JP2023528378A - 自動外観検査システム - Google Patents

Abstract

さまざまな例は、製作のさまざまな段階を受ける構成要素の自動外観検査を遂行するシステム、装置、および方法を含む。一例では、検査システムは、製作のさまざまな段階で欠陥を探して構成要素を検査するカメラをそれぞれ有するいくつかのロボットを含む。一般にカメラの各々は、構成要素の製作のさまざまな段階に対応する異なる地理的場所に配置される。カメラの少なくともいくつかは、構成要素が搭載されたテーブルに対向していない、構成要素のすべての表面を検査するように配列される。システムはまた、いくつかのロボットそれぞれおよびカメラのうち関連する１つのカメラに電気的に連結された対応するデータ収集ステーションを含む。主データ収集ステーションは、データ収集ステーションの各々に電気的に連結される。他のシステム、装置、および方法を開示する。【選択図】図２

Description

（関連出願の相互参照）
本特許出願は、開示が全体として参照により本明細書に組み入れられる、２０２０年５月２９日に出願された、「ＡＵＴＯＭＡＴＥＤ ＶＩＳＵＡＬ－ＩＮＳＰＥＣＴＩＯＮ ＳＹＳＴＥＭ（自動外観検査システム）」と題する米国特許仮出願第６３／０３２，２４３号明細書の優先権を主張する。
開示する主題は一般に、製造された構成要素の検査の分野に関する。より具体的には、さまざまな実施形態では、半導体設備および関連産業の分野で使用される構成要素の自動検査に関する。

現在、製造された構成要素はさまざまな製作工程を経て、いくつかの供給業者を経由、または供給業者の施設内のさまざまな工程を通過することがある。供給業者または工程の各々は、典型的には製作工程の特定の段階で構成要素に関連する、さまざまなレベルの検査能力を有する。しかしながら現在、各検査段階に関連して検査能力が限られているので、構成要素の検査される領域は、１％以下にしかならないことがある。当業者に公知のように、１％の検査領域は、４％の信頼水準（ｃｏｎｆｉｄｅｎｃｅ ｌｅｖｅｌ、ＣＩ）しか提供しないことに関係がある。４％のＣＩは、対象の真のパラメータが、計画された１％の検査範囲内にあるという統計指標である。その結果、構成要素の大部分は検査されない。これらの未検査領域は多くの場合、高レベルの微粒子および他の欠陥タイプを有し、構成要素を使用できなくする。さらに、半導体処理ツール（たとえば、プラズマに基づく堆積ツール）などの複雑な機械は、多数の構成要素を必要とすることがある。これらの構成要素の大部分は、ツールの最終製造業者とは別個の実体であるさまざまな供給業者により製造される。

たとえば、図１を参照すると、従来技術の下で現在遂行される現在の検査手順１００の高レベルの外観が示されている。現在の検査手順は、いくつかの供給業者１０１Ａ～１０１Ｃ（または１つまたは複数の供給業者の施設内部にあるさまざまな工程）を含む。供給業者１０１Ａ～１０１Ｃの各々は、典型的にはさまざまな制作段階の構成要素１０５Ａ～１０５Ｃの外観検査１０３Ａ～１０３Ｃを含む。人間の目はすべての欠陥を検出できないので、制作ステップのいくつかは、より詳細なレベルの検査１１１Ｂおよび１１１Ｃで補われてよい。

より詳細なレベルの検査１１１Ｂおよび１１１Ｃは顕微鏡検査、光学的プロフィロメトリ、スタイラスプロフィロメトリ、または他の技法によるなど、当技術分野で公知のさまざまな検査手段によって達成されてよい。いくつかの事例では、検査手段は、構成要素１０５Ａ～１０５Ｃの粗さ測定により補われてよい。他の事例では、構成要素１０５Ａ～１０５Ｃの粗さ測定だけを遂行する。しかしながら、上記で指摘するように、より詳細な検査または粗さ測定の領域は、典型的にはおそらく構成要素１０５Ａ～１０５Ｃの全領域の１％以下に限定される。その結果、構成要素１０５Ａ～１０５Ｃのかなりの割合は、詳細な検査を遂行されないことがある。さらに、多くの検査技法は、構成要素の最上部表面または平坦な表面だけに限定される。そのような検査技法は、構成要素の２次元表面だけを考慮するので、側壁、凹部、または突出部などの３次元の様態は多くの場合、詳細な検査を受けない。

外観検査１０３Ａ～１０３Ｃおよび詳細なレベルの検査１１１Ｂおよび１１１Ｃのステップを遂行する期間中、またはその期間の後に、供給業者１０１Ａ～１０１Ｃの各々は、品質管理文書１０７Ａ～１０７Ｃを準備し、ローカルのファイルストア１０９Ａ～１０９Ｃに文書をローカルに保管する。

構成要素の最終版（たとえば、完成した構成要素１５５）が顧客１５１（たとえば、構成要素のエンドユーザ、または構成要素を使用する設備の一部の製造業者（たとえば、相手先商標製品の製造会社（ｏｒｉｇｉｎａｌ－ｅｑｕｉｐｍｅｎｔ ｍａｎｕｆａｃｔｕｒｅｒ）、すなわちＯＥＭ））に届けられると、完成した構成要素１５５に対して最終外観検査１５３および詳細なレベルの検査１６１を遂行してよい。顧客１５１の工程管理手順に従って品質管理文書１５７を作成してよい。品質管理文書１５７は、次いでファイルデータベース１５９にローカルに保管されてよい。

本明細書で提供する背景技術の記述は、一般に本開示の背景を提示するためのものである。本項で記述する情報は、以下の開示する主題に関する何らかの背景を熟練した職人に提供するために提示され、認められた従来技術と考えられるべきではないことに留意されたい。より具体的には、この背景技術の節で記述することがある範囲でここに名前を挙げる発明者の著作物だけではなく、提出時点で他の点では従来技術とみなしてはいけない記述の様態も、明示的にも黙示的にも本開示に対する従来技術と認められない。

さまざまな実施形態では、製作のさまざまな段階の欠陥を探して構成要素を検査する複数のロボットのうち対応するロボットの各々に結合した１つまたは複数のカメラを伴う複数のロボットを含む検査システムを開示する。カメラの各々は、構成要素の製作のさまざまな段階に対応する異なる地理的場所に配置される。カメラの少なくともいくつかは、構成要素が搭載されたテーブルに対向していない、構成要素のすべての表面を検査するように構成される。データ収集ステーションは、複数のロボットのうち対応するロボットの各々およびカメラのうち関連する１つのカメラに電気的に連結される。ローカルに配置されても遠隔に配置されてもよい主データ収集ステーションは、データ収集ステーションの各々に電気的に連結される。主データ収集ステーションは、たとえば検査システムのローカルな近傍にあっても、検査システムに対して遠隔に位置してもよい。

さまざまな実施形態では、構成要素上の特徴および欠陥を検出するための自動外観検査（ａｕｔｏｍａｔｅｄ ｖｉｓｕａｌ－ｉｎｓｐｅｃｔｉｏｎ、ＡＶＩ）システムを動作させるための方法を開示する。方法は、ＡＶＩシステムを較正するステップと、構成要素から複数の画像を取り込むステップと、取り込まれた複数の画像をプログラムの中にロードして、取り込まれた画像内部の欠陥の存在を探して、取り込まれた画像を分析するステップとを含む。検出された特徴は、以下でより詳細に記述するローカルの機械学習推論アルゴリズムを使用して実際の欠陥として分類されてよい。

さまざまな実施形態では、構成要素上の欠陥を検出するために使用する自動外観検査（ＡＶＩ）システムを開示する。ＡＶＩシステムはいくつかのロボットを含み、複数のロボットの各々は、製作のさまざまな段階で製作ステップにかけられている構成要素を検査するために搭載されたカメラとレンズの組合せを有する。カメラはデジタル撮像センサを含む。いくつかのロボットの各々は、構成要素の製作のさまざまな段階に対応する異なる地理的場所に配置される。ＡＶＩシステムはまた、いくつかのロボットのうち対応するロボットの各々に電気的に連結されたデータ収集ステーション、およびデータ収集ステーションの各々に電気的に連結された主データ収集ステーションを含む。データ収集ステーションは、機械学習推論アルゴリズムを使用して特徴を欠陥として分類可能にするソフトウェアを含んでよい。主データ収集ステーションは、構成要素の製作のさまざまな段階の各ステップで構成要素の実際のバージョンと構成要素の理想化されたサンプルを比較するように配列できる。主データ収集システムの画像を使用して、機械学習推論アルゴリズムを訓練して欠陥識別の精度を高めてよい。

従来技術の下で現在遂行されている、現在の検査手順の高レベルの概観を示す。

開示する主題の実施形態による自動検査システムの高レベルの概観の例を示す。

開示する主題の実施形態による自動検査ステーションの例を示す。 開示する主題の実施形態による自動検査ステーションの例を示す。

開示する主題の実施形態によるさまざまな検査カメラセンサおよびレンズ組立体の実施形態を示す。 開示する主題の実施形態によるさまざまな検査カメラセンサおよびレンズ組立体の実施形態を示す。 開示する主題の実施形態によるさまざまな検査カメラセンサおよびレンズ組立体の実施形態を示す。

開示する主題のさまざまな実施形態と共に使用できるグラフィカル・ユーザ・インタフェース（ｇｒａｐｈｉｃａｌ ｕｓｅｒ－ｉｎｔｅｒｆａｃｅ、ＧＵＩ）の例を示す。 開示する主題のさまざまな実施形態と共に使用できるグラフィカル・ユーザ・インタフェース（ＧＵＩ）の例を示す。 開示する主題のさまざまな実施形態と共に使用できるグラフィカル・ユーザ・インタフェース（ＧＵＩ）の例を示す。 開示する主題のさまざまな実施形態と共に使用できるグラフィカル・ユーザ・インタフェース（ＧＵＩ）の例を示す。 開示する主題のさまざまな実施形態と共に使用できるグラフィカル・ユーザ・インタフェース（ＧＵＩ）の例を示す。 開示する主題のさまざまな実施形態と共に使用できるグラフィカル・ユーザ・インタフェース（ＧＵＩ）の例を示す。 開示する主題のさまざまな実施形態と共に使用できるグラフィカル・ユーザ・インタフェース（ＧＵＩ）の例を示す。

開示する主題のさまざまな実施形態による、構成要素の自動検査を遂行するための方法の例を示す。 開示する主題のさまざまな実施形態による、構成要素の自動検査を遂行するための方法の例を示す。 開示する主題のさまざまな実施形態による、構成要素の自動検査を遂行するための方法の例を示す。

開示する主題の１つまたは複数の代表的な実施形態を実装してよい、または１つまたは複数の代表的な実施形態を実装もしくは制御してよい機械の例を示す構成図を示す。

以下の記述は、開示する主題のさまざまな様態を具体化する、例証となる例、機器、装置、および方法を含む。以下の記述では、説明のために、本発明の主題のさまざま実施形態を理解できるように数多くの特定の詳細を示す。しかしながら、これらの特定の詳細なしに、開示する主題のさまざまな実施形態を実施してよいことは当業者に明らかであろう。さらに、例証となるさまざまな実施形態を不明瞭にしないように、周知の構造、材料、および技法について詳細には示していない。本明細書で使用するとき、用語「約」または「およそ」は、たとえば所与の値の、または値の範囲の±１０％の範囲内の値を指すことがある。

上記で論じるように、構成要素を検査する現在の方法は時間がかかり、労働力を集約的に用いる可能性がある。さらに、構成要素の検査は、典型的には構成要素の表面領域の約１％以下だけに限定される。したがって、開示する主題のさまざまな様態は、構成要素の各製作段階で各構成要素の拡大した検査領域を構成要素の表面領域全体の最大１００％まで増大させることにより構成要素の検査能力を改善する。構成要素の１００％を検査することにより、欠陥検出値は、９５％以上の信頼水準（たとえば、９７％の信頼水準、９９％の信頼水準など）まで高まる。当業者が理解できるように、開示する主題を読んで理解すると、半導体処理にかけられている基板の近傍にない構成要素の一部分は検査を必要としないことがある。たとえば、半導体処理ツールで処理チャンバの内部と接触していない窓の外側部分は、処理チャンバ内部で処理にかけられている基板に影響を及ぼす可能性がまったくないので、検査されなくてよい。

次に図２を参照すると、開示する主題の実施形態による自動検査システム２００の高レベルの概観の例が示されている。図２は、いくつかの供給業者２０１Ａ～２０１Ｃ（または１つまたは複数の供給業者の施設内部にあるさまざまな工程）を含むように示されている。たとえば、最初のバージョンの構成要素２０５Ａは、供給業者２０１Ａにより製作されてよい（たとえば、構成要素２０５Ａのフライス盤にかけられた、または機械加工されたバージョン）。１つもしくは複数の追加工程または１つもしくは複数の追加製作ステップを遂行してよく、それにより構成要素２０５Ｂを形成する。追加の工程または製作ステップは、たとえば供給業者２０１Ｂにより構成要素２０５Ａの全面にわたりコーティングを形成する、またはめっきするなど、めっき動作を備えてよい。構成要素２０５Ｂは、次いで供給業者２０５Ｃによって追加の１つもしくは複数の工程または１つもしくは複数の製作ステップにかけられる。供給業者２０１Ｃが遂行する追加の工程または製作ステップは、たとえばフライス加工、研削、バフ研磨、または他の動作を備えてよい。追加の工程または製作ステップの各々は、さまざまな供給業者および／または１つもしくは複数の供給業者内部の異なる施設により行われてよい。典型的な製造動作では、所与の構成要素に関連する製造番号は変わらないままであってよいが、部品番号は、構成要素が工程のどの段階にあるかに応じて変わる可能性がある（たとえば、部品番号は、コーティングまたはめっきの動作の後に変更されてよい）。したがって、所与の構成要素に関していくつかの（たとえば、８つ、９つ、または１０以上の）部品番号が存在する可能性があるが、製造番号は変わらないままである。さらに３つの「供給業者」だけを示すが、当業者は、わずか１つの、または任意の数の「供給業者」が構成要素の準備に関与してよいことを認識されよう。

図２を続けて参照すると、供給業者２０１Ａ～２０１Ｃの各々は、ロボット検査ステーション２０３Ａ～２０３Ｃを含む。ロボット検査ステーション２０３Ａ～２０３Ｃについては、たとえば以下で図３Ａおよび図３Ｂを参照してより詳細に記述する。しかしながら、一般にロボット検査ステーション２０３Ａ～２０３Ｃは、（同じく図２に示さない）検査テーブルにロボットが搭載された一部分と反対側のロボットの一部分に搭載された１つまたは複数のカメラと１つまたは複数のレンズの組合せ（図２に示さないが、図３Ａおよび図３Ｂを参照して以下で記述する）を有するロボットを含む。すなわち、１つまたは複数のカメラと１つまたは複数のレンズの組合せは、ロボットが搭載された部分から遠位にある、ロボットの自由端に搭載される。ロボット検査ステーション２０３Ａ～２０３Ｃの各々のロボットは、多数の継手（たとえば、６つの、７つの、８つ、または９つ以上の継手）を有し、その結果として多数の自由度を有する。多数の自由度により、ロボットは、製作のさまざまな段階の間に構成要素２０５Ａ～２０５Ｃの表面を検査できるようになる。たとえば、図２に示す構成要素２０５Ａ～２０５Ｃは、円形で平坦な部品として見えるが、構成要素２０５Ａ～２０５Ｃの各々は、１つまたは複数の３次元の特徴（たとえば、図３Ａを参照されたい）を有することがある。その結果として、ロボットをプログラムして、構成要素２０５Ａ～２０５Ｃ上の垂直、水平、および他の配向の表面から所定の距離を置いてスキャンできる。

ロボット検査ステーション２０３Ａ～２０３Ｃの各々は、対応する通信媒体２０７Ａ～２０７Ｃを通してローカルデータ収集ステーション２０９Ａ～２０９Ｃのうち対応する１つのローカルデータ収集ステーションに電気的に連結される。通信媒体２０７Ａ～２０７Ｃのうち対応する１つの通信媒体は、ロボットが構成要素２０５Ａ～２０５Ｃの画像を収集するとき、構成要素２０５Ａ～２０５Ｃの多数の区域に関してたとえば直列化された検査画像を運んでよい。

通信媒体２０７Ａ～２０７Ｃは、従来技術で公知の通信技法および通信プロトコルを使用する有線または無線であってよい。ローカルデータ収集ステーション２０９Ａ～２０９Ｃのうち対応するローカルデータ収集ステーションは、パーソナルコンピュータ、タブレットコンピュータ、プログラマブル・ロジック・コントローラ（ｐｒｏｇｒａｍｍａｂｌｅ ｌｏｇｉｃ ｃｏｎｔｒｏｌｌｅｒ、ＰＬＣ）、記憶メモリ素子に連結したマイクロプロセッサ、または従来技術で公知の他のタイプの処理機器を備えてよい。いくつかのタイプの処理機器について、図７を参照して以下でより詳細に記述する。さらに、ローカルデータ収集ステーション２０９Ａ～２０９Ｃでロボット検査ステーション２０３Ａ～２０３Ｃの各々から収集したデータを記憶し分析する方法について、図５Ａ～図５Ｇおよび図６Ａ～図６Ｃを参照して以下で詳細に記述する。

最終バージョンの構成要素（たとえば、完成した構成要素２５５）が製作されると、完成した構成要素２５５の顧客２５１またはエンドユーザは、追加検査を遂行してよい。たとえば、完成した構成要素２５５に対して外観検査２５３および詳細なレベルの検査２６１を遂行してよい。詳細なレベルの検査２６１は、いずれも当技術分野で公知のエネルギー分散型Ｘ線分光法（ｅｎｅｒｇｙ－ｄｉｓｐｅｒｓｉｖｅ Ｘ－ｒａｙ ｓｐｅｃｔｒｏｓｃｏｐｙ、ＥＤＸ）または蛍光Ｘ線（Ｘ－ｒａｙ ｆｌｕｏｒｅｓｃｅｎｃｅ、ＸＲＦ）などの分析技法を含む顕微鏡検査、光学的プロフィロメトリ、スタイラスプロフィロメトリ、または他の技法など、当技術分野で公知のさまざまな検査手段によって達成されてよい。いくつかの事例では、完成した構成要素２５５の粗さ測定により詳細なレベルの検査２６１を補ってよい。他の事例では、完成した構成要素２５５の粗さ測定だけを遂行する。顧客２５１の工程管理手順に従って品質管理文書２５７を作成してよい。品質管理文書２５７は、次いでファイルデータベース２５９にローカルに保管される。

図２に示すように、ローカルデータ収集ステーション２０９Ａ～２０９Ｃの各々は、遠隔に配置された主データ収集ステーション２７３に連結される。主データ収集ステーション２７３は、パーソナルコンピュータ、タブレットコンピュータ、記憶メモリ素子に連結したマイクロプロセッサ、または当技術分野で公知の他のタイプの処理機器を備えてよい。さらに、主データ収集ステーション２７３は、ローカルデータ収集ステーション２０９Ａ～２０９Ｃの各々と地理的に異なる区域または国に配置されてよい。しかしながら、さまざまな実施形態では、ローカルデータ収集ステーション２０９Ａ～２０９Ｃの各々および遠隔に配置された主データ収集ステーション２７３は、互いに電気的通信状態にある。他の実施形態では、ローカルデータ収集ステーション２０９Ａ～２０９Ｃの各々は、遠隔に配置された主データ収集ステーション２７３だけと電気的通信状態にある。さらに、図５Ａ～図５Ｇを参照して以下でより詳細に論じるデータファブリック（ｄａｔａ ｆａｂｒｉｃ）は、遠隔に配置された主データ収集ステーション２７３だけに、またはローカルデータ収集ステーション２０９Ａ～２０９Ｃの各々および遠隔に配置された主データ収集ステーション２７３にアクセス可能である可能性がある。

特定の代表的な実施形態では、主データ収集ステーション２７３は、たとえば構成要素２０５Ａ～２０５Ｃの最終形態を使用する処理ツールの相手先商標製品製造会社（ＯＥＭ）の施設内部に配置されてよい。この実施形態では、ＯＥＭの場所は、構成要素２０５Ａ～２０５Ｃの最終形態の使用法を分析するために使用できる情報を記憶するいくつかのデータベースを含んでよい。

たとえば、工程監視データベース２７５は、構成要素２０５Ａ～２０５Ｃの異なる完了段階に対応する製作工程でステップごとの「ゴールデンサンプル」（たとえば、理想化されたサンプル）がどのように見えるべきかに関する、画像品質に基づく測定基準を包含してよい。画像品質の測定基準は、次いで供給業者２０１Ａ～２０１Ｃごとに構成要素２０５Ａ～２０５Ｃの異なる段階に関する製作ステップと実質的にリアルタイムで比較される。以下でより詳細に記述するように、製造または製作工程監視ソフトウェア（たとえば、データファブリック）は、機械性能、および構成要素２０５Ａ～２０５Ｃとゴールデンサンプルを比較した結果として得られる構成要素変動を集めて、製造傾向を実質的にリアルタイムで分析する。比較は、任意の指定された時間間隔または製作ステップにわたり測定されているすべてのパラメータ（たとえば、粗さ値、欠陥レベル、計画した寸法からの寸法変動など）に関して遂行されてよい。その結果として、製作工程のさまざまな段階で、ゴールデンサンプルは（たとえば、一方の供給業者から、供給業者２０１Ａ～２０１Ｃの中、ならびに時間依存性（たとえば、統計的工程管理（ｓｔａｔｉｓｔｉｃａｌ ｐｒｏｃｅｓｓ ｃｏｎｔｒｏｌ、ＳＰＣ））を含む各構成要素の管理図から選択された別の供給業者への）サプライチェーン内部の各ノードにより部品変動、欠陥性能（微粒子（または隆起部）および穴（またはくぼみ））との比較結果を提供する。比較結果は次いで、所定の変動レベルまたは所定の許容範囲値の外側に収まる変動を探して監視される。

図２を続けて参照すると、拡大ソルバ（ｅｓｃａｌａｔｉｏｎ－ｓｏｌｖｅｒ）データベース２７７は、主データ収集ステーション２７３への追加入力を提供する。拡大ソルバデータベース２７７は、工程監視データベース２７５と構成要素との比較結果が所定の変動および許容範囲限界の範囲内の仕様を満たさない場合、供給業者２０１Ａ～２０１Ｃのうち該当する供給業者に伝達すべき可能な解決手段を提供できる。

顧客－欠陥データデータベース２７９は、たとえば完成した構成要素２５５が据え付けられた処理ツール内部で作り出された欠陥を相関させる。たとえば、特定の代表的な実施形態では、完成した構成要素２５５がプラズマに基づく処理ツール内に据え付けられたシャワーヘッドを表す場合、顧客－欠陥データデータベース２７９は、シャワーヘッドを使用して処理された基板のレコードを維持できる。顧客プラズマに基づく処理ツール－欠陥データデータベース２７９は、粒子がシャワーヘッドから落ちており、処理された基板上で形をなしていることを示す場合、主データ収集ステーション２７３に指示を伝達できる。主データ収集ステーション２７３の操作者２８１は次いで、シャワーヘッドの製作処理が、シャワーヘッドから落ちた粒子をどのようにして作り出したことがあるかを相関させることができる。相関関係は、以下でより詳細に記述するように、どの１つまたは複数の工程が欠陥のあるシャワーヘッドを作ったかを判断するのに役立つ可能性がある。さらにまたいくつかの例では、相関関係を使用して、供給業者２０１Ａ～２０１Ｃのうち１つまたは複数が組み入れる必要があってよい追加の測定基準および測定値を作成できる。

他の例では、顧客－欠陥データデータベース２７９は、処理した基板上に作り出された欠陥を、完成した構成要素２５５のうちの多数から得られる相互作用と相関させることができる。この例では、顧客－欠陥データデータベース２７９は、完成した構成要素２５５のうちの多数の組合せから基板上の欠陥が生成されたことを示すことがある。この例を続けると、主データ収集ステーション２７３の操作者２８１は、供給業者２０１Ａ～２０１Ｃのうちさまざまな供給業者が遂行する製作ステップのうちさまざまな製作ステップと基板上の欠陥を相関させようと試みることができる。しかしながら、操作者２８１は、構成要素２０５Ａ～２０５Ｃが、工程監視データベース２７５の製作ステップすべてで（たとえば、ゴールデンサンプルと比較した）所定の変動および許容範囲限界を完全に満たしたと判断してよい。この事例では、操作者２８１は、完成した構成要素２５５のうち１つまたは複数が顧客２５１の場所に不適切に据え付けられたと判断してよい。さらに他の例では、操作者２８１は、構成要素２０５Ａ～２０５Ｃがすべての製作ステップで所定の変動および許容範囲限界を完全に満たしており、かつ完成した構成要素２５５のうち１つまたは複数が顧客２５１の場所に適切に据え付けられたと判断してよい。この事例では、修正された１組の所定の変動および許容範囲限界は、新しい技術ノード（たとえば、最小設計ルールの縮小）に対応する必要があることがある。

さまざまな実施形態では、たとえば異なる供給業間の比較、特定の部品番号および／または製造番号の間の比較、ならびに異なる期間（勤務時間ごと、日ごと、年ごとなど）の間の比較を遂行してよい。たとえば、典型的な製造動作では、所与の構成要素に関連する製造番号は一定のままであってよいが、部品番号は、構成要素が工程のどの段階にあるかに応じて変動する可能性がある（たとえば、部品番号は、コーティングまたはめっきの動作の後に変更されてよい）。したがって、所与の構成要素に関していくつかの（たとえば、８つ、９つ、または１０以上の）部品番号が存在する可能性があるが、製造番号は変わらないままである。本明細書で記述する、開示する主題のさまざまな実施形態は、潜在的変動の各々を監視でき、考慮できる。

本発明者らが遂行した分析に基づき、本発明者らは、自動検査システム２００を使用して、開示する主題のさまざまな実施形態を組み入れることにより、労力を１０分の１に低減することが実現されると推定していた。たとえば現在、所与の構成要素の総検査時間はおよそ１２０分（２時間）である。しかしながら、上記で指摘するように、最新の検査システムは、構成要素のおよそ１％しか検査しない。本明細書で記述するシステムおよび技法を使用することにより、特定の代表的な実施形態では、およそ１２分から２５分の範囲内で１００％の検査を達成できる。

さらに、図２に３つの供給業者（供給業者２０１Ａ～２０１Ｃ）だけを示すが、当業者は、開示する主題を読んで理解すると、任意の数の供給業者だけではなく、所与の供給業者が遂行する多数の工程またはステップにも開示する主題を適用してよいことを認識されよう。

次に図３Ａおよび図３Ｂを参照すると、開示する主題の実施形態による自動検査ステーションの例が示されている。たとえば、図３Ａは、主にロボットステーション３００の上面４分の１の図を示す。ロボットステーションは、図２のロボット検査ステーション２０３Ａ～２０３Ｃと同じであっても、それらに類似してもよい。図３Ａはロボット３０１、ロボット３０１の（搭載された端部と反対側の）遠位端部に搭載されたセンサ３０３，およびセンサ３０３に搭載されたレンズ３０５を含むように示されている。

当業者が理解するように、レンズに基づく検査システムは、レンズ３０５を使用して、対象物（たとえば、構成要素３１１）から反射した光を収集する。熟練した職人は、レイリー解像限界Ｌ_R（レンズに基づくシステムがどれだけ小さな特徴を解像してよいか）が次式に基づくことを認識しており、

式中、λは対象物を照射するために使用する波長であり、ＮＡはレンズの開口数である。ＮＡは、レンズと対象物の間の媒体の屈折率に関係があり、レンズに入射する光の角度は、

であり、式中、ｎはレンズが動作している媒体の屈折率であり（たとえば、ｎは空気では約１．００に等しく、水では約１．３３に等しく、高屈折率浸漬油では約１．５２に等しい）、θは対物レンズに入る（または出る）ことができる光錐の最大半角である。したがって、開口数ＮＡが増大するとき、分解能の限界Ｌ_Rは低減し、それにより、欠陥など、より小さな特徴の検査が可能になる。

しかしながら、ＮＡが増大するとき、被写界深度（たとえば、画像深度）および可視領域は著しく低減する。たとえば、被写界深度ＤＯＦ（ｄｅｐｔｈ－ｏｆ－ｆｉｅｌｄ）は、次式に従って開口数ＮＡの自乗だけ低減する。

その結果として、解像限界は低減し（ますますより小さな特徴サイズの照合が可能になる）、被写界深度はさらにより速く低減する。可視領域もまたそれ相応に低減する。したがって、開示する主題は、構成要素３１１上の小さな特徴であるが、大きな被写界深度で、限られた期間で大きな検査領域に及ぶ検査を可能にするシステムを提示する。

図３Ａを再度参照すると、ロボット３０１は、ロボット架台３０２に搭載される。さまざまな実施形態では、ロボット架台３０２は、搭載テーブル３０７の最上部の高さと実質的に同一平面上にある最上部の高さを有してよい。しかしながら、同一平面上にあるという要件はまったくない。たとえば、いくつかの実施形態では、ロボット架台３０２の最上部の高さは、搭載テーブル３０７の最上部の高さよりも上になるように配列されてよい。他の実施形態では、ロボット架台３０２の最上部の高さは、搭載テーブル３０７の最上部の高さよりも下になるように配列されてよい。

搭載テーブルはロボット３０１、センサ３０３、およびレンズ３０５の組合せによる検査を受ける構成要素３１１を保持するように配列される。構成要素は、図２の構成要素２０５Ａ～２０５Ｃと同じであっても、それらに類似してもよい。構成要素３１１は、たとえば機械的取付具および磁気的取付具を含むさまざまな取付具タイプのうち任意の１つまたは複数により搭載テーブル３０７上の所定の場所に保持されてよい。図３Ａに示すように、ロボット３０１は、搭載テーブル３０７に直接は対向しない、構成要素３１１の（たとえば、水平配向であれ垂直配向であれ）さまざまな表面の近傍にセンサ３０３およびレンズ３０５を位置決めできる。しかしながら、構成要素３１１は、構成要素３１１のより完全な検査が望まれる場合、最初にテーブルに面するように位置決めされた面が、今度はテーブルから反対の方向を向くことができるように位置を再度動かすことができる。センサ３０３およびレンズ３０５の位置決めは、ロボット３０１の一部分を構成する多数の継手のうち１つまたは複数をロボット３０１が回転および／または伸展させることにより達成される。

ロボット３０１は、多数の自由度を提供する多数の連結手段を有する。代表的な実施形態では、ロボット３０１は、協働ロボット（ｃｏｌｌａｂｏｒａｔｉｖｅ ｒｏｂｏｔ）、すなわち「コボット（ｃｏｂｏｔ）」を備える。コボットは、コボットと人間の間で共有される領域のすぐそばで安全に作動するように特に設計されたタイプのロボットである。コボットの安全面は、コボットの構築に軽量な材料を使用すること、および／またはコボットが移動する速度および力に制限を課すことにより得られる。たとえば、力の量は約５０ニュートン（およそ１１．２重量ポンド（ｌｂｆ））に制限されてよく、トルクは約１０Ｎ・ｍ（およそ７．４ｆｔ・ｌｂｆ）に制限される。

特定の代表的な実施形態では、ロボット３０１は、Ｕｎｉｖｅｒｓａｌ Ｒｏｂｏｔｓ社が製造したモデルＵＲ５ｅコボット（Ｅｎｅｒｇｉｖｅｊ、２５ ＤＫ－５２６０ Ｏｄｅｎｓｅ Ｓ、デンマークから入手可能）を備えてよい。この実施形態では、ロボット３０１は、最大ペイロードが約５ｋｇ（およそ１１ポンド質量（ｌｂｍ））、届く範囲が約８５０ｍｍ（およそ３３．５インチ）であり、６つの回転可能な継手を有する。６つの回転可能な継手の各々は、約±３６０°の作業範囲を有し、約１８０°／秒の最大速度を有する。コボットとして、ロボット３０１は、この実施形態では、ハードウェアとソフトウェアの間で分かち合う１７の構成可能な安全機能を有する。さらにロボット３０１は、この実施形態では、空気清浄度の分類に関するＩＳＯ １４６４４－１規格によるクラス５クリーンルームで動作するように認証されている。

ロボット架台３０２は、開示する主題を読んで理解すると当業者に理解できるように、いくつかの材料から構成される可能性がある。そのような材料は、たとえばアルミニウムおよびアルミニウム合金、さまざまなタイプの金属、およびさまざまなタイプのプラスチックを含む。さらに、図３Ａに示すように、搭載テーブル３０７は、いくつかの振動吸収脚部３０９を含む。振動吸収脚部３０９は、もしなければセンサ３０４が構成要素３１１から受け取る、画像をぼかす、または不明瞭にすることがある外部振動が伝わらないように、構成要素３１１を少なくとも部分的に分離するのに役立つ。他の実施形態では、ロボット架台３０２は、搭載テーブル３０７自体の一部分を備えてよい（たとえば、ロボット架台３０２は、搭載テーブル３０７の一方の端部であってよく、この場合、ロボット架台３０２は別個の要素ではない）。

センサ３０３は、当技術分野で公知のさまざまなタイプのセンサを備えてよい。たとえば、さまざまな実施形態では、センサ３０３は、ＣＭＯＳセンサなどの能動画素センサ、ＣＣＤイメージセンサ、または他のタイプのデジタル撮像センサであってよい。さまざまなタイプのセンサは、可視スペクトルの範囲内から、紫外領域で放射される波長から、近赤外および／もしくは赤外領域で放射される波長から放射される光に対して高感度のセンサ、または前述の波長領域のうち１つまたは複数に対して高感度のセンサを含んでよい。これらのセンサタイプのうちいくつかはまた、対象の１つまたは複数の所定の限定された波長範囲（たとえば、選択可能な波長通過帯域）内で動作するように選択可能であってよい。

特定の代表的な実施形態では、センサ３０３は、ＣＭＯＳカメラを備える。適していることが分かっている１つのＣＭＯＳカメラは、Ｇｅｎｉｅ Ｎａｎｏ－１ＧｉｇＥカメラ（Ｔｅｌｅｄｙｎｅ Ｄａｌｓａ社、６０５ ＭｃＭｕｒｒａｙ Ｒｏａｄ、Ｗａｔｅｒｌｏｏ、Ｏｎｔａｒｉｏ Ｃａｎａｄａ Ｎ２Ｖ ２Ｅ９から入手可能）である。センサ３０３については、以下で図４Ａを参照してより詳細に論じる。

レンズ３０５は、任意の数の撮像レンズを備えてよい。レンズ３０５は所望の倍率、視界、透過値（たとえば、Ｔ－ストップ（Ｔ－ｓｔｏｐ））、撮影距離、および他の所望の属性を求めて選択できる。当業者は、開示する主題を読んで理解したことに基づき、レンズ３０５に関する所望の属性を選択する方法を認識されよう。

特定の代表的な実施形態では、レンズ３０５は、型番ＭＴＬ－３５３５Ｐ－１００のモリテックス（Ｍｏｒｉｔｅｘ）社のバイテレセントリックレンズである（株式会社モリテックス、〒３５１－００２４埼玉県朝霞市泉水３－１３－４５、日本から入手可能）。この実施形態では、レンズは、約３５ｍｍの対角視野、約３５ｍｍの画像フォーマット、および約１倍の倍率を有する。本明細書で記述するレンズ３０５とセンサ３０３の組合せの特定の代表的な実施形態では、約１倍という倍率は、およそ２０倍の光学検査システム（たとえば、顕微鏡）の均等物を表す。

搭載テーブル３０７は、構成要素３１１を実質的に強固に保持できる、機械的に安定したいくつかのさまざまなタイプのテーブルのうち任意の１つのテーブルを備えてよい。さまざまな実施形態では、搭載テーブル３０７は、関連技術分野で公知の光学テーブルを備えてよい。光学テーブルは典型的には、ｘ方向とｙ方向の両方で約２５．４ｍｍ（およそ１インチ）離して配置された、いくつかのねじ式搭載穴を含む。搭載穴は、たとえば搭載テーブル３０７に構成要素３１１を機械的に搭載するために、ねじ切りのＩＳＯ規格Ｍ６×１（およそ１／４インチ－２０）ねじまたは類似のねじに適している。

当技術分野で公知の、さまざまなタイプの較正基準を使用して、ＡＶＩシステムの健全性を監視するだけではなく、許容範囲を超える構成要素が何かあるかどうかを検出してもよい。さらにまた較正基準を使用して、たとえばテーブルの部品の中心の場所に対してロボットを中心に置けなくなる場合、許容範囲の中にＡＶＩシステムを戻してよい。較正は、機械の視界で採用される幾何形状に基づく較正基準を備えてよい。較正基準は、たとえば搭載テーブル３０７に対して恒久的に固定されてよい。

特定の代表的な実施形態では、搭載テーブル３０７は、光学テーブルＮｅｘｕｓモデルＢ３６３６Ｔである（ＴｈｏｒＬａｂｓ、５６ Ｓｐａｒｔａ Ａｖｅｎｕｅ、Ｎｅｗｔｏｎ、Ｎｅｗ Ｊｅｒｓｅｙ ０７８６０、米国から入手可能である）。モデルＢ３６３６Ｔは、この例では６０ｍｍ（およそ２．４インチ）の厚さの側面上の約９１４ｍｍ（およそ３６インチ）の角テーブルであるブレッドボード光学テーブルであると考えられる。適切な脚部を追加して、所望の高さに搭載テーブル３０７を置いてよい。

次に図３Ｂを参照すると、主に図３Ａのロボットステーション３００の側面図３１０が示されている。図３Ｂは、実質的に平面状の特徴を有する実質的に平坦な構成要素３１３を含むように示されている。一例では、実質的に平坦な構成要素３１３は、プラズマに基づく処理チャンバ用の窓を備えてよい。この例では、窓は、酸化アルミニウム（ＡＬ₂Ｏ₃）、酸化ジルコニウム（ＺｒＯ₂）、二酸化ケイ素（ＳｉＯ₂）、および当技術分野で公知の他のセラミック、石英、またはガラスの材料など、さまざまな材料を備えてよい。実質的に平坦な構成要素３１３は、搭載テーブル３０７の中にある搭載穴３１７に締結されてよい、いくつかの固定具３１５により搭載テーブルに搭載される。

さまざまな実施形態では、ロボット３０１はロボット３０１、センサ３０３、およびレンズ３０５の組合せを使用して、実質的に平坦な構成要素３１３（または任意の他の構成要素）の１００％検査を１倍の倍率で遂行するように配列される。この実施形態では、ロボットステーション３００は、約４．５μｍの空間画素解像度を有する。実質的に平坦な構成要素３１３から収集した全画像数は、たとえば検査中の構成要素の表面領域全体だけではなく、各画像の所定の重なり合う量も含むいくつかの要因に依存する。たとえば、一実施形態では、画像の重なりは、ｘ方向とｙ方向の両方で０％の重なり（次の画像の重なりなし）から約５０％の重なりまでになるように選択されてよい。いくつかの実施形態では、画像の重なりは、ｘ方向とｙ方向の両方で５％の重なりから約１０％の重なりまでになるように選択されてよい。さらに他の実装形態では、重なりは、動径座標（たとえば、ｒおよびφ）に基づき選択されてよい。これらの実施形態では、画像の重なりは、たとえばｒ方向とφ方向の両方で約０％の重なりから約５０％の重なりまでになるように選択されてよい。３次元対象物では、当業者は、開示する主題を読んで理解すると、重なりがデカルト座標系でｘ、ｙ、およびｚの方向、円柱座標系でｒ、φ、およびｚの方向、球座標系ではｒ、φ、およびψの方向、さまざまな他の座標系、または上記の座標系のさまざまな組合せに基づき選択されてよい。

ロボットステーション３００により検出されたさまざまな欠陥タイプの各々は、さまざまな欠陥サイズに分類できる。一例では、欠陥は最大約１５μｍ、２０μｍ、５０μｍ、１００μｍ、４２０μｍ、および９００μｍまでの、またはより高倍率の実施形態では、たとえば下は１ミクロン、５ミクロン、もしくは１０ミクロンに至るまでのビン化サイズ（ｂｉｎｎｅｄ ｓｉｚｅ）に分類されてよい。当然のことながら、当業者は、ロボットステーション３００の特定の用途に応じて任意の数のビンおよびビンサイズを選択してよいことを認識されよう。欠陥をビン化する技法および方法について、以下で図６Ａ～図６Ｃを参照してより詳細に論じる。

図４Ａ～図４Ｃは、開示する主題の実施形態によるさまざまな検査カメラセンサ４００、およびレンズ組立体４３０、４５０の実施形態を示す。図４Ａを参照すると、小さなサイズのカメラ４０１および大きなサイズのカメラ４０３が示されている。カメラ４０１、４０３の各々は、図３Ａおよび図３Ｂを参照して上記で論じるセンサ３０３と同じであっても、それに類似してもよい。さらに、カメラ４０１、４０３の各々は、それぞれのカメラ４０１、４０３の裏側（図示せず）に配置された、いくつかの入出力（ｉｎｐｕｔ／ｏｕｔｐｕｔ、Ｉ／Ｏ）ポートを含む。Ｉ／Ｏポートは、両方とも当技術分野で公知の、たとえば１つまたは複数の光結合ポートおよびＲＪ－４５ポートを含んでよい。

代表的な実施形態では、小さなサイズのカメラ４０１は、たとえば４．８μｍの画素サイズで６７２×５１２画素の分解能を有し、たとえば３５０フレーム／秒（ｆｐｓ）のフレームレートを有するＣＭＯＳセンサ４０５を含む。代表的な実施形態では、大きなサイズのカメラ４０３は、たとえば４．５μｍの画素サイズで５１２０×５１２０画素の分解能を有し、たとえば４．６フレーム／秒（ｆｐｓ）のフレームレートを有するＣＭＯＳセンサ４０７を含む。開示する主題を読んで理解したことに基づき、当業者は、望ましい所与の１組の撮像パラメータを選択するために、どのカメラが望ましいかを判断する方法を認識されよう。

小さなサイズのカメラ４０１は、ＣＭＯＳセンサ４０５の撮像領域を範囲に含む、または実質的に範囲に含むのに十分な撮像円を有する、特定のタイプのレンズを搭載するのに適したレンズマウント４０９を含む。大きさサイズのカメラ４０３は、ＣＭＯＳセンサ４０７の撮像領域を範囲に含む、または実質的に範囲に含むのに十分な撮像円を有する、特定のタイプのレンズを搭載するのに適したレンズマウント４１１を含む。図４Ａに示すこの代表的な実施形態では、レンズマウント４０９、４１１の一方は、計量用のＭ４２ Ｐｒａｋｔｉｃａ（登録商標）またはＰ－ねじマウントである。他の実施形態では、当技術分野で公知の他のタイプのレンズマウント４０９、４１１（たとえば、Ｃ－マウント、ＣＳ－マウント、またはさまざまなタイプのバネヨットマウント）を使用してよい。ＣＭＯＳセンサ４０７は、交換可能なレンズ搭載システムを使用するので、異なる倍率、透過能力、物理的サイズなどを有する任意の数のレンズタイプを選択してよい。

図４Ｂは、図４Ａの検査カメラセンサ４００と共に使用してよいレンズ組立体４３０を示す。レンズ組立体４３０は、図３Ａおよび図３Ｂのレンズ３０５と同じであっても、それに類似してもよい。レンズ組立体４３０は、Ｐ－マウントねじ付きフランジ４３３および前方素子部分４３１を含むように示されている。レンズ組立体４３０の前方素子部分４３１は、ロボットステーション３００上で検査されている構成要素（たとえば、それぞれ図３Ａおよび図３Ｂの構成要素３１１、３１３）の領域の近傍にある、レンズ組立体４３０の一部分である。

図４Ｃはテレセントリックレンズ４５０を示す。テレセントリックレンズ４５０は、図４Ｂのレンズ組立体４３０ならびに／または図３Ａおよび図３Ｂのレンズ３０５と同じであっても、それらに類似してもよい。テレセントリックレンズ４５０は、照明光源４５３、および照明光源４５３により生成された光出力４６７を直接にテレセントリックレンズ４５０の光学トレインの中に一体化する。それによりテレセントリックレンズ４５０は、撮像される対象物４６９から反射した光線がテレセントリックレンズ４５０内部で光出力４６７に実質的に平行になるインライン照明を提供する。したがって、テレセントリックレンズ４５０は、撮像される対象物４６９から反射した光線４６５（明確にするために１本の光線だけを示す）を（図４ＡのＣＭＯＳセンサ４０５、４０７など）像平面４７１の上に集光することができる。

図４Ｃはまた、レンズ鏡胴４５１、照明光源連結器４５５、レンズ後方素子４５７、レンズ前方素子４５９、絞り４６３、およびビームスプリッタ４６１を含むように示されている。

絞り４６３（または視野絞り）は固定されても可変であってもよく、テレセントリックレンズ４５０を通過する光線４６５の立体角を物理的に限定するように働く。絞り４６３を使用して、テレセントリックレンズ４５０を通過して像平面４７１に至る光強度を低減してよい、および／または撮像される画像の被写界深度を（絞り４６３の横断面領域を低減することによる）像平面４７１上で増大させてよい。

ビームスプリッタ４６１は、照明光源４５３が発生させた光出力４６７の向きを変えて、撮像された対象物４６９から反射した光線４６５と実質的に一列に並ぶようにする。ビームスプリッタ４６１は、たとえばペリクルミラー（薄い半透明な鏡素子）または接着された１対の三角形のガラスプリズム、もしくは他の方法で一緒に付着した１対の三角形のガラスプリズムを備えてよい。代表的な実施形態では、ビームスプリッタ４６１は、入射する光を実質的に垂直偏光状態の２つのビームに分離する偏光ビームスプリッタを形成する複屈折材料を備える。

さまざまな実施形態では、照明光源４５３は、たとえば高強度ハロゲンビームまたは発光ダイオード（ｌｉｇｈｔ－ｅｍｉｔｔｉｎｇ ｄｉｏｄｅ、ＬＥＤ）などのさまざまな光源から得られる光を備えてよい。光源は、選択された波長または波長範囲を備えてよい。光源は、次いで光ファイバ素子または他のタイプの伝送機器（たとえば、光学素子）を通して照明光源連結器４５５に伝送されてよい。

当業者は、テレセントリックレンズ４５０を別のレンズおよび別の照明タイプの配列で置換してよいことを認識されよう。たとえば図３Ａのロボットステーション３００と共にいくつかの非テレセントリックレンズタイプを使用してよい。しかしながら、非テレセントリックレンズタイプ用の照明は周辺光から、または前方素子部分（たとえば、図４Ｂの前方素子部分４３１または図４Ｃのレンズ前方素子４５９）上もしくはその近くに搭載されたリングライトもしくは他の同軸光源、外部搭載ビームスプリッタ、または当技術分野で公知の他のタイプの直接拡散照明光源など、別の照明光源から得られてよい。また、図４Ｃには明示的に示さないが（本明細書で論じる照明シナリオのいずれかでは）偏光光源を分析器と共に使用して構成要素上で検出された欠陥に関する、対象である他のパラメータを検出してよい。そのような技法は、関連する技術分で公知である。

その結果として、使用してよい追加構成要素が原因で、非テレセントリックレンズタイプは、別の照明タイプと組み合わされたときにテレセントリックレンズ４５０よりも物理的サイズが小型ではなくなることがある。しかしながら、あるタイプの対象物では、テレセントリックレンズ４５０は、あるタイプの光散乱対象物を撮像するとき、ある像収差（たとえば、画像コントラストを低下させるホットスポット）を作り出すことがある。光散乱対象物は、ランバート放射体（Ｌａｍｂｅｒｔｉａｎ ｒａｄｉａｔｏｒ）の役割を果たし、光をすべての方向に一様に、またはほぼ一様に（または当技術分野で公知のように、ほぼ一定の双方向反射分布関数（ｂｉ－ｄｉｒｅｃｔｉｏｎａｌ ｒｅｆｌｅｃｔａｎｃｅ－ｄｉｓｔｒｉｂｕｔｉｏｎ ｆｕｎｃｔｉｏｎ、ＢＲＤＦ）で）放射する。その結果として、開示する主題は、一直線に並ばない補助照明光源を用いて、またはそれなしでインライン照明（たとえば、テレセントリックレンズ４５０）または非テレセントリックレンズを使用するように構成できる。

さらに、熟練した職人は、テレセントリックレンズ４５０または他のタイプの非テレセントリックレンズに、ある修正を行ってよいことを認識されよう。たとえば、ロボットステーション３００の下側解像度限界を高めるために、照明光源４５３を深紫外（ｄｅｅｐ－ｕｌｔｒａｖｉｏｌｅｔ、ＤＵＶ）波長（たとえば、約２４８ｎｍまたは約１９３ｎｍ）または極端紫外（ｅｘｔｒｅｍｅ－ｕｌｔｒａｖｉｏｌｅｔ、ＥＵＶ）波長（たとえば、約１２４ｎｍまたは約１０ｎｍ）になるように選択する場合、（たとえば、極端に低い値の表面粗さを有する）専用光学素子または反射素子（たとえば、前面鏡）は、上記で記述する光学素子と交換されてよい。また、低波長放射は空気を通して常に透過できるわけではないので、構成要素の検査は真空条件下で行われよい。

図５Ａ～図５Ｇは、開示する主題のさまざまな実施形態と共に使用できるグラフィカル・ユーザ・インタフェース（ＧＵＩ）の例を示す。データは、特定の供給業者（たとえば、図２の供給業者２０１Ａ～２０１Ｃのうち１つの供給業者）によって、および／または主データ収集ステーション２７３でデータファブリックの形で記憶されてよい。データファブリックを使用して、以下でより詳細に論じるように、検査された構成要素に関係するすべての情報および関連データを記憶する。データファブリックは、当技術分野で公知のように、ローカルおよび／または遠隔の記憶装置に周期的にバックアップされてよい。

次に図５Ａに示す代表的な実施形態を参照すると、最上位のランディングページ５００には３つの選択可能なリンクがある。３つのリンクは、供給者－技術者ダッシュボードリンク５０１、自動化外観検査（ＡＶＩ）ダッシュボードリンク５０３、および画像ビューアリンク５０５を含む。

図５Ｂは、エンドユーザが最上位のランディングページ５００から供給者－技術者ダッシュボードリンク５０１を選択後に到達する供給者－技術者ダッシュボード５１０の代表的な実施形態を示す。供給者－技術者ダッシュボード５１０は、供給者－技術者割当てブロック５１１と、供給者－コードブロック５１３と、ドロップダウン供給者選択ブロック５１５と、供給者－コードブロック５１３で入力した値に関連する部品の一覧表５１７とを含むように示されている。

供給者－技術者割当てブロック５１１は、供給者に基づき割り当てられた技術者を直接記入することに基づいて示すことができる、またはたとえば、供給者－コードブロック５１３の中への記入に基づく技術者選択のドロップ・ダウン・ボックス、もしくはそれらのさまざまな組合せに基づいてよい。供給者に基づき割り当てられた技術者（たとえば、検査を遂行する特定の技術者または専門家）の名前は、すでに供給されたデータファイルに記憶されてよい（たとえば、特定の代表的な一実施形態では、データファイルは、構造が当技術分野で公知の標準的データ交換フォーマットであるＪＳＯＮ（ＪａｖａＳｃｒｉｐｔ Ｏｂｊｅｃｔ Ｎｏｔａｔｉｏｎ）ファイルを備えてよい）。

特定の代表的な実施形態では、ＪＳＯＮファイルは３つ以上のレベル、すなわちレベル０、レベル１、およびレベル２に構造化されてよい。この実施形態では、構造のレベル０部分は、本明細書で記述するように、ＡＶＩレコードすべての詳細を記憶するように構成される。ＡＶＩレコードすべてには、データファブリックにより固有識別子名が与えられる。構造のレベル１部分は、たとえば図２を参照して上記で記述する部品または構成要素の検査工程の間に収集した画像ごとの画像詳細を記憶するように構成される。構造のレベル３部分は、所与の画像に関連する、検出された欠陥ごとの欠陥詳細を記憶するように構成される。

供給者－コードブロック５１３を再度参照すると、この実施形態では、供給者－コードブロック５１３は、いくつかの供給業者の各々にこれまで少なくとも１つが割り当てられた数字による識別値（ｉｄｅｎｔｉｆｉｃａｔｉｏｎ ｖａｌｕｅ、ＩＤ）として列挙された供給者コードを備えてよい。供給者コードＩＤは、付随するＪＳＯＮファイルの中の属性として含まれてよく、特定の供給業者コード値を有する。供給業者－コードブロック５１３内部に供給され示されたＩＤは、ドロップダウン供給業者選択ブロック５１５から選択される。実施形態では、ドロップダウン供給業者選択ブロック５１５で利用可能な選択内容は、（たとえば、ＪＳＯＮファイルの一部として）付随するＡＶＩデータベースにある特定の１組の供給業者コードに限定されてよい。それに加えて（まだ検査されていない部品とは対照的に）関連するＡＶＩデータを有する供給業者－コードブロック５１３の中で供給業者に割り当てられた部品は、たとえば事前に期待された色コーディングまたは他の強調表示方式に基づき識別できる。

供給業者－コードブロック５１３で入力された値に関連する部品の一覧表５１７を使用して、特定の選択された供給業者コードに割り当てられた部品（構成要素）の完全なリストを表示できる。図５Ｂに示すように、部品は、たとえばＡＶＩ ＩＤ、部品が検査ステップに合格したか不合格であったか、部品の製造番号、部品番号、（１よりも大きい場合）修正番号、および部品についての説明により表示されてよい。当業者に認識できるように、開示する主題を読んで理解すると、対象の任意の数の追加フィールドを部品の一覧表５１７に追加してよい、または一覧表５１７から削除してよい。さらに、さまざまな色コードを使用して、対象の対象のあるフィールドを強調してよい。

次に図５Ｃを参照すると、エンドユーザが最上位のランディングページ５００からＡＶＩダッシュボードリンク５０３を選択後に到達するＡＶＩダッシュボード５３０の代表的な実施形態を示す。ＡＶＩダッシュボード５３０は、特定のＡＶＩファイルのためのいくつかの選択ブロック、および選択されたＡＶＩファイルに関係がある情報を表示する一連のブロックを含む。図５Ｃ～図５Ｇに記述するパラメータごとの決定について、以下で図６Ａ～図６Ｃを参照してより詳細に記述する。

たとえば、ＡＶＩダッシュボード５３０は、合格／不合格ブロック５３１、供給業者コードブロック５３３、部品検索ブロック５３５、製造番号ドリル・ダウン・ブロック５３７、時系列ドリル・ダウン・ブロック５３９、および総合的部品情報ブロック５４１を含むように示されている。選択されたＡＶＩファイルに関係がある情報を表示する一連のブロックは、ＡＶＩレコードブロック５４３の選択内容、レイヤ切替ブロック５５１の選択内容、およびビンサイズ選択ブロック５５９を含む。選択されたＡＶＩファイルに関係がある情報を表示する一連のブロックは、ツリープロット５４５を表示する領域、散布図５４７を表示する領域、ヒートマップ５４９を表示する領域、ゾーンを伴う静的画像５５３を表示する領域、画像情報５５５を表示する領域、要約統計情報５５７を表示する領域、欠陥情報５６１を表示する領域、および統計的工程管理（ｓｔａｔｉｓｔｉｃａｌ ｐｒｏｃｅｓｓ－ｃｏｎｔｒｏｌ、ＳＰＣ）データ５６３を表示する領域をさらに含む。選択されたＡＶＩデータは、ＡＶＩ情報ダウンロードブロック５６５から得られるＡＶＩダッシュボード５３０からダウンロードされてよい。

供給業者コードブロック５３３を使用して、供給者コードのうち特定の１つの供給業者コードに関係があるＡＶＩレコードを検索する。この検索で供給業者コードに関する供給源は、ＪＳＯＮファイル内の対応するヘッダフィールドから取り出された、上記で記述するデータファブリックに記憶されたデータに基づく可能性がある。さまざまな実施形態では、このフィールド内の供給業者コードは、対応する供給業者の名前で補ってよい。さらに、供給業者コード内の値の選択内容を使用して、検索フィールドの残りの部分の中にある値を、選択された供給業者コードに対応する値だけに限定できる。同様に、供給業者コード内の選択内容を変更するステップを使用して、残りの検索フィールド内の値をリセットし、クリアできる。

部品検索ブロック５３５を使用して、ＡＶＩデータベースに記憶された部品を検索する。実施形態では、部品検索ブロック５３５は、当技術分野で公知のタイプアヘッドアプローチを使用してドロップダウンモードで結果を表示できる。タイプされた各文字を使用して検索結果を絞り込むことができる。設定された結果に表示される部品には、チェックボックスをつけることができ、エンドユーザは任意の数の部品を選択できる。選択された部品に基づき、これらの部品に関する対応するＡＶＩレコードは、ＡＶＩレコードブロック５４３で列挙できる。

製造番号ドリル・ダウン・ブロック５３７を使用して、ＡＶＩデータベースに列挙された製造番号を検索できる。製造番号ドリル・ダウン・ブロック５３７を使用して、タイプアヘッドアプローチを使用してドロップダウンモードで結果を表示できる。タイプされた各文字を使用して検索結果を絞り込む。設定された結果に表れる製造番号は、各製造番号の隣に列挙されたチェックボックスを有する。実施形態では、エンドユーザは、所定の数の製造番号選択に限定できる。さらに、選択された製造番号に基づき、部品検索ブロック５３５内の選択肢は、選択された特定の製造番号に関係がある部品だけに限定できる。

時系列ドリル・ダウン・ブロック５３９を使用して、部品を検査したときの所望の検査日、作業勤務時間、他の期間に基づき特定の期間を識別できる。時系列ドリル・ダウン・ブロック５３９はまた、範囲に基づく時間検索のために使用できる。エンドユーザは日付範囲を指定できる。その結果として、選択された所与の期間の範囲内にある特定の部品に基づき、部品検索ブロック５３５および製造番号ドリル・ダウン・ブロック５３７での選択肢は、選択された期間の範囲内に検査された部品だけに限定される。図５Ｃに明示的に示さないが、ＡＶＩダッシュボード５３０はまた、選択された製造番号（または他の選択されたパラメータ）の範囲内にあるロット情報に基づき特定の期間を識別するために使用できるロット番号ドリル・ダウン・ブロックを含むことができる。たとえば、ロット情報は、部品またはある範囲の部品を検査した、選択された週および／または年を備えることができる。ロット製品番号ドリル・ダウン・ブロックは、タイプアヘッドアプローチを使用してドロップダウンモードで結果を表示できる。タイプされた各文字を使用して、表示される検索結果を絞り込む。

選択されたＡＶＩファイルでは、合格／不合格ブロック５３１は、そのファイルに関連する部品が検査に合格したか不合格であったかを示す。ＡＶＩファイル内部の関連するＡＶＩレコードはたとえば、部品を検査したときに生成されたＪＳＯＮヘッダから決定される合格／不合格フラグを含むことができる。合格／不合格属性は、特定のＡＶＩファイルに関して本明細書で記述する選択ブロックのその後の検索すべてのための包括的基準として使用できる。さまざまな実施形態では、合格／不合格ブロック５３１のデフォルト値は、ＡＶＩダッシュボード５３０がロードされたときにブランクとすることができる。合格／不合格ブロック５３１の値がブランクのままである場合、フィールドは、残りの検索基準にまったく関係がない。合格／不合格ブロック５３１の値が「合格」に設定された場合、値が「合格＝真」に設定されたＡＶＩレコードだけを、検索するために利用できる。合格／不合格ブロック５３１の値が「不合格」に設定された場合、値が「合格＝偽」に設定されたＡＶＩレコードだけを、検索するために利用できる。

ＡＶＩレコードブロック５４３で表示された部品は、たとえば上記で論じる検索基準を使用して見つかったそれらの部品に関係があるＡＶＩレコードすべてを列挙すべきである。さまざまな実施形態では、ＡＶＩレコードブロック５４３は、ＡＶＩタイムスタンプ（たとえば、部品をいつ検査したか）、部品番号、（もしあれば）部品バージョン、およびレコード過程（ｐｒｏｃｅｓｓ－ｏｆ－ｒｅｃｏｒｄ、ＰＯＲ）ステップを示すフィールドを含んでよい。図示するように、各レコードの近くにチェックボックスを示すことができる。ボックスにチックを入れると、ＡＶＩレコード情報は、以下でより詳細に記述するように、ＡＶＩダッシュボード５３０内の情報の残りの部分をプロットし読み込むために使用できる。実施形態では、プロットするために選択できるいくつかのレコードは、限られた数だけを表示するように事前に決定されてよい（たとえば、３つのレコードだけを同時にプロットしてよい）。実施形態では、分析するために１つまたは複数のＡＶＩレコードにチェックを入れた場合、上記で記述する検索フィルタすべては、レコードのチェックを外す後まで、さらに検索するのを防止するためにロックできる。この実施形態では、ＡＶＩレコードすべてのチェックが外された後、検索フィルタをロック解除できる。

画像情報５５５を表示する領域、要約統計情報５５７を表示する領域、欠陥情報５６１を表示する領域、およびＳＰＣデータ５６３を表示する領域はそれぞれ、たとえば選択された１つまたは複数のレコードに関するさまざまなタイプの表形式の情報を含んでよい。そのような表形式の情報は、たとえば総合的部品情報、検査された部品に関する要約統計情報、撮像工程から決定された情報、および撮像工程から決定された欠陥情報を含むことができる。

たとえば、画像情報５５５を表示する領域は、検査工程から受信した列および行の情報（または上記で記述するように、選択された座標系に基づき表示された他の情報）、欠陥の総数、欠陥の大域的位置、および選択された画像データに関係がある他のタイプの情報を含むことができる。要約統計情報５５７を表示する領域は、たとえば製造番号、部品番号、平均欠陥領域、最小検出欠陥サイズ、最大検出欠陥サイズ、欠陥の全平均位置（たとえば、欠陥のクラスタ化された場所）、および選択された画像データに関係がある他のタイプの情報を含むことができる。欠陥情報５６１を表示する領域は、たとえば、検出された欠陥ごとの大域的位置、検出された欠陥ごとのローカルの位置、検出された欠陥ごとの表面領域、検出された欠陥ごとのアスペクト比（欠陥の最大寸法および最小寸法を含む）、検出された欠陥が配置されたゾーン、および選択された画像データに関係がある他のタイプの情報を含むことができる。ＳＰＣデータ５６３を表示する領域は、たとえば工程の所与の段階または局面に関係があってよいさまざまなタイプの統計的工程管理データ（たとえば、箱ひげ図）を含んでよい。対象のそのようなＳＰＣパラメータは、当業者に公知である。

ゾーンに伴う静的画像５５３は、選択された部品上の対象のゾーンをエンドユーザが識別する手助けをする静的画像を表示する。たとえば、エンドユーザは、検査された部品の特定の領域を選んでそこに注意を集中してよい。

ツリープロット５４５を表示する領域を使用して、たとえば選択したビンサイズに基づきどの画像の欠陥数が最も多いかを視覚的に表示できる。たとえば、ツリープロットの中の各箱のサイズおよび／または色は、各レベルで総計した欠陥カウントなどのパラメータに基づくことができる。ツリープロットについては、以下で図５Ｄおよび図５Ｅを参照してより詳細に論じる。

散布図５４７を表示する領域を使用して、以下で図５Ｆを参照してより詳細に記述するように、ローカルの散布図５９０を視覚的に表示できる。散布図５９０は、たとえば所与の画像に関する欠陥詳細に基づくことができる。画像内の欠陥の各々のパラメータは、ローカルのｘの場所、ローカルのｙの場所（または他の座標系パラメータ）、および各欠陥の領域を含むことができる。これらのようなパラメータを使用して関連散布図５９０を構築してよい。

ヒートマップ５４９を表示する領域を使用して、以下で図５Ｇを参照してより詳細に記述するように、ヒートマップ５９５を視覚的に表示できる。選択されたＡＶＩレコード内の各画像から収集したデータを使用して、ヒートマップ５９５を構築できる。ヒートマップ５９５は、選択された部品上で検出された各欠陥の場所を参照して欠陥の大域的ｘの場所および大域的ｙの場所（または他の座標系パラメータ）を示す。

レイヤ切替ブロック５５１の選択内容は、たとえば散布図５４７を表示する領域およびヒートマップ５４９を表示する領域に関係がある機能性を含むことができる。分析するために、散布図５９０またはヒートマップ５９５で選ばれたＡＶＩレコードが２つ以上存在する場合、レイヤ切替ブロック５５１を選択することにより、エンドユーザは、特定のＡＶＩレコードに関してヒートマップ５４９を表示する領域および／または散布図５４７を表示する領域をオンまたはオフに切り替えることができるようになる可能性がある。代表的な実施形態では、レイヤ切替ブロック５５１の選択内容は、最大３つのレコードを同時にロードできるように調節されてよい。

ビンサイズ選択ブロック５５９は、たとえばツリープロット５４５を表示する領域、散布図５４７を表示する領域、ヒートマップ５４９を表示する領域、およびＡＶＩダッシュボード５３０の欠陥情報５６１部分を表示する領域だけに影響を及ぼすように選択できるＡＶＩダッシュボード５３０上の大域フィルタとすることができる。ビンサイズ選択ブロック５５９の大域フィルタは、示す図または表形式の情報の各々を描画するとき、ビンに基づき一定のサイズの検出された欠陥だけを考慮するように配列できる。

たとえば、ＪＳＯＮフィルタ内の各欠陥レコード内部では、検出された欠陥ごとのサイズまたはサイズの範囲に対応する「ビン」という名前のついた属性を含むことができる。ＪＳＯＮファイル内の「ビン」属性に数値を割り当てることができる。表Ｉは、ビン数と関連する名前との間のマッピングの例を示す。しかしながら、当両者は、開示する主題を読んで理解したことに基づき（たとえば、検出された欠陥サイズに基づき）任意の数のビンおよび任意の数の名前識別子を選択してよいことを認識されよう。たとえば、本明細書で提供するさまざまな記述に基づき、とても小さな欠陥（たとえば、μ未満のサイズの粒子）を検出するように配列されたロボットステーションでは、名前識別子は０．２５μｍのサイズから始まってよい。さらに、名前識別子は、たとえば平均欠陥直径、等価な空力的欠陥直径、欠陥の最大寸法、欠陥の最小寸法、または欠陥のいくつかの他の１組の選ばれた１つまたは複数の特性寸法など、検出された欠陥の特性寸法に基づいてよい。

ビンサイズ選択ブロック５５９での選択内容に基づき、エンドユーザは、どの１つまたは複数の欠陥サイズ範囲を表示するかを選択する能力を有する。一実施形態では、デフォルト設定は、ビンすべてが選択されており、ビンを選択解除することにより、欠陥情報に表示される欠陥の総数、および３つの図で使用する欠陥数は低減される。一般に、エンドユーザは、より大きなサイズの検出された欠陥の分布だけを見ることを望むことがある。多数のレコードが選択された場合、欠陥情報内の表示されたすべてのレコード、および３つの図で使用された欠陥数に同じ選択基準を適用できる。

ＡＶＩ情報ダウンロードブロック５６５を選択して、分析されているＡＶＩレコードに関するＡＶＩデータすべてをダウンロードできる。ＡＶＩデータは、たとえば選択可能なフォーマットでスプレッドシートにダウンロードされてよい。

図５ＣのＡＶＩダッシュボード５３０を参照して上記で記述する選択されたＡＶＩファイルに関係がある情報を表示する一連のブロックのいずれかを選択して（たとえば、画像をタップする、または画像をクリックすることにより）情報の拡大版を示してよい。たとえば、エンドユーザは、その領域をクリックしてヒートマップ５４９を表示して、以下で図５Ｇを参照して示し記述する、ヒートマップ５９５の全画面（または画面の何らかの所定の領域）版を示すことができる。

次に図５Ｄおよび図５Ｅを同時に参照すると、高レベルのツリープロット５７０は、いくつかのＡＶＩレコードＩＤ５７１を含む。エンドユーザは、高レベルのツリープロット５７０の一部分の範囲内にある選択された領域５７３を選んで、低レベルのツリープロット５８０を表示してよい。低レベルのツリープロット５８０は、選択された領域５７３の範囲内にいくつかの画像を含む。その結果として、エンドユーザは、高レベルのツリープロット５７０の内部にある選択された領域５７３を選んで、ドリルダウンして、高レベルのツリープロット５７０から選択された領域５７３を抽出または拡大できる。一実施形態では、選択された領域５７３は、所与のアスペクト比を伴う領域内で事前に決定できる。別の実施形態では、選択された領域５７３は、たとえば対象の領域に関する左上座標および右下座標を選択することに基づき選ぶことができる。他の実施形態では、領域を選ぶための両方の選択肢は、表示画面上を１回タップまたはクリックして選択することにより、または対象の領域に関する左上座標および右下座標を選択することにより実装できる。低レベルのツリープロット５８０が選択されると、低レベルのツリープロット５８０は事実上、新しいバーションの高レベルのツリープロット５７０になることができる。新しいバーションの高レベルのツリープロット５７０の一部分はまた、今では新しいバージョンの選択された領域５７３の範囲内で選ばれてよい。

図５Ｄおよび図５Ｅの高レベルのツリープロット５７０および低レベルのツリープロット５８０での各ボックスのサイズおよび色は、たとえば各レベルで総計され検出された欠陥のカウント、または別の選択されたパラメータに基づくことができる。開示する主題を読んで理解すると、当業者は、図５Ｄおよび図５Ｅのツリープロットが、デカルト座標系でのスキャンに基づきロボットステーション３００（図３Ａを参照されたい）による画像スキャンから得られる２次元（２Ｄ）図を示すことを認識されよう。しかしながら、熟練した職人は、他の座標系によるスキャンも同様に表示してよいことを認識されよう。さらに、熟練した職人は、３次元（３Ｄ）画像も同様に表示してよいことを認識されよう。座標系および２Ｄ対３Ｄの表示の選択は、本明細書で記述するすべての図のタイプに適用される。

図５Ｆは散布図５９０を示す。上記で記述するように、散布図５９０は、たとえば所与の画像に関して検出された欠陥の詳細に基づくことができる。画像内の欠陥の各々のパラメータは、ローカルのｙの場所（たとえば、数千ｍｍの単位で表示される）、ローカルのｘの場所（たとえば、数千ｍｍの単位で表示される）を含むことができ、両方とも「０．０」の起点（または他の座標系パラメータ）から所与の距離に位置するとして表示される。散布図５９０はまた、各欠陥の領域を示す。大域的場所および領域サイズなどのパラメータを使用して散布図５９０を構築してよい。実施形態では、特定の色は、所与の欠陥タイプをプロットするように選択されてよく、特定の画像に関するＪＳＯＮファイル内の「欠陥タイプ」属性に基づくことができる。

図５Ｇはヒートマップ５９５を示す。上記で記述するように、ヒートマップ５９５は、選択された部品上で検出された各欠陥の場所を参照して、検出された欠陥の大域的ｘの場所および大域的ｙの場所（または適用可能な場合には他の座標系パラメータ）を示す。さまざまな実施形態では、所与の区域または領域内の欠陥数を示すように色コーディングに基づくことができる。たとえば、黄色は、最小の欠陥を有する画像の一部分に対応するように選択でき、青色は、最大の欠陥を有する画像の一部分に対応するように選択できる。

図５Ａを再度参照すると、最上位のランディングページ５００は、１つまたは複数のリンクを、すなわち画像ビューアリンク５０５を含むように示されている。画像ビューアリンク５０５を選択後、エンドユーザは、図５Ｂおよび図５Ｃを参照して上記で記述するように、部品番号またはＡＶＩレコード番号などによりＡＶＩ検索を遂行して、表示画面上に（たとえば、カラー画像として、またはグレースケール画像として）画像を表示できるようにする別個のポータル（図示しないが、当業者に理解できる）に連れて行かれる。

次に図６Ａ～図６Ｃを参照すると、開示する主題の実施形態による、構成要素の自動検査を遂行するための方法が示されている。

図６Ａは、自動化システム（たとえば、図３Ａのロボットステーション３００）をセットアップし、画像を取り込み、分析し、レコードするための高レベルの方法６００全体の代表的な実施形態を示す。動作６０１で、自動化システムを較正する。実施形態では、較正は、たとえばロボットステーション３００のレンズ３０５の焦点を構成要素３１１の一方の共通平面の上に合わせるステップを伴う。さまざまな実施形態では、焦点を合わせるステップは、共通平面の空間的に分離した集光点にロボット３０１を駆動することにより、たとえば共通平面上の３つまたは４つの別個の点を選択することにより達成されてよい。受入れ可能な焦点は、「受入れ可能な焦点」であると考えられるものに関する所定の基準に基づくことができる。受入れ可能な焦点に関する所定の基準は、焦点スコアを確立し、たとえば、レンズの被写界深度と組み合わせてロボットの空間分解能精度および再現性を伴ってよく、それにより、焦点に関する許容範囲値を確立する。さらに、焦点スコアおよび較正手順は、搭載テーブル３０７に構成要素３１１を搭載するときに発生するどんな誤整列の問題も軽減するのに役立つ可能性がある。較正手順は、構成要素３１１の異なる平面（たとえば、非平面の構成要素での側壁）について再確立されてよい。

動作６０３で、自動化システムは、ロボット３０１、センサ３０３、およびレンズ３０５の組合せを使用して画像の取込みを開始する。（所与の領域に関係がある）所定の視界およびステップサイズ（たとえば、ｘ方向とｙ方向の両方（または何らかの他に選択された座標系）で１０ｍｍごと１つの画像を取り込む）で画像を取り込む。取り込まれた画像はまた、いくつかの所定のレベルの画像重なりを含む可能性ある。たとえば、いくつかの実施形態では、画像の重なりは、ｘ方向とｙ方向の両方で５％の重なりから約１０％の重なりまで選択されてよい。他の実施形態では、画像の重なりは、たとえば約０％の重なり（次の画像の重なりなし）から約５０％の重なりまでになるように選択されてよい。さらに他の実施形態では、「負の重なり」が存在してよい。負の重なりは、構成要素のすべての表面を完全に検査する必要があるわけではないと判断した場合、構成要素の１００％未満を使用してよいことを示す。

動作６０５で、取り込まれた画像は、記憶して別の分析をするためにプログラムの中にロードされる。別の分析のいくつかの実施形態は、以下で図６Ｂおよび図６Ｃを参照して記述する動作を含む。別の分析は、動作６０７で遂行される。

動作６０７で分析を遂行後、または遂行中、分析により生成されたデータの少なくとも一部分は、動作６０９でデータヒープ内の記憶領域に書き込まれる。動作６１３で、処理する必要がある追加画像が残っているかどうかに関して判断する。追加画像を処理する必要がある場合、高レベルの方法６００全体は動作６０５に戻り、その場合、１つまたは複数の取り込まれて残っている画像は、記憶して別の分析をするためにプログラムの中にロードされる。

開示する主題を読んで理解すると、記憶して別の分析をするために一連の画像のフローを推定する方法６００と異なり、取り込まれた画像の多くまたはすべてが並列に（たとえば、当技術分野で公知のパイプライン化構成で）記憶され分析されてよいことを熟練した職人が認識していることを当業者は認識されよう。取り込まれたすべての画像を処理後、動作６１５で、すべてのデータはファイル（たとえば、上記で記述するＪＳＯＮファイル）に書き込まれる。

図６Ｂは、動作６０７による図６Ａの別の分析部分の内部で遂行される追加の１組の動作をさらに拡張した方法６１０の代表的な実施形態を示す。動作６０７Ａで、取り込まれた画像はそれぞれしきい画像分析を受ける。しきい画像分析は、取り込まれた画像の中で対象の黒い領域を決定する。しきい値処理レベルは、取り込まれた画像内部で検出された欠陥に基づき決定される。しきい値処理レベルの決定は、グラフィックスおよび画像処理の技術分野など、関連する技術分野で公知の動作に基づく。さまざまな実施形態では、所定のしきい値処理レベルをすべての画像に実質的に一律に適用してよい。代替実施形態では、しきい値処理レベルは、さまざまな要因（たとえば、いくつかの検出された欠陥の数および画像のコントラストレベル）に基づき、取り込まれた画像ごとに別個に決定され適用されてよい。

動作６０７Ｂで、取り込まれた画像に輪郭およびブログ（ｂｌｏｂ）分析を遂行する。輪郭およびブログ分析は、より大きな欠陥の一部を形成する可能性が高い画素を一緒にグループ化する、ある所定の基準に基づく。たとえば（上記で記述するしきい値処理分析に基づき）検出された欠陥を示す一連の画素は、構成要素３１１上のかき傷を示すことがあり（図３Ａを参照されたい）、それに応じて、以下でより詳細に記述するように一緒にグループ化される。

動作６０７Ｃで、検出された欠陥を大きい欠陥として分類すべきか、小さい欠陥として分類すべきかを判断する。「小さい」に対する「大きい」の判断は、たとえば検出された欠陥が、完成した構成要素に及ぼすことがある影響などの要因に基づき行われる。たとえば、ツール（たとえば、プラズマに基づく処理チャンバ）の中に置かれると構成要素の性能に潜在的に影響を及ぼす可能性がある大きな粒子、穴、またはかき傷が原因で、完成した部品を再加工する必要があることがある場合、欠陥は「大きい」と考えてよい。はめ合い部品に構成要素を追加すること、または処理を受けるチャンバ内部で基板の上に構成要素から落ちる欠陥（たとえば、粒子）の可能性に基づき判断してよい。欠陥がツールの性能に影響を及ぼす可能性がなさそうである場合、欠陥は「小さい」と考えてよい。各構成要素タイプは、欠陥が「大きい」と分類されるか「小さい」と分類されるかどうかに関して判断する、別個の１組の基準を有してよい。開示する主題を読んで理解すると、当業者は、開示する主題の特定の用途に基づきそのような分類判断を行う方法を認識されよう。

動作６０７Ｃで欠陥が「大きい」と判断する場合、動作６０７Ｄで浸食ステップおよび／または拡張ステップを遂行する。浸食ステップおよび拡張ステップは潜在的に、大きな欠陥の一部分として識別された画素を一緒につなぎ合わせるように遂行される。たとえば、浸食ステップは、（動作６０７Ａから得られる）しきい画像から黒い区域の領域を増大させて、黒い区域を一緒に結びつけて、黒い区域をより大きな欠陥としてグループ化する。逆に、拡張ステップは、大きな欠陥に属さないと判断されたしきい画像から黒い区域の領域を低減する。逆に、この実施形態では、拡張は、白い領域のサイズを増大させ、浸食は、黒い領域のサイズを増大させる。さまざまな実施形態で記述するように、黒い領域は、対象の領域を備える。

動作６０７Ｃで、欠陥が「小さい」と判断する場合、（動作６０７Ａから得られる）しきい画像の未加工の供給は、動作６０７Ｅで直接渡される。すなわち、「小さい」欠陥に対して浸食ステップも拡張ステップも遂行されない。

動作６０７Ｆで、対象の領域すべての属性（たとえば、すべての検出された欠陥）は、後で取り出すために、たとえば図５ＣのＡＶＩダッシュボード５３０により記憶される。方法６１０のフロー制御は、次いで図６Ａの方法６００内の動作６０９に戻る。

図６Ｃは、図６Ｂの動作６０７Ｆによって後で取り出すために記憶された対象の領域すべての属性がさらに拡張される方法６３０の代表的な実施形態を示す。動作６０７Ｆ１で、対象の各領域（たとえば、検出された欠陥）のローカルの位置および大域的位置の両方を決定する。各欠陥のローカルの位置および大域的位置は、たとえば別の欠陥を基準とする、欠陥の幾何学的重心の場所、または構成要素上の大域的位置（決定された「０，０」または「０，０，０」座標の位置）を基準とする、欠陥の幾何学的重心の場所に基づいてよい。

動作６０７Ｆ２で、対象の領域（たとえば、検出された欠陥）ごとに幾何学的領域を決定する。動作６０７Ｆ３で、欠陥が位置するゾーンについて決定する。決定されたゾーンは、図５ＣのＡＶＩダッシュボード５３０のゾーン５５３インジケータを伴う静的画像を使用して分析を遂行するときに後で使用できる。動作６０７Ｆ４で、各欠陥をどのビンサイズの中に置くべきかをさらに決定する。ビンサイズの決定は、後でＡＶＩダッシュボード５３０のビンサイズ選択ブロック５５９を使用して分析を遂行するときに使用できる（表Ｉおよび本明細書で提供する、付随する記述も参照されたい）。

動作６０７Ｆ５で、検出された各欠陥の大きいほうの長さおよび小さいほうの長さに関して決定する。大きいほうの長さおよび小さいほうの長さは、バウンディングボックスを使用して判断されてよい。関連技術分野で公知のように、バウンディングボックスは、たとえばデジタル画像を取り囲む正方形または長方形の境界の座標を伴う仮想的ボックスである。バウンディングボックスは空間座標に基づくので、さらにまたデジタル画像を取り囲むように回転できる。正方形のバウンディングボックスは、円形の欠陥の周囲に置かれてよいのに対して、長方形のバウンディングボックスは、細長い欠陥（たとえば、１：１よりも大きなアスペクト比を有する欠陥）またはかき傷（たとえば、１：１よりもはるかに大きなアスペクト比を有する欠陥）の周囲に置かれてよい。細長い欠陥およびかき傷は、同じ所定の基準に基づき判断されてよい（たとえば、１０：１よりも大きなアスペクト比はかき傷として分類されてよい）。デジタル画像の、この場合、検出された欠陥の空間的広がりの決定は、近傍の背景（たとえば、構成要素から取り込まれた、欠陥以外の領域）を伴うデジタル画像の縁部（たとえば、コントラスト比較）に基づいてよい。

機械学習（Ｍａｃｈｉｎｅ Ｌｅａｒｎｉｎｇ、ＭＬ）を使用して、モデルを訓練するために使用した以前の訓練データに基づき欠陥をさまざまなクラスに区別してよい。さまざまな代表的な実施形態では、本明細書で開示するＡＶＩツールは、欠陥を区別するために機械学習を利用する。特定の代表的な実施形態では、１つまたは複数のニューラルネットワークは、取り込まれた画像から情報を抽出する。取り込まれた画像から情報を抽出するステップは、「ディープラーニング」と呼ばれる技法である。１つのそのようなツールは、４６５０ Ｃｕｓｈｉｎｇ Ｐａｒｋｗａｙ Ｆｒｅｍｏｎｔ Ｃａｌｉｆｏｒｎｉａ ＵＳＡ、９４５３８のＬａｍ Ｒｅｓｅａｒｃｈ Ｃｏｒｐｏｒａｔｉｏｎに登録されたＡｌｉｔａ（登録商標） ＡＶＩツールである。

情報を抽出する第１のステップは、本明細書で概要を述べる特徴識別手順を使用して、開示するＡＶＩプログラムをそのまま走らせることである。特徴ごとに得られる属性の１つは、バウンディングボックスの場所である。実施形態では、バウンディングボックスは、特徴画像の右端、左端、最上部、最下部の縁部を画素単位で提供する。抽出された大きな画像から、画像内の特徴ごとに小さな画像がいくつか作り出され（特定の実施形態では、大きなほうの特性長さが約１００μｍよりも大きい）、たとえば当技術分野で公知のハードドライブ、または他の記憶ユニット、またはメモリにローカルに保存される。画像取込工程の終わりに、メインプログラムは、機械学習（ＭＬ）プログラムを開始する。ＭＬプログラムは、特徴の「断片（ｓｎｉｐ）」すべて、および断片の他の属性（たとえば、アスペクト比、ならびに識別された、または選ばれた部品の中心（ｄｅｆｇｌｏｂａｌＲ）から欠陥までの半径方向の距離）を読み出し、この情報をＭＬ予測モデルの中に渡す。ここから、モデルは特徴のタイプだけではなく、特定のタイプまたは１つもしくは複数のさまざまな他のタイプであるという関連する確率を予測する。特徴タイプに関する情報は、たとえばＣＳＶ（ｃｏｍｍａ－ｓｅｐａｒａｔｅｄ－ｖａｌｕｅ）ファイルの中に記憶され、ＣＳＶファイルは、次いでメインプログラムの中に戻して読み込まれてよい。メインプログラムは、欠陥タイプおよび確率を構文解析して主要なデータ交換フォーマット（たとえば、本明細書で規定するｊｓｏｎファイル）にし、次いでこのデータ交換フォーマットのファイルをハードドライブ（または他の記憶ユニットまたはメモリユニット）の中に読み込み、その結果、完全なスキャンを完了する。

実施形態では、画像切取りは、プログラムの終わりにＭＬプログラムが走る間、画像がメモリにすでに記憶されているので、メインプログラムと同調して行われる。この実施形態では、ＭＬプログラムは、より効率的に走り、一度に１つの画像ではなく一度に情報すべてを渡す。

ある例では、機械学習モデルは、通常のスキャンと比較して、走るのに大まかに言って余分に４分～６分かかることがある。しかしながら、余分な時間は、予測を必要とする特徴の数に大きく依存する。この例での余分な時間は、断片あたり大まかに言って３９ミリ秒追加される（小部分を切り取ることおよび予測を含む）。

これらのタイプは、期待される欠陥のタイプごとに画像のフォルダを包含する訓練データセットを介して訓練されて、モデルになる。これらの画像は、現実の世界のデータから抽出され、最初の訓練データを得るために手作業で記憶される。タイプの各々は、（よごれなどの）現実の世界の欠陥によく似るように配列された、いくつかの番号コード（たとえば、０６００）に分けられる。さまざまな実施形態では、たとえば１０のクラスが存在してよいが、この数は大きく変わる可能性がある。たとえば数字コードは、２つの部分を、すなわち、コードの最初の２つの数字および次の２つの数字をそれぞれ備える「主部」および「副部」を有してよい。したがって、一例では、０６００は「よごれ」とすることができ、一方、０６０１は「腐食したよごれ」とすることができる。

当技術分野で公知の、画像予測のためのいくつかの異なるモデルを使用でき、モデルは、オープンソース機械学習ライブラリに基づく（ＭＬライブラリのそのような例は、ｐｙｔｏｒｃｈ．ｏｒｇでＰｙＴｏｒｃｈから入手可能である、またはＶＧＧモデルもしくはＩｎｃｅｐｔｉｏｎＮｅｔモデルなどのＰｙｔｈｏｎに基づく実装モデルである）。訓練後、モデルはモデルファイルの中に記憶され、モデルファイルはその後（たとえば、当業者に公知のクラウド内で、またはＩｏＴ（Ｉｎｔｅｒｎｅｔ－ｏｆ－Ｔｈｉｎｇｓ）エッジモデルで維持される）プログラムによって走らせることができる。使用された訓練データだけではなく、同じく当業者に公知の任意の追加調整パラメータにも固有の、モデルのモデルバージョン番号（たとえば、ＣＶ＿１．０．０．１）に対して予測をそれぞれ試みることにより、データファブリック全体を通して整合性を維持してよい。

欠陥断片画像を包含するさまざまなラベル付きクラスを用いて、画像モデルは、この学習に基づき訓練してピクル（ｐｉｃｋｌｅ）ファイルおよび差分を抜き取ることができるように訓練され、保存される（ピクルは、Ｐｙｔｈｏｎオブジェクトを２値フォーマットに直列化および非直列化するＰｙｔｈｏｎモジュールであるので、効率的で場所を取らない手法でＰｙｔｈｏｎオブジェクトをディスクに記憶できる、またはネットワークを介して送信できる）。次いで、新しい部品（たとえば、新しい石英窓）を検査にかけるときはいつでも、同じピクルファイルを使用してよい。

動作６０７Ｆ７で、周界（たとえば、検出された円形の欠陥の外周）を決定する。周界の決定は、たとえば近傍の背景を伴うデジタル画像の縁部に基づく決定（たとえば、コントラスト比較）に基づいてよい。動作６０７Ｆ８で、たとえば上記で記述するように、バウンディングボックスの小さいほうの長さに対する大きいほうの長さのアスペクト比の決定に基づき、検出された欠陥のアスペクト比の決定を行う。

動作６０７Ｆ９で、検出された欠陥ごとにＨｕモーメント（Ｈｕ不変量）を決定する。Ｈｕモーメントは、画像処理およびコンピュータビジョンの分野で公知であり、画像画素の強度の特定の加重平均（モーメント）を有する画像モーメント、またはそのようなモーメントの関数について記述する。Ｈｕモーメントは、画像変換に対して不変の中心モーメントを使用して計算された７つの数字の組を備える。

動作６０７Ｆ１０は、検出された欠陥ごとに、たとえば欠陥の高さもしくは深さ（たとえば、微分位相コントラスト（ｄｉｆｆｅｒｅｎｔｉａｌ－ｐｈａｓｅ ｃｏｎｔｒａｓｔ、ＤＰＣ）技法など、位相コントラスト分析に基づく）、またはタイプ（たとえば、機械学習に基づく）、形態、もしくは組成（たとえば、上記で記述するＥＤＸまたはＸＲＦの分析に基づく）を含む、対象の領域すべての属性に関して将来追加するための追加ルーチンを提供する。方法６３０のフロー制御は、次いで図６Ａの方法６００内部の動作６０９に戻る。

開示する主題を読んで理解すると、対象の領域すべて（たとえば、検出された欠陥すべて）の属性を決定する一連のフローを推論する方法６３０の図と異なり、の多くまたはすべてが並列に（たとえば、当技術分野で公知のパイプライン化構成で）遂行されてよいことを熟練した職人が認識することを当業者は認識されよう。

図７は、開示する主題の１つまたは複数の代表的な実施形態を実装してよい、または１つまたは複数の代表的な実施形態を実装もしくは制御してよい機械の例を示す構成図を示す。代替実施形態では、機械７００は、スタンドアローンの機器として動作してよい、または他の機械に接続されて（たとえば、ネットワーク接続されて）よい。ネットワーク接続された導入では、機械７００は、サーバ・クライアント・ネットワーク環境でサーバ機械、クライアント機械、または両方の容量内で動作してよい。ある例では、機械７００は、ピア・ツー・ピア（ｐｅｅｒ－ｔｏ－ｐｅｅｒ、Ｐ２Ｐ）（または他の分散）ネットワーク環境でピア機械の役割を果たしてよい。さらに、単一機械７００の単一具体例だけを例示するが、用語「機械」はまた、クラウドコンピューティング、ＳａａＳ（ｓｏｆｔｗａｒｅ ａｓ ａ ｓｅｒｖｉｃｅ）、または他のコンピュータクラスタ構成を介してなど、本明細書で論じる方法論のうち任意の１つまたは複数を遂行する１組の（または多数組の）命令を個々に、または共同で実行する機械の任意の集合を含むととらえられなければならない。

本明細書で記述するような例は論理、いくつかの構成要素、または機構を含んでよい、またはそれらにより動作させてよい。回路構成は、ハードウェア（たとえば、簡単な回路、ゲート、論理など）を含む有形の実体で実装された回路の集合体である。回路構成のメンバー構成は、経時的に、かつ基盤となるハードウェアの可変性に関して自由に変えられてよい。回路構成は、動作するとき、指定された動作を単体で、または組み合わせて遂行してよいメンバーを含む。ある例では、回路構成のハードウェアは、特定の動作を行うように不変に設計されて（たとえば、配線で組み込まれて）よい。ある例では、回路構成のハードウェアは、特定の動作の命令を符号化するために、物理的に（たとえば、磁気的に、電気的に、不変の集中した粒子を移動可能に配置することによるなど）修正されたコンピュータ可読媒体を含む、不定に接続された物理構成要素（たとえば、実行ユニット、トランジスタ、簡単な回路など）を含んでよい。

物理構成要素を連結または接続する際、ハードウェア構成物の基盤となる電気的性質は（たとえば、絶縁体から伝導体へ、またはその逆へ）変えられる。命令により、埋め込まれたハードウェア（たとえば、実行ユニットまたはロード機構）は、可変接続を介してハードウェアで回路構成のメンバーを生み出して、動作状態にあるとき、特定の動作の一部分を行うことが可能になる。それに応じて、コンピュータ可読媒体は、機器が動作しているとき、回路構成のその他の構成要素に通信可能に連結される。ある例では、物理構成要素のいずれも、２つ以上の回路構成の２つ以上のメンバーで使用されてよい。たとえば、動作の影響を受けて、実行ユニットは、ある時点で第１の回路構成の第１の回路で使用されてよく、異なる時点で、第１の回路構成の第２の回路により、または第２の回路構成の第３の回路により再利用されてよい。

機械７００（たとえば、コンピュータシステム）は、ハードウェアプロセッサ７０１（たとえば、中央処理装置（ｃｅｎｔｒａｌ ｐｒｏｃｅｓｓｉｎｇ ｕｎｉｔ、ＣＰＵ）、ハードウェア・プロセッサ・コア、またはそれらの任意の組合せ）、グラフィックス処理ユニット（ｇｒａｐｈｉｃｓ ｐｒｏｃｅｓｓｉｎｇ ｕｎｉｔ、ＧＰＵ）７０２、主記憶７０３、およびスタティックメモリ７０５を含んでよく、これらの一部またはすべては、相互連結７０７（たとえば、バス）を介して互いに通信してよい。機械７００は、表示機器７０９、英数字入力機器７１１（たとえば、キーボード）、およびユーザ・インタフェース（ｕｓｅｒ ｉｎｔｅｒｆａｃｅ、ＵＩ）・ナビゲーション機器７１３（たとえば、マウスまたは他のタイプのカーソル制御機器）をさらに含んでよい。さまざまな実施形態では、表示機器７０９、英数字入力機器７１１、およびＵＩナビゲーション機器７１３は、タッチ画面表示装置を備えてよい。機械７００は、それに加えて記憶ユニット７１５（たとえば、大容量記憶装置ドライブユニットまたは個体メモリ装置）、信号発生機器７１７（たとえば、スピーカ）、ネットワークインタフェース機器７２５、および１つまたは複数のセンサ７２４、たとえば全地球測位システム（Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ、ＧＰＳ）センサ、コンパス、加速度計、割出しセンサ（ｉｎｄｅｘｉｎｇ ｓｅｎｓｏｒ）、位置センサ、または別のタイプのセンサを含んでよい。機械７００は、１つまたは複数の周辺機器（たとえば、プリンタ、カード読取り機など）と通信するため、またはこれらを制御するために、直列（たとえば、ユニバーサル・シリアル・バス（ｕｎｉｖｅｒｓａｌ ｓｅｒｉａｌ ｂｕｓ、ＵＳＢ））、並列、または他の有線もしくは無線（たとえば、赤外線（ｉｎｆｒａｒｅｄ、ＩＲ）、近距離無線通信（ｎｅａｒ ｆｉｅｌｄ ｃｏｍｍｕｎｉｃａｔｉｏｎ、ＮＦＣ）など）の接続などの出力コントローラ７１８を含んでよい。

記憶装置７１５は、本明細書で記述する技法、機能、または方法のうち任意の１つまたは複数を具体化する、またはそれにより利用される１組もしくは複数組のデータ構造、または１つもしくは複数の命令７２１（たとえば、ソフトウェアまたはファームウェア）を記憶する機械可読媒体７２３を含んでよい。命令７２１はまた、機械７００が命令を実行する間、主記憶７０３内部、スタティックメモリ７０５内部、ハードウェアプロセッサ７０１内部、またはＧＰＵ７０２内部に全部または少なくとも一部備わってよい。ある例では、ハードウェアプロセッサ７０１、ＧＰＵ７０２、主記憶７０３、スタティックメモリ７０５、または記憶ユニット７１５のうち１つまたは任意の組合せは、機械可読媒体を構成してよい。

機械可読媒体７２３を単一媒体として例示するが、用語「機械可読媒体」は、１つまたは複数の命令７２１を記憶するように構成された単一媒体または多数の媒体（たとえば集中型もしくは分散型のデータベース、ならびに／または関連するキャッシュおよびサーバ）を含んでよい。

用語「機械可読媒体」は、本開示の技法の任意の１つまたは複数を機械７００に遂行させる、機械７００により実行するための命令７２１を記憶する、符号化する、または運ぶことができる、またはそのような１つまたは複数の命令７２１により使用される、もしくはそのような１つまたは複数の命令７２１に関連するデータ構造を記憶する、符号化する、または運ぶことができる、任意の媒体を含んでよい。限定しない機械可読媒体の例は、固体メモリ、ならびに光媒体および磁気媒体を含んでよい。ある例では、集中した機械可読媒体は、不変の（たとえば、静止）質量を有する複数の粒子を用いる機械可読媒体７２３を備える。それに応じて、集中した機械可読媒体は、一時的伝播信号ではない。集中した機械可読媒体の特定の例は、半導体メモリ素子（たとえば、ＥＰＲＯＭ（Ｅｌｅｃｔｒｉｃａｌｌｙ Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ－Ｏｎｌｙ Ｍｅｍｏｒｙ、電気的プログラム可能読出し専用メモリ）、ＥＥＰＲＯＭ（Ｅｌｅｃｔｒｉｃａｌｌｙ Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ－Ｏｎｌｙ Ｍｅｍｏｒｙ、電気的消去可能プログラム可能読出し専用メモリ））、およびフラッシュメモリ素子などの不揮発性メモリ、内蔵ハードディスクおよび取外し可能ディスクなどの磁気ディスク、光磁気ディスク、ならびにＣＤ－ＲＯＭディスクおよびＤＶＤ－ＲＯＭディスクを含んでよい。その結果として、前述のタイプおよび他のタイプの非一時的媒体の各々は、物理的に動くことができる、または自身が動かされることができる。さらに、コンピュータ可読媒体は、一時的信号をまったく有しない有形のコンピュータ可読媒体であると考えてよい。命令７２１はさらに、ネットワークインタフェース機器７２５を介して伝送媒体を使用して通信ネットワーク７２７上で伝送または受信されてよい。

本明細書で使用するとき、用語「または（ｏｒ）」は、包括的意味または排他的意味で考えられてよい。さらに、他の実施形態は、提供する開示を読んで理解したことに基づき当業者により理解される。その上、本明細書で提供する技法および例のさまざまな組合せすべてをさまざまな組合せで提供してよいことを当業者は容易に理解されよう。

本明細書全体を通して、複数の実例は構成要素、動作、または構造を単一の実例として実装してよい。１つまたは複数の方法の個々の動作について別個の動作として例示し、記述するが、個々の動作の１つまたは複数は同時に遂行されてよく、特に指定のない限り、例示する順序で動作を必ず遂行することを要求するものではない。構成の例で別個の構成要素として提示された構造および機能は、組み合わせた構造または構成要素として実装されてよい。同様に、単一構成要素として提示された構造および機能は、別個の構成要素として実装されてよい。これらおよび他の変形形態、修正形態、追加形態、および改善形態は、本明細書で記述する主題の範囲に入る。

さまざまな実施形態について別個に論じるが、これらの別個の実施形態は、独立した技法または設計と考えられることを意図するものではない。上記で示すように、さまざまな部分の各々は、相互に関係してよく、それぞれ別個に、または本明細書で論じる、開示する主題の他の実施形態と組み合わせて使用してよい。たとえば方法、動作、システム、および工程のさまざまな実施形態について記述してきたが、これらの方法、動作、システム、および工程は別個に、またはさまざまな組合せで使用してよい。

その結果として、本明細書で提供する開示を読んで理解すると、当業者に明らかであるように、多くの修正および変形を行うことができる。前記の記述から、本明細書で列挙する方法および機器に加えて、開示の範囲に入る、機能的に等価な方法および機器が熟練した職人に明らかになるであろう。いくつかの実施形態の一部分および特徴は、他の実施形態の一部分および特徴に含まれてよい、またはそれらと置換されてよい。そのような修正形態および変形形態は、添付の特許請求の範囲に入ることが意図される。したがって、本開示は、添付の特許請求の範囲の項目だけにより、そのような請求項が権利を与えられる均等物の全範囲と共に限定されることになる。また、本明細書で使用する用語は、特定の実施形態を記述するためだけにあり、限定を意図したものではないことを理解されたい。

要約は、読み手が技術的開示の性質を手早く確認できるようにするために提供される。要約は、特許請求の範囲を解釈または限定するために使用されるのではないということを理解した上で提出されている。それに加えて、前述の詳細な説明では、本開示を簡素化するためにさまざまな特徴を単一の実施形態に一緒にグループ化することがあることが理解されてよい。この開示方法は、特許請求の範囲を限定するものであると解釈されるべきではない。その結果、以下の特許請求の範囲は、この文書によって詳細な説明の中に組み入れられ、各請求項は、別個の実施形態としてそれ自体で有効である。

開示する主題の特定の実施形態である以下の番号を付与した実施例
実施例１：開示する主題の実施形態は、製作のさまざまな段階で欠陥を探して構成要素を検査する複数のロボットのうち対応するロボットの各々に結合した１つまたは複数のカメラを伴う複数のロボットを含む検査システムについて記述する。カメラの各々は、構成要素の製作のさまざまな段階に対応する異なる地理的場所に配置される。カメラの少なくともいくつかは、構成要素が搭載されたテーブルに対向していない、構成要素のすべての表面を検査するように構成される。データ収集ステーションは、複数のロボットのうち対応するロボットの各々、およびカメラのうち関連する１つのカメラに電気的に結合される。主データ収集ステーションは、データ収集ステーションの各々に電気的に連結される。実施形態では、主データ収集ステーションは、遠隔に配置されてよい。

実施例２：複数のロボットのうち対応するロボット、およびカメラのうち関連する１つのカメラは、構成要素の製作のさまざまな段階で使用され、異なる供給業者によって配置される、実施例１に記載の検査システム。

実施例３：カメラは、能動画素センサカメラとレンズの組合せを備える、実施例１または２に記載の検査システム。

実施例４：能動画素センサカメラは、ＣＭＯＳセンサ、ＣＣＤイメージセンサ、および別のタイプのデジタル撮像センサを含む少なくとも１つのタイプから選択される、実施例３に記載の検査システム。

実施例５：テレセントリックレンズおよび照明光源をさらに含み、テレセントリックレンズはカメラに搭載されるように構成され、照明光源は、テレセントリックレンズの光学トレインの中にインライン照明を提供するように構成される、実施例１～４のいずれか一実施例に記載の検査システム。

実施例６：照明光源の出力に、テレセントリックレンズの光学トレインの中に照明光源の出力の向きを変えるように配列されたビームスプリッタをさらに含む、実施例５に記載の検査システム。

実施例７：複数のロボットの各々は、多数の継手および多数の次元を有する、実施例１～６のいずれか一実施例に記載の検査システム。

実施例８：製造番号は構成要素に関連づけられ、構成要素の製作のさまざまな段階の全体を通して一定のままであり、構成要素の部品番号は、構成要素が製造のどの段階にあるかに応じて変わる、実施例１～７のいずれか一実施例に記載の検査システム。

実施例９：複数のロボットの各々は、協働ロボット（コボット）を備え、コボットは、コボットの移動速度およびコボットの力から選択された要因を含む少なくとも１つの要因を制限することにより、コボットと人間の間で共有される領域のすぐそばで安全に作動するように設計される、実施例１～８のいずれか一実施例に記載の検査システム。

実施例１０：ロボットは、構成要素上の垂直、水平、および他の配向の表面から所定の距離を置いてスキャンするようにプログラムされる、実施例１～９のいずれか一実施例に記載の検査システム。

実施例１１：顕微鏡検査、光学的プロフィロメトリ、およびスタイラスプロフィロメトリを備える検査技法から選択された、構成要素の少なくとも１つの追加検査をさらに含む、実施例１～１０のいずれか一実施例に記載の検査システム。

実施例１２：エネルギー分散型Ｘ線分光法（ＥＤＸ）および蛍光Ｘ線（ＸＲＦ）から選択された分析技法を含む少なくとも１つの分析技法をさらに含む、実施例１～１１のいずれか一実施例に記載の検査システム。

実施例１３：構成要素の理想化されたサンプルが構成要素の製作のさまざまな段階の各ステップでどのように見えるべきかに関する、画像品質に基づく測定基準を包含する、主データ収集ステーションに電気的に連結された工程監視データベースをさらに含む、実施例１～１２のいずれか一実施例に記載の検査システム。

実施例１４：主データ収集ステーションは、構成要素の製作のさまざまな段階の各ステップで構成要素の実際のバージョンと構成要素の理想化されたサンプルを比較するように構成される、実施例１３に記載の検査システム。

実施例１５：構成要素の製作のさまざまな段階の各ステップで構成要素の実際のバージョンと理想化されたサンプルの比較結果から得られる構成要素の変動を主データ収集ステーションにより分析して、構成要素製作の製造傾向を実質的にリアルタイムで提供する、実施例１４に記載の検査システム。

実施例１６：基板を処理するために使用する処理ツールの中に据え付けられた、完成した構成要素のうち多数の構成要素による相互作用と処理された基板上に作り出された欠陥を相関させる、主データ収集ステーションに電気的に連結した顧客欠陥データデータベースをさらに含む、実施例１～１５のいずれか一実施例に記載の検査システム。

実施例１７：主データ収集ステーションは、異なる期間に製作されたさまざまな構成要素間の比較結果を提供するように構成される、実施例１６に記載の検査システム。

実施例１８：開示する主題の実施形態は、構成要素上の欠陥を検出するための自動外観検査（ＡＶＩ）システムを動作させるための方法について記述する。方法は、ＡＶＩシステムを較正するステップと、構成要素から複数の画像を取り込むステップと、取り込まれた複数の画像をプログラムの中にロードして、取り込まれた画像内部の欠陥の存在を探して、取り込まれた画像を分析するステップとを含む。

実施例１９：取り込まれた複数の画像の中で対象の黒い領域を決定するためのしきい画像を設定するステップと、取り込まれた複数の画像の各々の内部で検出された欠陥に基づき、しきい画像を設定するためのしきいレベルを決定するステップとをさらに含む、実施例１８に記載の方法。

実施例２０：取り込まれた複数の画像から検出された欠陥が大きな欠陥および小さな欠陥のうち一方であるかどうかを判断するステップをさらに含む、実施例１９に記載の方法。検出された欠陥が大きな欠陥であるという判断に基づき、浸食動作および拡張動作を含む動作から選択された少なくとも１つの動作を遂行して、検出された欠陥から得られる黒い領域が大きな欠陥の少なくとも一部分として含まれるかどうかに関して判断する。

実施例２１：開示する主題の実施形態は、構成要素上の欠陥を検出するための自動外観検査（ＡＶＩ）システムについて記述する。ＡＶＩシステムはいくつかのロボットを含み、複数のロボットの各々は、製作のさまざまな段階で製作ステップにかけられた構成要素を検査するために搭載された１つまたは複数のカメラとレンズの組合せを有する。カメラはデジタル撮像センサを含む。いくつかのロボットの各々は、構成要素の製作のさまざまな段階に対応する異なる地理的場所に配置される。ＡＶＩシステムはまた、いくつかのロボットのうち対応するロボットの各々に電気的に連結されたデータ収集ステーション、およびデータ収集ステーションの各々に電気的に連結された主データ収集ステーションを含む。主データ収集ステーションは、構成要素の製作のさまざまな段階の各ステップで構成要素の実際のバージョンと構成要素の理想化されたサンプルを比較するように配列される。実施形態では、主データ収集ステーションは、遠隔に配置されてよい。

実施例２２：カメラとレンズの組合せのうち少なくともいくつかは、構成要素が搭載されたテーブルに対向していない、構成要素のすべての表面を検査するように構成される、実施例２１に記載のＡＶＩシステム。

実施例２３：カメラとレンズの組合せの各々は、構成要素の製作のさまざまな段階に対応する異なる地理的場所に配置される、実施例２１または２２に記載のＡＶＩシステム。

実施例２４：カメラとレンズの組合せの少なくともいくつかは、構成要素が搭載されたテーブルに対向していない、構成要素のすべての表面を検査するように構成される、実施例２１～２３のいずれか一実施例に記載のＡＶＩシステム。

実施例２５：テレセントリックレンズおよび照明光源をさらに含み、テレセントリックレンズはカメラに搭載されるように構成され、照明光源は、テレセントリックレンズの光学トレインの中にインライン照明を提供するように構成される、実施例２１～２４のいずれか一実施例に記載のＡＶＩシステム。

実施例２６：複数のロボットの各々は、協働ロボット（コボット）を備え、コボットは、コボットの移動速度およびコボットの力から選択された要因を含む少なくとも１つの要因を制限することにより、コボットと人間の間で共有される領域のすぐそばで安全に作動するように設計される、実施例２１～２５のいずれか一実施例に記載のＡＶＩシステム。

実施例２７：ロボットは、構成要素上の垂直、水平、および他の配向の表面から所定の距離を置いてスキャンするようにプログラムされる、実施例２１～２６のいずれか一実施例に記載のＡＶＩシステム。

実施例２８：構成要素の製作のさまざまな段階の各ステップで構成要素の実際のバージョンと理想化されたサンプルの比較結果から得られる構成要素の変動を主データ収集ステーションにより分析して、構成要素製作の製造傾向を実質的にリアルタイムで提供する実施例２１～２７のいずれか一実施例に記載のＡＶＩシステム。

Claims (28)

1. 検査システムであって、
   複数のロボットと、
   製作のさまざまな段階で欠陥を探して構成要素を検査するために前記複数のロボットのうち対応するロボットの各々に連結した１つまたは複数のカメラであって、前記カメラの各々は、前記構成要素の前記製作のさまざまな段階に対応する異なる地理的場所に配置され、前記カメラの少なくともいくつかは、前記構成要素が搭載されたテーブルに対向していない、前記構成要素の表面すべてを検査するように構成された１つまたは複数のカメラと、
   前記複数のロボットのうち前記対応するロボットの各々、および前記カメラのうち関連する１つのカメラに、電気的に連結されたデータ収集ステーションと、
   前記データ収集ステーションの各々に電気的に連結された主データ収集ステーションと
   を備える検査システム。
2. 請求項１に記載の検査システムであって、前記複数のロボットのうち前記対応するロボット、および前記カメラのうち前記関連する１つのカメラは、前記構成要素の前記製作のさまざまな段階で使用され、異なる供給業者によって配置される検査システム。
3. 請求項１に記載の検査システムであって、前記カメラは、能動画素センサカメラとレンズの組合せを備える検査システム。
4. 請求項３に記載の検査システムであって、前記能動画素センサカメラは、ＣＭＯＳセンサ、ＣＣＤイメージセンサ、および別のタイプのデジタル撮像センサを含む少なくとも１つのタイプから選択される検査システム。
5. 請求項１に記載の検査システムであって、テレセントリックレンズおよび照明光源をさらに備え、前記テレセントリックレンズは、前記カメラに搭載されるように構成され、前記照明光源は、前記テレセントリックレンズの光学トレインの中にインライン照明を提供するように構成される検査システム。
6. 請求項５に記載の検査システムであって、さらに、前記照明光源の出力に配列され、前記テレセントリックレンズの前記光学トレインの中に前記照明光源の前記出力の向きを変えるビームスプリッタを備える検査システム。
7. 請求項１に記載の検査システムであって、前記複数のロボットの各々は、多数の継手および多数の自由度を有する検査システム。
8. 請求項１に記載の検査システムであって、製造番号は前記構成要素に関連づけられ、前記構成要素の前記製作のさまざまな段階の全体を通して一定のままであり、前記構成要素の部品番号は、前記構成要素が前記製作のどの段階にあるかに応じて変わる検査システム。
9. 請求項１に記載の検査システムであって、前記複数のロボットの各々は、協働ロボット（コボット）を備え、前記コボットは、前記コボットの移動速度および前記コボットの力から選択された要因を含む少なくとも１つの要因を制限することにより、前記コボットと人間の間で共有される領域のすぐそばで安全に作動するように設計される検査システム。
10. 請求項１に記載の検査システムであって、前記ロボットは、構成要素上の垂直、水平、および他の配向の表面からあらかじめ定められた距離を置いてスキャンするようにプログラムされる検査システム。
11. 請求項１に記載の検査システムであって、顕微鏡検査、光学的プロフィロメトリ、およびスタイラスにプロフィロメトリを含む複数の検査技法から選択された、前記構成要素の少なくとも１つの追加検査をさらに備える検査システム。
12. 請求項１に記載の検査システムであって、エネルギー分散型Ｘ線分光法（ｅｎｅｒｇｙ－ｄｉｓｐｅｒｓｉｖｅ Ｘ－ｒａｙ ｓｐｅｃｔｒｏｓｃｏｐｙ、ＥＤＸ）および蛍光Ｘ線（Ｘ－ｒａｙ ｆｌｕｏｒｅｓｃｅｎｃｅ、ＸＲＦ）から選択された分析技法を含む少なくとも１つの分析技法をさらに備える検査システム。
13. 請求項１に記載の検査システムであって、さらに、画像品質に基づく測定基準を包含する、前記主データ収集ステーションに電気的に連結された工程監視データベースであって、前記構成要素の理想化されたサンプルが前記構成要素の前記製作のさまざまな段階の各ステップでどのように見えるべきかに関する、画像品質に基づく測定基準を含む、工程監視データベースを備える検査システム。
14. 請求項１３に記載の検査システムであって、前記主データ収集ステーションは、前記構成要素の前記製作のさまざまな段階の各ステップで、前記構成要素の実際のバージョンと、前記構成要素の前記理想化されたサンプルと、を比較するように構成される検査システム。
15. 請求項１４に記載の検査システムであって、前記構成要素の製作のさまざまな段階の各ステップで、前記構成要素の前記実際のバージョンと前記理想化されたサンプルとの比較結果から得られる構成要素の変動を、前記主データ収集ステーションにより分析して、前記構成要素の前記製作の製造傾向を実質的にリアルタイムで提供する検査システム。
16. 請求項１に記載の検査システムであって、さらに、前記主データ収集ステーションに電気的に連結した顧客欠陥データデータベースであって、基板を処理するために使用する処理ツールの中に据え付けられた、完成した構成要素のうち多数の構成要素による相互作用と、処理された基板上に作り出された欠陥と、を相関させる、顧客欠陥データデータベースを備える検査システム。
17. 請求項１に記載の検査システムであって、前記主データ収集ステーションは、異なる期間に製作されたさまざまな前記構成要素間の比較結果を提供するように構成される検査システム。
18. 構成要素上の欠陥を検出するための自動外観検査（ＡＶＩ）システムを動作させる方法であって、
    前記ＡＶＩシステムを較正するステップと、
    前記構成要素から複数の画像を取り込むステップと、
    前記取り込まれた複数の画像の各々をプログラムの中にロードして、前記取り込まれた画像内部の欠陥の存在を探して、前記取り込まれた画像を分析するステップと
    を備える方法。
19. 請求項１８に記載の方法であって、
    前記取り込まれた複数の画像内の対象の黒い領域を決定するためにしきい画像を設定するステップと、
    前記取り込まれた複数の画像の各々の内部で検出された欠陥に基づき、しきい画像を設定するためのしきいレベルを決定するステップと
    をさらに備える方法。
20. 請求項１９に記載の方法であって、
    前記取り込まれた複数の画像から前記検出された欠陥が大きな欠陥および小さな欠陥のうち一方であるかどうかを判断するステップと、
    前記検出された欠陥が前記大きな欠陥であるという判断に基づき、浸食動作および拡張動作を含む動作から選択された少なくとも１つの動作を遂行して、前記検出された欠陥から得られる黒い領域が前記大きな欠陥の少なくとも一部分として含まれるかどうかに関して判断するステップと
    をさらに備える方法。
21. 構成要素上の欠陥を検出するための自動外観検査（ＡＶＩ）システムであって、
    複数のロボットであって、前記複数のロボットの各々は、製作のさまざまな段階で製作ステップにかけられている前記構成要素を検査する、前記複数のロボットに搭載された１つまたは複数のカメラとレンズの組合せを有し、前記カメラは、デジタル撮像センサを含み、前記複数のロボットの各々は、前記構成要素の前記製作のさまざまな段階に対応する異なる地理的場所に配置される、複数のロボットと、
    前記複数のロボットのうち対応するロボットの各々に電気的に連結されたデータ収集ステーションと、
    前記データ収集ステーションの各々に電気的に連結された主データ収集ステーションであって、前記構成要素の前記製作のさまざまな段階の各ステップで前記構成要素の実際のバージョンと前記構成要素の理想化されたサンプルとを比較するように配列された主データ収集ステーションと
    を備えるＡＶＩシステム。
22. 請求項２１に記載のＡＶＩシステムであって、前記カメラとレンズの組合せの少なくともいくつかは、前記構成要素が搭載されたテーブルに対向していない、前記構成要素のすべての表面を検査するように構成されるＡＶＩシステム。
23. 請求項２１に記載のＡＶＩシステムであって、前記カメラとレンズの組合せの各々は、前記構成要素の前記製作のさまざまな段階に対応する異なる地理的場所に配置されるＡＶＩシステム。
24. 請求項２１に記載のＡＶＩシステムであって、前記カメラとレンズの組合せの少なくともいくつかは、前記構成要素が搭載されたテーブルに対向していない、前記構成要素のすべての表面を検査するように構成されたＡＶＩシステム。
25. 請求項２１に記載のＡＶＩシステムであって、テレセントリックレンズおよび照明光源をさらに備え、前記テレセントリックレンズは、前記カメラに搭載されるように構成され、前記照明光源は、前記テレセントリックレンズの光学トレインの中にインライン照明を提供するように構成されるＡＶＩシステム。
26. 請求項２１に記載の検査システムであって、前記複数のロボットの各々は、協働ロボット（コボット）を備え、前記コボットは、前記コボットの移動速度および前記コボットの力から選択された要因を含む少なくとも１つの要因を制限することにより、前記コボットと人間の間で共有される領域のすぐそばで安全に作動するように設計された検査システム。
27. 請求項２１に記載の検査システムであって、前記ロボットは、構成要素上の垂直、水平、および他の配向の表面からあらかじめ定められた距離を置いてスキャンするようにプログラムされる検査システム。
28. 請求項２１に記載の検査システムであって、前記構成要素の前記製作のさまざまな段階の各ステップで、前記構成要素の前記実際のバージョンと前記理想化されたサンプルとの比較結果から得られる構成要素の変動を、前記主データ収集ステーションにより分析して、前記構成要素の前記製作の製造傾向を実質的にリアルタイムで提供する検査システム。

Images