TWI618162B - 閉路式自動缺陷檢測和分類 - Google Patents

閉路式自動缺陷檢測和分類 Download PDF

Info

Publication number
TWI618162B
TWI618162B TW103124141A TW103124141A TWI618162B TW I618162 B TWI618162 B TW I618162B TW 103124141 A TW103124141 A TW 103124141A TW 103124141 A TW103124141 A TW 103124141A TW I618162 B TWI618162 B TW I618162B
Authority
TW
Taiwan
Prior art keywords
image
defect
classification
defects
type
Prior art date
Application number
TW103124141A
Other languages
English (en)
Other versions
TW201507048A (zh
Inventor
葛林伯格嘉迪
凱薩門亞當
路哈爾利弗
Original Assignee
應用材料以色列公司
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 應用材料以色列公司 filed Critical 應用材料以色列公司
Publication of TW201507048A publication Critical patent/TW201507048A/zh
Application granted granted Critical
Publication of TWI618162B publication Critical patent/TWI618162B/zh

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J37/00—Discharge tubes with provision for introducing objects or material to be exposed to the discharge, e.g. for the purpose of examination or processing thereof
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/45—Nc applications
    • G05B2219/45031—Manufacturing semiconductor wafers
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/50—Machine tool, machine tool null till machine tool work handling
    • G05B2219/50064—Camera inspects workpiece for errors, correction of workpiece at desired position
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10056—Microscopic image
    • G06T2207/10061—Microscopic image from scanning electron microscope
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30148—Semiconductor; IC; Wafer
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J2237/00—Discharge tubes exposing object to beam, e.g. for analysis treatment, etching, imaging
    • H01J2237/26—Electron or ion microscopes
    • H01J2237/28—Scanning microscopes
    • H01J2237/2813—Scanning microscopes characterised by the application
    • H01J2237/2817—Pattern inspection
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/20—Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

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

Abstract

檢測設備包含一成像模組，該成像模組經配置以在一樣本上之不同、個別的位置處擷取缺陷的影像。一處理器經耦合以處理該等影像，以自動地分配個別的分類給該等缺陷，且自主地控制該成像模組以響應地持續擷取該等影像至該等經分配的分類。

Description

閉路式自動缺陷檢測和分類
本發明一般相關於自動檢測，且特定為用於偵測及分析製造缺陷的方法及系統。
自動缺陷分類(ADC)技術在半導體工業中被廣泛使用於檢測及量測位於佈局圖樣晶圓上的缺陷。這些技術的目的不僅在於偵測缺陷的存在，更及於將該等缺陷自動地依照類型分類，以便於提供生產過程上更細節的反饋，並減低人類檢測員的負擔。例如，ADC被使用以辨識在晶圓表面上因顆粒污染物而出現的缺陷類型及關聯於微電路佈局自身中不規律的缺陷，且也可辨識特定類型的顆粒及不規律。
在專利文獻中已描述用於ADC的多種方法。例如，美國專利第6,256,093號描述在掃描晶圓中用於即時處理ADC的系統。光源照明該掃描晶圓以在該晶圓上產生照明光點。藉由至少兩個空間上隔開的偵測器，感應從該光點散射的光並分析以偵測在該晶圓中之缺陷且將該等缺陷分類為區別的缺陷類型。
在另一個範例中，美國專利第6,922,482號描述使用核心分類器利用邊界及地形的資訊，用於自動地將半導體晶圓表面上的缺陷分類為眾多核心類別之一者的方法及設備。然後使用特定可適性分類器更進一步將缺陷分類為子類別，該分類器關聯於核心類別且經訓練以僅由有限數量的相關核心類別來分類缺陷。無法被核心分類器或特定可適性分類器分類的缺陷藉由全分類器分類。
描述於下之本發明的實施例提供改進的用於自動檢測及缺陷分類的方法、系統及軟體。
因而根據本發明之實施例提供檢測設備，包含成像模組，該成像模組經配置以在一樣本上之個別不同位置處擷取缺陷的影像。一處理器經耦合以處理該等影像，以自動地分配個別的分類給該等缺陷，且自主地控制該成像模組以響應地持續擷取該等影像至該等經分配的分類。
在一些實施例中，該處理器經配置以指示該成像模組，在分配該等分類至藉由該成像模組擷取之影像中所呈現的該等缺陷之一第一組後，響應地擷取該等缺陷之一第二組的進一步之影像至該第一組中之該等缺陷之該等分類的一分佈。該處理器可經配置以計數屬於一個或更多個該等分類的該等缺陷之個別的數量，指示該成像模組以持續擷取該等進一步之影像，直到該等數量之至少一者滿足一事先定義的準則。典型地，該處理器經配置以引起該成像模組以持續擷取該等進一步之影像，直到屬於一給定分類的該等缺陷之一數 量達到一事先定義的臨界值，然後終止該樣本之檢測。
在一個實施例中，該設備包含一使用者介面，其中該處理器經耦合以處理該等影像，且控制該成像模組以響應於從一使用者經由該使用者介面接收之指令。額外地或選擇地，該處理器經耦合以處理該等影像，且控制該成像模組以響應於從一伺服器經由一網路接收之指令。
在一些實施例中，該處理器經配置以以辨識一個或更多個該等缺陷，以用於使用一不同檢測模態的進一步分析。該成像模組可包含多個偵測器，包含至少第一及第二偵測器經配置以根據不同、個別的模態擷取影像，且該處理器可經配置以藉由處理由該第一偵測器擷取之第一影像來辨識該等一個或更多個該等缺陷，且指示該成像模組以使用該第二偵測器擷取該等一個或更多個該等缺陷之第二影像。在一揭露的實施例中，該處理器經配置以基於該等第一影像，辨識該等一個或更多個該等缺陷如同屬於一特定類別，且選擇該第二偵測器用以根據該特定類別擷取該等第二影像。該多個偵測器可由以下組成的一組偵測器中選出：電子偵測器、X光偵測器、及光學偵測器。
在一個實施例中，該設備包含一記憶體，該記憶體經配置以依照個別分類規則而在一多維度特徵空間中儲存複數個缺陷類別的清晰度，且該處理器經配置以由該等影像萃取該等缺陷之特徵，並藉由應用該等分類規則至該等經萃取特徵以分配個別分類。
在一揭露的實施例中，該成像模組包括一掃描式電 子顯微鏡(SEM)，且該樣本包含一半導體晶圓。
根據本發明之實施例，也提供用於檢測之方法，包含以下步驟：使用一成像模組在一樣本上之不同、個別的位置處擷取缺陷的影像。自動地處理該等影像以分配個別的分類給該等缺陷，且自主地控制該成像模組以響應地持續擷取該等影像至該等經分配的分類。
由以下實施例之細節描述與圖式一併採取，將更完全地理解本發明。
20‧‧‧系統
22‧‧‧晶圓
24‧‧‧成像模組
26‧‧‧處理器
28‧‧‧記憶體
30‧‧‧分類器模組
32‧‧‧控制模組
34‧‧‧使用者介面
36‧‧‧偵測器
38‧‧‧伺服器
40‧‧‧步驟
42‧‧‧步驟
44‧‧‧步驟
46‧‧‧步驟
48‧‧‧步驟
第1圖為根據本發明之一實施例的一缺陷檢測及分類系統的示意的、圖像的圖示；及第2圖為根據本發明之一實施例的一流程圖，該流程圖示意地圖示用於閉路式缺陷檢測及分類的方法。
在一般ADC模型中，影像擷取及影像分析功能為分開的：影像系統，例如掃描式電子顯微鏡(SEM)，首先會擷取樣本(例如半導體晶圓)上某數量的不同位置的影像，這些影像接著會傳送到ADC系統用作必然的分析。因為事前預測能在給定晶圓上找到多少任何給定類型的缺陷是困難的，必然的方法有時產生遠多過需要的用於有效處理分析之影像。在其他時候，SEM產生不足夠的資訊，而使晶圓需被重新掃描。如此額外的掃描可針對提供特定用於獨特缺陷或缺陷組的類別之額外影像或資訊。例如，藉由能量分散X光(EDX)分析以分析顆粒類型缺陷，且可在傾斜模式中以一與成像不同之角 度取得電子短路電路之影像。上述情況之種類導致浪費時間及測試資源。
本發明之實施例藉由以一成像模組(例如SEM、光學檢測單元、或任何其他適合類型的檢測裝置)整合ADC能力來對付這些問題。ADC處理器分析成像模組所產生的各個影像，以對缺陷分類並根據使用者定義的準則來決定該等缺陷是否為「令人關注的」。例如，給定的使用者可決定他僅關注某些缺陷類別(例如顆粒類型缺陷)且想要檢測每個晶圓五十個這樣的缺陷。在此例中，成像模組可掃描隨機地選擇各個晶圓上不同位置，直到該成像模組已擷取五十個顆粒類型缺陷的影像。藉由以該成像模組整合ADC能力，在線上完成對藉由該成像模組在各位置處擷取之缺陷類型分類。在此範例中，成像模組從各個晶圓輸出顆粒類型缺陷的五十個影像，然後繼續處理下一個晶圓。
在其他實施例中，當成像模組支援多個檢測模態時，整合ADC處理器可根據缺陷類型分類缺陷，且可接著指示成像模組以針對不同類型應用不同的額外檢測操作。可根據分類結果，在任何給定缺陷位置使用此種類的遞迴檢測迴圈多次。例如：
●ADC處理器可藉由分析缺陷之SEM影像，對給定缺陷(如顆粒)分類，然後，基於此分類，指示成像模組以在相同晶圓位置處實施EDX分析。可接著基於該EDX分析，使用取得自該EDX分析的新資訊以實施第二分類步驟。
●ADC處理器可藉由SEM影像分析，將缺陷分類為電子短路，然後，基於此分類，可指示成像模組以取得一傾斜影像。使用取得自該傾斜影像的新資訊，ADC處理器可接著實施第二分類步驟。
●在ADC處理器初始地將缺陷分類為屬於未知缺陷類別時，該ADC處理器可指示成像模組以實施光學影像取獲。可接著基於該光學影像，使用取得自該光學影像的新資訊以實施第二缺陷分類。
這些程序基於閉路式分類藉由實施必要分析及重新成像，而減低用於分析一些缺陷類別的所需時間。可在一個跨過缺陷位置的掃描中，蒐集所有必要資訊，而不必要以多個不同的模態掃描晶圓多次。
因此，本發明之實施例使成像模組(例如SEM)能夠更有效率地使用該成像模組之資源。以成像模組整合之ADC能力允許擷取指定數量的缺陷特定類型之影像，及一旦達成其額度時停止擷取影像，例如，而不用浪費時間在多餘的影像。額外地或選擇地，如上述，在給定晶圓上初始地擷取之缺陷的分類結果可用以自動地引導成像模組以使用特定的模態及設定在特定位置上擷取隨後的影像。基於初始ADC結果，成像模組可被引導以使用另一檢測模態來實施於特定晶圓位置處之進一步分析，該另一檢測模態例如能量分散X光(EDX)分析或其他形式的材料分析及不同影像取獲模式，包含光學模態，及藉由人類操作員之檢測。
第1圖為根據本發明之實施例的用於自動缺陷檢測 及分類之系統20的示意的、圖像的圖示。樣本，例如佈局圖樣半導體晶圓22，被插入成像模組24中。該模組一般地包括一個或更多個偵測器36，例如，掃描式電子顯微鏡(SEM)或光學檢測裝置或任何其他合適種類的已知技術之檢測設備。模組24一般地掃描晶圓22之表面，感應及擷取影像資料，並輸出晶圓上的缺陷之影像。用詞「影像」在本專利申請書之內文中及專利申請範圍中被廣泛地使用，以指稱關於任何種類可關聯於給定缺陷位置的區域特徵之資料。此特徵可包含，例如，大小、形狀、散射強度、方向性、及/或頻譜品質，及任何其他合適的已知技術之特徵。
處理器26接收並處理藉由成像模組24輸出的影像。處理器26包括分類器模組30，分類器模組30處理影像以由晶圓22之影像萃取相關檢測特徵數值。一般地，模組30藉由應用分類規則至特徵數值，而將缺陷分配至個別的類別，該等分類規則儲存在記憶體28中。分類器模組30將缺陷分類傳送至控制模組32，控制模組32根據地控制由檢測模組所擷取之進行的影像，如下述之更多細節。處理器26之操作一般地自主地實行，亦即，基於事先定義的準則及指令，在檢測處理期間不需操作員介入。
處理器26一般地包括一般用途之電腦處理器或如此之處理器組，可整合於成像模組24封閉之內部或藉由合適的通訊鏈結與其耦合。處理器使用記憶體28以維持缺陷資訊及分類規則。處理器26與使用者介面34耦合，該耦合經由一使用者(例如系統20之操作員)而能夠定義操作準則以應用 於處理影像及控制成像模組24。處理器26被軟體程式化以實行於此描述之功能，包含分類器模組30及控制模組32之功能。可用電子形式跨過一網路下載該軟體至該處理器，例如，或可選擇地或額外地，儲存於有形體的、非暫態的儲存媒體中，例如光學、磁或電子的記憶體媒體(也可包括於記憶體28中)。選擇地或額外地，處理器26之至少一些功能可用專門的或可程式的硬體邏輯來實作。
分類器模組30可應用任何合適種類的已知技術之ADC演算法至缺陷影像資料。在一個實施例中，例如，模組30運行多個分類器，包含以下兩者：單一類別及多類別分類器。這些分類器使用特定於多維度特徵空間中的分類規則，而依照在特徵空間中之個別的區域定義缺陷類別。模組30由藉由模組24所提供之影像來萃取缺陷之特徵，並藉由應用分類規則至所萃取特徵來分配缺陷分類。多類別分類器基於事先定義的缺陷類別(例如顆粒缺陷、佈局圖樣缺陷等等)組來區分缺陷；而個別地對各類別定義單一類別分類器，且分類缺陷為位於類別邊界之內或外側。此種類的分類器之細節描述於，例如美國專利申請案第12/844,724號，申請日為2010年7月27日，該申請案之揭露以參考方式合併於此。
處理器26一般地經由一網路(例如，ADC伺服器38)通訊。伺服器提供處理器26「處方」用作缺陷分析及分類，且可隨著時間更新這些處方。處理器26報告缺陷檢測及分類結果給伺服器。因為分類在成像模組24處區域地實施，必須通訊至伺服器38之資料量相較於傳送未處理影像至ADC伺 服器之系統大幅地減低。額外地或選擇地，處理器26可護送一些影像資料及/或中間的分類結果至伺服器38以進一步處理。
第2圖為根據本發明之實施例的一流程圖，該流程圖示意地圖示用於閉路式缺陷檢測及分類的方法。該方法次於描述，為了方便及清楚，參考系統20之特定架構，但可相似地以其他具有整合缺陷分類能力之檢測系統來實作。如下述之該方法利用多個偵測器36之可獲得性及成像模組24中的影像模態，然而該方法之態樣也可應用在單一模態系統中。
控制模組32在指令輸入步驟40處接收缺陷擷取指令。這些指令可藉由使用者(例如系統20之操作員)經由使用者介面34而程式化，例如，該等指令可選擇地經由網路被下載至系統，或藉由任何其他合適的構件以護送至系統。一般地，該等指令定義一個或更多個應用至系統20找尋之缺陷的分佈之準則。例如，該等指令可特定化一個或更多個缺陷之類別，及在各個系統應欲在各晶圓上找尋的如此類別中缺陷之數量。該等指令也可特定化一逾時條件指示，例如，在擷取一些最大數量的可能缺陷地點之影像後，晶圓之檢測應終止，而不達到目標缺陷分佈。額外地或選擇地，該等指令可基於每次閉路式檢測處理之迭代所做出的分類決定，特定化額外的影像取獲模式以應用至一個或更多個缺陷類別。如此影像取獲模式可包含EDX、傾斜成像、光學成像、及任何其他可在掃描期間藉由偵測器36而收集的資訊。
在影像擷取步驟42處，控制模組32指示成像模組 24以擷取晶圓22上的缺陷之影像。在缺陷分類步驟44處，模組24傳送影像(及/或萃取影像之特徵)至分類器模組30。模組30應用適當的規則至缺陷特徵，以分配缺陷至一特定類別。模組30可選地可標識缺陷以進一步分析，例如在無法使用在記憶體28中的規則可信的分類缺陷時，或在步驟40所提供之該等指令指示處理器26某些缺陷類型應如此辨識時。依據這些指令，這些被標識的缺陷可進一步使用成像模組24中的另一影像模態而處理。可選地或額外地，某些被標識的缺陷可傳送到人類檢測員及/或另一檢測機器，例如X光分析工具。
在分佈檢查步驟46處，控制模組32從分類器模組30接收並紀錄各個缺陷之分類。在此步驟中，如果缺陷為已被標識為進一步成像及分類的類型，模組32可回到步驟42並指示成像模組24以使用另一特定模態(例如EDX、傾斜、或光學成像，如上述)擷取相同缺陷之另一影像。額外地或可選地，在步驟46中模組可比較目前分類之缺陷分佈與步驟40所接收的指令。如果該等指令尚未完成(或逾時)，控制模組回到步驟42並指示成像模組24在另一位置處擷取缺陷影像。
如果在步驟46處，該等指令已完成(例如，藉由實施所有特定成像及分類步驟，並收集屬於一特定類別或多個類別的缺陷之影像的所需數量)或逾時，則在檢測完成步驟48處，模組32終止晶圓22之檢測並提交報告。該報告可包含在類別中或該等指令特定之類別中的缺陷影像，或可僅包含關於晶圓22之表列缺陷資料。系統20可接著繼續檢測下一 晶圓。
雖然為了清楚起見，已描述上面方法於系統20及成像模組24中的缺陷分類特定內文中，這些方法可相似地應用於其他自動檢測之系統及應用，且不限於半導體晶圓缺陷或SEM影像。因此應理解上述實施例以範例方式引用，而本發明並不限於此上已特定展示及描述之內容。而本發明之範圍包含描述於此上的多種特徵之組合及子組合之兩者，及在發明所屬領域具有通常知識者在閱讀前述後做出及先前技術未揭露之改變及修改。
40‧‧‧步驟
42‧‧‧步驟
44‧‧‧步驟
46‧‧‧步驟
48‧‧‧步驟

Claims (20)

  1. 一種檢測系統，包括：一記憶體，用以儲存一或多個分類規則；及一處理器，該處理器與該記憶體耦合，以實行以下操作：使用一第一影像取獲模式來擷取在一樣本上的一缺陷的一第一影像，其中該第一影像取獲模式使用一第一類的偵測器，該第一類的偵測器收集一第一類的影像資訊；從該缺陷的該第一影像萃取(extract)該缺陷的一第一組特徵；藉由應用該一或多個分類規則至經萃取的該第一組特徵，而將一第一分類分配給該缺陷；回應於將該第一分類給該缺陷的一分配並且基於該第一分類的一信心水準，判定以使用一第二影像取獲模式來擷取該缺陷的一第二影像，其中該第二影像取獲模式使用一第二類的偵測器，該第二類的偵測器收集一第二類的影像資訊，且該第二類的偵測器是藉由使用將該第一分類給該缺陷的該分配而所選擇；辨識複數個缺陷分類至能夠利用以擷取該第二影像的複數個不同類的偵測器的關聯，其中該複數個不同類的偵測器收集不同類的影像資訊；回應於判定以擷取該第二影像，從該複數個不同類的偵測器選擇該第二類的偵測器，該第二類的偵測器可利用以基於該複數個缺陷分類至該複數個影像取獲模式 的關聯而擷取該第二影像；使用該第二影像取獲模式來擷取該缺陷的該第二影像；從該缺陷的該第二影像萃取(extract)該缺陷的一第二組特徵；及藉由應用該一或多個分類規則至該第二組特徵，而將一第二分類分配給該缺陷。
  2. 如請求項1所述之系統，其中該處理器進一步實行以下操作：將該信心水準分配給該缺陷以用於該缺陷的該第一分類。
  3. 如請求項1所述之系統，其中該處理器進一步實行以下操作：計數屬於一或多個該等分類的該等缺陷之個別的數量；及擷取複數個影像直到缺陷的該等數量的至少一者滿足一準則。
  4. 如請求項3所述之系統，其中該處理器進一步實行以下操作：擷取該複數個影像直到屬於一給定分類的該等缺陷之一 數量達到一臨界值；及終止該樣本之檢測。
  5. 如請求項1所述之系統，其中能夠利用以擷取該第二影像的該複數個不同類的偵測器包括電子偵測器、X光偵測器、或光學偵測器中之至少一者。
  6. 如請求項1所述之系統，其中該處理器是回應於經由一網路從一伺服器接收之指令而處理該第一影像和該第二影像。
  7. 如請求項1所述之系統，其中該第一影像取獲模式或該第二影像取獲模式包括能量分散X光(EDX)、傾斜成像、或光學成像中之一者。
  8. 如請求項1所述之系統，其中該處理器進一步實行以下操作：在該樣本上的不同位置處擷取一使用者定義的數量的缺陷的複數個影像。
  9. 如請求項1所述之系統，其中該系統包括一掃描式電子顯微鏡(SEM)。
  10. 一種用於檢測的方法，包括以下步驟： 由一成像裝置的一處理器，使用一第一影像取獲模式來擷取在一樣本上的一缺陷的一第一影像，其中該第一影像取獲模式使用一第一類的偵測器，該第一類的偵測器收集一第一類的影像資訊；從該缺陷的該第一影像萃取(extract)該缺陷的一第一組特徵；藉由應用一或多個分類規則至經萃取的該第一組特徵，而將一第一分類分配給該缺陷；回應於將該第一分類給該缺陷的該分配並且基於該第一分類的一信心水準，判定以使用一第二影像取獲模式來擷取該缺陷的一第二影像，其中該第二影像取獲模式使用一第二類的偵測器，該第二類的偵測器收集一第二類的影像資訊，且該第二類的偵測器是藉由使用將該第一分類給該缺陷的該分配而所選擇；辨識複數個缺陷分類至能夠利用以擷取該第二影像的複數個不同類的偵測器的關聯，其中該複數個不同類的偵測器收集不同類的影像資訊；回應於判定以擷取該第二影像，從該複數個不同類的偵測器選擇該第二類的偵測器，該第二類的偵測器可利用以基於該複數個缺陷分類至該複數個影像取獲模式的關聯而擷取該第二影像；使用該第二影像取獲模式來擷取該缺陷的該第二影像；從該缺陷的該第二影像萃取(extract)該缺陷的一第二組特徵；及 藉由應用該一或多個分類規則至該第二組特徵，而將一第二分類分配給該缺陷。
  11. 如請求項10所述之方法，進一步包括以下步驟：將該信心水準分配給該缺陷以用於該缺陷的該第一分類。
  12. 如請求項10所述之方法，進一步包括以下步驟：計數屬於一或多個該等分類的該等缺陷之個別的數量；及擷取複數個影像直到缺陷的該等數量的至少一者滿足一準則。
  13. 如請求項12所述之方法，其中擷取步驟包括以下步驟：擷取該複數個影像直到屬於一給定分類的該等缺陷之一數量達到一臨界值；及終止該樣本之檢測。
  14. 如請求項10所述之方法，進一步包括以下步驟：經由一使用者介面從一使用者接收指令，其中該第一影像和該第二影像是回應該等指令而處理的。
  15. 如請求項10所述之方法，進一步包括以下步驟：經由一網路從一伺服器接收指令，以處理該第一影像和 該第二影像。
  16. 如請求項10所述之方法，其中該第一影像取獲模式或該第二影像取獲模式包括能量分散X光(EDX)、傾斜成像、或光學成像中之一者。
  17. 如請求項10所述之方法，進一步包括以下步驟：在該樣本上的不同位置處擷取一使用者定義的數量的缺陷的複數個第一影像。
  18. 如請求項17所述之方法，其中能夠利用以擷取該第二影像的該複數個不同類的偵測器包括至少一個光學偵測器。
  19. 一種用於檢測的非暫態儲存媒體具有指令儲存於其上，當該等指令由一處理器執行時，使得該處理器實行以下操作，包括：使用一第一影像取獲模式來擷取在一樣本上的一缺陷的一第一影像，其中該第一影像取獲模式使用一第一類的偵測器，該第一類的偵測器收集一第一類的影像資訊；從該缺陷的該第一影像萃取(extract)該缺陷的一第一組特徵；藉由應用一或多個分類規則至經萃取的該第一組特徵，而將一第一分類分配給該缺陷； 回應於將該第一分類給該缺陷的該分配並且基於該第一分類的一信心水準，判定以使用一第二影像取獲模式來擷取該缺陷的一第二影像，其中該第二影像取獲模式使用一第二類的偵測器，該第二類的偵測器收集一第二類的影像資訊，且該第二類的偵測器是藉由使用將該第一分類給該缺陷的該分配而所選擇；辨識複數個缺陷分類至能夠利用以擷取該第二影像的複數個不同類的偵測器的關聯，其中該複數個不同類的偵測器收集不同類的影像資訊；回應於判定以擷取該第二影像，從該複數個不同類的偵測器選擇該第二類的偵測器，該第二類的偵測器可利用以基於該複數個缺陷分類至該複數個影像取獲模式的關聯而擷取該第二影像；使用該第二影像取獲模式來擷取該缺陷的該第二影像；從該缺陷的該第二影像萃取(extract)該缺陷的一第二組特徵；及藉由應用該一或多個分類規則至該第二組特徵，而將一第二分類分配給該缺陷。
  20. 如請求項19所述之非暫態儲存媒體，其中能夠利用以擷取該第二影像的該複數個不同類的偵測器包括電子偵測器、X光偵測器、或光學偵測器中之至少一者。
TW103124141A 2013-07-22 2014-07-14 閉路式自動缺陷檢測和分類 TWI618162B (zh)

Applications Claiming Priority (2)

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

Publications (2)

Publication Number Publication Date
TW201507048A TW201507048A (zh) 2015-02-16
TWI618162B true TWI618162B (zh) 2018-03-11

Family

ID=52343280

Family Applications (1)

Application Number Title Priority Date Filing Date
TW103124141A TWI618162B (zh) 2013-07-22 2014-07-14 閉路式自動缺陷檢測和分類

Country Status (4)

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

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017180399A1 (en) * 2016-04-13 2017-10-19 Kla-Tencor Corporation System and method for defect classification based on electrical design intent
US10209628B2 (en) * 2016-05-26 2019-02-19 Kla-Tencor Corporation System and method for defect classification based on electrical design intent
CN108886007B (zh) * 2016-04-13 2020-03-27 科磊股份有限公司 用于基于电设计意图的缺陷分类的系统及方法
US10740888B2 (en) 2016-04-22 2020-08-11 Kla-Tencor Corporation Computer assisted weak pattern detection and quantification system
GB201608056D0 (en) * 2016-05-09 2016-06-22 Oxford Instr Nanotechnology Tools Ltd Improved analysis with preliminary survey
KR102334698B1 (ko) * 2017-01-18 2021-12-06 에이에스엠엘 네델란즈 비.브이. 캐스케이드 결함 검사
CN110998463B (zh) * 2017-01-18 2023-08-25 Asml荷兰有限公司 用于缺陷检查的知识推荐的服务器和方法
US10692690B2 (en) 2017-03-27 2020-06-23 Kla-Tencor Corporation Care areas for improved electron beam defect detection
US10970834B2 (en) * 2018-01-05 2021-04-06 Kla-Tencor Corporation Defect discovery using electron beam inspection and deep learning with real-time intelligence to reduce nuisance
TWI689722B (zh) * 2018-12-04 2020-04-01 台灣積體電路製造股份有限公司 辨識晶圓上微塵顆粒的方法、電子裝置及電腦可讀取記錄媒體
KR20190103085A (ko) * 2019-08-15 2019-09-04 엘지전자 주식회사 지능형 진단 디바이스
KR20220030339A (ko) * 2020-08-27 2022-03-11 삼성디스플레이 주식회사 이물 불량 검출 방법 및 이물 불량 검출 시스템
US11408832B2 (en) * 2021-01-03 2022-08-09 Araz Yacoubian Surface inspection sensor

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW484197B (en) * 1999-07-21 2002-04-21 Applied Materials Inc Real time defect source identification
US20060009011A1 (en) * 2004-07-06 2006-01-12 Gary Barrett Method for recycling/reclaiming a monitor wafer
US20090136121A1 (en) * 2007-11-14 2009-05-28 Ryo Nakagaki Defect review method and apparatus

Family Cites Families (87)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5923430A (en) 1993-06-17 1999-07-13 Ultrapointe Corporation Method for characterizing defects on semiconductor wafers
US8144368B2 (en) 1998-01-20 2012-03-27 Digimarc Coporation Automated methods for distinguishing copies from original printed objects
US5991699A (en) 1995-05-04 1999-11-23 Kla Instruments Corporation Detecting groups of defects in semiconductor feature space
JP2885694B2 (ja) * 1996-04-25 1999-04-26 山口日本電気株式会社 半導体基板表面の自動外観検査装置
US5963662A (en) * 1996-08-07 1999-10-05 Georgia Tech Research Corporation Inspection system and method for bond detection and validation of surface mount devices
US6292582B1 (en) 1996-05-31 2001-09-18 Lin Youling Method and system for identifying defects in a semiconductor
US6148099A (en) 1997-07-03 2000-11-14 Neopath, Inc. Method and apparatus for incremental concurrent learning in automatic semiconductor wafer and liquid crystal display defect classification
US6195458B1 (en) 1997-07-29 2001-02-27 Eastman Kodak Company Method for content-based temporal segmentation of video
WO2002095534A2 (en) 2001-05-18 2002-11-28 Biowulf Technologies, Llc Methods for feature selection in a learning machine
US6996549B2 (en) 1998-05-01 2006-02-07 Health Discovery Corporation Computer-aided image analysis
US6408219B2 (en) * 1998-05-11 2002-06-18 Applied Materials, Inc. FAB yield enhancement system
US6256093B1 (en) 1998-06-25 2001-07-03 Applied Materials, Inc. On-the-fly automatic defect classification for substrates using signal attributes
US6650779B2 (en) 1999-03-26 2003-11-18 Georgia Tech Research Corp. Method and apparatus for analyzing an image to detect and identify patterns
US6922482B1 (en) 1999-06-15 2005-07-26 Applied Materials, Inc. Hybrid invariant adaptive automatic defect classification
US6577757B1 (en) 1999-07-28 2003-06-10 Intelligent Reasoning Systems, Inc. System and method for dynamic image recognition
US6999614B1 (en) 1999-11-29 2006-02-14 Kla-Tencor Corporation Power assisted automatic supervised classifier creation tool for semiconductor defects
JP2001156135A (ja) * 1999-11-29 2001-06-08 Hitachi Ltd 欠陥画像の分類方法及びその装置並びにそれを用いた半導体デバイスの製造方法
WO2002029392A2 (en) * 2000-10-02 2002-04-11 Applied Materials, Inc. Defect source identifier
US20020159641A1 (en) 2001-03-14 2002-10-31 Whitney Paul D. Directed dynamic data analysis
IL149588A (en) 2001-05-11 2007-07-24 Orbotech Ltd Image searching defect detector
WO2002095553A2 (en) 2001-05-18 2002-11-28 Imprivata Inc. Biometric authentication for remote initiation of actions and services
JP2003107022A (ja) * 2001-09-28 2003-04-09 Hitachi Ltd 欠陥検査装置及び検査方法
US6792366B2 (en) * 2001-12-11 2004-09-14 Hitachi, Ltd. Method and apparatus for inspecting defects in a semiconductor wafer
JP3726263B2 (ja) 2002-03-01 2005-12-14 ヒューレット・パッカード・カンパニー 文書分類方法及び装置
US20040034612A1 (en) 2002-03-22 2004-02-19 Nick Mathewson Support vector machines for prediction and classification in supply chain management and other applications
JP4118703B2 (ja) 2002-05-23 2008-07-16 株式会社日立ハイテクノロジーズ 欠陥分類装置及び欠陥自動分類方法並びに欠陥検査方法及び処理装置
US7020337B2 (en) 2002-07-22 2006-03-28 Mitsubishi Electric Research Laboratories, Inc. System and method for detecting objects in images
US7379175B1 (en) * 2002-10-15 2008-05-27 Kla-Tencor Technologies Corp. Methods and systems for reticle inspection and defect review using aerial imaging
JP3993817B2 (ja) 2002-12-11 2007-10-17 株式会社日立製作所 欠陥組成分析方法及び装置
US7359544B2 (en) 2003-02-12 2008-04-15 Kla-Tencor Technologies Corporation Automatic supervised classifier setup tool for semiconductor defects
US7602962B2 (en) 2003-02-25 2009-10-13 Hitachi High-Technologies Corporation Method of classifying defects using multiple inspection machines
JP4443270B2 (ja) 2003-03-12 2010-03-31 株式会社日立ハイテクノロジーズ 欠陥分類方法
US7756320B2 (en) 2003-03-12 2010-07-13 Hitachi High-Technologies Corporation Defect classification using a logical equation for high stage classification
US9002497B2 (en) 2003-07-03 2015-04-07 Kla-Tencor Technologies Corp. Methods and systems for inspection of wafers and reticles using designer intent data
US7106434B1 (en) * 2003-07-28 2006-09-12 Kla-Tencor Technologies, Inc. Inspection tool
WO2005017813A2 (en) 2003-08-19 2005-02-24 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Method and apparatus for automatic online detection and classification of anomalous objects in a data stream
US7490071B2 (en) 2003-08-29 2009-02-10 Oracle Corporation Support vector machines processing system
JP2005158780A (ja) 2003-11-20 2005-06-16 Hitachi Ltd パターン欠陥検査方法及びその装置
JP2005198970A (ja) 2004-01-19 2005-07-28 Konica Minolta Medical & Graphic Inc 医用画像処理装置
US20050175243A1 (en) 2004-02-05 2005-08-11 Trw Automotive U.S. Llc Method and apparatus for classifying image data using classifier grid models
US7609893B2 (en) 2004-03-03 2009-10-27 Trw Automotive U.S. Llc Method and apparatus for producing classifier training images via construction and manipulation of a three-dimensional image model
US7188050B2 (en) 2004-08-25 2007-03-06 Siemens Corporate Research, Inc. Method and apparatus for detecting out-of-range conditions in power generation equipment operations
KR20180037323A (ko) * 2004-10-12 2018-04-11 케이엘에이-텐코 코포레이션 표본 상의 결함들을 분류하기 위한 컴퓨터-구현 방법 및 시스템
US7450766B2 (en) 2004-10-26 2008-11-11 Hewlett-Packard Development Company, L.P. Classifier performance
JP2008529067A (ja) 2005-01-21 2008-07-31 フォトン・ダイナミクス・インコーポレーテッド 自動欠陥修復システム
JP5059297B2 (ja) * 2005-05-09 2012-10-24 株式会社日立ハイテクノロジーズ 電子線式観察装置
CN100449981C (zh) 2005-08-15 2009-01-07 大唐移动通信设备有限公司 多载波高速下行分组接入中混合自动重传方法
JP4654093B2 (ja) 2005-08-31 2011-03-16 株式会社日立ハイテクノロジーズ 回路パターン検査方法及びその装置
JP4776308B2 (ja) 2005-09-05 2011-09-21 株式会社東京精密 画像欠陥検査装置、画像欠陥検査システム、欠陥分類装置及び画像欠陥検査方法
KR101682838B1 (ko) * 2005-11-18 2016-12-12 케이엘에이-텐코 코포레이션 검사 데이터와 조합하여 설계 데이터를 활용하는 방법 및 시스템
US7570796B2 (en) 2005-11-18 2009-08-04 Kla-Tencor Technologies Corp. Methods and systems for utilizing design data in combination with inspection data
US7570800B2 (en) 2005-12-14 2009-08-04 Kla-Tencor Technologies Corp. Methods and systems for binning defects detected on a specimen
JP4644613B2 (ja) 2006-02-27 2011-03-02 株式会社日立ハイテクノロジーズ 欠陥観察方法及びその装置
JP2008004081A (ja) * 2006-05-23 2008-01-10 Hitachi High-Technologies Corp 画像検索装置、画像検索システム、画像検索方法、および画像検索方法を実行するためのプログラム
US7684609B1 (en) 2006-05-25 2010-03-23 Kla-Tencor Technologies Corporation Defect review using image segmentation
JP4253335B2 (ja) 2006-07-13 2009-04-08 株式会社東芝 カーネル関数値を用いた、画像の平均値シフトによるフィルタリングとクラスタリングの方法及び装置
JP4992081B2 (ja) 2006-09-20 2012-08-08 国立大学法人山口大学 画像処理により対象物の表面状態を検査する方法及びそのための画像処理プログラム
JP4908995B2 (ja) 2006-09-27 2012-04-04 株式会社日立ハイテクノロジーズ 欠陥分類方法及びその装置並びに欠陥検査装置
US7904845B2 (en) * 2006-12-06 2011-03-08 Kla-Tencor Corp. Determining locations on a wafer to be reviewed during defect review
JP5427609B2 (ja) 2006-12-19 2014-02-26 ケーエルエー−テンカー・コーポレーション 検査レシピ作成システムおよびその方法
WO2008086282A2 (en) 2007-01-05 2008-07-17 Kla-Tencor Corporation Methods and systems for using electrical information for a device being fabricated on a wafer to perform one or more defect-related functions
JP5022174B2 (ja) 2007-10-22 2012-09-12 株式会社日立製作所 欠陥分類方法及びその装置
US7949622B2 (en) 2007-12-13 2011-05-24 Yahoo! Inc. System and method for generating a classifier model for classifying web content
US8583416B2 (en) 2007-12-27 2013-11-12 Fluential, Llc Robust information extraction from utterances
KR101614994B1 (ko) 2008-03-10 2016-04-22 인터디지탈 패튼 홀딩스, 인크 반지속적 및 동적 데이터 전송을 위해 ｈａｒｑ 프로세스를 효율적으로 이용하기 위한 방법 및 장치
US7756658B2 (en) 2008-05-14 2010-07-13 Kla-Tencor Corp. Systems and methods for detecting defects on a wafer and generating inspection results for the wafer
US20090305423A1 (en) 2008-06-09 2009-12-10 Ohio State University Research Foundation Methods for Monitoring Composition and Flavor Quality of Cheese Using a Rapid Spectroscopic Method
JP2010164487A (ja) 2009-01-16 2010-07-29 Tokyo Seimitsu Co Ltd 欠陥検査装置及び欠陥検査方法
US8175373B2 (en) 2009-02-16 2012-05-08 Kla-Tencor Corporation Use of design information and defect image information in defect classification
US8112241B2 (en) 2009-03-13 2012-02-07 Kla-Tencor Corp. Methods and systems for generating an inspection process for a wafer
JP5168215B2 (ja) 2009-04-10 2013-03-21 株式会社デンソー 外観検査装置
US8457414B2 (en) 2009-08-03 2013-06-04 National Instruments Corporation Detection of textural defects using a one class support vector machine
US8774209B2 (en) 2009-12-02 2014-07-08 Qualcomm Incorporated Apparatus and method for spectrum sharing using listen-before-talk with quiet periods
JP2011158373A (ja) 2010-02-02 2011-08-18 Dainippon Screen Mfg Co Ltd 自動欠陥分類のための教師データ作成方法、自動欠陥分類方法および自動欠陥分類装置
US9553697B2 (en) 2010-04-05 2017-01-24 Qualcomm Incorporated HARQ ACK/NACK transmission for multi-carrier operation
WO2011155123A1 (ja) 2010-06-07 2011-12-15 株式会社 日立ハイテクノロジーズ 観察画像の分類基準の最適化方法、および画像分類装置
US8315453B2 (en) * 2010-07-27 2012-11-20 Applied Materials Israel, Ltd. Defect classification with optimized purity
US9165051B2 (en) 2010-08-24 2015-10-20 Board Of Trustees Of The University Of Illinois Systems and methods for detecting a novel data class
US8983179B1 (en) 2010-11-10 2015-03-17 Google Inc. System and method for performing supervised object segmentation on images
US8502146B2 (en) 2011-10-03 2013-08-06 Kla-Tencor Corporation Methods and apparatus for classification of defects using surface height attributes
KR20140113976A (ko) 2011-12-22 2014-09-25 인터디지탈 패튼 홀딩스, 인크 동적 스펙트럼 할당을 위한 방법, 장치 및 시스템
JP6173423B2 (ja) 2012-03-19 2017-08-02 ケーエルエー−テンカー コーポレイション 自動検査半導体デバイスのレシピ生成のための方法、コンピュータシステムおよび装置
US10043264B2 (en) * 2012-04-19 2018-08-07 Applied Materials Israel Ltd. Integration of automatic and manual defect classification
US10599944B2 (en) 2012-05-08 2020-03-24 Kla-Tencor Corporation Visual feedback for inspection algorithms and filters
US10330608B2 (en) 2012-05-11 2019-06-25 Kla-Tencor Corporation Systems and methods for wafer surface feature detection, classification and quantification with wafer geometry metrology tools
US8826200B2 (en) 2012-05-25 2014-09-02 Kla-Tencor Corp. Alteration for wafer inspection
US9053390B2 (en) 2012-08-14 2015-06-09 Kla-Tencor Corporation Automated inspection scenario generation

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW484197B (en) * 1999-07-21 2002-04-21 Applied Materials Inc Real time defect source identification
US20060009011A1 (en) * 2004-07-06 2006-01-12 Gary Barrett Method for recycling/reclaiming a monitor wafer
US20090136121A1 (en) * 2007-11-14 2009-05-28 Ryo Nakagaki Defect review method and apparatus

Also Published As

Publication number Publication date
US20150022654A1 (en) 2015-01-22
JP7174117B2 (ja) 2022-11-17
JP6920370B2 (ja) 2021-08-18
KR20150011329A (ko) 2015-01-30
US10901402B2 (en) 2021-01-26
TW201507048A (zh) 2015-02-16
US10114368B2 (en) 2018-10-30
KR102340791B1 (ko) 2021-12-17
JP2019140416A (ja) 2019-08-22
JP2021182634A (ja) 2021-11-25
US20190121331A1 (en) 2019-04-25
JP2015029094A (ja) 2015-02-12

Similar Documents

Publication Publication Date Title
TWI618162B (zh) 閉路式自動缺陷檢測和分類
JP6391083B2 (ja) 自動欠陥分類における分類器の準備及び保守
JP6905954B2 (ja) 自動欠陥分類のための未知欠陥除去の最適化
JP6285640B2 (ja) 自動及び手動欠陥分類の統合
JP2020118696A (ja) 光学式検査及び光学式レビューからの欠陥属性に基づく電子ビームレビューのための欠陥サンプリング
US9293298B2 (en) Defect discovery and inspection sensitivity optimization using automated classification of corresponding electron beam images
JP4722038B2 (ja) 単一ツール欠陥分類ソリューション
TW201908716A (zh) 缺陷自動分類技術
TWI798386B (zh) 用於新穎缺陷發現之損害探勘
TW202004936A (zh) 用於檢查之模式選擇
CN113168695B (zh) 使用浅层深度学习的差值滤波器及孔径选择的系统与方法
TWI772735B (zh) 對半導體取樣中的缺陷進行分類的方法及其系統
TWI688763B (zh) 用於缺陷之分類的系統及方法
US6423557B1 (en) ADC based in-situ destructive analysis selection and methodology therefor
WO2021022100A1 (en) Method for process monitoring with optical inspections
JP2015216285A (ja) 欠陥分析方法