JP6932637B2 - 反復式の欠陥フィルタリングプロセス - Google Patents
反復式の欠陥フィルタリングプロセス Download PDFInfo
- Publication number
- JP6932637B2 JP6932637B2 JP2017522331A JP2017522331A JP6932637B2 JP 6932637 B2 JP6932637 B2 JP 6932637B2 JP 2017522331 A JP2017522331 A JP 2017522331A JP 2017522331 A JP2017522331 A JP 2017522331A JP 6932637 B2 JP6932637 B2 JP 6932637B2
- Authority
- JP
- Japan
- Prior art keywords
- defect
- subgroup
- defect candidate
- classification
- group
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- 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
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/467—Encoded features or binary features, e.g. local binary patterns [LBP]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/24—Character recognition characterised by the processing or recognition method
- G06V30/248—Character recognition characterised by the processing or recognition method involving plural approaches, e.g. verification by template match; Resolving confusion among similar patterns, e.g. "O" versus "Q"
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic image
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
-
- 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)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Multimedia (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Radiology & Medical Imaging (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (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)
- Analysing Materials By The Use Of Radiation (AREA)
Description
製造プロセスの誤りは、歩留まりを制限する欠陥をもたらすことがある。製造は、歩留まり管理システム(YMS)によって支援される。YMSは、様々な製造段階の様々なツールからくる製造および試験データを収集および分析する。YMSは、歩留まりに影響するツールおよびプロセスを迅速に識別することを目的とする。
欠陥検出は通常、検査プロセスを適用し、それに続いて見直しプロセスを適用することによって実行される。検査プロセスは、光学検査ツールまたは電子ビーム検査ツールによって実行することができ、疑わしい欠陥を発見することを目的とする。見直しプロセスは通常、走査電子顕微鏡(SEM)によって実行され、どの疑わしい欠陥が実際の欠陥であるか、およびその場合、これらの実際の欠陥がどのクラス(タイプ)の欠陥に属するかを判定することを目的とする。見直しプロセスは、疑わしい欠陥のSEM画像を獲得し、これらのSEM画像を分類器によって処理することを含む。
さらに、現在の検査システムは、ウエハごとに制限された数の疑わしい欠陥を出力する固定のニューサンスフィルタを採用している。固定のニューサンスフィルタは、レシピ設定プロセス中に設定されており、したがって製造プロセスおよび/または検査プロセスで生じる生産の経時変化を正しく追跡することができない。それぞれの疑わしい欠陥に対して、複数の属性が計算される。SEMに対する検査システムの分解能が低ければ、疑わしい欠陥に関して不十分な情報を提供することがある。
a.欠陥候補の群に関する欠陥候補情報を取得するステップであって、欠陥候補情報が、群の欠陥候補ごとの属性値を含むことができる、取得するステップと、
b.コンピュータ化システムのプロセッサによって、欠陥候補の選択部分群を、少なくとも選択部分群に属する欠陥候補の属性値に応答して選択するステップと、
c.選択部分群の欠陥候補を分類して、選択部分群分類結果を提供するステップと、
d.停止条件を満たすまで、
i.欠陥候補の追加の選択部分群を、(a)少なくとも追加の選択部分群に属する欠陥候補の属性値、および(b)少なくとも1つの他の選択部分群を分類することから取得した分類結果、に応答して選択すること、ならびに
ii.追加の選択部分群の欠陥候補を分類して、追加の選択部分群分類結果を提供することを繰り返すステップとを含むことができる。
欠陥候補情報を取得するステップは、光学検査デバイスから欠陥候補情報を受け取ることを含むことができる。
選択部分群の欠陥候補を分類するステップは、荷電粒子ビームによって欠陥候補を撮像して、荷電粒子画像を生成することと、欠陥分類器によって荷電粒子画像を処理して、選択部分群分類結果を提供することとを含むことができる。
停止条件を満たすことは、純度閾値を超える純度レベルを有する分類結果を取得することを含むことができる。
この方法は、それぞれの選択部分群の各欠陥候補の1つまたは複数の画像を取得するステップを含むことができ、停止条件を満たすことは、事前定義された数の画像を取得することを含むことができる。
この方法は、それぞれの選択部分群の各欠陥候補の1つまたは複数の画像を取得するステップを含むことができ、停止条件を満たすことは、特定の欠陥タイプの事前定義された数の画像を取得することを含むことができる。
群の選択部分は、何らかの事前に選択された部分群に属する欠陥候補を含まないものとすることができる。
この方法は、セグメント内の欠陥候補欠陥候補表現の分布のパラメータに応答して、セグメントのセグメントスコアを計算するステップを含むことができる。
この方法は、セグメント内に欠陥候補欠陥候補表現を有する少なくとも1つの欠陥候補に関連する少なくとも1つの分類結果に応答して、セグメントのセグメントスコアを計算するステップを含むことができる。
この方法は、欠陥として分類された欠陥候補の欠陥候補欠陥候補表現の分布のパラメータに応答して、セグメントのセグメントスコアを計算するステップを含むことができる。
この方法は、少なくとも1つの選択部分群分類結果に応答して、属性超空間をセグメントに再分割するステップを含むことができる。
この方法は、複数の分類反復を実行して、複数の分類反復結果を提供するステップと、複数の分類反復結果に応答して、調整可能な分類閾値を適合させ、属性超空間をセグメントに分割するステップとを含むことができ、調整可能な分類閾値は、複数の分類反復中に利用される。
この方法は、人物から停止条件を受け取るステップを含むことができる。
この方法は、ウエハの領域および欠陥のクラスの少なくとも1つに関連する対象情報レベルを受け取るステップを含むことができ、欠陥候補の選択部分群を選択するステップおよび欠陥候補を分類するステップの少なくとも1つのステップを、対象情報レベルに応答して行うことができる。
コンピュータ化システムのプロセッサは、ネットワークを介して欠陥分類器および歩留まり管理システム(YMS)に結合することができる。
コンピュータ化システムのプロセッサは、ネットワークを介して複数の検査ツールおよび複数の見直しツールに結合することができる。
コンピュータ化システムのプロセッサは、欠陥分類器内に含むことができる。
コンピュータ化システムのプロセッサは、ネットワークを介して欠陥分類器および歩留まり管理システム(YMS)に結合することができる。
欠陥候補情報を取得するステップは、コンピュータ化システムのプロセッサに結合することができる検査モジュールによって欠陥候補情報を生成することを含むことができる。
a.欠陥候補の群に関する欠陥候補情報を取得するステップであって、欠陥候補情報が、群の欠陥候補ごとの属性値を含むことができる、取得するステップと、
b.欠陥候補の選択部分群を、少なくとも選択部分群に属する欠陥候補の属性値に応答して選択するステップと、
c.選択部分群の欠陥候補を分類して、選択部分群分類結果を提供するステップと、
d.停止条件を満たすまで、欠陥候補の追加の選択部分群を、(a)少なくとも追加の選択部分群に属する欠陥候補の属性値、および(b)少なくとも1つの他の選択部分群を分類することから取得した分類結果、に応答して選択すること、ならびに追加の選択部分群の欠陥候補を分類して、追加の選択部分群分類結果を提供することを繰り返すステップとを、コンピュータに実行させる。
本発明の一実施形態によれば、ウエハの欠陥を分類するコンピュータ化システムを提供することができ、コンピュータ化システムは、プロセッサおよびメモリユニットを備えることができ、プロセッサは、
a.欠陥候補の群に関する欠陥候補情報を取得する段階であって、欠陥候補情報が、群の欠陥候補ごとの属性値を含むことができる、取得する段階と、
b.欠陥候補の選択部分群を、少なくとも選択部分群に属する欠陥候補の属性値に応答して選択する段階と、
c.選択部分群の欠陥候補を分類して、選択部分群分類結果を提供する段階と、
d.停止条件を満たすまで、
i.欠陥候補の追加の選択部分群を、(a)少なくとも追加の選択部分群に属する欠陥候補の属性値、および(b)少なくとも1つの他の選択部分群を分類することから取得した分類結果、に応答して選択すること、ならびに
ii.追加の選択部分群の欠陥候補を分類して、追加の選択部分群分類結果を提供することを繰り返す段階とを、少なくとも実行するように配置される。
a.欠陥候補の群に関する欠陥候補情報を取得する段階であって、欠陥候補情報が、群の欠陥候補ごとの属性値を含むことができる、取得する段階と、
b.コンピュータ化システムのプロセッサによって、欠陥候補の選択部分群を、少なくとも選択部分群に属する欠陥候補の属性値に応答して選択する段階と、
c.欠陥候補の選択部分群に関する情報を欠陥分類器へ送る段階と、
d.選択部分群分類結果を欠陥分類器から受け取る段階と、
e.停止条件を満たすまで、
i.欠陥候補の追加の選択部分群を、(a)少なくとも追加の選択部分群に属する欠陥候補の属性値、および(b)欠陥分類器による少なくとも1つの他の選択部分群を分類することから取得した分類結果、に応答して選択すること、
ii.追加の選択部分群に関する情報を欠陥分類器へ送ること、ならびに
iii.追加の選択部分群分類結果を欠陥分類器から受け取ることを繰り返す段階とを、少なくとも実行するように配置される。
a.光学検査デバイスによってウエハを検査して、欠陥候補の群に関する欠陥候補情報を提供するステップであって、欠陥候補情報が、群の欠陥候補ごとに複数の属性値を含むことができ、複数の属性が、光学検査デバイスの光学検査パラメータを表す属性を含むことができる、提供するステップと、
b.荷電粒子ビームツールによって、欠陥候補の群の一部分の欠陥候補の荷電粒子ビーム画像を取得するステップと、
c.欠陥分類器によって荷電粒子ビーム画像を処理して、部分分類結果を提供するステップと、
d.提供された部分分類結果の少なくとも一部分を出力するステップとを含むことができる。
この方法は、光学検査デバイスの操作者への欠陥候補情報の表示を防止するステップを含むことができる。
本発明の一実施形態によれば、ウエハ検査、欠陥検出、および分類のための方法を提供することができ、この方法は、
a.第1の分解能および第1のスループットで、第1のツールによってウエハを検査して、欠陥候補の群に関する欠陥候補情報を提供するステップであって、欠陥候補情報が、群の欠陥候補ごとに複数の属性値を含むことができ、複数の属性が、光学検査デバイスの光学検査パラメータを表す属性を含むことができる、提供するステップと、
b.第2の分解能および第2のスループットで、第2のツールによって、欠陥候補の群の一部分の欠陥候補の第2のツール画像を取得するステップと、
c.欠陥分類器によって第2のツール画像を処理して、部分分類結果を提供するステップと、
d.提供された部分分類結果の少なくとも一部分を出力するステップとを含むことができる。
a.第1の分解能および第1のスループットで、第1のツールによってウエハを検査して、欠陥候補の群に関する欠陥候補情報を提供するステップであって、欠陥候補情報が、群の欠陥候補ごとに複数の属性値を含むことができ、複数の属性が、光学検査デバイスの光学検査パラメータを表す属性を含むことができる、提供するステップと、
b.第2の分解能および第2のスループットで、第2のツールによって、欠陥候補の群の一部分の欠陥候補の第2のツール画像を取得するステップであって、第2の分解能が第1の分解能より高く、第1のスループットが第2のスループットより高い、取得するステップと、
c.第2のツール画像を欠陥分類器へ送るステップと、
d.欠陥分類器から部分分類結果を受け取るステップと、
e.提供された部分分類結果の少なくとも一部分を出力するステップとを含むことができる。
a.欠陥候補の群に関する欠陥候補情報を取得するステップであって、欠陥候補情報が、群の欠陥候補ごとの属性値を含むことができる、取得するステップと、
b.コンピュータ化システムのプロセッサによって、欠陥候補の選択部分群を、少なくとも選択部分群に属する欠陥候補の属性値に応答して選択するステップと、
c.欠陥候補の選択部分群に関する情報を欠陥分類器へ送るステップと、
d.選択部分群分類結果を欠陥分類器から受け取るステップと、
e.停止条件を満たすまで、
i.欠陥候補の追加の選択部分群を、(a)少なくとも追加の選択部分群に属する欠陥候補の属性値、および(b)欠陥分類器による少なくとも1つの他の選択部分群を分類することから取得した分類結果、に応答して選択すること、
ii.追加の選択部分群に関する情報を欠陥分類器へ送ること、ならびに
iii.追加の選択部分群分類結果を欠陥分類器から受け取ることを繰り返すステップとを含むことができる。
a.欠陥候補の群に関する欠陥候補情報を取得するステップであって、欠陥候補情報が、群の欠陥候補ごとの属性値を含むことができる、取得するステップと、
b.欠陥候補の選択部分群を、少なくとも選択部分群に属する欠陥候補の属性値に応答して選択するステップと、
c.欠陥候補の選択部分群に関する情報を欠陥分類器へ送るステップと、
d.選択部分群分類結果を欠陥分類器から受け取るステップと、
e.停止条件を満たすまで、
i.欠陥候補の追加の選択部分群を、(a)少なくとも追加の選択部分群に属する欠陥候補の属性値、および(b)欠陥分類器による少なくとも1つの他の選択部分群を分類することから取得した分類結果、に応答して選択すること、
ii.追加の選択部分群に関する情報を欠陥分類器へ送ること、ならびに
iii.追加の選択部分群分類結果を欠陥分類器から受け取ることを繰り返すステップとを、コンピュータに実行させる。
本発明に関する主題については、本明細書の最後の部分で特に指摘し、明瞭に主張する。しかし、本発明は、構成と動作方法の両方に関して、その目的、特徴、および利点とともに、添付の図面を読むとき、以下の詳細な説明を参照することによって、最もよく理解することができる。
本発明の図示の実施形態は、主として、当業者には知られている電子構成要素および回路を使用して実施することができるため、本発明の基本概念の理解および評価のため、本発明の教示を不明瞭にしたり混乱させたりしないように、詳細について、上記のように必要と見なされる程度以上に説明しない。
本明細書におけるシステムへのあらゆる言及は、システムによって実行することができる方法に、必要な変更を加えて適用されるべきであり、システムによって実行することができる命令を記憶する非一時的なコンピュータ可読媒体に、必要な変更を加えて適用されるべきである。
欠陥候補の群は、群とも呼ばれる。欠陥候補の群の一部分は、群の一部分とも呼ばれる。欠陥候補の部分群は、部分群とも呼ばれる。
「ツール」、「システム」、および「デバイス」という用語は、交換可能に使用される。
「コンピュータ」および「コンピュータ化デバイス」という用語は、交換可能に使用される。
あらゆるADCプロセスは、完全に自動的に、部分的に自動的に、または完全に手動で行うことができることに留意されたい。したがって、少なくとも欠陥分類段階(ADCプロセスによって実行される)は、人物によって提供される入力に応答して行うことができる。人物は、本明細書に記載するデバイスおよび/またはツールのいずれかの使用者または操作者とすることができる。
人物は、たとえば、欠陥の分類、対象欠陥の定義、対象である物体の区域の定義などを行うことができる。人物は、2つ以上の対象レベルを定義することができ、対象でない区域および対象である区域のみを定義することに限定されない。
本明細書に提供される例はいずれも、本発明の様々な実施形態の非限定的な例である。
図1は、本発明の一実施形態による方法100を示す。方法100は、欠陥候補をフィルタリングするために使用される。フィルタリングは、分類プロセスを受けるための欠陥候補のいくつかのみを選択することを含む。分類は、自動欠陥分類方法(ADC)によって実行することができる。方法100は、SEMまたは特有のサーバ上で実行することができる。方法100は、各欠陥後、または欠陥の群に対して、実行することができる。選択されなかった欠陥候補は、無視することができる。分類プロセスを受ける欠陥候補の中から、いくつかを非欠陥として分類することができ、いくつかを対象欠陥の1つまたは複数のクラスに分類することができ、いくつかを対象でない1つまたは複数のクラスに分類することができる。対象クラスは、使用者によって定義することができ、または自動的に定義することができる。
方法100は、欠陥候補の群に関する欠陥候補情報を取得するステップ110によって開始することができる。欠陥候補情報は、群の欠陥候補ごとの属性値を含む。
欠陥候補情報を取得するステップは、欠陥検査プロセスを実行することを含むことができる。欠陥検査プロセスは、固定のニューサンスフィルタの適用または欠陥候補に関連する属性の実質上のフィルタリングを行うことなく実行することができる。
群の欠陥候補の数は、非常に大きくすることができ、百または数百の欠陥候補、百万または数百万の欠陥などを超えることができる。数(few)という用語は、1〜10の範囲の数を指すことができる。
本発明は、欠陥候補情報を生成するために使用される検査プロセスのタイプによって限定されない。検査プロセスは、(a)物体が放射で照射される照射プロセス、(b)物体から放射が収集される収集プロセス、(c)収集された放射に応答して検出信号が生成される検出プロセス、および(d)検出信号の処理を含むことができる。
欠陥候補属性は、これらのプロセスのいずれか1つまたはこれらの組合せを反映することができる。欠陥候補属性は、プロセスの不完全性、バイアス、偏差、光学パラメータなどに関する情報を含むことができる。属性は、1つまたは複数の他の検査ツールから提供された検査ツール属性、製造プロセス属性、設計属性、歩留まり属性、および他の検査属性を含むことができる。
複数の欠陥候補属性は、通常は検査ツールによって出力されなかった「内部」属性と見なすことができる。たとえば、上記の例を参照すると、属性(d)、(e)、(f)、(h)、および(i)は、内部または外部の検査ツール情報と見なすことができる。さらに別の例では、欠陥を検出したセンサの識別情報は外部属性と見なすことができるが、センサのパラメータの少なくともいくつか(複数の感知要素を含むセンサ内の位置、ダイナミックレンジ、感度閾値、バイアスなど)は、内部属性と見なすことができる。またさらなる例では、外部属性は、属性(a)、(b)、(g)、および(i)を含むことができる。またさらなる例では、外部属性は、欠陥SNR、グレーレベル差、形状などを含むことができる。
本発明は、属性値に応答して欠陥候補を選択することを実行するやり方によって限定されない。たとえば、検査結果から欠陥を選択するための当技術分野では知られている多くの選択方法を、本発明の範囲を逸脱することなく、適当な修正により実施することができる。たとえば、欠陥候補の選択部分群の選択は、自動的に、半自動的に、または人物もしくは別のツールによって手動で定義される対象レベルに応答して行うことができる。
ステップ120に続いて、選択部分群の欠陥候補を分類して、選択部分群分類結果を提供するステップ130を行うことができる。
通常、本発明はそれに限定されないが、分類は、自動欠陥分類器(ADC)によって自動的に行われるべきである。ADCは、数学的もしくは統計的分類モデルを学習する訓練セットを使用することができ、または操作者によって定義される事前定義された1組の規則を使用することができる。本発明は、使用されるADCのタイプによって限定されない。半導体デバイスの製造に一般に使用される自動欠陥分類器の多くは、本発明の範囲を逸脱することなく、適当な修正により使用することができる。
ステップ130に続いて、欠陥候補の追加の選択部分群を、(a)少なくとも追加の選択部分群に属する欠陥候補の属性値、および(b)少なくとも1つの他の選択部分群を分類することから取得した分類結果、に応答して選択するステップ140を行うことができる。ステップ140の第1の反復中、分類結果は、ステップ130中に取得したものとすることができる。
それぞれの追加の選択部分群分類結果は、どの欠陥候補(追加の選択部分群のうち)が欠陥クラスに属するか、およびどの欠陥候補を欠陥クラスに分類することができないかを示すことができる。追加または別法として、それぞれの追加の選択部分群分類結果は、どの欠陥候補を欠陥と見なすべきでないか、または対象欠陥と見なすべきでないかを示すことができる。対象欠陥は、対象であると定義された1つまたは複数の欠陥クラスに属することができる。
ステップ150に続いて、停止基準が満たされたかどうかを確かめるステップ160を行うことができる。停止基準が満たされている場合、ステップ170へジャンプする。停止基準が満たされていない場合、ステップ140へジャンプする。
a.ステップ140および150の所定の数の反復に到達すること。
b.純度閾値を超える純度レベルまたは特有の閾値を下回る拒否レベルを有する分類結果を取得すること。純度とは、正確に分類された残余欠陥(ADCシステムによって分類可能であることが発見され、拒否されなかったもの)の割合を指す。米国特許第8315453号は、純度を最適化する分類器を開示しており、参照により本明細書に組み込まれている。
c.所定の数の対象欠陥(DOI)画像または特有のDOIタイプを取得すること。
ステップ170は、ステップ130および150中に取得した分類結果に応答することを含むことができる。
a.欠陥として分類された欠陥候補を表す欠陥情報を提供するステップ(171)。
b.特定の欠陥クラスに属する分類された欠陥候補を表す欠陥情報を提供するステップ(172)。たとえば1つまたは複数の対象欠陥クラスに属すること。
c.調整可能な欠陥分類器などの自動欠陥分類器を訓練するステップ(173)。訓練するステップ(173)は、別法として、そのような訓練に参加することを含むことができる。参加は、調整可能な欠陥分類器へ分類結果を送ることを含むことができる。
欠陥情報は、欠陥マップとすることができるが、他のタイプの情報を提供することができる。欠陥情報は、欠陥の位置および欠陥ごとの1つまたは複数の欠陥属性を含むことができる。
a.群の選択部分を、少なくとも1つの他の選択部分群を分類することから取得した分類結果に応答して選択する段階(141)。たとえば、群の選択部分は、何らかの事前に選択された部分群に属する欠陥候補を含まないように選択することができる。
b.群の選択部分に属する欠陥候補の属性値に応答して、群のこの部分から追加の選択部分群を選択する段階(142)。群のこの部分は、追加の選択部分群を含む。たとえば、ステップ110で使用されるのと同じ選択方法を使用して、選択ステップ142を実行することができる。
異なる分類プロセス(段階130および150)中に、同じ属性を使用することができることに留意されたい。また、異なる分類プロセス中に、異なる属性を使用することもできることにも留意されたい。追加または別法として、分類プロセス中に使用される属性は、欠陥候補情報(ステップ110)内に含まれる属性のすべてを含むことができ、または欠陥候補情報(ステップ110)内に含まれる属性の一部分を含むことができる。
表1および図2に示すように、欠陥候補の異なる組合せ(群自体、群の部分のいずれか1つ)から、異なる選択部分群が選択され、異なる選択部分群分類結果が取得される。
属性超空間は、3つ以上の次元を含むことができるが、説明を簡単にするために、図3は、2次元の属性超空間を示す。図示の属性超空間のx軸は、1つの属性の値を表し、y軸は、別の属性の値を表す。
図3が開示されるべきであるとは考えない。
図3のセグメント304は、領域302とクラスタ303との間の交点である。
欠陥候補表現305は、群200’の欠陥候補のすべてを表すことが想定される。
a.属性超空間を複数の領域302に区分する。
b.欠陥候補のクラスタ303を定義しかつ/または受け取る。
c.領域302およびクラスタ303に応答してセグメント304を定義する。図3は、領域302とクラスタ303との間の交点として定義されたセグメント304を示す。
図3で、複数の領域302は、群の欠陥候補の表現の異なる百分位数を表す。これらの百分位数は、図3の属性超空間に及ぶ1対の属性(群の欠陥候補のうち)の値の分布を反映する。
図4は、本発明の一実施形態による方法100のステップ141を示す。
ステップ141は、次のステップを含むことができる。
a.属性超空間のセグメントのセグメントスコアを計算するステップ(144)。
b.セグメントスコアに応答して、1つまたは複数の選択セグメントを選択するステップ(145)。
c.1つまたは複数の選択セグメントに属する欠陥候補表現によって表される欠陥候補を含むものとして群の選択部分を定義するステップ(146)。
a.セグメント内の欠陥候補表現の分布のパラメータに応答して、セグメントのセグメントスコアを計算すること(144(1))。パラメータは、たとえば、セグメント内の欠陥候補の数を反映することができる。
b.セグメント内に欠陥候補表現を有する少なくとも1つの欠陥候補に関連する少なくとも1つの分類結果に応答して、セグメントのセグメントスコアを計算すること(144(2))。たとえば、この方法は、欠陥として事前に分類された欠陥候補、特定の欠陥クラスの欠陥として分類された欠陥候補などを含まないセグメントを選択することを優先することができる。
c.欠陥として分類された欠陥候補の欠陥候補表現の分布のパラメータに応答して、セグメントのセグメントスコアを計算すること(144(3))。パラメータは、たとえば、欠陥と欠陥候補の比とすることができる。
属性超空間の分割は、方法100内に含むことができ、または方法100を実行するコンピュータ化された実体とは異なるコンピュータ化された実体によって実行することができる別の方法の一部分として実行することができる。
本発明の一実施形態によれば、分割は、経時変化することができる。たとえば、属性超空間は、分類結果に応答してセグメントに再分割することができる。再分割は、欠陥候補のクラスタ化を変化させることを含むことができる。
以下に示すように、図5の方法101は、追加のステップ181および182を含むことによって、図1の方法100とは異なる。
方法101は、欠陥候補の群に関する欠陥候補情報を取得するステップ110によって開始することができる。
ステップ110に続いて、欠陥候補の選択部分群を、少なくとも選択部分群に属する欠陥候補の属性値に応答して選択するステップ120を行うことができる。
ステップ120に続いて、選択部分群の欠陥候補を分類して、選択部分群分類結果を提供するステップ130を行うことができる。
ステップ130に続いて、ステップ181および140を行うことができる。
ステップ181は、選択部分群分類結果に応答して、属性超空間を再分割することを含むことができる。ステップ181に続いて、ステップ140を行うことができる。たとえば、分類プロセスで、対象欠陥と無視されるべき欠陥候補との間に明白な境界を発見した場合、再分割により、セグメント間にこの境界を位置決めすることができ、または1つもしくは複数のセグメントの境界を形成することができる。
ステップ130に続いて、欠陥候補の追加の選択部分群を、(a)少なくとも追加の選択部分群に属する欠陥候補の属性値、および(b)少なくとも1つの他の選択部分群を分類することから取得した分類結果、に応答して選択するステップ140を行うことができる。
ステップ150に続いて、ステップ160および182を行うことができる。
ステップ182は、追加の選択部分群分類結果に応答して、属性超空間を再分割することを含むことができる。ステップ182に続いて、ステップ160を行うことができる。
ステップ160は、停止基準が満たされたかどうかを確かめることを含むことができる。停止基準が満たされている場合、ステップ170へジャンプする。停止基準が満たされていない場合、ステップ140へジャンプする。
ステップ170は、ステップ130および150中に取得した分類結果に応答することを含むことができる。
また、分類結果(ステップ130および/または150中に取得した)を使用して、分類プロセス自体を調整することもできる。たとえば、ステップ130を実行するときに取得した分類結果を使用して、ステップ150の1つまたは複数の反復で適用されるように分類プロセスを調節することができる。さらに別の例では、ステップ150の第2またはそれ以降の反復は、ステップ130中およびステップ150の以前の反復中に取得した事前に計算された分類結果に応答して、分類プロセスを適用することを伴うことができる。
分類プロセスの調整は、再分割に加えて、または再分割の代わりに、実行することができる。
以下に示すように、図6の方法102は、追加のステップ191および192を含むことによって、図1の方法100とは異なる。
方法102は、欠陥候補の群に関する欠陥候補情報を取得するステップ110によって開始することができる。
ステップ110に続いて、欠陥候補の選択部分群を、少なくとも選択部分群に属する欠陥候補の属性値に応答して選択するステップ120を行うことができる。
ステップ120に続いて、選択部分群の欠陥候補を分類して、選択部分群分類結果を提供するステップ130を行うことができる。
ステップ130に続いて、ステップ191および140を行うことができる。
ステップ191は、ステップ150の1つまたは複数の反復中に適用されるように分類プロセスを調整することを含むことができる。ステップ191に続いて、ステップ140を行うことができる。
ステップ130に続いて、欠陥候補の追加の選択部分群を、(a)少なくとも追加の選択部分群に属する欠陥候補の属性値、および(b)少なくとも1つの他の選択部分群を分類することから取得した分類結果、に応答して選択するステップ140を行うことができる。
ステップ140に続いて、追加の選択部分群の欠陥候補を分類して、追加の選択部分群分類結果を提供するステップ150を行うことができる。
ステップ150に続いて、ステップ160および192を行うことができる。
ステップ192は、ステップ150の1つまたは複数の反復中に適用されるように分類プロセスを調整することを含むことができる。ステップ192に続いて、ステップ160を行うことができる。
ステップ170は、ステップ130および150中に取得した分類結果に応答することを含むことができる。
方法102は、ステップ191および192のうちの1つだけを含むことができることに留意されたい。追加または別法として、ステップ170は、ステップ191および192の少なくとも1つを含むことができる。
図7Aは、デバイス200、検査ツール210、見直しツール220、自動欠陥分類器230、および工場歩留まり管理システム250を示す。
デバイス200、検査ツール210、見直しツール220、および自動欠陥分類器(ADC)230には、ネットワーク240が結合される。たとえば、ネットワーク240は、工場通信システムとすることができる。説明を簡単にするために、単一の検査ツール210および単一の見直しツール220のみを示す。実際には、ネットワーク240を介して複数の検査ツールを複数の見直しツールに接続することができることに留意されたい。説明をさらに簡単にするために、単一のADCシステム230を示す。2つ以上のADCシステム230を使用することができることに留意されたい。
説明を簡単にするために、デバイス200を独立型のコンピュータシステムとして示す。デバイス200は、検査ツール210、見直しツール220、ADC230、および/またはYMS250の一部分とすることができることに留意されたい。これらの構成のいずれにおいても、デバイス200は、ネットワーク240を介することなく、他のシステム(たとえば、検査ツール210、見直しツール220、ADCシステム230、またはYMS)に直接結合することができる。デバイス200の構成要素は、ツールおよびシステム210、220、230、および250のいずれかの構成要素と一体化することができる。本発明の一実施形態によれば、デバイス200は、たとえば検査ツール210、見直しツール220、ADCツール230、または工場歩留まり管理システム250の電子ラック上に配置されたハードウェアユーティリティとして容易にすることができる。本発明の実施形態によれば、デバイス200は、ホスティングツールのデータ分析プロセッサに直接結合することができる。本発明の実施形態によれば、デバイス200は、実体210〜250のいずれか1つのデータ分析プロセッサによって動作されるソフトウェアユーティリティとして容易にされる。
デバイス200は、方法100、101、および102のいずれか1つ、またはこれらの方法の任意のステップの組合せを実行するように配置することができる。
デバイス200は、メモリユニット201およびプロセッサ202を含むことができる。
プロセッサ202は、方法100〜102の1つまたは複数の任意のステップ中に必要とされる任意の動作を実行することができる。
たとえば、メモリユニット201は、欠陥候補の群に関する欠陥候補情報を記憶するように配置することができる。
a.欠陥候補の選択部分群を、少なくとも選択部分群に属する欠陥候補の属性値に応答して選択する。
b.選択部分群の欠陥候補を分類して、選択部分群分類結果を提供する。
c.停止条件を満たすまで、(i)欠陥候補の追加の選択部分群を、(a)少なくとも追加の選択部分群に属する欠陥候補の属性値、および(b)少なくとも1つの他の選択部分群を分類することから取得した分類結果、に応答して選択することを繰り返す。
d.追加の選択部分群の欠陥候補を分類して、追加の選択部分群分類結果を提供する。
欠陥候補の選択部分群の選択は、対象レベルに応答して行うことができる。欠陥候補の対象レベルは、欠陥候補の位置に関連することができる。たとえば、選択は、対象領域に位置する欠陥候補を選択する傾向を有することができる。
さらに別の例では、プロセッサ202は、分類プロセス結果を反映する欠陥情報を提供するように配置することができる。
本発明の一実施形態によれば、図7Bに示すように、デバイス200は、ADCシステム230と一体化される。ADC230およびデバイス200は、ネットワーク240を介して、YMS250の監視下で、複数の検査ツール210および複数の見直しツール220の働きをする。
本発明の別の実施形態によれば、図7Cに示すように、ADC230およびデバイス200は、見直しツール220と一体化される。
本発明のさらに別の実施形態を図7Eに示す。この実施形態では、単一のプラットフォームが、検査モジュール272、見直しモジュール274、ADCモジュール276、およびフィルタ278を収容する。
図7A〜7Eのどれでも、様々なツール、デバイス、およびモジュールは、当技術分野では知られている任意の方法で互いに通信することができる。たとえば、通信は、既存の結果ファイル形式(それだけに限定されるものではないが、KLA Inc.のKLARF(商標)など)、強化型結果ファイル形式、または専用の形式に基づいて行うことができる。
図8は、本発明の一実施形態による方法800を示す。方法8は、図7A〜7Eに示すシステムならびに変形構成によって実施することができる。
段階810に続いて、走査電子顕微鏡(SEM)(たとえば、見直しツール220または見直しモジュール274)によって欠陥候補の群の一部分の欠陥候補のSEM画像を取得する段階820を行うことができる。
段階830に続いて、提供された部分分類結果の少なくとも一部分を出力する段階840を行うことができる。
段階820〜830は、欠陥候補の選択部分群が撮像および分類される間に反復して実行することができる。したがって、方法800は、方法100を実行することを含むことができる。
この流れは、以下のステップを含むことができる。
a.YMS250は、デバイス200にYMS命令Gを提供する。
b.デバイス200は、検査ツール210に検査命令Hを提供する。
c.検査ツール210は、検査を実行し、デバイス200に検査結果Iを提供する。検査ツール210は、欠陥検出を含むがニューサンスフィルタリングを含まない検査を実行する。検査結果Iは、検査欠陥検出動作によって生成される結果のすべてを含む。
d.デバイス200は、検査結果Iをサンプリングし、見直しツール220に見直し命令Jを提供する。
e.見直しツール220は、ADC230と通信し(ADC入力K)、ADC230から受け取ったADC出力L入力に基づいて、見直し結果を分析する。
f.見直しツール220は、デバイス200(および/またはYMS250)に見直し結果Mを提供する。
g.YMS250は、見直し結果Mを受け取る。
任意選択で、見直し結果の分析は、ADC230によって完了され、見直し結果は、ADC230によってYMS250へ提供される。任意選択で(図示せず)、ADC230は、見直しツール220と一体化され、ADC入力KおよびADC出力Lは、一体化された見直し−ADCシステムの性能の一部として生成される。任意選択で(図示せず)、検査−サンプリング−見直しプロセス内に、追加の演算システムが含まれる。
本発明の一実施形態によれば、デバイス200は、事前定義されたサンプリング停止条件を使用し、この事前定義されたサンプリング停止条件が満たされるまで、サンプリング(見直し命令Jをもたらす)、ならびに見直し検出、および分類(ADC入力K、ADC出力L、および見直し結果Mをもたらす)が、反復して実行される。この反復サンプリングは、ウエハ検査ごとに実行される。たとえば、特定の検査サイクル(たとえば、ウエハ番号nの検査)で、特定の位置が本当の欠陥に関連付けられ、ウエハ番号nの見直し結果に基づいて、ウエハ番号n+1の検査結果の分析に対して、この位置はニューサンスに関連付けられる。
本発明の一実施形態によれば、デバイス200は、検査ツール210に検査レシピ更新命令を提供する。本発明の一実施形態によれば、検査命令は、検査レシピ設定の更新、たとえば光学設定の更新を目的とする命令を含む。本発明の別の実施形態によれば、検査命令は、検査ツール200によって欠陥検出に使用される検出アルゴリズムの調節を目的とする命令を含む。したがって、光学構成および検出アルゴリズムが、複数のウエハの検査にわたって動的に更新される。その結果、製造プロセスの変動のために引き起こされる変化を補償することができる。加えて、検査ツールプロセスの変動のために引き起こされる変化(たとえば、光学構成要素、電気構成要素、および機械構成要素の動作の経時変化)を補償することもできる。時間とともに、光学構成および欠陥検出の最適化を実現することができ、それによって信号の収集および感度を増大させることができる。
したがって、従来技術の欠陥結果ファイルによって一般に利用可能でない属性を含む多くのタイプの検査属性を処理することによって、対象見直し欠陥のサンプリングの品質および効率に対する追加の改善が実現される。
したがって、検査ツールによって提供される検査データの量は、見直しツールによって提供される見直しデータの量をはるかに超える。これはまた、検査ツールおよび見直しツールのそれぞれが有効範囲に含む区域内で反映される。典型的には、検査は、ウエハ区域の完全な/高い有効範囲を提供し、見直しは、対象位置の周りの特有の領域に制限される。
コンピュータプログラムは、特定のアプリケーションプログラムおよび/またはオペレーティングシステムなどの命令のリストである。コンピュータプログラムは、たとえば、サブルーチン、関数、手順、オブジェクトメソッド、オブジェクト実装、実行可能なアプリケーション、アプレット、サーブレット、ソースコード、オブジェクトコード、共用ライブラリ/ダイナミックロードライブラリ、および/またはコンピュータシステム上で実行するように設計される他の命令シーケンスの1つまたは複数を含むことができる。
コンピュータプログラムは、非一時的なコンピュータ可読媒体上で内部に記憶することができる。コンピュータプログラムのすべてまたは一部は、情報処理システムに恒久的に、取外し可能に、または遠隔に結合されたコンピュータ可読媒体上に提供することができる。コンピュータ可読媒体は、たとえば、限定ではないが、ディスクおよびテープ記憶媒体を含む磁気記憶媒体、コンパクトディスク媒体(たとえば、CD−ROM、CD−Rなど)およびデジタルビデオディスク記憶媒体などの光学記憶媒体、FLASHメモリ、EEPROM、EPROM、ROMなどの半導体ベースのメモリユニットを含む不揮発性メモリ記憶媒体、強磁性デジタルメモリ、MRAM、レジスタ、バッファまたはキャッシュ、主メモリ、RAMなどを含む揮発性記憶媒体を任意の数だけ含むことができる。
コンピュータシステム1100は、ネットワークインターフェースデバイス1122をさらに含むことができる。コンピュータシステム1100はまた、ビデオ表示装置1110(たとえば、液晶ディスプレイ(LCD)、陰極線管(CRT)、またはタッチスクリーン)、英数字入力デバイス1112(たとえば、キーボード)、カーソル制御デバイス1114(たとえば、マウス)、および信号生成デバイス1120(たとえば、スピーカ)を含むことができる。
さらに、本説明および特許請求の範囲における「前(front)」、「後(back)」、「上(top)」、「下(bottom)」、「上(over)」、「下(under)」などという用語は、もしあれば、必ずしも恒久的な相対位置を説明するのではなく、説明の目的で使用されるものである。そのように使用される用語は、適当な状況下で交換可能であり、したがって、本明細書に記載する本発明の実施形態は、たとえば、本明細書に図示しまたは他の形で説明したもの以外の配向で動作することが可能であることが理解される。
特有の可能な伝導率タイプまたは極性について例で説明したが、可能な伝導率タイプおよび極性を逆にすることもできることが理解されよう。
本明細書に記載する各信号は、正または負の論理として設計することができる。負の論理の信号の場合、信号は、論理レベル0に対応する論理的に真の状態でアクティブローになる。正の論理の信号の場合、信号は、論理レベル1に対応する論理的に真の状態でアクティブハイになる。本明細書に記載する信号はいずれも、負の論理または正の論理の信号として設計することができることに留意されたい。したがって、代替実施形態では、正の論理の信号として記載する信号を、負の論理の信号として実施することができ、負の論理の信号として記載する信号を、正の論理の信号として実施することができる。
論理ブロック間の境界は単に例示であり、代替実施形態では、論理ブロックもしくは回路要素を併合させることができ、または様々な論理ブロックもしくは回路要素上に代わりの機能上の分解を加えることもできることが、当業者には理解されよう。したがって、本明細書に示すアーキテクチャは単に例示であり、実際には同じ機能性を実現する多くの他のアーキテクチャを実施することができることを理解されたい。
さらに、前述の動作間の境界は単に例示であることが、当業者には理解されよう。複数の動作を組み合わせて単一の動作にすることができ、単一の動作を追加の動作に分散させることができ、少なくとも部分的に時間的に重複して動作を実行することができる。さらに、代替実施形態は、特定の動作の複数の例を含むことができ、様々な他の実施形態では、動作の順序を変えることができる。
また、本発明は、プログラム可能でないハードウェア内で実施される物理デバイスまたはユニットに限定されるものではなく、「コンピュータシステム」としてのこの応用例で一般に示されるメインフレーム、ミニコンピュータ、サーバ、ワークステーション、パーソナルコンピュータ、ノートパッド、パーソナルデジタルアシスタント、電子ゲーム、自動車その他内蔵システム、携帯電話、および様々な他の無線デバイスなど、適したプログラムコードに従って動作することによって所望のデバイス機能を実行することができるプログラム可能なデバイスまたはユニット内で適用することができる。
しかし、他の修正、変形、および代替も可能である。したがって、本明細書および図面は、制限的な意味ではなく例示的であると見なされるべきである。
Claims (20)
- 欠陥候補の群の欠陥候補情報を取得するステップであって、前記欠陥候補情報が、前記欠陥候補の群の各欠陥候補に対する属性値を含み、前記属性値が、各欠陥候補の検査に関連付けられている、取得するステップと、
処理デバイスによって、複数回の分類反復結果を提供するために複数回の反復を含む半導体欠陥分類操作の第1の反復において分析されるように前記欠陥候補の群から欠陥候補の部分群を選択するステップであって、前記欠陥候補の部分群が、選択される部分群に属する欠陥候補の前記属性値に基づいて選択される、選択するステップと、
前記半導体欠陥分類操作の前記第1の反復から前記欠陥候補の選択される部分群の分類結果を受け取るステップであって、前記分類結果は、前記欠陥候補の選択される部分群と関連付けられた欠陥クラスを識別する、受け取るステップと、
分類の事前定義された純度レベルに達すること、又は、前記選択される部分群における欠陥候補の閾値の数の画像を取得することに関する停止条件が満たされるまで、
前記半導体欠陥分類操作の第2の反復において分析されるように前記欠陥候補の群から追加の部分群を選択することであって、欠陥候補の前記追加の部分群が、追加の選択される部分群に属する欠陥候補の前記属性値および前記半導体欠陥分類操作の前記第1の反復から事前に受け取った別の選択される部分群の分類結果に基づいている、追加の部分群を選択すること、ならびに
前記半導体欠陥分類操作の前記第2の反復から前記欠陥候補の選択された追加の部分群の分類結果を受け取ることを繰り返すステップと
を含む方法。 - 前記欠陥候補の選択される部分群の情報を、前記欠陥候補の群の欠陥クラスを識別することに関連付けられた欠陥分類器へ伝送するステップをさらに含み、前記欠陥候補の選択される部分群の前記分類結果を受け取る前記ステップが、前記欠陥分類器から、前記欠陥候補の選択される部分群の各欠陥候補の欠陥候補情報に基づいて行われる、
請求項1に記載の方法。 - 前記欠陥候補情報を取得する前記ステップが、光学検査ツールから前記欠陥候補情報を受け取ることを含む、請求項1に記載の方法。
- 前記欠陥候補の選択される部分群の前記分類結果を受け取る前記ステップが、自動欠陥分類に基づいて前記欠陥候補の選択される部分群を分類することを含む、請求項1に記載の方法。
- 前記欠陥候補情報を取得する前記ステップに関連して、前記欠陥候補の群を識別するための検査および見直しツールから見直し結果を受け取るステップ
をさらに含む、請求項1に記載の方法。 - 前記分類結果を提供する自動欠陥分類器および前記欠陥候補の部分群を選択する前記ステップを実行するデバイスを備える見直しツールから見直し結果を受け取るステップ
をさらに含む、請求項1に記載の方法。 - 前記追加の部分群を選択することが、
前記欠陥の群のうち、事前に選択された部分群に属する欠陥候補を含まない欠陥の群の部分を選択することと、
前記事前に選択された部分群に属する欠陥候補を含まない欠陥の前記群の前記選択部分に属する欠陥候補の前記属性値に基づいて、前記追加の部分群を選択することとを含む、請求項1に記載の方法。 - 前記欠陥候補の選択される部分群の前記分類結果を受け取る前記ステップが、
荷電粒子ビームによって前記選択される部分群の前記欠陥候補を撮像して、荷電粒子画像を生成することと、
欠陥分類器によって前記荷電粒子画像を処理して、前記選択部分群分類結果を提供することとを含む、請求項1に記載の方法。 - 前記停止条件を満たすことが、純度閾値を超える純度レベルを有する分類結果を受け取ることを含み、前記純度レベルが、分類される前記欠陥候補の群の割合と関連付けられる請求項1に記載の方法。
- それぞれの選択される部分群の各欠陥候補の1つまたは複数の画像を取得するステップをさらに含み、特定の欠陥タイプに対応する画像の閾値数が取得されたとき、前記停止条件が満たされる、
請求項1に記載の方法。 - メモリと、
処理デバイスとを備え、前記処理デバイスは、
欠陥候補の群の欠陥候補情報を取得するステップであって、前記欠陥候補情報が、前記欠陥候補の群の各欠陥候補に対する属性値を含み、前記属性値が、各欠陥候補の検査に関連付けられている、取得するステップと、
複数回の分類反復結果を提供するために複数回の反復を含む半導体欠陥分類操作の第1の反復において分析されるように前記欠陥候補の群から欠陥候補の部分群を選択するステップであって、前記欠陥候補の部分群が、選択される部分群に属する欠陥候補の前記属性値に基づいて選択される、選択するステップと、
前記半導体欠陥分類操作の前記第1の反復から前記欠陥候補の選択される部分群の分類結果を受け取るステップであって、前記分類結果は、前記欠陥候補の選択される部分群と関連付けられた欠陥クラスを識別する、受け取るステップと、
分類の事前定義された純度レベルに達すること、又は、前記選択される部分群における欠陥候補の閾値の数の画像を取得することに関する停止条件が満たされるまで、
前記半導体欠陥分類操作の第2の反復において分析されるように前記欠陥候補の群から追加の部分群を選択することであって、欠陥候補の前記追加の部分群が、追加の選択される部分群に属する欠陥候補の前記属性値および前記半導体欠陥分類操作の前記第1の反復から事前に受け取った別の選択される部分群の分類結果に基づいている、追加の部分群を選択すること、ならびに
前記半導体欠陥分類操作の前記第2の反復から前記欠陥候補の選択された追加の部分群の分類結果を受け取ることを繰り返すステップとを行うように前記メモリに結合される、
システム。 - 前記処理デバイスがさらに、
前記欠陥候補の選択される部分群の情報を、前記欠陥候補の群の欠陥クラスを識別することに関連付けられた欠陥分類器へ伝送し、前記欠陥候補の選択される部分群の前記分類結果を受け取る前記ステップが、前記欠陥分類器から、前記欠陥候補の選択される部分群の各欠陥候補の欠陥候補情報に基づいて行われる、請求項11に記載のシステム。 - 前記欠陥候補情報を取得するために、前記処理デバイスがさらに、光学検査ツールから前記欠陥候補情報を受け取る、請求項11に記載のシステム。
- 前記欠陥候補の選択される部分群の前記分類結果を受け取るために、前記処理デバイスがさらに、自動欠陥分類に基づいて前記欠陥候補の選択される部分群を分類する、請求項11に記載のシステム。
- 前記処理デバイスがさらに、
前記欠陥候補情報を取得する前記ステップに関連して、前記欠陥候補の群を識別するための検査および見直しツールから見直し結果を受け取る、請求項11に記載のシステム。 - 前記欠陥候補情報、前記欠陥候補の群、および前記分類結果に関連するプロセス制御ツールと通信可能に結合される、請求項11に記載のシステム。
- 前記欠陥候補情報に関連する検査ツールおよび前記欠陥候補の群に関連する見直しツールと通信可能に結合された自動欠陥分類器ツールに対応する、請求項11に記載のシステム。
- 前記欠陥候補の群に関連する見直しツールをさらに備える、請求項11に記載のシステム。
- 前記欠陥候補情報および前記欠陥候補の群に関連する検査および見直しツールと通信可能に結合される、請求項11に記載のシステム。
- 命令を含む非一時的なコンピュータ可読媒体であって、前記命令が、処理デバイスによって実行されるとき、
欠陥候補の群の欠陥候補情報を取得するステップであって、前記欠陥候補情報が、前記欠陥候補の群の各欠陥候補に対する属性値を含み、前記属性値が、各欠陥候補の検査に関連付けられている、取得するステップと、
複数回の分類反復結果を提供するために複数回の反復を含む半導体欠陥分類操作の第1の反復において分析されるように前記欠陥候補の群から欠陥候補の部分群を選択するステップとであって、前記欠陥候補の部分群が、選択される部分群に属する欠陥候補の前記属性値に基づいて選択される、選択するステップ、
前記半導体欠陥分類操作の前記第1の反復から前記欠陥候補の選択される部分群の分類結果を受け取るステップであって、前記分類結果は、前記欠陥候補の選択される部分群と関連付けられた欠陥クラスを識別する、受け取るステップと、
分類の事前定義された純度レベルに達すること、又は、前記選択される部分群における欠陥候補の閾値の数の画像を取得することに関する停止条件が満たされるまで、
前記半導体欠陥分類操作の第2の反復において分析されるように前記欠陥候補の群から追加の部分群を選択することであって、欠陥候補の前記追加の部分群が、追加の選択される部分群に属する欠陥候補の前記属性値および前記半導体欠陥分類操作の前記第1の反復から事前に受け取った別の選択される部分群の分類結果に基づいている、追加の部分群を選択すること、ならびに
前記半導体欠陥分類操作の前記第2の反復から前記欠陥候補の選択された追加の部分群の分類結果を受け取ることを繰り返すステップとを、前記処理デバイスに実行させる、非一時的なコンピュータ可読媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/522,543 | 2014-10-23 | ||
US14/522,543 US9286675B1 (en) | 2014-10-23 | 2014-10-23 | Iterative defect filtering process |
PCT/US2015/053240 WO2016064547A1 (en) | 2014-10-23 | 2015-09-30 | Iterative defect filtering process |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2017537312A JP2017537312A (ja) | 2017-12-14 |
JP6932637B2 true JP6932637B2 (ja) | 2021-09-08 |
Family
ID=55450177
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017522331A Active JP6932637B2 (ja) | 2014-10-23 | 2015-09-30 | 反復式の欠陥フィルタリングプロセス |
Country Status (6)
Country | Link |
---|---|
US (3) | US9286675B1 (ja) |
JP (1) | JP6932637B2 (ja) |
KR (2) | KR102251862B1 (ja) |
CN (2) | CN107004123B (ja) |
TW (3) | TWI670781B (ja) |
WO (1) | WO2016064547A1 (ja) |
Families Citing this family (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10312091B1 (en) * | 2015-10-13 | 2019-06-04 | Multibeam Corporation | Secure permanent integrated circuit personalization |
US10339262B2 (en) * | 2016-03-29 | 2019-07-02 | Kla-Tencor Corporation | System and method for defining care areas in repeating structures of design data |
CN115038119A (zh) | 2016-09-28 | 2022-09-09 | 三菱电机株式会社 | 通信系统 |
SG11201902745RA (en) * | 2016-10-17 | 2019-05-30 | Kla Tencor Corp | Optimizing training sets used for setting up inspection-related algorithms |
US10190991B2 (en) | 2016-11-03 | 2019-01-29 | Applied Materials Israel Ltd. | Method for adaptive sampling in examining an object and system thereof |
DE102018106751A1 (de) * | 2017-07-31 | 2019-01-31 | Taiwan Semiconductor Manufacturing Co. Ltd. | Automatisiertes inspektionswerkzeug |
US10490463B2 (en) * | 2017-07-31 | 2019-11-26 | Taiwan Semiconductor Manufacturing Co., Ltd. | Automated inspection tool |
US10504805B2 (en) * | 2017-08-24 | 2019-12-10 | Applied Materials Israel Ltd. | Method of examining defects in a semiconductor specimen and system thereof |
US10360669B2 (en) | 2017-08-24 | 2019-07-23 | Applied Materials Israel Ltd. | System, method and computer program product for generating a training set for a classifier |
GB2567881B (en) * | 2017-10-30 | 2021-02-10 | Imagination Tech Ltd | Systems and methods for processing a stream of data values |
US10970834B2 (en) * | 2018-01-05 | 2021-04-06 | Kla-Tencor Corporation | Defect discovery using electron beam inspection and deep learning with real-time intelligence to reduce nuisance |
CN108182961A (zh) * | 2018-01-12 | 2018-06-19 | 江苏华存电子科技有限公司 | 一种多通道存储系统的坏块处理方法 |
US10698392B2 (en) * | 2018-06-22 | 2020-06-30 | Applied Materials, Inc. | Using graphics processing unit for substrate routing and throughput modeling |
CN112424826A (zh) | 2018-07-13 | 2021-02-26 | Asml荷兰有限公司 | 基于机器学习的图案分组方法 |
US10923317B2 (en) * | 2018-09-19 | 2021-02-16 | KLA Corp. | Detecting defects in a logic region on a wafer |
US10545099B1 (en) | 2018-11-07 | 2020-01-28 | Kla-Tencor Corporation | Ultra-high sensitivity hybrid inspection with full wafer coverage capability |
KR102324622B1 (ko) * | 2018-12-12 | 2021-11-12 | 어플라이드 머티리얼즈 이스라엘 리미티드 | 프로세스 모니터링 |
US11321633B2 (en) * | 2018-12-20 | 2022-05-03 | Applied Materials Israel Ltd. | Method of classifying defects in a specimen semiconductor examination and system thereof |
US11151706B2 (en) * | 2019-01-16 | 2021-10-19 | Applied Material Israel, Ltd. | Method of classifying defects in a semiconductor specimen and system thereof |
US11055840B2 (en) * | 2019-08-07 | 2021-07-06 | Kla Corporation | Semiconductor hot-spot and process-window discovery combining optical and electron-beam inspection |
US11360030B2 (en) * | 2020-02-04 | 2022-06-14 | Applied Materials Isreal Ltd | Selecting a coreset of potential defects for estimating expected defects of interest |
CN117147570A (zh) * | 2023-10-30 | 2023-12-01 | 深圳硬之城信息技术有限公司 | 基于机器视觉的制造控制方法、装置、设备及存储介质 |
Family Cites Families (61)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5991699A (en) | 1995-05-04 | 1999-11-23 | Kla Instruments Corporation | Detecting groups of defects in semiconductor feature space |
US5966459A (en) * | 1997-07-17 | 1999-10-12 | Advanced Micro Devices, Inc. | Automatic defect classification (ADC) reclassification engine |
US5862055A (en) * | 1997-07-18 | 1999-01-19 | Advanced Micro Devices, Inc. | Automatic defect classification individual defect predicate value retention |
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 |
JP4206192B2 (ja) * | 2000-11-09 | 2009-01-07 | 株式会社日立製作所 | パターン検査方法及び装置 |
EP1296352A4 (en) * | 2000-06-27 | 2007-04-18 | Ebara Corp | INVESTIGATION DEVICE FOR LOADED PARTICLE RAYS AND METHOD FOR PRODUCING A COMPONENT ELEVATED WITH THIS INSPECTION DEVICE |
TWI256468B (en) * | 2000-10-02 | 2006-06-11 | Applied Materials Inc | Defect source identifier |
US7693323B2 (en) * | 2002-03-12 | 2010-04-06 | Applied Materials, Inc. | Multi-detector defect detection system and a method for detecting defects |
JP4095860B2 (ja) * | 2002-08-12 | 2008-06-04 | 株式会社日立ハイテクノロジーズ | 欠陥検査方法及びその装置 |
JP4310090B2 (ja) * | 2002-09-27 | 2009-08-05 | 株式会社日立製作所 | 欠陥データ解析方法及びその装置並びにレビューシステム |
JP4169573B2 (ja) * | 2002-10-23 | 2008-10-22 | 株式会社東京精密 | パターン検査方法及び検査装置 |
US7359544B2 (en) * | 2003-02-12 | 2008-04-15 | Kla-Tencor Technologies Corporation | Automatic supervised classifier setup tool for semiconductor defects |
US7602962B2 (en) * | 2003-02-25 | 2009-10-13 | Hitachi High-Technologies Corporation | Method of classifying defects using multiple inspection machines |
US7756320B2 (en) * | 2003-03-12 | 2010-07-13 | Hitachi High-Technologies Corporation | Defect classification using a logical equation for high stage classification |
US7508973B2 (en) * | 2003-03-28 | 2009-03-24 | Hitachi High-Technologies Corporation | Method of inspecting defects |
US6952653B2 (en) | 2003-04-29 | 2005-10-04 | Kla-Tencor Technologies Corporation | Single tool defect classification solution |
WO2004109793A1 (ja) * | 2003-05-30 | 2004-12-16 | Ebara Corporation | 試料検査装置及び方法並びに該試料検査装置及び方法を用いたデバイス製造方法 |
CN100371939C (zh) * | 2003-08-27 | 2008-02-27 | 上海宏力半导体制造有限公司 | 在缺陷管理系统中使用的方法 |
JP2005158780A (ja) * | 2003-11-20 | 2005-06-16 | Hitachi Ltd | パターン欠陥検査方法及びその装置 |
US7198964B1 (en) * | 2004-02-03 | 2007-04-03 | Advanced Micro Devices, Inc. | Method and apparatus for detecting faults using principal component analysis parameter groupings |
US7208328B2 (en) * | 2004-03-16 | 2007-04-24 | Macronix International Co., Ltd. | Method and system for analyzing defects of an integrated circuit wafer |
JP2006098151A (ja) * | 2004-09-29 | 2006-04-13 | Dainippon Screen Mfg Co Ltd | パターン検査装置およびパターン検査方法 |
JP4374303B2 (ja) * | 2004-09-29 | 2009-12-02 | 株式会社日立ハイテクノロジーズ | 検査方法及びその装置 |
JP5134188B2 (ja) * | 2004-10-15 | 2013-01-30 | ケーエルエー−テンカー コーポレイション | 試料上の欠陥を分析する装置 |
JP2006170809A (ja) * | 2004-12-16 | 2006-06-29 | Dainippon Screen Mfg Co Ltd | 欠陥検出装置および欠陥検出方法 |
JP4402004B2 (ja) * | 2005-04-15 | 2010-01-20 | 株式会社日立ハイテクノロジーズ | 検査装置 |
US7747062B2 (en) * | 2005-11-09 | 2010-06-29 | Kla-Tencor Technologies Corp. | Methods, defect review tools, and systems for locating a defect in a defect review process |
US7570796B2 (en) | 2005-11-18 | 2009-08-04 | 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 |
FR2903253A1 (fr) * | 2006-06-29 | 2008-01-04 | Thales Sa | Procede permettant de determiner des parametres de compression et de protection pour la transmission de donnees multimedia sur un canal sans fil. |
US7904845B2 (en) | 2006-12-06 | 2011-03-08 | Kla-Tencor Corp. | Determining locations on a wafer to be reviewed during defect review |
JP5427609B2 (ja) | 2006-12-19 | 2014-02-26 | ケーエルエー−テンカー・コーポレーション | 検査レシピ作成システムおよびその方法 |
US8175831B2 (en) | 2007-04-23 | 2012-05-08 | Kla-Tencor Corp. | Methods and systems for creating or performing a dynamic sampling scheme for a process during which measurements are performed on wafers |
US7711514B2 (en) | 2007-08-10 | 2010-05-04 | Kla-Tencor Technologies Corp. | Computer-implemented methods, carrier media, and systems for generating a metrology sampling plan |
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 |
US8351683B2 (en) * | 2007-12-25 | 2013-01-08 | Hitachi High-Technologies Corporation | Inspection apparatus and inspection method |
US7756658B2 (en) | 2008-05-14 | 2010-07-13 | Kla-Tencor Corp. | Systems and methods for detecting defects on a wafer and generating inspection results for the wafer |
US8000922B2 (en) | 2008-05-29 | 2011-08-16 | Kla-Tencor Corp. | Methods and systems for generating information to be used for selecting values for one or more parameters of a detection algorithm |
JP6185693B2 (ja) | 2008-06-11 | 2017-08-23 | ケーエルエー−テンカー・コーポレーションKla−Tencor Corporation | ウェーハー上の設計欠陥および工程欠陥の検出、ウェーハー上の欠陥の精査、設計内の1つ以上の特徴を工程監視特徴として使用するための選択、またはそのいくつかの組み合わせのためのシステムおよび方法 |
JP5255953B2 (ja) * | 2008-08-28 | 2013-08-07 | 株式会社日立ハイテクノロジーズ | 欠陥検査方法及び装置 |
US9768082B2 (en) * | 2009-02-13 | 2017-09-19 | Hermes Microvision Inc. | Method and machine for examining wafers |
US8112241B2 (en) * | 2009-03-13 | 2012-02-07 | Kla-Tencor Corp. | Methods and systems for generating an inspection process for a wafer |
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 |
US8559001B2 (en) | 2010-01-11 | 2013-10-15 | Kla-Tencor Corporation | Inspection guided overlay metrology |
US9620426B2 (en) | 2010-02-18 | 2017-04-11 | Kla-Tencor Corporation | Method and system for providing process tool correctables using an optimized sampling scheme with smart interpolation |
US8315453B2 (en) | 2010-07-27 | 2012-11-20 | Applied Materials Israel, Ltd. | Defect classification with optimized purity |
US8781781B2 (en) | 2010-07-30 | 2014-07-15 | Kla-Tencor Corp. | Dynamic care areas |
CN103329167B (zh) | 2010-07-30 | 2016-08-17 | 克拉-坦科股份有限公司 | 基于区域的虚拟傅里叶滤波器 |
JP5608575B2 (ja) * | 2011-01-19 | 2014-10-15 | 株式会社日立ハイテクノロジーズ | 画像分類方法および画像分類装置 |
KR101943593B1 (ko) | 2011-04-06 | 2019-01-30 | 케이엘에이-텐코 코포레이션 | 공정 제어를 개선하기 위한 품질 메트릭 제공 방법 및 시스템 |
US9087367B2 (en) | 2011-09-13 | 2015-07-21 | Kla-Tencor Corp. | Determining design coordinates for wafer defects |
US8718353B2 (en) * | 2012-03-08 | 2014-05-06 | Kla-Tencor Corporation | Reticle defect inspection with systematic defect filter |
JP6078234B2 (ja) * | 2012-04-13 | 2017-02-08 | 株式会社日立ハイテクノロジーズ | 荷電粒子線装置 |
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 |
US9588441B2 (en) | 2012-05-18 | 2017-03-07 | Kla-Tencor Corporation | Method and device for using substrate geometry to determine optimum substrate analysis sampling |
US9310316B2 (en) | 2012-09-11 | 2016-04-12 | Kla-Tencor Corp. | Selecting parameters for defect detection methods |
US9222895B2 (en) | 2013-02-25 | 2015-12-29 | Kla-Tencor Corp. | Generalized virtual inspector |
US9098891B2 (en) | 2013-04-08 | 2015-08-04 | Kla-Tencor Corp. | Adaptive sampling for semiconductor inspection recipe creation, defect review, and metrology |
US9183624B2 (en) | 2013-06-19 | 2015-11-10 | Kla-Tencor Corp. | Detecting defects on a wafer with run time use of design data |
CN103593670B (zh) * | 2013-10-14 | 2016-07-06 | 浙江工业大学 | 一种基于在线序列极限学习机的铜板带表面缺陷检测方法 |
-
2014
- 2014-10-23 US US14/522,543 patent/US9286675B1/en active Active
-
2015
- 2015-09-30 KR KR1020177013505A patent/KR102251862B1/ko active IP Right Grant
- 2015-09-30 CN CN201580063277.1A patent/CN107004123B/zh active Active
- 2015-09-30 CN CN202011411895.XA patent/CN112465791A/zh active Pending
- 2015-09-30 WO PCT/US2015/053240 patent/WO2016064547A1/en active Application Filing
- 2015-09-30 KR KR1020217013927A patent/KR20210057207A/ko not_active Application Discontinuation
- 2015-09-30 JP JP2017522331A patent/JP6932637B2/ja active Active
- 2015-10-22 TW TW105141185A patent/TWI670781B/zh active
- 2015-10-22 TW TW108126736A patent/TWI688025B/zh active
- 2015-10-22 TW TW104134706A patent/TWI571946B/zh active
-
2016
- 2016-02-09 US US15/019,894 patent/US10049441B2/en active Active
-
2018
- 2018-08-13 US US16/102,112 patent/US10818000B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
CN107004123B (zh) | 2020-11-24 |
KR20210057207A (ko) | 2021-05-20 |
KR20170074932A (ko) | 2017-06-30 |
TW201712775A (zh) | 2017-04-01 |
TWI688025B (zh) | 2020-03-11 |
US20160163038A1 (en) | 2016-06-09 |
WO2016064547A1 (en) | 2016-04-28 |
US9286675B1 (en) | 2016-03-15 |
US20190012781A1 (en) | 2019-01-10 |
CN107004123A (zh) | 2017-08-01 |
TWI571946B (zh) | 2017-02-21 |
US10049441B2 (en) | 2018-08-14 |
TW201624580A (zh) | 2016-07-01 |
TW201944510A (zh) | 2019-11-16 |
KR102251862B1 (ko) | 2021-05-17 |
JP2017537312A (ja) | 2017-12-14 |
TWI670781B (zh) | 2019-09-01 |
CN112465791A (zh) | 2021-03-09 |
US10818000B2 (en) | 2020-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6932637B2 (ja) | 反復式の欠陥フィルタリングプロセス | |
JP6905954B2 (ja) | 自動欠陥分類のための未知欠陥除去の最適化 | |
US10628935B2 (en) | Method and system for identifying defects of integrated circuits | |
JP6285640B2 (ja) | 自動及び手動欠陥分類の統合 | |
TWI683103B (zh) | 於樣品上判定所關注圖案之一或多個特性 | |
TWI631638B (zh) | 由參考影像改變之檢測方式設定 | |
JP6078234B2 (ja) | 荷電粒子線装置 | |
JP2022542900A (ja) | Sem画像をレンダリングし、3dデザインを用いて基板の欠陥撮像条件を予測するためのシステムと方法 | |
US10140400B2 (en) | Method and system for defect prediction of integrated circuits | |
KR20220012217A (ko) | 반도체 시편에서의 결함들의 기계 학습 기반 분류 | |
JP2020532122A (ja) | 透明又は半透明ウェハを対象にした欠陥検出 | |
CN110660694B (zh) | 基于系统缺陷的半导体晶片的引导式检验 | |
JP2011023638A (ja) | 検査領域設定方法 | |
KR102272879B1 (ko) | 공간 밀도 분석에 기초한 반도체 웨이퍼의 유도식 검사 | |
JPWO2019008753A1 (ja) | 画像解析装置 | |
US11182650B2 (en) | Information processing apparatus to generate a next generation image processing program in genetic programming, control method, and non-transitory computer-readable storage medium for storage program |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170627 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180928 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20190729 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190819 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20191118 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20200120 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200219 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200811 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20201110 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20210112 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210212 |
|
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: 20210719 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210818 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6932637 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |