KR102340791B1 - 폐쇄-루프 자동 결함 검사 및 분류 - Google Patents

폐쇄-루프 자동 결함 검사 및 분류 Download PDF

Info

Publication number
KR102340791B1
KR102340791B1 KR1020140091967A KR20140091967A KR102340791B1 KR 102340791 B1 KR102340791 B1 KR 102340791B1 KR 1020140091967 A KR1020140091967 A KR 1020140091967A KR 20140091967 A KR20140091967 A KR 20140091967A KR 102340791 B1 KR102340791 B1 KR 102340791B1
Authority
KR
South Korea
Prior art keywords
defect
image
classification
detectors
acquisition mode
Prior art date
Application number
KR1020140091967A
Other languages
English (en)
Other versions
KR20150011329A (ko
Inventor
가디 그린버그
아이단 카이저맨
지브 조하르
Original Assignee
어플라이드 머티리얼즈 이스라엘 리미티드
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 어플라이드 머티리얼즈 이스라엘 리미티드 filed Critical 어플라이드 머티리얼즈 이스라엘 리미티드
Publication of KR20150011329A publication Critical patent/KR20150011329A/ko
Application granted granted Critical
Publication of KR102340791B1 publication Critical patent/KR102340791B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
    • 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
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J37/00—Discharge tubes with provision for introducing objects or material to be exposed to the discharge, e.g. for the purpose of examination or processing thereof
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/45—Nc applications
    • G05B2219/45031—Manufacturing semiconductor wafers
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/50—Machine tool, machine tool null till machine tool work handling
    • G05B2219/50064—Camera inspects workpiece for errors, correction of workpiece at desired position
    • 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
    • G06T2207/10061—Microscopic image from scanning electron microscope
    • 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
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J2237/00—Discharge tubes exposing object to beam, e.g. for analysis treatment, etching, imaging
    • H01J2237/26—Electron or ion microscopes
    • H01J2237/28—Scanning microscopes
    • H01J2237/2813—Scanning microscopes characterised by the application
    • H01J2237/2817—Pattern inspection
    • 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
    • H01L22/20—Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Automation & Control Theory (AREA)
  • Manufacturing & Machinery (AREA)
  • General Engineering & Computer Science (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Optics & Photonics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)

Abstract

검사 장치가, 샘플 상의 상이한 개별적인 위치들에서 결함들의 이미지들을 캡쳐하도록 구성된 이미징 모듈을 포함한다. 프로세서가 커플링되어, 결함들에 대해서 각각의 분류들을 자동적으로 할당하기 위해서 이미지들을 프로세스하고, 그리고 상기 할당된 분류들에 응답하여 이미지들을 캡쳐하는 것을 지속하도록 이미징 모듈을 자동적으로 제어한다.

Description

폐쇄-루프 자동 결함 검사 및 분류{CLOSED-LOOP AUTOMATIC DEFECT INSPECTION AND CLASSIFICATION}
본 발명은 일반적으로 자동화된 검사에 관한 것이고, 구체적으로 제조 결함들을 검출 및 분석하기 위한 방법들 및 시스템들에 관한 것이다.
자동 결함 분류(ADC) 기술들이 반도체 산업에서 패터닝된 웨이퍼들 상의 결함들을 검사 및 측정하는데 있어서 널리 이용된다. 이러한 기술들의 목적은 결함들의 존재를 검출하기 위한 것뿐만 아니라, 그러한 결함들을 유형별로 자동적으로 분류하여 생산 프로세스로 보다 구체적인 피드백을 제공하고 인간 검사자들에 가해지는 부하를 감소시키기 위한 것이다. ADC는, 예를 들어, 웨이퍼 표면 상의 미립자 오염물질들로부터 발생하는 결함들 및 마이크로회로 패턴 자체의 불균일부들과 연관된 결함들의 유형들 중에서 구분하기 위해서 이용되고, 그리고 또한 입자들 및 불규칙부들의 특정 유형들을 식별할 수 있을 것이다.
ADC를 위한 여러 가지 방법들이 특허 문헌에서 기술되어 있다. 예를 들어, 미국 특허 제 6,256,093 호는 스캐닝되는 웨이퍼에서 작동중의(on-the-fly) ADC를 위한 시스템을 기술한다. 광원이 스캐닝되는 웨이퍼를 조명하여 웨이퍼 상에서 조명 스폿을 생성한다. 스폿으로부터 산란된 광이 적어도 2개의 이격된 검출기들에 의해서 감지되고, 웨이퍼 내의 결함들을 검출하기 위해서 그리고 결함들을 구분된 결함 유형들로 분류하기 위해서 분석된다.
다른 예로서 미국 특허 제 6,922,482 호는, 경계 및 지형적(topographical) 정보를 채용하는 코어(core) 분류기를 이용하여, 반도체 웨이퍼의 표면 상의 결함을 많은 수의 코어 분류들 중 하나로 자동적으로 분류하기 위한 방법 및 장치를 기술한다. 이어서, 코어 분류와 연관되고 단지 제한된 수의 관련된 코어 분류들로부터 결함들을 분류하도록 훈련된(trained) 맞춤 조정형(specific adaptive) 분류기를 이용하여, 결함을 하위분류로 추가적으로 분류한다. 코어 분류기 또는 맞춤 조정형 분류기들에 의해서 분류될 수 없는 결함들이 전체(full) 분류기에 의해서 분류된다.
이하에서 설명되는 본 발명의 실시예들은 결함들의 자동화된 검사 및 분류를 위한 개선된 방법들, 시스템들 및 소프트웨어를 제공한다.
그에 따라, 본 발명의 실시예에 따라서, 샘플 상의 상이한 개별적인 위치들에서 결함들의 이미지들을 캡쳐하도록 구성된 이미징 모듈을 포함하는, 검사 장치가 제공된다. 프로세서가 커플링되어, 결함들에 대해서 각각의 분류들을 자동적으로 할당하기 위해서 이미지들을 프로세스하고, 그리고 상기 할당된 분류들에 응답하여 이미지들을 캡쳐하는 것을 지속하도록 상기 이미징 모듈을 자동적으로 제어한다.
일부 실시예들에서, 프로세서는, 상기 이미징 모듈에 의해서 캡쳐된 이미지들 내에서 나타나는 제 1 세트의 결함들로 분류들을 할당한 후에, 상기 제 1 세트 내의 결함들의 분류들의 분포에 응답하여 제 2 세트의 결함들의 추가적인 이미지들을 캡쳐하도록, 이미징 모듈로 지시하게끔 구성된다. 프로세서는, 분류들 중 하나 또는 둘 이상에 속하는 결함들의 각각의 수들을 계수하도록, 그리고 상기 수들 중 적어도 하나가 미리 규정된 기준을 만족시킬 때까지 추가적인 이미지들을 캡쳐하는 것을 계속하게끔 상기 이미징 모듈로 지시하도록, 구성될 수 있을 것이다. 전형적으로, 상기 프로세서는, 주어진 분류에 속하는 결함들의 수가 미리 규정된 문턱값에 도달할 때까지 이미징 모듈로 하여금 추가적인 이미지들을 캡쳐하는 것을 계속하게끔 유발하고, 이어서 샘플의 검사를 종료하도록, 구성된다.
일 실시예에서, 상기 장치는 사용자 인터페이스를 포함하고, 상기 프로세서가 커플링되어, 상기 사용자 인터페이스를 통해서 사용자로부터 수신된 지시들에 응답하여 이미지들을 프로세스하고 이미징 모듈을 제어한다. 부가적으로 또는 대안적으로, 네트워크를 통해서 서버로부터 수신된 지시들에 응답하여 이미지들을 프로세스하도록 그리고 이미징 모듈을 제어하도록, 프로세서가 커플링된다.
일부 실시예들에서, 상기 프로세서는, 상이한 검사 양상(modality)을 이용하는 추가적인 분석을 위해서 결함들 중 하나 또는 둘 이상을 식별하도록 구성된다. 이미징 모듈이 복수의 검출기들을 포함할 수 있을 것이고, 상기 검출기들은 상이한 개별적인 양상들에 따라서 이미지들을 캡쳐하도록 구성된 적어도 제 1 및 제 2 검출기들을 포함하고, 그리고 상기 프로세서는 제 1 검출기에 의해서 캡쳐된 제 1 이미지들을 프로세싱하는 것에 의해서 결함들 중 하나 또는 둘 이상을 식별하도록 그리고 제 2 검출기를 이용하여 결함들 중 하나 또는 둘 이상의 제 2 이미지들을 캡쳐하기 위해서 상기 이미징 모듈로 지시하도록 구성될 수 있을 것이다. 개시된 실시예에서, 프로세서는, 제 1 이미지들을 기초로, 결함들 중 하나 또는 둘 이상을 특정 분류에 속하는 것으로서 식별하도록, 그리고 특정 분류에 의존하여 제 2 이미지들을 캡쳐하기 위한 제 2 검출기를 선택하도록 구성된다. 복수의 검출기들이 전자 검출기들, X-선 검출기들, 및 광학적 검출기들로 이루어진 검출기들의 그룹으로부터 선택될 수 있을 것이다.
일 실시예에서, 상기 장치가 메모리를 포함하고, 상기 메모리는 복수-차원 피쳐(feature) 공간 내에서 각각의 분류 규칙들과 관련한 복수의 결함 분류들의 정의들(definitions)을 저장하도록 구성되고, 상기 프로세서는 상기 이미지들로부터 결함들의 피쳐들을 추출하도록, 그리고 추출된 피쳐들에 대해서 분류 규칙들을 적용함으로써 각각의 분류들을 할당하도록 구성된다.
개시된 실시예에서, 이미징 모듈이 주사전자 현미경(SEM)을 포함하고, 상기 샘플은 반도체 웨이퍼를 포함한다.
또한, 본 발명의 실시예에 따라서, 검사를 위한 방법이 제공되고, 상기 방법은 이미징 모듈을 이용하여 샘플 상의 상이한 각각의 위치들에서 결함들의 이미지들을 캡쳐하는 단계를 포함한다. 상기 이미지들이 자동적으로 프로세스되어, 개별적인 분류들을 결함들에 대해서 할당하고, 그리고 상기 할당된 분류들에 응답하여 이미지들을 캡쳐하는 것을 계속하도록 이미징 모듈을 자동적으로 제어한다.
도면들을 함께 고려하여, 본 발명의 실시예들에 관한 이하의 구체적인 설명으로부터 본 발명을 보다 완전하게 이해할 것이다.
도 1은, 본 발명의 실시예에 따른, 결함 검사 및 분류 시스템의 개략적인 도면이다.
도 2는, 본 발명의 실시예에 따른, 폐쇄-루프 결함 검사 및 분류를 위한 방법을 개략적으로 도시한 흐름도이다.
ADC의 일반적인 모델들에서, 이미지 캡쳐 및 이미지 분석 기능들이 분리된다: 주사전자 현미경(SEM)과 같은 이미징 시스템이 먼저 반도체 웨이퍼와 같은 샘플 상의 상이한 위치들의 특정 수의 이미지들을 캡쳐할 것이고, 이어서 후속 검정 분석(post hoc analysis)을 위해서 ADC 시스템으로 이러한 이미지들을 전달할 것이다. 얼마나 많은 임의의 주어진 유형의 결함들이 주어진 웨이퍼에서 발견될 것인지를 선험적으로(priori) 예측하기 어렵기 때문에, 후속 검정 접근방식은 때때로 효과적인 프로세스 분석을 위해서 필요한 것보다 상당히 더 많은 이미지들을 야기할 것이다. 다른 때에는(at other times), SEM이 불충분한 정보를 야기할 것이고, 그에 따라 웨이퍼를 다시 스캔하여야 할 것이다. 그러한 부가적인 스캔들은, 특별한 결함 또는 결함들의 그룹을 분류하기 위한 특별한 부가적인 이미지들 또는 정보를 제공하는 것을 목적으로 할 수 있을 것이다. 예를 들어, 입자-유형 결함들이 에너지-분산형 X-선(EDX) 분석에 의해서 분석될 것이고, 전기 단락 회로들의 이미지들이, 이미징의 상이한 각도에서, 틸트(tilt) 모드로 획득될 수 있을 것이다. 전술한 종류들의 상황들은 시간 및 테스팅 자원들의 낭비를 초래한다.
본 발명의 실시예들은, ADC 능력을 SEM, 광학적 검사 유닛, 또는 임의의 다른 적합한 타입의 검사 디바이스와 같은 이미징 모듈과 통합함으로써 이러한 문제들을 해결한다. ADC 프로세서는, 결함들을 분류하고 그리고 사용자-규정된 기준에 따라서 그 결함들이 "관심 대상인지(interesting)"의 여부를 결정하기 위해서, 이미징 모듈이 생성한 각각의 이미지를 분석한다. 예를 들어, 정해진 사용자는, 그가 입자-유형 결함들과 같은 특정 결함 분류들에만 관심을 가지고 있고, 그리고 웨이퍼마다 50개의 그러한 결함들을 검사하기를 원하는 것으로 결정할 수 있을 것이다. 이러한 경우에, 이미징 모듈이 50개의 입자-유형 결함들의 이미지들을 캡쳐할 때까지, 각각의 웨이퍼 상에서, 무작위로 선택된 상이한 위치들을 이미징 모듈이 스캔할 수 있을 것이다. ADC 능력과 이미징 모듈을 통합하는 것에 의해서, 각각의 위치에서 이미징 모듈에 의해서 캡쳐된 결함 유형을 분류하는 것이 온라인으로 이루어진다. 이러한 예에서, 이미징 모듈이 각각의 웨이퍼로부터 입자-유형 결함들의 50개의 이미지들을 출력할 것이고 이어서 다음 웨이퍼를 프로세스하기 위해서 이동될 것이다.
다른 실시예들에서, 이미징 모듈이 복수의 검사 양상들을 지원할 때, 통합된 ADC 프로세서가 결함 유형에 따라서 결함들을 분류할 수 있을 것이고, 이어서 상이한 부가적인 검사 동작들을 상이한 유형들로 적용하도록 이미징 모듈로 지시할 수 있을 것이다. 분류 결과들에 의존하여, 이러한 종류의 반복적인 검사 루프가 임의의 주어진 결함 위치에서 복수 횟수들로 이용될 수 있다. 예를 들어:
· ADC 프로세서가 결함의 SEM 이미지를 분석하는 것에 의해서 주어진 결함을 입자로서 분류할 수 있고, 이어서, 이러한 분류를 기초로, 동일한 웨이퍼 위치에서 EDX 분석을 실시하도록 이미징 모듈로 지시할 수 있을 것이다. 이어서, EDX 분석을 기초로, EDX로부터 획득된 새로운 정보를 이용하여 제 2 분류 단계를 실시할 수 있을 것이다.
· ADC 프로세서가 SEM 이미지 분석에 의해서 결함을 전기적 단락으로서 분류할 수 있을 것이고, 이어서, 이러한 분류를 기초로, 틸트 이미지를 획득하도록 이미징 모듈로 지시할 수 있을 것이다. 이어서, ADC 프로세서가 틸트 이미지로부터 획득된 새로운 정보를 이용하여 제 2 분류 단계를 실시할 수 있을 것이다.
· ADC 프로세서가 미지의 결함 분류에 속하는 것으로 결함을 초기에 분류할 때, ADC 프로세서는 이미징 모듈로 하여금 광학적 이미지 획득을 실시하도록 지시할 수 있을 것이고, 이어서, 광학적 이미지의 분석을 기초로, 광학적 이미지로부터 획득된 새로운 정보를 이용하여 결함의 제 2 분류 단계를 실시할 수 있을 것이다.
이러한 과정들은, 폐쇄-루프 분류를 기초로 필수적인 분석 및 재-이미징을 실시함으로써, 결함 분류들의 일부를 분석하는데 필요한 시간을 단축시킨다. 모든 필요한 정보는, 복수의 상이한 양상들로 복수 횟수들에 걸쳐 웨이퍼를 스캔할 필요가 없이, 결함 위치들에 걸친 한 번의 스캔으로 수집될 수 있을 것이다.
그에 따라, 본 발명의 실시예들은 SEM과 같은 이미징 모듈이 그 이미징 모듈의 자원들을 보다 효율적으로 이용할 수 있게 한다: ADC 능력을 이미징 모듈과 통합하는 것은, 결함들의 특별한 유형들의 미리 규정된 수들의 이미지들을 캡쳐할 수 있도록 허용하고 그리고, 예를 들어, 과다한 이미지들에 시간을 허비하지 않고, 할당량을 일단 충족하면 이미지들을 캡쳐하는 것을 중단할 수 있도록 허용한다. 부가적으로 또는 대안적으로, 전술한 바와 같이, 주어진 웨이퍼에서 초기에 캡쳐된 결함들의 분류 결과들을 이용하여, 특별한 양상들 및 셋팅들을 이용하여 특별한 위치들에서 후속 이미지들을 캡쳐하도록 이미징 모듈을 자동적으로 안내할 수 있다. 초기 ADC 결과들을 기초로, 에너지-분산형 X-선(EDX) 분석 또는, 인간 조작자에 의한 검사뿐만 아니라 광학적 양상을 포함하는, 다른 형태의 재료 분석 및 상이한 이미지 획득 모드들과 같은 다른 검사 양상들을 이용하여 특정 웨이퍼 위치들에서 추가적인 분석을 실시하도록 이미징 모듈을 안내할 수 있다.
도 1은, 본 발명의 실시예에 따른, 자동화된 결함 검사 및 분류를 위한 시스템(20)의 개략적 도면이다. 패터닝된 반도체 웨이퍼(22)와 같은 샘플이 이미징 모듈(24) 내로 삽입된다. 이러한 모듈은 전형적으로 하나 또는 둘 이상의 검출기들(36), 예를 들어, 주사전자 현미경(SEM) 또는 광학적 검사 디바이스 또는 당업계에 공지된 임의의 다른 적합한 종류의 검사 장치를 포함한다. 모듈(24)은 전형적으로 웨이퍼(22)의 표면을 스캔하고, 이미지 데이터를 감지 및 캡쳐하고, 그리고 웨이퍼의 결함들의 이미지들을 출력한다. "이미지들"이라는 용어는, 주어진 결함 위치와 연관될 수 있는 임의의 종류의 지역적인 피쳐들과 관련한 데이터를 지칭하기 위해서, 본 특허출원의 내용 및 청구항들에서 널리 이용된다. 그러한 피쳐들은, 예를 들어, 크기, 형상, 산란 세기, 방향성, 및/또는 스펙트럼 특성들뿐만 아니라, 당업계에 공지된 임의의 다른 적합한 피쳐들을 포함할 수 있을 것이다.
프로세서(26)는, 이미징 모듈(24)에 의해서 출력된 이미지들을 수신 및 프로세스한다. 프로세서(26)는, 웨이퍼(22)의 이미지들로부터 관련 검사 피쳐 값들을 추출하기 위해서 이미지들을 프로세스하는 분류기 모듈(30)을 포함한다. 전형적으로, 모듈(30)은, 메모리(28) 내에 저장된 분류 규칙들을 피쳐 값들에 적용함으로써 결함들을 각각의 분류들로 할당한다. 분류기 모듈(30)은 결함 분류들을 제어 모듈(32)로 전달하고, 상기 제어 모듈(32)은, 이하에서 더 구체적으로 설명하는 바와 같이, 상기 전달된 결함 분류들에 따라서 검사 모듈에 의해서 진행되는 이미지 캡쳐를 제어한다. 프로세서(26)의 이러한 동작들은 전형적으로 자동적으로 실시되고, 다시 말해서, 미리 규정된 기준들 및 지시들을 기초로, 검사 프로세스 중에 조작자 개입 없이 실시된다.
프로세서(26)는 전형적으로, 이미징 모듈(24)의 외장 내부에 통합될 수 있거나 적절한 통신 링크에 의해서 이미징 모듈에 커플링될 수 있는, 범용 컴퓨터 프로세서 또는 그러한 프로세서들의 그룹을 포함한다. 프로세서는 결함 정보 및 분류 규칙들을 유지하기 위해서 메모리(28)를 이용한다. 프로세서(26)가 사용자 인터페이스(34)에 커플링되고, 상기 사용자 인터페이스를 통해서, 시스템(20)의 조작자와 같은 사용자가 이미지들의 프로세싱 및 이미징 모듈(24)의 제어에서 적용될 수 있는 동작 기준들을 규정할 수 있다. 프로세서(26)는, 분류기 모듈(30) 및 제어 모듈(32)의 기능들을 포함하는, 여기에서 설명되는 기능들을 실시하도록 소프트웨어로 프로그래밍된다. 소프트웨어가, 예를 들어, 네트워크를 통해서, 전자적인 형태로 프로세서로 다운로드될 수 있고, 또는, 대안적으로 또는 부가적으로, 광학적, 자기적, 또는 전자적 메모리 매체(또한, 메모리(28)에 포함될 수 있을 것이다)와 같은, 유형적인(tangible), 비-일시적인 저장 매체에 저장될 수 있을 것이다. 대안적으로 또는 부가적으로, 프로세서(26)의 기능들 중 적어도 일부가 전용의 또는 프로그래밍이 가능한 하드웨어 로직으로 구현될 수 있을 것이다.
분류기 모듈(30)이, 당업계에 공지된 임의의 적합한 종류의 ADC 알고리즘을 결함 이미지 데이터에 적용할 수 있을 것이다. 하나의 실시예에서, 예를 들어, 모듈(30)이, 단일-분류 및 복수-분류 분류기들 모두를 포함하는, 복수 분류기들을 동작시킨다. 이러한 분류기들은, 피쳐 공간 내의 각각의 영역들과 관련하여 결함 분류들을 규정하는, 복수-차원 피쳐 공간 내에서 특정된 분류 규칙들을 이용한다. 모듈(30)은 모듈(24)에 의해서 제공된 이미지들로부터 결함들의 피쳐들을 추출하고, 분류 규칙들을 추출된 피쳐들에 대해서 적용함으로써 결함 분류들을 할당한다. 복수-분류 분류기는 이러한 것을 기초로 하여 결함들을 미리 규정된 결함 분류들(예를 들어, 입자 결함들, 패턴 결함들, 등)의 세트 사이에서 분별(sort)하는 한편; 단일-분류 분류기들은 각각의 분류에 대해서 각각 규정되고 그리고 결함들을 분류 경계들 내에 있거나 그 외부에 있는 것으로서 분류한다. 이러한 종류의 분류기들이, 예를 들어, 2010년 7월 27일자로 출원되고 그 개시 내용이 여기에서 인용에 의해 포함되는 미국 특허출원 제 12/844,724 호에 구체적으로 기재되어 있다.
프로세서(26)는 전형적으로, 예를 들어, 네트워크를 통해서, ADC 서버(38)와 통신한다. 상기 서버는 결함 분석 및 분류를 위한 "레시피들(recipes)"을 프로세서(26)로 제공하고, 때때로 이러한 레시피들을 업데이트할 수 있을 것이다. 프로세서(26)는 결함 검사 및 분류 결과들을 서버로 보고한다. 분류가 이미징 모듈(24)에서 지역적으로 실시되기 때문에, 미가공 이미지들이 ADC 서버로 전달되는 시스템들에 대비하여, 서버(38)로 통신되어야 하는 데이터의 부피가 크게 감소된다. 부가적으로 또는 대안적으로, 프로세서(26)가, 추가적인 프로세싱을 위해서, 일부 이미지 데이터 및/또는 중간 분류 결과들을 서버(38)로 전달할 수 있을 것이다.
도 2는, 본 발명의 실시예에 따른, 폐쇄-루프 결함 검사 및 분류를 위한 방법을 개략적으로 도시한 흐름도이다. 편리함 및 명료함을 위해서, 여기에서 상기 방법이 시스템(20)의 특정 아키텍쳐를 참조하여 설명되지만, 그러한 방법은 결함 분류 능력들이 통합된 다른 검사 시스템들에서 유사하게 구현될 수 있을 것이다. 이하에서 설명하는 바와 같이, 그러한 방법은 이미징 모듈(24) 내에서의 복수 검출기들(36) 및 이미징 양상들의 이용가능성이라는 장점을 취하나, 그러한 방법의 양태들은 단일-양상 시스템들에서 또한 적용될 수 있을 것이다.
제어 모듈(32)은, 지시 입력 단계(40)에서, 검출 캡쳐 지시들을 수신한다. 이러한 지시들은, 예를 들어, 사용자 인터페이스(34)를 통해서, 시스템(20)의 조작자와 같은 사용자에 의해서 프로그래밍될 수 있을 것이고, 또는 상기 지시들이 대안적으로 네트워크를 통해서 시스템으로 다운로드될 수 있거나 임의의 다른 적합한 수단에 의해서 시스템으로 전달될 수 있을 것이다. 전형적으로, 지시들은, 시스템(20)이 찾고자 하는 결함들의 분포에 대해서 적용되는 하나 또는 둘 이상의 기준들을 규정한다. 예를 들어, 시스템이 각각의 웨이퍼에서 찾고자 하는 결함들의 하나 또는 둘 이상의 분류들 및 각각의 그러한 분류 내의 결함들의 수를 지시들이 특정할 수 있을 것이다. 지시들은 또한, 예를 들어, 목표 결함 분포에 도달하지 않고, 일부 최대 수의 가능한 결함 사이트들의 이미지들을 캡쳐한 후에 웨이퍼의 검사가 종료되어야 한다는 것을 나타내는 타임아웃 조건을 특정할 수 있을 것이다. 부가적으로 또는 대안적으로, 상기 지시들은, 폐쇄-루프 검사 프로세스의 각각의 반복에서 이루어지는 분류 결정들을 기초로, 하나 또는 둘 이상의 결함들의 분류들에 적용하기 위한 부가적인 이미지 획득 모드들을 특정할 수 있을 것이다. 그러한 이미지 획득 모드들이 EDX, 틸트 이미징, 광학적 이미징, 및 스캔 중에 검출기들(36)에 의해서 수집될 수 있는 임의의 다른 정보를 포함할 수 있을 것이다.
제어 모듈(32)은, 이미징 모듈(24)로 하여금, 이미지 캡쳐 단계(42)에서, 웨이퍼(22) 상의 결함의 이미지를 캡쳐하도록 지시한다. 모듈(24)은, 결함 분류 단계(44)에서, 이미지(및/또는 추출된 이미지의 피쳐들)를 분류기 모듈(30)로 전달한다. 결함을 특정 분류로 할당하기 위해서, 모듈(30)이 적절한 규칙들을 결함 피쳐들에 적용한다. 모듈(30)은, 추가적인 분석을 위해서, 이를 테면 결함이 메모리(28) 내의 규칙들을 이용하여 확실하게 분류될 수 없을 때 또는 단계(40)에서 제공된 지시들이, 특정 유형들의 결함들이 추가적인 분석을 위한 것으로 식별되어야 한다는 것을 프로세서(26)로 지시할 때, 결함에 선택적으로 태그(tag)할 수 있을 것이다. 이러한 지시들에 의존하여, 이러한 태그된 결함들이 이미징 모듈(24) 내의 다른 이미징 양상을 이용하여 추가적으로 프로세스될 수 있을 것이다. 대안적으로 또는 부가적으로, 특정의 태그된 결함들이 인간 검사자에게 및/또는, X-선 분석 툴과 같은 다른 검사 기계로 전달될 수 있을 것이다.
분포 체킹 단계(46)에서, 제어 모듈(32)은 분류기 모듈(30)로부터의 각각의 결함의 분류를 수신 및 기록한다. 이러한 단계에서, 결함이 추가적인 이미징 및 분류를 위해서 태그된 유형인 경우에, 모듈(32)이 단계(42)로 복귀될 수 있고, 그리고 다른 특정 양상(전술한 바와 같이, 이를 테면, EDX, 틸트, 또는 광학적 이미징)을 이용하여 동일한 결함의 다른 이미지를 캡쳐하도록 이미징 모듈(24)로 지시할 수 있을 것이다. 부가적으로 또는 대안적으로, 모듈이, 단계(46)에서, 이제까지 분류된 결함들의 분포를 단계(40)에서 수신된 지시들에 대해서 비교할 수 있을 것이다. 만약 지시들이 아직 충족되지 않았다면(또는 타임아웃되지 않았다면), 제어 모듈이 단계(42)로 복귀되고 그리고 다른 위치에서 결함 이미지를 캡쳐하도록 이미징 모듈(24)로 지시한다.
만약 단계(46)에서 (예를 들어, 모든 특정된 이미징 및 분류 단계들을 실시하고 특정된 분류 또는 분류들에 속하는 필요한 수의 결함들의 이미지들을 수집하는 것에 의해서) 지시들이 충족되었다면 또는 타임아웃되었다면, 검사 완료 단계(48)에서, 모듈(32)이 웨이퍼(22)의 검사를 종료하고 보고서를 발행한다. 보고서는 지시들에 의해서 특정된 분류 또는 분류들 내의 결함들의 이미지들을 포함할 수 있을 것이고, 또는 웨이퍼(22)에 대한 표로 작성된 결함 데이터를 단순히 포함할 수 있을 것이다. 이어서, 시스템(20)이 다음 웨이퍼의 검사로 진행될 수 있을 것이다.
비록, 명료함을 위해서, 상기 방법이 시스템(20) 및 이미징 모듈(24)에서의 결함 분류에 관한 특정 내용으로 설명되었지만. 이러한 방법들은 자동화된 검사의 다른 시스템들 및 적용예들에서 유사하게 적용될 수 있을 것이고, 그리고 반도체 웨이퍼 결함들로 또는 SEM 이미지들로 결코 제한되지 않는다. 그에 따라, 전술된 실시예들이 예로서 인용되었다는 것, 그리고 본 발명이 앞서서 특별히 제시되고 설명된 것으로 제한되지 않는다는 것을 이해할 수 있을 것이다. 오히려, 본 발명의 범위는 전술한 여러 가지 특징들의 조합들 및 하위-조합들 모두뿐만 아니라, 전술한 설명을 읽을때 당업자가 안출할 것이고 종래 기술에서 개시되지 않은 변경예들 및 수정예들을 포함한다.

Claims (20)

  1. 시스템으로서,
    하나 이상의 분류 규칙들을 저장하는 메모리; 및
    상기 메모리에 커플링된 프로세서를 포함하고,
    상기 프로세서는,
    제 1 이미지 획득 모드를 이용하여 샘플 상의 결함의 제 1 이미지를 캡쳐하고 ― 상기 제 1 이미지 획득 모드는 제 1 유형의 이미지 정보를 수집하는 제 1 유형의 검출기를 이용함 ―;
    상기 결함의 제 1 이미지로부터 상기 결함의 피쳐들의 제 1 세트를 추출하고;
    상기 하나 이상의 분류 규칙들을 추출된 피쳐들의 제 1 세트에 적용함으로써 상기 결함을 제 1 분류로 할당하고;
    상기 결함에 대한 제 1 분류의 할당에 대해 응답하여, 그리고 상기 제 1 분류가 확실하게 할당될 수 있는지 여부에 기초하여, 제 2 이미지 획득 모드를 이용하여 상기 결함의 제 2 이미지를 캡쳐하도록 결정하고 ― 상기 제 2 이미지 획득 모드는 제 2 유형의 이미지 정보를 수집하는 제 2 유형의 검출기를 이용하고 상기 결함에 대한 상기 제 1 분류의 할당을 이용함으로써 선택됨 ―;
    상기 제 2 이미지를 캡쳐하는데 이용 가능한 복수의 상이한 유형들의 검출기들에 대한 복수의 결함 분류들의 할당을 식별하고 ― 상기 복수의 상이한 유형들의 검출기들은 상이한 유형들의 이미지 정보를 수집함 ―;
    상기 제 2 이미지를 캡쳐하기 위한 결정에 응답하여, 상기 제 2 이미지를 캡쳐하는데 이용 가능한 복수의 상이한 유형들의 검출기들로부터 상기 제 2 유형의 검출기를, 상기 결함에 대한 상기 제 1 분류의 할당과 복수의 이미지 획득 모드들에 대한 복수의 결함 분류들의 할당에 기초하여 선택하고 ― 상기 복수의 상이한 유형들의 검출기들 중 각 유형의 검출기는 상기 제 2 이미지 획득 모드와 연관된 상이한 동작을 수행함 ―;
    상기 제 2 이미지 획득 모드를 이용하여 상기 결함의 상기 제 2 이미지를 캡쳐하고;
    상기 결함의 상기 제 2 이미지로부터 상기 결함의 피쳐들의 제 2 세트를 추출하고; 그리고
    상기 하나 이상의 분류 규칙들을 상기 피쳐들의 제 2 세트에 적용함으로써 상기 결함에 대한 제 2 분류를 할당하는,
    시스템.
  2. 제 1 항에 있어서,
    상기 프로세서는, 추가적으로,
    상기 제 1 분류가 확실하게 할당될 수 있는지 여부를 결정하는,
    시스템.
  3. 제 1 항에 있어서,
    상기 프로세서는, 추가적으로,
    분류들 중 하나 또는 둘 이상에 속하는 결함들의 각각의 수들을 계수하고, 그리고
    결함들의 수들 중 적어도 하나가 기준을 만족시킬 때까지 복수의 이미지들을 캡쳐하는,
    시스템.
  4. 제 3 항에 있어서,
    상기 프로세서는, 추가적으로,
    주어진 분류에 속하는 결함들의 수가 문턱값에 도달할 때까지 상기 복수의 이미지들을 캡쳐하고, 그리고
    상기 샘플의 검사를 종료시키는,
    시스템.
  5. 제 1 항에 있어서,
    상기 제 2 이미지를 캡쳐하는데 이용 가능한 복수의 상이한 유형들의 검출기들은, 전자 검출기들, X-선 검출기들, 또는 광학적 검출기들 중 적어도 하나를 포함하는,
    시스템.
  6. 제 1 항에 있어서,
    상기 프로세서는,
    네트워크를 통해 서버로부터 수신된 지시들에 응답하여 상기 제 1 이미지 및 상기 제 2 이미지를 프로세스하는,
    시스템.
  7. 제 1 항에 있어서,
    상기 제 1 이미지 획득 모드 또는 상기 제 2 이미지 획득 모드는,
    에너지-분산형 X-선(EDX), 틸트 이미징 또는 광학 이미징 중 하나를 포함하는,
    시스템.
  8. 제 1 항에 있어서,
    상기 프로세서는, 추가적으로,
    상기 샘플 상의 상이한 위치들에서 사용자-규정된 개수의 결함들에 대한 복수의 이미지들을 캡쳐하는,
    시스템.
  9. 제 1 항에 있어서,
    주사전자 현미경(SEM)을 더 포함하는,
    시스템.
  10. 방법으로서,
    이미징 장치의 프로세서에 의하여, 제 1 이미지 획득 모드를 이용하여 샘플 상의 결함의 제 1 이미지를 캡쳐하는 단계 ― 상기 제 1 이미지 획득 모드는 제 1 유형의 이미지 정보를 수집하는 제 1 유형의 검출기를 이용함 ―;
    상기 결함의 제 1 이미지로부터 상기 결함의 피쳐들의 제 1 세트를 추출하는 단계;
    하나 이상의 분류 규칙들을 추출된 피쳐들의 제 1 세트에 적용함으로써 상기 결함을 제 1 분류로 할당하는 단계;
    상기 결함에 대한 제 1 분류의 할당에 대해 응답하여, 그리고 상기 제 1 분류가 확실하게 할당될 수 있는지 여부에 기초하여, 제 2 이미지 획득 모드를 이용하여 상기 결함의 제 2 이미지를 캡쳐하도록 결정하는 단계 ― 상기 제 2 이미지 획득 모드는 제 2 유형의 이미지 정보를 수집하는 제 2 유형의 검출기를 이용하고 상기 결함에 대한 상기 제 1 분류의 할당을 이용함으로써 선택됨 ―;
    상기 제 2 이미지를 캡쳐하는데 이용 가능한 복수의 상이한 유형들의 검출기들에 대한 복수의 결함 분류들의 할당을 식별하는 단계 ― 상기 복수의 상이한 유형들의 검출기들은 상이한 유형들의 이미지 정보를 수집함 ―;
    상기 제 2 이미지를 캡쳐하기 위한 결정에 응답하여, 상기 제 2 이미지를 캡쳐하는데 이용 가능한 복수의 상이한 유형들의 검출기들로부터 상기 제 2 유형의 검출기를, 상기 결함에 대한 상기 제 1 분류의 할당과 복수의 이미지 획득 모드들에 대한 복수의 결함 분류들의 할당에 기초하여 선택하는 단계 ― 상기 복수의 상이한 유형들의 검출기들 중 각 유형의 검출기는 상기 제 2 이미지 획득 모드와 연관된 상이한 동작을 수행함 ―;
    상기 제 2 이미지 획득 모드를 이용하여 상기 결함의 상기 제 2 이미지를 캡쳐하는 단계;
    상기 결함의 상기 제 2 이미지로부터 상기 결함의 피쳐들의 제 2 세트를 추출하는 단계; 및
    상기 하나 이상의 분류 규칙들을 상기 피쳐들의 제 2 세트에 적용함으로써 상기 결함에 대한 제 2 분류를 할당하는 단계
    를 포함하는, 방법.
  11. 제 10 항에 있어서,
    상기 제 1 분류가 확실하게 할당될 수 있는지 여부를 결정하는 단계
    를 더 포함하는, 방법.
  12. 제 10 항에 있어서,
    분류들 중 하나 또는 둘 이상에 속하는 결함들의 각각의 수들을 계수하는 단계; 및
    결함들의 수들 중 적어도 하나가 기준을 만족시킬 때까지 복수의 이미지들을 캡쳐하는 단계
    를 더 포함하는, 방법.
  13. 제 12 항에 있어서,
    상기 캡쳐하는 단계는,
    주어진 분류에 속하는 결함들의 수가 문턱값에 도달할 때까지 상기 복수의 이미지들을 캡쳐하는 단계; 및
    상기 샘플의 검사를 종료시키는 단계
    를 포함하는, 방법.
  14. 제 10 항에 있어서,
    사용자 인터페이스를 통해 사용자로부터 지시들을 수신하는 단계 ― 상기 제 1 이미지 및 상기 제 2 이미지는 상기 지시들에 응답하여 프로세스됨 ―
    를 더 포함하는, 방법.
  15. 제 10 항에 있어서,
    네트워크를 통해 서버로부터 지시들을 수신하여 상기 제 1 이미지 및 상기 제 2 이미지를 프로세스하는 단계
    를 더 포함하는, 방법.
  16. 제 10 항에 있어서,
    상기 제 1 이미지 획득 모드 또는 상기 제 2 이미지 획득 모드는,
    에너지-분산형 X-선(EDX), 틸트 이미징 또는 광학 이미징 중 하나를 포함하는, 방법.
  17. 제 10 항에 있어서,
    상기 샘플 상의 상이한 위치들에서 사용자-규정된 개수의 결함들에 대한 복수의 제 1 이미지들을 캡쳐하는 단계
    를 더 포함하는, 방법.
  18. 제 17 항에 있어서,
    상기 제 2 이미지를 캡쳐하는데 이용 가능한 복수의 상이한 유형들의 검출기들은 적어도 하나의 광학적 검출기를 포함하는, 방법.
  19. 비일시적 저장 매체로서,
    프로세서에 의해 실행될 때, 상기 프로세서로 하여금 동작들을 수행하도록 하는 지시들이 저장되고, 상기 동작들은,
    제 1 이미지 획득 모드를 이용하여 샘플 상의 결함의 제 1 이미지를 캡쳐하는 단계 ― 상기 제 1 이미지 획득 모드는 제 1 유형의 이미지 정보를 수집하는 제 1 유형의 검출기를 이용함 ―;
    상기 결함의 제 1 이미지로부터 상기 결함의 피쳐들의 제 1 세트를 추출하는 단계;
    하나 이상의 분류 규칙들을 추출된 피쳐들의 제 1 세트에 적용함으로써 상기 결함을 제 1 분류로 할당하는 단계;
    상기 결함에 대한 제 1 분류의 할당에 대해 응답하여, 그리고 상기 제 1 분류가 확실하게 할당될 수 있는지 여부에 기초하여, 제 2 이미지 획득 모드를 이용하여 상기 결함의 제 2 이미지를 캡쳐하도록 결정하는 단계 ― 상기 제 2 이미지 획득 모드는 제 2 유형의 이미지 정보를 수집하는 제 2 유형의 검출기를 이용하고 상기 결함에 대한 상기 제 1 분류의 할당을 이용함으로써 선택됨 ―;
    상기 제 2 이미지를 캡쳐하는데 이용 가능한 복수의 상이한 유형들의 검출기들에 대한 복수의 결함 분류들의 할당을 식별하는 단계 ― 상기 복수의 상이한 유형들의 검출기들은 상이한 유형들의 이미지 정보를 수집함 ―;
    상기 제 2 이미지를 캡쳐하기 위한 결정에 응답하여, 상기 제 2 이미지를 캡쳐하는데 이용 가능한 복수의 상이한 유형들의 검출기들로부터 상기 제 2 유형의 검출기를, 상기 결함에 대한 상기 제 1 분류의 할당과 복수의 이미지 획득 모드들에 대한 복수의 결함 분류들의 할당에 기초하여 선택하는 단계 ― 상기 복수의 상이한 유형들의 검출기들 중 각 유형의 검출기는 상기 제 2 이미지 획득 모드와 연관된 상이한 동작을 수행함 ―;
    상기 제 2 이미지 획득 모드를 이용하여 상기 결함의 상기 제 2 이미지를 캡쳐하는 단계;
    상기 결함의 상기 제 2 이미지로부터 상기 결함의 피쳐들의 제 2 세트를 추출하는 단계; 및
    상기 하나 이상의 분류 규칙들을 상기 피쳐들의 제 2 세트에 적용함으로써 상기 결함에 대한 제 2 분류를 할당하는 단계
    를 포함하는, 비일시적 저장 매체.
  20. 제 19 항에 있어서,
    상기 제 2 이미지를 캡쳐하는데 이용 가능한 복수의 상이한 유형들의 검출기들은, 전자 검출기들, X-선 검출기들, 또는 광학적 검출기들 중 적어도 하나를 포함하는, 비일시적 저장 매체.
KR1020140091967A 2013-07-22 2014-07-21 폐쇄-루프 자동 결함 검사 및 분류 KR102340791B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US13/948,118 US10114368B2 (en) 2013-07-22 2013-07-22 Closed-loop automatic defect inspection and classification
US13/948,118 2013-07-22

Publications (2)

Publication Number Publication Date
KR20150011329A KR20150011329A (ko) 2015-01-30
KR102340791B1 true KR102340791B1 (ko) 2021-12-17

Family

ID=52343280

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140091967A KR102340791B1 (ko) 2013-07-22 2014-07-21 폐쇄-루프 자동 결함 검사 및 분류

Country Status (4)

Country Link
US (2) US10114368B2 (ko)
JP (3) JP2015029094A (ko)
KR (1) KR102340791B1 (ko)
TW (1) TWI618162B (ko)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10209628B2 (en) * 2016-05-26 2019-02-19 Kla-Tencor Corporation System and method for defect classification based on electrical design intent
WO2017180399A1 (en) * 2016-04-13 2017-10-19 Kla-Tencor Corporation System and method for defect classification based on electrical design intent
KR102179989B1 (ko) * 2016-04-13 2020-11-17 케이엘에이 코포레이션 전기적 설계 의도에 기초한 결함 분류 시스템 및 방법
US10740888B2 (en) 2016-04-22 2020-08-11 Kla-Tencor Corporation Computer assisted weak pattern detection and quantification system
GB201608056D0 (en) * 2016-05-09 2016-06-22 Oxford Instr Nanotechnology Tools Ltd Improved analysis with preliminary survey
US11650576B2 (en) * 2017-01-18 2023-05-16 Asml Netherlands B.V. Knowledge recommendation for defect review
CN117408951A (zh) * 2017-01-18 2024-01-16 Asml荷兰有限公司 级联缺陷检查
US10692690B2 (en) 2017-03-27 2020-06-23 Kla-Tencor Corporation Care areas for improved electron beam defect detection
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
TWI689722B (zh) * 2018-12-04 2020-04-01 台灣積體電路製造股份有限公司 辨識晶圓上微塵顆粒的方法、電子裝置及電腦可讀取記錄媒體
KR20190103085A (ko) * 2019-08-15 2019-09-04 엘지전자 주식회사 지능형 진단 디바이스
KR20220030339A (ko) * 2020-08-27 2022-03-11 삼성디스플레이 주식회사 이물 불량 검출 방법 및 이물 불량 검출 시스템
US11408832B2 (en) * 2021-01-03 2022-08-09 Araz Yacoubian Surface inspection sensor

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004191187A (ja) * 2002-12-11 2004-07-08 Hitachi Ltd 欠陥組成分析方法及び装置
US20060009011A1 (en) 2004-07-06 2006-01-12 Gary Barrett Method for recycling/reclaiming a monitor wafer
US20090136121A1 (en) 2007-11-14 2009-05-28 Ryo Nakagaki Defect review method and apparatus

Family Cites Families (87)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5923430A (en) 1993-06-17 1999-07-13 Ultrapointe Corporation Method for characterizing defects on semiconductor wafers
US8144368B2 (en) 1998-01-20 2012-03-27 Digimarc Coporation Automated methods for distinguishing copies from original printed objects
US5991699A (en) 1995-05-04 1999-11-23 Kla Instruments Corporation Detecting groups of defects in semiconductor feature space
JP2885694B2 (ja) * 1996-04-25 1999-04-26 山口日本電気株式会社 半導体基板表面の自動外観検査装置
US6292582B1 (en) 1996-05-31 2001-09-18 Lin Youling Method and system for identifying defects in a semiconductor
US5963662A (en) * 1996-08-07 1999-10-05 Georgia Tech Research Corporation Inspection system and method for bond detection and validation of surface mount devices
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
US6195458B1 (en) 1997-07-29 2001-02-27 Eastman Kodak Company Method for content-based temporal segmentation of video
US7318051B2 (en) 2001-05-18 2008-01-08 Health Discovery Corporation Methods for feature selection in a learning machine
US6996549B2 (en) 1998-05-01 2006-02-07 Health Discovery Corporation Computer-aided image analysis
US6408219B2 (en) * 1998-05-11 2002-06-18 Applied Materials, Inc. FAB yield enhancement system
US6256093B1 (en) 1998-06-25 2001-07-03 Applied Materials, Inc. On-the-fly automatic defect classification for substrates using signal attributes
US6650779B2 (en) 1999-03-26 2003-11-18 Georgia Tech Research Corp. Method and apparatus for analyzing an image to detect and identify patterns
US6922482B1 (en) 1999-06-15 2005-07-26 Applied Materials, Inc. Hybrid invariant adaptive automatic defect classification
US6763130B1 (en) * 1999-07-21 2004-07-13 Applied Materials, Inc. Real time defect source identification
US6577757B1 (en) 1999-07-28 2003-06-10 Intelligent Reasoning Systems, Inc. System and method for dynamic image recognition
JP2001156135A (ja) * 1999-11-29 2001-06-08 Hitachi Ltd 欠陥画像の分類方法及びその装置並びにそれを用いた半導体デバイスの製造方法
US6999614B1 (en) 1999-11-29 2006-02-14 Kla-Tencor Corporation Power assisted automatic supervised classifier creation tool for semiconductor defects
TWI256468B (en) * 2000-10-02 2006-06-11 Applied Materials Inc Defect source identifier
US20020165839A1 (en) 2001-03-14 2002-11-07 Taylor Kevin M. Segmentation and construction of segmentation classifiers
IL149588A (en) 2001-05-11 2007-07-24 Orbotech Ltd Image searching defect detector
WO2002095554A2 (en) 2001-05-18 2002-11-28 Imprivata Inc. System and method for authentication using biometrics
JP2003107022A (ja) * 2001-09-28 2003-04-09 Hitachi Ltd 欠陥検査装置及び検査方法
US6792366B2 (en) * 2001-12-11 2004-09-14 Hitachi, Ltd. Method and apparatus for inspecting defects in a semiconductor wafer
JP3726263B2 (ja) 2002-03-01 2005-12-14 ヒューレット・パッカード・カンパニー 文書分類方法及び装置
US20040034612A1 (en) 2002-03-22 2004-02-19 Nick Mathewson Support vector machines for prediction and classification in supply chain management and other applications
JP4118703B2 (ja) 2002-05-23 2008-07-16 株式会社日立ハイテクノロジーズ 欠陥分類装置及び欠陥自動分類方法並びに欠陥検査方法及び処理装置
US7020337B2 (en) 2002-07-22 2006-03-28 Mitsubishi Electric Research Laboratories, Inc. System and method for detecting objects in images
US7379175B1 (en) * 2002-10-15 2008-05-27 Kla-Tencor Technologies Corp. Methods and systems for reticle inspection and defect review using aerial imaging
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
JP4443270B2 (ja) 2003-03-12 2010-03-31 株式会社日立ハイテクノロジーズ 欠陥分類方法
US7756320B2 (en) 2003-03-12 2010-07-13 Hitachi High-Technologies Corporation Defect classification using a logical equation for high stage classification
US9002497B2 (en) 2003-07-03 2015-04-07 Kla-Tencor Technologies Corp. Methods and systems for inspection of wafers and reticles using designer intent data
US7106434B1 (en) * 2003-07-28 2006-09-12 Kla-Tencor Technologies, Inc. Inspection tool
JP2007503034A (ja) 2003-08-19 2007-02-15 フロインホーファー−ゲゼルシャフト ツール フェルデルング デア アンゲヴァンテン フォルシュング イー ファウ データストリーム中の異常オブジェクトを自動的にオンラインで検出及びクラス分類するための方法及び装置
US7490071B2 (en) 2003-08-29 2009-02-10 Oracle Corporation Support vector machines processing system
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
JP2005198970A (ja) 2004-01-19 2005-07-28 Konica Minolta Medical & Graphic Inc 医用画像処理装置
US20050175243A1 (en) 2004-02-05 2005-08-11 Trw Automotive U.S. Llc Method and apparatus for classifying image data using classifier grid models
US7609893B2 (en) 2004-03-03 2009-10-27 Trw Automotive U.S. Llc Method and apparatus for producing classifier training images via construction and manipulation of a three-dimensional image model
US7188050B2 (en) 2004-08-25 2007-03-06 Siemens Corporate Research, Inc. Method and apparatus for detecting out-of-range conditions in power generation equipment operations
KR20180037323A (ko) * 2004-10-12 2018-04-11 케이엘에이-텐코 코포레이션 표본 상의 결함들을 분류하기 위한 컴퓨터-구현 방법 및 시스템
US7450766B2 (en) 2004-10-26 2008-11-11 Hewlett-Packard Development Company, L.P. Classifier performance
TWI447575B (zh) 2005-01-21 2014-08-01 Photon Dynamics Inc 自動缺陷修復系統
JP5059297B2 (ja) * 2005-05-09 2012-10-24 株式会社日立ハイテクノロジーズ 電子線式観察装置
CN100449981C (zh) 2005-08-15 2009-01-07 大唐移动通信设备有限公司 多载波高速下行分组接入中混合自动重传方法
JP4654093B2 (ja) 2005-08-31 2011-03-16 株式会社日立ハイテクノロジーズ 回路パターン検査方法及びその装置
JP4776308B2 (ja) 2005-09-05 2011-09-21 株式会社東京精密 画像欠陥検査装置、画像欠陥検査システム、欠陥分類装置及び画像欠陥検査方法
EP1955225A4 (en) * 2005-11-18 2009-11-04 Kla Tencor Tech Corp METHOD AND SYSTEMS FOR USE OF DESIGN DATA IN COMBINATION WITH TEST DATA
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
JP4644613B2 (ja) 2006-02-27 2011-03-02 株式会社日立ハイテクノロジーズ 欠陥観察方法及びその装置
JP2008004081A (ja) * 2006-05-23 2008-01-10 Hitachi High-Technologies Corp 画像検索装置、画像検索システム、画像検索方法、および画像検索方法を実行するためのプログラム
US7684609B1 (en) 2006-05-25 2010-03-23 Kla-Tencor Technologies Corporation Defect review using image segmentation
JP4253335B2 (ja) 2006-07-13 2009-04-08 株式会社東芝 カーネル関数値を用いた、画像の平均値シフトによるフィルタリングとクラスタリングの方法及び装置
JP4992081B2 (ja) 2006-09-20 2012-08-08 国立大学法人山口大学 画像処理により対象物の表面状態を検査する方法及びそのための画像処理プログラム
JP4908995B2 (ja) 2006-09-27 2012-04-04 株式会社日立ハイテクノロジーズ 欠陥分類方法及びその装置並びに欠陥検査装置
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
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
JP5022174B2 (ja) 2007-10-22 2012-09-12 株式会社日立製作所 欠陥分類方法及びその装置
US7949622B2 (en) 2007-12-13 2011-05-24 Yahoo! Inc. System and method for generating a classifier model for classifying web content
US8583416B2 (en) 2007-12-27 2013-11-12 Fluential, Llc Robust information extraction from utterances
WO2009114401A1 (en) 2008-03-10 2009-09-17 Interdigital Patent Holdings, Inc. Method and apparatus for efficiently utilizing harq processes for semi-persistent and dynamic data transmissions
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
US20090305423A1 (en) 2008-06-09 2009-12-10 Ohio State University Research Foundation Methods for Monitoring Composition and Flavor Quality of Cheese Using a Rapid Spectroscopic Method
JP2010164487A (ja) 2009-01-16 2010-07-29 Tokyo Seimitsu Co Ltd 欠陥検査装置及び欠陥検査方法
US8175373B2 (en) 2009-02-16 2012-05-08 Kla-Tencor Corporation Use of design information and defect image information in defect classification
US8112241B2 (en) 2009-03-13 2012-02-07 Kla-Tencor Corp. Methods and systems for generating an inspection process for a wafer
JP5168215B2 (ja) 2009-04-10 2013-03-21 株式会社デンソー 外観検査装置
US8457414B2 (en) 2009-08-03 2013-06-04 National Instruments Corporation Detection of textural defects using a one class support vector machine
US8774209B2 (en) 2009-12-02 2014-07-08 Qualcomm Incorporated Apparatus and method for spectrum sharing using listen-before-talk with quiet periods
JP2011158373A (ja) 2010-02-02 2011-08-18 Dainippon Screen Mfg Co Ltd 自動欠陥分類のための教師データ作成方法、自動欠陥分類方法および自動欠陥分類装置
US9553697B2 (en) 2010-04-05 2017-01-24 Qualcomm Incorporated HARQ ACK/NACK transmission for multi-carrier operation
US9020237B2 (en) 2010-06-07 2015-04-28 Hitachi High-Technologies Corporation Method for optimizing observed image classification criterion and image classification apparatus
US8315453B2 (en) * 2010-07-27 2012-11-20 Applied Materials Israel, Ltd. Defect classification with optimized purity
US9165051B2 (en) 2010-08-24 2015-10-20 Board Of Trustees Of The University Of Illinois Systems and methods for detecting a novel data class
US8983179B1 (en) 2010-11-10 2015-03-17 Google Inc. System and method for performing supervised object segmentation on images
US8502146B2 (en) 2011-10-03 2013-08-06 Kla-Tencor Corporation Methods and apparatus for classification of defects using surface height attributes
EP2795953A1 (en) 2011-12-22 2014-10-29 Interdigital Patent Holdings, Inc. Methods, apparatus, and systems for dynamic spectrum allocation
KR102071735B1 (ko) 2012-03-19 2020-01-30 케이엘에이 코포레이션 반도체 소자의 자동화 검사용 레시피 생성을 위한 방법, 컴퓨터 시스템 및 장치
US10043264B2 (en) * 2012-04-19 2018-08-07 Applied Materials Israel Ltd. Integration of automatic and manual defect classification
US10599944B2 (en) 2012-05-08 2020-03-24 Kla-Tencor Corporation Visual feedback for inspection algorithms and filters
US10330608B2 (en) 2012-05-11 2019-06-25 Kla-Tencor Corporation Systems and methods for wafer surface feature detection, classification and quantification with wafer geometry metrology tools
US8826200B2 (en) 2012-05-25 2014-09-02 Kla-Tencor Corp. Alteration for wafer inspection
US9053390B2 (en) 2012-08-14 2015-06-09 Kla-Tencor Corporation Automated inspection scenario generation

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004191187A (ja) * 2002-12-11 2004-07-08 Hitachi Ltd 欠陥組成分析方法及び装置
US20060009011A1 (en) 2004-07-06 2006-01-12 Gary Barrett Method for recycling/reclaiming a monitor wafer
US20090136121A1 (en) 2007-11-14 2009-05-28 Ryo Nakagaki Defect review method and apparatus

Also Published As

Publication number Publication date
JP2021182634A (ja) 2021-11-25
JP6920370B2 (ja) 2021-08-18
US10114368B2 (en) 2018-10-30
US20190121331A1 (en) 2019-04-25
JP2015029094A (ja) 2015-02-12
JP2019140416A (ja) 2019-08-22
US20150022654A1 (en) 2015-01-22
KR20150011329A (ko) 2015-01-30
TW201507048A (zh) 2015-02-16
JP7174117B2 (ja) 2022-11-17
US10901402B2 (en) 2021-01-26
TWI618162B (zh) 2018-03-11

Similar Documents

Publication Publication Date Title
KR102340791B1 (ko) 폐쇄-루프 자동 결함 검사 및 분류
JP6391083B2 (ja) 自動欠陥分類における分類器の準備及び保守
JP6285640B2 (ja) 自動及び手動欠陥分類の統合
JP6905954B2 (ja) 自動欠陥分類のための未知欠陥除去の最適化
US11774735B2 (en) System and method for performing automated analysis of air samples
US10748271B2 (en) Method of defect classification and system thereof
AU2017344741B2 (en) System and method for performing automated analysis of air samples
US9293298B2 (en) Defect discovery and inspection sensitivity optimization using automated classification of corresponding electron beam images
KR102576881B1 (ko) 설계 및 잡음 기반 케어 영역들
TW201636907A (zh) 用於自動分類之參數的調諧
TWI798386B (zh) 用於新穎缺陷發現之損害探勘
CN113168695B (zh) 使用浅层深度学习的差值滤波器及孔径选择的系统与方法

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E90F Notification of reason for final refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant