專利名稱：半導(dǎo)體集成電路的不良檢測(cè)方法和不良檢測(cè)裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及半導(dǎo)體集成電路的不良分析，尤其涉及從測(cè)試信息自動(dòng)分類不良圖案的不良檢測(cè)方法和不良檢測(cè)裝置。
背景技術(shù)：
隨著近年來(lái)半導(dǎo)體器件的微型化，各種處理引起的不良顯著起來(lái)。作為改善處理的對(duì)策，使用在晶片處理工序之后立即進(jìn)行的晶片測(cè)試結(jié)果。在DRAM等的情況下，用晶片面上的映射顯示(文件位圖)表示表示不良比特的未知的測(cè)試信息。從不良比特的排布(圖案)判斷是否存在問(wèn)題處理裝置固有的圖案。以往，該判斷由人通過(guò)直接目測(cè)文件位圖來(lái)進(jìn)行。此時(shí)，不僅缺乏客觀性、定量性，而且難以對(duì)批量產(chǎn)品作前面檢查。因此，嘗試由計(jì)算機(jī)自動(dòng)進(jìn)行該判斷。將文件位圖作為圖像或數(shù)值數(shù)據(jù)讀入計(jì)算機(jī)內(nèi)，自動(dòng)判定比特的排布是單獨(dú)的(單比特不良)、線狀(成組成行不良)的、還是十字或面狀的?；蛘咭部膳袛嗝鎯?nèi)分布(中央、定向板(oriention flat)側(cè)等)。
如上那樣，原來(lái)自動(dòng)判別的不良圖案是不良的基本要素的情況居多，在特定問(wèn)題處理裝置時(shí)，將該基本要素與過(guò)去的數(shù)據(jù)庫(kù)對(duì)照或介入人類的判斷，需要與裝置引起的圖案對(duì)應(yīng)。但是，從特定問(wèn)題處理裝置的立場(chǎng)看，通過(guò)提取不良圖案的基本要素使得靈敏度降低，成品率越降低，越出現(xiàn)不能檢測(cè)出并非明顯化的不良圖案的問(wèn)題。
構(gòu)成自動(dòng)提取系統(tǒng)時(shí)，有不能自動(dòng)檢測(cè)出預(yù)先未假定的圖案的問(wèn)題出現(xiàn)。

發(fā)明內(nèi)容
本發(fā)明鑒于上述問(wèn)題作出，目的是提供一種不良圖案檢測(cè)方法和不良圖案的檢測(cè)裝置，可高靈敏度地自動(dòng)檢測(cè)出不良圖案以及預(yù)先未假定的不良圖案。
第一發(fā)明中，為達(dá)到上述目的，提供一種半導(dǎo)體集成電路的不良檢測(cè)方法，其特征在于具有提取半導(dǎo)體晶片上形成的集成電路的不良的位置信息的第一工序；按上述半導(dǎo)體晶片面內(nèi)的空間重復(fù)單位重疊上述位置信息的第二工序；從通過(guò)該重疊計(jì)算出的數(shù)據(jù)算出表示空間重復(fù)性不良的程度的特征量的第三工序?？筛哽`敏度地自動(dòng)檢測(cè)出不良圖案以及預(yù)先未假定的不良圖案。第一發(fā)明在以2個(gè)以上的特征量為分量的矢量構(gòu)成的多矢量空間中，在上述多矢量空間內(nèi)設(shè)定針對(duì)1個(gè)不良模式的區(qū)域，通過(guò)對(duì)照上述區(qū)域和以上述特征量為分量的矢量，可判斷上述不良模式的存在。
第二發(fā)明中，為達(dá)到上述目的，提供一種半導(dǎo)體集成電路的不良檢測(cè)裝置，其特征在于具有提取半導(dǎo)體晶片上形成的集成電路的不良的位置信息的第一計(jì)算部；按上述半導(dǎo)體晶片面內(nèi)的空間重復(fù)單位重疊上述位置信息的第二計(jì)算部；從通過(guò)該重疊計(jì)算出的數(shù)據(jù)算出表示空間重復(fù)性不良的程度的特征量的第三計(jì)算部?？筛哽`敏度地自動(dòng)檢測(cè)出不良圖案以及預(yù)先未假定的不良圖案。


圖1是曝光引起不良的自動(dòng)檢測(cè)流程圖；圖2是存在曝光處理引起的不良的晶片的不良比特分布圖；圖3是說(shuō)明按不良數(shù)目信息的曝光單位重疊的方法的晶片平面圖；圖4是按曝光單位重疊的不良數(shù)目分布圖和和1維曲線化的圖；圖5是表示計(jì)算出特征量的加權(quán)平均系數(shù)的圖；圖6是說(shuō)明對(duì)想檢測(cè)出的不良圖案的重復(fù)單位判斷為異常的圖案的晶片平面圖；圖7是表示不良比特分布圖案和曝光引起不良特征量的分布圖；圖8是曝光處理引起不良圖案的自動(dòng)檢測(cè)裝置的框圖；圖9是外周不良的自動(dòng)檢測(cè)流程圖；圖10是外周不良存在的晶片的不良比特分布圖；圖11是說(shuō)明按不良數(shù)目信息的同心圓單位的重疊方法的晶片平面圖；圖12是不良數(shù)目的晶片面內(nèi)半徑方向分布圖；圖13是表示不良比特分布圖案和外周不良特征量的分布14是曝光引起和外周不良圖案的自動(dòng)檢測(cè)裝置的框圖；圖15是自動(dòng)檢測(cè)出預(yù)先未假定的不良圖案的流程圖；圖16是存在預(yù)先未假定的不良圖案的晶片的不良比特分布圖；圖17是預(yù)先未假定的不良圖案的自動(dòng)檢測(cè)裝置的框圖；圖18是表示圖17的裝置的不良圖案的判定結(jié)果的分布圖；
圖19是表示將曝光單位的重復(fù)單位信息輸入到圖17的裝置的形式的圖；圖20是圖17的裝置將按曝光單位重疊的數(shù)據(jù)輸出的形式的圖；圖21是表示將按同心圓單位的重復(fù)單位信息輸入到圖17的裝置的形式的圖；圖22是圖17的裝置將按同心圓單位重疊的數(shù)據(jù)輸出的形式的圖；圖23是表示不良圖案對(duì)成品率的影響度的計(jì)算程序的流程圖；圖24是表示計(jì)算不良圖案對(duì)成品率的影響度的裝置的框圖；圖25是表示特定不良圖案的發(fā)生原因的程序的流程圖；圖26是表示特定不良圖案的發(fā)生原因的裝置的框圖；圖27是對(duì)照裝置履歷和特征量求出的度數(shù)分布圖；圖28是對(duì)照QC數(shù)據(jù)和特征量求出的散布圖；圖29是晶片中央曝光引起不良的不良比特的分布圖；圖30是表示曝光引起不良的晶片面內(nèi)分布和特征量的圖；圖31是特征量空間的曝光引起不良的面內(nèi)分布的分類圖；圖32是校正因特征量空間的面內(nèi)分布引起的曝光引起不良的判定閾值的圖；圖33是曝光引起不良和芯片性不良的不良比特的分布圖；圖34是表示芯片性不良的特征量的定義方法的圖；圖35是說(shuō)明通過(guò)特征量對(duì)芯片性不良作檢測(cè)的圖；圖36是曝光引起不良和曝光引起不良對(duì)芯片性不良的特征量的分布圖；圖37是說(shuō)明沒(méi)有特征量空間的曝光引起不良的芯片性不良時(shí)的檢測(cè)方法的圖；圖38是說(shuō)明包含存在特征量空間的曝光引起不良的部分芯片性不良的區(qū)域時(shí)的檢測(cè)方法的圖；圖39是說(shuō)明通過(guò)與特征量空間內(nèi)的距離相關(guān)的線性插值來(lái)決定格點(diǎn)上的標(biāo)量化特征量的方法的圖；圖40是表示表示特征量空間的發(fā)射(shot)性不良整體的區(qū)域的圖；圖41是表示特征量空間內(nèi)設(shè)定的格點(diǎn)的圖；圖42是說(shuō)明進(jìn)行插值的格點(diǎn)的設(shè)定方法的圖；圖43是表示特征量空間中定義的發(fā)射性不良整體的標(biāo)量特征量的等高線圖；圖44是說(shuō)明計(jì)算出表示面內(nèi)均勻的曝光引起不良的標(biāo)量化特征量的格點(diǎn)的設(shè)定方法的圖。
具體實(shí)施例方式
下面參考

發(fā)明的實(shí)施例。
首先，參考圖1到圖8說(shuō)明第一實(shí)施例。
該實(shí)施例自動(dòng)檢測(cè)半導(dǎo)體集成電路制作中的曝光處理引起的不良。圖1是表示其程序的流程圖。圖2是DRAM的晶片處理結(jié)束后測(cè)試半導(dǎo)體晶片(下面叫做晶片)上的各芯片中的各比特的晶片的平面圖。打黑點(diǎn)的位置表示不良比特。為點(diǎn)的濃淡規(guī)則的帶狀。圖2所示的A區(qū)域表示曝光圖案的燒灼單位。不良比特以曝光單位作為周期重復(fù)濃淡，是曝光引起的不良。認(rèn)為圖2是晶片整個(gè)面上包含1比特單位的信息，但曝光引起不良圖案按芯片大小的數(shù)量級(jí)存在，以不損失圖案形狀的程度減少信息也不會(huì)有問(wèn)題。因此，本發(fā)明中，如圖2所示的C區(qū)域那樣，將1個(gè)芯片內(nèi)分割為小的分割單位，求出每個(gè)分割單位的不良數(shù)目之和，從該不良數(shù)目信息自動(dòng)提取曝光引起的圖案。
接著，為強(qiáng)調(diào)曝光單位的周期性，進(jìn)行按曝光單位重疊晶片整個(gè)面的不良數(shù)目信息的處理。圖3是表示該狀態(tài)的晶片的平面圖。對(duì)于各曝光單位，相加對(duì)應(yīng)的分割單位，即位于相互排布重疊的位置處的分割單位的不良數(shù)目。計(jì)算在各曝光單位內(nèi)的分割單位中存在不良信息數(shù)目的個(gè)數(shù)。對(duì)所有曝光單位進(jìn)行該操作后，將對(duì)每個(gè)分割單位相加得到的不良數(shù)目除以存在不良數(shù)目信息的個(gè)數(shù)，求出平均不良數(shù)目。通過(guò)該重疊處理，可進(jìn)行不良數(shù)目信息欠缺的芯片、除去晶片端不存在的芯片的總計(jì)。得到的重疊數(shù)據(jù)如圖4所示。圖4通過(guò)不良比特位置的重疊來(lái)顯示，但可得到每個(gè)分割單位的平均不良數(shù)目。
接著，將重疊的數(shù)據(jù)在圖4所示的相互垂直的x，y方向上進(jìn)行1維曲線化。Y方向的1維曲線yi(i＝1，2，….ny，ny是曝光單位的y方向的分割數(shù))按下面的式(公式1)求出。
(公式1)yi=Σj=1nxf(j,i)/nx]]>
f(x，y)是位于曝光單位內(nèi)的(x，y)位置處的分割單位的平均不良數(shù)目，nx是曝光單位的x方向分割數(shù)。同樣也是x方向的1維分布曲線。
得到的1維曲線如圖4所示。曝光單位有周期性，則各曲線中應(yīng)出現(xiàn)幾個(gè)規(guī)律性。因此，求出下面的4個(gè)參數(shù)。
(a)自相關(guān)函數(shù)Rac(k)(b)突起寬度L0(c)橫穿次數(shù)(d)cos相關(guān)函數(shù)(a)作為挪動(dòng)量(即突起)k的函數(shù)求出。即，將曲線看作時(shí)間序列{t1，t2，…，tN}由下式算出。平均用下面的式(公式2)表示。(公式2)μ=(1/N)Σi=1Nti]]>自己共分散用下面的式(公式3)表示。(公式3)Ck=(1/N)Σi=k+1N(ti-μ)(ti-k-μ)]]>自相關(guān)函數(shù)用下面的式(公式4)表示。
(公式4)Rac(k)Ck/C0(b)用1次式近似求出部分Rac(k)。具體說(shuō)，在Rac(0)(＝1)的點(diǎn)與Rac＝0.5的點(diǎn)之間外插來(lái)將Rac＝0的突起作為L(zhǎng)0。(c)是從曲線的平均值μ計(jì)算曲線橫穿μ的次數(shù)。(d)是首先用1次式近似1維曲線并用1次式和剩余成分的和表示1維曲線。這對(duì)應(yīng)于將1維曲線分割為方向(trend)分量和周期分量。接著，求出在近似1維曲線的周期分量中相加的最小次數(shù)的多項(xiàng)式，作為多項(xiàng)式中最相近的cos函數(shù)和曲線的周期分量的相關(guān)函數(shù)求出。多項(xiàng)式的次數(shù)為10次、9次、8次和減去次數(shù)時(shí)多項(xiàng)式和曲線的周期分量的相對(duì)相關(guān)系數(shù)(10次多項(xiàng)式的相關(guān)系數(shù)為1)的減少率初次超出10％這前的次數(shù)。
作為(b)，Rac(k)初次為0的k可作為突起寬度。或者用多項(xiàng)式近似Rac(k)，可從多項(xiàng)式為0的點(diǎn)求出突起寬度。作為(c)，求出曲線的中值和橫穿最大值與最小值的中間值的次數(shù)。
接著，將各參數(shù)在0到1之間規(guī)格化，并且對(duì)應(yīng)于越近似1，曝光引起不良越多地產(chǎn)生的狀態(tài)。下面說(shuō)明規(guī)格化的程序。(a)包含于(b)中，因此在特征量中不使用。(b)表示值越大曲線中越存在規(guī)則性，即曝光引起不良越多地存在。因此，L0在曝光單位的x，y各方向的分割數(shù)的40％以上時(shí)為1，在L0≤1時(shí)為0，其間進(jìn)行線性插值。(c)表示值越大曲線越不規(guī)則，即曝光引起不良的存在越少。因此，橫穿次數(shù)在曝光單位的x，y各方向的分割數(shù)的30％以上時(shí)為0，橫穿次數(shù)在1以下時(shí)為1，其間進(jìn)行線性插值。(d)表示越近似1，曲線中越存在規(guī)則性，即曝光引起不良越多地存在。因此，原樣使用0以上1以下的值，在小于0是置換為0。
規(guī)格化不必要限于從0到1，可對(duì)應(yīng)于多個(gè)直線上的連續(xù)的封閉區(qū)間。按曝光引起的不良圖案越多地存在值越小來(lái)采用。該情況下，可對(duì)判定有無(wú)下面記述的不良圖案存在的條件進(jìn)行反轉(zhuǎn)。
接著取規(guī)格化的參數(shù)的加權(quán)平均，求出曝光單位的x，y方向的特征量。加權(quán)平均的系數(shù)考慮曝光方式?jīng)Q定。該實(shí)施例的曝光處理中，邊使十字線(reticule)和晶片同步移動(dòng)邊使用曝光的掃描曝光，在圖4中x方向?qū)?yīng)掃描方向。掃描方向上考慮掃描中的穩(wěn)定性引起的不良數(shù)目變動(dòng)，考慮該變化可按cos函數(shù)近似。另一方面，與掃描垂直的縫隙方向(slit方向)中考慮光學(xué)系統(tǒng)的畸變等引起的偏差，認(rèn)為橫穿次數(shù)表示其狀態(tài)。以上使用圖5所示的系數(shù)算出特征量。
但是，如圖6所示B區(qū)域，存在僅特定的1個(gè)芯片的不良數(shù)目比周圍芯片突出的情況。這背離了該實(shí)施例中檢測(cè)的曝光引起的圖案，成為自動(dòng)檢測(cè)的障礙。因此，檢測(cè)這樣的芯片(下面叫做孤立芯片)，在重疊處理之前從計(jì)算中去除該芯片。晶片整個(gè)面的每個(gè)芯片的不良數(shù)目為Ci(i＝1，2，…n，n是芯片數(shù))。Ci的最大值為Cmax。Ci的中值為Cmed。Cmax的周圍的8個(gè)芯片的不良數(shù)目為Cj(j＝1，2，…8)。這里，滿足式(公式5)時(shí)，將Cmax判斷為孤立芯片，該區(qū)域從計(jì)算出去除。
(公式5)Cmax/Cmed＞100且Cmax/Cj＞10(j＝1，2，…，8)對(duì)這樣的空間重復(fù)單位判斷為異常的區(qū)域不限于孤立芯片，一般地也可考慮想檢測(cè)出的不良圖案的周期性紊亂的區(qū)域。每次確認(rèn)這種區(qū)域的存在時(shí)，追加去除該區(qū)域的處理。
通過(guò)以上程序求出表示曝光引起的不良圖案存在的程度的特征量。對(duì)于幾個(gè)不同圖案存在的晶片，圖7表示求出本特征量的結(jié)果?？芍谄毓庖鸬牟涣紙D案確實(shí)存在的晶片中，特征量為接近1的大值。不良圖案隨機(jī)的晶片中，特征量為0附近的小值。以約0.4座位閾值，判斷有無(wú)曝光引起的不良圖案。由于掃描方向、縫隙方向的不良圖案不同，各方向的特征量的值大小不同。
圖8是該實(shí)施例的方法構(gòu)成的裝置的框圖。作為輸入，使用晶片ID信息、測(cè)試信息和重復(fù)單位信息。晶片ID信息包含用于識(shí)別晶片的序號(hào)。測(cè)試信息包含晶片面上的芯片坐標(biāo)和各芯片內(nèi)預(yù)先設(shè)定的每個(gè)分割單位的不良數(shù)目信息。重復(fù)單位信息包含按曝光單位重疊晶片面上的芯片所需的曝光單位，即發(fā)射的信息。計(jì)算機(jī)①中提供根據(jù)圖1的程序計(jì)算特征量的程序。之后結(jié)果輸出到數(shù)據(jù)庫(kù)A中。數(shù)據(jù)庫(kù)A中寫入晶片信息、特征量和有無(wú)曝光引起不良圖案的判斷結(jié)果。
作為測(cè)試信息使用不良比特的芯片坐標(biāo)和地址信息時(shí)，作為重復(fù)單位的重疊處理，可使用邏輯和。另一方面，若采取邏輯積，則可檢測(cè)出掩膜的公共缺陷。
如上所述，通過(guò)使用該實(shí)施例的方法可自動(dòng)檢測(cè)出曝光引起不良圖案的存在。
接著，參考圖9到圖14說(shuō)明第二實(shí)施例。
該實(shí)施例自動(dòng)提取在半導(dǎo)體集成電路的不良面內(nèi)分布中，尤其晶片外周附近不良增多的圖案。圖9是表示該程序的流程圖。圖10是在DRAM的晶片處理結(jié)束后測(cè)試晶片上的各芯片中的各比特。該晶片的情況下，尤其是外周附近產(chǎn)生很多不良，推測(cè)存在與第一實(shí)施例不同的不良原因。因此，使用與第一實(shí)施例相同的每個(gè)分割單位的不良數(shù)目信息，自動(dòng)提取這樣的外周不良。
首先，作為成為自動(dòng)檢測(cè)的障礙的圖案，刪除孤立芯片的不良信息。接著，如圖11所示，設(shè)定同心圓狀的重復(fù)圖案。求出各同心圓包圍的環(huán)狀區(qū)域內(nèi)的不良數(shù)目信息的平均值。通過(guò)該操作，如圖12所示，得到不良數(shù)目的半徑方向分布。
接著，將不良數(shù)目的半徑方向分布參數(shù)化。如圖12所示，設(shè)晶片半徑為r時(shí)，半徑位置在0以上r/2以下的區(qū)域的平均不良數(shù)目為m1、在r/2以上r以下的區(qū)域的平均不良數(shù)目為m2時(shí)，參數(shù)k按k＝m2/m1求出。
接著，將參數(shù)k規(guī)格化，作為外周不良的特征量。k＜1時(shí)的特征量為0、k＞2.0時(shí)特征量為1，其間進(jìn)行線性插值。
通過(guò)以上程序求出用于自動(dòng)提取外周不良的特征量。對(duì)于幾個(gè)不同圖案存在的晶片，圖13表示求出本特征量的結(jié)果。在外周不良數(shù)目確實(shí)增多的晶片中，特征量為接近1的大值。另一方面，不良圖案隨機(jī)的晶片中，特征量為0附近的小值。
圖14是將該實(shí)施例的方法追加到圖8的裝置的裝置的框圖。作為輸入追加用于提取外周不良圖案的同心圓圖案信息。計(jì)算機(jī)①中除圖1的程序外，追加圖9所示的程序。作為輸出將判斷結(jié)果輸出到數(shù)據(jù)庫(kù)A。
如上所述，通過(guò)使用該實(shí)施例的方法可自動(dòng)檢測(cè)出外周不良圖案的存在。
接著參考圖15到圖22說(shuō)明第三實(shí)施例。
該實(shí)施例自動(dòng)提取在半導(dǎo)體集成電路的不良面內(nèi)分布中，自動(dòng)檢測(cè)出預(yù)先未假定的圖案。也說(shuō)明登錄新的圖案的方法。
圖15是表示該程序的流程圖。圖16是在DRAM的晶片處理結(jié)束后測(cè)試晶片上的各芯片中的各比特的平面圖。該晶片的情況下，不良比特縱向并排的圖案顯著。該不良圖案與第一實(shí)施例和第二實(shí)施例中作為自動(dòng)檢測(cè)對(duì)象的圖案不對(duì)應(yīng)。這種情況下，嘗試自動(dòng)檢測(cè)未知圖案的出現(xiàn)。
特愿2000-249718中求出表示空間地偏開存在的不良的存在的特征量(下面叫做分組因子)。用表示空間上隨機(jī)的泊松分布和表示產(chǎn)生偏差的負(fù)的二項(xiàng)分布的重疊來(lái)表示不良數(shù)目的分布，負(fù)的二項(xiàng)分布的成分越多表示越多地產(chǎn)生偏差。根據(jù)該方法，求出芯片單位的不良數(shù)目，求出其度數(shù)分布。用泊松分布和負(fù)的二項(xiàng)分布的重疊來(lái)近似度數(shù)分布，求出各分布的加權(quán)Wp，Wnb，將Wnb作為分組因子。Wp+Wnb＝100％，Wnb越大，表示空間偏差越大。圖16的情況下，Wnb為14％，變?yōu)橄喈?dāng)大的值。因此，不能判斷是怎樣的圖案，但可檢測(cè)出存在幾個(gè)未知的圖案。
第一和第二實(shí)施例以及按上述的程序構(gòu)成的裝置的框圖如圖17所示。其以圖14的裝置為基礎(chǔ)追加并改造下面的功能。計(jì)算機(jī)①中從輸入的測(cè)試信息計(jì)算分組因子Wnb。Wnb進(jìn)行數(shù)據(jù)庫(kù)化并且進(jìn)行反饋，與如第一和第二實(shí)施例所述的表示預(yù)先登錄的圖案的存在的特征量的判斷結(jié)果進(jìn)行對(duì)照。預(yù)先登錄的圖案的特征量全部在閾值以下并且分組因子在閾值以上時(shí)，計(jì)算機(jī)①判斷為存在未知圖案，將該信息輸出到數(shù)據(jù)庫(kù)0中。
對(duì)于存在幾個(gè)不良圖案的晶片，圖18表示圖17的裝置進(jìn)行判斷的結(jié)果。計(jì)算機(jī)①計(jì)算分組因子Wnb、曝光引起不良的特征量S(S指示掃描方向和縫隙方向的特征量中大的一個(gè))以及外周不良的特征量P。圖18的A項(xiàng)是縱向型圖案未登錄。S，P小，但Wnb大，判斷為未知圖案。圖18的B項(xiàng)是隨機(jī)的不良分布。Wnb，S，P全部都小，判斷為隨機(jī)分布。圖18的C項(xiàng)和D項(xiàng)是各曝光引起、外周不良圖案登錄完成，Wnb增大的同時(shí)，對(duì)應(yīng)的各個(gè)圖案的特征量也增大，對(duì)圖案進(jìn)行判斷。
數(shù)據(jù)庫(kù)0中記錄未知圖案的出現(xiàn)，則如圖17的D所示，向裝置追加用于檢測(cè)出該圖案的重復(fù)圖案信息和特征量計(jì)算程序。也可增加通過(guò)該操作的重復(fù)進(jìn)行自動(dòng)判斷的不良圖案。
為簡(jiǎn)便地進(jìn)行新的圖案登錄，圖17的裝置中，具有下面的功能。輸入計(jì)算機(jī)①的重復(fù)單位的形式如下面的式(公式6)那樣統(tǒng)一。
(公式6)重復(fù)單位信息＝{A，Ca1}單位信息A＝{A1，A2…An}A1＝{J11，J12，…A1m1}A2＝{J21，J22，…A2m2}.
.
An＝{Jn1，Jn2，…Anmn}這里，重復(fù)單位A表示覆蓋晶片整個(gè)面的重復(fù)單位整體的集合。Ai是其要素，表示進(jìn)行重疊處理的晶片上的分割單位的集合。Jij表示屬于Ai的第j個(gè)晶片上的分割單位的位置。例如，測(cè)試信息用芯片坐標(biāo)和與芯片內(nèi)坐標(biāo)相對(duì)的不良數(shù)目信息提供時(shí)，Jij也用相同形式的芯片坐標(biāo)和芯片內(nèi)坐標(biāo)構(gòu)成。
Ca1是重疊處理時(shí)的運(yùn)算指定。運(yùn)算中可指定相加、平均、邏輯和、邏輯積。計(jì)算機(jī)①參考{A，Ca1}對(duì)屬于Ai的所有晶片上的分割單位的不良信息實(shí)施運(yùn)算Ca1，將其結(jié)果作為Di輸出。對(duì)所有Ai都進(jìn)行這個(gè)過(guò)程。即，重疊處理的結(jié)果用下面的式(公式7)的形式輸出。
(公式7)D＝{D1，D2，…Dn}計(jì)算機(jī)①在進(jìn)行重疊處理之前，去除預(yù)先登錄的異常數(shù)據(jù)(該實(shí)施例中是孤立芯片)。
提供給計(jì)算機(jī)①的程序在主程序中配置重疊處理、數(shù)據(jù)庫(kù)處理和分組因子計(jì)算功能，將計(jì)算個(gè)別的不良圖案的特征量的處理作為子程序獨(dú)立出來(lái)。用戶對(duì)于計(jì)算機(jī)①按子程序的形式記述從主程序生成的D算出特征量的程序。即，將D作為輸入，輸出下面的式(公式8)表示的特征量的集合C。
(公式8)C＝{C1，C2，…，CL}特征量可以是標(biāo)量，可以是L維的矢量。圖案有無(wú)的判斷結(jié)果也施加到返回值。
計(jì)算機(jī)①的主程序中，自動(dòng)將來(lái)自用戶制作的子程序的返回值C和有無(wú)圖案的判斷結(jié)果數(shù)據(jù)庫(kù)化。
按具體例子說(shuō)明時(shí)，在第一實(shí)施例的情況下，如圖19所示，通過(guò)曝光單位的排布而相互重疊的分割單位為Ai，作為運(yùn)算處理指定平均。這樣，計(jì)算機(jī)①如圖20所示，輸出曝光單位內(nèi)的每個(gè)分割單位的平均不良數(shù)目Di。之后，根據(jù)第一實(shí)施例的程序，用計(jì)算機(jī)①中內(nèi)置的子程序從Di計(jì)算特征量Ci，結(jié)果寫入數(shù)據(jù)庫(kù)A中。
第二實(shí)施例的情況下，如圖21所示，環(huán)狀的各區(qū)域?yàn)锳i，作為運(yùn)算處理指定平均。這樣，計(jì)算機(jī)①如圖22所示，輸出每個(gè)環(huán)狀的區(qū)域的平均不良數(shù)目Di。下面的處理與上述相同。
第三實(shí)施例中新看到的圖16的不良圖案的情況下，現(xiàn)階段分類為未知圖案。僅該例難以判斷，但若存在幾個(gè)裝置引起的原因，應(yīng)存在面內(nèi)對(duì)稱性。觀察對(duì)稱性，將其作為重復(fù)單位定義A＝{A1，A2，…An}，追加特征量計(jì)算的子程序，以后可作為已知圖案進(jìn)行自動(dòng)分類。
即，可以說(shuō)本發(fā)明用重疊處理強(qiáng)調(diào)對(duì)稱性。對(duì)稱性不存在的不良圖案，例如因人為的失誤在晶片上產(chǎn)生不規(guī)則的形狀的傷痕時(shí)，因沒(méi)有對(duì)稱性，不進(jìn)行重疊的強(qiáng)調(diào)處理，成為特征量計(jì)算對(duì)象的數(shù)據(jù)是晶片整個(gè)面的不良數(shù)目信息本身。但是，因機(jī)械的不恰當(dāng)在某特定方向產(chǎn)生傷痕時(shí)，可進(jìn)行在該方向重疊的處理，本發(fā)明有效。例如，因化學(xué)機(jī)械研磨(CMP)的不恰當(dāng)而產(chǎn)生的傷痕也存在與處理的處理特征對(duì)應(yīng)的對(duì)稱性，本發(fā)明的方法有效?；蛘哒f(shuō)，2種以上的不良圖案同時(shí)存在時(shí)，也可設(shè)定表示該對(duì)稱性的重疊區(qū)域。
另外具有按每個(gè)區(qū)域劃分處理晶片面的處理裝置。第一實(shí)施例的曝光裝置是典型的裝置，但此外可舉出激光退火裝置。通過(guò)激光束形狀和x-y臺(tái)(stage)的移動(dòng)決定處理單位。例如，按數(shù)個(gè)芯片單位進(jìn)行激光退火的裝置的情況下，該裝置引起的不良圖案將作為激光照射單位的數(shù)個(gè)芯片作為周期出現(xiàn)。此時(shí)，可將該數(shù)個(gè)芯片作為重復(fù)單位進(jìn)行重疊處理?；蛘?，也有用點(diǎn)狀的激光束掃描晶片面的情況。此時(shí)，將掃描的行進(jìn)方向(或返回方向)上的區(qū)域作為重復(fù)單位。另外，有時(shí)單向掃描線狀射束。此時(shí)，線狀射束的1個(gè)掃描區(qū)域可作為重復(fù)單位。這樣，通過(guò)將處理裝置的晶片面內(nèi)處理單位作為重復(fù)單位可強(qiáng)調(diào)裝置引起的不良圖案。
即，半導(dǎo)體集成電路的不良圖案多的情況下，由于存在幾個(gè)對(duì)稱性、周期性的情況居多，本發(fā)明的方法也有效。
如上所述，通過(guò)使用該實(shí)施例的方法，可自動(dòng)檢測(cè)出未登錄的圖案，可容易地進(jìn)行該登錄。
接著，參考圖23和圖24說(shuō)明第四實(shí)施例。
該實(shí)施例通過(guò)對(duì)照使用第一到第三實(shí)施例的方法自動(dòng)分類的半導(dǎo)體集成電路的不良圖案和成品率信息算出各不良圖案對(duì)成品率的影響度。
圖23是表示該實(shí)施例的程序的流程圖。實(shí)現(xiàn)該實(shí)施例的功能的裝置的框圖如圖24所示。圖24的裝置通過(guò)數(shù)據(jù)庫(kù)A、數(shù)據(jù)庫(kù)0和分組因子數(shù)據(jù)庫(kù)連接于圖17的裝置。圖17的裝置中，登錄不良圖案從圖案1到圖案N的N種。計(jì)算機(jī)②參考數(shù)據(jù)庫(kù)A，計(jì)算圖案i的發(fā)生頻度f(wàn)i。參考成品率信息算出判斷為存在圖案i的所有晶片的平均成品率Yi。另外參考分組因子數(shù)據(jù)庫(kù)，算出不良圖案中沒(méi)有偏差的晶片的頻度f(wàn)R和平均成品率YR。參考數(shù)據(jù)庫(kù)0對(duì)于存在未知圖案的晶片算出頻度f(wàn)x、平均成品率Yx。
計(jì)算機(jī)②用下面的式(公式9)算出因?yàn)閳D案i存在產(chǎn)生的成品率降低量ΔYi。
(公式9)ΔYi＝ΔYR-ΔYi同樣，用下面的式(公式10)算出因?yàn)閳D案產(chǎn)生的成品率降低量ΔYx。
(公式10)ΔYx＝ΔYR-ΔYx并且，用下面的式(公式11)表示由于沒(méi)有圖案i而可期待的整體的成品率改善效果ΔEi。
(公式11)ΔEi＝(fi/fa11)ΔYi同樣，用下面的式(公式12)表示由于沒(méi)有圖案而可期待的整體的成品率改善效果ΔEx。
(公式12)ΔEx＝(fx/fa11)ΔYx下面的式(公式13)表示全部晶片數(shù)。
(公式13)fa11=fR+fx+Σi=1Nfi]]>各總計(jì)結(jié)果寫入數(shù)據(jù)庫(kù)B中。用戶參考數(shù)據(jù)庫(kù)B容易見(jiàn)到影響成品率的不良圖案。
實(shí)際曝光引起的不良圖案因?yàn)槌善仿式档土吭龃?，頻度也多，而判斷為成品率改善效果高。
如上所述，通過(guò)使用該實(shí)施例的方法，容易見(jiàn)到影響成品率的不良圖案。
接著，參考圖25到圖28說(shuō)明第五實(shí)施例。
該實(shí)施例通過(guò)對(duì)照使用第一到第三實(shí)施例的方法自動(dòng)分類的半導(dǎo)體集成電路的不良圖案和裝置履歷信息或QC數(shù)據(jù)信息特定各不良圖案的產(chǎn)生原因。
圖25是表示該實(shí)施例的程序的流程圖。圖26是實(shí)現(xiàn)該實(shí)施例的功能的裝置的框圖。圖26的裝置通過(guò)數(shù)據(jù)庫(kù)A連接于圖17的裝置。
計(jì)算機(jī)③對(duì)照數(shù)據(jù)庫(kù)A的特征量和裝置履歷數(shù)據(jù)，在各工序的每個(gè)裝置中制作圖27所示的度數(shù)分布，并且計(jì)算每個(gè)裝置的特征量的平均值。另外，對(duì)照QC數(shù)據(jù)和特征量，制作圖28所示的分布圖，并且算出各QC數(shù)據(jù)和特征量的相關(guān)系數(shù)。各總計(jì)結(jié)果輸出到數(shù)據(jù)庫(kù)C中。
以這些總計(jì)結(jié)果為基礎(chǔ)，對(duì)于通過(guò)與裝置履歷的對(duì)照求出的平均值超出設(shè)定了裝置間的平均值的差的閾值的裝置，將該工序和裝置名輸出到數(shù)據(jù)庫(kù)C中。通過(guò)與QC數(shù)據(jù)的對(duì)照求出的相關(guān)系數(shù)超出設(shè)定的閾值的情況下，將QC數(shù)據(jù)名輸出到數(shù)據(jù)庫(kù)C中。
在實(shí)際曝光引起不良圖案的特征量中，特定的曝光工序的曝光裝置檢測(cè)出平均值高。判斷為與該曝光工序相關(guān)的QC數(shù)據(jù)有強(qiáng)相關(guān)，可分析不良原因。
如上所屬，通過(guò)本實(shí)施例的方法，可特定不良圖案的發(fā)生原因。
接著，參考圖29到圖32說(shuō)明第六實(shí)施例。
該實(shí)施例考慮以多個(gè)特征量為分量的矢量，在上述矢量構(gòu)成的空間中進(jìn)行不良圖案的識(shí)別，尤其在晶片面內(nèi)進(jìn)行分布的判斷。圖29是在DRAM的晶片處理結(jié)束后測(cè)試晶片上的各芯片中的各比特。該晶片的情況下，產(chǎn)生第一實(shí)施例所述的曝光引起的不良圖案。另外，該不良圖案布置在晶片中央部位。在特定不良產(chǎn)生裝置的觀點(diǎn)上，第一實(shí)施例所述的晶片整個(gè)面上產(chǎn)生的圖案和該實(shí)施例所示的面內(nèi)偏開的分布的圖案即便是相同的曝光引起不良也需要進(jìn)行區(qū)分。因此，可同時(shí)進(jìn)行不良圖案的檢測(cè)和其面內(nèi)分布的判斷。
首先，用第一實(shí)施例的分哈求出曝光引起的不良圖案的特征量。該特征量按每個(gè)掃描曝光方向求出，匯總掃描方向、縫隙方向的特征量用(Sx，Sy)的2維矢量表示。
接著，定義進(jìn)行面內(nèi)分布的判定的特征量。與第二實(shí)施例同樣，設(shè)定環(huán)狀區(qū)域，由相對(duì)晶片半徑r在r/2以下的區(qū)域的平均不良數(shù)目為m1、在r/2以上的區(qū)域的平均不良數(shù)目為m2，用下面的式(公式14)定義該特征量Pr。
(公式14)Pr＝m2/(m1+m2)Pr為不良數(shù)目偏開晶片中央的程度0，相反，越偏向外周，越為1。在晶片整個(gè)面上均等地存在的情況下，為0.5。
對(duì)于存在幾個(gè)不良圖案的晶片，將求出該特征量Pr的結(jié)果示于圖30中。根據(jù)特征量(Sx，Sy)產(chǎn)生曝光引起不良。另外，根據(jù)特征量Pr已知曝光引起不良分別存在于晶片中央、整個(gè)面、外周上。
用特征量(Sx，Sy，Pr)構(gòu)成的3維空間(特征量空間)表示該狀態(tài)的結(jié)果示于圖31中。對(duì)Sx，Sy，Pr設(shè)定各個(gè)閾值，用各閾值劃分的區(qū)域表示面內(nèi)分布分類的曝光引起不良的各模式(晶片中央曝光引起不良、全面曝光引起不良、外周曝光引起不良)。
特征量空間的不良分類在判定條件復(fù)雜化時(shí)有效。不良圖案僅存在于晶片面內(nèi)的一部分上時(shí)，特征量的檢測(cè)靈敏度變差。僅在晶片中央部分存在曝光引起不良時(shí)，特征量與在晶片整個(gè)面上存在時(shí)相比有值減小的傾向。僅存在在晶片外周的情況也同樣。因此，(Sx，Sy)的閾值按Pr變化，使得可降低誤判定。即，特征量空間中，圖31的長(zhǎng)方體的邊在Pr為0和1附近變窄，將圖32所示的區(qū)域作為曝光引起不良的判定區(qū)域。
作為判定面內(nèi)分布的方法，考慮將計(jì)算特征量的重疊區(qū)域自身限定在想判定面內(nèi)分布的區(qū)域。該實(shí)施例的情況下，在r/2環(huán)的內(nèi)側(cè)和外側(cè)的區(qū)域分別進(jìn)行發(fā)射單位的重疊。特征量為線性，即重疊原理成立時(shí)，通過(guò)該方法可進(jìn)行面內(nèi)分布的判定。但是，特征量為非線狀時(shí)，不良圖案的濃淡和特征量的大小不必一致。曝光引起不良的特征量不是線狀，在某區(qū)域內(nèi)不良圖案淡的情況下，值也有變小的傾向，但缺乏定量性，不適用于面內(nèi)分布的判定。特征量未必限于線狀，因此如本實(shí)施例所示，另外設(shè)定判斷面內(nèi)分布的線狀特征量，在特征量空間進(jìn)行判定的方法有效。
如上所述，根據(jù)該實(shí)施例的方法，可高精度地求出曝光引起不良和其面內(nèi)分布。
接著參考圖33到圖38說(shuō)明第七實(shí)施例。
該實(shí)施例對(duì)彼此相似的不良圖案進(jìn)行特征量空間的判定，降低誤判定。圖33是在DRAM的晶片處理結(jié)束后測(cè)定晶片上的各芯片中的各比特。E的晶片產(chǎn)生發(fā)射周期的不良圖案，推定有曝光引起的不良產(chǎn)生原因。另一方面，F(xiàn)的晶片中，不良比特的濃淡按芯片周期重復(fù)，晶片E是另外的圖案。認(rèn)為晶片F(xiàn)的不良圖案因與晶片E不同的原因產(chǎn)生。但是，晶片F(xiàn)的不良圖案根據(jù)第一實(shí)施例的方法按發(fā)射單位重疊時(shí)，將重疊的結(jié)果按比發(fā)射小的芯片周期維持規(guī)則性，認(rèn)為曝光引起不良的特征量(Sx，Sy)為大的值。此時(shí)，晶片F(xiàn)誤判斷為曝光引起不良圖案。
為避免這一點(diǎn)，將F叫做“芯片性不良”，定義芯片性不良的特征量。定義方法如圖34所示。芯片性不良判斷第一實(shí)施例進(jìn)行的發(fā)射單位的重疊數(shù)據(jù)是否具有芯片的周期。即，使用對(duì)掃描曝光的掃描和縫隙方向投射的1維曲線，求出1維曲線的周期性。周期性在1維曲線的自相關(guān)函數(shù)中通過(guò)其第一極小點(diǎn)對(duì)應(yīng)半周期(反相位)來(lái)求出。例如掃描方向(x方向)的1維曲線的自相關(guān)函數(shù)的第一極小點(diǎn)為突起＝Lx時(shí)，按x方向的周期Px＝2Lx求出。x方向的芯片性不良特征量Cx在Px與芯片周期一致時(shí)為最大值1、在發(fā)射周期和周期＝0時(shí)取0，其間線狀插值來(lái)計(jì)算。另外，設(shè)定用于檢測(cè)周期性本身的存在的閾值，在自相關(guān)函數(shù)的第一極小值(負(fù)值)比閾值大時(shí)，沒(méi)有周期性Cx＝0?？p隙方向(y方向)也同樣。這樣，定義芯片性不良的特征量(Cx，Cy)。
在存在幾個(gè)芯片性不良的晶片和不存在的晶片中求(Cx，Cy)的結(jié)果表示于圖35中。Cx，Cy都在閾值以上時(shí)存在芯片性不良。因此，圖35所示區(qū)域G1內(nèi)通過(guò)是否引入(Cx，Cy)判斷有無(wú)芯片性不良。
接著，對(duì)于曝光引起不良的晶片和芯片性不良的晶片球曝光引起不良的特征量(Sx，Sy)的結(jié)果示于圖36中。芯片性不良分布在對(duì)于曝光引起不良的閾值以上的區(qū)域H1中。相反，若是曝光引起不良，芯片性不良的特征量不超出閾值。因此，曝光引起不良和芯片性不良的判別可如下進(jìn)行。
曝光引起不良的條件(Sx，Sy)在區(qū)域H1或H2中，并且H1的情況下，(Cx，Cy)不在區(qū)域G1中。
芯片性不良的條件(Cx，Cy)在區(qū)域G1中。
在矢量(Sx，Sy，Cx，Cy)構(gòu)成的特征量空間中考慮該判別，則為圖37和圖38那樣。首先，如圖35所示，Cy分為在閾值以下的區(qū)域IO和閾值以上的區(qū)域I1。Cy為閾值以下的I0的區(qū)域的情況下(圖37)，不管Cx如何，(Sx，Sy)在H1或H2區(qū)域中，則判斷為曝光引起不良。
另一方面，Cy在閾值以上的I1區(qū)域的情況下(圖38)，若Cx在與支以下，則判斷為H1和H2為曝光引起不良，但Cx在閾值以上，則僅H2位曝光引起不良區(qū)域。這樣，通過(guò)在(Sx，Sy，Cx，Cy)構(gòu)成的特征量空間中進(jìn)行領(lǐng)域判定，可避免相互依賴的曝光引起不良和芯片性不良的混同。
如上所述，通過(guò)在多個(gè)特征量構(gòu)成的特征量空間中進(jìn)行領(lǐng)域判定，確實(shí)識(shí)別彼此不獨(dú)立的不良模式，避免誤判定。
接著，參考圖39到圖44說(shuō)明第八實(shí)施例。
該實(shí)施例對(duì)特征量空間中定義的不良模式提供標(biāo)量的特征量。如第六和第七實(shí)施例所述，n個(gè)特征量構(gòu)成的n維特征量空間中設(shè)定區(qū)域，可通過(guò)以特征量為分量的矢量是否在區(qū)域內(nèi)來(lái)特定模式。通過(guò)根據(jù)情況如圖32或圖38所示設(shè)定復(fù)雜的區(qū)域，可提高模式特定精度。這里判明的是該不良模式的有無(wú)。但是，特征量矢量在判定區(qū)域的閾值附近和位于區(qū)域中央的情況下，認(rèn)為不良模式的“程度”不同(即若在閾值附近，則程度輕)。另外，有時(shí)對(duì)不良模式的發(fā)生狀況進(jìn)行統(tǒng)計(jì)檢測(cè)。此時(shí)，不良模式的存在用1個(gè)數(shù)值表示時(shí)，情況良好。因此，不良模式用還包含該程度來(lái)獲取連續(xù)值的標(biāo)量來(lái)特征量化。
考慮特征量(C1，C2，….Cn)表示的特征量空間C。設(shè)有用C內(nèi)某區(qū)域定義的不良模式A。用1個(gè)連續(xù)的數(shù)值(標(biāo)量化特征量f)表示A。首先，標(biāo)量化特征量被規(guī)格化。即，不良模式A完全不存在的情況下，f＝0，最強(qiáng)烈地存在時(shí)，f＝1，位于閾值以上時(shí)，f＝0.5，其間進(jìn)行插值。為進(jìn)行插值，在C內(nèi)設(shè)定格點(diǎn)，考慮下面的3種集合。
L；表示A完全不存在的狀態(tài)的格點(diǎn)的集合T位于判定A的閾值以上的格點(diǎn)的集合U表示A最強(qiáng)烈地存在的狀態(tài)的格點(diǎn)的集合通過(guò)f的規(guī)格化條件，L以上的格點(diǎn)分配0、T以上的格點(diǎn)分配0.5、U以上的格點(diǎn)分配1。接著，決定任意格點(diǎn)Pi的標(biāo)量化特征量f(Pi)。作為決定方法，例如關(guān)于特征量空間內(nèi)的距離進(jìn)行線狀插值。即，首先判斷Pi是否屬于不良模式A。在屬于A的情況下，按下面的式(公式15)求出，不屬于A的情況下，用下面的式(公式16)求出。
(公式15)f(Pi)＝0.5×(1+/[Tk Pi]/(/[Tk Pi]+/[Pi Uj]))(公式16)f(Pi)＝0.5×/[L1 Pi]/(/[L1 Pi]+/[Pi Tk])這里，L1，Tk，Uj是最接近Pi的L、T、U上的格點(diǎn)，/[Tk Pi]、/[Pi Uj]、/[L1 Pi]、/[Pi Tk]分別表示Tk·Pi之間、Pi·Uj之間、L1·Pi之間、Pi·Tk之間的距離。圖39表示該狀態(tài)。考慮到L1→Pi→Tk或Tk→Pi→Uj的折線，與各線段的長(zhǎng)度相關(guān)進(jìn)行插值。對(duì)于任意點(diǎn)P(C1，C2，…Cn)的f(P)還對(duì)關(guān)于各格點(diǎn)求出的f(Pi)進(jìn)行插值來(lái)求出。作為插值方法，例如用與C1，C2，…Cn相關(guān)的下面的P次多項(xiàng)式(公式17)近似f，系數(shù)a1，a2，….am采用最小二乘法用下面的式(公式18)求出。
(公式17)f(C1，C2，Λ，Cn)＝a1C1p+a2C1p-1C2+A+am(公式18)a1Σi(K1i)2+a2ΣiK1iK2i+···+amΣiK1iKmi=ΣifiK1i]]>a2ΣiK1iK2i+a2Σi(K2i)2+···+amΣiK2iKmi=ΣifiK2i]]>…………amΣiK1iKmia2ΣiK2iKmi+···+amΣi(Kmi)2=ΣifiKmi]]>K1＝C1p，K2＝C1p-1C2，Λ，Km＝1，是與(C1，C2，…Cn)相關(guān)的P次以下的所有項(xiàng)?；蛘邚南噜彽母顸c(diǎn)的值來(lái)插值。
作為簡(jiǎn)單的例子，說(shuō)明在第一實(shí)施例所述的曝光引起不良圖案中采用該實(shí)施例的情況。第一實(shí)施例中，對(duì)掃描曝光的各方向(掃描方向、縫隙方向)求出特征量。這里，將其設(shè)為(C1，C2)。對(duì)于C1，C2，設(shè)定各閾值并進(jìn)行判定，則可按對(duì)掃描曝光的各方向的偏差對(duì)圖案分類。
另一方面，考慮曝光引起不良整體，存在對(duì)其使用統(tǒng)計(jì)檢測(cè)的情況。此時(shí)，與曝光引起不良的存在用(C1，C2)的2維矢量表示相比，例如用稱為f的標(biāo)量記述時(shí)，狀態(tài)好的情況居多。例如，對(duì)于成品率(＝標(biāo)量)，有進(jìn)行統(tǒng)計(jì)的檢測(cè)的程序時(shí)，將成品率置換為標(biāo)量化特征量f，則可使用相同的程序進(jìn)行曝光引起不良整體的檢測(cè)。
此時(shí)的特征量空間的狀態(tài)如圖40所示。C1，C2的閾值都為0.4，至少之一超出0.4時(shí)，判斷為有曝光引起不良。因此，圖40的斜線部分表示曝光引起不良整體。該特征量空間中如圖41所示按0.1的間隔設(shè)定格點(diǎn)。接著，決定屬于用于進(jìn)行上述的插值的L，T，U的格點(diǎn)。L對(duì)應(yīng)C1，C2都為0的狀態(tài)。作為U考慮各種對(duì)應(yīng)方法，但掃描方向的偏差單獨(dú)最強(qiáng)烈地存在時(shí)(C1＝1，C2為任意)、方向的偏差單獨(dú)最強(qiáng)烈地存在時(shí)(C2＝1，C1為任意)認(rèn)為是存在彼此對(duì)等地最強(qiáng)烈的曝光引起不良的狀態(tài)。因此，屬于它們的格點(diǎn)為U。T可偏開位于曝光引起不良有/無(wú)邊界上的格點(diǎn)。這些表示于圖42中。
設(shè)定格點(diǎn)，則機(jī)械地采用(公式15)～(公式18)公式，在特征量空間內(nèi)定義標(biāo)量化特征量f(C1，C2)。將該結(jié)果表示于圖42中。在L上f＝0、在U上f＝1、在T附近f＝0.5，其間連續(xù)進(jìn)行插值。圖42用關(guān)于C1，C2的4次多項(xiàng)式表示。由此，2維矢量(C1，C2)表示的曝光引起不良整體的存在也包含該程度用叫做f(C1，C2)的標(biāo)量定量化。
該實(shí)施例的方法在使區(qū)域設(shè)定復(fù)雜化時(shí)尤其有效。如圖32所示，對(duì)應(yīng)面內(nèi)分布校正閾值時(shí)，可機(jī)械穩(wěn)定標(biāo)量化特征量f(Sx，Sy，Pr)。即如下采用L(Sx，Sy，Pr)＝(0，0，t)，為0≤t≤1的直線上的格點(diǎn)U為Sx＝1或Sy＝1的平面上的格點(diǎn)T校正的閾值曲面上的格點(diǎn)如圖37和圖38所示，4維空間(Sx，Sy，Cx，Cy)內(nèi)設(shè)定區(qū)域的不良模式全部同樣。
通過(guò)組合特征量空間，可考慮復(fù)雜模式分類。例如，組合圖32，圖37和圖38考慮用(Sx，Sy，Cx，Cy.Pr)表示的5維特征量空間。該空間的區(qū)域設(shè)定中考慮● 曝光引起不良● 曝光引起不良的面內(nèi)分布● 面內(nèi)分布產(chǎn)生的曝光引起不良的判定閾值校正● 芯片性不良● 芯片性不良產(chǎn)生的曝光引起不良的判定閾值校正Pr產(chǎn)生的閾值校正作為按某一定比例減少的操作，對(duì)于(Cx，Cy)的閾值校正也按同樣比率進(jìn)行。利用該區(qū)域設(shè)定，例如可考慮下面的不良模式分類● 曝光引起不良整體● 面內(nèi)均勻的曝光引起不良● 面內(nèi)不均勻的曝光引起不良● 晶片中央偏開型曝光引起不良● 晶片外周偏開型曝光引起不良
● 掃描方向偏開型曝光引起不良● 縫隙方向偏開型曝光引起不良● 芯片性不良此外，可考慮細(xì)致的模式分類(例如晶片中央偏開型掃描方向偏開型曝光引起不良等)。對(duì)各不良模式設(shè)定U，T，L，則可機(jī)械定義標(biāo)量化特征量。例如，圖44表示面內(nèi)均勻曝光引起不良的情況。圖44作為(Cx，Cy)在閾值以下的區(qū)域表示出(Sx，Sy，Pr)的3個(gè)軸。一般地，U和L容易在記述該模式的特征量的取值范圍內(nèi)決定。圖44的情況下，采用Sx＝1或Sy＝1的平面上，以及Pr＝0.5的直線上的格點(diǎn)。L也可在(Sx，Sy)＝0的直線上選取。T可參考周圍格點(diǎn)的模式判定結(jié)果，分配給判定改變的位置的格點(diǎn)。
這樣，可對(duì)各不良模式機(jī)械地定義標(biāo)量化特征量。標(biāo)量化特征量容易組裝到將第四和第五實(shí)施例所示的標(biāo)量作為對(duì)象的統(tǒng)計(jì)處理系統(tǒng)中。其結(jié)果，可特定各不良模式的成品率改善效果和不良發(fā)生裝置。這樣，通過(guò)導(dǎo)入特征量空間，在多矢量空間中還原不良圖案，容易進(jìn)行定量化及統(tǒng)計(jì)處理。
如上所述，特征量空間內(nèi)新定義標(biāo)量的特征量，可對(duì)復(fù)雜的模式分類機(jī)械地進(jìn)行定量化。
如上說(shuō)明那樣，根據(jù)本發(fā)明，通過(guò)將半導(dǎo)體集成電路的不良圖案重疊在表示其對(duì)稱性或周期性的重復(fù)單位上進(jìn)行強(qiáng)調(diào)后，通過(guò)特征量化可高靈敏度地自動(dòng)檢測(cè)到該不良圖案。另外，通過(guò)對(duì)照表示空間地偏開存在的不良的偏離程度的特征量和表示存在預(yù)先假定的不良圖案的特征量，自動(dòng)檢測(cè)出預(yù)先未假定的不良圖案的存在。通過(guò)在用多個(gè)特征量的組合表示的特征量空間的區(qū)域中判定不良模式，可高精度地進(jìn)行不良圖案的詳細(xì)分類，另外，對(duì)于進(jìn)行了復(fù)雜的條件設(shè)定的不良圖案，由于可機(jī)械地定義標(biāo)量的特征量，因此可容易地進(jìn)行定量化和統(tǒng)計(jì)處理。
權(quán)利要求
1.一種半導(dǎo)體集成電路的不良檢測(cè)方法，其特征在于具有提取半導(dǎo)體晶片上形成的集成電路的不良的位置信息的第一工序；按上述半導(dǎo)體晶片面內(nèi)的空間重復(fù)單位重疊上述位置信息的第二工序；從通過(guò)該重疊計(jì)算出的數(shù)據(jù)算出表示空間重復(fù)性不良的程度的特征量的第三工序。
2.根據(jù)權(quán)利要求1所述的半導(dǎo)體集成電路的不良檢測(cè)方法，其特征在于具有在實(shí)施上述第二工序之前從上述第一工序提取的上述位置信息去除異常位置信息的工序。
3.根據(jù)權(quán)利要求2所述的半導(dǎo)體集成電路的不良檢測(cè)方法，其特征在于由上述第一工序提取的上述位置信息的總計(jì)相對(duì)周圍的位置信息大時(shí)，作為上述異常位置信息。
4.根據(jù)權(quán)利要求1所述的半導(dǎo)體集成電路的不良檢測(cè)方法，其特征在于具有設(shè)定閾值的工序，對(duì)照上述閾值和上述特征量判斷上述空間重復(fù)性不良。
5.根據(jù)權(quán)利要求1所述的半導(dǎo)體集成電路的不良檢測(cè)方法，其特征在于具有預(yù)先設(shè)定上述空間重復(fù)性不良的工序、算出表示空間地偏開存在的不良的偏離程度的特征量的工序，未檢測(cè)到表示上述預(yù)先設(shè)定的空間重復(fù)性不良的存在的特征量并且存在按表示上述空間地偏開存在的不良的偏離程度的特征量檢測(cè)出的不良的情況下，判斷為上述預(yù)先設(shè)定的空間重復(fù)性不良以外的不良。
6.根據(jù)權(quán)利要求1所述的半導(dǎo)體集成電路的不良檢測(cè)方法，其特征在于在由以2個(gè)以上的特征量作為分量的矢量構(gòu)成的多矢量空間中，上述多矢量空間內(nèi)，設(shè)定針對(duì)1個(gè)不良模式的區(qū)域，通過(guò)對(duì)照上述區(qū)域和以上述特征量為分量的矢量，判斷存在上述不良模式。
7.根據(jù)權(quán)利要求6所述的半導(dǎo)體集成電路的不良檢測(cè)方法，其特征在于對(duì)于用設(shè)定在上述多矢量空間內(nèi)的區(qū)域表示的不良模式，計(jì)算出標(biāo)量的特征量。
8.根據(jù)權(quán)利要求7所述的半導(dǎo)體集成電路的不良檢測(cè)方法，其特征在于上述標(biāo)量的特征量的計(jì)算方法是在上述多矢量空間內(nèi)設(shè)定上述不良模式的程度上限、下限和閾值區(qū)域，將標(biāo)量分配給上述上限、下限和閾值區(qū)域，通過(guò)對(duì)上述上限、下限和閾值區(qū)域插值來(lái)算出任意點(diǎn)的特征量。
9.根據(jù)權(quán)利要求8所述的半導(dǎo)體集成電路的不良檢測(cè)方法，其特征在于上述插值方法是關(guān)于上述多矢量空間內(nèi)的距離進(jìn)行線性插值。
10.根據(jù)權(quán)利要求6所述的半導(dǎo)體集成電路的不良檢測(cè)方法，其特征在于上述2個(gè)以上的特征量至少包含表現(xiàn)不良模式的種類的特征量和表現(xiàn)晶片面內(nèi)的出現(xiàn)位置的特征量。
11.一種半導(dǎo)體集成電路的不良檢測(cè)裝置，其特征在于具有提取半導(dǎo)體晶片上形成的集成電路的不良的位置信息的第一計(jì)算部；按上述半導(dǎo)體晶片面內(nèi)的空間重復(fù)單位重疊上述位置信息的第二計(jì)算部；從通過(guò)該重疊計(jì)算出的數(shù)據(jù)算出表示空間重復(fù)性不良的程度的特征量的第三計(jì)算部。
12.根據(jù)權(quán)利要求11所述的半導(dǎo)體集成電路的不良檢測(cè)裝置，其特征在于具有從上述第一計(jì)算部提取的上述位置信息去除異常位置信息的第四計(jì)算部。
13.根據(jù)權(quán)利要求11所述的半導(dǎo)體集成電路的不良檢測(cè)裝置，其特征在于具有由上述第一計(jì)算部提取的上述位置信息的總計(jì)相對(duì)上述位置信息周圍的位置信息大時(shí)，判定為上述異常位置信息的第五計(jì)算部。
14.根據(jù)權(quán)利要求11所述的半導(dǎo)體集成電路的不良檢測(cè)裝置，其特征在于具有設(shè)定閾值的第六計(jì)算部，上述第三計(jì)算部對(duì)照上述閾值和上述特征量判斷上述空間重復(fù)性不良。
15.根據(jù)權(quán)利要求11所述的半導(dǎo)體集成電路的不良檢測(cè)裝置，其特征在于具有預(yù)先設(shè)定上述空間重復(fù)性不良的第七計(jì)算部；算出表示空間地偏開存在的不良的偏離程度的特征量的第八計(jì)算部；第九計(jì)算部，在未檢測(cè)到上述第七計(jì)算部設(shè)定的表示上述空間重復(fù)性不良的存在的特征量并且存在按表示上述第八計(jì)算部算出的空間地偏開存在的不良的偏離程度的特征量檢測(cè)出的不良的情況下，判斷為上述第七計(jì)算部設(shè)定的上述空間重復(fù)性不良以外的不良。
全文摘要
一種不良圖案檢測(cè)方法和不良圖案檢測(cè)裝置,高靈敏度地自動(dòng)檢測(cè)出不良圖案以及預(yù)先未假定的不良圖案。通過(guò)將半導(dǎo)體集成電路的不良圖案重疊在表示其對(duì)稱性或周期性的重復(fù)單位上來(lái)進(jìn)行強(qiáng)調(diào)后,作為特征量自動(dòng)檢測(cè)出。通過(guò)對(duì)照表示空間地偏開存在的不良的偏離程度的特征量和表示預(yù)先假定的存在不良圖案的特征量,自動(dòng)檢測(cè)出預(yù)先未假定的不良圖案的存在。在由以2個(gè)以上的特征量為分量的矢量構(gòu)成的多矢量空間中,在上述多矢量空間內(nèi)設(shè)定針對(duì)1個(gè)不良模式的區(qū)域。通過(guò)對(duì)照上述區(qū)域和以上述特征量為分量的矢量,可判斷上述不良模式的存在。
文檔編號(hào)G01N21/956GK1384538SQ0212333
公開日2002年12月11日 申請(qǐng)日期2002年3月29日 優(yōu)先權(quán)日2001年3月29日
發(fā)明者松下宏, 光武邦寬, 牛久幸廣 申請(qǐng)人:株式會(huì)社東芝