JP2005142552A - 多層配線構造の不良解析方法および不良解析装置 - Google Patents

Abstract

【課題】工程毎に蓄積された大量の画像データから、性能に影響する不良要因を分析し、表示する多層配線構造の不良解析方法を提供する。
【解決手段】カメラ２ａ、２ｂ、２ｃを用いて工程毎に回路基板１ａ、１ｂ、１ｃを撮影し、その工程別画像３ａ、３ｂ、３ｃを記憶手段５に格納するステップと、回路基板８を検査し、良品と不良品とに分別するステップと、検査で良品と判定された製品の工程別画像は良品画像とし、不良品と判定された製品の工程別画像は不良品画像として製造工程毎に良品画像集合１１ａ、１１ｂ、１１ｃと不良品画像集合１２ａ、１２ｂ、１２ｃを生成し、記憶手段５に格納するステップとを有するもので、検査の結果に対応させて画像を抽出し、観察することによって効率よく不良解析を進めることができる。
【選択図】図２

Description

本発明は、絶縁層と配線層あるいは機能素子とを積層して製造される半導体装置、ディスプレイデバイスあるいは多層回路基板等における多層配線構造の不良解析方法および不良解析装置に関する。

近年、携帯電話等の通信機器や携帯型情報端末機器の開発が進んできており、それらの機器に使用する回路基板に対してファインパターン化、および薄型化・小型化が要求されるようになってきた。そのために回路基板の製造工程もますます複雑になってきており、不良品の解析も困難になってきている。

一方、半導体装置も多くの工程を経て積層構造が形成されるが、製造工程途中に撮影した画像を工程順に重ねて実際のデバイス構造を計算機上で構築する方法等が開発されている。これらの方法は、回路基板の工程不良解析にも適用されるようになってきた。

以下に、従来の不良解析方法について、図面を参照しながら説明する。

図１８は、従来の不良解析方法の第１の例を説明するブロック図である。図１８において、製造装置５０は半導体装置の製造工程において使用する個々の製造装置を一括して表示しているが、個々の製造装置としては、レジストパターン形成用のレジスト塗布装置、露光装置、エッチング装置、酸化拡散装置、イオン注入装置、ＣＶＤ装置、およびスパッタリング装置等が含まれる。検査装置５１としては、パターン寸法や合わせ精度を測定する測定装置等がある。観察装置５２としては表面状態や形成されたパターンを撮影する撮影装置、欠陥を観察する光学顕微鏡、電子顕微鏡等がある。

また、不良解析装置５４は、データの入出力部、相関関係検出部、判定部、演算部、および表示部等で構成され、製造装置５０、検査装置５１、観察装置５２からのデータを処理してデータベース格納部５３に格納するとともに、必要とする画像データ等を表示部に表示する。なお、データベース格納部５３には、マスク設計時のデータ、ＣＡＤデータ等が格納されている。

上記の構成によって、不良解析は下記のように行われる。

まず、製造工程の所定のステップにおいて、半導体基板の主面に形成されたパターンを撮影して得た工程別実画像や、検査装置５１で得られた特性データ等をデータベース格納部５３に格納する。このような作業を必要とする工程ステップ毎に実施する。このようにして得られた全工程の工程別実画像をデータベース格納部５３から不良解析装置５４へ取り出す。そして特性データを考慮して工程別実画像を重ね合わせることによって２次元の工程別実画像から３次元積層構造を計算機の上で構築することができる。

一方、マスク設計時のマスクパターンデータをデータベース格納部５３から不良解析装置５４へ取り出し、そして製造工程フローチャートの順に重ね合わせることによって、３次元構造をシミュレーションすることができる。またマスク設計時のマスクパターンデータから、各工程におけるパターンをシミュレーションし、工程別推定画像を構築することができる。

このようにして得られた工程別実画像と工程別推定画像とを比較することによって、不良の原因を推定することができるとされている（例えば、特許文献１）。

次に、従来の不良解析方法における第２の例について、図１９を参照しながら説明する。図１９は、従来の不良解析方法の第２の例を説明するブロック図であり、プリント基板の配線パターンの欠けや不要なふくらみ等の欠陥を高速に検出することのできる欠陥検査方法に関するものである。

まず、移動ステージ６０の上に設置されたプリント基板６１の表面をカメラ６２で撮影する。撮影された画像は画像取り込み手段６３へ転送される。また撮影された画像は、画像取り込み手段６３に接続された高速画像処理装置６８と演算部６９とによって後段で行う画像処理に適した検査画像に変換される。またあらかじめ良品と認められたプリント基板６１の画像（基準画像という）が良品画像記憶手段６４に記憶されている。

基準画像は演算部６９へ転送されて、境界線抽出手段６７によって検査対象とそれ以外の背景領域との境界線が抽出される。一方、検査画像は高速画像処理装置６８へ転送され、そこで、シフト画像生成手段６５によって各画素を所定量移動させたシフト画像が生成される。そして高速画像処理装置６８の欠陥検査手段６６によって、上記のシフト画像と検査画像との各対応画素間の差異にもとづいて検査対象の欠陥を検査する。

このように、検査対象の検査画像とあらかじめ取得された基準画像とにもとづいて検査対象の欠陥を検査する場合でも、検査に必要な処理は画像のシフトおよび演算等の簡単な処理であるため、高速に欠陥を検査することができる。そして実際の検査は、境界線を比較して行っており、浅い欠陥でも精度よく検出することができるとされている（例えば、特許文献２）。

次に、従来の不良解析方法における第３の例について説明する。これは、半導体ウエハ等の上に発生する欠陥の分類方法およびその装置並びに教示用データ作成方法を提供することを目的としている。

この方法は、（１）複数の教示用欠陥画像に対して欠陥の種類に対応するカテゴリを付与することにより教示用データを作成、（２）教示用欠陥画像の各々について複数の特徴量を算出、（３）算出された多次元の特徴量ベクトル空間における各教示用欠陥画像について、教示点座標間のユークリッド距離に基づいて教示用欠陥画像とカテゴリとの対応からなる教示用データを診断、（４）診断によって修正する必要がある場合には教示用データを修正する学習過程からなるステップを有している。

これらのステップを実行することによって、被検査対象物を撮像して得られた分類対象欠陥画像に対して前記学習過程で取得された教示用データを元に既知の分類カテゴリに分類可能か否かを容易に判断することができるとされている。（特許文献３）
特開平１０−４１３６６号公報（第３頁、図１） 特開２００１−２８３１９５号公報（第４頁、図１） 特開２０００−５７３４９号公報

しかしながら、上記従来の第１の例では、半導体製造における各工程で撮影した２次元の画像データから、製造工程の特性データを反映させて、３次元の積層形状を計算機上に構築し、そしてこの積層形状の変形から致命的な欠陥を推定している。この場合に基準画像データとして用いているのはマスク設計データであり、常に一定の情報から成り立っているが、工程のばらつきが反映されていない。しかしながら実際の製造工程では、例えば、パターン形成工程においては、フォトレジストパターンのばらつき、エッチング条件のばらつき等により、形成されるパターンにばらつきが生じる。通常の工程には一定の許容度が設定されているが、上記従来の第１の構成では、その許容度をマスク設計データに対して人為的に反映させなければならず、実際の工程の実力を正しく反映していないという課題を有していた。

また、上記従来の第２の例では、良品画像データから抽出した境界線と実際の検査画像データから一定量シフトさせて得たシフト画像データとを比較し、欠陥を検出するものである。この場合、良品の画像として既に欠陥が無いと判定されたもの、または目視等によって欠陥が無いことが確認されたものを用いてもよいとされているが、これも工程のばらつきを含んだ良品画像データではなく、実際の工程の実力を正しく反映していないという課題を有していた。

また、上記従来の第３の例では、あらかじめ、検査により欠陥として検出された画像が対象となっており、それらの欠陥画像の分類を実施することで対策すべき不良要因の優先付けを容易に行うことが可能であるが、未知の不良要因の特定は困難であるという課題を有していた。

本発明は上記従来の課題を解決するもので、工程のばらつきや実力を反映した代表画像データの設定、およびその代表画像データと検査画像データとを比較し、工程のばらつきや実力を考慮して不良解析を実行することで、多層配線構造の不良の解析や未知の不良要因の原因特定を容易にすることができる不良解析方法およびそれに用いる不良解析装置を提供することを目的とする。

この目的を達成するために本発明の多層配線構造の不良解析方法は、多層配線構造の配線層の形成工程毎に多層配線構造の主面を撮影し、工程別画像を記憶手段に格納するステップと、多層配線構造の製品を検査し、良品と不良品とに分別するステップと、検査で良品と判定された製品の工程別画像は良品画像とし、不良品と判定された製品の工程別画像は不良品画像として配線層の形成工程毎に良品画像集合と不良品画像集合を生成し、記憶手段に格納するステップと、良品画像集合または不良品画像集合から画像を抽出し表示装置に表示するステップと、表示装置に表示された画像を観察して不良解析を行うステップとを有する方法からなる。

これにより、検査結果にもとづいて各工程の画像を良品画像集合と不良品画像集合とに分類して工程のばらつきや実力が反映された画像を表示装置に表示して観察することができ、不良発生工程や不良要因等を容易に特定することができる。

また、本発明の多層配線構造の不良解析方法は、あらかじめ設定した代表画像と良品画像集合中の工程別画像との差、および代表画像と不良品画像集合中の工程別画像との差を求めて、それぞれ良品差画像集合および不良品差画像集合を生成し、記憶手段に格納するステップと、良品差画像集合または不良品差画像集合から画像を抽出し表示装置に表示するステップとをさらに付加した方法からなる。

これにより、差画像集合を用いて不良解析を行うことができる。すなわち、差画像集合は設定された代表画像を中心としてばらつきを示すものであり、これら差画像を表示装置に表示することによって、実画像として製造工程のばらつきを観察することができる。

このとき、代表画像として良品画像集合のなかの工程別画像から特定の画像を１枚選択して代表画像とするか、また良品画像集合中の工程別画像を重ね合わせ、かつ重ね合わせた画像枚数で平均化処理して得た画像を代表画像とすることによって、より実工程を反映した代表画像を生成することができる。

また、本発明の多層配線構造の不良解析方法は、良品差画像集合を重ね合わせて良品重ね合わせ画像を生成し、不良品差画像集合を重ね合わせて不良品重ね合わせ画像を生成して、それぞれを記憶手段に格納するステップと、良品重ね合わせ画像と不良品重ね合わせ画像とを重ね合わせて全重ね合わせ画像を生成し、記憶手段に格納するステップと、全重ね合わせ画像を表示装置に表示するステップとをさらに付加した方法からなる。

これにより、全工程における欠陥、異物、パターン形成異常等を同時に観察することができ、不良発生原因を迅速につきとめることができる。

また、本発明の多層配線構造の不良解析方法は、良品差画像集合を重ね合わせて良品重ね合わせ画像を生成し、不良品差画像集合を重ね合わせて不良品重ね合わせ画像を生成するステップと、良品重ね合わせ画像と不良品重ね合わせ画像の差画像を生成し、記憶手段に格納するステップと、良品重ね合わせ画像と不良品重ね合わせ画像との差画像を表示装置に表示するステップをさらに付加した方法からなる。

これにより、不良原因のみを含む画像とすることができ、工程のばらつきを考慮して不良に至る欠陥を容易に検出することができる。

また、本発明の多層配線構造の不良解析方法は、検査で不良品と判定された多層配線構造について、設計データをもとに不良経路を推定するステップと、不良品画像集合から不良経路に対応する不良品画像を抽出するステップと、抽出された不良品画像を表示装置に表示するステップとをさらに付加した方法からなる。

これにより、検査結果と撮影画像との対応を容易に関係づけることができ、不良原因を迅速につきとめることができる。

また、本発明の多層配線構造の不良解析方法は、設計データから基準画像を生成するステップと、基準画像と不良品画像との差画像を生成し記憶手段に格納するステップと、基準画像と不良品画像との差画像を表示装置に表示するステップとをさらに付加した方法からなる。

これにより、検査結果と撮影画像との対応を容易に関係づけることができ、不良原因を迅速につきとめることができる。

また、本発明の多層配線構造の不良解析方法は、蓄積された画像データから特徴量を抽出するステップと、抽出された特徴量データを元に画像分類を実施するステップと、画像分類された種別毎に形成工程毎の良品画像集合と不良品画像集合の発生数を集計することにより、形成工程毎に、最終検査で不良となる傾向の強い画像種別の特定を容易にすることができる。

また、本発明の多層配線構造の不良解析方法において、抽出された特徴データを元に画像分類を実施するステップを、不良品画像集合に分類された画像が同一画像として分類される不良品画像集合であるという特徴データの重みづけを重くすることを特長とすることにより、形成工程毎に、最終検査で不良となる傾向の強い画像種別の特定を容易にすることができる。

また、本発明の多層配線構造の不良解析方法において、画像分類を実施するステップが、分類対象とすべき代表画像を１枚以上教示するステップと、教示された代表画像から、画像分類カテゴリを判定する条件を生成するステップを有することにより、最終特性検査に影響する画像種別と工程の特定を容易にすることができる。

また、本発明の多層配線構造の不良解析装置は、多層配線構造の配線層の形成工程毎に多層配線構造の主面を撮影する撮影部と、撮影された工程別画像を格納する第１の記憶部と、多層配線構造の製品を検査して、良品と不良品とに分別する検査部と、検査で良品と判定された製品の工程別画像は良品画像とし、不良品と判定された製品の工程別画像は不良品画像とし、配線層の形成工程毎に良品画像集合と不良品画像集合に分類する演算部と、良品画像集合と不良品画像集合を配線層の形成工程別に記憶させておく第２の記憶部と、良品画像集合または不良品画像集合から抽出した指定の工程別画像を表示する画像表示部とを有する構成からなる。

これにより、この不良解析装置を用いて最終的に不良品となった多層配線構造に関してどの工程で不良が発生したのかを迅速に推定することができる。

また、本発明の不良解析装置は、演算部にあらかじめ設定した代表画像と良品画像集合中の工程別画像との差、および上記代表画像と不良品画像集合中の工程別画像との差を求めて、それぞれ良品差画像集合および不良品差画像集合を生成するための差画像生成手段を付加した構成からなる。

これにより、不良原因を容易に見つけ出すことができる画像を得ることができる。すなわち、良品差画像集合は、個々の工程別画像と代表画像との差を示す画像の集合であり、工程内の配線層の形状ばらつきを示している。また不良品差画像集合では不良箇所がより強調されて示されることになる。

また、本発明の不良解析装置は、演算部に良品差画像集合を重ね合わせて良品重ね合わせ画像を生成し、かつ、不良品差画像集合を重ね合わせて不良品重ね合わせ画像を生成するための重ね合わせ画像生成手段を付加した構成からなる。

これにより、１枚の画像によって、良品に関しては工程内のばらつきを、また不良品に関しては不良箇所を強調して示す画像を得ることができ、不良解析が容易になる。

また、本発明の不良解析装置は、演算部に良品重ね合わせ画像と不良品重ね合わせ画像との差画像を生成するための総合差画像生成手段を付加した構成からなる。これにより、さらに不良箇所を容易に見つけ出すことができる画像を得ることができる。

また、本発明の不良解析装置は、演算部に、検査によって不良と判定された多層配線構造について、設計データをもとに不良経路を推定する不良経路推定手段と、不良品画像集合から不良経路に対応する不良品画像を抽出する手段とを付加した構成からなる。

これにより、各種の画像と対比することによって、さらに不良箇所、不良原因の推定が容易になる。

また、本発明の不良解析装置は、演算部に、設計データから基準画像を生成する設計基準画像生成手段を付加した構成からなる。

これにより、設計データにもとづく代表画像を生成することができ、不良原因が設計ルールにもとづくもの、設計ルールの変更によって改善することができるもの等の判定が容易になる。

本発明による多層配線構造の不良解析方法は、基本的には配線層の形成工程毎に撮影した画像を多層配線構造の検査結果にもとづいて工程別に良品画像集合と不良品画像集合に分類して記憶手段に格納しておき、解析と合わせて画像データを利用することを基本とするもので、性能に影響する不良要因の分析が容易になる。

また、良品画像集合および不良品画像集合に対して、それぞれの代表画像を生成するとの概念を導入し、各画像と代表画像との差をとって差画像を生成することによって、不良要因に関係しない部分を除去した画像を準備することができ、いっそう不良要因を迅速に分析することができる。なお、代表画像としては、集合のなかの画像から任意の１枚を抽出するか、集合中の画像を重ね合わせ、重ね合わせた枚数で平均化処理する等の方法があるが、適宜いずれかを選択して効率的に不良解析を進めることができる。

また、本発明による不良解析装置は、配線層の形成工程毎に多層配線構造の主面を撮影する撮影部と、その画像を格納する第１の記憶部と、検査を行う検査部と、画像の処理や各部の制御を行う演算部と、画像を表示する画像表示部とを有するもので、不良要因の分析を容易にするための画像処理、設計データとの対比を容易に行うことができる。

また、蓄積しておいた画像を、類似画像があつまった画像種別毎に分類し、その画像種別毎・工程毎の最終検査や中間検査との一致率や相関関係を計算することで、最終検査や中間検査に影響する致命的な画像種別・工程の特定が可能になり、効率的に不良解析を進めることができる。

また、上記の不良解析方法および不良解析装置は、多層の回路基板、半導体装置、ディスプレイデバイス等に代表される多層配線構造全般に応用できるものである。

以下、本発明の実施の形態について、図面を参照しながら説明する。なお、以下で説明する図では同じ要素については同じ符号を付しており、説明を省略する場合がある。

（実施の形態１）
図１は、本発明の実施の形態１における不良解析方法の基本を説明するための工程フローである。以下、多層配線構造として多層の回路基板を例として説明する。

まず、ステップＳ０１で、所定の工程後に回路基板の主面のパターンを撮影し、この工程別画像を記憶装置に格納する。次に、ステップＳ０２で、回路基板を検査し、製品を良品と不良品に分別する。次に、ステップＳ０３で、工程別画像を検査結果に基づいて良品画像集合と不良品画像集合を生成し、記憶手段に格納する。次に、ステップＳ０４でこれらの画像集合から必要に応じて画像を抽出し、画像表示装置に表示する。次に、ステップＳ０５で画像を観察し、解析する。

図１は基本形であって、不良解析を効率化するために種々のステップの追加が考えられるが、それらについては以下に示す具体例において説明する。

図２は、本実施の形態における回路基板の不良解析方法を説明するブロック図である。なお、簡単のために全工程が３工程からなるものとして説明する。

まず、工程１を終了した回路基板１ａの表面をカメラ２ａで撮影し、その工程別画像３ａを演算手段４で画像処理し、そしてその画像を記憶手段５に格納する。同様な方法により、工程２を終了した回路基板１ｂの表面をカメラ２ｂで撮影した工程別画像３ｂ、および工程３を終了した回路基板１ｃの表面をカメラ２ｃで撮影した工程別画像３ｃをそれぞれ記憶手段５に格納する。

次に、工程３を終了した回路基板８を検査装置７のステージ９に載置して検査を行う。その結果を記憶手段５に格納する。このようにして、多数の回路基板の工程別画像が記憶手段５に格納される。なお、記憶手段５に記憶された状態は、全画像集合１０として表している。

記憶手段５に格納された画像は、検査結果の良または不良にしたがって、良品画像集合と不良品画像集合に分類され、整理されて全画像集合１０として再格納される。すなわち、工程１の全画像集合１０ａは良品画像集合１１ａおよび不良品画像集合１２ａに分類される。同様な方法により、工程２の全画像集合１０ｂは良品画像集合１１ｂと不良品画像集合１２ｂに、そして工程３の全画像集合１０ｃは良品画像集合１１ｃと不良品画像集合１２ｃに分類される。

このように分類されて記憶手段５に格納された良品画像集合１１ａ、１１ｂ、１１ｃ、および不良品画像集合１２ａ、１２ｂ、１２ｃは必要に応じて抽出されて表示装置６に表示される。

次に、図２に示す不良解析方法で用いる画像データの整理方法について、図３を参照しながら説明する。

図３は、本実施の形態における不良解析方法の画像データの整理方法を説明するブロック図である。説明を簡単にするために７枚の基板を投入し、３工程で回路基板が製造されるものとした。

それぞれ、工程１の終了後、工程２の終了後、工程３の終了後に、図２に示す方法で各回路基板の主面を撮影して全画像集合１０ａ、１０ｂ、１０ｃを得る。工程３を終了した回路基板８は、電気的検査やパターン検査が行われ、良品回路基板２４と不良品回路基板２５とに分類される。仮に、これらを検査済グループ２１とする。７枚の回路基板について、良品回路基板は〇、不良品回路基板は×で示した。

これら検査での良品回路基板２４に対応する工程１の画像を良品画像２２とし、検査での不良品回路基板２５に対応する工程１の画像を不良品画像２３とする。同様な方法により、工程２、工程３においても、検査での良品、不良品に対応した良品画像、不良品画像が得られる。

工程１における良品画像２２はまとめて良品画像集合１１ａとし、不良品画像２３はまとめて不良品画像集合１２ａとする。同様な方法により、工程２における画像は良品画像集合１１ｂ、不良品画像集合１２ｂに分類される。また、工程３における画像は良品画像集合１１ｃ、不良品画像集合１２ｃにそれぞれ分類される。これらの画像集合は図１に示す記憶手段５に格納され、必要に応じて抽出され、表示装置６に表示される。

なお、検査で不良となった回路基板であっても工程１から工程３のすべてにおいて不良が発生したわけではなく、一つの工程で不良となる原因が発生し、その結果不良品回路基板となった場合もある。例えば、検査での不良品回路基板２５に注目した場合、工程１で不良の原因が発生し、工程２、工程３では不良の原因が無かったとしても、分類する上ではすべての工程における画像は不良品画像集合に入れるものとする。

このようにして、検査での良品と不良品の回路基板に関して、各工程別の画像を良品画像集合１１ａ、１１ｂ、１１ｃ、不良品画像集合１２ａ、１２ｂ、１２ｃとして記憶しておくことにより、不良解析時に必要な画像を簡単に表示装置６に表示させることができる。

また、例えば、工程１における不良品画像集合１２ａを製造順に並べて比較することにより、工程１における経時変動を把握することができる。

次に、不良解析を迅速に行うための画像データの処理方法について、図４から図７を参照しながら説明する。なお、以下に説明する画像データの処理方法は、基本的には、図２および図３で説明した不良解析方法および画像データの流れで得られた全画像集合１０を実際に不良解析に使いやすい形にするための処理方法に関するものである。

図４は、本実施の形態における不良解析方法の第１の画像データ処理方法を説明するブロック図である。まず、全画像集合１０のうち、工程１の良品画像集合１１ａから任意の画像データを１枚抽出して代表画像２６ａとし、工程２の良品画像集合１１ｂから任意の画像データを抽出して代表画像２６ｂとし、工程３の良品画像集合１１ｃから任意の画像データを抽出して代表画像２６ｃとする。

次に、工程１に関して、代表画像２６ａと良品画像集合１１ａ中の個々の画像との差をとり、良品差画像集合２７ａを生成する。また、工程２に関して、代表画像２６ｂと良品画像集合１１ｂ中の個々の画像との差をとり、良品差画像集合２７ｂを生成する。さらに、工程３に関して、代表画像２６ｃと良品画像集合１１ｃ中の個々の画像との差をとり、良品差画像集合２７ｃを生成する。これらの良品差画像集合２７ａ、２７ｂ、２７ｃ中の画像には、代表画像２６ａ、２６ｂ、２６ｃに存在しない部分のみが残ることになる。さらに、代表画像２６ａと不良品画像集合１２ａ中の個々の画像との差をとり、不良品差画像集合２８ａを生成する。同様な方法により、不良品差画像集合２８ｂおよび不良品差画像集合２８ｃをそれぞれ生成する。この不良品差画像集合２８ａ、２８ｂ、２８ｃ中の画像には、代表画像２６ａ、２６ｂ、２６ｃに存在しない部分のみが残ることになる。

これらの差画像集合を図２に示す記憶手段５に格納しておき、不良解析時に表示装置６へ呼び出すことによって、解析の効率を向上させることができる。すなわち、差画像には正規のパターンが残されておらず、本来あってはならない欠陥、異物、およびパターン異常等が残されているだけであり、不良原因を見つけやすくなる。

図４で説明した例では、良品画像集合から任意に抽出した画像を代表画像としたが、次に画像データの第２の処理方法について、図５を参照しながら説明する。

図５は、本実施の形態における不良解析方法の第２の画像データ処理方法を説明するブロック図である。まず、全画像集合１０のうち、工程１の良品画像集合１１ａの全画像を重ね合わせ、重ね合わせた画像の枚数で平均化処理して代表画像２９ａを生成する。さらに、工程２の良品画像集合１１ｂの全画像を重ね合わせ、重ね合わせた画像の枚数で平均化処理して代表画像２９ｂをする。そして、工程３の良品画像集合１１ｃの全画像を重ね合わせ、重ね合わせた画像の枚数で平均化処理して代表画像２９ｃを生成する。このようにして得られた代表画像２９ａ、２９ｂ、２９ｃには全画像のデータの平均画像が含まれているため工程内のばらつきが反映されていると言える。

次に、工程１に関して、代表画像２９ａと良品画像集合１１ａ中の個々の画像との差をとり、良品差画像集合３０ａを生成し、工程２に関して、代表画像２９ｂと良品差画像集合１１ｂ中の個々の画像との差をとり良品差画像集合３０ｂを生成し、そして工程３に関して、代表画像２９ｃと良品画像集合１１ｃ中の個々の画像との差をとり良品差画像集合３０ｃを生成する。

さらに、工程１に関して、代表画像２９ａと不良品画像集合１２ａ中の個々の画像との差をとり、不良品差画像集合３１ａを生成する。工程２に関して、代表画像２９ｂと不良品画像集合１２ｂ中の個々の画像との差をとり、不良品差画像集合３１ｂを生成する。そして、工程３に関して、代表画像２９ｃと不良品画像集合１２ｃ中の個々の画像との差をとり、不良品差画像集合３１ｃを生成する。

これらの差画像集合を図２に示す記憶手段５に格納しておき、不良解析時に随時表示装置６へ呼び出すことによって、解析の効率を向上させることができる。

次に、画像データの第３の処理方法について、図６を参照しながら説明する。

図６は、本実施の形態における不良解析方法の第３の画像データ処理方法を説明するブロック図である。なお、図６では説明の簡単のために工程１に関係する画像データ処理の部分のみを示したが、工程２に関する部分および工程３に関する部分も同様な方法により処理するものとする。

まず、工程１に関して、図５で説明したのと同様の方法で、良品差画像集合３０ａおよび不良品差画像集合３１ａを生成する。次に、良品差画像集合３０ａを重ね合わせて良品重ね合わせ画像３２ａを生成し、そして、不良品差画像集合３１ａを重ね合わせて不良品重ね合わせ画像３３ａを生成する。同様な方法により、工程２に関して、良品重ね合わせ画像３２ｂおよび不良品重ね合わせ画像３３ｂを生成する。そして、工程３に関して、良品重ね合わせ画像３２ｃおよび不良品重ね合わせ画像３３ｃを生成する。なお、差画像集合は図４で説明したのと同様の方法で生成してもよい。

このようにして、得られた良品重ね合わせ画像３２ａ、３２ｂ、３２ｃには、各工程別の情報、すなわち工程のばらつきがすべて含まれている。また不良品重ね合わせ画像３３ａ、３３ｂ、３３ｃにも各工程別の情報、すなわち工程のばらつきがすべて含まれていることになる。したがって、両画像を比較することによって、不良の原因を容易につきとめることができる。

次に、画像データの第４の処理方法について、図７を参照しながら説明する。

図７は、本実施の形態における不良解析方法の第４の画像データ処理方法を説明するブロック図である。なお、図７では説明の簡単のために工程１に関係する画像データ処理の部分のみを示したが、工程２に関する部分および工程３に関する部分も同様な方法により処理するものとする。

まず、工程１に関して、図５で説明したのと同様の方法で、良品差画像集合３０ａおよび不良品差画像集合３１ａとをそれぞれ生成する。次に、良品差画像集合３０ａを重ね合わせて良品重ね合わせ画像３２ａを生成し、そして不良品差画像集合３１ａを重ね合わせて不良品重ね合わせ画像３３ａを生成する。次に、良品重ね合わせ画像３２ａと不良品重ね合わせ画像３３ａとの差をとって差画像３４ａを生成する。同様な方法により、工程２に関して、良品重ね合わせ画像と不良品重ね合わせ画像との差をとって差画像３４ｂを生成し、そして工程３に関しても、同様な方法により、差画像３４ｃを生成する。

このようにして、最終的に一つの工程に対して一つの差画像が得られるのであるが、これらの差画像３４ａ、３４ｂ、３４ｃには正規のパターンは含まれておらず、欠陥、異物、パターン異常のみが入っていることになる。すなわち、一つの差画像には工程の異常が集約されていると考えられる。したがって、各工程別の差画像を観察し、あるいは工程間で差画像を比較することによって、不良原因を推定することが容易となる。

なお、本実施の形態においては、多層の回路基板を例として説明したが、他に半導体装置、ディスプレイデバイスの不良解析にも用いることができる。この場合には、パターンが微細になるため光学顕微鏡、電子顕微鏡その他の微細構造を撮影することができる機器を用いることになるが、基本的な画像データの処理、不良解析方法は全く同じである。

なお、複数の工程からなる半導体装置、回路基板、ディスプレイデバイスなどの製造方法に、実施の形態１の不良解析方法を適用することによって、各製造工程における工程条件の変動を容易に把握することができ、常に工程を安定に維持することができる。

（実施の形態２）
図８は、本発明の実施の形態２における不良解析方法の基本を説明する工程フローである。図８において、Ｓ０１、Ｓ０２、Ｓ０３は図１に示したステップと同じである。得られた良品画像集合、不良品画像集合を用いてステップＳ０６以降を進めることになる。実施の形態２では、設計データを活用している点が実施の形態１と異なる点である。

まずステップＳ０６で、不良品について設計データより不良経路を推定する。次に、ステップＳ０７で、不良経路に対応する不良品画像を抽出する。次に、ステップＳ０８で、不良品画像の集合から抽出した画像を画像表示装置に表示する。次に、ステップＳ０９で、画像を観察し、解析する。

図８は基本形であって、不良解析を効率化するために種々のステップの追加が考えられるが、それらについては以下に示す具体例において説明する。

図９は、本実施の形態における回路基板の第１の不良解析方法を説明するブロック図である。実施の形態１では、画像データを処理する前または処理した後に比較し、そして観察することによって不良解析を行っている。これに対して、実施の形態２では検査で不良と判定された回路基板について設計データをもとに不良の発生した経路上の画像を抽出し、解析の効率を上げるようにしたものである。

まず、実施の形態１と同様な方法により、良品画像集合１１ａ、１１ｂ、１１ｃ、不良品画像集合１２ａ、１２ｂ、１２ｃを含む全画像集合１０を得る。

一方、検査で不良と判定された不良品回路基板２５を検査装置３５で精査する。例えば、Ａ−Ｂ間の導通に異常（例えば、断線）がある場合を考えると、そのデータと設計データ３７とを比較することにより積層構造３６が得られる。積層構造３６に示した符号（１）、符号（２）、符号（３）はそれぞれ工程１、工程２、工程３で形成された配線パターンとする。この段階では、積層構造３６におけるいずれかに不良原因があることまでは判明するが、断線３８の場所を同定するには至らない。

次に、この結果にもとづいて、工程１における不良品画像集合１２ａから対応する不良品画像２３ａ（配線パターン（１）に対応）を、不良品画像集合１２ｂから対応する不良品画像２３ｂ（配線パターン（２）に対応）を、不良品画像集合１２ｃから不良品画像２３ｃ（配線パターン（３）に対応）をそれぞれ抽出する。これらの不良品画像２３ａ、２３ｂ、２３ｃを解析することにより断線３８の場所を明確にすることができ、不良原因がさらに詳しく判明する。なお、不良品画像２３ａ、２３ｂ、２３ｃ以外に図４、図５に示す差画像、さらには図６、図７に示す差画像をまず抽出して観察することにより、さらに不良解析を効率化することができる。

次に実施の形態２における不良解析方法の他の例について説明する。

図１０は、本実施の形態における回路基板の第２の不良解析方法を説明するブロック図である。基本的には図９に示す第１の不良解析方法と同じであり、異なる点についてのみ説明する。

積層構造３６を得るところまでは、図９に示す第１の方法と同じであるが、異なる点は下記の通りである。検査によってＡ−Ｂ間に断線３８があることが判明した場合、上記の第１の方法と同様な方法により、不良品画像２３ａ（配線パターン（１）に対応）、不良品画像２３ｂ（配線パターン（２）に対応）、および不良品画像２３ｃ（配線パターン（３）に対応）をそれぞれ抽出する。次に、設計データ３７から配線パターン図３９ａ、３９ｂ、３９ｃを作成する。また検査結果にもとづいて、工程１における不良品画像集合１２ａから対応する不良品画像２３ａ（配線パターン（１）に対応）を、不良品画像集合１２ｂから対応する不良品画像２３ｂ（配線パターン（２）に対応）を、不良品画像集合１２ｃから不良品画像２３ｃ（配線パターン（３）に対応）をそれぞれ抽出する。次に、配線パターン図３９ａ、３９ｂ、３９ｃから不良品画像２３ａ、２３ｂ、２３ｃをそれぞれ差し引いた差画像４０ａ、４０ｂ、４０ｃを生成する。これらの差画像４０ａ、４０ｂ、４０ｃでは、通常の配線パターンは設計データ３７から生成した配線パターン図３９ａ、３９ｂ、３９ｃで差し引かれており、異常部分、すなわち断線３８が強調されて表示される。そのために、一瞥して不良箇所が判明し、またその原因を究明することも容易になる。

なお、実施の形態２においては、多層の回路基板を例として説明したが、他に半導体装置、ディスプレイデバイスの不良解析にも用いることができる。この場合には、パターンが微細になるため光学顕微鏡、電子顕微鏡その他の微細構造を撮影することができる機器を用いることになるが、基本的な画像データの処理、不良解析方法は全く同じである。

なお、複数の工程からなる半導体装置、回路基板、ディスプレイデバイスなどの製造方法に、実施の形態２の不良解析方法を適用することによって、各製造工程における工程条件の変動を容易に把握することができ、常に工程を安定に維持することができる。
（実施の形態３）
図１１は、本発明の実施の形態３における不良解析方法の基本を説明する工程フローである。図１１において、Ｓ０１、Ｓ０２、Ｓ０３は図１に示したステップと同じである。なお、実施の形態３では、ディスプレイデバイスの製造工程における不良解析方法を例として説明する。

まず実施の形態１と同様にステップＳ０１〜Ｓ０３を実行して、図２に示す全画像集合１０を得る。

次に、ステップＳ１１にしたがい、全画像集合１０の各画像について、画像特徴量を計算により求める。画像特徴量とは、画像全体の明るさの平均値、最大値、分散値や、良品状態の画像との差分演算により抽出された異物やパターン欠陥といった異常部分についての面積や円形度、周囲長等の各種特徴量データのことである。図１２に蓄積した２５個の画像の例を示す。なお、図１２における図形は模式的に表したものである。

また、（表１）に、図１２の各画像から計算された特徴量の一例を示す。（表１）において、第１欄の画像番号は図１２、図１３、図１４のそれぞれの画像に付した番号（画像番号）に同じである。また、特徴量Ａは面積、特徴量Ｂは最も明るい部分の階調、特徴量Ｃは最も暗い部分の階調、特徴量Ｄは円形度である。なお、円形度（Ｆ）は、面積をＳ、周囲長をＬとしたとき、Ｆ＝４πＳ／Ｌ^２で表され、Ｆが１に近いほど真円に近くなる。なお、面積Ｓは異常部分に含まれる画素数を数え、周囲長Ｌは異常部分の輪郭線の画素数を数える。この場合、周囲長Ｌの斜め方向の長さは輪郭線の画素数をルート２倍したものである。

次に、（表１）と図１２とを比較して説明する。例えば、図１２における画像番号４の画像に関しては、明部と中間部と暗部が存在しているため、（表１）において、特徴量Ｂ（明部の階調）＝２５５、特徴量Ｃ（暗部の階調）＝０となっている。また、図１２における画像番号５の画像に関しては、周辺部に暗部が存在しているため、（表１）において、特徴量Ｂ（明部の階調）＝２５５、特徴量Ｃ（暗部の階調）＝０となっている。

また、図１２における画像番号１７の画像に関しては、縦方向に明暗の移行はあるが、最も暗い部分でも中間階調にあり、（表１）の特徴量Ｃ（暗部の階調）＝１５０となっている。

次に、ステップＳ１２に従い、全画像集合１０の中から、作業者が画像を確認しながら注目する類似画像データを教示する。この際、教示した類似画像データに対し、作業者は、識別可能な任意の名称をつけることも可能である。図１３に、作業者が選択した画像例（すなわち、教示する注目画像）を黒枠で囲んで示す。この場合、画像番号４と７を選択したことを示している。

次に、ステップＳ１３に従い、教示した類似画像データの特徴量を元に、注目画像の類似画像データを判別する条件を生成する。判別する条件の生成方法としては、注目する画像群の各特徴量の平均値と標準偏差値を計算し、各特徴量が、下限しきい値（＝平均値―ｎ×標準偏差）〜上限しきい値（＝平均値＋ｎ×標準偏差）の範囲に入る画像を類似画像とする。ここで、ｎは一定の定数であり、作業者により変更が可能である。この他に、画像間のユークリッド距離の大小により類似性を判別する方法等がある。

（表２）に、画像番号４と７から得られる平均値、標準偏差値、特徴量の下限しきい値および上限しきい値を示す。ここでは、ｎを２として計算している。

なお、（表２）の各特徴量の定義は、（表１）に示した特徴量の定義と同じである。

次に、ステップＳ１４にしたがい、上記判別条件により、全画像について分類実施する。すなわち、（表１）の各数値で、画像番号４、７、１４、１８、および２１が（表２）の下限しきい値と上限しきい値の間にあることがわかり、それらの画像が類似欠陥として分類される。その画像を図１４に黒枠で囲んで示した。なお、図１４は、本実施の形態において、生成された分類条件をもとに蓄積された画像データを再分類した一例を示す模式図である。

次に、ステップＳ１５にしたがい、画像種別毎の発生数を表示する。図１５に工程別の注目画像種の発生数を示す。これにより、工程２にて、注目画像種別が、大量発生していることがわかり、工程２のプロセス条件等の見直しを実施することが可能である。また、ステップＳ１６に示すように、画像分類から抽出した画像を表示し、ステップＳ１７に示すように画像解析を実行することができる。

また、図１６に示す様に、ロット別の注目画像種別の欠陥数を表示することで、注目欠陥種別の発生が始まったロットの特定が可能となる。ロットとは、製造工程における同一条件で製造される製品の単位であり、実際の製造の現場では、ロット毎に不良の発生の傾向が変わる場合がある。この例では、Lot003から注目画像種別の発生数が増加しており、Ｌｏｔ００３で変更された製造条件等の見直すことにより、早期の原因究明が可能となる。

また、工程毎に蓄積される画像は、最終検査や中間検査の良否結果を元に良品画像集合と設計データから不良経路と推定された経路である不良画像集合に分類されている。したがって、画像種別毎の不良画像集合との一致度を調べることによって最終検査や中間検査に影響を及ぼす致命欠陥の特定を実施することが可能である。

以上の不良解析方法をディスプレイデバイスの製造工程に応用した結果を（表３）に示す。（表３）は、ディスプレイデバイスの表示検査で点灯不良となった画素位置の画像種別毎の不良画像集合との一致度を工程別に示したものである。工程２で発生する画像種２や工程３で発生する画像種４が最終検査の不良画像集合との一致度が高いため、これらが致命欠陥であると推測される。

なお、実施の形態１、実施の形態２では、工程毎の全画像を蓄積することを前提としているが、実施の形態３のように、画像蓄積する前に画像特徴量の計算を実施し、各特徴量をしきい値判定し、保存対象と判定された画像のみを記憶手段（画像サーバ）に残すことで蓄積する画像の容量を減らすことも可能である。

また実施の形態３では、作業者により、同一画像種別として分類したい画像集合を教示することで新たな分類基準を生成している。しかしながら、最終検査や中間検査で不良となった不良画像集合を同一画像種別として分類したい画像集合として教示することにより、いっそう最終検査や中間検査に影響しやすい画像分類を実現することが可能である。

また実施の形態３では、作業者による教示により新たな分類基準を生成しているが、既分類基準で分類されない画像集合に対して、いくつかのクラスタに分割し、それぞれのクラスタの中では特徴量ベクトル同士の間の関連性が高く、異なるクラスタでは関連性が低くなるように、グループ分けを実施するといったことも可能である。

なお、複数の工程からなる半導体装置、回路基板、ディスプレイデバイスなどの製造方法に、実施の形態３の不良解析方法を適用することによって、各製造工程における工程条件の変動を容易に把握することができ、常に工程を安定に維持することができる。

さらに、実施の形態１から実施の形態３では、主に多層の回路基板や半導体装置等の電気的性能を有するデバイスを対象としたが、液晶やＰＤＰ等のディスプレイデバイスにおいても適用可能である。なお、本実施の形態の不良解析方法を適用することによって、各製造工程における工程条件の変動を容易に把握することができ、常に工程を安定に維持することができる。

（実施の形態４）
図１７は、本発明の実施の形態４における不良解析装置を説明するブロック図である。本実施の形態における不良解析装置は、製造工程毎に多層配線構造の主面を撮影する撮影部４１、演算部４３、記憶部４４、検査装置４５、および表示部４８を有している。

撮影部４１は、各工程終了後の回路基板４２の主面を撮影するものである。また検査装置４５は、回路基板４２を搭載するテーブル４６、プローブ４７を有している。

演算部４３は、画像同士の差画像を生成する差画像生成手段４３ａ、画像同士を重ね合わせるための重ね合わせ画像生成手段４３ｂ、記憶部４４から画像を抽出し表示部４８へ画像４９を送り出す画像抽出手段４３ｃ、設計データから基準となる基準画像を生成する基準画像生成手段４３ｄ等を有している。

また、記憶部４４は複数の領域に分割されており、例えば、第１の領域４４ａには差画像が格納され、第２の領域４４ｂには重ね合わせ画像が格納され、第３の領域４４ｃには個々の画像が格納され、第４の領域４４ｄには基準画像が格納される。

このような不良解析装置を用いることによって、実施の形態１から実施の形態３の不良解析方法を容易に実行することができる。

本発明の不良解析方法は、工程のばらつきや実力を反映した代表画像データの設定、およびその代表画像データと実画像データとを比較し、工程のばらつきや実力を考慮して不良解析を行うもので、今後ますますファインパターン化、薄型化、小型化が要求される多層配線構造の製造方法において効率よく不良解析を行うことができる。

本発明の実施の形態１における不良解析方法の基本を説明する工程フロー図 同実施の形態における回路基板の不良解析方法を説明するブロック図 同実施の形態における不良解析方法の画像データの整理方法を説明するブロック図 同実施の形態における不良解析方法の第１の画像データ処理方法を説明するブロック図 同実施の形態における不良解析方法の第２の画像データ処理方法を説明するブロック図 同実施の形態における不良解析方法の第３の画像データ処理方法を説明するブロック図 同実施の形態における不良解析方法の第４の画像データ処理方法を説明するブロック図 本発明の実施の形態２における不良解析方法の基本を説明する工程フロー図 同実施の形態における回路基板の第１の不良解析方法を説明するブロック図 同実施の形態における回路基板の第２の不良解析方法を説明するブロック図 本発明の実施の形態３における不良解析方法の基本を説明する工程フロー図 同実施の形態において蓄積された画像の一例を示す模式図 同実施の形態において教示した注目画像の一例を示す模式図 同実施の形態において生成された分類条件をもとに蓄積された画像データを再分類した一例を示す模式図 同実施の形態において注目画像種の工程別発生数を示す図 同実施の形態において注目画像種のロット別発生数を示す図 本発明の実施の形態４における不良解析装置を説明するブロック図 従来の不良解析方法の第１の例を説明するブロック図 従来の不良解析方法の第２の例を説明するブロック図

符号の説明

１ａ，１ｂ，１ｃ，４２ 回路基板（多層配線構造）
２ａ，２ｂ，２ｃ，６２ カメラ
３ａ，３ｂ，３ｃ 工程別画像
４ 演算手段
５ 記憶手段
６ 表示装置
７，３５、４５ 検査装置
８ 回路基板
９ ステージ
１０ 全画像集合
１０ａ，１０ｂ，１０ｃ （工程別の）全画像集合
１１ａ，１１ｂ，１１ｃ 良品画像集合
１２ａ，１２ｂ，１２ｃ 不良品画像集合
２１ 検査済グループ
２２ （工程１の）良品画像
２３ （工程１の）不良品画像
２３ａ，２３ｂ，２３ｃ 不良品画像
２４ （検査での）良品回路基板
２５ （検査での）不良品回路基板
２６ａ，２６ｂ，２６ｃ，２９ａ，２９ｂ，２９ｃ 代表画像
２７ａ，２７ｂ，２７ｃ，３０ａ，３０ｂ，３０ｃ 良品差画像集合
２８ａ，２８ｂ，２８ｃ，３１ａ，３１ｂ，３１ｃ 不良品差画像集合
３２ａ，３２ｂ，３２ｃ 良品重ね合わせ画像
３３ａ，３３ｂ，３３ｃ 不良品重ね合わせ画像
３４ａ，３４ｂ，３４ｃ，４０ａ，４０ｂ，４０ｃ 差画像
３５，５１ 検査装置
３６ 積層構造
３７ 設計データ
３８ 断線
３９ａ，３９ｂ，３９ｃ 配線パターン図
４１ 撮影部
４３，６９ 演算部
４３ａ 差画像生成手段
４３ｂ 重ね合わせ画像生成手段
４３ｃ 画像抽出手段
４３ｄ 基準画像生成手段
４４ 記憶部
４４ａ 第１の領域
４４ｂ 第２の領域
４４ｃ 第３の領域
４４ｄ 第４の領域
４６ テーブル
４７ プローブ
４８ 表示部
４９ 画像
５０ 製造装置
５１ 検査装置
５２ 観察装置
５３ データベース格納部
５４ 不良解析装置
６０ 移動ステージ
６１ プリント基板
６３ 画像取り込み手段
６４ 良品画像記憶手段
６５ シフト画像生成手段
６６ 欠陥検査手段
６７ 境界線抽出手段
６８ 高速画像処理装置

Claims (19)

1. 多層配線構造の配線層の形成工程毎に前記多層配線構造の主面を撮影し、工程別画像を記憶手段に格納するステップと、
   前記多層配線構造の製品を検査し、良品と不良品とに分別するステップと、
   検査で良品と判定された製品の前記工程別画像は良品画像とし、不良品と判定された製品の前記工程別画像は不良品画像として前記配線層の形成工程毎に良品画像集合と不良品画像集合を生成し、前記記憶手段に格納するステップと、
   前記良品画像集合または前記不良品画像集合から画像を抽出し表示装置に表示するステップと、
   前記表示装置に表示された画像を観察して不良解析を行うステップとを有する多層配線構造の不良解析方法。
2. あらかじめ設定した代表画像と前記良品画像集合中の前記工程別画像との差、および前記代表画像と前記不良品画像集合中の前記工程別画像との差を求めて、それぞれ良品差画像集合および不良品差画像集合を生成し、前記記憶手段に格納するステップと、
   前記良品差画像集合または前記不良品差画像集合から画像を抽出し、前記表示装置に表示するステップとをさらに付加したことを特徴とする請求項１に記載の多層配線構造の不良解析方法。
3. 前記代表画像が、前記良品画像集合のなかの前記工程別画像から任意に選択された１枚であることを特徴とする請求項２に記載の多層配線構造の不良解析方法。
4. 前記代表画像が、前記良品画像集合中の前記工程別画像を重ね合わせ、かつ重ね合わせた画像枚数で平均化処理した画像であることを特徴とする請求項２に記載の多層配線構造の不良解析方法。
5. 前記良品差画像集合を重ね合わせて良品重ね合わせ画像を生成し、前記不良品差画像集合を重ね合わせて不良品重ね合わせ画像を生成し、それぞれを前記記憶手段に格納するステップと、
   前記良品重ね合わせ画像と前記不良品重ね合わせ画像とを重ね合わせて全重ね合わせ画像を生成し、前記記憶手段に格納するステップと、
   前記全重ね合わせ画像を前記表示装置に表示するステップとをさらに付加したことを特徴とする請求項２に記載の多層配線構造の不良解析方法。
6. 前記良品差画像集合を重ね合わせて良品重ね合わせ画像を生成し、前記不良品差画像集合を重ね合わせて不良品重ね合わせ画像を生成して前記記憶手段に格納するステップと、
   前記良品重ね合わせ画像と前記不良品重ね合わせ画像の差画像を生成し、前記記憶手段に格納するステップと、
   前記良品重ね合わせ画像と前記不良品重ね合わせ画像との差画像を前記表示装置に表示するステップをさらに付加したことを特徴とする請求項２に記載の多層配線構造の不良解析方法。
7. 前記検査で不良品と判定された前記多層配線構造について、設計データをもとに不良経路を推定するステップと、
   前記不良品画像集合から前記不良経路に対応する前記不良品画像を抽出するステップと、
   抽出された前記不良品画像を前記表示装置に表示するステップとをさらに付加したことを特徴とする請求項１に記載の多層配線構造の不良解析方法。
8. 設計データから基準画像を生成するステップと、
   前記基準画像と前記不良品画像との差画像を生成し記憶手段に格納するステップと、
   前記基準画像と前記不良品画像との差画像を前記表示装置に表示するステップとをさらに付加したことを特徴とする請求項１に記載の多層配線構造の不良解析方法。
9. 前記記憶手段に格納された良品画像集合および不良品画像集合の少なくとも一方に含まれる画像データの特徴量を抽出するステップと、
   抽出された特徴量データを元に画像分類を実施するステップと、
   画像分類された種別毎に、形成工程毎の良品画像集合と不良品画像集合の発生数を集計するステップとをさらに付加したことを特徴とする請求項１に記載の多層配線構造の不良解析方法。
10. 前記抽出された特徴量データを元に画像分類を実施するステップが、
    不良品画像集合に分類された画像が同一画像として分類される画像分類カテゴリを判定する条件を生成するステップを有することを特徴とする請求項９に記載の多層配線構造の不良解析方法。
11. 前記抽出された特徴量データを元に画像分類を実施するステップが、
    分類対象とすべき代表画像を１枚以上教示するステップと、
    教示された代表画像から、画像分類カテゴリを判定する条件を生成するステップを有することを特徴とする請求項９または請求項１０に記載の多層配線構造の不良解析方法。
12. 前記記憶手段に格納された良品画像集合および不良品画像集合の少なくとも一方に含まれる画像データの特徴量を抽出するステップと、
    抽出された特徴量データを元に画像分類を実施するステップと、
    画像分類された種別毎に、前記ステップで抽出された不良経路に対応する不良画像集合の発生数を集計するステップを有することを特徴とする請求項７に記載の多層配線構造の不良解析方法。
13. 前記抽出された特徴量データを元に画像分類を実施するステップが、
    抽出された不良経路に対応する不良画像集合に分類された画像が同一画像として分類されるための判定条件を生成するステップを有することを特徴とする請求項１２に記載の多層配線構造の不良解析方法。
14. 多層配線構造の配線層の形成工程毎に前記多層配線構造の主面を撮影する撮影部と、
    撮影された工程別画像を格納する第１の記憶部と、
    最終工程後に前記多層配線構造の製品を検査して、良品と不良品とに分別する検査部と、
    検査で良品と判定された製品の前記工程別画像は良品画像とし、不良品と判定された製品の前記工程別画像は不良品画像として前記配線層の形成工程毎に良品画像集合と不良品画像集合に分類する演算部と、
    前記良品画像集合と前記不良品画像集合を前記配線層の形成工程別に記憶させておく第２の記憶部と、
    前記良品画像集合または前記不良品画像集合から抽出した指定の前記工程別画像を表示する画像表示部とを有する多層配線構造の不良解析装置。
15. 前記演算部に、あらかじめ設定した代表画像と前記良品画像集合中の前記工程別画像との差、および前記代表画像と前記不良品画像集合中の前記工程別画像との差を求めて、それぞれ良品差画像集合および不良品差画像集合を生成するための差画像生成手段を付加したことを特徴とする請求項１４に記載の多層配線構造の不良解析装置。
16. 前記演算部に、前記良品差画像集合を重ね合わせて良品重ね合わせ画像を生成し、かつ、前記不良品差画像集合を重ね合わせて不良品重ね合わせ画像を生成するための重ね合わせ画像生成手段を付加したことを特徴とする請求項１４に記載の多層配線構造の不良解析装置。
17. 前記演算部に、前記良品重ね合わせ画像と前記不良品重ね合わせ画像との差画像を生成するための総合差画像生成手段を付加したことを特徴とする請求項１６に記載の多層配線構造の不良解析装置。
18. 前記演算部に、検査によって不良と判定された前記多層配線構造について、設計データをもとに不良経路を推定する不良経路推定手段と、前記不良品画像集合から前記不良経路に対応する前記不良品画像を抽出する手段とを付加したことを特徴とする請求項１４に記載の多層配線構造の不良解析装置。
19. 前記演算部に、設計データから基準画像を生成する設計基準画像生成手段を付加したことを特徴とする請求項１４に記載の多層配線構造の不良解析装置。

Images