JP4763130B2 - 不変のコアクラスでの自動欠陥分類 - Google Patents

Description

【０００１】
（本発明の技術分野）
本発明は、物品の表面上の欠陥を自動的に分類するための方法及び装置に関する。本発明は、ミクロン以下の設計外形の高密度半導体デバイスの製造の間に半導体ウェーハのインライン検査のための特定の適用可能性を有している。
（本発明の背景）
超大規模集積に関連した高密度及び性能のための現在の要求は、ミクロン以下の外形、トランジスタ及び回路速度の増加及び信頼性の向上を必要としている。そのような要求は、非常に正確で均一なデバイスの外形の形成を必要とし、それらがまだ半導体ウェーハの形である間、頻繁に詳細な検査を含めて、代わるがわる注意深い処理監視を必要とする。
【０００２】
伝統的なインライン監視技術は、検査及び再調査手順を使用し、ウェーハの表面は最初、高速でかなり低解像度の検査ツール、例えば、ＣＣＤ（電荷結合素子）又はレーザのような光電変換器により走査される。その後、統計的方法は、欠陥の高い確率を有するウェーハ上の疑わしい位置を示す欠陥マップを作るために使用される。潜在的欠陥の数及び又は密度が所定レベルに達した場合には、警報が鳴らされ、潜在的な欠陥場所のより詳細な様子が保証されることを示す。この技術は、欠陥の「総密度監視」として公知であり、「総欠陥密度」と呼ばれる統計値を作る。
【０００３】
欠陥密度が所定レベルに達すると、影響を受けたウェーハの再調査が保証される。再調査プロセスは、検査装置の光学部分をより高解像度に変え、又は全く異なる装置を使用することにより行われる。再調査を行うため、欠陥マップが再調査装置に与えられ、その後、それぞれの疑わしい場所の再検出及び再調査が欠陥マップに従って行われる。
【０００４】
再検出と呼ばれる技術において、潜在的な欠陥場所は、同一ウェーハ上の近接した欠陥のないダイ上の比較可能な位置のような基準場所とそれぞれ比較され、欠陥の存在を積極的に決定する。より詳細な再調査手順は、その後、ＣＣＤでの走査のように、個々の欠陥場所で行われ、かなりの高解像度画像を作り、その後、パターン認識技術を使用して分析され、欠陥の種類（例えば、欠陥パターン、粒子、又は引っかき傷）を決定する。
【０００５】
従って、欠陥を分類し、特定の修正動作に向け、将来の欠陥を防ぐ詳細な再調査手順は、通常、非常に多くのそのような欠陥が発生しそうな後にのみ行われる。その結果、そのような欠陥はほとんど検出できないままであり、かなりの数のウェーハが製作され、欠陥により生じた問題を示し始めるようになる。欠陥の子の遅い発見は、生産高を低下させ、製造スループットを低下させる結果となる。
【０００６】
その上さらに、欠陥が分類されず、警報が起こるようになるので、警報は一定数の欠陥が恐らく起こることののみを示し、警報はまた、重要なタイプの許容可能な小量の欠陥のみが発生した時、すなわち、潜在的欠陥が修正動作を恐らく保証するであろうかどうか警報が起こる前に決定する方法がない時に、発生されてもよい。
【０００７】
その上さらに、ＣＣＤ等の光学デバイスはそれらの性能で制限され、欠陥のタイプを分析すると共にそれを正確に確認する。第１に、それらの画像の解像度は画素サイズにより制限される。第２に、それらは２次元画像のみを作るので、それらは欠陥の形態、又はそれがウェーハ表面上にあるのか、ウェーハの表面下にあるのかに関する多量の情報を収集することができない。第３に、引っかき傷のような一定のタイプの欠陥からの光の反射による輝度は、ＣＣＤを圧倒し、誤った欠陥数及び誤った警報を生み出すことがある。従って、再調査は、通常、手動でなされ、オペレータはそれぞれの関心の疑わしい場所を再調査する。
【０００８】
最近、分類された欠陥密度を監視することは、総欠陥密度を監視するのが好ましいと認識されているので、欠陥の分類のための各種方法が導入されている。しかし、これらの方法の有効性は、同意された欠陥クラスのセットがないので減少している。特に、異なる半導体製作者は異なる欠陥を重要であると考え、そのため、異なるセットの結果クラスを使用する。その結果として、従来技術の分類方法は特定のユーザに合わせて作られる。
【０００９】
従来技術の欠陥分類システムの別の問題は、それらがユーザの特定のクラスに合せて作られているので、それらは動作可能となる前にそれぞれの欠陥のクラスのために多くの例の欠陥画像を得る必要がある。その結果として、従来技術のシステムは製造ラインの開始及び立上りの間に使用することができない。
【００１０】
欠陥を発生させる処理を明らかにするため、素早く、意味深長に半導体ウェーハを再調査すると共に自動的に欠陥を分類する必要性がある。この必要性は、デバイスの表面外形の密度、ダイのサイズ、層数が増加すると、 ますます重要になってきており、許容できる生産高を達成するため欠陥数を強烈に減少させる必要がある。
【００１１】
欠陥の原因に相関する標準セットのクラスのための必要性もある。しかし、異なるプロセスラインはお互いに異なる欠陥に敏感であるので、各種ユーザの必要性に適応させる柔軟性を有する欠陥分類システムの必要性がさらにある。
【００１２】
製造ラインの開始及び立上りの間に作動可能で、動作可能となる例の欠陥画像を必要としない自動欠陥分類システムの必要性がさらにある。
（本発明の概要）
本発明の目的は、半導体ウェーハにおいて、早く確実な欠陥の分類のための方法及び装置を供給することである。
【００１３】
本発明によれば、前述した他の目的は、物品の表面上の欠陥を自動的に分類する方法により部分的に達成され、その方法は、表面を映像し、欠陥を所定数の不変のコアクラスの欠陥の１つとして分類することを含んでいる。その後、欠陥は、本発明のユーザの選択で、不変のコアクラスの少なくとも１つの任意数の異なる下位クラスの１つであると分類されてもよい。
【００１４】
本発明の別の特徴は、物品の表面上の欠陥を検査する方法であり、その方法は、欠陥の画像を取得し、基準画像を得、欠陥画像と基準画像を比較し、予想の欠陥の足跡を作り、拡大欠陥画像を得、拡大基準画像を得、予想の欠陥の足跡、拡大欠陥画像及び拡大基準画像を比較し、欠陥の足跡を作ることを含んでいる。
【００１５】
本発明のさらなる特徴は、上記方法のステップを実行するための装置である。
【００１６】
本発明のさらなる特徴は、物品の表面上の欠陥を自動的に分類するための命令を運ぶコンピュータで読取り可能な媒体であり、命令は、実行する時に、１以上のプロセッサに上記方法のステップを行わせるように配列されている。
【００１７】
本発明のさらなる目的及び利点は、当業者であれば、以下の詳細な説明から容易に明らかであり、本発明を実施するために考えられる最良の態様を単に示すことにより、本発明の好適な実施例だけが示され、説明されている。分かるように、本発明は他の異なる実施例が可能であり、その幾つかの詳細は、本発明から逸脱することなくすべて、各種明らかな箇所に修正可能である。従って、図面及び説明は、制限的ではなく、事実上、例示として考慮されるべきである。
（好適な実施例の説明）
伝統的な半導体ウェーハ検査技術は重大な欠陥を早期発見しないが、全てのタイプの欠陥の一定量が発生することを示すだけである。その上さらに、伝統的な検査技術は、欠陥を十分に詳細に分析し、欠陥源の早期積極的な確認をする情報を供給することはできない。本発明は、欠陥の自動分析を重要な範疇に供給し、早期の修正動作を取らせることにより、これらの問題と取組み、解決する。
【００１８】
本発明の方法学の一定の実施例によれば、半導体ウェーハの欠陥マップが発生された後、それぞれの欠陥場所及び一致する公知の欠陥のない基準場所は走査型電子顕微鏡（ＳＥＭ）により映像され、位置及び地形データを収集すると共に蓄積する。このデータは、その後、分析され、欠陥を複数（例えば、７つ）の不変のコアクラスの欠陥の１つであるとして分析し、本発明のユーザにより定義された任意数の下位クラスの１つであるとしてさらに分類される。
【００１９】
図１は、本発明の方方角により行われるコアクラスへの自動欠陥分類の概念フローチャートである。欠陥１はパターン欠陥２Ａ又は粒子欠陥２Ｂとして広く分類され、ウェーハ表面上の窪み及び微小引っかき傷３Ａ、表面上の欠落パターン３Ｂ、表面上の余分なパターン３Ｃ、表面上の変形パターン３Ｄ、表面上の粒子３Ｅ、表面内に埋め込まれた粒子３Ｆ、又は表面上の粒子及び変形パターン３Ｇの７つの例示の不変のコアクラスの欠陥の１つにさらに配置される。任意の下位クラスは、隣接の配線パターン、小粒子、大粒子、破壊ライン、狭いパターン等の間のブリッジ（すなわち、短絡）を含んでいる。本発明の欠陥の分類は、特定のプロセスステップ又は特定部分の処理機器のようなそれらの源への欠陥の原因へのトレーシングを容易にする。
【００２０】
典型的なウェーハ処理手順は、酸化物、金属、窒化物のような材料の堆積、フォトレジストの適用、フォトレジストの現像、エッチング及び又は研磨、洗浄、及び、最後の、検査及び再調査のステップを含んでいる。上述したプロセスステップのパラメータは欠陥を持ち込むことがあり、ほとんどの欠陥は異質の材料から発生する。欠陥を粒子欠陥２Ｂとして分類することは、異質な物質がウェーハ表面上にまだあることを意味している。そのため、欠陥が埋め込まれた粒子の欠陥３Ｆとしてさらに分類される場合には、これは堆積処理の前又はその間に結果が発生し、それにより、適切な修正動作を示すことを意味している。しかし、欠陥が表面上の粒子３Ｅとして分類された場合には、分光器の使用等により異質物質のさらなる分析が行われ、粒子の材料成分を明らかにし、その原因を追跡し、従って、欠陥の原因を正確に指摘してもよい。
【００２１】
他方、特定のタイプのパターン欠陥２Ａとしての欠陥の分類（すなわち、窪み３Ａ、欠落パターン３Ｂ、余分なパターン３Ｃ、又は変形パターン３Ｄ）は、異質な材料がウェーハにもはや存在しないことを意味し、その結果だけが見られる。製造プロセスのユーザの知識に基づいて、ユーザは、例えば、窪み及び微小引っかき傷３Ａは研磨処理により起こり、欠落又は余分なパターンの欠陥３Ｂ，３Ｃはフォトレジストの頂部上の異質物質のため起こり、又は、変形パターン３Ｄは湾曲及び焦点の損失を起こすウェーハ及びその支持チャックの間の粒子のような、フォトリソグラフィ問題のためであると結論付けることができる。
【００２２】
欠陥が分類されると、数はそれぞれのタイプの欠陥の発生数を維持され、特定のクラスの欠陥数画所定レベルを超えた場合に、警報が起こるようになっている。従って、欠陥は正確且つ確実に分類及び監視され、処理問題の早期検出及び回復を可能にする。このタイプの情報に基づいて、本発明のユーザは欠陥数のためより厳しい閾値を設定可能である。さらに、ユーザは、それらの固有の変数（例えば、重要な処理問題が発生している時に増える特定の欠陥のタイプの傾向）又はデバイスの故障を発生させる特定の欠陥の傾向（すなわち、その「消失率」）によって、異なる欠陥タイプのための異なる警報閾値を設定可能である。
【００２３】
この分類された欠陥密度のアプローチの有用性は、図２に示されており、複数のウェーハＷ１〜Ｗ８のための欠陥クラスＡ〜Ｇによる欠陥数を図表的に示している。欠陥の総数がほぼ一定であることが図２から分かるが、欠陥タイプＤの発生は、全ての他の欠陥タイプの発生はほぼ一定であるけれども、著しく増えている。従って、ユーザは、欠陥Ｄがデバイス故障を引き起こす傾向がある場合には、欠陥タイプＤを減らすため警報閾値を設定可能であり、又は、ユーザは、結果タイプの増加を検出するため、全ての結果タイプＡ〜Ｇ用の約４０の欠陥で警報閾値を設定可能である。
【００２４】
本発明の実施例は図３〜１４ｂに示されている。図３に示されているように、欠陥のため検査される半導体ウェーハＷは複数のパターン化された集積回路のダイ１０００を有している。最初、欠陥マップは、高速検査ツール（ＣＣＤ、レーザ又はＳＥＭがこの目的のために使用されていもよい）でウェーハの表面を走査するような、伝統的な技術により作られ、その後、通常、アルゴリズム及び又はグレースケール分析を含む統計的方法を使用して、欠陥の高い可能性を有するウェーハの疑わしい位置を明らかにする。
【００２５】
次に、図４Ａ〜４Ｃに示されているように、再検出手順がそれぞれの検出位置で行われ、欠陥の正確な位置を決定する。伝統的なＣＣＤスキャナー又はＳＥＭは疑わしい欠陥位置でパターン１０を映像するために使用されてもよく、その後、欠陥を有する疑わしくない同一ウェーハの近接又は他のダイの一致位置で基準パターン２０と比較される。疑わしい欠陥パターン１０と基準パターン２０の間で相違が見出された場合には、疑わしい欠陥パターン１０は欠陥であると決定され、発明の分析及び分類が始まる。
【００２６】
図５は発明の方法学の第１フェーズのフローチャートであり、欠陥の全ての次の分析及び分類で使用される欠陥の「欠陥の足跡」又は詳細な画像を作り出す。ステップ１００では、欠陥であると前に決定されたパターンのピクチャ１１０（すなわち、再検出手順からの欠陥パターン１０）及びウェーハ上のその周囲領域が得られると共に蓄積される。本明細書及び特許請求の範囲で参照された全ての画像は、好ましくは、（ＤＲＡＭ、磁気又は光学記憶媒体のように）電子的に蓄積され、全ての開示された画像操作及び分析は、好ましくは、自動的、電子的に行われる。取得された欠陥ピクチャ１１０は、好ましくは、電子で衝撃を与えられたウェーハから放射された、異なる角度セクタからの電子を収集する共に複数の遠近法により欠陥及びその周囲領域の画像を発生可能なＳＥＭにより作られている。このタイプのＳＥＭは映像領域の地形の外形及び材料の外形の両方の高解像度映像及び測定を可能にする。そのようなＳＥＭは、Litman等の米国特許5,644,132及びHalavee等の米国特許4,941,980に説明され、それらの全体の開示はここにインコーポレイテッドバイリファレンスされている。
【００２７】
欠陥パターンの位置による基準パターンのピクチャ２１０は、ステップ２００において、同一倍率で取得される。基準ピクチャ２１０は複数の欠陥のための共通のピクチャとすることができ、又は、各欠陥のための一致するものとすることができ、又は、ダイのコンピュータ援用設計（ＣＡＤ）図面から得ることができる。基準ピクチャ２１０は、通常、再検出手順からの基準パターン２０である。
【００２８】
取得された欠陥ピクチャ１１０及び取得された基準ピクチャ２１０はステップ３００で比較され、予想の欠陥の足跡４１０はステップ４００で作られる。予想の欠陥の足跡４１０は欠陥の輪郭境界、すなわち、欠陥のみを含む欠陥回りに描かれた境界曲線である。予想の欠陥の足跡４１０は高品質ピクチャでなくてもよく、すなわち、それはノイズを含んでいてもよい。そのため、追加の中間ステップが行われ、欠陥を含む取得された欠陥ピクチャ１１０の一部分（すなわち、取得された基準ピクチャ２１０とは異なる取得された欠陥ピクチャ１１０の一部分）はステップ５００で拡大され、拡大された取得欠陥ピクチャ５１０を作る。取得基準ピクチャ２１０はまた、ステップ６００において、取得基準ピクチャ１１０の拡大領域に対応する領域で拡大される。ステップ６００での拡大は、好ましくは、コンピュータで読取り可能な媒体により実行されるアルゴリズムを使用して行われ、このステップのために要求されるメモリ量を減少させ、拡大された基準ピクチャ６１０を作る。
【００２９】
ステップ７００では、予想の欠陥の足跡４１０、拡大された取得欠陥ピクチャ５１０及び拡大された基準ピクチャ６１０は比較されると共に細分化され、ステップ８００で欠陥の足跡を作り出す。欠陥の足跡８１０の例は図６に示され、対応する拡大基準ピクチャ６１０の例は図７に示されている。
【００３０】
欠陥及びそのすぐ隣りの周囲を示す図８ａ〜１３は、発明の方法学の第２フェーズを示しており、欠陥の足跡及び基準画像の境界分析を行い、７つのコアクラスの１つで欠陥を分類する。図１４ａ及び１４ｂは発明の第２フェーズのフローチャートである。以下の手順は、例えば、コンピュータで読取り可能な媒体の一連の命令により、自動的に行われ、アルゴリズム的に制御される。
【００３１】
図７及び図１４ａを再度、参照すると、最初、拡大基準ピクチャ６１０が分析され、ステップ１４０１で基準セグメント化が呼び出され、基準パターンに一致する部分６１０ａ及び基準パターンへの背景に一致する部分６１０ｂを明らかにする。
【００３２】
次に、図７、８ａ及び１４ａを参照すると、欠陥ピクチャ８００及び基準ピクチャ６１０の両方に存在する共通の境界ＣＢが明らかにされ、欠陥の足跡８１０だけに存在する欠陥境界ＤＢが明らかにされ、基準ピクチャ６１０に存在する基準境界ＲＢだけ（破線）がステップ１４０２で明らかにされる。この情報は、基準セグメント化データ及び地形データと共に、以下のステップで分析され、７つのコアクラスの１つに欠陥を分類する。
【００３３】
図８ａ，８ｂ，９，１０及び１４ａを参照すると、欠陥の足跡８１０〜８１３を分析するにおいて、ステップ１４０３で、図８ａ，８ｂ及び９の欠陥の境界ＤＢ及び図１０のＤＢ１は開放形状（すなわち、輪又は多角形でない）を有し、そのための欠陥がパターン欠陥である（ステップ１４０４ａ）ことが決定される。
【００３４】
次に、基準セグメント化データはステップ１４０５で調べられ、図９に示された欠陥は、そのため、ステップ１４０６ａにおいて、欠落又は変形パターンの欠陥として分類される（すなわち、基準データのパターンデータは欠陥画像の背景として示されている）。図１０のＤＢ１に関連した欠陥はまた、欠落パターンの欠陥として分類されるであろう。その後、ステップ１４０６ｂにおいて、別の欠陥境界（すなわち、図１０のＤＢ２）が欠陥の足跡に存在するかどうかが決定される。この点では、図９の欠陥は、ステップ１４０６ｃにおいて、欠落パターンの欠陥として最終的に分類される。しかし、図１０に示されているように、ＤＢ２が存在する場合には、基準セグメント化データはステップ１４０６ｄにおいて再び調べられ、ＤＢ２の欠陥は余分なパターンであると決定される。ＤＢ１が欠落パターンであると共にＤＢ２が余分パターンであるので、図１０の欠陥はステップ１４０６ｆにおいて、変形パターンの欠陥として最終的に分類される。対照的に、ＤＢ１及びＤＢ２が共に欠落パターンである場合には、欠陥はステップ１４０６ｅにおいて、欠落パターンの欠陥として分類されるであろう。
【００３５】
図１４ｂを参照すると、基準セグメント化データは欠陥がステップ１４０５において余分なパターンの欠陥であることを示している場合には、それが図８ａ及び８ｂの欠陥のためであるように、欠陥の足跡８１０及び８１１はステップ１４０７のさらなる欠陥境界ＤＢＥの存在のためにさらに分析される。ＤＢＥが存在しない場合には、（図８ａの欠陥のような）欠陥はステップ１４０８ａにおいて余分なパターンの欠陥として分類される。その後、図１０のＤＢ２のように別の欠陥境界が欠陥の足跡に存在しているかどうかをステップ１４０８ｂにおいて決定される。そうでない場合には、図８ａの欠陥はステップ１４０８ｃにおいて余分なパターンの欠陥として最終的に分類される。しかし、万一、ＤＢ２が存在した場合には、基準セグメント化データはステップ１４０８ｄにおいて再度調べられ、ＤＢ２の欠陥は余分なパターン又は欠落パターンとして決定されるであろう。ＤＢ２が余分なパターンである場合には、欠陥はステップ１４０８ｅにおいて余分なパターンとして分類され、ＤＢ２が欠落パターンである場合には、欠陥はステップ１４０８ｆにおいて変形パターンとして分類されるであろう。
【００３６】
ＤＢＥが（例えば、図８ｂの欠陥に）存在する場合には、ＳＥＭにより集められた地形データはステップ１４０９において調べられ、ＤＢＥに隣接する領域の平坦度を調べ、ＤＢＥが実質的に平坦でない場合には、欠陥境界ＤＢにより拘束された欠陥のある余分なパターンの下に粒子が埋め込まれていると決定される。その結果として、図８ｂの欠陥はステップ１４１０において粒子及び変形パターンの欠陥として分類される。他方、ＤＢＥに隣接の領域が実質的に平坦である場合には、欠陥はステップ１４１１において余分なパターンの欠陥として分類されるであろう。その後、別の欠陥境界ＤＢ２が欠陥の足跡に存在するかどうかが決定され、上述したように、ステップ１４０８ｂ〜１４０８ｆの分析が行われるであろう。
【００３７】
図１１及び１４ａを参照すると、欠陥境界ＤＢがステップ１４０３において、欠陥の足跡８１４でのように、閉鎖形状を有すると決定された場合には、ステップ１４０４ｂにおいて、粒子又は孤立したパターンの欠陥であると考えられ、ステップ１４１２において、欠陥境界ＤＢが共通の境界ＣＢを横切るかどうかをさらに決定する。ＤＢが図１１に示されているようにＣＢを横切らない場合には、欠陥は孤立した欠陥である。しかし、それがウェーハ上の余分なパターンか又は粒子のいずれかとすることができる。その分類を決定するため、地形データがステップ１４１３において調べられ、ＤＢにより拘束された領域の平坦度を決定する。その領域が実質的に平坦な場合には、欠陥はステップ１４１４において余分なパターンの欠陥として分類される。その領域が実質的に平坦でない場合には、それはステップ１４１５において表面上の粒子として分類される。
【００３８】
図１２ａ及び１２ｂは欠陥の足跡８１５，８１６を示しており、欠陥境界ＤＢは閉鎖形状を有するが、それはステップ１４１２においてＤＢが共通の境界ＣＢ１及びＣＢ２の２つを横切ることが決定されるであろう。そのような決定がなされた場合には、ステップ１４１６において、欠陥の足跡８１５に存在しない基準画像６１０の境界ＲＢが欠陥境界ＤＢにより横切られた２つの共通の境界ＣＢの間にあるかどうかが次に決定される。そうである場合には、この欠陥はステップ１４１７において表面上の粒子として分類される。しかし、第３の共通の境界ＣＢ３が欠陥境界ＤＢ内にある場合には、この欠陥はステップ１４１８で埋め込まれた粒子として分類される。
【００３９】
図１３は窪み及び微小引っかき傷のコアクラスの欠陥の足跡８１７を示している。窪みはウェーハ表面の小溝である。微小引っかき傷はウェーハ表面の非常に小さい引っかき傷である。
【００４０】
図１３に示されているような窪み及び微小引っかき傷、及び図１２ａ及び１２ｂに示された粒子欠陥の検出は、好ましくは、Halavee及びLitmanに開示されているように、ＳＥＭの複数遠近法の映像技術を使用して達成される。これらの技術は、図１８〜２０に関連させて簡単に説明されるであろう。図１８は、複数のＳＥＭ画像を使用してウェーハ構造の欠陥に関する深さ情報を決定するためのＳＥＭリビューステーションを示している。図１８のＳＥＭリビューステーションは、粒子又は凹部のような、窪み又は微小引っかき傷のような、突出部であるかどうかを決定するのに役立つ。
【００４１】
図１８に示されたステーションは、検出器とも呼ばれる複数のセンサを備えている。この例示の実施例では、ＳＥＭコラム１８１０に関して中心に配置された第１センサ１８９０がある。第１センサ１８９０はまたコラム内検出器とも呼ばれる。左に配置された第２センサ１８１００及び右に配置された第３センサ１８１１０があり、コラム外検出器とも呼ばれる。図１８のステーションのステーションは、ウェーハ１８３０に電子ビーム１８２０を導くと共にウェーハ８３０から放射された電子１８８０を検出することにより、実質的に同時にステージ１８５０に取付けられたウェーハ８３０の３つの画像を取る。第１センサ１８９０により作られた画像は第１画像と呼ばれ、第２センサ１８１００からのものは第２画像、第３センサ１８１１０からのものは第３画像と呼ばれる。しかし、これらのラベルは言語の都合だけであり、画像検出の順序又はシーケンスを包含することを意味しない。図１８に示された例示のステーションは、３個の固定センサ１８９０，１８１００及び１８１１０を有しているが、画像は同時に又は特定の順序で取る必要がないので、３個より少ない可動センサを使用し、それらを要求されるようにセンサ１８９０，１８１００及び１８１１０を３箇所の異なる位置に移動することが可能である。
【００４２】
ＳＥＭ映像の性質のため、第１画像が遠近法の電子ビーム１８２０を有し（すなわち、直接頭上）、あたかも照明が第１センサ１８９０から来るかのように現れる（すなわち、直接頭上）ことが明らかにされるであろう。第２画像は第１画像と同一の遠近法を有するが（すなわち、直接頭上から見る遠近法）、あたかも照明が第２センサ１８１００から来るかのように現れる（すなわち、左からの照明）。第２及び第１画像のように、第３画像は同一の頭上遠近法を有するが、あたかも照明が右から（すなわち、第３センサ１８１１０から）来るかのように現れる。
【００４３】
従って、３つの画像は、欠陥１８４０の領域の明るくかすんだ外形に関する異なる情報をそれぞれ供給し、全ては同一の遠近法からである。従って、直接頭上からだけ見る時に平坦に現れる外形は、他の２つの画像と関連させて見ると異なって見える。欠陥が極端に小さく、そのため、幾つかの欠陥が３つの画像の１つで検出可能であることが分かるだけでよいことに注意すべきである。
【００４４】
本質において、第１及び第３画像は欠陥を特徴づけるのに有用なグレースケール影を供給し、第２画像は頭上の実質的に平坦な視界を供給する。
【００４５】
この複数の遠近法の映像技術の利点を評価する方法は、平坦面から突出する出っ張りを考慮することである。この出っ張りは欠陥を示す。頭上からの照明で直接頭上からこの出っ張りを見ると、出っ張りは図１９（ａ）に描かれているように平坦なパターン又はステインとして現れてもよい。そのような結果は第１センサ１８９０により作られた画像から得られるかもしれない。この画像だけに基づいて、この欠陥を平坦な円、突出する出っ張り、又は穴として特徴づけるのは難しいであろう。
【００４６】
第２センサ１８１００から作られた画像において、見る人の遠近法はまだ直接頭上であるが、照明は左から来るように見える。このような条件の下、図１９（ｂ）に描かれているように、出っ張りは左の明るい部分及び右のかすんだ部分を有するとして現れてもよい。従って、欠陥１８４０が突出物であり、穴ではないことが決定されてもよい。
【００４７】
第３センサ１８１１０から作られた画像では、見る人の遠近法はまだ直接頭上であるが、照明は右から来るように見える。これらの条件の下、図１９（ｃ）に描かれているように、出っ張りは右の明るい部分及び左のかすんだ部分を有するとして現れてもよい。従って、突出物として欠陥１８４０の決定が確認される。例えば、信頼レベルを増加させるため、第２センサから作られたグレースケールは第３センサにより作られたそれらと比較されることができる。
【００４８】
他方、欠陥１８４０が窪みであると仮定しよう。第１センサ１８９０により作られた画像はまだ、図１９（ａ）に描かれているようなものであるかもしれない。第２センサ１８１００により作られた画像は、図１９（ｃ）に示されているように、穴の左のより暗い領域及び右のより明るい領域を示すであろう。同様に、第３センサ８１１０の出力により作られた画像は、図１９（ｂ）に描かれたように、穴の右のより暗い領域及び左のより明るい領域を示すであろう。
【００４９】
本発明による欠陥を分類する複数の遠近法映像の適用の例は、図２０（ａ）〜（ｅ）を使用して説明されるであろう。図２０（ａ）は微小引っかき傷としての欠陥１８４０を有するウェーハ構造の一部分を示している。図２０（ｂ）は基準線Ｂ−Ｂに沿ったウェーハ構造１８３０の簡略断面図を示している。図２０（ｂ）に示されているように、微小引っかき傷（すなわち、欠陥１８４０）は、実質的に左側が壁で右側が徐々に傾斜している垂直な引っかき傷である。図２０（ａ）はこの欠陥１８４０の上下端部を示し、これらは参照及び例示の容易のため簡単である。微小引っかき傷は、徐々に傾斜する端部を有していそうである。
【００５０】
図２０（ｃ）はこの欠陥１８４０が第１センサ１８９０からどのように現れるかを示している。第１センサ１８９０のデータから供給された画像の照明が頭上からであると見える限り、影は見えず、第１センサ１８９０からの画像は平坦に見え、微小引っかき傷は直線形状のみであると見える。深さ情報はこの第１画像においては取得できない。
【００５１】
図２０（ｄ）はこの欠陥１８４０が第２センサ１８１００からどのように現れるのかを示している。照明は左から来るように見え、従って、影は微小引っかき傷の実質的に左側の壁により生じている。影の長さ及び第２センサ１８１００の位置を与えて、微小引っかき傷の深さについての情報が決定可能である。
【００５２】
図２０（ｅ）はこの欠陥１８４０が第３センサ１８１１０からどのように現れるかを示している。照明はそのような画像の右から来るように見えるが、微小引っかき傷の徐々に傾斜する右側は影を与えない。微小引っかき傷の左側の壁の傾斜のため、第３センサ１８１１０の出力から供給された画像は平坦に見え、欠陥１８４０が直線形状のみであるように見える。
【００５３】
この例では、欠陥１８４０は実質的に直線であった。欠陥はめったにそんな簡単な構造を有すことはないであろうし、一緒に取られた３つの画像から入手可能な情報は、通常、検出し、ほとんどの欠陥を特徴づけるのに十分現れるであろう。
【００５４】
要約するため、複数の遠近法の映像技術は、複数の欠陥の画像を使用して、窪み及び微小引っかき傷又は粒子の欠陥として欠陥を分類するための深さの情報を供給し、画像は同時に欠陥に関して異なる位置で異なるＳＥＭセンサで取られる。複数の画像が比較される。複数の画像の欠陥の影の相違は深さ情報を決定するために分析される。より詳細には、分析は、欠陥が平坦か、図１２ａ及び１２ｂに示されているような粒子の欠陥のような突出物であるか、又は、図１３に示された窪み又は微小引っかき傷等の凹部であるかどうかを決定する。
【００５５】
本発明の別の実施例では、参照番号Ｍ１〜Ｍ３として図１８に示されているように、モニター又はモニターのセットが供給され、センサ１８９０、１８１００及び１８１１０により作られたそれぞれの画像の表示をユーザに供給する。第１センサ１８９０からの画像が他のセンサ１８１００，１８１１０とは異なる情報を供給しているので、３つの異なる画像への視覚上のアクセスは有利である。
【００５６】
ステーションの中央に配置された第１センサ１８９０は、欠陥及びその周囲領域の問題の構成に関する情報を含み、すなわち、それは異なる材料の間の影の対照により、１又は複数の異なる材料の存在の視覚上の表示を与える。例えば、２以上の材料が存在する場合、各材料は異なって陰になるので、これは可視上検出可能であろう。第２及び第３センサ１８１００，１８１１０は上述したように、欠陥の地形に関する画像を作り、ウェーハ表面の出っ張り又は穴として欠陥を認識させる。全ての３つのセンサ１８９０，１８１００，１８１１０から画像を表示することにより、ユーザは欠陥の異なる外形を見ることができ、従って、例えば、欠陥がウェーハ表面上の出っ張りであり、出っ張りが表面とは異なる材料製であることをユーザに決定させる。
【００５７】
コアクラスから分割された欠陥のいろいろな下位クラスは、好ましくは、ユーザにより構成可能な「オンオフモジュール」又は「ビルディングブロック」として供給され、ユーザがそれらの処理を開発し、どのタイプの欠陥が確認及び監視のために必要か、下位クラスが追加又は削除可能かを決定する。
【００５８】
例えば、図１５ａは「ブリッジング」として公知な欠陥のタイプを示しており、ユーザにより要求されているように、（例えば、図１４ｂのステップ１４０８，１４１０又は１４１１の後）欠陥の余分なパターンのコアクラスの下位クラスとして発明の方法学により検出可能である。ウェーハ表面上の２つの分離したパターンＦ１，Ｆ２が余分なパターンＤにより結合されるブリッジングは、完全なデバイスの短絡故障をほぼ間違いなく引き起こすであろう。そのため、このタイプの欠陥を検出するとともに分類することができるのは好都合である。欠陥の足跡８１８の境界分析は、欠陥の境界ＤＢが基準画像の２つの分離した外形Ｆ１，Ｆ２のそれぞれに対応する少なくとも１つの共通の境界ＣＢを横切り、ブリッジングとして欠陥を分類することを決定する。
【００５９】
図１５ｂは、検出可能な「破壊ライン」として公知の欠落パターンのコアクラスの別の任意の下位クラスを示し、図１４ｇのステップ１４０６ｅの後、例えば、Litman等及びHalavee等に記載された技術を使用して、ＤＢ１及びＤＢ２の間の領域の画像を分析することにより、欠落パターンの欠陥を検出する。換言すれば、欠落パターンを有する外形が測定され、どの程度のパターンが欠落しているかをさらに決定する。この能力の利点のさらなる例は、「狭いパターン」と呼ばれる欠落パターンのコアクラスの別の下位クラスである。図９に描かれたような、狭いパターンは電気抵抗を増加させることによりデバイス故障を発生させ、又は、デバイス性能を抑制してもよく、ユーザは欠落パターンの欠陥として明らかにされたパターンが規定された幅より狭いかどうかを決定することを望んでもよい。ＤＢ（例えば、欠陥の足跡８１２）回りの領域の外形を測定することにより、ユーザは残っているパターンの幅を決定し、幅が規定値以下になった場合に、狭いパターンの欠陥として欠陥を分類可能である。
【００６０】
欠陥のコアクラスのさらなる下位分類（すなわち、下位クラスモジュール）は、図８ａ，８ｂ又は１０に示された余分なパターンの欠陥から近接パターンまでの距離を測定するように、１つのパターンから別のへの距離を測定することから発生させることができ、潜在的な短絡を明らかにし、その後、距離が規定値以下の場合には、別の下位クラスで欠陥を分類する。さらに、図１１，１２ａ及び１２ｂに示されたような粒子の欠陥は、ユーザにより所望されたような規定領域の上又は下の「小粒子」又は「大粒子」又は粒子として測定されると共に下位分類されることができる。
【００６１】
本発明の別の実施例では、ウェーハ表面は、検査下の層の色、又はＳＥＭにより検出されるには十分大きいガラスの表面上に出っ張りを発生させないガラスの層（例えば、二酸化珪素）に埋め込まれた粒子の存在のように、ＳＥＭ画像から入手できない情報を得るために任意に映像可能である。従って、追加の下位クラスのモジュールはユーザにより要求されるように追加されてもよく、ウェーハをより完全に検査する。
【００６２】
発明の方法学の第３フェーズでは、欠陥マップにより示された起こり得る欠陥が再検出され、映像され、欠陥のコアクラス及び下位クラスに分類されると、数はそれぞれのクラスの欠陥総数に維持される。コアクラス又は下位クラスの特定の１つの欠陥の総数が、その特定のタイプの欠陥の所定の最小許容数にほぼ等しいか又はそれを超えた時に、警報信号が発生され、ユーザに警告してもよい。この方法では、欠陥の「クラス密度の監視」が行われ、特定の処理における故障のより早期の警告、及び修正動作のためのより短い応答時間を可能にする。
【００６３】
図１６は発明の方法学の第３フェーズのフローチャートである。欠陥がステップ１６０１でコアクラスＡに分類された後、図１４ａ及び１４ｂに描かれた例示の方法により行われるように、コアクラスのための欠陥数はステップ１６０２で増加され、その後、ステップ１６０３で、所定数ｘと比較される。欠陥数がｘよい多い又はそれに等しい場合には、警報信号が、ステップ１６０４で、例えば、ディスプレイに送られる。欠陥数がｘより少ない場合には、警報信号は送られない。代わりに、警報信号は、幾つかの局面の処理を自動的に処理し、処理を調整し、将来の処理における欠陥を防止するコントロールプロセッサに警告するために使用される警告信号に置き換えられる。
【００６４】
図１７は本発明の実施例を示すブロック図である。コンピュータシステム１７００は、バス１７０２又は情報を通信するための他の通信機構、及び情報を処理するためバス１７０２に結合されるプロセッサ１７０４を含んでいる。コンピュータシステム１７００はまた、ランダムアクセスメモリ（ＲＡＭ）又は動的記憶装置のような主記憶措置１７０６をも含み、それはプロセッサ１７０４により実行される情報及び命令を記憶するためバス１７０６に結合されている。主記憶装置１７０６はまた、プロセッサ１７０４により実行される命令の実行の間、仮の変数又は他の中間情報を記憶するために使用されてもよい。コンピュータシステム１７００は、読み出し専用記憶装置（ＲＯＭ）１７０８又はバス１７０２に結合される他の静的記憶装置をさらに含み、プロセッサ１７０４のため静的情報及び命令を蓄積する。磁気ディスク又は光学ディスクのような記憶装置１７１０が供給され、バス１７０２に結合され、情報及び命令を記憶する。
【００６５】
コンピュータシステム１７００は、バス１７０２を介して、陰極線管（ＣＲＴ）のようなディスプレイ１７１２に結合されてもよく、コンピュータのユーザに情報を表示する。文字数字式及び他のキーを含む入力装置１７１４は、バス１７０２に結合され、プロセッサ１７０４へ情報及び命令の選択を伝達する。ユーザ入力装置の別のタイプは、マウス、トラックボール、又はカーソル指示キーのようなカーソル制御装置１７１６であり、プロセッサ１７０４に指示情報及び命令の選択を伝達し、ディスプレイ１７１２上のカーソルの動きを制御する。
【００６６】
ＳＥＭ１７１８は、上述したように、検査下の半導体ウェーハの画像を表示するデータをバス１７０２に入力する。そのようなデータは主記憶装置１７０６及び又は記憶装置１７１０に記憶されてもよく、それが命令を実行する時にプロセッサ１７０４により使用される。ＳＥＭ１７１８はまた、プロセッサ１７０４からバス１７０２を介して命令を受取ってもよい。
【００６７】
本発明はコンピュータシステムの使用に関し、欠陥の半導体ウェーハの表面を検査する。本発明の１実施例によれば、表面の欠陥の分類を含む半導体ウェーハの表面の検査はプロセッサ１７０４に応じてコンピュータシステム１７００により供給され、主記憶装置１７０６に含まれる１以上の命令の１以上のシーケンスを実行する。そのような命令は、記憶装置のように、別のコンピュータで読取り可能な媒体から主記憶装置１７０６に読み込まれてもよい。主記憶装置１７０６に含まれる命令のシーケンスの実行は、上述した処理ステップをプロセッサ１７０４に実行させる。多重処理配列の１以上のプロセッサはまた、主記憶装置１７０６に含まれる命令のシーケンスをを実行するために使用されてもよい。代わりの実施例では、配線で接続された回路が本発明を実施するため、ソフトウェアの命令に代わって、又はそれと組合せて使用されてもよい。従って、本発明の実施例は、ハードウェア回路とソフトウェアの特定の組合せに限定されない。装置のプログラミングは図１４ａ及び１４ｂのフローチャートで供給されて、当業者であれば容易に達成される。
【００６８】
ここで使用される「コンピュータで読取り可能な媒体」の用語は、実行のためプロセッサ１７０４に命令を供給することに関与する媒体に言及する。そのような媒体は、不揮発性媒体、揮発性媒体、及び伝送媒体に限定されない多くの形式を取ってもよい。不揮発性媒体は、例えば、記憶装置１７１０のような光学又は磁気ディスクを含んでいる。揮発性媒体は、主記憶装置１７０６のような動的記憶装置を含んでいる。伝送媒体は、同軸ケーブル、銅線及び光ファイバを含み、バス１７０２を成す配線を含む。伝送媒体はまた、無線周波数（ＲＦ）及び赤外線（ＩＲ）データ通信の間、発生されたもののような、音又は光波の形を取ることができる。コンピュータで読取り可能な媒体の通常の形式は、例えば、フロッピディスク、フレキシブルディスク、ハードディスク、磁気テープ、他の磁気媒体、ＣＤ−ＲＯＭ、ＤＶＤ、他の光学媒体、パンチカード、紙テープ、パターンの孔を有する他の物理媒体、ＲＡＭ、ＰＲＯＭ、及びＥＰＲＯＭ、フラッシュＥＰＲＯＭ、他のメモリチップ又はカートリッジ、又はコンピュータが読取り可能な他の媒体を含んでいる。
【００６９】
コンピュータで読取り可能な媒体の各種形式は、実行のためプロセッサ１０４への１以上の命令の１以上のシーケンスを実行することを含んでいてもよい。例えば、最初、命令は遠隔コンピュータの磁気ディスクに運ばれてもよい。遠隔コンピュータはその動的記憶装置に命令をロードすると共にモデムを使用して電話線上で命令を送ることができる。コンピュータシステム１７００へのモデムのローカルは電話線でデータを受取り、赤外線送信機を使用し、データを赤外線信号へ変換することができる。バス１７０２に結合された赤外線検出器は赤外線信号で運ばれたデータを受取ると共にデータをバス１０２に載せることができる。ガス１７０２は主記憶装置１７０６にデータを運び、プロセッサ１７０４は命令を検索し、実行する。主記憶装置１７０６により受取られた命令は、プロセッサ１７０４による実行の前又は後のいずれかで記憶装置１７１０に任意に記憶されてもよい。
【００７０】
発明の半導体ウェーハの検出技術は、欠陥を粒子又はパターンの欠陥として別個に確実に粒子又はパターンの欠陥、及び表面上又は表面下の（埋め込まれた）欠陥として分類させる。それはこれらの意味深長に分類された欠陥の早い数量化及び通知をも供給し、それにより、欠陥の原因の調査を容易にし、早い修正動作を実行可能にする。従って、本発明は製造スループットの維持に寄与する。その上さらに、発明の方法学は、ウェーハ表面を映像し、その外形の境界分析及び又は地形測定を行うことにより欠陥を分類し、動作可能となる前にそれぞれのクラスのための欠陥画像の例を必要としない。そのため、従来技術の欠陥の分類とは異なり、本発明は製造ラインの開始及び立上がりの間に使用可能である。
【００７１】
本発明は半導体ウェーハの検査に適用可能であり、ミクロン以下の設計外形の高密度半導体デバイスの製造の間、半導体ウェーハの製造過程の検査に特に有用である。
【００７２】
本発明は、伝統的な材料、方法学及び機器を使用することにより実施可能である。従って、そのような材料、機器及び方法学の詳細はここには詳細に示されていない。以前の説明では、本発明の完全な理解を供給するため、特定の材料、構造、化学、処理等のような、非常に多くの特定の詳細が示されている。しかし、当業者であれは認識されるように、本発明は、特に示された詳細に頼ることなく実施可能である。他の例では、本発明を不必要に不明確にしないように、公知の処理構造は詳細に説明されていない。
【００７３】
本発明の好適な実施例だけ及びその多用途の数例が、本明細書に示され、説明されている。本発明は各種他の組合せ及び環境での使用が可能であり、ここに説明されたような発明の概念の範囲内の変更又は修正が可能であることが理解されるべきである。
【図面の簡単な説明】
【図１】本発明による欠陥の分類の概念のフロチャートである。
【図２】本発明により実施された欠陥クラスによる欠陥数を図表的に示している。
【図３】本発明を使用して検査される半導体ウェーハを示している。
【図４Ａ】本発明により検査される欠陥の画像の表示である。
【図４Ｂ】本発明により検査される欠陥の画像の表示である。
【図４Ｃ】本発明により検査される欠陥の画像の表示である。
【図５】本発明により方法の第１フェーズの連続ステップを示すフローチャートである。
【図６】本発明を使用することにより分析される欠陥の足跡の表示である。
【図７】図６の欠陥に一致する基準画像の表示である。
【図８ａ】本発明を使用して分析される欠陥の表示である。
【図８ｂ】本発明を使用して分析される欠陥の表示である。
【図９】本発明を使用して分析される欠陥の表示である。
【図１０】本発明を使用して分析される欠陥の表示である。
【図１１】本発明を使用して分析される欠陥の表示である。
【図１２】本発明を使用して分析される欠陥の表示である。
【図１３】本発明を使用して分析される欠陥の表示である。
【図１４ａ】本発明による方法の第２フェーズの連続ステップを示すフローチャートである。
【図１４ｂ】本発明による方法の第２フェーズの連続ステップを示すフローチャートである。
【図１５ａ】本発明を使用して分析される欠陥の表示である。
【図１５ｂ】本発明を使用して分析される欠陥の表示である。
【図１６】本発明による方法の第３フェーズの連続ステップを示すフローチャートである。
【図１７】本発明の実施例を示すブロック図である。
【図１８】本発明を実行するために使用されるＳＥＭレビューステーションの概略図である。
【図１９（ａ）】図１８の装置のセンサを使用して欠陥が再調査される方法を示している。
【図１９（ｂ）】図１８の装置のセンサを使用して欠陥が再調査される方法を示している。
【図１９（ｃ）】図１８の装置のセンサを使用して欠陥が調べられる方法を示している。
【図２０（ａ）】検査されるウェーハの表面上の微小引っかき傷を示している。
【図２０（ｂ）】線Ｂ−Ｂに沿って切断された図２０（ａ）のウェーハの断面図である。
【図２０（ｃ）】図１８の装置のセンサを使用して微小引っかき傷が調べられる方法を示している。
【図２０（ｄ）】図１８の装置のセンサを使用して微小引っかき傷が調べられる方法を示している。
【図２０（ｅ）】図１８の装置のセンサを使用して微小引っかき傷が調べられる方法を示している。

Claims (17)

1. 物品の表面の欠陥を自動的に分類する方法であって、
   走査型電子顕微鏡で前記表面を映像し、
   前記欠陥を所定数の不変のコアクラスの欠陥の１つであるとして分類し、
   前記コアクラスのそれぞれの欠陥の総数を決定し、
   前記コアクラスの特定の１つの欠陥の総数が第１の所定数に等しいか、又はそれより多い時に、警報信号を発生することを少なくとも含み、
   前記コアクラスの欠陥は、前記表面上の欠落パターン、前記表面上の余分なパターン、前記表面上の粒子、前記表面に埋め込まれた粒子、及び前記表面上の微小引っかき傷を含んでいることを特徴とする方法。
2. 前記欠陥を、前記不変のコアクラスの少なくとも１つの任意数の異なる下位クラスの１つにあると分類することをさらに含む請求項１に記載の方法。
3. 前記物品の表面上の複数の欠陥を分類し、
   それぞれの前記下位クラスの欠陥の総数を決定する、
   ことを含む請求項２に記載の方法。
4. 前記下位クラスの特定の１つの欠陥の総数が第２の所定数にほぼ等しいか、又は、それより多い時に、警報信号を発生することを含む請求項３に記載の方法。
5. 物品の表面上の欠陥を自動的に分類するための命令を記録したコンピュータで読取り可能な媒体であって、前記命令は、実行する時に、１以上のプロセッサに、
   走査型電子顕微鏡で前記表面を映像し、
   前記欠陥を所定数の不変のコアクラスの欠陥の１つとして分類し、
   前記コアクラスのそれぞれの欠陥の総数を決定し、
   前記コアクラスの特定の１つの欠陥の総数が第１の所定数にほぼ等しいか、又はそれより多い時に、警報信号を発生させる、
   ステップを行わせるように配列されており、
   前記コアクラスの欠陥は、前記表面上の欠落パターン、前記表面上の余分なパターン、前記表面上の粒子、前記表面に埋め込まれた粒子、及び前記表面上の微小引っかき傷を含んでいることを特徴とするコンピュータで読取り可能な媒体。
6. 前記命令は、実行する時に、前記１以上のプロセッサに、前記欠陥が、任意に定義された欠陥の前記不変のコアクラスの少なくとも１つの任意数の下位クラスの１つにあるとして分類するステップを行わせるように配列されている請求項５に記載のコンピュータで読取り可能な媒体。
7. 前記命令は、実行する時に、前記１以上のプロセッサに、
   前記物品の表面上の複数の欠陥を分類し、
   前記下位クラスのそれぞれの欠陥の総数を決定する、
   ステップを行わせるように配列されている請求項６に記載のコンピュータで読取り可能な媒体。
8. 前記命令は、実行する時、前記下位クラスの特定の１つの欠陥の総数が第２の所定数にほぼ等しいか、又はそれより多い時に、前記１以上のプロセッサに、警報信号を発生するステップを行わせるように配列されている請求項７に記載のコンピュータで読取り可能な媒体。
9. 前記命令は、実行する時に、前記１以上のプロセッサに、複数のスペースドアパート（spaced-apart）検出器を使用して複数の画像を取得することにより映像するステップを行わせるように配列されている請求項５に記載のコンピュータで読取り可能な媒体。
10. 前記命令は、実行する時に、前記検出器に電子を収集させることにより前記１以上のプロセッサに前記画像を取得させるように配列されている請求項９に記載のコンピュータで読取り可能な媒体。
11. 物品の表面上の欠陥を分類するための装置であって、
    前記欠陥の画像と基準画像を作り出す走査型電子顕微鏡（ＳＥＭ）と、
    前記欠陥画像と前記基準画像を蓄積する記憶装置と、
    前記欠陥画像と前記基準画像を比較するコンパレータと、
    前記欠陥を欠陥の所定数の不変のコアクラスの１つであるとして分類するプロセッサと、
    前記コアクラスのそれぞれの欠陥数を数える第１カウンタと、
    前記コアクラスの特定の１つの欠陥の総数が第１の所定数にほぼ等しいか、又はそれより多い時に、警報信号を発生する第１信号発生器と、
    を備え、
    前記コアクラスの欠陥は、前記表面上の欠落パターン、前記表面上の余分なパターン、前記表面上の粒子、前記表面に埋め込まれた粒子、及び前記表面上の微小引っかき傷を含んでいることを特徴とする装置。
12. 前記記憶装置はデジタル記憶装置である請求項１１に記載の装置。
13. 前記欠陥を、任意に定義された欠陥の前記不変のコアクラスの少なくとも１つの下位クラスの任意数の１つであるとして分類するプロセッサをさらに備えている請求項１１に記載の装置。
14. 前記下位クラスのそれぞれの欠陥数を数える第２カウンタと、前記下位クラスの特定の１つの欠陥の総数が第２所定数にほぼ等しいか、又はそれより多い時に、警報信号を発生する第２信号発生器とをさらに備えている請求項１３に記載の装置。
15. 複数のスペースドアパート検出器と、前記複数の検出器により作られた画像を表示するモニタとをさらに備えている請求項１１に記載の装置。
16. 前記ＳＥＭはＳＥＭコラムを備え、前記複数の検出器の第１のものはＳＥＭコラム内に配置され、前記複数の検出器の第２のものは前記ＳＥＭコラム外に配置されている請求項１１に記載の装置。
17. 前記第１検出器により作られた画像を表示する第１モニタと、前記第２検出器により作られた画像を表示する第２モニタとをさらに備えている請求項１６に記載の装置。

Images