JP6312370B2 - ウェーハジオメトリ計測ツールによるウェーハ表面フィーチャの検出、分類および定量化のためのシステムおよび方法 - Google Patents
ウェーハジオメトリ計測ツールによるウェーハ表面フィーチャの検出、分類および定量化のためのシステムおよび方法 Download PDFInfo
- Publication number
- JP6312370B2 JP6312370B2 JP2013100041A JP2013100041A JP6312370B2 JP 6312370 B2 JP6312370 B2 JP 6312370B2 JP 2013100041 A JP2013100041 A JP 2013100041A JP 2013100041 A JP2013100041 A JP 2013100041A JP 6312370 B2 JP6312370 B2 JP 6312370B2
- Authority
- JP
- Japan
- Prior art keywords
- defect
- wafer
- classification
- image
- detection
- Prior art date
- Legal status (The legal status 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 status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 102
- 230000007547 defect Effects 0.000 claims description 233
- 235000012431 wafers Nutrition 0.000 claims description 212
- 238000001514 detection method Methods 0.000 claims description 82
- 238000011002 quantification Methods 0.000 claims description 33
- 238000012545 processing Methods 0.000 claims description 30
- 230000002950 deficient Effects 0.000 claims description 26
- 238000005259 measurement Methods 0.000 claims description 25
- 230000008569 process Effects 0.000 claims description 22
- 238000007689 inspection Methods 0.000 claims description 17
- 238000001914 filtration Methods 0.000 claims description 14
- 230000006872 improvement Effects 0.000 claims description 14
- 239000013078 crystal Substances 0.000 claims description 13
- 230000004044 response Effects 0.000 claims description 13
- 238000000926 separation method Methods 0.000 claims description 13
- 239000000463 material Substances 0.000 claims description 9
- 230000003287 optical effect Effects 0.000 claims description 9
- 239000010408 film Substances 0.000 claims description 7
- 239000010409 thin film Substances 0.000 claims description 6
- 238000009499 grossing Methods 0.000 claims description 4
- 230000001629 suppression Effects 0.000 claims description 4
- 239000012528 membrane Substances 0.000 claims 1
- 238000004519 manufacturing process Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 238000005498 polishing Methods 0.000 description 6
- 230000003044 adaptive effect Effects 0.000 description 5
- 238000002955 isolation Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007717 exclusion Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 229910052710 silicon Inorganic materials 0.000 description 2
- 239000010703 silicon Substances 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 235000015220 hamburgers Nutrition 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000000059 patterning Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000011896 sensitive detection Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000007847 structural defect Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000009966 trimming Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/9501—Semiconductor wafers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/956—Inspecting patterns on the surface of objects
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8854—Grading and classifying of flaws
- G01N2021/8861—Determining coordinates of flaws
- G01N2021/8864—Mapping zones of defects
-
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biochemistry (AREA)
- Theoretical Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Pathology (AREA)
- Immunology (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Computer Hardware Design (AREA)
- Power Engineering (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Signal Processing (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Processing (AREA)
Description
本開示は、主にウェーハ表面計測学の分野に関し、特に、ウェーハジオメトリ計測ツールを用いたウェーハ表面フィーチャの検出、分類および定量化のためのシステムおよび方法に関する。
肉薄の磨き板（例えば、シリコンウェーハ）は、現代技術において極めて重要となっている。例えば、ウェーハは、集積回路および他のデバイスの作製において用いられる、肉薄にスライスされた半導体材料を指し得る。肉薄の磨き板の他の例を挙げると、磁気ディスク基板、ブロックゲージなどがある。本明細書中に記載の技術は主にウェーハを指すが、この技術は他の種類の磨き板にも適用可能であることが理解されるべきである。「ウェーハ」という用語および「肉薄の磨き板」という用語とは、本開示において相互交換可能に用いられ得る。
一般的に、ウェーハの平坦性および厚さ均一性について特定の要件が確立され得る。ウェーハの形状および厚さの測定値変動に対処するために、多様な技術が存在する。しかし、ほとんどの既存のウェーハ検査ツールの場合、ウェーハ表面の検出と表面欠陥の検出としか行うことができない。いくつかのウェーハ表面検査ツールの場合、欠陥領域の計算および欠陥種類の分類も行うことができるものの、欠陥高さまたは深さについての情報報告は得られ無い。そのため、既存の検査ツールの場合、欠陥体積情報は得られ無い。
ウェーハ表面フィーチャ検出、分類および定量化のためのシステムおよび方法が必要とされている。検出された欠陥は分類され、高さ／深さ、面積および体積についての重要な欠陥計測情報が報告され、これにより、これらの欠陥によるウェーハ品質への悪影響を定量化するためのより多くの値が得られる。
本開示は、ウェーハの検査方法に関する。上記方法は、以下を含み得る：データ取得およびデータ処理レシプを設定することと、ウェーハ表面画像を取得することと、信号対バックグラウンドコントラストを向上させるように上記ウェーハ表面画像をフィルタリングすることと、高フィルタ応答を抑制するようにウェーハエッジ処理を行うことと、上記フィルタリングされたウェーハ表面画像に基づいて欠陥検出および分類を行うことと、上記欠陥の高さ、深さ、面積および体積のうち少なくとも１つを曲面あてはめを用いて計算することと、上記検出されかつ分類された欠陥の高さ、深さ、面積および体積のうち少なくとも１つを報告すること。
本開示のさらなる実施形態は、パターンまたは薄膜ウェーハの検査方法に関する。上記方法は、パターンウェーハ表面のための多様なデータ処理ステップを含み得る。このようなステップは、以下を含み得る：均一なパターンを得るようにウェーハＸＹ歪みを修正することと、基準ウェーハを生成し、上記基準ウェーハに対する動作下において上記ウェーハをアライメントさせることと、または上記パターン信号の抑制および残留ウェーハ表面画像の生成が得られるように、ウェーハ間動作を行うこと。同様に、上記方法は、薄膜ウェーハ表面のための多様なデータ処理ステップを含み得る。このようなステップは、異なる膜材料および膜構造からの信号変動を低減するように、上記薄膜ウェーハ表面について膜応答較正および補償を行うことを含み得る。このようなデータ処理ステップが完了した後、後続の検査ステップは、以下を含み得る：信号対バックグラウンドコントラストを向上させるように上記ウェーハ表面画像をフィルタリングすることと、上記フィルタリングされたウェーハ表面画像に基づいて、欠陥検出および分類を行うことと、上記欠陥の高さ、深さ、面積および体積のうち少なくとも１つを曲面あてはめを用いて計算することと、上記検出されかつ分類された欠陥の高さ、深さ、面積および体積のうち少なくとも１つを報告すること。
本開示のさらなる実施形態は、ウェーハ検査のためのシステムに関する。上記システムは、ウェーハ表面画像を取得するための光学系を含み得る。上記システムはまた、ウェーハ表面フィーチャの検出、分類および定量化のモジュールを含み得る。上記ウェーハ表面フィーチャの検出、分類および定量化のモジュールは、以下を行うように構成され得る：信号対バックグラウンドコントラストを向上させるように上記ウェーハ表面画像をフィルタリングすることと、上記フィルタリングされたウェーハ表面画像に基づいて、欠陥検出および分類を行うことと、上記欠陥の高さ、深さ、面積および体積のうち少なくとも１つを曲面あてはめを用いて計算することと、上記検出されかつ分類された欠陥の高さ、深さ、面積および体積のうち少なくとも１つを報告すること。
上記の一般的記述および以下の詳細な説明はひとえに例示的かつ説明的なものであり、必ずしも本開示を限定するものではないことが理解されるべきである。添付の図面は、本明細書において用いられかつ本明細書の一部をなすものであり、本開示の内容を例示する。これらの記載および図面は、本開示の原理を説明する役割を共に果たす。
当業者であれば、添付の図面を参照すれば、本開示の多数の利点をより深く理解し得る。
以下、添付図面に示される本開示の発明について詳述する。
現在、ウェーハの表面高さの測定と、ウェーハのナノトポグラフィーの提供とを行うことができるのは、特定のウェーハジオメトリ計測ツールである。ナノトポグラフィーは、約０．２〜２０ｍｍの空間波長における表面逸脱として定義される。ナノトポグラフィーにより、空間周波数におけるウェーハ表面不規則性のトポロジーマップにおける粗さおよび平坦性の差が埋められる。入来２００ｍｍウェーハおよび３００ｍｍウェーハの平坦性においては、ウェーハ処理時における小さな変化が発生するため、最終ウェーハ表面上のトポグラフィーの小さな変化を検出するために、正確かつ包括的な測定能力が必要とされている。
ウェーハ計測ツールおよび干渉計システム（例えば、ＫＬＡ−ＴｅｎｃｏｒからのＷａｆｅｒＳｉｇｈｔ計測学システム）は、ウェーハの表面および裏面双方を同時に走査することができる。１回の走査におけるウェーハ形状、エッジロールオフ、厚さまたは平坦性、およびナノトポグラフィーの測定値を組み合わせることにより、このようなウェーハ計測ツールから、ウェーハ製造においてナノトポグラフィーおよびウェーハジオメトリ監視に必要な完全なデータ一式を得ることが可能となる。
本開示は、光学系（例えば、ウェーハ計測ツールおよび干渉計システム）のための微細欠陥検査能力を提供するためのシステムおよび方法に関する。本開示によるシステムおよび方法は、ウェーハ表面フィーチャの検出、分類および定量化することができる。上記システムおよび方法において、上記検出された欠陥が分類され、高さ／深さ、領域および体積の重要な欠陥計測情報が報告される。そのため、本開示によるシステムおよび方法により、これらの欠陥に起因するウェーハ品質への悪影響を定量化するための値をより多く得ることが可能になる。
図１は、裸ウェーハ表面欠陥の検出、分類および定量化のための本開示による方法１００によって行われる主なステップを示すフロー図を示す。ステップ１０２において、データ取得およびデータ処理レシピが設定される。ステップ１０４において、光学系（例えば、ＷａｆｅｒＳｉｇｈｔ）を用いてウェーハ表面画像（例えば、表面画像および裏面画像）を取得する。ステップ１０６において、特殊設計のフィルタを用いて対象フィーチャに従って上記表面画像をフィルタリングしてフィーチャ信号対バックグラウンドコントラストを向上させ、ウェーハエッジ処理を行って、先鋭なウェーハエッジロールオフからまたはウェーハエッジ排除に起因するデータ断続からの高フィルタ応答を抑制する。
ステップ１０６において、多様な種類のフィルタを用いることができる。例えば、ステップ１０４において取得された表面画像マップに対し、フィルタ（例えば、ダブルガウスハイパスフィルタ、ラプラスバンドパスフィルタ、ソーベルラインフィルタ）が適用され得る。これらのフィルタにより、元々のウェーハ表面画像中の長波長形状成分を除去することができ、よって、ウェーハ表面画像のバックグラウンドコントラストに対して欠陥フィーチャ信号を上昇させることができる。しかし、これらのフィルタの場合、先鋭なウェーハエッジロールオフまたはウェーハエッジ排除動作に起因するデータ断続に起因して、ウェーハエッジ領域中において高応答を持つ場合がある。このような高いエッジ応答がある場合、ウェーハエッジ領域中の欠陥フィーチャ（例えば、エッジＥＰＩクラウンおよび滑り線）の検出能力に影響を与え得る。
ウェーハエッジ領域からまたはエッジ排除に起因するデータ断続からの高フィルタ応答を抑制するために、以下のエッジ処理動作を行うことができる：
ａ）上記ウェーハエッジ領域を極性空間中の画像バンドへ変換する。バンド高さ方向はラジアル方向であり、この方向におけるサイズは、フィルタカーネルサイズと、ウェーハロールオフプロファイル先鋭度とによって決定される。帯域幅方向は接線方向であり、この方向におけるサイズは、角度方向におけるサンプリングレートによって決定される。
ｂ）このバンド画像上における１方向メジアンフィルタリングを接線方向の行毎に行う。角度方向におけるエッジプロファイル変動の傾向に追随しかつエッジ処理における対象エッジフィーチャを保持することが可能なように、フィルタ長さを選択する。現在、デフォルトフィルタ長さは、５度のデータ範囲を網羅しており、最適性能が得られるようにフィーチャ角度特性に合わせて調節することができる。
ｃ）フィルタリングされた画像を元々の画像から減算して、エッジ応答が抑制された画像を得る。上記元々のエッジ画像、上記フィルタリングされたエッジ画像および上記エッジアーチファクト低減画像のうち１つのセグメントを図３に例示的に示す。
ｄ）上記エッジ領域は上記ウェーハ内部領域中の信号よりも多くのノイズを含むことが多いため、フィーチャ信号を保持しつつ上記エッジ領域中のノイズ成分を低減するためには、計測学システムの測定能力の制限に起因する無効画素を存在させつつ、エッジ領域そのものの中のエッジ処理画像に対して以下の極性トリム手段を行うことができる。すなわち、ステップｃ）におけるメジアンフィルタエッジ処理からの所与の画素Ｉ（ｘ、ｙ）について、上記トリムされた出力信号Ｏ（ｘ、ｙ）を以下のように計算する：
式中、Ａ＋およびＡ−はフィルタ窓内の正および負の画素セットであり、Ｎ＋およびＮ−はそれぞれ、正および負の画素の数である。換言すれば、Ｉ（ｘ、ｙ）＞０である場合、指定されたフィルタ窓内の正の画素の平均をとり、そうではなくＩ（ｘ、ｙ）＜０である場合、上記指定されたフィルタ窓内の負の画素の平均をとる。
この極性トリム手段により、エッジノイズ成分が有効に低減され、ＥＰＩクラウンおよび滑り線からの多数のバイポーラ欠陥信号の信号コントラストが保存されることが企図される。その結果、ウェーハエッジ領域における欠陥検出および分類の性能の向上が支援される。しかし、上記した多様な種類のフィルタおよびフィルタ応答抑制技術は例示的なものであることも企図される。本開示の意図および範囲から逸脱することなく、他の種類のフィルタおよびノイズ低減技術もステップ１０６において利用することが可能である。
次に、本開示による欠陥検出および分類ステップを行って、欠陥マップを生成することができる。上記欠陥マップは、多様な欠陥グループおよび欠陥位置から構成される。これらの欠陥種類および欠陥位置に従って有用な欠陥特性を計算することができ、その後これらの特性を用いて、ウェーハ表面上の測定領域の位置、サイズおよび形状を規定することができる。これらの測定領域から、正確な欠陥高さ／深さ、面積および体積を計算および報告して、ウェーハ生成のための貴重な情報を得ることができる。
例えば、ステップ１０８において多様なフィーチャ特性を用いてフィルタリングされた画像マップからフィーチャ検出および分類を行って、指定された対象フィーチャグループ（例えば、ディンプル／窪み、ウェーハエッジＥＰＩクラウン、スクラッチ、滑り線）を得ることができる。ディンプル／窪みなどの用語は表面凹みを指し得、エッジＥＰＩクラウンという用語は、（エピ層蒸着と関連付けられた）スライスのエッジからの表面***部間の差を指し得、スクラッチという頭語は、表面の確立された面の下側の浅い溝部または切断部を指し得る。滑り線という用語は、材料の各部分の結晶性が保持される様態で結晶の一部が相互にせん断変位するような塑性変形プロセス指し得る。ステップ１１０において、ロバストな曲面あてはめを用いて、検出されたフィーチャ画素位置によって高精度に規定された元々の表面画像領域上のフィーチャ高さ、深さ、面積および体積を測定することができ、検出、分類および定量化結果をステップ１１２において報告することができる。
方法１００は裸ウェーハ表面欠陥の検出、分類および定量化に適用することができるが、パターンウェーハ表面欠陥は異なる様態で取り扱う必要がある場合があることが企図される。図２は、本開示によるパターンウェーハ表面欠陥の検出、分類および定量化のための方法２００によって行われる主なステップを示すフロー図である。上記したステップ１０２および１０４と同様に、ステップ２０２および２０４において、光学系（例えば、ＷａｆｅｒＳｉｇｈｔ）のデータ取得およびデータ処理レシピを設定することができ、ウェーハの表面および裏面画像データを取得することができる。しかし、その後、パターンウェーハ検査において一般的な多くのデータ処理ステップをステップ２０６において行ってもよい。
パターンウェーハ塗布のためのステップ２０６において行われるいくつかの動作を挙げると、例えば、ウェーハ表面画像が均一なパターンを有するように、較正されたシステムＸＹパターンに従ってウェーハＸＹ歪みを修正すること、隣接ダイまたは先行取得されたウェーハ画像データから基準ダイおよび／または基準ウェーハを生成すること、基準ダイへの動作下において上記ダイをアライメントさせるかまたは基準ウェーハへの動作下においてウェーハをアライメントさせること、および／またはパターン信号の抑制および残留ウェーハ表面画像の生成のためのダイ間動作またはウェーハ間動作を行うこと。パターンウェーハに特に必要なこのような動作をウェーハ表面上のみに行うことができる。このようなウェーハ表面において、膜およびチップパターンが製造されることが企図される。ウェーハ裏面に対しては、裸ウェーハのためのほとんどの方法ステップを直接用いてもよいし、あるいは、ウェーハ表面上へのパターニングによって発生する特殊な特性を網羅するための小さな変更と共に方法ステップを行ってもよい。
残留ウェーハ表面画像を生成した後、裸ウェーハ検査のためのシステムおよび方法において記載した同様のデータ処理プロシージャを用いることができる。すなわち、ステップ２０８において、特殊設計のフィルタを用いて対象フィーチャに従って残留表面画像をフィルタリングして、フィーチャ信号対バックグラウンドコントラストを向上させることができる。ステップ２１０において、多様なフィーチャ特性を用いてフィルタリングされた画像マップからのフィーチャ検出および分類を行って、指定された対象フィーチャグループ（例えば、ディンプル／凹み、ウェーハエッジＥＰＩクラウン、スクラッチ、滑り線）を得ることができる。ステップ２１２において、検出されたフィーチャ画素位置によって高精度に規定された元々の表面画像領域に対するロバストな曲面あてはめを用いて、フィーチャ高さ、深さ、領域および体積を測定することができ、検出、分類および定量化結果をステップ２１４において報告することができる。
ステップ１０８および１１０（ならびにステップ２１０および２１２）を上記検出、分類および定量化ステップとして総称する場合がある。以下、これらのステップについて、多様な対象フィーチャ（例えば、ウェーハエッジＥＰＩクラウンの検出および分類、スクラッチの検出および分類、滑り線の検出および分類、および適応的なロバスト曲面あてはめによる欠陥定量化）について詳述する。
一実施形態において、ウェーハエッジＥＰＩクラウンの検出および分類に合わせてステップ１０８（およびステップ２１０）を構成することができる。ウェーハエッジＥＰＩクラウンが周期的な突起またはディンプルとして規定され、特定の空間周波数で円形パターンとして発生する。これらのＥＰＩクラウンは典型的には、ウェーハエッジから一定距離を空けて配置される。（例えば、裸ウェーハのためのステップ１０６またはパターンウェーハのためのステップ２０６および２０８において記載したように）計測ツールを用いて得られたウェーハの表面画像を処理することができ、これにより、このようなウェーハエッジＥＰＩクラウンおよび測定値の統計を検出することができる。図４は、検出されたＥＰＩクラウンを示す例示的な画像を示す。
上記検出されたＥＰＩクラウンの位置および測定値を、欠陥の信頼性のある検出および分類に用いることができる。例えば、検出および分類プロセスは、先ず、検出されたＥＰＩクラウン中の画素における半径位置およびサイズに基づいた（図５に示す）二次元半径サイズヒストグラムを形成し得る。その後、上記検出および分類プロセスにより任意のヒストグラム平滑化技術を用いて上記ヒストグラムを平滑化し、上記平滑化されたヒストグラムのピーク位置は、推定されるＥＰＩクラウン半径位置と、その最も可能性の高いサイズとを示し得る。図４の例示的な画像の場合、これらのＥＰＩクラウンの推定半径は１４７．９ｍｍであり、推定欠陥サイズは、１つの特定の画像解像度設定について４５個の画素である。
その後、上記検出および分類プロセスにより、上記ＥＰＩクラウンの角度分離を推定することができる。一実施形態において、図６に示すように、ウェーハエッジ領域内の欠陥画素の角度位置を角度軸上に投射し、隣接欠陥間の角度分離のヒストグラムを計算する。図６に示すように、信号突起中の３つのウェーハグリッパー領域およびウェーハノッチ領域（このような領域を図４にも示す）からのデータセグメントが欠損している場合があるが、そのような場合においても、このプロセスにより、これらのＥＰＩクラウン欠陥の角度分離を極めて高精度に推定することが可能である。この特定の例において、ＥＰＩクラウン間の推定角度分離は１．６度である。
次に、上記検出および分類プロセスにおいて、上記分類における推定欠陥半径Ｒ、欠陥サイズＳおよび欠陥分離Ｔを用いて、候補欠陥を選別することができる。例えば、上記欠陥の半径サイズおよび分離値のこれらの推定基準値からの距離が３つの指定閾値からの距離よりも長い場合、上記欠陥の半径サイズおよび分離値はＥＰＩクラウンとみなされない。推定角度分離により、ＥＰＩクラウン信号について期間情報が得られるため、このような情報を用いて周波数領域内のＥＰＩクラウン信号を向上させて、性能を向上させることも可能である。
ウェーハエッジＥＰＩクラウンの検出および分類に加えて、ステップ１０８（およびステップ２１０）をスクラッチの検出および分類に合わせて構成することができる。図７中のフロー図に示すように、スクラッチ検出および分類プロセス７００の主な処理ステップが図示される。一実施形態において、取得されたウェーハ表面画像を受信した後、ステップ７０２において上記ウェーハ表面画像に対してラプラスフィルタリングを行って、低周波数表面形状成分を除去することができる。その後、簡単な強度閾値またはバックグラウンド適応閾値マップを用いて、二値形式で表された初期欠陥マップを得る。深さが２ｎｍ未満の多数の微小スクラッチに起因して、計測ツールからのスクラッチ信号がスクラッチに沿った破断点として出現することが多くあり、そのような破断点を小範囲の他の表面フィーチャから信頼性浴分離することができず、その結果、スクラッチの高精度の検出および分類が極めて困難となる。本開示によるこのライン向上技術を用いれば、これらの破断スクラッチデータ点を有効に接続させることができ、他の小型フィーチャ構造を除去することができる。
一実施形態において、ステップ７０４において、フィルタバンクを並行に用いて、入力欠陥マップを処理することができる。先ず、上記入力欠陥マップをウェーハ中心周囲において異なる角度で回転させる。これらの異なる角度は、１８０度にわたって均等に分配される。その後、１方向メジアンフィルタリングを上記回転画像に対して画像行方向において行い、データ処理を各画像に対して行毎に行う。このようにして、フィルタリングに必要な隣接データをキャッシュに入れ、高速処理を達成することが可能になる。その後、ステップ７０６において、これらの方向付けられたフィルタの出力を各画素位置に対する最大規則を用いて選択する。これらの動作は全て、インテル社のインテグレーテッドパフォーマンスプリミティブ（ＩＰＰ）ライブラリを用いて実行され得、よって、データ処理を（元々の表面画像またはフィルタリングされた表面画像の整数画像または浮遊画像に対してではなく）二値画像に対して行うことができる。その結果、本開示によるスクラッチ信号向上プロセスにより、良好なスクラッチ向上およびスループット性能を達成することが可能になる。
このスクラッチ向上プロセスにより、スクラッチに沿ったメジアンフィルタ長さの半分未満のギャップは全て埋設され、メジアンフィルタ長さの半分未満の他のフィーチャは全て除去される。スクラッチ構造向上の一例を図８に示す。図８Ａは、得られた初期欠陥マップであり、スクラッチおよび他の隔離欠陥からの破断セグメントが多数存在する。図８Ｂは、向上した欠陥マップを示す。スクラッチ部分の拡大図を図９に示す。これらの破断スクラッチセグメントが良好に接続され、隔離欠陥点が有効に除去されていることが明らかである。よって、上記スクラッチ向上プロセスにより、スクラッチの検出、分類および定量化の信頼性および精度が有効に向上する。
さらに、滑り線の検出および分類のために、ステップ１０８（およびステップ２１０）を構成することができる。滑り線とは構造的欠陥であり、シリコン格子の結晶面に沿って発生する。このようなフィーチャは、２つの別個の領域（すなわち、ウェーハエッジの近隣およびウェーハがプロセスチャンバピンによって支持される位置）において一般的に発生し得る。有効な滑り線検出および分類のための本開示による技術は、２つの滑り線の使用例を網羅できるように異なるウェーハ領域内のライン構造を異なる様態で向上させることによりフィーチャ規定の向上と、滑り線信号の損傷の最小化とが可能なように設計される。
滑り線方向はウェーハ結晶方向によって異なり、エッジ滑り線方向は、結晶構造強度が弱体化する部分に大きく依存することが分かっている。ウェーハ製造においてウェーハノッチが用いられ、ウェーハ結晶構造方向を示すように平坦になっており、滑り線の検出および分類のための方法において、このようなウェーハ特性を用いて、異なるライン向上領域を向上させることができる。
例えば、上記滑り線検出および分類プロセスにおいて、図１０に示すように滑り線構造向上のためにウェーハ表面を異なる領域に分割することができる。より詳細には、図１０は、例示的な３００ｍｍウェーハを示し、ウェーハ表面結晶方向が、バーガーベクトル（１００）によって記述されたパターンとして示される。上記滑り線検出および分類プロセスは、各領域について図７において上述したライン向上技術を行うことができる。例えば、Ｖ領域において、１方向メジアンフィルタを用いたライン向上を垂直方向のみにおいて実行することができ、Ｈ領域において、１方向メジアンフィルタを用いたライン向上を水平方向のみにおいて実行することができる。これらのＨ領域およびＶ領域において、垂直および水平向上フィルタリング双方を行うことができる。これは、図７において上記したライン向上の特殊な例である。このデータ処理計画により、エッジ滑り線を平滑化し、上記エッジ滑り線間を交差させることなく接続させる。その結果、これらの短いエッジ滑り線の解像度に損傷が出る。
上記プロセスによる滑り線向上の一例を図１１に示す。元々の滑り線欠陥マップ（左）と、処理された滑り線欠陥マップ（右）との間の差は、ライン向上およびノイズ除去の有効性を示す。
上記した向上プロセスに加えて、より複雑な分割および重み付け遷移スキームを用いた場合、より高額な計算コストと引き換えに性能向上を得ることが可能であることが企図される。他の結晶方向を有するウェーハの場合、同じ原理を用いてウェーハ表面を異なる領域に分割し、ラインフィルタをこれらの領域において異なる方向において用いて、最も有効な滑り線向上を得ることができる。
また、取得されたウェーハ画像、滑り線は、図１２の左側画像に示すような理想的なライン形状と異なる形状を持ち得ることが企図される。この例において、これらの滑り線構造が接続されて、大領域を網羅する。さらに、場合によっては、いくつかの滑り線を相互に結合させることで、１つの欠陥対象物を形成し、図１２の右側画像に示すようにもはやライン形状対象物に類似しなくなる。これらのような場合において、標準的なライン規定（例えば、境界ボックスの長さ／幅比）のみを用いる場合、滑り線の高精度分類が極めて困難になる。
そのため、複雑な滑り線の場合をより有効取り扱うために、滑り線フィーチャを特定するための新規な方法が提案される。この新規な方法は、画像認識に用いられる方向付けられた傾斜（ＨＯＧ）のヒストグラムから得られ、ここで、画像を規則的な矩形格子領域に分割し、その後、各画像領域の方向付けられた傾斜のヒストグラムを計算して、フィーチャベクトルを形成する。
滑り線検出および分類に適用する場合、規則的画像領域についてＨＯＧを計算する代わりに、各二値欠陥対象物のＨＯＧを計算する。従って、この方法を、方向付けられた傾斜の対象物ヒストグラムのためのＯＨＯＧと呼ぶ場合がある。従来の画像ＨＯＧと対照的に、画像領域中の全画素が計算ＨＯＧに貢献した場合、ＯＨＯＧは、欠陥対象物の境界画素のみから貢献を得る。なぜならば、二値欠陥領域の内部画素は、ゼロの差を有するからである。従って、この新規の方法は、欠陥対象物の形状および方向に対して高感度を有し、この方法を用いて、滑り線欠陥の特定を支援することができる。
図１３は、２つの欠陥対象物についての２つのＯＨＯＧプロットを示す。実線は垂直滑り線を示し、点線は非滑り線欠陥を示す。本例において、ＯＨＯＧ内の充分なフィーチャ角度解像度が得られるように、１６個の角度ビンが用いられる。上記垂直滑り線は０度傾斜方向においてより高いヒストグラムピークを有し、他の欠陥対象物異なる方向において極めて類似するピーク分布を有することが分かる。この情報は、図１２に示すような滑り線欠陥構造に類似する場合において正確な分類を得るために極めて重要である。本開示に従ってＯＨＯＧを用いることにより、図１２の２つの例示的な滑り線欠陥を図１４に示すように高精度に検出および分類することが可能になる。
上記したようなウェーハ欠陥、突起、ディンプル、ＥＰＩクラウン、スクラッチおよび滑り線の検出および分類に加えて、本開示による方法１００および２００を用いて、測定値が局所的画像表面から逸脱しておりかつ欠陥フィーチャ信号／バックグラウンドノイズ比が不十分である他の多くの種類の表面欠陥について、信頼性のある検出および分類を行うことも可能である。これらの欠陥は異なる形状および極性を持ち得、ウェーハ表面上の任意の位置上に配置することができる。パターンウェーハについて、技術（例えば、ウェーハ間またはダイ間画像減算）によってパターンを除去した後、上記欠陥およびバックグラウンド信号を上記画像マップ上に規定する。このような場合、上記した欠陥に加えて、多くのパターン欠陥（例えば、不明のまたは余計なパターン構造）も検出および分類することができる。
本開示による方法１００および２００を用いて、適応的ロバスト曲面あてはめによる定量化を検出することも可能であることが企図される。すなわち、欠陥領域の検出に加えて、適応的ロバスト曲面あてはめ方法を用いて、欠陥高さ／深さおよび欠陥体積についての高精度情報をステップ１１０（およびステップ２１２）において計算することも可能である。本開示による方法を用いて高精度の高さ／深さおよび欠陥体積情報を計算する能力が得られることにより、従来の検出方法と比較して、ウェーハおよびチップ製造において、プロセス制御のためのずっと有用な欠陥情報を得ることが可能になる。
ウェーハ表面上の欠陥が検出段階（すなわち、ステップ１０８または２１０それぞれ）において特定されているため、多くの有用な欠陥ジオメトリ特性をその位置（例えば、質量中心０（ｘ０、ｙ０）、欠陥画素からその質量中心への最大距離Ｒｄ、ｍａｘ、欠陥領域の最小境界ボックス領域に対するパーセンテー）から計算することができる。その後、このような欠陥ジオメトリ特性を用いて、元々の表面画像マップ内の画像領域の位置、形状およびサイズを高精度の欠陥定量化のために規定することができる。
例えば、欠陥質量中心０（ｘ０、ｙ０）と、中心から境界への最大距離Ｒｄ、ｍａｘとから、矩形画像領域を０（ｘ０、ｙ０）において中心に対して規定し、領域側方長さＬ＝ＫｘＲｄ、ｍａｘにおいて、Ｋ（＞２）は領域スケーリング定数であり、これにより欠陥がこの矩形画像領域内に全て封じ込められ、基準表面の推定のために充分な非欠陥画像画素が得られる。図１５Ａは、欠陥１５０４を含む例示的な矩形画像領域１５０２を示す。矩形画像領域に加えて、円盤状画像領域も用いることが可能である。この場合、円盤中心を欠陥質量中心０（ｘ０、ｙ０）とアライメントさせ、円盤半径は２×Ｒｄ、ｍａｘよりも大きい。図１５Ｂおよび図１５Ｃは、欠陥１５０８および１５１２をそれぞれ収容するためのこのような円盤状画像領域１５０６および１５１０を示す。
上記した矩形画像領域および円盤状画像領域は例示的なものであることが企図される。多様な異なる形状の画像領域も、本開示の意図および範囲から逸脱することなく用いることが可能である。さらに、欠陥形状が極めて不確定であり、最小境界ボックスによって規定された領域のうち僅かなパーセンテージを上記欠陥形状が占有する場合、より小さな画像領域を用いることができる。なぜならば、この場合でも、充分な非欠陥画像画素を用いて、基準表面を良好に推定することができるからである。また、広範囲の欠陥（例えば、図１５Ｄに示すような長スクラッチ１５１６）の場合、上記測定を走査モードで行うことができ、この場合、スクラッチトレースに沿って移動する測定窓１５１４が欠陥画素位置によって誘導されることが企図される。
上記画像領域が規定された後、欠陥種類および曲面あてはめ対象領域によって決定される適切な多項式次数を用いた曲面あてはめが元々の表面画像のこの画像領域に対して行われる。ただし、上記検出された欠陥位置における画素は、上記適合プロセスにおいて排除される。その後、推定欠陥表面プロファイルＤ（ｘ、ｙ）（すなわち、形状修正された表面画像）を、方程式：Ｄ（ｘ、ｙ）＝Ｉ（ｘ、ｙ）−Ｆ（ｘ、ｙ）に従って元々の表面画像／（ｘ、ｙ）および適合された表面画像Ｆ（ｘ、ｙ）から計算することができる。その後、欠陥最大高さ値および最大深さ値を、検出された欠陥画素位置上におけるＤ（ｘ、ｙ）の画素値から見つけることができる。
本開示の範囲および意図から逸脱することなく、任意の曲面あてはめアルゴリズムを用いることが可能であることが企図される。しかし、欠陥定量化をより高精度に行うためには、曲面あてはめにおいて欠陥画素を排除することが極めて重要である。含まれる欠陥画素との適合を行う場合、特に上記欠陥の大きさが大きくかつ大面積を有する場合、上記計算された領域表面が上記欠陥によってバイアスされる。このような状況は、多様な試験サンプル（例えば、図１６において上記したもの）において観察された。本例において、高さ１０ｎｍのガウス形状欠陥をモデル化した。上記欠陥画素を曲面あてはめにおいて用いた場合、推定欠陥高さは４．３ｎｍである。曲面あてはめにおいて上記欠陥画素が排除された場合、推定欠陥高さは６．３ｎｍとなり、より高精度の欠陥高さ値が得られる。
上述したように、より広範囲の欠陥（例えば、図１５Ｄに示すような長スクラッチ１５１６）に対し、測定を走査モードで行うことができ、スクラッチトレースに沿って移動する測定窓１５１４が欠陥画素位置によって自動的に誘導される。この走査モードにおいて、上記長スクラッチを網羅する「焦点」画像領域のシーケンスが規定され、これらの領域に対して曲面あてはめが行われる。各領域から取得された欠陥高さおよび深さ値が計算された後、これらの値が総計されて、スクラッチ全体の最大高さおよび深さ値が以下の方程式に従って形成される。
式中、ＰｉおよびＶｉは、ｉ番目の窓から計算されたピーク値および谷値であり、上記走査トレース内に総計ｎ個の測定窓がある。スクラッチ全体についての他の情報も同様に得ることができる。
例示的な長スクラッチに対する走査シーケンス中のいくつかの領域を図１７中に示す。長スクラッチに対して曲面あてはめを行う場合、小さな欠陥（例えば、欠陥画素位置が領域境界と接触しないディンプルおよびＥＰＩクラウン）の場合と対照的に、欠陥画素位置が（図１５Ｄに示すような）領域境界を交差する。しかし、上記スクラッチは通常は上記画像領域のうちごく一部のみを占有するため、この場合においても、上記曲面あてはめにおいて全欠陥画素がマスクオフされた場合であっても、基準表面推定を高精度に行うための充分な非欠陥画素がある。従って、最大スクラッチ深さの計算を高精度に行うことが可能となる。
上述したように、ステップ１１０（およびステップ２１２）において元々の表面画像領域に対してロバストな曲面あてはめを適用してフィーチャ高さ、深さ、面積および体積を測定することが可能であるため、方法１００（および方法２００）により、ウェーハ製造のための有用な情報（例えば、欠陥体積情報）を得ることが可能になる。
上記の例においては、裸ウェーハおよびパターンウェーハの表面欠陥の検出、分類および定量化のための本開示によるシステムおよび方法を例示的に用いているが、本開示によるシステムおよび方法は、薄膜ウェーハ用途における欠陥検出にも適用可能であることが企図される。パターンウェーハの取り扱いと同様に、特定のさらなるデータ処理段階（例えば、膜応答較正および補償）を行って異なる膜材料および膜構造からの信号変動を低減して、ウェーハ表面高さ情報を処理信号によりより高精度に表すことが可能になる。その後、上記した検出、分類および定量化ステップをこのような薄膜ウェーハに対して行うことができる。
さらに、本開示による方法１００（および方法２００）はほとんどの光学系（例えば、ウェーハジオメトリ計測ツールおよび干渉計システム）と共に用いることが可能であるが、高精度のウェーハ表面高さ情報を提供することが可能な特定の干渉計システムと共にこのような技術を用いた場合、このような技術をにより精度向上が可能になることが企図される。例えば、ウェーハ寸法ジオメトリツール（例えば、ＷａｆｅｒＳｉｇｈｔ計測ツール）により、ナノメートル単位の精度でウェーハ表面高さ情報を提供することができ、よって検査結果および分類結果を極めて高精度に提供することが可能になる。
このようなウェーハ寸法ジオメトリツールからの測定により、欠陥極性についての情報を得ることが可能であるため、このようなデータを用いて、欠陥を突出部（例えば、突起）または嵌入部（例えば、窪み）を特定することができる。このようなデータと、欠陥高さプロファイルおよび面積情報とを組み合わせることにより、欠陥形状を３Ｄ形式で規定することができ、欠陥体積情報を計算することができる。欠陥の高さ、体積および３Ｄ形状情報は、欠陥分類と、ウェーハ検査および分類における関連欠陥または偽欠陥の低減とにおいて極めて有用である。その結果、管理不可能な偽欠陥または関連欠陥の発生無く、対象欠陥のより高感度検出を達成するためのより低い閾値の規定が支援される。
例えば、欠陥高さ情報が利用可能であるため、この情報を用いて、関連欠陥の除去と、検出純度レベルの向上とを行うことができる。図１８に示すように、欠陥高さ／深さの大きさ情報を用いて、いくつかの弱い欠陥（例えば、１８Ｅ、１８Ｇ、１８Ｌ、１８Ｍおよび１８Ｎ）を最終報告から推定することができる。加えて、定量化から得られた欠陥信号極性も、欠陥分類において有用である。例えば、スクラッチはウェーハ表面内の構造であるため、スクラッチ欠陥分類精度の向上させるための負の高さ値が報告される。
ＷａｆｅｒＳｉｇｈｔ（他のウェーハ寸法ジオメトリツール）に基づいた検査、分類および定量化システムによって提供される他の独自の能力として、有用な欠陥体積情報が提供可能である点がある。欠陥位置によって規定された欠陥領域上についての高さ値を積算することにより、適応的ロバスト曲面あてはめによって計算された欠陥高さ表面から、検出された欠陥の体積を計算することができる。上記積算において、欠陥表面によって構成された体積の絶対欠陥高さ値と、基準表面とを用いることができる。あるいは、上記欠陥体積を正の欠陥画素および負の画素と別個に計算して、２つの成分を得ることができる。図１９に示すように、上記欠陥体積情報により、（欠陥高さおよび面積情報に加えて）１つ以上の重要な寸法における欠陥を記述することができる。例えば、集積回路製造において、欠陥に起因して欠損しているかまたは余分になっている材料の量が特に問題になり得る。これら２つの欠陥を図１９に示す。これらの欠陥は同一高さおよび同一面積を持ち得るが、体積が極めて異なり得る。この体積情報は、欠損しているかまたは余分になっている材料の量を示し得、欠陥種類分類にも有用である。
上記した例はウェーハ検査と呼んでいるが、本開示によるシステムおよび方法は、本開示の意図および範囲から逸脱することなく他の種類の磨き板にも適用可能であることが企図される。本開示において用いられる「ウェーハ」という用語は、集積回路および他のデバイスならびに他の肉薄の磨き板（例えば、磁気ディスク基板、ブロックゲージ）の作製において用いられる半導体材料の肉薄のスライスを含み得る。
開示の方法は、単一の製造デバイスを通じてかつ／または複数の製造デバイスを通じて１組の命令として実行され得る。さらに、上記開示の方法におけるステップの特定の順序および階層は、例示的なアプローチの例であることが理解される。設計選好に基づいて、本開示の範囲および意図内において上記方法におけるステップの特定の順序および階層を変更することが可能であることが理解される。添付の特許請求の範囲の方法請求項は、多様なステップ要素を試験的な順序で示し、記載の特定の順序また階層に必ずしも限定されない。
本開示のシステムおよび方法ならびにその付随する利点は、上記の記載から理解されることが考えられ、上記構成要素の形態、構造および配置構成において多様な変更が本開示の内容から逸脱することなくまたはその材料利点を犠牲にすることなく可能であることが明らかである。記載の形態は、ひとえに例示的なものである。
Claims (25)
- ウェーハの検査方法であって、
データ取得およびデータ処理レシピを設定することと、
光学系を利用して、ウェーハ表面画像を取得することと、
信号対バックグラウンドコントラストを向上させるように前記ウェーハ表面画像をフィルタリングすることと、
ウェーハエッジ処理を行って高フィルタ応答を抑制することと、
前記フィルタリングされたウェーハ表面画像に基づいて、欠陥検出および分類を行うことと、
欠陥の高さ、深さ、面積および体積のうち少なくとも１つを曲面あてはめを用いて計算することであって、
前記欠陥の質量中心と、欠陥画素から前記質量中心への最大距離とを計算することと、
前記質量中心および前記最大距離に基づいて、画像領域を規定することと、
前記画像領域について曲面あてはめを行うことにより、画像領域についての適合表面プロファイルを入手することと、
前記画像領域についての前記適合表面プロファイルに基づいて、欠陥の高さ、深さ、面積および体積のうち少なくとも１つを計算することと、
を含む、計算することと、
前記検出および分類された欠陥の高さ、深さ、面積および体積のうち少なくとも１つを報告することと、
を含む、方法。 - 前記欠陥検出および分類を行うステップは、エッジクラウンの検出および分類のために構成され、前記ステップは、
前記ウェーハ表面画像内の検出されたエッジクラウン中の画素の半径位置およびサイズに基づいて、二次元半径サイズヒストグラムを形成することと、
前記二次元半径サイズヒストグラムを平滑化し、前記平滑化された半径サイズヒストグラムのピーク位置を特定することと、
前記平滑化された半径サイズヒストグラムの前記ピーク位置に基づいて、欠陥半径および欠陥サイズを推定することと、
前記検出されたエッジクラウンの角度分離を推定することと、
推定された欠陥半径、推定された欠陥サイズおよび推定された角度分離に基づいて、前記検出されたエッジクラウンを選別することと、
をさらに含む、請求項１の方法。 - 前記欠陥検出および分類を行うステップは、スクラッチの検出および分類のために構成され、前記ステップは、
前記ウェーハ表面画像をフィルタリングして、低周波数表面形状成分を除去することと、
前記フィルタリングされたウェーハ表面画像に強度閾値を適用することにより、二値欠陥マップを得ることと、
ライン向上技術を前記二値欠陥マップに適用して、破断したスクラッチデータ点を接続し、他の隔離欠陥点を除去することと、
をさらに含む、請求項１の方法。 - 前記欠陥検出および分類を行うステップは、滑り線の検出および分類のために構成され、前記ステップは、
ウェーハ結晶構造方向に基づいて、前記ウェーハの表面を異なる領域に分割することと、
各特定の領域のためのライン向上技術を適用することであって、ライン向上の方向は、前記特定の領域の結晶構造方向に基づくことと、
をさらに含む、請求項１の方法。 - 前記欠陥検出および分類を行うステップは、滑り線の検出および分類のために構成され、前記ステップは、
前記ウェーハ表面画像内の複数の欠陥対象物を特定することと、
前記複数の欠陥対象物それぞれについて二値欠陥マップを得ることと、
前記複数の欠陥対象物それぞれについて、対応する二値欠陥マップに基づいて、方向付けられた傾斜（ＨＯＧ）のヒストグラムを計算することと、
対応するＨＯＧに基づいて、前記複数の欠陥対象物それぞれを検出および分類することと、
をさらに含む、請求項１の方法。 - 前記欠陥の高さ、深さ、面積および体積のうち少なくとも１つを曲面あてはめを用いて計算するステップは、
前記ウェーハ表面画像の画像領域のための曲面あてはめを行うことにより、画像領域のための適合表面プロファイルを入手することであって、前記欠陥内の画素は、前記曲面あてはめプロセスから排除されることと、
元々の表面プロファイルと、前記適合表面プロファイルとの間の差に基づいて、欠陥表面プロファイルを推定することと、
前記欠陥表面プロファイルに基づいて、前記欠陥の高さ、深さ、面積および体積のうち少なくとも１つを計算することと、
をさらに含む、請求項１の方法。 - 前記欠陥の高さ、深さ、面積および体積のうち少なくとも１つを曲面あてはめを用いて計算するステップは、
走査トレースに沿った複数の測定窓を規定することと、
前記複数の測定窓それぞれの内部の前記欠陥の高さ、深さ、面積および体積のうち少なくとも１つを曲面あてはめを用いて計算することと、
前記複数の測定窓それぞれの前記計算された値を総計して、前記欠陥の前記高さ、前記深さ、前記面積および前記体積のうち少なくとも１つを形成することと、
をさらに含む、請求項１の方法。 - ウェーハの検査方法であって、
データ取得およびデータ処理レシピを設定することと、
光学系を利用して、ウェーハ表面画像を取得することと、
パターンウェーハ表面のためのデータ処理を行うことであって、前記データ処理は、
均一なパターンが得られるようにウェーハＸＹ歪みを修正することと、
基準ウェーハを生成し、前記基準ウェーハへの動作下において前記ウェーハをアライメントさせることと、
ウェーハ間動作を行ってパターン信号を抑制し、残留ウェーハ表面画像を生成することと、
のうち少なくとも１つを含み、
信号対バックグラウンドコントラストを向上させるように前記ウェーハ表面画像をフィルタリングすることと、
前記フィルタリングされたウェーハ表面画像に基づいて、欠陥検出および分類を行うことと、
欠陥の高さ、深さ、面積および体積のうち少なくとも１つを曲面あてはめを用いて計算することであって、
前記欠陥の質量中心と、欠陥画素から前記質量中心への最大距離とを計算することと、
前記質量中心および前記最大距離に基づいて、画像領域を規定することと、
前記画像領域について曲面あてはめを行うことにより、画像領域についての適合表面プロファイルを入手することと、
前記画像領域についての前記適合表面プロファイルに基づいて、欠陥の高さ、深さ、面積および体積のうち少なくとも１つを計算することと、
を含む、計算することと、
前記検出および分類された欠陥の高さ、深さ、面積および体積のうち少なくとも１つを報告することと、
を含む、方法。 - 前記欠陥検出および分類を行うステップは、エッジクラウンの検出および分類のために構成され、前記ステップは、
前記ウェーハ表面画像内の検出されたエッジクラウン中の画素の半径位置およびサイズに基づいて、二次元半径サイズヒストグラムを形成することと、
前記二次元半径サイズヒストグラムを平滑化し、前記平滑化された半径サイズヒストグラムのピーク位置を特定することと、
前記平滑化された半径サイズヒストグラムの前記ピーク位置に基づいて、欠陥半径および欠陥サイズを推定することと、
前記検出されたエッジクラウンの角度分離を推定することと、
推定された欠陥半径、推定された欠陥サイズおよび推定された角度分離に基づいて、前記検出されたエッジクラウンを選別することと、
をさらに含む、請求項８の方法。 - 前記欠陥検出および分類を行うステップは、スクラッチの検出および分類のために構成され、前記ステップは、
前記ウェーハ表面画像をフィルタリングして、低周波数表面形状成分を除去することと、
前記フィルタリングされたウェーハ表面画像に強度閾値を適用することにより、二値欠陥マップを得ることと、
ライン向上技術を前記二値欠陥マップに適用して、破断したスクラッチデータ点を接続し、他の隔離欠陥点を除去することと、
をさらに含む、請求項８の方法。 - 前記欠陥検出および分類を行うステップは、滑り線の検出および分類のために構成され、前記ステップは、
ウェーハ結晶構造方向に基づいて、前記ウェーハの表面を異なる領域に分割することと、
各特定の領域のためのライン向上技術を適用することであって、ライン向上の方向は、前記特定の領域の結晶構造方向に基づくことと、
をさらに含む、請求項８の方法。 - 前記欠陥検出および分類を行うステップは、滑り線の検出および分類のために構成され、前記ステップは、
前記ウェーハ表面画像内の複数の欠陥対象物を特定することと、
前記複数の欠陥対象物それぞれについて二値欠陥マップを得ることと、
前記複数の欠陥対象物それぞれについて、対応する二値欠陥マップに基づいて、方向付けられた傾斜（ＨＯＧ）のヒストグラムを計算することと、
対応するＨＯＧに基づいて、前記複数の欠陥対象物それぞれを検出および分類することと、
をさらに含む、請求項８の方法。 - 前記欠陥の高さ、深さ、面積および体積のうち少なくとも１つを曲面あてはめを用いて計算するステップは、
前記ウェーハ表面画像の画像領域のための曲面あてはめを行うことにより、画像領域のための適合表面プロファイルを入手することであって、前記欠陥内の画素は、前記曲面あてはめプロセスから排除されることと、
元々の表面プロファイルと、前記適合表面プロファイルとの間の差に基づいて、欠陥表面プロファイルを推定することと、
前記欠陥表面プロファイルに基づいて、前記欠陥の高さ、深さ、面積および体積のうち少なくとも１つを計算することと、
をさらに含む、請求項８の方法。 - 前記欠陥の高さ、深さ、面積および体積のうち少なくとも１つを曲面あてはめを用いて計算するステップは、
走査トレースに沿った複数の測定窓を規定することと、
前記複数の測定窓それぞれの内部の前記欠陥の高さ、深さ、面積および体積のうち少なくとも１つを曲面あてはめを用いて計算することと、
前記複数の測定窓それぞれの前記計算された値を総計して、前記欠陥の前記高さ、前記深さ、前記面積および前記体積のうち少なくとも１つを形成することと、
をさらに含む、請求項８の方法。 - ウェーハの検査のためのシステムであって、
ウェーハ表面画像を取得するための光学系と、
ウェーハ表面フィーチャの検出、分類および定量化のモジュールであって、前記モジュールは前記光学系と通信し、前記ウェーハ表面フィーチャの検出、分類および定量化のモジュールは、
信号対バックグラウンドコントラストを向上させるように前記ウェーハ表面画像をフィルタリングすることと、
高フィルタ応答を抑制するためにウェーハエッジ処理を実行することと、
前記フィルタリングされたウェーハ表面画像に基づいて、欠陥検出および分類を行うことと、
欠陥の高さ、深さ、面積および体積のうち少なくとも１つを曲面あてはめを用いて計算することであって、
前記欠陥の質量中心と、欠陥画素から前記質量中心への最大距離とを計算することと、
前記質量中心および前記最大距離に基づいて、画像領域を規定することと、
前記画像領域について曲面あてはめを行うことにより、画像領域についての適合表面プロファイルを入手することと、
前記画像領域についての前記適合表面プロファイルに基づいて、欠陥の高さ、深さ、面積および体積のうち少なくとも１つを計算することと、
を含む、計算することと、
前記検出および分類された欠陥の高さ、深さ、面積および体積のうち少なくとも１つを報告することと、
を行うように構成される、システム。 - 前記ウェーハ表面フィーチャの検出、分類および定量化のモジュールは、裸ウェーハを検査するように構成され、前記ウェーハ表面フィーチャの検出、分類および定量化のモジュールは、ウェーハエッジ処理を行って高フィルタ応答を抑制することを行った後、前記フィルタリングされたウェーハ表面画像に基づいて、欠陥検出および分類を行うことを行うように構成される、請求項１５のシステム。
- 前記ウェーハ表面フィーチャの検出、分類および定量化のモジュールは、パターンウェーハを検査するように構成され、前記ウェーハ表面フィーチャの検出、分類および定量化のモジュールは、前記パターンウェーハ表面についてのデータ処理を行うように構成され、前記データ処理は、
均一なパターンが得られるようにウェーハＸＹ歪みを修正することと、
基準ウェーハを生成し、前記基準ウェーハへの動作下において前記ウェーハをアライメントさせることと、
ウェーハ間動作を行ってパターン信号を抑制し、残留ウェーハ表面画像を生成することと、
のうち少なくとも１つを含む、請求項１５のシステム。 - 前記ウェーハ表面フィーチャの検出、分類および定量化のモジュールは、薄膜ウェーハを検査するように構成され、前記ウェーハ表面フィーチャの検出、分類および定量化のモジュールは、前記薄膜ウェーハ表面について膜応答較正および補償を行って、異なる膜材料および膜構造からの信号変動を低減するように構成される、請求項１５のシステム。
- 前記ウェーハ表面フィーチャの検出、分類および定量化のモジュールは、エッジクラウンの検出および分類のために構成され、
前記ウェーハ表面画像内の検出されたエッジクラウン中の画素の半径位置およびサイズに基づいて、二次元半径サイズヒストグラムを形成することと、
前記二次元半径サイズヒストグラムを平滑化し、前記平滑化された半径サイズヒストグラムのピーク位置を特定することと、
前記平滑化された半径サイズヒストグラムの前記ピーク位置に基づいて、欠陥半径および欠陥サイズを推定することと、
前記検出されたエッジクラウンの角度分離を推定することと、
推定された欠陥半径、推定された欠陥サイズおよび推定された角度分離に基づいて、前記検出されたエッジクラウンを選別することと、
をさらに含む、請求項１５のシステム。 - 前記ウェーハ表面フィーチャの検出、分類および定量化のモジュールは、スクラッチの検出および分類のために構成され、
前記ウェーハ表面画像をフィルタリングして、低周波数表面形状成分を除去することと、
前記フィルタリングされたウェーハ表面画像に強度閾値を適用することにより、二値欠陥マップを得ることと、
前記二値欠陥マップにライン向上技術を適用して、破断したスクラッチデータ点を接続し、他の隔離欠陥点を除去することと、
をさらに含む、請求項１５のシステム。 - 前記ウェーハ表面フィーチャの検出、分類および定量化のモジュールは、滑り線の検出および分類のために構成され、
ウェーハ結晶構造方向に基づいて、前記ウェーハの表面を異なる領域に分割することと、
各特定の領域のためのライン向上技術を適用することであって、ライン向上の方向は、前記特定の領域の結晶構造方向に基づくことと、
をさらに含む、請求項１５のシステム。 - 前記ウェーハ表面フィーチャの検出、分類および定量化のモジュールは、滑り線の検出および分類のために構成され、ステップは、
前記ウェーハ表面画像内の複数の欠陥対象物を特定することと、
前記複数の欠陥対象物それぞれについて二値欠陥マップを得ることと、
前記複数の欠陥対象物それぞれについて、対応する二値欠陥マップに基づいて、方向付けられた傾斜（ＨＯＧ）のヒストグラムを計算することと、
および対応するＨＯＧに基づいて、前記複数の欠陥対象物それぞれを検出および分類することと、
をさらに含む、請求項１５のシステム。 - 前記欠陥の高さ、深さ、面積および体積のうち少なくとも１つを曲面あてはめを用いて計算することは、
前記ウェーハ表面画像の画像領域のための曲面あてはめを行うことにより、画像領域のための適合表面プロファイルを入手することであって、前記欠陥内の画素は、前記曲面あてはめプロセスから排除されることと、
元々の表面プロファイルと、前記適合表面プロファイルとの間の差に基づいて、欠陥表面プロファイルを推定することと、
前記欠陥表面プロファイルに基づいて、前記欠陥の高さ、深さ、面積および体積のうち少なくとも１つを計算することと、
をさらに含む、請求項１５のシステム。 - 前記欠陥の高さ、深さ、面積および体積のうち少なくとも１つを曲面あてはめを用いて計算することは、
走査トレースに沿った複数の測定窓を規定することと、
前記複数の測定窓それぞれの内部の前記欠陥の高さ、深さ、面積および体積のうち少なくとも１つを曲面あてはめを用いて計算することと、
前記複数の測定窓それぞれの前記計算された値を総計して、前記欠陥の前記高さ、前記深さ、前記面積および前記体積のうち少なくとも１つを形成することと、
をさらに含む、請求項１５のシステム。 - 前記光学系は、ウェーハ表面高さ情報を提供するように構成される、請求項１５のシステム。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US13/469,339 US10330608B2 (en) | 2012-05-11 | 2012-05-11 | Systems and methods for wafer surface feature detection, classification and quantification with wafer geometry metrology tools |
| US13/469,339 | 2012-05-11 |
Publications (3)
| Publication Number | Publication Date |
|---|---|
| JP2013238595A JP2013238595A (ja) | 2013-11-28 |
| JP2013238595A5 JP2013238595A5 (ja) | 2016-06-23 |
| JP6312370B2 true JP6312370B2 (ja) | 2018-04-18 |
Family
ID=49487448
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2013100041A Active JP6312370B2 (ja) | 2012-05-11 | 2013-05-10 | ウェーハジオメトリ計測ツールによるウェーハ表面フィーチャの検出、分類および定量化のためのシステムおよび方法 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US10330608B2 (ja) |
| JP (1) | JP6312370B2 (ja) |
| FR (1) | FR2990545B1 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI785266B (zh) * | 2018-09-05 | 2022-12-01 | 日商信越半導體股份有限公司 | 晶圓形狀資料化方法 |
Families Citing this family (38)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9875574B2 (en) * | 2013-12-17 | 2018-01-23 | General Electric Company | Method and device for automatically identifying the deepest point on the surface of an anomaly |
| US10289924B2 (en) * | 2011-10-17 | 2019-05-14 | Sharp Laboratories Of America, Inc. | System and method for scanned document correction |
| AU2011253779A1 (en) * | 2011-12-01 | 2013-06-20 | Canon Kabushiki Kaisha | Estimation of shift and small image distortion |
| US9595091B2 (en) | 2012-04-19 | 2017-03-14 | Applied Materials Israel, Ltd. | Defect classification using topographical attributes |
| US9858658B2 (en) | 2012-04-19 | 2018-01-02 | Applied Materials Israel Ltd | Defect classification using CAD-based context attributes |
| US10043264B2 (en) | 2012-04-19 | 2018-08-07 | Applied Materials Israel Ltd. | Integration of automatic and manual defect classification |
| US9715723B2 (en) | 2012-04-19 | 2017-07-25 | Applied Materials Israel Ltd | Optimization of unknown defect rejection for automatic defect classification |
| US9607233B2 (en) | 2012-04-20 | 2017-03-28 | Applied Materials Israel Ltd. | Classifier readiness and maintenance in automatic defect classification |
| US20140064596A1 (en) * | 2012-08-29 | 2014-03-06 | Micron Technology, Inc. | Descriptor guided fast marching method for analyzing images and systems using the same |
| US9546862B2 (en) * | 2012-10-19 | 2017-01-17 | Kla-Tencor Corporation | Systems, methods and metrics for wafer high order shape characterization and wafer classification using wafer dimensional geometry tool |
| US9389349B2 (en) * | 2013-03-15 | 2016-07-12 | Kla-Tencor Corporation | System and method to determine depth for optical wafer inspection |
| US10114368B2 (en) | 2013-07-22 | 2018-10-30 | Applied Materials Israel Ltd. | Closed-loop automatic defect inspection and classification |
| JP6002112B2 (ja) * | 2013-11-07 | 2016-10-05 | 東京エレクトロン株式会社 | 基板の欠陥分析装置、基板処理システム、基板の欠陥分析方法、プログラム及びコンピュータ記憶媒体 |
| JP6386569B2 (ja) * | 2014-02-12 | 2018-09-05 | エーエスエムエル ネザーランズ ビー．ブイ． | プロセスウィンドウを最適化する方法 |
| US10576603B2 (en) * | 2014-04-22 | 2020-03-03 | Kla-Tencor Corporation | Patterned wafer geometry measurements for semiconductor process controls |
| JP2016058465A (ja) * | 2014-09-08 | 2016-04-21 | 株式会社日立ハイテクノロジーズ | 欠陥定量化方法、欠陥定量化装置、および欠陥評価値表示装置 |
| US10062158B2 (en) | 2015-07-10 | 2018-08-28 | Globalwafers Co., Ltd. | Wafer nanotopography metrology for lithography based on thickness maps |
| US9740805B1 (en) | 2015-12-01 | 2017-08-22 | Western Digital (Fremont), Llc | Method and system for detecting hotspots for photolithographically-defined devices |
| US10504213B2 (en) * | 2016-11-22 | 2019-12-10 | Kla-Tencor Corporation | Wafer noise reduction by image subtraction across layers |
| US10031997B1 (en) * | 2016-11-29 | 2018-07-24 | Taiwan Semiconductor Manufacturing Co., Ltd. | Forecasting wafer defects using frequency domain analysis |
| JP2019061484A (ja) * | 2017-09-26 | 2019-04-18 | キヤノン株式会社 | 画像処理装置及びその制御方法及びプログラム |
| US11138507B2 (en) * | 2017-09-28 | 2021-10-05 | Applied Materials Israel Ltd. | System, method and computer program product for classifying a multiplicity of items |
| FR3077631B1 (fr) * | 2018-02-05 | 2021-01-01 | Unity Semiconductor | Procede et dispositif d'inspection d'une surface d'un objet comportant des materiaux dissimilaires |
| WO2020142301A1 (en) * | 2019-01-02 | 2020-07-09 | Kla Corporation | Machine learning for metrology measurements |
| CN111650813B (zh) * | 2019-03-04 | 2024-04-16 | 东京毅力科创株式会社 | 基板处理装置、基板检查装置及方法、以及记录介质 |
| JP7379104B2 (ja) * | 2019-03-04 | 2023-11-14 | 東京エレクトロン株式会社 | 基板検査装置、基板処理装置、基板検査方法、及びコンピュータ読み取り可能な記録媒体 |
| JP7067524B2 (ja) * | 2019-04-15 | 2022-05-16 | 信越半導体株式会社 | ウェーハのフラットネス測定機の選定方法及び測定方法 |
| JP7067528B2 (ja) * | 2019-05-14 | 2022-05-16 | 信越半導体株式会社 | ナノトポロジー測定機の選定方法及び調整方法 |
| CN112213314B (zh) * | 2019-07-12 | 2022-11-29 | 长鑫存储技术有限公司 | 晶圆侧面缺陷的检测方法和检测*** |
| CN111462110B (zh) * | 2020-04-20 | 2021-04-13 | 广东利元亨智能装备股份有限公司 | 焊缝质量检测方法、装置、***及电子设备 |
| CN113554582B (zh) * | 2020-04-22 | 2022-11-08 | 中国科学院长春光学精密机械与物理研究所 | 电子设备盖板上功能孔的缺陷检测方法、装置以及*** |
| CN112053360B (zh) * | 2020-10-10 | 2023-07-25 | 腾讯科技（深圳）有限公司 | 图像分割方法、装置、计算机设备及存储介质 |
| CN113781424B (zh) * | 2021-09-03 | 2024-02-27 | 苏州凌云光工业智能技术有限公司 | 一种表面缺陷检测方法、装置及设备 |
| CN113538586B (zh) * | 2021-09-14 | 2021-11-23 | 武汉精创电子技术有限公司 | 晶粒行列定位方法、装置和***以及计算机可读存储介质 |
| CN114166171B (zh) * | 2022-02-14 | 2022-09-27 | 西安奕斯伟材料科技有限公司 | 晶体缺陷的检测方法与检测装置 |
| CN115131359B (zh) * | 2022-09-01 | 2022-12-23 | 南通恒强轧辊有限公司 | 一种金属加工件表面麻点缺陷检测方法 |
| CN115222733B (zh) * | 2022-09-19 | 2022-12-09 | 山东金源不锈钢制品有限公司 | 基于图像识别的金属构件表面缺陷检测方法 |
| CN116952958B (zh) * | 2023-09-18 | 2023-12-29 | 杭州百子尖科技股份有限公司 | 缺陷检测方法、装置、电子设备及存储介质 |
Family Cites Families (25)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5270222A (en) * | 1990-12-31 | 1993-12-14 | Texas Instruments Incorporated | Method and apparatus for semiconductor device fabrication diagnosis and prognosis |
| JP3536884B2 (ja) | 1995-10-09 | 2004-06-14 | 株式会社神戸製鋼所 | 半導体ウエハの欠陥分類方法及びその装置 |
| US6292582B1 (en) * | 1996-05-31 | 2001-09-18 | Lin Youling | Method and system for identifying defects in a semiconductor |
| JP2001168160A (ja) | 1999-12-07 | 2001-06-22 | Sony Corp | 半導体ウェハの検査システム |
| TW513772B (en) * | 2000-09-05 | 2002-12-11 | Komatsu Denshi Kinzoku Kk | Apparatus for inspecting wafer surface, method for inspecting wafer surface, apparatus for judging defective wafer, method for judging defective wafer and information treatment apparatus of wafer surface |
| JP2002267616A (ja) | 2001-03-13 | 2002-09-18 | Olympus Optical Co Ltd | 欠陥検出方法及びその装置 |
| US6999164B2 (en) * | 2001-04-26 | 2006-02-14 | Tokyo Electron Limited | Measurement system cluster |
| AU2002323264A1 (en) * | 2001-08-21 | 2003-03-03 | Wavefront Sciences, Inc. | Method of high pass filtering a data set |
| CN1720490B (zh) * | 2002-11-15 | 2010-12-08 | 应用材料有限公司 | 用于控制具有多变量输入参数的制造工艺的方法和*** |
| JP2004177377A (ja) * | 2002-11-29 | 2004-06-24 | Hitachi Ltd | 検査方法および検査装置 |
| TWI220288B (en) * | 2003-10-13 | 2004-08-11 | Powerchip Semiconductor Corp | Method of defect control |
| US7373277B1 (en) | 2004-03-09 | 2008-05-13 | Kla-Tencor Technologies Corp. | Methods and systems for detection of selected defects particularly in relatively noisy inspection data |
| JP4400331B2 (ja) | 2004-06-17 | 2010-01-20 | 信越半導体株式会社 | ウエーハの形状評価方法及び管理方法 |
| JP2006105919A (ja) | 2004-10-08 | 2006-04-20 | Sumitomo Heavy Ind Ltd | 表面形状測定装置 |
| US7201799B1 (en) | 2004-11-24 | 2007-04-10 | Kla-Tencor Technologies Corporation | System and method for classifying, detecting, and counting micropipes |
| JP2007225481A (ja) * | 2006-02-24 | 2007-09-06 | Hitachi High-Technologies Corp | ボールバンプウエハ検査装置 |
| JP2009535609A (ja) | 2006-04-28 | 2009-10-01 | マイクロニック レーザー システムズ アクチボラゲット | 画像の記録及び表面の調査のための方法及び装置 |
| US20090116727A1 (en) * | 2006-05-02 | 2009-05-07 | Accretech Usa, Inc. | Apparatus and Method for Wafer Edge Defects Detection |
| JP4102842B1 (ja) | 2006-12-04 | 2008-06-18 | 東京エレクトロン株式会社 | 欠陥検出装置、欠陥検出方法、情報処理装置、情報処理方法及びそのプログラム |
| US7372583B1 (en) * | 2007-04-12 | 2008-05-13 | Tokyo Electron Limited | Controlling a fabrication tool using support vector machine |
| JP5103058B2 (ja) * | 2007-05-28 | 2012-12-19 | 株式会社日立ハイテクノロジーズ | 欠陥観察装置及び欠陥観察方法 |
| JP5180608B2 (ja) * | 2008-01-30 | 2013-04-10 | 株式会社日立ハイテクノロジーズ | ディスク表面の欠陥検査方法及び欠陥検査装置 |
| US8340800B2 (en) * | 2008-07-17 | 2012-12-25 | International Business Machines Corporation | Monitoring a process sector in a production facility |
| US8768665B2 (en) | 2010-01-08 | 2014-07-01 | Kla-Tencor Technologies Corporation | Site based quantification of substrate topography and its relation to lithography defocus and overlay |
| US9595091B2 (en) * | 2012-04-19 | 2017-03-14 | Applied Materials Israel, Ltd. | Defect classification using topographical attributes |
-
2012
- 2012-05-11 US US13/469,339 patent/US10330608B2/en active Active
-
2013
- 2013-05-07 FR FR1354175A patent/FR2990545B1/fr active Active
- 2013-05-10 JP JP2013100041A patent/JP6312370B2/ja active Active
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI785266B (zh) * | 2018-09-05 | 2022-12-01 | 日商信越半導體股份有限公司 | 晶圓形狀資料化方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| FR2990545A1 (fr) | 2013-11-15 |
| US20130304399A1 (en) | 2013-11-14 |
| JP2013238595A (ja) | 2013-11-28 |
| US10330608B2 (en) | 2019-06-25 |
| FR2990545B1 (fr) | 2018-02-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6312370B2 (ja) | ウェーハジオメトリ計測ツールによるウェーハ表面フィーチャの検出、分類および定量化のためのシステムおよび方法 | |
| JP6618478B2 (ja) | 射影画像を用いた自動インライン検査及び計測 | |
| JP6265608B2 (ja) | ウェーハ表面計測のための高度化されたサイトベースのナノトポグラフィシステム及び方法 | |
| JP5635987B2 (ja) | 基板の表面の計測特性を評価するシステムおよび方法 | |
| CN112767398B (zh) | 晶圆缺陷的检测方法及装置 | |
| US7315642B2 (en) | System and method for measuring thin film thickness variations and for compensating for the variations | |
| JP5225297B2 (ja) | ウエハー上に形成されたダイに於けるアレイ領域の認識方法、ならびに係る方法の設定方法 | |
| US20130202188A1 (en) | Defect inspection method, defect inspection apparatus, program product and output unit | |
| WO2018175669A1 (en) | Dynamic care areas for defect detection | |
| EP2663998B1 (en) | Method and system of object based metrology for advanced wafer surface nanotopography | |
| KR102301552B1 (ko) | 본딩된 웨이퍼 계측 | |
| Tyge et al. | Characterizing digital light processing (DLP) 3D printed primitives | |
| Perminov et al. | Automated image analysis for evaluation of wafer backside chipping | |
| WO2022225545A1 (en) | Edge profile inspection for delamination defects | |
| KR100546796B1 (ko) | 두께와 광학 이미지의 라이브러리를 이용한 절연막검사방법 | |
| KR101304088B1 (ko) | 반도체용 웨이퍼 결함 검사방법 | |
| US20230339069A1 (en) | System and method for processing silicon wafers | |
| EP4276890A1 (en) | System and method for processing silicon wafers | |
| KR100817082B1 (ko) | 표면 균일도 평가 시스템 및 그 평가 방법 | |
| TW202242394A (zh) | 用於離層缺陷之邊緣輪廓檢測 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20160510 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20160510 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20170331 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20170418 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170714 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20171107 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20171128 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20180306 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20180320 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6312370 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |