JP2006284522A - 歩留予測装置、不良率予測装置、外観検査装置、歩留予測方法、及び不良率予測方法 - Google Patents

Abstract

【課題】 試料の表面を撮像して得られた撮像画像から試料の欠陥を検出する外観検査の際に、検査対象である試料の歩留を予測することが可能な歩留予測装置及び歩留予測方法を提供する。
【解決手段】 歩留予測装置を、外観検査に使用される撮像画像から得られる試料３に関する複数種の特徴量を、算出及び／又は取得する特徴量算出／取得手段２１と、各特徴量毎に特徴量に応じて予想歩留をそれぞれ算出する予想歩留算出手段２２と、試料３の歩留に対して各特徴量毎に予め定めた相関関係に基づいて重み付けを決定し、各予想歩留の重み付けを行って試料３の歩留を求める総合歩留算出手段２３と、を備えて構成する。
【選択図】 図３

Description

本発明は、試料の表面を撮像して得た撮像画像からこの試料の歩留を予測する歩留予測装置及び歩留予測方法に関し、特に、半導体製造工程で半導体ウエハ上に形成した半導体回路パターンや、液晶表示パネルの欠陥を検出する外観検査に使用され、かかる外観検査に使用された撮像画像から、この試料の歩留を予測する歩留予測装置及び歩留予測方法、並びにこのような歩留予測装置を備える外観検査装置に関する。

形成したパターンを撮像して画像データを生成し、画像データを解析してパターンの欠陥の有無などを検査することが広く行われている。特に、半導体製造の分野では、フォトマスクを検査するフォトマスク検査装置や半導体ウエハや、液晶表示パネルの上に形成したパターンを検査する外観検査装置が広く使用されている。以下本明細書では、半導体製造工程で半導体ウエハ上に形成した半導体回路パターンの欠陥を検出する外観検査装置（インスペクションマシン）と、この外観検査装置に使用される半導体ウエハの歩留予測装置を例として説明を行なうが、本発明はこれに限定されるものではない。

また、一般の外観検査装置は、対象表面を垂直方向から照明してその反射光の像を捕らえる明視野検査装置であるが、照明光を直接捕らえない暗視野検査装置も使用されている。暗視野検査装置の場合、対象表面を斜め方向又は垂直方向から照明して正反射は検出しないようにセンサを配置し、照明光の照射位置を順次走査することにより対象表面の暗視野像を得る。従って、暗視野装置ではイメージセンサを使用しない場合もあるが、これも当然発明の対象である。
このように、試料の表面を撮像して得た撮像画像から試料の外観を検査する外観検査装置、並びにこのような外観検査装置に使用される試料の歩留予測装置及び方法であれば、どのような装置及び方法にも適用可能である。

半導体製造工程では、半導体ウエハ上に多数のチップ（ダイ）を形成する。各ダイには何層にも渡ってパターンが形成される。完成したダイは、プローバとテスタにより電気的な検査が行われ、不良ダイは組み立て工程から除かれる。半導体製造工程では、歩留が非常に重要であり、上記の電気的な検査の結果は製造工程にフィードバックされて各工程の管理に使用される。
しかし、半導体製造工程は多数の工程で形成されており、製造を開始してから電気的な検査が行われるまで非常に長時間を要する。このため電気的な検査により工程に不具合があることが判明した時には既に多数のウエハは処理の途中であり、検査の結果を歩留の向上に十分に生かすことができない。
そこで、途中の工程で形成したパターンを検査して欠陥も検出するパターン欠陥検査などの外観検査が行われる。全工程のうちの複数の工程でパターン欠陥検査を行なえば、前の検査の後で発生した欠陥を検出することができ、検査結果を迅速に工程管理に反映することができる。

図１に、本特許出願の出願人が、特願２００３−１８８２０９（下記特許文献１）にて提案する外観検査装置のブロック図を示す。図示するように、２次元又は３次元方向に自在に移動可能なステージ１の上面に試料台（チャックステージ）２が設けられている。この試料台の上に、検査対象となる半導体ウエハ３を載置して固定する。ステージの上部には１次元又は２次元のＣＣＤカメラなどを用いて構成される撮像装置４が設けられており、撮像装置４は半導体ウエハ３上に形成されたパターンの画像信号を発生させる。

図２に示すように、半導体ウエハ３上には、複数のダイ３Ａが、Ｘ方向とＹ方向にそれぞれ繰返し、マトリクス状に配列されている。各ダイには同じパターンが形成されるので、隣接するダイの対応する部分の画像を比較するのが一般的である。両方のダイに欠陥がなければグレイレベル差は閾値より小さいが、一方に欠陥があればグレイレベル差は閾値より大きくなる（シングルディテクション）。これではどちらのダイに欠陥があるか分からないので、更に異なる側に隣接するダイとの比較を行ない、同じ部分のグレイレベル差が閾値より大きくなればそのダイに欠陥があることが分かる（ダブルディテクション）。

撮像装置４は１次元のＣＣＤカメラを備え、カメラが半導体ウエハ３に対してＸ方向又はＹ方向に一定速度で相対的に移動（スキャン）するようにステージ１を移動する。画像信号は多値のディジタル信号（グレイレベル信号）に変換された後、差分検出部６に入力されると共に、信号記憶部５に記憶される。スキャンにより隣のダイのグレイレベル信号が生成されると、それに同期して信号記憶部５に記憶された前のダイのグレイレベル信号を読み出し、差分検出部６に入力する。実際には微小な位置合わせ処理などが行われるがここでは詳しい説明は省略する。

差分検出部６には隣接する２個のダイのグレイレベル信号が入力され、２つのグレイレベル信号の差（グレイレベル差）が演算されて検出閾値計算部７と検出部８に出力される。ここでは、差分検出部６は、グレイレベル差の絶対値を算出し、それをグレイレベル差として出力する。検出閾値計算部７は、グレイレベル差から検出閾値を決定し、検出部８に出力する。検出部８は、グレイレベル差を決定された閾値と比較し、欠陥かどうかを判定する。

半導体パターンは、メモリセル部、論理回路部、配線部、アナログ回路部などのパターンの種類に応じてノイズレベルが異なるのが一般的である。半導体パターンの部分と種類の対応関係は設計データにより分かる。そこで、例えば、検出閾値計算部７は部分毎に、その部分のグレイレベル差の分布に応じて検出閾値を自動的に決定し、検出部８は部分毎に決定された閾値で判定を行なう。

特開２００４−１７７３９７号公報

半導体製造工程においても、各製品の不足や過剰生産が起こることを防ぐため、適切な量の製品が適切な時期に生産されるように生産量を調整するが、その際には製品歩留が考慮される。しかしながら、従来の外観検査装置では、各工程においてウエハ上に存在する欠陥を検出することはできても、検査対象のウエハ上に形成されたダイ等の製品の歩留を予測することができなかった。そのため、従来の半導体製造工程では、製造工程の途中において製造中の製品の歩留を予測して、生産量を調整することができなかった。

上記問題点に鑑み、本発明は、試料の欠陥を検出する外観検査の際に、検査対象である試料の歩留を予測することが可能な歩留予測装置及び歩留予測方法を提供することを目的とする。

歩留は、試料上に生じた欠陥の多寡に応じて増減する。したがって、外観検査の際に欠陥検出用に得られた試料の撮像画像を分析することによって、その試料の歩留を反映する特徴量を算出することが可能である。そして、かかる特徴量に応じて試料の予想歩留を算出することが可能である。
しかしながら、１種類の特徴量のみによって精度の高い予想を行うことは困難である。そこで、上記撮像画像から複数種の特徴量を算出し、それぞれの特徴量に応じて算出した予想歩留を、各特徴量毎に定めた、特徴量と歩留との間の相関関係に応じて重み付けを行って試料の歩留を算出することにより精度の高い予想を行うことが可能となる。

すなわち、本発明の第１形態に係る歩留予測装置は、試料の表面を撮像して得られた撮像画像から試料の欠陥を検出する外観検査に使用され、かつ、外観検査に使用される撮像画像から得られる、試料に関する複数種の特徴量を算出する特徴量算出手段と、各特徴量毎に特徴量に応じて予想歩留をそれぞれ算出する予想歩留算出手段と、試料の歩留に対して各特徴量毎に予め定めた相関関係に基づいて重み付けを決定し、各予想歩留の重み付けを行って試料の歩留を求める総合歩留算出手段と、を備えて構成される。上記歩留予測装置は、特徴量算出手段に代えて又はこれに加えて試料に関する上記複数種の特徴量を取得する特徴量取得手段を備えてもよい。

また、試料の同じ種類の不良は撮像画像上に同様の特徴を持って現れることが多いため、上記の歩留に代えて、上記撮像画像から得た特徴量から特定の種類の試料の不良について不良発生率を予想することも可能である。この場合、上記撮像画像から得た複数種の特徴量から所定の不良種類についての予想不良率を算出して、これら予想不良率を、各特徴量毎に定めた、特徴量と上記不良種類についての予想不良率との間の相関関係に応じて重み付けを行うことにより、不良種類毎の不良率を予想することが可能となる。

すなわち、本発明の第２形態に係る不良率予測装置は、試料の表面を撮像して得られた撮像画像から前記試料の欠陥を検出する外観検査に使用され、かつ外観検査に使用される撮像画像から得られる、試料に関する複数種の特徴量を算出する特徴量算出手段と、各特徴量毎に特徴量に応じて、所定の不良種類についての予想不良率をそれぞれ算出する予想不良率算出手段と、試料の所定の不良種類に対して各特徴量毎に予め定めた相関関係に基づいて重み付けを決定して各予想不良率の重み付けを行って試料の所定の不良種類についての不良率を求める総合歩留算出手段と、を備えて構成される。特徴量算出手段に代えて又はこれに加えて試料に関する上記複数種の特徴量を取得する特徴量取得手段を備えてもよい。

また、本発明の第３形態に係る外観検査装置は、上記歩留まり予測装置を備え、外観検査を行った試料の歩留を予測する。

さらに、本発明の第４形態に係る歩留予測方法は、試料の表面を撮像して得られた撮像画像から試料の欠陥を検出する外観検査の際に、外観検査に使用される撮像画像から得られる試料に関する複数種の特徴量と試料の歩留とのそれぞれの相関関係を予め定め、試料の撮像画像に基づき得られる複数種の特徴量を算出又は取得し、各特徴量毎に特徴量に応じて予想歩留をそれぞれ算出し、各相関関係に基づき決定される重み付けにより各予想歩留の重み付けを行って試料の歩留を求める。

さらにまた、本発明の第５形態に係る不良率予測方法は、試料の表面を撮像して得られた撮像画像から試料の欠陥を検出する外観検査の際に、外観検査に使用される撮像画像から得られる試料に関する複数種の特徴量と試料の所定の不良種類についての不良率とのそれぞれの相関関係を予め定め、試料の撮像画像に基づいて複数種の特徴量を算出又は取得し、各特徴量毎に特徴量に応じて所定の不良種類について予想不良率をそれぞれ算出し、各相関関係に基づき決定される重み付けによって各予想不良率の重み付けを行って試料の所定の不良種類についての不良率を求める。

上記の相関関係として、各特徴量と試料の歩留との間の相関係数をそれぞれ予め定めて記憶しておき、予想歩留の重み付けを、この記憶された相関係数に基づいて行うこととしてもよい。このような相関係数は、実際に作成された試料を観測して算出した特徴量と、この試料の実際の歩留に基づいて定めることが可能である。同様に、上記の相関関係として、各特徴量と試料の所定の不良種類の不良率との間の相関係数をそれぞれ予め定めて記憶しておき、予想不良率の重み付けを、この記憶された相関係数に基づいて行うこととしてもよい。このような相関係数は、実際に作成された試料を観測して算出した特徴量と、この試料に発生した所定の種類の不良発生率に基づいて定めることが可能である。

また、上記複数種の特徴量には、例えば、外観検査により検出された試料の総欠陥数、外観検査により検出された試料の欠陥の総面積、撮像画像のグレイレベル信号の平均値、撮像画像のノイズレベルの平均値などを使用することとしてよい。また、外観検査の際に行われる欠陥分類において、所定の分類に分類された欠陥数を使用することとしてよい。

本発明により、製造工程の途中において迅速に製品歩留を予測することができるため、効率的に生産量の調整を行うことを可能とする。

以下、添付する図面を参照して本発明の実施例を説明する。図３は、本発明の第１実施例の半導体パターン用外観検査装置の概略構成を示すブロック図である。図３に示す半導体パターン用外観検査装置は、図１を参照して説明した半導体パターン用外観検査装置と同様の構成を有しており、同一又は類似する構成要素については同一の参照番号を付し、また、同じ構成要素については詳しい説明を省略する。

図示するように、２次元又は３次元方向に移動可能なステージ１の上面には試料台２が設けられ、この試料台２の上に検査対象となる半導体ウエハ３を載置して固定する。ステージの上部にはＣＣＤカメラなどを用いて構成される撮像装置４が設けられており、撮像装置４は半導体ウエハ３上に形成されたパターンの画像信号を発生させる。
撮像装置４は、例えばＴＤＩ等の１次元のＣＣＤカメラを備え、カメラが半導体ウエハ３に対してＸ方向又はＹ方向に一定速度で相対的に移動（スキャン）するようにステージ１を移動する。画像信号は多値のディジタル信号（グレイレベル信号）に変換された後、信号記憶部５に順次記憶される。

また、半導体パターン用外観検査装置は、信号記憶部５に記憶されたウエハ３の撮像画像に基づきウエハ３の欠陥を検出する欠陥検出部１０を備える。図示する通り欠陥検出部１０は、差分検出部６と、検出閾値計算部７と、検出部８とを備える。
差分検出部６は、検査対象であるウエハ３上に形成されたダイについて既知の繰り返しピッチに基づいて、信号記憶部５に記憶された撮像画像における隣接する２個のダイ部分の画像について、対応する位置の各画素のグレイレベル信号を入力する。入力されると共に、スキャンにより隣のダイのグレイレベル信号が生成されると、実際には微小な位置合わせ処理などが行われるがここでは詳しい説明は省略する。

差分検出部６には隣接する２個のダイのグレイレベル信号が入力され、２つのグレイレベル信号の差（グレイレベル差）が演算されて検出閾値計算部７と検出部８に出力される。検出閾値計算部７は、グレイレベル差から検出閾値を決定し、検出部８に出力する。検出部８は、グレイレベル差を決定された閾値と比較して欠陥かどうかを判定し、欠陥である場合には、当該欠陥のあるダイ番号、ダイ内の位置情報、欠陥サイズ及び欠陥種類などの各パラメータを含む欠陥情報として出力する。
検出部８は、またこれら欠陥情報に含まれる各パラメータに各種演算を施して得られる分類分け情報を生成して、この分類分け情報を欠陥情報と併せて出力することにより、検出された欠陥を分類分けすることとしてもよい。このような分類分け情報は、自動欠陥分類（ADC: Auto Defect Classification）に使用される。

また、半導体パターン用外観検査装置は、前記外観検査に使用される撮像画像から得られる、ウエハ３に関する特徴量を算出して、この特徴量に基づいてウエハ３上に形成されたダイ３Ａの歩留を算出する歩留予測部２０を備える。

なお、以下の説明では、歩留予測部２０は、検査対象のウエハ３上に形成された複数ダイ３Ａの歩留を算出する場合を例として説明する。しかしながら本発明は、半導体パターン用外観検査装置のような、１つ検査対象（ウエハ３）上に最終的に個別に製品となる複数の製品（本例ではダイ３Ａ）が含まれる外観検査装置だけに使用されると限定されるものではない。
すなわち、本発明は、外観検査装置の撮像手段によって一度に撮像される１つの検査対象が、それ自身単体の製品となる場合においても適用可能である。かかる場合において歩留予測部２０は、検査した製品自体の歩留を算出するために使用することも可能である。
このとき歩留予測部２０によって算出される歩留は、例えば、当該製品について算出された特徴量と同じ特徴量を有する製品が複数ある場合に、それら複数の製品中における良品の存在割合を意味する。したがって複数の製品についてそれぞれ上記歩留を予測して、これら予測された歩留を累積することによって、これら複数の製品に関する歩留を算出することが可能となる。
また、上述のウエハ３上に形成されたダイ３Ａの例においても、特定のダイ３Ａを撮像した撮像画像の部分から当該ダイ３Ａに関する特徴量を算出又は取得して、かかる特徴量に基づいて当該ダイ３Ａについての良品確率を算出することとしてもよい。

図示するとおり、歩留予測部２０は、欠陥検出部１０による外観検査に使用するために信号記憶部５に記憶されたウエハ３の撮像画像から得られる、ウエハ３に関する所定の種類の特徴量を算出又は取得する特徴量算出／取得部２１と、この特徴量算出／取得部２１により算出又は取得された特徴量に応じて予想歩留をそれぞれ算出する予想歩留算出部２２と、予想歩留算出部２２により算出された予想歩留を、特徴量と試料の歩留との間に定められた相関係数に応じて重み付けを行って総合歩留を算出する総合歩留算出部２３を備える。

特徴量算出／算出部２１は、信号記憶部５に記憶されたウエハ３の撮像画像から、例えば撮像画像のグレイレベル信号の平均値、分散、最大値、最小値といった統計量や、撮像画像のノイズレベルなどの特徴量を、上記所定の特徴量として算出する。または特徴量算出／算出部２１は、検出部８が出力した欠陥情報を入力して、検出された欠陥の総欠陥数や欠陥の総面積、上記分類分け情報を特徴量として取得する。さらに、特徴量算出／算出部２１は、欠陥検出部１０による欠陥検出の際に使用された検出閾値を検出閾値計算部７から特徴量として取得することとしてよい。

特徴量算出／算出部２１は、１つのウエハ３について、上記の様々の特徴量のうち複数の種類についての特徴量を算出及び／又は取得する。そして予想歩留算出部２２は、これら複数の種類の特徴量毎に予想歩留をそれぞれ算出し、総合歩留算出部２３は、これら複数の特徴量のそれぞれとウエハ３の歩留との間のそれぞれ定められた相関関係に基づいて重み付けを決定する。

さらに、歩留予測部２０は、予想歩留算出部２２が特徴量に応じて予想歩留を算出する際に使用する近似式のパラメータと、総合歩留算出部２３の重み付け処理に使用する特徴量と歩留との間の相関係数とを、歩留の予測に先立って予め導出して記憶するための、相関係数／近似式導出部２４及び相関係数記憶部２５を備える。
相関係数／近似式導出部２４は、データ入力手段（図示せず）によって入力される、複数のウエハ３について実際に求めた歩留データと、これらウエハ３について特徴量算出／取得部２１によって算出された各特徴量と、に基づいて、特徴量から予想歩留を算出するために使用する所定の近似式のパラメータ、及び特徴量と実際の歩留との間の相関係数を、特徴量の種類毎に導出する。
導出された近似式のパラメータのパラメータは、予想歩留算出部２２に入力されて、予想歩留算出部２２が特徴量に応じて予想歩留を算出する際に使用される。また、導出された相関係数は相関係数記憶部２５に記憶されて、総合歩留算出部２３の重み付け処理を行う際に使用される。

以下、図４〜６を参照しながら、歩留予測部２０によるウエハ３の歩留予測方法を説明する。図４は、図３に示す歩留予測部２０の動作フローチャートである。
ステップＳ１において、相関係数／近似式導出部２４は、予想歩留算出部２２が使用する近似式のパラメータと、総合歩留算出部２３が使用する相関係数と、を算出する。相関係数／近似式導出部２４により行う近似が、回帰直線による直線近似である場合の例を図５を参照して説明する。図５の（Ａ）は、複数のウエハｗｉ（ｉ＝１〜ｎ）について実際に求めたそれぞれの歩留Ｙｉ（ｉ＝１〜ｎ）と、これらウエハＷｉについて特徴量算出／取得部２１によってそれぞれ算出又は取得された１つの種類の特徴量ｐｉ（ｉ＝１〜ｎ）と、の関係をプロットしたグラフである。

相関係数／近似式導出部２４は、１つの種類の特徴量ｐと実際の歩留Ｙとの間の関係を近似する近似直線、
Ｙ＝ａ×ｐ＋ｂ
に使用されるパラメータａ及びｂを、最小二乗法などによって導出する。相関係数／近似式導出部２４は、このような近似パラメータａ及びｂを、予想歩留を算出する際に使用される各種特徴量のそれぞれについて導出し予想歩留算出部２２に出力する。
さらに、相関係数／近似式導出部２４は、１つの種類の特徴量ｐと実際の歩留Ｙとの間の相関係数ｒを、次式（１）に基づいて算出する。

相関係数／近似式導出部２４は、またこのような相関係数ｒを、予想歩留を算出する際に使用される各種特徴量のそれぞれについて導出して相関係数記憶部２５内に記憶する。

ステップＳ２において、信号記憶部５にウエハ３の撮像画像が記憶され、また検出部８によって係るウエハ３についての欠陥情報が出力されると、特徴量算出／取得部２１は、これらウエハ３の撮像画像を入力する。及び／又は検出部８から出力される欠陥情報や、検出閾値計算部７から出力される検出閾値を、ウエハ３の撮像画像から得られた特徴量として取得する。
ステップＳ３において、特徴量算出／取得部２１は、ウエハ３の撮像画像に基づいて、この撮像画像のグレイレベル信号の平均値、分散、最大値、最小値などを、ウエハ３の撮像画像から得られた特徴量として算出する。このようにして算出又は取得された特徴量をｐｊ（ｊ＝１〜ｍ）と記す。

ステップＳ４において、予想歩留算出部２２は、各前記特徴量毎に、各特徴量ｐｊに基づいて、相関係数／近似式導出部２４が導出した近似パラメータに定まる近似式に従って、予想歩留ｙｊ（ｊ＝１〜ｍ）を各特徴量ｐｊ毎に算出する。ここで、各特徴量ｐｊに対して相関係数／近似式導出部２４が導出した近似パラメータを、ａｊ及びｂｊ（ｊ＝１〜ｍ）とすると、各特徴量ｐｊに関する予想歩留ｙｊは、
ｙｊ＝ａｊ×ｐｊ＋ｂｊ
によって算出される。

ステップＳ５において、総合歩留算出部２３は、各特徴量ｐｊについてそれぞれ算出した予想歩留ｙｊを、各特徴量ｐｊ毎に予め定めた相関係数記憶部２５に記憶された相関係数に応じて重み付けして、その重み付け和を総合歩留Ｙとして算出する。ここで相関係数／近似式導出部２４が、特徴量ｐｊに対して相関係数ｒｊ（ｊ＝１〜ｍ）を予め定めているとすると、総合歩留算出部２３は次式（２）によって総合歩留Ｙを算出する。

そして歩留予測部２０は、総合歩留Ｙをウエハ３について予測した歩留として出力する。

特徴量算出／取得部２１が特徴量を算出及び取得するために使用される撮像画像の領域は、ウエハ３の全面に限らずウエハの一部分としてもよい。例えば、所定の又はそれぞれのダイ３Ａを撮像した撮像画像に基づいて、特徴量を算出及び取得することとしてよい。
さらに、特徴量を算出及び取得する領域を、例えばウエハ３の中心部と外周部とに分割してもよい。このとき、各種特徴量のそれぞれについて導出する上記相関関数と近似式とを分割されたそれぞれの領域毎に別個に定めてもよい。そして、各領域において算出及び取得された特徴量に基づいて、各領域について導出された上記相関関数と近似式とにそれぞれ従い総合歩留Ｙを算出することとしてもよい。

図５を参照して説明した上記の近似式及び相関係数の導出では、特徴量から予想歩留を算出する際に使用する近似式に、回帰直線による直線近似を使用した。しかし、本発明はこれに限定されるものではなく他の様々な種類の近似式を使用することが可能である。
以下、予想歩留算出部２２が予想歩留ｙｊを算出する際に、予め定められた任意の関数ｆｊを使用する場合について図６を参照して説明する。

図４に示すフローチャートのＳ１において、図６の（Ａ）に示すように、複数のウエハｗｉ（ｉ＝１〜ｎ）について実際に求めたそれぞれの歩留Ｙｉ（ｉ＝１〜ｎ）と、これらウエハ３について特徴量算出／取得部２１によって算出又は取得された１つの種類の特徴量ｐｉ（ｉ＝１〜ｎ）が与えられたとき、相関係数／近似式導出部２４は、最小二乗法などによって上記所定の関数ｆｊに使用されるパラメータを算出して、特徴量ｐと歩留Ｙとの間の関係を近似する近似関数を導出することができる（図６の（Ｂ））。
相関係数／近似式導出部２４は、近似関数の導出は複数の種類の特徴量ｐｊについてそれぞれ行い、このようにして導出された近似式を一般に、
ｙｊ＝ｆｊ（ｐｊ） （ｊ＝１〜ｍ） （３）
と記す。

さらに、相関係数／近似式導出部２４は、各特徴量ｐｊと実際の歩留Ｙｊとの間の相関係数ｒを、以下の通り導出する。
まず、相関係数／近似式導出部２４は、各特徴量ｐｊについて導出された近似関数ｆｊを用いて、近似関数ｆｊを導出する際に算出又は取得した各ウエハＷｉについての特徴量ｐｉに対する予想歩留ｙｉｊ＝ｆｊ（ｐｉ） （ｉ＝１〜ｎ，ｊ＝１〜ｍ）を算出する。
図６の（Ｃ）は、複数のウエハｗｉ（ｉ＝１〜ｎ）に係る実際の歩留Ｙｉと、上記のとおり算出された予想歩留ｙｉｊとの関係を、１つの種類の特徴量ｐｊに関してプロットしたグラフである。

そして、相関係数／近似式導出部２４は、各特徴量ｐｊと実際の歩留Ｙとの間の相関係数ｒｊを、次式（４）に基づいて算出する。

近似関数ｆｊ（ｐｊ）が、特徴量ｐｊと実際の歩留Ｙとの間を良く近似している場合、図６の（Ｄ）に示すように、予想歩留ｙｉｊと実際の歩留Ｙｉとの関係は正比例となり、相関係数ｒｊも大きくなるが、近似関数ｆｊ（ｐｊ）による近似が良好でない場合には、予想歩留ｙｉｊと実際の歩留Ｙｉの間の相関関係は弱くなり、相関係数ｒｊは小さくなる。
したがって、予想歩留算出部２２が、予想歩留ｙｊを任意の近似関数ｆｊによって算出する場合でも、上式（４）によって算出した相関係数を使用することにより、総合歩留算出部２３は予想歩留ｙｊを適正に重み付けすることができる。

また総合歩留算出部２３による、各特徴量ｐｊについてそれぞれ算出した予想歩留ｙｊを重み付け処理は、上式（２）のような重み付け和の算出のみに限定されるものではなく。上記総合歩留Ｙを算出するために適切ないかなる重み付け処理を採用することが可能である。したがって、上式（２）を一般化すると、
Ｙ＝ｇ（ｙ１，ｙ２，…ｙｍ，ｒ１，ｒ２，…ｒｍ） （５）
と表記することが可能である。ここに関数ｇは、相関係数ｒｊ（ｊ＝１〜ｍ）によって予想歩留ｙｊ（ｊ＝１〜ｍ）の重み付けを行う任意の重み付け関数である。

上式（３）に示すように、予想歩留ｙｊは特徴量ｐｊの関数値であるから、結局、総合歩留Ｙの算出は、
Ｙ＝ｇ（ｆ１（ｐ１），ｆ２（ｐ２），…ｆｊ（ｐｊ），ｒ１，ｒ２，…ｒｍ）
＝ｈ（ｐ１，ｐ２，…ｐｊ，ｒ１，ｒ２，…ｒｍ）
と一般化してもよい。すなわち、歩留予測部２０は、撮像画像に基づいて取得した複数種の特徴量ｐｊと、各特徴量ｐｊと試料の歩留Ｙとの間にそれぞれ予め定められた相関関係ｒ１と、に基づいて試料の歩留を求めることとしてもよい。

図７は、本発明の第２実施例の半導体パターン用外観検査装置の概略構成を示すブロック図である。図７に示す半導体パターン用外観検査装置もまた、図１を参照して説明した半導体パターン用外観検査装置と同様の構成を有しており、同一又は類似する構成要素については同一の参照番号を付し、また、同じ構成要素については詳しい説明を省略する。

半導体パターン用外観検査装置は、前記外観検査に使用される撮像画像から得られる特徴量をダイ３Ａ毎に関する特徴量を算出して、この特徴量に基づいて当該ダイ３Ａの所定の不良種類についての不良率（不良確率）を算出する不良率予測部５０を備える。

不良率予測部５０は、欠陥検出部１０による外観検査に使用するために信号記憶部５に記憶されたウエハ３の撮像画像から得られる、各ダイ３Ａに関する所定の種類の特徴量を算出又は取得する特徴量算出／取得部５１と、この特徴量算出／取得部５１により算出又は取得された特徴量に応じて所定の不良種類についての予想不良率をそれぞれ算出する予想不良率算出部５２と、予想不良率算出部５２により算出された予想不良率を、特徴量と上記不良種類についての不良率との間に定められた相関係数に応じて重み付けを行って総合不良率を算出する総合不良率算出部５３を備える。

予想不良率算出部５２が算出する予想不良率の不良種類の例としては、各ダイ３Ａの電源線の不良によるＤＣ不良や、各ダイ３Ａの一部の機能不全などであるファンクション不良などがある。また、予想不良率算出部５２及び総合不良率算出部５３は、これら様々な不良種類の複数種類毎に各予想不良率をそれぞれ算出することとしてよい。

特徴量算出／算出部５１は、信号記憶部５に記憶された撮像画像のうち各ダイ３Ａに対応する画像部分から、例えば撮像画像のグレイレベル信号の平均値、分散、最大値、最小値といった統計量や、撮像画像のノイズレベルなどの特徴量を、上記所定の特徴量として算出する。または特徴量算出／算出部５１は、検出部８が出力した欠陥情報を入力して、当該ダイ３Ａの領域において検出された欠陥の総欠陥数や欠陥の総面積、上記分類分け情報を特徴量として取得する。さらに、特徴量算出／算出部５１は、欠陥検出部１０による当該ダイ３Ａの領域における欠陥検出の際に使用された検出閾値を検出閾値計算部７から特徴量として取得することとしてよい。

特徴量算出／算出部５１は、各ダイ３Ａについて、上記の様々の特徴量のうち複数の種類についての特徴量を算出及び／又は取得する。そして予想不良率算出部５２は、これら複数の種類の特徴量毎に所定の不良種類の予想不良率をそれぞれ算出する。そして総合不良率算出部５３は、これら複数の特徴量のそれぞれと、所定の不良種類についてのダイ３Ａの不良率との間のそれぞれ定められた相関関係に基づいて重み付けを決定する。

さらに、不良率予測部５０は、予想不良率算出部５２が特徴量に応じて予想不良率を算出する際に使用する近似式のパラメータと、総合不良率算出部５３の重み付け処理に使用する特徴量と不良率との間の相関係数とを、不良率の予測に先立って予め導出して記憶するための、相関係数／近似式導出部５４及び相関係数記憶部５５を備える。

相関係数／近似式導出部５４は、データ入力手段（図示せず）によって入力される、複数のダイ３Ａについて実際に求めた不良率データと、これらダイ３Ａについて特徴量算出／取得部５１によって算出された各特徴量と、に基づいて、特徴量から予想不良率を算出するために使用する所定の近似式のパラメータ、及び特徴量と実際の不良率との間の相関係数を、特徴量の種類毎に導出する。
導出された近似式のパラメータのパラメータは、予想不良率算出部５２に入力されて、予想不良率算出部５２が特徴量に応じて予想不良率を算出する際に使用される。また、導出された相関係数は相関係数記憶部５５に記憶されて、総合不良率算出部５３の重み付け処理を行う際に使用される。

予想不良率算出部５２による所定の不良種類についての予想不良率の算出は、図３を参照して上述した第１実施例に係る予想歩留算出部２２による予想歩留の算出と同様に行うこととしてよい。
すなわち、予想不良率算出部５２は、各前記特徴量毎に、各特徴量に基づいて、相関係数／近似式導出部５４が導出した近似パラメータによって定まる近似式に従って、所定の不良種類についての不良率を各特徴量毎に算出する。このとき、複数の不良種類についての不良率を算出する場合には、各特徴量毎及び各不良種類毎に予想不良率を算出する。

また、総合不良率算出部５３による各予想不良率の重み付けは、図３を参照して上述した第１実施例に係る総合歩留算出部２３による予想歩留の重み付けと同様に行うこととしてよい。
すなわち、総合不良率算出部５３は、各特徴量についてそれぞれ算出した予想不良率を、各特徴量毎に予め定めた相関係数記憶部５５に記憶された相関係数に応じて重み付けして、その重み付け和を総合不良率として算出する。このとき、複数の不良種類についての総合不良率を算出する場合には、各不良種類毎に予想不良率の重み付け和を算出して総合不良率を求める。

本発明は、試料の表面を撮像して得た撮像画像からこの試料の歩留を予測する歩留予測装置及び歩留予測方法に適用可能であり、特に、半導体製造工程で半導体ウエハ上に形成した半導体回路パターンや、液晶表示パネルの欠陥を検出する外観検査に使用され、かかる外観検査に使用された撮像画像から、この試料の歩留を予測する歩留予測装置及び歩留予測方法、並びにこのような歩留予測装置を備える外観検査装置に好適に適用可能である。

従来の外観検査装置の概略構成を示すブロック図である。 半導体ウエハ上のダイの配列を示す図である。 本発明の第１実施例の半導体パターン用外観検査装置の全体構成図である。 図３に示す歩留予測部の動作フローチャートである。 近似関数及び相関係数の導出方法の説明図（その１）である。 近似関数及び相関係数の導出方法の説明図（その２）である。 本発明の第２実施例の半導体パターン用外観検査装置の全体構成図である。

符号の説明

１ ステージ
２ 試料台
３ 半導体ウエハ
３Ａ ダイ
４ 撮像装置
５ 信号記憶部
１０ 欠陥検出部
２０ 歩留予測部
５０ 不良率予測部

Claims (18)

1. 試料の表面を撮像して得られた撮像画像から前記試料の欠陥を検出する外観検査に使用される、前記試料の歩留予測装置であって、
   前記外観検査に使用される前記撮像画像から得られる、前記試料に関する複数種の特徴量を算出する特徴量算出手段と、
   各前記特徴量毎に、前記特徴量に応じて予想歩留をそれぞれ算出する予想歩留算出手段と、
   前記試料の歩留に対して各前記特徴量毎に予め定めた相関関係に基づいて重み付けを決定し、各前記予想歩留の重み付けを行って前記試料の歩留を求める総合歩留算出手段と、
   を備えることを特徴とする歩留予測装置。
2. 試料の表面を撮像して得られた撮像画像から前記試料の欠陥を検出する外観検査に使用される、前記試料の歩留予測装置であって、
   前記外観検査に使用される前記撮像画像から得られる、前記試料に関する複数種の特徴量を取得する特徴量取得手段と、
   各前記特徴量毎に、前記特徴量に応じて予想歩留をそれぞれ算出する予想歩留算出手段と、
   前記試料の歩留に対して各前記特徴量毎に予め定めた相関関係に基づいて重み付けを決定し、各前記予想歩留の重み付けを行って前記試料の歩留を求める総合歩留算出手段と、
   を備えることを特徴とする歩留予測装置。
3. 各前記特徴量と前記試料の歩留とについて予め定めた相関係数をそれぞれ記憶する相関係数記憶部をさらに備え、
   重み付け処理手段は、前記相関係数記憶部に記憶した相関係数に基づいて、各前記予想歩留の重み付けを行う、
   ことを特徴とする請求項１又は２に記載の歩留予測装置。
4. 前記相関係数は、実際に作成された試料を観測して算出した前記特徴量と、該試料の実際の歩留に基づいて、予め定められ前記相関係数記憶部に記憶されることを特徴とする請求項３に記載の歩留予測装置。
5. 前記特徴量の種類には、前記外観検査により検出された前記試料の総欠陥数、前記外観検査により検出された前記試料の欠陥の総面積、前記撮像画像のグレイレベル信号の平均値、及び前記撮像画像のノイズレベルの平均値の少なくともいずれか一つを含むことを特徴とする請求項１又は２に記載の歩留予測装置。
6. 前記特徴量の種類には、前記外観検査の際に行われる欠陥分類において、所定の分類に分類された欠陥数を含むことを特徴とする請求項１又は２に記載の歩留予測装置。
7. 請求項１〜７のいずれか一項に記載の歩留予測装置を備え、外観検査を行った前記試料の歩留を予測することを特徴とする外観検査装置。
8. 試料の表面を撮像して得られた撮像画像から前記試料の欠陥を検出する外観検査に使用される、前記試料の不良率予測装置であって、
   前記外観検査に使用される前記撮像画像から得られる、前記試料に関する複数種の特徴量を算出する特徴量算出手段と、
   各前記特徴量毎に、前記特徴量に応じて、所定の不良種類についての予想不良率をそれぞれ算出する予想不良率算出手段と、
   前記試料の前記所定の不良種類に対して各前記特徴量毎に予め定めた相関関係に基づいて重み付けを決定し、各前記予想不良率の重み付けを行って前記試料の前記所定の不良種類についての不良率を求める総合不良率算出手段と、
   を備えることを特徴とする不良率予測装置。
9. 試料の表面を撮像して得られた撮像画像から前記試料の欠陥を検出する外観検査に使用される、前記試料の不良率予測装置であって、
   前記外観検査に使用される前記撮像画像から得られる、前記試料に関する複数種の特徴量を取得する特徴量取得手段と、
   各前記特徴量毎に、前記特徴量に応じて、所定の不良種類についての予想不良率をそれぞれ算出する予想不良率算出手段と、
   前記試料の前記所定の不良種類に対して各前記特徴量毎に予め定めた相関関係に基づいて重み付けを決定し、各前記予想不良率の重み付けを行って前記試料の前記所定の不良種類についての不良率を求める総合不良算出手段と、
   を備えることを特徴とする不良率予測装置。
10. 請求項８又は９に記載の不良率予測装置を備え、外観検査を行った前記試料の前記所定の不良種類についての不良率を予測することを特徴とする外観検査装置。
11. 試料の表面を撮像して得られた撮像画像から前記試料の欠陥を検出する外観検査の際に、
    前記外観検査に使用される前記撮像画像から得られる該試料に関する複数種の特徴量と、前記試料の歩留と、のそれぞれの相関関係を予め定め、
    前記試料の前記撮像画像に基づいて、前記複数種の特徴量を算出し、
    各前記特徴量毎に、前記特徴量に応じて予想歩留をそれぞれ算出し、
    各前記相関関係に基づき決定される重み付けによって、各前記予想歩留の重み付けを行って前記試料の歩留を求める、
    ことを特徴とする前記試料の歩留予測方法。
12. 試料の表面を撮像して得られた撮像画像から前記試料の欠陥を検出する外観検査の際に、
    前記外観検査に使用される前記撮像画像から得られる該試料に関する複数種の特徴量と、前記試料の歩留と、のそれぞれの相関関係を予め定め、
    前記試料の前記撮像画像に基づき得られる前記複数種の特徴量を取得し、
    各前記特徴量毎に、前記特徴量に応じて予想歩留をそれぞれ算出し、
    各前記相関関係に基づき決定される重み付けによって、各前記予想歩留の重み付けを行って前記試料の歩留を求める、
    ことを特徴とする前記試料の歩留予測方法。
13. 前記相関関係として、各前記特徴量と前記試料の歩留との間の相関係数をそれぞれ予め定めて記憶し、
    前記の予想歩留の重み付けを、記憶された前記相関係数に基づいて行う、
    ことを特徴とする請求項１１又は１２に記載の歩留予測方法。
14. 前記相関係数は、実際に作成された試料を観測して算出した前記特徴量と、該試料の実際の歩留に基づいて定められることを特徴とする請求項１３に記載の歩留予測方法。
15. 前記特徴量の種類には、前記外観検査により検出された前記試料の総欠陥数、前記外観検査により検出された前記試料の欠陥の総面積、前記撮像画像のグレイレベル信号の平均値、及び前記撮像画像のノイズレベルの平均値の少なくともいずれか一つを含むことを特徴とする請求項１１又は１２に記載の歩留予測方法。
16. 前記特徴量の種類には、前記外観検査の際に行われる欠陥分類において、所定の分類に分類された欠陥数を含むことを特徴とする請求項１１又は１２に記載の歩留予測方法。
17. 試料の表面を撮像して得られた撮像画像から前記試料の欠陥を検出する外観検査の際に、
    前記外観検査に使用される前記撮像画像から得られる該試料に関する複数種の特徴量と、前記試料の所定の不良種類についての不良率と、のそれぞれの相関関係を予め定め、
    前記試料の前記撮像画像に基づいて、前記複数種の特徴量を算出し、
    各前記特徴量毎に、前記特徴量に応じて、前記所定の不良種類について予想不良率をそれぞれ算出し、
    各前記相関関係に基づき決定される重み付けによって、各前記予想不良率の重み付けを行って前記試料の前記所定の不良種類についての不良率を求める、
    ことを特徴とする前記試料の不良率予測方法。
18. 試料の表面を撮像して得られた撮像画像から前記試料の欠陥を検出する外観検査の際に、
    前記外観検査に使用される前記撮像画像から得られる該試料に関する複数種の特徴量と、前記試料の所定の不良種類についての不良率と、のそれぞれの相関関係を予め定め、
    前記試料の前記撮像画像に基づき得られる前記複数種の特徴量を取得し、
    各前記特徴量毎に、前記特徴量に応じて、前記所定の不良種類について予想不良率をそれぞれ算出し、
    各前記相関関係に基づき決定される重み付けによって、各前記予想不良率の重み付けを行って前記試料の前記所定の不良種類についての不良率を求める、
    ことを特徴とする前記試料の不良率予測方法。

Images