JP2019518963A5

JP2019518963A5 -

Info

Publication number: JP2019518963A5
Application number: JP2018565723A
Authority: JP
Filing date: 2017-06-22
Publication date: 2020-07-02
Anticipated expiration: 2037-06-22

Claims

一連の区画（１５−ｉ）を含む堆積ライン（２）において、前記区画中で基材（３）上に堆積される薄層のスタックに影響を与える欠陥の発生源の位置を特定するための方法であって、各材料の薄層を前記堆積ラインの１つ以上の連続した区画（１５−ｉ）において堆積させ、区画において堆積された薄層の表面に残っているデブリ片が、後続の薄層の堆積に対するマスクとして働き、かつ前記欠陥の発生源となる方法であって、以下の工程を含む、方法：
・前記欠陥を示す少なくとも１つの画像を取得する工程（Ｅ１０、Ｆ１０、Ｇ１０、Ｈ１０）であって、前記少なくとも１つの画像を、前記堆積ラインの末端に配置された少なくとも１つの光学検査システムによって取得する、工程（Ｅ１０、Ｆ１０、Ｇ１０、Ｈ１０）、
・前記少なくとも１つの画像から、前記欠陥の少なくとも１つの代表特性を含む、前記欠陥の特徴を測定する工程（Ｅ２０、Ｆ３０、Ｇ２０、Ｈ２０）、及び、
・前記欠陥の特徴から、前記堆積ラインのうちの前記欠陥の発生源となる少なくとも１つの区画を、前記堆積ラインのうちの前記区画に関連付けられた参照特徴を使用して特定する工程（Ｅ４０、Ｆ５０、Ｇ４０、Ｈ４０）。
前記薄層の堆積を、前記堆積ライン（２）により、前記基材（３）へのマグネトロン陰極スパッタリングによって行う、請求項１に記載の方法。
前記基材（３）が、無機ガラス製又はポリマー有機材料製の透明基材である、請求項１又は２に記載の方法。
前記特定する工程が、前記欠陥の特徴を、各々が前記堆積ラインの区画に関連付けられた複数の参照特徴と比較し、前記少なくとも１つの区画を、前記欠陥の特徴に対応する特徴に関連付けられる欠陥の発生源であるものとして特定する工程を含む、請求項１〜３のいずれか一項に記載の方法。
・前記少なくとも１つの画像が、反射で撮影されたグレースケールエンコード画像（ＩＭＲ）を含み、前記欠陥の特徴が、反射で撮影された前記画像から測定される、前記欠陥の反射係数に関して定義された特性を含む、及び／又は、
・前記少なくとも１つの画像が、透過で撮影されたグレースケールエンコード画像（ＩＭＴ）を含み、前記欠陥の特徴が、透過で撮影された前記画像から測定される、前記欠陥の透過係数に関して定義された特性を含む、
請求項１〜４のいずれか一項に記載の方法。
前記係数を、前記グレースケールエンコード画像に示される欠陥に適用される逐次侵食法を用いて測定する、請求項５に記載の方法。
・前記係数の変動の勾配を測定する工程、及び、
・測定された前記変動の勾配に基づいて、前記欠陥の形状を検出する工程、
をさらに含む、請求項５又は６に記載の方法。
前記少なくとも１つの画像に示される前記欠陥の周囲に明るいリングが存在することを検出する工程を含み、前記欠陥の特徴が、この存在を表す特性を含む、請求項５〜７のいずれか一項に記載の方法。
前記少なくとも１つの画像が、２つの少なくとも部分的に区別される波長領域で放射する２つの放射源を使用して前記少なくとも１つの光学システムによって取得される２つのグレースケールエンコード画像を含む、請求項１〜８のいずれか一項に記載の方法。
・前記少なくとも１つの画像が、反射又は透過で撮影されたレッド−グリーン−ブルー（ＲＧＢ）エンコード画像を含み、
・前記方法が、前記ＲＧＢ画像をＬ^＊ａ^＊ｂ^＊色空間に変換する工程（Ｆ１０）をさらに含み、かつ、
・前記欠陥の特徴が、変換された前記画像から測定される、前記欠陥の基本面のａ^＊及びｂ^＊成分を含む、
請求項１〜４のいずれか一項に記載の方法。
前記欠陥の特徴が、変換された前記画像から測定される、前記欠陥のＬ^＊成分をさらに含む、請求項１０に記載の方法。
前記少なくとも１つの画像が、ハイパースペクトル画像を含み、前記欠陥の特徴が、前記欠陥の基本面の反射係数又は透過係数の値を波長の関数として表すスペクトルを含む、請求項１〜４のいずれか一項に記載の方法。
前記堆積ラインの区画に関連付けられた各参照特徴が、前記区画において堆積された層の種々の厚さに対応する複数のスペクトルを含む、請求項１２に記載の方法。
前記堆積ラインの区画に関連付けられた前記参照特徴が、前記区画の各々を叩き、それにより各区画においてこの叩くことに起因するデブリ片を発生させることによって実験的に測定される（Ｅ００、Ｆ００、Ｇ００）、請求項１〜１３のいずれか一項に記載の方法。
前記特定する工程（Ｈ４０）が、前記欠陥の特徴に機械学習法を適用すること（Ｈ３０）を含み、前記学習法は、前記堆積ラインの区画に関連付けられた参照特徴を用いてトレーニングされるモデルに基づく（Ｈ００）、請求項１〜３のいずれか一項に記載の方法。
前記欠陥の特徴、すなわち前記少なくとも１つの画像から測定される特徴が、前記欠陥の光度に関する少なくとも１つの特性及び／又は前記欠陥の形状に関する１つの特性を含む、請求項１又は１５に記載の方法。
前記欠陥の光度に関する前記少なくとも１つの特性が、
・前記欠陥の放射状光度プロファイルを代表する特性、及び／又は、
・前記欠陥の放射状光度プロファイルの傾きを代表する特性、及び／又は、
・前記欠陥の平均光度を代表する特性、及び／又は、
・前記欠陥の中心における光度を代表する特性、
を含む、請求項１６に記載の方法。
前記欠陥の形状に関する前記少なくとも１つの特性が、
・前記欠陥の面積を代表する特性、及び／又は、
・前記欠陥の面積に対する前記欠陥の周囲長の比を代表する特性、及び／又は、
・前記欠陥のアスペクト比を代表する特性、
を含む、請求項１６又は１７に記載の方法。
前記薄層のスタックが、干渉システムを形成している、請求項１〜１８のいずれか一項に記載の方法。
前記堆積ラインの区画に関連付けられた前記参照特徴が、前記基材上に前記薄層を堆積する間の前記堆積ラインの構成に依存する、請求項１〜１９のいずれか一項に記載の方法。
コンピュータにより実行する際に、請求項１〜２０のいずれか一項に記載の位置を特定するための方法の工程を実施するための指令を含んでいる、コンピュータプログラム。
請求項１〜２０のいずれか一項に記載の位置を特定するための方法の工程を実施するための指令を含んでいる請求項２１に記載のコンピュータプログラムを格納している、コンピュータ可読記録媒体。
堆積ライン（２）において連続する複数の区画中で基材（３）上に堆積される薄層のスタックに影響を与える欠陥の発生源の位置を特定するための装置（６）であり、各材料の薄層を前記堆積ラインの１つ以上の連続した区画（１５−ｉ）において堆積させ、区画において堆積された薄層の表面に残っているデブリ片が、後続の薄層の堆積に対するマスクとして働き、かつ欠陥の発生源となる、装置（６）であって、以下のものを含む装置（６）：
・前記欠陥を示す少なくとも１つの画像を取得するためのモジュール（６Ａ）であって、前記少なくとも１つの画像を、前記堆積ラインの末端に配置された少なくとも１つの光学検査システムによって取得する、モジュール（６Ａ）、
・前記少なくとも１つの画像から、前記欠陥の少なくとも１つの代表特性を含む前記欠陥の特徴を測定するためのモジュール（６Ｂ）、及び、
・前記欠陥の特徴から前記欠陥の発生源となる前記堆積ラインの少なくとも１つの区画を、前記堆積ラインの区画に関連付けられた参照特徴を使用して特定するためのモジュール（６Ｃ）。
以下のものを含むシステム：
・基材（３）上に薄層のスタックを堆積させることができる一連の区画（１５−ｉ）を含む堆積ライン（２）であって、各材料の薄層を当該堆積ラインの１つ以上の連続する区画（１５−ｉ）において堆積させ、区画において堆積させた薄層の表面に残っているデブリ片が、その後の薄層の堆積に対するマスクとして働き、かつ欠陥の発生源となる、堆積ライン（２）、
・前記堆積ラインの末端に配置され、前記基材上に堆積される薄層のスタックに影響を与える欠陥を示す少なくとも１つの画像を供給するように構成された、少なくとも１つの光学検査システム、及び、
・前記堆積ラインの一連の区画のうちで、前記欠陥の発生源となる少なくとも１つの区画を特定することができる、請求項２３に記載の位置を特定するための装置（６）。