A (ja) 1998-05-11 1999-05-04 製造設備歩留まり向上システム

Country Status (6)

Country Link
US (1) US6408219B2 (ja)
EP (1) EP1080493A1 (ja)
JP (1) JP2002515650A (ja)
KR (1) KR20010043501A (ja)
TW (1) TW509962B (ja)
WO (1) WO1999059200A1 (ja)

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004047939A (ja) * 2002-05-23 2004-02-12 Hitachi High-Technologies Corp 欠陥分類器の生成方法および欠陥自動分類方法
JP2005277395A (ja) * 2004-02-23 2005-10-06 Nano Geometry Kenkyusho:Kk パターン検査装置および方法
JP2006157029A (ja) * 2003-09-08 2006-06-15 Toshiba Corp 半導体装置の製造システム
JP2007149055A (ja) * 2005-05-19 2007-06-14 Nano Geometry Kenkyusho:Kk パターン検査装置および方法
US7346412B2 (en) 2003-11-10 2008-03-18 Renesas Technology Corp. Manufacturing method of semiconductor integrated circuit device
US7702413B2 (en) 2003-09-08 2010-04-20 Kabushiki Kaisha Toshiba Semiconductor device manufacturing system and method for manufacturing semiconductor devices including calculating oxide film thickness using real time simulator
JP2011059556A (ja) * 2009-09-14 2011-03-24 Toppan Printing Co Ltd 設備清掃システム及び方法並びプログラム
US8045785B2 (en) 1999-08-26 2011-10-25 Ngr Inc. Pattern inspection apparatus and method
US8422761B2 (en) 2008-12-22 2013-04-16 Ngr Inc. Defect and critical dimension analysis systems and methods for a semiconductor lithographic process
WO2016194210A1 (ja) * 2015-06-04 2016-12-08 株式会社日立ハイテクノロジーズ 欠陥画像分類装置および欠陥画像分類方法
JP2019140416A (ja) * 2013-07-22 2019-08-22 アプライド マテリアルズ イスラエル リミテッド 閉ループ自動欠陥検査および分類
JP2020038615A (ja) * 2018-08-31 2020-03-12 ファナック株式会社 知識情報サービスシステム
US11177111B2 (en) 2019-04-19 2021-11-16 Hitachi High-Tech Corporation Defect observation device

Families Citing this family (117)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020158197A1 (en) * 1999-01-12 2002-10-31 Applied Materials, Inc AFM-based lithography metrology tool
KR100303321B1 (ko) * 1999-05-20 2001-09-26 박종섭 반도체 라인 자동화 시스템에서의 오류발생 로트 제어 장치 및그 방법
US6922482B1 (en) * 1999-06-15 2005-07-26 Applied Materials, Inc. Hybrid invariant adaptive automatic defect classification
US6636818B1 (en) * 1999-09-15 2003-10-21 Becton, Dickinson And Company Systems, methods and computer program products for constructing sampling plans for items that are manufactured
US6999614B1 (en) 1999-11-29 2006-02-14 Kla-Tencor Corporation Power assisted automatic supervised classifier creation tool for semiconductor defects
JP2001168160A (ja) * 1999-12-07 2001-06-22 Sony Corp 半導体ウェハの検査システム
TW586170B (en) 2000-04-25 2004-05-01 Tokyo Electron Ltd Semiconductor device inspection system
US6725115B2 (en) * 2000-05-08 2004-04-20 Teradyne, Inc. Dynamic testing of electronic assemblies
US6701477B1 (en) * 2000-06-09 2004-03-02 Hueristics Physics Laboratories Method for identifying the cause of yield loss in integrated circuit manufacture
US6963813B1 (en) * 2000-09-13 2005-11-08 Dieter Rathei Method and apparatus for fast automated failure classification for semiconductor wafers
US20020065900A1 (en) * 2000-10-02 2002-05-30 Applied Materials, Inc. Method and apparatus for communicating images, data, or other information in a defect source identifier
US6701259B2 (en) * 2000-10-02 2004-03-02 Applied Materials, Inc. Defect source identifier
US6744266B2 (en) 2000-10-02 2004-06-01 Applied Materials, Inc. Defect knowledge library
TWI256468B (en) * 2000-10-02 2006-06-11 Applied Materials Inc Defect source identifier
US20020046001A1 (en) * 2000-10-16 2002-04-18 Applied Materials, Inc. Method, computer readable medium and apparatus for accessing a defect knowledge library of a defect source identification system
US6873720B2 (en) 2001-03-20 2005-03-29 Synopsys, Inc. System and method of providing mask defect printability analysis
US6925202B2 (en) 2001-03-20 2005-08-02 Synopsys, Inc. System and method of providing mask quality control
US6970757B1 (en) * 2001-04-19 2005-11-29 Advanced Micro Devices, Inc. Method and apparatus for updating control state variables of a process control model based on rework data
US7698012B2 (en) * 2001-06-19 2010-04-13 Applied Materials, Inc. Dynamic metrology schemes and sampling schemes for advanced process control in semiconductor processing
US7160739B2 (en) 2001-06-19 2007-01-09 Applied Materials, Inc. Feedback control of a chemical mechanical polishing device providing manipulation of removal rate profiles
US6560766B2 (en) 2001-07-26 2003-05-06 Numerical Technologies, Inc. Method and apparatus for analyzing a layout using an instance-based representation
US6721928B2 (en) 2001-07-26 2004-04-13 Numerical Technologies, Inc. Verification utilizing instance-based hierarchy management
US7014955B2 (en) 2001-08-28 2006-03-21 Synopsys, Inc. System and method for indentifying dummy features on a mask layer
US6658361B1 (en) * 2001-10-10 2003-12-02 Lsi Logic Corporation Heaviest only fail potential
US6976240B2 (en) 2001-11-14 2005-12-13 Synopsys Inc. Simulation using design geometry information
US6650955B1 (en) * 2001-12-18 2003-11-18 Advanced Micro Devices, Inc. Method and apparatus for determining a sampling plan based on process and equipment fingerprinting
US6821792B1 (en) * 2001-12-18 2004-11-23 Advanced Micro Devices, Inc. Method and apparatus for determining a sampling plan based on process and equipment state information
US20030135295A1 (en) * 2002-01-14 2003-07-17 Applied Materials, Inc. Defect source identifier with static manufacturing execution system
US20030223639A1 (en) * 2002-03-05 2003-12-04 Vladimir Shlain Calibration and recognition of materials in technical images using specific and non-specific features
US7401066B2 (en) * 2002-03-21 2008-07-15 Applied Materials, Inc. Correlation of end-of-line data mining with process tool data mining
US6687561B1 (en) * 2002-04-03 2004-02-03 Advanced Micro Devices, Inc. Method and apparatus for determining a sampling plan based on defectivity
TW535207B (en) * 2002-05-08 2003-06-01 Powerchip Semiconductor Corp Method for automatically controlling defect-specification in manufacturing process of semiconductors
US20060100730A1 (en) * 2002-07-12 2006-05-11 Parkes Alan S Method for detection and relocation of wafer defects
US6785623B2 (en) * 2002-09-11 2004-08-31 The United States Of America As Represented By The Secretary Of The Navy Business to business electronic test monitoring information system
US7043071B2 (en) 2002-09-13 2006-05-09 Synopsys, Inc. Soft defect printability simulation and analysis for masks
US7968354B1 (en) 2002-10-04 2011-06-28 Kla-Tencor Technologies Corp. Methods for correlating backside and frontside defects detected on a specimen and classification of backside defects
US7027143B1 (en) 2002-10-15 2006-04-11 Kla-Tencor Technologies Corp. Methods and systems for inspecting reticles using aerial imaging at off-stepper wavelengths
US7379175B1 (en) 2002-10-15 2008-05-27 Kla-Tencor Technologies Corp. Methods and systems for reticle inspection and defect review using aerial imaging
US7123356B1 (en) 2002-10-15 2006-10-17 Kla-Tencor Technologies Corp. Methods and systems for inspecting reticles using aerial imaging and die-to-database detection
JP2004144610A (ja) * 2002-10-24 2004-05-20 Renesas Technology Corp ウェハ欠陥検査装置
US7133119B1 (en) 2002-12-17 2006-11-07 Kla-Tencor Technologies Corp. Systems for simulating high NA and polarization effects in aerial images
JP3960911B2 (ja) * 2002-12-17 2007-08-15 東京エレクトロン株式会社 処理方法および処理装置
US7075318B1 (en) 2003-01-16 2006-07-11 Kla-Tencor Technologies Corp. Methods for imperfect insulating film electrical thickness/capacitance measurement
US6996790B2 (en) * 2003-01-30 2006-02-07 Synopsys, Inc. System and method for generating a two-dimensional yield map for a full layout
US7359544B2 (en) * 2003-02-12 2008-04-15 Kla-Tencor Technologies Corporation Automatic supervised classifier setup tool for semiconductor defects
US7602962B2 (en) * 2003-02-25 2009-10-13 Hitachi High-Technologies Corporation Method of classifying defects using multiple inspection machines
US6952653B2 (en) * 2003-04-29 2005-10-04 Kla-Tencor Technologies Corporation Single tool defect classification solution
US6954711B2 (en) * 2003-05-19 2005-10-11 Applied Materials, Inc. Test substrate reclamation method and apparatus
US9002497B2 (en) 2003-07-03 2015-04-07 Kla-Tencor Technologies Corp. Methods and systems for inspection of wafers and reticles using designer intent data
WO2005006002A2 (de) * 2003-07-12 2005-01-20 Leica Microsystems Semiconductor Gmbh Verfahren zum einlernen einer wissensbasierten datenbasis für die automatische fehlerklassifikation
US6968252B1 (en) * 2003-07-15 2005-11-22 Advanced Micro Devices, Inc. Method and apparatus for dispatching based on metrology tool performance
US7227628B1 (en) 2003-10-10 2007-06-05 Kla-Tencor Technologies Corp. Wafer inspection systems and methods for analyzing inspection data
US7394534B1 (en) * 2003-11-19 2008-07-01 Kla-Tencor Corporation Process excursion detection
US7558999B2 (en) * 2004-05-21 2009-07-07 International Business Machines Corporation Learning based logic diagnosis
CN100428401C (zh) * 2004-06-14 2008-10-22 中芯国际集成电路制造(上海)有限公司 用于半导体器件的成品率相似性的方法和系统
US7788629B2 (en) * 2004-07-21 2010-08-31 Kla-Tencor Technologies Corp. Systems configured to perform a non-contact method for determining a property of a specimen
US7069098B2 (en) * 2004-08-02 2006-06-27 Advanced Micro Devices, Inc. Method and system for prioritizing material to clear exception conditions
JP4317805B2 (ja) * 2004-09-29 2009-08-19 株式会社日立ハイテクノロジーズ 欠陥自動分類方法及び装置
US7076321B2 (en) * 2004-10-05 2006-07-11 Advanced Micro Devices, Inc. Method and system for dynamically adjusting metrology sampling based upon available metrology capacity
US7296103B1 (en) 2004-10-05 2007-11-13 Advanced Micro Devices, Inc. Method and system for dynamically selecting wafer lots for metrology processing
JP5134188B2 (ja) * 2004-10-15 2013-01-30 ケーエルエー−テンカー コーポレイション 試料上の欠陥を分析する装置
US7263451B1 (en) * 2004-10-25 2007-08-28 Advanced Micro Devices, Inc. Method and apparatus for correlating semiconductor process data with known prior process data
JP4693464B2 (ja) * 2005-04-05 2011-06-01 株式会社東芝 品質管理システム、品質管理方法及びロット単位のウェハ処理方法
JP4681356B2 (ja) * 2005-06-13 2011-05-11 株式会社日立ハイテクノロジーズ 欠陥自動観察分類システム、欠陥自動観察分類システムにおける装置の選択方法、プログラム、及び観察装置
US7650199B1 (en) * 2005-08-03 2010-01-19 Daniel Kadosh End of line performance prediction
US7657390B2 (en) 2005-11-02 2010-02-02 Applied Materials, Inc. Reclaiming substrates having defects and contaminants
US7570796B2 (en) 2005-11-18 2009-08-04 Kla-Tencor Technologies Corp. Methods and systems for utilizing design data in combination with inspection data
US20070135956A1 (en) * 2005-12-13 2007-06-14 Taiwan Semiconductor Manufacturing Co., Ltd. Data location systems and methods
US7305325B2 (en) * 2006-01-12 2007-12-04 International Business Machines Corporation Method to improve requirements, design manufacturing, and transportation in mass manufacturing industries through analysis of defect data
KR100801075B1 (ko) * 2006-01-27 2008-02-11 삼성전자주식회사 홀의 시스템적 결함율을 이용하는 반도체 집적 회로 장치의수율 향상 방법 및 수율 향상 시스템
KR100696276B1 (ko) * 2006-01-31 2007-03-19 (주)미래로시스템 웨이퍼 결함 검사 장비들로부터 획득된 측정 데이터들을이용한 자동 결함 분류 시스템
US7725861B2 (en) * 2006-05-15 2010-05-25 Taiwan Semiconductor Manufacturing Company, Ltd. Method, apparatus, and system for LPC hot spot fix
US8136168B2 (en) * 2006-05-15 2012-03-13 Taiwan Semiconductor Manufacturing Company, Ltd. System and method for design-for-manufacturability data encryption
US7685558B2 (en) * 2006-05-15 2010-03-23 Taiwan Semiconductor Manufacturing Company, Ltd. Method for detection and scoring of hot spots in a design layout
US8336002B2 (en) * 2006-05-15 2012-12-18 Taiwan Semiconductor Manufacturing Company, Ltd. IC design flow enhancement with CMP simulation
US20070266360A1 (en) * 2006-05-15 2007-11-15 Taiwan Semiconductor Manufacturing Company, Ltd. Metal Thickness Simulation for Improving RC Extraction Accuracy
US8136067B2 (en) * 2006-05-15 2012-03-13 Taiwan Semiconductor Manufacturing Company, Ltd. Method of design for manufacturing
US7805692B2 (en) * 2006-05-15 2010-09-28 Taiwan Semiconductor Manufacturing Company, Ltd. Method for local hot spot fixing
US7954072B2 (en) * 2006-05-15 2011-05-31 Taiwan Semiconductor Manufacturing Company, Ltd. Model import for electronic design automation
US7386420B2 (en) * 2006-06-02 2008-06-10 United Microelectronics Corp. Data analysis method for integrated circuit process and semiconductor process
US7904844B2 (en) * 2007-03-30 2011-03-08 Taiwan Semiconductor Manufacturing Company, Ltd. System, method, and computer program product for matching cell layout of an integrated circuit design
US7788612B2 (en) * 2007-03-30 2010-08-31 Taiwan Semiconductor Manufacturing Company, Ltd. System, method, and computer program product for matching cell layout of an integrated circuit design
US8145337B2 (en) * 2007-05-04 2012-03-27 Taiwan Semiconductor Manufacturing Company, Ltd. Methodology to enable wafer result prediction of semiconductor wafer batch processing equipment
US7974728B2 (en) * 2007-05-04 2011-07-05 Taiwan Semiconductor Manufacturing Company, Ltd. System for extraction of key process parameters from fault detection classification to enable wafer prediction
US7783999B2 (en) * 2008-01-18 2010-08-24 Taiwan Semiconductor Manufacturing Company, Ltd. Electrical parameter extraction for integrated circuit design
US8037575B2 (en) * 2008-02-28 2011-10-18 Taiwan Semiconductor Manufacturing Company, Ltd. Method for shape and timing equivalent dimension extraction
US9659670B2 (en) 2008-07-28 2017-05-23 Kla-Tencor Corp. Computer-implemented methods, computer-readable media, and systems for classifying defects detected in a memory device area on a wafer
US8001494B2 (en) 2008-10-13 2011-08-16 Taiwan Semiconductor Manufacturing Company, Ltd. Table-based DFM for accurate post-layout analysis
JP2010112833A (ja) * 2008-11-06 2010-05-20 Hitachi High-Technologies Corp 電子線式基板検査装置
US8150140B2 (en) 2008-12-22 2012-04-03 Ngr Inc. System and method for a semiconductor lithographic process control using statistical information in defect identification
CN102449786B (zh) * 2009-05-22 2015-07-22 奥罗拉控制技术有限公司 用于改进光电产品生产的方法
WO2011002651A1 (en) * 2009-07-01 2011-01-06 Kla-Tencor Corporation Monitoring of time-varying defect classification performance
US8806386B2 (en) * 2009-11-25 2014-08-12 Taiwan Semiconductor Manufacturing Company, Ltd. Customized patterning modulation and optimization
US8745554B2 (en) * 2009-12-28 2014-06-03 Taiwan Semiconductor Manufacturing Company, Ltd. Practical approach to layout migration
US9031810B2 (en) * 2011-01-11 2015-05-12 Haiguang Chen Methods and systems of object based metrology for advanced wafer surface nanotopography
US9170211B2 (en) 2011-03-25 2015-10-27 Kla-Tencor Corp. Design-based inspection using repeating structures
WO2013019563A1 (en) 2011-07-29 2013-02-07 Kla-Tencor Corporation Method and system for visualization of semiconductor wafer inspection data
US9087367B2 (en) 2011-09-13 2015-07-21 Kla-Tencor Corp. Determining design coordinates for wafer defects
CN102569118B (zh) * 2011-11-28 2014-06-04 上海华力微电子有限公司 一种半导体制程中的偏移管理的良率提升系统
CN102522350B (zh) * 2011-11-29 2014-05-28 上海华力微电子有限公司 故障生产机台检测的方法和装置
CN102412168B (zh) * 2011-11-30 2013-10-30 上海华力微电子有限公司 晶片缺陷的检测方法及系统
US9189844B2 (en) 2012-10-15 2015-11-17 Kla-Tencor Corp. Detecting defects on a wafer using defect-specific information
US9053527B2 (en) 2013-01-02 2015-06-09 Kla-Tencor Corp. Detecting defects on a wafer
US9134254B2 (en) 2013-01-07 2015-09-15 Kla-Tencor Corp. Determining a position of inspection system output in design data space
US9311698B2 (en) 2013-01-09 2016-04-12 Kla-Tencor Corp. Detecting defects on a wafer using template image matching
WO2014149197A1 (en) 2013-02-01 2014-09-25 Kla-Tencor Corporation Detecting defects on a wafer using defect-specific and multi-channel information
US9865512B2 (en) 2013-04-08 2018-01-09 Kla-Tencor Corp. Dynamic design attributes for wafer inspection
US9310320B2 (en) 2013-04-15 2016-04-12 Kla-Tencor Corp. Based sampling and binning for yield critical defects
US10120372B2 (en) * 2013-08-01 2018-11-06 Applied Materials, Inc. Event processing based system for manufacturing yield improvement
US10234401B2 (en) * 2016-02-22 2019-03-19 Qoniac Gmbh Method of manufacturing semiconductor devices by using sampling plans
CN106653639B (zh) * 2016-12-26 2019-09-03 华润微电子（重庆）有限公司 一种半导体测量站点的抽样方法
US10598617B2 (en) 2017-05-05 2020-03-24 Kla-Tencor Corporation Metrology guided inspection sample shaping of optical inspection results
WO2019090122A1 (en) 2017-11-03 2019-05-09 Tokyo Electron Limited Enhancement of yield of functional microelectronic devices
US10705514B2 (en) * 2018-10-09 2020-07-07 Applied Materials, Inc. Adaptive chamber matching in advanced semiconductor process control
US11244873B2 (en) * 2018-10-31 2022-02-08 Tokyo Electron Limited Systems and methods for manufacturing microelectronic devices
US11263737B2 (en) * 2019-01-10 2022-03-01 Lam Research Corporation Defect classification and source analysis for semiconductor equipment
CN117878025B (zh) * 2024-03-11 2024-05-28 江苏芯德半导体科技有限公司 一种自动卡控晶圆图谱上缺陷芯片的方法

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6009545A (en) * 1995-04-25 1999-12-28 Mitsubishi Denki Kabushiki Kaisha System for analyzing a failure in a semiconductor wafer by calculating correlation coefficient between collated data of defects per prescribed unit and failures per prescribed unit
US5991699A (en) * 1995-05-04 1999-11-23 Kla Instruments Corporation Detecting groups of defects in semiconductor feature space
US5539752A (en) * 1995-06-30 1996-07-23 Advanced Micro Devices, Inc. Method and system for automated analysis of semiconductor defect data
US5777901A (en) 1995-09-29 1998-07-07 Advanced Micro Devices, Inc. Method and system for automated die yield prediction in semiconductor manufacturing
US5761064A (en) * 1995-10-06 1998-06-02 Advanced Micro Devices, Inc. Defect management system for productivity and yield improvement
US5943437A (en) * 1995-10-09 1999-08-24 Kabushiki Kaisha Kobe Seiko Sho Method and apparatus for classifying a defect on a semiconductor wafer
DE59606668D1 (de) 1996-01-04 2001-05-03 Infineon Technologies Ag Vorrichtung und Verfahren zur Erfassung und Bewertung eines räumlich diskreten Punktmusters
JPH09199551A (ja) * 1996-01-12 1997-07-31 Mitsubishi Electric Corp インライン検査用検査データ解析処理装置
US6542830B1 (en) * 1996-03-19 2003-04-01 Hitachi, Ltd. Process control system
US6246787B1 (en) * 1996-05-31 2001-06-12 Texas Instruments Incorporated System and method for knowledgebase generation and management
US6092059A (en) * 1996-12-27 2000-07-18 Cognex Corporation Automatic classifier for real time inspection and classification
TW331650B (en) 1997-05-26 1998-05-11 Taiwan Semiconductor Mfg Co Ltd Integrated defect yield management system for semiconductor manufacturing
US6148099A (en) * 1997-07-03 2000-11-14 Neopath, Inc. Method and apparatus for incremental concurrent learning in automatic semiconductor wafer and liquid crystal display defect classification
US5966459A (en) * 1997-07-17 1999-10-12 Advanced Micro Devices, Inc. Automatic defect classification (ADC) reclassification engine
US5862055A (en) * 1997-07-18 1999-01-19 Advanced Micro Devices, Inc. Automatic defect classification individual defect predicate value retention
US5946213A (en) * 1997-10-22 1999-08-31 Advanced Micro Devices, Inc. Intelligent adc reclassification of previously classified propagator defects
US6185511B1 (en) * 1997-11-28 2001-02-06 Advanced Micro Devices, Inc. Method to accurately determine classification codes for defects during semiconductor manufacturing
US5999003A (en) * 1997-12-12 1999-12-07 Advanced Micro Devices, Inc. Intelligent usage of first pass defect data for improved statistical accuracy of wafer level classification
US6200823B1 (en) * 1999-02-09 2001-03-13 Advanced Micro Devices, Inc. Method for isolation of optical defect images

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8045785B2 (en) 1999-08-26 2011-10-25 Ngr Inc. Pattern inspection apparatus and method
JP2004047939A (ja) * 2002-05-23 2004-02-12 Hitachi High-Technologies Corp 欠陥分類器の生成方法および欠陥自動分類方法
US7702413B2 (en) 2003-09-08 2010-04-20 Kabushiki Kaisha Toshiba Semiconductor device manufacturing system and method for manufacturing semiconductor devices including calculating oxide film thickness using real time simulator
JP2006157029A (ja) * 2003-09-08 2006-06-15 Toshiba Corp 半導体装置の製造システム
JP4568216B2 (ja) * 2003-09-08 2010-10-27 株式会社東芝 半導体装置の製造システム
US7346412B2 (en) 2003-11-10 2008-03-18 Renesas Technology Corp. Manufacturing method of semiconductor integrated circuit device
JP2005277395A (ja) * 2004-02-23 2005-10-06 Nano Geometry Kenkyusho:Kk パターン検査装置および方法
JP2007149055A (ja) * 2005-05-19 2007-06-14 Nano Geometry Kenkyusho:Kk パターン検査装置および方法
US8422761B2 (en) 2008-12-22 2013-04-16 Ngr Inc. Defect and critical dimension analysis systems and methods for a semiconductor lithographic process
JP2011059556A (ja) * 2009-09-14 2011-03-24 Toppan Printing Co Ltd 設備清掃システム及び方法並びプログラム
JP2019140416A (ja) * 2013-07-22 2019-08-22 アプライド マテリアルズ イスラエル リミテッド 閉ループ自動欠陥検査および分類
WO2016194210A1 (ja) * 2015-06-04 2016-12-08 株式会社日立ハイテクノロジーズ 欠陥画像分類装置および欠陥画像分類方法
KR20170141255A (ko) * 2015-06-04 2017-12-22 가부시키가이샤 히다치 하이테크놀로지즈 결함 화상 분류 장치 및 결함 화상 분류 방법
KR101978995B1 (ko) 2015-06-04 2019-05-16 가부시키가이샤 히다치 하이테크놀로지즈 결함 화상 분류 장치 및 결함 화상 분류 방법
JP2020038615A (ja) * 2018-08-31 2020-03-12 ファナック株式会社 知識情報サービスシステム
US11177111B2 (en) 2019-04-19 2021-11-16 Hitachi High-Tech Corporation Defect observation device

Also Published As

Publication number Publication date
US20010051836A1 (en) 2001-12-13
WO1999059200A1 (en) 1999-11-18
TW509962B (en) 2002-11-11
EP1080493A1 (en) 2001-03-07
KR20010043501A (ko) 2001-05-25
US6408219B2 (en) 2002-06-18

Similar Documents

Publication Publication Date Title
JP2002515650A (ja) 製造設備歩留まり向上システム
US7346470B2 (en) System for identification of defects on circuits or other arrayed products
US6542830B1 (en) Process control system
US5801965A (en) Method and system for manufacturing semiconductor devices, and method and system for inspecting semiconductor devices
US8532949B2 (en) Computer-implemented methods and systems for classifying defects on a specimen
US7508973B2 (en) Method of inspecting defects
US6546308B2 (en) Method and system for manufacturing semiconductor devices, and method and system for inspecting semiconductor devices
US6496958B1 (en) Yield prediction and statistical process control using predicted defect related yield loss
US6766208B2 (en) Automatic production quality control method and system
US8779360B2 (en) Charged particle beam device, defect observation device, and management server
CN109285791B (zh) 设计布局为主的快速在线缺陷诊断、分类及取样方法及系统
JP2009188418A (ja) データ解析のための方法および装置
CN110896038A (zh) 缺陷检查装置及缺陷检查方法
WO2022260913A1 (en) System and method for z-pat defect-guided statistical outlier detection of semiconductor reliability failures
JP2004198436A (ja) 欠陥検査方法及びその装置
US7096086B2 (en) Apparatus, method and program for generating a recipe for an inspection tool
EP0885380B1 (en) Real time/off line applications testing system
US20040124830A1 (en) Method for analyzing defect inspection parameters
US7020536B2 (en) Method of building a defect database
JPH11176899A (ja) 欠陥警告方法及び欠陥警告システム
CN110741466B (zh) 基于扰乱点图的宽带等离子检验
JPH0927531A (ja) 歩留まり統計解析方法および装置
Pilon et al. Intelligent line monitor: maximum productivity through an integrated and automated line monitoring strategy

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20060508

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20090417

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20090428

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20091006