KR100615738B1 - 결함 분류 검사 장치 - Google Patents

결함 분류 검사 장치 Download PDF

Info

Publication number
KR100615738B1
KR100615738B1 KR1020020050747A KR20020050747A KR100615738B1 KR 100615738 B1 KR100615738 B1 KR 100615738B1 KR 1020020050747 A KR1020020050747 A KR 1020020050747A KR 20020050747 A KR20020050747 A KR 20020050747A KR 100615738 B1 KR100615738 B1 KR 100615738B1
Authority
KR
South Korea
Prior art keywords
defect
classification
unit
database
image
Prior art date
Application number
KR1020020050747A
Other languages
English (en)
Other versions
KR20030067457A (ko
Inventor
히로시 콘도
마사쯔구 오쿠야마
요 사이토
Original Assignee
소니 매뉴펙츄어링 시스템즈 코포레이션
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 소니 매뉴펙츄어링 시스템즈 코포레이션 filed Critical 소니 매뉴펙츄어링 시스템즈 코포레이션
Publication of KR20030067457A publication Critical patent/KR20030067457A/ko
Application granted granted Critical
Publication of KR100615738B1 publication Critical patent/KR100615738B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • 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
    • 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

Abstract

분류의 정밀도가 높은 결함 분류 검사 장치를 제공한다.
촬상 장치(20)에 의해 검사 대상물을 이미징하고, 결함 추출부(50)에 의해 추출된 결함 부위의 화상의 특징량을 특징 추출부(60)에 의해 추출하여 수치화한다. 그리고, 데이터베이스 작성부(70)에서는 작업자에 의해 표시/입력부(74)를 통해 선택지정된 결함 그룹에 속하는 결함에 대해, 특징 추출부(60)에 의해 수치화된 특징 정보를 토대로 결함 분류부(72)에 의해 유사한 특징을 갖는 결함을 다시 그룹화하여, 검사 대상물의 결함을 계층적으로 분류한 데이터베이스를 데이터베이스 메모리(77)상에 작성한다. 또한, 분류 실행부(80)에서는, 상기 데이터베이스 작성부(70)에 의해 부여되는 데이터베이스를 참조하여, 상기 결함 추출부(50)에 의해 추출되는 검사 대상물의 결함 부위의 화상으로부터, 상기 특징 추출부(60)에 의해 추출되는 수치화된 특징 정보를 토대로 하여, 상기 검사 대상물의 결함을 계층적으로 분류한다.

Description

결함 분류 검사 장치{DEFECT CLASSIFICATION/INSPECTION SYSTEM}
도 1 은 본 발명에 관한 결함 분류 검사 장치의 구성을 도시한 블록도이다.
도 2 는 상기 결함 분류 검사 장치에서의 데이터베이스 작성 처리의 실행예를 도시한 도면이다.
도 3 은 상기 결함 분류 검사 장치에서의 데이터베이스 작성 처리에 의해 작성된 계층적인 데이터베이스에 의한 자동 분류의 실행예를 도시한 도면이다.
도 4 는 종래의 결함 분류 검사 장치에서의 결함 분류용 데이터베이스의 작성 공정도이다.
도 5 는 종래의 결함 분류 검사 장치에서의 분류 실행 공정의 공정도이다.
* 도면의 주요부분에 대한 설명 *
1 : 스테이지 제어부 2 : 촬상 제어부
3 : 데이터 처리 제어부 10 : 반송 스테이지
20 : 촬상 장치 30 : 결함 화상 메모리
40 : 참조 화상 메모리 50 : 결함 추출부
60 : 특징 추출부 70 : 데이터베이스 작성부
71 : 분류전 데이터메모리 72 : 결함 분류부
73 : 분류 결과 메모리 74 : 표시 및 입력부
75 : 분류 코드 판정부 76 : 데이터 선택부
77 : 데이터베이스 메모리 80 : 분류 실행부
81 : 비교/분류 코드 부여부 82 : 분류 코드 판정부
83 : 분류 결과 출력부 90 : 반도체 웨이퍼
100 : 결함 분류 검사 장치
본 발명은, 반도체 웨이퍼 등의 결함 분류 검사를 수행하는 결함 분류 검사 장치에 관한 것이다.
반도체 디바이스는, 반도체 웨이퍼상에 미세한 디바이스 패턴을 형성함으로써 제작된다. 이와 같은 디바이스 패턴을 형성할 때, 반도체 웨이퍼상에 먼지 등이 부착되거나 상처가 나거나 하여 결함이 발생하는 경우가 있다. 이와 같은 결함이 발생한 반도체 디바이스는 불량 디바이스가 되어 수율 저하를 초래한다.
따라서, 제조 라인의 수율을 높은 수준으로 안정시키기 위해서는, 먼지나 상처 등에 의해 발생하는 결함을 조기에 발견하고, 그 원인을 밝혀내어, 제조 설비나 제조 프로세스에 대해 유효한 대책을 강구하는 것이 바람직하다.
이에, 결함이 발견된 경우에는, 결함 검사 장치를 이용하여 그 결함이 무엇인지를 조사하여 분류하고, 그 결함의 원인이 된 설비나 프로세스를 특정하도록 하 고 있다. 여기서, 결함이 무엇인지를 조사하는 결함 검사 장치는, 말하자면 광학 현미경과 같은 것으로서, 결함을 확대하여 봄으로써 그 결함이 무엇인지를 식별하는 것이다.
반도체 웨이퍼상의 결함을 자동으로 분류하는 방법으로는, 결함 화상과 참조 화상의 비교를 통해 결함을 추출하고, 결함의 특징을 데이터베이스와 비교·분류하는 방법이 널리 채용되고 있다.
도 4는, 종래의 결함 분류 검사 장치에서의 결함 분류용 데이터베이스의 작성 공정도이다.
결함 분류용 데이터베이스의 작성 공정에서는, 촬상 장치(imaging device; 201)에 의해 이미징된 결함 화상과 참조 화상이 각각 결함 화상 메모리(202)와 참조 화상 메모리(203)에 보존된다. 각 화상은, 결함 추출부(204)에서 결함 부위의 화상만이 추출되고, 특징 추출부(205)에서 결함의 크기나 컬러 등의 특징량이 결함 정보로서 수치화된다. 수치화된 결함 정보는, 일단 분류전 데이터 메모리(206)에 축적된 후, 작업자에 의해 분류된다. 작업자는 각 결함을 경험을 토대로 분류하고, 분류된 각 그룹에 분류 코드를 부여한다. 상기 분류 코드를 부여받은 각 그룹의 특징 정보가 분류 1∼N의 정보로서 분류 결과 메모리(212)에 보존된다. 그리고, 분류 결과 메모리(212)에 보존된 분류 1∼N의 정보로부터 데이터 선택부(213)에 의해 용장성(冗長性)을 배제한 분류 1∼N의 특징 정보가 데이터베이스로서 데이터베이스 메모리(218)에 보존된다.
또한, 도 5는 종래의 결함 분류 검사 장치에서의 분류 실행 공정을 나타낸 공정도이다.
분류 실행 공정에서는, 데이터베이스 작성 공정과 마찬가지로, 촬상 장치(201)에 의해 이미징된 결함 화상과 참조 화상이 각각 결함 화상 메모리(202)와 참조 화상 메모리(203)에 보존된다. 각 화상은, 결함 추출부(204)에서 결함 부위의 화상만이 추출되고, 특징 추출부(205)에서 결함의 크기나 컬러 등의 특징량이 결함 정보로서 수치화된 후, 비교/분류 코드 부여부(219)에서 데이터베이스 메모리(218)에 보존되어 있는 데이터베이스에 포함되는 분류 1∼N의 특징 정보와 비교되어, 특징이 일치하는 분류의 코드가 부여됨으로써 분류 결과 출력부(220)로부터 분류 결과가 출력된다.
그런데, 발견된 결함에 기초하여 제조 설비나 제조 프로세스를 개선하기 위해서는, 보다 많은 반도체 웨이퍼의 결함을 검사하고, 정확한 결함 원인을 밝혀내는 것이 바람직하다. 그러나, 반도체 웨이퍼의 디바이스 룰의 미세화에 따라 결함의 다양화가 진행되어, 분류 작업을 정확하게 수행하기 위해서는, 많은 시간과 수고로움을 요하게 된다.
또한, 데이터베이스에 포함되는 결함 그룹 상호간의 특징의 차이가 적은 경우에 결함의 오분류가 많다. 종래의 데이터베이스 작성 공정에서는, 도 4에 도시한 바와 같이 작업자가 경험을 토대로 판단하여 분류하기 때문에, 숙련을 요할 뿐만아니라 데이터베이스에 포함되는 분류 그룹 상호간의 유사성을 배제하기가 곤란하다.
또한, 분류 실행 공정에서는, 1계층으로 모든 결함을 분류하기 때문에 분류 정밀도가 저하되어, 오분류가 발생하기 쉽다는 결점이 있다.
이에, 본 발명은, 분류의 정밀도가 높은 결함 분류 검사 장치를 제공하는 것을 목적으로 한다.
본 발명에서는, 데이터베이스 작성에 있어서 작업자가 관여하는 부분을 줄임으로써, 결함 그룹 상호간의 유사성이 적은 데이터베이스를 용이하게 구축할 수 있고, 분류 실행 공정에서는 복수의 계층으로 나누어 분류한다.
본 발명에 관한 결함 분류 검사 장치는, 검사 대상물을 이미징하여, 결함이 없는 참조 화상과 비교함으로써 결함 부위의 화상을 추출하는 결함 추출부와, 상기 결함 추출부에 의해 추출된 결함 부위의 화상의 특징량을 추출하여 수치화하는 특징 추출부와, 상기 특징 추출부에 의해 수치화된 특징 정보에 기초하여 유사한 특징을 갖는 결함을 그룹화하는 결함 분류 수단과, 상기 결함 분류 수단에 의해 그룹화된 결함에 분류 코드를 부여하는 분류 코드 부여 수단과, 상기 결함 분류 수단에 의해 그룹화된 결함의 특징 정보를 상기 분류 코드 부여 수단에 의해 부여되는 분류 코드와 함께 데이터베이스로서 보존하는 기억수단과, 상기 그룹화되고 분류 코드가 부여된 각 결함 그룹으로부터 다음 계층의 데이터베이스를 작성하는 결함 그룹을 선택하여 지정하는 선택 지정 수단을 구비하며, 상기 선택 지정 수단에 의해 선택 지정된 결함 그룹에 속하는 결함에 대해, 상기 특징 추출 수단에 의해 수치화된 특징 정보에 기초하여 상기 결함 분류 수단에 의해 유사한 특징을 갖는 결함을 다시 그룹화하여, 검사 대상물의 결함을 계층적으로 분류한 데이터베이스를 작성하는 데이터베이스 작성부와, 상기 데이터베이스 작성부에 의해 부여되는 데이터베이스를 참조하여, 상기 결함 추출부에 의해 추출되는 검사 대상물의 결함 부위의 화상으로부터, 상기 특징 추출부에 의해 추출되는 수치화된 특징 정보에 기초하여, 상기 검사 대상물의 결함을 계층적으로 분류하는 분류 실행부를 구비하는 것을 특징으로 한다.
이하에서는, 본 발명의 실시 형태에 대해, 도면을 참조하여 상세히 설명한다.
본 발명은 예를 들면 도 1에 도시한 바와 같은 구성의 결함 분류 검사 장치(100)에 적용된다.
상기 결함 분류 검사 장치(100)는, 반송 스테이지(10)상에 검사 대상물로서 놓여지는 반도체 웨이퍼(90)의 결함 분류 검사를 수행하는 것으로서, 스테이지 제어부(1)에 의해 제어되는 반송 스테이지(10), 촬상 제어부(2)에 의해 제어되는 촬상 장치(20), 데이터 처리 제어부(3)에 의해 제어되는 결함 화상 메모리(30), 참조 화상 메모리(40), 결함 추출부(50), 특징 추출부(60), 데이터베이스 작성부(70) 및 분류 실행부(80)로 이루어진다.
상기 결함 분류 검사 장치(100)에서, 반송 스테이지(10)는 스테이지 제어부(1)에 의해 제어되어, 놓여진 반도체 웨이퍼(90)를 상기 스테이지 제어부(1)에 의해 지정된 좌표 위치에 위치결정한다.
또한, 촬상 장치(20)는, 검사 대상물을 이미징하는 것으로서, 촬상 제어부(2)에 의해 제어되어, 포커스, 밝기 등이 조정되며, 상기 반송 스테이지(10)상의 검사 대상물, 즉 반도체 웨이퍼(90)의 표면을 이미징한다. 이 촬상 장치(20)에 의한 촬상 출력은, 화상 파일로서 결함 화상 메모리(30) 또는 참조 화상 메모리(40)에 공급된다.
결함 화상 메모리(30)는, 상기 촬상 장치(20)에 의한 촬상 출력으로서 얻어지는 결함 부위의 화상을 포함한 결함 화상을 보존하는 것으로서, 화상 데이터의 기록/판독이 데이터 처리 제어부(3)에 의해 제어되며, 상기 촬상 장치(20)에 의한 촬상 출력으로서 얻어지는 결함 화상 데이터가 기록되고, 또한 상기 결함 화상 데이터가 판독된다.
참조 화상 메모리(40)는, 상기 결함 화상과 비교되는 결함이 없는 참조 화상을 보존하는 것으로서, 화상 데이터의 기록/판독이 데이터 처리 제어부(3)에 의해 제어되며, 상기 촬상 장치(20)에 의한 촬상 출력으로서 얻어지는 결함이 없는 동일 패턴의 참조 화상 데이터가 기록되고, 또한 상기 참조 화상 데이터가 판독된다.
여기서, 상기 결함 화상 메모리(30) 및 참조 화상 메모리(40)에는, 데이터베이스 작성 및 결함 분류의 실행시에, 상기 반도체 웨이퍼(90)의 제조 라인에서의 결함 검사를 통해 검출된 결함의 좌표 위치 데이터에 기초하여 상기 스테이지 제어부(1)에 의해 상기 반송 스테이지(10)를 제어하여, 상기 반송 스테이지(10)상의 반도체 웨이퍼(90)를 상기 결함의 좌표 위치에 위치 결정한 상태에서, 상기 촬상 장치(20)에 의해 상기 반도체 웨이퍼(90)의 표면을 이미징함으로써 얻어지는 결함 부위의 화상을 포함한 결함 화상 데이터가 상기 결함 화상 메모리(30)에 기록되고, 또한 상기 반도체 웨이퍼(90)를 결함이 없는 동일한 패턴의 같은 위치에 위치 결정한 상태에서, 상기 촬상 장치(20)에 의해 상기 반도체 웨이퍼(90)의 표면을 이미징함으로써 얻어지는 화상이 참조 화상 데이터로서 상기 참조 화상 메모리(40)에 기록된다.
결함 추출부(50)는, 검사 대상물을 이미징하여 얻어지는 검사 대상 화상을 결함이 없는 참조 화상과 비교함으로써 결함 부위의 화상을 추출하는 것으로서, 상기 결함 화상 메모리(30)에 보존된 결함 화상 데이터와 상기 참조 화상 메모리(40)에 보존된 참조 화상 데이터를 비교함으로써, 상기 촬상 장치(20)에 의해 이미징한 반도체 웨이퍼(90)의 결함 부위의 화상으로서 결함 화상과 참조 화상의 차분(差分)을 추출한다. 이 결함 추출부(50)에 의해 추출된 결함 부위의 화상은, 특징 추출부(60)에 공급된다.
특징 추출부(60)는, 상기 결함 추출부(50)에 의해 추출된 결함 부위의 화상에 대해, 크기, 컬러, 컨트래스트, 형상 등의 정보를 특징량으로서 추출하여 수치화한다.
이 특징 추출부(60)에 의해 수치화된 크기, 컬러, 컨트래스트, 형상 등의 특징 정보는, 데이터 베이스의 작성시에는 데이터베이스 작성부(70)에 공급되고, 결함 분류의 실행시에는 분류 실행부(80)에 공급된다.
데이터베이스 작성부(70)는, 상기 특징 추출부(60)로부터 공급되는 특징 정보를 보존하는 분류전 데이터 메모리(71), 상기 분류전 데이터 메모리(71)에 보존되어 있는 수치화된 특징 정보에 기초하여 유사한 특징을 갖는 결함을 자동적으로 그룹화하는 결함 분류부(72), 상기 결함 분류부(72)에 의한 분류 결과로서 얻어지는 각 결함 그룹을 보존하는 분류 결과 메모리(73), 상기 분류 결과 메모리(73)에 보존되어 있는 각 결함 그룹을 표시하고, 작업자에 의한 분류 코드의 입력을 접수하며, 또한 결함 그룹의 선택 지정 입력을 접수하는 표시 및 입력부(74), 상기 분류 결과 메모리(73)에 보존되어 있는 각 결함 그룹 중에서 작업자에 의해 상기 표시/입력부(74)를 통해 선택 지정된 결함 그룹의 분류 코드를 판정하여, 상기 선택 지정된 결함 그룹에 속하는 결함에 대해, 상기 수치화된 특징 정보에 기초하여 유사한 특징을 갖는 결함을 상기 결함 분류부(72)에 의해 다시 그룹화시키는 분류 코드 판정부(75), 상기 분류 결과 메모리(73)에 보존되어 있는 각 결함 그룹의 특징 정보와 부여된 분류 코드를 선택하는 데이터 선택부(76), 및 이 데이터 선택부(76)에 의해 선택된 각 결함 그룹의 특징 정보와 부여된 분류 코드를 데이터베이스로서 보존하는 데이터베이스 메모리(77) 등으로 이루어진다. 이 데이터베이스 작성부(70)에서는, 작업자에 의해 상기 표시/입력부(74)를 통해 선택 지정된 결함 그룹에 속하는 결함에 대해, 상기 특징 추출부(60)에 의해 수치화된 특징 정보에 기초하여 상기 결함 분류부(72)에 의해 유사한 특징을 갖는 결함을 다시 그룹화하여, 검사 대상물의 결함을 계층적으로 분류한 데이터베이스를 데이터베이스 메모리(77)상에 작성한다.
그리고, 분류 실행부(80)는, 상기 특징 추출부(60)에 의해 추출되어 수치화된 특징 정보를 상기 데이터베이스 작성부(70)에 의해 주어지는 데이터베이스와 비교하여, 상기 데이터베이스에 따라 분류 코드를 부여하는 비교/분류 코드 부여부(81), 상기 비교/분류 코드 부여부(81)에 의해 부여된 분류 코드에 대해 다음 계층의 처리를 필요로 하는지의 여부를 판정하는 분류 코드 판정부(82), 상기 비교/분류 코드 부여부(81)에 의해 부여된 분류 코드를 출력하는 분류 결과 출력부(83)로 이루어진다. 이 분류 실행부(80)는, 상기 데이터베이스 작성부(70)에 의해 주어지는 데이터베이스를 참조하여, 상기 결함 추출부(50)에 의해 추출되는 검사 대상물, 즉 반도체 웨이퍼(90)의 결함 부위의 화상으로부터, 상기 특징 추출부(60)에 의해 추출되는 수치화된 특징 정보에 기초하여, 상기 반도체 웨이퍼(90)의 결함을 계층적으로 분류한다.
이와 같은 구성의 결함 분류 검사 장치(100)에서는, 다음과 같이 하여 데이터베이스를 작성하여 결함 분류를 실행한다.
즉, 데이터베이스 작성 공정에서는, 상기 반도체 웨이퍼(90)의 제조 라인에서의 결함 검사에서 검출된 결함의 좌표 위치 데이터를 토대로 상기 스테이지 제어부(1)에 의해 상기 반송 스테이지(10)를 제어하여, 상기 반송 스테이지(10)상의 반도체 웨이퍼(90)를 상기 결함의 좌표 위치에 위치결정한 상태에서, 상기 촬상 장치(20)에 의해 상기 반도체 웨이퍼(90)의 표면을 이미징함으로써 얻어지는 결함 부위의 화상을 포함한 결함 화상 데이터를 상기 결함 화상 메모리(30)에 보존하고, 또한, 상기 반도체 웨이퍼(90)를 결함이 없는 동일 패턴의 위치에 위치 결정한 상태에서, 상기 촬상 장치(20)에 의해 상기 반도체 웨이퍼(90)의 표면을 이미징함으로써 얻어지는 화상을 참조 화상 데이터로서 상기 참조 화상 메모리(40)에 보존한다.
다음으로, 결함 추출부(50)에서, 상기 결함 화상 메모리(30)에 보존된 결함 화상 데이터와 상기 참조 화상 메모리(40)에 보존된 참조 화상 데이터를 비교함으로써, 상기 촬상 장치(20)에 의해 이미징된 반도체 웨이퍼(90)의 결함 부위의 화상으로서 결함 화상과 참조 화상의 차분을 추출하고, 특징 추출부(60)에서, 상기 결함 추출부(50)에 의해 추출된 결함 부위의 화상에 대해, 크기, 컬러, 컨트래스트, 형상 등의 정보를 특징량으로서 추출하여 수치화한다. 예를 들면, 크기는 면적이 그대로 보존되고, 컬러는 3원색의 밝기로서 보존되고, 컨트래스트는 결함 화상내의 휘도의 최고치와 최저치의 비가 보존되고, 형상은 가장 가까운 형상 모델의 종류와 그 구성비, 예를 들어 타원이라면 그 직경비가, 직사각형이라면 2변의 비가 보존된다.
그리고, 데이터베이스 작성부(70)에서는, 상기 특징 추출부(60)에 의해 얻어지는 수치화된 특징 정보를 분류전 데이터 메모리(71)에 축적하고, 상기 수치화된 특징 정보를 토대로 하여 결함 분류부(72)에 의해 유사한 특징을 갖는 결함을 자동적으로 그룹화하고, 상기 결함 분류부(72)에 의한 분류 결과로서 얻어지는 각 결함 그룹을 보존하는 분류 결과 메모리(73)에 보존한다.
상기 결함 분류부(72)에서의 자동 분류는, 예를 들면 다음과 같은 순서로 실행된다.
각각의 특징을 갖는 몇 가지로 분류할지는, 미리 파라미터로서 설정해둔다. 다음으로, 크기로 모든 결함을 예를 들면 3종류로 분류한 다음, 각각의 그룹을 형상 모델과 구성비에 기초하여 다시 분류한다. 그런 다음, 컨트래스트 비에 의해 역치에 따라 다른 그룹으로 분류한다. 이상과 같이 각 특징을 순차로 적용하여 수치의 차이에 따라 그룹을 세분화해간다.
작업자는, 상기 결함 분류부(72)에 의한 분류 결과를 표시/입력부(74)에서 확인하고, 그 그룹이 원하는 결함만으로 구성되어 있는지 복수의 결함이 혼재해 있는지와 결함의 종류를 판단하고, 각각의 결함 그룹을 식별할 수 있는 분류 코드를 상기 표시/입력부(74)를 통해 각 결함 그룹에 부여한다. 분류 코드를 부여받은 각 결함 그룹의 결함 정보는, 데이터 선택부(76)에서 용장성이 배제되어 데이터베이스 메모리(77)에 분류 코드와 함께 보존된다.
또한, 상기 분류 결과 메모리(73)에 보존되어 있는 각 결함 그룹중에서 복수의 결함이 혼재해 있는 그룹이, 작업자에 의해 상기 표시/입력부(74)를 통해 선택지정된다. 그리고, 분류 코드 판정부(75)에 의해 각 결함 그룹의 분류 코드를 판정함으로써, 복수의 결함이 혼재해 있는 결함 그룹에 속하는 결함의 특징 정보를 특정하고, 상기 복수의 결함이 혼재해 있는 결함 그룹에 속하는 결함에 대해, 상기 특징 추출부(60)에 의해 수치화된 특징 정보에 기초하여 상기 결함 분류부(72)에 의해 유사한 특징을 갖는 결함을 다시 그룹화하여, 분류 코드를 부여한다. 작업자는, 다시 혼재 그룹의 유무를 확인하고, 혼재 그룹이 존재하지 않게 될 때까지, 분류 처리를 반복적으로 수행하고, 그 때마다 그 계층의 데이터베이스를 작성한다.
또한, 분류 실행 공정에서는, 우선, 상기 반도체 웨이퍼(90)의 제조 라인에서의 결함 검사에서 검출된 결함의 좌표 위치 데이터에 기초하여 상기 스테이지 제어부(1)에 의해 상기 반송 스테이지(10)를 제어하여, 상기 반송 스테이지(10)상의 반도체 웨이퍼(90)를 상기 결함의 좌표 위치에 위치 결정한 상태에서, 상기 촬상 장치(20)에 의해 상기 반도체 웨이퍼(90)의 표면을 이미징함으로써 얻어지는 결함 부위의 화상을 포함한 결함 화상 데이터를 상기 결함 화상 메모리(30)에 보존하고, 또한, 상기 반도체 웨이퍼(90)를 결함이 없는 동일한 패턴의 같은 위치에 위치결정한 상태에서, 상기 촬상 장치(20)에 의해 상기 반도체 웨이퍼(90)의 표면을 이미징함으로써 얻어지는 화상을 참조 화상 데이터로서 상기 참조 화상 메모리(40)에 보존한다.
다음으로, 결함 추출부(50)에서, 상기 결함 화상 메모리(30)에 보존된 결함 화상 데이터와 상기 참조 화상 메모리(40)에 보존된 참조 화상 데이터를 비교함으로써, 상기 촬상 장치(20)에 의해 이미징한 반도체 웨이퍼(90)의 결함 부위의 화상으로서 결함 화상과 참조 화상의 차분을 추출하고, 특징 추출부(60)에서 상기 결함 추출부(50)에 의해 추출된 결함 부위의 화상에 대해, 크기, 컬러, 컨트래스트, 형상 등의 정보를 특징량으로서 추출하여 수치화한다.
그리고, 분류 실행부(80)에서는, 비교/분류 코드 부여부(81)에서, 상기 특징 추출부(60)에 의해 얻어지는 수치화된 특징 정보를 상기 데이터베이스 작성부(70)에 의해 주어지는 데이터베이스와 비교하여, 상기 데이터베이스에 따라 분류 코드를 부여한다. 분류 코드 판정부(82)는, 상기 비교/분류 코드 부여부(81)에서 부여받은 분류 코드에 대해, 다음 계층의 재비교가 필요한 분류 코드인지의 여부를 판정한다. 다음 계층의 재비교가 필요한 분류 코드인 경우, 다시 상기 비교/분류 코드 부여부(81)에서 다음 계층의 비교를 수행하여 분류 코드를 부여한다. 그리고, 재비교가 불필요한 분류 코드인 경우는, 그 결함의 분류 코드로서 분류 결과 출력부(83)로 보내진다. 재비교가 필요한 분류 코드를 부여받은 결함은, 다시 상기 비교/분류 코드 부여부(81)에서 상기 데이터베이스 작성부(70)에 의해 주어지는 다음 계층의 데이터베이스와 비교되어 분류 코드를 부여받는다. 상기 비교/분류 코드 부여부(81)에서 재비교가 불필요한 분류 코드가 부여될 때까지, 상기 분류 처리가 반복적으로 수행된다. 그리고, 재분류가 불필요한 분류 코드가 부여되어, 분류가 확정된 결함은, 그 때마다 분류 결과 출력부(83)로 보내진다.
이와 같은 구성의 결함 분류 검사 장치(100)에서의 데이터베이스 작성 처리의 실행예를 도 2에 도시한다. 도 2에 도시한 실행예에서는, 이하와 같은 순서가 데이터 처리 제어부(3)에 의해 결정·실행된다.
촬상 장치(20)에서 이미징된 결함 화상과 참조 화상의 화상 파일은 각각 결함 화상 메모리(30)와 참조 화상 메모리(40)로 받아들여지고, 결함 추출부(50)에서 결함 화상과 참조 화상의 차분 화상이 결함 정보로서 추출된다. 추출된 결함 정보는, 특징 추출부(60)에 의해, 크기, 컬러, 컨트래스트, 형상 등의 정보가 수치화되어 결함 화상의 특징 정보가 된다.
그리고, 데이터베이스 작성부(70)에서, 우선, 제 1 계층의 데이터베이스 작성 공정(70A)을 실행한다.
제 1 계층의 데이터베이스 작성 공정(70A)에서는, 결함 화상의 특징 정보가, 일단 분류전 데이터 메모리(71)에 축적된 다음, 결함 분류부(72)에 의해 서로 비슷한 특징을 갖는 복수의 그룹으로 자동 분류되고, 분류 결과 메모리(73)에 「분류 1」부터 「분류 4」의 그룹으로 보존된다. 그리고, 다음으로 작업자에 의해, 원하는 단일 결함만으로 구성되어 있는 그룹으로서 분류 a가 나누어지고, 결함이 혼재해 있는 그룹으로서 분류 b, c, d가 나누어진다. 이 시점에서는 이미 자동 분류가 수행되어 있어, 작업자는 자기 판단에 의한 분류를 요구받지 않기 때문에 비교적 용이하게 판단 및 분류 코드의 부여가 가능하다. 분류 코드가 부여된 분류 a∼d의 결함 정보는 용장성이 배제되며, 제 1 계층의 데이터베이스 D1으로서 각 분류 a∼d의 특징 정보가 분류 코드와 함께 데이터베이스 메모리(77)에 보존된다.
그리고, 결함이 혼재해 있는 그룹의 분류 b, c에 대해, 제 2 계층의 제 1 데이터베이스 작성 공정(70B1)을 실행한다. 또한, 분류 d에 대해 제 2 계층의 제 2 데이터베이스 작성 공정(70B2)을 실행한다.
제 2 계층의 제 1 데이터베이스 작성 공정(70B1)에서는, 제 1 계층의 데이터베이스 작성 공정(70A)과 마찬가지로, 결함 정보가 결함 분류부(72)에 의해 자동 분류되고, 그 분류 결과가 분류 결과 메모리(73)에 보존되며, 작업자에 의해 단일 결함 그룹으로 분류 e가 나누어지고, 혼재 결함 그룹으로 분류 f와 분류 g가 나누어진 후, 제 2 계층의 제 1 데이터베이스(D21)로서 각 분류 e∼g의 특징 정보가 분류 코드와 함께 데이터베이스 메모리(77)에 보존된다.
또한, 혼재 결함 그룹의 분류 f, g에 대해 제 3 계층의 데이터베이스 작성 공정(70C)을 실행한다.
또한, 제 2 계층의 제 2의 데이터베이스 작성 공정(70B2)에서는, 제 1계층의 데이터베이스 작성 공정(70A)과 마찬가지로, 결함 정보가 결함 분류부(72)에 의해 자동 분류되고, 그 분류 결과가 분류 결과 메모리(73)에 보존되며, 작업자에 의해 단일 결함 그룹으로 분류 h, i가 나누어지고, 부여된 분류 코드에 의해 다음 계층으로 보내는 것이 불필요하다고 인식하여, 분류 h, i의 특징 정보가 분류 코드와 함께 제 2 계층의 제 2의 데이터베이스(D22)로서 보존됨으로써 공정을 종료한다.
또한, 제 3 계층의 데이터베이스 작성 공정(70C)에서의 결함 정보의 흐름은 제 2 계층의 제 2 데이터베이스 작성 공정(70B2)과 마찬가지로, 자동 분류/분류 코드 부여 후, 작업자에 의해 분류 j, k가 나누어지며, 부여된 분류 코드에 의해 다음 계층으로 보낼 필요가 없음을 인식하여, 분류 j, k가 제 3 계층의 데이터베이스(D3)로서 데이터베이스 메모리(77)에 보존됨으로써 공정을 종료한다.
이상의 데이터베이스 작성 공정에 의하면, 계층적으로 데이터베이스를 작성함으로써, 분류가 용이해진다. 즉, 결함의 특징이 눈에 띄는 분류만을 순차적으로 확정짓는 것이 가능하기 때문에 1 계층의 데이터베이스로 모든 분류를 수행하는 경우에 비해 분류 그룹 상호간의 유사성을 배제하기가 용이하다.
또한, 이와 같이 작성된 계층적인 데이터베이스에 의한 자동 분류의 실행예를 도 3에 도시한다. 상기 도 3에 도시한 실행예에서는, 아래와 같은 절차가 데이터 처리 제어부(3)에 의해 결정되어, 실행된다.
촬상 장치(20)에서 이미징된 결함 화상과 참조 화상의 화상 파일은 각각 결 함 화상 메모리(30)와 참조 화상 메모리(40)에 받아들여지고, 결함 추출부(50)에서 결함 화상과 참조 화상의 차분 화상이 결함 정보로서 추출된다. 추출된 결함 정보는, 특징 추출부(60)에 의해, 크기, 컬러, 컨트래스트, 형상 등의 정보가 수치화되어 결함 화상의 특징 정보가 된다.
그리고, 분류 실행부(80)에서 제 1 계층의 분류 실행 공정(80A)을 실행한다.
제 1 계층의 분류 실행 공정(80A)에서는, 비교/분류 코드 부여부(81)에 의해, 특징 추출부(60)에 의해 수치화된 결함 화상의 특징 정보가 제 1 계층의 데이터베이스(D1)에 포함되는 분류 a∼d의 특징 정보와 비교되어, 특징이 일치하는 분류의 코드가 부여된다. 본 사례의 경우, 제 1 계층의 분류 실행 공정(80A)에서 부여된 분류 코드가 분류 a인 경우는 그대로 분류 코드가 확정되어, 분류 결과 출력부(83)로 보내지고 분류 공정이 종료된다.
또한, 상기 제 1 계층의 분류 실행 공정(80A)에서 부여된 분류 코드가, 분류 b, c 또는 일정하지 않음을 의미하는 분류 x인 경우, 그 결함에 대해 제 2 계층의 제 1 분류 실행 공정(80B1)을 실행한다.
제 2 계층의 제 1의 분류 실행 공정(80B1)에서는, 상기 제 1 계층의 분류 실행 공정(80A)을 실행한 결과, 부여된 분류 코드가 분류 b, c 또는, 일정하지 않음을 나타내는 분류 x인 결함에 대해, 비교/분류 코드 부여부(81)에 의해, 그 결함 화상의 특징 정보가 제 2 계층의 제 1 데이터베이스(D21)에 포함되는 분류 e, f, g의 특징 정보와 비교되어, 특징이 일치하는 분류의 코드가 부여된다. 본 사례의 경우, 제 2 계층의 제 1의 분류 실행 공정(80B1)에서 부여된 분류 코드가 분류 e인 경우는 그대로 분류 코드가 확정되어, 분류 결과 출력부(83)로 보내지고 분류 공정이 종료된다.
또한, 상기 제 2 계층의 제 1의 분류 실행 공정(80B1)에서 부여된 분류 코드가, 분류 f, g 또는 일정하지 않음을 의미하는 분류 x인 경우는, 그 결함에 대해 제 3 계층의 분류 실행 공정(80C)을 실행한다.
제 3 계층의 분류 실행 공정(80C)에서는, 상기 제 2 계층의 제 1의 분류 실행 공정(80B1)을 실행한 결과, 부여된 분류 코드가 분류 f, g 또는, 일정하지 않음을 나타내는 분류 x인 결함에 대해, 비교/분류 코드 부여부(81)에 의해, 그 결함 화상의 특징 정보가 제 3 계층의 데이터베이스(D3)에 포함되는 분류 j, k의 특징 정보와 비교되어, 특징이 일치하는 분류의 코드가 부여된다. 본 사례에서는, 제 3 계층의 분류 실행 공정(80C)에서 부여된 분류 j, k 또는 일정하지 않은 분류 x는 그대로 분류 코드가 확정되어, 분류 결과 출력부(83)로 보내지고 분류 공정이 종료된다.
한편, 상기 제 1 계층의 분류 실행 공정(80A)에서 부여된 분류 코드가 분류 d인 경우, 그 결함에 대해 제 2 계층의 제 2의 분류 실행 공정(80B2)을 실행한다.
제 2 계층의 제 2의 분류 실행 공정(80B2)에서는, 상기 제 1 계층의 분류 실행 공정(80A)에서 부여된 분류 코드가 분류 d인 결함에 대해, 비교/분류 코드 부여 부(81)에 의해, 그 결함 화상의 특징 정보가 제 2 계층의 제 2의 데이터베이스(D22)에 포함되는 분류 h, i의 특징 정보와 비교되어, 특징이 일치하는 분류의 코드가 부여된다. 본 사례에서는 제 3 계층의 분류 실행 공정(80C)에서 부여된 분류 h, i 또는 일정하지 않은 분류 x는 그대로 분류 코드가 확정되어, 분류 결과 출력부(83)로 보내지고 분류 공정이 종료된다.
이상의 자동 분류 공정에 의하면, 계층마다 다른 데이터베이스와 비교하여 특징이 눈에 띄는 분류부터 순차적으로 분류 코드를 확정짓게 되므로 정밀도 높은 분류가 가능해진다.
이상 설명한 결함 검사 장치에서는, 결함 추출부(50)는, 상기 결함 화상 메모리(30)에 보존된 결함 화상 데이터와 상기 참조 화상 메모리(40)에 보존된 참조 화상 데이터를 비교함으로써, 상기 촬상 장치(20)에 의해 이미징한 반도체 웨이퍼(90)의 결함 부위의 화상으로서 결함 화상과 참조 화상의 차분을 추출하도록 하였으나, 화상 메모리상의 기억 영역을 분할하여 참조 화상 데이터와 결함 화상 데이터를 보존하여도 좋고, 반복적으로 패턴이 형성된 검사 대상물인 경우에는, 상기 검사 대상물을 이미징하여 얻어지는 반복적인 패턴의 화상의 일부를 참조 화상으로서 이용하도록 하여, 상기 반복적인 패턴의 화상 변화에 기초하여 결함 부위의 화상을 추출하도록 하는 것도 가능하다.
이상 설명한 바와 같이, 본 발명에 따른 결함 검사 장치에서는, 데이터베이 스 작성부에서, 선택 지정 수단에 의해 선택지정된 결함 그룹에 속하는 결함에 대해, 특징 추출 수단에 의해 수치화된 특징 정보에 기초하여 결함 분류 수단에 의해 유사한 특징을 갖는 결함을 다시 그룹화하고, 검사 대상물의 결함을 계층적으로 분류한 데이터베이스를 작성할 수 있다. 또한, 본 발명에 따른 결함 검사 장치에서는, 특징 추출부에 의해 수치화된 특징 정보에 기초하여, 상기 결함 분류 수단에 의해 유사한 특징을 갖는 결함을 그룹화하기 때문에, 작업자는 결함 그룹이 원하는 결함만으로 구성되어 있는지에 대한 판단과 식별 코드의 부여만으로 용이하게 데이터베이스를 작성할 수 있으며, 또한 데이터베이스의 작성을 복수 계층으로 분산시킴으로써, 분류 그룹 상호간의 유사성을 배제하는 것이 가능하다.
그리고, 분류 실행부에서는, 상기 데이터베이스 작성부에 의해 부여되는 계층적인 데이터베이스를 참조하여, 상기 결함 추출부에 의해 추출되는 검사 대상물의 결함 부위의 화상으로부터, 상기 특징 추출부에 의해 추출되는 수치화된 특징 정보에 기초하여, 상기 검사 대상물의 결함을 계층적으로 분류하므로, 1계층으로 모든 분류를 확정짓는 경우에 비해 정밀도 높은 결함 분류가 가능해진다.

Claims (3)

  1. 검사 대상물을 이미징하여 결함이 없는 참조 화상과 비교함으로써 결함 부위의 화상을 추출하는 결함 추출부와,
    상기 결함 추출부에 의해 추출된 결함 부위의 화상의 특징량을 추출하여 수치화하는 특징 추출부와,
    상기 특징 추출부에 의해 수치화된 특징 정보에 기초하여 유사한 특징을 갖는 결함을 그룹화하는 결함 분류 수단과, 상기 결함 분류 수단에 의해 그룹화된 결함에 분류 코드를 부여하는 분류 코드 부여 수단과, 상기 결함 분류 수단에 의해 그룹화된 결함의 특징 정보를 상기 분류 코드 부여 수단에 의해 부여되는 분류 코드와 함께 데이터베이스로서 보존하는 기억수단과, 상기 그룹화되고 분류 코드가 부여된 각 결함 그룹으로부터 다음 계층의 데이터베이스를 작성하는 결함 혼재 그룹을 선택 지정하는 선택 지정 수단을 구비하며, 상기 선택 지정 수단에 의해 선택 지정된 결함 혼재 그룹에 속하는 결함에 대해 상기 특징 추출 수단에 의해 수치화된 특징 정보에 기초하여 상기 결함 분류 수단에 의해 유사한 특징을 갖는 결함을 다시 그룹화하여 검사 대상물의 결함을 계층적으로 분류한 데이터베이스를 작성하는 데이터베이스 작성부와,
    상기 데이터베이스 작성부에 의해 부여되는 데이터베이스를 참조하여 상기 결함 추출부에 의해 추출되는 검사 대상물의 결함 부위의 화상으로부터 상기 특징 추출부에 의해 추출되는 수치화된 특징 정보에 기초하여 상기 검사 대상물의 결함을 계층적으로 분류하는 분류 실행부를 구비하는 것을 특징으로 하는 결함 분류 검사 장치.
  2. 제 1항에 있어서, 상기 결함 추출부는 검사 대상물을 이미징한 화상의 반복적인 패턴 변화에 기초하여 결함 부위의 화상을 추출하는 것을 특징으로 하는 결함 분류 검사 장치.
  3. 제 1항에 있어서, 상기 분류 실행부는 상기 특징 추출부에 의해 추출되는 수치화된 특징 정보와 상기 데이터베이스 작성부에 의해 주어지는 데이터베이스를 비교하여 분류 코드를 부여함으로써 상기 검사 대상물의 결함을 계층적으로 분류하는 것을 특징으로 하는 결함 분류 검사 장치.
KR1020020050747A 2002-02-08 2002-08-27 결함 분류 검사 장치 KR100615738B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2002032910A JP4154156B2 (ja) 2002-02-08 2002-02-08 欠陥分類検査装置
JPJP-P-2002-00032910 2002-02-08

Publications (2)

Publication Number Publication Date
KR20030067457A KR20030067457A (ko) 2003-08-14
KR100615738B1 true KR100615738B1 (ko) 2006-08-25

Family

ID=27621384

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020020050747A KR100615738B1 (ko) 2002-02-08 2002-08-27 결함 분류 검사 장치

Country Status (5)

Country Link
US (1) US7171039B2 (ko)
JP (1) JP4154156B2 (ko)
KR (1) KR100615738B1 (ko)
DE (1) DE10240877A1 (ko)
TW (1) TW565689B (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101131120B1 (ko) 2009-06-24 2012-04-03 도쿄엘렉트론가부시키가이샤 파티클 발생 요인 판정 시스템, 과금 방법 및 기억 매체

Families Citing this family (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1745380A (zh) * 2002-11-21 2006-03-08 凸版光掩膜公司 从检查系统向数据库自动传送缺陷图像的系统和方法
JP4238074B2 (ja) * 2003-06-19 2009-03-11 新日本製鐵株式会社 表面疵検査方法
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
US7647132B2 (en) * 2004-05-05 2010-01-12 Taiwan Semiconductor Manufacturing Company, Ltd. Method and system for problem case packaging
US7593565B2 (en) * 2004-12-08 2009-09-22 Rudolph Technologies, Inc. All surface data for use in substrate inspection
US7643665B2 (en) * 2004-08-31 2010-01-05 Semiconductor Insights Inc. Method of design analysis of existing integrated circuits
US7460688B2 (en) * 2004-12-09 2008-12-02 Aptina Imaging Corporation System and method for detecting and correcting defective pixels in a digital image sensor
US7283227B2 (en) * 2005-11-21 2007-10-16 Corning Incorporated Oblique transmission illumination inspection system and method for inspecting a glass sheet
TWI320497B (en) 2005-12-09 2010-02-11 Taiwan Tft Lcd Ass Multiple-angle imaging machine, multiple-angle inspection system and method for blemish measurement of a flat panel display
KR100893157B1 (ko) * 2007-04-27 2009-04-16 삼성전자주식회사 반도체 디바이스의 불량 분석 방법 및 불량 분석 시스템
US7773224B2 (en) * 2007-09-28 2010-08-10 Motorola, Inc. Spectrum verification imaging system and method
JP5243785B2 (ja) * 2007-12-28 2013-07-24 日清紡ホールディングス株式会社 太陽電池検査装置及び太陽電池欠陥判定方法
JP5155698B2 (ja) 2008-03-06 2013-03-06 東京エレクトロン株式会社 パーティクル発生要因判別システム及びパーティクル発生要因判別方法
JP5156452B2 (ja) * 2008-03-27 2013-03-06 東京エレクトロン株式会社 欠陥分類方法、プログラム、コンピュータ記憶媒体及び欠陥分類装置
JP5381166B2 (ja) * 2009-03-04 2014-01-08 オムロン株式会社 モデル画像取得支援装置、モデル画像取得支援方法およびモデル画像取得支援プログラム
JP5245938B2 (ja) * 2009-03-12 2013-07-24 オムロン株式会社 ３次元認識結果の表示方法および３次元視覚センサ
JP2010210585A (ja) * 2009-03-12 2010-09-24 Omron Corp ３次元視覚センサにおけるモデル表示方法および３次元視覚センサ
JP5714232B2 (ja) * 2009-03-12 2015-05-07 オムロン株式会社 キャリブレーション装置および３次元計測のためのパラメータの精度の確認支援方法
JP5282614B2 (ja) * 2009-03-13 2013-09-04 オムロン株式会社 視覚認識処理用のモデルデータの登録方法および視覚センサ
JP2011023638A (ja) * 2009-07-17 2011-02-03 Toshiba Corp 検査領域設定方法
US20130022240A1 (en) * 2011-07-19 2013-01-24 Wolters William C Remote Automated Planning and Tracking of Recorded Data
JP5873764B2 (ja) * 2012-06-06 2016-03-01 株式会社Ｓｃｒｅｅｎホールディングス 欠陥画像の提示方法
US11110648B2 (en) 2012-07-31 2021-09-07 Makerbot Industries, Llc Build material switching
US9244946B2 (en) 2012-11-26 2016-01-26 International Business Machines Corporation Data mining shape based data
US9142014B2 (en) * 2013-05-30 2015-09-22 Dmo Systems Limited System and method for identifying systematic defects in wafer inspection using hierarchical grouping and filtering
WO2015098343A1 (ja) 2013-12-26 2015-07-02 浜松ホトニクス株式会社 画像処理方法、画像処理装置、画像処理プログラム、及び画像処理プログラムを記憶した記憶媒体
JP6329397B2 (ja) * 2014-03-07 2018-05-23 株式会社ダイヘン 画像検査装置及び画像検査方法
JP6329923B2 (ja) * 2015-06-08 2018-05-23 東京エレクトロン株式会社 基板の検査方法、コンピュータ記憶媒体及び基板検査装置
CN109348732A (zh) * 2017-05-30 2019-02-15 正凯人工智能私人有限公司 图像处理方法及系统
WO2019138263A1 (en) * 2018-01-11 2019-07-18 Remade Method and system for grading the visual aspect of an electronic device
CN108776808A (zh) * 2018-05-25 2018-11-09 北京百度网讯科技有限公司 一种用于检测钢包溶蚀缺陷的方法和装置
CN113096119A (zh) * 2021-04-30 2021-07-09 上海众壹云计算科技有限公司 晶圆缺陷分类的方法、装置、电子设备以及存储介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2001022270A2 (en) * 1999-09-20 2001-03-29 Ut-Battelle, Llc Method for indexing and retrieving manufacturing-specific digital imagery based on image content

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4519041A (en) * 1982-05-03 1985-05-21 Honeywell Inc. Real time automated inspection
JPH0750483B2 (ja) * 1985-05-22 1995-05-31 株式会社日立製作所 文書画像追加情報の蓄積方法
US5226118A (en) * 1991-01-29 1993-07-06 Prometrix Corporation Data analysis system and method for industrial process control systems
US5544256A (en) * 1993-10-22 1996-08-06 International Business Machines Corporation Automated defect classification system
US6292582B1 (en) * 1996-05-31 2001-09-18 Lin Youling Method and system for identifying defects in a semiconductor
US6092059A (en) * 1996-12-27 2000-07-18 Cognex Corporation Automatic classifier for real time inspection and classification
US6148099A (en) * 1997-07-03 2000-11-14 Neopath, Inc. Method and apparatus for incremental concurrent learning in automatic semiconductor wafer and liquid crystal display defect classification
US20030061243A1 (en) * 1998-05-21 2003-03-27 Kim Jeong Jung Information auto classification method and information search and analysis method
GB9821787D0 (en) * 1998-10-06 1998-12-02 Data Limited Apparatus for classifying or processing data
US6535776B1 (en) * 1999-09-20 2003-03-18 Ut-Battelle, Llc Method for localizing and isolating an errant process step

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2001022270A2 (en) * 1999-09-20 2001-03-29 Ut-Battelle, Llc Method for indexing and retrieving manufacturing-specific digital imagery based on image content

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101131120B1 (ko) 2009-06-24 2012-04-03 도쿄엘렉트론가부시키가이샤 파티클 발생 요인 판정 시스템, 과금 방법 및 기억 매체

Also Published As

Publication number Publication date
JP2003233801A (ja) 2003-08-22
DE10240877A1 (de) 2003-08-21
KR20030067457A (ko) 2003-08-14
US7171039B2 (en) 2007-01-30
TW565689B (en) 2003-12-11
US20030152276A1 (en) 2003-08-14
JP4154156B2 (ja) 2008-09-24

Similar Documents

Publication Publication Date Title
KR100615738B1 (ko) 결함 분류 검사 장치
US7173693B2 (en) Method for inspecting defects and an apparatus of the same
US6941009B2 (en) Method for evaluating pattern defects on a water surface
US7231079B2 (en) Method and system for inspecting electronic circuit pattern
US7756658B2 (en) Systems and methods for detecting defects on a wafer and generating inspection results for the wafer
US5777901A (en) Method and system for automated die yield prediction in semiconductor manufacturing
US5831865A (en) Method and system for declusturing semiconductor defect data
US7113628B1 (en) Defect image classifying method and apparatus and a semiconductor device manufacturing process based on the method and apparatus
US7035447B2 (en) Semiconductor wafer examination system
US8086422B2 (en) Method for analyzing defect data and inspection apparatus and review system
US8005292B2 (en) Method and apparatus for inspecting pattern defects
US8081814B2 (en) Linear pattern detection method and apparatus
US20060078188A1 (en) Method and its apparatus for classifying defects
KR20140039075A (ko) 영역 결정 장치, 관찰 장치 또는 검사 장치, 영역 결정 방법 및 영역 결정 방법을 사용한 관찰 방법 또는 검사 방법
CN101120329A (zh) 用于分类样品上的缺陷的计算机实现的方法和系统
JP4617970B2 (ja) 欠陥検査装置及び欠陥検査方法
JP4521386B2 (ja) 欠陥データ解析方法およびその装置
EP2212909B1 (en) Patterned wafer defect inspection system and method
KR102530950B1 (ko) 반도체 시편에서의 결함들의 분류
US20020143483A1 (en) Inspection system, inspection apparatus, inspection program, and production method of semiconductor devices
CN115360116B (zh) 一种晶圆的缺陷检测方法及系统
JP2000306964A (ja) 検査データ処理方法および検査データ処理装置
Breaux et al. Automatic defect classification system for patterned semiconductor wafers
JP4146655B2 (ja) 欠陥源候補抽出プログラム
JP2004165395A (ja) 検査データ解析プログラムと検査方法

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20110809

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20120813

Year of fee payment: 7

LAPS Lapse due to unpaid annual fee