DE10000364A1 - Mermalbasierende Feststellung von Fehlern - Google Patents
Mermalbasierende Feststellung von FehlernInfo
- Publication number
- DE10000364A1 DE10000364A1 DE10000364A DE10000364A DE10000364A1 DE 10000364 A1 DE10000364 A1 DE 10000364A1 DE 10000364 A DE10000364 A DE 10000364A DE 10000364 A DE10000364 A DE 10000364A DE 10000364 A1 DE10000364 A1 DE 10000364A1
- Authority
- DE
- Germany
- Prior art keywords
- image
- features
- reference image
- test
- feature
- 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.)
- Granted
Links
Classifications
-
- 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
- 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
- G01R31/302—Contactless testing
- G01R31/305—Contactless testing using electron beams
- G01R31/307—Contactless testing using electron beams of integrated circuits
-
- 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
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
- G06V10/987—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns with the intervention of an operator
-
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/06—Recognition of objects for industrial automation
-
- 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
- H01J2237/25—Tubes for localised analysis using electron or ion beams
- H01J2237/2505—Tubes for localised analysis using electron or ion beams characterised by their application
- H01J2237/2594—Measuring electric fields or potentials
-
- 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
Abstract
Es werden Verfahren und Einrichtungen zur Verfügung gestellt, um ein gemustertes Substrat zu untersuchen, mit: Erzeugung eines Bezugsbildes und eines Testbildes, Herausziehen von Merkmalen aus dem Bezugsbild und Herausziehen von Merkmalen aus dem Testbild, Anpassung von Merkmalen des Bezugsbildes und von Merkmalen des Testbildes; und Vergleich von Merkmalen des Bezugsbildes und des Testbildes zum Identifizieren von Fehlern. Ausführungsformen umfassen Einrichtungen zur Untersuchung gemusterter Substrate, computerlesbare Medien, die Befehle enthalten, um ein System zu steuern, das einen Prozessor aufweist, zur Untersuchung gemusterter Substrate, und Computerprogrammerzeugnisse, die ein computerlesbares Medium aufweisen, in welchem ein computerlesbarer Programmcode vorhanden ist, um ein System zum Untersuchen gemusterter Substrate zu steuern. Die Bilder können Elektronenstrahl-Spannungskontrastbilder sein.
Description
Die Erfindung betrifft die Feststellung von Fehlern in
gemusterten Substraten, beispielsweise Halbleiterwafern,
insbesondere auf der Grundlage von Merkmalen in
Spannungskontrastbildern.
Die Herstellung von Halbleitergeräten umfaßt zahlreiche
Verfahrensschritte, die zu Mustern auf einem Substrat führen.
Wenn die Muster einer Zwischenstufe der Herstellung
fehlerhaft sind, können sie zu einem fehlerhaften Die und
daher geringen Ausbeuten führen. Verfahren und Einrichtungen
zur Untersuchung der Muster auf Halbleiterwafern in
Herstellungszwischenstufen ("während des Verfahrens") sind
bekannt. Diese umfassen Systeme und Verfahren auf der
Grundlage der Identifizierung von Musterfehlern, die in
optischen Bildern des Wafers erkennbar sind. Zumindest eine
Vorgehensweise beruht auf Spannungskontrastbildern des
Wafers, die unter Einsatz eines Abtast-Elektronenstrahls
erhalten werden, wie in den US-Patenten Nr. 5 502 306 und
5 578 821 beschrieben, und in dem System SEMSpec
verwirklicht, das im Handel von der KLA-Tencor Corporation
angeboten wird.
Ein Verfahren nach dem Stand der Technik zur Feststellung von
Fehlern aus Spannungskontrastbildern beruht auf der
Unterscheidung von Pixelintensitätswerten, und zwar
pixelweise, zwischen einem Bild des zu untersuchenden Musters
und einem Bezugsbild. Bei diesem Verfahren werden zwei
Spannungskontrastbilder verglichen, oder zwei Bereiche eines
Spannungskontrastbildes. Um Fehler herauszuziehen, werden die
beiden Bilder oder Bildbereiche zuerst in Bezug auf
Unterschiede der Helligkeit und des Kontrastes korrigiert,
und zueinander ausgerichtet. Dann wird die Differenz von
Pixelintensitätswerten pixelweise festgestellt, um ein
Differenzbild zu erzeugen. Das sich ergebende Differenzbild
wird mit einem Schwellenwert verglichen, um ein Fehlerbild
herzustellen, in welchem die Pixelwerte binär sind. Merkmale
in dem Fehlerbild, die bestimmte Bedingungen erfüllen,
beispielsweise minimale Größe, Form, Intensität, usw., werden
als Fehler angesehen. Die Statistik der Fehler in den Bildern
wird dann berechnet und berichtet. Beispielsweise kann der
größte Fehler und die Gesamtanzahl an Fehlern für jedes Bild
mitgeteilt werden. Dann werden die Bilder auf der Grundlage
dieser Statistiken beurteilt, so daß die signifikantesten
Fehler zuerst bearbeitet und untersucht werden, wodurch die
Beurteilungszeit beträchtlich verringert wird.
Eine Stärke dieses Verfahrens besteht darin, daß es nur eine
geringe Kenntnis elektrischer Merkmale oder Strukturen in den
Spannungskontrastbildern erfordert, nämlich nur, daß sie
annähernd dieselbe Größe in beiden Bildern oder Bildbereichen
aufweisen, und daß eine Ausrichtung und Bildnormierung die
Gesamtdifferenzen in den Bildern oder Bildbereichen
korrigiert. Mit diesem Verfahren können
Spannungskontrastfehler festgestellt werden, ohne daß man
zuerst wissen muß, welche elektrische Muster untersucht
werden.
Diese Stärke stellt jedoch auch eine Schwäche dar: Sämtliche
Bilddifferenzen werden als potentielle Fehler angesehen,
selbst wenn dies nicht der Fall ist, so daß es nicht möglich
ist, "Killerfehler" von "Störfehlern" oder "falschen" Fehlern
zu unterscheiden. Ein "Killerfehler" ist ein Fehler mit
elektrischer Signifikanz beim endgültigen Test eines Die, der
zu einer verringerten Verläßlichkeit oder zu einer
verringerten elektrischen Leistung führt. Ein "falscher"
Fehler ist ein Bericht von einem Fehlerfeststellungssystem
über einen Fehler, der nicht irgendeinem Oberflächen- oder
Bildartefakt entspricht, und beispielsweise von einem Fehler
infolge des Systems herrührt. Ein "Störfehler" ist ein
Oberflächen- oder Bildartefakt, welches real ist, jedoch
keinen Killerfehler darstellt, oder ansonsten von Interesse
ist. Einige Artefakte bei dem Untersuchungsvorgang treten
infolge von Bildfehlausrichtung auf, lokalen Bildverzerrungen
und Nichtlinearitäten des Abtastvorgangs, der zur Erlangung
der Spannungskontrastbilder eingesetzt wird. Da das Auftreten
von Killerfehlern im allgemeinen relativ selten ist, kann die
Anzahl festgestellter Störfehler erheblich größer als die
Anzahl an Killerfehlern sein. Bei herkömmlichen
Untersuchungssystemen auf Pixelgrundlage können 90% oder
mehr der berichteten Fehler Störfehler sein. Deren Trennung
von den Killerfehlern erfordert eine zeitaufwendige und teure
Untersuchung und Beurteilung durch den Menschen. Der hohe
Anteil an Störfehlern und falschen Fehlern, und das
Erfordernis eines menschlichen Eingriffs, machen es
schwierig, die Leistung des Untersuchungsvorgangs zu
verbessern, damit es bei der Herstellung von Halbleiterwafern
nützlicher ist. Vorhandene Lösungen zur Verringerung der Rate
an Störfehlern und falschen Fehlern, die durch
Fehlausrichtung hervorgerufen werden, beispielsweise durch
exakte Waferplattformpositionierung, gleichförmigere und
wiederholbare Abbildung, und verbesserte
Fehlerfeststellungsalgorithmen, eliminieren das Problem
nicht, und verringern typischerweise die Empfindlichkeit auf
Killerfehler. Gleichzeitig benötigen diese Lösungen mehr
Verarbeitung, und daher mehr Verarbeitungszeit oder mehr
Verarbeitungshardware. Dies begrenzt die Durchsatzrate und
das Preis-Leistungsverhältnis.
Ein anderer Nachteil besteht darin, da das Verfahren auf
Pixelgrundlage arbeitet, daß es nur Intensitätsunterschiede
pixelweise feststellen kann. Dies macht die Feststellung
bestimmter Arten von Fehlern schwierig, wenn nicht sogar
unmöglich. Eine gleichzeitig anhängige US-Patentanmeldung
beschreibt Vorgehensweisen zur Verbesserung der Sichtbarkeit
in einem Spannungskontrastbild von elektrisch signifikanten
Fehlern bezüglich Merkmalen wie etwa ungefüllten
Kontaktlöchern. Diese Vorgehensweisen rufen eine Änderung der
anscheinenden Größe des ungefüllten Kontaktloches in dem
Spannungskontrastbild hervor, abhängig vom elektrischen
Leitvermögen des Materials in dem Kontaktloch. Zwar kann ein
Bildvergleichsverfahren auf Pixelgrundlage die Änderung der
Größe als Intensitätsdifferenz für das Kontaktloch umgebende
Pixel feststellen, und kann die
Pixelintensitätsunterscheidung einen torusförmigen Fehler
zeigen, jedoch würde es nicht das fundamentale
Erscheinungsbild dieser Art eines Fehlers erkennen lassen,
nämlich eine anscheinende Änderung der Größe des Merkmals,
statt einer Intensitätsänderung.
Fig. 1 zeigt ein Verfahren nach dem Stand der Technik, bei
welchem Bilder parallel aufgenommen und verarbeitet werden.
Der Bildaufnahmeabschnitt beginnt mit der Einrichtung einer
Batch-Datei im Schritt 105, gefolgt von der Bildaufnahme im
Schritt 110, dem Speichern des Bildes im Schritt 115, und der
Bewegung zu einem nächsten Bild im Schritt 120. Bilder werden
in einem Plattenspeichergerät 125 gespeichert. Die Schritte
110, 115 und 120 werden für andere Bereiche eines Wafers
wiederholt, und wenn die Abbildung des Wafers vollständig
ist, beginnt die Abbildung eines anderen Wafers. Sobald ein
Bild aufgenommen wurde, geht die Bildverarbeitung parallel
zur Aufnahme weiterer Bilder weiter. Die Bildbearbeitung
beginnt mit der Ausrichtung des aufgenommenen Bildes in Bezug
auf ein Bezugsbild im Schritt 130, und dann werden die
Pixelintensitätspegel der Bilder im Schritt 135
unterschieden, um ein Differenzbild zu erzeugen. Rauschen
wird von dem Differenzbild im Schritt 140 abgetrennt, und
hieran schließt sich das Zählen der Merkmale in dem
Differenzbild im Schritt 145 an. Merkmale in dem
Differenzbild werden im Schritt 150 sortiert, und von Hand im
Schritt 155 untersucht, um zu entscheiden, welche der
Merkmale als Fehler angesehen werden sollen.
Es sind Verfahren und Einrichtungen gewünscht, welche eine
niedrigere Rate an Störfehlern zur Verfügung stellen, und
geringere Anforderungen an den menschlichen Eingriff, und
daher eine verbesserte Durchsatzrate und ein verbessertes
Preis-Leistungsverhältnis.
Verfahren und Einrichtungen gemäß der Erfindung verwenden die
merkmalsbasierende Bildverarbeitung zur Feststellung, zum
Quantifizieren, und zum Analysieren von Fehlern bei der
Untersuchung gemusterter Substrate, beispielsweise von
Halbleiterwafern, aus Spannungskontrast-
Elektronenstrahlbildern. Ein Verfahren zum Untersuchen eines
gemusterten Substrats umfaßt: Vorbereitung eines Bezugsbildes
und eines Testbildes, Herausziehen von Merkmalen aus dem
Bezugsbild, und Herausziehen von Merkmalen aus dem Testbild,
Anpassung von Merkmalen des Bezugsbildes und von Merkmalen
des Testbildes, und Vergleichen von Merkmalen des
Bezugsbildes und des Testbildes, um Fehler zu identifizieren.
Die Bilder können vor der Anpassung von Merkmalen
ausgerichtet werden. Das Bezugsbild kann ein
Spannungskontrastbild eines ersten gemusterten Substrats
sein, und das Testbild ein Spannungskontrastbild eines
zweiten Substrats, oder es kann das Bezugsbild ein
Spannungskontrastbild eines ersten Bereiches eines
gemusterten Substrats sein, und das Testbild ein
Spannungskontrastbild eines zweiten Bereiches desselben
gemusterten Substrats, oder es kann das Bezugsbild ein Bild
sich wiederholender Zellen eines gemusterten Substrats sein,
und das Testbild ein Duplikat des Bezugsbildes, das um eine
Zelle in Bezug auf das Bezugsbild verschoben ist. Mit den
Bildern kann eine Vorverarbeitung durchgeführt werden, um
Rauschen und/oder Artefakte zu verringern, beispielsweise
durch räumliches Glätten und/oder Normieren. Der Vergleich
von Merkmalen der Bilder, um Fehler zu identifizieren, kann
die Berechnung von Merkmalseigenschaften umfassen
(beispielsweise Größe, Form, mittlere Pixelintensität,
Schwerpunkt, Durchmesser, Fläche, Standardabweichung, usw.),
den Vergleich berechneter Merkmalseigenschaften, und die
Festlegung von Vergleichsergebnissen, welche vorbestimmte
Fehlerkriterien erfüllen. Das Herausziehen von Merkmalen aus
einem Bild kann die Verstärkung der Merkmale umfassen
(beispielsweise durch Berechnung eines mittleren
Hintergrundpegels des Bildes, und Abtrennen des mittleren
Hintergrundpegels von dem Bild), um ein erstes modifiziertes
Bild zu erzeugen, Vergleich des ersten modifizierten Bildes
mit einem Schwellenwert, um ein zweites modifiziertes Bild zu
erzeugen, und die Identifizierung von Merkmalen in dem
zweiten modifizierten Bild. Alternativ kann das Herausziehen
von Merkmalen aus einem Bild die Anpassung einer
Merkmalsschablone in dem Bild umfassen, und das
Identifizieren von Merkmalen in dem Bild, welche zur
Merkmalsschablone passen.
Ausführungsformen der Erfindung umfassen Einrichtungen zur
Untersuchung gemusterter Substrate, computerlesbare Medien,
die Befehle zum Steuern eines Systems enthalten, welches
einen Prozessor zur Untersuchung gemusterter Substrate
aufweist, sowie Computerprogrammerzeugnisse, die ein von
einem Computer einsetzbares Medium aufweisen, in welchem ein
computerlesbarer Programmcode vorhanden ist, zum Steuern
eines Systems zur Untersuchung gemusterter Substrate.
Diese und weitere Merkmale von Ausführungsformen, die mit der
Erfindung verträglich sind, werden Fachleuten aus der
nachfolgenden Beschreibung und den beigefügten Zeichnungen
noch deutlicher werden.
Fig. 1 ist ein Flußdiagramm eines Verfahrens nach dem
Stand der Technik zur Bildaufnahme parallel zur
Bildverarbeitung;
Fig. 2 zeigt schematisch ein System, das mit der
vorliegenden Erfindung verträglich ist;
Fig. 3 ist ein Flußdiagramm auf hohem Niveau einiger
Verfahren, die mit der Erfindung verträglich sind;
Fig. 4 ist eine Bildschirmteilungsansicht, welche zwei
Spannungskontrastbilder von Dies eines teilweise
hergestellten Halbleiterwafers zeigt;
Fig. 5 ist eine Erläuterung auf hohem Niveau von
Verfahren, die mit der vorliegenden Erfindung
verträglich sind, zur Anpassung von Merkmalen
zwischen Spannungskontrastbildern von
Kontaktlöchern;
Fig. 6 ist ein Flußdiagramm, welches mit der vorliegenden
Erfindung verträgliche Verfahren zeigt;
Fig. 7 zeigt eine detailliertere Ausführungsform des
Schrittes 610 von Fig. 6, die mit der vorliegenden
Erfindung verträglich ist;
Fig. 8 zeigt eine detailliertere Ausführungsform des
Schritts 630 von Fig. 6, die mit der vorliegenden
Erfindung verträglich ist;
Fig. 9 zeigt eine detailliertere Ausführungsform der
Schritte 610, 615 und 620 von Fig. 6, die mit der
vorliegenden Erfindung verträglich ist;
Fig. 10 zeigt eine detailliertere Ausführungsform des
Schritts 630 von Fig. 6, die mit der vorliegenden
Erfindung verträglich ist;
Fig. 11 zeigt eine detailliertere Ausführungsform des
Schritts 635 von Fig. 6, die mit der vorliegenden
Erfindung verträglich ist;
Fig. 12 zeigt eine detailliertere Ausführungsform des
Verfahrens von Fig. 6, die mit der vorliegenden
Erfindung verträglich ist;
Fig. 13 zeigt eine detailliertere Ausführungsform des
Schritts 9620A von Fig. 9, die mit der
vorliegenden Erfindung verträglich ist;
Fig. 14 zeigt eine detaillierte Ausführungsform des
Schritts 9620B von Fig. 9, die mit der
vorliegenden Erfindung verträglich ist;
Fig. 15 zeigt eine alternative, detaillierte
Ausführungsform des Schritts 9620A von Fig. 9, die
mit der vorliegenden Erfindung verträglich ist;
Fig. 16 zeigt eine alternative, detaillierte
Ausführungsform des Schritts 9620B von Fig. 9, die
mit der vorliegenden Erfindung verträglich ist;
Fig. 17A, 17B, 17C und 17D zeigen ein Flußdiagramm einer
Fehlerfeststellungsimplementierung auf
Merkmalsbasis, die mit der vorliegenden Erfindung
verträglich ist;
Fig. 18A-18H erläutern das Herausziehen von Merkmalen
mittels Schwellenwertbildung auf eine mit der
vorliegenden Erfindung verträgliche Art und Weise;
Fig. 19A-19G erläutern das Herausziehen von Merkmalen
durch Modellanpassung auf eine mit der vorliegenden
Erfindung verträgliche Art und Weise;
Fig. 20A-20F erläutern einen Fehlerfeststellungsvorgang,
der mit der vorliegenden Erfindung verträglich ist;
Fig. 21 zeigt ein Diagramm der berechneten Fläche von
Testbildmerkmalen in Abhängigkeit von der
berechneten Fläche von Bezugsbildmerkmalen; und
Fig. 22A-22C zeigen das Herausziehen von Merkmalen durch
adaptive Schwellenwertbildung auf eine mit der
vorliegenden Erfindung verträgliche Art und Weise.
Fig. 23A-23D zeigen ein Beispiel für eine
Array-Betriebsartoperation; und
Fig. 24 zeigt ein Flußdiagramm eines
Array-Betriebsartverfahrens zur Durchführung eines
zellenweisen Vergleichs zur Fehlerfeststellung.
Fig. 2 zeigt schematisch ein Beispiel für ein System 200 zur
Überprüfung von Wafern unter Einsatz von
Spannungskontrastverfahren gemäß der vorliegenden Erfindung.
Das System 200 weist ein Elektronenstrahluntersystem 205 auf
(beispielsweise ein Elektronenstrahlbildaufnahmeuntersystem
eines Systems Schlumberger IDS 10000), wahlweise mit einer
Anzeige 210, mit einer motorisierten Waferplattform 213,
einer Elektronensäule 215 mit einer Plattform und einer
Vakuumkammer, einem Bildprozessor 220, einer
Datenspeichervorrichtung 225 wie beispielsweise einem
Plattenlaufwerk mit 100 GByte und wahlweise mit einem
Computeruntersystem 230 mit Anzeige 235. Das
Elektronenstrahluntersystem 205, der Bildprozessor 220 und
das Computeruntersystem 230 kommunizieren untereinander über
einen Netzwerkbus 240 oder eine andere geeignete Verbindung.
Das Elektronenstrahluntersystem 205 kann beispielsweise ein
Elektronenstrahlsondensystem des Typs IDS 10000 sein, wie es
im Handel von Schlumberger Automated Test Systems, San Jose,
Kalifornien, erhältlich ist, wobei die Software modifiziert
ist, um Operationen zu ermöglichen, die mit der Erfindung
verträglich sind, wie dies nachstehend genauer erläutert
wird. Derartige Operationen können beispielsweise die
mehrfache asynchrone Bildverarbeitung umfassen, eine
Bildausrichtungsverarbeitung und Untersuchung, eine
Waferfehlerkartenerzeugung und -anzeige, und den Import und
Export von Bildern für die Untersuchung. Das
Elektronenstrahluntersystem 205 kann Modifikationen
aufweisen, beispielsweise einen höheren Elektronenstrahlstrom
oder eine höhere Elektronenstrahlenergie, und eine
Vorladungsflutkanone sowie zugehörige Hardware- und
Softwareelemente für die stabile und kontrollierbare
Oberflächenaufladung eines Wafers mit ausgewählter
Aufladungspolarität. Die motorisierte Waferplattform 215 kann
beispielsweise eine motorisierte Waferplattform des Modells
MWS sein, wie sie im Handel von Schlumberger Automated Test
Systems, San Jose, Kalifornien erhältlich ist, zum Handhaben
und Positionieren eines Wafers in Bezug auf die
Elektronensäule (nicht dargestellt) des
Elektronenstrahluntersystems 205. Der Bildprozessor 220 kann
beispielsweise eine Gruppe vernetzter Workstations oder von
PCs sein, beispielsweise eine vernetzte Gruppe von PCs, die
mit Prozessoren des Typs Pentium II ausgerüstet sind. Der
Datenspeicher 225 sorgt für Kapazität für das Speichern von
Bezugsbildern und die mehrfache, asynchrone Bildverarbeitung.
Das wahlweise verfügbare Computeruntersystem 230 mit der
Anzeige 235 ist zu dem Zweck vorgesehen, um die Überwachung
und Untersuchung von Vorgängen und Bildern, die mit
Waferuntersuchungs- und Überprüfungsoperationen in Verbindung
stehen, durch einen menschlichen Benutzer zu gestatten.
Mit der vorliegenden Erfindung verträgliche Verfahren ziehen
Merkmale aus einem Bild heraus, beispielsweise durch
Schwellenwertbildung, um eine binäre Version des
Merkmalsbildes zu erzeugen, und dann ein optionales
Graustufenbild, oder durch Vergleich von Merkmalen in dem
Bild mit einer Merkmalsschablone. Die Bildern können zur
Abbildung von Merkmalen ausgerichtet werden, oder es können
binäre Versionen des Merkmalsbildes ausgerichtet werden, und
dann entsprechende Merkmale angepaßt werden. Das bedeutet,
daß Merkmale, beispielsweise jene, die elektrisch signifikant
sein können, aus dem Spannungskontrastbild herausgezogen
werden, und dann Merkmal für Merkmal angepaßt werden, bevor
eine Fehlerbestimmung durchgeführt wird. Diese Vorgehensweise
ist vorteilhaft, verglichen mit Verfahren nach dem Stand der
Technik auf Pixelgrundlage, und zwar in folgender Hinsicht:
- 1. Verringerte Rate an Störfehlern und falschen Fehlern, und erhöhte Empfindlichkeit auf Killerfehler.
- 2. Verringerung statistischen Rauschens aufgrund der Mittlung von Pixelwerten über das Bild.
- 3. Es werden nur jene Teile der Bilder herausgezogen, in denen elektrisch signifikante Erscheinungen wahrscheinlich sind, um so den Fehlerbestimmungsvorgang zu vereinfachen und zu beschleunigen.
- 4. Potentiell signifikante Eigenschaften der Merkmale, beispielsweise die Fläche, die mittlere Intensität, die Intensitätssumme, die Form, Momente, usw. können berechnet und verglichen werden, da der Vorgang auf Merkmalen statt auf Pixeln beruht.
- 5. Die Verarbeitungsarbeitsbelastung kann geringer sein. Durch Vergleich von Bildern von Merkmal zu Merkmal statt von Pixel zu Pixel wird die Anzahl an Operationen durch die Anzahl an Merkmalen (typischerweise einige Hundert) bestimmt, nicht durch die Anzahl an Pixeln (typischerweise in der Größenordnung von Hunderttausend oder Millionen). Es werden daher Berechnungsressourcen zur Verfügung gestellt, um die Robustheit der Feststellung von Fehlern zu verbessern.
- 6. Die Ausrichtung von Bezugs- und Testbildern oder von Bildbereichen erfordert keine Pixelgenauigkeit. Die Bildausrichtung muß nur so weitgehend sein, daß entsprechende Merkmale aus Bildern oder Bildbereichen korrekt angepaßt sind. Die erforderliche Präzision der Waferplattform und der Bildausrichtungsalgorithmen wird daher durch die Merkmalsgröße bestimmt, statt durch die Pixelgröße.
Fig. 3 ist ein Flußdiagramm auf hohem Niveau einiger
Verfahren, die mit der Erfindung verträglich sind. Im Schritt
305 stellt eine graphische Benutzerschnittstelle ein
"Jobrezept" zur Betrachtung durch einen menschlichen Benutzer
dar. Nachdem der Benutzer Parameter für den Job ausgewählt
oder eingegeben hat, werden die Algorithmen für die
Bildverarbeitung (IP) und IP-Parameter in einen aktiven
Speicher im Schritt 310 geladen, zusammen mit einem
Schablonenbild, falls dies für den Job benötigt wird. Im
Schritt 315 wird eine Bilddatenquelle ausgewählt,
beispielsweise entweder ein direktes Videobild (Livebild),
oder ein vorher aufgenommenes Bild, das auf der Platte
gespeichert ist. Im Schritt 320 werden ein Bezugsbild R und
ein Testbild T, die verarbeitet werden sollen, in den aktiven
Speicher geladen, zusammen mit einem Arbitrationsbild A,
falls dies für den Job erforderlich ist. Der Einsatz von
Arbitrationsbildern wird nachstehend genauer erläutert. Im
allgemeinen wird ein Arbitrationsbild verwendet, wenn Bilder
von zwei Bereichen auf einem Wafer verglichen werden, um eine
Unsicherheit in der Hinsicht auszuschalten, welches von
beiden einen Fehler aufweist, beispielsweise wenn Bilder oder
Bildabschnitte verglichen werden, die sich wiederholende
Strukturen auf einem Wafer darstellen, beispielsweise
benachbarte Speicherzellen. Im Schritt 325 werden das
Bezugsbild und das Testbild ausgerichtet, sowie ebenfalls das
Arbitrationsbild, falls dieses für den Job benötigt wird.
Alternativ wird der Schritt 325 übersprungen, wenn eine
Bildausrichtung nicht erforderlich ist, beispielsweise wenn
eine exakt Plattform verwendet wird, und/oder die Bilder
vorher ausgerichtet wurden. Im Schritt 335 wird eine
Fehlerfeststellung auf Merkmalsgrundlage durchgeführt. Im
Schritt 340 werden die Ergebnisse der Fehlerfeststellung,
beispielsweise die Orte, Größen, Arten usw. von Fehlern, in
einer Datenbank gespeichert, und/oder berichtet, und wird
wahlweise auch das Bild gespeichert, um später darauf Bezug
zu nehmen. Im Schritt 345 werden Zwischenbilder und
Zwischenergebnisse, beispielsweise eine Karte von Fehlern und
Statistiken über Ort, Größe, Typ usw. von Fehlern, wahlweise
zur Überwachung durch einen menschlichen Benutzer auf einem
Anzeigebildschirm 350 angezeigt.
Fig. 4 ist eine Bildschirmteilungsansicht, welche zwei
Spannungskontrastbilder von Dies eines zum Teil
fertiggestellten Halbleiterwafers zeigt. Die Bilder werden zu
einem Zeitpunkt der Herstellung aufgenommen, nachdem
Kontaktlöcher durch eine dielektrische Schicht geätzt wurden,
um Kontaktelemente freizulegen. Jeder der schwarzen Punkte
stellt ein Kontaktloch dar. Das Bild 410 auf der linken Seite
in Fig. 4 ist ein Bezugsbild, das von einem ersten Die
aufgenommen wurde. Das Bild 420 ist ein Testbild, das von
einem zweiten Die aufgenommen wurde. Es ist erwünscht, das
Bild 420 zu untersuchen, um Fehler mit elektrischer
Signifikanz festzustellen, beispielsweise fehlende oder
unvollständig ausgebildete Kontaktlöcher. Mit der
vorliegenden Erfindung verträgliche Verfahren sorgen für die
Untersuchung durch Anpassung von Merkmalen von beiden
Bildern.
Fig. 5 ist eine Darstellung auf hohem Niveau von Verfahren,
die mit der vorliegenden Erfindung verträglich sind, und zur
Anpassung von Merkmalen zwischen Spannungskontrastbildern von
Kontaktlöchern dienen. Zur Vereinfachung der Darstellung ist
nur eine kleine Anzahl an Kontaktlöchern in den Bildern von
Fig. 5 gezeigt, obwohl die Vorgehensweisen bei erheblich
größeren Feldern aus Kontaktlöchern einsetzbar sind, und
ebenso bei Bildern von anderen Halbleitermerkmalen als
Kontaktlöchern. Ein Bezugsbild 510 weist fünf Kontaktlöcher
auf, die als schwarze Punkte 512, 514, 516, 518 und 520
dargestellt sind, und ihm fehlt ein Kontaktloch an einem mit
522 bezeichneten Ort. Ein Testbild 524 weist Kontaktlöcher
auf, die als schwarze Punkte bei 526, 528, 530, 532, 534 und
536 dargestellt sind. Das Testbild 524 wird mit dem
Bezugsbild 510 im Schritt 538 ausgerichtet. Zum Zwecke der
Erläuterung ist die Ausrichtung durch gestrichelt
dargestellte Kästen 540 und 542 angedeutet, welche die
Überlappungsbereiche der Bilder 510 und 524 darstellen, wobei
beispielsweise das Merkmal 512 dem Merkmal 526 entspricht,
das Merkmal 514 dem Merkmal 528, das Merkmal 516 kein
Gegenstück in dem Testbild aufweist, das Merkmal 518 dem
Merkmal 532 entspricht, das Merkmal 520 dem Merkmal 534
entspricht, und der Ort 522 dem Merkmal 530 entspricht. Das
Merkmal 536 des Testbildes 524 hat kein Gegenstück in dem
Bezugsbild 510. In den Schritten 544 und 546 werden Merkmale
aus den Bildern herausgezogen. Die aus den Bildern
herausgezogenen Merkmale werden numeriert, um anzuzeigen, daß
die Merkmale nach dem Herausziehen von Merkmalen als Merkmale
identifiziert wurden. In diesem Schritt ist keine
Entsprechung zwischen den Merkmalsnummern des Bezugsbildes
und den Merkmalsnummern des Testbildes vorhanden.
Die Fig. 20A-20F erläutern einen
Merkmalsanpassungsvorgang, der mit der vorliegenden Erfindung
verträglich ist. Fig. 20A zeigt einen Abschnitt eines
Bezugsbildes, welches mehrere Merkmale aufweist, die Kontakte
eines Wafers repräsentieren, beispielsweise Kontakte 2005 und
2010, wobei der Zentrumspunkt und die Grenze jedes Merkmals
mit einem Kreuz bzw. einem Kreis markiert ist. Fig. 20B
zeigt einen Abschnitt eines Testbildes, welches ebenfalls
mehrere Merkmale aufweist, die Kontakte eines Wafers
repräsentieren, wobei der Zentrumspunkt und die Grenze jedes
Merkmals mit einem Kreuz bzw. einem Kreis markiert ist. Fig.
20C zeigt das Bezugsbild mit zusätzlichen Ringen, welche
jedes Merkmal umgeben, um eine Grenze für einen zulässigen
Offset anzuzeigen, wenn Merkmale des Testbildes mit jenen des
Bezugsbildes verglichen werden. Fig. 20D zeigt das Testbild
von Fig. 20B, welches dem Bezugsbild von Fig. 20C
überlagert ist. Es sind kleine Ausrichtungsfehler sichtbar.
Man erkennt, daß das Zentrum eines Merkmals des Testbildes,
des Merkmals 2015, außerhalb der zulässigen Offsetgrenze des
Merkmals 2010 liegt. Man erkennt ebenfalls, daß das zentrale
Merkmal des Bezugsbildes, das Merkmal 2020, kein Gegenstück
in dem Testbild aufweist. Fig. 20E zeigt Merkmale, die in
dem Vorgang "angepaßt" wurden. Fig. 20F zeigt die Merkmale,
welche der Vorgang als "Fehler" identifiziert hat, wobei ein
Fehler in Bezug auf ein fehlendes Merkmal für das Merkmal
2020 berichtet wird, und ein Fehler in Bezug auf ein
verschobenes Merkmal für das Merkmal 2010, da das Merkmal
2015 des Testbildes außerhalb der zulässigen Offsetgrenze
liegt. Nach dem Identifizieren der Fehler kann eine
kontrastierende Überlagerungsschicht, beispielsweise in einer
Kontrastfarbe, zusammen mit dem Testbild angezeigt werden,
damit die Fehler von einem menschlichen Betrachter leicht
erkannt werden können.
Zusätzlich zum Identifizieren und Numerieren der Merkmale
werden Eigenschaften der herausgezogenen Merkmale bestimmt.
Sobald die Merkmale herausgezogen wurden, ist die Berechnung
einer Eigenschaft oder mehrerer Eigenschaften der Merkmale
ein geradliniger Berechnungsvorgang. Eigenschaften können
umfassen (sind hierauf jedoch nicht beschränkt): Fläche,
Größe, Form, Schwerpunkt, mittlere Intensität (die besonders
wertvoll zur Rauschverringerung in durch statistisches
Rauschen beschränkten Elektronenstrahlbildern ist), Summe der
Intensität, und Standardabweichung der Intensität. In Tabelle
1 sind Beispiele für einige Merkmalseigenschaften angegeben
beispielsweise die Koordinaten (x, y) des Schwerpunkts des
Merkmals, die Fläche (A), und die mittlere Pixelintensität
(I). Die dargestellten Werten dienen zur Erläuterung, und ihr
Maßstab entspricht nicht notwendigerweise den Bildern von
Fig. 5.
Im Schritt 548 werden Merkmale angepaßt. Zum Beispiel werden
die Merkmale 512 bis 520 als die Merkmale R1-R5 des
Bezugsbildes 510 identifiziert, wogegen der Ort 522 kein
Merkmal enthält. Die Merkmale 526 bis 534 werden als die
Merkmale T1-T5 des Testbildes 524 identifiziert. Die Merkmale
R1, R2, R4 und R5 des Bezugsbildes 510 werden jeweils an das
Merkmal T1, T2, T4 bzw. T5 des Testbildes 524 angepaßt. Das
Merkmal R3 des Bezugsbildes 510 hat kein Gegenstück in dem
Testbild 524, da es außerhalb des Gesichtsfeldes des
Testbildes 524 liegt. Das Merkmal T3 des Testbildes 524 hat
kein Gegenstück im Bezugsbild 510, da es im Bezugsbild fehlt.
Tabelle 2 zeigt ein einfaches Beispiel für den Vergleich von
Eigenschaften angepaßter Merkmale. Ein numeriertes Merkmal des
Bezugsbildes (R#) wird mit einem numerierten Merkmal des
Testbildes (T#) verglichen, es wird eine Differenz zwischen
der Merkmalsfläche in dem Bezugsbild (Aref) und der
Merkmalsfläche in dem Testbild (Atest) berechnet, um einen
Flächendifferenzwert (Adif) zu erhalten, und es wird ein
Verhältnis zwischen Aref und Atest berechnet, um einen
Flächenverhältniswert (Aratio) zu erhalten. Dieses Verhältnis
könnte als Maß für den Fehler verwendet werden.
Beispielsweise jedes Verhältnis, das größer als eine gewisse
Schwelle ist, beispielsweise 1,2, könnte als Merkmal mit
einem Fehler angesehen werden. Es wird ein Test durchgeführt,
um zu bestimmen, ob der Wert Aratio größer als ein
Schwellenwert ist oder nicht (Ar < 1,2).
Nachdem Eigenschaften der Merkmale berechnet wurden, können
sie einzeln oder in Kombination bzw. Kombinationen verglichen
werden. Ein Fehler kann beispielsweise berichtet werden, wenn
die Merkmalseigenschaften sich um einen vorbestimmten Betrag
unterscheiden. Numerisch kann dieser Vergleich folgendermaßen
durchgeführt werden (ist hierauf jedoch nicht beschränkt),
daß eine Subtraktion, ein Verhältnis (die beide üblicherweise
verwendet werden) durchgeführt werden, eine Funktion größer
als oder kleiner als angewendet wird, usw. Die Kombination
von Eigenschaften kann die Empfindlichkeit für die
Feststellung von Fehlern erhöhen, ohne die Störfehlerrate zu
erhöhen. Beispielsweise kombiniert die Summe der Intensitäten
sämtlicher Pixel in dem Merkmal ein Maß für die Fläche mit
einer Mittlung der Intensität, und ist besonders gut
geeignet, um einen Fehler festzustellen, der zu einer
subtilen Graustufenänderung führt, der jedoch ebenfalls (wie
dies im Falle von Kontakten oder Durchgangskontaktierungen
der Fall ist) die anscheinende Größe des fehlerhaften
Merkmals ändert. Tabelle 2 zeigt darüber hinaus Fehler, die
als fehlende Merkmale oder zusätzliche Merkmale klassifiziert
werden.
Eine weitere Vorgehensweise besteht darin, statistische Werte
zu berechnen, beispielsweise Mittelwerte,
Standardabweichungen und/oder lineare Regressionen, in Bezug
auf Unterschiede zwischen den interessierenden Eigenschaften.
Merkmale, deren Eigenschaften sich um mehr als beispielsweise
zwei Standardabweichungen der Verteilung der Differenzen
unterscheiden, können als Fehler gemeldet werden. Diese
Vorgehensweise vermeidet das Erfordernis, eine feste Schwelle
für die Differenz zwischen Merkmalseigenschaften einstellen
zu müssen. (Feste Schwellen sind fehleranfällig, da sie
falsch eingestellt werden können, und da sie, selbst wenn sie
korrekt eingestellt sind, sich nicht an subtile Änderungen im
Bild anpassen, beispielsweise Kontrast- oder
Helligkeitsänderungen). Statt dessen paßt sich die Schwelle
innerhalb eines ausgewählten Bereiches der statistischen
Signifikanz an. Der Mittelwert und die Standardabweichung von
Merkmalseigenschaftsdifferenzen stellen selbst ebenfalls ein
Maß für die Fehlerdichte auf dem Wafer dar. Diese adaptive
Vorgehensweise ist beispielsweise im Falle eines schlechten
Wafers mit zahlreichen Fehlern nützlich, da die
Standardabweichung dann groß ist, und nur die schlimmsten
Fehler mitgeteilt werden. Bei einem schlechten Wafer zeigen
der Mittelwert und die Standardabweichung selbst eine
schlechte Ausbeute an. Bei einem Wafer mit hoher Ausbeute
treten Killerfehler deutlich gegenüber der
Differenzverteilung vor, und können korrekt als Fehler
mitgeteilt werden. Fig. 21 ist ein Beispiel, in welchem ein
Diagramm der berechneten Fläche von Testbildmerkmalen in
Abhängigkeit von der berechneten Fläche von
Bezugsbildmerkmalen dargestellt ist. Bei perfekt angepaßten
Bildern würden die Flächen entlang der Linie 2100 für
"perfekte Anpassung" liegen. Merkmalsbereiche im Diagramm,
die deutlich entfernt von der Linie 2100 liegen,
beispielsweise die Bereiche 2105, 2110 und 2115, werden
leicht als mögliche Killerfehler identifiziert.
Fig. 6 ist ein Flußdiagramm, welches mit der vorliegenden
Erfindung verträgliche Verfahren zeigt. Die
Fehlerfeststellung auf Merkmalsbasis beginnt im Schritt 605.
Im Schritt 610 werden Bezugs- und Testbilder und wahlweise
ein Arbitrationsbild erzeugt. Die Bezugs- und Testbilder
werden wahlweise zueinander im Schritt 615 ausgerichtet, je
nach Wunsch oder Erfordernis. Bildausrichtungsverfahren sind
im Stand der Technik bekannt, und werden hier nicht weiter
erläutert; beispielsweise gehen aus dem US.-Patent
Nr. 5 054 097 von Flinois et al Vorgehensweisen zum
Ausrichten von Bildern hervor, und umfassen Erzeugnisse wie
beispielsweise das Elektronenstrahlabbildungssystem des Typs
IDS 10000, das im Handel von Schlumberger Technologies, Inc.
von San Jose, Kalifornien erhältlich ist, weisen
Bildausrichtungsfähigkeiten auf. Merkmale werden aus den
Bildern im Schritt 620 herausgezogen. Die Schritte 615
(Ausrichtung) und 620 (Herausziehen von Merkmalen) können in
beliebiger Reihenfolge oder gleichzeitig durchgeführt werden,
ohne das Ergebnis zu beeinflussen, es sei denn, daß der
Ausrichtungsalgorithmus Information in Bezug auf
herausgezogene Merkmale für die Ausrichtung einsetzt.
Herausgezogene Merkmale werden im Schritt 625 angepaßt, wobei
wahlweise Ausrichtungsinformation eingesetzt wird. Merkmale
werden im Schritt 630 verglichen, um Fehler zu
identifizieren. Die identifizierten Fehler werden mitgeteilt,
und/oder es wird ein Datensatz von ihnen gespeichert, in dem
wahlweise vorgesehenen Schritt 635. Der Bericht kann
beispielsweise die Form einer Anzeige oder eines Ausdrucks
des Testbildes mit einer kontrastierenden (beispielsweise
unterschiedlich gefärbten) Überlagerung annehmen, welche die
identifizierten Fehler zeigt, zusammen mit einer
tabellarischen Merkmalsstatistik.
Der Schritt 640 überprüft, ob ein weiteres Bild nach Fehlern
untersucht werden soll. Falls Ja, wird der Vorgang
wiederholt, wobei erneut mit dem Schritt 610 begonnen wird.
Falls Nein, endet der Vorgang im Schritt 645. Falls nicht
erforderlich, kann die Erzeugung des Bezugsbildes im Schritt
610 übersprungen werden. Zum Beispiel muß das Bezugsbild
nicht bei jeder Wiederholung erzeugt werden, wenn dasselbe
Bezugsbild jedesmal dann verwendet wird, wenn ein Testbild
untersucht werden soll, oder falls das Bezugsbild, das bei
der nächsten Wiederholung eingesetzt werden soll, das
Testbild aus der vorherigen Wiederholung ist.
Fig. 7 zeigt eine detailliertere Ausführungsform des
Schrittes 610, bei welcher die Bilder gelesen werden (nämlich
jene, die vorher aufgenommen und gespeichert wurden), oder
aufgenommen werden, im Schritt 7610A. Falls gewünscht werden
die Bilder im wahlweisen Schritt 7610B geglättet. Die Bilder
werden, falls gewünscht, im wahlweisen Schritt 7610C
normiert. Verfahren zum Glätten von Bildern, beispielsweise
eine Gauss-Raumglättung, und zum Normieren von Bildern,
beispielsweise Pixelintensitätsnormierung, sind auf diesem
Gebiet bekannt. Da der Zweck der Glättung in der Verringerung
oder Ausschaltung von Rauschen besteht, können andere
Verfahren zur Verringerung von Rauschen eingesetzt werden,
beispielsweise die Erhöhung des Strahlstroms während der
Bildaufnahme, und zeitliches Mitteln (im Vergleich zur
räumlichen Glättung).
Fig. 8 zeigt eine detailliertere Ausführungsform des
Schritts 630. Eigenschaften von Bildmerkmalen werden im
Schritt 8630A berechnet. Die berechneten
Merkmalseigenschaften werden im Schritt 8630B verglichen. Im
Schritt 8630C erfolgt eine Bestimmung, ob die
Vergleichsergebnisse Fehlerkriterien erfüllen.
Fig. 9 zeigt eine Art und Weise, auf welche die Schritte
610, 615 und 620 durchgeführt werden können. Ein Bezugsbild R
wird gelesen und gespeichert, oder wird aufgenommen, im
Schritt 9610A. Das Bezugsbild R wird im wahlweisen Schritt
9610B geglättet. Merkmale werden aus dem Bezugsbild R im
Schritt 9620A herausgezogen. Ein Testbild T wird gelesen und
gespeichert, oder aufgenommen, im Schritt 9610C. Das Testbild
T wird im wahlweisen Schritt 9610D geglättet, und in Bezug
auf das Bezugsbild R im wahlweisen Schritt 9610E normiert.
Das Testbild T wird zum Bezugsbild R im wahlweisen Schritt
615 ausgerichtet. Im Schritt 9620B werden Merkmale aus dem
Testbild T herausgezogen.
Fig. 10 zeigt eine detailliertere Ausführungsform des
Schrittes 630, bei welcher Merkmale verglichen werden, um
Fehler zu identifizieren. Fehlereigenschaften des
Bezugsbildes R und des Testbildes T werden im Schritt 10-630A
berechnet. Die berechneten Merkmalseigenschaften des
Bezugsbildes R und des Testbildes T werden im Schritt 10-630B
verglichen. Eigenschaftsvergleichsstatistiken werden im
Schritt 10-630C berechnet. Im Schritt 10-630D erfolgt eine
Bestimmung, ob die Eigenschaftsvergleichsstatistiken
vorbestimmte Fehlerkriterien erfüllen.
Fig. 11 zeigt eine detailliertere Ausführungsform des
Schrittes 635, bei welcher Daten in Bezug auf festgestellte
Fehler mitgeteilt und/oder gespeichert werden. Im Schritt
11-635A erfolgt eine Bestimmung, ob Fehler identifiziert
wurden. Ist dies der Fall, werden die
Fehlermerkmalseigenschaftsstatistiken im Schritt 11-636B
berichtet. Die Fehlereigenschaftsstatistik und/oder andere
Bildinformation wird im Schritt 11-635C mitgeteilt oder im
Speicher gespeichert.
Fig. 12 zeigt eine weitere, detaillierte Ausführungsform zur
Erläuterung alternativer Wiederholungsarten. Die
Fehlererfassung auf Merkmalsgrundlage beginnt im Schritt 605.
Im Schritt 610 werden das Bezugsbild und das Testbild
vorbereitet. Das Bezugsbild wird im Schritt 12-610A
vorbereitet, beispielsweise wie in den Schritten 9610A, 9610B
und 9620A von Fig. 9. Die Bilder werden in dem wahlweisen
Schritt 615 ausgerichtet. Im Schritt 620 werden Merkmale
herausgezogen. Im Schritt 625 werden Merkmale angepaßt. Im
Schritt 630 werden Merkmale verglichen, um Fehler zu
identifizieren. Im wahlweisen Schritt 635 werden Fehlerdaten
mitgeteilt und/oder gespeichert. Der Vorgang wiederholt sich
dann: wenn die Betriebsart darin besteht, ein Bezugsbild
abzutasten, dann ein Testbild, dann ein Bezugsbild, dann ein
Testbild, in einem abwechselnden Muster RTRT . . ., dann wird
der Schritt 12-610A bei jeder Wiederholung durchgeführt; wenn
die Betriebsart darin besteht, ein Bezugsbild nur einmal
abzutasten, und dann mit mehreren Testbildern in einem
aufeinanderfolgenden Muster RTTT . . . zu vergleichen, dann
beginnt die Wiederholung im Schritt 12-610D. Nachdem alle
Bilder untersucht wurden, endet die Fehlerfeststellung auf
Merkmalsgrundlage im Schritt 460.
Fehlerfeststellungsergebnisse für den Untersuchungsdurchgang
werden mitgeteilt und/oder gespeichert im Schritt 1245. Der
Vorgang endet im Schritt 1250.
Fig. 13 zeigt eine detailliertere Ausführungsform in Bezug
auf das Herausziehen von Merkmalen aus dem Bezugsbild R im
Schritt 9620A. Ein mittlerer Hintergrundpegel des
Bezugsbildes R wird im Schritt 13-9620A1 berechnet. Der
Hintergrundpegel wird von den Pixelintensitäten des
Bezugsbildes R entfernt, um ein erstes modifiziertes
Bezugsbild R1 im Schritt 13-9620A2 zu erzeugen. Das Abtrennen
des Hintergrundpegels wird wahlweise durchgeführt, da einige
Spannungskontrastbilder keinen gleichmäßigen Kontrast
aufweisen. Der ungleichförmige Kontrast kann zur Mitteilung
falscher Fehler führen, wenn einfache
Pixelsubtraktionsalgorithmen eingesetzt werden, ohne zunächst
den Pixelintensitätspegel des Hintergrundes zu subtrahieren
oder zu normieren. Der Hintergrund ist die Fläche des Bildes
zwischen den Merkmalen. Typischerweise sind die Merkmale
eines Wafers, auf dem die Fehlerfeststellung durchgeführt
wird, Leiter wie beispielsweise Drähte,
Durchgangsverbindungen oder Kontakte. Die Fläche, welche
diese Merkmale umgibt, ist typischerweise ein Dielektrikum,
heutzutage meistens SiO2. Die Hintergrundfläche eines Bildes
des Wafers repräsentiert das Dielektrikum. Artefakte, die
durch ungleichförmige Aufladung der Waferoberfläche
hervorgerufen werden, führen manchmal zu einem geringfügig
unterschiedlichen Oberflächenpotential, und daher zu einer
Hintergrundintensität, die sich über das Bild ändert. Das
Entfernen oder Normieren der Hintergrundpixelintensität kann
die Robustheit des Herausziehens von Merkmalen verbessern.
Zum Zwecke der vorliegenden Anmeldung soll der Begriff des
Abtrennens des "Hintergrundes" entweder die Subtraktion des
Hintergrundpegels oder die Normierung des Hintergrundpegels
umfassen, oder jede andere geeignete Vorgehensweise zum
Kompensieren eines ungleichförmigen Kontrastes eines Bildes.
Mit den Pixeln des ersten modifizierten Bezugsbildes R1 wird
im Schritt 13-9620A3 ein Schwellenwertvergleich durchgeführt,
um ein zweites modifiziertes Bezugsbild R2 zu erzeugen,
beispielsweise ein binäres Bild. Merkmale in dem zweiten
modifizierten Bezugsbild R2 werden im Schritt 13-9620A4
identifiziert. Im allgemeinen besteht der Zweck des
Abtrennens des Hintergrunds darin, Merkmale zu verdeutlichen.
Andere Vorgehensweisen zur Verdeutlichung von Merkmalen sind
ebenfalls bekannt. Falls beispielsweise das herauszuziehende
Merkmal aus langen, geraden Linien besteht, kann eine
Randverstärkung bei dem Bild vor dem Herausziehen der
Merkmale durchgeführt werden.
Fig. 14 zeigt eine detailliertere Ausführungsform des
Herausziehens von Merkmalen aus dem Testbild T im Schritt
9620B. Ein mittlerer Hintergrundpegel des Testbildes T wird
im Schritt 14-9620B1 berechnet. Der Hintergrundpegel wird von
den Pixelintensitäten des Testbildes T abgetrennt, um ein
erstes modifiziertes Testbild T1 im Schritt 14-9620B2 zu
erzeugen. Mit den Pixeln des ersten modifizierten Testbildes
T1 wird ein Schwellenwertvergleich im Schritt 14-9620B3
durchgeführt, um ein zweites modifiziertes Testbild T2 zu
erzeugen, beispielsweise ein binäres Bild. Merkmale in dem
zweiten modifizierten Testbild T2 werden im Schritt 14-9620B4
identifiziert.
Fig. 15 zeigt eine weitere Ausführungsform des Herausziehens
von Merkmalen aus dem Bezugsbild R im Schritt 9620A. Ein
mittlerer Hintergrundpegel des Bezugsbildes R wird in dem
wahlweisen Schritt 15-9620A1 berechnet. Der Hintergrundpegel
wird von dem Bezugsbild R im Schritt 15-9620A2 entfernt. Eine
Merkmalsschablone wird dann mit dem Bezugsbild (oder mit dem
Bild, das sich nach Abtrennen des Hintergrundpegels ergibt)
im Schritt 15-9620A3 verglichen. Merkmale in dem Bezugsbild,
die zu der Schablone oberhalb einer bestimmten Schwelle
passen, beispielsweise oberhalb einer vorbestimmten mittleren
Intensität, werden im Schritt 15-9620A4 als Merkmale
identifiziert, die in dem Bezugsbild vorhanden sind.
Fig. 16 zeigt eine weitere Ausführungsform des Herausziehens
von Merkmalen aus dem Testbild R im Schritt 9620B. Ein
mittlerer Hintergrundpegel des Testbildes T wird im
wahlweisen Schritt 16-9620B1 berechnet. Der Hintergrundpegel
wird von den Pixelintensitäten des Bezugsbildes R im Schritt
16-9620B2 abgetrennt. Eine Merkmalsschablone wird dann mit
dem Testbild verglichen (oder mit jenem Bild, das sich nach
Entfernen des Hintergrundpegels ergibt), im Schritt
16-9620B3. Merkmale in dem Testbild, die zur Schablone
oberhalb einer bestimmten Schwelle passen, beispielsweise
oberhalb einer vorbestimmten mittleren Intensität, werden im
Schritt 16-9620B4 als Merkmale identifiziert, die in dem
Testbild vorhanden sind.
Die Fig. 17A, 17B, 17C und 17D zeigen ein Flußdiagramm
einer Fehlerfeststellungsimplementierung auf Merkmalsbasis,
die mit der vorliegenden Erfindung verträglich ist. Wie
zunächst aus Fig. 17A hervorgeht, beginnt der Vorgang im
Schritt 1700. Er kann auf einem Computersystem ablaufen, das
jede geeignete Betriebssystemsoftware verwendet,
beispielsweise die Betriebssystemsoftware VxWorks, die im
Handel von WindRiver Systems erhältlich ist. Im Schritt 1702
werden Laufparameter heruntergeladen (also von dem Vorgang
empfangen), beispielsweise, welche Bezugs- und Testbilder
verglichen werden sollen, Marken, usw. Im Schritt 1704 wird
eine Überprüfung durchgeführt, ob Bezugsbilder vorhanden
sind, die mit Testbildern verglichen werden sollen. Da der
Vorgang gerade erst begonnen hat, und zumindest ein
Bezugsbild für den Einsatz im Vergleich vorhanden ist, geht
die Steuerung zum Schritt 1706 über. Im Schritt 1706 wird ein
vorbearbeitetes Bezugsbild zum Einsatz bei dem Vorgang
geladen, beispielsweise vom Massenspeicher 1703 oder der
Platte 1710. Der Massenspeicher ist ein großer
Hochgeschwindigkeitsspeicher mit wahlfreiem Zugriff. Im
Schritt 1712 erfolgt eine Überprüfung, um sicherzustellen,
daß das Bezugsbild geladen ist. Ist dies nicht der Fall, s
wird ein Bericht im Schritt 1714 ausgegeben, daß das
Bezugsbild fehlt, und geht die Steuerung zum Schritt 1770
über (Fig. 17D). Falls Ja, dann wird im Schritt 1716 eine
Überprüfung durchgeführt, um festzustellen, ob weitere
Testbilder verarbeitet werden sollen.
Wenn im Schritt 1716 von Fig. 17B keine weiteren Testbilder
verarbeitet werden sollen, geht die Steuerung zum Schritt
1770 (von Fig. 17D) über. Soll ein weiteres Testbild
verarbeitet werden, dann wird das Testbild im Schritt 1718
von einer Lifebildquelle 1720 geladen, beispielsweise einem
Bildabtastpuffer, oder von einer Quelle 1722 für ein
gespeichertes Bild, beispielsweise einem Massenspeicher. Im
Schritt 1724 wird eine Überprüfung durchgeführt, ob das
Testbild geladen ist. Falls Nein, dann erfolgt im Schritt
1726 ein Bericht, daß das Testbild fehlt, und geht die
Steuerung zum Schritt 1710 (Fig. 17D) über. Falls Ja, dann
wird im Schritt 1728 von Fig. 17C eine Überprüfung
durchgeführt, ob mit den Testbildern eine Vorbearbeitung
durchgeführt werden soll. Falls Ja, dann wird die
Vorbearbeitung im Schritt 1730 durchgeführt, und geht die
Steuerung zum Schritt 1732 über. Im Schritt 1732 wird eine
Überprüfung durchgeführt, ob das Bezugsbild und das Testbild
bereits zueinander ausgerichtet sind. (Die Bilder können
bereits vorausgerichtet sein, auf der Grundlage der
Genauigkeit und Wiederholbarkeit der Plattform, oder durch
den Betrieb eines analogen Abtastgenerators, wie bei dem
Elektronenstrahlabbildungsuntersystem des
Elektronenstrahlabbildungssystems des Typs IDS 10000 von
Schlumberger, oder durch einen digitalen Abtastgenerator
("DSB")). Ist dies der Fall, dann geht die Steuerung zum
Schritt 1742 über. Falls Nein, dann wird im Schritt 1734 eine
grobe Ausrichtung durchgeführt. Im Schritt 1736 erfolgt eine
Überprüfung, ob die grobe Ausrichtung ausreichend ist. Falls
Ja, dann werden die Ausrichtungsparameter im Schritt 1738
aktualisiert, und in einer Datei gespeichert, und/oder an
einen Steuercomputer geschickt (beispielsweise durch Betrieb
eines Echtzeitbetriebssystems, beispielsweise VxWorks von
WindStar Systems Inc., oder falls kein Echtzeitbetriebssystem
vorhanden ist, kann der Steuercomputer ein
Einzelplatinencomputer sein, beispielsweise ein
Mizar-Einzelplatinencomputer) im Schritt 1740, und dann geht
es mit dem Schritt 1742 weiter. Im Schritt 1742 erfolgt eine
Überprüfung, ob die grobe Ausrichtung gut ist. Ist dies der
Fall, dann wird eine Marke "ausgerichtet" (falls ein
Analogabtastgenerator verwendet wird) oder eine Marke "DSB
ausgerichtet" (falls ein digitaler Abtastgenerator verwendet
wird) im Schritt 1744 eingestellt. Im Schritt 1746 erfolgt
eine Überprüfung, ob die Bilder fein ausgerichtet werden
sollen. Falls Nein, geht die Steuerung zum Schritt 1750 über
(Fig. 17D). Falls Ja, wird eine Feinausrichtung des
Bezugsbildes und des Testbildes im Schritt 1748 durchgeführt,
und geht dann die Steuerung zum Schritt 1750 (Fig. 17D)
über.
In Fig. 17D werden Merkmale aus dem Testbild im Schritt 1750
herausgezogen, und im lokalen Speicher im Schritt 1752
gespeichert. Bezugsbildmerkmale werden aus dem lokalen
Speicher im Schritt 1754 zurückgeholt, und an die
Testbildmerkmale im Schritt 1756 angepaßt. Im Schritt 1758
werden Merkmale verglichen, um Fehler aufzufinden. Fehler
werden im Schritt 1760 gespeichert, beispielsweise im lokalen
Speicher. Ein "Fehlerbild" wird im Schritt 1762 berechnet,
beispielsweise ein binäres oder Graustufenbild, welches die
im Schritt 1758 identifizierten Fehler zeigt.
Fehlerergebnisse werden im Schritt 1766 berechnet,
beispielsweise statistische Information in Bezug auf die Art
und Menge an Fehlern. Fehlerergebnisse werden im Schritt 1768
gespeichert, etwa im Massenspeicher. Im Schritt 1770 wird ein
aktualisierter Fehlerbericht erzeugt. Fehlerergebnisse und
-bilder werden im Massenspeicher im Schritt 1772 gespeichert,
und/oder im Plattenspeicher im Schritt 1774.
Die Fig. 18A bis 18H erläutern das Herausziehen von
Merkmalen mittels Schwellenwertbildung auf eine mit der
vorliegenden Erfindung verträgliche Art und Weise. Bei diesem
Beispiel werden nur Pixel, die einen Intensitätswert oberhalb
eines Schwellenwertpegels aufweisen, als Teil eines Merkmals
angesehen. In Fig. 18A enthält ein Graustufenbild 1800 ein
Feld von Kontaktmerkmalen, beispielsweise Merkmale 1805, die
in Bezug auf die Hintergrundintensität "hell" aussehen. In
Fig. 18B zeigt eine dreidimensionale Ansicht des Bildes bei
1810 das Feld der Merkmale, wobei deren Pixelintensitäten in
der dritten Dimension aufgetragen sind. Eine Ebene 1815, die
durch die Merkmale hindurchgeht, stellt eine Schwelle dar,
die bei den Pixelintensitäten eingesetzt wird. Fig. 18C ist
ein Diagramm entlang einer Linie, welche eine Reihe von
Merkmalen schneidet, und die Graustufenintensität der Pixel
zeigt. Eine Pixelintensitätsschwelle bei 1820 zeigt, wie
Merkmalsbereiche und Bereiche ohne Merkmal in diesem Bild
einfach getrennt werden können. Ränder eines Merkmals 1825
lassen sich bei 1830 und 1835 erkennen. Der Pegel der
Schwelle beeinflußt, wo die Ränder des Merkmals ausgebildet
werden. Fig. 18D zeigt die Merkmale von Fig. 18C nach der
Schwellenwertbildung. Fig. 18E zeigt ein sich ergebendes
Bild, bei welchem die Merkmale durch Pixel mit Binärwerten
definiert sind. Das sich ergebende Bild von Fig. 18D wird
mit dem Graustufenbild von Fig. 18A kombiniert,
beispielsweise durch eine Klecksuntersuchungsoperation, oder
unter Verwendung der Karte des identifizierten binären
Merkmals als Maske, um eine Liste von Klecksmerkmalen zu
erzeugen, die ein Ausgangsbild definiert. Beispielsweise kann
die Klecksuntersuchungsoperation entsprechend der
Matrox-Bildaufnahmebibliothek durchgeführt werden, unter
Verwendung eines Befehls wie beispielsweise
"matrox_blob_calculate (E,A,linked_list_of_blob_features)",
wobei "E" und "A" Eingangsdaten sind, welche die Bilder der
Fig. 18E bzw. 18A repräsentieren. Fig. 18F zeigt, wie die
Merkmale von Fig. 18D aussehen können, nachdem die
Fleckanalyse durchgeführt wurde, und die Zuordnung von
Merkmalsnummern, beispielsweise T1-T3. Fig. 18 G ist ein
Ausgangsbild, welches die identifizierten Merkmale T1-T6
zeigt. Fig. 18H zeigt eine Datenstruktur, die durch die
Klecksanalyseoperation erzeugt wird, wobei die Merkmale durch
Merkmalsnummern und durch Eigenschaften wie beispielsweise
die x-y-Position in dem Bild, die Fläche und die Intensität
identifiziert werden. Die Merkmalseigenschaften können
verglichen, gespeichert und untersucht werden, wie dies
gewünscht ist.
Die Schwellenwertbildung hat sich als gut arbeitend in
bestimmten Situationen herausgestellt, beispielsweise bei
sehr dunklen Kontakten auf einem grauen Hintergrund. Die
Schwellenwertbildung hat jedoch Grenzen, beispielsweise wenn
man sich auf einen menschlichen Benutzer verläßt, um eine
geeignete Schwelle einzustellen, und/oder wenn das
interessierende Merkmal einen Graupegel ähnlich dem
Hintergrund aufweist, und nur durch Intensitätsänderungen an
den Rändern der Merkmale identifiziert werden kann. Sich auf
einen menschlichen Benutzer zu verlassen kann durch adaptive
Schwellenwertbildung überwunden werden, bei welcher die
Schwellenwerte nicht festliegen, sondern sich über das Bild
ändern können. Dies kann dazu eingesetzt werden,
Kontrastdifferenzen über einem Bild zu überwinden, infolge
von Effekten wie der Oberflächenaufladung der Probe in einem
Spannungskontrastbild, oder Beleuchtungsdifferenzen in einem
optischen Bild. Die adaptive oder variable Schwelle kann
beispielsweise dadurch festgelegt werden, daß ein fester
Offset gegenüber dem lokalen mittleren Graupegel oder lokalen
Hintergrundpegel verwendet wird, der während des Abtrennens
des Hintergrunds bestimmt wird. Ein Vorteil besteht darin,
daß eine Vorgehensweise mit adaptiver Schwelle
Graupegeländerungen infolge einer nicht gleichförmigen
Aufladung des isolierenden Hintergrunds ausgleicht - ein
übliches Problem bei Strahlsystemen mit aufgeladenen
Teilchen.
Die Fig. 22A-22C erläutern das Herausziehen von Merkmalen
durch adaptive Schwellenwertbildung auf eine mit der
vorliegenden Erfindung verträgliche Art und Weise. Fig. 22A
zeigt ein Profil 2205 eines Spannungskontrastbildes eines
gemusterten Substrats, welches Kontaktlöcher aufweist, die
als dunkle Flächen auf einem ungleichmäßigen oder abgestuften
Hintergrundkontrast erscheinen. Das Profil 2205 ist ein
Diagramm des Bildkontrastes in der x-Richtung entlang einer
Linie, welche drei Kontaktlöcher schneidet. Der
ungleichmäßige oder abgestufte Hintergrundkontrast kann
beispielsweise dadurch hervorgerufen werden, daß ein
dielektrisches Material ungleichmäßig aufgeladen wird.
Vertiefungen 2210, 2215 und 2220 des Profils 2205
repräsentieren jeweils ein Kontaktloch. Zur Erläuterung zeigt
Fig. 22A weiterhin eine nicht-adaptive, feste Schwelle 2225.
Grenzen für die feste Schwelle werden aus der binären
Darstellung 2230 deutlich, deren Pegel sich an jedem Punkt
ändert, an welchem das Profil 2205 die Schwelle 2225
überquert, jedoch nicht exakt die Kontaktlochorte wiedergibt.
Fig. 22B zeigt ein Profil 2235 mit adaptiver Schwelle, das
durch Glättung des Profils 2205 erzeugt wird. Fig. 22C zeigt
ein Profil 2235 mit adaptiver Schwelle, welches dem Profil
2205 überlagert ist. Der Vorteil einer adaptiven Schwelle
wird aus der binären Darstellung 2240 deutlich, welche den
Pegel an jedem Punkt ändert, an welchem das Profil 2205 die
Schwelle 2235 kreuzt, und welche exakt die Kontaktlochorte
wiedergibt.
Bildmodellanpassung kann statt Schwellenwertverfahren oder in
Kombination mit diesen eingesetzt werden. Ein Modell des
herauszuziehenden Merkmals wird dazu verwendet,
festzustellen, wo sich die Merkmale befinden, statt die
Bildintensität zu verwenden. Ein einfaches Beispiel für
dieses Verfahren besteht darin, das Merkmalsmodell mit dem
Bild zu korrelieren, um ein Korrelationsbild zu erzeugen. Mit
dem Korrelationsbild wird eine Schwellenwertuntersuchung
durchgeführt, um Merkmale zu identifizieren, unter Verwendung
einer Korrelationspegelschwelle, statt einer
Intensitätspegelschwelle. Ränder des Merkmals in dem Bild
werden dann unter Einsatz von Musteranpassungsverfahren
festgestellt. Musteranpassungsverfahren sind beispielsweise
bekannt aus R. Haralick et al. COMPUTER AND ROBOT VISION,
Vol. II, Addison Wesley (ISBN 0-201-5943-4), dessen Inhalt in
die vorliegende Anmeldung durch Bezugnahme eingeschlossen
wird. Musteranpassungssoftwareprogramme sind im Handel in den
Matrox Imaging Libraries von Matrox Limited erhältlich, und
in der PatMax-Software von der Cognex Corporation.
Synthetische Modellanpassung kann ebenfalls eingesetzt
werden, bei welcher das Modell nicht ein physikalisches
Bildmodell ist, sondern statt dessen aus einfachen
geometrischen Formen aufgebaut wird (beispielsweise
Rechtecken, Kreisen, Ringen, Linien), die so kombiniert
werden können, daß ein idealisiertes (synthetisches) Modell
des anzupassenden Merkmals ausgebildet wird. Ein Beispiel für
ein synthetisches Modell wäre ein Torus, der aus einem
dunklen Ring und einem kleineren, helleren Kreis aufgebaut
wird. Die Modellanpassung würde bei diesem Beispiel drei
Schritte umfassen: 1. Finde sämtliche "dunklen Ringe" in dem
Bild; 2. Finde alle "hellen Kreise"; 3. Finde alle "hellen
Kreise" innerhalb der "dunklen Ringe". Durch dieses Verfahren
kann ein gesamter Bereich von torusförmigen Merkmalen
herausgezogen werden, ohne daß man die exakte Beziehung
zwischen dem hellen und dunklen Teil des Merkmals kennen muß,
sondern nur, daß sich das helle Teil innerhalb des dunklen
Teils befand.
Die Fig. 19A-19G erläutern das Herausziehen von Merkmalen
durch Modellanpassung auf eine mit der vorliegenden Erfindung
verträgliche Art und Weise. In Fig. 19A enthält ein
Graustufenbild 1900 ein Feld von Kontaktmerkmalen,
beispielsweise Merkmalen 1905. Ein Merkmal wird als ein
Modell ausgewählt, etwa das Merkmal 1910. In Fig. 18B zeigt
eine dreidimensionale Ansicht des Bildes bei 1915 das Feld
der Merkmale, wobei ihre Pixelintensitäten in der dritten
Dimension aufgetragen sind. Fig. 19C zeigt ein Feld von
Merkmalen einschließlich eines Merkmals 1920 für einen nicht
vollständigen Kontakt, wobei für die Korrelation ein
Modellmerkmal 1925 überlagert ist. Fig. 19D ist eine Ansicht
des Bildes von Fig. 19C entlang der Linien 19D-19D, und
zeigt die Korrelation jedes Merkmals mit dem Modellmerkmal
1925. Korrelationsspitzenwerte 1930 und 1935 zeigen eine
Korrelation von < 0,9. Der Korrelationsspitzenwert 1940 zeigt
nur eine teilweise Korrelation zwischen dem Modellmerkmal
1925 und dem Merkmal 1920 für einen unvollständigen Kontakt.
Fig. 19E ist ein Bild, welches die Zentrumspunkte von
Merkmalen mit einer Korrelation von mehr als 0,9 in Bezug auf
das Modellmerkmal 1925 zeigt, beispielsweise die Merkmale
1945 und 1950. Die Fläche, die mit einer gestrichelten Linie
1955 markiert ist, entspricht dem Ort des Merkmals 1920 mit
teilweisem Kontakt, jedoch ist das Merkmal 1920 in Fig. 19E
nicht dargestellt, da seine Korrelation in Bezug auf das
Modellmerkmal 1925 niedriger als 0,9 ist, und daher als
möglicher Fehler identifiziert wird.
Fig. 19F zeigt die Ränder der Merkmale von Fig. 19E, etwa
nach Durchführung einer Differenzierung oder eines anderen
Randverstärkungsverfahrens, um Merkmalsränder deutlich zu
machen. Beispielsweise kann ein Bilddifferenzierungsfilter
(oder Randverstärkungsfilter) dazu verwendet werden, Ränder
in dem Bild hervorzuheben. Merkmale können dann dadurch
herausgezogen werden, daß die lokalen Maxima und Minima aus
dem differenzierten Bild bestimmt werden. Grenzen, die von
diesen Konturen der Maxima und Minima umschlossen werden,
sind die Grenzen des interessierenden Merkmals, und können
zum Aufbau der Merkmalsliste verwendet werden. Fig. 19 G
zeigt einen Vorgang zum Herausziehen von Merkmalen aus dem
ursprünglichen Bild, beispielsweise dem Bild von Fig. 19A,
unter Verwendung der Zentrumspunktinformation von Fig. 19E
und der Merkmalsrandinformation von Fig. 19F. Kennt man den
Zentrumspunkt 1960 und den Rand 1965 eines Merkmals, wird
eine Gruppe von Pixeln 1970 aus dem Bild der Fig. 19A, die
innerhalb der Grenze des Randes 1965 liegt, und um den Punkt
1960 zentriert ist, als Definition des Merkmals verwendet.
Der Herausziehvorgang von Fig. 19G wird für jedes
festgestellte Merkmal wiederholt, um eine Tabelle oder Liste
von Merkmalen für den Vergleich zu erzeugen. Die Liste kann
im wesentlichen so aussehen, wie dies beispielsweise in Fig.
18H gezeigt ist.
Hier beschriebene Vorgehensweisen haben sich als geeignet
herausgestellt, um automatisch Fehler in Feldern aus mit
Wolfram gefüllten Durchgangskontakten festzustellen, in einem
Verfahren mit 0,25 µm auf einem Halbleiterwafer. Da sich das
Muster wiederholt, kann das menschliche Auge einfach fehlende
und nur teilweise vorhandene Durchgangskontakte heraussuchen.
Die Automatisierung mit einem Pixelsubtraktionsverfahren bei
einem derartigen Bild führt zu einem verrauschten
Differenzbild, infolge subtiler und nicht signifikanter
Differenzen zwischen dem Hintergrund und den Rändern der
Kontakte, und führt dazu, daß eine große Anzahl an
Störfehlern gemeldet wird. Die Störfehlerrate ist
typischerweise so hoch, daß beinahe 100% der Bilder von
menschlichen Benutzern untersucht werden müssen, so daß der
automatische Fehlerfeststellungsvorgang praktisch wirkungslos
wird, der eine Differenzbildung auf Pixelgrundlage nach dem
Stand der Technik verwendet. Im Gegensatz hierzu haben sich
Feststellungsverfahren auf Merkmalsbasis, gemäß der
vorliegenden Erfindung, so herausgestellt, daß mit ihnen
fehlende und nur teilweise vorhandene Durchführungen wie
beispielsweise Durchgangskontakte und Kontakte ohne
menschlichen Eingriff identifiziert werden können, wobei
Störfehler gar nicht oder nur in geringem Ausmaß gemeldet
werden.
Hier verwendete Begriffe sollen die folgenden Bedeutungen
haben:
Gemustertes Substrat: Ein Halbleiterwafer oder eine Photolithographiemaske. Zwar erfolgten Beispiele für die Beschreibung unter Bezugnahme auf gemusterte Halbleiterwafer, jedoch können die beschriebenen Vorgehensweisen auch bei Merkmalen auf einem Bild einer Photolithographiemaske eingesetzt werden, das mit der geeigneten Abbildungstechnik aufgenommen wird, beispielsweise mit einem Elektronenstrahlabbildungssystem mit geeigneter Aufladungssteuerung.
Gemustert: Mit einem Muster versehen. Das Muster kann alles darstellen, einschließlich (jedoch nicht hierauf beschränkt) ursprüngliche Grabendiffusionsstrukturen, Kontakte, Durchgangskontakte, Polysilizium-Gateanordnungen, lokale Zwischenverbindungen, Metallzwischenverbindungen (Aluminium oder Kupfer), Leistungsebenen, Verbindungsanschlußflächen, und deren Kombinationen. Das Muster kann ebenfalls Merkmale repräsentieren wie etwa Doppel-Damaszenergraben in Oxidmaterialien oder anderen dielektrischen Materialien. Muster können auch Photolacke repräsentieren, wie in einem Standard- oder Topographie-SEM-Bild.
Bild: Ein Array aus Pixeln oder Pixeldaten, die ein Objekt repräsentieren. Der Array kann - ist hierauf jedoch nicht beschränkt - ein zweidimensionaler Array mit Pixeln gleicher Größe und gleichem Abstand sein, wobei die Pixelgröße kleiner ist als die abgebildeten Merkmale, beispielsweise zwei bis fünf Pixel für ein Merkmal. Ein Bild kann einen ungleichmäßigen Pixelabstand aufweisen, wobei beispielsweise der Pixelabstand in einer Richtung das Mehrfache des Pixelabstands in der Richtung orthogonal hierzu beträgt, zum Beispiel bei Zeilenabtastungen, oder Segmenten von Zeilenabtastungen. Bilder können auch dreidimensional sein, beispielsweise Topographiebilder.
Spannungskontrastbild: Ein Bild, bei welchem das Intensitätssignal (beispielsweise die Pixelintensität) eine Funktion der Spannung oder des elektrischen Potentials auf der Oberfläche des abgebildeten Objekts ist, beispielsweise eines gemusterten Halbleiterwafers, oder einer gemusterten Photolithographiemaske. Im Idealfall ist die Funktion linear, im allgemeinen jedoch nichtlinear. Die Funktion ist typischerweise, jedoch nicht notwendigerweise, monoton.
Bezugsbild: Ein Bild, das zum Vergleich mit einem Testbild verwendet wird. Ein Bezugsbild kann ein Bild eines anderen Dies oder einer Zelle oder eines Blocks sein, entweder auf demselben Wafer oder auf einem unterschiedlichen Wafer. Es kann von einem Die oder einer Zelle oder einem Block bekannter Qualität stammen, beispielsweise einem "goldenen" Die bzw. Zelle bzw. Block, oder von unbekannter Qualität sein, beispielsweise wenn ein Bild eines dritten Dies bzw. einer dritten Zelle bzw. eines dritten Blocks für die Arbitration verwendet werden soll. Es kann die gleiche oder eine entsprechende Vergrößerung aufweisen wie das Testbild, mit welchem es verglichen werden soll, oder jede beliebige Vergrößerung. Es kann ein Spannungskontrastbild sein, oder eine andere Art von Bild, beispielsweise ein Bild mittels fokussiertem Ionenstrahl (FIB), ein Bild mittels Atomkraftmikroskop (AFM), ein Bild mittels topographischem Abtastelektronenmikroskop (SEM), oder ein Bild, welches von einer CAD-Datenbank erzeugt wird. Alternativ hierzu kann ein Bezugsbild eine Datenstruktur sein, welche eine Liste von Merkmalen und deren entsprechende Eigenschaften enthält (Ort, Größe, Form, Intensität, geerdet oder auf beliebigem Potential, sowie andere Eigenschaften wie etwa das Verbindungsvermögen).
Testbild: Ein Bild, welches von einer zu untersuchenden, körperlichen Probe aufgenommen wird, beispielsweise einem gemusterten Halbleiterwafer oder einer gemusterten Photolithographiemaske, zum Vergleich mit einem Bezugsbild. Ein Testbild kann ein Bild eines Dies oder einer Zelle oder eines Blocks sein. Es kann ein Spannungskontrastbild sein, oder eine andere Art von Bild, beispielsweise ein Bild mittels fokussiertem Ionenstrahl (FIB), ein Bild mittels Atomkraftmikroskop (AFM), oder ein Bild mittels Topographie- Abtastelektronenmikroskop (SEM).
Merkmale herausziehen: Umwandlung eines Bildes (eines Arrays aus Pixeln oder Pixeldaten) in eine Liste von Merkmalen, die als Datenstruktur dargestellt sind, beispielsweise als verbundene Liste. Artefakte des körperlichen Objekts, das untersucht wird, die als Ansammlungen benachbarter Pixel in dem Bild dargestellt werden, werden nach Herausziehen von Eigenschaften des Artefakts repräsentiert. Merkmale können beispielsweise Kontakte oder Kontaktlöcher sein, oder Leiter und/oder andere körperliche Strukturen eines gemusterten Halbleiterwafers. Eigenschaften können - sind hierauf jedoch nicht beschränkt - Maßnahmen wie beispielsweise Durchmesser, Fläche, Intensität und Position des in dem Bild repräsentierten Merkmals sein, und andere Maße, die auf dem Gebiet der Klecksanalyse bekannt sind. Eine nicht einschränkende Liste von Beispielen für Merkmale, die berechnet werden können, befindet sich in der Matrox Imaging Library Command Reference Version 3.1, Manual No. 10368-MS-0310, Matrox Electronic Systems Ltd. Das Herausziehen kann Vorgehensweisen mit und ohne Schwellenwert umfassen.
Anpassung von Merkmalen: Verarbeitung oder paarweise Anordnung von Merkmalen, die aus Test- und Bezugsbildern herausgezogen wurden. Die Merkmale werden gespeichert oder als Datenstrukturen dargestellt, beispielsweise verbundene Listen, welche nicht notwendigerweise die Merkmale in derselben Reihenfolge in der Liste für das Testbild wie in der Liste für das Bezugsbild aufführen (die Reihenfolge des Herausziehens von Merkmalen kann sich in Abhängigkeit von verschiedenen Faktoren ändern, einschließlich des relativen Positionsfehlers der Plattform). Merkmale der Testbilder und der Bezugsbilder können daher nicht dadurch angepaßt werden, daß die Datenstruktur überlagert wird. Die Anpassung beruht daher auf dem physikalischen Ort (beispielsweise dem Ort der x,y-Koordinate) des Merkmals, der je nach Erfordernis bezüglich einem Bildausrichtungsoffset korrigiert wird (beispielsweise unter Verwendung des Ergebnisses eines Bildausrichtungsalgorithmus). Die Anpassung berücksichtigt die Merkmale, die in einem Bild fehlen, entweder deswegen, da sie außerhalb des Gesichtsfeldes liegen (beispielsweise infolge von Plattformfehlern), oder infolge von Waferbearbeitungsfehlern (also Fehlern).
Vergleich von Merkmalen zum Identifizieren von Fehlern: Das Berechnen, nachdem Merkmale herausgezogen wurde, einer oder mehrerer Eigenschaften der Merkmale in einem Berechnungsvorgang, und Vergleich der Werte der berechneten Eigenschaften. Eigenschaften können (sind hierauf jedoch nicht beschränkt) umfassen: Größe, Form, mittlere Intensität (die besonders wertvoll zur Rauschverringerung in durch statistisches Rauschen begrenzten Elektronenstrahlbildern ist), Schwerpunkt, Durchmesser, Fläche und Standardabweichung. Es kann ein Vergleich einer Eigenschaft oder von mehreren Eigenschaften in Kombination erfolgen, und ein Fehler mitgeteilt werden, wenn sich die Merkmalseigenschaften um einen vorbestimmten Betrag unterscheiden. Der Vergleich kann eine numerische Operation sein, beispielsweise eine Subtraktion, ein Verhältnis, eine Funktion größer/gleich oder kleiner/gleich, oder ein anderer mathematischer Vergleich. Die Kombination von Eigenschaften kann die Empfindlichkeit für das Detektieren von Fehlern erhöhen, ohne die Störfehlerrate zu erhöhen, wobei zum Beispiel die Summe sämtlicher Pixel in einem Merkmal ein Maß für die Fläche und die mittlere Intensität kombiniert, und besonders gut zum Detektieren eines Fehlers ist, der zu einer subtilen Graustufenänderung führt, jedoch ebenfalls (wie dies bei Kontakten oder Durchgangskontakten auftritt) die anscheinende Größe des Merkmals ändert. Eine weitere Vorgehensweise besteht darin, statistische Größen (beispielsweise Mittelwert, Standardabweichung und/oder lineare Regression) bezüglich der Differenzen zwischen Eigenschaften zu berechnen. Merkmale, deren Differenzen größer als beispielsweise zwei Standardabweichungen der Verteilung der Differenzen sind, werden als Fehler mitgeteilt. Eine derartige adaptive Schwelle vermeidet die Einstellung einer festen Grenze, so daß sich die Schwelle innerhalb eines gewünschten Bereiches der statistischen Signifikanz anpaßt. Der Mittelwert und die Standardabweichung von Merkmalsdifferenzen stellen selbst Maße für die Fehlerdichte dar. Wenn eine lineare Regression eingesetzt wird, dann können statistische Abweichungen von der Regressionslinie ebenfalls zur Messung der Fehlerdichte eingesetzt werden.
Hintergrundpegel (Entfernen des Hintergrunds): Einige Spannungskontrastbilder weisen keinen gleichförmigen Kontrast auf. Der ungleichmäßige Kontrast kann zu falschen Fehlern führen, wenn einfache Pixelsubtraktionsalgorithmen eingesetzt werden, ohne den Hintergrundpegel zu entfernen (also abzuziehen oder zu normieren). Merkmale eines Halbleiterwafers sind typischerweise Leiter, beispielsweise Drähte, Durchgangskontakte oder Kontakte, und die Fläche, welche diese Merkmale umgibt, besteht typischerweise aus einem Dielektrikum wie etwa SiO2. Der Hintergrund ist die Fläche des Bildes zwischen Merkmalen, welche ein Dielektrikum repräsentiert. Artefakte infolge ungleichmäßiger Aufladung führen manchmal zu einem geringfügig verschiedenen Oberflächenpotential, und daher zu einem Hintergrundintensitätspegel, der sich über das Bild ändert. Das Entfernen oder Normieren des Hintergrundpegels verbessert die Robustheit des Herausziehens von Merkmalen.
Merkmalsschablone: Ein Merkmal (beispielsweise ein Kontakt), das zur Unterstützung des Herausziehens von Merkmalen verwendet wird. Beispielsweise kann die Theorie angepaßter Filter dazu verwendet werden, Merkmale eines bestimmten Typs von einem Bild herauszuziehen, durch Einsetzen eines Filters, dessen Impulsantwort ebenso oder ähnlich wie bei der Merkmalsart ist, die herausgezogen werden soll. Merkmale werden identifiziert, wenn eine starke Korrelation vorhanden ist, oder ein Maximum beim Differenzieren bei der Korrelationsantwort, nämlich zwischen einem Merkmal des Bildes und der Merkmalsschablone. Wenn ein Merkmal so identifiziert wurde, daß es mit der Merkmalsschablone korreliert ist, kann dessen Größe dadurch herausgezogen werden, daß ein Schwellenwert eingesetzt wird, oder die zweite Ableitung berechnet wird, und die Maxima der Gradienten verwendet werden, um die Größe zu bestimmen. Beispielsweise ist ein Bild eines Kontakts mit einem Bild korreliert, welches viele Kontakte enthält. Die Kontakte werden als solche infolge ihrer starken Korrelation zur Merkmalsschablone identifiziert.
Arbitration: Der Vergleich kann zwischen einem Bezugsbild und einem Testbild durchgeführt werden, wie dies voranstehend erläutert wurde. Das Bezugsbild kann von einem Die mit einer geringeren Wahrscheinlichkeit für das Auftreten von Fehlern als beim Testbild stammen, wobei beispielsweise ein Die in der Nähe des Zentrums eines Wafers als Bezugsbild verwendet wird, da hier das Auftreten von Fehlern weniger wahrscheinlich ist als bei einem Die in der Nähe des Randes eines Wafers. Das Testdie liegt in einem Bereich, in dem das Auftreten von Fehlern wahrscheinlicher ist. Allerdings ist es immer noch möglich, daß das Bezugsdie Fehler aufweist. Im allgemeinen ist es nicht möglich, eindeutig zu bestimmen, welches Bild Fehler aufweist, und kann ein drittes Bild für die Arbitration erforderlich sein. Die Arbitration kann mit dem Fehlerfeststellungsvorgang kombiniert werden, oder als nachfolgender Vorgang durchgeführt werden. Sobald ein Fehler durch Vergleich zwischen einem Bezugsbild und einem Testbild festgestellt wird, wird die Arbitration durch Vergleich mit einem dritten Bild durchgeführt (oder mit einer dritten Zelle im Falle eines Vergleichs von Zelle zu Zelle in einer Array-Betriebsart), um zu bestimmen, ob der Fehler bei dem Bezugsbild oder bei dem Testbild vorhanden ist. In der Array-Betriebsart werden Merkmale herausgezogen und mit den entsprechenden Merkmalen in benachbarten Zellen desselben Bildes verglichen. Eine Arbitration ist nicht erforderlich, wenn das Bezugsbild beispielsweise aus einer CAD-Datenbank erzeugt wird.
Gemustertes Substrat: Ein Halbleiterwafer oder eine Photolithographiemaske. Zwar erfolgten Beispiele für die Beschreibung unter Bezugnahme auf gemusterte Halbleiterwafer, jedoch können die beschriebenen Vorgehensweisen auch bei Merkmalen auf einem Bild einer Photolithographiemaske eingesetzt werden, das mit der geeigneten Abbildungstechnik aufgenommen wird, beispielsweise mit einem Elektronenstrahlabbildungssystem mit geeigneter Aufladungssteuerung.
Gemustert: Mit einem Muster versehen. Das Muster kann alles darstellen, einschließlich (jedoch nicht hierauf beschränkt) ursprüngliche Grabendiffusionsstrukturen, Kontakte, Durchgangskontakte, Polysilizium-Gateanordnungen, lokale Zwischenverbindungen, Metallzwischenverbindungen (Aluminium oder Kupfer), Leistungsebenen, Verbindungsanschlußflächen, und deren Kombinationen. Das Muster kann ebenfalls Merkmale repräsentieren wie etwa Doppel-Damaszenergraben in Oxidmaterialien oder anderen dielektrischen Materialien. Muster können auch Photolacke repräsentieren, wie in einem Standard- oder Topographie-SEM-Bild.
Bild: Ein Array aus Pixeln oder Pixeldaten, die ein Objekt repräsentieren. Der Array kann - ist hierauf jedoch nicht beschränkt - ein zweidimensionaler Array mit Pixeln gleicher Größe und gleichem Abstand sein, wobei die Pixelgröße kleiner ist als die abgebildeten Merkmale, beispielsweise zwei bis fünf Pixel für ein Merkmal. Ein Bild kann einen ungleichmäßigen Pixelabstand aufweisen, wobei beispielsweise der Pixelabstand in einer Richtung das Mehrfache des Pixelabstands in der Richtung orthogonal hierzu beträgt, zum Beispiel bei Zeilenabtastungen, oder Segmenten von Zeilenabtastungen. Bilder können auch dreidimensional sein, beispielsweise Topographiebilder.
Spannungskontrastbild: Ein Bild, bei welchem das Intensitätssignal (beispielsweise die Pixelintensität) eine Funktion der Spannung oder des elektrischen Potentials auf der Oberfläche des abgebildeten Objekts ist, beispielsweise eines gemusterten Halbleiterwafers, oder einer gemusterten Photolithographiemaske. Im Idealfall ist die Funktion linear, im allgemeinen jedoch nichtlinear. Die Funktion ist typischerweise, jedoch nicht notwendigerweise, monoton.
Bezugsbild: Ein Bild, das zum Vergleich mit einem Testbild verwendet wird. Ein Bezugsbild kann ein Bild eines anderen Dies oder einer Zelle oder eines Blocks sein, entweder auf demselben Wafer oder auf einem unterschiedlichen Wafer. Es kann von einem Die oder einer Zelle oder einem Block bekannter Qualität stammen, beispielsweise einem "goldenen" Die bzw. Zelle bzw. Block, oder von unbekannter Qualität sein, beispielsweise wenn ein Bild eines dritten Dies bzw. einer dritten Zelle bzw. eines dritten Blocks für die Arbitration verwendet werden soll. Es kann die gleiche oder eine entsprechende Vergrößerung aufweisen wie das Testbild, mit welchem es verglichen werden soll, oder jede beliebige Vergrößerung. Es kann ein Spannungskontrastbild sein, oder eine andere Art von Bild, beispielsweise ein Bild mittels fokussiertem Ionenstrahl (FIB), ein Bild mittels Atomkraftmikroskop (AFM), ein Bild mittels topographischem Abtastelektronenmikroskop (SEM), oder ein Bild, welches von einer CAD-Datenbank erzeugt wird. Alternativ hierzu kann ein Bezugsbild eine Datenstruktur sein, welche eine Liste von Merkmalen und deren entsprechende Eigenschaften enthält (Ort, Größe, Form, Intensität, geerdet oder auf beliebigem Potential, sowie andere Eigenschaften wie etwa das Verbindungsvermögen).
Testbild: Ein Bild, welches von einer zu untersuchenden, körperlichen Probe aufgenommen wird, beispielsweise einem gemusterten Halbleiterwafer oder einer gemusterten Photolithographiemaske, zum Vergleich mit einem Bezugsbild. Ein Testbild kann ein Bild eines Dies oder einer Zelle oder eines Blocks sein. Es kann ein Spannungskontrastbild sein, oder eine andere Art von Bild, beispielsweise ein Bild mittels fokussiertem Ionenstrahl (FIB), ein Bild mittels Atomkraftmikroskop (AFM), oder ein Bild mittels Topographie- Abtastelektronenmikroskop (SEM).
Merkmale herausziehen: Umwandlung eines Bildes (eines Arrays aus Pixeln oder Pixeldaten) in eine Liste von Merkmalen, die als Datenstruktur dargestellt sind, beispielsweise als verbundene Liste. Artefakte des körperlichen Objekts, das untersucht wird, die als Ansammlungen benachbarter Pixel in dem Bild dargestellt werden, werden nach Herausziehen von Eigenschaften des Artefakts repräsentiert. Merkmale können beispielsweise Kontakte oder Kontaktlöcher sein, oder Leiter und/oder andere körperliche Strukturen eines gemusterten Halbleiterwafers. Eigenschaften können - sind hierauf jedoch nicht beschränkt - Maßnahmen wie beispielsweise Durchmesser, Fläche, Intensität und Position des in dem Bild repräsentierten Merkmals sein, und andere Maße, die auf dem Gebiet der Klecksanalyse bekannt sind. Eine nicht einschränkende Liste von Beispielen für Merkmale, die berechnet werden können, befindet sich in der Matrox Imaging Library Command Reference Version 3.1, Manual No. 10368-MS-0310, Matrox Electronic Systems Ltd. Das Herausziehen kann Vorgehensweisen mit und ohne Schwellenwert umfassen.
Anpassung von Merkmalen: Verarbeitung oder paarweise Anordnung von Merkmalen, die aus Test- und Bezugsbildern herausgezogen wurden. Die Merkmale werden gespeichert oder als Datenstrukturen dargestellt, beispielsweise verbundene Listen, welche nicht notwendigerweise die Merkmale in derselben Reihenfolge in der Liste für das Testbild wie in der Liste für das Bezugsbild aufführen (die Reihenfolge des Herausziehens von Merkmalen kann sich in Abhängigkeit von verschiedenen Faktoren ändern, einschließlich des relativen Positionsfehlers der Plattform). Merkmale der Testbilder und der Bezugsbilder können daher nicht dadurch angepaßt werden, daß die Datenstruktur überlagert wird. Die Anpassung beruht daher auf dem physikalischen Ort (beispielsweise dem Ort der x,y-Koordinate) des Merkmals, der je nach Erfordernis bezüglich einem Bildausrichtungsoffset korrigiert wird (beispielsweise unter Verwendung des Ergebnisses eines Bildausrichtungsalgorithmus). Die Anpassung berücksichtigt die Merkmale, die in einem Bild fehlen, entweder deswegen, da sie außerhalb des Gesichtsfeldes liegen (beispielsweise infolge von Plattformfehlern), oder infolge von Waferbearbeitungsfehlern (also Fehlern).
Vergleich von Merkmalen zum Identifizieren von Fehlern: Das Berechnen, nachdem Merkmale herausgezogen wurde, einer oder mehrerer Eigenschaften der Merkmale in einem Berechnungsvorgang, und Vergleich der Werte der berechneten Eigenschaften. Eigenschaften können (sind hierauf jedoch nicht beschränkt) umfassen: Größe, Form, mittlere Intensität (die besonders wertvoll zur Rauschverringerung in durch statistisches Rauschen begrenzten Elektronenstrahlbildern ist), Schwerpunkt, Durchmesser, Fläche und Standardabweichung. Es kann ein Vergleich einer Eigenschaft oder von mehreren Eigenschaften in Kombination erfolgen, und ein Fehler mitgeteilt werden, wenn sich die Merkmalseigenschaften um einen vorbestimmten Betrag unterscheiden. Der Vergleich kann eine numerische Operation sein, beispielsweise eine Subtraktion, ein Verhältnis, eine Funktion größer/gleich oder kleiner/gleich, oder ein anderer mathematischer Vergleich. Die Kombination von Eigenschaften kann die Empfindlichkeit für das Detektieren von Fehlern erhöhen, ohne die Störfehlerrate zu erhöhen, wobei zum Beispiel die Summe sämtlicher Pixel in einem Merkmal ein Maß für die Fläche und die mittlere Intensität kombiniert, und besonders gut zum Detektieren eines Fehlers ist, der zu einer subtilen Graustufenänderung führt, jedoch ebenfalls (wie dies bei Kontakten oder Durchgangskontakten auftritt) die anscheinende Größe des Merkmals ändert. Eine weitere Vorgehensweise besteht darin, statistische Größen (beispielsweise Mittelwert, Standardabweichung und/oder lineare Regression) bezüglich der Differenzen zwischen Eigenschaften zu berechnen. Merkmale, deren Differenzen größer als beispielsweise zwei Standardabweichungen der Verteilung der Differenzen sind, werden als Fehler mitgeteilt. Eine derartige adaptive Schwelle vermeidet die Einstellung einer festen Grenze, so daß sich die Schwelle innerhalb eines gewünschten Bereiches der statistischen Signifikanz anpaßt. Der Mittelwert und die Standardabweichung von Merkmalsdifferenzen stellen selbst Maße für die Fehlerdichte dar. Wenn eine lineare Regression eingesetzt wird, dann können statistische Abweichungen von der Regressionslinie ebenfalls zur Messung der Fehlerdichte eingesetzt werden.
Hintergrundpegel (Entfernen des Hintergrunds): Einige Spannungskontrastbilder weisen keinen gleichförmigen Kontrast auf. Der ungleichmäßige Kontrast kann zu falschen Fehlern führen, wenn einfache Pixelsubtraktionsalgorithmen eingesetzt werden, ohne den Hintergrundpegel zu entfernen (also abzuziehen oder zu normieren). Merkmale eines Halbleiterwafers sind typischerweise Leiter, beispielsweise Drähte, Durchgangskontakte oder Kontakte, und die Fläche, welche diese Merkmale umgibt, besteht typischerweise aus einem Dielektrikum wie etwa SiO2. Der Hintergrund ist die Fläche des Bildes zwischen Merkmalen, welche ein Dielektrikum repräsentiert. Artefakte infolge ungleichmäßiger Aufladung führen manchmal zu einem geringfügig verschiedenen Oberflächenpotential, und daher zu einem Hintergrundintensitätspegel, der sich über das Bild ändert. Das Entfernen oder Normieren des Hintergrundpegels verbessert die Robustheit des Herausziehens von Merkmalen.
Merkmalsschablone: Ein Merkmal (beispielsweise ein Kontakt), das zur Unterstützung des Herausziehens von Merkmalen verwendet wird. Beispielsweise kann die Theorie angepaßter Filter dazu verwendet werden, Merkmale eines bestimmten Typs von einem Bild herauszuziehen, durch Einsetzen eines Filters, dessen Impulsantwort ebenso oder ähnlich wie bei der Merkmalsart ist, die herausgezogen werden soll. Merkmale werden identifiziert, wenn eine starke Korrelation vorhanden ist, oder ein Maximum beim Differenzieren bei der Korrelationsantwort, nämlich zwischen einem Merkmal des Bildes und der Merkmalsschablone. Wenn ein Merkmal so identifiziert wurde, daß es mit der Merkmalsschablone korreliert ist, kann dessen Größe dadurch herausgezogen werden, daß ein Schwellenwert eingesetzt wird, oder die zweite Ableitung berechnet wird, und die Maxima der Gradienten verwendet werden, um die Größe zu bestimmen. Beispielsweise ist ein Bild eines Kontakts mit einem Bild korreliert, welches viele Kontakte enthält. Die Kontakte werden als solche infolge ihrer starken Korrelation zur Merkmalsschablone identifiziert.
Arbitration: Der Vergleich kann zwischen einem Bezugsbild und einem Testbild durchgeführt werden, wie dies voranstehend erläutert wurde. Das Bezugsbild kann von einem Die mit einer geringeren Wahrscheinlichkeit für das Auftreten von Fehlern als beim Testbild stammen, wobei beispielsweise ein Die in der Nähe des Zentrums eines Wafers als Bezugsbild verwendet wird, da hier das Auftreten von Fehlern weniger wahrscheinlich ist als bei einem Die in der Nähe des Randes eines Wafers. Das Testdie liegt in einem Bereich, in dem das Auftreten von Fehlern wahrscheinlicher ist. Allerdings ist es immer noch möglich, daß das Bezugsdie Fehler aufweist. Im allgemeinen ist es nicht möglich, eindeutig zu bestimmen, welches Bild Fehler aufweist, und kann ein drittes Bild für die Arbitration erforderlich sein. Die Arbitration kann mit dem Fehlerfeststellungsvorgang kombiniert werden, oder als nachfolgender Vorgang durchgeführt werden. Sobald ein Fehler durch Vergleich zwischen einem Bezugsbild und einem Testbild festgestellt wird, wird die Arbitration durch Vergleich mit einem dritten Bild durchgeführt (oder mit einer dritten Zelle im Falle eines Vergleichs von Zelle zu Zelle in einer Array-Betriebsart), um zu bestimmen, ob der Fehler bei dem Bezugsbild oder bei dem Testbild vorhanden ist. In der Array-Betriebsart werden Merkmale herausgezogen und mit den entsprechenden Merkmalen in benachbarten Zellen desselben Bildes verglichen. Eine Arbitration ist nicht erforderlich, wenn das Bezugsbild beispielsweise aus einer CAD-Datenbank erzeugt wird.
Ein Beispiel für eine Array-Betriebsartoperation ist in den
Fig. 23A-23D und in Fig. 24 gezeigt. Die
Array-Betriebsartoperation nutzt die sich wiederholende Natur
von Strukturen wie beispielsweise Speicherzellen. In der
Array-Betriebsart wird eine sich wiederholende Struktur,
beispielsweise eine Speicherzelle, mit ihrem Nachbar
verglichen, um Fehler aufzufinden. Bei dem in den Fig.
23A-23D gezeigten Beispiel kann das Testbild eine Zelle in
der Nähe sein, beispielsweise eine benachbarte Zelle. Die
Array-Betriebsartoperation kann auf verschiedene Arten und
Weisen implementiert werden, beispielsweise durch
Verschiebung des Bildes um eine Zelle, oder durch Einsatz
einer Merkmalsanpassungsroutine, die Merkmale auf der
Grundlage der Zellenwiederholung anpaßt, wie in dem
Flußdiagramm von Fig. 24. Fig. 23A zeigt ein Beispiel für
eine sich wiederholende Zelle 2305, die mehrere Merkmale wie
beispielsweise Kontakte und Kontaktlöcher aufweist. Fig. 23B
zeigt ein Bild, in welchem die Zelle von Fig. 23A ohne einen
Fehler wiederholt werden sollte. Entsprechende Merkmale von
benachbarten Zellen, etwa den Zellen 2310 und 2315, können
zum Identifizieren von Fehlern verglichen werden. Bei der
Zelle 2320 fehlt ein Kontakt, wie bei 2325 angedeutet, was
als Fehler detektiert werden sollte. Fig. 23C zeigt das Bild
sich wiederholender Zellenmuster von Fig. 23B, mit einem
fehlenden Kontakt bei der Zelle 2320. Fig. 23D zeigt
dasselbe Bild, das um eine Zelle nach rechts verschoben
wurde, um einen Vergleich der Zelle 2330 mit der Zelle 2320
zu erleichtern.
Fig. 24 ist ein Flußdiagramm eines
Array-Betriebsartverfahrens zur Durchführung eines
zellenweisen Vergleichs zum Detektieren von Fehlern. In der
Array-Betriebsart tritt eine Doppelzählung von Fehlern auf,
da jede Zelle an zwei Vergleichen beteiligt ist, nämlich
einem nach links und einem nach rechts. Bei einem Vergleich
taucht beispielsweise ein Teilchenfehler als zusätzliches
Merkmal auf, und bei dem nächsten Vergleich als fehlendes
Merkmal, und beide können fälschlicherweise als Fehler
mitgeteilt werden, wenn keine Arbitration (voranstehend
erläutert) eingesetzt wird, um festzustellen, welche Zelle
den echten Fehler aufweist. Das Verfahren beginnt im Schritt
2410. Im Schritt 2420 wird ein Bild der sich wiederholenden
Array-Struktur erfaßt (oder aus dem Speicher oder einer
anderen Speichervorrichtung zurückgeholt, falls es bereits
aufgenommen wurde). Im Schritt 2430 wird bei dem
aufgenommenen bzw. zurückgeholten Bild eine
Rauschverringerung durchgeführt, beispielsweise durch
Glättung. Im Schritt 2440 werden Merkmale aus dem Bild
herausgezogen. Im Schritt 2450 wird eine Merkmalsanpassung
von Zelle zu Zelle unter Verwendung des
Zellenwiederholungsoffsets durchgeführt. Im Schritt 2460
werden die angepaßten Merkmale verglichen. Im Schritt 2470
wird wahlweise eine Arbitration durchgeführt, um die
Doppelzählung von Fehlern aus der effektiven
Zellenverschiebung in wechselnder Richtung auszuschalten. Im
Schritt 2480 werden Merkmale verglichen, und Fehler
mitgeteilt. Im Schritt 2490 geht die Steuerung zum Schritt
2420 zurück, um den Vorgang für zusätzliche Bilder zu
wiederholen. Das Verfahren endet, wenn die Bearbeitung
sämtlicher Bilder fertiggestellt wurde.
Elektronenstrahlabbildungssysteme, beispielsweise das System
von Fig. 2, werden von einem Prozessor kontrolliert, der
einen Datenspeicher aufweist. Mit der vorliegenden Erfindung
verträgliche Verfahren können durch Ausführung eines
Anwendungscodes (von computerlesbaren Befehlen) durch den
Prozessor durchgeführt werden, der als beliebige Form eines
Computerprogrammerzeugnisses vorliegt. Ein
Computerprogrammerzeugnis weist ein Medium auf, das so
ausgebildet ist, daß es computerlesbaren Code speichert oder
transportiert, oder in welches ein computerlesbarer Code
eingebettet sein kann. Einige Beispiele für
Computerprogrammerzeugnisse sind CD-ROM-Disketten,
ROM-Karten, Floppydisks, Magnetbänder,
Computerplattenlaufwerke, Server auf einem Netzwerk, und
Trägerwellen. Vergleichsfunktionen, die hier beschrieben
werden, können in dem Prozessor eines
Elektronenstrahlabbildungssystems durchgeführt werden, oder
in anderen Computersystemen, je nach Wunsch. Eine mit der
Erfindung verträgliche Ausführungsform kann in einem System
mit einem Strahl geladener Teilchen implementiert werden,
welches eine beliebige Art von Computersystem oder
Programmier- oder Verarbeitungsumgebung aufweist.
Verfahren zum Herausziehen von Merkmalen aus Bildern sind
nicht auf die hier geschilderten Beispiele beschränkt. Alle
geeigneten Verfahren, die auf diesem Gebiet bekannt sind,
können je nach Eignung eingesetzt werden. Vorgehensweisen zum
Herausziehen, zur Analyse und zur Erkennung von Bildmerkmalen
(auf diesem Gebiet auch manchmal als "Kleckse" bezeichnet),
die zum Implementieren von Verfahren und Einrichtungen
nützlich sind, die mit der vorliegenden Erfindung verträglich
sind, sind wohlbekannt, und es sind Bibliotheken von
Computerbefehlen zum Implementieren derartiger Verfahren im
Handel erhältlich. Ein Beispiel für eine derartige Bibliothek
ist die "Matrox Imaging Library" (beispielsweise Version
3.1), die von der Matrox Electronic Systems Ltd. erhältlich
ist, und derartige Funktionen aufweist, wie sie beschrieben
sind in dem "Command Reference" Manual No. 10368-MS-0310 von
Matrox.
Im allgemeinen wird das Herausziehen von Merkmalen dazu
verwendet, jedes Auftreten eines festgelegten Merkmals in
einem Bild zu identifizieren und zu lokalisieren. Es wird ein
Bild abgetastet, und es werden nur die Muster in dem Bild
herausgezogen, welche dem angegebenen Merkmal entsprechen.
Hierdurch kann das Bild in zwei Arten von Bereichen
unterteilt werden: Merkmal und Nicht-Merkmal. Nur die
Merkmalsbereiche müssen verarbeitet und in Bezug auf Fehler
untersucht werden. Beispielsweise können
Merkmalseigenschaften oder Eigenschaften wie beispielsweise
die Fläche, die Größe, der Ort usw. berechnet, untersucht und
verglichen werden, um Fehler aufzufinden. Es gibt viele
Bildverarbeitungsverfahren, die dazu verwendet werden können,
Merkmale in einem Spannungskontrastbild zu identifizieren,
etwa die einfache Bildschwellenwertbildung, eine adaptive
Bildschwellenwerterzeugung, eine Bildmodellanpassung, die
Anpassung eines synthetischen Modells, und eine
Randverstärkung, beispielsweise Differenzieren. Im
allgemeinen beruhen Merkmalsherausziehverfahren auf der
Schwellenwertbildung in Bezug auf Pixelintensitätswerte, auf
der Erfassung von Merkmalsrändern, oder auf Kombinationen des
Schwellenwertes und der Randerfassung.
Bei der einfachen Bildschwellenwertbildung wird die
Graustufenintensität des Bildes dazu verwendet, das Bild in
Merkmale und Nicht-Merkmale zu segmentieren. Bereiche des
Bildes, welche dieselbe Intensität aufweisen, oder im selben
Intensitätsbereich liegen, werden zu "Klecksen" gruppiert.
Jeder Klecks wird dann dazu eingesetzt, ein Merkmal zu
repräsentieren, das aus dem Bild herausgezogen wurde. Alles
andere in dem Bild wird als "Hintergrund" oder Nicht-Merkmal
angesehen. Sobald das Merkmal herausgezogen wurde, können
Eigenschaften des Merkmals berechnet werden, beispielsweise
der Ort, die Fläche, die mittlere Intensität, die summierte
Inten 03806 00070 552 001000280000000200012000285910369500040 0002010000364 00004 03687sität, usw. Diese Eigenschaften können zur
Charakterisierung des Merkmals verwendet werden, und können
mit den Eigenschaften anderer herausgezogener Merkmale
verglichen werden.
Es gibt einen Kompromiß zwischen der Genauigkeit der
Plattformpositionierung und der Bildausrichtung. Um exakt
Merkmale zwischen Testbildern, Bezugsbildern und
Arbitrationsbildern (falls sie verwendet werden) anzupassen,
müssen im allgemeinen die Bilder ausreichend exakt
ausgerichtet werden, so daß dann, wenn die Bilder überlagert
werden, der Ausrichtungsfehler zwischen den Bildern kleiner
(vorzugsweise wesentlich kleiner) ist als die Hälfte der
Entfernung zwischen Merkmalen in dem Bild. Wenn dies nicht
der Fall ist, dann können die Merkmale nicht verläßlich
paarweise zugeordnet werden, und ist das Auftreten einer
bestimmten Fehlanpassung wahrscheinlich, was zu einer
falschen Mitteilung von Fehlern führt (beispielsweise von
durch das Fehlererfassungssystem hervorgerufenen Fehlern).
Ausrichtungsverfahren auf der Grundlage von Merkmalen, wie
sie hier beschrieben wurden, mildern im allgemeinen diese
Ausrichtungsrandbedingung ab, können jedoch immer noch durch
die inhärente Musterwiederholung in IC-Verbindungsmustern
beschränkt sein. Die erforderliche Ausrichtungsgenauigkeit
für die Ausrichtung auf Merkmalsbasis, die mit der
vorliegenden Erfindung verträglich ist, ist jedoch weniger
streng als für eine Differenzierung auf Pixelgrundlage, bei
welcher der maximal zulässige Ausrichtungsfehler
typischerweise wesentlich kleiner (< 20%) ist als die
Merkmalsgröße in den Bildern, und ist vorzugsweise kleiner
als ein einzelner Pixel.
Zwei praktische Lösungen für das Ausrichtungsproblem können
verwendet werden: Eine exakte Plattform, verbunden mit der
Vorausrichtung der abgebildeten Fläche, oder eine
kostengünstigere oder weniger genaue Plattform mit
Bildverarbeitungsalgorithmen, um die Plattformfehler zu
korrigieren. Exakte Vakuumkammerplattformen, welche
Laserinterferometer zur Positionsrückkopplung verwenden, sind
wohlbekannt, und sind im Handel von derartigen Lieferanten
wie Anorad Corporation, Long Island, New York, erhältlich.
Bildverarbeitungssoftware mit Bildausrichtungsroutinen ist
ebenfalls von mehreren Quellen erhältlich, obwohl in der
Praxis einige dieser Algorithmen eine nicht akzeptierbare
Fehlerausrichtungsrate erzeugen, die Bilder einen starken
Offset (< 10% von FOV) aufweisen, oder wenn sich die
Merkmale zum Teil wiederholen. Die Cognex Corporation ist ein
führender Lieferant von Mustererkennungs- und
Ausrichtungssoftware, beispielsweise des Erzeugnisses
"PatMax", von welchem angenommen wird, daß es robust und
verläßlich ist. Dennoch ist eine verbleibende
Ausrichtungsfehlerrate vorhanden, typischerweise kleiner als
1%. Zwar ist die Vorgehensweise auf der Grundlage eines
Bildausrichtungsalgorithmus kostengünstiger als die Lösung
mit einer präzisen Plattform, jedoch stellt sie einen
Berechnungsoverhead infolge der Ausrichtungsalgorithmen dar.
Bei einer versuchsweisen Implementierung unter Einsatz einer
Plattform mit einer Genauigkeit von annähernd 1 bis 2 µm in
Kombination mit Ausrichtungsroutinen stellte sich der
Ausrichtungsfehler als annähernd 3% heraus. Es wird
angenommen, daß dies durch den Einsatz des Erzeugnisses
PatMax von Cognex verbessert werden kann.
Fachleute auf diesem Gebiet werden erkennen, daß diese und
andere Abänderungen vorgenommen werden können, ohne vom Wesen
und Umfang der Erfindung abzuweichen, die sich aus der
Gesamtheit der vorliegenden Anmeldeunterlagen ergeben und von
den Patentansprüchen umfaßt sein sollen.
Claims (34)
1. Verfahren zur Untersuchung eines gemusterten Substrats
mit folgenden Schritten:
- a) Erzeugung eines Bezugsbildes und eines Testbildes (610);
- b) Herausziehen von Merkmalen aus dem Bezugsbild und Herausziehen von Merkmalen aus dem Testbild (620);
- c) Anpassung von Merkmalen des Bezugsbildes und von Merkmalen des Testbildes (625); und
- d) Vergleichen von Merkmalen des Bezugsbildes und des Testbildes, um Fehler zu identifizieren (630).
2. Verfahren nach Anspruch 1,
gekennzeichnet durch den Schritt des
Ausrichtens des Testbildes mit dem Bezugsbild (615) vor
der Anpassung von Merkmalen des Bezugsbildes und von
Merkmalen des Testbildes.
3. Verfahren nach Anspruch 1,
gekennzeichnet durch den Schritt der
Aufzeichnung von Fehlern, die identifiziert werden, wenn
Merkmale des Bezugsbildes und des Testbildes (635)
verglichen werden.
4. Verfahren nach Anspruch 1,
dadurch gekennzeichnet, daß das
Bezugsbild ein Spannungskontrastbild eines ersten
gemusterten Substrats ist, und das Testbild ein
Spannungskontrastbild eines zweiten Substrats ist.
5. Verfahren nach Anspruch 1,
dadurch gekennzeichnet, daß das
Bezugsbild ein Spannungskontrastbild eines ersten
Bereiches eines gemusterten Substrats ist, und das
Testbild ein Spannungskontrastbild eines zweiten
Bereiches desselben gemusterten Substrats ist.
6. Verfahren nach Anspruch 5,
dadurch gekennzeichnet, daß das
Bezugsbild ein Bild sich wiederholender Zellen eines
gemusterten Substrats ist, und das Testbild ein Duplikat
des Bezugsbildes ist, das um eine Zelle in Bezug auf das
Bezugsbild verschoben ist.
7. Verfahren nach Anspruch 1,
dadurch gekennzeichnet, daß die
Erzeugung des Bezugsbildes und des Testbildes die
Glättung des Bezugsbildes und die Glättung des
Testbildes (7610B, 9610B, 9610D) umfaßt.
8. Verfahren nach Anspruch 1,
dadurch gekennzeichnet, daß die
Erzeugung des Bezugsbildes und des Testbildes das
Normieren des Bezugsbildes und das Normieren des
Testbildes (7610C, 9610E) umfaßt.
9. Verfahren nach Anspruch 1,
dadurch gekennzeichnet, daß die
Erzeugung des Bezugsbildes und des Testbildes das
Speichern eines Bezugsbildes (9610A) und das Speichern
eines Testbildes (9610C) umfaßt.
10. Verfahren nach Anspruch 1,
dadurch gekennzeichnet, daß das
Herausziehen von Merkmalen das Herausziehen von
Merkmalen aus dem Bezugsbild (9620A) und nachfolgendes
Herausziehen von Merkmalen aus dem Testbild (9620B)
umfaßt.
11. Verfahren nach Anspruch 1,
dadurch gekennzeichnet, daß die
Erzeugung eines Bezugsbildes und eines Testbildes und
das Herausziehen von Merkmalen aus den Bildern umfaßt:
Speichern eines Bezugsbildes (9610A), und Herausziehen von Merkmalen aus dem Bezugsbild (9620A), und Speichern eines Testbildes (9610C) und Herausziehen von Merkmalen aus dem Bezugsbild (9620B).
Speichern eines Bezugsbildes (9610A), und Herausziehen von Merkmalen aus dem Bezugsbild (9620A), und Speichern eines Testbildes (9610C) und Herausziehen von Merkmalen aus dem Bezugsbild (9620B).
12. Verfahren nach Anspruch 1,
dadurch gekennzeichnet, daß das
Bezugsbild und das Testbild aus Pixeldaten bestehen,
welche Orts- und Intensitätsinformation aufweisen, und
daß das Herausziehen von Merkmalen aus dem Bezugsbild
und dem Testbild umfaßt: Schwellenwertbildung der
Intensitätsinformation, um ein Binärpegelbild zu
erzeugen, welches Merkmalsbereiche und Nicht-
Merkmalsbereiche aufweist; und Verwendung des
Binärpegelbildes als Maske, um jene Bereiche des
Testbildes als Merkmale zu definieren, welche den
Merkmalsbereichen des Binärpegelbildes entsprechen.
13. Verfahren nach Anspruch 1,
dadurch gekennzeichnet, daß das
Bezugsbild und das Testbild aus Pixeldaten bestehen,
welche Orts- und Intensitätsinformation aufweisen, und
daß das Herausziehen von Merkmalen aus dem Bezugsbild
und dem Testbild umfaßt: wiederholtes Vergleichen des
Testbildes mit einem Modellmerkmal, um Korrelationsdaten
zu erzeugen, welche die Korrelation von Merkmalen des
Testbildes mit dem Modellmerkmal repräsentieren;
Schwellenwertbildung der Korrelationsdaten, um
Merkmalsorte innerhalb des Testbildes zu identifizieren
und Detektieren von Rändern von Merkmalen an den
identifizierten Merkmalsorten.
14. Verfahren nach Anspruch 1,
dadurch gekennzeichnet, daß der
Vergleich von Merkmalen des Bezugsbildes und des
Testbildes zum Identifizieren von Fehlern umfaßt:
Berechnung von Merkmalseigenschaften (8630A), Vergleichen berechneter Merkmalseigenschaften (8630B), und Bestimmung von Vergleichsergebnissen, welche vorbestimmte Fehlerkriterien erfüllen (8630C).
Berechnung von Merkmalseigenschaften (8630A), Vergleichen berechneter Merkmalseigenschaften (8630B), und Bestimmung von Vergleichsergebnissen, welche vorbestimmte Fehlerkriterien erfüllen (8630C).
15. Verfahren nach Anspruch 1,
dadurch gekennzeichnet, daß der
Vergleich von Merkmalen des Bezugsbildes und des
Testbildes zum Identifizieren von Fehlern umfaßt:
Berechnung von Merkmalseigenschaften in dem Bezugsbild (10-630A); Vergleichen von Merkmalseigenschaften in dem Testbild (10-630A); Vergleichen berechneter Merkmalseigenschaften in dem Testbild mit berechneten Merkmalseigenschaften in dem Bezugsbild (10-630B);
Berechnung von Merkmalseigenschaftenvergleichsstatistiken (10-630C); und Bestimmung von Vergleichsstatistiken, welche vorbestimmte Fehlerkriterien erfüllen (10-630D).
Berechnung von Merkmalseigenschaften in dem Bezugsbild (10-630A); Vergleichen von Merkmalseigenschaften in dem Testbild (10-630A); Vergleichen berechneter Merkmalseigenschaften in dem Testbild mit berechneten Merkmalseigenschaften in dem Bezugsbild (10-630B);
Berechnung von Merkmalseigenschaftenvergleichsstatistiken (10-630C); und Bestimmung von Vergleichsstatistiken, welche vorbestimmte Fehlerkriterien erfüllen (10-630D).
16. Verfahren nach Anspruch 1,
gekennzeichnet durch Bericht von
Fehlereigenschaftenstatistiken (635).
17. Verfahren nach Anspruch 10,
dadurch gekennzeichnet, daß das
Herausziehen von Merkmalen aus dem Bezugsbild umfaßt:
Berechnung eines mittleren Hintergrundpegels des Bezugsbildes (13-9620A1), Abtrennen des mittleren Hintergrundpegels von dem Bezugsbild zur Erzeugung eines ersten modifizierten Bezugsbildes (13-9620A2), Schwellenwertbildung des ersten modifizierten Bezugsbildes zur Erzeugung eines zweiten modifizierten Bezugsbildes (13-9620A3), und Identifizierung von Merkmalen in dem zweiten modifizierten Bezugsbild (13-9620A4).
Berechnung eines mittleren Hintergrundpegels des Bezugsbildes (13-9620A1), Abtrennen des mittleren Hintergrundpegels von dem Bezugsbild zur Erzeugung eines ersten modifizierten Bezugsbildes (13-9620A2), Schwellenwertbildung des ersten modifizierten Bezugsbildes zur Erzeugung eines zweiten modifizierten Bezugsbildes (13-9620A3), und Identifizierung von Merkmalen in dem zweiten modifizierten Bezugsbild (13-9620A4).
18. Verfahren nach Anspruch 11,
dadurch gekennzeichnet, daß das
Herausziehen von Merkmalen aus dem Testbild umfaßt:
Berechnung eines mittleren Hintergrundpegels des Testbildes (14-9620A1), Abtrennen des mittleren Hintergrundpegels von dem Testbild zur Erzeugung eines ersten modifizierten Testbildes (14-9620A2), Schwellenwertbildung des ersten modifizierten Testbildes zur Erzeugung eines zweiten modifizierten Testbildes (14-9620A3), und Identifizieren von Merkmalen in dem zweiten modifizierten Testbild (14-9620A4).
Berechnung eines mittleren Hintergrundpegels des Testbildes (14-9620A1), Abtrennen des mittleren Hintergrundpegels von dem Testbild zur Erzeugung eines ersten modifizierten Testbildes (14-9620A2), Schwellenwertbildung des ersten modifizierten Testbildes zur Erzeugung eines zweiten modifizierten Testbildes (14-9620A3), und Identifizieren von Merkmalen in dem zweiten modifizierten Testbild (14-9620A4).
19. Verfahren nach Anspruch 11,
dadurch gekennzeichnet, daß das
Herausziehen von Merkmalen aus dem Bezugsbild umfaßt:
Anpassung einer Merkmalsschablone in dem Bezugsbild (15-9620A3), und Identifizieren von Merkmalen in dem Bezugsbild, welche zur Merkmalsschablone (15-9620A4) passen.
Anpassung einer Merkmalsschablone in dem Bezugsbild (15-9620A3), und Identifizieren von Merkmalen in dem Bezugsbild, welche zur Merkmalsschablone (15-9620A4) passen.
20. Verfahren nach Anspruch 11,
dadurch gekennzeichnet, daß das
Herausziehen von Merkmalen aus dem Bezugsbild umfaßt:
Berechnung eines mittleren Hintergrundpegels des Bezugsbildes (15-9620A1), Abtrennen des mittleren Hintergrundpegels von dem Bezugsbild zur Erzeugung eines ersten modifizierten Bezugsbildes (15-9620A2), Anpassung einer Merkmalsschablone in dem ersten modifizierten Bezugsbild (15-9620A3), und Identifizieren von Merkmalen in dem zweiten modifizierten Bezugsbild, welche zur Merkmalsschablone (15-9620A4) passen.
Berechnung eines mittleren Hintergrundpegels des Bezugsbildes (15-9620A1), Abtrennen des mittleren Hintergrundpegels von dem Bezugsbild zur Erzeugung eines ersten modifizierten Bezugsbildes (15-9620A2), Anpassung einer Merkmalsschablone in dem ersten modifizierten Bezugsbild (15-9620A3), und Identifizieren von Merkmalen in dem zweiten modifizierten Bezugsbild, welche zur Merkmalsschablone (15-9620A4) passen.
21. Verfahren nach Anspruch 11,
dadurch gekennzeichnet, daß das
Herausziehen von Merkmalen aus dem Testbild umfaßt:
Anpassung einer Merkmalsschablone in dem Testbild (16-9620B3) und Identifizieren von Merkmalen in dem Testbild, welche zur Merkmalsschablone (16-9620B4) passen.
Anpassung einer Merkmalsschablone in dem Testbild (16-9620B3) und Identifizieren von Merkmalen in dem Testbild, welche zur Merkmalsschablone (16-9620B4) passen.
22. Verfahren nach Anspruch 11,
dadurch gekennzeichnet, daß das
Herausziehen von Merkmalen von dem Testbild umfaßt:
Berechnung eines mittleren Hintergrundpegels des Testbildes (16-9620B1), Abtrennen des mittleren Hintergrundpegels von dem Testbild zur Erzeugung eines ersten modifizierten Testbildes (16-9620B2), Anpassung einer Merkmalsschablone in dem ersten modifizierten Testbild (16-9620B3), und Identifizieren von Merkmalen in dem zweiten modifizierten Testbild, welche zur Merkmalsschablone (16-9620B4) passen.
Berechnung eines mittleren Hintergrundpegels des Testbildes (16-9620B1), Abtrennen des mittleren Hintergrundpegels von dem Testbild zur Erzeugung eines ersten modifizierten Testbildes (16-9620B2), Anpassung einer Merkmalsschablone in dem ersten modifizierten Testbild (16-9620B3), und Identifizieren von Merkmalen in dem zweiten modifizierten Testbild, welche zur Merkmalsschablone (16-9620B4) passen.
23. Einrichtung zur Untersuchung eines gemusterten
Substrats, welche aufweist: ein Computersystem; und
Befehle zum Steuern des Computersystems zur Erzeugung
eines Bezugsbildes und eines Testbildes zumindest eines
gemusterten Substrats, um Merkmale aus dem Bezugsbild
herauszuziehen, und Merkmale aus dem Testbild
herauszuziehen, zur Anpassung von Merkmalen des
Bezugsbildes und Merkmalen des Testbildes, und zum
Vergleichen von Merkmalen des Bezugsbildes und des
Testbildes, um Fehler zu identifizieren.
24. Einrichtung nach Anspruch 23,
dadurch gekennzeichnet, daß die Befehle
das Computersystem steuern, um das Testbild mit dem
Bezugsbild vor der Anpassung von Merkmalen des
Bezugsbildes und von Merkmalen des Testbildes
auszurichten.
25. Einrichtung nach Anspruch 23,
dadurch gekennzeichnet, daß die Befehle
das Computersystem so steuern, daß Fehler aufgezeichnet
werden, die identifiziert werden, wenn Merkmale des
Bezugsbildes und des Testbildes verglichen werden.
26. Einrichtung nach Anspruch 23,
gekennzeichnet durch ein
Elektronenstrahlabbildungsuntersystem zur-Aufnahme von
Spannungskontrastbildern eines gemusterten Substrats zur
Verwendung als Testbilder.
27. Einrichtung nach Anspruch 23,
dadurch gekennzeichnet, daß die Befehle
das Computersystem so steuern, daß zumindest entweder
das Bezugsbild oder das Testbild geglättet wird.
28. Einrichtung nach Anspruch 23,
dadurch gekennzeichnet, daß die Befehle
das Computersystem so steuern, daß zumindest entweder
das Bezugsbild oder das Testbild normiert wird.
29. Einrichtung nach Anspruch 23,
dadurch gekennzeichnet, daß die Befehle
das Computersystem so steuern, daß zuerst Merkmale aus
dem Bezugsbild herausgezogen werden, und dann Merkmale
aus dem Testbild herausgezogen werden.
30. Einrichtung nach Anspruch 23,
dadurch gekennzeichnet, daß die Befehle
das Computersystem so steuern, daß Merkmalseigenschaften
des Bezugsbildes und des Testbildes verglichen werden,
berechnete Merkmalseigenschaften verglichen werden, und
Vergleichsergebnisse bestimmt werden, welche
vorbestimmte Fehlerkriterien erfüllen.
31. Einrichtung nach Anspruch 30,
dadurch gekennzeichnet, daß die Befehle
das Computersystem so steuern, daß ein Hintergrundpegel
des Bezugsbildes berechnet wird, der Hintergrundpegel
von dem Bezugsbild entfernt wird, um ein erstes
modifiziertes Bezugsbild zu erzeugen, eine
Schwellenwertbildung bei dem ersten modifizierten
Bezugsbild durchgeführt wird, um ein zweites
modifiziertes Bezugsbild zu erzeugen, und Merkmale in
dem zweiten modifizierten Bezugsbild identifiziert
werden.
32. Einrichtung nach Anspruch 30,
dadurch gekennzeichnet, daß die Befehle
das Computersystem so steuern, daß ein Hintergrundpegel
des Testbildes berechnet wird, der Hintergrundpegel von
dem Testbild entfernt wird, um ein erstes modifiziertes
Testbild zu erzeugen, eine Schwellenwertbildung mit dem
ersten modifizierten Testbild durchgeführt wird, um ein
zweites modifiziertes Testbild zu erzeugen, und Merkmale
in dem zweiten modifizierten Testbild identifiziert
werden.
33. Einrichtung nach Anspruch 30,
dadurch gekennzeichnet, daß die Befehle
das Computersystem so steuern, daß Merkmale aus einem
Bild dadurch herausgezogen werden, daß eine
Merkmalsschablone in dem Bild angepaßt wird, und
Merkmale in dem Bild identifiziert werden, welche an die
Merkmalsschablone angepaßt sind.
34. Computerprogrammerzeugnis, welches ein computerlesbares
Medium umfaßt, das Befehle zum Steuern eines
Computersystems zur Erzeugung eines Bezugsbildes und
eines Testbildes enthält, welche Muster auf zumindest
einem gemusterten Substrat repräsentieren, zum
Herausziehen von Merkmalen von dem Bezugsbild und zum
Herausziehen von Merkmalen von dem Testbild, um Merkmale
des Bezugsbildes und Merkmale des Testbildes anzupassen,
und um Merkmale des Bezugsbildes und des Testbildes zu
vergleichen, um Fehler zu identifizieren.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US227747 | 1999-01-08 | ||
US09/227,747 US6539106B1 (en) | 1999-01-08 | 1999-01-08 | Feature-based defect detection |
Publications (2)
Publication Number | Publication Date |
---|---|
DE10000364A1 true DE10000364A1 (de) | 2000-07-13 |
DE10000364B4 DE10000364B4 (de) | 2013-01-31 |
Family
ID=22854292
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE10000364A Expired - Fee Related DE10000364B4 (de) | 1999-01-08 | 2000-01-07 | Merkmalbasierende Feststellung von Fehlern |
Country Status (6)
Country | Link |
---|---|
US (1) | US6539106B1 (de) |
JP (1) | JP4695239B2 (de) |
KR (1) | KR100653500B1 (de) |
DE (1) | DE10000364B4 (de) |
FR (1) | FR2791775A1 (de) |
TW (1) | TW473772B (de) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10132589A1 (de) * | 2001-07-05 | 2003-01-23 | Koenig & Bauer Ag | Verfahren zur qualitativen Beurteilung von Material |
EP2302404A3 (de) * | 2009-09-25 | 2011-10-26 | Renesas Electronics Corporation | Verfahren und Vorrichtung sowie Programm zur Halbleiterbauelementfehleranalyse |
DE102011105182A1 (de) * | 2011-06-17 | 2012-12-20 | Albert-Ludwigs-Universität Freiburg | Verfahren zur Bereitstellung eines Vorhersagemodells für eine Rissdetektion und Verfahren zur Rissdetektion an einer Halbleiterstruktur |
EP2028501A4 (de) * | 2006-06-14 | 2015-05-27 | Hamamatsu Photonics Kk | Halbleiterfehleranalysevorrichtung, fehleranalyseverfahren und fehleranalyseprogramm |
EP2028500A4 (de) * | 2006-06-14 | 2015-06-03 | Hamamatsu Photonics Kk | Halbleiterfehleranalysevorrichtung, fehleranalyseverfahren und fehleranalyseprogramm |
DE102012107287B4 (de) | 2011-08-19 | 2019-09-05 | Cognex Corp. | Computergestütztes Verfahren und Vorrichtung zum Identifizieren von Fehlern in einem Material |
US20210351088A1 (en) * | 2020-05-06 | 2021-11-11 | Taiwan Semiconductor Manufacturing Co., Ltd. | Method for non-destructive inspection of cell etch redeposition |
Families Citing this family (194)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3415035B2 (ja) * | 1998-08-07 | 2003-06-09 | オー・エイチ・ティー株式会社 | 基板検査用センサプローブおよびその製造方法 |
JP4206192B2 (ja) * | 2000-11-09 | 2009-01-07 | 株式会社日立製作所 | パターン検査方法及び装置 |
US6252981B1 (en) * | 1999-03-17 | 2001-06-26 | Semiconductor Technologies & Instruments, Inc. | System and method for selection of a reference die |
US20040203047A1 (en) * | 1999-04-30 | 2004-10-14 | Caren Michael P. | Polynucleotide array fabrication |
JP4017285B2 (ja) * | 1999-06-02 | 2007-12-05 | 松下電器産業株式会社 | パターン欠陥検出方法 |
US6912304B1 (en) * | 1999-08-02 | 2005-06-28 | Applied Materials, Inc. | Two-dimensional scatter plot technique for defect inspection |
JP3907874B2 (ja) * | 1999-08-02 | 2007-04-18 | 松下電器産業株式会社 | 欠陥検査方法 |
US6614924B1 (en) * | 1999-08-02 | 2003-09-02 | Applied Materials, Inc. | Adaptive mask technique for defect inspection |
US7796801B2 (en) * | 1999-08-26 | 2010-09-14 | Nanogeometry Research Inc. | Pattern inspection apparatus and method |
US7817844B2 (en) * | 1999-08-26 | 2010-10-19 | Nanogeometry Research Inc. | Pattern inspection apparatus and method |
US20070131877A9 (en) * | 1999-11-29 | 2007-06-14 | Takashi Hiroi | Pattern inspection method and system therefor |
US6771806B1 (en) * | 1999-12-14 | 2004-08-03 | Kla-Tencor | Multi-pixel methods and apparatus for analysis of defect information from test structures on semiconductor devices |
US6566885B1 (en) * | 1999-12-14 | 2003-05-20 | Kla-Tencor | Multiple directional scans of test structures on semiconductor integrated circuits |
IL133696A (en) * | 1999-12-23 | 2006-04-10 | Orbotech Ltd | Cam reference inspection of multi-color and contour images |
JP4218171B2 (ja) * | 2000-02-29 | 2009-02-04 | 株式会社日立製作所 | 走査電子顕微鏡,マッチング方法、及びプログラムを記録したコンピュータ読み取り可能な記録媒体 |
US7655482B2 (en) * | 2000-04-18 | 2010-02-02 | Kla-Tencor | Chemical mechanical polishing test structures and methods for inspecting the same |
US6744913B1 (en) * | 2000-04-18 | 2004-06-01 | Semiconductor Technology & Instruments, Inc. | System and method for locating image features |
US7167583B1 (en) * | 2000-06-28 | 2007-01-23 | Landrex Technologies Co., Ltd. | Image processing system for use with inspection systems |
JP2002014057A (ja) * | 2000-06-30 | 2002-01-18 | Nidek Co Ltd | 欠陥検査装置 |
US20020036780A1 (en) * | 2000-09-27 | 2002-03-28 | Hiroaki Nakamura | Image processing apparatus |
US6748110B1 (en) * | 2000-11-09 | 2004-06-08 | Cognex Technology And Investment | Object and object feature detector system and method |
WO2002040980A1 (fr) * | 2000-11-17 | 2002-05-23 | Ebara Corporation | Procede et instrument d'inspection de tranches, et appareil a faisceau electronique |
JP2002157295A (ja) * | 2000-11-21 | 2002-05-31 | Nec Microsystems Ltd | 半導体回路設計装置および半導体回路設計方法 |
US20020085761A1 (en) * | 2000-12-30 | 2002-07-04 | Gary Cao | Enhanced uniqueness for pattern recognition |
JP2002230546A (ja) * | 2001-01-30 | 2002-08-16 | Fujitsu Ltd | 画像処理プログラム、画像処理プログラムを記録したコンピュータ読取可能な記録媒体、画像処理方法及び画像処理装置 |
JP2002303586A (ja) * | 2001-04-03 | 2002-10-18 | Hitachi Ltd | 欠陥検査方法及び欠陥検査装置 |
US6738506B2 (en) * | 2001-04-18 | 2004-05-18 | Multibeam Systems, Inc. | Image processing system for multi-beam inspection |
JP4199939B2 (ja) * | 2001-04-27 | 2008-12-24 | 株式会社日立製作所 | 半導体検査システム |
US6987875B1 (en) | 2001-05-22 | 2006-01-17 | Cognex Technology And Investment Corporation | Probe mark inspection method and apparatus |
JP2003004427A (ja) * | 2001-06-22 | 2003-01-08 | Hitachi Ltd | 画像比較による欠陥検査方法及びその装置 |
US6850651B2 (en) * | 2001-07-02 | 2005-02-01 | Corel Corporation | Moiré correction in images |
WO2003044852A2 (en) * | 2001-10-19 | 2003-05-30 | Auburn University | Estimating reliability of components for testing and quality optimization |
JP2003149121A (ja) * | 2001-11-16 | 2003-05-21 | Seiko Instruments Inc | 走査型プローブ顕微鏡 |
US7065237B2 (en) * | 2001-12-10 | 2006-06-20 | Canon Kabushiki Kaisha | Image processing apparatus and method |
KR20030053345A (ko) * | 2001-12-22 | 2003-06-28 | 동부전자 주식회사 | 웨이퍼 검사방법 |
KR100486410B1 (ko) * | 2002-04-29 | 2005-04-29 | 주식회사 미르기술 | 회로기판 검사장치용 자동티칭방법 |
JP2003329563A (ja) * | 2002-05-16 | 2003-11-19 | Seiko Instruments Inc | 走査型プローブ顕微鏡 |
US20030225611A1 (en) * | 2002-05-30 | 2003-12-04 | Wilson Ethel M. | Electronic source inspection process |
US7283664B2 (en) * | 2002-09-25 | 2007-10-16 | Southwest Research Institute | Interactive computer aided analysis of images from sensor combinations |
US7395273B2 (en) * | 2002-10-31 | 2008-07-01 | General Electric Company | System providing receipt inspection reporting |
JP5107506B2 (ja) * | 2002-11-12 | 2012-12-26 | エフ・イ−・アイ・カンパニー | 欠陥分析器 |
JP2004198265A (ja) * | 2002-12-18 | 2004-07-15 | Dainippon Printing Co Ltd | 加工製品の外観検査、選別方法および加工製品の外観検査、選別システム |
US6934929B2 (en) * | 2003-01-13 | 2005-08-23 | Lsi Logic Corporation | Method for improving OPC modeling |
US7263242B2 (en) * | 2003-01-23 | 2007-08-28 | Avago Technologies Ecbu Ip (Singapore) Pte. Ltd. | Method for detecting repetitive surfaces in an optical mouse |
US7463765B2 (en) * | 2003-02-25 | 2008-12-09 | Lamda-Lite Enterprises Incorporated | System and method for detecting and reporting fabrication defects using a multi-variant image analysis |
JP3948728B2 (ja) * | 2003-03-17 | 2007-07-25 | オルボテック リミテッド | パターン検査装置 |
US7257248B2 (en) * | 2003-03-27 | 2007-08-14 | General Electric Company | Non-contact measurement system and method |
JP4489777B2 (ja) * | 2003-06-10 | 2010-06-23 | ケーエルエー−テンコール コーポレイション | マルチチャネルデータのグラフィック表現を用いて基板の表面において生じる欠陥を分類するための方法及びシステム |
DE10331686A1 (de) * | 2003-07-14 | 2005-02-17 | Leica Microsystems Semiconductor Gmbh | Verfahren zur Bewertung von aufgenommenen Bildern von Wafern |
US7324704B2 (en) * | 2003-09-11 | 2008-01-29 | Primax Electronics Ltd. | Method of repairing scratches in digital images |
JP4351522B2 (ja) * | 2003-11-28 | 2009-10-28 | 株式会社日立ハイテクノロジーズ | パターン欠陥検査装置およびパターン欠陥検査方法 |
US7319335B2 (en) | 2004-02-12 | 2008-01-15 | Applied Materials, Inc. | Configurable prober for TFT LCD array testing |
US7177009B2 (en) * | 2004-10-01 | 2007-02-13 | Asml Netherlands B.V. | Position determination method and lithographic apparatus |
JP4242796B2 (ja) * | 2004-03-12 | 2009-03-25 | パナソニック株式会社 | 画像認識方法及び画像認識装置 |
US7634127B1 (en) * | 2004-07-01 | 2009-12-15 | Advanced Micro Devices, Inc. | Efficient storage of fail data to aid in fault isolation |
JP4904034B2 (ja) * | 2004-09-14 | 2012-03-28 | ケーエルエー−テンカー コーポレイション | レチクル・レイアウト・データを評価するための方法、システム及び搬送媒体 |
JP4562126B2 (ja) * | 2004-09-29 | 2010-10-13 | 大日本スクリーン製造株式会社 | 欠陥検出装置および欠陥検出方法 |
US7440607B1 (en) * | 2004-11-03 | 2008-10-21 | Kla-Tencor Corporation | Outlier substrate inspection |
KR20070089197A (ko) * | 2004-11-22 | 2007-08-30 | 어플라이드 머티어리얼스, 인코포레이티드 | 배치 처리 챔버를 사용한 기판 처리 기기 |
US20070134821A1 (en) * | 2004-11-22 | 2007-06-14 | Randhir Thakur | Cluster tool for advanced front-end processing |
US20070196011A1 (en) * | 2004-11-22 | 2007-08-23 | Cox Damon K | Integrated vacuum metrology for cluster tool |
KR101387785B1 (ko) * | 2005-01-21 | 2014-04-25 | 포톤 다이나믹스, 인코포레이티드 | 자동 결함 복구 시스템 |
JP2006284433A (ja) * | 2005-04-01 | 2006-10-19 | Tokyo Seimitsu Co Ltd | 外観検査装置及び外観検査方法 |
US7535238B2 (en) | 2005-04-29 | 2009-05-19 | Applied Materials, Inc. | In-line electron beam test system |
JP5005893B2 (ja) * | 2005-06-22 | 2012-08-22 | 浜松ホトニクス株式会社 | 半導体不良解析装置、不良解析方法、及び不良解析プログラム |
KR100909474B1 (ko) * | 2005-08-10 | 2009-07-28 | 삼성전자주식회사 | 웨이퍼 결함지수를 사용하여 국부성 불량 모드를 갖는결함성 반도체 웨이퍼의 검출 방법들 및 이에 사용되는장비들 |
JP4174504B2 (ja) * | 2005-08-31 | 2008-11-05 | アドバンスド・マスク・インスペクション・テクノロジー株式会社 | 試料検査装置、試料検査方法及びプログラム |
US7570796B2 (en) | 2005-11-18 | 2009-08-04 | Kla-Tencor Technologies Corp. | Methods and systems for utilizing design data in combination with inspection data |
US7676077B2 (en) * | 2005-11-18 | 2010-03-09 | Kla-Tencor Technologies Corp. | Methods and systems for utilizing design data in combination with inspection data |
US8041103B2 (en) * | 2005-11-18 | 2011-10-18 | Kla-Tencor Technologies Corp. | Methods and systems for determining a position of inspection data in design data space |
US7570800B2 (en) * | 2005-12-14 | 2009-08-04 | Kla-Tencor Technologies Corp. | Methods and systems for binning defects detected on a specimen |
TWI318534B (en) * | 2006-03-23 | 2009-12-11 | Novatek Microelectronics Corp | Method for processing brightness of an image and related device |
US7786742B2 (en) | 2006-05-31 | 2010-08-31 | Applied Materials, Inc. | Prober for electronic device testing on large area substrates |
ATE425452T1 (de) * | 2006-06-13 | 2009-03-15 | Abb Oy | Verfahren und vorrichtung zur erkennung von sich wiederholenden mustern |
JP4301261B2 (ja) * | 2006-07-10 | 2009-07-22 | 株式会社日立製作所 | パターンマッチング方法、及び装置 |
JP4982125B2 (ja) * | 2006-07-11 | 2012-07-25 | 株式会社東芝 | 欠陥検査方法及びパターン抽出方法 |
JP4795883B2 (ja) * | 2006-07-21 | 2011-10-19 | 株式会社日立ハイテクノロジーズ | パターン検査・計測装置 |
JP4388045B2 (ja) * | 2006-08-29 | 2009-12-24 | 株式会社東芝 | パターン検査方法 |
WO2008077100A2 (en) * | 2006-12-19 | 2008-06-26 | Kla-Tencor Corporation | Systems and methods for creating inspection recipes |
US8194968B2 (en) * | 2007-01-05 | 2012-06-05 | Kla-Tencor Corp. | Methods and systems for using electrical information for a device being fabricated on a wafer to perform one or more defect-related functions |
US7869643B2 (en) * | 2007-01-31 | 2011-01-11 | Applied Materials South East Asia Pte. Ltd. | Advanced cell-to-cell inspection |
WO2008096211A2 (en) | 2007-02-08 | 2008-08-14 | Freescale Semiconductor, Inc. | Measurement of critical dimensions of semiconductor wafers |
JP5002291B2 (ja) * | 2007-03-16 | 2012-08-15 | 株式会社日立ハイテクノロジーズ | 解析装置、プログラム、欠陥検査装置、レビュー装置、解析システム及び解析方法 |
US7962863B2 (en) * | 2007-05-07 | 2011-06-14 | Kla-Tencor Corp. | Computer-implemented methods, systems, and computer-readable media for determining a model for predicting printability of reticle features on a wafer |
US7738093B2 (en) | 2007-05-07 | 2010-06-15 | Kla-Tencor Corp. | Methods for detecting and classifying defects on a reticle |
US8213704B2 (en) * | 2007-05-09 | 2012-07-03 | Kla-Tencor Corp. | Methods and systems for detecting defects in a reticle design pattern |
US7796804B2 (en) | 2007-07-20 | 2010-09-14 | Kla-Tencor Corp. | Methods for generating a standard reference die for use in a die to standard reference die inspection and methods for inspecting a wafer |
US7711514B2 (en) * | 2007-08-10 | 2010-05-04 | Kla-Tencor Technologies Corp. | Computer-implemented methods, carrier media, and systems for generating a metrology sampling plan |
US7975245B2 (en) * | 2007-08-20 | 2011-07-05 | Kla-Tencor Corp. | Computer-implemented methods for determining if actual defects are potentially systematic defects or potentially random defects |
US8073259B1 (en) * | 2007-08-22 | 2011-12-06 | Adobe Systems Incorporated | Method and apparatus for image feature matching in automatic image stitching |
JP5104291B2 (ja) * | 2007-12-26 | 2012-12-19 | 富士通株式会社 | 画像解析プログラム、画像解析装置、および画像解析方法 |
US8238635B2 (en) * | 2008-03-21 | 2012-08-07 | General Electric Company | Method and system for identifying defects in radiographic image data corresponding to a scanned object |
US8139844B2 (en) * | 2008-04-14 | 2012-03-20 | Kla-Tencor Corp. | Methods and systems for determining a defect criticality index for defects on wafers |
JP4813517B2 (ja) * | 2008-05-29 | 2011-11-09 | オリンパス株式会社 | 画像処理装置、画像処理プログラム、画像処理方法、および電子機器 |
JP5114302B2 (ja) * | 2008-06-12 | 2013-01-09 | 株式会社日立ハイテクノロジーズ | パターン検査方法,パターン検査装置及びパターン処理装置 |
KR101841897B1 (ko) | 2008-07-28 | 2018-03-23 | 케이엘에이-텐코어 코오포레이션 | 웨이퍼 상의 메모리 디바이스 영역에서 검출된 결함들을 분류하기 위한 컴퓨터-구현 방법들, 컴퓨터-판독 가능 매체, 및 시스템들 |
JP5287178B2 (ja) * | 2008-11-27 | 2013-09-11 | 富士通セミコンダクター株式会社 | 欠陥レビュー装置 |
JP5429869B2 (ja) * | 2008-12-22 | 2014-02-26 | 株式会社 Ngr | パターン検査装置および方法 |
US8150140B2 (en) * | 2008-12-22 | 2012-04-03 | Ngr Inc. | System and method for a semiconductor lithographic process control using statistical information in defect identification |
CN102388392B (zh) * | 2009-02-10 | 2013-09-11 | 公立大学法人大阪府立大学 | 模式识别设备 |
US8775101B2 (en) | 2009-02-13 | 2014-07-08 | Kla-Tencor Corp. | Detecting defects on a wafer |
US8204297B1 (en) | 2009-02-27 | 2012-06-19 | Kla-Tencor Corp. | Methods and systems for classifying defects detected on a reticle |
US8112241B2 (en) | 2009-03-13 | 2012-02-07 | Kla-Tencor Corp. | Methods and systems for generating an inspection process for a wafer |
US8068662B2 (en) * | 2009-03-30 | 2011-11-29 | Hermes Microvision, Inc. | Method and system for determining a defect during charged particle beam inspection of a sample |
US8318512B2 (en) * | 2009-04-29 | 2012-11-27 | Applied Materials, Inc. | Automated substrate handling and film quality inspection in solar cell processing |
CN102686348A (zh) * | 2009-05-01 | 2012-09-19 | 海高制品有限公司 | 具有槽扫描的钥匙原坯识别系统 |
US8965103B2 (en) * | 2009-07-16 | 2015-02-24 | Olympus Corporation | Image processing apparatus and image processing method |
US8791998B2 (en) * | 2009-07-31 | 2014-07-29 | Olympus Corporation | Image processing apparatus and method for displaying images |
US8675950B2 (en) * | 2009-07-31 | 2014-03-18 | Olympus Corporation | Image processing apparatus and image processing method |
KR101711193B1 (ko) * | 2010-06-04 | 2017-02-28 | 삼성전자 주식회사 | 웨이퍼 검사 방법 및 웨이퍼 검사 시스템 |
US8781781B2 (en) | 2010-07-30 | 2014-07-15 | Kla-Tencor Corp. | Dynamic care areas |
CN103210482B (zh) * | 2010-08-09 | 2016-06-22 | Bt成像股份有限公司 | 持久性特征检测 |
CN103180724A (zh) * | 2010-10-19 | 2013-06-26 | 3M创新有限公司 | 对用于检测幅材型材料中可变性的不均匀度严重性进行连续制图 |
JP5566265B2 (ja) * | 2010-11-09 | 2014-08-06 | 東京エレクトロン株式会社 | 基板処理装置、プログラム、コンピュータ記憶媒体及び基板の搬送方法 |
BR112013011107A2 (pt) * | 2010-11-12 | 2016-08-02 | 3M Innovative Properties Co | ''processamento e detecção rápidos de não uniformidades em materiais á base de manta'' |
US9170211B2 (en) | 2011-03-25 | 2015-10-27 | Kla-Tencor Corp. | Design-based inspection using repeating structures |
KR101642897B1 (ko) * | 2011-07-13 | 2016-07-26 | 주식회사 고영테크놀러지 | 검사방법 |
US9087367B2 (en) | 2011-09-13 | 2015-07-21 | Kla-Tencor Corp. | Determining design coordinates for wafer defects |
JP5948203B2 (ja) * | 2011-10-12 | 2016-07-06 | 富士フイルム株式会社 | 内視鏡システム及びその作動方法 |
US9471057B2 (en) * | 2011-11-09 | 2016-10-18 | United Technologies Corporation | Method and system for position control based on automated defect detection feedback |
US8705839B2 (en) * | 2011-11-18 | 2014-04-22 | Sharp Laboratories Of America, Inc. | Electronic devices for defect detection |
TWI511084B (zh) * | 2012-01-20 | 2015-12-01 | Asml Netherlands Bv | 可自組聚合物及用於微影之方法 |
US8831334B2 (en) | 2012-01-20 | 2014-09-09 | Kla-Tencor Corp. | Segmentation for wafer inspection |
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 |
US8826200B2 (en) | 2012-05-25 | 2014-09-02 | Kla-Tencor Corp. | Alteration for wafer inspection |
JP5783953B2 (ja) * | 2012-05-30 | 2015-09-24 | 株式会社日立ハイテクノロジーズ | パターン評価装置およびパターン評価方法 |
US8831333B2 (en) * | 2012-06-13 | 2014-09-09 | Nanya Technology Corporation | Mask pattern analysis apparatus and method for analyzing mask pattern |
US20140050387A1 (en) * | 2012-08-17 | 2014-02-20 | Cognex Corporation | System and Method for Machine Vision Inspection |
JP5921990B2 (ja) * | 2012-08-23 | 2016-05-24 | 株式会社ニューフレアテクノロジー | 欠陥検出方法 |
US9189844B2 (en) | 2012-10-15 | 2015-11-17 | Kla-Tencor Corp. | Detecting defects on a wafer using defect-specific information |
US9053527B2 (en) | 2013-01-02 | 2015-06-09 | Kla-Tencor Corp. | Detecting defects on a wafer |
US9134254B2 (en) | 2013-01-07 | 2015-09-15 | Kla-Tencor Corp. | Determining a position of inspection system output in design data space |
US9311698B2 (en) | 2013-01-09 | 2016-04-12 | Kla-Tencor Corp. | Detecting defects on a wafer using template image matching |
JP6220521B2 (ja) | 2013-01-18 | 2017-10-25 | 株式会社ニューフレアテクノロジー | 検査装置 |
US9390491B2 (en) * | 2013-01-30 | 2016-07-12 | Taiwan Semiconductor Manufacturing Co., Ltd. | System and method for automatic quality control for assembly line processes |
WO2014149197A1 (en) | 2013-02-01 | 2014-09-25 | Kla-Tencor Corporation | Detecting defects on a wafer using defect-specific and multi-channel information |
JP6047418B2 (ja) | 2013-02-18 | 2016-12-21 | 株式会社ニューフレアテクノロジー | 検査方法および検査装置 |
JP6063315B2 (ja) * | 2013-03-26 | 2017-01-18 | 富士フイルム株式会社 | 真贋判定システム,特徴点登録装置およびその動作制御方法,ならびに照合判定装置およびその動作制御方法 |
JP5919212B2 (ja) * | 2013-03-26 | 2016-05-18 | 富士フイルム株式会社 | 目視照合支援装置およびその制御方法 |
US9865512B2 (en) | 2013-04-08 | 2018-01-09 | Kla-Tencor Corp. | Dynamic design attributes for wafer inspection |
US9310320B2 (en) | 2013-04-15 | 2016-04-12 | Kla-Tencor Corp. | Based sampling and binning for yield critical defects |
US10373470B2 (en) | 2013-04-29 | 2019-08-06 | Intelliview Technologies, Inc. | Object detection |
KR101643357B1 (ko) | 2013-08-26 | 2016-07-27 | 가부시키가이샤 뉴플레어 테크놀로지 | 촬상 장치, 검사 장치 및 검사 방법 |
US20150120220A1 (en) * | 2013-10-29 | 2015-04-30 | Kla-Tencor Corporation | Detecting IC Reliability Defects |
CA2847707C (en) | 2014-03-28 | 2021-03-30 | Intelliview Technologies Inc. | Leak detection |
WO2015143569A1 (en) * | 2014-03-28 | 2015-10-01 | Intelliview Technologies Inc. | Leak detection |
WO2015153872A1 (en) * | 2014-04-02 | 2015-10-08 | Kla-Tencor Corporation | A method, system and computer program product for generating high density registration maps for masks |
JP6499898B2 (ja) | 2014-05-14 | 2019-04-10 | 株式会社ニューフレアテクノロジー | 検査方法、テンプレート基板およびフォーカスオフセット方法 |
KR101614207B1 (ko) * | 2014-05-15 | 2016-04-20 | 세메스 주식회사 | 획득한 영상의 특징점을 추출하는 방법 및 이를 이용하여 웨이퍼의 결함을 검출하는 방법 |
CN106575649A (zh) * | 2014-06-12 | 2017-04-19 | 普迪飞半导体技术有限公司 | 以其他方式用于填充单元、抽头单元、解耦电容器单元、刻线和/或虚设填充的区域中的ic测试结构和/或e‑波束目标焊盘的伺机放置,以及包含相同结构的产品ic芯片 |
US9816939B2 (en) * | 2014-07-22 | 2017-11-14 | Kla-Tencor Corp. | Virtual inspection systems with multiple modes |
US10943357B2 (en) | 2014-08-19 | 2021-03-09 | Intelliview Technologies Inc. | Video based indoor leak detection |
JP6486050B2 (ja) * | 2014-09-29 | 2019-03-20 | 株式会社Screenホールディングス | 検査装置および検査方法 |
US9799575B2 (en) | 2015-12-16 | 2017-10-24 | Pdf Solutions, Inc. | Integrated circuit containing DOEs of NCEM-enabled fill cells |
US10199283B1 (en) | 2015-02-03 | 2019-02-05 | Pdf Solutions, Inc. | Method for processing a semiconductor wager using non-contact electrical measurements indicative of a resistance through a stitch, where such measurements are obtained by scanning a pad comprised of at least three parallel conductive stripes using a moving stage with beam deflection to account for motion of the stage |
US9805994B1 (en) | 2015-02-03 | 2017-10-31 | Pdf Solutions, Inc. | Mesh-style NCEM pads, and process for making semiconductor dies, chips, and wafers using in-line measurements from such pads |
US9846934B2 (en) | 2015-04-13 | 2017-12-19 | Anchor Semiconductor Inc. | Pattern weakness and strength detection and tracking during a semiconductor device fabrication process |
TWI521476B (zh) * | 2015-04-17 | 2016-02-11 | 銘傳大學 | 週期性圖案之自動光學檢測方法 |
US10535131B2 (en) * | 2015-11-18 | 2020-01-14 | Kla-Tencor Corporation | Systems and methods for region-adaptive defect detection |
KR102566134B1 (ko) * | 2015-12-07 | 2023-08-10 | 삼성전자주식회사 | 반도체 소자의 3d 프로파일링 시스템 및 이의 동작 방법 |
US10593604B1 (en) | 2015-12-16 | 2020-03-17 | Pdf Solutions, Inc. | Process for making semiconductor dies, chips, and wafers using in-line measurements obtained from DOEs of NCEM-enabled fill cells |
US10978438B1 (en) | 2015-12-16 | 2021-04-13 | Pdf Solutions, Inc. | IC with test structures and E-beam pads embedded within a contiguous standard cell area |
US9646961B1 (en) | 2016-04-04 | 2017-05-09 | Pdf Solutions, Inc. | Integrated circuit containing standard logic cells and library-compatible, NCEM-enabled fill cells, including at least via-open-configured, AACNT-short-configured, TS-short-configured, and metal-short-configured, NCEM-enabled fill cells |
US9929063B1 (en) | 2016-04-04 | 2018-03-27 | Pdf Solutions, Inc. | Process for making an integrated circuit that includes NCEM-Enabled, tip-to-side gap-configured fill cells, with NCEM pads formed from at least three conductive stripes positioned between adjacent gates |
US9905553B1 (en) | 2016-04-04 | 2018-02-27 | Pdf Solutions, Inc. | Integrated circuit containing standard logic cells and library-compatible, NCEM-enabled fill cells, including at least via-open-configured, AACNT-short-configured, GATECNT-short-configured, and metal-short-configured, NCEM-enabled fill cells |
JP6666046B2 (ja) * | 2016-04-25 | 2020-03-13 | キヤノン株式会社 | 画像処理装置および画像処理方法 |
US9748128B1 (en) | 2016-06-01 | 2017-08-29 | Micron Technology, Inc. | Systems and methods for wafer alignment |
KR101900180B1 (ko) * | 2017-01-11 | 2018-09-18 | 포항공과대학교 산학협력단 | 영상의 특성 추출을 위한 영상 분석 방법 및 장치 |
US10628935B2 (en) * | 2017-01-30 | 2020-04-21 | Zhongke Jingyuan Electron Limited | Method and system for identifying defects of integrated circuits |
US9748153B1 (en) | 2017-03-29 | 2017-08-29 | Pdf Solutions, Inc. | Process for making and using a semiconductor wafer containing first and second does of standard cell compatible, NCEM-enabled fill cells, with the first DOE including side-to-side short configured fill cells, and the second DOE including tip-to-side short configure |
US9773774B1 (en) | 2017-03-30 | 2017-09-26 | Pdf Solutions, Inc. | Process for making and using a semiconductor wafer containing first and second DOEs of standard cell compatible, NCEM-enabled fill cells, with the first DOE including chamfer short configured fill cells, and the second DOE including corner short configured fill cells |
JP2018190851A (ja) * | 2017-05-09 | 2018-11-29 | 株式会社 Ngr | コンタクトホールの欠陥検出方法 |
JP2018190323A (ja) * | 2017-05-11 | 2018-11-29 | 富士通株式会社 | 比較プログラム、比較装置及び比較方法 |
US9786649B1 (en) | 2017-06-27 | 2017-10-10 | Pdf Solutions, Inc. | Process for making and using a semiconductor wafer containing first and second DOEs of standard cell compatible, NCEM-enabled fill cells, with the first DOE including via open configured fill cells, and the second DOE including stitch open configured fill cells |
US9768083B1 (en) | 2017-06-27 | 2017-09-19 | Pdf Solutions, Inc. | Process for making and using a semiconductor wafer containing first and second DOEs of standard cell compatible, NCEM-enabled fill cells, with the first DOE including merged-via open configured fill cells, and the second DOE including snake open configured fill cells |
US10096530B1 (en) | 2017-06-28 | 2018-10-09 | Pdf Solutions, Inc. | Process for making and using a semiconductor wafer containing first and second DOEs of standard cell compatible, NCEM-enabled fill cells, with the first DOE including merged-via open configured fill cells, and the second DOE including stitch open configured fill cells |
US9865583B1 (en) | 2017-06-28 | 2018-01-09 | Pdf Solutions, Inc. | Process for making and using a semiconductor wafer containing first and second DOEs of standard cell compatible, NCEM-enabled fill cells, with the first DOE including snake open configured fill cells, and the second DOE including stitch open configured fill cells |
US10460434B2 (en) * | 2017-08-22 | 2019-10-29 | Applied Materials Israel Ltd. | Method of defect detection and system thereof |
US10572991B2 (en) * | 2017-11-07 | 2020-02-25 | Kla-Tencor Corporation | System and method for aligning semiconductor device reference images and test images |
US10997712B2 (en) * | 2018-01-18 | 2021-05-04 | Canon Virginia, Inc. | Devices, systems, and methods for anchor-point-enabled multi-scale subfield alignment |
JP7030566B2 (ja) * | 2018-03-06 | 2022-03-07 | 株式会社ニューフレアテクノロジー | パターン検査方法及びパターン検査装置 |
KR102055877B1 (ko) * | 2018-05-04 | 2019-12-13 | (주) 브릭 | 반복 패턴 영상의 결함 위치 파악 장치 및 방법 |
IL260417B (en) * | 2018-07-04 | 2021-10-31 | Tinyinspektor Ltd | System and method for automatic visual inspection |
JP6795562B2 (ja) * | 2018-09-12 | 2020-12-02 | ファナック株式会社 | 検査装置及び機械学習方法 |
US10832399B2 (en) * | 2018-10-23 | 2020-11-10 | International Business Machines Corporation | Detection for abnormal connectivity on a product |
US10801968B2 (en) * | 2018-10-26 | 2020-10-13 | Kla-Tencor Corporation | Algorithm selector based on image frames |
WO2020191121A1 (en) * | 2019-03-20 | 2020-09-24 | Carl Zeiss Smt Inc. | Method for imaging a region of interest of a sample using a tomographic x-ray microscope, microscope, system and computer program |
CN112115194B (zh) * | 2019-06-21 | 2023-11-17 | 腾讯科技(深圳)有限公司 | 群体对比画像确定方法、服务器、终端、系统及存储介质 |
JP2021149305A (ja) * | 2020-03-17 | 2021-09-27 | キヤノン株式会社 | 画像処理装置、画像処理方法及びプログラム |
CN113020428B (zh) * | 2021-03-24 | 2022-06-28 | 北京理工大学 | 级进模的加工监控方法、装置、设备及存储介质 |
CN113298776B (zh) * | 2021-05-21 | 2023-01-24 | 佛山职业技术学院 | 一种金属闭式水泵叶轮外观缺陷检测方法 |
FR3127319B1 (fr) * | 2021-09-23 | 2023-09-29 | Commissariat Energie Atomique | Procédé de classification de défauts d’un réseau à analyser |
CN115876823B (zh) * | 2023-01-19 | 2023-07-14 | 合肥晶合集成电路股份有限公司 | 薄膜缺陷的检测方法、薄膜缺陷的检测装置及检测系统 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE3838032A1 (de) * | 1987-11-09 | 1989-05-24 | Hitachi Ltd | Verfahren und einrichtung zur strukturpruefung |
DE69227056T2 (de) * | 1991-03-22 | 1999-05-12 | Nec Corp | Verfahren zur Fehleranalyse unter Verwendung eines Elektronenstrahles |
JP3148353B2 (ja) | 1991-05-30 | 2001-03-19 | ケーエルエー・インストルメンツ・コーポレーション | 電子ビーム検査方法とそのシステム |
JPH05223532A (ja) * | 1991-07-10 | 1993-08-31 | Raytheon Co | 自動視覚検査システム |
US5495535A (en) * | 1992-01-31 | 1996-02-27 | Orbotech Ltd | Method of inspecting articles |
JP3730263B2 (ja) | 1992-05-27 | 2005-12-21 | ケーエルエー・インストルメンツ・コーポレーション | 荷電粒子ビームを用いた自動基板検査の装置及び方法 |
US5401972A (en) | 1993-09-02 | 1995-03-28 | Schlumberger Technologies, Inc. | Layout overlay for FIB operations |
US5493116A (en) | 1993-10-26 | 1996-02-20 | Metrologix, Inc. | Detection system for precision measurements and high resolution inspection of high aspect ratio structures using particle beam devices |
JPH07201946A (ja) * | 1993-12-28 | 1995-08-04 | Hitachi Ltd | 半導体装置等の製造方法及びその装置並びに検査方法及びその装置 |
JPH08287252A (ja) * | 1995-04-11 | 1996-11-01 | Matsushita Electric Ind Co Ltd | ネジ穴位置認識方法 |
EP0853243A3 (de) * | 1997-01-13 | 1999-07-28 | Schlumberger Technologies, Inc. | Verfahren und Vorrichtung für die Wafer-Fehlerdetektion |
JPH10213422A (ja) * | 1997-01-29 | 1998-08-11 | Hitachi Ltd | パタ−ン検査装置 |
US6169816B1 (en) * | 1997-05-14 | 2001-01-02 | Applied Imaging, Inc. | Identification of objects of interest using multiple illumination schemes and finding overlap of features in corresponding multiple images |
JPH113920A (ja) * | 1997-06-12 | 1999-01-06 | Advantest Corp | 荷電粒子線装置 |
US6122397A (en) * | 1997-07-03 | 2000-09-19 | Tri Path Imaging, Inc. | Method and apparatus for maskless semiconductor and liquid crystal display inspection |
US6072897A (en) * | 1997-09-18 | 2000-06-06 | Applied Materials, Inc. | Dimension error detection in object |
-
1999
- 1999-01-08 US US09/227,747 patent/US6539106B1/en not_active Expired - Lifetime
- 1999-12-30 KR KR1019990065688A patent/KR100653500B1/ko active IP Right Grant
-
2000
- 2000-01-06 TW TW088121922A patent/TW473772B/zh not_active IP Right Cessation
- 2000-01-07 DE DE10000364A patent/DE10000364B4/de not_active Expired - Fee Related
- 2000-01-07 FR FR0000169A patent/FR2791775A1/fr not_active Withdrawn
- 2000-01-07 JP JP2000002018A patent/JP4695239B2/ja not_active Expired - Fee Related
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10132589A1 (de) * | 2001-07-05 | 2003-01-23 | Koenig & Bauer Ag | Verfahren zur qualitativen Beurteilung von Material |
DE10132589B4 (de) * | 2001-07-05 | 2005-11-03 | Koenig & Bauer Ag | Verfahren zur qualitativen Beurteilung von Material |
US7184584B2 (en) | 2001-07-05 | 2007-02-27 | Koenig & Bauer Aktiengesellschaft | Method for qualitatively evaluating material |
EP2028501A4 (de) * | 2006-06-14 | 2015-05-27 | Hamamatsu Photonics Kk | Halbleiterfehleranalysevorrichtung, fehleranalyseverfahren und fehleranalyseprogramm |
EP2028500A4 (de) * | 2006-06-14 | 2015-06-03 | Hamamatsu Photonics Kk | Halbleiterfehleranalysevorrichtung, fehleranalyseverfahren und fehleranalyseprogramm |
EP2302404A3 (de) * | 2009-09-25 | 2011-10-26 | Renesas Electronics Corporation | Verfahren und Vorrichtung sowie Programm zur Halbleiterbauelementfehleranalyse |
US8589108B2 (en) | 2009-09-25 | 2013-11-19 | Renesas Electronics Corporation | Semiconductor device failure analysis method and apparatus and program |
DE102011105182A1 (de) * | 2011-06-17 | 2012-12-20 | Albert-Ludwigs-Universität Freiburg | Verfahren zur Bereitstellung eines Vorhersagemodells für eine Rissdetektion und Verfahren zur Rissdetektion an einer Halbleiterstruktur |
DE102012107287B4 (de) | 2011-08-19 | 2019-09-05 | Cognex Corp. | Computergestütztes Verfahren und Vorrichtung zum Identifizieren von Fehlern in einem Material |
US20210351088A1 (en) * | 2020-05-06 | 2021-11-11 | Taiwan Semiconductor Manufacturing Co., Ltd. | Method for non-destructive inspection of cell etch redeposition |
US11749569B2 (en) * | 2020-05-06 | 2023-09-05 | Taiwan Semiconductor Manufacturing Company, Ltd. | Method for non-destructive inspection of cell etch redeposition |
Also Published As
Publication number | Publication date |
---|---|
US6539106B1 (en) | 2003-03-25 |
FR2791775A1 (fr) | 2000-10-06 |
JP4695239B2 (ja) | 2011-06-08 |
JP2000208575A (ja) | 2000-07-28 |
KR100653500B1 (ko) | 2006-12-04 |
KR20000052623A (ko) | 2000-08-25 |
DE10000364B4 (de) | 2013-01-31 |
TW473772B (en) | 2002-01-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE10000364B4 (de) | Merkmalbasierende Feststellung von Fehlern | |
DE112015004721B4 (de) | Defektdetektion unter verwendung von strukturinformation | |
DE19803021A1 (de) | Verfahren und Vorrichtung zur Musteruntersuchung | |
DE10392705B4 (de) | Verfahren zur Musterprüfung | |
EP0014857B1 (de) | Verfahren zum automatischen Markieren von Zellen und zur Bestimmung der Merkmale von Zellen aus zytologischen Abstrichpräparaten | |
DE10157958B4 (de) | Bildverarbeitungsverfahren und-vorrichtung | |
DE102014205726B4 (de) | Verfahren zum bestimmen von profildaten für ein kantenmerkmal in einem inspektionssystem mit maschineller bildverarbeitung | |
DE3612233C2 (de) | ||
DE102012107287B4 (de) | Computergestütztes Verfahren und Vorrichtung zum Identifizieren von Fehlern in einem Material | |
DE112013000627T5 (de) | Segmentierung zur Waferinspektion | |
DE3505331C2 (de) | Verfahren und Gerät zur Vermessung des bei der Eindringhärteprüfung in einer Probe hinterlassenen Eindrucks | |
DE112012001439B4 (de) | Computerimplementierte entwurfsbasierte Inspektion unter Verwendung wiederholender Strukturen | |
WO2020157249A1 (de) | Verarbeitung von bilddatensätzen | |
DE10221318B4 (de) | Verfahren zur Defekterkennung in Mustern aus alternierend angeordneten Linien und Zwischenräumen auf einem Wafer | |
DE102006014812A1 (de) | Sichtprüfeinrichtung und Sichtprüfverfahren | |
DE102005054401A1 (de) | Verfahren zum Treffen einer Entscheidung über einen Messwert | |
DE19721313A1 (de) | Proben-KD-Messsystem | |
DE102021101704A1 (de) | Bilderzeugungssystem | |
DE102019133685A1 (de) | Informationsverarbeitungssystem und -verfahren | |
DE19860704B4 (de) | Verfahren zur Überprüfung zumindest eines Teils eines Halbleiterwafers mit einem Rasterelektronenmikroskop | |
DE19824208A1 (de) | Fehleranalyseverfahren und zugehörige Vorrichtung | |
DE102008002753A1 (de) | Verfahren zur optischen Inspektion, Detektion und Visualisierung von Defekten auf scheibenförmigen Objekten | |
DE10013012A1 (de) | Röntgenfluoreszenzanalysevorrichtung | |
DE10151127A1 (de) | Vorrichtung zum Erfassen von Defekten bei Halbleitervorrichtungen und Verfahren dafür | |
DE10243606A1 (de) | Halbleitervorrichtungs-Inspektionsverfahren unter Verwendung eines leitenden RKM |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
8127 | New person/name/address of the applicant |
Owner name: APPLIED MATERIALS, INC., SANTA CLARA, CALIF., US |
|
8110 | Request for examination paragraph 44 | ||
8128 | New person/name/address of the agent |
Representative=s name: ZIMMERMANN & PARTNER, 80331 MUENCHEN |
|
R016 | Response to examination communication | ||
R018 | Grant decision by examination section/examining division | ||
R020 | Patent grant now final |
Effective date: 20130501 |
|
R119 | Application deemed withdrawn, or ip right lapsed, due to non-payment of renewal fee |