JP6570014B2 - 多様化と欠陥発見のためのダイナミック・ビニング - Google Patents
多様化と欠陥発見のためのダイナミック・ビニング Download PDFInfo
- Publication number
- JP6570014B2 JP6570014B2 JP2017539523A JP2017539523A JP6570014B2 JP 6570014 B2 JP6570014 B2 JP 6570014B2 JP 2017539523 A JP2017539523 A JP 2017539523A JP 2017539523 A JP2017539523 A JP 2017539523A JP 6570014 B2 JP6570014 B2 JP 6570014B2
- Authority
- JP
- Japan
- Prior art keywords
- bins
- defect
- attributes
- defects
- bin
- 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.)
- Active
Links
- 230000007547 defect Effects 0.000 title claims description 303
- 238000001514 detection method Methods 0.000 title description 11
- 238000000034 method Methods 0.000 claims description 151
- 235000012431 wafers Nutrition 0.000 claims description 97
- 238000007689 inspection Methods 0.000 claims description 74
- 230000008569 process Effects 0.000 claims description 17
- 238000012795 verification Methods 0.000 claims description 17
- 230000002950 deficient Effects 0.000 claims description 10
- 238000004519 manufacturing process Methods 0.000 claims description 10
- 238000005070 sampling Methods 0.000 description 38
- 230000003287 optical effect Effects 0.000 description 9
- 238000003860 storage Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 235000006719 Cassia obtusifolia Nutrition 0.000 description 1
- 235000014552 Cassia tora Nutrition 0.000 description 1
- 244000201986 Cassia tora Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010894 electron beam technology Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/9501—Semiconductor wafers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/956—Inspecting patterns on the surface of objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/28—Determining representative reference patterns, e.g. by averaging or distorting; Generating dictionaries
-
- 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
- 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
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/772—Determining representative reference patterns, e.g. averaging or distorting patterns; Generating dictionaries
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8854—Grading and classifying of flaws
-
- 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)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Signal Processing (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Description
Claims (39)
- ウェーハに関する欠陥サンプルを生成するためのコンピュータで実施される方法であって、
ウェーハに関する検査結果を取得し、前記検査結果は、検査プロセスによって前記ウェーハ上で検出された欠陥に関する情報を含み、前記情報は、前記欠陥に関する少なくとも第1のセットの1つ以上の第1の属性の情報と、前記欠陥に関する少なくとも第2のセットの1つ以上の第2の属性の情報を含み、
前記1つ以上の第1の属性の値において最大の多様性を有する1つ以上の第1の属性の値を特定し、
前記特定された値に基づいて欠陥に関する1セットのビンを生成し、それによりビンそれぞれは値の一部にのみ対応し、また、ビンに対応する値が、前記1つ以上の第1の属性において多様性を有し、
前記欠陥に対応する前記1つ以上の第1の属性の値に基づいて前記欠陥をビンに分類し、
前記ビンのうち1つから、前記ビンのうち1つにおける欠陥を、1つ以上の第2の属性の値における多様性に基づいて選択し、
前記選択を、ビンのうち少なくとも別の1つに繰り返し、
前記ビンのうち1つと、前記ビンのうち少なくとも別の1つから選択された欠陥を含むウェーハに関する欠陥サンプルを作製し、前記取得、前記特定、前記生成、前記分類、前記選択、前記繰り返しおよび前記作製はコンピュータシステムによって実行される方法。 - 請求項1に記載の方法であって、前記1つ以上の第1の属性は、前記ウェーハ上の欠陥の背景の1つ以上の属性を含む方法。
- 請求項1に記載の方法であって、前記1つ以上の第2の属性は、検査プロセスにおいて欠陥に関して検出される信号の1つ以上の特徴を含む方法。
- 請求項1に記載の方法であって、前記ウェーハは未知の欠陥品率を有する方法。
- 請求項1に記載の方法であって、前記1つ以上の第1の属性と、前記セットに含まれるビンの個数はユーザによって選択される方法。
- 請求項1に記載の方法であって、前記ビンに分類される欠陥に基づいて前記ビンの1つ以上の特徴を判定し、前記選択の前にユーザに前記1つ以上の特徴を表示し、前記1つ以上の特徴の検証をユーザに要求することをさらに含む方法。
- 請求項1に記載の方法であって、前記ビンから選択された欠陥の1つ以上の特徴を判定し、前記作製の前にユーザに前記1つ以上の特徴を表示し、前記1つ以上の特徴の検証をユーザに要求することをさらに含む方法。
- 請求項1に記載の方法であって、前記ビンに分類された欠陥に基づいて前記ビンの第1の特徴を判定し、前記ビンから選択された欠陥の第2の特徴を判定し、
前記第1の特徴は前記第2の特徴と同じではなく、前記作製の前にユーザに前記第1と第2の特徴を表示し、前記第1と第2の特徴の検証をユーザに要求することをさらに含む方法。 - 請求項1に記載の方法であって、前記選択は、ビンのうち1つから選択された前記欠陥が、1つ以上の第2の属性の値において最大の多様性を有するように、多様性に基づいて実行される方法。
- 請求項1に記載の方法であって、前記選択は、多様性と、1つ以上のサンプルバイアスパラメータに基づいて実行される方法。
- 請求項1に記載の方法であって、前記ビンのうち1つから、欠陥の1つ以上の第3の属性の値における多様性に基づいてビンのうち1つにおける欠陥を個別に選択することをさらに含み、前記個別の選択を、前記ビンのうち少なくとも別の1つに対して繰り返すことをさらに含み、前記欠陥サンプルの作製は、前記ビンのうち1つから、また前記ビンのうち少なくとも別の1つから個別に選択された欠陥を、欠陥サンプルに加えることを含む方法。
- 請求項1に記載の方法であって、前記1つ以上の第2の属性の値に基づいて欠陥が選択されたビンに対する1セットのサブビンを生成することをさらに含み、それにより、前記サブビンそれぞれが前記1つ以上の第2の属性の値の一部にのみ対応し、前記サブビンに対応する前記1つ以上の第2の属性の値が、前記1つ以上の第2の属性において多様性を有する方法。
- 請求項12に記載の方法であって、サブビンのうち1つから、前記サブビンのうち1つにおける欠陥を、欠陥の1つ以上の第3の属性の値における多様性に基づいて個別に選択することをさらに含み、前記個別の選択を、前記サブビンのうち少なくとも別の1つに対して繰り返すことをさらに含み、前記欠陥サンプルを作製することは、前記サブビンのうち1つから、また、前記サブビンのうち少なくとも別の1つから個別に選択された欠陥を、前記欠陥サンプルに加えることを含む方法。
- 請求項1に記載の方法であって、欠陥が選択される前記ビンそれぞれから同数の欠陥が選択される方法。
- 請求項1に記載の方法であって、前記選択は、欠陥が選択される前記ビンそれぞれに対して個別に実行される方法。
- 請求項1に記載の方法であって、前記生成は、前記検査結果から前記特定された値それぞれを有する前記欠陥のうち少なくとも1つをサンプリングし、そのサンプリングした、前記特定された値それぞれを有する前記欠陥のうち少なくとも1つに基づいて前記ビンを規定することを含む方法。
- 請求項1に記載の方法であって、
欠陥が分類されるビンに関する情報を、ビンに分類される欠陥それぞれのビン属性として記憶することをさらに含み、前記選択および繰り返しは、前記欠陥のビン属性に基づいて実行される方法。 - 請求項1に記載の方法であって、前記方法と前記生成は、ビンを互いから隔てるカットラインを調整することを含まない方法。
- 請求項1に記載の方法であって、前記方法は1つ以上の別のウェーハに対して実行され、前記ウェーハに対して生成される1セットのビンは、前記1つ以上の別のウェーハに対する1セットのビンとしては用いられない方法。
- ウェーハに関する欠陥サンプルを生成するためにコンピュータで実施される方法を実行するためのコンピュータシステムで実行可能なプログラム命令を記憶する非一時的コンピュータ可読媒体であって、前記コンピュータで実施される方法は、
ウェーハに関する検査結果を取得し、前記検査結果は、検査プロセスによって前記ウェーハ上で検出された欠陥に関する情報を含み、前記情報は、前記欠陥に関する少なくとも第1のセットの1つ以上の第1の属性の情報と、前記欠陥に関する少なくとも第2のセットの1つ以上の第2の属性の情報を含み、
前記1つ以上の第1の属性の値において最大の多様性を有する1つ以上の第1の属性の値を特定し、
前記特定された値に基づいて欠陥に関する1セットのビンを生成し、それにより、ビンそれぞれは値の一部にのみ対応し、また、ビンに対応する値が、前記1つ以上の第1の属性において多様性を有し、
前記欠陥に対応する前記1つ以上の第1の属性の値に基づいて前記欠陥をビンに分類し、
前記ビンのうち1つから、前記ビンのうち1つにおける欠陥を、前記1つ以上の第2の属性の値における多様性に基づいて選択し、
前記選択を、ビンのうち少なくとも別の1つに繰り返し、
前記ビンのうち1つと、前記ビンのうち少なくとも別の1つから選択された欠陥を含むウェーハに関する欠陥サンプルを作製することを含む方法であるコンピュータ可読媒体。 - ウェーハに関する欠陥サンプルを生成するように構成されたシステムであって、
前記ウェーハに関する検査結果を取得するように構成された検査サブシステムを含み、前記検査結果は、検査プロセスによって前記ウェーハ上で検出された欠陥に関する情報を含み、前記情報は、前記欠陥に関する少なくとも第1のセットの1つ以上の第1の属性の情報と、前記欠陥に関する少なくとも第2のセットの1つ以上の第2の属性の情報を含み、
システムはさらにコンピュータサブシステムを含み、前記コンピュータサブシステムは、
前記1つ以上の第1の属性の値において最大の多様性を有する1つ以上の第1の属性の値を特定し、
前記特定された値に基づいて欠陥に関する1セットのビンを生成し、その結果、ビンそれぞれは値の一部にのみ対応し、また、ビンに対応する値が、前記1つ以上の第1の属性において多様性を有し、
前記欠陥に対応する1つ以上の第1の属性の値に基づいて前記欠陥をビンに分類し、
前記ビンのうち1つから、前記ビンのうち1つにおける欠陥を、1つ以上の第2の属性の値における多様性に基づいて選択し、
前記選択を、ビンのうち少なくとも別の1つに繰り返し、
前記ビンのうち1つと、前記ビンのうち少なくとも別の1つから選択された欠陥を含むウェーハに関する欠陥サンプルを作製するように構成されている、
システム。 - 請求項21に記載のシステムであって、前記1つ以上の第1の属性は、前記ウェーハ上の前記欠陥の背景の1つ以上の属性を含むシステム。
- 請求項21に記載のシステムであって、前記1つ以上の第2の属性は、検査プロセスにおいて欠陥に関して検出される信号の1つ以上の特徴を含むシステム。
- 請求項21に記載のシステムであって、前記ウェーハは未知の欠陥品率を有するシステム。
- 請求項21に記載のシステムであって、前記1つ以上の第1の属性と、前記セットに含まれるビンの個数はユーザによって選択されるシステム。
- 請求項21に記載のシステムであって、前記コンピュータサブシステムはさらに、前記ビンに分類される欠陥に基づいて前記ビンの1つ以上の特徴を判定し、前記選択の前にユーザに前記1つ以上の特徴を表示し、前記1つ以上の特徴の検証をユーザに要求するように構成されるシステム。
- 請求項21に記載のシステムであって、前記コンピュータサブシステムはさらに、前記ビンから選択された欠陥の1つ以上の特徴を判定し、前記作製の前にユーザに前記1つ以上の特徴を表示し、前記1つ以上の特徴の検証をユーザに要求するように構成されるシステム。
- 請求項21に記載のシステムであって、前記コンピュータサブシステムはさらに、前記ビンに分類された欠陥に基づいて前記ビンの第1の特徴を判定し、前記ビンから選択された欠陥の第2の特徴を判定するように構成され、前記第1の特徴は前記第2の特徴と同じではなく、さらに、前記作製の前にユーザに前記第1と第2の特徴を表示し、前記第1と第2の特徴の検証をユーザに要求するように構成されるシステム。
- 請求項21に記載のシステムであって、前記選択は、ビンのうち1つから選択された前記欠陥が、1つ以上の第2の属性の値において最大の多様性を有するように、多様性に基づいて実行されるシステム。
- 請求項21に記載のシステムであって、前記選択は、多様性と、1つ以上のサンプルバイアスパラメータに基づいて実行される方法。
- 請求項21に記載のシステムであって、前記コンピュータサブシステムはさらに、前記ビンのうち1つから、欠陥の1つ以上の第3の属性の値における多様性に基づいてビンのうち1つにおける欠陥を個別に選択するように構成され、前記コンピュータサブシステムはさらに、前記個別の選択を、ビンのうち少なくとも別の1つに対して繰り返すことをさらに含み、前記欠陥サンプルの作製は、ビンのうち1つから、またビンのうち少なくとも別の1つから個別に選択された欠陥を、欠陥サンプルに加えることを含むシステム。
- 請求項21に記載のシステムであって、前記コンピュータサブシステムはさらに、1つ以上の第2の属性の値に基づいて欠陥が選択されるビンに対する1セットのサブビンを生成するように構成され、それにより、前記サブビンそれぞれが1つ以上の第2の属性の値の一部にのみ対応し、前記サブビンに対応する1つ以上の第2の属性の値が、1つ以上の第2の属性において多様性を有するシステム。
- 請求項32に記載のシステムであって、前記コンピュータサブシステムはさらに、サブビンのうち1つから、前記サブビンのうち1つにおける欠陥を、欠陥の1つ以上の第3の属性の値における多様性に基づいて個別に選択するように構成され、前記コンピュータサブシステムはさらに、前記個別の選択を、前記サブビンのうち少なくとも別の1つに対して繰り返すことをさらに含み、前記欠陥サンプルの作製は、前記サブビンのうち1つから、また、前記サブビンのうち少なくとも別の1つから個別に選択された欠陥を、前記欠陥サンプルに加えることを含むシステム。
- 請求項21に記載のシステムであって、欠陥が選択される前記ビンそれぞれから同数の欠陥が選択されるシステム。
- 請求項21に記載のシステムであって、前記選択は、欠陥が選択される前記ビンそれぞれに対して個別に実行されるシステム。
- 請求項21に記載のシステムであって、前記生成は、前記検査結果から前記特定された値それぞれを有する前記欠陥のうち少なくとも1つをサンプリングし、前記サンプリングされた、前記特定された値それぞれを有する前記欠陥のうち少なくとも1つに基づいて前記ビンを規定することを含むシステム。
- 請求項21に記載のシステムであって、前記コンピュータサブシステムはさらに、欠陥が分類されるビンに関する情報を、ビンに分類される欠陥それぞれのビン属性として記憶するように構成され、前記選択および繰り返しは、前記欠陥のビン属性に基づいて実行されるシステム。
- 請求項21に記載のシステムであって、前記コンピュータサブシステムによって実行されるステップは、ビンを互いから隔てるカットラインを調整することを含まないシステム。
- 請求項21に記載のシステムであって、前記ウェーハに対して生成されるセットのビンは、1つ以上の別のウェーハに対する1セットのビンとしては用いられないシステム。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201462065752P | 2014-10-19 | 2014-10-19 | |
US62/065,752 | 2014-10-19 | ||
US14/614,202 | 2015-02-04 | ||
US14/614,202 US9582869B2 (en) | 2014-10-19 | 2015-02-04 | Dynamic binning for diversification and defect discovery |
PCT/US2015/056169 WO2016064710A1 (en) | 2014-10-19 | 2015-10-19 | Dynamic binning for diversification and defect discovery |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2017536708A JP2017536708A (ja) | 2017-12-07 |
JP6570014B2 true JP6570014B2 (ja) | 2019-09-04 |
Family
ID=55749438
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017539523A Active JP6570014B2 (ja) | 2014-10-19 | 2015-10-19 | 多様化と欠陥発見のためのダイナミック・ビニング |
Country Status (7)
Country | Link |
---|---|
US (1) | US9582869B2 (ja) |
JP (1) | JP6570014B2 (ja) |
KR (1) | KR102226225B1 (ja) |
CN (1) | CN106796180B (ja) |
SG (1) | SG11201702921XA (ja) |
TW (1) | TWI648707B (ja) |
WO (1) | WO2016064710A1 (ja) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10679909B2 (en) * | 2016-11-21 | 2020-06-09 | Kla-Tencor Corporation | System, method and non-transitory computer readable medium for tuning sensitivies of, and determining a process window for, a modulated wafer |
US10713534B2 (en) * | 2017-09-01 | 2020-07-14 | Kla-Tencor Corp. | Training a learning based defect classifier |
US11514357B2 (en) * | 2018-03-19 | 2022-11-29 | Kla-Tencor Corporation | Nuisance mining for novel defect discovery |
US10670536B2 (en) | 2018-03-28 | 2020-06-02 | Kla-Tencor Corp. | Mode selection for inspection |
US10620134B2 (en) * | 2018-05-11 | 2020-04-14 | Kla-Tencor Corp. | Creating defect samples for array regions |
US11550309B2 (en) * | 2019-01-08 | 2023-01-10 | Kla Corporation | Unsupervised defect segmentation |
US12092966B2 (en) * | 2022-11-23 | 2024-09-17 | Kla Corporation | Device feature specific edge placement error (EPE) |
Family Cites Families (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6265232B1 (en) | 1998-08-21 | 2001-07-24 | Micron Technology, Inc. | Yield based, in-line defect sampling method |
US6792366B2 (en) | 2001-12-11 | 2004-09-14 | Hitachi, Ltd. | Method and apparatus for inspecting defects in a semiconductor wafer |
US7739064B1 (en) * | 2003-05-09 | 2010-06-15 | Kla-Tencor Corporation | Inline clustered defect reduction |
JP2005109056A (ja) * | 2003-09-30 | 2005-04-21 | Matsushita Electric Ind Co Ltd | 半導体素子の検査装置 |
US7142992B1 (en) * | 2004-09-30 | 2006-11-28 | Kla-Tencor Technologies Corp. | Flexible hybrid defect classification for semiconductor manufacturing |
US8532949B2 (en) | 2004-10-12 | 2013-09-10 | Kla-Tencor Technologies Corp. | Computer-implemented methods and systems for classifying defects on a specimen |
US7844100B2 (en) * | 2004-11-29 | 2010-11-30 | Applied Materials Israel, Ltd. | Method for filtering nuisance defects |
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 |
US9037280B2 (en) | 2005-06-06 | 2015-05-19 | Kla-Tencor Technologies Corp. | Computer-implemented methods for performing one or more defect-related functions |
US7570796B2 (en) * | 2005-11-18 | 2009-08-04 | Kla-Tencor Technologies Corp. | Methods and systems for utilizing design data in combination with inspection data |
US7676077B2 (en) * | 2005-11-18 | 2010-03-09 | Kla-Tencor Technologies Corp. | Methods and systems for utilizing design data in combination with inspection data |
US7570800B2 (en) * | 2005-12-14 | 2009-08-04 | Kla-Tencor Technologies Corp. | Methods and systems for binning defects detected on a specimen |
US7904845B2 (en) * | 2006-12-06 | 2011-03-08 | Kla-Tencor Corp. | Determining locations on a wafer to be reviewed during defect review |
US8194968B2 (en) * | 2007-01-05 | 2012-06-05 | Kla-Tencor Corp. | Methods and systems for using electrical information for a device being fabricated on a wafer to perform one or more defect-related functions |
KR100867634B1 (ko) * | 2007-03-09 | 2008-11-10 | 삼성전자주식회사 | 웨이퍼 시료 분석 방법 |
US8799831B2 (en) | 2007-05-24 | 2014-08-05 | Applied Materials, Inc. | Inline defect analysis for sampling and SPC |
US8135204B1 (en) * | 2007-09-21 | 2012-03-13 | Kla-Tencor Technologies Corp. | Computer-implemented methods, carrier media, and systems for creating a defect sample for use in selecting one or more parameters of an inspection recipe |
US8223327B2 (en) * | 2009-01-26 | 2012-07-17 | Kla-Tencor Corp. | Systems and methods for detecting defects on a wafer |
US8315453B2 (en) * | 2010-07-27 | 2012-11-20 | Applied Materials Israel, Ltd. | Defect classification with optimized purity |
US9053390B2 (en) * | 2012-08-14 | 2015-06-09 | Kla-Tencor Corporation | Automated inspection scenario generation |
US8948494B2 (en) | 2012-11-12 | 2015-02-03 | Kla-Tencor Corp. | Unbiased wafer defect samples |
US9310320B2 (en) * | 2013-04-15 | 2016-04-12 | Kla-Tencor Corp. | Based sampling and binning for yield critical defects |
-
2015
- 2015-02-04 US US14/614,202 patent/US9582869B2/en active Active
- 2015-10-19 KR KR1020177013664A patent/KR102226225B1/ko active IP Right Grant
- 2015-10-19 JP JP2017539523A patent/JP6570014B2/ja active Active
- 2015-10-19 TW TW104134248A patent/TWI648707B/zh active
- 2015-10-19 CN CN201580055533.2A patent/CN106796180B/zh active Active
- 2015-10-19 WO PCT/US2015/056169 patent/WO2016064710A1/en active Application Filing
- 2015-10-19 SG SG11201702921XA patent/SG11201702921XA/en unknown
Also Published As
Publication number | Publication date |
---|---|
CN106796180A (zh) | 2017-05-31 |
TWI648707B (zh) | 2019-01-21 |
KR102226225B1 (ko) | 2021-03-09 |
CN106796180B (zh) | 2019-07-26 |
WO2016064710A1 (en) | 2016-04-28 |
KR20170088849A (ko) | 2017-08-02 |
TW201626328A (zh) | 2016-07-16 |
JP2017536708A (ja) | 2017-12-07 |
SG11201702921XA (en) | 2017-07-28 |
US20160110857A1 (en) | 2016-04-21 |
US9582869B2 (en) | 2017-02-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6570014B2 (ja) | 多様化と欠陥発見のためのダイナミック・ビニング | |
KR102022150B1 (ko) | 비편향 웨이퍼 결함 샘플 | |
JP7200113B2 (ja) | 深くスタック化された層を有するウェハにおいて欠陥分類器を訓練して適用するためのシステムと方法 | |
JP6280118B2 (ja) | 自動検査シナリオ生成 | |
TWI670781B (zh) | 疊代式缺陷濾除製程 | |
US9711327B2 (en) | Method and system for optimizing configurable parameters of inspection tools | |
TWI751372B (zh) | 用於缺陷偵測之系統及方法 | |
CN109075094B (zh) | 用于具有噪声边界阈值的晶片检验的系统及方法 | |
US10338004B2 (en) | Production sample shaping that preserves re-normalizability | |
US11055897B2 (en) | Methods and apparatuses for image control and display of particle analyzer images | |
CN112119425B (en) | Method and apparatus for image control and particle analyzer image display |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20170623 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20170623 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170907 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20181001 |
|
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: 20190702 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20190628 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190730 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6570014 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |