JP4118703B2 - 欠陥分類装置及び欠陥自動分類方法並びに欠陥検査方法及び処理装置 - Google Patents
欠陥分類装置及び欠陥自動分類方法並びに欠陥検査方法及び処理装置 Download PDFInfo
- Publication number
- JP4118703B2 JP4118703B2 JP2003047290A JP2003047290A JP4118703B2 JP 4118703 B2 JP4118703 B2 JP 4118703B2 JP 2003047290 A JP2003047290 A JP 2003047290A JP 2003047290 A JP2003047290 A JP 2003047290A JP 4118703 B2 JP4118703 B2 JP 4118703B2
- Authority
- JP
- Japan
- Prior art keywords
- defect
- inspection
- classification
- sample
- class
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/40—Software arrangements specially adapted for pattern recognition, e.g. user interfaces or toolboxes therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30148—Semiconductor; IC; Wafer
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Computer Interaction (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Description
【０００１】
【発明の属する技術分野】
本発明は、半導体製造過程での半導体ウェハなどの試料上に発生する異物や欠陥を自動分類するための欠陥分類器の生成方法並びに生成された欠陥分類器を用いて欠陥を自動分類する欠陥自動分類方法およびそのシステムに関する。
【０００２】
【従来の技術】
半導体デバイスは、基板となるウェハに対して、露光・現像・エッチング等の複数の処理を行うことにより製造され、その複数の処理工程のうちの所定の処理工程での処理後に、光学式あるいはＳＥＭ（Scanning Electron Microscope：走査電子顕微鏡）式の異物検査装置やパタン検査装置を用いて欠陥位置や大きさの検査が行われる。検出欠陥数は製造プロセスの状態に依存するものの、１ウェハあたり数百から数千に及ぶことがあり、これらの欠陥検査装置においては高速な欠陥検出が要求される。以後、これらの欠陥検出を行う欠陥検査装置を総称して欠陥検出装置と呼ぶ。
【０００３】
それに対し、前記欠陥検出装置による検査後に、より撮像倍率の高い光学式、あるいはＳＥＭ式の欠陥レビュー装置を用い、欠陥検出装置において検出された欠陥に対し、詳細な再検査を行うことがある。ただし、欠陥検出装置において検出された欠陥サンプルを全て詳細検査することは時間的な制約から現実的ではなく、前記欠陥検出装置において検出された欠陥集合をサンプリングし、その部分集合に対し詳細検査は行われる。以後、これら欠陥レビュー検査を行う欠陥検査装置を総称して欠陥レビュー装置と呼ぶ。また、欠陥検出装置と欠陥レビュー装置、更に走査探針顕微鏡（Scanning Probe Microscope：ＳＰＭ）や元素分析装置等の検査装置を合わせて欠陥検査装置と総称する。
【０００４】
欠陥レビュー装置においては、欠陥検出装置からの欠陥位置情報を基に、自動的に欠陥の拡大画像を取得する機能、すなわち、ＡＤＲ（Automatic Defect Review）機能や、前記の欠陥拡大画像から、その大きさや形状、テクスチャ（表面の模様）などの詳細情報を得て、欠陥種類を自動分類する機能、すなわち、ＡＤＣ（Automatic Defect Classification）機能搭載の製品が開発されている。一方、欠陥検出装置においても、処理の高速性を重視した簡易な欠陥粗分類、すなわちＲＴ−ＡＤＣ（Real Time-ADC）と呼ばれる分類機能を有するものがある。
【０００５】
欠陥を各種検査情報に基づいて自動分類する方法に関しては、パタン認識の分野における多変量解析手法として、古くから多様な手法が研究されている。
古典的な方法論の一つはルールベース型分類と呼ばれる方法である。この方法論においては、分類対象である画像から各種画像特徴量を抽出し、システムに組み込んだ“if-then”式のルールに基づいて、画像特徴量の値を判定することにより、欠陥を欠陥クラスの一つに分類する。ルールベース型分類は、分類する欠陥クラス及びルールが固定で、ユーザの要求に柔軟に対応できない反面、教示データが不要であるため、生産プロセス立ち上げ時より使用可能である、という利点がある。
【０００６】
また、他の古典的な方法論の一つは学習型分類と呼ばれる方法である。この方法論においては、教師画像を事前に収集し、これを学習することにより、分類ルールを最適化する（ニューラルネット等）。学習型分類はユーザの要求に応じた柔軟な分類が可能となる可能性がある反面、一般に良好な性能を得るためには、教示データを大量に収集する必要があるため、生産プロセス立ち上げ時には実質的に使用できない、という問題がある。逆に、少数の教示データのみを用いた場合には、過学習と呼ばれる教示データに対する学習の過剰適合現象が生じて性能が低下することが知られている。
【０００７】
また、上述のルールベース型分類と学習型分類を併用する構成として、特開２００１−１３５６９２号公報には、ハイブリッドで一様に適用可能な自動欠陥分類法が開示されている。
【０００８】
更に、欠陥分類に関する従来技術としては、特開平１１−３４４４５０号公報、特開２００１−９３９５０号公報、特開２００１−１２７１２９号公報、特開２００１−２５６４８０号公報、特開２００１−３３１７８４号公報、特開２００２−１４０５４号公報及び特開２００２−９０３１２号公報が知られている。
【０００９】
【特許文献１】
特開２００１−１３５６９２号公報
【特許文献２】
特開平１１−３４４４５０号公報
【特許文献３】
特開２００１−１２７１２９号公報
【特許文献４】
特開２００１−１３４７６３号公報
【特許文献５】
特開２００１−２５６４８０号公報
【特許文献６】
特開２００１−３３１７８４号公報
【特許文献７】
特開２００２−９０３１２号公報
【００１０】
【発明が解決しようとする課題】
しかしながら、前記ルールベース型分類、あるいは学習型分類、あるいはそれらの組み合わせからなる欠陥分類器が出力する分類結果が、ユーザの分類要求に対して一致していなかったとしても、システム内部の分類基準を補正することは容易でない。すなわち、前記ルールベース型分類において、分類の判断基準として用いられる各種属性の意味するところが不明瞭であれば、ユーザが自身の分類要求に対し、各種属性の選択、閾値設定といったカスタマイズを行うことは困難である。また、学習型分類において分類ルールを自動生成する場合においても、不用意に多くの属性を特徴量として用意すれば、学習の自由度が増大し、少数の教示データに過剰適合した過学習が発生する危険性がある。そのため、より多くの教示サンプル数を要することになる。ルールベース型分類と学習型分類を組み合わせる構成においても同様の課題が存在し、さらに前記組み合わせに関しても適切な構成の決定方法が課題となる。
【００１１】
欠陥検査装置から得られる欠陥の属性には、画像特徴量をはじめ、欠陥座標、組成分析結果、着工来歴、装置ＱＣ（Quality Control）あるいはウェハ上において検出された欠陥位置の分布に関する情報や欠陥数等が挙げられ、かつ光学式あるいはＳＥＭ式の異物検査装置やパタン検査装置、欠陥レビュー装置、ＳＰＭ、元素分析装置等の複数の異種欠陥検査装置から取得された属性が参照可能な場合もある。欠陥自動分類は前記属性を判断基準として行うが、ユーザにとって、これら大量の属性をどのように用い、期待する欠陥分類基準を満足する欠陥分類器を生成するかは大きな課題である。
【００１２】
本発明の目的は、上記課題を解決すべく、適切なユーザサポートに基づく、ユーザの分類要求の明確化、欠陥分類クラスの生成及び前記欠陥分類クラスへの分類を可能とする欠陥分類器の生成方法並びに生成された欠陥分類器を用いた欠陥自動分類方法及びそのシステムを提供することにある。
【００１３】
また、本発明の他の目的は、さらに、複数の欠陥検査装置による組み合わせ検査における各欠陥検査装置毎の欠陥分類クラスを含む欠陥分類器の生成方法、欠陥自動分類方法及びそのシステム、並びに検査装置間のデータの整合性をとる方法やデータの補間方法を提供することにある。
【００２０】
【課題を解決するための手段】
上記目的を達成するために、本発明は、第一の欠陥検査装置によって被検査対象を検査し、その後第二の欠陥検査装置によって被検査対象を検査して被検査対象に発生した欠陥を分類する欠陥自動分類方法であって、前記第一の欠陥検査装置における第一の欠陥分類器により分類される欠陥分類クラスと前記第二の欠陥検査装置における第二の欠陥分類器により分類される欠陥分類クラスとの関係を基に、前記第一の欠陥検査装置における各欠陥分類クラス毎に検査サンプルをサンプリングする割合を決定する検査サンプル決定ステップと、該検査サンプル決定ステップで各欠陥分類クラス毎に決定したサンプリングする割合に応じた検査サンプルを第二の欠陥検査装置において検査して欠陥を分類する検査ステップとを有することを特徴とする欠陥自動分類方法である。
また、本発明は、第一の欠陥検査装置によって被検査対象を検査し、その後第二の欠陥検査装置によって被検査対象を検査して被検査対象に発生した欠陥を分類する欠陥自動分類方法であって、前記第一の欠陥検査装置における第一の欠陥分類器により検査サンプルに対する分類される各欠陥分類クラスへの信頼性に応じて各欠陥分類クラス毎に検査サンプルをサンプリングする割合を決定する検査サンプル決定ステップと、該検査サンプル決定ステップで被検査対象に対する各欠陥分類クラス毎に決定したサンプリングする割合に応じた検査サンプルを第二の欠陥検査装置において検査して欠陥を分類する検査ステップとを有することを特徴とする欠陥自動分類方法である。
【００２２】
また、本発明は、任意の試料上の欠陥サンプル群を複数の欠陥検査装置により検査して複数の検査情報を取得する検査情報取得ステップと、該検査情報取得ステップにより取得された複数の検査情報を画面上においてほぼ同時に表示して欠陥サンプル群の分類クラス要素を決定するレビューステップと、画面上において該レビューステップで決定された分類クラス要素を基に分類クラス要素を分岐要素を介して階層的に展開される決定木を指定する決定木指定ステップと、画面上において前記検査情報取得ステップにより取得された少なくとも一つの検査情報を基に前記指定された決定木における各分岐要素毎に個別の分類ルールを設定する分類ルール設定ステップとを含む決定木設定ステップとを有し、欠陥分類器を生成する欠陥分類器生成過程と、該欠陥分類器生成過程で生成された欠陥分類器を用いて少なくとも一つの欠陥検査装置において被検査対象に発生した欠陥を検査して取得される検査情報を基に前記欠陥を分類する欠陥分類過程とを有することを特徴とする欠陥自動分類方法である。
【００２５】
また、本発明は、同一あるいは同種の欠陥サンプルに対して複数の欠陥検査装置間で同一の欠陥解析の基準となるように、少なくとも一つの欠陥検査装置において前記欠陥サンプルから得られる画像に対して画像処理手順の変更あるいは画像処理パラメータの調整を行い、該変更された画像処理手順あるいは調整された画像処理パラメータを用いて処理された画像を基に欠陥分類器により欠陥を分類することを特徴とする欠陥自動分類方法である。
また、本発明は、前記欠陥自動分類方法において、前記欠陥分類器は、少なくとも第一及び第二の欠陥検査装置の組み合わせにより試料上の欠陥サンプル群を検査して第一及び第二のサンプル検査情報を取得する検査情報取得ステップと、該検査情報取得ステップで取得された第一及び第二のサンプル検査情報を参照して前記第一及び第二の欠陥検査装置の検査順序に応じて第一又は第二の欠陥分類器を生成する欠陥分類器生成ステップとを有する欠陥分類器の生成方法によって生成されることを特徴とする。
また、本発明は、試料を処理する複数の処理工程のうちの所定の処理工程で処理された前記試料を第一の欠陥検査装置で検査して欠陥を検出して該検出した欠陥の第一の検査情報を取得し、該取得した検出した欠陥の第一の検査情報を基に第一の欠陥分類ルールを用いて予め設定した第一の複数の分類クラスに分類し、該第一の欠陥検査装置で検査して検出した前記試料上の欠陥の中からサンプリングした欠陥を第二の欠陥検査装置で検出して該サンプリングして検出した欠陥の第二の検査情報を取得し、前記サンプリングして検出した欠陥の前記第一の検査情報と前記第二の検査情報を基に第二の欠陥分類ルールを用いて予め設定した第二の複数の分類クラスに分類する欠陥検査方法であって、前記第一の欠陥分類ルールは、前記試料を第一の欠陥検査装置で検査して検出した欠陥を前記第二の欠陥分類ルールに基づいて分類して得た情報を用いて生成したものであることを特徴とする欠陥検査方法である。
また、本発明は、試料を処理する複数の処理工程のうちの所定の処理工程で処理された前記試料を第一の欠陥検査装置で検査して欠陥を検出して該検出した欠陥の第一の検査情報を取得し、該取得した検出した欠陥の第一の検査情報を基に第一の欠陥分類ルールを用いて予め設定した第一の複数の分類クラスに分類し、該第一の欠陥検査装置で検査して検出した前記試料上の欠陥の中からサンプリングした欠陥を第二の欠陥検査装置で検出して該サンプリングして検出した欠陥の第二の検査情報を取得し、前記サンプリングして検出した欠陥の前記第一の検査情報と前記第二の検査情報を基に第二の欠陥分類ルールを用いて予め設定した第二の複数の分類クラスに分類する欠陥検査方法であって、前記第一の欠陥検査装置で検査して検出した欠陥を前記第一の欠陥分類ルールを用いて分類した結果と前記第二の欠陥検査装置で検出してサンプリングして検出した欠陥を前記第二の欠陥分類ルールを用いて分類した結果とを同じ画面上に表示し、該画面上に表示された前記第一の欠陥分類ルールを用いて分類した結果と前記第二の欠陥分類ルールを用いて分類した結果とに基づいて前記第一の欠陥分類ルールを修正することを特徴とする欠陥検査方法である。
また、本発明は、試料を処理する複数の処理工程のうちの所定の処理工程で処理された前記試料を第一の欠陥検査装置で検査して欠陥を検出して得た第一の検査情報と前記第一の欠陥検査装置で検出した前記試料上の欠陥の中からサンプリングした欠陥を第二の欠陥検査装置で検出して得た第二の検査情報とに対して前記第一の欠陥検査装置で検出した欠陥を分類するための第一の欠陥分類ルールを設定する装置であって、前記第一の欠陥検査装置で検査して検出した欠陥の第一の検査情報を基に第一の欠陥分類ルールを用いて分類した結果と前記第二の欠陥検査装置で検査して検出した前記試料上の欠陥の中からサンプリングした欠陥の前記第一の検査情報と前記第二の検査情報を基に第二の欠陥分類ルールを用いて分類した結果とを表示する画面と、前記第一の欠陥分類ルールを用いて分類した結果と前記第二の欠陥分類ルールを用いて分類した結果とが表示された前記画面上で欠陥分類クラスを設定する欠陥分類クラス設定手段と、該欠陥分類クラス設定手段により設定された欠陥分類クラスに基づいて欠陥分類器を生成する欠陥分類器生成手段と、
を有することを特徴とする処理装置である。
【００２６】
【発明の実施の形態】
本発明に係る実施の形態について図面を用いて説明する。
【００２７】
１． 環境
本発明は、少なくとも一つ以上の欠陥検査装置において検査情報を取得し、該検査情報を任意の欠陥検査装置から参照することができることを前提とする。前記欠陥検査装置１０１とは、光学式、あるいはＳＥＭ式の異物検査装置、パタン検査装置、レビュー検査装置、あるいは元素分析装置等の種類の異なる欠陥検査装置、また、同種・異種を問わず検査を行う工程が異なる検査装置、あるいは同種・異種、工程を問わず、機の異なる欠陥検査装置である場合を含む。
【００２８】
図1は、本発明による試料の欠陥自動分類システム及びそのシステムに用いる各欠陥検査装置の構成の一実施例を示すブロック図であり、１０１ａ〜１０１ｎ・・・は各任意の欠陥検査装置Ａ〜Ｎ・・・、１０２ａ〜１０２ｎ・・・は各欠陥検査装置１０１ａ〜１０１ｎ・・・からの検査情報を処理する処理端末装置Ａ〜Ｎ・・・、１０７はデータサーバ、１０８はデータサーバ１０７からの情報を処理する処理端末装置である。１０１、１０２、１０７、１０８間はネットワーク１０３を介して情報の送受信が可能である。各欠陥検査装置１０１ａ〜１０１ｎ・・・からの検査情報は処理端末装置１０２ａ〜１０２ｎ・・・で処理され、データサーバ１０７に管理・共有され、または他の処理処理端末１０２ａ〜１０２ｎ・・・あるいはシステム全体（データサーバ用）の処理端末装置１０８から直接参照される。前記検査情報の、閲覧あるいは処理・解析は、任意の各欠陥検査装置用の処理端末装置１０２ａ〜１０２ｎ・・・あるいはシステム用処理端末装置１０８において検査と同時、あるいはその後に行われる。
【００２９】
次に、任意の欠陥検査装置１０１及び処理端末装置１０２における検査情報の取得方法、および、その種類に関して詳細を述べる。半導体デバイス製造の所定の処理工程での処理後に、任意の欠陥検査装置１０１による欠陥検査が行われ、処理端末装置１０２または１０８から各種検査情報（各種欠陥分類結果）が得られる。図２は本処理の詳細を示したものである。即ち、図２は、任意の欠陥検査装置を用いた各種検査情報（各種欠陥分類結果）を取得するための処理端末装置１０２または１０８における処理動作の一実施例を示すフローチャートである。ステップ２０１で、まず、任意の欠陥検査装置１０１において実際のウェハ等の被検査対象及びサンプル検査対象（欠陥分類器１２０を生成するための試料）上の任意の欠陥位置を検出し、ステップ２０２で、欠陥位置と参照位置にステージ（図示せず）を移動してそれぞれ撮像を行って画像信号を検出し、該検出された画像信号をデジタル画像信号に変換し、該変換されたデジタル画像信号を処理端末装置１０２または１０８に提供される。処理端末装置１０２または１０８は、ステップ２０３で、前記撮像された欠陥画像と参照画像とから例えば比較することによって欠陥についての各種画像特徴量の算出を行う。点線で囲んだループ２０４内の各ステップの処理を他の任意の欠陥位置においても繰り返し同様に行い、処理端末装置１０２または１０８は、ステップ２０５で、これらを統合して試料上における欠陥分布情報を得る。ただし、欠陥レビュー装置においては、ステップ２０１における欠陥検出は、予め外部の異物検査装置またはパタン検査装置が検出した欠陥位置情報を入力とすることで行われる。次に、ステップ２０６で、別途得られる装置ＱＣ（Quality Control）、着工来歴といった各欠陥検査装置に固有な検査装置情報（例えば光学式、ＳＥＭ式、ＡＦＭ（原子間力顕微鏡）式等の情報、分解能および感度に関する情報等）またはウェハに固有なウェハ情報（被検査対象の製造工程に関する情報および回路構造（メモリ領域やロジック領域など）等に関する情報）を得る。処理端末装置１０２または１０８は、ステップ２０７において、ステップ２０５から得られる試料上の欠陥分布情報やステップ２０３から得られる各欠陥についての画像特徴量、およびステップ２０６から得られる検査装置情報・ウェハ情報を結合した検査情報を基に、例えば図３に示す処理フローによって得られる本発明に係る生成された欠陥分類器１２０、例えば複数の分岐によって欠陥クラスを階層的に分類する決定木を用いて欠陥分類が行われる。ここで、前記検査情報とは、各種欠陥画像と各種属性のうち少なくとも一つ含むものであり、前記各種欠陥画像とは、実際に欠陥が検出されたか否かを問わず、他の欠陥検査装置を含めて各欠陥検査装置１０１の検出器において撮像した全ての欠陥画像・参照画像の他に、前記欠陥画像・参照画像に対し任意の画像処理（例えば２値化画像処理、膨張・収縮画像処理）を施した処理画像のうち少なくとも１つ以上を含むものである。前記欠陥画像・参照画像とは、ウェハ上に検出された欠陥位置と参照位置にそれぞれステージを移動して撮像した画像のことであり、前記参照位置とは、着目する欠陥が存在するチップと異なるチップ（例えば隣接するチップ）上において、前記欠陥位置に対応する位置をさす。ただし、欠陥画像の部分的な周期性を利用して欠陥画像から擬似参照画像を合成する技術が存在し、広く参照画像（欠陥画像と比較するための基準画像）と総称する。また、前記処理画像には、少なくとも２つ以上の任意の画像群を任意の画像処理により合成して得られた処理画像を含む。前記各種属性とは、画像特徴量、欠陥分類結果（任意の欠陥サンプルがどの欠陥分類クラスに分類されたかの結果）、欠陥座標、組成分析結果（任意の欠陥サンプルがどのような組成の組み合わせになっているかの結果）、着工来歴、装置ＱＣあるいはウェハ上において検出された欠陥位置の分布に関する情報や欠陥数（以下、欠陥分布情報と呼ぶ）のうち少なくとも１つ以上を含むものである。また前記画像特徴量とは、前記各種欠陥画像から得られる欠陥の色合い（テクスチャ等）や大きさ（面積や長さで示される）、形状（異物形状、キズ形状等）、配線パタンに対する欠陥の位置関係（短絡欠陥や断線欠陥等の致命性欠陥で示される位置関係）等の特徴を定量化したもの、あるいは任意の欠陥検査装置により得られた欠陥画像から、任意の異種欠陥検査装置において有効と思われる新たに設計・算出された画像特徴量の全て、または一部を含むものである。
【００３０】
なお、前記の説明では、欠陥検査装置１０１が実際の被検査対象及びサンプル検査対象（欠陥分類器１２０を生成するための試料）を含めてステップ２０２まで実行し、その後の処理及び欠陥分類器１２０の生成は処理端末装置１０２、１０８が実行するように説明したが、欠陥検査装置１０１がステップ２０４、２０５及び２０６の検査情報（実際の被検査対象及びサンプル検査対象）を得るまでを実行し、該検査情報を基に欠陥分類器１２０の生成及び該生成された欠陥分類器１２０に基づいて実際の欠陥分類を行う処理を処理端末装置１０２、１０８で実行してもよい。
【００３１】
なお、本発明に係る欠陥分類器１２０は、実際の被検査対象上に発生した欠陥を分類する前に、生成しておくことが必要となる。
【００３２】
［第一の実施の形態］（欠陥検査装置における本発明に係る欠陥分類器１２０の生成）
第一の実施の形態について説明する。本実施の形態は、半導体ウェハ上の異物や欠陥（以下、特別の場合を除き、これらをまとめて欠陥という）の自動分類に関して、少なくとも一つ以上の欠陥検査装置１０１から得られた検査情報の同時レビュー方法、及び任意の一台の欠陥検査装置１０１あるいは処理端末装置１０２、１０８において採用される本発明に係る欠陥分類器１０２の生成方法の大きく２つからなる。なお、以降の説明においては、欠陥分類器１０２の生成は、処理端末装置１０２ａ〜１０２ｎまたは処理端末装置１０８の何れかで行うものとする。そのために、図１においては、各処理端末装置１０２，１０８には、ＧＵＩ１１０の機能と欠陥分類器１２０を生成する機能とを有する計算手段と、該計算手段に接続された記憶手段１３１、表示手段１３２及び入力手段１３３等を備えて構成される。
【００３３】
１．１ 処理の流れ
本発明における処理の概略を図３を用いて説明する。まず、各種欠陥検査装置１０１及び処理端末装置１０２からの欠陥分類器１２０を生成するための各種検査情報の取得（ステップ３０１）は既に行われており、自由にこれを参照することができる。ただし、ここで参照できる情報は、前述のように一台の欠陥検査装置１０１から得られた検査情報に限らず、光学式あるいはＳＥＭ式の欠陥検査装置やパタン欠陥検査装置、ＳＥＭ式などの欠陥レビュー装置、元素分析装置等の異種欠陥検査装置１０１による欠陥検査が行われていた場合には、これらの複数台の欠陥検査装置１０１から取得された欠陥分類器１２０を生成するための検査情報も必要に応じて参照し、利用することができ、その場合、図１に示す如く、各種欠陥検査装置、例えば欠陥検査装置Ａ（１０１ａ）、Ｂ（１０１ｂ）からの検査情報は処理端末装置Ａ（１０２ａ）、Ｂ（１０２ｂ）で処理され、ネットワーク１０３等を利用してデータサーバ１０７で管理及び共有されるシステム構成が考えられる。即ち、前記システム構成により、処理端末装置１０２又は１０８は、ステップ３０１において、各種欠陥検査装置における欠陥画像や属性を含む検査情報を取得及び共有することが可能となる。
【００３４】
次に、処理端末装置１０２又は１０８において、前記検査情報を基にユーザ自身が理想的な欠陥分類と考える欠陥分類基準をシステムのサポート（ステップ３０２）に基づき明確化し、欠陥分類クラスを作成する（ステップ３０３）。この詳細に関しては後述する。処理端末装置１０２又は１０８において、欠陥分類クラスが作成されたら、次にその欠陥分類を実現するシステム内部の欠陥分類器を決定する段階にはいる。該欠陥分類器は複数の分岐によって欠陥を階層的に分類する決定木によって表現され、前記各分岐において個別の分類ルールを設定することによって本発明に係る欠陥分類器１２０の設計は完了する。
【００３５】
その手順は点線で囲んだループ３０４内に示される各種ステップから構成される。ループ３０４は基本的に５つのステップ「欠陥分類の決定木決定（ステップ３０５）」「欠陥サンプル教示（ステップ３０６）」「欠陥属性分布の分類度評価（ステップ３０７）」「分類ルールの選択（ステップ３０８）」「分類結果の評価（ステップ３０９）」から成る。ただし、これらのステップのうち、ステップ３０６、３０７、３０９は必要がなければ自由にスキップすることができる。例えば、分類ルールを決定するにあたって、欠陥の各種属性の分布を参照する必要がないのであれば、ステップ３０６、３０７は不要である。また、分類結果の評価ステップ３０９を行わずに次の決定木の決定に進むことも考えられる。また、前記５つのステップは必要に応じて順番を変更して行うことが可能である。例えば、最初に全欠陥クラスに対して欠陥サンプルを教示したり、欠陥の各種属性の分離度を基に決定木を決定するといった手順が可能である。さらに、前記５つのステップは、一部または全てを自動化あるいは半自動化することが可能である。例えば、ステップ３０７における属性分布の分離度を数値化し、前記分離度に基づきシステムが自動的に適切な決定木または分類ルールを決定する機能を有し、前記機能を選択的に採用することができる。あるいは、例えば、欠陥分類の決定木決定（ステップ３０５）に関して既にいくつかのパタンがシステムのデータベースに登録されており、前記データベース中から選択、あるいは前記データベースを参考に決定することができる。
【００３６】
処理端末装置１０２又は１０８において、ループ３０４は必要に応じて複数回数行い、全決定木が決定した段階（ステップ３１０）で欠陥分類器（分類ルール）１２０の生成は終了する。次に各ステップにおける詳細な説明を行う。まず、同時レビューによるシステムのサポート（ステップ３０２）に基づく、欠陥分類クラス生成（ユーザによる欠陥分類基準の決定）（ステップ３０３）に関して具体的に説明する。
【００３７】
１．２ 同時レビューによる欠陥分類クラスの決定（ステップ３０２、３０３）
まずいくつかの欠陥サンプルに関して目視による欠陥分類を行い、欠陥分類クラスを決定するステップ３０３がある。欠陥分類上、どのような基準でどのような欠陥群が同種または異種欠陥クラスとして分類されることを希望するのかユーザが決定するステップである。欠陥分類クラスを決定するには、まずユーザ自身が自身の欠陥分類基準を明確化する必要がある。また、分類性能上、ユーザの分類基準を完璧に満足する欠陥分類器が設計可能とは限らない。さらに、複数の検査情報間で不整合が生じる場合があり（例えば一方の検査情報からは異物系の欠陥であると判断され、もう一方の検査情報からは虚報であると判断されるような不整合）、欠陥分類に関して統一的な判断をユーザに求めることがある。以上のことを考慮しながら、欠陥分類クラスを決定するには、複数の欠陥検査装置からの検査情報を同時に閲覧することが有効であり（ステップ３０２）、そのための検査情報の同時レビュー画面をユーザに提供する。ウィンドウ４００は同時レビュー画面を備えたＧＵＩ（Graphic User Interface）１１０の一例を示している。このように、前記取得及び共有化された前記検査情報の同時レビュー画面を有するＧＵＩが提供されることにより、ユーザは、このＧＵＩ１１０に基づいて前記検査情報を総合的に把握し、自身の分類要求を明確化することができる。
【００３８】
前記複数の検査情報の統合的な活用が欠陥解析・分類に有効となるケースは多い。例えば、ＳＥＭ式の欠陥検査装置はウェハ下層の欠陥を観測するのが困難であるのに対し、光学式の欠陥検査装置は比較的良好に下層欠陥を観測することができる。一方、ウェハ下層に内在する電気的欠陥であるＶＣ（Voltage Contrast）欠陥に関しては、ＳＥＭ式の欠陥検査装置の方が光学式の欠陥検査装置に比べて良好に観測することができる。また、前記ＶＣ欠陥等においては、視野の大きい（解像度の粗い）欠陥検出装置の方が欠陥を良好に観察できる傾向にあることが知られている。このように、前記各欠陥検査装置から取得される検査情報には、欠陥の種類に応じてそれぞれ有利・不利な側面が存在しており、これは異種欠陥検査装置間に限らず、同じ欠陥検査装置から得られた検査情報であっても、検出方法や、処理方法の違いによって得られる多種多様な情報は、欠陥解析・分類に有効である。
【００３９】
１.２.１ 同時レビュー（欠陥分布マップの表示）（ステップ３０２）
以下、欠陥マップの表示方法について図４を参照しながら説明する。
【００４０】
図４は、検査情報の同時レビュー、欠陥の各種属性の分布表示、欠陥クラス及び分岐の一覧表示ウィンドウの一実施例を示す図である。
【００４１】
複数の検査情報から統一的な見解を得るためには、それらの検査情報を同時に閲覧することが有効である。そのため、図３に示すステップ３０２では、検査情報の同時レビュー画面をユーザに提供している。図４のウィンドウ４００は図１に示す本システム（例えば処理端末装置１０２、１０８）におけるＧＵＩの一例を示している。当然、本システム（例えば処理端末装置１０２、１０８）には、ＧＵＩ１２０を実現するために、ディスプレイ装置１３２と、該ディスプレイ装置上の図形や画像を通じて対話する計算機（各種データを記憶する記憶手段１３１も含む）（図示せず）と、キーボード等の入力手段１３３とが備えられて構成される。さらに、計算機の中には、本発明に係る検査情報を基にカスタマイズした欠陥分類器１２０も有することになる。
【００４２】
次に、ステップ３０２において参照される情報の詳細を述べる。ウィンドウ４００に示すＧＵＩは、任意の欠陥検査装置における欠陥分布マップを表示する機能を有しており、複数の欠陥検査装置において検査が行われていた場合には、ウィンドウ４００には、各欠陥検査装置における欠陥分布マップを並べて表示する機能を有している。以後、二つの欠陥検査装置（欠陥検出装置Ａ、欠陥レビュー装置Ｂ）の検査情報が共に参照できる状況を例に挙げて説明するが、本発明はこの組み合わせに限定されるものではなく、種類の異なる欠陥検査装置、あるいは同種の欠陥検査装置であっても検査を行う工程が異なる欠陥検査装置、あるいは同工程で同種の欠陥検査装置であっても装置が異なる欠陥検査装置における任意の一つ以上の欠陥検査装置の組み合わせを含んでいる。また、以後、欠陥レビュー装置Ｂにおける欠陥分類器１２０ｂを設定する問題を扱うが、これに関しても任意の欠陥検査装置１０１あるいは処理端末装置１０２、１０８における欠陥分類器１２０の設定が考えられる。
【００４３】
本実施例において、４０８、４０９はそれぞれ欠陥検出装置Ａ、欠陥レビュー装置Ｂにおける欠陥分布を示す欠陥分布マップである。また、４２０は、前記欠陥検出装置Ａ及び欠陥レビュー装置Ｂから得られた検査情報を基にカスタマイズした本発明に係る欠陥分類器を適用し、再分類を行った際の欠陥分布を示す欠陥分布マップである。欠陥分布マップ４２０により、設定した欠陥分類器による分類結果を確認しながら、対話的に欠陥分類器をカスタマイズすることができる。また、「マップ表示方法」ボタン４１７を押し、所定の設定を行うことにより、各欠陥サンプルに関する欠陥分類の結果や欠陥の各種属性等の欠陥分布を欠陥分布マップ４０８、４０９、４２０上に、文字あるいは数値、色分け、強調等の表示方法で２次元的あるいは３次元的に表示させる機能を有し、ユーザは欠陥分布の全体像を把握することができる。さらに、それぞれの欠陥検査装置に対し、装置ＱＣや着工来歴を表示させる機能を有する。チェックボックス４１０、４１２は装置ＱＣを、チェックボックス４１１、４１３は着工来歴を表示するためのチェックボックスである。
【００４４】
１.２.２ 欠陥画像の表示（ステップ３０２）
図４に示す検査情報同時レビューウィンドウ４０１には任意の複数の欠陥サンプルを指定し、前記欠陥サンプルの欠陥画像をほぼ同時に見れるように例えば並べて表示する機能を有する。一例として、欠陥検出装置Ａにおける欠陥分布マップ４０８中の２点の欠陥サンプルｄａ１、ｄａ２を考える。これらの欠陥は欠陥レビュー装置Ｂにおいては欠陥分布マップ４０９中の欠陥サンプルｄｂ１、ｄｂ２にそれぞれ対応している。ただし、欠陥サンプルｄａ１（ｄｂ１）、ｄａ２（ｄｂ２）は欠陥検出装置Ａにおいては同じクラスＣａ２に分類され、欠陥レビュー装置Ｂにおいては異なるクラスＣｂ３、Ｃｂ２に分類されている。ここで、欠陥サンプルｄａ１を選択し、ウィンドウ４０２にドラッグ、アンド、ドロップすることにより、欠陥検出装置Ａにおいて取得された欠陥サンプルｄａ１の欠陥画像４０４を図に示すように表示させることができる。また欠陥サンプルｄａ１を表示させた時点で、それに対応する欠陥レビュー装置Ｂの欠陥サンプルｄｂ１が欠陥分布マップ４０９中に存在していればウィンドウ４０３内に欠陥サンプルｄｂ１の欠陥画像４０６を自動的に表示させることができる。この機能は欠陥サンプルｄａ１、ｄｂ１のどちらをそれぞれウィンドウ４０２、４０３にドラッグ、アンド、ドロップした場合であっても、もう片方の欠陥サンプルが表示されるものである。同様に欠陥サンプルｄａ２、ｄｂ２に関してもどちらかを選択することによって欠陥画像４０５、４０７をウィンドウ４０２、４０３に表示させることができる。欠陥画像４０４〜４０７の同時欠陥レビュー画像からユーザは２つの欠陥サンプルｄａ１（ｄｂ１）、ｄａ２（ｄｂ２）を異なる欠陥分類クラスとして分類すべきか否か検討することができる。この際、ユーザをサポートする仕組みとして、「画像表示方法」ボタン４１６を押し、所定の設定を行うことにより、前記欠陥画像のいずれを表示させることも可能である。また、「詳細情報」ボタン４１８を押すことにより、欠陥分布マップ上で指定した任意の欠陥サンプルにおける前記検査情報一覧を同時表示させることができる。また、「検索」ボタン４１９を押すことにより、類似欠陥検索を行うことができる。検索は、欠陥検査装置やウェハ上の領域といった検索範囲の指定と任意の検査情報あるいはその組み合わせにより表現される検索式の指定により行われる。
【００４５】
ステップ３０３における欠陥分類クラス決定は、前述のような同時レビュー画面４０１に基づいて、ユーザの目視により行うことができる。ただし、任意のルール、例えば「ＳＥＭ式および光学式の欠陥検査装置を用いて検査を行った際に、前者で欠陥が検出され、後者で検出されなかったという組み合わせにおいては、欠陥分類結果はＶＣ欠陥か虚報である可能性が高い」といった知識を導入することにより、欠陥分類クラス決定の一部または全てを自動化することが可能である。これは、本発明に係る欠陥分類器の生成に関しても同様である。
【００４６】
１．２．３ 欠陥分類クラス作成（ステップ３０３）
次に、前記同時レビュー画面４０１により確認されたユーザの理想的な欠陥分類基準を基に、ステップ３０３で行う欠陥クラスの名称、個数の指定について説明する。
【００４７】
一例としてユーザの要求する欠陥分類基準が欠陥マップ４２０に示されているような５クラス分類（クラスＣ１〜Ｃ５）であったとするならば、まず「クラス追加」ボタン４５０を押し、所定の設定を行うことにより、ウィンドウ４２４に任意のラベルを設定した５つの欠陥クラスを追加・表示させる。図中のウィンドウ４２４には６クラスの表示がなされているが、欠陥クラスＣ１ｂのラベル４２５は後の説明のために表示しており、今はないものとする。ちなみに欠陥クラスを削除したい場合は、ウィンドウ４２４において削除したい任意の欠陥クラスを選択後、「クラス除去」ボタン４５１を押すことによって除去することができる。
【００４８】
１．３ 欠陥分類器１２０の生成（ループ３０４）
次に、ユーザにより指定された分類基準（ここでは前記５クラス分類）を図１に示すシステム内部（例えば処理端末装置１０２、１０８）の分類基準として組み込むステップを説明する。これには前記５つのステップ（３０５〜３０９）を必要に応じて行い、その結果を必要に応じて随時評価しながら、欠陥分類器１２０の全体を形成していく。これらの処理の一部または全てを学習等により自動的に決定することが可能であるが、学習初期においては人間が設定可能な事項をできる限り決定し、システムの学習における負担を軽減することが有効である。次に、前記５つのステップ（３０５〜３０９）に関してそれぞれ詳細を説明する。
【００４９】
１．３．１ 欠陥分類の決定木指定（ステップ３０５）
ステップ３０５における欠陥分類の決定木の指定方法について、図５を用いて説明する。
【００５０】
図５は本発明による階層的に展開される決定木構造の設定及び欠陥サンプルの教示ウィンドウの一実施例を示す図である。
【００５１】
本実施例において、決定木とは、図４に示すウィンドウ４２４内に指定した最終的な欠陥クラスの分類を達成するための分岐手順を示すものであり、「クラス要素」と「分岐要素」からなる。図４で「教示サンプル指定／クラス・分岐構成決定」ボタン４５２を押すと、図５に示すウィンドウ５００が表示させる。ウィンドウ５００はウィンドウ４００と同時に表示・操作することが可能である。また、ウィンドウ４００と５００は同一ウィンドウに表示しても良い。ウィンドウ４２４内に欠陥クラスの指定を行った段階で、分類の決定木を構成する欠陥クラスの個数分のクラス要素５０３がウィンドウ５０２内に作成される。また、デフォルトで分類の決定木を構成する分岐要素５０４が用意されている。これらを用いて、ウィンドウ５０１内に決定木の構成を指定していく。図５内のウィンドウ５０１には決定木の完成形の一例が示されているが、これは図６（ａ）〜（ｃ）のような手順を経て作成される。
【００５２】
図６は図５に示す階層的に展開される決定木構造の設定手順を説明するためのウィンドウの一実施例を示す図であり、図６（ａ）は最初の分岐に欠陥クラスを分岐させる場合を示し、図６（ｂ）は最初の分岐に次の分岐を設ける場合を示し、図６（ｃ）は２番目の分岐に欠陥クラスを分岐させる場合を示す。
【００５３】
まず、図６（ａ）のように、デフォルトで分類の開始地点６０１と最初の分岐Ｂ１（６０２）が表示されている。最初の分岐Ｂ１において欠陥クラスＣ１を分岐させたい場合には、図５に示すように、欠陥クラスＣ１のラベルをもつクラス要素５１８を、ウィンドウ５０２から分岐Ｂ１（６０２）にドラッグ、アンド、ドロップする。この時点で、図６（ｂ）に示すように、クラス要素５１８のコピー６０５が分岐Ｂ１（６０２）の下層に表示される。次にクラス要素６０５と並列に分岐を設けたい場合には、分岐要素５０４を、図５に示すウィンドウ５０２から分岐Ｂ１（６０２）にドラッグ、アンド、ドロップする。この時点で、図６（ｃ）に示されるように、分岐要素５０４のコピーである分岐要素Ｂ２（６０３）が分岐Ｂ１（６０２）の下層に表示される。
【００５４】
分岐要素は区別をつけるため、コピーされるたびに、例えば分岐Ｂ１、Ｂ２、…のようにシリアルＩＤが自動または手動でつけられる。さらに、分岐Ｂ２において欠陥クラスＣ４を分岐させたい場合には、同様に欠陥クラスＣ４のラベルをもつクラス要素５１９を分岐Ｂ２（６０３）にドラッグ、アンド、ドロップするといったように作業が行われる。このクラス要素と分岐要素の組み合わせからなる階層的に展開される決定木は、次の３つの条件に従い任意の構成が可能である。
（１）分類の開始地点６０１の直下層には分岐要素が一つあるのみである。
（２）任意の分岐要素の直下層にはクラス要素及び分岐要素共にいくつ追加してもかまわない。
（３）クラス要素の直下層には何もつけることができない
（４）同じクラス要素を異なる分岐要素の直下層にいくつ追加してもかまわない。
【００５５】
ここで、分岐要素が追加されるたびに、分岐の一覧を表示したウィンドウ４２６（図４参照）に分岐のラベルが追加され、その右にはその分岐から分かれる各欠陥クラスまたは分岐が、それぞれ識別可能なように色分け等を用い、ラベルを添えて表示される。一例として分岐要素Ｂ２（６０３）において欠陥クラスＣ４（６０６）、Ｃ１ｂ（６０７）、分岐Ｂ３（６０４）の３つに分岐されているので、ウィンドウ４２６内の分岐Ｂ２の記述４２７においては、分岐Ｂ２のラベル４４８及び分岐Ｂ２から分かれる３つの欠陥クラスまたは分岐に対応する枠とラベル４４９が表示されている。
【００５６】
また、前記の組み合わせ条件（４）に関して、図５に示すように、例えば同じ欠陥クラスＣ１、Ｃ１ｂのクラス要素６０５と６０７をそれぞれ分岐要素Ｂ１とＢ２の直下層につけることが可能である。この場合、欠陥分類結果は後から統合される。同クラス要素を複数作成した場合は区別をつけるため、コピーされるたびに、例えば欠陥クラスＣ１、Ｃ１ｂ、Ｃ１ｃ、…のようにシリアルＩＤが自動または手動でつけられる。さらに、同クラス要素がコピーされるたびに、ウィンドウ４２５においてコピーされた欠陥クラスのラベルが４２５のように追加される。
【００５７】
以上説明したように、欠陥を階層的に展開して分類する決定木の構造が、分岐Ｂ１（６０２）において欠陥クラスＣ１と残りの欠陥クラスとに分岐させ、分岐Ｂ２（６０３）において欠陥クラスＣ４と欠陥クラスＣ１ｂと残りの欠陥クラスとに分岐させ、分岐Ｂ３（６０４）において欠陥クラスＣ２と欠陥クラスＣ３と欠陥クラスＣ５とに分岐させるように階層的、即ち段階的に展開することによって、ユーザの要求に合致した分類基準を容易に、短時間で、且つ確実に設定することが可能となる。
【００５８】
１．３．２ 欠陥サンプル教示（ステップ３０６）
ステップ３０６における欠陥サンプルの教示方法について述べる。まず、図５のウィンドウ５００を表示する。図４のウィンドウ４２４内に欠陥クラス指定を行った段階で、その欠陥クラスに対応する数の枠がウィンドウ５０５内に作成される。図５では欠陥クラスの枠が６つ表示されているが、決定木が生成されるウィンドウ５０１内において、欠陥クラスＣ１のコピーＣ１ｂを作成するまで、枠５０８は存在しない。各欠陥クラスへの画像の教示は、欠陥分布マップ（４０８または４０９）、あるいは画像表示ウィンドウ（４０２または４０３）内の欠陥サンプルを１つあるいは複数選択し、該選択された欠陥サンプルを例えば欠陥クラスＣ１として教示するのであれば、この欠陥サンプルの画像を欠陥クラスＣ１に対応する枠５０６内にドラッグ、アンド、ドロップすることにより行う。他の欠陥クラスへの教示も、それぞれの欠陥クラスの枠内に欠陥サンプル群の画像群を同様に送ることによって行うことができ、教示の有無、枚数は欠陥クラス間で統一する必要はない。また、同一欠陥サンプルの画像を複数の欠陥クラス枠内に教示することができる。また、異種欠陥検査装置からの教示サンプルの画像は同一欠陥個所の欠陥サンプルであっても、異なる教示サンプルとして教示することができる（あとで述べる欠陥の各種属性分布の表示においては分離して表示することができる）。また前記のとおり、同欠陥クラス要素がウィンドウ５０１内にコピーされる度に、ウィンドウ５０５内にコピーされた欠陥クラス用の枠が新たに作成される。例えば欠陥クラスＣ１とそのコピーである欠陥クラスＣ１ｂのクラス要素６０５、６０７に対して、それぞれ枠５０６、５０８が存在する。これらの枠に対して、同一欠陥サンプル群を教示することも異なる欠陥サンプル群を教示することも可能である。
【００５９】
１．３．３ 欠陥属性分布の分離度評価（ステップ３０７）
階層的に展開される決定木の各分岐における分類ルール（前記のルールに従って作成されたクラス要素と分岐要素からなる）を決定する方法に関して、属性の分離度を視覚化あるいは数値化する方法に関して述べる（ステップ３０７）。ただし、本作業時において決定木全体が完成されている必要はなく、欠陥サンプルの教示も全て行われている必要はなく、また、本作業後に前記決定木の構成や欠陥サンプルの教示パタンを変更することも可能であるが、ここでは、図５の５００中のウィンドウ５０１に示すように決定木構造の決定、欠陥サンプルの教示が共に全て完了している状態を例に説明する。まず、分類ルールを割り当てたい分岐を、図４に示す分岐一覧を表示したウィンドウ４２６内から選択する。ここでは一例として分岐Ｂ２（４２７）を選択すると、欠陥の各種属性分布一覧ウィンドウ４５４内において分岐Ｂ２において分離される３つの欠陥クラス及び分岐（Ｃ４、Ｃ１ｂ、Ｂ３）（該欠陥クラス及び分岐を総称してカテゴリとする。）に対応する各種属性の分布が、前記３つの欠陥クラス及び分岐毎に色分け等の方法で区別されて表示される（４５９、４６０等）。図４では、色分けする代わりに、白、ドット、斜線で示している。当然、欠陥分類器１２０を生成するための欠陥分布マップ４０８及び欠陥分布マップ４０９に載っている欠陥サンプルについての例えば特徴量は図２に示すステップ２０３において算出されているものとする。従って、分岐Ｂ２において、欠陥クラスＣ４内の教示欠陥サンプルの画像が５１４の枠内に教示され、欠陥クラスＣ１ｂ内の教示欠陥サンプルの画像が５０８の枠内に教示される段階で、これらの教示欠陥サンプルの例えば特徴量が算出されているので、欠陥クラスＣ１を除いた欠陥サンプル全体の例えば特徴量分布から２つの欠陥クラスの教示欠陥サンプルを区別して表示することが可能となる。
【００６０】
ここで、色分けされて表示される前記３つの欠陥クラス及び分岐（３つのカテゴリ）に対応する３つの欠陥サンプル群は「欠陥クラスＣ４として教示された欠陥サンプル群５１５」、「欠陥クラスＣ１ｂとして教示された欠陥サンプル群５０９」、「分岐Ｂ３の下層に存在する欠陥クラスＣ２、Ｃ３、Ｃ５として教示された各欠陥サンプル群５１１、５１３、５１７」であり、かつこれらの各種属性分布の表示は各教示サンプル画像が取得された欠陥検査装置ごとに別ウィンドウ（４５５、４５６）に分けて表示される（統合して表示することも可能である）。ウィンドウ４５４に表示される各種属性分布一覧の中には、画像特徴量（各種欠陥画像から得られる欠陥の色合い（テクスチャ等）や大きさ（面積や長さで示される）、形状（異物形状、キズ形状等）、配線パタンに対する欠陥の位置関係（短絡欠陥や断線欠陥等の致命性欠陥で示される位置関係）等の特徴を定量化したもの）のみならず、例えば異種欠陥検査装置における欠陥分類結果（任意の欠陥サンプルがどの欠陥分類クラスに分類された結果）、組成分析結果（任意の欠陥サンプルがどのような組成の組み合わせになっているかの結果）、欠陥マップの分布等を数値化（例えば、Frequency：頻度）したものを含む。また、ウィンドウ４５４には「欠陥属性追加」ボタン４２２を押し、所定の設定を行うことにより、用意された属性を追加したり、あるいは新たな属性を設計し、追加したりすることが可能である。また、任意の属性を削除することも可能である。ちなみに前記のとおり、決定木の決定、欠陥サンプルの教示は完成している必要はなく、指定が行われた範囲内で各種属性分布に反映される。図４に示すように、指定した分岐において分類される欠陥クラスあるいは分岐（カテゴリ）毎に、前記欠陥クラスあるいは分岐の下層に教示された欠陥サンプル群の属性分布の違いが分かるように表示することにより、前記分岐において分類に有効である属性が明らかになる。
【００６１】
各種属性分布の表示方法は一例として４５９、４６０のようなヒストグラム表示が考えられるが、本発明はこのような表示方法に限るものではなく、「属性分布表示方法」ボタン４２１を押すことによって、例えば任意の属性の組み合わせによる二次元あるいは三次元的な分布表示方法等により、欠陥クラスあるいは分岐毎の属性の分離度がユーザにとって明確となる表示方法を選択することが可能である。前記二次元あるいは三次元的な分布表示方法の具体例に関しては後述する。また、任意の欠陥サンプルを選択することによって、前記欠陥サンプルにおける属性が全体の属性分布中のどこに存在するかを表示する機能やその数値を表示する機能を有する。
【００６２】
また、ユーザが属性の分離度を判断する指標の一つとして、分離度を数値化し、前記数値化された分離度の値を各属性毎に、例えば４５７、４５８等において表示する機能をもつ。分離度を数値化する方法としては、例えば欠陥クラス間での属性分布の平均値のずれや、分散等が挙げられる。
【００６３】
１．３．４ 分類ルールの選択（ステップ３０８）
次にステップ３０８において、各分岐毎に割り当てられる分類ルールの生成方法に関して述べる。まず、分類ルールを割り当てる任意の分岐をウィンドウ４２６内から指定する。ここでは一例として分岐Ｂ２（４２７）を指定し、前記分岐Ｂ２において分岐する欠陥クラスＣ４、Ｃ１ｂ、分岐Ｂ３の分類を実現する図１に示すシステム内部の分類ルールを決定する方法に関して述べる。（分岐Ｂ２（４２７）を指定した段階で、前記のとおりウィンドウ４５４内の各種属性分布一覧には、欠陥クラスＣ４、Ｃ１ｂ、分岐Ｂ３に対応する各属性の分布が色分けされて表示されている。）次に「分類ルール指定」ボタン４５３を押すと、図７に示す分類ルール生成ウィンドウ７００が表示される。
図７は本発明による決定木中の各分岐における分類ルール生成ウィンドウの一実施例を示す図である。ウィンドウ７００はウィンドウ４００、５００と同時に表示及び操作することが可能である（同一ウィンドウに表示しても良い）。本ウィンドウ７００では、大きく次の２タイプの分類「ルールベース型分類」「学習型分類（教示型分類）」、及びその組み合わせにより分類ルールを設定することができる。
【００６４】
決定木の構成、ルールベース型分類と学習型分類の組み合わせ方、ルールベース型分類器および学習型分類器のパラメータ等の設定事項に関して、設計者に知識がある場合は、組み込み式あるいは手動で前記設定事項を決定することができる。また、知識があることを前提とできない場合は、学習により前記設定事項を決定することが考えられる。ただし、システム立ち上げ時など教示データ数が十分に確保できない状況においては、前記過学習が生じて性能が低下する危険性がある。そのため、各欠陥検査装置から得られる欠陥画像や属性の分布を表示し、これらの情報を基に前記設定事項を可能な限り決定し、学習時に決定しなければならない項目の自由度を軽減することが有効である。
【００６５】
１．３．４．１ ルールベース型分類
ルールベース型分類は、予め設定された条件式（属性、関係および閾値（境界線若しくは境界面）等の項目からなる）の組み合わせで、分類ルールを生成する分類方式である。まず、前記ルールベース型分類を採用する場合には、チェックボックス７０１にチェックを入れる。次に、前記ルールベース型分類における条件式の指定方法の一例を示す。まず「条件追加」ボタン７０２を押し、条件式を少なくとも１つ以上追加する。各条件式に関して「属性（７０９）」「関係（７１０）」「閾値（７１１）」の３つの項目を指定する。図では一例として、４つの条件式１〜４（７０５〜７０８）が生成されている。前記のとおり各欠陥サンプルに関して複数の属性が算出されており、ユーザは欠陥分類に有効な分離度の高い属性を選別し、条件式に組み込んでいくことになる。ただし、教示サンプルに関して分離度の高い属性が、必ずしも分類に有効な属性であるとは限らず、この判断はユーザに委ねられる。またその後の追加学習によりルールを修正することも可能である。
分離度は、前記のとおりウィンドウ４５４に表示された各種属性分布一覧（ヒストグラム、二次元・三次元表示）や数値化された分離度の値（４５７、４５８等において記載）を基に判断することができる。例えば、まず、プルダウンメニューを用いて「属性（７０９）」の選択を行う。複数の属性を選択することも可能である。
【００６６】
（１）「属性（７０９）」の選択において選択した属性が１つである場合は、残りの「関係（７１０）」と「閾値（７１１）」の設定を行う。「関係（７１０）」は例えばプルダウンメニューを用い不等号（＞、≧、＝、≦、＜）を選択、「閾値（７１１）」はキーボード（図示せず）を用いて数値入力する。「閾値（７１１）」の設定に関しては各条件欄右の「マウス入力」ボタン（７１２）を押すことによって、別画面でマウスやタブレット等のインタフェースを用いて感覚的に設定することが可能である。これを、図８を用いて説明する。
図８は、本発明による各種属性の多次元グラフ表示及びこのグラフ中における制約条件の指定方法の一実施例を示す図である。例えば図８（ａ）に示す属性（Attribute）ｆ１に関する頻度（Frequency）のグラフ８００において、ヒストグラム上で境界線８０１を水平方向にマウスで移動させることによって属性ｆ１に関する閾値Ｔｈ．１（８０２）を決定し、図７に示す「閾値（７１１）」欄に代入する。また、図８（ｂ）のように、属性ｆ１、ｆ２を二次元グラフ上に同時描画することによって、全体の傾向を把握しながら、例えば属性ｆ２に関して、境界線８０４を移動させて閾値Ｔｈ．２（８０７）を設定したりすることができる。ちなみに、本例は境界線８０４〜８０６による３つの条件式から２クラス（図８（ｂ）において、それぞれのクラスに属するサンプルの属性分布を丸と三角で表示）の線形分離が可能な例である。
【００６７】
（２）「属性（７０９）」の選択において選択した属性が２つ以上である場合は、残りの「関係（７１０）」と「閾値（７１１）」の枠をうめるような形式では設定困難であるから、これらは空欄として、「マウス入力」ボタン（７１２）を押し、別画面で設定を行う。
【００６８】
例えば、２つの属性を選択した場合、図８（ｃ）のように選択した属性ｆ１とｆ２の二次元グラフを表示することが考えられる。白い丸と黒い三角で表示された２クラスを分類したいという状況を想定して、境界線を複数指定することができる。各境界線は、例えば二次元グラフ上で２点の指定により直線（８０８、８１０、８１２）を決定した後、その直線によって分割されたどちらの領域を設定するかの方向指定を矢印（８０９、８１１、８１３）を行う。境界線は直線または線分の指定が可能である。また、最終的な条件は複数の境界線により指定される条件のＡＮＤ（論理積）またはＯＲ（論理和）を指定する。教示サンプルの中には属性分布上、例外的な欠陥サンプル（例えば欠陥サンプル８１４）が含まれていることがあり、これらを境界内に含めるか否かの判断はユーザによって行われる。図８（ｃ）は欠陥サンプル８１４を黒三角クラスから除外した例である。また、図８（ｄ）のように、マウスで自由曲線（８１５）を描き、方向指定を矢印（８１６）を行って条件を指定する機能を持たせることもできる。
【００６９】
３つの属性を選択した場合、図８（ｅ）のように属性ｆ１、ｆ２、ｆ３の三次元グラフを表示することが考えられる。丸と三角で表示された２クラスを分類したいという状況を想定して、スプライン曲面等の曲面式あるいは平面パッチの集合で近似された識別面を複数用いて属性空間を分割することができる。二次元画面上に表示される三次元の属性空間は視点を変えて表示させることが可能である。また、ユーザの理解を助けるため識別曲面によって分割された領域ごとに色分けして表示する機能を有する。図８（ｅ）では識別曲面によって分割された２つの領域のどちらに属するかに応じて白と黒に各欠陥サンプルが色分けされている。すなわち、本例では丸い欠陥サンプルが白に、三角の欠陥サンプルが黒に色分けされれば良好な識別曲面であるといえる。次に識別曲面の調整方法の一例を説明する。欠陥サンプル８１９は三角の欠陥クラスに属するものであるから黒に色分けされることが望ましいが、図８（ｅ）では白に色分けされている。これを識別面の反対側に移動させて黒に色分けするため、曲面上の任意の点８２０を移動させ（曲面上に存在しない任意の制御点を移動させる場合もある）、識別曲面を欠陥サンプル８１９をまたいで局所的に変形させる。図８（ｆ）では欠陥サンプル８１９は黒に色分けされている。このような調整を繰り返し試行することによって、良好な識別面を生成することができる。また、識別曲面の自由度は任意に設定可能である。
【００７０】
次に前記の手順により指定された条件１〜４（７０５〜７０８）を組み合わせて、各欠陥クラスに属する最終的な条件式を設定する。条件の組み合わせは論理式（ＡＮＤ（＊）、ＯＲ（＋）、ＮＯＴ（ｎｏｔ）、ＸＯＲ（ｘｏｒ））を用いて、例えば欠陥クラスＣ４に属する条件として条件１と条件３のＡＮＤをとりたい場合には枠７１３内に「１＊３」と記述する。また、参考値として前記システム内部の処理によって算出した境界線・識別面の候補を算出、表示させる機能をもち、ユーザはこれを初期値として詳細な調整を行うことができる。設定した各境界線・識別面の情報は内部に保存され、後から呼び出し、修正することが可能である。
【００７１】
１．３．４．２ 学習型分類（教示型分類）
学習型分類は、基本的に教示によって分類ルールを生成する分類方式である。学習型分類方式は、分類に有効と考えられる属性が存在したとしても、前記ルールベース型分類のような条件設定が困難であるような属性に対し有効である。この方式の分類ルールを採用する場合には、図７のチェックボックス７１６にチェックを入れる。次にウィンドウ７１７において、学習型エンジンに用いる属性を複数選択する。属性の選択に関しては、手動で選択しなくとも、学習によって前記属性毎にその有効度等に応じた重み付けを行う等の方法によって自動で選択することも可能である。ただし、この様な属性の自動選択は、学習サンプル数が十分に確保できない場合、過学習を引き起こす可能性があること、また、学習サンプルに関してのみ分離度が高い属性分布である可能性があること等から、手動による属性の選択と学習とを組み合わせて行える機能を有する。次に７１８のプルダウンメニューから最尤推定法、Ｋ−ＮＮ法等、分類に使用するエンジンを選択する。本メニューの中には自動選択モードもあり、学習サンプル数に応じて適切なエンジンを自動選択させる機能を有する。本エンジンは基本的に条件型エンジンを用いない場合、あるいは条件型エンジンにおいて欠陥クラスが定まらなかった欠陥サンプルに対して適用されるが、図５のウィンドウ５０１内で分岐を２つつなげ、上位を学習型、下位を条件型とする構成も可能である。
また、前記属性分布の表示及び決定木、分類ルール生成等において使用される各種属性は、任意の複数属性に対し、主成分分析等による属性の直交化処理、前記直交化された上位主要成分のみを用いることによる属性次元数の圧縮処理、またはカーネル関数等を用いた属性空間上における属性分布の再配置処理の少なくとも一つ以上の組み合わせからなる処理（異なる欠陥クラスに属する欠陥サンプルにおける属性が、属性空間上において高い分離度となるような処理）を行うことが可能であり、そのように再設計された属性を新規属性として図４のウィンドウ４５４に加え、他の属性と同等に利用できる機能を有する。前記、３つの処理の組み合わせによって、より単純で明快な識別面を用いて欠陥分類が可能となる等の利点があるが、一般にその属性が物理的に意味するところは難解となる。本発明における欠陥属性分布の表示機能、及び決定木、分類ルールの決定法においては、属性の物理的意味に関する知見はなくとも、ある程度、良好な欠陥分類器１２０を生成することが可能となる。
【００７２】
１．３．５ 分類結果評価（ステップ３０９）
ステップ３０９における前記生成した本発明に係る欠陥分類器の評価方法について説明する。この評価は分類の決定木が完全に完成していなくても、行うことが可能である。任意の分岐における分類ルール設定後、図４の「再分類」ボタン４２３を押すことによって、その分岐を用いた欠陥分類をウェハマップ４２０上に表示する。この結果が良好でなければ、教示サンプル、決定木構造及び分類ルールを適宜修正し、結果が良好であれば、残りの分類ルールを指定していくといったように、図３のループ３０４を複数回試行しながら本発明に係る欠陥分類器１２０の全体を決定していく。
【００７３】
全ての決定木・分類ルールが決定したら、条件３１０を満たし、処理は終了する。また、ここで生成された本発明に係る欠陥分類器１２０をどの欠陥検査装置において用いるかを、図４に示すチェックボックス４１４、４１５において指定する。本実施例では、欠陥レビュー装置Ｂにおいて適用する設定となっている。
【００７４】
［第二の実施の形態］（欠陥レビュー装置における本発明に係る欠陥分類器１２０の生成）
第二の実施の形態について説明する。第一の実施の形態においては、一台の欠陥検査装置における本発明に係る欠陥分類器１２０の生成方法に関して述べたが、複数の欠陥検査装置による組み合わせ検査においては、各欠陥検査装置毎にどのような分類クラスを割り当てるか、またその分類を実現する本発明に係る欠陥分類器１２０の生成方法が課題となる。例えば、欠陥検出装置、欠陥レビュー装置による組み合わせ検査において、欠陥検出装置で分類し切れなかった欠陥分類クラスを、欠陥レビュー装置で詳細分類するといった階層的な欠陥分類が可能となれば、欠陥レビュー装置の分類時における欠陥分類クラス数を絞り込み、欠陥分類器の効果的な学習が可能となると考えられる。しかし従来、両欠陥検査装置における欠陥分類基準はそれぞれ個別に設定されており、統一的な分類基準に基づいた階層的な欠陥分類クラスが割振られているわけではない。そこで、本発明では検査順序に応じて、階層的な欠陥分類を行うための欠陥分類クラス、欠陥分類器の生成方法を提供する。
【００７５】
本発明における欠陥分類クラス、及び欠陥分類器の生成方法は、レビューサンプリングプランの制御にも効果的である。例えば、欠陥検出装置により任意の欠陥分類クラスに分類された欠陥サンプルに関して、その後、欠陥レビュー装置による解析を行っても、新たに欠陥分類に関する有益な情報が得られにくい場合には、レビューサンプル数を減らすという方式が考えられる。
【００７６】
本実施の形態では、既に任意の欠陥検出装置において欠陥検出が行われていることを前提とし、欠陥レビュー装置において、前記欠陥検出装置と欠陥レビュー装置からそれぞれ得られた検査情報を統合して、よりユーザの分類要求を満足する効果的、詳細な欠陥自動分類を実現するための欠陥分類クラスと欠陥分類器の生成方法に関して述べる。欠陥レビュー装置において検査された欠陥サンプルは、前記欠陥検出装置において検査された欠陥サンプルからサンプリングされた集合となっている。したがって、欠陥レビュー装置において欠陥分類を行う全欠陥サンプルに関して、欠陥検出装置、欠陥レビュー装置から得られた両検査情報を利用することができる状況である。
【００７７】
２．１ 処理の流れ
以下の説明はそれぞれ一台の欠陥検出装置、欠陥レビュー装置の組み合わせにおける解析方法に関して特に述べるが、三台以上の任意の欠陥検査装置の組み合わせに関しても同様の解析が可能である（第五の実施の形態において説明）。また、欠陥検出装置、欠陥レビュー装置の組み合わせ以外に関しても、欠陥サンプルが共通している場合、同様の解析が可能である。図９の欠陥分布マップ９０１〜９０３は各処理段階における欠陥分布マップ上の欠陥サンプルの分布と欠陥分類結果を一例として示したものである。
【００７８】
（１）まず、半導体デバイス製造の所定の処理工程での処理後に、欠陥検出装置による検査を行う。前記検査により得られた検査情報は必要に応じてデータサーバ１０７あるいは処理端末装置１０８に送られる。欠陥分布マップ９０１は、一例として欠陥検出装置における欠陥サンプルの分布と欠陥検出装置における欠陥分類による欠陥粗分類結果（調整前）を示したものである。２１点の欠陥サンプルが３つの欠陥分類クラスＣａ１〜Ｃａ３に分類されている。ただし、本ステップにおいて欠陥分類を行うことは必須でない。
【００７９】
（２）ステップ９０１で検出された欠陥サンプル群を、必要に応じてレビュー検査用にサンプリングする（これをレビューサンプリングと呼ぶ）。
【００８０】
（３）レビューサンプリングされた欠陥サンプル群に対し、欠陥レビュー装置による検査を行う。ただし、ここでレビューが行われる半導体デバイス製造の処理工程は、ステップ９０１において検査された処理工程と同一である必要はない。ここで得られた検査情報は必要に応じてデータサーバ１０７あるいは処理端末装置１０８に送られる。
【００８１】
（４）（１）および（２）においてそれぞれ得られた欠陥検出装置、欠陥レビュー装置における両検査情報を基に欠陥レビュー装置における欠陥分類クラスの決定及び前記欠陥分類クラスへの分類を行う欠陥分類器の生成を行う。前記欠陥検出・レビュー両装置の検査情報を利用することにより、欠陥レビュー装置単独では分類困難であった欠陥分類が可能となりうる。欠陥分布マップ９０２は、一例として欠陥レビュー装置において検査が行われた欠陥位置と欠陥レビュー装置から得られた検査情報のみを用いて欠陥自動分類した詳細分類結果（調整前）である。２１点から９点にレビューサンプリングされた欠陥サンプルが４つの欠陥分類クラスＣｂ１〜Ｃｂ４に分類された様子を示す。ここで、欠陥分布マップ９０１上の欠陥サンプルｄａ１、ｄａ２はそれぞれ異なる欠陥分類クラスＣａ２、Ｃａ３に分類されているのに対し、欠陥分布マップ９０２上において前記欠陥サンプルｄａ１、ｄａ２に対応する欠陥サンプルｄｂ１、ｄｂ２は共に同一欠陥分類クラスＣｂ３に分類されている。また逆に、対応する欠陥サンプルが、欠陥分布マップ９０１においては同一分類クラスに分類され、欠陥分布マップ９０２においては異なる分類クラスに分類されているケースもある。このような欠陥検査装置間における分類結果の不整合に対し、両検査装置の検査情報を用いて欠陥分類を行えば、前記欠陥サンプルを同一分類クラスとして分類することも細分類することも可能である。欠陥分布マップ９０３は９０１、９０２で得られた検査情報を組み合わせ、ユーザの分類要求に沿って最適化された欠陥分類の詳細分類結果（調整後）の一例である。例えば欠陥サンプルｄａ１（ｄｂ１）、ｄａ２（ｄｂ２）に関しては細分類する欠陥分類器が採用され（欠陥サンプルｄｂ３は欠陥分類クラスＣｂ５に、欠陥サンプルｄｂ４は欠陥分類クラスＣｂ３にそれぞれ分類）、欠陥が５つの欠陥分類クラスＣｂ１〜Ｃｂ５に分類された様子を示す。本第二の実施の形態における欠陥分類クラス及び欠陥分類器の生成方法は、第一の実施の形態における手順と同様に行うことができる。ただし、本第二の実施の形態においては、図４に示すウィンドウ４５５、４５６に表示された欠陥検出・レビュー両装置から得られた属性情報を基に本発明に係る欠陥分類器を生成することができる。
【００８２】
以上の手順に従い、欠陥レビュー装置における本発明に係る欠陥分類器の設定は終了する。一旦欠陥分類器が生成された後は、前記欠陥分類器を用いてその後のウェハ検査が継続される。ただし、その後得られる検査情報を基にして継続的に前記欠陥分類器の変更あるいは追加学習を行うことが可能である。
【００８３】
２．２ 画像処理手順の変更あるいは画像処理パラメータの調整
欠陥検査装置間において検査情報を統合して利用する際、それらの検査情報間の整合性が問題となることがある。整合がとれていない場合とは、例えば、同一欠陥サンプルにおける配線領域の認識結果、あるいは欠陥領域と前記配線領域の位置関係（孤立／単線／跨線判定）、あるいは欠陥の大きさや高さ、あるいは欠陥の成膜との上下関係（膜上／膜下判定）といった欠陥属性が複数の欠陥検査装置間で異なる場合である。以下、前記整合方法の一実施例について説明する。
【００８４】
図１３は、欠陥検出装置（通常の欠陥検査装置）Ａ、および欠陥レビュー装置Ｂにおける同一欠陥サンプルの欠陥画像の画像処理結果を示す図である。検査画像１３０１、１３０２はそれぞれ欠陥検出装置Ａにおいて撮像された参照画像及び欠陥画像を示す。また、参照画像１３０１、欠陥画像１３０２に対して任意の画像処理Ａ（１３０３）、Ｂ（１３０４）を行い、配線領域を二値化した画像がそれぞれ二値画像１３０５、１３０６である。ただし、二値化画像１３０６においては、欠陥領域（図中では白丸で示してある）も二値化して表示している。１３０１〜１３０６に対応する欠陥レビュー装置Ｂにおける参照画像及び欠陥画像、画像処理Ｃ及びＤ、並びに二値化画像がそれぞれ１３０７〜１３１２である。ここで、二値画像１３０５および１３０６においては一例として配線認識に失敗し、中央の配線が二値化領域として抽出されていない例を示した。実際の欠陥領域は二つの配線に跨って存在する致命性の高い欠陥であり、欠陥レビュー装置Ｂにおいては二値画像１３１２から孤立欠陥であると判断されているが、欠陥検出装置Ａにおいては二値画像１３０６から断線欠陥として判断されている。このような欠陥属性の違いを整合するように画像処理手順の変更あるいは画像処理パラメータの調整を行う必要がある。
【００８５】
そこで、欠陥レビュー装置Ｂにおいて得られた二値画像１３１１から、倍率変更、あるいは歪み補正、あるいは濃淡画像の場合は明度補正等の処理を行い、欠陥検出装置Ａにおける配線二値画像の正解パタンとして教示パタン１３１３を生成する。次に、教示パタン１３１３と一致あるいは類似する処理結果が二値画像１３０５において得られるように画像処理１３０３における画像処理手順の変更あるいは画像処理パラメータの調整を行う。欠陥画像に関しても同様であるが、欠陥画像においては配線領域のみならず、欠陥領域の大きさも整合させることが考えられる。そもそも、一例としてあげた欠陥検出装置Ａにおける参照画像１３０１、欠陥画像１３０２は、欠陥レビュー装置Ｂにおける参照画像１３０７、欠陥画像１３０８に対し、コントラストや解像度の面において劣っており、画像処理パラメータの設定は困難な例であった。前述の手順に基づき、複数検査装置間における検査情報の整合のみならず、設定困難な各種画像処理パラメータの設定も可能になる。
【００８６】
本実施例においては教示パタン１３１３を生成する検査画像１３１１、１３１２を取得する欠陥検査装置として欠陥レビュー装置Ｂを選択した。どの欠陥検査装置から教示パタン生成するかの選択は、ユーザが各種検査画像の同時レビュー画面から判断することも、任意のルールを設定することによって自動化することも可能である。また、本処理は、全ての欠陥検査装置の組み合わせにおいて実施することが可能である。
【００８７】
［第三の実施の形態］（欠陥検出装置（通常の欠陥検査装置）における本発明に係る欠陥分類器１２０の生成）
この第三の実施の形態においては、欠陥レビュー装置による詳細検査の結果を基に、前記欠陥レビュー装置における欠陥分類を効果的に行うための、欠陥検出装置における欠陥分類クラスと欠陥分類器の決定方法、およびレビューサンプリング方法に関して述べる。欠陥レビュー装置における欠陥分類が効果的に行われるためには、欠陥検出装置における欠陥分類クラスが欠陥レビュー装置における欠陥分類基準に近い分類となることが望ましい。欠陥検出装置において分類しきれなかった欠陥分類クラスに関して欠陥レビュー装置で詳細分類を行うといった階層的な分類が可能となれば、レビュー検査装置において細分化されることのない欠陥検出装置における欠陥分類クラスに分類された欠陥サンプルに関してはレビューサンプル数を抑えることできる。また、欠陥レビュー装置においては欠陥分類クラス数を抑え、欠陥分類器の効果的な学習が可能となる。本第三の実施の形態は欠陥レビュー装置における欠陥分類クラスが既知であることが前提となっている。ただし、第二の実施の形態で述べた欠陥レビュー装置における欠陥分類器のカスタマイズが行われていることは必須ではない。すなわち、本第三の実施の形態における欠陥検出装置の欠陥分類器の決定は、図９の欠陥分布マップ９０３〜９０５に相当するが、前記欠陥分布マップ９０３は欠陥分布マップ９０１〜９０３のようなカスタマイズ後に実施することも、カスタマイズ無しで実施することも可能である。しかし、第二の実施の形態で述べた欠陥レビュー装置における欠陥分類器のカスタマイズが行われている場合は、本第三の実施の形態における欠陥検出装置における欠陥分類器をカスタマイズにより、前記欠陥レビュー装置における欠陥分類クラスＣｂは、前記欠陥検出装置における欠陥分類クラスＣａの部分集合、もしくはそれに近い集合になるように設定できることが期待できる。以下の説明は欠陥レビュー装置における欠陥分類クラスならびに欠陥分類器のカスタマイズに続いて実施されたことを前提として説明する。以下の説明は第二の実施の形態と同様、それぞれ一台の欠陥検出装置、欠陥レビュー装置による解析方法に関して特に述べるが、三台以上の任意の欠陥検査装置の組み合わせに関しても同様の解析が可能である。
【００８８】
３．１ 欠陥分類クラスの決定
欠陥検出装置（第一の欠陥検査装置）における欠陥分類クラスを、その後に行われる欠陥レビュー検査装置（第二の欠陥検査装置）における欠陥詳細分類が効果的に行われるように、前記欠陥レビュー装置における欠陥分類クラスに類似したクラスになるように設定する。ここでは、欠陥レビュー装置（第二の欠陥検査装置）における欠陥分類クラスＣｂが、欠陥検出装置（第一の欠陥検査装置）における欠陥分類クラスＣａの部分集合、もしくはそれに類似した分類となるように設定する。一例として欠陥分布マップ９０３に示すように欠陥レビュー装置における欠陥分類クラスＣｂ１〜Ｃｂ５が与えられたとして、該欠陥分類クラスＣｂ１〜Ｃｂ５を基に欠陥検出装置から得られる検査情報だけを用いて欠陥検出装置における欠陥分類クラスの教示パタンを欠陥分布マップ９０４として作成する。次に前記教示パタンに類似した欠陥分類クラスへの分類を実現する欠陥検出装置における欠陥分類器を生成する。ここで、第二の実施の形態における欠陥レビュー装置における欠陥分類器のカスタマイズと異なる点は、利用できる検査情報は欠陥検出装置から得られたものだけであり、欠陥レビュー装置から得られた検査情報は利用することができないという点である。すなわち、着目する欠陥検出装置において利用できる検査情報は、実際の検査における検査順序において前記着目する欠陥検出装置の以前に得られた検査情報のみである。欠陥分類器の変更の方法に関しては、第一の実施の形態において述べた欠陥分類器の設定方法と同様に行うことができる。一例として、教示分類パタンである欠陥分布マップ９０４における欠陥分類クラスを欠陥検出装置において極力分類する欠陥分類器を生成し、前記生成された欠陥分類器を用いて欠陥分類を行った粗分類結果（調整後）が、欠陥分布マップ９０５である。本実施例は欠陥分布マップ９０４における欠陥分類クラスＣａ２とＣａ５を分類することができなかった例であるが（欠陥分布マップ９０４における欠陥分類クラスＣａ２、Ｃａ５は欠陥分布マップ９０５における欠陥分類クラスＣａ２に統合されている）、他の欠陥分類クラスＣａ１、Ｃａ３、Ｃａ４に関しては教示分類パタン９０４に近い欠陥分類が行われている。以上の手順に従い、欠陥検出装置における欠陥分類器の設定は終了する。一旦分類器が生成された後は、前記欠陥分類器を用いてその後のウェハ検査が継続される。ただし、その後得られる検査情報を基に継続的に前記欠陥分類器の変更を行うことが可能である。
【００８９】
ここで、以上述べた欠陥分布マップ９０１〜９０５に示した欠陥検出、レビュー両装置における各欠陥分類クラスの決定手順に関して、各欠陥分類クラス間の関係をまとめたものが図１１である。図１１における各表１１０１〜１１０３において縦の項目は欠陥検出装置における欠陥分類クラスを、横の項目は欠陥レビュー装置における欠陥分類クラスを示している。また、欄内の数字は、欠陥レビュー装置における欠陥サンプルに関して、欠陥検出及びレビュー両装置における各分類クラスに分類された分類数を示している。項目欄の欠陥分類クラス名は図９と対応している。
【００９０】
▲１▼表１１０１は、欠陥分類クラスならびに欠陥分類器が調整前の両欠陥検査装置における欠陥分類クラス間の包含関係を示している（図９に示す欠陥分布マップ９０１と欠陥分布マップ９０２との関係に対応）。例えば、枠１１０４で囲まれた領域は、欠陥レビュー装置において欠陥分類クラスＣｂ３に分類されたサンプルは、欠陥検出装置においては欠陥分類クラスＣａ２あるいはＣａ３のいずれかに分類されていたことを示す。まず、始めに行う欠陥レビュー装置における欠陥分類クラスの調整では、最終的に欠陥レビュー装置における欠陥分類クラスＣｂが、欠陥検出装置における欠陥分類クラスＣａの部分集合となるように、例えば１１０４で示すように、欠陥レビュー装置における一つの欠陥分類クラスＣｂ３に対し、欠陥検出装置における二つ以上の欠陥分類クラスＣａ２、Ｃａ３が対応しないように、欠陥分類器を調整し欠陥分類クラスを細分する。このときユーザの分類要求に応じて不要な欠陥分類クラスの削除、あるいは新たな欠陥クラスの追加、あるいは欠陥クラスの組替えを行っても構わない。
【００９１】
▲２▼表１１０２は、前記調整により得られた調整後の欠陥レビュー装置における欠陥分類クラスと調整前の欠陥検出装置における欠陥分類クラスとの包含関係を示している（図９に示す欠陥分布マップ９０１と欠陥分布マップ９０３との関係に対応）。表１１０１と比較した際、表１１０１において欠陥分類クラスＣｂ３に分類される欠陥分類クラスがＣａ２とＣａ３であったのが、表１１０２において欠陥分類クラスがＣａ３のみになったことから、例えば表１１０２における欠陥分類クラスＣｂ３に属する欠陥を多くレビューしたいという要求に対し、欠陥分類クラスＣａ２は欠陥分類クラスＣａ３の候補から外れたため、欠陥分類クラスＣａ３に分類された欠陥サンプルのレビュー数を増やすことで効果的に分類が実現されるようになる。
【００９２】
次に欠陥検出装置における欠陥分類クラスＣａを、欠陥レビュー装置における欠陥分類クラスＣｂと類似するように調整する。具体的には枠１１０５、１１０６においてそれぞれ欠陥分類クラスＣｂ２とＣｂ５、欠陥分類クラスＣｂ３とＣｂ４を、欠陥検出装置において細分類するように欠陥分類器を調整する。ただし、欠陥検出装置においては、欠陥レビュー装置における検査情報を利用することができないため、前記欠陥レビュー装置における欠陥分類性能に対し、分類の信頼性が得られない状況もありうる。そのような場合は、あえて細分類しない、あるいは細分類してもレビューサンプル数を増やして確認する等の処理が考えられる。
【００９３】
▲３▼表１１０３は、前記調整により得られた調整後の両欠陥検査装置における欠陥分類クラスに属する欠陥サンプルの包含関係を示している（図９に示す欠陥分布マップ９０３と欠陥分布マップ９０５との関係に対応）。表１１０２と比較した際、表１１０２において欠陥分類クラスＣａ３が欠陥分類クラスＣａ３、Ｃａ４に分割され、欠陥分類クラスＣｂ３、Ｃｂ４を分類可能となっている。本実施例においては、枠１１０５内の欠陥分類クラスの関係に関して、枠１１０７においても変更はない。これは、そもそも欠陥検出装置から得られた検査情報のみからでは分類困難であった場合と、前述したように分類の信頼性から故意に行った場合とが考えられる。この結果、欠陥分類クラスの対応のみに着目すると、欠陥検出器において欠陥分類クラスＣａ２に分類された欠陥サンプルのみレビュー検査を行えば最終的な詳細分類が可能ということになる。実際には、レビューサンプリングの割合を欠陥分類クラスＣａ２において増すといった処理方法が考えられる。
【００９４】
また、欠陥分類クラスの決定においては、ユーザに複数の欠陥検査装置における欠陥分類クラス間の関係を分かりやすく示すことが有効である。図１１は前記欠陥分類クラス間の関係を示す表示方法の一例である。各欠陥分類クラスへの分類数を表示することにより、各分類クラス間の重複度合いを知ることができる。
【００９５】
３．２ レビューサンプリング方法
次にレビューサンプリングの方法に関して述べる。前述のように、欠陥レビュー装置における欠陥分類クラスＣｂが、欠陥検出装置における欠陥分類クラスＣａの部分集合、あるいはそれに類似した集合になるように設定すると、欠陥検出装置において欠陥検出及びレビュー両装置に共通な欠陥分類クラスに分類された欠陥サンプルに関してはレビュー検査の必要性は低いということになる。逆にレビュー検査において更に詳細クラスへと分類される欠陥分類クラスに分類された欠陥サンプルに関してはレビュー検査を行う必要性が高い。すなわち、前記レビュー検査の必要性に応じてサンプリング数を制御することが考えられる。欠陥分布マップ９０３、９０５は説明用の例であり、欠陥サンプル総数が極めて少ないため、欠陥分布マップ９０５中の欠陥点ｄａ３のみレビューサンプリングすれば欠陥詳細分類の全体像を把握することができる例であるが、このようなケースは現実的ではない。実際には、欠陥点数は非常に多く、また欠陥検出装置の画質はレビュー検査のそれに比べ一般に劣るので、欠陥検出装置において詳細な欠陥分類クラスへの分類されることはあまり期待できない。また、分類された欠陥サンプルに関しても、その分類結果が常に信頼できるわけではない。そのため実際の検査においてはどの欠陥分類クラスに分類された欠陥サンプル群に対しても、数点のレビューサンプリングを行い、教示分類パタン関して詳細分類が困難であった欠陥分布マップ９０５中Ｃａ２のような欠陥分類クラス（欠陥レビュー装置における複数の欠陥分類クラスＣｂ２、Ｃｂ５が含まれている）に関しては特に他の欠陥分類クラスより多めにサンプリングを行うといった方法や、欠陥分類結果の信頼性に応じてサンプリング数を変化させる方法が考えられる。
【００９６】
レビューサンプリングをどの程度の割合で行うかは、前述のように欠陥検出装置における欠陥分類クラス毎に判定することも、欠陥サンプル毎に判定することも、あるいはそれらを共に考慮して判定することも可能である。特に欠陥サンプル毎の判定においては前記欠陥分類結果の信頼性を判断要素とするのが有効である。前記欠陥分類結果の信頼性に関しては、各欠陥分類クラスへの帰属度を定義することによって、各欠陥サンプルを大きく、
（１）任意の欠陥分類クラスに分類される欠陥
（２）任意の複数の欠陥分類クラス間で帰属度が均衡した境界欠陥（判定困難）（３）学習時には存在しなかった未知欠陥
の三つに分類することが可能となる。前記（２）、（３）に関してはレビュー検査の必要性大とし、（１）に関してもその帰属度が低い場合はレビュー検査の必要性大とする方式が考えられる。以上のように欠陥検出装置における欠陥分類クラスおよび欠陥分類器１２０の生成を行い、前記欠陥分類クラスに応じてサンプリング点数を制御することによって、複数検査装置間において階層的な整合性をもち、かつ効果的な欠陥検査を行うことができる。
【００９７】
ところで、欠陥レビュー装置における欠陥分類クラスＣｂが、欠陥検出装置における欠陥分類クラスＣａの部分集合になるような欠陥分類器が設定困難な場合もありうる。図１２はその一例であり、欠陥検査装置Ａ、Ｂによる欠陥分布マップ１２０１、１２０２おける分類クラス（それぞれＣａ１〜Ｃａ３、Ｃｂ１〜Ｃｂ４）が、部分集合の関係になっていない。しかしそのような場合であっても、例えば欠陥検査装置Ａにおいて分類クラスＣａ３に分類された欠陥サンプルは欠陥検査装置Ｂにおいては分類クラスＣｂ２かＣｂ３のいずれかに分類される可能性が高く、分類クラスの候補を絞り込む効果がある。そのため、欠陥検査装置Ａにおいて分類クラスＣａ３に分類された欠陥サンプルに関しては、欠陥検査装置Ｂにおいて３クラス問題ではなく、Ｃｂ２かＣｂ３の２クラス問題として欠陥分類器を構成することにより、分類性能の向上が期待できる。
【００９８】
また、第二、三の実施の形態において、欠陥検出及び欠陥レビュー装置の欠陥分類クラス、欠陥分類器の生成をユーザの最終的な分類要求に基づき、学習等を用いてある程度自動生成することが可能である。しかしながら、特にプロセス立ち上げ時においては十分な教示サンプルを得ることができず、教示サンプルの特異な性質に特化した前記欠陥分類クラス、欠陥分類器が生成されてしまう危険性が高い。第一の実施の形態において、詳細を述べた検査情報のレビュー、及び欠陥分類器のカスタマイズ方法により、欠陥分類に関するユーザの要求や知見を容易にシステムに取り込むことが可能となり、特異な分類ルールを抑制することが可能となる。また、追加学習における分類器の変更も容易である。例えば、教示サンプルに関して、たまたま、欠陥クラスＣａに属するサンプルには形状の丸い欠陥が多く、欠陥クラスＣｂに属するサンプルには形状の四角い欠陥が多いといった状況において、決定木で形状の違いによる分岐が設定されたとしても、形状の違いが両クラスの本質的な違いでないならば、このような分類ルールをキャンセルすることができる。また、追加学習時において、複数の欠陥検査装置における属性分布の変移を同時観察することにより、本質的な違いでない属性の欠陥クラス間における分離度が悪化する傾向が観測できることが期待される。
【００９９】
次に、欠陥検出装置において検出された欠陥サンプル群に関して、前記欠陥サンプル群の一部をレビュー検査し、詳細分類することにより前記欠陥サンプル群全体の詳細分類結果を推定する方法に関して、詳細分類結果の割合を利用する方法について述べる。前記欠陥サンプル群からレビューサンプリングにより選択された一部の欠陥サンプル群に関して詳細検査を行うことにより、前記一部の欠陥サンプル群において含まれる詳細分類結果の割合を把握することができる（欠陥検出装置における欠陥分類クラス毎にランダムサンプリングを行った場合、前記欠陥分類クラス毎の詳細分類結果の割合を把握することができる）。レビュー検査が行われなかった欠陥サンプルに関しては、レビュー検査による検査情報を直接利用することはできないが、前記詳細分類結果の割合を考慮して推定の信頼性を向上させることができる。例えば、欠陥分類クラスＣａとＣｂの欠陥割合がそれぞれａ％、ｂ％であるとする。欠陥分類クラスＣａとＣｂの分類する任意の属性に関して欠陥サンプルをソートし、境界的な事例中Ｃａ寄りの上位ａ％を欠陥分類クラスＣａとして分類する。
【０１００】
［第四の実施の形態］
この第四の実施の形態においては、検査情報を共有する複数の欠陥検査装置におけるそれぞれの欠陥サンプル群がお互い部分的に参照できない場合の検査方法に関して述べる。検査情報を共有する欠陥検査装置が共に欠陥検出装置であった場合、例えば、光学式のパタン検査装置とＳＥＭ式のパタン検査装置の組み合わせ検査において、独立に欠陥検出を行った場合、両者が検出した欠陥サンプルには部分的な不一致が起こりうる。本実施例においても欠陥サンプルが一致あるいは包含されている個所に関しては、第二、あるいは第三の実施の形態と同様の解析・分類が可能である。以下の説明は二台の欠陥検出装置Ａ、Ｂの組み合わせにおける解析方法に関して特に述べるが、三台以上の任意の欠陥検査装置の組み合わせに関しても同様の解析が可能である。また、欠陥検出装置同士以外の組み合わせに関しても、欠陥サンプルに不一致がある場合、同様の解析が可能である。
【０１０１】
参照したい欠陥サンプルにおける検査情報に抜けがあった場合、前記検査情報を同類の他の欠陥サンプルにおける検査情報で補間する方法に関して説明する。図１２は一例として二つの欠陥検査装置Ａ、Ｂにおいて検査が行われた位置を、それぞれ欠陥分布マップ１２０１、１２０２に表示したものである。ここで、欠陥検査装置Ａにおいて検査が行われた欠陥分布マップ１２０１上の欠陥サンプルｄａ１における欠陥分類を考える。ただし、前記欠陥サンプルｄａ１に対応する欠陥分布マップ１２０２上の座標ｄｂ１においては、欠陥検査装置Ｂによる検査が行われていない。そこで、欠陥検査装置Ｂにおける各欠陥サンプルを欠陥の空間的な分布、あるいは欠陥分類結果、あるいは各種検査情報を基にクラスタリングを行い、例えば、クラスタＣｂ１〜Ｃｂ４を得る。欠陥分布マップ上の任意の座標に対し、前記クラスタに属する空間的な帰属度が定義できる場合、同クラスタに共通あるいは類似する検査情報を同クラスタ内で共有することが可能と考えられる。例えば、欠陥分布マップ１２０２上の座標ｄｂ１における検査情報として、座標ｄｂ１と同クラスタＣｂ１に属すると考えられる欠陥サンプルｄｂ２の検査情報を利用することができる。同クラスタＣｂ１に属する他の欠陥サンプル群から検査情報を補間することも可能である。ところで、クラスタ設定の誤り、あるいは参照先の検査情報の誤りや検査情報の揺らぎ等の理由により、検査情報の補間の信頼性が損なわれる危険性がある。そこで、クラスタ形成の信頼性、あるいはクラスタへの帰属度、あるいは検査情報の信頼性や揺らぎ等のパラメータを基に補間した検査情報の信頼性に関する重み付けを行い、前記検査情報を利用する際に利用することが考えられる。
【０１０２】
［第五の実施の形態］
この第五の実施の形態においては、３台以上の欠陥検査装置による組み合わせ検査に関して述べる。第二、三、四の実施の形態では、二台の欠陥検査装置の組み合わせ検査について特に述べたが、三台以上の欠陥検査装置による組み合わせ検査に関しても同様の解析が可能である。一例としてＮ台の欠陥検査装置の組み合わせ検査に関して欠陥分類クラス及び欠陥分類器の設定手順（生成手順）を示したものが図１０（ａ）である。図１０（ａ）に示すように、欠陥分類クラスを含む欠陥分類器１２０の生成は、検査順序と逆にＮ番目の欠陥検査装置から順に第1番目の欠陥検査装置まで行われる。それは、検査順序に従って、分類できない或は分類が信頼できない欠陥サンプルについて欠陥の分類を順次補完するためである。そこで、任意のｎ（０≦ｎ≦Ｎ）番目の後に検査が行われるｎ＋１番目の欠陥検査装置（第二の欠陥検査装置）における分類クラスが、ｎ番目に検査が行われる欠陥検査装置（第一の欠陥検査装置）における分類クラスの部分集合、またはそれに類似した欠陥クラスとなるように決定する。すなわち、最初にＮ番目の欠陥検査装置における分類クラスを生成し、その後に検査が行われる欠陥検査装置における欠陥クラスを限定するように、その前に検査が行われる（Ｎ−１）〜１番目の欠陥検査装置の分類クラスを順に決定していく。また、任意のｎ番目に検査が行われる欠陥検査装置における欠陥分類器は、それ以前に検査が行われた１〜（ｎ−１）番目の欠陥検査装置とｎ番目の欠陥検査装置において得られた検査情報１００２で欠陥分類の判断基準として利用可能なものを選択的、統括的に分類ルールに組み込んでいくことにより、前記ｎ番目に検査が行われる欠陥検査装置において設定した分類クラスを分類可能な欠陥分類器を生成する（ステップ１００１）。ただし、欠陥分類クラスや欠陥分類器を作成する際、第一の実施の形態において述べた同時レビュー画面を用いて全ての欠陥検査装置から得られた検査情報を参考にしながら決定することは可能である。欠陥分類クラスや欠陥分類器は図３のように繰り返し修正することが可能であり、また、任意の検査装置における欠陥クラスや欠陥分類器を生成した時点で、任意の欠陥クラスや欠陥分類器を変更し直すことも可能である。
【０１０３】
実際のデータに関して分類が行われる際の処理の流れを示したものが図１０（ｂ）である。図１０（ｂ）に示すように、実際の検査は、１番目の欠陥検査装置から前記生成された欠陥分類器１２０を用いて順に行われ、必要に応じて第三の実施の形態のような欠陥サンプルのサンプリングを行いながら、次の欠陥検査装置での検査が行われる。ただし、図１０（ａ）（ｂ）において例外的な場合として、任意の組み合わせの複数の欠陥検査装置による検査後に前記複数の欠陥検査装置から得られた検査情報を用いて欠陥分類を行ったり、サンプリングを行う場合は、前記複数の欠陥検査装置から取得された検査情報を検査順序には関係なく前記複数の欠陥検査装置における欠陥分類器の判断基準として用いることができる。
【０１０４】
【発明の効果】
以上述べたように、本発明によれば、ユーザに固有な分類要求に対し、従来困難であった欠陥分類器のカスタマイズを容易に行い、ユーザの判断基準を満足する欠陥自動分類を行うための仕組みを得ることができる。
【０１０５】
また、本発明によれば、ユーザが自身の分類要求を明確化させる際、各種検査情報をほぼ同時レビュー画面に表示してほぼ同時にレビューできるようにしたことにより、統一的な見解を与えることが可能となる。
【０１０６】
また、本発明によれば、複数の欠陥検査装置による組み合わせ検査において、階層的な欠陥分類器を実現し、欠陥分類器の効果的な学習及び効果的なレビューサンプリングを実現することが可能となる。
【図面の簡単な説明】
【図１】本発明による検査情報の共有のためのデータサーバならびに各種欠陥検査装置の構成の一実施例を示すブロック図である。
【図２】本発明による各種欠陥検査装置における各種検査情報の取得過程の一実施例を示すフローチャート図である。
【図３】本発明による欠陥分類器の生成方法の一実施例を示すフローチャート図である。
【図４】本発明による検査情報の同時レビュー、欠陥の各種属性の分布表示、及び欠陥クラス・分岐の一覧表示ウィンドウの一実施例を示す図である。
【図５】本発明による決定木構造の設定及び欠陥サンプルの教示ウィンドウの一実施例を示す図である。
【図６】図５における決定木構造の設定手順の一実施例を示す図である。
【図７】本発明による決定木中の各分岐における分類ルール設定ウィンドウの一実施例を示す図である。
【図８】本発明による各種属性の多次元グラフ表示及びこのグラフ中における制約条件の指定方法の実施例を示す図である。
【図９】本発明による欠陥分類器の生成手順の各ステップにおける、欠陥サンプルの分布および欠陥自動分類結果の一実施例を示す欠陥分布マップ図である。
【図１０】本発明による欠陥分類器の設定手順と欠陥分類手順との一実施例を示すフローチャート図である。
【図１１】本発明による図９に欠陥分布マップで示す如く各欠陥検査装置における欠陥分類クラス間の関係を示す図である。
【図１２】本発明による検査情報の欠けを補間する際に生成されるクラスタ分布の一例を示す図である。
【図１３】本発明による複数欠陥検査装置の検査情報間の不整合を整合する手順の一実施例を示す図である。
【符号の説明】
１０１…欠陥検査装置、１０２…処理端末装置、１０３…ネットワーク、１０７…データサーバ、１０８…処理端末装置、１１０…ＧＵＩ、１２０…欠陥分類器、１３１…記憶手段、１３２…表示手段、１３３…入力手段、
４００…メインウィンドウ、４０１…検査情報同時レビューウィンドウ、４０２、４０３…検査画像同時レビューウィンドウ、４０４〜４０７…欠陥画像、４０８…欠陥検出装置Ａにおける欠陥マップ、４０９…欠陥レビュー装置Ｂにおける欠陥マップ、４１０、４１２…装置ＱＣ表示用チェックボックス、４１１、４１３…着工来歴表示用チェックボックス、４１４、４１５…生成した分類器を適用する欠陥検査装置指定用チェックボックス、４１６…画像表示方法指定ボタン、４１７…マップ表示方法指定ボタン、４１８…詳細情報表示ボタン、４１９…検索ボタン、４２０…分類器調整後の欠陥マップ、４２１…属性分布表示方法指定ボタン、４２２…欠陥属性追加ボタン、４２３…再分類実行ボタン、４２４…欠陥クラス一覧表示ウィンドウ、４２５…欠陥クラスＣ１ｂ、４２６…分岐一覧表示ウィンドウ、４２７…分岐指定枠、４４８…分岐ラベル、４４９…指定分岐によって分岐される欠陥クラスまたは分岐に対応する枠とラベル、４５０…クラス追加ボタン、４５１…クラス削除ボタン、４５２…教示サンプル指定／クラス・分岐構成決定ウィンドウ表示ボタン、４５３…分類ルール指定ウィンドウ表示ボタン、４５４…欠陥属性分布一覧表示ウィンドウ、４５５、４５６…各欠陥検査装置における欠陥属性分布一覧表示ウィンドウ、４５７、４５８…各種属性分離度表示、４５９、４６０…各種属性分布表示、
５００…教示サンプル指定／クラス・分岐構成決定ウィンドウ、５０１…クラス・分岐構成表示ウィンドウ、５０２…分岐構成要素表示ウィンドウ、５０３、５１８、５１９…クラス要素、５０４…分岐要素、５０５…教示サンプル指定ウィンドウ、５０６、５０８、５１０、５１２、５１４、５１６…各欠陥クラス用教示ウィンドウ、５０７、５０９、５１１、５１３、５１５、５１７…各欠陥クラス用教示画像、
６０１…分類の開始地点、６０２〜６０４…分岐Ｂ１〜Ｂ３、６０５〜６１０…欠陥クラスＣ１〜Ｃ５、
７００…分類ルール生成ウィンドウ、７０１…ルールベース型分類使用チェックボックス、７０２…条件追加ボタン、７０３…条件削除ボタン、７０４…条件文一覧表示ウィンドウ、７０５〜７０８…条件文、７０９…属性指定プルダウンメニュー、７１０…関係指定プルダウンメニュー、７１１…閾値指定プルダウンメニュー、７１２…マウス入力指定ボタン、７１３〜７１５…各欠陥クラスに分類される条件の論理式、７１６…学習型分類使用チェックボックス、７１７…使用する属性選択ウィンドウ、７１８…分類エンジン選択プルダウンメニュー、
８００…属性ヒストグラム、８０１、８０４、８０５、８０６、８０８、８１０、８１２…識別線、８０２、８０７…閾値、８０３…二次元属性分布表示画面、８０９、８１１、８１３、８１６…方向指定、８１４、８１９…任意欠陥サンプルの属性分布表示、８１５…識別曲線、８１７…三次元属性分布表示画面、８１８…識別曲面、８２０…識別曲面上の点、
９０１…欠陥検出装置における調整前の粗分類結果を示す欠陥分布マップ、９０２…欠陥レビュー装置における調整前の詳細分類結果を示す欠陥分布マップ、９０３…欠陥レビュー装置における調整後の詳細分類結果を示す欠陥分布マップ、９０４…欠陥検出装置における教示欠陥分類パタン（教示用分類クラス）を示す欠陥分布マップ、９０５…欠陥検出装置における調整後の粗分類結果を示す欠陥分布マップ、
１１０１…調整前の欠陥検出・レビュー両装置における各欠陥分類クラス間の包含関係を示す表、１１０２…調整前の欠陥検出装置及び調整後の欠陥レビュー装置における各欠陥分類クラス間の包含関係を示す表、１１０３…調整後の欠陥検出・レビュー両装置における各欠陥分類クラス間の包含関係を示す表、
１２０１…欠陥検査装置Ａにおける欠陥サンプルのクラスタリング結果を示す欠陥分布マップ、１２０２…欠陥検査装置Ｂにおける欠陥サンプルのクラスタリング結果を示す欠陥分布マップ。
【発明の属する技術分野】
本発明は、半導体製造過程での半導体ウェハなどの試料上に発生する異物や欠陥を自動分類するための欠陥分類器の生成方法並びに生成された欠陥分類器を用いて欠陥を自動分類する欠陥自動分類方法およびそのシステムに関する。
【０００２】
【従来の技術】
半導体デバイスは、基板となるウェハに対して、露光・現像・エッチング等の複数の処理を行うことにより製造され、その複数の処理工程のうちの所定の処理工程での処理後に、光学式あるいはＳＥＭ（Scanning Electron Microscope：走査電子顕微鏡）式の異物検査装置やパタン検査装置を用いて欠陥位置や大きさの検査が行われる。検出欠陥数は製造プロセスの状態に依存するものの、１ウェハあたり数百から数千に及ぶことがあり、これらの欠陥検査装置においては高速な欠陥検出が要求される。以後、これらの欠陥検出を行う欠陥検査装置を総称して欠陥検出装置と呼ぶ。
【０００３】
それに対し、前記欠陥検出装置による検査後に、より撮像倍率の高い光学式、あるいはＳＥＭ式の欠陥レビュー装置を用い、欠陥検出装置において検出された欠陥に対し、詳細な再検査を行うことがある。ただし、欠陥検出装置において検出された欠陥サンプルを全て詳細検査することは時間的な制約から現実的ではなく、前記欠陥検出装置において検出された欠陥集合をサンプリングし、その部分集合に対し詳細検査は行われる。以後、これら欠陥レビュー検査を行う欠陥検査装置を総称して欠陥レビュー装置と呼ぶ。また、欠陥検出装置と欠陥レビュー装置、更に走査探針顕微鏡（Scanning Probe Microscope：ＳＰＭ）や元素分析装置等の検査装置を合わせて欠陥検査装置と総称する。
【０００４】
欠陥レビュー装置においては、欠陥検出装置からの欠陥位置情報を基に、自動的に欠陥の拡大画像を取得する機能、すなわち、ＡＤＲ（Automatic Defect Review）機能や、前記の欠陥拡大画像から、その大きさや形状、テクスチャ（表面の模様）などの詳細情報を得て、欠陥種類を自動分類する機能、すなわち、ＡＤＣ（Automatic Defect Classification）機能搭載の製品が開発されている。一方、欠陥検出装置においても、処理の高速性を重視した簡易な欠陥粗分類、すなわちＲＴ−ＡＤＣ（Real Time-ADC）と呼ばれる分類機能を有するものがある。
【０００５】
欠陥を各種検査情報に基づいて自動分類する方法に関しては、パタン認識の分野における多変量解析手法として、古くから多様な手法が研究されている。
古典的な方法論の一つはルールベース型分類と呼ばれる方法である。この方法論においては、分類対象である画像から各種画像特徴量を抽出し、システムに組み込んだ“if-then”式のルールに基づいて、画像特徴量の値を判定することにより、欠陥を欠陥クラスの一つに分類する。ルールベース型分類は、分類する欠陥クラス及びルールが固定で、ユーザの要求に柔軟に対応できない反面、教示データが不要であるため、生産プロセス立ち上げ時より使用可能である、という利点がある。
【０００６】
また、他の古典的な方法論の一つは学習型分類と呼ばれる方法である。この方法論においては、教師画像を事前に収集し、これを学習することにより、分類ルールを最適化する（ニューラルネット等）。学習型分類はユーザの要求に応じた柔軟な分類が可能となる可能性がある反面、一般に良好な性能を得るためには、教示データを大量に収集する必要があるため、生産プロセス立ち上げ時には実質的に使用できない、という問題がある。逆に、少数の教示データのみを用いた場合には、過学習と呼ばれる教示データに対する学習の過剰適合現象が生じて性能が低下することが知られている。
【０００７】
また、上述のルールベース型分類と学習型分類を併用する構成として、特開２００１−１３５６９２号公報には、ハイブリッドで一様に適用可能な自動欠陥分類法が開示されている。
【０００８】
更に、欠陥分類に関する従来技術としては、特開平１１−３４４４５０号公報、特開２００１−９３９５０号公報、特開２００１−１２７１２９号公報、特開２００１−２５６４８０号公報、特開２００１−３３１７８４号公報、特開２００２−１４０５４号公報及び特開２００２−９０３１２号公報が知られている。
【０００９】
【特許文献１】
特開２００１−１３５６９２号公報
【特許文献２】
特開平１１−３４４４５０号公報
【特許文献３】
特開２００１−１２７１２９号公報
【特許文献４】
特開２００１−１３４７６３号公報
【特許文献５】
特開２００１−２５６４８０号公報
【特許文献６】
特開２００１−３３１７８４号公報
【特許文献７】
特開２００２−９０３１２号公報
【００１０】
【発明が解決しようとする課題】
しかしながら、前記ルールベース型分類、あるいは学習型分類、あるいはそれらの組み合わせからなる欠陥分類器が出力する分類結果が、ユーザの分類要求に対して一致していなかったとしても、システム内部の分類基準を補正することは容易でない。すなわち、前記ルールベース型分類において、分類の判断基準として用いられる各種属性の意味するところが不明瞭であれば、ユーザが自身の分類要求に対し、各種属性の選択、閾値設定といったカスタマイズを行うことは困難である。また、学習型分類において分類ルールを自動生成する場合においても、不用意に多くの属性を特徴量として用意すれば、学習の自由度が増大し、少数の教示データに過剰適合した過学習が発生する危険性がある。そのため、より多くの教示サンプル数を要することになる。ルールベース型分類と学習型分類を組み合わせる構成においても同様の課題が存在し、さらに前記組み合わせに関しても適切な構成の決定方法が課題となる。
【００１１】
欠陥検査装置から得られる欠陥の属性には、画像特徴量をはじめ、欠陥座標、組成分析結果、着工来歴、装置ＱＣ（Quality Control）あるいはウェハ上において検出された欠陥位置の分布に関する情報や欠陥数等が挙げられ、かつ光学式あるいはＳＥＭ式の異物検査装置やパタン検査装置、欠陥レビュー装置、ＳＰＭ、元素分析装置等の複数の異種欠陥検査装置から取得された属性が参照可能な場合もある。欠陥自動分類は前記属性を判断基準として行うが、ユーザにとって、これら大量の属性をどのように用い、期待する欠陥分類基準を満足する欠陥分類器を生成するかは大きな課題である。
【００１２】
本発明の目的は、上記課題を解決すべく、適切なユーザサポートに基づく、ユーザの分類要求の明確化、欠陥分類クラスの生成及び前記欠陥分類クラスへの分類を可能とする欠陥分類器の生成方法並びに生成された欠陥分類器を用いた欠陥自動分類方法及びそのシステムを提供することにある。
【００１３】
また、本発明の他の目的は、さらに、複数の欠陥検査装置による組み合わせ検査における各欠陥検査装置毎の欠陥分類クラスを含む欠陥分類器の生成方法、欠陥自動分類方法及びそのシステム、並びに検査装置間のデータの整合性をとる方法やデータの補間方法を提供することにある。
【００２０】
【課題を解決するための手段】
上記目的を達成するために、本発明は、第一の欠陥検査装置によって被検査対象を検査し、その後第二の欠陥検査装置によって被検査対象を検査して被検査対象に発生した欠陥を分類する欠陥自動分類方法であって、前記第一の欠陥検査装置における第一の欠陥分類器により分類される欠陥分類クラスと前記第二の欠陥検査装置における第二の欠陥分類器により分類される欠陥分類クラスとの関係を基に、前記第一の欠陥検査装置における各欠陥分類クラス毎に検査サンプルをサンプリングする割合を決定する検査サンプル決定ステップと、該検査サンプル決定ステップで各欠陥分類クラス毎に決定したサンプリングする割合に応じた検査サンプルを第二の欠陥検査装置において検査して欠陥を分類する検査ステップとを有することを特徴とする欠陥自動分類方法である。
また、本発明は、第一の欠陥検査装置によって被検査対象を検査し、その後第二の欠陥検査装置によって被検査対象を検査して被検査対象に発生した欠陥を分類する欠陥自動分類方法であって、前記第一の欠陥検査装置における第一の欠陥分類器により検査サンプルに対する分類される各欠陥分類クラスへの信頼性に応じて各欠陥分類クラス毎に検査サンプルをサンプリングする割合を決定する検査サンプル決定ステップと、該検査サンプル決定ステップで被検査対象に対する各欠陥分類クラス毎に決定したサンプリングする割合に応じた検査サンプルを第二の欠陥検査装置において検査して欠陥を分類する検査ステップとを有することを特徴とする欠陥自動分類方法である。
【００２２】
また、本発明は、任意の試料上の欠陥サンプル群を複数の欠陥検査装置により検査して複数の検査情報を取得する検査情報取得ステップと、該検査情報取得ステップにより取得された複数の検査情報を画面上においてほぼ同時に表示して欠陥サンプル群の分類クラス要素を決定するレビューステップと、画面上において該レビューステップで決定された分類クラス要素を基に分類クラス要素を分岐要素を介して階層的に展開される決定木を指定する決定木指定ステップと、画面上において前記検査情報取得ステップにより取得された少なくとも一つの検査情報を基に前記指定された決定木における各分岐要素毎に個別の分類ルールを設定する分類ルール設定ステップとを含む決定木設定ステップとを有し、欠陥分類器を生成する欠陥分類器生成過程と、該欠陥分類器生成過程で生成された欠陥分類器を用いて少なくとも一つの欠陥検査装置において被検査対象に発生した欠陥を検査して取得される検査情報を基に前記欠陥を分類する欠陥分類過程とを有することを特徴とする欠陥自動分類方法である。
【００２５】
また、本発明は、同一あるいは同種の欠陥サンプルに対して複数の欠陥検査装置間で同一の欠陥解析の基準となるように、少なくとも一つの欠陥検査装置において前記欠陥サンプルから得られる画像に対して画像処理手順の変更あるいは画像処理パラメータの調整を行い、該変更された画像処理手順あるいは調整された画像処理パラメータを用いて処理された画像を基に欠陥分類器により欠陥を分類することを特徴とする欠陥自動分類方法である。
また、本発明は、前記欠陥自動分類方法において、前記欠陥分類器は、少なくとも第一及び第二の欠陥検査装置の組み合わせにより試料上の欠陥サンプル群を検査して第一及び第二のサンプル検査情報を取得する検査情報取得ステップと、該検査情報取得ステップで取得された第一及び第二のサンプル検査情報を参照して前記第一及び第二の欠陥検査装置の検査順序に応じて第一又は第二の欠陥分類器を生成する欠陥分類器生成ステップとを有する欠陥分類器の生成方法によって生成されることを特徴とする。
また、本発明は、試料を処理する複数の処理工程のうちの所定の処理工程で処理された前記試料を第一の欠陥検査装置で検査して欠陥を検出して該検出した欠陥の第一の検査情報を取得し、該取得した検出した欠陥の第一の検査情報を基に第一の欠陥分類ルールを用いて予め設定した第一の複数の分類クラスに分類し、該第一の欠陥検査装置で検査して検出した前記試料上の欠陥の中からサンプリングした欠陥を第二の欠陥検査装置で検出して該サンプリングして検出した欠陥の第二の検査情報を取得し、前記サンプリングして検出した欠陥の前記第一の検査情報と前記第二の検査情報を基に第二の欠陥分類ルールを用いて予め設定した第二の複数の分類クラスに分類する欠陥検査方法であって、前記第一の欠陥分類ルールは、前記試料を第一の欠陥検査装置で検査して検出した欠陥を前記第二の欠陥分類ルールに基づいて分類して得た情報を用いて生成したものであることを特徴とする欠陥検査方法である。
また、本発明は、試料を処理する複数の処理工程のうちの所定の処理工程で処理された前記試料を第一の欠陥検査装置で検査して欠陥を検出して該検出した欠陥の第一の検査情報を取得し、該取得した検出した欠陥の第一の検査情報を基に第一の欠陥分類ルールを用いて予め設定した第一の複数の分類クラスに分類し、該第一の欠陥検査装置で検査して検出した前記試料上の欠陥の中からサンプリングした欠陥を第二の欠陥検査装置で検出して該サンプリングして検出した欠陥の第二の検査情報を取得し、前記サンプリングして検出した欠陥の前記第一の検査情報と前記第二の検査情報を基に第二の欠陥分類ルールを用いて予め設定した第二の複数の分類クラスに分類する欠陥検査方法であって、前記第一の欠陥検査装置で検査して検出した欠陥を前記第一の欠陥分類ルールを用いて分類した結果と前記第二の欠陥検査装置で検出してサンプリングして検出した欠陥を前記第二の欠陥分類ルールを用いて分類した結果とを同じ画面上に表示し、該画面上に表示された前記第一の欠陥分類ルールを用いて分類した結果と前記第二の欠陥分類ルールを用いて分類した結果とに基づいて前記第一の欠陥分類ルールを修正することを特徴とする欠陥検査方法である。
また、本発明は、試料を処理する複数の処理工程のうちの所定の処理工程で処理された前記試料を第一の欠陥検査装置で検査して欠陥を検出して得た第一の検査情報と前記第一の欠陥検査装置で検出した前記試料上の欠陥の中からサンプリングした欠陥を第二の欠陥検査装置で検出して得た第二の検査情報とに対して前記第一の欠陥検査装置で検出した欠陥を分類するための第一の欠陥分類ルールを設定する装置であって、前記第一の欠陥検査装置で検査して検出した欠陥の第一の検査情報を基に第一の欠陥分類ルールを用いて分類した結果と前記第二の欠陥検査装置で検査して検出した前記試料上の欠陥の中からサンプリングした欠陥の前記第一の検査情報と前記第二の検査情報を基に第二の欠陥分類ルールを用いて分類した結果とを表示する画面と、前記第一の欠陥分類ルールを用いて分類した結果と前記第二の欠陥分類ルールを用いて分類した結果とが表示された前記画面上で欠陥分類クラスを設定する欠陥分類クラス設定手段と、該欠陥分類クラス設定手段により設定された欠陥分類クラスに基づいて欠陥分類器を生成する欠陥分類器生成手段と、
を有することを特徴とする処理装置である。
【００２６】
【発明の実施の形態】
本発明に係る実施の形態について図面を用いて説明する。
【００２７】
１． 環境
本発明は、少なくとも一つ以上の欠陥検査装置において検査情報を取得し、該検査情報を任意の欠陥検査装置から参照することができることを前提とする。前記欠陥検査装置１０１とは、光学式、あるいはＳＥＭ式の異物検査装置、パタン検査装置、レビュー検査装置、あるいは元素分析装置等の種類の異なる欠陥検査装置、また、同種・異種を問わず検査を行う工程が異なる検査装置、あるいは同種・異種、工程を問わず、機の異なる欠陥検査装置である場合を含む。
【００２８】
図1は、本発明による試料の欠陥自動分類システム及びそのシステムに用いる各欠陥検査装置の構成の一実施例を示すブロック図であり、１０１ａ〜１０１ｎ・・・は各任意の欠陥検査装置Ａ〜Ｎ・・・、１０２ａ〜１０２ｎ・・・は各欠陥検査装置１０１ａ〜１０１ｎ・・・からの検査情報を処理する処理端末装置Ａ〜Ｎ・・・、１０７はデータサーバ、１０８はデータサーバ１０７からの情報を処理する処理端末装置である。１０１、１０２、１０７、１０８間はネットワーク１０３を介して情報の送受信が可能である。各欠陥検査装置１０１ａ〜１０１ｎ・・・からの検査情報は処理端末装置１０２ａ〜１０２ｎ・・・で処理され、データサーバ１０７に管理・共有され、または他の処理処理端末１０２ａ〜１０２ｎ・・・あるいはシステム全体（データサーバ用）の処理端末装置１０８から直接参照される。前記検査情報の、閲覧あるいは処理・解析は、任意の各欠陥検査装置用の処理端末装置１０２ａ〜１０２ｎ・・・あるいはシステム用処理端末装置１０８において検査と同時、あるいはその後に行われる。
【００２９】
次に、任意の欠陥検査装置１０１及び処理端末装置１０２における検査情報の取得方法、および、その種類に関して詳細を述べる。半導体デバイス製造の所定の処理工程での処理後に、任意の欠陥検査装置１０１による欠陥検査が行われ、処理端末装置１０２または１０８から各種検査情報（各種欠陥分類結果）が得られる。図２は本処理の詳細を示したものである。即ち、図２は、任意の欠陥検査装置を用いた各種検査情報（各種欠陥分類結果）を取得するための処理端末装置１０２または１０８における処理動作の一実施例を示すフローチャートである。ステップ２０１で、まず、任意の欠陥検査装置１０１において実際のウェハ等の被検査対象及びサンプル検査対象（欠陥分類器１２０を生成するための試料）上の任意の欠陥位置を検出し、ステップ２０２で、欠陥位置と参照位置にステージ（図示せず）を移動してそれぞれ撮像を行って画像信号を検出し、該検出された画像信号をデジタル画像信号に変換し、該変換されたデジタル画像信号を処理端末装置１０２または１０８に提供される。処理端末装置１０２または１０８は、ステップ２０３で、前記撮像された欠陥画像と参照画像とから例えば比較することによって欠陥についての各種画像特徴量の算出を行う。点線で囲んだループ２０４内の各ステップの処理を他の任意の欠陥位置においても繰り返し同様に行い、処理端末装置１０２または１０８は、ステップ２０５で、これらを統合して試料上における欠陥分布情報を得る。ただし、欠陥レビュー装置においては、ステップ２０１における欠陥検出は、予め外部の異物検査装置またはパタン検査装置が検出した欠陥位置情報を入力とすることで行われる。次に、ステップ２０６で、別途得られる装置ＱＣ（Quality Control）、着工来歴といった各欠陥検査装置に固有な検査装置情報（例えば光学式、ＳＥＭ式、ＡＦＭ（原子間力顕微鏡）式等の情報、分解能および感度に関する情報等）またはウェハに固有なウェハ情報（被検査対象の製造工程に関する情報および回路構造（メモリ領域やロジック領域など）等に関する情報）を得る。処理端末装置１０２または１０８は、ステップ２０７において、ステップ２０５から得られる試料上の欠陥分布情報やステップ２０３から得られる各欠陥についての画像特徴量、およびステップ２０６から得られる検査装置情報・ウェハ情報を結合した検査情報を基に、例えば図３に示す処理フローによって得られる本発明に係る生成された欠陥分類器１２０、例えば複数の分岐によって欠陥クラスを階層的に分類する決定木を用いて欠陥分類が行われる。ここで、前記検査情報とは、各種欠陥画像と各種属性のうち少なくとも一つ含むものであり、前記各種欠陥画像とは、実際に欠陥が検出されたか否かを問わず、他の欠陥検査装置を含めて各欠陥検査装置１０１の検出器において撮像した全ての欠陥画像・参照画像の他に、前記欠陥画像・参照画像に対し任意の画像処理（例えば２値化画像処理、膨張・収縮画像処理）を施した処理画像のうち少なくとも１つ以上を含むものである。前記欠陥画像・参照画像とは、ウェハ上に検出された欠陥位置と参照位置にそれぞれステージを移動して撮像した画像のことであり、前記参照位置とは、着目する欠陥が存在するチップと異なるチップ（例えば隣接するチップ）上において、前記欠陥位置に対応する位置をさす。ただし、欠陥画像の部分的な周期性を利用して欠陥画像から擬似参照画像を合成する技術が存在し、広く参照画像（欠陥画像と比較するための基準画像）と総称する。また、前記処理画像には、少なくとも２つ以上の任意の画像群を任意の画像処理により合成して得られた処理画像を含む。前記各種属性とは、画像特徴量、欠陥分類結果（任意の欠陥サンプルがどの欠陥分類クラスに分類されたかの結果）、欠陥座標、組成分析結果（任意の欠陥サンプルがどのような組成の組み合わせになっているかの結果）、着工来歴、装置ＱＣあるいはウェハ上において検出された欠陥位置の分布に関する情報や欠陥数（以下、欠陥分布情報と呼ぶ）のうち少なくとも１つ以上を含むものである。また前記画像特徴量とは、前記各種欠陥画像から得られる欠陥の色合い（テクスチャ等）や大きさ（面積や長さで示される）、形状（異物形状、キズ形状等）、配線パタンに対する欠陥の位置関係（短絡欠陥や断線欠陥等の致命性欠陥で示される位置関係）等の特徴を定量化したもの、あるいは任意の欠陥検査装置により得られた欠陥画像から、任意の異種欠陥検査装置において有効と思われる新たに設計・算出された画像特徴量の全て、または一部を含むものである。
【００３０】
なお、前記の説明では、欠陥検査装置１０１が実際の被検査対象及びサンプル検査対象（欠陥分類器１２０を生成するための試料）を含めてステップ２０２まで実行し、その後の処理及び欠陥分類器１２０の生成は処理端末装置１０２、１０８が実行するように説明したが、欠陥検査装置１０１がステップ２０４、２０５及び２０６の検査情報（実際の被検査対象及びサンプル検査対象）を得るまでを実行し、該検査情報を基に欠陥分類器１２０の生成及び該生成された欠陥分類器１２０に基づいて実際の欠陥分類を行う処理を処理端末装置１０２、１０８で実行してもよい。
【００３１】
なお、本発明に係る欠陥分類器１２０は、実際の被検査対象上に発生した欠陥を分類する前に、生成しておくことが必要となる。
【００３２】
［第一の実施の形態］（欠陥検査装置における本発明に係る欠陥分類器１２０の生成）
第一の実施の形態について説明する。本実施の形態は、半導体ウェハ上の異物や欠陥（以下、特別の場合を除き、これらをまとめて欠陥という）の自動分類に関して、少なくとも一つ以上の欠陥検査装置１０１から得られた検査情報の同時レビュー方法、及び任意の一台の欠陥検査装置１０１あるいは処理端末装置１０２、１０８において採用される本発明に係る欠陥分類器１０２の生成方法の大きく２つからなる。なお、以降の説明においては、欠陥分類器１０２の生成は、処理端末装置１０２ａ〜１０２ｎまたは処理端末装置１０８の何れかで行うものとする。そのために、図１においては、各処理端末装置１０２，１０８には、ＧＵＩ１１０の機能と欠陥分類器１２０を生成する機能とを有する計算手段と、該計算手段に接続された記憶手段１３１、表示手段１３２及び入力手段１３３等を備えて構成される。
【００３３】
１．１ 処理の流れ
本発明における処理の概略を図３を用いて説明する。まず、各種欠陥検査装置１０１及び処理端末装置１０２からの欠陥分類器１２０を生成するための各種検査情報の取得（ステップ３０１）は既に行われており、自由にこれを参照することができる。ただし、ここで参照できる情報は、前述のように一台の欠陥検査装置１０１から得られた検査情報に限らず、光学式あるいはＳＥＭ式の欠陥検査装置やパタン欠陥検査装置、ＳＥＭ式などの欠陥レビュー装置、元素分析装置等の異種欠陥検査装置１０１による欠陥検査が行われていた場合には、これらの複数台の欠陥検査装置１０１から取得された欠陥分類器１２０を生成するための検査情報も必要に応じて参照し、利用することができ、その場合、図１に示す如く、各種欠陥検査装置、例えば欠陥検査装置Ａ（１０１ａ）、Ｂ（１０１ｂ）からの検査情報は処理端末装置Ａ（１０２ａ）、Ｂ（１０２ｂ）で処理され、ネットワーク１０３等を利用してデータサーバ１０７で管理及び共有されるシステム構成が考えられる。即ち、前記システム構成により、処理端末装置１０２又は１０８は、ステップ３０１において、各種欠陥検査装置における欠陥画像や属性を含む検査情報を取得及び共有することが可能となる。
【００３４】
次に、処理端末装置１０２又は１０８において、前記検査情報を基にユーザ自身が理想的な欠陥分類と考える欠陥分類基準をシステムのサポート（ステップ３０２）に基づき明確化し、欠陥分類クラスを作成する（ステップ３０３）。この詳細に関しては後述する。処理端末装置１０２又は１０８において、欠陥分類クラスが作成されたら、次にその欠陥分類を実現するシステム内部の欠陥分類器を決定する段階にはいる。該欠陥分類器は複数の分岐によって欠陥を階層的に分類する決定木によって表現され、前記各分岐において個別の分類ルールを設定することによって本発明に係る欠陥分類器１２０の設計は完了する。
【００３５】
その手順は点線で囲んだループ３０４内に示される各種ステップから構成される。ループ３０４は基本的に５つのステップ「欠陥分類の決定木決定（ステップ３０５）」「欠陥サンプル教示（ステップ３０６）」「欠陥属性分布の分類度評価（ステップ３０７）」「分類ルールの選択（ステップ３０８）」「分類結果の評価（ステップ３０９）」から成る。ただし、これらのステップのうち、ステップ３０６、３０７、３０９は必要がなければ自由にスキップすることができる。例えば、分類ルールを決定するにあたって、欠陥の各種属性の分布を参照する必要がないのであれば、ステップ３０６、３０７は不要である。また、分類結果の評価ステップ３０９を行わずに次の決定木の決定に進むことも考えられる。また、前記５つのステップは必要に応じて順番を変更して行うことが可能である。例えば、最初に全欠陥クラスに対して欠陥サンプルを教示したり、欠陥の各種属性の分離度を基に決定木を決定するといった手順が可能である。さらに、前記５つのステップは、一部または全てを自動化あるいは半自動化することが可能である。例えば、ステップ３０７における属性分布の分離度を数値化し、前記分離度に基づきシステムが自動的に適切な決定木または分類ルールを決定する機能を有し、前記機能を選択的に採用することができる。あるいは、例えば、欠陥分類の決定木決定（ステップ３０５）に関して既にいくつかのパタンがシステムのデータベースに登録されており、前記データベース中から選択、あるいは前記データベースを参考に決定することができる。
【００３６】
処理端末装置１０２又は１０８において、ループ３０４は必要に応じて複数回数行い、全決定木が決定した段階（ステップ３１０）で欠陥分類器（分類ルール）１２０の生成は終了する。次に各ステップにおける詳細な説明を行う。まず、同時レビューによるシステムのサポート（ステップ３０２）に基づく、欠陥分類クラス生成（ユーザによる欠陥分類基準の決定）（ステップ３０３）に関して具体的に説明する。
【００３７】
１．２ 同時レビューによる欠陥分類クラスの決定（ステップ３０２、３０３）
まずいくつかの欠陥サンプルに関して目視による欠陥分類を行い、欠陥分類クラスを決定するステップ３０３がある。欠陥分類上、どのような基準でどのような欠陥群が同種または異種欠陥クラスとして分類されることを希望するのかユーザが決定するステップである。欠陥分類クラスを決定するには、まずユーザ自身が自身の欠陥分類基準を明確化する必要がある。また、分類性能上、ユーザの分類基準を完璧に満足する欠陥分類器が設計可能とは限らない。さらに、複数の検査情報間で不整合が生じる場合があり（例えば一方の検査情報からは異物系の欠陥であると判断され、もう一方の検査情報からは虚報であると判断されるような不整合）、欠陥分類に関して統一的な判断をユーザに求めることがある。以上のことを考慮しながら、欠陥分類クラスを決定するには、複数の欠陥検査装置からの検査情報を同時に閲覧することが有効であり（ステップ３０２）、そのための検査情報の同時レビュー画面をユーザに提供する。ウィンドウ４００は同時レビュー画面を備えたＧＵＩ（Graphic User Interface）１１０の一例を示している。このように、前記取得及び共有化された前記検査情報の同時レビュー画面を有するＧＵＩが提供されることにより、ユーザは、このＧＵＩ１１０に基づいて前記検査情報を総合的に把握し、自身の分類要求を明確化することができる。
【００３８】
前記複数の検査情報の統合的な活用が欠陥解析・分類に有効となるケースは多い。例えば、ＳＥＭ式の欠陥検査装置はウェハ下層の欠陥を観測するのが困難であるのに対し、光学式の欠陥検査装置は比較的良好に下層欠陥を観測することができる。一方、ウェハ下層に内在する電気的欠陥であるＶＣ（Voltage Contrast）欠陥に関しては、ＳＥＭ式の欠陥検査装置の方が光学式の欠陥検査装置に比べて良好に観測することができる。また、前記ＶＣ欠陥等においては、視野の大きい（解像度の粗い）欠陥検出装置の方が欠陥を良好に観察できる傾向にあることが知られている。このように、前記各欠陥検査装置から取得される検査情報には、欠陥の種類に応じてそれぞれ有利・不利な側面が存在しており、これは異種欠陥検査装置間に限らず、同じ欠陥検査装置から得られた検査情報であっても、検出方法や、処理方法の違いによって得られる多種多様な情報は、欠陥解析・分類に有効である。
【００３９】
１.２.１ 同時レビュー（欠陥分布マップの表示）（ステップ３０２）
以下、欠陥マップの表示方法について図４を参照しながら説明する。
【００４０】
図４は、検査情報の同時レビュー、欠陥の各種属性の分布表示、欠陥クラス及び分岐の一覧表示ウィンドウの一実施例を示す図である。
【００４１】
複数の検査情報から統一的な見解を得るためには、それらの検査情報を同時に閲覧することが有効である。そのため、図３に示すステップ３０２では、検査情報の同時レビュー画面をユーザに提供している。図４のウィンドウ４００は図１に示す本システム（例えば処理端末装置１０２、１０８）におけるＧＵＩの一例を示している。当然、本システム（例えば処理端末装置１０２、１０８）には、ＧＵＩ１２０を実現するために、ディスプレイ装置１３２と、該ディスプレイ装置上の図形や画像を通じて対話する計算機（各種データを記憶する記憶手段１３１も含む）（図示せず）と、キーボード等の入力手段１３３とが備えられて構成される。さらに、計算機の中には、本発明に係る検査情報を基にカスタマイズした欠陥分類器１２０も有することになる。
【００４２】
次に、ステップ３０２において参照される情報の詳細を述べる。ウィンドウ４００に示すＧＵＩは、任意の欠陥検査装置における欠陥分布マップを表示する機能を有しており、複数の欠陥検査装置において検査が行われていた場合には、ウィンドウ４００には、各欠陥検査装置における欠陥分布マップを並べて表示する機能を有している。以後、二つの欠陥検査装置（欠陥検出装置Ａ、欠陥レビュー装置Ｂ）の検査情報が共に参照できる状況を例に挙げて説明するが、本発明はこの組み合わせに限定されるものではなく、種類の異なる欠陥検査装置、あるいは同種の欠陥検査装置であっても検査を行う工程が異なる欠陥検査装置、あるいは同工程で同種の欠陥検査装置であっても装置が異なる欠陥検査装置における任意の一つ以上の欠陥検査装置の組み合わせを含んでいる。また、以後、欠陥レビュー装置Ｂにおける欠陥分類器１２０ｂを設定する問題を扱うが、これに関しても任意の欠陥検査装置１０１あるいは処理端末装置１０２、１０８における欠陥分類器１２０の設定が考えられる。
【００４３】
本実施例において、４０８、４０９はそれぞれ欠陥検出装置Ａ、欠陥レビュー装置Ｂにおける欠陥分布を示す欠陥分布マップである。また、４２０は、前記欠陥検出装置Ａ及び欠陥レビュー装置Ｂから得られた検査情報を基にカスタマイズした本発明に係る欠陥分類器を適用し、再分類を行った際の欠陥分布を示す欠陥分布マップである。欠陥分布マップ４２０により、設定した欠陥分類器による分類結果を確認しながら、対話的に欠陥分類器をカスタマイズすることができる。また、「マップ表示方法」ボタン４１７を押し、所定の設定を行うことにより、各欠陥サンプルに関する欠陥分類の結果や欠陥の各種属性等の欠陥分布を欠陥分布マップ４０８、４０９、４２０上に、文字あるいは数値、色分け、強調等の表示方法で２次元的あるいは３次元的に表示させる機能を有し、ユーザは欠陥分布の全体像を把握することができる。さらに、それぞれの欠陥検査装置に対し、装置ＱＣや着工来歴を表示させる機能を有する。チェックボックス４１０、４１２は装置ＱＣを、チェックボックス４１１、４１３は着工来歴を表示するためのチェックボックスである。
【００４４】
１.２.２ 欠陥画像の表示（ステップ３０２）
図４に示す検査情報同時レビューウィンドウ４０１には任意の複数の欠陥サンプルを指定し、前記欠陥サンプルの欠陥画像をほぼ同時に見れるように例えば並べて表示する機能を有する。一例として、欠陥検出装置Ａにおける欠陥分布マップ４０８中の２点の欠陥サンプルｄａ１、ｄａ２を考える。これらの欠陥は欠陥レビュー装置Ｂにおいては欠陥分布マップ４０９中の欠陥サンプルｄｂ１、ｄｂ２にそれぞれ対応している。ただし、欠陥サンプルｄａ１（ｄｂ１）、ｄａ２（ｄｂ２）は欠陥検出装置Ａにおいては同じクラスＣａ２に分類され、欠陥レビュー装置Ｂにおいては異なるクラスＣｂ３、Ｃｂ２に分類されている。ここで、欠陥サンプルｄａ１を選択し、ウィンドウ４０２にドラッグ、アンド、ドロップすることにより、欠陥検出装置Ａにおいて取得された欠陥サンプルｄａ１の欠陥画像４０４を図に示すように表示させることができる。また欠陥サンプルｄａ１を表示させた時点で、それに対応する欠陥レビュー装置Ｂの欠陥サンプルｄｂ１が欠陥分布マップ４０９中に存在していればウィンドウ４０３内に欠陥サンプルｄｂ１の欠陥画像４０６を自動的に表示させることができる。この機能は欠陥サンプルｄａ１、ｄｂ１のどちらをそれぞれウィンドウ４０２、４０３にドラッグ、アンド、ドロップした場合であっても、もう片方の欠陥サンプルが表示されるものである。同様に欠陥サンプルｄａ２、ｄｂ２に関してもどちらかを選択することによって欠陥画像４０５、４０７をウィンドウ４０２、４０３に表示させることができる。欠陥画像４０４〜４０７の同時欠陥レビュー画像からユーザは２つの欠陥サンプルｄａ１（ｄｂ１）、ｄａ２（ｄｂ２）を異なる欠陥分類クラスとして分類すべきか否か検討することができる。この際、ユーザをサポートする仕組みとして、「画像表示方法」ボタン４１６を押し、所定の設定を行うことにより、前記欠陥画像のいずれを表示させることも可能である。また、「詳細情報」ボタン４１８を押すことにより、欠陥分布マップ上で指定した任意の欠陥サンプルにおける前記検査情報一覧を同時表示させることができる。また、「検索」ボタン４１９を押すことにより、類似欠陥検索を行うことができる。検索は、欠陥検査装置やウェハ上の領域といった検索範囲の指定と任意の検査情報あるいはその組み合わせにより表現される検索式の指定により行われる。
【００４５】
ステップ３０３における欠陥分類クラス決定は、前述のような同時レビュー画面４０１に基づいて、ユーザの目視により行うことができる。ただし、任意のルール、例えば「ＳＥＭ式および光学式の欠陥検査装置を用いて検査を行った際に、前者で欠陥が検出され、後者で検出されなかったという組み合わせにおいては、欠陥分類結果はＶＣ欠陥か虚報である可能性が高い」といった知識を導入することにより、欠陥分類クラス決定の一部または全てを自動化することが可能である。これは、本発明に係る欠陥分類器の生成に関しても同様である。
【００４６】
１．２．３ 欠陥分類クラス作成（ステップ３０３）
次に、前記同時レビュー画面４０１により確認されたユーザの理想的な欠陥分類基準を基に、ステップ３０３で行う欠陥クラスの名称、個数の指定について説明する。
【００４７】
一例としてユーザの要求する欠陥分類基準が欠陥マップ４２０に示されているような５クラス分類（クラスＣ１〜Ｃ５）であったとするならば、まず「クラス追加」ボタン４５０を押し、所定の設定を行うことにより、ウィンドウ４２４に任意のラベルを設定した５つの欠陥クラスを追加・表示させる。図中のウィンドウ４２４には６クラスの表示がなされているが、欠陥クラスＣ１ｂのラベル４２５は後の説明のために表示しており、今はないものとする。ちなみに欠陥クラスを削除したい場合は、ウィンドウ４２４において削除したい任意の欠陥クラスを選択後、「クラス除去」ボタン４５１を押すことによって除去することができる。
【００４８】
１．３ 欠陥分類器１２０の生成（ループ３０４）
次に、ユーザにより指定された分類基準（ここでは前記５クラス分類）を図１に示すシステム内部（例えば処理端末装置１０２、１０８）の分類基準として組み込むステップを説明する。これには前記５つのステップ（３０５〜３０９）を必要に応じて行い、その結果を必要に応じて随時評価しながら、欠陥分類器１２０の全体を形成していく。これらの処理の一部または全てを学習等により自動的に決定することが可能であるが、学習初期においては人間が設定可能な事項をできる限り決定し、システムの学習における負担を軽減することが有効である。次に、前記５つのステップ（３０５〜３０９）に関してそれぞれ詳細を説明する。
【００４９】
１．３．１ 欠陥分類の決定木指定（ステップ３０５）
ステップ３０５における欠陥分類の決定木の指定方法について、図５を用いて説明する。
【００５０】
図５は本発明による階層的に展開される決定木構造の設定及び欠陥サンプルの教示ウィンドウの一実施例を示す図である。
【００５１】
本実施例において、決定木とは、図４に示すウィンドウ４２４内に指定した最終的な欠陥クラスの分類を達成するための分岐手順を示すものであり、「クラス要素」と「分岐要素」からなる。図４で「教示サンプル指定／クラス・分岐構成決定」ボタン４５２を押すと、図５に示すウィンドウ５００が表示させる。ウィンドウ５００はウィンドウ４００と同時に表示・操作することが可能である。また、ウィンドウ４００と５００は同一ウィンドウに表示しても良い。ウィンドウ４２４内に欠陥クラスの指定を行った段階で、分類の決定木を構成する欠陥クラスの個数分のクラス要素５０３がウィンドウ５０２内に作成される。また、デフォルトで分類の決定木を構成する分岐要素５０４が用意されている。これらを用いて、ウィンドウ５０１内に決定木の構成を指定していく。図５内のウィンドウ５０１には決定木の完成形の一例が示されているが、これは図６（ａ）〜（ｃ）のような手順を経て作成される。
【００５２】
図６は図５に示す階層的に展開される決定木構造の設定手順を説明するためのウィンドウの一実施例を示す図であり、図６（ａ）は最初の分岐に欠陥クラスを分岐させる場合を示し、図６（ｂ）は最初の分岐に次の分岐を設ける場合を示し、図６（ｃ）は２番目の分岐に欠陥クラスを分岐させる場合を示す。
【００５３】
まず、図６（ａ）のように、デフォルトで分類の開始地点６０１と最初の分岐Ｂ１（６０２）が表示されている。最初の分岐Ｂ１において欠陥クラスＣ１を分岐させたい場合には、図５に示すように、欠陥クラスＣ１のラベルをもつクラス要素５１８を、ウィンドウ５０２から分岐Ｂ１（６０２）にドラッグ、アンド、ドロップする。この時点で、図６（ｂ）に示すように、クラス要素５１８のコピー６０５が分岐Ｂ１（６０２）の下層に表示される。次にクラス要素６０５と並列に分岐を設けたい場合には、分岐要素５０４を、図５に示すウィンドウ５０２から分岐Ｂ１（６０２）にドラッグ、アンド、ドロップする。この時点で、図６（ｃ）に示されるように、分岐要素５０４のコピーである分岐要素Ｂ２（６０３）が分岐Ｂ１（６０２）の下層に表示される。
【００５４】
分岐要素は区別をつけるため、コピーされるたびに、例えば分岐Ｂ１、Ｂ２、…のようにシリアルＩＤが自動または手動でつけられる。さらに、分岐Ｂ２において欠陥クラスＣ４を分岐させたい場合には、同様に欠陥クラスＣ４のラベルをもつクラス要素５１９を分岐Ｂ２（６０３）にドラッグ、アンド、ドロップするといったように作業が行われる。このクラス要素と分岐要素の組み合わせからなる階層的に展開される決定木は、次の３つの条件に従い任意の構成が可能である。
（１）分類の開始地点６０１の直下層には分岐要素が一つあるのみである。
（２）任意の分岐要素の直下層にはクラス要素及び分岐要素共にいくつ追加してもかまわない。
（３）クラス要素の直下層には何もつけることができない
（４）同じクラス要素を異なる分岐要素の直下層にいくつ追加してもかまわない。
【００５５】
ここで、分岐要素が追加されるたびに、分岐の一覧を表示したウィンドウ４２６（図４参照）に分岐のラベルが追加され、その右にはその分岐から分かれる各欠陥クラスまたは分岐が、それぞれ識別可能なように色分け等を用い、ラベルを添えて表示される。一例として分岐要素Ｂ２（６０３）において欠陥クラスＣ４（６０６）、Ｃ１ｂ（６０７）、分岐Ｂ３（６０４）の３つに分岐されているので、ウィンドウ４２６内の分岐Ｂ２の記述４２７においては、分岐Ｂ２のラベル４４８及び分岐Ｂ２から分かれる３つの欠陥クラスまたは分岐に対応する枠とラベル４４９が表示されている。
【００５６】
また、前記の組み合わせ条件（４）に関して、図５に示すように、例えば同じ欠陥クラスＣ１、Ｃ１ｂのクラス要素６０５と６０７をそれぞれ分岐要素Ｂ１とＢ２の直下層につけることが可能である。この場合、欠陥分類結果は後から統合される。同クラス要素を複数作成した場合は区別をつけるため、コピーされるたびに、例えば欠陥クラスＣ１、Ｃ１ｂ、Ｃ１ｃ、…のようにシリアルＩＤが自動または手動でつけられる。さらに、同クラス要素がコピーされるたびに、ウィンドウ４２５においてコピーされた欠陥クラスのラベルが４２５のように追加される。
【００５７】
以上説明したように、欠陥を階層的に展開して分類する決定木の構造が、分岐Ｂ１（６０２）において欠陥クラスＣ１と残りの欠陥クラスとに分岐させ、分岐Ｂ２（６０３）において欠陥クラスＣ４と欠陥クラスＣ１ｂと残りの欠陥クラスとに分岐させ、分岐Ｂ３（６０４）において欠陥クラスＣ２と欠陥クラスＣ３と欠陥クラスＣ５とに分岐させるように階層的、即ち段階的に展開することによって、ユーザの要求に合致した分類基準を容易に、短時間で、且つ確実に設定することが可能となる。
【００５８】
１．３．２ 欠陥サンプル教示（ステップ３０６）
ステップ３０６における欠陥サンプルの教示方法について述べる。まず、図５のウィンドウ５００を表示する。図４のウィンドウ４２４内に欠陥クラス指定を行った段階で、その欠陥クラスに対応する数の枠がウィンドウ５０５内に作成される。図５では欠陥クラスの枠が６つ表示されているが、決定木が生成されるウィンドウ５０１内において、欠陥クラスＣ１のコピーＣ１ｂを作成するまで、枠５０８は存在しない。各欠陥クラスへの画像の教示は、欠陥分布マップ（４０８または４０９）、あるいは画像表示ウィンドウ（４０２または４０３）内の欠陥サンプルを１つあるいは複数選択し、該選択された欠陥サンプルを例えば欠陥クラスＣ１として教示するのであれば、この欠陥サンプルの画像を欠陥クラスＣ１に対応する枠５０６内にドラッグ、アンド、ドロップすることにより行う。他の欠陥クラスへの教示も、それぞれの欠陥クラスの枠内に欠陥サンプル群の画像群を同様に送ることによって行うことができ、教示の有無、枚数は欠陥クラス間で統一する必要はない。また、同一欠陥サンプルの画像を複数の欠陥クラス枠内に教示することができる。また、異種欠陥検査装置からの教示サンプルの画像は同一欠陥個所の欠陥サンプルであっても、異なる教示サンプルとして教示することができる（あとで述べる欠陥の各種属性分布の表示においては分離して表示することができる）。また前記のとおり、同欠陥クラス要素がウィンドウ５０１内にコピーされる度に、ウィンドウ５０５内にコピーされた欠陥クラス用の枠が新たに作成される。例えば欠陥クラスＣ１とそのコピーである欠陥クラスＣ１ｂのクラス要素６０５、６０７に対して、それぞれ枠５０６、５０８が存在する。これらの枠に対して、同一欠陥サンプル群を教示することも異なる欠陥サンプル群を教示することも可能である。
【００５９】
１．３．３ 欠陥属性分布の分離度評価（ステップ３０７）
階層的に展開される決定木の各分岐における分類ルール（前記のルールに従って作成されたクラス要素と分岐要素からなる）を決定する方法に関して、属性の分離度を視覚化あるいは数値化する方法に関して述べる（ステップ３０７）。ただし、本作業時において決定木全体が完成されている必要はなく、欠陥サンプルの教示も全て行われている必要はなく、また、本作業後に前記決定木の構成や欠陥サンプルの教示パタンを変更することも可能であるが、ここでは、図５の５００中のウィンドウ５０１に示すように決定木構造の決定、欠陥サンプルの教示が共に全て完了している状態を例に説明する。まず、分類ルールを割り当てたい分岐を、図４に示す分岐一覧を表示したウィンドウ４２６内から選択する。ここでは一例として分岐Ｂ２（４２７）を選択すると、欠陥の各種属性分布一覧ウィンドウ４５４内において分岐Ｂ２において分離される３つの欠陥クラス及び分岐（Ｃ４、Ｃ１ｂ、Ｂ３）（該欠陥クラス及び分岐を総称してカテゴリとする。）に対応する各種属性の分布が、前記３つの欠陥クラス及び分岐毎に色分け等の方法で区別されて表示される（４５９、４６０等）。図４では、色分けする代わりに、白、ドット、斜線で示している。当然、欠陥分類器１２０を生成するための欠陥分布マップ４０８及び欠陥分布マップ４０９に載っている欠陥サンプルについての例えば特徴量は図２に示すステップ２０３において算出されているものとする。従って、分岐Ｂ２において、欠陥クラスＣ４内の教示欠陥サンプルの画像が５１４の枠内に教示され、欠陥クラスＣ１ｂ内の教示欠陥サンプルの画像が５０８の枠内に教示される段階で、これらの教示欠陥サンプルの例えば特徴量が算出されているので、欠陥クラスＣ１を除いた欠陥サンプル全体の例えば特徴量分布から２つの欠陥クラスの教示欠陥サンプルを区別して表示することが可能となる。
【００６０】
ここで、色分けされて表示される前記３つの欠陥クラス及び分岐（３つのカテゴリ）に対応する３つの欠陥サンプル群は「欠陥クラスＣ４として教示された欠陥サンプル群５１５」、「欠陥クラスＣ１ｂとして教示された欠陥サンプル群５０９」、「分岐Ｂ３の下層に存在する欠陥クラスＣ２、Ｃ３、Ｃ５として教示された各欠陥サンプル群５１１、５１３、５１７」であり、かつこれらの各種属性分布の表示は各教示サンプル画像が取得された欠陥検査装置ごとに別ウィンドウ（４５５、４５６）に分けて表示される（統合して表示することも可能である）。ウィンドウ４５４に表示される各種属性分布一覧の中には、画像特徴量（各種欠陥画像から得られる欠陥の色合い（テクスチャ等）や大きさ（面積や長さで示される）、形状（異物形状、キズ形状等）、配線パタンに対する欠陥の位置関係（短絡欠陥や断線欠陥等の致命性欠陥で示される位置関係）等の特徴を定量化したもの）のみならず、例えば異種欠陥検査装置における欠陥分類結果（任意の欠陥サンプルがどの欠陥分類クラスに分類された結果）、組成分析結果（任意の欠陥サンプルがどのような組成の組み合わせになっているかの結果）、欠陥マップの分布等を数値化（例えば、Frequency：頻度）したものを含む。また、ウィンドウ４５４には「欠陥属性追加」ボタン４２２を押し、所定の設定を行うことにより、用意された属性を追加したり、あるいは新たな属性を設計し、追加したりすることが可能である。また、任意の属性を削除することも可能である。ちなみに前記のとおり、決定木の決定、欠陥サンプルの教示は完成している必要はなく、指定が行われた範囲内で各種属性分布に反映される。図４に示すように、指定した分岐において分類される欠陥クラスあるいは分岐（カテゴリ）毎に、前記欠陥クラスあるいは分岐の下層に教示された欠陥サンプル群の属性分布の違いが分かるように表示することにより、前記分岐において分類に有効である属性が明らかになる。
【００６１】
各種属性分布の表示方法は一例として４５９、４６０のようなヒストグラム表示が考えられるが、本発明はこのような表示方法に限るものではなく、「属性分布表示方法」ボタン４２１を押すことによって、例えば任意の属性の組み合わせによる二次元あるいは三次元的な分布表示方法等により、欠陥クラスあるいは分岐毎の属性の分離度がユーザにとって明確となる表示方法を選択することが可能である。前記二次元あるいは三次元的な分布表示方法の具体例に関しては後述する。また、任意の欠陥サンプルを選択することによって、前記欠陥サンプルにおける属性が全体の属性分布中のどこに存在するかを表示する機能やその数値を表示する機能を有する。
【００６２】
また、ユーザが属性の分離度を判断する指標の一つとして、分離度を数値化し、前記数値化された分離度の値を各属性毎に、例えば４５７、４５８等において表示する機能をもつ。分離度を数値化する方法としては、例えば欠陥クラス間での属性分布の平均値のずれや、分散等が挙げられる。
【００６３】
１．３．４ 分類ルールの選択（ステップ３０８）
次にステップ３０８において、各分岐毎に割り当てられる分類ルールの生成方法に関して述べる。まず、分類ルールを割り当てる任意の分岐をウィンドウ４２６内から指定する。ここでは一例として分岐Ｂ２（４２７）を指定し、前記分岐Ｂ２において分岐する欠陥クラスＣ４、Ｃ１ｂ、分岐Ｂ３の分類を実現する図１に示すシステム内部の分類ルールを決定する方法に関して述べる。（分岐Ｂ２（４２７）を指定した段階で、前記のとおりウィンドウ４５４内の各種属性分布一覧には、欠陥クラスＣ４、Ｃ１ｂ、分岐Ｂ３に対応する各属性の分布が色分けされて表示されている。）次に「分類ルール指定」ボタン４５３を押すと、図７に示す分類ルール生成ウィンドウ７００が表示される。
図７は本発明による決定木中の各分岐における分類ルール生成ウィンドウの一実施例を示す図である。ウィンドウ７００はウィンドウ４００、５００と同時に表示及び操作することが可能である（同一ウィンドウに表示しても良い）。本ウィンドウ７００では、大きく次の２タイプの分類「ルールベース型分類」「学習型分類（教示型分類）」、及びその組み合わせにより分類ルールを設定することができる。
【００６４】
決定木の構成、ルールベース型分類と学習型分類の組み合わせ方、ルールベース型分類器および学習型分類器のパラメータ等の設定事項に関して、設計者に知識がある場合は、組み込み式あるいは手動で前記設定事項を決定することができる。また、知識があることを前提とできない場合は、学習により前記設定事項を決定することが考えられる。ただし、システム立ち上げ時など教示データ数が十分に確保できない状況においては、前記過学習が生じて性能が低下する危険性がある。そのため、各欠陥検査装置から得られる欠陥画像や属性の分布を表示し、これらの情報を基に前記設定事項を可能な限り決定し、学習時に決定しなければならない項目の自由度を軽減することが有効である。
【００６５】
１．３．４．１ ルールベース型分類
ルールベース型分類は、予め設定された条件式（属性、関係および閾値（境界線若しくは境界面）等の項目からなる）の組み合わせで、分類ルールを生成する分類方式である。まず、前記ルールベース型分類を採用する場合には、チェックボックス７０１にチェックを入れる。次に、前記ルールベース型分類における条件式の指定方法の一例を示す。まず「条件追加」ボタン７０２を押し、条件式を少なくとも１つ以上追加する。各条件式に関して「属性（７０９）」「関係（７１０）」「閾値（７１１）」の３つの項目を指定する。図では一例として、４つの条件式１〜４（７０５〜７０８）が生成されている。前記のとおり各欠陥サンプルに関して複数の属性が算出されており、ユーザは欠陥分類に有効な分離度の高い属性を選別し、条件式に組み込んでいくことになる。ただし、教示サンプルに関して分離度の高い属性が、必ずしも分類に有効な属性であるとは限らず、この判断はユーザに委ねられる。またその後の追加学習によりルールを修正することも可能である。
分離度は、前記のとおりウィンドウ４５４に表示された各種属性分布一覧（ヒストグラム、二次元・三次元表示）や数値化された分離度の値（４５７、４５８等において記載）を基に判断することができる。例えば、まず、プルダウンメニューを用いて「属性（７０９）」の選択を行う。複数の属性を選択することも可能である。
【００６６】
（１）「属性（７０９）」の選択において選択した属性が１つである場合は、残りの「関係（７１０）」と「閾値（７１１）」の設定を行う。「関係（７１０）」は例えばプルダウンメニューを用い不等号（＞、≧、＝、≦、＜）を選択、「閾値（７１１）」はキーボード（図示せず）を用いて数値入力する。「閾値（７１１）」の設定に関しては各条件欄右の「マウス入力」ボタン（７１２）を押すことによって、別画面でマウスやタブレット等のインタフェースを用いて感覚的に設定することが可能である。これを、図８を用いて説明する。
図８は、本発明による各種属性の多次元グラフ表示及びこのグラフ中における制約条件の指定方法の一実施例を示す図である。例えば図８（ａ）に示す属性（Attribute）ｆ１に関する頻度（Frequency）のグラフ８００において、ヒストグラム上で境界線８０１を水平方向にマウスで移動させることによって属性ｆ１に関する閾値Ｔｈ．１（８０２）を決定し、図７に示す「閾値（７１１）」欄に代入する。また、図８（ｂ）のように、属性ｆ１、ｆ２を二次元グラフ上に同時描画することによって、全体の傾向を把握しながら、例えば属性ｆ２に関して、境界線８０４を移動させて閾値Ｔｈ．２（８０７）を設定したりすることができる。ちなみに、本例は境界線８０４〜８０６による３つの条件式から２クラス（図８（ｂ）において、それぞれのクラスに属するサンプルの属性分布を丸と三角で表示）の線形分離が可能な例である。
【００６７】
（２）「属性（７０９）」の選択において選択した属性が２つ以上である場合は、残りの「関係（７１０）」と「閾値（７１１）」の枠をうめるような形式では設定困難であるから、これらは空欄として、「マウス入力」ボタン（７１２）を押し、別画面で設定を行う。
【００６８】
例えば、２つの属性を選択した場合、図８（ｃ）のように選択した属性ｆ１とｆ２の二次元グラフを表示することが考えられる。白い丸と黒い三角で表示された２クラスを分類したいという状況を想定して、境界線を複数指定することができる。各境界線は、例えば二次元グラフ上で２点の指定により直線（８０８、８１０、８１２）を決定した後、その直線によって分割されたどちらの領域を設定するかの方向指定を矢印（８０９、８１１、８１３）を行う。境界線は直線または線分の指定が可能である。また、最終的な条件は複数の境界線により指定される条件のＡＮＤ（論理積）またはＯＲ（論理和）を指定する。教示サンプルの中には属性分布上、例外的な欠陥サンプル（例えば欠陥サンプル８１４）が含まれていることがあり、これらを境界内に含めるか否かの判断はユーザによって行われる。図８（ｃ）は欠陥サンプル８１４を黒三角クラスから除外した例である。また、図８（ｄ）のように、マウスで自由曲線（８１５）を描き、方向指定を矢印（８１６）を行って条件を指定する機能を持たせることもできる。
【００６９】
３つの属性を選択した場合、図８（ｅ）のように属性ｆ１、ｆ２、ｆ３の三次元グラフを表示することが考えられる。丸と三角で表示された２クラスを分類したいという状況を想定して、スプライン曲面等の曲面式あるいは平面パッチの集合で近似された識別面を複数用いて属性空間を分割することができる。二次元画面上に表示される三次元の属性空間は視点を変えて表示させることが可能である。また、ユーザの理解を助けるため識別曲面によって分割された領域ごとに色分けして表示する機能を有する。図８（ｅ）では識別曲面によって分割された２つの領域のどちらに属するかに応じて白と黒に各欠陥サンプルが色分けされている。すなわち、本例では丸い欠陥サンプルが白に、三角の欠陥サンプルが黒に色分けされれば良好な識別曲面であるといえる。次に識別曲面の調整方法の一例を説明する。欠陥サンプル８１９は三角の欠陥クラスに属するものであるから黒に色分けされることが望ましいが、図８（ｅ）では白に色分けされている。これを識別面の反対側に移動させて黒に色分けするため、曲面上の任意の点８２０を移動させ（曲面上に存在しない任意の制御点を移動させる場合もある）、識別曲面を欠陥サンプル８１９をまたいで局所的に変形させる。図８（ｆ）では欠陥サンプル８１９は黒に色分けされている。このような調整を繰り返し試行することによって、良好な識別面を生成することができる。また、識別曲面の自由度は任意に設定可能である。
【００７０】
次に前記の手順により指定された条件１〜４（７０５〜７０８）を組み合わせて、各欠陥クラスに属する最終的な条件式を設定する。条件の組み合わせは論理式（ＡＮＤ（＊）、ＯＲ（＋）、ＮＯＴ（ｎｏｔ）、ＸＯＲ（ｘｏｒ））を用いて、例えば欠陥クラスＣ４に属する条件として条件１と条件３のＡＮＤをとりたい場合には枠７１３内に「１＊３」と記述する。また、参考値として前記システム内部の処理によって算出した境界線・識別面の候補を算出、表示させる機能をもち、ユーザはこれを初期値として詳細な調整を行うことができる。設定した各境界線・識別面の情報は内部に保存され、後から呼び出し、修正することが可能である。
【００７１】
１．３．４．２ 学習型分類（教示型分類）
学習型分類は、基本的に教示によって分類ルールを生成する分類方式である。学習型分類方式は、分類に有効と考えられる属性が存在したとしても、前記ルールベース型分類のような条件設定が困難であるような属性に対し有効である。この方式の分類ルールを採用する場合には、図７のチェックボックス７１６にチェックを入れる。次にウィンドウ７１７において、学習型エンジンに用いる属性を複数選択する。属性の選択に関しては、手動で選択しなくとも、学習によって前記属性毎にその有効度等に応じた重み付けを行う等の方法によって自動で選択することも可能である。ただし、この様な属性の自動選択は、学習サンプル数が十分に確保できない場合、過学習を引き起こす可能性があること、また、学習サンプルに関してのみ分離度が高い属性分布である可能性があること等から、手動による属性の選択と学習とを組み合わせて行える機能を有する。次に７１８のプルダウンメニューから最尤推定法、Ｋ−ＮＮ法等、分類に使用するエンジンを選択する。本メニューの中には自動選択モードもあり、学習サンプル数に応じて適切なエンジンを自動選択させる機能を有する。本エンジンは基本的に条件型エンジンを用いない場合、あるいは条件型エンジンにおいて欠陥クラスが定まらなかった欠陥サンプルに対して適用されるが、図５のウィンドウ５０１内で分岐を２つつなげ、上位を学習型、下位を条件型とする構成も可能である。
また、前記属性分布の表示及び決定木、分類ルール生成等において使用される各種属性は、任意の複数属性に対し、主成分分析等による属性の直交化処理、前記直交化された上位主要成分のみを用いることによる属性次元数の圧縮処理、またはカーネル関数等を用いた属性空間上における属性分布の再配置処理の少なくとも一つ以上の組み合わせからなる処理（異なる欠陥クラスに属する欠陥サンプルにおける属性が、属性空間上において高い分離度となるような処理）を行うことが可能であり、そのように再設計された属性を新規属性として図４のウィンドウ４５４に加え、他の属性と同等に利用できる機能を有する。前記、３つの処理の組み合わせによって、より単純で明快な識別面を用いて欠陥分類が可能となる等の利点があるが、一般にその属性が物理的に意味するところは難解となる。本発明における欠陥属性分布の表示機能、及び決定木、分類ルールの決定法においては、属性の物理的意味に関する知見はなくとも、ある程度、良好な欠陥分類器１２０を生成することが可能となる。
【００７２】
１．３．５ 分類結果評価（ステップ３０９）
ステップ３０９における前記生成した本発明に係る欠陥分類器の評価方法について説明する。この評価は分類の決定木が完全に完成していなくても、行うことが可能である。任意の分岐における分類ルール設定後、図４の「再分類」ボタン４２３を押すことによって、その分岐を用いた欠陥分類をウェハマップ４２０上に表示する。この結果が良好でなければ、教示サンプル、決定木構造及び分類ルールを適宜修正し、結果が良好であれば、残りの分類ルールを指定していくといったように、図３のループ３０４を複数回試行しながら本発明に係る欠陥分類器１２０の全体を決定していく。
【００７３】
全ての決定木・分類ルールが決定したら、条件３１０を満たし、処理は終了する。また、ここで生成された本発明に係る欠陥分類器１２０をどの欠陥検査装置において用いるかを、図４に示すチェックボックス４１４、４１５において指定する。本実施例では、欠陥レビュー装置Ｂにおいて適用する設定となっている。
【００７４】
［第二の実施の形態］（欠陥レビュー装置における本発明に係る欠陥分類器１２０の生成）
第二の実施の形態について説明する。第一の実施の形態においては、一台の欠陥検査装置における本発明に係る欠陥分類器１２０の生成方法に関して述べたが、複数の欠陥検査装置による組み合わせ検査においては、各欠陥検査装置毎にどのような分類クラスを割り当てるか、またその分類を実現する本発明に係る欠陥分類器１２０の生成方法が課題となる。例えば、欠陥検出装置、欠陥レビュー装置による組み合わせ検査において、欠陥検出装置で分類し切れなかった欠陥分類クラスを、欠陥レビュー装置で詳細分類するといった階層的な欠陥分類が可能となれば、欠陥レビュー装置の分類時における欠陥分類クラス数を絞り込み、欠陥分類器の効果的な学習が可能となると考えられる。しかし従来、両欠陥検査装置における欠陥分類基準はそれぞれ個別に設定されており、統一的な分類基準に基づいた階層的な欠陥分類クラスが割振られているわけではない。そこで、本発明では検査順序に応じて、階層的な欠陥分類を行うための欠陥分類クラス、欠陥分類器の生成方法を提供する。
【００７５】
本発明における欠陥分類クラス、及び欠陥分類器の生成方法は、レビューサンプリングプランの制御にも効果的である。例えば、欠陥検出装置により任意の欠陥分類クラスに分類された欠陥サンプルに関して、その後、欠陥レビュー装置による解析を行っても、新たに欠陥分類に関する有益な情報が得られにくい場合には、レビューサンプル数を減らすという方式が考えられる。
【００７６】
本実施の形態では、既に任意の欠陥検出装置において欠陥検出が行われていることを前提とし、欠陥レビュー装置において、前記欠陥検出装置と欠陥レビュー装置からそれぞれ得られた検査情報を統合して、よりユーザの分類要求を満足する効果的、詳細な欠陥自動分類を実現するための欠陥分類クラスと欠陥分類器の生成方法に関して述べる。欠陥レビュー装置において検査された欠陥サンプルは、前記欠陥検出装置において検査された欠陥サンプルからサンプリングされた集合となっている。したがって、欠陥レビュー装置において欠陥分類を行う全欠陥サンプルに関して、欠陥検出装置、欠陥レビュー装置から得られた両検査情報を利用することができる状況である。
【００７７】
２．１ 処理の流れ
以下の説明はそれぞれ一台の欠陥検出装置、欠陥レビュー装置の組み合わせにおける解析方法に関して特に述べるが、三台以上の任意の欠陥検査装置の組み合わせに関しても同様の解析が可能である（第五の実施の形態において説明）。また、欠陥検出装置、欠陥レビュー装置の組み合わせ以外に関しても、欠陥サンプルが共通している場合、同様の解析が可能である。図９の欠陥分布マップ９０１〜９０３は各処理段階における欠陥分布マップ上の欠陥サンプルの分布と欠陥分類結果を一例として示したものである。
【００７８】
（１）まず、半導体デバイス製造の所定の処理工程での処理後に、欠陥検出装置による検査を行う。前記検査により得られた検査情報は必要に応じてデータサーバ１０７あるいは処理端末装置１０８に送られる。欠陥分布マップ９０１は、一例として欠陥検出装置における欠陥サンプルの分布と欠陥検出装置における欠陥分類による欠陥粗分類結果（調整前）を示したものである。２１点の欠陥サンプルが３つの欠陥分類クラスＣａ１〜Ｃａ３に分類されている。ただし、本ステップにおいて欠陥分類を行うことは必須でない。
【００７９】
（２）ステップ９０１で検出された欠陥サンプル群を、必要に応じてレビュー検査用にサンプリングする（これをレビューサンプリングと呼ぶ）。
【００８０】
（３）レビューサンプリングされた欠陥サンプル群に対し、欠陥レビュー装置による検査を行う。ただし、ここでレビューが行われる半導体デバイス製造の処理工程は、ステップ９０１において検査された処理工程と同一である必要はない。ここで得られた検査情報は必要に応じてデータサーバ１０７あるいは処理端末装置１０８に送られる。
【００８１】
（４）（１）および（２）においてそれぞれ得られた欠陥検出装置、欠陥レビュー装置における両検査情報を基に欠陥レビュー装置における欠陥分類クラスの決定及び前記欠陥分類クラスへの分類を行う欠陥分類器の生成を行う。前記欠陥検出・レビュー両装置の検査情報を利用することにより、欠陥レビュー装置単独では分類困難であった欠陥分類が可能となりうる。欠陥分布マップ９０２は、一例として欠陥レビュー装置において検査が行われた欠陥位置と欠陥レビュー装置から得られた検査情報のみを用いて欠陥自動分類した詳細分類結果（調整前）である。２１点から９点にレビューサンプリングされた欠陥サンプルが４つの欠陥分類クラスＣｂ１〜Ｃｂ４に分類された様子を示す。ここで、欠陥分布マップ９０１上の欠陥サンプルｄａ１、ｄａ２はそれぞれ異なる欠陥分類クラスＣａ２、Ｃａ３に分類されているのに対し、欠陥分布マップ９０２上において前記欠陥サンプルｄａ１、ｄａ２に対応する欠陥サンプルｄｂ１、ｄｂ２は共に同一欠陥分類クラスＣｂ３に分類されている。また逆に、対応する欠陥サンプルが、欠陥分布マップ９０１においては同一分類クラスに分類され、欠陥分布マップ９０２においては異なる分類クラスに分類されているケースもある。このような欠陥検査装置間における分類結果の不整合に対し、両検査装置の検査情報を用いて欠陥分類を行えば、前記欠陥サンプルを同一分類クラスとして分類することも細分類することも可能である。欠陥分布マップ９０３は９０１、９０２で得られた検査情報を組み合わせ、ユーザの分類要求に沿って最適化された欠陥分類の詳細分類結果（調整後）の一例である。例えば欠陥サンプルｄａ１（ｄｂ１）、ｄａ２（ｄｂ２）に関しては細分類する欠陥分類器が採用され（欠陥サンプルｄｂ３は欠陥分類クラスＣｂ５に、欠陥サンプルｄｂ４は欠陥分類クラスＣｂ３にそれぞれ分類）、欠陥が５つの欠陥分類クラスＣｂ１〜Ｃｂ５に分類された様子を示す。本第二の実施の形態における欠陥分類クラス及び欠陥分類器の生成方法は、第一の実施の形態における手順と同様に行うことができる。ただし、本第二の実施の形態においては、図４に示すウィンドウ４５５、４５６に表示された欠陥検出・レビュー両装置から得られた属性情報を基に本発明に係る欠陥分類器を生成することができる。
【００８２】
以上の手順に従い、欠陥レビュー装置における本発明に係る欠陥分類器の設定は終了する。一旦欠陥分類器が生成された後は、前記欠陥分類器を用いてその後のウェハ検査が継続される。ただし、その後得られる検査情報を基にして継続的に前記欠陥分類器の変更あるいは追加学習を行うことが可能である。
【００８３】
２．２ 画像処理手順の変更あるいは画像処理パラメータの調整
欠陥検査装置間において検査情報を統合して利用する際、それらの検査情報間の整合性が問題となることがある。整合がとれていない場合とは、例えば、同一欠陥サンプルにおける配線領域の認識結果、あるいは欠陥領域と前記配線領域の位置関係（孤立／単線／跨線判定）、あるいは欠陥の大きさや高さ、あるいは欠陥の成膜との上下関係（膜上／膜下判定）といった欠陥属性が複数の欠陥検査装置間で異なる場合である。以下、前記整合方法の一実施例について説明する。
【００８４】
図１３は、欠陥検出装置（通常の欠陥検査装置）Ａ、および欠陥レビュー装置Ｂにおける同一欠陥サンプルの欠陥画像の画像処理結果を示す図である。検査画像１３０１、１３０２はそれぞれ欠陥検出装置Ａにおいて撮像された参照画像及び欠陥画像を示す。また、参照画像１３０１、欠陥画像１３０２に対して任意の画像処理Ａ（１３０３）、Ｂ（１３０４）を行い、配線領域を二値化した画像がそれぞれ二値画像１３０５、１３０６である。ただし、二値化画像１３０６においては、欠陥領域（図中では白丸で示してある）も二値化して表示している。１３０１〜１３０６に対応する欠陥レビュー装置Ｂにおける参照画像及び欠陥画像、画像処理Ｃ及びＤ、並びに二値化画像がそれぞれ１３０７〜１３１２である。ここで、二値画像１３０５および１３０６においては一例として配線認識に失敗し、中央の配線が二値化領域として抽出されていない例を示した。実際の欠陥領域は二つの配線に跨って存在する致命性の高い欠陥であり、欠陥レビュー装置Ｂにおいては二値画像１３１２から孤立欠陥であると判断されているが、欠陥検出装置Ａにおいては二値画像１３０６から断線欠陥として判断されている。このような欠陥属性の違いを整合するように画像処理手順の変更あるいは画像処理パラメータの調整を行う必要がある。
【００８５】
そこで、欠陥レビュー装置Ｂにおいて得られた二値画像１３１１から、倍率変更、あるいは歪み補正、あるいは濃淡画像の場合は明度補正等の処理を行い、欠陥検出装置Ａにおける配線二値画像の正解パタンとして教示パタン１３１３を生成する。次に、教示パタン１３１３と一致あるいは類似する処理結果が二値画像１３０５において得られるように画像処理１３０３における画像処理手順の変更あるいは画像処理パラメータの調整を行う。欠陥画像に関しても同様であるが、欠陥画像においては配線領域のみならず、欠陥領域の大きさも整合させることが考えられる。そもそも、一例としてあげた欠陥検出装置Ａにおける参照画像１３０１、欠陥画像１３０２は、欠陥レビュー装置Ｂにおける参照画像１３０７、欠陥画像１３０８に対し、コントラストや解像度の面において劣っており、画像処理パラメータの設定は困難な例であった。前述の手順に基づき、複数検査装置間における検査情報の整合のみならず、設定困難な各種画像処理パラメータの設定も可能になる。
【００８６】
本実施例においては教示パタン１３１３を生成する検査画像１３１１、１３１２を取得する欠陥検査装置として欠陥レビュー装置Ｂを選択した。どの欠陥検査装置から教示パタン生成するかの選択は、ユーザが各種検査画像の同時レビュー画面から判断することも、任意のルールを設定することによって自動化することも可能である。また、本処理は、全ての欠陥検査装置の組み合わせにおいて実施することが可能である。
【００８７】
［第三の実施の形態］（欠陥検出装置（通常の欠陥検査装置）における本発明に係る欠陥分類器１２０の生成）
この第三の実施の形態においては、欠陥レビュー装置による詳細検査の結果を基に、前記欠陥レビュー装置における欠陥分類を効果的に行うための、欠陥検出装置における欠陥分類クラスと欠陥分類器の決定方法、およびレビューサンプリング方法に関して述べる。欠陥レビュー装置における欠陥分類が効果的に行われるためには、欠陥検出装置における欠陥分類クラスが欠陥レビュー装置における欠陥分類基準に近い分類となることが望ましい。欠陥検出装置において分類しきれなかった欠陥分類クラスに関して欠陥レビュー装置で詳細分類を行うといった階層的な分類が可能となれば、レビュー検査装置において細分化されることのない欠陥検出装置における欠陥分類クラスに分類された欠陥サンプルに関してはレビューサンプル数を抑えることできる。また、欠陥レビュー装置においては欠陥分類クラス数を抑え、欠陥分類器の効果的な学習が可能となる。本第三の実施の形態は欠陥レビュー装置における欠陥分類クラスが既知であることが前提となっている。ただし、第二の実施の形態で述べた欠陥レビュー装置における欠陥分類器のカスタマイズが行われていることは必須ではない。すなわち、本第三の実施の形態における欠陥検出装置の欠陥分類器の決定は、図９の欠陥分布マップ９０３〜９０５に相当するが、前記欠陥分布マップ９０３は欠陥分布マップ９０１〜９０３のようなカスタマイズ後に実施することも、カスタマイズ無しで実施することも可能である。しかし、第二の実施の形態で述べた欠陥レビュー装置における欠陥分類器のカスタマイズが行われている場合は、本第三の実施の形態における欠陥検出装置における欠陥分類器をカスタマイズにより、前記欠陥レビュー装置における欠陥分類クラスＣｂは、前記欠陥検出装置における欠陥分類クラスＣａの部分集合、もしくはそれに近い集合になるように設定できることが期待できる。以下の説明は欠陥レビュー装置における欠陥分類クラスならびに欠陥分類器のカスタマイズに続いて実施されたことを前提として説明する。以下の説明は第二の実施の形態と同様、それぞれ一台の欠陥検出装置、欠陥レビュー装置による解析方法に関して特に述べるが、三台以上の任意の欠陥検査装置の組み合わせに関しても同様の解析が可能である。
【００８８】
３．１ 欠陥分類クラスの決定
欠陥検出装置（第一の欠陥検査装置）における欠陥分類クラスを、その後に行われる欠陥レビュー検査装置（第二の欠陥検査装置）における欠陥詳細分類が効果的に行われるように、前記欠陥レビュー装置における欠陥分類クラスに類似したクラスになるように設定する。ここでは、欠陥レビュー装置（第二の欠陥検査装置）における欠陥分類クラスＣｂが、欠陥検出装置（第一の欠陥検査装置）における欠陥分類クラスＣａの部分集合、もしくはそれに類似した分類となるように設定する。一例として欠陥分布マップ９０３に示すように欠陥レビュー装置における欠陥分類クラスＣｂ１〜Ｃｂ５が与えられたとして、該欠陥分類クラスＣｂ１〜Ｃｂ５を基に欠陥検出装置から得られる検査情報だけを用いて欠陥検出装置における欠陥分類クラスの教示パタンを欠陥分布マップ９０４として作成する。次に前記教示パタンに類似した欠陥分類クラスへの分類を実現する欠陥検出装置における欠陥分類器を生成する。ここで、第二の実施の形態における欠陥レビュー装置における欠陥分類器のカスタマイズと異なる点は、利用できる検査情報は欠陥検出装置から得られたものだけであり、欠陥レビュー装置から得られた検査情報は利用することができないという点である。すなわち、着目する欠陥検出装置において利用できる検査情報は、実際の検査における検査順序において前記着目する欠陥検出装置の以前に得られた検査情報のみである。欠陥分類器の変更の方法に関しては、第一の実施の形態において述べた欠陥分類器の設定方法と同様に行うことができる。一例として、教示分類パタンである欠陥分布マップ９０４における欠陥分類クラスを欠陥検出装置において極力分類する欠陥分類器を生成し、前記生成された欠陥分類器を用いて欠陥分類を行った粗分類結果（調整後）が、欠陥分布マップ９０５である。本実施例は欠陥分布マップ９０４における欠陥分類クラスＣａ２とＣａ５を分類することができなかった例であるが（欠陥分布マップ９０４における欠陥分類クラスＣａ２、Ｃａ５は欠陥分布マップ９０５における欠陥分類クラスＣａ２に統合されている）、他の欠陥分類クラスＣａ１、Ｃａ３、Ｃａ４に関しては教示分類パタン９０４に近い欠陥分類が行われている。以上の手順に従い、欠陥検出装置における欠陥分類器の設定は終了する。一旦分類器が生成された後は、前記欠陥分類器を用いてその後のウェハ検査が継続される。ただし、その後得られる検査情報を基に継続的に前記欠陥分類器の変更を行うことが可能である。
【００８９】
ここで、以上述べた欠陥分布マップ９０１〜９０５に示した欠陥検出、レビュー両装置における各欠陥分類クラスの決定手順に関して、各欠陥分類クラス間の関係をまとめたものが図１１である。図１１における各表１１０１〜１１０３において縦の項目は欠陥検出装置における欠陥分類クラスを、横の項目は欠陥レビュー装置における欠陥分類クラスを示している。また、欄内の数字は、欠陥レビュー装置における欠陥サンプルに関して、欠陥検出及びレビュー両装置における各分類クラスに分類された分類数を示している。項目欄の欠陥分類クラス名は図９と対応している。
【００９０】
▲１▼表１１０１は、欠陥分類クラスならびに欠陥分類器が調整前の両欠陥検査装置における欠陥分類クラス間の包含関係を示している（図９に示す欠陥分布マップ９０１と欠陥分布マップ９０２との関係に対応）。例えば、枠１１０４で囲まれた領域は、欠陥レビュー装置において欠陥分類クラスＣｂ３に分類されたサンプルは、欠陥検出装置においては欠陥分類クラスＣａ２あるいはＣａ３のいずれかに分類されていたことを示す。まず、始めに行う欠陥レビュー装置における欠陥分類クラスの調整では、最終的に欠陥レビュー装置における欠陥分類クラスＣｂが、欠陥検出装置における欠陥分類クラスＣａの部分集合となるように、例えば１１０４で示すように、欠陥レビュー装置における一つの欠陥分類クラスＣｂ３に対し、欠陥検出装置における二つ以上の欠陥分類クラスＣａ２、Ｃａ３が対応しないように、欠陥分類器を調整し欠陥分類クラスを細分する。このときユーザの分類要求に応じて不要な欠陥分類クラスの削除、あるいは新たな欠陥クラスの追加、あるいは欠陥クラスの組替えを行っても構わない。
【００９１】
▲２▼表１１０２は、前記調整により得られた調整後の欠陥レビュー装置における欠陥分類クラスと調整前の欠陥検出装置における欠陥分類クラスとの包含関係を示している（図９に示す欠陥分布マップ９０１と欠陥分布マップ９０３との関係に対応）。表１１０１と比較した際、表１１０１において欠陥分類クラスＣｂ３に分類される欠陥分類クラスがＣａ２とＣａ３であったのが、表１１０２において欠陥分類クラスがＣａ３のみになったことから、例えば表１１０２における欠陥分類クラスＣｂ３に属する欠陥を多くレビューしたいという要求に対し、欠陥分類クラスＣａ２は欠陥分類クラスＣａ３の候補から外れたため、欠陥分類クラスＣａ３に分類された欠陥サンプルのレビュー数を増やすことで効果的に分類が実現されるようになる。
【００９２】
次に欠陥検出装置における欠陥分類クラスＣａを、欠陥レビュー装置における欠陥分類クラスＣｂと類似するように調整する。具体的には枠１１０５、１１０６においてそれぞれ欠陥分類クラスＣｂ２とＣｂ５、欠陥分類クラスＣｂ３とＣｂ４を、欠陥検出装置において細分類するように欠陥分類器を調整する。ただし、欠陥検出装置においては、欠陥レビュー装置における検査情報を利用することができないため、前記欠陥レビュー装置における欠陥分類性能に対し、分類の信頼性が得られない状況もありうる。そのような場合は、あえて細分類しない、あるいは細分類してもレビューサンプル数を増やして確認する等の処理が考えられる。
【００９３】
▲３▼表１１０３は、前記調整により得られた調整後の両欠陥検査装置における欠陥分類クラスに属する欠陥サンプルの包含関係を示している（図９に示す欠陥分布マップ９０３と欠陥分布マップ９０５との関係に対応）。表１１０２と比較した際、表１１０２において欠陥分類クラスＣａ３が欠陥分類クラスＣａ３、Ｃａ４に分割され、欠陥分類クラスＣｂ３、Ｃｂ４を分類可能となっている。本実施例においては、枠１１０５内の欠陥分類クラスの関係に関して、枠１１０７においても変更はない。これは、そもそも欠陥検出装置から得られた検査情報のみからでは分類困難であった場合と、前述したように分類の信頼性から故意に行った場合とが考えられる。この結果、欠陥分類クラスの対応のみに着目すると、欠陥検出器において欠陥分類クラスＣａ２に分類された欠陥サンプルのみレビュー検査を行えば最終的な詳細分類が可能ということになる。実際には、レビューサンプリングの割合を欠陥分類クラスＣａ２において増すといった処理方法が考えられる。
【００９４】
また、欠陥分類クラスの決定においては、ユーザに複数の欠陥検査装置における欠陥分類クラス間の関係を分かりやすく示すことが有効である。図１１は前記欠陥分類クラス間の関係を示す表示方法の一例である。各欠陥分類クラスへの分類数を表示することにより、各分類クラス間の重複度合いを知ることができる。
【００９５】
３．２ レビューサンプリング方法
次にレビューサンプリングの方法に関して述べる。前述のように、欠陥レビュー装置における欠陥分類クラスＣｂが、欠陥検出装置における欠陥分類クラスＣａの部分集合、あるいはそれに類似した集合になるように設定すると、欠陥検出装置において欠陥検出及びレビュー両装置に共通な欠陥分類クラスに分類された欠陥サンプルに関してはレビュー検査の必要性は低いということになる。逆にレビュー検査において更に詳細クラスへと分類される欠陥分類クラスに分類された欠陥サンプルに関してはレビュー検査を行う必要性が高い。すなわち、前記レビュー検査の必要性に応じてサンプリング数を制御することが考えられる。欠陥分布マップ９０３、９０５は説明用の例であり、欠陥サンプル総数が極めて少ないため、欠陥分布マップ９０５中の欠陥点ｄａ３のみレビューサンプリングすれば欠陥詳細分類の全体像を把握することができる例であるが、このようなケースは現実的ではない。実際には、欠陥点数は非常に多く、また欠陥検出装置の画質はレビュー検査のそれに比べ一般に劣るので、欠陥検出装置において詳細な欠陥分類クラスへの分類されることはあまり期待できない。また、分類された欠陥サンプルに関しても、その分類結果が常に信頼できるわけではない。そのため実際の検査においてはどの欠陥分類クラスに分類された欠陥サンプル群に対しても、数点のレビューサンプリングを行い、教示分類パタン関して詳細分類が困難であった欠陥分布マップ９０５中Ｃａ２のような欠陥分類クラス（欠陥レビュー装置における複数の欠陥分類クラスＣｂ２、Ｃｂ５が含まれている）に関しては特に他の欠陥分類クラスより多めにサンプリングを行うといった方法や、欠陥分類結果の信頼性に応じてサンプリング数を変化させる方法が考えられる。
【００９６】
レビューサンプリングをどの程度の割合で行うかは、前述のように欠陥検出装置における欠陥分類クラス毎に判定することも、欠陥サンプル毎に判定することも、あるいはそれらを共に考慮して判定することも可能である。特に欠陥サンプル毎の判定においては前記欠陥分類結果の信頼性を判断要素とするのが有効である。前記欠陥分類結果の信頼性に関しては、各欠陥分類クラスへの帰属度を定義することによって、各欠陥サンプルを大きく、
（１）任意の欠陥分類クラスに分類される欠陥
（２）任意の複数の欠陥分類クラス間で帰属度が均衡した境界欠陥（判定困難）（３）学習時には存在しなかった未知欠陥
の三つに分類することが可能となる。前記（２）、（３）に関してはレビュー検査の必要性大とし、（１）に関してもその帰属度が低い場合はレビュー検査の必要性大とする方式が考えられる。以上のように欠陥検出装置における欠陥分類クラスおよび欠陥分類器１２０の生成を行い、前記欠陥分類クラスに応じてサンプリング点数を制御することによって、複数検査装置間において階層的な整合性をもち、かつ効果的な欠陥検査を行うことができる。
【００９７】
ところで、欠陥レビュー装置における欠陥分類クラスＣｂが、欠陥検出装置における欠陥分類クラスＣａの部分集合になるような欠陥分類器が設定困難な場合もありうる。図１２はその一例であり、欠陥検査装置Ａ、Ｂによる欠陥分布マップ１２０１、１２０２おける分類クラス（それぞれＣａ１〜Ｃａ３、Ｃｂ１〜Ｃｂ４）が、部分集合の関係になっていない。しかしそのような場合であっても、例えば欠陥検査装置Ａにおいて分類クラスＣａ３に分類された欠陥サンプルは欠陥検査装置Ｂにおいては分類クラスＣｂ２かＣｂ３のいずれかに分類される可能性が高く、分類クラスの候補を絞り込む効果がある。そのため、欠陥検査装置Ａにおいて分類クラスＣａ３に分類された欠陥サンプルに関しては、欠陥検査装置Ｂにおいて３クラス問題ではなく、Ｃｂ２かＣｂ３の２クラス問題として欠陥分類器を構成することにより、分類性能の向上が期待できる。
【００９８】
また、第二、三の実施の形態において、欠陥検出及び欠陥レビュー装置の欠陥分類クラス、欠陥分類器の生成をユーザの最終的な分類要求に基づき、学習等を用いてある程度自動生成することが可能である。しかしながら、特にプロセス立ち上げ時においては十分な教示サンプルを得ることができず、教示サンプルの特異な性質に特化した前記欠陥分類クラス、欠陥分類器が生成されてしまう危険性が高い。第一の実施の形態において、詳細を述べた検査情報のレビュー、及び欠陥分類器のカスタマイズ方法により、欠陥分類に関するユーザの要求や知見を容易にシステムに取り込むことが可能となり、特異な分類ルールを抑制することが可能となる。また、追加学習における分類器の変更も容易である。例えば、教示サンプルに関して、たまたま、欠陥クラスＣａに属するサンプルには形状の丸い欠陥が多く、欠陥クラスＣｂに属するサンプルには形状の四角い欠陥が多いといった状況において、決定木で形状の違いによる分岐が設定されたとしても、形状の違いが両クラスの本質的な違いでないならば、このような分類ルールをキャンセルすることができる。また、追加学習時において、複数の欠陥検査装置における属性分布の変移を同時観察することにより、本質的な違いでない属性の欠陥クラス間における分離度が悪化する傾向が観測できることが期待される。
【００９９】
次に、欠陥検出装置において検出された欠陥サンプル群に関して、前記欠陥サンプル群の一部をレビュー検査し、詳細分類することにより前記欠陥サンプル群全体の詳細分類結果を推定する方法に関して、詳細分類結果の割合を利用する方法について述べる。前記欠陥サンプル群からレビューサンプリングにより選択された一部の欠陥サンプル群に関して詳細検査を行うことにより、前記一部の欠陥サンプル群において含まれる詳細分類結果の割合を把握することができる（欠陥検出装置における欠陥分類クラス毎にランダムサンプリングを行った場合、前記欠陥分類クラス毎の詳細分類結果の割合を把握することができる）。レビュー検査が行われなかった欠陥サンプルに関しては、レビュー検査による検査情報を直接利用することはできないが、前記詳細分類結果の割合を考慮して推定の信頼性を向上させることができる。例えば、欠陥分類クラスＣａとＣｂの欠陥割合がそれぞれａ％、ｂ％であるとする。欠陥分類クラスＣａとＣｂの分類する任意の属性に関して欠陥サンプルをソートし、境界的な事例中Ｃａ寄りの上位ａ％を欠陥分類クラスＣａとして分類する。
【０１００】
［第四の実施の形態］
この第四の実施の形態においては、検査情報を共有する複数の欠陥検査装置におけるそれぞれの欠陥サンプル群がお互い部分的に参照できない場合の検査方法に関して述べる。検査情報を共有する欠陥検査装置が共に欠陥検出装置であった場合、例えば、光学式のパタン検査装置とＳＥＭ式のパタン検査装置の組み合わせ検査において、独立に欠陥検出を行った場合、両者が検出した欠陥サンプルには部分的な不一致が起こりうる。本実施例においても欠陥サンプルが一致あるいは包含されている個所に関しては、第二、あるいは第三の実施の形態と同様の解析・分類が可能である。以下の説明は二台の欠陥検出装置Ａ、Ｂの組み合わせにおける解析方法に関して特に述べるが、三台以上の任意の欠陥検査装置の組み合わせに関しても同様の解析が可能である。また、欠陥検出装置同士以外の組み合わせに関しても、欠陥サンプルに不一致がある場合、同様の解析が可能である。
【０１０１】
参照したい欠陥サンプルにおける検査情報に抜けがあった場合、前記検査情報を同類の他の欠陥サンプルにおける検査情報で補間する方法に関して説明する。図１２は一例として二つの欠陥検査装置Ａ、Ｂにおいて検査が行われた位置を、それぞれ欠陥分布マップ１２０１、１２０２に表示したものである。ここで、欠陥検査装置Ａにおいて検査が行われた欠陥分布マップ１２０１上の欠陥サンプルｄａ１における欠陥分類を考える。ただし、前記欠陥サンプルｄａ１に対応する欠陥分布マップ１２０２上の座標ｄｂ１においては、欠陥検査装置Ｂによる検査が行われていない。そこで、欠陥検査装置Ｂにおける各欠陥サンプルを欠陥の空間的な分布、あるいは欠陥分類結果、あるいは各種検査情報を基にクラスタリングを行い、例えば、クラスタＣｂ１〜Ｃｂ４を得る。欠陥分布マップ上の任意の座標に対し、前記クラスタに属する空間的な帰属度が定義できる場合、同クラスタに共通あるいは類似する検査情報を同クラスタ内で共有することが可能と考えられる。例えば、欠陥分布マップ１２０２上の座標ｄｂ１における検査情報として、座標ｄｂ１と同クラスタＣｂ１に属すると考えられる欠陥サンプルｄｂ２の検査情報を利用することができる。同クラスタＣｂ１に属する他の欠陥サンプル群から検査情報を補間することも可能である。ところで、クラスタ設定の誤り、あるいは参照先の検査情報の誤りや検査情報の揺らぎ等の理由により、検査情報の補間の信頼性が損なわれる危険性がある。そこで、クラスタ形成の信頼性、あるいはクラスタへの帰属度、あるいは検査情報の信頼性や揺らぎ等のパラメータを基に補間した検査情報の信頼性に関する重み付けを行い、前記検査情報を利用する際に利用することが考えられる。
【０１０２】
［第五の実施の形態］
この第五の実施の形態においては、３台以上の欠陥検査装置による組み合わせ検査に関して述べる。第二、三、四の実施の形態では、二台の欠陥検査装置の組み合わせ検査について特に述べたが、三台以上の欠陥検査装置による組み合わせ検査に関しても同様の解析が可能である。一例としてＮ台の欠陥検査装置の組み合わせ検査に関して欠陥分類クラス及び欠陥分類器の設定手順（生成手順）を示したものが図１０（ａ）である。図１０（ａ）に示すように、欠陥分類クラスを含む欠陥分類器１２０の生成は、検査順序と逆にＮ番目の欠陥検査装置から順に第1番目の欠陥検査装置まで行われる。それは、検査順序に従って、分類できない或は分類が信頼できない欠陥サンプルについて欠陥の分類を順次補完するためである。そこで、任意のｎ（０≦ｎ≦Ｎ）番目の後に検査が行われるｎ＋１番目の欠陥検査装置（第二の欠陥検査装置）における分類クラスが、ｎ番目に検査が行われる欠陥検査装置（第一の欠陥検査装置）における分類クラスの部分集合、またはそれに類似した欠陥クラスとなるように決定する。すなわち、最初にＮ番目の欠陥検査装置における分類クラスを生成し、その後に検査が行われる欠陥検査装置における欠陥クラスを限定するように、その前に検査が行われる（Ｎ−１）〜１番目の欠陥検査装置の分類クラスを順に決定していく。また、任意のｎ番目に検査が行われる欠陥検査装置における欠陥分類器は、それ以前に検査が行われた１〜（ｎ−１）番目の欠陥検査装置とｎ番目の欠陥検査装置において得られた検査情報１００２で欠陥分類の判断基準として利用可能なものを選択的、統括的に分類ルールに組み込んでいくことにより、前記ｎ番目に検査が行われる欠陥検査装置において設定した分類クラスを分類可能な欠陥分類器を生成する（ステップ１００１）。ただし、欠陥分類クラスや欠陥分類器を作成する際、第一の実施の形態において述べた同時レビュー画面を用いて全ての欠陥検査装置から得られた検査情報を参考にしながら決定することは可能である。欠陥分類クラスや欠陥分類器は図３のように繰り返し修正することが可能であり、また、任意の検査装置における欠陥クラスや欠陥分類器を生成した時点で、任意の欠陥クラスや欠陥分類器を変更し直すことも可能である。
【０１０３】
実際のデータに関して分類が行われる際の処理の流れを示したものが図１０（ｂ）である。図１０（ｂ）に示すように、実際の検査は、１番目の欠陥検査装置から前記生成された欠陥分類器１２０を用いて順に行われ、必要に応じて第三の実施の形態のような欠陥サンプルのサンプリングを行いながら、次の欠陥検査装置での検査が行われる。ただし、図１０（ａ）（ｂ）において例外的な場合として、任意の組み合わせの複数の欠陥検査装置による検査後に前記複数の欠陥検査装置から得られた検査情報を用いて欠陥分類を行ったり、サンプリングを行う場合は、前記複数の欠陥検査装置から取得された検査情報を検査順序には関係なく前記複数の欠陥検査装置における欠陥分類器の判断基準として用いることができる。
【０１０４】
【発明の効果】
以上述べたように、本発明によれば、ユーザに固有な分類要求に対し、従来困難であった欠陥分類器のカスタマイズを容易に行い、ユーザの判断基準を満足する欠陥自動分類を行うための仕組みを得ることができる。
【０１０５】
また、本発明によれば、ユーザが自身の分類要求を明確化させる際、各種検査情報をほぼ同時レビュー画面に表示してほぼ同時にレビューできるようにしたことにより、統一的な見解を与えることが可能となる。
【０１０６】
また、本発明によれば、複数の欠陥検査装置による組み合わせ検査において、階層的な欠陥分類器を実現し、欠陥分類器の効果的な学習及び効果的なレビューサンプリングを実現することが可能となる。
【図面の簡単な説明】
【図１】本発明による検査情報の共有のためのデータサーバならびに各種欠陥検査装置の構成の一実施例を示すブロック図である。
【図２】本発明による各種欠陥検査装置における各種検査情報の取得過程の一実施例を示すフローチャート図である。
【図３】本発明による欠陥分類器の生成方法の一実施例を示すフローチャート図である。
【図４】本発明による検査情報の同時レビュー、欠陥の各種属性の分布表示、及び欠陥クラス・分岐の一覧表示ウィンドウの一実施例を示す図である。
【図５】本発明による決定木構造の設定及び欠陥サンプルの教示ウィンドウの一実施例を示す図である。
【図６】図５における決定木構造の設定手順の一実施例を示す図である。
【図７】本発明による決定木中の各分岐における分類ルール設定ウィンドウの一実施例を示す図である。
【図８】本発明による各種属性の多次元グラフ表示及びこのグラフ中における制約条件の指定方法の実施例を示す図である。
【図９】本発明による欠陥分類器の生成手順の各ステップにおける、欠陥サンプルの分布および欠陥自動分類結果の一実施例を示す欠陥分布マップ図である。
【図１０】本発明による欠陥分類器の設定手順と欠陥分類手順との一実施例を示すフローチャート図である。
【図１１】本発明による図９に欠陥分布マップで示す如く各欠陥検査装置における欠陥分類クラス間の関係を示す図である。
【図１２】本発明による検査情報の欠けを補間する際に生成されるクラスタ分布の一例を示す図である。
【図１３】本発明による複数欠陥検査装置の検査情報間の不整合を整合する手順の一実施例を示す図である。
【符号の説明】
１０１…欠陥検査装置、１０２…処理端末装置、１０３…ネットワーク、１０７…データサーバ、１０８…処理端末装置、１１０…ＧＵＩ、１２０…欠陥分類器、１３１…記憶手段、１３２…表示手段、１３３…入力手段、
４００…メインウィンドウ、４０１…検査情報同時レビューウィンドウ、４０２、４０３…検査画像同時レビューウィンドウ、４０４〜４０７…欠陥画像、４０８…欠陥検出装置Ａにおける欠陥マップ、４０９…欠陥レビュー装置Ｂにおける欠陥マップ、４１０、４１２…装置ＱＣ表示用チェックボックス、４１１、４１３…着工来歴表示用チェックボックス、４１４、４１５…生成した分類器を適用する欠陥検査装置指定用チェックボックス、４１６…画像表示方法指定ボタン、４１７…マップ表示方法指定ボタン、４１８…詳細情報表示ボタン、４１９…検索ボタン、４２０…分類器調整後の欠陥マップ、４２１…属性分布表示方法指定ボタン、４２２…欠陥属性追加ボタン、４２３…再分類実行ボタン、４２４…欠陥クラス一覧表示ウィンドウ、４２５…欠陥クラスＣ１ｂ、４２６…分岐一覧表示ウィンドウ、４２７…分岐指定枠、４４８…分岐ラベル、４４９…指定分岐によって分岐される欠陥クラスまたは分岐に対応する枠とラベル、４５０…クラス追加ボタン、４５１…クラス削除ボタン、４５２…教示サンプル指定／クラス・分岐構成決定ウィンドウ表示ボタン、４５３…分類ルール指定ウィンドウ表示ボタン、４５４…欠陥属性分布一覧表示ウィンドウ、４５５、４５６…各欠陥検査装置における欠陥属性分布一覧表示ウィンドウ、４５７、４５８…各種属性分離度表示、４５９、４６０…各種属性分布表示、
５００…教示サンプル指定／クラス・分岐構成決定ウィンドウ、５０１…クラス・分岐構成表示ウィンドウ、５０２…分岐構成要素表示ウィンドウ、５０３、５１８、５１９…クラス要素、５０４…分岐要素、５０５…教示サンプル指定ウィンドウ、５０６、５０８、５１０、５１２、５１４、５１６…各欠陥クラス用教示ウィンドウ、５０７、５０９、５１１、５１３、５１５、５１７…各欠陥クラス用教示画像、
６０１…分類の開始地点、６０２〜６０４…分岐Ｂ１〜Ｂ３、６０５〜６１０…欠陥クラスＣ１〜Ｃ５、
７００…分類ルール生成ウィンドウ、７０１…ルールベース型分類使用チェックボックス、７０２…条件追加ボタン、７０３…条件削除ボタン、７０４…条件文一覧表示ウィンドウ、７０５〜７０８…条件文、７０９…属性指定プルダウンメニュー、７１０…関係指定プルダウンメニュー、７１１…閾値指定プルダウンメニュー、７１２…マウス入力指定ボタン、７１３〜７１５…各欠陥クラスに分類される条件の論理式、７１６…学習型分類使用チェックボックス、７１７…使用する属性選択ウィンドウ、７１８…分類エンジン選択プルダウンメニュー、
８００…属性ヒストグラム、８０１、８０４、８０５、８０６、８０８、８１０、８１２…識別線、８０２、８０７…閾値、８０３…二次元属性分布表示画面、８０９、８１１、８１３、８１６…方向指定、８１４、８１９…任意欠陥サンプルの属性分布表示、８１５…識別曲線、８１７…三次元属性分布表示画面、８１８…識別曲面、８２０…識別曲面上の点、
９０１…欠陥検出装置における調整前の粗分類結果を示す欠陥分布マップ、９０２…欠陥レビュー装置における調整前の詳細分類結果を示す欠陥分布マップ、９０３…欠陥レビュー装置における調整後の詳細分類結果を示す欠陥分布マップ、９０４…欠陥検出装置における教示欠陥分類パタン（教示用分類クラス）を示す欠陥分布マップ、９０５…欠陥検出装置における調整後の粗分類結果を示す欠陥分布マップ、
１１０１…調整前の欠陥検出・レビュー両装置における各欠陥分類クラス間の包含関係を示す表、１１０２…調整前の欠陥検出装置及び調整後の欠陥レビュー装置における各欠陥分類クラス間の包含関係を示す表、１１０３…調整後の欠陥検出・レビュー両装置における各欠陥分類クラス間の包含関係を示す表、
１２０１…欠陥検査装置Ａにおける欠陥サンプルのクラスタリング結果を示す欠陥分布マップ、１２０２…欠陥検査装置Ｂにおける欠陥サンプルのクラスタリング結果を示す欠陥分布マップ。
Claims (16)
- 第一の欠陥検査装置によって被検査対象を検査し、その後第二の欠陥検査装置によって被検査対象を検査して被検査対象に発生した欠陥を分類する欠陥自動分類方法であって、
前記第一の欠陥検査装置における第一の欠陥分類器により分類される欠陥分類クラスと前記第二の欠陥検査装置における第二の欠陥分類器により分類される欠陥分類クラスとの関係を基に、前記第一の欠陥検査装置における各欠陥分類クラス毎に検査サンプルをサンプリングする割合を決定する検査サンプル決定ステップと、
該検査サンプル決定ステップで各欠陥分類クラス毎に決定したサンプリングする割合に応じた検査サンプルを第二の欠陥検査装置において検査して欠陥を分類する検査ステップとを有することを特徴とする欠陥自動分類方法。 - 第一の欠陥検査装置によって被検査対象を検査し、その後第二の欠陥検査装置によって被検査対象を検査して被検査対象に発生した欠陥を分類する欠陥自動分類方法であって、
前記第一の欠陥検査装置における第一の欠陥分類器により検査サンプルに対する分類される各欠陥分類クラスへの信頼性に応じて各欠陥分類クラス毎に検査サンプルをサンプリングする割合を決定する検査サンプル決定ステップと、
該検査サンプル決定ステップで被検査対象に対する各欠陥分類クラス毎に決定したサンプリングする割合に応じた検査サンプルを第二の欠陥検査装置において検査して欠陥を分類する検査ステップとを有することを特徴とする欠陥自動分類方法。 - 任意の試料上の欠陥サンプル群を複数の欠陥検査装置により検査して複数の検査情報を取得する検査情報取得ステップと、該検査情報取得ステップにより取得された複数の検査情報を画面上においてほぼ同時に表示して欠陥サンプル群の分類クラス要素を決定するレビューステップと、画面上において該レビューステップで決定された分類クラス要素を基に分類クラス要素を分岐要素を介して階層的に展開される決定木を指定する決定木指定ステップと、画面上において前記検査情報取得ステップにより取得された少なくとも一つの検査情報を基に前記指定された決定木における各分岐要素毎に個別の分類ルールを設定する分類ルール設定ステップとを含む決定木設定ステップとを有し、欠陥分類器を生成する欠陥分類器生成過程と、
該欠陥分類器生成過程で生成された欠陥分類器を用いて少なくとも一つの欠陥検査装置において被検査対象に発生した欠陥を検査して取得される検査情報を基に前記欠陥を分類する欠陥分類過程とを有することを特徴とする欠陥自動分類方法。 - 同一あるいは同種の欠陥サンプルに対して複数の欠陥検査装置間で同一の欠陥解析の基準となるように、少なくとも一つの欠陥検査装置において前記欠陥サンプルから得られる画像に対して画像処理手順の変更あるいは画像処理パラメータの調整を行い、該変更された画像処理手順あるいは調整された画像処理パラメータを用いて処理された画像を基に欠陥分類器により欠陥を分類することを特徴とする欠陥自動分類方法。
- 前記画像処理手順の変更あるいは画像処理パラメータの調整における処理としては、倍率変更、歪み補正または明度補正を含むことを特徴とする請求項４記載の欠陥自動分類方法。
- 前記欠陥分類器は、
少なくとも第一及び第二の欠陥検査装置の組み合わせにより試料上の欠陥サンプル群を検査して第一及び第二のサンプル検査情報を取得する検査情報取得ステップと、
該検査情報取得ステップで取得された第一及び第二のサンプル検査情報を参照して前記第一及び第二の欠陥検査装置の検査順序に応じて第一又は第二の欠陥分類器を生成する欠陥分類器生成ステップとを有する欠陥分類器の生成方法によって生成されることを特徴とする請求項４記載の欠陥自動分類方法。 - 試料を処理する複数の処理工程のうちの所定の処理工程で処理された前記試料を第一の欠陥検査装置で検査して欠陥を検出して該検出した欠陥の第一の検査情報を取得し、
該取得した検出した欠陥の第一の検査情報を基に第一の欠陥分類ルールを用いて予め設定した第一の複数の分類クラスに分類し、
該第一の欠陥検査装置で検査して検出した前記試料上の欠陥の中からサンプリングした欠陥を第二の欠陥検査装置で検出して該サンプリングして検出した欠陥の第二の検査情報を取得し、
前記サンプリングして検出した欠陥の前記第一の検査情報と前記第二の検査情報を基に第二の欠陥分類ルールを用いて予め設定した第二の複数の分類クラスに分類する
欠陥検査方法であって、
前記第一の欠陥分類ルールは、前記試料を第一の欠陥検査装置で検査して検出した欠陥を前記第二の欠陥分類ルールに基づいて分類して得た情報を用いて生成したものであることを特徴とする欠陥検査方法。 - 前記第二の欠陥分類ルールは、前記試料を第一の欠陥検査装置で検査して検出した欠陥の第一の検査情報と前記サンプリングした欠陥を第二の欠陥検査装置で検査して得た欠陥の第二の検査情報とを用いて生成されたものであることを特徴とする請求項７記載の欠陥検査方法。
- 前記第二の複数の分類クラスは、前記第一の複数の分類クラスの部分集合または該部分集合に類似した分類となるように生成されていることを特徴とする請求項７記載の欠陥検査方法。
- 試料を処理する複数の処理工程のうちの所定の処理工程で処理された前記試料を第一の欠陥検査装置で検査して欠陥を検出して該検出した欠陥の第一の検査情報を取得し、
該取得した検出した欠陥の第一の検査情報を基に第一の欠陥分類ルールを用いて予め設定した第一の複数の分類クラスに分類し、
該第一の欠陥検査装置で検査して検出した前記試料上の欠陥の中からサンプリングした欠陥を第二の欠陥検査装置で検出して該サンプリングして検出した欠陥の第二の検査情報を取得し、
前記サンプリングして検出した欠陥の前記第一の検査情報と前記第二の検査情報を基に第二の欠陥分類ルールを用いて予め設定した第二の複数の分類クラスに分類する
欠陥検査方法であって、
前記第一の欠陥検査装置で検査して検出した欠陥を前記第一の欠陥分類ルールを用いて分類した結果と前記第二の欠陥検査装置で検出してサンプリングして検出した欠陥を前記第二の欠陥分類ルールを用いて分類した結果とを同じ画面上に表示し、該画面上に表示された前記第一の欠陥分類ルールを用いて分類した結果と前記第二の欠陥分類ルールを用いて分類した結果とに基づいて前記第一の欠陥分類ルールを修正することを特徴とする欠陥検査方法。 - 前記第一の欠陥分類ルールを修正することを、前記画面上に前記第一の欠陥検査装置で検査して検出した欠陥の画像または前記第二の欠陥検査装置で検出してサンプリングして検出した欠陥の画像を表示して分類を教示することにより行なうことを特徴とする請求項１０記載の欠陥検査方法。
- 前記第一の欠陥検査装置として光学式あるいはＳＥＭ式の異物検査装置又はパターン検査装置を用い、前記第二の欠陥検査装置として光学式あるいはＳＥＭ式のレビュー検査装置を用いることを特徴とする請求項７乃至１１の何れか一つに記載の欠陥検査方法。
- 試料を処理する複数の処理工程のうちの所定の処理工程で処理された前記試料を第一の欠陥検査装置で検査して欠陥を検出して得た第一の検査情報と前記第一の欠陥検査装置で検出した前記試料上の欠陥の中からサンプリングした欠陥を第二の欠陥検査装置で検出して得た第二の検査情報とに対して前記第一の欠陥検査装置で検出した欠陥を分類するための第一の欠陥分類ルールを設定する装置であって、
前記第一の欠陥検査装置で検査して検出した欠陥の第一の検査情報を基に第一の欠陥分類ルールを用いて分類した結果と前記第二の欠陥検査装置で検査して検出した前記試料上の欠陥の中からサンプリングした欠陥の前記第一の検査情報と前記第二の検査情報を基に第二の欠陥分類ルールを用いて分類した結果とを表示する画面と、
前記第一の欠陥分類ルールを用いて分類した結果と前記第二の欠陥分類ルールを用いて分類した結果とが表示された前記画面上で欠陥分類クラスを設定する欠陥分類クラス設定手段と、
該欠陥分類クラス設定手段により設定された欠陥分類クラスに基づいて欠陥分類器を生成する欠陥分類器生成手段と、
を有することを特徴とする処理装置。 - 前記画面には、前記第一の欠陥検査装置で検査して検出した欠陥の画像と、該欠陥を前記第二の欠陥検査装置で検出した画像とを表示する画像表示領域を備えていることを特徴とする請求項１３記載の処理装置。
- 前記画画に表示する前記第一の欠陥検査装置で検査して検出した欠陥の画像と前記第二の欠陥検査装置で検出した欠陥の画像とは、一方が表示された場合に他方も連動して表示されることを特徴とする請求項１３記載の処理装置。
- 前記分類器生成手段は、欠陥分類の決定木を指定する決定木指定部と、前記欠陥分類クラスに属する欠陥の画像を教示する欠陥画像教示部とを有し、前記決定木指定部と前記欠陥画像教示部とを一緒に前記画面上に表示することを特徴とする請求項１３記載の処理装置。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2003047290A JP4118703B2 (ja) | 2002-05-23 | 2003-02-25 | 欠陥分類装置及び欠陥自動分類方法並びに欠陥検査方法及び処理装置 |
| US10/762,091 US7602962B2 (en) | 2003-02-25 | 2004-01-20 | Method of classifying defects using multiple inspection machines |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002148980 | 2002-05-23 | ||
| JP2003047290A JP4118703B2 (ja) | 2002-05-23 | 2003-02-25 | 欠陥分類装置及び欠陥自動分類方法並びに欠陥検査方法及び処理装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2004047939A JP2004047939A (ja) | 2004-02-12 |
| JP4118703B2 true JP4118703B2 (ja) | 2008-07-16 |
Family
ID=31719676
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2003047290A Expired - Fee Related JP4118703B2 (ja) | 2002-05-23 | 2003-02-25 | 欠陥分類装置及び欠陥自動分類方法並びに欠陥検査方法及び処理装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP4118703B2 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107820620A (zh) * | 2015-05-08 | 2018-03-20 | 科磊股份有限公司 | 用于缺陷分类的方法和系统 |
Families Citing this family (49)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004354251A (ja) * | 2003-05-29 | 2004-12-16 | Nidek Co Ltd | 欠陥検査装置 |
| US7142992B1 (en) * | 2004-09-30 | 2006-11-28 | Kla-Tencor Technologies Corp. | Flexible hybrid defect classification for semiconductor manufacturing |
| KR20180037323A (ko) * | 2004-10-12 | 2018-04-11 | 케이엘에이-텐코 코포레이션 | 표본 상의 결함들을 분류하기 위한 컴퓨터-구현 방법 및 시스템 |
| JP4741936B2 (ja) * | 2004-11-19 | 2011-08-10 | 株式会社日立ハイテクノロジーズ | データ処理装置，検査作業支援システム、およびデータ処理方法 |
| JP4750444B2 (ja) | 2005-03-24 | 2011-08-17 | 株式会社日立ハイテクノロジーズ | 外観検査方法及びその装置 |
| JP4681356B2 (ja) * | 2005-06-13 | 2011-05-11 | 株式会社日立ハイテクノロジーズ | 欠陥自動観察分類システム、欠陥自動観察分類システムにおける装置の選択方法、プログラム、及び観察装置 |
| JP4824350B2 (ja) * | 2005-06-23 | 2011-11-30 | フクダ電子株式会社 | 心拍波形編集装置及びその制御方法 |
| JP4825469B2 (ja) | 2005-08-05 | 2011-11-30 | 株式会社日立ハイテクノロジーズ | 半導体デバイスの欠陥レビュー方法及びその装置 |
| JP4644613B2 (ja) | 2006-02-27 | 2011-03-02 | 株式会社日立ハイテクノロジーズ | 欠陥観察方法及びその装置 |
| JP4825021B2 (ja) * | 2006-02-28 | 2011-11-30 | 株式会社日立ハイテクノロジーズ | レポートフォーマット設定方法、レポートフォーマット設定装置、及び欠陥レビューシステム |
| JP4728144B2 (ja) * | 2006-02-28 | 2011-07-20 | 株式会社日立ハイテクノロジーズ | 回路パターンの検査装置 |
| JP2007248360A (ja) * | 2006-03-17 | 2007-09-27 | Jeol Ltd | 荷電粒子ビーム検査方法および装置 |
| US20070248943A1 (en) * | 2006-04-21 | 2007-10-25 | Beckman Coulter, Inc. | Displaying cellular analysis result data using a template |
| JP4908995B2 (ja) | 2006-09-27 | 2012-04-04 | 株式会社日立ハイテクノロジーズ | 欠陥分類方法及びその装置並びに欠陥検査装置 |
| JP4712676B2 (ja) * | 2006-11-10 | 2011-06-29 | セイコープレシジョン株式会社 | 画像解析装置、画像解析方法及びコンピュータプログラム |
| JP4958616B2 (ja) * | 2007-04-20 | 2012-06-20 | 株式会社日立ハイテクノロジーズ | ホットスポット絞り込み装置、ホットスポット絞り込み方法、ホットスポット絞り込みプログラム、ホットスポット検査装置、および、ホットスポット検査方法 |
| JP4616864B2 (ja) * | 2007-06-20 | 2011-01-19 | 株式会社日立ハイテクノロジーズ | 外観検査方法及びその装置および画像処理評価システム |
| JP4799574B2 (ja) * | 2008-02-29 | 2011-10-26 | 株式会社東芝 | 線状パターンの検知方法および装置 |
| JP5537282B2 (ja) | 2009-09-28 | 2014-07-02 | 株式会社日立ハイテクノロジーズ | 欠陥検査装置および欠陥検査方法 |
| JP5452392B2 (ja) * | 2009-12-16 | 2014-03-26 | 株式会社日立ハイテクノロジーズ | 欠陥観察方法及び欠陥観察装置 |
| JP2012083147A (ja) * | 2010-10-08 | 2012-04-26 | Hitachi High-Technologies Corp | 欠陥分類システム及び欠陥分類装置及び画像撮像装置 |
| US20130208978A1 (en) * | 2010-10-19 | 2013-08-15 | 3M Innovative Properties Company | Continuous charting of non-uniformity severity for detecting variability in web-based materials |
| CN103221807B (zh) * | 2010-11-12 | 2015-08-12 | 3M创新有限公司 | 快速处理和检测幅材型材料中的不均匀因素 |
| JP5715873B2 (ja) * | 2011-04-20 | 2015-05-13 | 株式会社日立ハイテクノロジーズ | 欠陥分類方法及び欠陥分類システム |
| JP5342606B2 (ja) * | 2011-06-27 | 2013-11-13 | 株式会社日立ハイテクノロジーズ | 欠陥分類方法及びその装置 |
| JP2013088898A (ja) * | 2011-10-14 | 2013-05-13 | Sony Corp | ３ｄデータ解析のための装置、方法及びプログラムと、微小粒子解析システム |
| TWI574136B (zh) * | 2012-02-03 | 2017-03-11 | 應用材料以色列公司 | 基於設計之缺陷分類之方法及系統 |
| US10043264B2 (en) | 2012-04-19 | 2018-08-07 | Applied Materials Israel Ltd. | Integration of automatic and manual defect classification |
| US9715723B2 (en) * | 2012-04-19 | 2017-07-25 | Applied Materials Israel Ltd | Optimization of unknown defect rejection for automatic defect classification |
| US9607233B2 (en) * | 2012-04-20 | 2017-03-28 | Applied Materials Israel Ltd. | Classifier readiness and maintenance in automatic defect classification |
| JP5439543B2 (ja) * | 2012-06-14 | 2014-03-12 | 株式会社日立製作所 | 欠陥分類方法及びその装置 |
| US8689127B1 (en) * | 2012-11-05 | 2014-04-01 | Mitutoyo Corporation | Edge measurement video tool parameter-setting user interface |
| US10114368B2 (en) | 2013-07-22 | 2018-10-30 | Applied Materials Israel Ltd. | Closed-loop automatic defect inspection and classification |
| US9489599B2 (en) * | 2013-11-03 | 2016-11-08 | Kla-Tencor Corp. | Decision tree construction for automatic classification of defects on semiconductor wafers |
| US9922269B2 (en) * | 2015-06-05 | 2018-03-20 | Kla-Tencor Corporation | Method and system for iterative defect classification |
| EP3367261A1 (de) * | 2017-02-28 | 2018-08-29 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Verfahren zum klassifizieren von information und klassifizierungsprozessor |
| JP6971599B2 (ja) * | 2017-03-15 | 2021-11-24 | キヤノン株式会社 | インプリント装置、欠陥検査方法、パターン形成方法および物品製造方法 |
| JP6777604B2 (ja) * | 2017-08-28 | 2020-10-28 | ファナック株式会社 | 検査システムおよび検査方法 |
| JP6955211B2 (ja) * | 2017-12-14 | 2021-10-27 | オムロン株式会社 | 識別装置、識別方法及びプログラム |
| JP6681082B2 (ja) * | 2018-02-21 | 2020-04-15 | 株式会社タナカ技研 | 情報処理装置、情報システム、情報処理方法、およびプログラム |
| US10620134B2 (en) * | 2018-05-11 | 2020-04-14 | Kla-Tencor Corp. | Creating defect samples for array regions |
| JP7195342B2 (ja) * | 2018-06-07 | 2022-12-23 | ヴィルコ・アーゲー | 検査プロセス |
| CN110135263A (zh) * | 2019-04-16 | 2019-08-16 | 深圳壹账通智能科技有限公司 | 人像属性模型构建方法、装置、计算机设备和存储介质 |
| CN110146513B (zh) * | 2019-05-27 | 2021-07-06 | Tcl华星光电技术有限公司 | 缺陷判定方法及缺陷判定装置 |
| JP7466280B2 (ja) * | 2019-09-05 | 2024-04-12 | キヤノン株式会社 | 検品装置とその制御方法、並びにプログラム |
| JP2022138308A (ja) * | 2021-03-10 | 2022-09-26 | オムロン株式会社 | 情報生成装置 |
| CN113514310A (zh) * | 2021-03-10 | 2021-10-19 | 首钢集团有限公司 | 一种轴类零部件曲面非金属夹杂物的检测方法 |
| WO2023166584A1 (ja) * | 2022-03-02 | 2023-09-07 | 株式会社アドバンテスト | 半導体試験結果分析装置、半導体試験結果分析方法およびコンピュータプログラム |
| WO2023166585A1 (ja) * | 2022-03-02 | 2023-09-07 | 株式会社アドバンテスト | 半導体試験結果分析装置、半導体試験結果分析方法およびコンピュータプログラム |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6148099A (en) * | 1997-07-03 | 2000-11-14 | Neopath, Inc. | Method and apparatus for incremental concurrent learning in automatic semiconductor wafer and liquid crystal display defect classification |
| EP1025511A4 (en) * | 1997-10-27 | 2002-09-11 | Kla Tencor Corp | SOFTWARE SYSTEM AND METHOD FOR GRAPHIC CREATION OF PERSONALIZED RECIPE ORGANIZATION CHART |
| US6408219B2 (en) * | 1998-05-11 | 2002-06-18 | Applied Materials, Inc. | FAB yield enhancement system |
| JP4220595B2 (ja) * | 1998-08-10 | 2009-02-04 | 株式会社日立製作所 | 欠陥の分類方法並びに教示用データ作成方法 |
| JP3784603B2 (ja) * | 2000-03-02 | 2006-06-14 | 株式会社日立製作所 | 検査方法及びその装置並びに検査装置における検査条件設定方法 |
| JP4526661B2 (ja) * | 2000-06-28 | 2010-08-18 | 株式会社日立製作所 | 検査装置および検査方法 |
-
2003
- 2003-02-25 JP JP2003047290A patent/JP4118703B2/ja not_active Expired - Fee Related
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107820620A (zh) * | 2015-05-08 | 2018-03-20 | 科磊股份有限公司 | 用于缺陷分类的方法和系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2004047939A (ja) | 2004-02-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4118703B2 (ja) | 欠陥分類装置及び欠陥自動分類方法並びに欠陥検査方法及び処理装置 | |
| US7602962B2 (en) | Method of classifying defects using multiple inspection machines | |
| US7356177B2 (en) | Defect image classifying method and apparatus and a semiconductor device manufacturing process based on the method and apparatus | |
| KR101144545B1 (ko) | 반도체 제조를 위한 탄력적 혼성 결함 분류 | |
| EP1238367B1 (en) | Power assisted automatic supervised classifier creation tool for semiconductor defects | |
| US20060078188A1 (en) | Method and its apparatus for classifying defects | |
| US6718526B1 (en) | Spatial signature analysis | |
| US7570797B1 (en) | Methods and systems for generating an inspection process for an inspection system | |
| US8437534B2 (en) | Defect classification method and apparatus, and defect inspection apparatus | |
| JP5452392B2 (ja) | 欠陥観察方法及び欠陥観察装置 | |
| US7583832B2 (en) | Method and its apparatus for classifying defects | |
| US9129237B2 (en) | Integrated interfacing system and method for intelligent defect yield solutions | |
| JP4374303B2 (ja) | 検査方法及びその装置 | |
| CN111512324A (zh) | 半导体样品的基于深度学习的检查的方法及其系统 | |
| KR20140031201A (ko) | 웨브 기반 재료 내의 불균일성의 검출 시스템 | |
| US20220205928A1 (en) | Automatic optimization of an examination recipe | |
| TW202044067A (zh) | 基於機器學習之半導體樣本中的缺陷分類 | |
| KR102530950B1 (ko) | 반도체 시편에서의 결함들의 분류 | |
| US20020143483A1 (en) | Inspection system, inspection apparatus, inspection program, and production method of semiconductor devices | |
| JP2004295879A (ja) | 欠陥分類方法 | |
| JP2022027473A (ja) | 半導体試料の検査に使用可能な訓練データの生成 | |
| JP2001134763A (ja) | 撮像画像に基づく欠陥の分類方法、および、その結果の表示方法 | |
| WO2003100405A1 (fr) | Procede de generation de dispositif de classification de defauts et procede de classification automatique des defauts | |
| US12007335B2 (en) | Automatic optimization of an examination recipe |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20050630 |
|
| RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20050630 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20060530 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20060606 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20060807 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20070327 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20070528 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20070717 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20070918 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20080401 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20080423 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110502 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110502 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120502 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130502 Year of fee payment: 5 |
|
| LAPS | Cancellation because of no payment of annual fees |