JP4521386B2 - 欠陥データ解析方法およびその装置 - Google Patents

Description

本発明は、半導体基板上に回路パターンを形成する半導体デバイスの製造工程において、検査装置によって検出された欠陥データから、欠陥分布状態を解析する、欠陥データ解析方法及びその装置に関する。

半導体基板上に回路パターンを形成する半導体デバイスの製造工程（以下、半
導体基板の製造工程という）においては、歩留まり向上及び安定化を目的として
、各工程後にパターン欠陥検査あるいは異物検査が実施され、検査結果の解析が
行われる。すなわち、オペレータが検出された欠陥を光学顕微鏡あるいは走査電
子顕微鏡等で観察することにより、その欠陥の種類を認識し、不良原因が特定さ
れる。この作業はレビューと呼ばれるが、レビューを効率的に行う方法として、
特開平１０−２１４８６６号公報に、欠陥分布から欠陥が集中して存在する領域
をクラスタとして認識し、クラスタの面積と形状に基づいてレビューポイントを
選択する方法が示されている。

一方検査結果解析の別の方法として、欠陥分布状態の解析により、装置あるい
はプロセス起因の不良原因を推定する試みがなされている。特開平６−６１３１
４号公報には、欠陥マップがクラスタ化している様子に従ってウエハをグループ
分けし、その様子が既知のパターンと類似しているかどうかを判定することによ
り不良原因の特定を行う方法が記載されている。また、米国特許５９８２９２０
号公報には、欠陥を微小クラスタ、線状クラスタ、不定形クラスタ、クラスタ以
外のグローバルのうちいずれかに分類し、それぞれを不良原因と結びつける方法
が記載されている。

特開平１０−２１４８６６号公報 特開平６−６１３１４号公報

上記特開平１０−２１４８６６号公報記載の方法によると、クラスタの認識を
行い、しかる後に形状を特定する必要がある。そのため、クラスタが認識できな
い程疎な分布には対応できない。上記特開平６−６１３１４号公報または米国特
許５９８２９２０号公報記載の方法でも同様にクラスタ認識を必要とするため、
疎な欠陥分布には対応できない。しかしながら、装置またはプロセスの異常の早
期発見のためには、疎な欠陥分布に対応しなければならない。

また、上記特開平６−６１３１４号公報記載の方法によると、比較する既知の
パターンを実在のウエハに基づいて作成するため、不定形なパターンが登録され
る。上記米国特許５９８２９２０号公報に記載の方法によると、様々な形状の線
または不定形のクラスタが一つの分類に混在してしまう。いずれの場合でも人手
による不良原因の特定は熟練を要する作業になる。自動化を実現するには膨大な
データを蓄積しなければならず、その結果計算時間も増大する。そのため、人手
による不良原因特定が容易となる情報を高速に出力する必要がある。

本発明の目的は、検出した欠陥の密度が疎な分布であっても、相対的に密度の
高い領域を抽出可能な欠陥データ解析方法を提供することに有る。

また、本発明の目的は、検出した欠陥の高密度領域のクラスタの実用的なレベ
ルでの分類を高速に行うことができる欠陥データ解析方法を提供することにある
。

上記目的を達成するために、本発明の欠陥データ解析方法は、検査装置によっ
て検出された欠陥位置座標に基づいて前記欠陥を繰り返し欠陥、密集欠陥、線状
分布欠陥、環・塊状分布欠陥、ランダム欠陥の分布特徴カテゴリのうち少なくと
も1種類のカテゴリに分類するものである。

本発明によれば、検査装置によって検出された欠陥位置座標に基づいて欠陥の
高密度部分を表す高密度領域画像を作成するため、高密度領域をクラスタとして
認識する必要がなく、疎な分布であっても、相対的に密度の高い領域を抽出する
ことができる。また、本発明によれば、高密度領域画像を予め登録された複数の
幾何学的パターンのうちいずれかに分類するため、計算時間、記憶容量ともに実
用的なレベルでの欠陥分布状態の解析が実現可能となる。複数の幾何学的パター
ンのそれぞれに予め意味づけすることが可能なので、装置・プロセス起因の不良
原因の特定を容易にすることができる。

以下に、本発明の実施例について図面を参照しながら説明する。

図１は、本発明の欠陥データ解析方法の概念を表す図である。

本発明の欠陥データ解析方法の第一の実施例では、半導体基板の検査装置１０
１から出力される欠陥データ１０２には、少なくとも欠陥の位置座標が含まれて
いる。１０３a、ｂは、欠陥位置をウェーハの中の一点を原点とした座標系で表
したウェーハマップである。検査装置が出力する欠陥の位置座標は、ウェーハの
中の一点を原点とした座標系で記述されている場合と、チップ毎に原点を持つ座
標系で記述されている場合があり、前者の場合はそのＸ、Ｙの座標値をそのまま
用いるが、後者の場合はチップ内の位置座標をチップ配列情報とチップサイズの
情報を用いて座標系を変換する必要がある。ウェーハマップ上の欠陥分布状態に
基づいて、繰り返し欠陥識別、密集欠陥識別、線状分布識別、環・環状分布識別
、ランダム欠陥抽出の処理により欠陥点の各分布特徴カテゴリへの分類を行う。

繰り返し欠陥は、複数のチップにわたってチップ内のほぼ同じ位置に存在する
欠陥である。１０４a、ｂ上の黒点で示す部分は、１０３a、ｂにそれぞれ対応す
る繰り返し欠陥である。図２は、繰返し欠陥識別のフローを示す図である。まず
欠陥位置座標から全ての欠陥位置をチップ原点基準の座標で表したチップ重ね合
わせマップを作成する（Ｓ２０１）。欠陥の位置座標がウェーハ全体の座標系で
記述されている場合は、チップ配列情報とチップサイズの情報を用いてチップ原
点の座標系に変換する必要がある。次に、最近点ボロノイ図を作成し、チップ重
ね合わせマップ上で隣接する欠陥間の距離を求めておく（Ｓ２０２）。図３に、
最近点ボロノイ図の例を示す。最近点ボロノイ図とは、各座標点の勢力範囲を表
す図である。座標点Ｐの勢力範囲は、最も近い座標点がＰである点の集合と定義
する。これは、Ｐを取り囲む多角形で表され、Ｐのボロノイ領域と呼ばれる。Ｐ
のボロノイ領域に接するボロノイ領域に対応する点はＰの隣接点である。次に、
同一チップ内でクラスタ化している欠陥、すなわち隣接欠陥が同じチップであり
かつ距離ｄが予め指定されたしきい値ｄ１以下となる欠陥を処理対象から除く（
Ｓ２０３）。残った欠陥の中から、クラスタ化している欠陥、すなわち欠陥間距
離ｄが予め指定されたしきい値ｄ２以下である欠陥をつなげてグルーピングし、
予め指定された個数以上の欠陥からなるグループを繰り返し欠陥として検出する
（Ｓ２０４）。繰り返し欠陥はグループ毎に、グループ番号を付加する。グルー
プを特徴づけるチップ内座標、構成欠陥数、チップ数を算出、記録しておく。

密集欠陥は、ウェーハマップ上で隣接する欠陥との距離が非常に小さい、通常
クラスタ欠陥と呼ばれるものである。１０５a、ｂの黒点で示す部分は、１０３a
、ｂにそれぞれ対応する密集欠陥である。密集欠陥識別のためには、欠陥間の距
離が予め指定されたしきい値以下である欠陥をつなげてグルーピングし、予め指
定された個数の欠陥から構成されるグループを密集欠陥として検出する。ウェー
ハマップに対応する最近点ボロノイ図を作成して隣接する欠陥間の距離を求めて
おき、隣接欠陥への距離がしきい値以下であるかどうかをチェックする。あるい
は、ウェーハマップを格子に分割して各点がどの格子に属するかを予め調べてお
き、同じ格子か隣の格子にある欠陥の間の距離がしきい値以下であるかどうかを
チェックしてもよい。密集欠陥はグループ毎にグループ番号を付加し、グループ
を特徴づける重心座標、最大ｘ／ｙ座標、最小ｘ／ｙ座標、面積、欠陥密度、構
成欠陥数などを算出、記録しておく。

線状分布欠陥は欠陥密度の高い部分が直線状に分布している欠陥である。１０
６a、ｂの四角で囲んだ部分は、１０３a、ｂにそれぞれ対応する線状分布欠陥で
ある。線状分布といっても厳密に一直線上に並んでいるわけではなく、ある程度
の幅を持つものである。

環・塊状分布欠陥は欠陥密度の高い部分が環状あるいは塊状に分布している欠
陥である。１０７a、ｂの実線で囲んだ部分は、１０３a、ｂにそれぞれ対応する
環・塊状分布欠陥である。

上記のいずれの種類にも分類されなかったものをランダム欠陥として抽出する
。１０８a、ｂは、１０３a、ｂにそれぞれ対応するランダム欠陥である。

次に本発明の線状分布欠陥識別方法について図４〜６を参照しながら詳細に説
明する。

直線検出のためにはハフ変換がよく用いられる。図４は、ハフ変換の原理を説
明する図である。図４（ａ）に示すように、ｘｙ平面上の直線は原点からの距離
ρと垂線の角度θの二つのパラメータで表現される。図４（ａ）のｘｙ平面上の
点Ｐ１を通る直線を図４（ｂ）のθρ平面にプロットすると、その軌跡は図４（
ｂ）に示すように（θ１，ρ１）（θ２，ρ２）を通る曲線となる。ｘｙ平面上
の他の点についても同様に曲線を描くことができる。図４（ａ）のように点群が
一直線上に分布するときそれぞれの点の軌跡は、図４（ｂ）に示すように、これ
らの点を通る直線を表す（θ２，ρ２）で交差する。したがってｘｙ平面上の点
群のθρ平面上の軌跡を（θ，ρ）に投票し、投票数が極大となる（θ，ρ）に
対応する直線を検出することが行われている。

本発明の線状分布欠陥識別にもハフ変換を利用する。図５は、線状分布欠陥識
別のフローを示す図、図６は処理の例を示す図である。初めに、欠陥座標のハフ
変換を行い（Ｓ５０１）、投票数最大の（θ，ρ）を候補直線として検出する（
Ｓ５０２）。図６（ｂ）は、図６（ａ）に示すウェーハマップに対するハフ変換
画像である。前述したように線状分布はある程度の幅を持っているため（θ，ρ
）の解像度を粗くしておく。しかし通常のハフ変換を実行すると、例えば密集欠
陥が２カ所にあるとき２つの密集欠陥を結ぶ直線が検出されるという問題が生じ
る。密集欠陥が線状に分布していることも考えられるため、密集欠陥を除去する
ことも結果に悪影響を及ぼす。この問題を解決するため、投票の際に欠陥間の距
離あるいは欠陥間の距離の２乗に比例する重み付を行うことにより、密集欠陥の
寄与を低減する。そのために、予めウェーハマップに対応する最近点ボロノイ図
を作成し、欠陥間の距離を計算しておく。密集欠陥識別時にボロノイ図の作成を
していればそれを用いてもよい。また、ボロノイ領域の中には１個だけ欠陥が存
在するから、ボロノイ領域の面積の逆数は対応する座標における局所的な欠陥密
度であると言える。前述の重み付に欠陥密度の逆数、すなわちボロノイ領域面積
を使用しても良い。

次に、図６（ｂ）に示すように、候補直線を中心とした投票数最大値のα％以
上の部分のρ方向の幅Ｗを求める（Ｓ５０３）。αは予め指定されたしきい値で
あり、Ｗは候補直線の幅と考えられる。次に、Ｗが予め指定されたしきい値以下
であるかをチェックする。しきい値より大きい場合、すなわち幅が広すぎるとき
は、線状分布がないと判断し処理を終了する（Ｓ５０４）。しきい値より小さい
場合はウェーハマップを−θ回転させた上で、候補直線の周辺の密度を表す濃淡
画像を作成する（Ｓ５０５）。このとき画素サイズはＷと等しくする。図６（ｃ
）に示す格子は濃淡画像の画素に対応している。ただし図中ではウェーハマップ
を−θ回転させるかわりに格子をθ回転させて示してある。濃淡画像は欠陥密度
が高い格子に大きい画素値を、欠陥密度が低い格子に小さい画素値を対応させる
ように作成する。例えば格子の中の欠陥数に比例させるなどである。密集欠陥の
寄与を低減させるためのハフ変換処理時と同様の重み付を行っても良い。

次に判別分析法などの適切な方法を用い、濃淡画像を図６（ｄ）に示すように
二値化し、二値画像から線状分布の有無を判断する（Ｓ５０６）。図６（ｄ）の
黒で示す部分は線状分布欠陥の候補である。中央の列は候補直線の位置に対応す
るので、線状分布有無の判断は、中央の列の候補部分の長さ、連続しているかど
うか、左右の列の分布の有無を数値化して予め指定したしきい値と比較すること
により行う。図６（ｄ）に示す例では、図６（ｅ）の実線の四角の部分が線状分
布であると判断できる。線状分布がない場合は処理を終了する（Ｓ５０７）。線
状分布がある場合は、図６（ｆ）に示すように図６（ｅ）をθ回転させてウェー
ハマップの対応する位置に重ね、実線の四角の内側の欠陥を線状分布欠陥として
検出する（Ｓ５０８）。検出した線状分布欠陥を次の処理対象から除き（Ｓ５０
９）、Ｓ５０１からの処理を繰り返す。一回の処理で検出される線状分布毎にグ
ループ番号を付加し、位置・幅・角度・長さ・欠陥密度などの特徴量を算出、記
録しておく。

次に、本発明の環・塊状分布欠陥識別方法について詳細に説明する。図７は本
発明の本発明の環・塊状分布欠陥識別の概念を表す図である。最初のステップで
は、欠陥の位置座標をもとに、欠陥密度の高い部分を１、低い部分を０で表した
２値の画像を作成する。以後、この画像を高密度領域画像７０４と呼ぶことにす
る。次のステップで、高密度領域画像７０４の画像サイズに合わせて複数の幾何
学的辞書パターン７０５が自動生成される。次に、高密度領域画像７０４と自動
生成された複数の幾何学的辞書パターン画像７０５との一致度がそれぞれ計算さ
れ、最後のステップで一致度の最も高いパターン画像７０６が選択される。本発
明の別の形態では，自動生成される幾何学的辞書パターン７０５の他にユーザに
よって辞書パターン７０７を予め登録しておき、両方の中から一致度の最も高い
パターン画像７０６が選択される。パターン画像７０６とウェーハマップ１０３
を重ね、パターン部に含まれる欠陥を環・塊状分布欠陥として検出する。

次に、それぞれのステップの詳細について説明する。

まず、欠陥位置座標に基づいて高密度領域画像７０４を作成する方法について
説明する。

図８は、高密度領域画像７０４を作成するためのフローを表す図である。

初めに、全欠陥の座標点に対して最近点ボロノイ図を作成し、各点のボロノイ
領域の面積を求める（Ｓ８０１）。前述の線状分布欠陥識別処理でこの計算を行
っていればその結果を用いてもよい。次に、ボロノイ領域の面積のヒストグラム
を計算する（Ｓ８０２）。ただし、繰り返し欠陥、密集欠陥、線状分布欠陥のい
ずれかに分類された欠陥はヒストグラムの計算に含めない。ヒストグラムから最
頻度値を求め、最頻度値に予め決められた数（Ｎとする）をかけて平方根を計算
した値を画素サイズとし（Ｓ８０３）、ウエハ全体が一枚の画像にちょうど収ま
るように画像サイズを決め、画素当たりの欠陥数を濃淡値で表した画像を作成す
る（Ｓ８０４）。このような画像は、全画素を初期値０とし、各欠陥について座
標に対応する位置の画素値を１ずつ増加していくことによって作成される。この
とき、Ｎが大きすぎると画像サイズが小さくなり、形状の認識が難しくなってし
まうので５程度にするとよい。逆にＮが小さすぎると高密度部分と低密度部分の
濃度差が小さくなり、判別が困難になってしまう。次に、予め決められたしきい
値（Ｔとする）を用いて二値化し、高密度部分を１、低密度部分を０で表した画
像を得る（Ｓ８０５）。ここでＴはＮと同程度にすると良い。得られる画像には
、欠陥密度が相対的に高い部分のパターンが見られる。最後にそのパターンに対
して膨張収縮処理を行い、高密度領域画像７０４とする（Ｓ８０６）。このよう
な手法で画像を作成することにより、疎な分布であっても、適切な画素サイズを
設定して、相対的に密度の高い領域を抽出することができる。また、Ｓ８０４で
濃淡画像を作成し、Ｓ８０５で二値化する別の方法も考えられる。各欠陥に隣接
欠陥との最短距離またはその二乗あるいはボロノイ領域面積に比例する重み付を
行った上で対応する位置の画素値に加算することによって濃淡画像を作成し、判
別分析法を用いて二値化する。

次に、幾何学的辞書パターン画像７０５の自動生成方法について説明する。

幾何学的辞書パターン画像７０５は環状のパターンと塊状のパターンに分けて
自動生成される。画像サイズは、高密度領域画像７０４と同じとし、画像上に描
ける最大の円を基準として以下の方法でパターンを生成する。

環状パターンは、基準となる円を同心円によって半径方向に等分に分割し、扇
形によって中心角方向に等分に分割されてできた小領域の組み合わせによって生
成される。図９に示す、半径方向に５分割、中心角方向に８分割したパターンを
例にとって小領域の組み合わせ方法について説明する。まず、半径方向に分割し
た円環（一番内側は円）に外側からａ，ｂ，ｃ，ｄ，ｅと記号を付け、中心角方
向に８分割した扇形に順に１〜８の番号を付ける。完全な円環または円の大きさ
の組み合わせは、ａ，ｂ，ｃ，ｄ，ｅ，ａｂ，ｂｃ，ｃｄ，ｄｅ，ａｂｃ，ｂｃ
ｄ，ｃｄｅ，ａｂｃｄ，ｂｃｄｅ，ａｂｃｄｅ の１５通りである。円環の部分
のバリエーションは８分の１、８分の２、８分の３、８分の４、８分の５、８分
の６、８分の７の大きさについてそれぞれ８通りの組合せがある。例えば８分の
２の大きさの場合は１２，２３，３４，４５，５６，６７，７８，８１の組合せ
である。これらの組み合わせに完全な円環１通りを加えて計５７通りの組み合わ
せが考えられる。それぞれに対して前述の大きさの組み合わせ１５通りが考えら
れるから、合計８５５通りのパターンが生成される。

半径方向および中心角方向の分割はこの通りでなくても良い。また、等分の分
割である必要もないが、処理を煩雑にしないためには等分の方が望ましい。

塊状パターンは、基準となる円を垂直方向の直径を長軸とする楕円により水平
方向に等分に分割し、かつ水平方向の直径を長軸とする楕円により垂直方向に等
分に分割してできる小領域の組み合わせによって生成される。図１０（ａ）に水
平方向、垂直方向にそれぞれ８分割した例を示す。水平方向の大きさと位置の組
み合わせは、大きさは１から８までの８通りで、位置は大きさＮのとき（９−Ｎ
）通りであるから計３６通りである。垂直方向も同様で、水平方向と垂直方向の
組み合わせは自由にできるので１２９６通りのパターンが生成される。図１０（
ｂ）〜（ｄ）は、この方法によって生成されるパターンの例である。それぞれ黒
く塗りつぶした部分がパターンに対応している。図１０（ｅ）のように離れた領
域の組み合わせや、図１０（ｆ）のように凹凸のあるパターンはこの方法によっ
ては生成されない。塊状パターンとしては、上記方法によって作成したパターン
を基準となる円の中心を基準に４５度回転させたものも考えられる。図１０（ｇ
）に、この場合の分割される小領域の様子を示す。どちらか一方を用いてもよい
し、両方用いてもよい。また、分割数は８でなくてもよい。

以上の方法で幾何学的辞書パターン画像７０５を自動生成することにより、パ
ターン数を実用的なレベルに押さえることができ、したがって高速な処理を実現
できる。

次に、高密度領域画像７０４とそれぞれの辞書パターン画像７０５との一致度
の算出方法について図１１を用いて説明する。高密度領域画像７０４の各画素値
を、辞書パターン画像７０５の同じアドレスの画素値と比較し、一致していれば
＋１不一致ならば−１として全画素での比較の結果を合計し、この値を一致度と
する。図１１では、高密度領域画像７０４と辞書パターン画像の一部７０５ａ、
７０５ｂを画素値１を黒で、画素値０を白で表している。７０８ａ、７０８ｂは
それぞれ、高密度領域画像７０４と辞書パターン画像７０５ａ、７０５ｂとの不
一致箇所を黒で示した画像である。すなわち、これらの画像の白部分の画素値は
１、黒部分の画素値は−１であり、全画素値の合計が一致度となる。７０８ａと
７０８ｂを比較すると７０８ａの方が黒の面積が小さいので、７０５ａのパター
ンの方が７０５ｂより高密度領域画像７０４との一致度が高い。

以上説明した方法では、必ずパターン７０６が検出されるが、実際には非常に
密度の低い場合や密度差の小さい場合はパターンなしとした方が良い。したがっ
て検出したパターン７０６を検証しパターンの有無の判定を行う。以下にパター
ン有無の判定方法およびパターン検出の感度調整方法について説明する。パター
ンの有無の判定を行うためには、高密度領域画像７０４作成時に重み付を行う方
法で濃淡画像作成し、その濃淡画像を用いる。検出したパターン画像７０６と濃
淡画像を重ね、濃淡画像の画素値からパターン内外の判別分析値の比Ｃを次式を
用いて算出する。

Ｃを予め指定したしきい値と比較し、しきい値以下の場合はパターンなしと判定
する。また、Ｓ８０２で得たヒストグラムにおいて最頻度値が予め指定したしき
い値より低いときは以下の処理を行わないでパターンなしと判定する。前者のし
きい値は小さく設定すればより密度差の小さいパターンを検出するようになる。
また、後者のしきい値は小さく設定すればより欠陥密度の小さいパターンを検出
するようになる。したがってこれらのしきい値をユーザによって指定されるよう
にすれば、ユーザによる感度調整が可能となる。

ところで半導体基板の検査は、スループットの制約から全面を検査するとは限
らず、チップ列毎に検査・非検査を指定する部分検査が行われる場合も多い。こ
の場合上記の環・塊状分布識別方法ではパターン検出が困難である。この問題を
解決するための、環・塊状分布識別の別の方法について図１２を参照しながら以
下に説明する。図１２は、部分検査ウェーハの欠陥データに適用可能な環・塊状
分布識別の概念を表す図である。部分検査を実行した場合、ウェーハマップ１０
３は例えば図に示すようになる。前述と同様の方法で高密度領域画像７０４を作
成し、幾何学的辞書パターン７０５を自動生成する。一方、検査条件情報および
チップマトリックスデータをもとに、検査領域画像７０９を作成する。検査領域
画像７０９と各幾何学的辞書パターン７０５を重ね、非検査領域をマスクして一
致度の算出を行う。つまり、高密度領域画像７０４の、辞書パターン画像７０５
、検査領域画像７０９を同時に走査し、非検査領域の場合には０、検査領域の場
合には高密度領域画像７０４と辞書パターン画像７０５の画素値が一致していれ
ば＋１、不一致ならば−１を全画素について合計し、この値を一致度とする。こ
のようにして各辞書パターン画像７０５との一致度を算出し、最も一致度の高い
パターン画像７０６を選択する。この方法によれば、部分検査の場合でも辞書パ
ターン７０５との一致度を精度良く算出することができるため、環・塊状分布欠
陥識別が可能となる。

次に、ユーザパターン登録方法について以下に説明する。

図１３は、ユーザパターン登録方法を説明する図である。初めにユーザは登録
したいパターンを持つウェーハマップ９０１を指定して画面に表示させる。この
指定は省略してもよくその場合は何も表示されない。次に、幾何学的辞書パター
ンの自動生成のもとになる、分割パターン９０２ａ〜９０２ｃの中から一種類を
選択する。９０２ａは、図９に示す環状パターンと同一のものであり、９０２ｂ
、９０２ｂは図１０（ａ）、（ｇ）にそれぞれ示す塊状パターンと同一のもので
ある。選択された分割パターン９０２はウェーハマップ９０１に重ねて表示され
る。また、選択された分割パターン９０２の各小領域はマウスクリックなどのユ
ーザの指定により選択・非選択状態がスイッチされ、選択された領域が色違いで
表示される。ユーザはウェーハマップ上で欠陥密度が高い位置、あるいは自由に
小領域を選択し、選択終了後登録を指示する。指定された小領域の組み合わせは
、自動生成されるパターンと比較され、自動生成されるパターンに含まれていな
い場合は、パターン画像９０３が、ユーザ登録パターン７０７として保存される
。この方法によれば、ユーザ登録パターンとしてはパターン画像ではなく選択し
た小領域の組み合わせをコード化して記録しておけば充分である。

図１４は、上記と異なるユーザパターン登録方法を説明する図である。ユーザ
は登録したいパターンを持つウェーハマップ９０１を指定して画面に表示させる
。前述した高密度領域画像作成方法によって高密度領域９０４が作成され、表示
される。高密度領域９０４は自動生成される辞書パターンおよび既登録のユーザ
登録パターンとの間で一致度が算出され、一致度の最大値が予め決められたしき
い値以下であれば、ユーザ登録パターン７０７として登録される。この場合、ユ
ーザ登録パターン７０７は画像データとして記録される。

ユーザパターン登録方法としては、上記２種類の方法の両方を備えていてもよ
いし、どちらか一方でもよい。また、上記とは異なる方法でもかまわない。

本発明の欠陥データ解析方法の第二の実施例では、環・塊状分布欠陥識別にお
いて、自動生成される幾何学的辞書パターン７０５とユーザ登録パターン７０７
のそれぞれに関連する情報を付加しておき、第一の実施例と同様の方法でパター
ン画像７０６を選択する。

付加する情報は、パターンの位置、サイズ、形状、重要度、特記事項である。
幾何学的辞書パターン７０５のパターン位置、大きさ、形状については一定のル
ールにより大雑把な分類を行い、デフォルトの情報を付加しておく。塊状のパタ
ーンについては、パターンの位置は右上、上、左上、右、中央、左、右下、下、
左下程度に分類、サイズは大、中、小程度に分類、形状は塊状とする。例えば図
１０（ｂ）は、左上にサイズ小の塊状パターン、図１０（ｃ）は、右にサイズ中
の塊状パターン、図１０（ｄ）は、中央にサイズ大の塊状パターンとなる。環状
のパターンについては、右上に半径大の４分の１の環状パターンとする。ただし
、塊状のパターンから派生したパターンであっても、一番外側一列のみのパター
ンであれば環状パターン、環状パターンから派生したパターンであっても、一番
内側の円を含んでいれば塊状パターンとする。

さらに、幾何学的辞書パターン７０５およびユーザ登録パターンを手動でグル
ーピングし、まとめて情報を付加する手段を備えておき、ユーザが同一だと判断
するパターンには同じ情報をつけられるようにする。これにより位置やサイズの
情報の解像度を調整することができる。重要度の情報はユーザが入力する。特記
事項には、直接不良原因と関連する情報などを入力する。

次に、本発明の欠陥データ解析方法を備えた検査装置の第一の実施例について
説明する。以下の説明では繰り返し欠陥、密集欠陥、線状分布欠陥、環・塊状分
布欠陥、ランダム欠陥を分布特徴カテゴリと呼ぶことにする。半導体基板の検査
装置としては、異物検査装置、光学式パターン欠陥検査装置、ＳＥＭ式パターン
欠陥検査装置などが知られているが、本発明の検査装置は、それら検査装置いず
れかと同様の公知の方法で半導体基板の検査を行い、得られる欠陥データ情報に
基づき、前述の方法で分布特徴カテゴリへの分類を行い、カテゴリ情報を欠陥デ
ータ情報とともに出力するものである。

図１５は、本発明の検査装置の第一の実施例の構成を説明する図である。

パターン情報付加手段３０１は、自動生成される複数の幾何学的辞書パターン
とユーザ登録辞書パターンに対して、パターンの位置、サイズ、形状、重要度、
特記事項といったパターンに関連する情報を付加する。幾何学的辞書パターンに
対してデフォルトの情報を付加する部分と、幾何学的辞書パターンおよびユーザ
登録辞書パターンに手動で情報を付加する部分からなる。パターン情報の付加は
オフラインで行われる。最低一回は実施して結果をハードディスクなどの記憶手
段３０２にパターン情報ファイル３１１として保存しておくようにする。

欠陥データ解析は、インラインとオフラインの両方のモードで実行することが
できる。

検査手段３０３は公知の方法でウェーハ検査を行い、少なくとも欠陥位置座標
を含む欠陥データ１０２を記憶手段３０２に保存する。

インラインモードの場合、検査手段３０３は１枚毎のウェーハ検査終了時に検
査終了の通知を欠陥データ解析手段３０４に送る。欠陥データ解析手段３０４は
、記憶手段３０２よりウェーハ１枚分の欠陥データ１０２を読み込む。あるいは
記憶手段３０２を介さずに欠陥データ１０２の受け渡しがなされるように構成し
てもよい。

オフラインモードの場合、欠陥データ解析手段３０４は、オペレータにより指
示されたウェーハの欠陥データ１０２を読み込む。

欠陥データ解析手段３０４は、欠陥の位置座標をもとに分布特徴カテゴリへの
分類を行い、各欠陥の欠陥データに、分布特徴カテゴリ番号とカテゴリ内のグル
ープ番号を付加する。環・塊状分布欠陥が検出された場合は、記憶手段３０２か
らパターン情報ファイル３１１を読み出し、環・塊状分布欠陥の欠陥データにパ
ターン画像番号またはパターン情報を付加し、検査と解析両方の結果を含む欠陥
データ１０２として記憶手段３０２に保存する。インラインモードの場合は、解
析の終了を検査手段３０３に通知する。

分布特徴カテゴリへの分類結果は、表示手段３０５により表示される。ウェー
ハマップにカテゴリ毎に異なる色で表示しても良いし、図１に示すようにカテゴ
リ別にウェーハマップを作成して表示しても良い。同時にチップ重ね合わせマッ
プを表示しても良い。また、環・塊状分布識別において選択されたパターン画像
７０６は、検査対象ウェーハに関連する情報とパターンに付加されていたパター
ン情報とともに表示手段３０５により表示される。同時に検査対象ウェーハと関
連づけて画像ファイルとして保存される。また、線状分布欠陥が検出された場合
はその位置を示す四角形がウェーハマップに重ねて表示され、同時に位置・幅・
角度・長さ・欠陥密度などの情報が表示される。これらの情報は検査対象ウェー
ハと関連づけて保存される。

ユーザパターン登録手段３０６は、オペレータの指示によりユーザ登録パター
ンを作成し、前述した方法の違いによりパターンコードあるいはパターン画像を
記憶手段３０２に保存する。ユーザパターン登録手段３０６がない構成にするこ
とも可能である。

次に、本発明の欠陥データ解析方法を備えた検査装置の第二の実施例について
説明する。第二の実施例は、公知の方法で半導体基板の検査を行い、得られる欠
陥データ情報に基づき、前述の方法で欠陥の分布特徴カテゴリへの分類を行い、
カテゴリ毎に予め指定されたルールに基づきサンプリングを行い、欠陥データと
ともに分類結果及びサンプリング結果を出力するものである。

図１６は、本発明の検査装置の第二の実施例の構成を説明する図である。

パターン情報付加手段３０１は前述の情報の他に、サンプリング条件番号を付
加する。同一のサンプリング条件を用いる辞書パターンを手動でグルーピングし
、同じサンプリング番号をつける。その番号に対応するサンプリング条件がない
場合は、サンプリング条件作成手段３０７によって、サンプリング条件を作成す
るようにする。

サンプリング条件作成手段３０７は、レビューを行う欠陥を決定するためのサ
ンプリング条件を作成する。環・塊状分布欠陥のパターンに関連づけられたサン
プリング条件および他の分布特徴カテゴリ毎のサンプリング条件が手動で作成さ
れ、サンプリング条件ファイル３１２として記憶手段３０２に保存される。サン
プリング条件は、例えばサンプリング数またはサンプリング比率とサンプリング
方法である。サンプリング数とサンプリング比率はどちらで指定するかのを選択
してから数値を入力する。サンプリング数はパターン内の欠陥数に対するサンプ
リング比率で決められる。サンプリング方法としては、ランダム、欠陥番号順な
ど考えられる方法をリストアップしておき、ユーザによって選択されるようにし
ておく。欠陥番号順が指定されたとき、サンプリング比率に合う間隔でサンプリ
ングを行う。

検査手段３０３、欠陥データ解析手段３０４の動作は、第一の実施例と同様で
ある。

サンプリング手段３０８は、欠陥解析終了後、記憶手段３０２よりサンプリン
グ条件ファイル３１２とウェーハ１枚分の分布特徴情報付加済みの欠陥データ１
０２を読み込む。欠陥データ１０２の受け渡しは、記憶手段３０２を介さずにな
されるように構成してもよい。次に欠陥データが分布特徴カテゴリのいずれであ
るのかによって、環・塊状分布欠陥であれば付加されているパターン情報に関連
するサンプリング条件を用いてサンプリングを行い、その他であれば分布特徴カ
テゴリ毎のサンプリング条件に基づいてサンプリングを行う。サンプリングの結
果、レビューする・しないのフラグが欠陥データに付加され、検査、解析、サン
プリングの結果を含む欠陥データ１０２として記憶手段３０２に保存される。

欠陥データ解析手段３０４によって選択されたパターン画像７０６は、検査対
象ウェーハに関連する情報とパターンに付加されていたパターン情報とともに表
示手段３０５により表示される。ウェーハマップ上にサンプリングされた欠陥が
他の欠陥とは異なる色または記号で示されたものが表示される。図１７に、結果
表示画面の一例を示す。

ユーザパターン登録手段３０６の動作は、第一の実施例と同様であるが、これ
がない構成とすることも可能である。

次に、本発明の欠陥データ解析方法を備えたレビューシステムについて説明す
る。

図１８は、本発明のレビューシステムを説明する図である。

ネットワーク上には異物検査装置４０１、光学式パターン欠陥検査装置４０２
、ＳＥＭ式パターン欠陥検査装置４０３、欠陥データ解析装置４０４、レビュー
装置４０５が接続されている。各検査装置４０１〜４０３とレビュー装置４０５
はクリーンルーム内に設置される。欠陥データ解析装置４０４はどこにあっても
よい。

各検査装置４０１〜４０３によって検査された結果は欠陥データ１０２として
同一形式でファイル出力され、欠陥データ解析装置４０４に転送される。欠陥デ
ータ解析装置４０４は、図１２に示す検査装置から検査手段３０３を除いた構成
である。欠陥解析対象ウェーハの欠陥データ１０２を読み込み、分布特徴カテゴ
リへの分類と、分類結果に基づくサンプリングを実行する。欠陥データ１０２に
分布特徴情報とサンプリングフラグを付加してファイル出力し、レビュー装置４
０５に転送する。

レビュー装置４０５は、指定されたレビュー対象ウェーハに対応する、サンプ
リングフラグを付加された欠陥データ１０２を読み込み、その情報に従い欠陥を
レビューし、手動あるいは自動で欠陥種の分類を行う。分類結果としてカテゴリ
番号を欠陥データに１０２に付加して、ファイル出力し、欠陥データ解析装置４
０５に転送する。同時に関連するレビュー画像も転送する。欠陥データ解析装置
４０５は、解析対象ウェーハの欠陥分布パターン、欠陥レビュー結果をもとにレ
ポートを作成して保存する。レポートに記述する情報は、対象ウェーハの情報、
分布特徴カテゴリへの分類結果、レビュー画像とする。分布特徴と欠陥のレビュ
ー画像が同時に示されることによって、原因の推定が容易になる。ユーザの要求
によって、サンプリング位置情報、レビュー結果とサンプリング比率から算出さ
れる、推定欠陥種別比率、その他、公知の解析手段による解析結果などより詳細
な情報を記述するようにしてもよい。レポートのファイル形式は何でもよいが、
ＨＴＭＬ形式のフォーマットとし、インターネットあるいはイントラネットで接
続されるデータサーバ４０６にアップロードし、接続可能な任意の端末４０７か
ら閲覧できるようにしてもよい。

以上、３種類の検査装置と、１台のレビュー装置が接続されている例を示した
が、最低１台の検査装置と１台のレビュー装置が接続されているだけでもよい。
また、各種検査装置およびレビュー装置が複数台あってもかまわない。各検査装
置が本発明の検査装置の第二の実施例と同様の構成を持っているならば、検査装
置の中で欠陥データ解析装置の機能が実現できるので、独立した欠陥データ解析
装置は不要である。

上記の欠陥データ解析方法、およびそれを有する検査装置またはレビューシス
テムは、一枚のウェーハの欠陥データを処理することを前提としているが、サン
プリングではなく欠陥分布識別を目的とする限りにおいては、複数のウェーハを
解析対象とすることも可能である。その場合、まず、複数のウェーハの欠陥位置
座標を重ね合わせ、重ね合わせられた欠陥位置座標をもとに高密度領域画像を作
成すればよい。

本発明の欠陥データ解析方法の概念を表す処理フロー図である。 繰り返し欠陥識別の処理手順を示す処理フロー図である。 最近点ボロノイ図の例である。 （ａ）及び（ｂ）は、ハフ変換の原理を説明する図である。 線状分布欠陥識別の処理手順を示す処理フロー図である。 （ａ）〜（ｆ）は、線状分欠陥識別処理方法を説明する図である。 環・塊状分布欠陥識別の概念を表す図である。 高密度領域画像作成の処理手順を示す処理フロー図である。 環状の辞書パターンの自動生成方法を説明する図である。 塊状の辞書パターンの自動生成方法を説明する図である。 高密度領域画像とそれぞれの辞書パターン画像との一致度の算出方法を説明する図である。 高密度領域画像と辞書パターン画像との一致度算出方法を説明する図である。 第一のユーザパターン登録方法を説明する図である。 第二のユーザパターン登録方法を説明する図である。 本発明による検査装置の第一の構成を示すブロック図である。 本発明による検査装置の第二の構成を示すブロック図である。 本発明による欠陥データ解析結果を表示する画面の一例を示す表示画面の正面図である。 本発明によるレビューシステムの構成例を示すブロック図である。

符号の説明

１０１…検査装置 １０２…欠陥データ １０３…ウェーハマップ １０
４…繰り返し欠陥 １０５…密集欠陥 １０６…線状分布欠陥 １０７…
環・塊状分布欠陥１０８…ランダム欠陥 ３０１…パターン情報付加手段
３０２…記憶手段 ３０３…検査手段 ３０４…欠陥データ解析手段
３０５…表示手段 ３０６…ユーザパターン登録手段 ３０７…サンプリ
ング条件作成手段 ３０８…サンプリング手段 ３１１…パターン情報ファ
イル ３１２…サンプリング条件ファイル ４０１…異物検査装置
４０２…光学式パターン欠陥検査装置 ４０３…ＳＥＭ式パターン欠陥検査装
置 ４０４…欠陥データ解析装置 ４０５…レビュー装置 ４０６…
データサーバ ４０７…端末装置 ７０４…高密度領域画像 ７０５…幾
何学的辞書パターン ７０６…分布パターン ７０７…ユーザ登録辞書パタ
ーン ７０８…不一致部分を表す画像 ７０９…検査領域画像 ９０１…
指定されたウェーハマップ ９０２…分割パターン ９０３…登録パターン
９０４…指定されたウェーハマップ高密度領域画像

Claims (10)

1. 半導体デバイス製造工程の途中において検査装置を用いて被処理基板を検査して得た該被処理基板上の欠陥の発生の状態を分析する方法であって、
   前記検査装置で検査して得た前記被処理基板上の複数の欠陥のそれぞれの位置情報に基づいて前記複数の欠陥について最近点ボロノイ図を作成して隣接する欠陥間の距離を求め、前記隣接する欠陥間の距離の情報を用いて、前記被処理基板上に繰り返して分布する繰り返し欠陥と、前記被処理基板上に線状に分布する線状欠陥と、前記被処理基板上に密集して分布する密集欠陥とを含む欠陥群を第１のカテゴリに分類される欠陥群として抽出し、
   前記複数の欠陥のうち前記第１のカテゴリに分類されなかった欠陥について該分類されなかった欠陥のそれぞれの位置情報を用いて前記被処理基板上の分布の状態に応じた高密度欠陥画像を作成し、
   該作成した高密度欠陥画像の画素サイズに合わせて複数の幾何学的パターン画像を作成し、
   該作成した幾何学的パターン画像のうちから前記高密度欠陥画像と一致度の高い幾何学的パターン画像を抽出し、
   該抽出した幾何学的パターン画像の領域内に分布する欠陥を環または塊状分布欠陥と分類する
   ことを特徴とする欠陥データ解析方法。
2. 前記第１のカテゴリ又は前記環または塊状分布欠陥に分類されなかった前記被処理基板上の欠陥をランダム欠陥として分類することを特徴とする請求項１記載の欠陥データ解析方法。
3. 半導体デバイス製造工程の途中において検査装置を用いて被処理基板を検査して得た該被処理基板上の欠陥の発生の状態を分析する方法であって、
   前記検査装置で検査して得た前記被処理基板上の複数の欠陥のそれぞれの位置情報に基づいて前記被処理基板上の欠陥分布マップを作成し、
   前記作成した欠陥分布マップ上における前記複数の欠陥について最近点ボロノイ図を作成して隣接する欠陥間の距離を求め、前記隣接する欠陥間の距離の情報を用いて、繰り返して分布する繰り返し欠陥と、線状に分布する線状欠陥と、密集して分布する密集欠陥とを抽出し、
   前記作成した欠陥分布マップ上に分布する前記欠陥の中から前記抽出した欠陥を除いた欠陥について分布の状態に応じた高密度欠陥画像を作成し、
   該作成した高密度欠陥画像の画素サイズに合わせて複数の幾何学的パターン画像を作成し、
   該作成した幾何学的パターン画像と前記高密度欠陥画像との一致度を評価し該評価結果に基づいて幾何学的パターン画像を選択し、
   該選択した幾何学的パターンを用いて前記作成した欠陥分布マップから環または塊状分布欠陥を抽出する
   ことを特徴とする欠陥データ解析方法。
4. 前記高密度欠陥画像は、前記被処理基板上に分布する前記欠陥の密度に基づいて作成した２値化画像であることを特徴とする請求項１又は３に記載の欠陥データ解析方法。
5. 前記幾何学的パターン画像を、環状のパターンと塊状のパターンとに分けて生成し、前記環状のパターンを基準となる円を同心円によって半径方向に分割して扇形によって中心角方向に分割して形成し、前記塊状のパターンを基準円の直径と同じ長さの長軸を有する２つの楕円によって分割される小領域の組合せによって形成することを特徴とする請求項１又は３に記載の欠陥データ解析方法。
6. 前記繰り返し欠陥、線状欠陥、密集欠陥、環分布欠陥または塊状分布欠陥の何れにも分類されなかった前記被処理基板上の欠陥をランダム欠陥として分類することを特徴とする請求項３記載の欠陥データ解析方法。
7. 半導体デバイス製造工程の途中において検査装置を用いて被処理基板を検査して得た該被処理基板上の欠陥の発生の状態を請求項１又は３記載の欠陥解析方法により分析する装置であって、
   前記検査装置で検査して得た前記被処理基板上の複数の欠陥のそれぞれの位置情報を含む欠陥データを記憶する第１の記憶手段と、
   前記第１の記憶手段に記憶した欠陥の位置情報を用いて該欠陥の分布特徴カテゴリーへの分類を行うデータ解析手段と、
   該データ解析手段で分類した欠陥分布のうち環または塊状分布欠陥の情報を記憶する第２の記憶手段と、
   前記データ解析手段で処理した結果を表示する表示手段とを備え、
   前記データ解析手段において、
   前記第１の記憶手段に記憶しておいた前記被処理基板上の複数の欠陥のそれぞれの位置情報に基づいて前記複数の欠陥を該欠陥の分布の状態に応じて前記被処理基板上に繰り返して分布する繰り返し欠陥と、前記被処理基板上に線状に分布する線状欠陥と、前記被処理基板上に密集して分布する密集欠陥とを含む欠陥群を第１のカテゴリに分類される欠陥群として抽出し、
   前記複数の欠陥のうち前記第１のカテゴリに分類されなかった欠陥について該分類されなかった欠陥のそれぞれの位置情報を用いて前記被処理基板上の分布の状態に応じた高密度欠陥画像を作成し、
   該作成した高密度欠陥画像の画素サイズに合わせて複数の幾何学的パターン画像を作成し、
   該作成した幾何学的パターン画像のうちから前記高密度欠陥画像と一致度の高い幾何学的パターン画像を抽出し、
   該抽出した幾何学的パターン画像の領域内に分布する欠陥を環・塊状分布欠陥と分類することを特徴とする欠陥データ解析装置。
8. 前記データ解析手段において分類する第１のカテゴリとして、前記被処理基板上に繰り返して分布する繰り返し欠陥と、前記被処理基板上に線状に分布する線状欠陥と、前記被処理基板上に密集して分布する密集欠陥とを含むことを特徴とする請求項７記載の欠陥データ解析装置。
9. 前記データ解析手段において作成する前記高密度欠陥画像は、前記被処理基板上に分布する前記欠陥の密度に基づいて作成した２値化画像であり、該欠陥の密度は、前記データ処理手段において、各欠陥について最近接ボロノイ図を作成し、各欠陥のボロノイ領域の面積を求め、該求めたボロノイ領域の面積の情報を用いて求めたものであることを特徴とする請求項７記載の欠陥データ解析装置。
10. 前記データ解析手段において、前記幾何学的パターン画像を環状のパターンと塊状のパターンとに分けて作成し、前記環状のパターンは基準となる円を同心円によって半径方向に分割して扇形によって中心角方向に分割して形成し、前記塊状のパターンは基準円の直径と同じ長さの長軸を有する２つの楕円によって分割される小領域の組合せによって形成することを特徴とする請求項７記載の欠陥データ解析装置。

Images