JP2018518829A - 自動イメージに基づくプロセスモニタリングおよび制御 - Google Patents

Abstract

ウェハ製造プロセスの状態を画像に基づいて自動検出する方法およびデバイスが開示される。方法は有利には、画像の信号雑音比を強調するためにセグメントマスクを用いる。次に、プロセス非準拠性を予知するセグメントマスクとメトリックの１つ以上の組み合わせを決定するために、セグメントマスクの変動に関してメトリックが計算される。モデルは処理の結果として生成され得る。別の実施形態において、方法はモデルを用いてプロセスの準拠性をモニタリングする。

Description

本開示は、ウェハ製造プロセスのモニタリングおよび制御に関する。

ロジックおよびメモリデバイス等の半導体デバイスは典型的に、基板またはウェハに適用される一連の処理ステップによって製造される。半導体デバイスの種々の特徴および多数の構造レベルはこれらの処理ステップによって形成される。例えば、リソグラフィーは、半導体ウェハ上にパターンを生成することを含む半導体製造プロセスである。半導体製造プロセスの付加的な例は、限定はしないが化学機械研磨（ＣＭＰ）、エッチング、成膜およびイオン注入を含む。単一の半導体ウェハ上に多数の半導体デバイスが製造されて、次に個々の半導体デバイスに分離されてもよい。

より高い歩留まりを促進するため、ウェハ上の欠陥を検出するために、半導体製造プロセス中の種々のステップで検査プロセスが用いられる。デザインルールとプロセスウィンドウのサイズが縮小し続けるにつれ、検査システムは、高スループットを維持しながら、ウェハ表面上のより広範な物理的欠陥を撮像することを要求されている。

ウェハ製造プロセス制御は、典型的に、低速である高感応性の検査ツールを用いた低ウェハサンプリングに基づいて実行され、続いて走査電子顕微鏡（ＳＥＭ）を用いたレビューが行われる。場合によっては、プロセスモニタリングおよび制御は、学習に基づく方法によって達成され、その場合プロセスエンジニアは、保守が必要になるまでどの程度長くプロセスツールを使用できるかを学習する。このプロセスエンジニアリングに基づく手法は、インラインフィードバックがないためランダムな不具合が起こりやすい。これらの従来の技法両方において、問題が検出されるのは、プロセスツールに問題が起きて、検査で観察され得る欠陥を生じさせた後のみである。加えて、これらの技法は遅いため、ウェハサンプリングは低い。

従来の高スループット手法は感度と汎用性を欠く。例えば、従来の技法は、既知のパターンをウェハ上の予め規定された領域内で検出できる。

米国特許出願公開第２０１２／００５７７７３号

したがって、事前に知られていないパターンに基づく非準拠性を検出できる高スループットのプロセスモニタリングおよび制御へのニーズがある。

本開示は、マルチスペクトル、複数観点のウェハレベルおよびロットレベル情報のカスタマイズされた分析および分類による自動プロセス制御モニタリングを提供する。こうして、リソグラフィー、化学機械平坦化（ＣＭＰ）、フィルムおよびその他の半導体製造モジュール向けのプロセスの高スループットモニタリングが達成され得る。開示される技法は、インラインプロセス制御モニタリングを提供するために用いられ得る。開示の技法の別の用途は、工場内の、より低速であるが、より高分解能のキャラクタライゼーションツール向けのインテリジェントサンプリングを提供することである。従来、プロセスドリフトと制御を研究するためにランダムサンプリングが用いられている。本開示の実施形態によって可能になる高スループットにより、ランダムサンプリングをインテリジェントサンプリングで置き換えて、プロセスドリフトをモニタリングできる。

１つの方法では、ダイ、フィールドおよび／またはウェハレベルの画像は、雑音に対して信号を強調するために自動的にセグメント化される。次に、ダイ／フィールド／ウェハ内のセグメントにわたり信号メトリックが計算される。そして、結果として得られる単一ウェハ／単一ロット／多数ロット情報が、ロバスト性のために統合される。一実施形態では、モデル構築エンジンは、シングルまたはマルチスキャン、チャネル、ウェハおよびロット情報を消費してプロセスツールの状態を判定できる。

一実施形態では、プロセス状態（すなわち準拠性または非準拠性）を検出するためのデバイスが配設される。本発明の方法およびデバイスは、プロセスモジュールによって既に撮像された検査イメージングを有利に使用できる。

本発明の性質と目的をより完全に理解するために、添付の図面と併せた以下の詳細な説明を参照する。

本開示に係る方法の線図である。 ウェハが一組のダイを含む、ウェハのマクロデバッグ画像図である。 中央ダイと、その周囲のダイの一部の図である。 中央ダイの強度ヒストグラムである。 ５つの強度に基づくセグメントマスクを示す図である。 ５つの標準偏差に基づくセグメントマスクを示す図である。 ５つの主要コンポーネントに基づくセグメントマスクを示す図である。 セグメントマスク（列）とメトリック（行）の各組み合わせに関して生成された、結果として得られるウェハ画像のアレイを示す図である。 マスキングされたダイ画像に関して計算される典型的なメトリックの組を示すチャートである。 本開示の一実施形態による方法を示すチャートである。 本開示の別の実施形態による方法を示すチャートである。 本開示の一実施形態によるデバイスの図である。

本開示は、プロセス非準拠性を検出するためのモデルを生成するための方法１００として具現化され得る。方法１００は、複数のウェハ画像を受信１０３することを含む（例えば図２参照）。受信１０３されたウェハ画像は、同じウェハの画像であってよく、各画像は、異なるモダリティを用いて撮像され、モダリティは例えば、明視野照明、暗視野照明、偏光、赤色光、青色光、緑色光、白色光等、またはそれらの組み合わせである。別の実施形態では、受信１０３されたウェハ画像は、異なるウェハの画像であってよい。別の実施形態では、ウェハ画像は、同じウェハの画像と、異なるウェハの画像の両方を含んでもよい。受信１０３されたウェハ画像それぞれは、ダイの一組の画像を含む（例えば図３参照）。

受信１０３されたウェハ画像それぞれに関して、各ダイの検査結果が受信１０６される。そのため、１つのウェハに関して、ウェハ画像が受信１０３され、一組の検査結果が受信１０６され、その組の各検査結果は、そのウェハに関するダイの組のうちの１つのダイに対応する。受信１０６された検査結果は、各ダイに関する単純な合格／不合格の表示であり得る。別の実施形態では、受信１０６された検査結果は、合格または不合格を示し、さらに、不合格の１つ以上の理由も示す。例えば、リソグラフィーモジュール（リソグラフィーに用いられる製造ツール）では、ダイは、アライメント、忠実度、焦点、レチクルチルト、クリティカルディメンション、オーバレイ、パーティクル等によって不具合が生じ得る。ＣＭＰモジュールでは、不具合は、研磨欠陥、混入、スクラッチ等によるものであり得る。成膜モジュールでは、不具合は、アライメント、混入、膜厚等によるものであり得る。その他の不具合のタイプも知られており、それらも組み込まれ得る。そのため、方法１００は、多数の階級を有する分類モデル（例えば、合格、アライメント不備、スクラッチ有−３階級モデル）を生成するために用いられ得る。一般に、このモデルは離散モデルが連続モデルと置換され得る回帰タイプであってもよい。

方法１００は、発生した後の問題を検出するために用いられてもよいが、モデルは、発生前に問題の妨害的な兆候を検出するためにも用いられてよい。方法１００は、プロセス問題の任意の単一の階級に特定的なわけではない。本技法の実施形態は普遍性があるため、この技法は工場内のあらゆるプロセスモジュールにわたって適用され得る。

方法１００は、各ダイ画像の組のダイ画像に基づいてセグメントマスクを生成１０９することを含む（例えば図１および１０参照）。セグメントマスクは、マスキングされる各画像（ウェハおよび／またはダイ）が、潜在的に有用度が低い情報（すなわち雑音）をマスキングしながら、潜在的に有用な情報（すなわち信号）の部分のみを表示することを可能にする。異なる構造のダイは、異なるレベルのプロセス情報を伝え得ることに留意すべきである。これらの構造は光学パラメータの組み合わせで検査されるため、大量のプロセス情報がデータに隠されている。この豊富なプロセス情報は、本明細書に開示されるタイプの分析を適用することによって抽出され得る。この分析の１つの態様は、ダイ内の異なる種類の構造の、多様なグループへのセグメンテーションである。信号は、信号雑音比をさらに強調するために各グループ内に蓄積される。各生成１０９されたセグメントマスクはセグメンテーションタイプに基づいている。各セグメンテーションタイプは信号雑音比を強調する能力を提供する。

典型的なセグメンテーションタイプは強度に基づくマスクである。強度に基づくマスクは、先ず、平均強度を有するダイ「平均ダイ」を特定することによって決定され得る（図３）。次に、平均ダイの強度ヒストグラムが判定されて、少なくとも１つの閾値強度値を導出するために用いられる（図４）。様々な強度セグメンテーションスキームがある。典型的な固定セグメンテーションスキームは、以下に示すようなものであり得る。その他の動的スキームは、構造の密度と応答に自然に適合し得る。固定スキームの一例では、閾値は、最低強度の画素の２５％をマスキングする、または、最高強度の画素の２５％をマスキングするように設定され得る。図５に示された典型的な実施形態では、５つの強度に基づくセグメントマスクが、＜１０％（最低強度の画素の十パーセント）、＜２５％、５０％、＞７５％および＞９０％（最高強度の画素の十パーセント）に閾値を設定することによって生成１０９される。別の実施形態では、閾値は、１０％、３０％、５０％、７０％および９０％強度に基づいて設定される。閾値としてその他の強度値が用いられてもよく、マスクは、望ましい結果によって、閾値より多く設定されても少なく設定されてもよいことを理解すべきである（図２−６および７−８は、本開示の実施形態を単に例示するために作成した画像であって、実際のデータではないことに留意されたい）。

図６に示された別のセグメンテーションタイプでは、閾値は標準偏差に基づいて選択される。例えば、閾値は平均ダイのヒストグラムピーク値等の選択された値未満の１つの標準偏差（１σ）に設定されてもよい。特定の例では、マスクは、±２σおよび±１σに設定された閾値で生成１０９されて、４つのセグメントマスクが生じる。

図７に示された別のセグメンテーションタイプでは、マスク閾値は主成分分析（ＰＣＡ）に基づいて選択される。中央ダイ画像が選択され、画像値が、ダイ画像の組のそれぞれの別のダイ画像から差し引かれる。こうして、各ダイに関して「差分ダイ」画像が生成される。これらの異なるダイのＰＣＡがマスクを提供し、各マスクは、異なるマスクに関する閾値を提供するＰＣＡから生じる各主成分（固有ベクトル）に対応する。固有ベクトルの個数（したがって、生じるマスクの個数）は、当技術分野で周知のように特定の用途に従って選択され得る。典型的な実施形態において、最初の５つの主成分が選択される。こうして、マスクは、ダイにわたり高い差異を有する領域を撮像する。

上記の例のいくつかは平均ダイ画像を用いるが、例えば、異なるダイ画像を生成するために、またはヒストグラムを閾値処理するために、実施形態は代替的にまたは付加的に基準ダイ画像を用いてもよいことに留意すべきである。

上記のように、信号雑音比を強調する目的で各セグメンテーションタイプが選択され得る。例えば、特定のプロセスおよび特定のウェハ構成（恐らく大型構造を有するもの）では、強度に基づくマスクが信号雑音比において有益な改良を提供するが、一方で、強度に基づくマスクは異なるパターンのウェハ（恐らく精密構造を有するもの）に作用する同じプロセスに関しては有用でない場合がある。マスクを生成するために別のセグメンテーションタイプを用いることができ、またそれは本発明を考慮すれば明白となろう。例えば、その他の自動閾値処理技法が、セグメントマスクを生成１０９するためにより適切に用いられる可能性があり、そこでヒストグラムは２モード分布となる。

各生成１０９されたセグメントマスクは次に、マスキングされたダイ画像が生成されるように、各ダイ画像に適用１１２される。各マスキングされたダイ画像に関して（例えば、各マスキングされた領域に関して）一組のメトリックが計算される。任意の１つ以上のメトリックが、用途によって適宜選択され得る。メトリックは、強度、ｘｙ対称性、放射対象性、角度対象性、周波数またはその他のうち１つ以上に関して提供され得る。これらのカテゴリーそれぞれに関して多数のメトリックが計算され得る。例えば、メトリックとして、閾値処理されたマスキングされたダイ画像（０−５０％）の平均値として計算されてもよい。また、別の平均値が、閾値処理されたマスキングされたダイ画像（５０−１００％）に関して計算されてもよい。別のメトリックは、０−５０％の閾値処理されたマスキングされたダイ画像と、別の閾値処理された５０−１００％の標準偏差であり得る。

別のメトリックの例は以下を含む（図９も参照）：
３×３水平ソーベルフィルタを用いたｘ方向のマスキングされた勾配画像の平均値
３×３水平ソーベルフィルタを用いたｙ方向のマスキングされた勾配画像の平均値
３×３水平ソーベルフィルタを用いたｘ方向のマスキングされた勾配画像の標準偏差
３×３水平ソーベルフィルタを用いたｙ方向のマスキングされた勾配画像の標準偏差
５×５水平ソーベルフィルタを用いたｘ方向のマスキングされた勾配画像の平均値
５×５水平ソーベルフィルタを用いたｙ方向のマスキングされた勾配画像の平均値
５×５水平ソーベルフィルタを用いたｘ方向のマスキングされた勾配画像の標準偏差
５×５水平ソーベルフィルタを用いたｙ方向のマスキングされた勾配画像の標準偏差。

上記のメトリックのリストは網羅的なものではなく、その他のメトリックも周知であり使用され得ることにも留意すべきである。別の実施形態では、セグメントマスクはオペレータによって手動で生成１０９される。例えば、オペレータは、セグメントを所望に描くことによって構造を手動で描画してもよい。これは、例えば、ダイ上の特定の構造に関する推測的な情報がある場合に有益であり得る。いくつかの実施形態では、セグメンテーションは、特定の情報がセグメントにグルーピングされたレンダリングされたＣＡＤモデルから描かれてもよい。

検出モデルは、メトリック、セグメントマスクおよびウェハ画像の１つ以上の統計的に重要な組み合わせをダイ検査結果に基づいて特定１１５することによって得られる。重要なプロセスを決定するために統計的プロセスが用いられ得る。例えば、ダイ検査結果と、メトリック、セグメントマスクおよびウェハ画像の組み合わせの間の関係を決定するために線形回帰が用いられ得る。

方法１００は、ウェハ画像、セグメントマスクおよびメトリックの組み合わせそれぞれに関する結果のウェハ画像を生成１１８することを含んでもよい。各生成１１８された結果のウェハ画像は、対応する組み合わせに基づいた一組の結果ダイ画像を含む。例えば、図８は、特定のウェハ画像が１２個の様式、すなわち４つの強度ベースのセグメントマスク、４つのＳＤベースのセグメントマスク、４つのＰＣＡベースのセグメントマスクにセグメント化されている場合を描写している。セグメント化された画像の個数は、上記のように、それより多くても少なくてもよい。次に、図９に示すように１４個のメトリックが各マスキングされたウェハ画像に関して計算される。各組み合わせに関して結果のウェハ画像が生成１１８される。図８で、特定の結果のウェハ画像は、他の結果の画像に描かれた変動（または変動の欠如）とは異なるウェハ内の変動を描写し得ることがわかる。例えば、１列５行目の結果画像（強度ベースのセグメントマスクと、ｘ方向のマスキングされた勾配画像の平均値との組み合わせ（３×３水平ソーベルフィルタを用いて）に対応する）は、１０列１１行目の結果画像（第２の主成分セグメントマスクと、ｘ方向のマスキングされた勾配画像のＳＤとの組み合わせ（５×５水平ソーベルフィルタを用いて）に対応する）の結果画像とは異なるパターンを有する変動を描写している。そのような結果画像は、組み合わせがどのようにウェハアーチファクトと相関するかを図式的に描写し、したがって、潜在的に有用な情報プロセス情報である。

方法１００のステップは、モデルを微調整するために付加的なウェハ画像に関して反復されてもよい。例えば、ステップは、異なる画像モダリティ（方法において以前に使用された画像モダリティとは異なる）を有する付加的なウェハ画像に関して反復されてもよい。こうして、結果として得られたモデルは、付加的に統計的に重要な組み合わせが発見される場合に改善され得る。別の例では、ステップは、以前に用いられた画像の同じモダリティで付加的なウェハ画像に関して反復されてもよく、例えば、付加的な画像は、方法において以前に使用されなかった付加的なウェハの画像である。そのため、結果として得られるモデルは、付加的なデータポイントの使用によって改善され得る。こうして、製造環境で方法１００を用いるデバイスはその検出モデルを継続的に改善できる。

方法１００は、ダイ毎の分析で他の方法では失われるウェハスケールのプロセス情報を抽出するための技法を提供する。開示された技法を用いて、情報は明視野画像と暗視野画像から抽出されることができ、また、情報はパターン付きで（原画像）および／またはパターンを取った状態で（差分画像）で抽出され得る。セグメントにわたり情報を集積することで、情報の信号雑音比が強調される。これは、微弱な傾向の検出を可能にし、そのため、処理モジュールの保全は事後的というよりは予知的であり得る。予知的なモジュール保全は不要な保全サイクルを省略できるが、同時に、次期の予定された保全の前にプロセスツール予防保全の必要を減退させることによって重大なリスクを減少もする。

図１１に描写するような別の実施形態では、プロセス非準拠性を検出するための方法２００が提供される。方法２００は、プロセス非準拠性を検出できる予め定められたモデルを受信２０３するステップを含む。受信２０３されたモデルは例えば、上記の方法１００を用いて生成されたモデルである。受信２０３されたモデルは、セグメントマスクのメトリック、メトリックおよびウェハ画像の統計的に重要な組み合わせ（複数）に基づく。本発明で開示される、これを総体的に検査する技法の能力は、これを非常に強力にする。ここで総体的とは、光学的モダリティ、ダイ構造およびアルゴリズム計算を合わせて考慮することを指す。方法を説明するためにのみ用いられる一実施形態では、プロセス非準拠性を検出するためのモデルが受信され、モデルは、（１）−１σセグメントマスクおよび閾値処理されたマスキングされたダイ画像（０−５０％）の平均値および（２）第１の主成分セグメントマスクおよび、５×５水平ソーベルフィルタを用いたｙ方向のマスキングされた勾配画像の平均値、の重要な（ウェハ画像のモダリティに関して）組み合わせを示す。

ウェハ画像が受信２０６される。ウェハ画像は一組のダイ画像を含む。例えば、ウェハ画像はコンピュータによってネットワークポートで受信２０６されてもよい。別の場合では、プロセッサは、記憶装置から画像を取り出すことによってウェハ画像を受信２０６してもよい。もう１つの別の例では、プロセッサは、接続されたカメラまたはその他のイメージングセンサからウェハ画像を受信２０６してもよい。ウェハ画像は、暗視野照明、明視野照明、着色光照明（赤色、青色、緑色、白色等）または、その他のモダリティおよびそれらの組み合わせ等のイメージングモダリティを用いて撮像されてもよい。

ウェハ画像は、モデルのセグメントマスクを用いてマスキング２０９される。例示的な例として、ウェハ画像は、−１σセグメントマスクと第１主成分セグメントマスクを用いてマスキング２０９される。次に、マスキング２０９されたダイのメトリックが、計算２１２される。例示的な例として、閾値処理されたマスキングされたダイ画像（０−５０％）の平均値は、ＳＤマスクでマスキング２０９されたダイ画像に関して計算され、ｙ方向のマスキングされた勾配画像の平均値が、ＰＣＡマスクでマスキング２０９されたダイ画像に関して計算２１２される。マスキングステップ２０９およびメトリック計算ステップ２１２が、モデル内の各組み合わせに関して反復される。

プロセス状態（すなわち、準拠であるか非準拠であるか）が、計算２１２されたメトリック（複数）とモデルに基づいて決定２１５される。引き続き例示的な例に関して、受信２０３されたモデルは、第１の重要な組み合わせ（ＳＤに基づくマスクと強度に基づくメトリック）が、ウェハ画像にわたり、モデリングされた値（Ｎ）より少ない差異を示し、第２の重要な組み合わせ（ＰＣＡベースマスクと勾配ベースメトリック）が、ウェハ画像にわたり、モデリングされた値（Ｍ）より少ない差異を示す場合に、プロセスが準拠していることを示し得る。いくつかの場合では、ＮとＭの値は互いに独立しているのに対し、別の場合では、Ｎの値がＭの値に従って変動する関係性もあり得る。

本開示はプロセスの非準拠性を検出するためのデバイス１０として具現化されてもよい（例えば図１２参照）。デバイス１０は、プロセッサ１２と、プロセッサ１２と電子的に通信する記憶装置１４を備える。デバイス１０はさらに、プロセッサ１２と電子的に通信する通信ポート１６を備えている。例えば、通信ポート１６はイーサネット（登録商標）ポートまたはワイヤレスイーサネットポート等のネットワークポートであってよい。

別の実施形態では、デバイス１０はイメージングデバイス２０を含み、通信ポート１６は例えば、イメージングデバイス２０へのシリアルインターフェースであってよい。イメージングデバイス２０はイメージングセンサ２２を備える。イメージングセンサ２２は例えば、電荷結合素子（ＣＣＤ）または時間遅延積分（ＴＤＩ）センサであり得る。イメージングデバイス２０はさらに照明源２４を備え得る。照明源２４は、当技術分野で知られるような明視野照明源または暗視野照明源として構成されてもよい。照明源２４は、白色光源等の広帯域源であってもよいし、または、赤色光、青色光もしくは緑色光源等の狭帯域光源であってもよい。イメージングデバイス２０は、偏光を用いて画像を撮像するように構成されてもよい。イメージングデバイス２０は、デバイス１０が異なるモダリティを有する画像を利用できるように、１つより多い照明源２４を備えてもよい。その他のイメージングモダリティおよびイメージングデバイス２０の構成は周知であり、本開示に鑑み明白である。イメージングデバイス２０は、ウェハの画像を撮像するように構成される。例えば、ウェハ画像は、ウェハがデバイス１０を介して輸送されている間に撮像され得る。

プロセッサ１２は、上記の方法のうち任意の方法を実行するようにプログラムされる。一例では、プロセッサ１２は１つのウェハの複数のウェハ画像を通信ポート１６で受信するようにプログラムされる。複数のウェハ画像のうち各ウェハ画像は、一組のダイ画像（ウェハのダイ）を含む。プロセッサ１２はさらに、通信ポート１６で、一組のダイ画像の各ダイの検査結果を受信するようにプログラムされる。そのため、複数のウェハ画像のうち各ウェハ画像に関して、プロセッサ１２はウェハの各ダイのダイ検査結果を受信する。

プロセッサ１２は、一組のセグメントマスクを生成するようにプログラムされ、そのセグメントマスクは、ダイ画像の各組のダイ画像と１つ以上のセグメンテーションタイプに基づいている。プロセッサ１２は、セグメントマスクを各ダイ画像に適用してマスキングされたダイ画像を生成するようにプログラムされる。各マスキングされたダイ画像に対して一組のメトリックが計算される。プロセッサ１２は、メトリック、セグメントマスクおよびウェハ画像（すなわちモダリティ）の１つ以上の統計的に重要な組み合わせを、ダイ検査結果に基づいて特定するようにプログラムされる。こうして、プロセッサ１２は、識別された組み合わせに基づいてプロセス非準拠性を検出するためのモデルを生成する。

このモデルは、ＣＭＰツール等の処理ツールを調整するために、または、処理ツールが保守を必要としている旨の通知を提供するためのフィードバック機構として用いられ得る。そのため、プロセッサ１２は、処理ツールに、通信ポート１６を介して命令を送信してもよい。付加的に、または代替的に、プロセッサ１２は通信ポート１６または別手段（例えばアラーム装置等）を介して保守通知信号を送信してもよい。いくつかの実施形態では、デバイス１０は、ウェハを再加工またはスクラップのためにルーティングすることが可能な輸送ステージ３０を備えていてもよい。そのような実施形態では、プロセッサ１２はウェハを再加工またはスクラップのためにルーティングするようにプログラムされ得る。

本開示では、１つ以上の特定の実施形態に関して説明してきたが、本開示の趣旨と範囲から逸脱せずに本開示のその他の実施形態がなされ得ることが理解されよう。したがって、本開示は添付の特許請求の範囲およびその合理的な解釈によってのみ限定されると見なされる。

Claims (12)

1. プロセス非準拠性を検出するためのモデルを生成するための方法であって、
   複数のウェハ画像を受信し、複数のウェハ画像の各ウェハ画像は一組のダイ画像を含み、
   前記一組のダイ画像に対応する各ダイの検査結果を受信し、
   ダイ画像の各組のダイ画像と１つ以上のセグメンテーションタイプに基づいてセグメントマスクを生成し、
   プロセッサを用いて、各セグメントマスクを各ダイ画像に適用してマスキングされたダイ画像を生成し、各マスキングされたダイ画像に対する一組のメトリックを計算し、
   前記プロセッサを用いて、メトリック、セグメントマスクおよびウェハ画像の１つ以上の統計的に重要な組み合わせをダイ検査結果に基づいて特定して、検出モデルを生成することを含む方法。
2. さらに、前記プロセッサを用いて、ウェハ画像、セグメントマスクおよびメトリックの各組み合わせの結果のウェハ画像を生成し、各結果のウェハ画像は、対応する組み合わせに基づいた一組の結果のダイ画像を含む、請求項１に記載の方法。
3. 前記１つ以上のセグメンテーションタイプは、前記ダイ画像の強度に基づいて中央ダイを確定し、前記中央ダイの画像を、前記中央ダイの強度ヒストグラムの値に基づいて閾値処理することを含む、請求項１に記載の方法。
4. 前記値は１０％未満、２５％未満、５０％未満、７５％超および９０％超の強度である、請求項３に記載の方法。
5. 前記１つ以上のセグメンテーションタイプは、前記ダイ画像それぞれから中央ダイを差し引いて一組の差分ダイを生成し、一組の差分ダイの１つ以上の主成分を計算することを含む、請求項３に記載の方法。
6. 前記メトリックの組は、画像の平均値、画像の標準偏差、閾値処理されたマスキングされた画像の平均値、閾値処理されたマスキングされた画像の標準偏差、ｘ方向のマスキングされた勾配画像の平均値、ｙ方向のマスキングされた勾配画像の平均値、ｘ方向のマスキングされた勾配画像の標準偏差、ｙ方向のマスキングされた勾配画像の標準偏差のうち１つ以上を含む、請求項１に記載の方法。
7. 複数のウェハ画像は、青色光画像、赤色光画像、白色光画像、緑色光画像、暗視野画像、明視野画像および偏光画像のうち１つ以上を含む、請求項１に記載の方法。
8. ウェハ画像を受信し、検査結果を受信し、セグメントマスクを生成し、セグメントマスクを適用するステップは、付加的なウェハ画像に関して反復され、さらに、プロセッサを用いて、メトリック、セグメントマスクおよびウェハ画像の１つ以上の付加的な統計的に重要な組み合わせを、ダイ検査結果に基づいて特定して、検出モデルを強調することを含む、請求項１に記載の方法。
9. プロセスの非準拠性を検出するための方法であって、
   プロセス非準拠性を検出することが可能な予め定められたモデルを受信し、前記モデルは、マスキングされたダイ画像のメトリックの組み合わせに基づいており、前記モデルはセグメントマスク、メトリックおよびウェハ画像の一組の重要な組み合わせを含み、
   一組のダイ画像を含むウェハ画像を受信し、
   前記モデルのセグメントマスクを用いて前記ウェハ画像をマスキングし、
   前記マスキングされた画像のメトリックを、セグメントマスクと前記モデルからのメトリックの対応する組み合わせに基づいて計算し、
   前記ウェハ画像をマスキングするステップと、セグメントマスクと前記モデルからのメトリックの各組み合わせに基づいてメトリックを計算するステップを反復し、
   前記計算されたメトリックと、前記モデルに基づいてプロセス状態を決定して、前記プロセスの準拠状態または非準拠状態を検出する、
   ことを含む方法。
10. プロセス非準拠性を検出するデバイスであって、
    プロセッサと、
    前記プロセッサと電子的に通信する記憶装置と、
    前記プロセッサと電子的に通信する通信ポートを備え、
    前記プロセッサは、
    １つのウェハの複数のウェハ画像を通信ポートで受信し、前記複数のウェハ画像のうち各ウェハ画像は一組のダイ画像を含み、
    前記通信ポートで、前記一組のダイ画像に対応する各ダイの検査結果を受信し、
    一組のセグメントマスクを生成し、前記セグメントマスクは、ダイ画像の各組のダイ画像と１つ以上のセグメンテーションタイプに基づいており、
    各セグメントマスクを各ダイ画像に適用してマスキングされたダイ画像を生成し、各マスキングされたダイ画像に対して一組のメトリックを計算し、
    ウェハ画像、セグメントマスクおよびメトリックの各組み合わせに対する結果のウェハ画像を生成し、各結果のウェハ画像は前記対応する組み合わせに対する一組の結果のダイ画像を含み、
    前記結果のウェハ画像と前記ダイ検査結果に基づいて、統計学的に重要な組み合わせを特定して検出モデルを生成する、
    ようにプログラムされているデバイス。
11. 前記プロセッサはさらに、
    各プログラムステップを付加的なウェハに対して反復し、
    生成された検出モデルを、各ウェハに対する統計的に重要な組み合わせに従って微調整するようにプログラムされている、請求項１０に記載のデバイス。
12. １つのウェハの複数のウェハ画像は、青色光画像、赤色光画像、白色光画像、緑色光画像、暗視野画像、明視野画像および偏光画像のうち１つ以上を含む、請求項１０に記載のデバイス。