TWI435072B - 時變缺陷分類效能之監視 - Google Patents

時變缺陷分類效能之監視 Download PDF

Info

Publication number
TWI435072B
TWI435072B TW099121738A TW99121738A TWI435072B TW I435072 B TWI435072 B TW I435072B TW 099121738 A TW099121738 A TW 099121738A TW 99121738 A TW99121738 A TW 99121738A TW I435072 B TWI435072 B TW I435072B
Authority
TW
Taiwan
Prior art keywords
population
detection tools
defect
samples
determining
Prior art date
Application number
TW099121738A
Other languages
English (en)
Other versions
TW201128183A (en
Inventor
Brian Duffy
Patrick Huet
Martin Plihal
Thomas Trautzsch
Chris Maher
Original Assignee
Kla Tencor Corp
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 Kla Tencor Corp filed Critical Kla Tencor Corp
Publication of TW201128183A publication Critical patent/TW201128183A/zh
Application granted granted Critical
Publication of TWI435072B publication Critical patent/TWI435072B/zh

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/26—Testing of individual semiconductor devices
    • G01R31/265—Contactless testing
    • G01R31/2656—Contactless testing using non-ionising electromagnetic radiation, e.g. optical radiation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/26—Testing of individual semiconductor devices
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/28—Testing of electronic circuits, e.g. by signal tracer
    • G01R31/2851—Testing of integrated circuits [IC]
    • G01R31/2894—Aspects of quality control [QC]
    • 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
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • G—PHYSICS
    • 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
    • G05B2219/37—Measurements
    • G05B2219/37224—Inspect wafer
    • 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
    • H01L22/10—Measuring as part of the manufacturing process
    • H01L22/12—Measuring as part of the manufacturing process for structural parameters, e.g. thickness, line width, refractive index, temperature, warp, bond strength, defects, optical inspection, electrical measurement of structural dimensions, metallurgic measurement of diffusions
    • 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
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L2924/00—Indexing scheme for arrangements or methods for connecting or disconnecting semiconductor or solid-state bodies as covered by H01L24/00
    • H01L2924/0001—Technical content checked by a classifier
    • H01L2924/0002—Not covered by any one of groups H01L24/00, H01L24/00 and H01L2224/00
    • 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)
  • General Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Electromagnetism (AREA)
  • Health & Medical Sciences (AREA)
  • Toxicology (AREA)
  • Quality & Reliability (AREA)
  • Automation & Control Theory (AREA)
  • Power Engineering (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)

Description

時變缺陷分類效能之監視
本申請案主張2009年7月1日申請之美國臨時申請案第61/222,388號之優先權，該案之全部內容以引用方式併入本文中。
在半導體器件製造中，圖案化及未圖案化晶圓檢測之缺陷分類係基於各種與缺陷相關之參數剖析掃描檢測儀缺陷資料之程序，該等與缺陷相關之參數包含自在缺陷偵測程序期間獲得之資料提取之屬性(例如，修補影像、影像特徵向量、感測器資料串流及類似物)及(在偵測程序期間或之後)自諸如晶片佈局之外部源推導之內容屬性。(見，例如Kulkarni等人之美國專利7,676,077；Zaffar等人之美國專利7,570,796)。此功能可由與各種掃描缺陷檢測工具(例如，明視場圖案化晶圓檢測儀、圖案化或未圖案化暗視場光子光學晶圓檢測儀、電子束光學區域掃描檢測儀及類似物)相關聯之缺陷分類器模組執行。目前分類器維護方法不可量測及利用分類器效能之歷史資訊及時間相依之趨勢。通常，可觀察一分類器之效能之特設(ad hoc)快照，且其中效能降級，可推斷需要改變分類器。接著收集生產資料且用於更新分類器。
依賴降級之分類器效能以觸發效能之稽查之當前方法未能利用關於分類器效能隨時間變化之所有資訊。因此，此等方法不提供相對於一基線而量化該分類器之行為之改變的任何構件。尤其是，不提供任何方式以量化或甚至識別該分類器效能改變是否係歸因於反映在缺陷性質中之程序波動之不穩定性或是否係由於缺陷類型之間相對種群之一改變。實情為，當前分類器維護方法使用特設定性資訊而不是在過去若干生產運作時間(production run)期間收集之累積統計資訊。
此等特設度量缺乏量化從一生產晶圓至另一生產晶圓正在發生或預期發生之分類效能之變動的能力。此外，此等特設度量不考慮檢測儀工具硬體及檢測儀靈敏度。此等缺點之後果係在分類維護業務程序中可發生欠校正及過校正，其可使製造置於誤讀缺陷檢測資料之有效性的風險。
本發明揭示用於監視時變分類效能之系統及方法。
一種方法可包含但不限於：從一或多個掃描檢測工具接收指示一或多個樣本之一或多個性質之一或多個信號；根據一或多個分類規則至自該一或多個掃描檢測工具接收之該一或多個信號之一應用而判定該一或多個樣本之一或多個缺陷類型之種群；使用一或多個高解析度檢測工具來判定該一或多個樣本之該一或多個缺陷類型之種群；及計算由應用至自該一或多個掃描檢測工具接收之一或多個信號之一或多個分類規則之應用而判定之一或多個樣本之一或多個缺陷類型之種群與使用該一或多個高解析度檢測工具而判定之該一或多個樣本之該一或多個缺陷類型之種群之間之一或多個相關性。
應瞭解，以上一般描述及以下詳細描述兩者都僅係例示性及解釋性，且並不一定限制本發明。併入本說明書中且組成本說明書之一部分之所附圖式繪示本發明之實施例，且連同一般描述一起用於解釋本發明之原理。
本發明之許多優點可由熟習此項技術者藉由參考附圖而較佳地理解。
在例示性實施例之以下詳細描述中，參考所附圖式，該等圖式形成本發明之一部分。在若干圖中，相同參考數字表示相同元件。該詳細描述及該等圖式說明例示性實施例。在不偏離本文中所提出之標的物之精神或範圍的情況下，可利用其他實施例，且可作出其他改變。因此，以下詳細描述並不具有限制之意，且本發明之範圍係由隨附申請專利範圍而界定。
參考圖1，展示一種用於監視時變分類效能之系統100。該系統100可包含一檢測模組101、一缺陷分析模組102、一分類器效能監視模組103及一分類器維護模組104。
一檢測模組101可包含一掃描檢測工具101A。該掃描檢測工具101A可包含經組態以掃描一晶圓樣本之一區域之任意數目之圖案化晶圓缺陷偵測工具類型(例如，明視場UV/DUV檢測儀、暗視場雷射散射檢測儀、電子束檢測儀及類似物)。另外，本發明之原理可適用於裸晶圓檢測及審查程序。該掃描檢測工具101A可經組態以偵測在半導體製造程序期間產生於半導體組件中之製造缺陷(例如，顆粒、圖案缺陷、劃痕、膜不完善及類似物)。為了最佳化製造程序，知道由該檢測模組101判定之類型及各種缺陷類型之種群可能係可取的。為此，該檢測模組101可包含一分類器模組101B。
舉例而言，如圖1中所示，該分類器模組101B可包含一分類器規則資料庫101C。該分類器規則資料庫101C可包含定義與由該掃描檢測工具101A產生之資料比較之各種缺陷類型之性質(例如，大小、形狀、極性、紋理、對比度、後台業務及類似物)以使該分類器模組101B能夠使一特定光學訊符(optical signature)與一已定義缺陷類型相關聯。可由與已知缺陷相關聯之掃描檢測工具101A資料之分析來產生該分類器規則資料庫101C之缺陷類型定義。
舉例而言，可使用經組態以檢查一晶圓樣本之一高解析度檢測工具103A而使用一點對點(光柵圖案)檢測來分析具有一或多個缺陷類型之一或多個參考晶圓。該高解析度檢測工具103A可為經最佳化以用於缺陷分類使用情形之一掃描電子顯微鏡。可替代之影像擷取技術可包含原子力顯微鏡、共焦UV/DUV，EUV顯微鏡及類似物。藉由一技術員可檢查利用該效能監視模組103之一掃描電子顯微鏡產生之參考晶圓之影像而分析缺陷類型，以判定該參考晶圓中存在之各種缺陷。點對點高解析度影像擷取工具可利用材料分析儀器而增強，該等材料分析儀器可添加額外屬性至該分類程序。
在使用該高解析度檢測工具103A分析該參考晶圓時，可判定各參考晶圓上之各種缺陷類型之一參考種群分佈。該參考種群分佈可提供至該分類器維護模組104。
接著可由該檢測模組101使用儲存於分類器規則資料庫101C中之缺陷類型定義之一給定集合而進行該一或多個參考晶圓之一檢測。可由該分類器模組101B接收由該掃描檢測工具101A產生之檢測資料。該分類器模組101B可交互參考由該掃描檢測工具101A產生之檢測資料與維護於該分類器規則資料庫101C中之缺陷類型定義以便判定由此等缺陷類型定義所定義之一或多個缺陷之存在。該分類器模組101B可產生對應於該一或多個參考晶圓上偵測之缺陷類型之各自種群之一所得樣本缺陷分佈。樣本種群分佈可提供至該分類器維護模組104。
可比較自效能監視模組103接收之參考種群分佈與由該分類器維護模組104接收之樣本種群分佈以判定各自分佈之間之相關性。
若判定由該分類器規則資料庫101C維護之當前缺陷類型定義導致不對應於(即，在一容限範圍之外)該參考種群分佈之一樣本缺陷分佈，則該分類器維護模組104可用於修改此等缺陷類型定義(例如，經由專家之手動干預或藉由基於可組態規則之各種自動化層次)，且重複使用該檢測模組101之一檢測，直到該樣本缺陷分佈對應於(即，在一容限範圍內)使用該高解析度檢測工具103A建立之該參考種群分佈。若判定由該分類器規則資料庫101C維護之當前缺陷類型定義導致對應於(即，在一容限範圍內)使用該高解析度檢測工具103A建立之該參考種群分佈之一樣本缺陷分佈，則此等缺陷類型定義可經獲准用於晶圓製造運作時間之檢測操作。
一旦在分類器規則資料庫101C中含獲准缺陷類型定義之該分類器模組101B併入至一生產環境中，可取地為提取由該分類器模組101B產生之量化分類效能資料且分析該資料以便驗證由該分類器模組101B對製造程序、該檢測模組101及該分類器模組101B自身之一或多者之回應之充分程度。此分類效能資訊隨後可用於指導校正動作以恢復降級之分類器效能以適合於當前生產環境。
該系統100可用於執行一或多個基於計算器件之方法以量測與該分類器模組101B相關聯之統計度量，以獲取使用跨經檢測晶圓之該檢測模組101獲得之時間相依之分類結果且比較此等結果與自一樣本缺陷柏拉圖(pareto)(例如，由SEM影像之分析而產生)估計之缺陷類型所相關聯之缺陷種群之時間相依之分類。該等比較方法可產生經設計以量測該等分類結果如何指示真實種群及指示相對於一已建立基線之任何偏離的統計度量。
所提議之方法可解決及有助於識別分類器效能變動之兩個固有源：1)回應於通常稱為「分類器穩定性」之各缺陷類型內之缺陷性質中之晶圓至晶圓變動；及2)回應於相對缺陷類型種群中之晶圓至晶圓變動。
歸因於缺陷性質中之晶圓至晶圓變動之不穩定性係由於分類器基於某些缺陷性質(屬性)及/或特徵來分類缺陷之事實，該等性質及/或特徵可僅部分與真實缺陷類型相關。一缺陷類型種群內之性質之自然或程序變動引起之波動導致某種錯誤分類可能性。可影響饋送該分類模組之屬性之晶圓性質之實例包含膜厚度變動(局域/高空間頻率或全域/低空間頻率)、橫向尺寸變化性、膜反射率變化性、折射率變化性及/或層至層對準變化性。
歸因於相對缺陷類型種群中之晶圓至晶圓變動之不穩定性亦可歸因於分類器之不完善準確度及純度而影響分類器效能。
統計度量可容許識別分類器效能中之短期及長期趨勢，該等趨勢構成程序變動及檢測儀校準漂移之信號，否則該等檢測儀校準漂移將保持未偵測。以時間形式之此等趨勢之圖案及出現時間可有助於找出一根本原因及/或觸發一或多個校正動作(例如，校正一製造程序改變、掃描檢測工具101A維護或分類器模組101B維護)。
該統計度量可指示其是否為可經最佳化之分類器穩定性或分類器純度，因此，提供如何進行隨後最佳化步驟之指導。
以下為描繪實施之一系列流程圖之描述。為了便於理解，該等流程圖經組織使得初始流程圖經由一實例實施呈現實施，且此後以下流程圖呈現該(該等)初始流程圖之替代實施及/或擴展作為建立在一或多個先前呈現之流程圖上之子分量操作或額外分量操作。熟習此項技術者應瞭解，本文中所利用之呈現樣式(例如，以呈現一實例實施之一流程圖之一呈現為開始，此後在隨後流程圖中提供額外及/或進一步細節)一般容許快速且容易理解各種程序實施。此外，熟習此項技術者應進一步瞭解，本文中所使用之呈現樣式亦有助於模組化及/或物件導向式程式設計範例。
圖10至圖14繪示代表與監視分類器效能有關之實例操作之操作流程圖。在包含操作流程圖之各種實例之圖10至圖14中，可相對於圖1之上述實例及/或相對於其他實例及內容而提供討論及解釋。然而，應理解，該等操作流程圖可執行於許多其他環境及內容中及/或圖10至圖14之修改版本中。此外，雖然以所繪示之順序呈現該等各種操作流程圖，但是應理解，該等各種操作可以除了繪示之此等次序以外之其他次序執行或可同時執行。
參考圖10，展示一程序1000之一操作流程圖。操作1010描繪自一或多個掃描檢測工具接收指示一或多個樣本之一或多個性質之一或多個信號。舉例而言，如圖1中所示，可在一製造處理模組106之一生產運作時間期間創建包含一或多個半導體結構之一樣本晶圓105。可由該檢測模組101之掃描檢測工具101A接收該樣本晶圓105，其中該掃描檢測工具101A可產生可包含指示一或多個缺陷之信號之指示該樣本晶圓105之光學特性之信號107，從而提供此等缺陷之一偵測之一指示。
操作1020描繪根據一或多個分類規則至自該一或多個掃描檢測工具接收之該一或多個信號之一應用而判定該一或多個樣本之一或多個缺陷類型之種群。舉例而言，如圖1中所示，該分類器模組101B可自該掃描檢測工具101A接收指示該樣本晶圓105之光學特性之該等信號107。該分類器模組101B可應用維護於該分類器規則資料庫101C中之一或多個分類規則至該等信號107，以判定該等信號107是否指示一特定類型缺陷之存在。若基於該等信號107之分析而判定一特定類型之一缺陷存在於該樣本晶圓105上，則該分類器模組101B可更新一缺陷監視資料庫101D(例如，增加與該缺陷類型相關聯之一計數器)。
操作1030描繪使用一或多個高解析度檢測工具判定該一或多個樣本之該一或多個缺陷類型之種群。舉例而言，如圖1中所示，提供至該掃描檢測工具101A之相同樣本晶圓105亦可提供至該效能監視模組103。在該效能監視模組103處，可由一高解析度檢測工具103A(例如，一SEM)而分析該樣本晶圓105。該點對點高解析度檢測工具103A可提供超過該掃描檢測工具101A之成像效能改良，但不可適用於在晶圓製造運作時間期間之線內大面積缺陷偵測。然而，高解析度檢測工具103A可用作用於在一週期性子取樣基礎上驗證該掃描檢測工具101A之效能之一工具。為了判定先前使用該掃描檢測工具101A判定之該特定類型之缺陷之種群，一技術員可檢查利用該高解析度檢測工具103A產生之該參考晶圓之影像以人工判定種群。或者，可使用自動影像處理工具來檢查影像以判定種群。
操作1040描繪計算由應用至自該一或多個掃描檢測工具接收之一或多個信號之一或多個分類規則之應用而判定之一或多個樣本之一或多個缺陷類型之種群與使用該一或多個高解析度檢測工具而判定之該一或多個樣本之該一或多個缺陷類型之種群之間之一或多個相關性。舉例而言，如圖1中所示，該缺陷分析模組102可自此等各自模組接收由該檢測模組101判定之缺陷種群資料108(例如，缺陷種群資料108A)及由該效能監視模組103判定之缺陷種群資料108(例如，缺陷種群資料108B)。可在一段時期內接收該缺陷種群資料108，使得可由該缺陷分析模組102監視該缺陷種群資料108之時間相依性。舉例而言，如圖2及圖3中所示，由該缺陷種群資料108A及該缺陷種群資料108B代表之各種缺陷種群可相對於彼此而標繪，且可從此等資料集合判定一或多個相關性。舉例而言，可判定之特定相關性包含：1)相較於由該效能監視模組103判定之一缺陷種群之穩定性，由該檢測模組101判定之一缺陷種群之相對穩定性；或2)相較於該效能監視模組103，該檢測模組101之進行中之效能特性。
舉例而言，圖2及圖3中分別展示指示該缺陷種群資料108A及該缺陷種群資料108B之各者之一移動平均值之一趨勢線。可看出，自約t=4至約t=20，圖2之缺陷種群資料108A與圖3之缺陷種群資料108B之間有一高度相關性(例如，圖2之趨勢線相對於圖3之趨勢線幾乎沒有偏離)。因此，可以聲稱圖2之缺陷種群資料108A相對於圖3之缺陷種群資料108B係相對穩定。此相關性可指示控管由該檢測模組101進行之缺陷分類之該分類器規則資料庫101C之分類規則可係充分的。
然而，自約t=20至t=40，圖2之缺陷種群資料108A與圖3之缺陷種群資料108B之間有一低度相關性(例如，圖2之趨勢線相對於圖3之趨勢線有一大偏離)。當控管由該檢測模組101進行之缺陷分類之該分類器規則資料庫101C之分類規則可能不足以正確分類此等缺陷時，此等偏差可指示該檢測模組101之一問題(相對於該製造處理模組106)。
圖11繪示圖10之實例操作流程1000之替代性實施例。圖11繪示操作流程1000之操作1020、1030及1040可包含至少一額外操作之實例實施例。額外操作可包含一操作1102及/或一操作1104及/或一操作1106。
操作1102描繪根據一或多個分類規則至自該一或多個掃描檢測工具接收之該一或多個信號之一應用而判定至少一第一樣本及一第二樣本之一或多個缺陷類型之種群。舉例而言，如圖1中所示，該檢測模組101可判定一第一樣本晶圓105上之一特定缺陷類型之一種群(如上相對於操作1020而描述)。該種群可與一第一時間點(例如，該第一樣本晶圓105之製造之完成時間)相關聯。類似地，該檢測模組101可判定一第二樣本晶圓105上之該特定缺陷類型之一種群(如上相對於操作1020而描述)。該種群可與一第二時間點(例如，該第二樣本晶圓105之製造之完成時間)相關聯。該檢測模組101接著可提供關於該第一樣本晶圓105及該第二樣本晶圓105之缺陷種群資料108A至該缺陷分析模組102。
操作1104描繪使用該一或多個高解析度檢測工具來判定至少該第一樣本及該第二樣本之一或多個缺陷類型之種群。舉例而言，如圖1中所示，該效能監視模組103可判定該第一樣本晶圓105上之一特定缺陷類型之一種群(如上相對於操作1030而描述)。該種群可與該第一時間點(例如，該第一樣本晶圓105之製造之完成時間)相關聯。類似地，該效能監視模組103可判定一第二樣本晶圓105上之該特定缺陷類型之一種群(如上相對於操作1030而描述)。該種群可與該第二時間點(例如，該第二樣本晶圓105之製造之完成時間)相關聯。該效能監視模組103接著可提供關於該第一樣本晶圓105及該第二樣本晶圓105之缺陷種群資料108B至該缺陷分析模組102。
操作1106描繪計算由應用至自該一或多個光學檢測工具接收之一或多個信號之一或多個分類規則之應用而判定之一或多個缺陷類型之種群與藉由使用該一或多個高解析度檢測工具而判定之一或多個缺陷類型之種群之至少該第一樣本及該第二樣本之間之一相對穩定性。舉例而言，如圖1中所示，該缺陷分析模組102可隨時間監視缺陷種群資料108A。舉例而言，如圖2中所示，可分別根據對應於該第一樣本晶圓105及該第二樣本晶圓105之製造之完成之一時間而標繪指示該第一樣本晶圓105及該第二樣本晶圓105中發現之一特定缺陷類型(例如，缺陷-1)之一缺陷種群之缺陷種群資料108A，從而致使該缺陷分析模組102能夠隨時間監視該缺陷種群資料108A。
類似地，該缺陷分析模組102可隨時間監視該缺陷種群資料108B。舉例而言，如圖3中所示，可分別根據對應於該第一樣本晶圓105及該第二樣本晶圓105之製造之完成之一時間而標繪指示該第一樣本晶圓105及該第二樣本晶圓105中發現之一特定缺陷類型(例如，缺陷-1)之一缺陷種群之缺陷種群資料108B，從而致使該缺陷分析模組102能夠隨時間監視該缺陷種群資料108B。
該缺陷分析模組102接著可隨時間判定該缺陷種群資料108A及該缺陷種群資料108B之間之一相關性。該缺陷種群資料108A及該缺陷種群資料108B之間之該相關性可係該資料之相對穩定性。
該缺陷種群資料108A及該缺陷種群資料108B之相對穩定性可藉由此等資料集內之波動程度而量測。舉例而言，圖4描繪該缺陷種群資料108A相對於其移動平均值(如圖2中所示)之偏離。類似地，圖5描繪該缺陷種群資料108B相對於其移動平均值(如圖3中所示)之偏離。可看出，對於持續時間t=0至t=20而言，該缺陷種群資料108A之波動程度大於該缺陷種群資料108B之波動程度。此不穩定性可指示控管缺陷分類之該分類器規則資料庫101C之分類規則可係充分的。
圖12繪示圖10之該實例操作流程1000之替代性實施例。圖12繪示操作流程1000之操作1020、1030及1040可包含至少一額外操作之實例實施例。額外操作可包含一操作1202及/或一操作1204及/或一操作1206及/或一操作1208及/或一操作1210。
操作1202描繪根據一或多個分類規則至自該一或多個掃描檢測工具接收之該一或多個信號之一應用而判定一樣本之至少一第一缺陷類型及一第二缺陷類型之一種群。舉例而言，如圖1中所示，該檢測模組101可判定一樣本晶圓105上之一第一缺陷類型之一種群(如上相對於操作1020而描述)。類似地，該檢測模組101可判定該樣本晶圓105上之一特定第二缺陷類型之一種群(如上相對於操作1020而描述)。該檢測模組101接著可提供關於該第一樣本晶圓105及該第二樣本晶圓105之缺陷種群資料108A至該缺陷分析模組102。
操作1204描繪根據使用該一或多個高解析度檢測工具來判定一樣本之至少一第一缺陷類型及一第二缺陷類型之一種群。舉例而言，如圖1中所示，該效能監視模組103可判定該樣本晶圓105上之一第一缺陷類型之一種群(如上相對於操作1030而描述)。類似地，該效能監視模組103可判定該樣本晶圓105上之一第二缺陷類型之一種群(如上相對於操作1030而描述)。該效能監視模組103接著可提供關於該樣本晶圓105上發現之該第一缺陷類型及該第二缺陷類型之缺陷種群資料108B至該缺陷分析模組102。
操作1206描繪計算由至與自該一或多個掃描檢測工具接收之該樣本相關聯之一或多個信號之一或多個分類規則之應用而判定之該第一缺陷類型之種群與該第二缺陷類型之種群之間之一第一相關性。舉例而言，如圖1中所示，該缺陷分析模組102可監視該缺陷種群資料108A。舉例而言，如圖6至圖7中所示，可根據對應於該樣本晶圓105之製造完成之時間而標繪指示在一樣本晶圓105中發現之一第一缺陷類型(例如，缺陷-1)之一缺陷種群及在該樣本晶圓105上發現之一第二缺陷類型(例如，缺陷-2)之一缺陷種群之缺陷種群資料108A，從而致使能夠監視該第一缺陷類型(例如，缺陷-1)之缺陷種群及該第二缺陷類型(例如，缺陷-2)之缺陷種群。可由該缺陷種群資料108A計算該第一缺陷類型與該第二缺陷類型之間之一相關性(例如，一比率)。
操作1208描繪計算使用該一或多個高解析度檢測工具而判定之該第一缺陷類型之種群與該第二缺陷類型之種群之間之一第二相關性。舉例而言，如圖1中所示，該缺陷分析模組102可監視該缺陷種群資料108B。舉例而言，如圖8至圖9中所示，可根據對應於該樣本晶圓105之製造完成之時間而標繪指示在該樣本晶圓105中發現之一第一缺陷類型(例如，缺陷-1)之一缺陷種群及在該樣本晶圓105中發現之一第二缺陷類型(例如，缺陷-2)之一缺陷種群之缺陷種群資料108A，從而致使能夠監視該第一缺陷類型(例如，缺陷-1)之缺陷種群及該第二缺陷類型(例如，缺陷-2)之缺陷種群。可由該缺陷種群資料108B計算該第一缺陷類型與該第二缺陷類型之間之一相關性(例如，一比率)。
該缺陷分析模組102接著可在區分該第一缺陷類型及該第二缺陷類型過程中判定該檢測模組101及該效能監視模組103之相對效能之間之一相關性。
操作1210描繪計算該第一相關性與該第二相關性之間之一相關性。舉例而言，可藉由分別位於該缺陷種群資料108A及該缺陷種群資料108B內之該第一缺陷類型及該第二缺陷類型之間之混合度而量測該檢測模組101及該效能監視模組103之間之相對效能。
舉例而言，如上所述，圖6描繪由該檢測模組101判定之一樣本晶圓105中之一缺陷-1之該種群。圖7描繪由該檢測模組101判定之該樣本晶圓105中之一缺陷-2之一種群。圖8描繪由該檢測模組101判定之該缺陷-1之該種群。圖9描繪由該效能監視模組103判定之該樣本晶圓105中之該缺陷-2之該種群。
圖6至圖9中可看出，可計算一相關性(例如，由該檢測模組101判定之缺陷-1-缺陷-2之比與由該效能監視模組103判定之缺陷-1-缺陷-2之比之間之一關係)。該相關性可展示由該檢測模組101判定之缺陷-1對缺陷-2之比率大體上高於由該效能監視模組103判定之缺陷-1對缺陷-2之比率。此一相關性可指示由該檢測模組101將缺陷-2之一些例項混合至缺陷-1之種群中。此混合可指示控管缺陷分類之該等分類規則可能對於缺陷-1過於敏感或對於缺陷-2並不充分敏感。
圖13繪示圖10之該實例操作流程1000之替代性實施例。圖13繪示該操作流程1000可包含至少一額外操作之實例實施例。額外操作可包含一操作1302。
操作1302描繪產生一或多個分類規則以應用至自一或多個光學檢測工具接收之一或多個信號。舉例而言，如圖1中所示，該分類器模組101B可包含一分類器規則資料庫101C。該分類器規則資料庫101C可包含定義用於與由該掃描檢測工具101A產生之資料相比較的各種缺陷類型之性質(例如，種類屬性之值；直接計算缺陷屬性或內容屬性之值範圍規格；直接及內容屬性之線性組合；多個屬性之最近鄰居分組...)以便致使該分類器模組101B能夠使一特定光學訊符與一已定義缺陷類型相關聯。可自與已知缺陷相關聯之掃描檢測工具101A資料之分析來產生該分類器規則資料庫101C之缺陷類型定義。
舉例而言，可使用一高解析度檢測工具103A而分析具有一或多個缺陷類型之一或多個參考晶圓(例如，一技術員可檢查利用該效能監視模組103之一掃描電子顯微鏡(SEM產生之參考晶圓之影像)，以判定該參考晶圓中存在之各種缺陷。在使用該高解析度檢測工具103A分析該參考晶圓時，可判定各參考晶圓上之各種缺陷類型之一參考種群分佈。該參考種群分佈可提供至該分類器維護模組104。
接著可由該檢測模組101使用儲存於分類器規則資料庫101C中之缺陷類型定義之一給定集合而進行該一或多個參考晶圓之一檢測。可由該分類器模組101B接收由該掃描檢測工具101A產生之該檢測資料。該分類器模組101B可交互參考由該掃描檢測工具101A產生之檢測資料與維護於該分類器規則資料庫101C中之缺陷類型定義，以便判定由此等缺陷類型定義所定義之一或多個缺陷之存在。該分類器模組101B可產生對應於該一或多個參考晶圓上偵測之缺陷類型之各自種群之一所得樣本缺陷分佈。該樣本種群分佈可提供至該分類器維護模組104。
可比較自效能監視模組103接收之參考種群分佈與由該分類器維護模組104接收之樣本種群分佈，以判定各自分佈之間之相關性。
圖14繪示圖10之該實例操作流程1000之替代性實施例。圖14繪示該操作流程1000可包含至少一額外操作之實例實施例。額外操作可包含一操作1402。
操作1402描繪根據由一或多個分類規則至自該一或多個掃描檢測工具接收之一或多個信號之應用判定該一或多個樣本之一或多個缺陷類型之種群與使用該一或多個高解析度檢測工具而判定之缺陷類型之種群之間之該一或多個相關性而修改一或多個分類規則。舉例而言，如圖1中所示，若由該缺陷分析模組102判定由該分類器規則資料庫101C維護之當前缺陷類型定義導致由該檢測模組101產生之缺陷種群資料108A相較於由該效能監視模組103產生之缺陷種群資料108B呈現不穩定性或降級效能之至少一者，則該分類器維護模組104可修改此等缺陷類型定義以降低不穩定性或降級之效能。舉例而言，該分類器維護模組104可包含一使用者介面104A(例如，一顯示器、鍵盤、觸控螢幕等)，該使用者介面104A容許一使用者修改維護於該分類器規則資料庫101C中之分類器性質。專家使用者或具有半自動或全自動擾擾功能之基於複雜規則之方法可適合於將一分類器調整至對經修改之歷史資料所量測之穩定性及效能之一可接受層次。
前述詳細描述已藉由使用方塊圖、流程圖及/或實例而闡述器件及/或程序之各種實施例。在此等方塊圖、流程圖及/或實例含有一或多個功能及/或操作的範圍內，熟習此項技術者應理解，此等方塊圖、流程圖或實例內之各功能及/或操作可單獨及/或共同藉由硬體、軟體、韌體或其等之幾乎任何組合而實施。在一實施例中，本文中所述之標的物之若干部分可經由應用特定積體電路(ASIC)、場可程式化閘陣列(FPGA)、數位信號處理器(DSP)或其他積體形式而實施。然而，熟習此項技術者應明白，本文中所揭示之實施例之一些態樣整體上或一部分可等效實施於積體電路中，作為運行於一或多個電腦上之一或多個程式(例如，作為運行於一或多個電腦系統上之一或多個程式)、作為運行於一或多個處理器上之一或多個程式(例如，作為運行於一或多個微處理器上之一或多個程式)、作為韌體或作為其等之幾乎任何組合，及鑒於本發明，設計該電路及/或撰寫軟體或韌體之程式碼將在熟習此項技術者所熟習之技術內。此外，熟習此項技術者應瞭解，本文中所揭示之標的物之機構可散佈作為各種形式之一程式產品，及本文中所揭示之標的物之一說明性實施例不管所用之信號承載媒體之特定類型都適用於實際執行該分配。一信號承載媒體之實例包含但不限於以下：一可記錄型媒體，諸如一軟碟、一硬碟機、一光碟(CD)、一數位視訊光碟(DVD)、一數位磁帶、一電腦記憶體等；及一傳輸型媒體，諸如一數位及/或類比通信媒體(例如，一光纖纜線、一波導、一有線通信鏈路、一無線通信鏈路(例如，發射器、接收器、發射邏輯器件、接收邏輯器件等)等)。
一般而言，熟習此項技術者應明白，本文中所述可單獨及/或共同藉由硬體、軟體、韌體或其等之任何組合而實施之各種態樣可視為由各種類型「電路」組成。因此，如本文中所使用，「電路」包含但不限於具有至少一離散電路之電路、具有至少一積體電路之電路、具有至少一應用特定積體電路之電路、形成由一電腦程式組態之一通用計算器件(例如，由一電腦程式組態之一通用電腦，該電腦程式至少部分執行本文中所述之程序及/或器件，或由一電腦程式組態之一微處理器，該電腦程式至少部分執行本文中所述之程序及/或器件)之電路、形成一記憶體器件(例如，隨機存取記憶體之形式)之電路及/或形成一通信器件(例如，一資料機、通信開關或光電設備)之電路。熟習此項技術者應明白，本文中所述之標的物可以一類比或數位方式或其等之某個組合而實施。
本文中所述之標的物有時說明包含於不同其他元件內或與不同其他元件連接之不同元件。應理解，此等所描繪之架構僅係例示性，且實際上可實施達成相同功能之許多其他架構。在概念意義上而言，達成相同功能之元件之任何配置係有效地「相關聯」，使得達成所需功能。因此，本文中經組合以達成一特定功能之任何兩個組件可看作彼此「相關聯」，使得無論架構或中間組件都達成所需功能。同」樣，如此相關聯之任何兩個元件亦可視為彼此「有效連接」或「有效耦合」以達成所需功能，且可如此相關聯之任何兩個元件亦可視為彼此「可有效耦合」以達成所需功能。可有效耦合之特定實例包含但不限於實體可配合及/或實體互動元件及/或無線可互動及/或無線互動元件及/或邏輯互動及/或邏輯可互動元件。
在一些情況下，一或多個組件在本文中可稱作「經組態以」、「可經組態以」、「可有效/有效」、「經調適/可調適」、「可」、「可符合/符合於」等。熟習此項技術者應明白，除非文中另有所指，「經組態以」大體上可包括主動狀態元件及/或非主動狀態元件及/或待機狀態元件。
雖然已展示及描述本文中所述之標的物之特定態樣，但是熟習此項技術者應明白，基於本文中之教案，在不偏離本文中所述之標的物及其更廣態樣的情況下可作出改變及修改，因此隨附申請專利範圍應將在本文中所述之標的物之真實精神及範圍內之所有改變及修改包括於它們範圍內。
熟習此項技術者應明白，一般而言，本文中所使用及尤其隨附申請專利範圍中(例如，隨附申請專利範圍之本體)所使用之術語大體上意為「開放性」術語(例如，術語「包含」應解釋為「包含但不限於」，術語「具有」應解釋為「具有至少」，術語「包含」應解釋為「包含但不限於」等)。熟習此項技術者應進一步明白，若意欲一特定數目之介紹性申請專利範圍敍述，則此一意欲將明確敍述於該申請專利範圍中，且在沒有此敍述的情況下，不存在此意欲。舉例而言，為了理解，以下隨附申請專利範圍可含有介紹性短語「至少一」及「一或多個」之使用以介紹申請專利範圍敍述。然而，此等短語之使用不應視為暗示由不定冠詞「一(a)」或「一(an)」之一申請專利範圍敍述之介紹將含有此介紹之申請專利範圍敍述之任何特定申請專利範圍限制於僅含有此敍述之申請專利範圍，即使在相同申請專利範圍包含介紹性短語「一或多個」或「至少一」及諸如「一(a)」或「一(an)」(例如，「一(a)」及/或「一(an)」通常應解釋為意味著「至少一」或「一或多個」)之不定冠詞的情況下；同樣亦適用於用於介紹申請專利範圍敍述之定冠詞。此外，即使明確敍述一特定數目之介紹性申請專利範圍敍述，熟習此項技術者亦應明白，此敍述通常應解釋為意味著至少所敍述之數目(例如，在沒有其他修改的情況下「兩個敍述」之裸敍述通常意味著至少兩個敍述、或兩個或更多個敍述)。此外，在使用類似於「A、B及C等之至少一者」之一協定的此等情況下，一般而言，此限制意為熟習此項技術者應瞭解該協定(例如，「具有A、B及C之至少一者之一系統」將包含但不限於僅具有A、僅具有B、僅具有C、具有A及B、具有A及C、具有B及C及/或具有A、B及C等之系統)。在使用類似於「A、B或C等之至少一者」之一協定的此等情況下，一般而言，此限制意為熟習此項技術者應瞭解該協定(例如，「具有A、B或C之至少一者之一系統」將包含但不限於僅具有A、僅具有B、僅具有C、具有A及B、具有A及C、具有B及C及/或具有A、B及C等之系統)。熟習此項技術者應進一步瞭解，通常代表兩個或更多個替代術語之一分離詞及/或短語，不論在描述、申請專利範圍或圖式中都應理解為考慮包含該等術語之一者、該等術語之任一者或兩者術語之可能性。舉例而言，短語「A或B」應通常理解為包含「A」或「B」或「A及B」之可能性。
關於隨附申請專利範圍，熟習此項技術者應明白，本文中敍述之操作大體上可以任何次序執行。此外，雖然以一(若干)順序呈現各種操作流程，但是應瞭解，該等各種操作可以除了所繪示之次序以外之其他次序執行，或可同時執行。除非文中另有指示，此等替代次序之實例可包含重疊、交錯、中斷、重新排序、增量、準備、補充、同時、反向或其他變體次序。關於上下文，除非文中另有指示，甚至如「回應於」、「與...相關」或其他過去時態形容詞之術語大體上並不意為排除此等變體。
雖然已在申請專利範圍中確定特定從屬項，但是應指出，在本發明中設想該等申請專利範圍之特徵之所以可能組合，且因此該等申請專利範圍應解釋為包含所有可能的多從屬項。據信，本發明及其所附優點之許多將藉由前述描述而理解，且應明白，在不偏離所揭示之標的物的情況下或在不犧牲其物質優點之全部的情況下，可對元件之形式、結構及配置作出各種改變。所揭示之形式僅係解釋性，且本發明藉由以下申請專利範圍包括及包含此等改變。
100．．．系統
101．．．檢測模組
101A．．．掃描檢測工具
101B．．．分類器模組
101C．．．分類器規則資料庫
102．．．缺陷分析模組
103．．．分類器效能監視模組
103A．．．高解析度檢測工具
104．．．分類器維護模組
104A．．．使用者介面
106．．．製造處理模組
圖1展示用於監視時變分類效能之一系統；
圖2展示代表缺陷種群之一圖；
圖3展示代表缺陷種群之一圖；
圖4展示代表缺陷種群之一圖；
圖5展示代表缺陷種群之一圖；
圖6展示代表缺陷種群之一圖；
圖7展示代表缺陷種群之一圖；
圖8展示代表缺陷種群之一圖；
圖9展示代表缺陷種群之一圖；
圖10展示一種用於監視時變分類效能之方法；
圖11展示一種用於監視時變分類效能之方法；
圖12展示一種用於監視時變分類效能之方法；
圖13展示一種用於監視時變分類效能之方法；及
圖14展示一種用於監視時變分類效能之方法。
(無元件符號說明)

Claims (21)

  1. 一種用於監視時變缺陷分類效能之方法，該方法包括：從一或多個掃描檢測工具接收指示一或多個樣本之一或多個性質之一或多個信號；根據一或多個分類規則至從該一或多個掃描檢測工具接收之該一或多個信號之一應用而判定該一或多個樣本之一或多個缺陷類型之種群；使用一或多個高解析度檢測工具來判定該一或多個樣本之該一或多個缺陷類型之種群；及計算由應用至自該一或多個掃描檢測工具接收之一或多個信號之一或多個分類規則之應用而判定之一或多個樣本之一或多個缺陷類型之種群與使用該一或多個高解析度檢測工具而判定之該一或多個樣本之該一或多個缺陷類型之種群之間的一或多個相關性。
  2. 如請求項1之方法，其中該一或多個掃描檢測工具係選自以下至少一者：一明視場圖案化晶圓檢測儀；一圖案化暗視場光子光學晶圓檢測儀；一未圖案化暗視場光子光學晶圓檢測儀；及一電子束光學區域掃描檢測儀。
  3. 如請求項1之方法，其中該等分類性質係選自以下至少一者：大小、形狀、極性、紋理、對比度、後台業務。
  4. 如請求項1之方法，其中該一或多個高解析度檢測工具係選自以下至少一者：一掃描電子顯微鏡；一原子力顯微鏡；一共焦顯微鏡。
  5. 如請求項1之方法， 其中根據一或多個分類規則至由該一或多個掃描檢測工具接收之該一或多個信號之一應用而判定該一或多個樣本之一或多個缺陷類型之種群包括：根據一或多個分類規則至自該一或多個掃描檢測工具接收之該一或多個信號之一應用而判定至少一第一樣本及一第二樣本之一或多個缺陷類型之種群；其中使用一或多個高解析度檢測工具來判定該一或多個樣本之該一或多個缺陷類型之種群包括：使用一或多個高解析度檢測工具來判定至少該第一樣本及該第二樣本之一或多個缺陷類型之種群；及其中計算由應用至自該一或多個掃描檢測工具接收之一或多個信號之一或多個分類規則之應用而判定之一或多個樣本之一或多個缺陷類型之種群與使用該一或多個高解析度檢測工具而判定之該一或多個樣本之該一或多個缺陷類型之種群之間的一或多個相關性包括：計算由應用至自該一或多個掃描檢測工具接收之一或多個信號之一或多個分類規則之應用而判定之一或多個缺陷類型之種群與藉由使用該一或多個高解析度檢測工具而判定之一或多個缺陷類型之種群之該第一樣本及該第二樣本之間的一相對穩定性。
  6. 如請求項1之方法，其中根據一或多個分類規則至由該一或多個掃描檢測工具接收之該一或多個信號之一應用而判定該一或多個樣本之一或多個缺陷類型之種群包括： 根據一或多個分類規則至由該一或多個掃描檢測工具接收之該一或多個信號之一應用而判定一樣本之至少一第一缺陷類型及一第二缺陷類型之一種群；及其中使用一或多個高解析度檢測工具來判定該一或多個樣本之該一或多個缺陷類型之種群包括：使用一或多個高解析度檢測工具來判定一樣本之至少一第一缺陷類型及一第二缺陷類型之一種群；及其中計算由應用至由該一或多個掃描檢測工具接收之一或多個信號之一或多個分類規則之應用而判定之一或多個樣本之一或多個缺陷類型之種群與使用該一或多個高解析度檢測工具而判定之該一或多個樣本之該一或多個缺陷類型之種群之間的一或多個相關性包括：計算由應用至與由該一或多個掃描檢測工具接收之該樣本相關聯之一或多個信號之一或多個分類規則之應用而判定之該第一缺陷類型之種群及該第二缺陷類型之種群之間的一第一相關性；及計算使用該一或多個高解析度檢測工具而判定之該第一缺陷類型之種群及該第二缺陷類型之種群之間的一第二相關性；及計算該第一相關性與該第二相關性之間的一相關性。
  7. 如請求項1之方法，其進一步包括：產生一或多個分類規則以應用至由一或多個掃描檢測工具接收之一或多個信號。
  8. 如請求項1之方法，其進一步包括：根據由應用至由該一或多個掃描檢測工具接收之一或多個信號之一或多個分類規則之應用而判定之該一或多個樣本之一或多個缺陷類型之種群與使用該一或多個高解析度檢測工具而判定之缺陷類型之種群之間的該一或多個相關性而修改一或多個分類規則。
  9. 一種用於監視時變缺陷分類效能之系統，該系統包括：用於從一或多個掃描檢測工具接收指示一或多個樣本之一或多個性質之一或多個信號的構件；用於根據一或多個分類規則至由該一或多個掃描檢測工具接收之該一或多個信號之一應用而判定該一或多個樣本之一或多個缺陷類型之種群的構件；用於使用一或多個高解析度檢測工具來判定該一或多個樣本之該一或多個缺陷類型之種群的構件；及用於計算由應用至由該一或多個掃描檢測工具接收之一或多個信號之一或多個分類規則之應用而判定之一或多個樣本之一或多個缺陷類型之種群與使用該一或多個高解析度檢測工具而判定之該一或多個樣本之該一或多個缺陷類型之種群之間的一或多個相關性的構件。
  10. 如請求項9之系統，其中該一或多個掃描檢測工具係選自以下至少一者：一明視場圖案化晶圓檢測儀；一圖案化暗視場光子光學晶圓檢測儀；一未圖案化暗視場光子光學晶圓檢測儀；及一電子束光學區域掃描檢測儀。
  11. 如請求項9之系統，其中該等分類性質係選自以下至少 一者：大小、形狀、極性、紋理、對比度、後台業務。
  12. 如請求項9之系統，其中該一或多個高解析度檢測工具係選自以下至少一者：一掃描電子顯微鏡；一原子力顯微鏡；一共焦顯微鏡。
  13. 如請求項9之系統，其中用於根據一或多個分類規則至由該一或多個掃描檢測工具接收之該一或多個信號之一應用而判定該一或多個樣本之一或多個缺陷類型之種群的該構件包括：根據一或多個分類規則至由該一或多個掃描檢測工具接收之該一或多個信號之一應用而判定至少一第一樣本及一第二樣本之一或多個缺陷類型之種群；其中用於使用一或多個高解析度檢測工具來判定該一或多個樣本之該一或多個缺陷類型之種群的該構件包括：用於使用該一或多個高解析度檢測工具來判定至少該第一樣本及該第二樣本之一或多個缺陷類型之種群的構件；及其中用於計算由應用至由該一或多個掃描檢測工具接收之一或多個信號之一或多個分類規則之應用而判定之一或多個樣本之一或多個缺陷類型之種群與使用該一或多個高解析度檢測工具而判定之該一或多個樣本之該一或多個缺陷類型之種群之間的一或多個相關性的該構件包括：用於計算由應用至由該一或多個掃描檢測工具接收 之一或多個信號之一或多個分類規則之應用而判定之一或多個缺陷類型之種群與藉由使用該一或多個高解析度檢測工具而判定之一或多個缺陷類型之種群之該第一樣本及該第二樣本之間之一相對穩定性的構件。
  14. 如請求項9之系統，其中用於根據一或多個分類規則至由該一或多個掃描檢測工具接收之該一或多個信號之一應用而判定該一或多個樣本之一或多個缺陷類型之種群的該構件包括：用於根據使用該一或多個高解析度檢測工具來判定一樣本之一第一缺陷類型及一第二缺陷類型之一種群的構件；及其中用於使用一或多個高解析度檢測工具來判定該一或多個樣本之該一或多個缺陷類型之種群的該構件包括：根據使用該一或多個高解析度檢測工具來判定一樣本之至少一第一缺陷類型及一第二缺陷類型之一種群；及其中用於計算由應用至由該一或多個掃描檢測工具接收之一或多個信號之一或多個分類規則之應用而判定之一或多個樣本之一或多個缺陷類型之種群與使用該一或多個高解析度檢測工具而判定之該一或多個樣本之該一或多個缺陷類型之種群之間的一或多個相關性的該構件包括：用於計算由應用至與由該一或多個掃描檢測工具接 收之該樣本相關聯之一或多個信號之一或多個分類規則之應用而判定之該第一缺陷類型之種群及該第二缺陷類型之種群之間的一第一相關性的構件；及用於計算使用該一或多個高解析度檢測工具而判定之該第一缺陷類型之種群及該第二缺陷類型之種群之間的一第二相關性的構件；及用於計算該第一相關性與該第二相關性之間的一相關性的構件。
  15. 如請求項9之系統，其進一步包括：用於產生一或多個分類規則以應用至由一或多個掃描檢測工具接收之一或多個信號的構件。
  16. 如請求項9之系統，其進一步包括：用於根據由應用至由該一或多個掃描檢測工具接收之一或多個信號之一或多個分類規則之應用而判定之該一或多個樣本之一或多個缺陷類型之種群與使用該一或多個高解析度檢測工具而判定之缺陷類型之種群之間的該一或多個相關性而修改一或多個分類規則的構件。
  17. 一種電腦可讀媒體，其包含用於在一計算器件上執行一程序之電腦可讀指令，該程序包括：從一或多個掃描檢測工具接收指示一或多個樣本之一或多個性質之一或多個信號；根據一或多個分類規則至由該一或多個掃描檢測工具接收之該一或多個信號之一應用而判定該一或多個樣本之一或多個缺陷類型之種群； 使用一或多個高解析度檢測工具來判定該一或多個樣本之該一或多個缺陷類型之種群；及計算由應用至由該一或多個掃描檢測工具接收之一或多個信號之一或多個分類規則之應用而判定之一或多個樣本之一或多個缺陷類型之種群與使用該一或多個高解析度檢測工具而判定之該一或多個樣本之該一或多個缺陷類型之種群之間的一或多個相關性。
  18. 如請求項17之電腦可讀媒體，其中用於根據一或多個分類規則至由該一或多個掃描檢測工具接收之該一或多個信號之一應用而判定該一或多個樣本之一或多個缺陷類型之種群的該構件包括：根據一或多個分類規則至由該一或多個掃描檢測工具接收之該一或多個信號之一應用而判定至少一第一樣本及一第二樣本之一或多個缺陷類型之種群；及其中用於使用一或多個高解析度檢測工具來判定該一或多個樣本之該一或多個缺陷類型之種群的該構件包括：用於使用該一或多個高解析度檢測工具來判定至少該第一樣本及該第二樣本之一或多個缺陷類型之種群的構件；及其中用於計算由應用至由該一或多個掃描檢測工具接收之一或多個信號之一或多個分類規則之應用而判定之一或多個樣本之一或多個缺陷類型之種群與使用該一或多個高解析度檢測工具而判定之該一或多個樣本之該一 或多個缺陷類型之種群之間的一或多個相關性的該構件包括：用於計算由應用至由該一或多個掃描檢測工具接收之一或多個信號之一或多個分類規則之應用而判定之一或多個缺陷類型之種群與藉由使用該一或多個高解析度檢測工具而判定之一或多個缺陷類型之種群之至少該第一樣本及該第二樣本之間之一相對穩定性的構件。
  19. 如請求項17之電腦可讀媒體，其中用於根據一或多個分類規則至由該一或多個掃描檢測工具接收之該一或多個信號之一應用而判定該一或多個樣本之一或多個缺陷類型之種群的該構件包括：用於根據使用該一或多個高解析度檢測工具來判定一樣本之至少一第一缺陷類型及一第二缺陷類型之一種群的構件；及其中用於使用一或多個高解析度檢測工具來判定該一或多個樣本之該一或多個缺陷類型之種群的該構件包括：使用該一或多個高解析度檢測工具來判定一樣本之至少一第一缺陷類型及一第二缺陷類型之一種群；及其中用於計算由應用至由該一或多個掃描檢測工具接收之一或多個信號之一或多個分類規則之應用而判定之一或多個樣本之一或多個缺陷類型之種群與使用該一或多個高解析度檢測工具而判定之該一或多個樣本之該一 或多個缺陷類型之種群之間之一或多個相關性的該構件包括：用於計算由應用至與由該一或多個掃描檢測工具接收之該樣本相關聯之一或多個信號之一或多個分類規則之應用而判定之該第一缺陷類型之種群及該第二缺陷類型之種群之間的一第一相關性的構件；及用於計算使用該一或多個高解析度檢測工具而判定之該第一缺陷類型之種群及該第二缺陷類型之種群之間的一第二相關性的構件；及用於計算該第一相關性與該第二相關性之間的一相關性的構件。
  20. 如請求項17之電腦可讀媒體，其進一步包括：用於產生一或多個分類規則以應用至由一或多個掃描檢測工具接收之一或多個信號的構件。
  21. 如請求項17之電腦可讀媒體，其進一步包括：用於根據由應用至由該一或多個掃描檢測工具接收之一或多個信號之一或多個分類規則之應用而判定之該一或多個樣本之一或多個缺陷類型之種群與使用該一或多個高解析度檢測工具而判定之缺陷類型之種群之間的該一或多個相關性而修改一或多個分類規則的構件。
TW099121738A 2009-07-01 2010-07-01 時變缺陷分類效能之監視 TWI435072B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US22238809P 2009-07-01 2009-07-01
PCT/US2010/039656 WO2011002651A1 (en) 2009-07-01 2010-06-23 Monitoring of time-varying defect classification performance

Publications (2)

Publication Number Publication Date
TW201128183A TW201128183A (en) 2011-08-16
TWI435072B true TWI435072B (zh) 2014-04-21

Family

ID=43411380

Family Applications (1)

Application Number Title Priority Date Filing Date
TW099121738A TWI435072B (zh) 2009-07-01 2010-07-01 時變缺陷分類效能之監視

Country Status (7)

Country Link
US (1) US8537349B2 (zh)
EP (1) EP2449390A1 (zh)
JP (1) JP5583766B2 (zh)
KR (1) KR20120093820A (zh)
CN (1) CN102576045A (zh)
TW (1) TWI435072B (zh)
WO (1) WO2011002651A1 (zh)

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8607169B2 (en) * 2011-12-28 2013-12-10 Elitetech Technology Co., Ltd. Intelligent defect diagnosis method
US9665931B2 (en) 2011-12-28 2017-05-30 Sunedison Semiconductor Limited (Uen201334164H) Air pocket detection methods and systems
US9916653B2 (en) * 2012-06-27 2018-03-13 Kla-Tenor Corporation Detection of defects embedded in noise for inspection in semiconductor manufacturing
JP5910428B2 (ja) * 2012-09-13 2016-04-27 オムロン株式会社 監視装置、監視方法、プログラムおよび記録媒体
US9865512B2 (en) 2013-04-08 2018-01-09 Kla-Tencor Corp. Dynamic design attributes for wafer inspection
CN104122282B (zh) * 2013-04-24 2017-01-18 泰科英赛科技有限公司 采用聚焦离子束的电路跟踪
US9430824B2 (en) * 2013-05-14 2016-08-30 Kla-Tencor Corporation Machine learning method and apparatus for inspecting reticles
US9910429B2 (en) * 2013-09-03 2018-03-06 The Procter & Gamble Company Systems and methods for adjusting target manufacturing parameters on an absorbent product converting line
US10514685B2 (en) * 2014-06-13 2019-12-24 KLA—Tencor Corp. Automatic recipe stability monitoring and reporting
CN104122272B (zh) * 2014-08-01 2019-08-06 上海华力微电子有限公司 半导体器件缺陷的光学检测方法
US9835566B2 (en) * 2015-03-03 2017-12-05 Kla-Tencor Corp. Adaptive nuisance filter
US10216096B2 (en) 2015-08-14 2019-02-26 Kla-Tencor Corporation Process-sensitive metrology systems and methods
TWI637250B (zh) * 2017-03-31 2018-10-01 林器弘 智慧加工調變系統及方法
US10402963B2 (en) * 2017-08-24 2019-09-03 Kla-Tencor Corporation Defect detection on transparent or translucent wafers
CN110945563A (zh) 2019-11-08 2020-03-31 长江存储科技有限责任公司 用于提高产出率的自动评估方法及其评估系统

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6288780B1 (en) * 1995-06-06 2001-09-11 Kla-Tencor Technologies Corp. High throughput brightfield/darkfield wafer inspection system using advanced optical techniques
US5539752A (en) * 1995-06-30 1996-07-23 Advanced Micro Devices, Inc. Method and system for automated analysis of semiconductor defect data
US6104835A (en) * 1997-11-14 2000-08-15 Kla-Tencor Corporation Automatic knowledge database generation for classifying objects and systems therefor
JP4077951B2 (ja) * 1998-01-14 2008-04-23 株式会社ルネサステクノロジ 欠陥解析方法、記録媒体及び工程管理方法
US6408219B2 (en) * 1998-05-11 2002-06-18 Applied Materials, Inc. FAB yield enhancement system
US6265232B1 (en) * 1998-08-21 2001-07-24 Micron Technology, Inc. Yield based, in-line defect sampling method
US6185707B1 (en) * 1998-11-13 2001-02-06 Knights Technology, Inc. IC test software system for mapping logical functional test data of logic integrated circuits to physical representation
US6407373B1 (en) * 1999-06-15 2002-06-18 Applied Materials, Inc. Apparatus and method for reviewing defects on an object
US6675134B2 (en) * 2001-03-15 2004-01-06 Cerebrus Solutions Ltd. Performance assessment of data classifiers
US7359544B2 (en) * 2003-02-12 2008-04-15 Kla-Tencor Technologies Corporation Automatic supervised classifier setup tool for semiconductor defects
US7756320B2 (en) * 2003-03-12 2010-07-13 Hitachi High-Technologies Corporation Defect classification using a logical equation for high stage classification
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
JP5134188B2 (ja) * 2004-10-15 2013-01-30 ケーエルエー−テンカー コーポレイション 試料上の欠陥を分析する装置
JP4664708B2 (ja) * 2005-03-07 2011-04-06 株式会社東芝 欠陥レビューシステム、欠陥レビュー方法、及び電子装置の製造方法
CN1936614A (zh) * 2005-08-15 2007-03-28 特克特朗尼克公司 拖放逻辑分析仪触发器
US7554656B2 (en) * 2005-10-06 2009-06-30 Kla-Tencor Technologies Corp. Methods and systems for inspection of a wafer
US7747062B2 (en) * 2005-11-09 2010-06-29 Kla-Tencor Technologies Corp. Methods, defect review tools, and systems for locating a defect in a defect review process
US7570796B2 (en) * 2005-11-18 2009-08-04 Kla-Tencor Technologies Corp. Methods and systems for utilizing design data in combination with inspection data
US7728969B2 (en) * 2006-12-05 2010-06-01 Kla-Tencor Technologies Corp. Methods and systems for identifying defect types on a wafer

Also Published As

Publication number Publication date
US20110224932A1 (en) 2011-09-15
JP2012532458A (ja) 2012-12-13
US8537349B2 (en) 2013-09-17
JP5583766B2 (ja) 2014-09-03
WO2011002651A1 (en) 2011-01-06
KR20120093820A (ko) 2012-08-23
EP2449390A1 (en) 2012-05-09
CN102576045A (zh) 2012-07-11
TW201128183A (en) 2011-08-16

Similar Documents

Publication Publication Date Title
TWI435072B (zh) 時變缺陷分類效能之監視
JP7216822B2 (ja) 画素レベル画像定量のための深層学習式欠陥検出及び分類方式の使用
TWI722050B (zh) 單一影像偵測
KR102386536B1 (ko) 시편 상의 관심 패턴의 하나 이상의 특성의 결정
JP5865585B2 (ja) ウエハーの層の検査に用いる候補として検査装置の一つ以上の光学モードを同定するためにコンピューターにより実施する方法、コンピューター可読の媒体、および装置
US9201022B2 (en) Extraction of systematic defects
KR101381309B1 (ko) 계측 샘플링 계획을 생성하기 위한 컴퓨터-구현 방법들, 캐리어 매체들 및 시스템들
TWI631638B (zh) 由參考影像改變之檢測方式設定
TWI629476B (zh) 使用相應之電子束圖像之自動分類之缺陷發現及檢測靈敏度最佳化
US20130077092A1 (en) Substrate surface defect inspection method and inspection device
TW202030475A (zh) 基於設計及雜訊之關注區域
JP3721147B2 (ja) パターン検査装置
JP2001256480A (ja) 画像自動分類方法及び装置
JP6668262B2 (ja) 自動的なレシピ安定性の監視および報告
US20090185739A1 (en) Multi-Modal Data Analysis for Defect Identification
JP2014035326A (ja) 欠陥検査装置
TW201514513A (zh) 晶圓的可適性電性測試
JP2004177139A (ja) 検査条件データ作成支援プログラム及び検査装置及び検査条件データ作成方法
KR102447609B1 (ko) 컴퓨터에 의해 지원되는 약한 패턴 검출 및 정량화 시스템
JP2012173017A (ja) 欠陥分類装置
JP2022028082A (ja) 解析装置、解析方法および解析プログラム
JP2022028084A (ja) 解析装置、解析方法および解析プログラム
Fiekowsky et al. Automating defect disposition in fabs and maskshops
CN118043951A (zh) 用于经由缺陷及电性测试数据的相关性自动诊断及监测半导体缺陷裸片筛选性能的系统