KR102674927B1 - Ai 이미지 처리 기술을 이용한 sem 이미지 분석을 통해 반도체 제조 공정의 이상을 검출하는 장치 및 그 방법 - Google Patents

Ai 이미지 처리 기술을 이용한 sem 이미지 분석을 통해 반도체 제조 공정의 이상을 검출하는 장치 및 그 방법 Download PDF

Info

Publication number
KR102674927B1
KR102674927B1 KR1020230122845A KR20230122845A KR102674927B1 KR 102674927 B1 KR102674927 B1 KR 102674927B1 KR 1020230122845 A KR1020230122845 A KR 1020230122845A KR 20230122845 A KR20230122845 A KR 20230122845A KR 102674927 B1 KR102674927 B1 KR 102674927B1
Authority
KR
South Korea
Prior art keywords
semiconductor
image
pattern
condition data
conditions
Prior art date
Application number
KR1020230122845A
Other languages
English (en)
Inventor
정훈주
김정환
Original Assignee
아이티팜 주식회사
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 아이티팜 주식회사 filed Critical 아이티팜 주식회사
Priority to KR1020230122845A priority Critical patent/KR102674927B1/ko
Application granted granted Critical
Publication of KR102674927B1 publication Critical patent/KR102674927B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/22—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material
    • G01N23/225—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material using electron or ion
    • G01N23/2251—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material using electron or ion using incident electron beams, e.g. scanning electron microscopy [SEM]
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67242—Apparatus for monitoring, sorting or marking
    • H01L21/67288—Monitoring of warpage, curvature, damage, defects or the like
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/40—Imaging
    • G01N2223/401—Imaging image processing
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/40—Imaging
    • G01N2223/418—Imaging electron microscope
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/60—Specific applications or type of materials
    • G01N2223/611—Specific applications or type of materials patterned objects; electronic devices
    • G01N2223/6116—Specific applications or type of materials patterned objects; electronic devices semiconductor wafer
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/60—Specific applications or type of materials
    • G01N2223/645—Specific applications or type of materials quality control
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/60—Specific applications or type of materials
    • G01N2223/646—Specific applications or type of materials flaws, defects
    • G01N2223/6462—Specific applications or type of materials flaws, defects microdefects
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/60—Specific applications or type of materials
    • G01N2223/646—Specific applications or type of materials flaws, defects
    • G01N2223/6466—Specific applications or type of materials flaws, defects flaws comparing to predetermined standards

Landscapes

  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Pathology (AREA)
  • Analytical Chemistry (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Manufacturing & Machinery (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)

Abstract

본 발명은 AI 이미지 처리 기술을 이용한 SEM 이미지 분석을 통해 반도체 제조 공정의 이상을 검출하는 장치 및 그 방법에 관한 것으로, 반도체의 식각 공정이 완료되면, 주사 전자 현미경(SEM:Scanning Electron Microscope)을 이용하여 반도체의 패턴 이미지를 획득하는 반도체 패턴 이미지 획득부, 획득된 반도체의 패턴 이미지를 AI 이미지 처리 기술과 같은 고화질 변환 모델을 사용하여 고화질 이미지로 변환하는 반도체 패턴 이미지 변환부, 고화질 이미지로 변환된 반도체의 패턴 이미지와 기 저장된 반도체의 정상 패턴 이미지를 비교 분석하는 이미지 패턴 비교 분석부 및 비교 분석 결과, 고화질 이미지로 변환된 반도체의 패턴 이미지가 정상 패턴이 아닌 것으로 판단되면, 클린룸 환경 조건, 웨이퍼 조건, 산화 공정 조건, 포토 공정 조건 및 식각 공정 조건 중 적어도 어느 하나를 포함하는 반도체 전공정 조건 데이터와 기 저장된 정상 공정 조건 데이터를 비교하여 이상이 발견된 공정 조건 정보를 도출하는 전공정 이상 여부 도출부를 포함한다.

Description

AI 이미지 처리 기술을 이용한 SEM 이미지 분석을 통해 반도체 제조 공정의 이상을 검출하는 장치 및 그 방법{APPARATUS AND METHOD FOR DETECTING ABNORMALITIES IN THE SEMICONDUCTOR MANUFACTURING PROCESS THROUGH SEM IMAGE ANALYSIS USING AI IMAGE PROCESSING TECHNOLOGY}
본 발명은 AI 이미지 처리 기술을 이용한 SEM 이미지 분석을 통해 반도체 제조 공정의 이상을 검출하는 장치 및 그 방법에 관한 것으로, 보다 자세하게는 AI 이미지 처리 기술을 이용하여 고화질 이미지로 변환된 반도체의 패턴 이미지와 기 저장된 반도체의 정상 패턴 이미지를 비교 분석한 결과, 고화질 이미지로 변환된 반도체의 패턴 이미지가 정상 패턴이 아닌 것으로 판단되면, 클린룸 환경 조건, 웨이퍼 조건, 산화 공정 조건, 포토 공정 조건 및 식각 공정 조건 중 적어도 어느 하나를 포함하는 반도체 전공정 조건 데이터와 기 저장된 정상 공정 조건 데이터를 비교하여 이상이 발견된 공정 조건 정보를 도출하는 AI 이미지 처리 기술을 이용한 SEM 이미지 분석을 통해 반도체 제조 공정의 이상을 검출하는 장치 및 그 방법에 관한 것이다.
반도체 공정은 전공정 및 후공정으로 나누어지며, 특히 제조 공정에 해당되는 전공정에서는 산화, 포토, 식각, 증착, CMP(Chemical Mechanical Planarization 또는 Polishing), 이온주입, 증착 공정의 순서대로 공정이 이루어지게 된다.
각 공정에 해당되는 공정 조건이 설정되어 있으며 공정 설정 조건에 따라 설계된 반도체 패턴에 영향을 미치게 되며, 반도체 후공정을 진행하기 전 반도체 패턴 불량 유무를 판단하기 위한 SEM 이미지를 통해 계측을 진행하여 반도체 패턴 불량 유무를 판단하게 된다. 더 나아가, SEM 이미지는 노출 시간 증가를 통해 고화질을 얻어 패턴 측정에 정확성을 가져올 수 있으나, 이는 웨이퍼의 손상과 반도체 계측 공정에 시간을 증가시키는 단점으로 발생된다. 또한, 이미지를 통해 계측 후 어느 공정에서의 불량이 발생되었는지에 대한 판단의 어려움이 발생된다.
이와 관련하여, 한국공개특허 제2015-0082948호는 "반도체 공정을 모니터링 하는 방법, 장치 및 기록매체"에 관하여 개시하고 있다.
본 발명은 상기와 같은 문제점을 해결하기 위해 발명된 것으로서, 고화질 이미지로 변환된 반도체의 패턴 이미지와 기 저장된 반도체의 정상 패턴 이미지를 비교 분석한 결과, 고화질 이미지로 변환된 반도체의 패턴 이미지가 정상 패턴이 아닌 것으로 판단되면, 클린룸 환경 조건, 웨이퍼 조건, 산화 공정 조건, 포토 공정 조건 및 식각 공정 조건 중 적어도 어느 하나를 포함하는 반도체 전공정 조건 데이터와 기 저장된 정상 공정 조건 데이터를 비교하여 이상이 발견된 공정 조건 정보를 도출하는 AI 이미지 처리 기술을 이용한 SEM 이미지 분석을 통해 반도체 제조 공정의 이상을 검출하는 장치 및 그 방법을 제공하는데 그 목적이 있다.
상기의 목적을 달성하기 위한 본 발명에 따른 AI 이미지 처리 기술을 이용한 SEM 이미지 분석을 통해 반도체 제조 공정의 이상을 검출하는 장치는 반도체의 식각 공정이 완료되면, 주사 전자 현미경(SEM:Scanning Electron Microscope)을 이용하여 반도체의 패턴 이미지를 획득하는 반도체 패턴 이미지 획득부; 획득된 반도체의 패턴 이미지를 고화질 변환 모델을 사용하여 고화질 이미지로 변환하는 반도체 패턴 이미지 변환부; 고화질 이미지로 변환된 반도체의 패턴 이미지와 기 저장된 반도체의 정상 패턴 이미지를 비교 분석하는 이미지 패턴 비교 분석부; 및 비교 분석 결과, 고화질 이미지로 변환된 반도체의 패턴 이미지가 정상 패턴이 아닌 것으로 판단되면, 클린룸 환경 조건, 웨이퍼 조건, 산화 공정 조건, 포토 공정 조건 및 식각 공정 조건 중 적어도 어느 하나를 포함하는 반도체 전공정 조건 데이터와 기 저장된 정상 공정 조건 데이터를 비교하여 이상이 발견된 공정 조건 정보를 도출하는 전공정 이상 여부 도출부;를 포함한다.
또한, 정상 공정 조건 데이터에 따라 주사 전자 현미경을 이용하여 획득된 반도체의 패턴 이미지를 고화질 이미지로 변환한 정상 반도체 패턴 이미지를 저장 및 제공하는 반도체 패턴 이미지 DB부를 포함하는 것을 특징으로 한다.
또한, 상기 전공정 이상 여부 도출부에서 고화질 이미지로 변환된 반도체의 패턴 이미지가 정상 패턴이 아닌 것으로 판단되면, 클린룸 환경 조건, 웨이퍼 조건, 산화 공정 조건, 포토 공정 조건 및 식각 공정 조건 중 적어도 어느 하나를 포함하는 반도체 전공정 조건 데이터를 수집하여 제공하는 전공정 조건 데이터 제공부를 포함하는 것을 특징으로 한다.
또한, 상기 전공정 조건 데이터 제공부는 반도체 공정을 위해 설정된 클린룸의 온도, 습도 및 압력 중 적어도 어느 하나를 포함하는 환경 조건 데이터를 수집하여 제공하는 클린룸 환경 조건 데이터부를 포함하는 것을 특징으로 한다.
또한, 상기 전공정 조건 데이터 제공부는 웨이퍼의 제작사, 두께, 크기 및 공정 투입 전 웨이퍼 상태 데이터 중 적어도 어느 하나를 포함하는 웨이퍼 조건 데이터를 수집하여 제공하는 웨이퍼 조건 데이터부를 포함하는 것을 특징으로 한다.
또한, 상기 전공정 조건 데이터 제공부는 산화 공정 시, 산화 방식, 산화막 두께, 산화막 밀도, 산화 속도, 온도, 압력 및 시간, 표면 상태, 결정 구조 및 산화 공정 후 상태 데이터 중 적어도 어느 하나를 포함하는 산화 공정 조건 데이터를 수집하여 제공하는 산화 공정 조건 데이터부를 포함하는 것을 특징으로 한다.
또한, 상기 전공정 조건 데이터 제공부는 포토 공정 시, 웨이퍼 상단에 포토레지스트의 투입량, 스핀 코팅 시간 및 포토레지스트 두께 데이터, 마스크 패턴 데이터, 포지티브 및 네거티브 공정 설정 데이터, 노광 노출 시간 데이터 및 포토 공정 후 데이터 중 적어도 어느 하나를 포함하는 포토 공정 조건 데이터를 수집하여 제공하는 포토 공정 조건 데이터부를 포함하는 것을 특징으로 한다.
또한, 상기 전공정 조건 데이터 제공부는 식각 공정 시, 에칭 용액 정보, 에칭 시간 및 에칭 공정 후 데이터 중 적어도 어느 하나를 포함하는 식각 공정 조건 데이터를 수집하여 제공하는 식각 공정 조건 데이터부를 포함하는 것을 특징으로 한다.
또한, 상기 전공정 이상 여부 도출부는 고화질 이미지로 변환된 반도체의 패턴 이미지가 정상 패턴이 아닌 것으로 판단되면, 고화질 이미지로 변환된 반도체의 패턴 이미지에서 불량의 위치 및 정도를 포함하는 불량 특성을 검출하고, 검출된 불량의 위치 및 정도를 포함하는 불량 특성과 기 저장된 이상 발생 공정 조건 정보에 따른 불량 패턴 정보를 비교하여 유사도가 가장 높은 순서대로 반도체 전공정 조건 데이터를 배열한 후 기 저장된 정상 공정 조건 데이터를 비교하여 이상이 발견된 공정 조건 정보를 도출하도록 하는 것을 특징으로 한다.
또한, 상기 이미지 패턴 비교 분석부에 의해 고화질 이미지로 변환된 반도체의 패턴 이미지와 기 저장된 반도체의 정상 패턴 이미지를 비교 분석한 결과, 고화질 이미지로 변환된 반도체의 패턴 이미지가 정상 패턴인 것으로 판단되면 해당 반도체 패턴 이미지를 사용자 단말에 출력하고, 고화질 이미지로 변환된 반도체의 패턴 이미지가 정상 패턴이 아닌 것으로 판단되면, 해당 반도체 패턴 이미지와 상기 전공정 이상 여부 도출부에 의해 도출된 이상이 발견된 공정 조건 정보를 사용자 단말에 출력하는 반도체 패턴 이미지 결과 출력부를 포함하는 것을 특징으로 한다.
상기의 목적을 달성하기 위한 본 발명에 따른 AI 이미지 처리 기술을 이용한 SEM 이미지 분석을 통해 반도체 제조 공정의 이상을 검출하는 방법은 반도체 패턴 이미지 획득부에 의해, 반도체의 식각 공정이 완료되면, 주사 전자 현미경(SEM:Scanning Electron Microscope)을 이용하여 반도체의 패턴 이미지를 획득하는 단계; 반도체 패턴 이미지 변환부에 의해, 획득된 반도체의 패턴 이미지를 고화질 변환 모델을 사용하여 고화질 이미지로 변환하는 단계; 이미지 패턴 비교 분석부에 의해, 고화질 이미지로 변환된 반도체의 패턴 이미지와 기 저장된 반도체의 정상 패턴 이미지를 비교 분석하는 단계; 및 전공정 이상 여부 도출부에 의해, 비교 분석 결과, 고화질 이미지로 변환된 반도체의 패턴 이미지가 정상 패턴이 아닌 것으로 판단되면, 클린룸 환경 조건, 웨이퍼 조건, 산화 공정 조건, 포토 공정 조건 및 식각 공정 조건 중 적어도 어느 하나를 포함하는 반도체 전공정 조건 데이터와 기 저장된 정상 공정 조건 데이터를 비교하여 이상이 발견된 공정 조건 정보를 도출하는 단계;를 포함한다.
또한, 반도체의 식각 공정이 완료되면, 주사 전자 현미경을 이용하여 반도체의 패턴 이미지를 획득하는 단계 이후에, 정상 공정 조건 데이터에 따라 주사 전자 현미경을 이용하여 획득된 반도체의 패턴 이미지를 고화질 이미지로 변환한 정상 반도체 패턴 이미지를 저장 및 제공하는 단계를 포함하는 것을 특징으로 한다.
또한, 비교 분석 결과, 고화질 이미지로 변환된 반도체의 패턴 이미지가 정상 패턴이 아닌 것으로 판단되면, 클린룸 환경 조건, 웨이퍼 조건, 산화 공정 조건, 포토 공정 조건 및 식각 공정 조건 중 적어도 어느 하나를 포함하는 반도체 전공정 조건 데이터와 기 저장된 정상 공정 조건 데이터를 비교하여 이상이 발견된 공정 조건 정보를 도출하는 단계는, 고화질 이미지로 변환된 반도체의 패턴 이미지가 정상 패턴이 아닌 것으로 판단되면, 고화질 이미지로 변환된 반도체의 패턴 이미지에서 불량의 위치 및 정도를 포함하는 불량 특성을 검출하고, 검출된 불량의 위치 및 정도를 포함하는 불량 특성과 기 저장된 이상 발생 공정 조건 정보에 따른 불량 패턴 정보를 비교하여 유사도가 가장 높은 순서대로 반도체 전공정 조건 데이터를 배열한 후 기 저장된 정상 공정 조건 데이터를 비교하여 이상이 발견된 공정 조건 정보를 도출하도록 하는 것을 특징으로 한다.
또한, 비교 분석 결과, 고화질 이미지로 변환된 반도체의 패턴 이미지가 정상 패턴이 아닌 것으로 판단되면, 클린룸 환경 조건, 웨이퍼 조건, 산화 공정 조건, 포토 공정 조건 및 식각 공정 조건 중 적어도 어느 하나를 포함하는 반도체 전공정 조건 데이터와 기 저장된 정상 공정 조건 데이터를 비교하여 이상이 발견된 공정 조건 정보를 도출하는 단계 이후에, 고화질 이미지로 변환된 반도체의 패턴 이미지와 기 저장된 반도체의 정상 패턴 이미지를 비교 분석한 결과, 고화질 이미지로 변환된 반도체의 패턴 이미지가 정상 패턴인 것으로 판단되면 해당 반도체 패턴 이미지를 사용자 단말에 출력하고, 고화질 이미지로 변환된 반도체의 패턴 이미지가 정상 패턴이 아닌 것으로 판단되면, 해당 반도체 패턴 이미지와 상기 전공정 이상 여부 도출부에 의해 도출된 이상이 발견된 공정 조건 정보를 사용자 단말에 출력하는 단계를 포함하는 것을 특징으로 한다.
본 발명은 AI 이미지 처리 기술을 이용한 SEM 이미지 분석을 통해 반도체 제조 공정의 이상을 검출하는 장치 및 그 방법에 관한 것으로, 반도체의 식각 공정이 완료되면, 주사 전자 현미경(SEM:Scanning Electron Microscope)을 이용하여 반도체의 패턴 이미지를 획득하고, 획득된 반도체의 패턴 이미지를 고화질 변환 모델을 사용하여 고화질 이미지로 변환함으로써, 주사 전자 현미경 이미지 측정 시 소요되는 시간을 감소시킬 수 있는 효과가 있다.
또한, 본 발명은 고화질 이미지로 변환된 반도체의 패턴 이미지와 기 저장된 반도체의 정상 패턴 이미지를 비교 분석한 결과, 고화질 이미지로 변환된 반도체의 패턴 이미지가 정상 패턴이 아닌 것으로 판단되면, 클린룸 환경 조건, 웨이퍼 조건, 산화 공정 조건, 포토 공정 조건 및 식각 공정 조건 중 적어도 어느 하나를 포함하는 반도체 전공정 조건 데이터와 기 저장된 정상 공정 조건 데이터를 비교하여 이상이 발견된 공정 조건 정보를 도출함으로써, 반도체 공정의 공간 효율 및 생산 시간 효율을 극대화시키고 사용자에게 전공정의 문제점을 바로 알림할 수 있는 효과가 있다.
도 1은 본 발명에 따른 AI 이미지 처리 기술을 이용한 SEM 이미지 분석을 통해 반도체 제조 공정의 이상을 검출하는 장치의 구성을 설명하기 위한 도면이다.
도 2는 본 발명에 따른 AI 이미지 처리 기술을 이용한 SEM 이미지 분석을 통해 반도체 제조 공정의 이상을 검출하는 장치에 채용되는 전공정 조건 데이터 제공부의 세부 구성을 설명하기 위한 도면이다.
도 3은 본 발명에 따른 AI 이미지 처리 기술을 이용한 SEM 이미지 분석을 통해 반도체 제조 공정의 이상을 검출하는 방법의 순서를 설명하기 위한 순서도이다.
도 4는 본 발명에 따른 AI 이미지 처리 기술을 이용한 SEM 이미지 분석을 통해 반도체 제조 공정의 이상을 검출하는 방법의 순서를 자세하게 설명하기 위한 순서도이다.
도 5는 본 발명에 따른 AI 이미지 처리 기술을 이용한 SEM 이미지 분석을 통해 반도체 제조 공정의 이상을 검출하는 방법에서 이상이 발견된 공정 조건 정보를 도출하는 단계를 설명하기 위한 순서도이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세하게 설명하고자 한다.
그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
이하, 첨부한 도면들을 참조하여, 본 발명의 바람직한 실시예를 보다 상세하게 설명하고자 한다. 이하, 도면상의 동일한 구성요소에 대해서는 동일한 참조부호를 사용하고 동일한 구성요소에 대해서 중복된 설명은 생략한다.
도 1은 본 발명에 따른 AI 이미지 처리 기술을 이용한 SEM 이미지 분석을 통해 반도체 제조 공정의 이상을 검출하는 장치의 구성을 설명하기 위한 도면이다.
도 1을 참조하여 설명하면, 본 발명에 따른 AI 이미지 처리 기술을 이용한 SEM 이미지 분석을 통해 반도체 제조 공정의 이상을 검출하는 장치(100)는 반도체 패턴 이미지 획득부(110), 반도체 패턴 이미지 변환부(120), 반도체 패턴 이미지 DB부(130), 이미지 패턴 비교 분석부(140), 전공정 이상 여부 도출부(150), 전공정 조건 데이터 제공부(160) 및 반도체 패턴 이미지 결과 출력부(170)를 포함한다.
반도체 패턴 이미지 획득부(110)는 반도체의 식각 공정이 완료되면, 주사 전자 현미경(SEM:Scanning Electron Microscope)을 이용하여 반도체의 패턴 이미지를 획득한다.
반도체 패턴 이미지 획득부(110)는 공정 효율 증대를 위한 빠른 측정이 가능하도록 저화질 이미지가 획득된다.
반도체 패턴 이미지 변환부(120)는 획득된 반도체의 패턴 이미지를 고화질 변환 모델을 사용하여 고화질 이미지로 변환한다. 이때, 고화질 변환 모델은 AI 이미지 처리 기술을 기반으로 하는 모델일 수 있으며 이는 한정되지는 않는다.
반도체 패턴 이미지 변환부(120)는 저화질 이미지로 획득된 주사 전자 현미경을 이용하여 반도체의 패턴 이미지를 딥 러닝 또는 AI 이미지 기술로 처리하여 고화질 반도체의 패턴 이미지와 비교 분석할 수 있도록 한다.
반도체 패턴 이미지 DB부(130)는 정상 공정 조건 데이터에 따라 주사 전자 현미경을 이용하여 획득된 반도체의 패턴 이미지를 고화질 이미지로 변환한 정상 반도체 패턴 이미지를 저장 및 제공한다.
한편, 본 발명은 시스템 초기 설정부를 더 포함할 수 있다. 시스템 초기 설정부는 인위적인 패턴 불량 이미지를 갖는 마스터 샘플 데이터를 최초 시스템에 입력하여 AI 이미지 처리와 전공정에 해당되는 조건데이터 비교분석을 통해 이상여부가 맞게 판단되는지를 확인할 수 있다. 또한, 마스터 샘플을 통해 허용되는 오차 값을 조정하여 추후 공정에 대한 설정을 진행할 수도 있도록 한다.
이미지 패턴 비교 분석부(140)는 고화질 이미지로 변환된 반도체의 패턴 이미지와 기 저장된 반도체의 정상 패턴 이미지를 비교 분석한다.
전공정 이상 여부 도출부(150)는 비교 분석 결과, 고화질 이미지로 변환된 반도체의 패턴 이미지가 정상 패턴이 아닌 것으로 판단되면, 클린룸 환경 조건, 웨이퍼 조건, 산화 공정 조건, 포토 공정 조건 및 식각 공정 조건 중 적어도 어느 하나를 포함하는 반도체 전공정 조건 데이터와 기 저장된 정상 공정 조건 데이터를 비교하여 이상이 발견된 공정 조건 정보를 도출한다.
전공정 이상 여부 도출부는(150)는 고화질 이미지로 변환된 반도체의 패턴 이미지가 정상 패턴이 아닌 것으로 판단되면, 고화질 이미지로 변환된 반도체의 패턴 이미지에서 불량의 위치 및 정도를 포함하는 불량 특성을 검출하고, 검출된 불량의 위치 및 정도를 포함하는 불량 특성과 기 저장된 이상 발생 공정 조건 정보에 따른 불량 패턴 정보를 비교하여, 유사도가 가장 높은 순서대로 반도체 전공정 조건 데이터를 배열한 후 기 저장된 정상 공정 조건 데이터를 비교하여 이상이 발견된 공정 조건 정보를 도출하도록 한다. 이때, 불량 패턴 정보는 이전에 도출된 이상 발생 공정 조건 정보와 그에 따른 반도체의 패턴 이미지를 포함하고 있다.
이를 위해, 전공정 이상 여부 도출부는(150)는 고화질 이미지로 변환된 반도체의 패턴 이미지에서 불량의 위치 및 정도를 포함하는 불량 특성을 검출하는 세부 불량 검출부를 더 포함할 수 있다. 그리고 전공정 이상 여부 도출부는(150)는 검출된 불량의 위치 및 정도를 포함하는 불량 특성과 기 저장된 이상 발생 공정 조건 정보에 따른 불량 패턴 정보를 비교하여 반도체 전공정 조건 데이터와의 유사도를 각각 연산하는 유사도 연산부를 더 포함할 수 있다. 그리고 전공정 이상 여부 도출부는(150)는 유사도 연산 결과를 토대로 정상 패턴이 아닌 것으로 판단된 반도체의 패턴에 대하여 예상되는 이상 발생 공정 조건 정보에 대응하여 유사도가 가장 높은 순서대로 반도체 전공정 조건 데이터를 배열하는 조건 데이터 배열부를 더 포함할 수 있다. 그리고 전공정 이상 여부 도출부는(150)는 기존에 도출되어 출력된 이상 발생 공정 조건 정보에 따른 불량 패턴 정보를 저장하고 있는 불량 패턴 정보 DB부를 더 포함할 수 있다. 이때, 불량 패턴 정보는 이후 설명되는 반도체 패턴 이미지 결과 출력부(170)에 출력되는 불량 반도체 패턴 이미지와 도출된 이상이 발견된 공정 조건 정보를 통해 구성될 수 있다.
이에 따라, 전공정 이상 여부 도출부는(150)는 정상 패턴이 아닌 것으로 판단된 반도체의 패턴에 대하여 유사도가 높은 반도체 전공정 조건 데이터를 우선 비교할 수 있게 HLDJ 이상이 발견된 공정 조건 정보를 신속하게 도출할 수 있다.
예를 들어, 전공정 이상 여부 도출부는(150)는 정상 패턴이 아닌 것으로 판단된 반도체의 패턴에 대한 반도체 전공정 조건 데이터의 유사도가 클린룸 환경 조건, 웨이퍼 조건, 산화 공정 조건, 포토 공정 조건, 식각 공정 조건 순으로 배열되었다면, 가장 먼저 클린룸 환경 조건과 기 저장된 정상 공정 조건 데이터의 클린룸 환경 조건을 비교하고, 이에 이상이 없는 경우 다음 웨이퍼 조건과 기 저장된 정상 공정 조건 데이터의 웨이퍼 조건을 비교한 후 이상이 있다고 판단되면 해당 웨이퍼 조건을 이상이 발견된 공정 조건 정보로 도출하고, 이상이 없는 경우 다음 산화 공정 조건과 비교되도록 한다.
전공정 조건 데이터 제공부(160)는 전공정 이상 여부 도출부(150)에서 고화질 이미지로 변환된 반도체의 패턴 이미지가 정상 패턴이 아닌 것으로 판단되면, 클린룸 환경 조건, 웨이퍼 조건, 산화 공정 조건, 포토 공정 조건 및 식각 공정 조건 중 적어도 어느 하나를 포함하는 반도체 전공정 조건 데이터를 제공한다. 여기, 전공정 조건 데이터 제공부(160)가 제공하는 반도체 전공정 조건 데이터에 대해서는 이후 설명되는 도 2에서 자세하게 설명하기로 한다.
반도체 패턴 이미지 결과 출력부(170)는 이미지 패턴 비교 분석부(140)에 의해 고화질 이미지로 변환된 반도체의 패턴 이미지와 기 저장된 반도체의 정상 패턴 이미지를 비교 분석한 결과, 고화질 이미지로 변환된 반도체의 패턴 이미지가 정상 패턴인 것으로 판단되면 해당 반도체 패턴 이미지를 사용자 단말에 출력한다.
그리고 반도체 패턴 이미지 결과 출력부(170)는 비교 분석 결과, 고화질 이미지로 변환된 반도체의 패턴 이미지가 정상 패턴이 아닌 것으로 판단되면, 해당 반도체 패턴 이미지와 전공정 이상 여부 도출부(150)에 의해 도출된 이상이 발견된 공정 조건 정보를 사용자 단말에 출력한다. 또한, 반도체 패턴 이미지 결과 출력부(170)는 이상이 발견된 공정 조건 정보와 함께 기 저장된 정상 공정 조건 데이터를 비교한 차이값(보정값) 정보를 출력할 수도 있다.
상기와 같은 본 발명은 이상여부 발생시 필요시 작업자가 수동으로 검사를 수행 하는 수동 검출부를 더 포함할 수 있다. 즉, 자동 공정 진행중 및 종료시에도 필요시 저장된 검사 데이터를 통해 언제든 수동으로 검출할 수 있도록 한다.
도 2는 본 발명에 따른 AI 이미지 처리 기술을 이용한 SEM 이미지 분석을 통해 반도체 제조 공정의 이상을 검출하는 장치에 채용되는 전공정 조건 데이터 제공부의 세부 구성을 설명하기 위한 도면이다.
도 2를 참조하여 설명하면, 본 발명에 따른 전공정 조건 데이터 제공부(160)는 전공정 이상 여부 도출부에서 고화질 이미지로 변환된 반도체의 패턴 이미지가 정상 패턴이 아닌 것으로 판단되면, 클린룸 환경 조건, 웨이퍼 조건, 산화 공정 조건, 포토 공정 조건 및 식각 공정 조건 중 적어도 어느 하나를 포함하는 반도체 전공정 조건 데이터를 제공한다.
이를 위해, 전공정 조건 데이터 제공부(160)는 크게 클린룸 환경 조건 데이터부(161), 웨이퍼 조건 데이터부(162), 산화 공정 조건 데이터부(163), 포토 공정 조건 데이터부(164) 및 식각 공정 조건 데이터부(165)를 포함한다.
클린룸 환경 조건 데이터부(161)는 반도체 공정을 위해 설정된 클린룸의 온도, 습도 및 압력 중 적어도 어느 하나를 포함하는 환경 조건 데이터를 수집하여 저장하고 있다.
웨이퍼 조건 데이터부(162)는 웨이퍼의 제작사, 두께, 크기 및 공정 투입 전 웨이퍼 상태 데이터 중 적어도 어느 하나를 포함하는 웨이퍼 조건 데이터를 수집하여 저장하고 있다.
산화 공정 조건 데이터부(163)는 산화 공정 시, 산화 방식, 산화막 두께, 산화막 밀도, 산화 속도, 온도, 압력 및 시간, 표면 상태, 결정 구조 및 산화 공정 후 상태 데이터 중 적어도 어느 하나를 포함하는 산화 공정 조건 데이터를 수집하여 저장하고 있다.
포토 공정 조건 데이터부(164)는 포토 공정 시, 웨이퍼 상단에 포토레지스트의 투입량, 스핀 코팅 시간 및 포토레지스트 두께 데이터, 마스크 패턴 데이터, 포지티브 및 네거티브 공정 설정 데이터, 노광 노출 시간 데이터 및 포토 공정 후 데이터 중 적어도 어느 하나를 포함하는 포토 공정 조건 데이터를 수집하여 저장하고 있다.
식각 공정 조건 데이터부(165)는 식각 공정 시, 에칭 용액 정보, 에칭 시간 및 에칭 공정 후 데이터 중 적어도 어느 하나를 포함하는 식각 공정 조건 데이터를 수집하여 저장하고 있다.
도 3은 본 발명에 따른 AI 이미지 처리 기술을 이용한 SEM 이미지 분석을 통해 반도체 제조 공정의 이상을 검출하는 방법의 순서를 설명하기 위한 순서도이다.
도 3을 참조하여 설명하면, 본 발명에 따른 AI 이미지 처리 기술을 이용한 SEM 이미지 분석을 통해 반도체 제조 공정의 이상을 검출하는 방법은 본 발명에 따른 AI 이미지 처리 기술을 이용한 SEM 이미지 분석을 통해 반도체 제조 공정의 이상을 검출하는 장치를 이용하는 것으로 이하 중복되는 설명은 생략하기로 한다.
먼저, 반도체의 식각 공정이 완료되면, 주사 전자 현미경(SEM:Scanning Electron Microscope)을 이용하여 반도체의 패턴 이미지를 획득한다(S100).
S100 단계에서, 공정 효율 증대를 위한 빠른 측정이 가능하도록 저화질 이미지가 획득된다.
다음, 획득된 반도체의 패턴 이미지를 고화질 변환 모델을 사용하여 고화질 이미지로 변환한다(S110).
S110 단계는 저화질 이미지로 획득된 주사 전자 현미경을 이용하여 반도체의 패턴 이미지를 딥 러닝 또는 AI 이미지 기술로 처리하여 고화질 반도체의 패턴 이미지와 비교 분석할 수 있도록 한다.
다음, 고화질 이미지로 변환된 반도체의 패턴 이미지와 기 저장된 반도체의 정상 패턴 이미지를 비교 분석한다(S120).
다음, 비교 분석 결과, 고화질 이미지로 변환된 반도체의 패턴 이미지가 정상 패턴이 아닌 것으로 판단되면, 클린룸 환경 조건, 웨이퍼 조건, 산화 공정 조건, 포토 공정 조건 및 식각 공정 조건 중 적어도 어느 하나를 포함하는 반도체 전공정 조건 데이터와 기 저장된 정상 공정 조건 데이터를 비교하여 이상이 발견된 공정 조건 정보를 도출한다(S130).
S130 단계는 고화질 이미지로 변환된 반도체의 패턴 이미지가 정상 패턴이 아닌 것으로 판단되면, 고화질 이미지로 변환된 반도체의 패턴 이미지에서 불량의 위치 및 정도를 포함하는 불량 특성을 검출하고, 검출된 불량의 위치 및 정도를 포함하는 불량 특성과 기 저장된 이상 발생 공정 조건 정보에 따른 불량 패턴 정보를 비교하여, 유사도가 가장 높은 순서대로 반도체 전공정 조건 데이터를 배열한 후 기 저장된 정상 공정 조건 데이터를 비교하여 이상이 발견된 공정 조건 정보를 도출하도록 한다. 이때, 불량 패턴 정보는 이전에 도출된 이상 발생 공정 조건 정보와 그에 따른 반도체의 패턴 이미지를 포함하고 있다.
도 4는 본 발명에 따른 AI 이미지 처리 기술을 이용한 SEM 이미지 분석을 통해 반도체 제조 공정의 이상을 검출하는 방법의 순서를 자세하게 설명하기 위한 순서도이다.
도 4를 참조하여 설명하면, 본 발명에 따른 AI 이미지 처리 기술을 이용한 SEM 이미지 분석을 통해 반도체 제조 공정의 이상을 검출하는 방법은 먼저, 반도체의 식각 공정이 완료되면, 주사 전자 현미경(SEM:Scanning Electron Microscope)을 이용하여 반도체의 패턴 이미지를 획득한다(S200).
다음, 획득된 반도체의 패턴 이미지를 고화질 변환 모델을 사용하여 고화질 이미지로 변환한다(S210). 이때, 고화질 변환 모델은 AI 이미지 처리 기술을 기반으로 하는 모델일 수 있으며 이는 한정되지는 않는다.
다음, 고화질 이미지로 변환된 반도체의 패턴 이미지와 기 저장된 반도체의 정상 패턴 이미지를 비교 분석한다(S220).
이때, S220 단계를 위해 정상 공정 조건 데이터에 따라 주사 전자 현미경을 이용하여 획득된 반도체의 패턴 이미지를 고화질 이미지로 변환한 정상 반도체 패턴 이미지를 저장 및 제공한다(S230).
다음, 비교 분석 결과, 고화질 이미지로 변환된 반도체의 패턴 이미지가 정상 패턴인지 여부를 판단한다(S240).
S240 단계에서, 고화질 이미지로 변환된 반도체의 패턴 이미지가 정상 패턴인 것으로 판단되면, 해당 반도체 패턴 이미지를 사용자 단말에 출력한다(S250).
S240 단계에서, 고화질 이미지로 변환된 반도체의 패턴 이미지가 정상 패턴이 아닌 것으로 판단되면, 클린룸 환경 조건, 웨이퍼 조건, 산화 공정 조건, 포토 공정 조건 및 식각 공정 조건 중 적어도 어느 하나를 포함하는 반도체 전공정 조건 데이터와 기 저장된 정상 공정 조건 데이터를 비교하여 이상이 발견된 공정 조건 정보를 도출하여 사용자 단말에 출력한다(S260).
도 5는 본 발명에 따른 AI 이미지 처리 기술을 이용한 SEM 이미지 분석을 통해 반도체 제조 공정의 이상을 검출하는 방법에서 이상이 발견된 공정 조건 정보를 도출하는 단계를 설명하기 위한 순서도이다.
도 5를 참조하여 설명하면, AI 이미지 처리 기술을 이용한 SEM 이미지 분석을 통해 반도체 제조 공정의 이상을 검출하는 방법에서 이상이 발견된 공정 조건 정보를 도출하는 단계는 먼저 고화질 이미지로 변환된 반도체의 패턴 이미지와 기 저장된 반도체의 정상 패턴 이미지를 비교 분석한다(S300).
다음, 비교 결과, 고화질 이미지로 변환된 반도체의 패턴 이미지가 정상 패턴이 아닌 것으로 판단된다(S310).
다음, 고화질 이미지로 변환된 반도체의 패턴 이미지가 정상 패턴이 아닌 것으로 판단되면, 클린룸 환경 조건, 웨이퍼 조건, 산화 공정 조건, 포토 공정 조건 및 식각 공정 조건 중 적어도 어느 하나를 포함하는 반도체 전공정 조건 데이터를 제공한다(S320).
다음, 클린룸 환경 조건과 기 저장된 정상 공정 조건 데이터를 비교 결과 이상 여부를 판단한다(S330).
다음, S330 단계에서 클린룸 환경 조건과 기 저장된 정상 공정 조건 데이터를 비교 결과 이상이 없다고 판단되면, 웨이퍼 조건과 기 저장된 정상 공정 조건 데이터를 비교 결과 이상 여부를 판단한다(S340).
다음, S340 단계에서 웨이퍼 조건과 기 저장된 정상 공정 조건 데이터를 비교 결과 이상이 없다고 판단되면, 산화 공정 조건과 기 저장된 정상 공정 조건 데이터를 비교 결과 이상 여부를 판단한다(S350).
다음, 산화 공정 조건과 기 저장된 정상 공정 조건 데이터를 비교 결과 이상이 없다고 판단되면, 포토 공정 조건과 기 저장된 정상 공정 조건 데이터를 비교 결과 이상 여부를 판단한다(S360).
다음, 포토 공정 조건과 기 저장된 정상 공정 조건 데이터를 비교 결과 이상이 없다고 판단되면, 식각 공정 조건과 기 저장된 정상 공정 조건 데이터를 비교 결과 이상 여부를 판단한다(S370).
여기서, S330 단계 내지 S370 단계의 순서는 고화질 이미지로 변환된 반도체의 패턴 이미지에서 불량의 위치 및 정도를 포함하는 불량 특성을 검출하고, 검출된 불량의 위치 및 정도를 포함하는 불량 특성과 기 저장된 이상 발생 공정 조건 정보에 따른 불량 패턴 정보를 비교하여, 유사도가 가장 높은 순서대로 배열되는 반도체 전공정 조건 데이터에 따라 변할 수 있다.
마지막으로, S330 단계 내지 S370 단계의 비교 분석 결과, 고화질 이미지로 변환된 반도체의 패턴 이미지가 정상 패턴이 아닌 것으로 판단되면, 해당 반도체 패턴 이미지와 도출된 이상이 발견된 공정 조건 정보를 사용자 단말에 출력한다(S380).
이상 본 명세서에서 설명한 기능적 동작과 본 주제에 관한 실시형태들은 본 명세서에서 개시한 구조들 및 그들의 구조적인 등가물을 포함하여 디지털 전자 회로나 컴퓨터 소프트웨어, 펌웨어 또는 하드웨어에서 또는 이들 중 하나 이상이 조합에서 구현 가능하다.
본 명세서에서 기술하는 주제의 실시형태는 하나 이상이 컴퓨터 프로그램 제품, 다시 말해 데이터 처리 장치에 의한 실행을 위하여 또는 그 동작을 제어하기 위하여 유형의 프로그램 매체상에 인코딩되는 컴퓨터 프로그램 명령에 관한 하나 이상이 모듈로서 구현될 수 있다. 유형의 프로그램 매체는 전파형 신호이거나 컴퓨터로 판독 가능한 매체일 수 있다. 전파형 신호는 컴퓨터에 의한 실행을 위하여 적절한 수신기 장치로 전송하기 위한 정보를 인코딩하기 위하여 생성되는 예컨대 기계가 생성한 전기적, 광학적 또는 전자기 신호와 같은 인공적으로 생성된 신호이다. 컴퓨터로 판독 가능한 매체는 기계로 판독 가능한 저장장치, 기계로 판독 가능한 저장 기판, 메모리 장치, 기계로 판독 가능한 전파형 신호에 영향을 미치는 물질의 조합 또는 이들 중 하나 이상이 조합일 수 있다.
컴퓨터 프로그램(프로그램, 소프트웨어, 소프트웨어 어플리케이션, 스크립트 또는 코드로도 알려져 있음)은 컴파일되거나 해석된 언어나 선험적 또는 절차적 언어를 포함하는 프로그래밍 언어의 어떠한 형태로도 작성될 수 있으며, 독립형 프로그램이나 모듈, 컴포넌트, 서브루틴 또는 컴퓨터 환경에서 이용하기에 적합한 다른 유닛을 포함하여 어떠한 형태로도 전개될 수 있다.
컴퓨터 프로그램은 파일 장치의 파일에 반드시 대응하는 것은 아니다. 프로그램은 요청된 프로그램에 제공되는 단일 파일 내에, 또는 다중의 상호 작용하는 파일(예컨대, 하나 이상이 모듈, 하위 프로그램 또는 코드의 일부를 저장하는 파일) 내에, 또는 다른 프로그램이나 데이터를 보유하는 파일의 일부(예컨대, 마크업 언어 문서 내에 저장되는 하나 이상이 스크립트) 내에 저장될 수 있다.
컴퓨터 프로그램은 하나의 사이트에 위치하거나 복수의 사이트에 걸쳐서 분산되어 통신 네트워크에 의해 상호 접속된 다중 컴퓨터나 하나의 컴퓨터 상에서 실행되도록 전개될 수 있다.
부가적으로, 본 특허문헌에서 기술하는 논리 흐름과 구조적인 블록도는 개시된 구조적인 수단의 지원을 받는 대응하는 기능과 단계의 지원을 받는 대응하는 행위 및/또는 특정한 방법을 기술하는 것으로, 대응하는 소프트웨어 구조와 알고리즘과 그 등가물을 설정하는 데에도 사용 가능하다.
본 명세서에서 기술하는 프로세스와 논리 흐름은 수신 데이터 상에서 동작하고 출력을 생성함으로써 기능을 수행하기 위하여 하나 이상이 컴퓨터 프로그램을 실행하는 하나 이상이 프로그래머블 프로세서에 의하여 수행 가능하다.
컴퓨터 프로그램의 실행에 적합한 프로세서는, 예컨대 범용 및 특수 목적의 마이크로프로세서 양자 및 어떤 형태의 디지털 컴퓨터의 어떠한 하나 이상이 프로세서라도 포함한다. 일반적으로, 프로세서는 읽기 전용 메모리나 랜덤 액세스 메모리 또는 양자로부터 명령어와 데이터를 수신할 것이다.
컴퓨터의 핵심적인 요소는 명령어와 데이터를 저장하기 위한 하나 이상이 메모리 장치 및 명령을 수행하기 위한 프로세서이다. 또한, 컴퓨터는 일반적으로 예컨대 자기, 자기 광학 디스크나 광학 디스크와 같은 데이터를 저장하기 위한 하나 이상이 대량 저장 장치로부터 데이터를 수신하거나 그것으로 데이터를 전송하거나 또는 그러한 동작 둘 다를 수행하기 위하여 동작가능 하도록 결합되거나 이를 포함할 것이다. 그러나, 컴퓨터는 그러한 장치를 가질 필요가 없다.
본 기술한 설명은 본 발명의 최상의 모드를 제시하고 있으며, 본 발명을 설명하기 위하여, 그리고 당업자가 본 발명을 제작 및 이용할 수 있도록 하기 위한 예를 제공하고 있다. 이렇게 작성된 명세서는 그 제시된 구체적인 용어에 본 발명을 제한하는 것이 아니다.
따라서, 상술한 예를 참조하여 본 발명을 상세하게 설명하였지만, 당업자라면 본 발명의 범위를 벗어나지 않으면서도 본 예들에 대한 개조, 변경 및 변형을 가할 수 있다. 요컨대 본 발명이 의도하는 효과를 달성하기 위해 도면에 도시된 모든 기능 블록을 별도로 포함하거나 도면에 도시된 모든 순서를 도시된 순서 그대로 따라야만 하는 것은 아니며, 그렇지 않더라도 얼마든지 청구항에 기재된 본 발명의 기술적 범위에 속할 수 있음에 주의한다.
100 : AI 이미지 처리 기술을 이용한 SEM 이미지 분석을 통해 반도체 제조 공정의 이상을 검출하는 장치
110 : 반도체 패턴 이미지 획득부
120 : 반도체 패턴 이미지 변환부
130 : 반도체 패턴 이미지 DB부
140 : 이미지 패턴 비교 분석부
150 : 전공정 이상 여부 도출부
160 : 전공정 조건 데이터 제공부
170 : 반도체 패턴 이미지 결과 출력부

Claims (14)

  1. 반도체의 식각 공정이 완료되면, 주사 전자 현미경(SEM:Scanning Electron Microscope)을 이용하여 반도체의 패턴 이미지를 획득하는 반도체 패턴 이미지 획득부;
    획득된 반도체의 패턴 이미지를 고화질 변환 모델을 사용하여 고화질 이미지로 변환하는 반도체 패턴 이미지 변환부;
    고화질 이미지로 변환된 반도체의 패턴 이미지와 기 저장된 반도체의 정상 패턴 이미지를 비교 분석하는 이미지 패턴 비교 분석부; 및
    비교 분석 결과, 고화질 이미지로 변환된 반도체의 패턴 이미지가 정상 패턴이 아닌 것으로 판단되면, 클린룸 환경 조건, 웨이퍼 조건, 산화 공정 조건, 포토 공정 조건 및 식각 공정 조건 중 적어도 어느 하나를 포함하는 반도체 전공정 조건 데이터와 기 저장된 정상 공정 조건 데이터를 비교하여 이상이 발견된 공정 조건 정보를 도출하는 전공정 이상 여부 도출부;를 포함하며,
    상기 전공정 이상 여부 도출부에서 고화질 이미지로 변환된 반도체의 패턴 이미지가 정상 패턴이 아닌 것으로 판단되면, 클린룸 환경 조건, 웨이퍼 조건, 산화 공정 조건, 포토 공정 조건 및 식각 공정 조건 중 적어도 어느 하나를 포함하는 반도체 전공정 조건 데이터를 수집하여 제공하는 전공정 조건 데이터 제공부를 포함하는 것을 특징으로 하는 AI 이미지 처리 기술을 이용한 SEM 이미지 분석을 통해 반도체 제조 공정의 이상을 검출하는 장치.
  2. 제1항에 있어서,
    정상 공정 조건 데이터에 따라 주사 전자 현미경을 이용하여 획득된 반도체의 패턴 이미지를 고화질 이미지로 변환한 정상 반도체 패턴 이미지를 저장 및 제공하는 반도체 패턴 이미지 DB부를 포함하는 것을 특징으로 하는 AI 이미지 처리 기술을 이용한 SEM 이미지 분석을 통해 반도체 제조 공정의 이상을 검출하는 장치.
  3. 삭제
  4. 제1항에 있어서,
    상기 전공정 조건 데이터 제공부는 반도체 공정을 위해 설정된 클린룸의 온도, 습도 및 압력 중 적어도 어느 하나를 포함하는 환경 조건 데이터를 수집하여 제공하는 클린룸 환경 조건 데이터부를 포함하는 것을 특징으로 하는 AI 이미지 처리 기술을 이용한 SEM 이미지 분석을 통해 반도체 제조 공정의 이상을 검출하는 장치.
  5. 제1항에 있어서,
    상기 전공정 조건 데이터 제공부는 웨이퍼의 제작사, 두께, 크기 및 공정 투입 전 웨이퍼 상태 데이터 중 적어도 어느 하나를 포함하는 웨이퍼 조건 데이터를 수집하여 제공하는 웨이퍼 조건 데이터부를 포함하는 것을 특징으로 하는 AI 이미지 처리 기술을 이용한 SEM 이미지 분석을 통해 반도체 제조 공정의 이상을 검출하는 장치.
  6. 제1항에 있어서,
    상기 전공정 조건 데이터 제공부는 산화 공정 시, 산화 방식, 산화막 두께, 산화막 밀도, 산화 속도, 온도, 압력 및 시간, 표면 상태, 결정 구조 및 산화 공정 후 상태 데이터 중 적어도 어느 하나를 포함하는 산화 공정 조건 데이터를 수집하여 제공하는 산화 공정 조건 데이터부를 포함하는 것을 특징으로 하는 AI 이미지 처리 기술을 이용한 SEM 이미지 분석을 통해 반도체 제조 공정의 이상을 검출하는 장치.
  7. 제1항에 있어서,
    상기 전공정 조건 데이터 제공부는 포토 공정 시, 웨이퍼 상단에 포토레지스트의 투입량, 스핀 코팅 시간 및 포토레지스트 두께 데이터, 마스크 패턴 데이터, 포지티브 및 네거티브 공정 설정 데이터, 노광 노출 시간 데이터 및 포토 공정 후 데이터 중 적어도 어느 하나를 포함하는 포토 공정 조건 데이터를 수집하여 제공하는 포토 공정 조건 데이터부를 포함하는 것을 특징으로 하는 AI 이미지 처리 기술을 이용한 SEM 이미지 분석을 통해 반도체 제조 공정의 이상을 검출하는 장치.
  8. 제1항에 있어서,
    상기 전공정 조건 데이터 제공부는 식각 공정 시, 에칭 용액 정보, 에칭 시간 및 에칭 공정 후 데이터 중 적어도 어느 하나를 포함하는 식각 공정 조건 데이터를 수집하여 제공하는 식각 공정 조건 데이터부를 포함하는 것을 특징으로 하는 AI 이미지 처리 기술을 이용한 SEM 이미지 분석을 통해 반도체 제조 공정의 이상을 검출하는 장치.
  9. 제1항에 있어서,
    상기 전공정 이상 여부 도출부는 고화질 이미지로 변환된 반도체의 패턴 이미지가 정상 패턴이 아닌 것으로 판단되면, 고화질 이미지로 변환된 반도체의 패턴 이미지에서 불량의 위치 및 정도를 포함하는 불량 특성을 검출하고, 검출된 불량의 위치 및 정도를 포함하는 불량 특성과 기 저장된 이상 발생 공정 조건 정보에 따른 불량 패턴 정보를 비교하여 유사도가 가장 높은 순서대로 반도체 전공정 조건 데이터를 배열한 후 기 저장된 정상 공정 조건 데이터를 비교하여 이상이 발견된 공정 조건 정보를 도출하도록 하는 것을 특징으로 하는 AI 이미지 처리 기술을 이용한 SEM 이미지 분석을 통해 반도체 제조 공정의 이상을 검출하는 장치.
  10. 제1항에 있어서,
    상기 이미지 패턴 비교 분석부에 의해 고화질 이미지로 변환된 반도체의 패턴 이미지와 기 저장된 반도체의 정상 패턴 이미지를 비교 분석한 결과, 고화질 이미지로 변환된 반도체의 패턴 이미지가 정상 패턴인 것으로 판단되면 해당 반도체 패턴 이미지를 사용자 단말에 출력하고, 고화질 이미지로 변환된 반도체의 패턴 이미지가 정상 패턴이 아닌 것으로 판단되면, 해당 반도체 패턴 이미지와 상기 전공정 이상 여부 도출부에 의해 도출된 이상이 발견된 공정 조건 정보를 사용자 단말에 출력하는 반도체 패턴 이미지 결과 출력부를 포함하는 것을 특징으로 하는 AI 이미지 처리 기술을 이용한 SEM 이미지 분석을 통해 반도체 제조 공정의 이상을 검출하는 장치.
  11. 반도체 패턴 이미지 획득부에 의해, 반도체의 식각 공정이 완료되면, 주사 전자 현미경(SEM:Scanning Electron Microscope)을 이용하여 반도체의 패턴 이미지를 획득하는 단계;
    반도체 패턴 이미지 변환부에 의해, 획득된 반도체의 패턴 이미지를 고화질 변환 모델을 사용하여 고화질 이미지로 변환하는 단계;
    이미지 패턴 비교 분석부에 의해, 고화질 이미지로 변환된 반도체의 패턴 이미지와 기 저장된 반도체의 정상 패턴 이미지를 비교 분석하는 단계; 및
    전공정 이상 여부 도출부에 의해, 비교 분석 결과, 고화질 이미지로 변환된 반도체의 패턴 이미지가 정상 패턴이 아닌 것으로 판단되면, 클린룸 환경 조건, 웨이퍼 조건, 산화 공정 조건, 포토 공정 조건 및 식각 공정 조건 중 적어도 어느 하나를 포함하는 반도체 전공정 조건 데이터와 기 저장된 정상 공정 조건 데이터를 비교하여 이상이 발견된 공정 조건 정보를 도출하는 단계;를 포함하며.
    비교 분석 결과, 고화질 이미지로 변환된 반도체의 패턴 이미지가 정상 패턴이 아닌 것으로 판단되면, 클린룸 환경 조건, 웨이퍼 조건, 산화 공정 조건, 포토 공정 조건 및 식각 공정 조건 중 적어도 어느 하나를 포함하는 반도체 전공정 조건 데이터와 기 저장된 정상 공정 조건 데이터를 비교하여 이상이 발견된 공정 조건 정보를 도출하는 단계는,
    고화질 이미지로 변환된 반도체의 패턴 이미지가 정상 패턴이 아닌 것으로 판단되면, 클린룸 환경 조건, 웨이퍼 조건, 산화 공정 조건, 포토 공정 조건 및 식각 공정 조건 중 적어도 어느 하나를 포함하는 반도체 전공정 조건 데이터를 수집하여 제공하는 것을 특징으로 하는 AI 이미지 처리 기술을 이용한 SEM 이미지 분석을 통해 반도체 제조 공정의 이상을 검출하는 방법.
  12. 제11항에 있어서,
    반도체의 식각 공정이 완료되면, 주사 전자 현미경을 이용하여 반도체의 패턴 이미지를 획득하는 단계 이후에,
    정상 공정 조건 데이터에 따라 주사 전자 현미경을 이용하여 획득된 반도체의 패턴 이미지를 고화질 이미지로 변환한 정상 반도체 패턴 이미지를 저장 및 제공하는 단계를 포함하는 것을 특징으로 하는 AI 이미지 처리 기술을 이용한 SEM 이미지 분석을 통해 반도체 제조 공정의 이상을 검출하는 방법.
  13. 제11항에 있어서,
    비교 분석 결과, 고화질 이미지로 변환된 반도체의 패턴 이미지가 정상 패턴이 아닌 것으로 판단되면, 클린룸 환경 조건, 웨이퍼 조건, 산화 공정 조건, 포토 공정 조건 및 식각 공정 조건 중 적어도 어느 하나를 포함하는 반도체 전공정 조건 데이터와 기 저장된 정상 공정 조건 데이터를 비교하여 이상이 발견된 공정 조건 정보를 도출하는 단계는,
    고화질 이미지로 변환된 반도체의 패턴 이미지가 정상 패턴이 아닌 것으로 판단되면, 고화질 이미지로 변환된 반도체의 패턴 이미지에서 불량의 위치 및 정도를 포함하는 불량 특성을 검출하고, 검출된 불량의 위치 및 정도를 포함하는 불량 특성과 기 저장된 이상 발생 공정 조건 정보에 따른 불량 패턴 정보를 비교하여 유사도가 가장 높은 순서대로 반도체 전공정 조건 데이터를 배열한 후 기 저장된 정상 공정 조건 데이터를 비교하여 이상이 발견된 공정 조건 정보를 도출하도록 하는 것을 특징으로 하는 AI 이미지 처리 기술을 이용한 SEM 이미지 분석을 통해 반도체 제조 공정의 이상을 검출하는 방법.
  14. 제11항에 있어서,
    비교 분석 결과, 고화질 이미지로 변환된 반도체의 패턴 이미지가 정상 패턴이 아닌 것으로 판단되면, 클린룸 환경 조건, 웨이퍼 조건, 산화 공정 조건, 포토 공정 조건 및 식각 공정 조건 중 적어도 어느 하나를 포함하는 반도체 전공정 조건 데이터와 기 저장된 정상 공정 조건 데이터를 비교하여 이상이 발견된 공정 조건 정보를 도출하는 단계 이후에,
    고화질 이미지로 변환된 반도체의 패턴 이미지와 기 저장된 반도체의 정상 패턴 이미지를 비교 분석한 결과, 고화질 이미지로 변환된 반도체의 패턴 이미지가 정상 패턴인 것으로 판단되면 해당 반도체 패턴 이미지를 사용자 단말에 출력하고, 고화질 이미지로 변환된 반도체의 패턴 이미지가 정상 패턴이 아닌 것으로 판단되면, 해당 반도체 패턴 이미지와 상기 전공정 이상 여부 도출부에 의해 도출된 이상이 발견된 공정 조건 정보를 사용자 단말에 출력하는 단계를 포함하는 것을 특징으로 하는 AI 이미지 처리 기술을 이용한 SEM 이미지 분석을 통해 반도체 제조 공정의 이상을 검출하는 방법.
KR1020230122845A 2023-09-15 2023-09-15 Ai 이미지 처리 기술을 이용한 sem 이미지 분석을 통해 반도체 제조 공정의 이상을 검출하는 장치 및 그 방법 KR102674927B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020230122845A KR102674927B1 (ko) 2023-09-15 2023-09-15 Ai 이미지 처리 기술을 이용한 sem 이미지 분석을 통해 반도체 제조 공정의 이상을 검출하는 장치 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020230122845A KR102674927B1 (ko) 2023-09-15 2023-09-15 Ai 이미지 처리 기술을 이용한 sem 이미지 분석을 통해 반도체 제조 공정의 이상을 검출하는 장치 및 그 방법

Publications (1)

Publication Number Publication Date
KR102674927B1 true KR102674927B1 (ko) 2024-06-14

Family

ID=91482111

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020230122845A KR102674927B1 (ko) 2023-09-15 2023-09-15 Ai 이미지 처리 기술을 이용한 sem 이미지 분석을 통해 반도체 제조 공정의 이상을 검출하는 장치 및 그 방법

Country Status (1)

Country Link
KR (1) KR102674927B1 (ko)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017523390A (ja) * 2014-05-12 2017-08-17 ケーエルエー−テンカー コーポレイション 検査のための高解像度フルダイイメージデータの使用
KR20200045918A (ko) * 2018-10-23 2020-05-06 주식회사 파모스 반도체 제조 공정에 적용되는 운영 체계 솔루션 시스템
JP2021504961A (ja) * 2017-11-28 2021-02-15 ボード・オブ・リージエンツ，ザ・ユニバーシテイ・オブ・テキサス・システム 触媒促進パターン転写技術
KR20220041710A (ko) * 2020-09-25 2022-04-01 충북대학교 산학협력단 군집분석에 기초한 웨이퍼 불량 유형 예측 장치 및 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017523390A (ja) * 2014-05-12 2017-08-17 ケーエルエー−テンカー コーポレイション 検査のための高解像度フルダイイメージデータの使用
JP2021504961A (ja) * 2017-11-28 2021-02-15 ボード・オブ・リージエンツ，ザ・ユニバーシテイ・オブ・テキサス・システム 触媒促進パターン転写技術
KR20200045918A (ko) * 2018-10-23 2020-05-06 주식회사 파모스 반도체 제조 공정에 적용되는 운영 체계 솔루션 시스템
KR20220041710A (ko) * 2020-09-25 2022-04-01 충북대학교 산학협력단 군집분석에 기초한 웨이퍼 불량 유형 예측 장치 및 방법

Similar Documents

Publication Publication Date Title
KR102353216B1 (ko) 측정치 획득 방법, 프로세스 단계 수행 장치, 계측 장치, 디바이스 제조 방법
US11940740B2 (en) Methods and apparatus for obtaining diagnostic information relating to an industrial process
US11948061B2 (en) Deep auto-encoder for equipment health monitoring and fault detection in semiconductor and display process equipment tools
CN112969911B (zh) 使用基于深度学习的缺陷检测及分类方案进行像素级图像量化
TWI822939B (zh) 在半導體設備工具中以類神經網路進行腔室匹配
KR102476927B1 (ko) 이상치 검출을 통한 특성 선택 및 자동 프로세스 윈도우 모니터링
US8260034B2 (en) Multi-modal data analysis for defect identification
TWI764554B (zh) 判定微影匹配效能
CN110709777B (zh) 光刻有效剂量均匀性的确定
KR102674927B1 (ko) Ai 이미지 처리 기술을 이용한 sem 이미지 분석을 통해 반도체 제조 공정의 이상을 검출하는 장치 및 그 방법
US6756168B2 (en) Determining exposure time of wafer photolithography process
US8682058B2 (en) Defect analysis method, apparatus, and recording medium using pattern dependence degree
JP2014211352A (ja) テンプレートの検査装置及びテンプレートの検査方法
CN113673197A (zh) 用于获取晶圆的目标工艺窗口的方法、设备和介质
CN117115178B (zh) 一种基于半参数共享的电力红外巡检图像分割、检测方法
CN117111414B (zh) 一种光刻图像的在线自动生成方法
US20230019371A1 (en) Measurement Method, Measurement System, and Non-Transitory Computer Readable Medium
CN117312802A (zh) 基于人机融合的smt产线关键工艺参数优化方法及存储介质
CN115981110A (zh) 一种光刻工艺窗口的确认方法、装置、设备及存储介质
JP2002033252A (ja) 半導体デバイスの製造方法

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant