KR20220127834A - 진보된 인라인 부품 평균 테스트 - Google Patents

Abstract

검사 시스템은 검사 도구 또는 계측 도구를 포함하지만 이에 제한되지 않는 하나 이상의 인라인 샘플 분석 도구에 통신 가능하게 결합된 제어기를 포함할 수 있다. 제어기는 하나 이상의 인라인 샘플 분석 도구 중 적어도 하나로부터 수신된 데이터에 기초하여 다이 모집단에서 결함을 식별하고, 가중 결함 모델을 사용하여 다이의 신뢰성에 대한 식별된 결함의 예측된 영향을 나타내는 가중치를 식별된 결함에 할당하고, 모집단 내의 각각의 다이에서 가중 결함을 집계함으로써 모집단 내의 다이에 대한 결함 점수를 생성하며, 모집단 내의 다이에 대한 결함 점수에 기초하여 이상치 다이 세트를 결정할 수 있고, 여기서 이상치 다이 세트의 적어도 일부는 모집단으로부터 격리된다.

Description

진보된 인라인 부품 평균 테스트

관련 출원에 대한 상호 참조

본 출원은 2020년 1월 12일자에 출원된 미국 가출원 제62/959,984호의 이익을 35 U.S.C. § 119(e) 하에서 주장하며, 이 가출원은 그 전체가 참조로 본 명세서에 포함된다.

기술분야

본 개시는 일반적으로 프로세스 제어에 관한 것으로, 보다 구체적으로 반도체 디바이스 제조 프로세스에서의 결함 검출 및 신뢰성 제어에 관한 것이다.

반도체 디바이스의 제조는 일반적으로 기능성 디바이스를 형성하기 위해 수백 개의 처리 단계를 필요로 할 수 있다. 이러한 처리 단계 동안, 다양한 검사 및/또는 계측 측정이 수행되어 결함을 식별하고/하거나 디바이스 상의 다양한 파라미터를 모니터링할 수 있다. 디바이스의 기능을 확인하거나 평가하기 위해 전기 테스트를 수행할 수도 있다. 그러나, 일부 검출된 결함 및 계측 오차는 디바이스 불량을 명확하게 나타낼 만큼 클 수 있지만, 변동이 적으면 작업 환경에 노출된 후 디바이스의 초기 신뢰성 불량을 일으킬 수 있다. 자동차, 군사, 항공 및 의료 애플리케이션과 같은 반도체 디바이스의 위험 회피 사용자는 현재 수준보다 훨씬 낮은 십억분율(parts per billion; PPB) 범위의 불량률을 요구할 수 있다. 이러한 산업 요구 사항을 충족하려면 신뢰성 결함을 인식하고 제어하는 것이 중요하다. 따라서, 신뢰성 결함 검출을 위한 시스템 및 방법을 제공하는 것이 바람직할 수 있다.

본 개시의 하나 이상의 예시적인 실시예에 따라 검사 시스템이 개시된다. 하나의 예시적인 실시예에서, 시스템은 하나 이상의 인라인 샘플 분석 도구에 통신 가능하게 결합된 제어기를 포함한다. 다른 예시적인 실시예에서, 제어기는 하나 이상의 인라인 샘플 분석 도구 중 적어도 하나로부터 수신된 데이터에 기초하여 다이 모집단에서 결함을 식별한다. 다른 예시적인 실시예에서, 제어기는 가중 결함 모델을 사용하여 식별된 결함에 가중치를 할당하고, 여기서 가중 결함 모델은 다이의 신뢰성에 대한 식별된 결함의 예측된 영향을 나타내는 가중치를 식별된 결함에 할당한다. 다른 예시적인 실시예에서, 제어기는 모집단 내의 각각의 다이에서 가중 결함을 집계함으로써 모집단 내의 다이에 대한 결함 점수를 생성한다. 다른 예시적인 실시예에서, 제어기는 모집단 내의 다이에 대한 결함 점수에 기초하여 이상치 다이 세트를 결정하고, 여기서 이상치 다이 세트의 적어도 일부는 모집단으로부터 격리된다.

본 개시의 하나 이상의 예시적인 실시예에 따라 검사 방법이 개시된다. 하나의 예시적인 실시예에서, 방법은 하나 이상의 인라인 샘플 분석 도구로부터 수신된 검사 데이터에 기초하여 다이 모집단에서 결함을 식별하는 단계를 포함한다. 다른 예시적인 실시예에서, 방법은 가중 결함 모델을 사용하여 식별된 결함에 가중치를 할당하는 단계를 포함하고, 여기서 가중 결함 모델은 다이의 신뢰성에 대한 식별된 결함의 예측된 영향을 나타내는 가중치를 식별된 결함에 할당한다. 다른 예시적인 실시예에서, 방법은 모집단 내의 각각의 다이에서 가중 결함을 집계함으로써 모집단 내의 다이에 대한 결함 점수를 생성하는 단계를 포함한다. 다른 예시적인 실시예에서, 방법은 모집단 내의 다이에 대한 결함 점수에 기초하여 이상치 다이 세트를 결정하는 단계를 포함하고, 여기서 이상치 다이 세트의 적어도 일부는 모집단으로부터 격리된다.

본 개시의 하나 이상의 예시적인 실시예에 따라 검사 시스템이 개시된다. 하나의 예시적인 실시예에서, 시스템은 하나 이상의 인라인 샘플 분석 도구에 통신 가능하게 결합된 제어기를 포함한다. 하나의 예시적인 실시예에서, 제어기는 하나 이상의 인라인 샘플 분석 도구로부터 수신된 검사 데이터에 기초하여 다이 모집단에서 결함을 식별한다. 다른 예시적인 실시예에서, 제어기는 2개 이상의 가중 결함 모델을 사용하여 모집단에서 2개 이상의 후보 이상치 다이 세트를 식별하고, 여기서 2개 이상의 가중 결함 모델 중 특정 가중 결함 모델을 사용하여 특정 후보 이상치 다이 세트를 식별하는 것은, 특정 가중 결함 모델을 사용하여 다이의 신뢰성에 대한 식별된 결함의 예측된 영향을 나타내는 가중치를 식별된 결함에 할당하고, 모집단 내의 각각의 다이에서 가중 결함을 집계함으로써 모집단 내의 다이에 대한 결함 점수를 생성하며, 모집단 내의 다이에 대한 결함 점수에 기초하여 특정 후보 이상치 다이 세트를 결정하는 것을 포함한다. 다른 예시적인 실시예에서, 제어기는 2개 이상의 후보 이상치 다이 세트에 기초하여 이상치 다이 출력 세트를 결정하고, 여기서 이상치 다이 출력 세트의 적어도 일부는 모집단으로부터 격리된다.

전술한 일반적인 설명과 다음의 상세한 설명은 모두 단지 예시적이고 설명적인 것이며, 청구된 바와 같이 본 발명을 반드시 제한하는 것은 아님을 이해해야 한다. 본 명세서에 통합되어 그 일부를 구성하는 첨부 도면들은 본 발명의 실시예들을 도시하고, 일반적인 설명과 함께 본 발명의 원리를 설명하는 역할을 한다.

본 개시의 수많은 장점들은 첨부 도면들을 참조함으로써 본 기술 분야의 당업자에 의해 보다 잘 이해될 수 있다:
도 1은 본 개시의 하나 이상의 실시예에 따른 신뢰성 제어 시스템의 블록도이다.
도 2a는 본 개시의 하나 이상의 실시예에 따른 샘플의 다수의 층의 결함 집계의 개념적 예시이다.
도 2b는 본 개시의 하나 이상의 실시예에 따른 총 결함 수에 기초한 모집단의 결함 히스토그램을 도시하는 플롯이다.
도 3a는 본 개시의 하나 이상의 실시예에 따른 인라인 결함 검출에 기초한 신뢰성 결정을 위한 방법에서 수행되는 단계를 도시하는 흐름도이다.
도 3b는 본 개시의 하나 이상의 실시예에 따른 가중 결함 모델을 사용하여 모집단에서 이상치 다이 세트를 식별하는 것과 연관된 단계를 도시하는 흐름도이다.
도 3c는 본 개시의 하나 이상의 실시예에 따른 결함 유도 G-PAT 방법론의 일부로서 결함 점수에 기초하여 결함의 공간적 서명을 식별하는 것을 포함하는 모집단 내의 다이의 결함 점수에 기초하여 이상치 다이 세트를 결정하는 것과 연관된 단계를 도시하는 흐름도이다.
도 4a는 본 개시의 하나 이상의 실시예에 따른 다양한 임계 영역 및 비임계 영역을 갖는 다이의 개략도이다.
도 4b는 본 개시의 하나 이상의 실시예에 따른 도 4a에 도시된 다이의 적층된 결함 맵이다.
도 4c는 본 개시의 하나 이상의 실시예에 따른 임계 영역의 결함만이 도시된 도 4b의 적층된 결함 맵이다.
도 5는 본 개시의 하나 이상의 실시예에 따른 I-PAT 이상치 차트이다.
도 6은 본 개시의 하나 이상의 실시예에 따른 정적 및 동적 결함 한계 둘 다를 갖는 인라인 결함 검출에 기초한 신뢰성 결정을 위한 방법을 도시하는 블록도이다.
도 7은 본 개시의 하나 이상의 실시예에 따른 G-PAT 분석의 일반 원리를 도시하는 다이 맵을 포함한다.
도 8a는 본 개시의 하나 이상의 실시예에 따른 독립형 G-PAT 기술로 이상치 다이를 식별하는 개략도이다.
도 8b는 본 개시의 하나 이상의 실시예에 따른 결함 유도 G-PAT 기술로 이상치 다이를 식별하는 개략도이다.
도 9a 내지 도 9c는 본 개시의 하나 이상의 실시예에 따른 3개의 예시적인 다이에 대한 결함 유도 G-PAT 방법론의 3개의 실험적 구현을 도시한다.

이제 첨부 도면들에 도시되는 개시된 주제를 상세히 참조할 것이다. 본 개시는 특정 실시예 및 이의 특정 특징과 관련하여 특별히 도시되고 설명되었다. 본 명세서에 제시된 실시예는 제한적이기보다는 예시적인 것으로 간주된다. 본 개시의 사상 및 범위를 벗어나지 않고 형태 및 세부사항에서 다양한 변경 및 수정이 이루어질 수 있다는 것은 당업자에게 용이하게 명백해야 한다.

본 개시의 실시예는 반도체 디바이스와 같은 그러나 이에 제한되지 않는 제조된 디바이스에서 즉각적인 또는 초기 수명 신뢰성 불량으로 이어질 수 있는 결함의 검출을 위한 진보된 인라인 부품 평균 테스트(In-line Part Average Testing; I-PAT)를 사용하는 시스템 및 방법에 관한 것이다.

제조 프로세스에서 발생하는 결함은 현장에서 디바이스의 성능에 광범위한 영향을 미칠 수 있다. 예를 들어, "킬러" 결함은 즉각적인 디바이스 불량을 초래할 수 있는 반면, 많은 경미한 결함은 디바이스 수명 전반에 걸쳐 디바이스 성능에 거의 또는 전혀 영향을 미치지 않을 수 있다. 그러나, 즉각적인 디바이스 불량으로 이어지지 않을 수 있지만 작업 환경에서 사용할 때 디바이스의 초기 수명 불량으로 이어질 수 있는 신뢰성 결함 또는 잠재적 결함이라고 하는 결함 종류가 있을 수 있다.

공급망 또는 유통망에 들어가는 디바이스의 신뢰성을 모니터링하거나 제어하기 위해 다양한 전략이 사용될 수 있다. 예를 들어, 신뢰성 분석을 위한 데이터로서 다이의 하나 이상의 측면의 기능을 평가하기 위해 다이의 전기 테스트가 일반적으로 수행된다. 이 전기 테스트는 제조 프로세스의 어느 시점에서든 수행할 수 있으며, 사전 번인 전기 웨이퍼 정렬 및 최종 테스트(예를 들어, e-테스트) 또는 사후 번인 전기 테스트를 포함할 수 있지만 이에 제한되지 않는다. 전기 테스트 단계에 실패한 디바이스는 "잉크 오프(ink off)"되고 모집단에서 나머지 디바이스로부터 격리될 수 있다. 예를 들어, 다이는 공급망에서 제거(예를 들어, 폐기)되거나 추가 테스트를 위해 플래그가 지정될 수 있다.

그러나, 전기 테스트만으로는 비용 및 처리량 목표를 유지하면서 엄격한 신뢰성 표준을 충족시키기에 충분한 정보를 제공하지 못할 수 있다는 것이 본 명세서에서 고려된다. 예를 들어, 사후 번인 전기 테스트는 다이가 거의 최종 상태에 있기 때문에 다이의 기능에 대한 정확한 분석을 제공할 수 있지만, 비용, 시간 요구 사항 또는 장기적인 신뢰성 문제를 일으킬 가능성으로 인해 대용량에서는 실용적이지 않을 수 있다. 또한, 임의의 생산 단계 중의 전기 테스트는 일반적으로 이미 전체 또는 부분 불량을 나타내는 디바이스를 식별하는 데 적합한 합격/불합격 정보만 제공하지만 나중에 불량이 될 수 있는 디바이스(예를 들어, 잠재적 결함이 있는 디바이스)를 식별하는 데 적합하지 않을 수 있다. 또 다른 예로서, 전기 테스트를 사용하여 각각의 다이를 완전히 특성화하는 것이 종종 비실용적이거나 때로는 불가능하여 전기 테스트에서 갭이 발생한다. 예를 들어, "완벽한" 테스트 전략을 사용하더라도 전기 테스트를 사용하여 검출할 수 없는 특정 회로 레이아웃에 이론적으로 가능한 결함이 있을 수 있다.

또한, 선택된 테스트 전략이 "완벽한" 또는 최적화된 테스트 전략에서 벗어날 수 있도록 각각의 다이의 모든 측면을 완전히 특성화하는 것은 비용 효율적이거나 실용적이지 않을 수 있다. 예를 들어, 불완전한 테스트 커버리지는 특정 회로의 테스트 불가능 영역, 테스트하기 어려울 수 있는 아날로그 회로(예를 들어, 고전압 아날로그 회로) 또는 여러 부분의 복잡한 동시 또는 순차적 에너지 공급이 필요한 회로로 인해 발생할 수 있지만 이에 제한되지 않는다. 본 개시의 목적을 위해, "테스트 커버리지"라는 용어는 테스트 전략의 성능을 평가하기 위해 사용되는 메트릭을 광범위하게 설명하는 데 사용된다.

전기 테스트에만 기초한 신뢰성 결정의 부족을 감안할 때, 일부 완전히 또는 부분적으로 기능 하지 않는 다이가 검출되지 않고 공급망에 들어갈 수 있다. 이러한 다이를 일반적으로 "테스트 탈출"이라고 한다. 본 명세서에서, 테스트 탈출의 정확한 검출이 자동차 산업과 같은 산업에서 점점 더 중요해지고 있음을 인식한다. 예를 들어, 자율 및 첨단 운전자 보조 시스템(advanced drive assistance system; ADAS)을 지원하는 데 필요한 융합 프로세서는 전기 기술을 사용하여 완전히 테스트하기가 상대적으로 어렵거나 비효율적일 수 있는 복잡한 반도체 디바이스(예를 들어, 그래픽 처리 장치(graphical processing unit; GPU), 메모리 보호 장치(memory protection unit; MPU), 시스템 온 칩(system on chip; SOC) 디바이스 등)를 요구할 수 있다. 다른 예로서, 센서(카메라, LIDAR 등) 사용의 증가는 전기 기술을 사용하여 완전히 테스트하는 것이 유사하게 어렵거나 비효율적일 수 있다.

합격/불합격 전기 테스트 외에도, 신뢰성 연구는 일반 모집단 내의 유사한 부품에 비해 비정상적인 전기적 특성을 가진 반도체 부품이 장기적인 품질 및 신뢰성 문제에 더 많이 기여하는 경향이 있는 것을 보여주었다. 특히, 모든 제조 및 전기 테스트를 통과했지만 그럼에도 불구하고 동일한 모집단 또는 로트 내의 다른 부품과 비교하여 이상치로 간주되는 디바이스는 현장에서 불량일 가능성이 더 높다.

부품 평균 테스트(PAT)는 일반적으로 비정상적인 특성(예를 들어, 이상치)이 있는 다이를 식별하기 위한 통계적 방법을 나타낸다. 반도체 디바이스는 일반적으로 샘플(예를 들어, 반도체 웨이퍼) 상의 패턴화된 층으로부터 형성된 다이로서 제조되거나 이를 포함한다. 또한, 동일한 설계를 갖는 많은 다이가 일반적으로 단일 샘플 상에 제조되고, 다수의 샘플이 로트로서 함께 제조된다. 따라서, PAT 방법론은 모집단 내의 다른 다이보다 신뢰성 문제를 나타낼 확률이 더 높은 통계적 이상치 다이를 결정하기 위해 동일한 샘플 또는 공통 로트 내의 샘플에서 다이를 비교할 수 있다. 그런 다음, 이러한 이상치는 잉크 오프되고 공급망에서 제거(예를 들어, 폐기)되거나 추가 테스트를 위해 플래그가 지정될 수 있다.

일반적으로, 어떤 디바이스가 이상치로 자격이 있는지 결정하기 위한 지침은 동일하거나 실질적으로 유사한 설계를 가진 디바이스(예를 들어, 선택된 모집단 내의 디바이스)의 샘플링 분석에 기초하여 설정될 수 있다. 이러한 방식으로, 각각의 테스트 요구 사항에 대한 테스트 결과의 분포와 이 데이터는 PAT 한계를 설정하기 위한 기초로 사용될 수 있다. 또한, PAT 한계는 산업 표준에 따라 안내될 수 있다. 예를 들어, 자동차 산업에서 사용되는 디바이스와 연관된 표준은 Automotive Electronics Council에서 설정 또는 안내할 수 있지만 반드시 그럴 필요는 없다.

PAT 방법론은 또한 다이 신뢰성의 예측자를 추가 정보로 사용할 수 있다. 예를 들어, P-PAT(Parametric Part Average Testing; 파라메트릭 부품 평균 테스트)는 모집단 내의 디바이스에 대한 표준을 벗어나지만 여전히 사양 내에 있는 파라메트릭 신호에 기초하여 더 높은 불량 확률을 갖는 다이에 플래그를 지정할 수 있다. 다른 예로서, G-PAT(Geographical Part Average Testing; 지리적 부품 평균 테스트)는 다른 이상치 다이에 대한 지리적 근접성에 기초하여 더 높은 불량 확률을 갖는 다이에 플래그를 지정할 수 있다. 예를 들어, GDBN(good die in a bad neighborhood; 불량 이웃 내의 양호한 다이)의 이상치 다이가 G-PAT에 의해 플래그가 지정될 수 있다. 추가 예로서, C-PAT(Composite Part Average Testing; 복합 부품 평균 테스트)는 제조 동안 다이에 대한 수리 횟수에 기초하여 더 높은 불량 확률을 갖는 다이에 플래그를 지정할 수 있다.

신뢰성 제어를 위한 PAT 방법론의 적용과 연관된 중요한 과제는 주어진 애플리케이션에 대한 신뢰성 표준과 제어 프로세스의 효율성 및 정확성의 균형 맞추기임이 본 명세서에서 고려된다. 예를 들어, PAT 방법론은 초기 수명 불량 가능성이 낮은 양호한 다이가 부적절하게 잉크 오프되어 생산 라인의 처리량을 감소시키고 디바이스당 비용을 증가시키는 "오버킬(overkill)"에 취약할 수 있다. 또한, 자동차 산업, 모바일 디바이스 등에 대한 새로운 신뢰성 표준은 십억분율 제어 수준의 신뢰성 결함 제어를 요구할 수 있다. 합리적인 비용과 처리량에서 이러한 엄격한 표준을 충족하려면 디바이스의 신뢰성에 대한 효율적이고 정확한 예측이 필요하다. 이러한 방식으로, 신뢰성 문제에 민감한 다이를 정확하고 효율적으로 식별하여 오버킬을 피하거나 제한하는 것이 바람직할 수 있다.

인라인 부품 평균 테스트(I-PAT)는 처리 중(예를 들어, 디바이스 제조 중) 디바이스의 하나 이상의 층 상의 결함을 검출하는 인라인 샘플 분석 도구(예를 들어, 검사 도구 및/또는 계측 도구)에서 제공하는 검사 결과를 고려하여 일반 PAT 방법론을 확장한다. 신뢰성 연구는 즉각적이거나 잠재적인 신뢰성 불량을 초래하는 대부분의 결함은 인라인 샘플 분석 도구를 사용하여 인라인으로 검출될 수 있다는 것을 나타냈다. 따라서, 인라인 샘플 분석 도구에 의해 식별된 결함을 기반으로 하는 I-PAT 방법론은 즉각적이거나 초기 수명 신뢰성 불량에 민감한 디바이스를 효과적으로 식별할 수 있다. 그런 다음, 이러한 식별된 디바이스는 공급망에서 제거(예를 들어, 폐기)되거나 추가 테스트를 받을 수 있다. 인라인 부품 평균 테스트(I-PAT)는 일반적으로 2020년 9월 1일자에 발행된 미국 특허 번호 제10,761,128호에 설명되어 있으며, 이는 그 전체가 참조로 본 명세서에 포함된다. 예를 들어, I-PAT 방법론은 일반적으로 다이의 하나 이상의 층에서 결함을 검출하고 다이에서 식별된 총 결함의 수를 결함 점수로서 결정하는 것을 포함할 수 있다. 이러한 방식으로, 식별된 결함이 많은 다이는 공급망에서 제거되거나 추가 테스트를 위해 식별될 수 있다.

반도체 디바이스는 일반적으로 인라인 샘플 분석 도구를 사용하여 검출할 수 있는 일종의 결함을 포함할 수 있다는 것이 인식된다. 그러나, 인라인 결함 검사 시스템에 의해 식별된 모든 결함이 제조된 디바이스에 대한 신뢰성 문제를 야기하는 것은 아니다. 따라서, 기존 I-PAT 기술은 높은 검사 샘플링 속도 및/또는 양호한 디바이스를 부적절하게 잉크 오프하는 것과 연관된 오버킬로 어려움을 겪을 수 있다. 결과적으로, 기존 I-PAT 기술은 처리량 및 비용 요구 사항을 충족하면서 엄격한 신뢰성 표준(예를 들어, 십억분율 제어)을 달성하지 못할 수 있다. 따라서 신뢰성 결함, 즉 통계적으로 디바이스 불량(예를 들어, 즉각적인 불량, 초기 수명 불량 등)을 유발할 확률이 더 높은 결함을 정확하고 효율적으로 식별하는 것이 특히 중요하다.

본 개시의 실시예는 신뢰성 결함 검출을 위한 진보된 I-PAT 방법론에 관한 것이다. 본 명세서에 개시된 시스템 및 방법은 즉각적인 디바이스 불량을 초래할 수 있는 킬러 결함 또는 초기 수명 불량을 초래할 수 있는 잠재적 결함을 포함하지만 이에 제한되지 않는 광범위한 결함을 검출하는 데 적합할 수 있다.

본 개시의 일부 실시예는 즉각적인 불량을 초래하지 않을 수 있지만 작업 환경에서 사용될 때 디바이스의 조기 또는 초기 수명 불량을 초래할 수 있는 잠재적 결함을 검출하는 것에 관한 것이다.

일 실시예에서, 하나 이상의 식별된 결함을 포함하는 다이는 웨이퍼 레벨 패턴 및/또는 전기 테스트에 실패(예를 들어, e-테스트 실패)한 다이에 대한 근접성과 같은 기하학적 고려 사항에 기초하여 잉크 오프될 수 있다. 예를 들어, 다이는 결함 유도 G-PAT 방법론을 기반으로 잉크 오프될 수 있다. 기존의 G-PAT 방법론은 e-테스트 실패 다이에 물리적으로 가까운 다이가 여러 다이에 걸쳐 있는 근본 원인을 기반으로 하는 웨이퍼 레벨 결함 문제로 인해 초기 수명 불량을 나타낼 가능성이 더 크다는 가정에 기초하여, 선택된 수의 e-테스트 실패 다이에 물리적으로 근접한 다이를 잉크 오프할 수 있다. 그러나, 기존의 G-PAT 방법론은 웨이퍼 레벨 패턴을 정확하게 식별하지 못할 수 있고 따라서 다수의 양호한 다이가 부적절하게 잉크 오프되는 실질적인 오버킬로 종종 어려움을 겪을 수 있다는 것이 본 명세서에서 고려된다. 인라인 샘플 분석 도구를 사용하여 식별할 수 있는 결함(예를 들어, 인라인 결함)이 일반적으로 웨이퍼 레벨 결함 문제의 근본 원인이라는 것이 본 명세서에서 추가로 고려된다. 따라서, 일 실시예에서, G-PAT 잉크 오프 결정은 결함 분석에 의해 안내된다. 예를 들어, 식별된 결함(예를 들어, 다이에서 식별된 총 결함 수)와 연관된 I-PAT 데이터는 웨이퍼 레벨 결함 패턴을 식별하기 위해 e-테스트 실패와 중첩되거나 결합될 수 있다(시각적으로 또는 제어기를 통해). 이러한 방식으로, 단순히 다수의 근접한 e-테스트 실패 다이에 의존하기보다 식별된 패턴 내에 있는 다이를 선택적으로 잉크 오프함으로써 오버킬을 감소시킬 수 있다.

다른 실시예에서, 다이의 하나 이상의 층에서 식별된 결함은 결함이 디바이스의 신뢰성에 영향을 미칠 예측된 가능성에 기초하여 가중치를 할당하는 가중 방식으로 가중된다. 그 후, 다이의 모든 분석된 층의 가중 결함이 집계되어 다이에 대한 가중 결함 점수를 생성할 수 있다. 이러한 방식으로, 주어진 모집단 내의 다이는 가중 결함 점수에 기초하여 서로에 대해 분석될 수 있으므로 이상치 다이가 식별되고 잉크 오프될 수 있다. 예를 들어, 모집단 내의 다이는 가중 결함 점수 값에 기초하여 정렬되어 이상치 값이 명확하게 식별될 수 있다. 또한, 시각적 결정을 위한 I-PAT 이상치 차트(예를 들어, IOC 차트), 자동화 또는 기계 학습 알고리즘, 정적으로 또는 동적으로 평가된 글로벌 경제 수율 기반 한계, 신뢰성에 대한 예측된 영향이 다른 클래스로 결함의 N-클래스 가중(예를 들어, 3-클래스 가중), 기하학적 고려 사항(예를 들어, 결함 클러스터, 전기 테스트에 실패한 다이에 대한 근접성 등) 또는 여러 기술의 조합(예를 들어, 앙상블 접근 방식)을 포함하지만 이에 제한되지 않는 다양한 기술을 사용하여, 이상치 다이는 가중 결함 점수에 기초하여 식별될 수 있다.

본 개시의 일부 실시예는 즉각적인 디바이스 불량을 초래하는 "킬러" 결함을 검출하기 위한 I-PAT 방법론에 관한 것이다. 본 명세서에서 이전에 설명된 바와 같이, 이러한 킬러 결함은 전기 테스트를 사용하여 검출 가능하지만, 일부는 검출되지 않고 테스트 탈출로 나타날 수 있다. 킬러 결함은 일반적으로 잠재적 결함(예를 들어, 초기 수명 불량을 초래할 수 있는 신뢰성 결함)보다 클 수 있고 따라서 인라인 샘플 분석 도구를 사용한 식별에 매우 적합할 수 있다는 것이 본 명세서에서 고려된다. 킬러 결함을 검출하기 위한 I-PAT 방법론의 사용은 어떠한 심각한 단점도 부과하지 않을 수 있다는 것이 본 명세서에서 추가로 고려된다. 특히, I-PAT가 전기 테스트에서 놓친 킬러 결함을 검출하는 경우(예를 들어, 결함이 테스트 불가능 영역에 위치하거나 테스트 커버리지의 갭에 있는 등으로 인해), I-PAT을 적용하여 테스트 탈출이 공급망에 도달하는 것을 방지했다. I-PAT가 궁극적으로 전기 테스트 실패를 초래하는 결함을 검출하는 경우, 추가 피해가 발생하지 않으며 결함은 단지 두 번 식별된다.

일 실시예에서, 킬러 결함은 타겟 비닝(targeted binning)을 통해 다른 관심 결함으로부터 분리된다. 이러한 방식으로, 킬러 결함에 기인하는 특성(예를 들어, 결함의 가능성을 증가시켜 디바이스 불량을 초래하는 속성)을 갖는 결함은 하나 이상의 킬러 결함을 포함하는 다이가 잉크 오프되도록 비교적 높은 가중치가 할당될 수 있다. 예를 들어, 킬러 결함은 결함 크기, 결함 유형, 결함 비닝 속성(예를 들어, 규모, 극성 등), 결함 밀도, 계측 데이터 또는 결함 위치(예를 들어, 공지되거나 의심되는 핫스팟 기반)를 포함하지만 이에 제한되지 않는 다양한 요인을 기반으로 식별될 수 있다. 또한, 킬러 결함은 결정론적 비닝 방법 또는 기계 학습 기술을 포함하지만 이에 제한되지 않는 다양한 기술을 사용하여 식별될 수 있다.

다른 실시예에서, 킬러 결함은 타겟 임계값을 사용하여 다른 관심 결함으로부터 분리된다. 이러한 방식으로, 다이당 고위험 결함의 허용 가능한 양에 대한 고정 또는 동적 한계가 설정될 수 있다. 예를 들어, 한계는 하나 이상의 임계 층에서의 총 결함 수 또는 다이의 모든 검사된 층에서의 총 결함 수와 같은 그러나 이에 제한되지 않는 다양한 기준을 기반으로 설정될 수 있다. 또한, 한계는 단일 웨이퍼, 로트 또는 다수의 로트를 포함하지만 이에 제한되지 않는 임의의 선택된 모집단을 기반으로 할 수 있다.

또 다른 실시예에서, 킬러 결함은 타겟 관리 영역에서의 존재에 적어도 부분적으로 기초하여 식별된다. 예를 들어, 관리 영역에는 전기 테스트 커버리지의 공지된 갭과 연관된 샘플 영역이 포함될 수 있다. 이러한 방식으로, 이러한 관리 영역에서 식별된 결함은 전기 테스트를 통해 식별되지 않을 수 있다.

라벨 "킬러 결함", "잠재적 결함", "신뢰성 결함" 등은 단지 예시 목적으로 본 명세서에서 사용되며 제한하는 것으로 해석되어서는 안 된다는 것을 이해해야 한다. 또한, 특정 유형의 결함(예를 들어, 킬러 결함, 잠재적 결함 등)과 관련하여 본 명세서에서 설명된 결함 기반 신뢰성 결정 및 제어의 예는 단지 예시 목적으로 제공되며 제한하는 것으로 해석되어서는 안 된다. 오히려, 결함 기반 신뢰성 예측을 위한 다양한 방법론은 일반적으로 결함을 설명하는 데 사용된 라벨에 관계없이 임의의 유형의 결함 또는 다수의 유형의 결함을 식별하는 데 사용될 수 있다.

이제 도 1 내지 도 9c를 참조하면, 진보된 I-PAT 방법론을 구현하기 위한 시스템 및 방법이 본 개시의 하나 이상의 실시예에 따라 더 상세하게 설명된다.

도 1은 본 개시의 하나 이상의 실시예에 따른 신뢰성 제어 시스템(100)의 블록도이다.

일 실시예에서, 신뢰성 제어 시스템(100)은 샘플(104)의 하나 이상의 층에서 결함을 검출하기 위한 적어도 하나의 검사 도구(102)(예를 들어, 인라인 샘플 분석 도구)를 포함한다. 신뢰성 제어 시스템(100)은 일반적으로 임의의 수 또는 유형의 검사 도구(102)를 포함할 수 있다. 예를 들어, 검사 도구(102)는 레이저 소스, 램프 소스, X선 소스 또는 광대역 플라즈마 소스와 같은 그러나 이에 제한되지 않는 임의의 소스로부터의 광을 사용한 샘플(104) 조사에 기초하여 결함을 검출하도록 구성된 광학 검사 도구를 포함할 수 있다. 다른 예로서, 검사 도구(102)는 전자 빔, 이온 빔, 또는 중성 입자 빔과 같은 그러나 이에 제한되지 않는 하나 이상의 입자 빔을 사용한 샘플 조사에 기초하여 결함을 검출하도록 구성된 입자 빔 검사 도구를 포함할 수 있다.

다른 실시예에서, 신뢰성 제어 시스템(100)은 샘플(104) 또는 샘플의 하나 이상의 층의 하나 이상의 특성을 측정하기 위한 적어도 하나의 계측 도구(106)(예를 들어, 인라인 샘플 분석 도구)를 포함한다. 예를 들어, 계측 도구(106)는 층 두께, 층 조성, 임계 치수(CD), 오버레이, 또는 리소그래피 처리 파라미터(예를 들어, 리소그래피 단계 동안 조명의 강도 또는 도즈)와 같은 그러나 이에 제한되지 않는 특성을 특성화할 수 있다. 이와 관련하여, 계측 도구(106)는 결과적으로 제조된 디바이스에 대한 신뢰성 문제로 이어질 수 있는 제조 결함 확률과 관련될 수 있는 샘플(104), 샘플(104)의 하나 이상의 층, 또는 샘플(104)의 하나 이상의 다이의 제조에 관한 정보를 제공할 수 있다.

다른 실시예에서, 신뢰성 제어 시스템(100)은 제조된 디바이스의 하나 이상의 부분의 기능을 테스트하기 위한 적어도 하나의 전기 테스트 도구(108)를 포함한다. 신뢰성 제어 시스템(100)은 제조 사이클의 임의의 시점에서 제조된 디바이스의 하나 이상의 부분의 특성을 테스트, 검사 또는 특성화하기 위한 임의의 수 또는 유형의 전기 테스트 도구(108)를 포함할 수 있다. 예를 들어, 전기 테스트 도구(108)는 사전 번인 전기 테스트 도구(108) 또는 사후 번인 전기 테스트 도구(108)를 포함할 수 있지만 이에 제한되지 않는다.

일 실시예에서, 신뢰성 제어 시스템(100)은 제어기(110)를 포함한다. 제어기(110)는 메모리(114)(예를 들어, 메모리 매체, 메모리 디바이스 등)에 유지되는 프로그램 명령어를 실행하도록 구성된 하나 이상의 프로세서(112)를 포함할 수 있다. 또한, 제어기(110)는 검사 도구(102), 계측 도구(106), 또는 전기 테스트 도구(108)를 포함하지만 이에 제한되지 않는 신뢰성 제어 시스템(100)의 임의의 구성 요소와 통신 가능하게 결합될 수 있다. 이와 관련하여, 제어기(110)의 하나 이상의 프로세서(112)는 본 개시 전체에 걸쳐 설명된 다양한 프로세스 단계 중 임의의 단계를 실행할 수 있다. 예를 들어, 제어기(110)의 하나 이상의 프로세서(112)는 임의의 샘플 층의 결함과 관련된 결함 데이터를 수신하고, 결함 관련성의 결정으로서 결함 속성과 실측 자료 소스 간의 상관관계를 찾고, 신뢰성에 대한 예상된 영향에 기초하여 결함에 가중치를 할당하고, 다이의 다수의 샘플 층에 걸쳐 검출된 결함을 집계하거나, 잉킹을 위한 이상치 다이를 식별할 수 있다.

제어기(110)의 하나 이상의 프로세서(112)는 당업계에 공지된 임의의 프로세서 또는 처리 요소를 포함할 수 있다. 본 개시의 목적을 위해, 용어 "프로세서" 또는 "처리 요소"는 하나 이상의 처리 또는 논리 요소(예를 들어, 하나 이상의 마이크로프로세서 디바이스, 하나 이상의 주문형 집적 회로(Application Specific Integrated Circuit; ASIC) 디바이스, 하나 이상의 필드 프로그램 가능 게이트 어레이(Field Programmable Gate Array; FPGA) 또는 하나 이상의 디지털 신호 프로세서(Digital Signal Processor; DSP))를 갖는 임의의 디바이스를 포함하도록 광범위하게 정의될 수 있다. 이러한 의미에서, 하나 이상의 프로세서(112)는 알고리즘 및/또는 명령어(예를 들어, 메모리에 저장된 프로그램 명령어)를 실행하도록 구성된 임의의 디바이스를 포함할 수 있다. 일 실시예에서, 하나 이상의 프로세서(112)는 데스크톱 컴퓨터, 메인프레임 컴퓨터 시스템, 워크스테이션, 이미지 컴퓨터, 병렬 프로세서, 네트워크로 연결된 컴퓨터, 또는 본 개시 전체에 걸쳐 설명된 바와 같이 신뢰성 제어 시스템(100)으로 동작하거나 이와 함께 동작하도록 구성된 프로그램을 실행하도록 구성된 임의의 다른 컴퓨터 시스템으로서 구현될 수 있다.

메모리(114)는 연관된 하나 이상의 프로세서(112)에 의해 실행 가능한 프로그램 명령어를 저장하기에 적합한 당업계에 공지된 임의의 저장 매체를 포함할 수 있다. 예를 들어, 메모리(114)는 비일시적 메모리 매체를 포함할 수 있다. 다른 예로서, 메모리(114)는 읽기 전용 메모리(ROM), 랜덤 액세스 메모리(RAM), 자기 또는 광학 메모리 디바이스(예를 들어, 디스크), 자기 테이프, 솔리드 스테이트 드라이브 등을 포함할 수 있지만 이에 제한되지 않는다. 또한, 메모리(114)는 하나 이상의 프로세서(112)를 수용하는 공통 제어기에 수용될 수 있음을 유념한다. 일 실시예에서, 메모리(114)는 하나 이상의 프로세서(112) 및 제어기(110)의 물리적 위치에 대해 원격으로 위치될 수 있다. 예를 들어, 제어기(110)의 하나 이상의 프로세서(112)는 네트워크(예를 들어, 인터넷, 인트라넷 등)를 통해 액세스 가능한 원격 메모리(예를 들어, 서버)에 액세스할 수 있다.

일 실시예에서, 사용자 인터페이스(116)는 제어기(110)에 통신 가능하게 결합된다. 일 실시예에서, 사용자 인터페이스(116)는 하나 이상의 데스크톱, 랩톱, 태블릿, 태블릿 등을 포함할 수 있지만 이에 제한되지 않는다. 다른 실시예에서, 사용자 인터페이스(116)는 신뢰성 제어 시스템(100)의 데이터를 사용자에게 디스플레이하는데 사용되는 디스플레이를 포함한다. 사용자 인터페이스(116)의 디스플레이는 당업계에 공지된 임의의 디스플레이를 포함할 수 있다. 예를 들어, 디스플레이는 액정 디스플레이(LCD), 유기 발광 다이오드(OLED) 기반 디스플레이 또는 CRT 디스플레이를 포함할 수 있지만 이에 제한되지 않는다. 당업자는 사용자 인터페이스(116)와 통합 가능한 임의의 디스플레이 디바이스가 본 개시의 구현에 적합함을 인식해야 한다. 다른 실시예에서, 사용자는 사용자 인터페이스(116)의 사용자 입력 디바이스를 통해 사용자에게 디스플레이된 데이터에 응답하는 선택 및/또는 명령어를 입력할 수 있다.

이제 도 2 내지 도 9c를 참조하면, I-PAT 방법론이 본 개시의 하나 이상의 실시예에 따라 더 상세하게 설명된다.

본 명세서에서 이전에 설명된 바와 같이, I-PAT 방법론은 일반적으로 샘플(104)의 하나 이상의 층에 대한 결함 검사 단계를 수행하고, 샘플(104)에 걸쳐 하나 이상의 다이에 위치한 식별된 결함을 집계하며, 모집단 내의 각각의 다이에서 검출된 총 결함 수에 기초하여 모집단에서 이상치로 간주될 수 있는 다이를 분리하거나 잉크 오프함으로써 다이의 신뢰성을 평가할 수 있다.

도 2a는 본 개시의 하나 이상의 실시예에 따른 샘플(104)의 다수의 층의 결함 집계의 개념적 예시이다. 다양한 결함(202)은 검사 도구(102) 또는 계측 도구(106)와 같은 그러나 이에 제한되지 않는 신뢰성 제어 시스템(100)의 임의의 구성 요소에 의해 샘플(104)의 하나 이상의 층(204)(예를 들어, 도 2a에 도시된 바와 같은 8개의 층(204))에서 검출될 수 있다. 그런 다음, 이러한 식별된 결함(202)은 다양한 방식으로 표현될 수 있다.

예를 들어, 식별된 결함은 모든 검출된 결함이 샘플(104)의 단일 평면도 표현으로 병합되는 적층된 다이 맵(206)으로서 그래픽으로 표현될 수 있다. 이러한 방식으로, 샘플(104) 상의 상이한 위치의 다이 또는 상이한 샘플(104)에 걸친 다이가 그래픽으로 비교될 수 있다. 예를 들어, 도 2a의 삽입도는 상이한 층에서 상이한 식별된 결함을 갖는 제1 다이(208a) 및 제2 다이(208b)를 도시한다.

다른 예로서, 모집단 내의 다이는 집계된 총 결함 수에 의해 정렬될 수 있다. 이러한 방식으로, 임계값(210)(예를 들어, I-PAT 제어 한계)을 초과하는 총 결함 수를 갖는 다이는 이상치 다이로서 식별되고 잉크 오프될 수 있다. 도 2b는 본 개시의 하나 이상의 실시예에 따른 총 결함 수에 기초한 모집단의 결함 히스토그램을 도시하는 플롯(212)이다. 적층된 결함 수를 기반으로 하는 I-PAT 제어 한계는 일반적으로 2020년 9월 1일자에 발행된 미국 특허 번호 제10,761,128호에 설명되어 있으며, 이는 그 전체가 참조로 본 명세서에 포함된다.

본 명세서에 개시된 진보된 I-PAT 방법론은 신뢰성에 대한 다양한 결함의 영향을 보다 정확하게 평가하기 위해 식별된 결함에 가중치를 부여하기 위한 가중치 방식을 제공하고, 가중 결함에 기초하여 모집단 내의 다이에 대한 결함 점수를 생성하며, 모집단의 나머지로부터 이상치 다이를 분리하는 컷-오프 한계(예를 들어, 결함 점수의 임계값)를 선택하기 위한 기술을 제공하는 것과 같은 다양한 방식으로 기존 I-PAT 방법론을 개선한다. 또한, 본 명세서에 개시된 시스템 및 방법은 특정 결함 유형 또는 클래스(예를 들어, 테스트 탈출을 초래할 수 있는 전기적으로 테스트되지 않은 영역의 킬러 결함)를 식별하는 것을 목표로 할 수 있거나, 광범위한 결함 유형 또는 클래스를 포함하는 다이에 대한 광범위한 분석을 제공할 수 있다.

도 3a는 본 개시의 하나 이상의 실시예에 따른 인라인 결함 검출에 기초한 신뢰성 결정을 위한 방법(300)에서 수행되는 단계를 도시하는 흐름도이다. 본 출원은 신뢰성 제어 시스템(100)의 맥락에서 본 명세서에서 이전에 설명된 실시예 및 가능 기술이 방법(300)으로 확장되도록 해석되어야 한다는 점을 유념한다. 그러나, 방법(300)은 신뢰성 제어 시스템(100)의 아키텍처에 제한되지 않는다는 점을 또한 유념한다.

일 실시예에서, 방법(300)은 다이 모집단의 다이에서 결함을 식별하는 단계(302)를 포함한다. 예를 들어, 결함은 다이의 관심 층에 대한 하나 이상의 처리 단계(예를 들어, 리소그래피, 에칭 등) 이후에 인라인 샘플 분석 도구(예를 들어, 검사 도구(102) 또는 계측 도구(106))의 임의의 조합을 사용하여 식별될 수 있다. 이와 관련하여, 제조 프로세스의 다양한 단계에서의 결함 검출은 인라인 결함 검출로서 지칭될 수 있다. 또한, 방법(300)에서 고려 중인 모집단은 임의의 선택된 수의 샘플(104) 내의 임의의 선택된 다이를 포함할 수 있다. 예를 들어, 모집단은 단일 샘플(104), 로트(예를 들어, 생산 로트) 내의 다수의 샘플(104), 또는 다수의 로트에 걸쳐 선택된 샘플(104)로부터 선택된 다이를 포함할 수 있지만 이에 제한되지 않는다.

본 개시의 목적을 위해, 결함은 물리적, 기계적, 화학적 또는 광학적 특성을 포함하지만 이에 제한되지 않는 설계 특성과의 제조된 층 또는 층 패턴의 임의의 편차로 간주될 수 있다. 또한, 결함은 다이 또는 그 위의 피처에 대해 임의의 크기를 가질 수 있다. 이러한 방식으로, 결함은 다이보다 작을 수 있거나(예를 들어, 하나 이상의 패턴화된 피처의 규모) 또는 다이보다 클 수 있다(예를 들어, 웨이퍼 규모 스크래치 또는 패턴의 일부). 예를 들어, 결함은 패턴화 전 또는 후에 샘플 층의 두께 또는 조성의 편차를 포함할 수 있다. 다른 예로서, 결함은 패턴화된 피처의 크기, 형상, 배향 또는 위치의 편차를 포함할 수 있다. 다른 예로서, 결함은 리소그래피 및/또는 에칭 단계와 연관된 결함, 예컨대, 인접 구조물 사이의 브리지(또는 이의 결핍), 피트 또는 홀과 같은 그러나 이에 제한되지 않는 결함을 포함할 수 있다. 다른 예로서, 결함은 스크래치 등과 같은 그러나 이에 제한되지 않는 샘플(104)의 손상된 부분을 포함할 수 있다. 다른 예로서, 결함은 샘플(104)에 도입된 이물질을 포함할 수 있다. 따라서, 본 개시의 결함의 예는 단지 예시 목적으로 제공되고 제한하는 것으로 해석되어서는 안 된다는 것을 이해해야 한다.

다른 실시예에서, 방법(300)은 가중 결함 모델을 사용하여 모집단에서 이상치 다이 세트를 식별하는 단계(304)를 포함하고, 여기서 가중 결함 모델은 식별된 결함의 측정된 특성에 기초하여 다이의 신뢰성에 대한 식별된 결함의 예측된 영향을 나타내는 가중치를 식별된 결함에 할당한다. 또한, 일부 실시예에서, 이상치 다이 세트는 모집단에서 다이의 기능을 평가하는 하나 이상의 전기 테스트를 통과한다. 이러한 방식으로, 이상치 다이 세트는 제조 시 동작하는(예를 들어, 단계(304)에서 하나 이상의 전기 테스트를 통과함) 모집단 내의 다이를 나타낼 수 있지만, 작업 환경에서 초기 수명 불량과 같은 그러나 이에 제한되지 않는 신뢰성 문제를 나타낼 것으로 예측된다.

아래에서 더 상세하게 논의되는 바와 같이, 이상치 다이는 다양한 가중 결함 모델을 사용하여 식별될 수 있고 식별된 결함의 다양한 측정된 특성에 기초할 수 있다는 것이 본 명세서에서 고려된다. 또한, 일부 실시예에서, 다수의 가중 결함 모델이 사용되고 고려될 수 있다. 이러한 방식으로, 각각의 가중 결함 모델은 잠재적으로 상이한 후보 이상치 다이 세트를 식별할 수 있고, 단계(304)는 후보 이상치 다이의 조합 또는 서브세트에 기초하여 이상치 다이 최종 세트를 생성할 수 있다. 예를 들어, 이상치 다이 최종 세트는 선택된 수의 가중 결함 모델에 의해 식별된 후보 이상치 다이를 포함할 수 있다.

다른 실시예에서, 방법(300)은 모집단의 나머지로부터 이상치 다이 세트의 적어도 일부를 격리하는 단계(306)를 포함하며, 이는 이상치 다이를 잉크 오프하는 것으로 지칭될 수 있다. 다이를 격리하거나 잉킹한 후에 수많은 동작이 취해질 수 있다는 것이 본 명세서에서 고려된다. 예를 들어, 격리된 다이는 동작 환경에서 다이의 성능과 예상되는 신뢰성 또는 수명을 추가로 분석하기 위해 추가 테스트(예를 들어, 다이의 테스트되지 않은 영역에 대한 추가 전기 테스트, 응력 테스트 등)를 받을 수 있다. 다른 예로서, 격리된 다이는 즉시 또는 추가 테스트 후에 분배 공급 장치로부터 제거될 수 있다. 추가 예로서, 특정 다이가 상이한 신뢰성 표준을 갖는 다수의 작업 환경에서 활용될 수 있는 경우에, 신뢰성 표준이 상대적으로 낮은 작업 환경을 위한 분배 공급 장치에 격리된 다이가 배치될 수 있다.

추가적으로, 이상치 다이 세트의 적어도 일부를 격리하는 단계(306)는 사용자 입력 또는 알고리즘 기술의 임의의 조합에 의해 수행될 수 있다. 일 실시예에서, 단계(306)는 추가 테스트 또는 분배 공급 장치로부터의 제거를 위해 전체 이상치 다이 세트를 격리하는 단계를 포함한다. 이러한 방식으로, 단계(302-304)는 모집단으로부터 제거할 다이를 식별하기에 충분하다. 다른 실시예에서, 단계(306)는 이상치 다이 중 어느 것이 즉시 폐기되어야 하고 어느 것이 추가 테스트에 적합하여 테스트 결과에 기초하여 분배 공급 장치에 들어갈 가능성이 있는지를 결정하는 알고리즘 결정을 수행하는 단계를 포함한다.

다른 실시예에서, 단계(306)는 사용자가 어떻게 진행할지에 대한 최종 판단을 할 수 있도록 사용자에게 이상치 다이 세트를 제시하는 단계를 포함한다. 이러한 방식으로, 사용자(예를 들어, 테스트 엔지니어 등)는 자신의 판단을 사용하여 이상치 다이 세트에 추가하고, 이상치 다이 세트에서 다이를 제거하고, 추가 테스트를 위한 하나 이상의 이상치 다이에 플래그를 지정하거나, 폐기될 하나 이상의 이상치 다이에 플래그를 지정하는 것 등을 할 수 있다. 예를 들어, 단계(306)는 하나 이상의 샘플(104)의 다이 맵에 다양한 결함 관련 정보를 제공하는 것을 포함할 수 있다. 예를 들어, 다이 맵은 모집단의 나머지 부분과 이상치 다이를 구별할 수 있다(예를 들어, 색상 또는 기타 특성으로). 다른 예에서, 다이 맵은 샘플(104)에 걸친 이상치 및/또는 비-이상치 다이에 대한 결함 점수를 포함할 수 있다. 다른 예에서, 다이 맵은 샘플(104)에 걸친 결함 위치의 표현을 포함할 수 있다.

도 3b는 본 개시의 하나 이상의 실시예에 따른 가중 결함 모델(예를 들어, 방법(300)의 단계(304))을 사용하여 모집단에서 이상치 다이 세트를 식별하는 것과 연관된 단계(또는 하위 단계)를 도시하는 흐름도이다.

일 실시예에서, 단계(304)는 가중 결함 모델을 사용하여 식별된 결함에 가중치를 할당하는 단계(308)를 포함하며, 여기서 가중치는 제조된 디바이스의 신뢰성에 대한 각각의 결함의 예상된 또는 예측된 영향을 나타낸다. 다른 실시예에서, 단계(304)는 모집단 내의 각각의 다이에서 가중 결함을 집계함으로써 모집단 내의 다이에 대한 다이 기반 결함 점수를 생성하는 단계(310)를 포함한다. 다른 실시예에서, 단계(304)는 모집단 내의 다이에 대한 결함 점수에 기초하여 이상치 다이 세트를 결정하는 단계(312)를 포함한다.

특정 다이에 대한 결함 점수는 선택된 가중 결함 모델에 의해 특징지어지는 특정 다이의 신뢰성의 지표일 수 있다. 특히, 결함 점수는 더 높은 결함 점수 값을 갖는 다이가 신뢰성이 낮을 것으로 예측될 수 있도록(예를 들어, 동작 환경에 있을 때 초기 수명 불량을 나타낼 것으로 예측됨) 신뢰성에 대한 역 메트릭을 나타낼 수 있다. 따라서, 특정 다이에 대한 결함 점수 값이 높을수록 신뢰성이 낮아질 것으로 예측된다.

이제 가중 결함 모델을 사용하여 식별된 결함에 가중치를 할당하는 단계(308)를 참조하면, 샘플(104)에 존재하는 모든 결함이 동일한 방식으로 신뢰성에 영향을 미칠 수 있는 것은 아니라는 것이 본 명세서에서 고려된다. 오히려, 제조된 디바이스의 특정 층에 있는 특정 결함이 제조된 디바이스의 신뢰성에 미치는 영향은, 특정 결함 자체의 특성, 샘플 또는 특정 회로 내에서 특정 결함의 위치, 여러 결함 간의 관계, 제조된 디바이스의 특정 설계 또는 기능, 또는 의도된 작업 환경에서 제조된 디바이스의 동작 허용 오차를 포함하지만 이에 제한되지 않는 수많은 요인에 의해 영향을 받을 수 있다. 따라서, 특정 애플리케이션에 적합하도록 본 개시의 실시예에 따라 다수의 가중 결함 모델이 생성될 수 있다는 것이 본 명세서에서 고려된다. 이러한 방식으로, 본 명세서의 특정 예는 단지 예시 목적으로 제공되며 제한하는 것으로 해석되어서는 안 된다.

가중 결함 모델은 일반적으로 인라인 샘플 분석 도구(예를 들어, 검사 도구(102) 및/또는 계측 도구(106))를 사용한 샘플(104)의 측정과 연관된 다양한 유형의 입력을 수용할 수 있다.

일 실시예에서, 가중 결함 모델에 대한 입력은 제조된 디바이스의 성능 또는 수명에 대한 예측된 영향과 상관될 수 있는 결함의 하나 이상의 측정된 특성을 포함한다. 예를 들어, 가중치는 설계 사양(예를 들어, 필름 두께, 크기, 형상, 배향 또는 제조된 피처의 위치 등)과의 편차 측정에 기초하여 적용될 수 있다. 다른 예로서, 식별된 결함 유형에 기초하여 가중치가 적용될 수 있다. 예를 들어, 결함 유형은 스크래치, 피트, 홀, 브리지, 미립자 또는 설계 편차를 포함할 수 있지만 이에 제한되지 않는다. 또한, 결함의 심각도(예를 들어, 스크래치의 길이, 피트의 깊이, 결함의 측정된 규모 또는 극성 등)는 가중 결함 모델에서 추가로 고려될 수 있다.

다른 실시예에서, 가중 결함 모델에 대한 입력은 특정 결함과 하나 이상의 다른 식별된 결함 사이의 관계를 포함한다. 예를 들어, 가중치는 특정 층의 결함 밀도, 다수의 층에 걸친 특정 위치의 결함 밀도, 공간적 결함 패턴 등에 기초하여 적용될 수 있다. 일부 경우에, 패턴 또는 핫스팟의 일부인 결함이 제조된 디바이스의 신뢰성에 영향을 미칠 가능성이 더 높을 수 있고 따라서 이에 따라 가중될 수 있지만 반드시 그럴 필요는 없다는 것이 본 명세서에서 고려된다.

다른 실시예에서, 가중 결함 모델에 대한 입력은 식별된 결함을 둘러싸는 샘플(104) 부분의 측정된 특성을 포함한다. 이는 특정 식별된 결함이 격리된 결함인지 또는 결함의 더 큰 패턴의 일부인지 여부를, 결함을 둘러싸는 샘플 특성이 나타낼 수 있는 경우일 수 있다. 예를 들어, 필름 또는 층 두께, 필름 조성, 웨이퍼 평탄도, 웨이퍼 지형, 저항률, 국부적 응력 측정 또는 임계 치수 측정과 같은 그러나 이에 제한되지 않는 특성은 추가 결함이 발생할 가능성이 있거나 신뢰성이 특히 영향을 받을 수 있는 핫스팟 또는 공간 패턴을 나타낼 수 있다.

다른 실시예에서, 가중 결함 모델에 대한 입력은 샘플(104)의 선택된 영역 또는 미리 정의된 영역 내의 결함의 위치를 포함한다. 이는 다이의 특정 영역에 있는 결함이 제조된 디바이스의 신뢰성 문제를 초래할 가능성이 다소 있을 수 있는 경우일 수 있다. 일반적인 의미에서, 다이의 상이한 부분은 일반적으로 상이한 기능적 동작을 수행하기에 적합한 상이한 패턴 또는 구조를 포함할 수 있다. 결과적으로, 다이의 상이한 부분은 특정 유형의 결함에 다소 민감하거나 일부 경우에는 모든 유형의 결함에 다소 민감할 수 있다. 또한, 결함에 대한 다이의 상이한 부분의 감도의 차이는 물리적 설계, 동작 특성(예를 들어, 동작 중 전류 또는 전압 값) 및/또는 제조 감도의 차이에서 비롯될 수 있다. 따라서, 다이 상의 하나 이상의 위치를 포함하는 다양한 관리 영역이 정의될 수 있으며, 여기서 각각의 관리 영역은 상이한 가중 조건의 적용을 받을 수 있다. 일부 경우에, 샘플의 상이한 관리 영역에 상이한 가중 결함 모델이 적용될 수 있다.

예를 들어, 이는 특히, 결함의 크기가 대략 패턴의 크기인 경우, 높은 패턴 밀도를 갖는 다이 부분의 결함이 낮은 패턴 밀도를 갖는 다이 부분의 결함보다 신뢰성에 더 큰 영향을 미칠 수 있는 경우일 수 있다. 따라서, 특정 크기의 결함은 저밀도 영역에 위치할 때보다 고밀도 영역에 위치할 때 상대적으로 더 높은 가중치가 부여될 수 있다.

다른 예로서, 이는 다이의 특정 부분이 다이의 다른 부분보다 더 엄격한 제조 허용 오차를 가질 수 있는 경우일 수 있다. 따라서, 결함은 보다 완화된 제조 허용 오차를 갖는 다이의 일부에 위치할 때보다 더 엄격한 제조 허용 오차를 갖는 다이의 일부에 위치할 때 상대적으로 더 높은 가중치가 부여될 수 있다.

다른 예로서, 이는 샘플(104) 상의 다이 또는 특정 다이의 상이한 부분이 상이한 방식으로 디바이스 생산 라인의 전체 수율에 영향을 미칠 수 있는 경우일 수 있다. 예를 들어, 일부 반도체 기반 디바이스는 완전한 회로를 형성하기 위해 상이한 기능의 다수의 다이를 통합하는 복잡한 디바이스로 형성될 수 있다. 이러한 방식으로, 특정 다이 또는 그 일부를 잉크 오프하는 것은 다른 다이보다 전체 생산 수율에 다소 영향을 미칠 수 있으므로 이러한 영역의 결함은 그에 따라 가중될 수 있다.

다른 예로서, 이는 특정 전기 테스트 방식이 다이의 모든 부분을 완전히 테스트하지 않으므로 이러한 영역의 결함이 전기 테스트에 의해 신뢰성 문제가 검출되지 않는 테스트 탈출에 기여할 수 있는 경우일 수 있다. 따라서, 결함은 다이의 다른 부분에서보다 특정 전기 테스트 방식에 기초하여 테스트되지 않았거나 약하게 테스트된 영역과 연관된 다이 부분에서 더 높은 가중치가 할당될 수 있다. 또한, 일부 실시예에서, 이러한 영역의 결함은 이러한 영역의 결함이 있는 다이가 잉크 오프되는 것을 보장하기 위해(또는 적어도 그럴 가능성이 매우 높도록) 매우 높게 가중될 수 있다.

또한, 상이한 가중 고려 사항을 갖는 상이한 관리 영역이 다양한 기술을 사용하여 식별되거나 결정될 수 있다는 것이 본 명세서에서 고려된다.

도 4a는 본 개시의 하나 이상의 실시예에 따른 다양한 임계 영역(404)(빗금으로 표시됨) 및 비임계 영역(406)(개방으로 표시됨)을 갖는 다이(402)의 개략도이다. 일 실시예에서, 제1 관리 영역 세트는 임계 영역(404)을 포함하도록 정의될 수 있고, 제2 관리 영역 세트는 비임계 영역(406)을 포함하도록 정의될 수 있다.

일 실시예에서, 관리 영역은 레시피 설정 동안 인라인 샘플 분석 도구에 정의된다. 이러한 방식으로, 상이한 검사 또는 계측 레시피가 상이한 관리 영역에서 활용될 수 있다. 다른 실시예에서, 관리 영역은 다이 레이아웃 정보, 넷리스트 데이터 등을 포함하는 그래픽 디자인 시스템(GDS) 파일과 같은 그러나 이에 제한되지 않는 설계 정보에 기초하여 정의된다. 다른 실시예에서, 관리 영역은 (예를 들어, 결함 분석 소프트웨어 내에서) 사용자에 의해 수동으로 제공된다.

이제 도 4b 및 도 4c를 참조하면, 상이한 관리 영역의 상이한 처리가 본 개시의 하나 이상의 실시예에 따라 더 상세하게 도시된다. 도 4b는 본 개시의 하나 이상의 실시예에 따른 도 4a에 도시된 다이의 적층된 결함 맵이다. 도 4b에 도시된 바와 같이, 다양한 인라인 결함(408)이 임계 영역(404) 및 비임계 영역(406) 모두에 걸쳐 식별된다. 도 4c는 본 개시의 하나 이상의 실시예에 따른 임계 영역(404)(예를 들어, 제1 관리 영역 세트)의 결함만이 도시된 도 4b의 적층된 결함 맵이다. 이러한 방식으로, 임계 영역(404) 내의 결함은 별도로 고려될 수 있다.

도 4c에 도시된 것과 같은 선택된 관리 영역의 결함을 포함하는 적층된 결함 맵이 검사 전 또는 후에 생성될 수 있다는 것이 본 명세서에서 고려된다. 예를 들어, 하나 이상의 관리 영역이 비임계 영역이 되도록 설계되어 이러한 관리 영역 내의 결함이 무시될 수 있는 경우, 이러한 관리 영역의 결함에 대해 다이를 단순히 검사하지 않도록 인라인 샘플 분석 도구(예를 들어, 검사 도구(102) 및/또는 계측 도구(106)))는 관리 영역 맵을 기반으로 구성될 수 있다. 대안적으로, 인라인 샘플 분석 도구는 모든 영역의 결함에 대해 다이를 검사하도록 구성될 수 있지만, 이러한 관리 영역의 결함은 무시되도록 0의 가중치가 부여될 수 있다.

그러나, 도 4a 내지 도 4c의 두 세트의 관리 영역의 예 및 관련된 설명은 단지 예시 목적으로 제공되고 제한하는 것으로 해석되어서는 안 된다는 것을 이해해야 한다. 오히려, 특정 다이는 각각 상이한 가중치 고려 사항을 가질 수 있는 임의의 수의 관리 영역을 포함할 수 있다.

다시 일반적으로 가중 결함 모델을 사용하여 식별된 결함에 가중치를 할당하는 단계(308)를 참조하면, 가중치는 신뢰성에 대한 공지된, 측정된, 시뮬레이션된 또는 예측된 영향과 함께 가중 결함 모델에 대한 입력 간의 상관관계에 기초하여 생성될 수 있다는 것이 본 명세서에서 고려된다.

일 실시예에서, 가중 결함 모델은 가중 결함 모델에 대한 임의의 입력과 신뢰성 사이의 공지된, 측정된, 시뮬레이션된 또는 예측된 관계와 연관된 실측 자료 관련성의 소스에 기초하여 가중치를 할당한다.

예를 들어, 가중 결함 모델은 인라인 검사 및/또는 계측 측정과 연관된 모델에 대한 입력을 신뢰성에 대한 유사한 속성 및 관련 영향의 라이브러리와 비교함으로써 신뢰성 문제의 실측 자료 지표에 기초하여 가중치를 할당할 수 있다. 이러한 방식으로, 인라인 결함 검사 동안 검사 도구(102) 및/또는 계측 도구(106)에 의해 측정 가능한 속성은 다양한 결함 유형의 "지문"을 생성하기에 충분할 수 있으며, 이는 라이브러리에 축적될 수 있고 제조된 디바이스의 신뢰성에 대한 공지된, 측정된, 시뮬레이션된 또는 예측된 영향과 연결될 수 있다. 또한, 라이브러리는 공지된 신뢰성 문제, 모델링 및/또는 시뮬레이션을 통해 하나 이상의 테스트 샘플의 분석을 포함하지만 이에 제한되지 않는 임의의 적절한 방식으로 생성될 수 있다. 제조 지문은 일반적으로 2019년 9월 26일자에 공개된 미국 특허 출원 번호 제2019/0295908호에 설명되어 있으며, 이는 그 전체가 참조로 본 명세서에 포함된다.

다른 예로서, 가중 결함 모델은 모델에 대한 입력과 상관 엔진, 기계 학습 알고리즘 등을 사용하여 생성된 신뢰성 문제 사이의 상관관계에 기초하여 가중치를 할당할 수 있다. 이러한 상관관계는 분류, 정렬, 클러스터링, 이상치 검출, 신호 응답 계측, 회귀 분석, 인스턴스 기반 분석(예를 들어, 최근접 이웃 분석 등), 차원 축소(예를 들어, 요인 분석, 특징 추출, 주성분 분석 등), 지도 학습(예를 들어, 인공 신경망, 지원 벡터 기계, 랜덤 포레스트 등), 반지도 학습(예를 들어, 생성 모델 등), 비지도 학습(예를 들어, 벡터 양자화 등), 딥 러닝 또는 베이지안 통계와 같은 그러나 이에 제한되지 않는 당업계에 공지된 임의의 분석 기술을 사용하여 생성될 수 있다. 분석 기술 및 모든 관련 라벨은 단지 예시 목적으로 제공되며 제한하려는 의도가 아니라는 것을 이해해야 한다. 분석 기술이 다양한 방식으로 설명 및/또는 분류될 수 있다는 것이 본 명세서에서 인식된다. 또한, 분석 기술의 조합이 구현될 수 있다.

다시 일반적으로 가중 결함 모델을 사용하여 식별된 결함에 가중치를 할당하는 단계(308)를 참조하면, 가중 결함 모델이 식별된 결함에 임의의 수의 특정 가중치를 제공할 수 있다는 것이 본 명세서에서 고려된다.

일 실시예에서, 가중 결함 모델은 값의 연속체 또는 값의 범위를 따라 임의의 값을 갖는 가중치를 할당한다. 이와 관련하여, 모델에 대한 입력과 신뢰성에 대한 측정된, 시뮬레이션된 또는 예측된 영향 간의 특정 상관관계에 기초하여 다양한 결함에 임의의 가중된 값이 할당될 수 있다.

다른 실시예에서, 가중 결함 모델은 상이한 가중치를 갖는 결함의 2개 이상의 클래스 또는 빈을 정의할 수 있다. 이와 관련하여, 식별된 결함은 클래스 또는 빈으로 정렬되고 그에 따라 가중치가 부여될 수 있다. 예를 들어, 3 클래스 가중 결함 모델은 방해 결함, 중간 수준 결함 및 킬러 결함과 같은 그러나 이에 제한되지 않는 가중치가 증가하는 결함의 3개 클래스를 포함할 수 있다. 3 클래스 비닝 모델은 요구되는 감도가 부족할 수 있는 너무 적은 클래스와 분류의 불충분한 정확도 또는 순도를 겪을 수 있는 너무 많은 클래스 사이에 적절한 균형을 종종 제공할 수 있다는 것이 본 명세서에서 고려된다. 그러나, 가중 결함 모델은 임의의 수의 클래스 또는 빈을 사용할 수 있음을 이해해야 한다.

다시 도 3b를 참조하면, 모집단 내의 각각의 다이에서 가중 결함을 집계함으로써 모집단 내의 다이에 대한 결함 점수를 생성하는 단계(310)가 본 개시의 하나 이상의 실시예에 따라 더 상세하게 설명된다. 이와 관련하여, 결함 점수는 다이의 예측된 신뢰성을 나타내는 다이 기반 점수로 간주될 수 있다.

일 실시예에서, 모집단 내의 다이에 대한 결함 점수를 생성하는 것은 관심 층으로부터 가중 결함을 집계하는 것과 연관된 수치를 생성하는 것을 포함한다. 예를 들어, 특정 다이에 대한 결함 점수는 특정 다이의 관심 층에서 식별된 가중 결함을 합산함으로써 생성될 수 있다. 다른 예로서, 특정 다이에 대한 결함 점수는 특정 다이의 관심 층에서 식별된 가중 결함을 곱함으로써 생성될 수 있다. 이러한 방식으로, 결함에 적용된 가중치는 킬 확률에 대응할 수 있고, 결함 점수는 특정 다이와 연관되는 집계된 킬 확률에 대응할 수 있다. 다른 예로서, 특정 다이에 대한 결함 점수는 베이지안 통계와 같은 그러나 이에 제한되지 않는 가중 결함의 통계적 분석을 사용하여 생성될 수 있다. 다른 예로서, 특정 다이에 대한 결함 점수는 기계 학습 또는 다른 패턴 매칭 기술을 사용하여 생성될 수 있다.

다른 실시예에서, 모집단 내의 다이에 대한 결함 점수를 생성하는 것은 다이에서 집계된 가중 결함의 그래픽(예를 들어, 시각적) 표현을 생성하는 것을 포함한다. 예를 들어, 모집단 내의 다이에 대한 결함 점수를 생성하는 것은 가중 결함의 집계된 결과를 포함하는 적층된 가중 결함 맵을 생성하는 것을 포함할 수 있다. 예를 들어, 0 값으로 가중치가 부여된 결함은 적층된 가중 결함 맵에 포함되지 않을 수 있다. 다른 예에서, 상이한 가중치를 갖는 결함은 적층된 결함 맵에서 개별적으로 표현될 수 있다(예를 들어, 상이한 색상을 사용하는 등).

또한, 결함 점수를 생성하는 것은 수치 및 그래픽 표현 모두를 포함하거나 통합할 수 있다. 예를 들어, 다이 맵(예를 들어, 도 2a의 다이 맵(206)의 변형)이 생성될 수 있으며, 여기서 각각의 다이가 결함 점수 값에 기초하여 표현되거나 플롯팅될 수 있다. 예를 들어, 다이는 결함 점수 값에 기초하여 다이 맵에서 채색될 수 있다. 샘플(104)에 걸친 다이의 그래픽 표현은 결함 기반 결함 점수 및 전기 테스트 데이터의 결합된 분석에 기초하여 이상치 결정을 용이하게 할 수 있다는 것이 본 명세서에서 고려된다.

다시 도 3b를 참조하면, 모집단 내의 다이에 대한 결함 점수에 기초하여 이상치 다이 세트를 결정하는 단계(312)가 본 개시의 하나 이상의 실시예에 따라 더 상세하게 설명된다. 특정 가중 결함 모델과 관련된 이상치 다이 세트가 다양한 기술을 사용하여 식별될 수 있다는 것이 본 명세서에서 고려된다.

일부 실시예에서, 결함 점수는 잉킹 결정에 적합한 신뢰성의 절대 예측자를 제공한다. 이와 관련하여, 특정 값, 값 범위, 또는 결함 점수의 선택된 임계값을 초과하는 값을 갖는 다이는 (예를 들어, 도 3a의 단계(306)에서) 격리되거나 잉크 오프될 수 있도록 이상치 다이로서 즉시 지정될 수 있다. 예를 들어, 집계된 가중 결함과 연관된 결함 점수에 기초하여 이상치 다이 세트를 결정하는 것은 제조된 디바이스의 즉각적인 또는 초기 수명 불량으로 이어질 수 있는 킬러 결함의 식별에 매우 적합할 수 있다.

일 실시예에서, 킬러 또는 고위험 결함을 포함하는 다이는 타겟 비닝을 사용하여 식별될 수 있다. 예를 들어, 킬러 또는 고위험 결함은 다른 저위험 결함과 별도의 클래스로 분류(예를 들어, 비닝)되고 상대적으로 높은 가중치로 가중치가 부여될 수 있다. 이러한 방식으로, 킬러 또는 고위험 결함을 포함하는 다이는 결함 점수의 대응하는 높은 값에 기초하여 식별될 수 있고 모집단 내의 다른 다이에 대한 결함 점수 값에 관계없이 이상치 다이로 라벨링될 수 있다. 다른 실시예에서, 선택된 전기 테스트 방식에 기초하여 샘플의 테스트되지 않았거나 부분적으로 테스트된 영역과 연관된 타겟 관리 영역에서 킬러 또는 고위험 결함이 식별될 수 있다. 또한, 이러한 타겟 관리 영역은 테스트 탈출을 검출하도록 맞춤화된 전용 또는 타겟 가중 결함 모델의 적용을 받을 수 있지만 반드시 그럴 필요는 없으며, 또는 가중 결함 모델을 사용할 수 있다.

결함에 가중치를 할당하는 단계(308)와 관련하여 설명된 바와 같이, 킬러 또는 고위험 결함은 결함 관련 속성(예를 들어, 결함 크기, 결함 유형, 규모, 극성, 샘플(104) 상의 주어진 층 또는 공간 영역의 결함 양 등), 계측 관련 속성(예를 들어, 필름 또는 층 두께, 필름 조성, 웨이퍼 평탄도, 웨이퍼 지형, 임계 치수 측정, 저항률, 국부적 응력 정보 등), 또는 결함 간의 관계(예를 들어, 공지되거나 의심되는 핫스팟, 공간적 결함 패턴 등)을 포함하지만 이에 제한되지 않는 임의의 수의 속성에 기초하여 식별되고 가중치가 부여될 수 있다.

일부 실시예에서, 결함 점수는 신뢰성의 상대적 예측자를 제공하여, 이상치 다이가 모집단 내의 다이의 결함 점수의 비교 또는 분석에 기초하여 결정될 수 있도록 한다. 예를 들어, 모집단 내의 다이의 결함 점수가 서로 비교될 수 있고, 결함 점수에 기초하여 이상치 컷오프 임계값이 결정될 수 있다.

일 실시예에서, 모집단 내의 다이에 대한 결함 점수에 기초하여 이상치 다이 세트를 결정하는 단계(312)는 모집단 내의 다이에 대한 결함 점수 값이 (예를 들어, 최악에서 최상으로) 정렬되고 플롯팅되는 이상치 차트(예를 들어, I-PAT 이상치 차트 또는 IOC)를 생성하는 것을 포함한다. 이러한 방식으로, IOC 차트는 파레토 차트의 한 형태일 수 있다. 예를 들어, 도 5는 본 개시의 하나 이상의 실시예에 따른 I-PAT 이상치 차트(500)이다. 도 5의 IOC에서, 모집단 내의 다이는 x축을 따라 최악에서 최상으로 정렬되고, 다이의 결함 점수 값은 y축을 따라 플롯팅된다. 도 5에 도시된 바와 같이, IOC 차트는 모집단 전체에 걸친 결함 점수 분포의 그래픽 지표를 제공할 수 있고, (예를 들어, 단계(306)에서) 이상치 다이가 식별되고 격리될 수 있도록 모집단 내의 다른 다이에 비해 이상치로 간주될 수 있는 결함 점수 값을 모집단 내의 어느 다이가 갖는지 결정하는 데 사용될 수 있다.

모집단 내의 하나 이상의 이상치 다이 세트가 다양한 기술을 사용하여 IOC 차트에 기초하여 결정될 수 있다. 일 실시예에서, IOC 차트는 사용자가 모집단 내의 어떤 다이가 이상치인지를 수동으로 결정할 수 있도록 사용자에게 그래픽으로 제공될 수 있다. 예를 들어, 도 5의 IOC 차트를 사용하여, 사용자는 시각적으로 결정된 임계값(예를 들어, 결함 한계)의 왼쪽에 있는 다이를 이상치 다이로 선택할 수 있다.

그러나, IOC 차트가 그래픽으로 표현되거나 생성될 필요는 없다는 것을 이해해야 한다. 오히려, 이상치 다이를 결정하는 프로세스는 모집단 내의 다이의 결함 점수에 대한 수학적, 통계적 또는 알고리즘 분석을 기반으로 한다. 다른 실시예에서, 이상치 다이는 통계적으로 정의된 임계값(예를 들어, 평균 값 등)보다 높은 결함 점수 값을 갖는다.

일부 실시예에서, 모집단으로부터 이상치 다이를 분리하는 컷오프 한계는 경제적 또는 수율 고려 사항에 기초할 수 있다. 제조 라인은 어떤 이유로든 모집단으로부터 다이를 잉크 오프하는 것과 연관된 민감한 수율 손실이 있을 수 있고, 부정확한 신뢰성 예측으로 인해 신뢰할 수 있는 다이를 잉크 오프하는 것과 연관된 오버킬에 특히 민감할 수 있다는 것이 본 명세서에서 고려된다. 따라서, 경제적 또는 수율 고려 사항에 기초한 정적 또는 동적 컷오프 한계는 높은 신뢰성 표준(예를 들어, 십억분율 신뢰성 표준)의 경쟁 목표와 경제적 또는 수율 메트릭의 균형을 맞출 수 있다.

일 실시예에서, 단계(312)에서 이상치 다이의 선택은 경제적 또는 수율 고려 사항에 기초한 상한의 적용을 받는다. 예를 들어, 특정 가중 결함 모델과 연관된 결함 점수에 기초하여 이상치 다이 세트를 결정하기 위한 기술 중 임의의 기술의 적용이 상한보다 잠재적으로 신뢰할 수 없는 다이를 식별하는 경우, 이상치 다이로 식별된 다이의 실제 수는 상한으로 제한될 수 있다.

다른 실시예에서, 단계(312)에서 이상치 다이의 선택은 런타임 전에 선택된 다이 모집단(예를 들어, 훈련 모집단)에 기초하여 전역 결함 한계를 정의하는 것을 포함하며, 여기서 전역 결함 한계는 훈련 모집단에 기초하여 결함 점수의 컷오프 값 또는 임계값을 나타낸다. 예를 들어, 전역 결함 한계는, 선택된 가중 결함 모델에 따라 가중 결함을 집계하는 것에 기초하여 훈련 모집단 내의 다이에 대한 결함 점수를 생성하고, 훈련 모집단 내의 다이에 대한 결함 점수에 기초하여 훈련 모집단의 이상치 다이를 결정하며, 훈련 모집단의 이상치 다이를 훈련 모집단의 나머지로부터 분리하는 결함 점수의 컷오프 값으로서 전역 결함 한계를 정의함으로써 생성될 수 있다. 이러한 방식으로, 정적 전역 결함 한계는 도 3b에 도시된 단계(308-312)를 훈련 모집단에 적용함으로써 생성될 수 있다.

그런 다음, 이 전역 결함 한계는 일관된 방식으로 미래의 다이 모집단에 적용될 수 있다. 또한, 훈련 모집단은 런타임 동안 고려되는 다이 모집단보다 클 수 있지만 반드시 그럴 필요는 없다. 훈련 모집단이 런타임 모집단보다 큰 경우, 생성된 전역 결함 한계는 통계적으로 의미 있는 데이터 세트를 기반으로 할 수 있으며 미래의 모집단에 적용될 수 있는 신뢰할 수 있는 한계를 제공할 수 있다.

다른 실시예에서, 단계(312)에서 이상치 다이의 선택은 훈련 모집단에 기초한 정적 전역 결함 한계 및 런타임 동안 분석된 개별 모집단에 기초한 동적 결함 한계 둘 다를 포함한다. 도 6은 본 개시의 하나 이상의 실시예에 따른 정적 및 동적 결함 한계 둘 다를 갖는 인라인 결함 검출에 기초한 신뢰성 결정을 위한 방법(600)을 도시하는 블록도이다. 훈련 모집단에 기초한 전역 결함 한계는 다수의 최상위 이상치 다이를 신뢰성 있게 제거할 수 있고 런타임 동안 각각의 모집단에 기초한 동적 한계에 기초하여 이상치 다이의 보다 민감하고 정확한 식별을 용이하게 할 수 있다는 것이 본 명세서에서 고려된다. 특히, 정적 전역 결함 한계로 최상위 이상치 다이를 제거하면 모집단 내의 더 미묘한 이상치를 식별하기가 더 쉬울 수 있다.

일 실시예에서, 방법(600)은 정적 전역 결함 한계를 결정하는 단계(602)를 포함한다. 예를 들어, 정적 전역 결함 한계는, 훈련 모집단에 대한 검사 데이터를 생성하고, 선택된 가중 결함 모델에 따라 가중 결함을 집계하는 것에 기초하여 훈련 모집단에 대한 결함 점수를 생성하고, 훈련 모집단 내의 다이에 대한 결함 점수에 기초하여 훈련 모집단의 이상치 다이를 결정하며, 훈련 모집단의 이상치 다이를 훈련 모집단의 나머지로부터 분리하는 결함 점수의 컷오프 값으로서 정적 전역 결함 한계를 정의함으로써 결정될 수 있다. 이러한 방식으로, 정적 전역 결함 한계는 도 3b에 도시된 단계(308-312)를 훈련 모집단에 적용함으로써 생성될 수 있지만 반드시 그럴 필요는 없다. 다른 예로서, 정적 전역 결함 한계는 경제적 또는 수율 고려 사항 또는 한계에 기초하여 결정될 수 있다. 예를 들어, 정적 전역 결함 한계는 가장 결함이 있는 선택된 백분율의 다이(예를 들어, 모집단에서 가장 결함이 있는 1%의 다이)를 잉크 오프하는 것을 포함할 수 있다. 또한, 정적 전역 결함 한계는 총 또는 순 생산 수를 기반으로 할 수 있다. 이러한 방식으로, 정적 전역 결함 한계는 전기 테스트에 실패하여 잉크 오프되는 다이를 포함하거나 제외할 수 있다. 예를 들어, 총 생산 수에 적용되는 정적 전역 결함 한계는 훈련 모집단에 대한 결함 점수를 생성하고, 가장 결함이 있는 1%의 다이를 모집단의 나머지로부터 분리하는 결함 점수 값을 식별하며, 미래의 모집단에 대해 잉크 오프될 이상치 다이를 식별하도록 이 결함 점수 값을 정적 전역 결함 한계로 사용하는 것을 포함할 수 있다. 다른 예로서, 순 생산 수에 적용되는 정적 전역 결함 한계는 훈련 모집단에 대한 결함 점수를 생성하고, 모집단에서 전기 테스트에 실패한 다이를 제거하고, 감소된 모집단 내의 가장 결함이 있는 1%의 다이를 이 모집단의 나머지로부터 분리하는 결함 점수 값을 식별하며, 미래의 모집단에 대해 잉크 오프될 이상치 다이를 식별하도록 이 결함 점수 값을 정적 전역 결함 한계로 사용하는 것을 포함할 수 있다.

다른 실시예에서, 방법(600)은 정적 전역 결함 한계를 런타임 모집단에 적용하는 단계(604)를 포함한다. 다른 실시예에서, 방법(600)은 런타임 모집단으로부터 정적 전역 결함 한계를 통과하지 않는 런타임 모집단 내의 다이로서 제1 이상치 다이 세트를 식별하는 단계(606)를 포함한다. 이러한 방식으로, 런타임 모집단 내의 다이에 대한 결함 점수를 결정하지 않고 제1 이상치 다이 세트가 식별될 수 있다.

다른 실시예에서, 방법(600)은 정적 전역 결함 한계를 통과하는 런타임 모집단 내의 다이에 대한 검사 데이터를 생성하는 단계(608)를 포함한다. 다른 실시예에서, 방법(600)은 정적 전역 결함 한계를 통과하는 런타임 모집단 내의 다이로부터의 검사 데이터에 기초하여 동적 결함 한계를 결정하는 단계(610)를 포함한다. 이러한 방식으로, 동적 결함 한계는 정적 전역 결함 한계를 통과하는 런타임 모집단의 부분에 도 3b에 도시된 단계(308-312)를 적용함으로써 생성될 수 있지만 반드시 그럴 필요는 없다.

다른 실시예에서, 방법(600)은 정적 전역 결함 한계를 통과하는 런타임 모집단 내의 다이에 동적 결함 한계를 적용하는 단계(612)를 포함한다. 다른 실시예에서, 방법(600)은 동적 결함 한계에 실패한 제2 이상치 다이 세트를 식별하는 단계(614)를 포함한다. 다른 실시예에서, 방법(600)은 제1 및 제2 이상치 다이 세트를 격리(예를 들어, 잉킹)하는 단계(616)를 포함한다. 그런 다음, 제1 및 제2 이상치 다이 세트는 추가 테스트를 받거나 분배 공급 장치에서 제거될 수 있다. 또한, 도 6의 단계(604-616)는 임의의 수의 런타임 모집단에 대해 반복될 수 있다.

정적 및 동적 결함 한계를 결정하는 단계(예를 들어, 도 6의 단계(602) 및 단계(610))는 동일하거나 상이한 가중 결함 모델을 사용하여 수행될 수 있다는 것이 본 명세서에서 추가로 고려된다. 일 실시예에서, 공통 가중 결함 모델이 정적 결함 한계를 결정(예를 들어, 단계(602))하기 위한 훈련 모집단 및 동적 결함 한계를 결정하기 위한 런타임 모집단 모두에 적용된다. 이러한 방식으로, 훈련 모집단과 런타임 모집단 모두의 결함에 동일한 방식으로 가중치가 부여할 수 있다. 다른 실시예에서, 별도의 가중 결함 모델이 훈련 모집단 및 런타임 모집단에 또는 상이한 런타임 모집단 사이에 적용된다. 예를 들어, 특정 가중 방식이 킬러 결함을 식별하도록 설계된 가중 방식과 같은 그러나 이에 제한되지 않는 전역 결함 한계를 통해 결함을 식별하는 데 사용될 수 있다. 그 후, 런타임 모집단에서 더 미묘한 이상치를 식별하기 위해 하나 이상의 상이한 가중 방식이 적용될 수 있다. 다른 예에서, 현재 런타임 모집단에서 사용되는 가중 결함 모델은 하나 이상의 이전 런타임 모집단으로부터의 피드백을 통해 업데이트될 수 있다.

도 3b의 단계(312)를 다시 참조하면, 다른 실시예에서, 모집단 내의 다이의 결함 점수에 기초하여 이상치 다이 세트를 결정하는 단계는 결함 점수에 기초하여 결함의 공간적 서명을 식별하는 단계를 포함하며, 여기서 이상치 다이 세트의 적어도 일부는 다수의 다이에 걸쳐 있는 공간적 결함 패턴을 갖는 다른 다이에 대한 근접성에 기초하여 식별된다. 다시 말해, 이상치 다이 세트를 결정하는 것은 결함 유도 G-PAT 기술을 포함할 수 있다. 또한, 일부 실시예에서, 공간적 결함 서명의 분석은 샘플(104)에 걸친 다이에 대한 결함 점수를 포함할 수 있을 뿐만 아니라 전기 테스트 결과(예를 들어, 전기 테스트 도구(108)에 의해 생성됨)와 같은 그러나 이에 제한되지 않는 추가적인 신뢰성 결정을 포함할 수 있다.

도 7은 본 개시의 하나 이상의 실시예에 따른 G-PAT 분석의 일반 원리를 도시하는 다이 맵을 포함한다. 특히, 도 7은 제1 샘플(104a)의 제1 다이 맵(702a) 및 제2 샘플(104b)의 제2 다이 맵(702b)을 포함하며, 여기서 불량 다이는 빗금으로 도시되고 허용 가능한 다이는 개방된 것으로 도시된다. 예를 들어, 기존의 G-PAT 분석에서, 빗금친 불량 다이는 전기 테스트에 실패한 다이일 수 있다.

G-PAT 분석의 기본 원리는 양호한 것으로 추정되는 다이(예를 들어, 전기 테스트를 통과한 다이)이지만, 그럼에도 불구하고 샘플(104)에서 양호한 것으로 추정되는 다른 다이보다 초기 수명 불량 확률이 통계적으로 더 높을 수 있는 불량 다이 클러스터(예를 들어, 전기 테스트에 실패한 다이)에 있다는 것이다. 이러한 다이는 "불량 이웃 내의 양호한 다이"(good die in a bad neighborhood; GDBN)로 간주되며 G-PAT 분석에서 이상치로 식별될 수 있다. 예를 들어, 삽입도(706)에 도시된 제1 샘플(104a) 상의 다이(704a)는 양호한 것으로 추정되는 다른 다이로 둘러싸인 양호한 것으로 추정되는 다이인 반면, 삽입도(708)에 도시된 제2 샘플(104b) 상의 다이(704b)는 불량 다이로 둘러싸인 양호한 것으로 추정되는 다이이다. 따라서, G-PAT 분석은 다이(704b)를 잉크 오프될 이상치 다이로 식별할 수 있다.

G-PAT 방법론은 본 개시 전체에 걸쳐 설명된 결함 점수와 같은 그러나 이에 제한되지 않는 인라인 결함 데이터에 의해 안내될 수 있다는 것이 본 명세서에서 고려된다.

예를 들어, G-PAT 분석에서 불량 다이의 정의는 전기 테스트를 통과했지만 선택된 임계값보다 높은 결함 점수를 가진 다이까지 확장될 수 있다. 예를 들어, 본 명세서에서 이전에 설명된 바와 같이, I-PAT 방법론은 테스트 가능 영역 또는 테스트 불가능 영역 모두에서 실제 또는 예측된 동작 불량을 초래할 수 있는 킬러 결함을 식별하는 데 사용될 수 있다. 다른 예에서, G-PAT 분석의 결함 다이는 (예를 들어, 위의 도 3b의 단계(308-312)와 관련하여 설명된 바와 같이) 임의의 선택된 가중 결함 모델에 기초하여 이상치로서 식별된 다이를 포함할 수 있다.

다른 예로서, G-PAT 분석에서 불량 다이의 개념은 이진법일 필요는 없다. 오히려, 다이의 결함 점수는 공간적 G-PAT 분석에 포함될 수 있는 신뢰성의 비-이진 지표를 나타낼 수 있다.

다른 예로서, 결함 데이터는 G-PAT 분석을 통해 잉크 오프되기 쉬운 다이의 범위를 제한하거나 제약할 수 있다. 예를 들어, 일반적인 G-PAT 분석은 선택된 수의 불량 다이(예를 들어, 2개 이상의 불량 다이)에 인접한 경우 다이를 잉크 오프할 수 있다. 그러나, 이러한 유형의 분석은 오류(예를 들어, 오버킬 또는 언더킬)에 매우 취약하며, 엄격한 신뢰성 표준이 필요한 애플리케이션에는 적합하지 않을 수 있다. 예를 들어, 다수의 다이에 걸쳐 연장되는 스크래치를 포함하는 샘플(104)의 경우, 스크래치 서명의 중앙 또는 많은 절단 부분에 있는 여러 다이가 전기 테스트에 실패하고 실패한 다이로 식별될 수 있다. 그러나, 일반적인 G-PAT 분석은 전체 스크래치 서명에 걸친 다이를 식별하지 못할 수 있으며(예를 들어, 언더킬), 불량 다이에 근접하지만 스크래치 서명 내에 있지 않으므로 스크래치된 다이와 동일한 이유로 불량일 가능성이 없는 다이를 실수로 잉크 오프할 수 있다(예를 들어, 오버킬).

일부 실시예에서, 결함 또는 불량 다이의 공간 패턴(본 명세서에 제공된 불량 다이의 더 넓은 정의를 고려함)은 이상치 다이의 식별을 제한할 수 있다. 예를 들어, 선택된 수의 불량 다이에 근접한 모든 다이를 잉킹하는 대신에, 결함의 공간 패턴과 연관된 다이만이 이상치 다이로 간주될 수 있다. 위의 스크래치 서명의 예를 계속하면, 본 개시의 실시예는 단지 인접한 불량 다이의 수를 고려하는 것보다 그들이 공간적 결함 서명의 일부인지 여부에 기초하여 다이를 이상치로 식별할 수 있다.

도 3c는 본 개시의 하나 이상의 실시예에 따른 결함 유도 G-PAT 방법론의 일부로서 결함 점수에 기초하여 결함의 공간적 서명을 식별하는 것을 포함하는 모집단 내의 다이의 결함 점수에 기초하여 이상치 다이 세트를 결정하는 것(예를 들어, 방법(300)의 단계(312))과 연관된 단계(또는 하위 단계)를 도시하는 흐름도이다. 도 3c는 도 3b와 연관된 설명이 도 3c에도 적용될 수 있도록 도 3b와 여러 단계(또는 하위 단계)를 공유한다.

일 실시예에서, 단계(312)는 샘플(104) 상의 복수의 다이의 결함 점수 또는 가중 결함 중 적어도 하나에 기초하여 샘플(104) 상의 하나 이상의 공간적 결함 서명을 식별하는 단계(314)를 포함한다. 다른 실시예에서, 단계(312)는 이상치 다이 세트의 일부로서 하나 이상의 공간적 결함 서명 내의 다이를 분류하는 단계(316)를 포함한다.

공간적 결함 서명을 식별하는 단계(314)는 다수의 방식으로 수행될 수 있다는 것이 본 명세서에서 고려된다.

일 실시예에서, 공간적 결함 서명은 결함 점수(예를 들어, 단계(310)에서 생성됨)로부터 적어도 부분적으로 식별된다. 예를 들어, 다이의 색상 또는 기타 식별 가능한 특성이 해당 다이에 대한 결함 점수를 나타내는 다이 맵이 생성될 수 있다. 이러한 방식으로, 공간적 결함 서명은 다이 레벨 해상도로 식별될 수 있다.

일 실시예에서, 공간적 결함 서명은 가중 결함(예를 들어, 단계(308)에서 가중된 결함)의 공간적 분포로부터 적어도 부분적으로 식별된다. 이러한 방식으로, 공간적 결함 서명은 샘플(104)에 걸친 결함의 특정 분포에 기초하여 서브-다이 해상도로 식별될 수 있다. 예를 들어, 다양한 관심 층으로부터의 적층된 가중 결함을 포함하는 다이 맵이 생성되어 샘플 전체에 걸친 결함의 그래픽 표현을 제공할 수 있다. 예를 들어, 상이한 가중치를 갖는 결함은 상이한 색상, 기호 또는 기타 차별화된 특성으로 표현될 수 있다. 다른 예에서, 적어도 특정 가중치를 갖는 모든 결함이 다이 맵에 제공될 수 있다. 또한, 가중 결함을 사용하면 신뢰성에 영향을 미칠 가능성이 더 높은 결함을 강조하고 방해 결함을 필터링할 수 있다(예를 들어, 추가 분석에서 제외하기 위해 0으로 가중치가 적용될 수 있음).

다른 실시예에서, 공간적 결함 서명은 불량 다이의 위치에 의해 적어도 부분적으로 식별된다. 본 명세서에서 이전에 설명된 바와 같이, 불량 다이는 하나 이상의 전기 테스트(예를 들어, 전기 테스트 도구(108)에 의해 수행됨)에 실패한 다이, 다이의 테스트 가능 또는 테스트 불가능 영역에서 킬러 결함을 갖는 것으로 식별된 다이, 또는 이들의 조합을 포함할 수 있다.

또한, 공간적 결함 서명이 본 개시의 사상 및 범위 내에서 다양한 방식으로 식별될 수 있다는 것이 본 명세서에서 고려된다. 또한, 공간적 결함 서명은 통계적 또는 이미지 기반 인식 기술의 임의의 조합을 사용하여 식별될 수 있다.

일 실시예에서, 불량 다이, 결함 점수, 및 가중 결함의 위치(예를 들어, 0으로 가중되지 않고 방해 결함으로 분류되지 않은 결함의 위치)의 임의의 조합을 포함하는 다이 맵이 이미지 기반 공간적 서명 인식 알고리즘에 이미지로서 제공될 수 있다. 또한, 이미지 기반 공간적 서명 인식 알고리즘은 규칙 기반 기술, 패턴 매칭 기술 또는 기계 학습 기술을 포함하지만 이에 제한되지 않는 당업계에 공지된 임의의 유형의 공간적 서명 인식 알고리즘을 포함할 수 있다. 예를 들어, 규칙 기반 기술은 결함 클러스터(예를 들어, 샘플 상의 특정 영역 내의 결함) 또는 정의된 서명(예를 들어, 선, 호, 링 등)을 따라 놓여 있는 결함을 식별할 수 있다. 다른 예로서, 패턴 매칭 기술은 공지된 결함 서명(예를 들어, 나선, 호, 절단선 서명 등)에 대한 결함 분포를 분석할 수 있다. 또한, 일부 실시예에서, 공간적 결함 서명의 패턴 식별을 용이하게 하기 위해 층 고유 정보가 사용될 수 있다. 예를 들어, 이는 특정 층이 해당 층과 연관된 제조 단계에 공통적인 공지된 웨이퍼 레벨 서명을 갖는 경우일 수 있다. 예를 들어, 화학적 기계적 평탄화(Chemical-Mechanical-Planarization; CMP) 또는 스핀온 필름 증착이 사용되는 층에 대해 소용돌이 모양 또는 곡선형 결함 서명이 일반적일 수 있다. 이러한 방식으로, 공간적 결함 서명 인식에 사용되는 기술은 샘플 층에 따라 다를 수 있다.

다른 실시예에서, 공간적 결함 서명은 통계적 이상치 검출 알고리즘을 사용하여 식별된다. 다른 실시예에서, 공간적 결함 서명은 사용자 입력 또는 사용자 안내 입력을 통해 적어도 부분적으로 식별된다. 예를 들어, 다이 맵은 공간 패턴의 식별을 위해 사용자에게 제시될 수 있고, 이는 사용자 인터페이스(116)를 사용하여 입력될 수 있다. 다른 예로서, 검토 및/또는 수정을 위해 알고리즘으로 식별된 공간 패턴의 결과가 사용자에게 제시될 수 있다.

이제 도 8a 내지 도 9c를 참조하면, 결함 유도 G-PAT가 본 개시의 하나 이상의 실시예에 따라 더 상세하게 설명된다.

도 8a 및 도 8b는 전기 테스트의 실패에 의해 식별된 불량 다이 기반의 기존의 G-PAT 방법론을 개선하기 위해 결함의 사용을 개념적으로 도시한다. 도 8a는 본 개시의 하나 이상의 실시예에 따른 독립형 G-PAT 기술로 이상치 다이를 식별하는 개략도이다. 도 8a는 샘플(104)에 걸쳐 분포된 많은 다이(804)를 갖는 샘플(104)의 제1 평면도(802)를 포함하며, 여기서 전기 테스트에 실패한 다이는 불량 다이(806)로 식별되고 폐쇄형(실선) "X"로 도시되어 있다. 도 8a는 개방형 "X"로 표시된 불량 다이(806)에 근접한 다이가 독립형 G-PAT 기술에 의해 이상치 다이(810)로 식별되고 잉크 오프되는 샘플(104)의 제2 평면도(808)를 더 포함한다. 이 시뮬레이션에서, 기존의 G-PAT는 불량 다이(806)에 인접한 모든 다이를 이상치 다이(810)로 식별한다.

도 8b는 본 개시의 하나 이상의 실시예에 따른 결함 유도 G-PAT 기술로 이상치 다이를 식별하는 개략도이다. 도 8b는 샘플(104)의 제1 평면도(812)를 포함하며, 이는 도 8a의 제1 평면도(802)와 유사하지만, 샘플(104) 상의 4개의 스크래치와 연관된 공간적 결함 서명(816)의 오버레이 뿐만 아니라 가중 결함(814)의 오버레이를 더 포함한다. 일 실시예에서, 스크래치와 연관된 공간적 결함 서명(816)이 식별된다. 예를 들어, 공간적 결함 서명(816)은 불량 다이(806)의 공간 패턴, 가중 결함(814)의 공간 패턴, 또는 결함 점수에 기초하여 식별된 이상치 다이의 공간 패턴의 임의의 조합에 기초하여 식별될 수 있다.

도 8b는 결함 유도 G-PAT를 사용하여 식별된 이상치 다이(810)가 개방형 "X"로 표시되어 있는 샘플(104)의 제2 평면도(818)를 더 포함한다. 도 8b에서, 불량 다이(806)는 가중 결함(814) 및/또는 연관된 결함 점수에 의해 적어도 부분적으로 식별 가능한 샘플(104)에 걸친 곡선 스크래치와 연관된 더 큰 공간적 결함 서명(816)과 연관된다. 이러한 방식으로, 이상치 다이(810) 세트는 공간적 결함 서명(816)(예를 들어, 스크래치)과 연관된 근본 원인과 보다 정확하게 관련될 수 있는 다이를 포함할 수 있다. 예를 들어, 도 8b는 도 8a의 기존의 G-PAT 방법론에서 식별되지 않은 공통 스크래치 경로와 연관된 두 세트의 불량 다이(806) 사이의 이상치 다이(810)의 그룹(820)의 식별을 도시한다. 이러한 방식으로, 결함 유도 G-PAT는 신뢰성 문제가 있을 가능성이 있는 다이를 식별하여 언더킬을 감소시켰다. 다른 예로서, 이상치 다이(810) 세트는 스크래치의 공간적 결함 서명(816) 사이에 방사상으로 위치된 다이(822)(도 8a에 도시됨)를 포함하지 않는데, 그 이유는 이들 다이가 스크래치에 의해 영향을 받지 않을 가능성이 있기 때문이다. 이들 다이가 도 8a에서 이상치 다이(810)로 식별되었다는 것을 감안할 때, 도 8b의 결함 유도 접근 방식은 오버킬을 감소시켰다.

도 9a 내지 도 9c는 본 개시의 하나 이상의 실시예에 따른 3개의 예시적인 다이에 대한 결함 유도 G-PAT 방법론의 실험적 구현을 도시한다. 도 9a 내지 도 9c는 샘플(104) 상의 다이(910)에 걸쳐 가중 결함(908)(예를 들어, 가중 결함 모델에 기초하여 비-방해 결함으로 간주되는 결함)을 포함하는 다이 맵(902, 904, 906)을 포함한다. 다양한 다이 레벨 정보가 또한 다이 맵에 포함될 수 있다. 예를 들어, 전기 테스트에 실패한 e-테스트 불량 다이(912)는 왼쪽 하단에서 오른쪽 상단으로 대각선으로 빗금친 실선으로 도시되어 있다. 다른 예로서, e-테스트 불량 다이(912)에 대한 G-PAT 기술의 적용에만 기초하여 식별된 기존의 G-PAT 이상치 다이(914)는 수평 빗금으로 도시되어 있다. 다른 예로서, 가중 결함(908)에 의해 유도된 G-PAT 방법론에 기초하여 식별된 결함 유도 G-PAT 이상치 다이(916)는 대시 빗금으로 도시되어 있다. 추가적으로, 비록 도시되지는 않았지만, 도 9a 내지 도 9c에 도시된 것과 같은 다이 맵은 결함 점수를 포함할 수 있다. 예를 들어, 다이는 결함 점수에 기초하여 채색되거나 빗금쳐지거나 다른 식으로 지정될 수 있다.

일 실시예에서, 도 9a 내지 도 9c에 도시된 것과 같은 그러나 이에 제한되지 않는 다이 맵이 공간적 결함 서명의 검출을 위한 입력으로서 제공된다. 이러한 방식으로, 공간적 결함 서명은 공통 근본 원인과 연관된 결함 그룹을 식별할 수 있으며, 이는 그런 다음 이러한 공간적 결함 서명과 연관된 이상치 다이를 결정하기 위한 G-PAT 방법론을 안내하는 데 사용될 수 있다. 예를 들어, 공간적 결함 서명은 전기 테스트를 통과할 수 있지만 그럼에도 불구하고 모집단 내의 다른 다이보다 초기 수명 불량 가능성(예를 들어, 잠재적 결함이 있음)이 더 높을 수 있는 이상치 다이를 식별하기 위해 전기 테스트 데이터(예를 들어, e-테스트 불량 다이(912))와 결합될 수 있지만 반드시 그럴 필요는 없다.

도 9a 내지 도 9c에 도시된 바와 같이, e-테스트 불량 다이(912)에만 기초한 기존의 G-PAT 기술은 일반적으로 공간적 결함 서명과 연련된 심각한 위험 다이를 캡처하지 못할 수 있다. 예를 들어, 기존의 G-PAT 이상치 다이(914)는 불량 다이(806)에 의해 크게 둘러싸여 있거나 에지 근처에 있는 결함 클러스터(918)와 연관된 일부 다이를 적절하게 포함한다. 그러나, 기존의 G-PAT 기술은 종종 결함 클러스터(918)의 전체 범위를 포착하지 못한다. 또한, 기존의 G-PAT 기술은 종종, 특히 스크래치 패턴이 대각선 방향으로 다이를 가로질러 걸쳐 있는 경우, 다수의 다이에 걸쳐 있는 긴 선형 또는 곡선 스크래치 패턴(920)을 따라 위치한 다이를 캡처하지 못한다. 대조적으로, 이들 다이는 본 명세서에 개시된 바와 같이 결함 유도 접근 방식을 사용하여 캡처되었고 결함 유도 G-PAT 이상치 다이(916) 세트에 포함된다.

대조적으로, 이러한 다이는 결함 유도 G-PAT 접근 방식에 의해 보다 신뢰할 수 있게 캡처되고 결함 유도 G-PAT 이상치 다이(916)에 포함된다. 본 명세서에서 도 9a 내지 도 9c의 결함 유도 G-PAT 이상치 다이(916)는 결함 유도 접근 방식의 이점을 명확하게 구별하기 위해 기존의 G-PAT 기술에 의해 기존의 G-PAT 이상치 다이(914)로 식별되지 않은 이상치 다이만을 도시한다는 점에 유념한다. 도 9a 내지 도 9c에 도시되지 않았지만, 결함 유도 G-PAT 이상치 다이(916)는 또한 도 8a 및 도 8b에 대해 일반적으로 설명된 바와 같이 기존의 G-PAT 이상치 다이(914)의 적어도 일부를 포함할 수 있지만 반드시 전부를 포함하는 것은 아니다.

이제 일반적으로 도 3a 및 도 3b를 참조하면, 가중 결함에 기초하여 이상치 다이 세트를 식별(예를 들어, 방법(300)의 단계(304))하기 위한 수많은 기술이 본 명세서에 개시되어 있다. 본 명세서에 제공된 특정 예 및 예시는 단지 예시 목적으로 제공되며 본 개시를 제한하는 것으로 해석되어서는 안 된다는 것이 또한 이해되어야 한다.

상이한 기술이 특정 결함에 대한 민감도, 처리량, 또는 계산 요구 사항을 포함하는 임의의 수의 요인과 관련된 상이한 장점 및 단점을 가질 수 있다는 것이 본 명세서에서 추가로 고려된다.

일 실시예에서, 방법(300)은 다수의 상이한 기술을 사용하여 단계(304)를 반복하는 것을 포함할 수 있고, 여기서 각각의 반복은 상이한 이상치 다이 후보 세트를 제공한다. 그런 다음, 방법(300)은 후보 세트에 기초하여 이상치 다이 출력 세트를 식별하는 단계를 더 포함할 수 있다. 이와 관련하여, 이상치 다이 출력 세트는 상이한 접근 방식의 다양한 강점을 활용하기 위해 앙상블 접근 방식을 사용하여 생성될 수 있다. 또한, 앙상블 접근 방식은 이상치 다이 선택에 더 큰 확신을 제공할 수 있으며, 이는 동시에, 상이한 기술을 통해 다양한 결함 유형 및 클래스를 캡처하여 언더킬을 감소시킬 수 있고, 어느 한 기술과 연관된 오버킬의 영향을 제한하여 오버킬을 전반적으로 감소시키며, 고위험 다이를 정확하게 식별함으로써 전체 생산 라인의 신뢰성을 향상시킬 수 있다.

또한, 이상치 다이 출력 세트는 다양한 접근 방식을 사용하여 후보 세트에 기초하여 생성될 수 있다. 예를 들어, 특정 다이가 선택된 수의 이상치 다이 후보 세트(예를 들어, 2개 이상, 3개 이상 등)에서 식별되는 경우 특정 다이는 이상치 다이 출력 세트로 분류될 수 있다. 이 접근 방식을 사용하여 여러 기술로 특정 다이를 식별하면 분류의 확신을 높일 수 있다. 유사하게, 하나(또는 상대적으로 적은 수)의 기술로 식별된 다이는 상대적으로 위험이 낮을 수 있다. 다른 예로서, 다양한 기술 자체(및 연관된 결함 후보 세트)가 최종 결정에서 가중될 수 있다. 예를 들어, 특정 기술이 특정 결함 유형(예를 들어, 킬러 결함, 스크래치 결함 등)의 식별에 매우 적합한 경우, 해당 기술에 의해 식별된 다이에는 이러한 결함 유형의 정확한 검출을 용이하게 하기 위해 더 높은 가중치가 부여될 수 있다.

본 명세서에 설명된 주제는 때때로 다른 구성 요소 내에 포함되거나 다른 구성 요소와 연결된 상이한 구성 요소를 나타낸다. 이와 같이 도시된 아키텍처는 단지 예시일 뿐이며 실제로 동일한 기능을 달성하는 많은 다른 아키텍처가 구현될 수 있음을 이해해야 한다. 개념적 의미에서, 동일한 기능을 달성하기 위한 구성 요소의 임의의 배열은 원하는 기능이 달성되도록 효과적으로 "연관"된다. 따라서, 특정 기능을 달성하기 위해 본 명세서에서 결합된 임의의 2개의 구성 요소는 아키텍처 또는 중간 구성 요소에 관계없이 원하는 기능이 달성되도록 서로 "연관"된 것으로 볼 수 있다. 마찬가지로, 이와 같이 연관된 임의의 2개의 구성 요소는 원하는 기능을 달성하기 위해 서로 "연결" 또는 "결합"된 것으로 볼 수 있으며, 이와 같이 연관될 수 있는 임의의 2개의 구성 요소는 원하는 기능을 달성하기 위해 서로 "결합 가능"한 것으로 볼 수도 있다. 결합 가능의 구체적인 예는 물리적으로 짝을 이룰 수 있는 및/또는 물리적으로 상호 작용하는 구성 요소 및/또는 무선으로 상호 작용할 수 있는 및/또는 무선으로 상호 작용하는 구성 요소 및/또는 논리적으로 상호 작용하는 및/또는 논리적으로 상호 작용할 수 있는 구성 요소를 포함하지만 이에 제한되지 않는다.

본 개시 및 본 개시의 많은 부수적인 장점들이 전술한 설명에 의해 이해될 것으로 믿어지며, 개시된 주제를 벗어나지 않거나 본 개시의 모든 물질적 장점들을 희생시키지 않는 다양한 변경들이 구성 요소의 형태, 구성, 및 배열에 이루어질 수 있다는 것이 명백할 것이다. 설명된 형태는 단지 설명적인 것이며, 이러한 변경을 아우르고 포함하는 것은 다음의 청구 범위의 의도이다. 또한, 본 발명은 첨부된 청구 범위에 의해 정의되는 것으로 이해되어야 한다.

Claims (33)

1. 검사 시스템에 있어서,
   하나 이상의 인라인 샘플 분석 도구에 통신 가능하게 결합된 제어기
   를 포함하며,
   상기 제어기는 하나 이상의 프로세서로 하여금:
   상기 하나 이상의 인라인 샘플 분석 도구 중 적어도 하나로부터 수신된 데이터에 기초하여 다이 모집단에서 결함을 식별하고;
   가중 결함 모델을 사용하여 상기 식별된 결함에 가중치를 할당하고 - 상기 가중 결함 모델은 상기 다이의 신뢰성에 대한 상기 식별된 결함의 예측된 영향을 나타내는 가중치를 상기 식별된 결함에 할당함 - ;
   상기 모집단 내의 상기 각각의 다이에서 상기 가중 결함을 집계함으로써 상기 모집단 내의 상기 다이에 대한 결함 점수를 생성하며;
   상기 모집단 내의 상기 다이에 대한 상기 결함 점수에 기초하여 이상치 다이 세트 - 상기 이상치 다이 세트의 적어도 일부는 상기 모집단으로부터 격리됨 - 를 결정하도록 하는
   프로그램 명령어를 실행하도록 구성된 하나 이상의 프로세서를 포함하는 것인, 검사 시스템.
2. 제1항에 있어서, 상기 하나 이상의 인라인 샘플 분석 도구는:
   검사 도구 또는 계측 도구 중 적어도 하나를 포함하는 것인, 검사 시스템.
3. 제1항에 있어서, 상기 모집단으로부터 상기 이상치 다이 세트의 적어도 일부를 격리하는 것은:
   분배 공급 장치에서 상기 격리된 다이를 제거하는 것을 포함하는 것인, 검사 시스템.
4. 제1항에 있어서, 상기 모집단으로부터 상기 이상치 다이 세트의 적어도 일부를 격리하는 것은:
   상기 격리된 다이에 하나 이상의 성능 테스트를 적용하는 것을 포함하는 것인, 검사 시스템.
5. 제1항에 있어서, 상기 모집단으로부터 상기 이상치 다이 세트의 적어도 일부를 격리하는 것은:
   적어도 상기 이상치 다이 세트의 상기 결함 점수를 검토를 위해 사용자에게 제공하는 것을 포함하는 것인, 검사 시스템.
6. 제5항에 있어서, 상기 모집단으로부터 상기 이상치 다이 세트의 적어도 일부를 격리하는 것은:
   상기 모집단의 나머지의 상기 결함 점수를 검토를 위해 사용자에게 제공하는 것을 포함하는 것인, 검사 시스템.
7. 제1항에 있어서, 상기 모집단은:
   샘플의 다이, 로트 내의 다수의 샘플의 다이 또는 다수의 로트 내의 샘플의 다이 중 적어도 하나를 포함하는 것인, 검사 시스템.
8. 제1항에 있어서, 상기 가중 결함 모델을 사용하여 상기 식별된 결함에 가중치를 할당하는 것은:
   상기 식별된 결함의 하나 이상의 측정된 특성을 기반으로 하는 가중 결함 모델을 사용하여 상기 식별된 결함에 가중치를 할당하는 것을 포함하는 것인, 검사 시스템.
9. 제8항에 있어서, 상기 식별된 결함의 상기 하나 이상의 측정된 특성은:
   설계 사양으로부터의 편차, 결함 유형, 결함 클래스 또는 결함 심각도 중 적어도 하나를 포함하는 것인, 검사 시스템.
10. 제1항에 있어서, 상기 가중 결함 모델을 사용하여 상기 식별된 결함에 가중치를 할당하는 것은:
    특정 결함과 하나 이상의 추가 식별된 결함 간의 관계를 기반으로 하는 가중 결함 모델을 사용하여 상기 식별된 결함에 가중치를 할당하는 것을 포함하는 것인, 검사 시스템.
11. 제10항에 있어서, 상기 특정 결함과 상기 하나 이상의 추가 식별된 결함 간의 상기 관계는:
    특정 층의 결함 밀도, 다수의 층에 걸친 특정 위치의 결함 밀도, 또는 공간적 결함 패턴 중 적어도 하나를 포함하는 것인, 검사 시스템.
12. 제1항에 있어서, 상기 가중 결함 모델을 사용하여 상기 식별된 결함에 가중치를 할당하는 것은:
    상기 식별된 결함을 둘러싸는 하나 이상의 층의 측정된 특성을 기반으로 하는 가중 결함 모델을 사용하여 상기 식별된 결함에 가중치를 할당하는 것을 포함하는 것인, 검사 시스템.
13. 제12항에 있어서, 상기 식별된 결함을 둘러싸는 하나 이상의 층의 상기 측정된 특성은:
    층 두께, 층 조성, 층 평탄도, 층 지형, 층 저항률, 국부적 응력 측정, 또는 상기 식별된 결함을 둘러싸는 하나 이상의 패턴화된 피처의 임계 치수 측정 중 적어도 하나를 포함하는 것인, 검사 시스템.
14. 제1항에 있어서, 상기 가중 결함 모델을 사용하여 상기 식별된 결함에 가중치를 할당하는 것은:
    하나 이상의 정의된 관리 영역의 위치를 기반으로 하는 가중 결함 모델을 사용하여 상기 식별된 결함에 가중치를 할당하는 것을 포함하는 것인, 검사 시스템.
15. 제14항에 있어서, 상기 하나 이상의 관리 영역 중 적어도 하나는:
    전기 테스트 도구에 의해 테스트되지 않은 하나 이상의 테스트 탈출 영역을 포함하고, 상기 가중 결함 모델은 상기 하나 이상의 테스트 탈출 영역의 결함 식별을 용이하게 하기 위해 상기 하나 이상의 테스트 탈출 영역의 결함에 상대적으로 높은 가중치를 할당하는 것인, 검사 시스템.
16. 제1항에 있어서, 상기 가중 결함 모델을 사용하여 상기 식별된 결함에 가중치를 할당하는 것은:
    결함 속성 라이브러리 또는 기계 학습 기술 중 적어도 하나를 통해 신뢰성 문제의 실측 자료 지표를 기반으로 하는 가중 결함 모델을 사용하여 상기 식별된 결함에 가중치를 할당하는 것을 포함하는 것인, 검사 시스템.
17. 제1항에 있어서, 상기 가중 결함 모델을 사용하여 상기 식별된 결함에 가중치를 할당하는 것은:
    상기 식별된 결함을 선택된 수의 가중 클래스로 분류하는 것을 포함하는 것인, 검사 시스템.
18. 제17항에 있어서, 상기 선택된 수의 가중 클래스는 3개의 가중 클래스를 포함하는 것인, 검사 시스템.
19. 제17항에 있어서, 상기 가중 클래스 중 적어도 하나는 즉각적인 또는 초기 수명 불량 중 적어도 하나를 야기할 것으로 예측되는 킬러 결함을 포함하는 것인, 검사 시스템.
20. 제17항에 있어서, 상기 가중 클래스 중 적어도 하나는 0으로 가중된 방해 결함을 포함하는 것인, 검사 시스템.
21. 제1항에 있어서, 상기 모집단 내의 상기 다이에 대한 상기 결함 점수에 기초하여 상기 이상치 다이 세트를 결정하는 것은:
    상기 결함 점수에 기초하여 상기 모집단 내의 상기 다이를 정렬하고;
    상기 정렬된 결함 점수에 기초하여 상기 모집단의 나머지로부터 상기 이상치 다이 세트를 분리하는 상기 결함 점수의 컷오프 값을 결정하는 것을 포함하는 것인, 검사 시스템.
22. 제21항에 있어서, 상기 정렬된 다이에 기초하여 상기 모집단의 나머지로부터 상기 이상치 다이 세트를 분리하는 상기 결함 점수의 컷오프 값을 결정하는 것은:
    상기 정렬된 결함 점수를 플롯팅하는 이상치 차트를 생성하고;
    상기 이상치 차트에 기초하여 상기 모집단의 나머지로부터 상기 이상치 다이 세트를 분리하는 상기 결함 점수의 컷오프 값을 결정하는 것을 포함하는 것인, 검사 시스템.
23. 제1항에 있어서, 상기 모집단 내의 상기 다이에 대한 상기 결함 점수에 기초하여 상기 이상치 다이 세트를 결정하는 것은:
    선택된 임계값 이상의 결함 점수를 갖는 모집단 내의 다이를 상기 이상치 다이 세트로 분류하는 것을 포함하는 것인, 검사 시스템.
24. 제23항에 있어서, 상기 모집단 내의 상기 다이에 대한 상기 결함 점수에 기초하여 상기 이상치 다이 세트를 결정하는 것은:
    상한에 기초하여 상기 이상치 다이 세트 내의 다이의 수를 제한하는 것을 포함하고, 상기 상한은 경제적 제한 또는 수율 제한 중 적어도 하나에 기초하여 결정되는 것인, 검사 시스템.
25. 제1항에 있어서, 상기 모집단 내의 상기 다이에 대한 상기 결함 점수에 기초하여 상기 이상치 다이 세트를 결정하는 것은:
    다이의 훈련 모집단에 기초하여 전역 결함 한계를 정의하고;
    상기 전역 결함 한계 이상의 결함 점수를 갖는 모집단 내의 다이를 상기 이상치 다이 세트로 분류하는 것을 포함하는 것인, 검사 시스템.
26. 제25항에 있어서,
    상기 전역 결함 한계를 통과하는 다이 모집단에 기초하여 동적 결함 한계를 정의하고;
    상기 동적 결함 한계 이상의 결함 점수를 갖는 모집단 내의 다이를 상기 이상치 다이 세트로 추가 분류하는 것을 포함하는 것인, 검사 시스템.
27. 제1항에 있어서, 상기 모집단 내의 상기 다이에 대한 상기 결함 점수에 기초하여 상기 이상치 다이 세트를 결정하는 것은:
    샘플 내의 상기 모집단의 상기 다이와 연관된 가중 결함 또는 결함 점수 중 적어도 하나를 포함하는 다이 맵을 생성하고;
    상기 샘플 내의 상기 다이와 연관된 가중 결함 또는 결함 점수 중 적어도 하나에 기초하여 상기 샘플 상의 하나 이상의 공간적 결함 서명을 식별하고;
    상기 이상치 다이 세트에 상기 하나 이상의 공간적 결함 서명 내의 결함을 분류하는 것을 포함하는 것인, 검사 시스템.
28. 제27항에 있어서, 상기 다이 맵은 전기 테스트에 실패한 불량 다이를 더 포함하고, 상기 샘플 상의 상기 하나 이상의 공간적 결함 서명을 식별하는 것은:
    상기 불량 다이에 적어도 부분적으로 기초하여 상기 샘플 상의 상기 하나 이상의 공간적 결함 서명을 식별하는 것을 포함하는 것인, 검사 시스템.
29. 제1항에 있어서, 상기 모집단은:
    전기 테스트를 통과한 다이를 포함하는 것인, 검사 시스템.
30. 제1항에 있어서,
    상기 하나 이상의 샘플 분석 도구 중 적어도 하나
    를 더 포함하는 검사 시스템.
31. 검사 방법에 있어서,
    하나 이상의 인라인 샘플 분석 도구로부터 수신된 검사 데이터에 기초하여 다이 모집단에서 결함을 식별하는 단계;
    가중 결함 모델을 사용하여 상기 식별된 결함에 가중치를 할당하는 단계 - 상기 가중 결함 모델은 상기 다이의 신뢰성에 대한 상기 식별된 결함의 예측된 영향을 나타내는 가중치를 상기 식별된 결함에 할당함 - ;
    상기 모집단 내의 상기 각각의 다이에서 상기 가중 결함을 집계함으로써 상기 모집단 내의 상기 다이에 대한 결함 점수를 생성하는 단계; 및
    상기 모집단 내의 상기 다이에 대한 상기 결함 점수에 기초하여 이상치 다이 세트를 결정하는 단계 - 상기 이상치 다이 세트의 적어도 일부는 상기 모집단으로부터 격리됨 -
    를 포함하는 검사 방법.
32. 검사 시스템에 있어서,
    하나 이상의 인라인 샘플 분석 도구에 통신 가능하게 결합된 제어기
    를 포함하며,
    상기 제어기는 하나 이상의 프로세서로 하여금:
    상기 하나 이상의 인라인 샘플 분석 도구로부터 수신된 검사 데이터에 기초하여 다이 모집단에서 결함을 식별하고;
    2개 이상의 가중 결함 모델을 사용하여 상기 모집단에서 2개 이상의 후보 이상치 다이 세트를 식별하고 - 상기 2개 이상의 가중 결함 모델 중 특정 가중 결함 모델을 사용하여 상기 2개 이상의 후보 이상치 다이 세트 중 특정 세트를 식별하는 것은,
    상기 특정 가중 결함 모델을 사용하여 상기 식별된 결함에 가중치를 할당하고 - 상기 특정 가중 결함 모델은 상기 다이의 신뢰성에 대한 상기 식별된 결함의 예측된 영향을 나타내는 가중치를 상기 식별된 결함에 할당함 - ;
    상기 모집단 내의 상기 각각의 다이에서 상기 가중 결함을 집계함으로써 상기 모집단 내의 상기 다이에 대한 결함 점수를 생성하며;
    상기 모집단 내의 상기 다이에 대한 상기 결함 점수에 기초하여 상기 2개 이상의 후보 이상치 다이 세트 중 특정 세트를 결정하는 것을 포함함 - ; 및
    상기 2개 이상의 후보 이상치 다이 세트에 기초하여 이상치 다이 출력 세트 - 상기 이상치 다이 출력 세트의 적어도 일부는 상기 모집단으로부터 격리됨 - 를 결정하도록 하는
    프로그램 명령어를 실행하도록 구성된 하나 이상의 프로세서를 포함하는 것인, 검사 시스템.
33. 제32항에 있어서, 상기 2개 이상의 후보 이상치 다이 세트에 기초하여 상기 이상치 다이 출력 세트를 결정하는 것은:
    적어도 선택된 수의 상기 2개 이상의 후보 이상치 다이 세트에서 식별된 다이를 상기 이상치 다이 출력 세트에 분류하는 것을 포함하는 것인, 검사 시스템.

Images