半導体欠陥分類装置及び半導体欠陥分類方法
【課題】 分類精度が高く、且つ処理効率が高い半導体欠陥分類方法を提供する。
【解決手段】 半導体欠陥分類方法は、検査対象物上に存在する欠陥を検出する第１のステップ（Ｓ０１）と、検出した欠陥を分類して複数の母集団を形成する第２のステップ（Ｓ０２）と、各母集団ごとにサンプリングプランを立てる第３のステップ（Ｓ０３）と、各母集団に属する欠陥をそれぞれサンプリングプランにしたがってサンプリングする第４のステップ（Ｓ０４）と、各母集団に属する総欠陥数に対するサンプリングした欠陥の個数の割合をそれぞれ算出する第５のステップ（Ｓ０５）と、サンプリングされた欠陥を自動分類する第６のステップ（Ｓ０６）と、自動分類された欠陥の個数を、それぞれ各母集団に属する総欠陥数に対するサンプリングした欠陥の個数の割合で除する第７のステップ（Ｓ０７）とからなる。
【解決手段】 半導体欠陥分類方法は、検査対象物上に存在する欠陥を検出する第１のステップ（Ｓ０１）と、検出した欠陥を分類して複数の母集団を形成する第２のステップ（Ｓ０２）と、各母集団ごとにサンプリングプランを立てる第３のステップ（Ｓ０３）と、各母集団に属する欠陥をそれぞれサンプリングプランにしたがってサンプリングする第４のステップ（Ｓ０４）と、各母集団に属する総欠陥数に対するサンプリングした欠陥の個数の割合をそれぞれ算出する第５のステップ（Ｓ０５）と、サンプリングされた欠陥を自動分類する第６のステップ（Ｓ０６）と、自動分類された欠陥の個数を、それぞれ各母集団に属する総欠陥数に対するサンプリングした欠陥の個数の割合で除する第７のステップ（Ｓ０７）とからなる。
【発明の詳細な説明】
【０００１】
【発明の属する技術分野】本発明は、半導体欠陥分類装置及び半導体欠陥分類方法に係わり、欠陥の母集団あるいは分類種ごとに設定した異なるサンプル率にしたがって、欠陥をサンプリング及びノーマライズすることにより、高分類精度及び高処理効率で欠陥を分類する半導体欠陥分類技術に係わる。
【０００２】
【従来の技術】一般に半導体装置の製造工程において形成されるパターン形状の欠陥は、歩留まりを左右する要因の一つである。集積密度の低い半導体装置では、回路動作に支障がない程度の小さな欠陥であっても、昨今の集積密度の高い半導体装置においては、様々な不良原因となってしまう。なぜなら、パターン寸法が縮小されて、パターン形状に対する欠陥の大きさが拡大されるからである。したがって、パターン形状の欠陥は、歩留まりの低下の要因として大きな割合を占めるようになってきている。
【０００３】製造工程において形成されるパターンの欠陥を種類別に分類し、種類別に欠陥の分布を特定することは、欠陥の発生原因を特定して歩留まりを向上させる上で非常に重要な技術である。しかし、ウェハあるいはチップなどに存在する大小無数の欠陥を総て分類することは現実的に不可能である。一般的な分類の方法は、ウェハ、チップなどから検出された欠陥（大きな母集団）の中から無作為にサンプリングを行い、サンプリングされた欠陥を分類する。そして、ノーマライズを行い、大きな母集団の欠陥の分布を推測する。そして、大きな母集団に属する欠陥を分類して複数の欠陥の母集団が形成される。この各母集団に属する欠陥に対してさらに詳細な分類がそれぞれ行われる。
【０００４】通常、各母集団に属する欠陥を分類する方法は、ＡＤＣ装置（Auto Defect Classification 装置：自動欠陥分類装置）が自動的に分類する方法と、人間がマニュアルで分類する方法の２種類に大別される。ＡＤＣ装置による自動分類は人間によるマニュアル分類に対して一般的にスループットが高いため、多数の欠陥を分類することが可能である。しかし、ＡＤＣ装置は人間がトレーニングを行っているため、マニュアル分類の精度を超えることがない。一方、人間によるマニュアル分類は分類精度がＡＤＣに対して高いがスループットが低い。
【０００５】また、サンプリングは、サンプリングプランにしたがって行われる。サンプリングプランには様々な種類がある。また、２つ以上のサンプリングプランを組み合わせて設定することができる。例えば、「全欠陥の１０％、最大１００個」、「１チップに存在する欠陥の２０％、最大５０個」、「１クラスタ欠陥に対して最大２個」などがある。このような様々なサンプリングプランを利用して、複数の母集団について異なるサンプリングプランを設定することは、効率よく欠陥を分類するために必須となっている。したがって、母集団に属する総欠陥数に対するサンプリングされた欠陥数、つまりサンプル率は各母集団ごとにより異なる。
【０００６】
【発明が解決しようとする課題】しかし、従来の欠陥分類方法におけるノーマライズ方法は次式で表される。次式は、母集団ｉからサンプリングされた欠陥のうち、分類種ｊに分類された欠陥の個数（Ｘ）から、母集団ｉの分類種ｊに分類される全欠陥数（Ｙ）を推測する計算式である。次式において、全母集団からサンプリングされた総欠陥数とは、各母集団からそれぞれサンプリングされた欠陥を総て足し合わせた個数の意である。大きな母集団に属する総欠陥数とは、複数の母集団のまとまりである大きな母集団に属する欠陥の個数の意である。つまり、大きな括弧の中は、大きな母集団のサンプル率を示している。
【０００７】Ｙ ＝ Ｘ÷{（全母集団からサンプリングされた総欠陥数）÷（大きな母集団に属する総欠陥数）}上式によれば、分類種ｊに分類された欠陥の個数（Ｘ）を、大きな母集団のサンプル率で除して、母集団ｉの分類種ｊに分類される全欠陥数（Ｙ）をノーマライズしている。また、母集団ｉのサンプル率は、母集団ごとに異なる。つまり、各母集団のサンプリングプラン及びサンプル率を無視してノーマライズを行うことになる。したがって、上式のノーマライズ方法では、サンプリング時のサンプリング率と、ノーマライズ時のサンプル率が異なる可能性がある。したがって、正確なノーマライズを行うことができず、歪んだ分類結果を算出してしまう惧れがある。
【０００８】また、自動分類した欠陥に対してマニュアル分類を行う場合、自動分類の分類種ごとに異なるサンプル率を設定するような「自動分類の分類結果を利用したサンプリングプラン」を設定していない。そのため、ＡＤＣ装置が分類する分類種において分類精度の比較的低い分類種、もしくは分類不可能な分類種に属する欠陥を、重点的にマニュアル分類するための能動的なサンプリングを行うことができなかった。また、自動分類の分類種ごとにサンプリングプランを設定しても、上述したように、従来のノーマライズ方法は分類種ごとに設定されたサンプリングプランを考慮していないため、歪んだ分類結果を算出してしまう。
【０００９】さらに、自動分類とマニュアル分類の両方の分類方法を行っているにも関わらず、両方の分類結果を統合していないため、ＡＤＣ装置の苦手な分類種をマニュアル分類で補うことができなかった。
【００１０】本発明はこのような従来技術の問題点を解決するために成されたものであり、その目的は、分類精度が高く、且つ処理効率が高い半導体欠陥分類装置、及び半導体欠陥分類方法を提供することである。
【００１１】本発明の他の目的は、母集団ごとあるいは分類種ごとの総欠陥数を、歪みなく予測することができる半導体欠陥分類装置及び半導体欠陥分類方法を提供することである。
【００１２】本発明のさらに他の目的は、自動分類の分類精度をマニュアル分類で補う、能動的な欠陥分類を行うことができる半導体欠陥分類装置及び半導体欠陥分類方法を提供することである。
【００１３】本発明のさらに他の目的は、迅速なラインモニタリングを行い、有意なスペック判定を行うことができる半導体欠陥分類装置及び半導体欠陥分類方法を提供することである。
【００１４】
【課題を解決するための手段】上記目的を達成するため、本発明の第１の特徴は、ウェハやチップなどの検査対象物上に存在する欠陥を検出して、検出した欠陥を分類して複数の母集団を形成する欠陥検査装置と、母集団に属する欠陥を自動分類する自動欠陥分類装置と、欠陥管理サーバとから少なくともなる半導体欠陥分類装置であることである。また、欠陥管理サーバは、各母集団ごとにサンプリングプランを立てる機能と、各母集団に属する欠陥をそれぞれサンプリングプランにしたがってサンプリングする機能と、各母集団に属する総欠陥数に対するサンプリングされた欠陥の個数の割合をそれぞれ算出する機能と、自動分類された欠陥の個数をそれぞれ各母集団に属する総欠陥数に対するサンプリングした欠陥の個数の割合で除する機能とを少なくとも有することを特徴とする。
【００１５】本発明の第１の特徴によれば、異なる母集団で異なるサンプリングプランを設定してサンプリングを行い、各母集団に属する総欠陥数に対するサンプリングされた欠陥の個数の割合（自動分類サンプル率）が各母集団ごとで異なる場合であっても、自動分類された各分類種に属する欠陥数を、各母集団ごとに異なる自動分類サンプル率で除することにより、各母集団の各分類種に属する欠陥数を高い精度で推測することができる。したがって、スループットの高い自動欠陥分類装置を用いて、分類精度が高く且つ分類効率の高い欠陥分類を行うことができる。
【００１６】本発明の第１の特徴において、半導体分類装置は、母集団に属する欠陥をマニュアル分類する手動欠陥分類装置をさらに有することが望ましい。さらに、欠陥管理サーバは、自動分類の各分類種ごとにサンプル率を設定する機能と、自動分類の各分類種に属する欠陥をサンプル率にしたがってサンプリングする機能と、マニュアル分類された欠陥の個数を、各サンプル率で除して自動分類された欠陥の個数をそれぞれ算出する機能とをさらに有することが望ましい。自動欠陥分類装置で分類不可能な欠陥や自動欠陥分類装置の分類精度が低い分類種に対して高いサンプル率を設定してサンプリングを行い、自動分類よりも分類精度が高い手動欠陥分類装置でサンプリングされた欠陥を分類することで、自動欠陥分類装置で分類不可能な欠陥や自動欠陥分類装置の分類精度が低い分類種に対して重点的にマニュアル分類を行うことができる。さらに、各分類種ごとのサンプル率にしたがって、自動分類された欠陥の個数をそれぞれ算出することにより、自動分類の分類精度をマニュアル分類で補った、さらに精度の高い欠陥分類を行うことができる。
【００１７】また、欠陥管理サーバが有する自動分類の各分類種ごとにサンプル率を設定する機能は、自動分類した総ての欠陥をマニュアル分類した欠陥において、自動分類で分類種ｊと判定された欠陥のうち、マニュアル分類も分類種ｊと判定した欠陥の個数を、自動分類で分類種ｊと判定した欠陥の個数で除して各分類種の分類精度をそれぞれ算出する手段と、１から各分類精度をそれぞれ引いて、自動分類の各分類種ごとのサンプル率をそれぞれ算出する手段とからなることが望ましい。
【００１８】さらに、欠陥管理サーバは、自動分類の分類結果とマニュアル分類の分類結果を統合する機能をさらに有することが望ましい。そして、本発明の第１の特徴に係わる半導体欠陥分類装置は、統合された分類結果を表示する入出力装置をさらに有することが望ましい。統合された分類結果を入出力装置を使用して製造ライン上の複数箇所で表示することにより、ラインモニターの役割を果たすことができる。また、本発明の第１の特徴に係わる半導体欠陥分類装置は、分類結果が所定の規格値を超えた場合に警告を表示する自動警告装置をさらに有することが望ましい。欠陥の分布が所定の規格値を超えた場合に自動警告装置で警告を表示することで、製造ラインのスペック管理を行うことができる。
【００１９】本発明の第２の特徴は、検査対象物上に存在する欠陥を検出する第１のステップと、検出した欠陥を分類して複数の母集団を形成する第２のステップと、各母集団ごとにサンプリングプランを立てる第３のステップと、各母集団に属する欠陥をそれぞれサンプリングプランにしたがってサンプリングする第４のステップと、各母集団に属する総欠陥数に対するサンプリングした欠陥の個数の割合をそれぞれ算出する第５のステップと、サンプリングされた欠陥を自動分類する第６のステップと、自動分類された欠陥の個数を、それぞれ各母集団に属する総欠陥数に対するサンプリングした欠陥の個数の割合で除する第７のステップとから少なくともなる半導体欠陥分類方法であることである。
【００２０】本発明の第２の特徴によれば、異なる母集団で異なるサンプリングプランを設定してサンプリングを行い、各母集団に属する総欠陥数に対するサンプリングされた欠陥の個数の割合（自動分類サンプル率）が各母集団ごとで異なる場合であっても、自動分類された各分類種に属する欠陥数を、各母集団ごとに異なる自動分類サンプル率で除することにより、各母集団の各分類種に属する欠陥数を高い精度で推測することができる。したがって、自動分類をスループットの高い計算機を用いて行うことにより、分類精度が高く且つ分類効率の高い欠陥分類を行うことができる。
【００２１】本発明の第２の特徴において、第６のステップと第７のステップの間に、自動分類の各分類種ごとにサンプル率を設定するステップと、自動分類の各分類種に属する欠陥をサンプル率にしたがってサンプリングするステップと、サンプリングされた欠陥をマニュアル分類するステップと、マニュアル分類された欠陥の個数を、各サンプル率で除して自動分類された欠陥の個数をそれぞれ算出するステップとをさらに有することが望ましい。自動分類することが不可能な欠陥や自動分類の分類精度が低い分類種に対して高いサンプル率を設定してサンプリングを行い、自動分類よりも分類精度が高いマニュアル分類でサンプリングされた欠陥を分類することで、自動分類で分類不可能な欠陥や自動分類の分類精度が低い分類種に対して重点的にマニュアル分類を行うことができる。さらに、各分類種ごとのサンプル率にしたがって、自動分類された欠陥の個数をそれぞれ算出することにより、自動分類の分類精度をマニュアル分類で補った、さらに精度の高い欠陥分類を行うことができる。
【００２２】また、自動分類の各分類種ごとにサンプル率を設定するステップは、自動分類した総ての欠陥をマニュアル分類する過程と、自動分類で分類種ｊと判定された欠陥のうち、マニュアル分類も分類種ｊと判定した欠陥の個数を、自動分類で分類種ｊと判定した欠陥の個数で除して各分類種の分類精度をそれぞれ算出する過程と、１から各分類精度をそれぞれ引いて、自動分類の各分類種ごとのサンプル率をそれぞれ算出する過程とからなることが望ましい。
【００２３】さらに、第２のステップにおいて形成する複数の母集団は、ランダム欠陥とクラスタ欠陥とからなることが望ましい。また、第２のステップにおいて、検査対象物上に検出された欠陥の分布形状の違いにより欠陥を分類してもよい。
【００２４】さらに、自動分類の分類結果とマニュアル分類の分類結果を統合して表示するステップをさらに有することが望ましい。統合された分類結果を製造ライン上の複数箇所で表示することにより、ラインモニターの役割を果たすことができる。また、分類結果が所定の規格値を超えた場合に警告を表示するステップをさらに有することが望ましい。製造ラインのスペック管理を行うことができる。
【００２５】
【発明の実施の形態】（第１の実施の形態）以下図面を参照して、本発明の実施の形態を説明する。図１は、本発明の第１の実施の形態に関わる半導体欠陥分類装置の構成を示すブロック図である。図１に示すように、本発明の第１の実施の形態に係わる半導体欠陥分類装置は、ウェハやチップなどの検査対象物上に存在する欠陥を検出して、検出した欠陥を分類して複数の母集団を形成する欠陥検査装置１と、母集団に属する欠陥を自動分類する自動欠陥分類装置（以後、「ＡＤＣ装置」という）３と、欠陥管理サーバ２とから少なくとも構成される。また、欠陥管理サーバ２は、各母集団ごとにサンプリングプランを立てる機能と、各母集団に属する欠陥をそれぞれサンプリングプランにしたがってサンプリングする機能と、各母集団に属する総欠陥数に対するサンプリングされた欠陥の個数の割合をそれぞれ算出する機能と、自動分類された欠陥の個数をそれぞれ各母集団に属する総欠陥数に対するサンプリングした欠陥の個数の割合で除する機能とを少なくとも有する。
【００２６】欠陥検査装置１は、検査対象物上に形成されたパターン中に存在する欠陥を検出する装置である。ここで、「欠陥」とは、半導体ウェハー上のダストや半導体結晶中の結晶欠陥の意だけでなく、半導体基板上に形成される回路パターンの形状異常を含む。また、欠陥検査装置１は、検出された欠陥がランダム欠陥なのか、それともクラスタ欠陥なのかを分類する。以後、この欠陥検査装置１が行う分類を「クラスタリング」という。ここで、ランダム欠陥は、検査対象物上に検出された欠陥が所定の間隔をおいて配置されている状態の欠陥である。一方、クラスタ欠陥は、ウェハ上に形成された欠陥が局所的に密集している状態の欠陥である。
【００２７】欠陥管理サーバ２は、欠陥検査装置１により検出された欠陥について、検査対象物上での欠陥の座標、また欠陥の大きさなどの欠陥情報を保存する。また、クラスタリングの結果も、分類情報として欠陥情報とともに保存する。さらに、保存を行おう際に、過去の工程において同一検査対象の同一座標に欠陥が存在していた場合は、その欠陥を「キャリーオーバー」、それ以外の場合を「アダー」として、欠陥情報及び分類情報と共に保存する。また、欠陥管理サーバ２は、欠陥検査装置１、ＡＤＣ装置３に接続されて、各装置の機能を制御する。
【００２８】ＡＤＣ装置３は、クラスタリングされた欠陥をさらに詳細に分類する。具体的には、配線領域に存在するランダム欠陥を次の４つの分類種に分類する。まず第１の分類種は、隣接する配線を電気的に導通させてしまっている欠陥、つまりショート不良を生じている欠陥が属する分類種である。第２の分類種は、配線と重なりその配線を切断している欠陥、つまりオープン不良を生じている欠陥が属する分類種である。第３の分類種は、配線領域に存在するが、回路動作に影響を与えない欠陥、つまり不良を生じない欠陥が属する分類種である。そして、第４の分類種は、第１乃至第３の分類種に分類することができない欠陥、つまり分類不可能な欠陥が属する分類種である。
【００２９】次に、図１に示した半導体欠陥分類装置を用いた半導体欠陥分類方法について、図２に示したフローチャートを参照して説明する。
【００３０】（イ）まず最初に、ステップＳ０１において、ウェハあるいはチップ上に存在する欠陥を欠陥検査装置１を用いて検出する。欠陥検査装置１は、例えば、形成したいパターンが描画された参照パターンと検査対象上に形成されたパターンを比較し、相違する部分を欠陥として検出する。検出された各欠陥について、欠陥の存在する座標及び欠陥の大きさなどの欠陥情報が欠陥検査装置１から欠陥管理サーバ２に送信され保存される。
【００３１】（ロ）次に、ステップＳ０２において、欠陥検査装置１を用いて検出した欠陥を分類（クラスタリング）して、ランダム欠陥とクラスタ欠陥の２つの母集団を形成する。分類された欠陥について、ランダム欠陥であるかクラスタ欠陥であるかの分類情報が欠陥情報とともに欠陥管理サーバ２に保存される。表１は、欠陥情報及び分類情報の一例を示す。また、表１は、欠陥情報及び分類情報の一部として、検出された総欠陥数、及びそのうちのランダム欠陥数とクラスタ欠陥数を示す。表１において、検出された総欠陥数（大きな母集団）は３０００個であり、このうち、ランダム欠陥数（母集団）が１０００個、クラスタ欠陥数（母集団）が２０００個である。
【００３２】
【表１】
（ハ）次に、ステップＳ０３において、各母集団ごとに自動分類を行うためのランプリングプランを立てる。また、クラスタリング後の欠陥の分布状況、ＡＤＣ装置３の処理能力、及び欠陥検査装置１のクラスタリング精度などの要因を考慮して、サンプリングプランを立てる。表１に示したクラスタリング結果に対して立てられた各母集団のサンプリングプランの一例を表２に示す。
【００３３】
【表２】
表２に示すように、ランダム欠陥とクラスタ欠陥について、それぞれ異なるサンプリングプランを立てる。また、１つのサンプリングプランのなかに、複数のプランを組み合わせることができる。ランダム欠陥のサンプリングプランは、「０．３（３０％）且つ、最大２００個」である。ランダム欠陥（母集団）から無作為にサンプリングを行い、母集団の３０％をサンプリングするか、サンプリングした欠陥の個数が２００個になった時点で、サンプリングを終了する。同様に、クラスタ欠陥のサンプリングプランは、「０．０５（５％）且つ、最大２００個」である。クラスタ欠陥（母集団）から無作為にサンプリングを行い、母集団の５％をサンプリングするか、サンプリングした欠陥の個数が２００個になった時点で、サンプリングを終了する。
【００３４】（ニ）次に、ステップＳ０４において、各母集団に属する欠陥をそれぞれ各母集団のサンプリングプランにしたがってサンプリングする。ここでのサンプリングは母集団から無作為に欠陥を選び出すランダムランプリングである。サンプリングは、ランダム欠陥及びクラスタ欠陥についてそれぞれ行われる。表２に示したサンプリングプランにしたがって、表１に示した欠陥の母集団に対してサンプリングされた欠陥（以後、「自動分類サンプル欠陥」という）の個数を表３に示す。
【００３５】
【表３】
表３に示すように、ランダム欠陥について自動分類サンプル欠陥の個数は２００個であり、クラスタ欠陥について自動分類サンプル欠陥の個数は１００個である。これは、表２に示した各サンプリングプランのうち、ランダム欠陥は「最大２００個」、及びクラスタ欠陥は１００個／２０００個＝「０．０５（５％）」のプランをそれぞれ採用していることを示している。
【００３６】（ホ）次に、ステップＳ０５において、各母集団に属する総欠陥数に対する表３に示した自動分類サンプル欠陥の個数の割合（以後、これを「自動分類サンプル率」という）をそれぞれ算出する。この処理は欠陥管理サーバ１０２を用いて行われる。各母集団の自動分類サンプル率は次式で求められる。
【００３７】自動分類サンプル率（ｉ）＝（自動分類サンプル欠陥の個数（ｉ））÷（母集団ｉの総欠陥数）
ここで、ｉはランダム欠陥あるいはクラスタ欠陥を示す。算出されたランダム欠陥及びクラスタ欠陥の自動分類サンプル率を表４に示す。また、自動分類サンプル率は欠陥管理サーバ２に送信され保存される。
【００３８】
【表４】
（へ）次に、ステップＳ０６において、ＡＤＣ装置１０３を用いて、自動分類サンプル欠陥を自動分類する。その際、各自動分類サンプル欠陥がどの母集団よりサンプリングされたものであるかがわかるようにしておく必要がある。それには、サンプル欠陥の欠陥情報及び分類情報を欠陥管理サーバ２からＡＤＣ装置３に転送すればよい。表５は、自動分類の分類結果の一例を示す。表５では、各母集団について、分類種１、分類種２、分類種３、分類種４（分類不能）の４種類に欠陥を分類した結果を示している。分類種４（分類不能）は、、ＡＤＣ装置が自動分類を試みたが分類することができなかった欠陥が属する分類種である。表５に示した自動分類サンプル欠陥の分類情報は欠陥管理サーバ２に送信され保存される。
【００３９】
【表５】
（ト）次に、ステップＳ０７において、自動分類された自動分類サンプル欠陥の個数を、各自動分類種についてそれぞれ各母集団の自動分類サンプル率で除する。つまり、表５に示した各自動分類種に属する自動分類サンプル欠陥に対して、表４に示した各母集団ごとの自動分類サンプル率によりノーマライズを行う。自動分類サンプル率は欠陥管理サーバ２から検索される。ノーマライズは次式にしたがって行われる。
【００４０】ノーマライズされた欠陥数（ｉ、ｊ）＝（母集団ｉ且つ分類種ｊに属する欠陥数／自動分類サンプル率（ｉ））
ここで、ｊは自動分類の分類種を示す。また、「母集団ｉに属し且つ分類種ｊの欠陥数」とは、表５に示した母集団ｉ且つ分類種ｊに属する自動分類サンプル欠陥の個数である。また、「自動分類サンプル率（ｉ）」は、表４に示した各母集団ｉの自動分類サンプル率である。表６は、ランダム欠陥及びクラスタ欠陥について各分類種のノーマライズされた欠陥の個数を示す。
【００４１】
【表６】
ランダム欠陥の自動分類サンプル率は０．２であるため、ランダム欠陥の各分類種の欠陥数を０．２で除する。同様に、クラスタ欠陥の自動分類サンプル率は０．０５であるため、クラスタ欠陥の各分類種の欠陥数を０．０５で除する。各分類種のノーマライズされた欠陥数は欠陥管理サーバ２に保存される。以上の手順を経て、各分類種に属する全欠陥数を、ランダム欠陥及びクラスタ欠陥について、それぞれ推測することができる。
【００４２】本発明の第１の実施の形態によれば、異なる母集団であるランダム欠陥とクラスタ欠陥で異なるサンプリングプランを設定してサンプリングを行い、自動分類サンプル率がランダム欠陥とクラスタ欠陥とで異なる場合であっても、自動分類された各分類種に属する欠陥数を、各母集団ごとに異なるサンプル率でノーマライズを行うことにより、各母集団の各分類種に属する欠陥数を高い精度で推測することができる。
【００４３】（第２の実施の形態）本発明の第２の実施の形態では、第１の実施の形態において表５に示した自動分類の分類結果に対して、さらに、自動分類の各分類種ごとに異なるサンプリング率を設定してサンプリングを行い、サンプリングされた欠陥に対してマニュアル分類することで、よりに精度の高い欠陥分類を行う方法について説明する。
【００４４】第２の実施の形態に係わる半導体分類装置は、図１に示すように、第１の実施の形態において図１を参照して示した半導体欠陥分類装置に対して、ＡＤＣ装置３が行う自動分類を操作者がマニュアルで行うための手動欠陥分類装置４をさらに有する。手動欠陥分類装置４は、ＡＤＣ装置３が行う分類を操作者が行うための装置である。手動欠陥分類装置４は、少なくとも拡大された欠陥の映像を映し出すモニターを具備する。このモニター上に映し出された欠陥の映像に基づいて操作者が欠陥を分類する。ＡＤＣ装置３と手動欠陥分類装置４を比較する。まず、分類の精度について、ＡＤＣ装置３は、人間がトレーニングを行うことにより分類の精度を維持あるいは向上させているため、手動欠陥分類装置４を超えることはない。つまり、ＡＤＣ装置３の分類精度は、手動欠陥分類装置４よりも低い。次に、スループットについて、ＡＤＣ装置３は、分類手段を計算機で構成しているため、人間が１つ１つ判断していく手動欠陥分類装置４に比べて、スループットは高い。
【００４５】まず、表５に示した各分類種ごとに設定するサンプル率を算出する方法を図３に示すフローチャートを参照して説明する。
【００４６】（イ）まず、自動分類の各分類種ごとの分類精度を次式で定義する。
【００４７】分類精度（ｊ）＝（自動分類で分類種ｊと判定した欠陥のうちマニュアル分類も分類種ｊと判定した欠陥の個数）÷（自動分類で分類種ｊと判定した欠陥の個数）
（ロ）次に、ステップＳ１１において、ステップＳ０６で自動分類された総ての欠陥に対してマニュアル分類を行い、ＡＤＣ装置による自動分類と人間によるマニュアル分類とでの欠陥の分布を比較する。表７は、自動分類とマニュアル分類で分類種ごとの欠陥の分布を比較した一例を示す。
【００４８】
【表７】
表７において、自動分類で分類種ｊと判定された欠陥の個数は、分類種１、分類種２、分類種３、分類種４（分類不能）について、それぞれ３２個、５０個、７０個、２０個である。マニュアル分類で分類種ｊと判定された欠陥の個数は、分類種１、分類種２、分類種３について、それぞれ２９個、７７個、６６個である。人間によるマニュアル分類においては、いずれかの分類種に総ての欠陥を分類することができるので、分類種４（分類不能）は存在しない。自動分類で分類種ｊと判定された欠陥のうちマニュアル分類でも分類ｊと判定された欠陥の個数は、分類種１、分類種２、分類種３について、それぞれ１６個、４５個、５６個である。
【００４９】（ハ）次に、ステップＳ１２において、表７に示した比較表から（イ）の分類精度の定義式にしたがって、各分類種ごとの分類精度を算出する。算出された分類精度（ｊ）を表８に示す。
【００５０】
【表８】
表８において、マニュアル分類の分類種には分類種４（分類不能）が存在しないので、分類種４（分類不能）の分類精度はゼロである。分類種の分類精度はＡＤＣ装置の各分類種ごとの信頼度を意味する。信頼度が高い分類種は人間が新たにマニュアル分類する必要がなく、信頼度の低い分類種を重点的にマニュアル分類することでＡＤＣ装置の分類精度をマニュアル分類により補うことができる。
【００５１】（ニ）次に、ステップＳ１３において、表８に示した各分類種の分類精度（ｊ）から、次式にしたがって各分類種のサンプリング率（ｊ）を算出する。
【００５２】サンプリング率（ｊ）＝１−分類精度（ｊ）
表９は、上式にしたがって算出された各分類種のサンプリング率を示す。ＡＤＣ装置３の分類精度から求められたサンプリング率は「マニュアル分類サンプル率」として欠陥管理サーバ２に保存される。
【００５３】
【表９】
以上の手順を経て、表５に示した自動分類の分類結果に対して、自動分類の各分類種ごとに異なるマニュアル分類サンプリング率を算出することができる。マニュアル分類サンプル率は、通常、ＡＤＣ装置３のトレーニングの一つとして行われる。また、トレーニングを重ねることでＡＤＣ装置１０３の分類精度は向上していくため、定期的にＡＤＣ装置３の分類精度を上記手順を経て測定することが望ましい。次に、各分類種ごとのマニュアル分類サンプル率にしたがってサンプリングされた欠陥をマニュアル分類する方法について図３を参照して説明する。
【００５４】（イ）まず、ステップＳ１４において、自動分類の各分類種に属する欠陥をマニュアル分類サンプル率にしたがってサンプリングする。サンプリングは、ランダム欠陥とクラスタ欠陥について行う。また、ここでのサンプリングもランダムサンプリングの意である。サンプリングする欠陥は、表５に示した自動分類されたノーマライズ前の欠陥である。サンプリングされた欠陥（以後、「マニュアル分類サンプル欠陥」という）の欠陥情報及び分類情報は欠陥管理サーバ２に保存され、欠陥管理サーバ２から手動分類装置４に送信される。各分類種のマニュアル分類サンプル欠陥の個数を表１０に示す。
【００５５】
【表１０】
（ロ）次に、ステップＳ１５において、マニュアル分類サンプル欠陥をマニュアル分類する。その際、各欠陥がどの母集団よりサンプリングされたかわかるようにする必要があるため、サンプリングされた欠陥の情報に、属する母集団の情報を含ませる。表１１にランダム欠陥のマニュアル分類の分類結果を、表１２にクラスタ欠陥のマニュアル分類の分類結果をそれぞれ示す。
【００５６】
【表１１】
【表１２】
例えば表１１において、自動分類で分類種１に分類された５０個の欠陥のうち、マニュアル分類でも分類種１に分類された欠陥の個数は３５個である。残りの１５個のうち分類種２及び分類種３にそれぞれ１０個、５個の欠陥が分類された。また、自動分類で分類種４（分類不能）に分類された２０個の欠陥のうち、マニュアル分類で分類種１、分類種２、分類種３にそれぞれ７個、３個、１０個の欠陥が分類された。自動分類で分類種１に分類された欠陥は５０個であったが、マニュアル分類で分類種１に分類された欠陥は、マニュアル分類サンプル欠陥全体のうちの４４個であった。
【００５７】（ト）次に、表１１及び表１２に示したマニュアル分類の結果に対して、各分類種ごとの「マニュアル分類サンプル率」及び各母集団ごとの「自動分類サンプル率」にしたがってノーマライズを行う。まず、ステップＳ１６において、マニュアル分類した欠陥の個数を、マニュアル分類サンプル率で除して自動分類された欠陥の個数を算出する。そして、ステップＳ０７において、自動分類された自動分類サンプル欠陥の個数を、それぞれ各母集団の自動分類サンプル率で除する。ノーマライズは、以下の式にしたがって行われる。
【００５８】ノーマライズされた欠陥数（ｉ、ｊ、ｋ）＝（母集団ｉに属し且つマニュアル分類種ｋの欠陥数）÷（マニュアル分類サンプル率（ｊ））÷（自動分類サンプル率（ｉ））
ここで、ｉは母集団の種類、ｊは自動分類の分類種、ｋはマニュアル分類の分類種をそれぞれ示す。「母集団ｉに属し且つマニュアル分類種ｋの欠陥数」とは、母集団ｉからサンプリングされ、さらに自動分類種ｊからサンプリングされてマニュアル分類種ｋに分類された欠陥の個数である。つまり、表１１及び表１２の右端に示した欠陥の個数である。「自動分類サンプル率」と「マニュアル分類サンプル率」は、欠陥管理サーバ２により検索される。表１３にランダム欠陥のノーマライズの結果を、表１４にクラスタ欠陥のノーマライズの結果をそれぞれ示す。
【００５９】
【表１３】
【表１４】
例えば表１３において、自動分類の分類種１のマニュアル分類サンプリング率は、表９に示したように０．５であるので、表１１に示したマニュアル分類の分類種１に分類された欠陥の個数（３５個）を０．５で除する。さらに、表４に示したランダム欠陥の自動分類サンプル率（０．２）で除する。このようにして、自動分類を行って分類種１に分類され、続けてマニュアル分類を行って分類種１に分類された総欠陥数を３５０個であると推測することができる。表１３及び表１４の右端に示すように、各分類種ごとの総欠陥数を推測することができる。ノーマライズされた欠陥の個数は欠陥管理サーバ２に保存される。
【００６０】人間によるマニュアル分類はＡＤＣ装置による自動分類と比較してスループットが低いが、分類の精度や信頼性は高い。したがって、マニュアル分類を行う際のサンプリング率は分類の効率に大きな影響を与える。本発明の第２の実施の形態によれば、ＡＤＣ装置で分類不可能な欠陥やＡＤＣ装置の分類精度が低い分類種に分類された欠陥を重点的に精度の高いマニュアル分類するために、ＡＤＣ分類の分類種ごとに異なるサンプリング率を設定してサンプリングを行い、サンプリングされた欠陥をマニュアル分類し、各分類種ごとのサンプル率にしたがって、ノーマライズを行うことにより、さらに精度の高い欠陥分類を行うことができる。
【００６１】なお、第１及び第２の実施の形態において、図１に示すように半導体欠陥分類装置は、ＡＤＣ装置３あるいは手動欠陥分類装置４の分類結果が所定のスペックを満たしていない場合に警告を発する自動警告装置６と、入出力を行うための入出力装置５とをさらに具備してもよい。これにより、欠陥情報及び分類情報などの欠陥管理サーバ２に保存されている情報を、入出力装置５を用いてグラフ形式で表示することができる。また、第１の実施の形態における自動分類の分類結果と、第２の実施の形態におけるマニュアル分類の分類結果を統合して表示を行うことができる。さらに、欠陥の分類結果が所定の規格値を超えた場合に警自動警告装置６を用いて警告を表示することで、製造ラインのスペック管理を行うことができる。
【００６２】自動警告装置６は、欠陥の分類結果が所定のスペックを満たしていない場合に警告を発する装置である。所定のスペックとは、例えば、検査対象物であるウェハあるいはチップに存在することが許容される欠陥数である。欠陥管理サーバ２に登録されている欠陥情報及び分類情報などから、欠陥管理サーバ２は所定のスペックを管理し、所定のスペックを超えることがある場合には、自動警告装置６に対して、警告を発するように指示する。
【００６３】自動分類とマニュアル分類の分類結果の統合方法を以下に示す。まず、自動分類の分類種とマニュアル分類の分類種を同一に設定する。第１の実施の形態で示したように自動分類を行い、次に第２の実施の形態に示したようにマニュアル分類を行う。分類を行った欠陥には以下の２パターンが存在する。
【００６４】パターン１：自動分類のみ行われた欠陥パターン２：自動分類とマニュアル分類の両方が行われた欠陥ここで、パターン１とパターン２種類の欠陥を分類種ごとにカウントする。その際の欠陥が属する分類種は、パターン１では自動分類の分類種を、パターン２ではマニュアル分類の分類種を使用する。つまり、ＡＤＣ装置３による自動分類よりも人間によるマニュアル分類の方が分類精度が高いので、１つの欠陥に自動分類とマニュアル分類の両方が存在している場合には、マニュアル分類の分類結果を優先的に使用する。この結果を入出力装置５を用いて表示する。図４(ａ）及び図４（ｂ）は入出力装置５に表示されたグラフ形式の分類結果をそれぞれ示す。図４（ａ）は、ノーマライズ前の各分類種の分類結果を示す。そして、この分類結果に対して第１及び第２の実施の形態で示したように、ノーマライズを行う。欠陥管理サーバ２に保存されている「自動分類サンプル率」及び「マニュアル分類サンプル率」を読み出してノーマライズを行う。図４（ｂ）は、ノーマライズ後の各分類種の分類結果を示す。なお、図４（ａ）及び図４（ｂ）において、「Ｂｉｎ」は「分類種」を、「Ｍａｎｕａｌ」は「マニュアル分類」を、「ＡＤＣ」は「自動分類」を、それぞれ示す。
【００６５】また、自動分類とマニュアル分類の統合された分類結果をロットごとに表示したり、各分類種ごとにランダム欠陥とクラスタ欠陥の欠陥数の分布を表示することもできる。図５（ａ）及び図５（ｃ）は、自動分類及びマニュアル分類の各ロットごとの欠陥の分布をそれぞれ示すグラフである。また、図５（ａ）及び図５（ｃ）は、ランダム欠陥とクラスタ欠陥の欠陥数の分布を示している。図５（ｂ）及び図５（ｄ）は、各分類種ごとにランダム欠陥とクラスタ欠陥の欠陥数の分布を示すグラフである。また、図５（ｂ）及び図５（ｄ）は、自動分類及びマニュアル分類の各分類種ごとの欠陥数の分布をそれぞれ示す。このようなグラフ形式の分類結果を入出力装置５を使用して、製造ライン上の複数箇所で表示することにより、ラインモニターの役割を果たすことができる。欠陥の分類結果が所定の規格値を超えた場合に自動警告装置６をもちいて警告を表示することで、製造ラインのスペック管理を行うことができる。
【００６６】（第３の実施の形態）第１及び第２の実施の形態においては、検査対象物上に検出した欠陥をランダム欠陥あるいはクラスタ欠陥に分類する場合（クラスタリングの場合）について説明した。本発明は、クラスタリングに限って適用されるものではない。第３の実施の形態においては、クラスタリングの代わりに、検査対象物上の欠陥の分布形状の違いにより分類を行うスペーシャル・パターン・リコグニション（Spatial Pattern Recognition）（以下、ＳＳＡと略す）による分類方法について説明する。
【００６７】クラスタリングでは、欠陥が局所的に密集して発生しているクラスタ欠陥と、欠陥が所定の間隔をおいて発生しているランダム欠陥を分類する機能を有するのに対し、ＳＳＡでは検査対象物上に存在する欠陥を分布形状の違いについて分類する機能を有する。図６（ａ）乃至（ｆ）は、ＳＳＡが分類することができる分布形状の一例を示す。図６（ａ）は「ランダム」、図６（ａ）は「スクラッチ」、図６（ａ）は「リング」、図６R>６（ａ）は「センター」、図６（ａ）は「パーシャルリング」、図６（ａ）は「クラスタ」と呼ばれる分布形状である。
【００６８】図１に示した半導体欠陥分類装置において、欠陥検査装置１の分類機能をクラスタリングからＳＳＡに変更し、自動分類及びマニュアル分類の分類種をＳＳＡが分類する各分布形状について設定することにより、図２及び図３のフローチャートに示した半導体欠陥分類方法をＳＳＡについても実施することができる。
【００６９】
【発明の効果】以上説明したように本発明によれば、分類精度が高く、且つ処理効率が高い半導体欠陥分類装置、及び半導体欠陥分類方法を提供することができる。
【００７０】また本発明によれば、母集団ごとあるいは分類種ごとの総欠陥数を、歪みなく予測することができる半導体欠陥分類装置及び半導体欠陥分類方法を提供することができる。
【００７１】さらに本発明によれば、自動分類の分類精度をマニュアル分類で補う、能動的な欠陥分類を行うことができる半導体欠陥分類装置及び半導体欠陥分類方法を提供することができる。
【００７２】さらに本発明によれば、迅速なラインモニタリングを行い、有意なスペック判定を行うことができる半導体欠陥分類装置及び半導体欠陥分類方法を提供することができる。
【図面の簡単な説明】
【図１】本発明の実施の形態に係わる半導体欠陥分類装置の構成を示すブロック図である。
【図２】本発明の第１の実施の形態に係わる半導体欠陥分類方法を示すフローチャート図である。
【図３】本発明の第２の実施の形態に係わる半導体欠陥分類方法を示すフローチャート図である。
【図４】図４（ａ）は入出力装置に表示されたノーマライズ前の各分類種の分類結果を示し、図４（ｂ）は入出力装置に表示されたノーマライズ後の各分類種の分類結果を示す。
【図５】図５（ａ）及び図５（ｃ）は入出力装置に自動分類及びマニュアル分類の各分類種ごとに表示された分類結果をそれぞれ示し、図４（ｂ）及び図４（ｄ）は入出力装置に表示されたノーマライズ後の自動分類及びマニュアル分類の各分類種の分類結果を示す。
【図６】図６（ａ）乃至図６（ｆ）は、それぞれ本発明の第３の実施の形態に係わるＳＳＡが分類することができる欠陥の分布形状の種類を示す平面図である。
【符号の説明】
１ 欠陥検査装置
２ 欠陥管理サーバ
３ ＡＤＣ装置
４ 手動欠陥分類装置
５ 入出力装置
６ 自動警告装置
【０００１】
【発明の属する技術分野】本発明は、半導体欠陥分類装置及び半導体欠陥分類方法に係わり、欠陥の母集団あるいは分類種ごとに設定した異なるサンプル率にしたがって、欠陥をサンプリング及びノーマライズすることにより、高分類精度及び高処理効率で欠陥を分類する半導体欠陥分類技術に係わる。
【０００２】
【従来の技術】一般に半導体装置の製造工程において形成されるパターン形状の欠陥は、歩留まりを左右する要因の一つである。集積密度の低い半導体装置では、回路動作に支障がない程度の小さな欠陥であっても、昨今の集積密度の高い半導体装置においては、様々な不良原因となってしまう。なぜなら、パターン寸法が縮小されて、パターン形状に対する欠陥の大きさが拡大されるからである。したがって、パターン形状の欠陥は、歩留まりの低下の要因として大きな割合を占めるようになってきている。
【０００３】製造工程において形成されるパターンの欠陥を種類別に分類し、種類別に欠陥の分布を特定することは、欠陥の発生原因を特定して歩留まりを向上させる上で非常に重要な技術である。しかし、ウェハあるいはチップなどに存在する大小無数の欠陥を総て分類することは現実的に不可能である。一般的な分類の方法は、ウェハ、チップなどから検出された欠陥（大きな母集団）の中から無作為にサンプリングを行い、サンプリングされた欠陥を分類する。そして、ノーマライズを行い、大きな母集団の欠陥の分布を推測する。そして、大きな母集団に属する欠陥を分類して複数の欠陥の母集団が形成される。この各母集団に属する欠陥に対してさらに詳細な分類がそれぞれ行われる。
【０００４】通常、各母集団に属する欠陥を分類する方法は、ＡＤＣ装置（Auto Defect Classification 装置：自動欠陥分類装置）が自動的に分類する方法と、人間がマニュアルで分類する方法の２種類に大別される。ＡＤＣ装置による自動分類は人間によるマニュアル分類に対して一般的にスループットが高いため、多数の欠陥を分類することが可能である。しかし、ＡＤＣ装置は人間がトレーニングを行っているため、マニュアル分類の精度を超えることがない。一方、人間によるマニュアル分類は分類精度がＡＤＣに対して高いがスループットが低い。
【０００５】また、サンプリングは、サンプリングプランにしたがって行われる。サンプリングプランには様々な種類がある。また、２つ以上のサンプリングプランを組み合わせて設定することができる。例えば、「全欠陥の１０％、最大１００個」、「１チップに存在する欠陥の２０％、最大５０個」、「１クラスタ欠陥に対して最大２個」などがある。このような様々なサンプリングプランを利用して、複数の母集団について異なるサンプリングプランを設定することは、効率よく欠陥を分類するために必須となっている。したがって、母集団に属する総欠陥数に対するサンプリングされた欠陥数、つまりサンプル率は各母集団ごとにより異なる。
【０００６】
【発明が解決しようとする課題】しかし、従来の欠陥分類方法におけるノーマライズ方法は次式で表される。次式は、母集団ｉからサンプリングされた欠陥のうち、分類種ｊに分類された欠陥の個数（Ｘ）から、母集団ｉの分類種ｊに分類される全欠陥数（Ｙ）を推測する計算式である。次式において、全母集団からサンプリングされた総欠陥数とは、各母集団からそれぞれサンプリングされた欠陥を総て足し合わせた個数の意である。大きな母集団に属する総欠陥数とは、複数の母集団のまとまりである大きな母集団に属する欠陥の個数の意である。つまり、大きな括弧の中は、大きな母集団のサンプル率を示している。
【０００７】Ｙ ＝ Ｘ÷{（全母集団からサンプリングされた総欠陥数）÷（大きな母集団に属する総欠陥数）}上式によれば、分類種ｊに分類された欠陥の個数（Ｘ）を、大きな母集団のサンプル率で除して、母集団ｉの分類種ｊに分類される全欠陥数（Ｙ）をノーマライズしている。また、母集団ｉのサンプル率は、母集団ごとに異なる。つまり、各母集団のサンプリングプラン及びサンプル率を無視してノーマライズを行うことになる。したがって、上式のノーマライズ方法では、サンプリング時のサンプリング率と、ノーマライズ時のサンプル率が異なる可能性がある。したがって、正確なノーマライズを行うことができず、歪んだ分類結果を算出してしまう惧れがある。
【０００８】また、自動分類した欠陥に対してマニュアル分類を行う場合、自動分類の分類種ごとに異なるサンプル率を設定するような「自動分類の分類結果を利用したサンプリングプラン」を設定していない。そのため、ＡＤＣ装置が分類する分類種において分類精度の比較的低い分類種、もしくは分類不可能な分類種に属する欠陥を、重点的にマニュアル分類するための能動的なサンプリングを行うことができなかった。また、自動分類の分類種ごとにサンプリングプランを設定しても、上述したように、従来のノーマライズ方法は分類種ごとに設定されたサンプリングプランを考慮していないため、歪んだ分類結果を算出してしまう。
【０００９】さらに、自動分類とマニュアル分類の両方の分類方法を行っているにも関わらず、両方の分類結果を統合していないため、ＡＤＣ装置の苦手な分類種をマニュアル分類で補うことができなかった。
【００１０】本発明はこのような従来技術の問題点を解決するために成されたものであり、その目的は、分類精度が高く、且つ処理効率が高い半導体欠陥分類装置、及び半導体欠陥分類方法を提供することである。
【００１１】本発明の他の目的は、母集団ごとあるいは分類種ごとの総欠陥数を、歪みなく予測することができる半導体欠陥分類装置及び半導体欠陥分類方法を提供することである。
【００１２】本発明のさらに他の目的は、自動分類の分類精度をマニュアル分類で補う、能動的な欠陥分類を行うことができる半導体欠陥分類装置及び半導体欠陥分類方法を提供することである。
【００１３】本発明のさらに他の目的は、迅速なラインモニタリングを行い、有意なスペック判定を行うことができる半導体欠陥分類装置及び半導体欠陥分類方法を提供することである。
【００１４】
【課題を解決するための手段】上記目的を達成するため、本発明の第１の特徴は、ウェハやチップなどの検査対象物上に存在する欠陥を検出して、検出した欠陥を分類して複数の母集団を形成する欠陥検査装置と、母集団に属する欠陥を自動分類する自動欠陥分類装置と、欠陥管理サーバとから少なくともなる半導体欠陥分類装置であることである。また、欠陥管理サーバは、各母集団ごとにサンプリングプランを立てる機能と、各母集団に属する欠陥をそれぞれサンプリングプランにしたがってサンプリングする機能と、各母集団に属する総欠陥数に対するサンプリングされた欠陥の個数の割合をそれぞれ算出する機能と、自動分類された欠陥の個数をそれぞれ各母集団に属する総欠陥数に対するサンプリングした欠陥の個数の割合で除する機能とを少なくとも有することを特徴とする。
【００１５】本発明の第１の特徴によれば、異なる母集団で異なるサンプリングプランを設定してサンプリングを行い、各母集団に属する総欠陥数に対するサンプリングされた欠陥の個数の割合（自動分類サンプル率）が各母集団ごとで異なる場合であっても、自動分類された各分類種に属する欠陥数を、各母集団ごとに異なる自動分類サンプル率で除することにより、各母集団の各分類種に属する欠陥数を高い精度で推測することができる。したがって、スループットの高い自動欠陥分類装置を用いて、分類精度が高く且つ分類効率の高い欠陥分類を行うことができる。
【００１６】本発明の第１の特徴において、半導体分類装置は、母集団に属する欠陥をマニュアル分類する手動欠陥分類装置をさらに有することが望ましい。さらに、欠陥管理サーバは、自動分類の各分類種ごとにサンプル率を設定する機能と、自動分類の各分類種に属する欠陥をサンプル率にしたがってサンプリングする機能と、マニュアル分類された欠陥の個数を、各サンプル率で除して自動分類された欠陥の個数をそれぞれ算出する機能とをさらに有することが望ましい。自動欠陥分類装置で分類不可能な欠陥や自動欠陥分類装置の分類精度が低い分類種に対して高いサンプル率を設定してサンプリングを行い、自動分類よりも分類精度が高い手動欠陥分類装置でサンプリングされた欠陥を分類することで、自動欠陥分類装置で分類不可能な欠陥や自動欠陥分類装置の分類精度が低い分類種に対して重点的にマニュアル分類を行うことができる。さらに、各分類種ごとのサンプル率にしたがって、自動分類された欠陥の個数をそれぞれ算出することにより、自動分類の分類精度をマニュアル分類で補った、さらに精度の高い欠陥分類を行うことができる。
【００１７】また、欠陥管理サーバが有する自動分類の各分類種ごとにサンプル率を設定する機能は、自動分類した総ての欠陥をマニュアル分類した欠陥において、自動分類で分類種ｊと判定された欠陥のうち、マニュアル分類も分類種ｊと判定した欠陥の個数を、自動分類で分類種ｊと判定した欠陥の個数で除して各分類種の分類精度をそれぞれ算出する手段と、１から各分類精度をそれぞれ引いて、自動分類の各分類種ごとのサンプル率をそれぞれ算出する手段とからなることが望ましい。
【００１８】さらに、欠陥管理サーバは、自動分類の分類結果とマニュアル分類の分類結果を統合する機能をさらに有することが望ましい。そして、本発明の第１の特徴に係わる半導体欠陥分類装置は、統合された分類結果を表示する入出力装置をさらに有することが望ましい。統合された分類結果を入出力装置を使用して製造ライン上の複数箇所で表示することにより、ラインモニターの役割を果たすことができる。また、本発明の第１の特徴に係わる半導体欠陥分類装置は、分類結果が所定の規格値を超えた場合に警告を表示する自動警告装置をさらに有することが望ましい。欠陥の分布が所定の規格値を超えた場合に自動警告装置で警告を表示することで、製造ラインのスペック管理を行うことができる。
【００１９】本発明の第２の特徴は、検査対象物上に存在する欠陥を検出する第１のステップと、検出した欠陥を分類して複数の母集団を形成する第２のステップと、各母集団ごとにサンプリングプランを立てる第３のステップと、各母集団に属する欠陥をそれぞれサンプリングプランにしたがってサンプリングする第４のステップと、各母集団に属する総欠陥数に対するサンプリングした欠陥の個数の割合をそれぞれ算出する第５のステップと、サンプリングされた欠陥を自動分類する第６のステップと、自動分類された欠陥の個数を、それぞれ各母集団に属する総欠陥数に対するサンプリングした欠陥の個数の割合で除する第７のステップとから少なくともなる半導体欠陥分類方法であることである。
【００２０】本発明の第２の特徴によれば、異なる母集団で異なるサンプリングプランを設定してサンプリングを行い、各母集団に属する総欠陥数に対するサンプリングされた欠陥の個数の割合（自動分類サンプル率）が各母集団ごとで異なる場合であっても、自動分類された各分類種に属する欠陥数を、各母集団ごとに異なる自動分類サンプル率で除することにより、各母集団の各分類種に属する欠陥数を高い精度で推測することができる。したがって、自動分類をスループットの高い計算機を用いて行うことにより、分類精度が高く且つ分類効率の高い欠陥分類を行うことができる。
【００２１】本発明の第２の特徴において、第６のステップと第７のステップの間に、自動分類の各分類種ごとにサンプル率を設定するステップと、自動分類の各分類種に属する欠陥をサンプル率にしたがってサンプリングするステップと、サンプリングされた欠陥をマニュアル分類するステップと、マニュアル分類された欠陥の個数を、各サンプル率で除して自動分類された欠陥の個数をそれぞれ算出するステップとをさらに有することが望ましい。自動分類することが不可能な欠陥や自動分類の分類精度が低い分類種に対して高いサンプル率を設定してサンプリングを行い、自動分類よりも分類精度が高いマニュアル分類でサンプリングされた欠陥を分類することで、自動分類で分類不可能な欠陥や自動分類の分類精度が低い分類種に対して重点的にマニュアル分類を行うことができる。さらに、各分類種ごとのサンプル率にしたがって、自動分類された欠陥の個数をそれぞれ算出することにより、自動分類の分類精度をマニュアル分類で補った、さらに精度の高い欠陥分類を行うことができる。
【００２２】また、自動分類の各分類種ごとにサンプル率を設定するステップは、自動分類した総ての欠陥をマニュアル分類する過程と、自動分類で分類種ｊと判定された欠陥のうち、マニュアル分類も分類種ｊと判定した欠陥の個数を、自動分類で分類種ｊと判定した欠陥の個数で除して各分類種の分類精度をそれぞれ算出する過程と、１から各分類精度をそれぞれ引いて、自動分類の各分類種ごとのサンプル率をそれぞれ算出する過程とからなることが望ましい。
【００２３】さらに、第２のステップにおいて形成する複数の母集団は、ランダム欠陥とクラスタ欠陥とからなることが望ましい。また、第２のステップにおいて、検査対象物上に検出された欠陥の分布形状の違いにより欠陥を分類してもよい。
【００２４】さらに、自動分類の分類結果とマニュアル分類の分類結果を統合して表示するステップをさらに有することが望ましい。統合された分類結果を製造ライン上の複数箇所で表示することにより、ラインモニターの役割を果たすことができる。また、分類結果が所定の規格値を超えた場合に警告を表示するステップをさらに有することが望ましい。製造ラインのスペック管理を行うことができる。
【００２５】
【発明の実施の形態】（第１の実施の形態）以下図面を参照して、本発明の実施の形態を説明する。図１は、本発明の第１の実施の形態に関わる半導体欠陥分類装置の構成を示すブロック図である。図１に示すように、本発明の第１の実施の形態に係わる半導体欠陥分類装置は、ウェハやチップなどの検査対象物上に存在する欠陥を検出して、検出した欠陥を分類して複数の母集団を形成する欠陥検査装置１と、母集団に属する欠陥を自動分類する自動欠陥分類装置（以後、「ＡＤＣ装置」という）３と、欠陥管理サーバ２とから少なくとも構成される。また、欠陥管理サーバ２は、各母集団ごとにサンプリングプランを立てる機能と、各母集団に属する欠陥をそれぞれサンプリングプランにしたがってサンプリングする機能と、各母集団に属する総欠陥数に対するサンプリングされた欠陥の個数の割合をそれぞれ算出する機能と、自動分類された欠陥の個数をそれぞれ各母集団に属する総欠陥数に対するサンプリングした欠陥の個数の割合で除する機能とを少なくとも有する。
【００２６】欠陥検査装置１は、検査対象物上に形成されたパターン中に存在する欠陥を検出する装置である。ここで、「欠陥」とは、半導体ウェハー上のダストや半導体結晶中の結晶欠陥の意だけでなく、半導体基板上に形成される回路パターンの形状異常を含む。また、欠陥検査装置１は、検出された欠陥がランダム欠陥なのか、それともクラスタ欠陥なのかを分類する。以後、この欠陥検査装置１が行う分類を「クラスタリング」という。ここで、ランダム欠陥は、検査対象物上に検出された欠陥が所定の間隔をおいて配置されている状態の欠陥である。一方、クラスタ欠陥は、ウェハ上に形成された欠陥が局所的に密集している状態の欠陥である。
【００２７】欠陥管理サーバ２は、欠陥検査装置１により検出された欠陥について、検査対象物上での欠陥の座標、また欠陥の大きさなどの欠陥情報を保存する。また、クラスタリングの結果も、分類情報として欠陥情報とともに保存する。さらに、保存を行おう際に、過去の工程において同一検査対象の同一座標に欠陥が存在していた場合は、その欠陥を「キャリーオーバー」、それ以外の場合を「アダー」として、欠陥情報及び分類情報と共に保存する。また、欠陥管理サーバ２は、欠陥検査装置１、ＡＤＣ装置３に接続されて、各装置の機能を制御する。
【００２８】ＡＤＣ装置３は、クラスタリングされた欠陥をさらに詳細に分類する。具体的には、配線領域に存在するランダム欠陥を次の４つの分類種に分類する。まず第１の分類種は、隣接する配線を電気的に導通させてしまっている欠陥、つまりショート不良を生じている欠陥が属する分類種である。第２の分類種は、配線と重なりその配線を切断している欠陥、つまりオープン不良を生じている欠陥が属する分類種である。第３の分類種は、配線領域に存在するが、回路動作に影響を与えない欠陥、つまり不良を生じない欠陥が属する分類種である。そして、第４の分類種は、第１乃至第３の分類種に分類することができない欠陥、つまり分類不可能な欠陥が属する分類種である。
【００２９】次に、図１に示した半導体欠陥分類装置を用いた半導体欠陥分類方法について、図２に示したフローチャートを参照して説明する。
【００３０】（イ）まず最初に、ステップＳ０１において、ウェハあるいはチップ上に存在する欠陥を欠陥検査装置１を用いて検出する。欠陥検査装置１は、例えば、形成したいパターンが描画された参照パターンと検査対象上に形成されたパターンを比較し、相違する部分を欠陥として検出する。検出された各欠陥について、欠陥の存在する座標及び欠陥の大きさなどの欠陥情報が欠陥検査装置１から欠陥管理サーバ２に送信され保存される。
【００３１】（ロ）次に、ステップＳ０２において、欠陥検査装置１を用いて検出した欠陥を分類（クラスタリング）して、ランダム欠陥とクラスタ欠陥の２つの母集団を形成する。分類された欠陥について、ランダム欠陥であるかクラスタ欠陥であるかの分類情報が欠陥情報とともに欠陥管理サーバ２に保存される。表１は、欠陥情報及び分類情報の一例を示す。また、表１は、欠陥情報及び分類情報の一部として、検出された総欠陥数、及びそのうちのランダム欠陥数とクラスタ欠陥数を示す。表１において、検出された総欠陥数（大きな母集団）は３０００個であり、このうち、ランダム欠陥数（母集団）が１０００個、クラスタ欠陥数（母集団）が２０００個である。
【００３２】
【表１】
（ハ）次に、ステップＳ０３において、各母集団ごとに自動分類を行うためのランプリングプランを立てる。また、クラスタリング後の欠陥の分布状況、ＡＤＣ装置３の処理能力、及び欠陥検査装置１のクラスタリング精度などの要因を考慮して、サンプリングプランを立てる。表１に示したクラスタリング結果に対して立てられた各母集団のサンプリングプランの一例を表２に示す。
【００３３】
【表２】
表２に示すように、ランダム欠陥とクラスタ欠陥について、それぞれ異なるサンプリングプランを立てる。また、１つのサンプリングプランのなかに、複数のプランを組み合わせることができる。ランダム欠陥のサンプリングプランは、「０．３（３０％）且つ、最大２００個」である。ランダム欠陥（母集団）から無作為にサンプリングを行い、母集団の３０％をサンプリングするか、サンプリングした欠陥の個数が２００個になった時点で、サンプリングを終了する。同様に、クラスタ欠陥のサンプリングプランは、「０．０５（５％）且つ、最大２００個」である。クラスタ欠陥（母集団）から無作為にサンプリングを行い、母集団の５％をサンプリングするか、サンプリングした欠陥の個数が２００個になった時点で、サンプリングを終了する。
【００３４】（ニ）次に、ステップＳ０４において、各母集団に属する欠陥をそれぞれ各母集団のサンプリングプランにしたがってサンプリングする。ここでのサンプリングは母集団から無作為に欠陥を選び出すランダムランプリングである。サンプリングは、ランダム欠陥及びクラスタ欠陥についてそれぞれ行われる。表２に示したサンプリングプランにしたがって、表１に示した欠陥の母集団に対してサンプリングされた欠陥（以後、「自動分類サンプル欠陥」という）の個数を表３に示す。
【００３５】
【表３】
表３に示すように、ランダム欠陥について自動分類サンプル欠陥の個数は２００個であり、クラスタ欠陥について自動分類サンプル欠陥の個数は１００個である。これは、表２に示した各サンプリングプランのうち、ランダム欠陥は「最大２００個」、及びクラスタ欠陥は１００個／２０００個＝「０．０５（５％）」のプランをそれぞれ採用していることを示している。
【００３６】（ホ）次に、ステップＳ０５において、各母集団に属する総欠陥数に対する表３に示した自動分類サンプル欠陥の個数の割合（以後、これを「自動分類サンプル率」という）をそれぞれ算出する。この処理は欠陥管理サーバ１０２を用いて行われる。各母集団の自動分類サンプル率は次式で求められる。
【００３７】自動分類サンプル率（ｉ）＝（自動分類サンプル欠陥の個数（ｉ））÷（母集団ｉの総欠陥数）
ここで、ｉはランダム欠陥あるいはクラスタ欠陥を示す。算出されたランダム欠陥及びクラスタ欠陥の自動分類サンプル率を表４に示す。また、自動分類サンプル率は欠陥管理サーバ２に送信され保存される。
【００３８】
【表４】
（へ）次に、ステップＳ０６において、ＡＤＣ装置１０３を用いて、自動分類サンプル欠陥を自動分類する。その際、各自動分類サンプル欠陥がどの母集団よりサンプリングされたものであるかがわかるようにしておく必要がある。それには、サンプル欠陥の欠陥情報及び分類情報を欠陥管理サーバ２からＡＤＣ装置３に転送すればよい。表５は、自動分類の分類結果の一例を示す。表５では、各母集団について、分類種１、分類種２、分類種３、分類種４（分類不能）の４種類に欠陥を分類した結果を示している。分類種４（分類不能）は、、ＡＤＣ装置が自動分類を試みたが分類することができなかった欠陥が属する分類種である。表５に示した自動分類サンプル欠陥の分類情報は欠陥管理サーバ２に送信され保存される。
【００３９】
【表５】
（ト）次に、ステップＳ０７において、自動分類された自動分類サンプル欠陥の個数を、各自動分類種についてそれぞれ各母集団の自動分類サンプル率で除する。つまり、表５に示した各自動分類種に属する自動分類サンプル欠陥に対して、表４に示した各母集団ごとの自動分類サンプル率によりノーマライズを行う。自動分類サンプル率は欠陥管理サーバ２から検索される。ノーマライズは次式にしたがって行われる。
【００４０】ノーマライズされた欠陥数（ｉ、ｊ）＝（母集団ｉ且つ分類種ｊに属する欠陥数／自動分類サンプル率（ｉ））
ここで、ｊは自動分類の分類種を示す。また、「母集団ｉに属し且つ分類種ｊの欠陥数」とは、表５に示した母集団ｉ且つ分類種ｊに属する自動分類サンプル欠陥の個数である。また、「自動分類サンプル率（ｉ）」は、表４に示した各母集団ｉの自動分類サンプル率である。表６は、ランダム欠陥及びクラスタ欠陥について各分類種のノーマライズされた欠陥の個数を示す。
【００４１】
【表６】
ランダム欠陥の自動分類サンプル率は０．２であるため、ランダム欠陥の各分類種の欠陥数を０．２で除する。同様に、クラスタ欠陥の自動分類サンプル率は０．０５であるため、クラスタ欠陥の各分類種の欠陥数を０．０５で除する。各分類種のノーマライズされた欠陥数は欠陥管理サーバ２に保存される。以上の手順を経て、各分類種に属する全欠陥数を、ランダム欠陥及びクラスタ欠陥について、それぞれ推測することができる。
【００４２】本発明の第１の実施の形態によれば、異なる母集団であるランダム欠陥とクラスタ欠陥で異なるサンプリングプランを設定してサンプリングを行い、自動分類サンプル率がランダム欠陥とクラスタ欠陥とで異なる場合であっても、自動分類された各分類種に属する欠陥数を、各母集団ごとに異なるサンプル率でノーマライズを行うことにより、各母集団の各分類種に属する欠陥数を高い精度で推測することができる。
【００４３】（第２の実施の形態）本発明の第２の実施の形態では、第１の実施の形態において表５に示した自動分類の分類結果に対して、さらに、自動分類の各分類種ごとに異なるサンプリング率を設定してサンプリングを行い、サンプリングされた欠陥に対してマニュアル分類することで、よりに精度の高い欠陥分類を行う方法について説明する。
【００４４】第２の実施の形態に係わる半導体分類装置は、図１に示すように、第１の実施の形態において図１を参照して示した半導体欠陥分類装置に対して、ＡＤＣ装置３が行う自動分類を操作者がマニュアルで行うための手動欠陥分類装置４をさらに有する。手動欠陥分類装置４は、ＡＤＣ装置３が行う分類を操作者が行うための装置である。手動欠陥分類装置４は、少なくとも拡大された欠陥の映像を映し出すモニターを具備する。このモニター上に映し出された欠陥の映像に基づいて操作者が欠陥を分類する。ＡＤＣ装置３と手動欠陥分類装置４を比較する。まず、分類の精度について、ＡＤＣ装置３は、人間がトレーニングを行うことにより分類の精度を維持あるいは向上させているため、手動欠陥分類装置４を超えることはない。つまり、ＡＤＣ装置３の分類精度は、手動欠陥分類装置４よりも低い。次に、スループットについて、ＡＤＣ装置３は、分類手段を計算機で構成しているため、人間が１つ１つ判断していく手動欠陥分類装置４に比べて、スループットは高い。
【００４５】まず、表５に示した各分類種ごとに設定するサンプル率を算出する方法を図３に示すフローチャートを参照して説明する。
【００４６】（イ）まず、自動分類の各分類種ごとの分類精度を次式で定義する。
【００４７】分類精度（ｊ）＝（自動分類で分類種ｊと判定した欠陥のうちマニュアル分類も分類種ｊと判定した欠陥の個数）÷（自動分類で分類種ｊと判定した欠陥の個数）
（ロ）次に、ステップＳ１１において、ステップＳ０６で自動分類された総ての欠陥に対してマニュアル分類を行い、ＡＤＣ装置による自動分類と人間によるマニュアル分類とでの欠陥の分布を比較する。表７は、自動分類とマニュアル分類で分類種ごとの欠陥の分布を比較した一例を示す。
【００４８】
【表７】
表７において、自動分類で分類種ｊと判定された欠陥の個数は、分類種１、分類種２、分類種３、分類種４（分類不能）について、それぞれ３２個、５０個、７０個、２０個である。マニュアル分類で分類種ｊと判定された欠陥の個数は、分類種１、分類種２、分類種３について、それぞれ２９個、７７個、６６個である。人間によるマニュアル分類においては、いずれかの分類種に総ての欠陥を分類することができるので、分類種４（分類不能）は存在しない。自動分類で分類種ｊと判定された欠陥のうちマニュアル分類でも分類ｊと判定された欠陥の個数は、分類種１、分類種２、分類種３について、それぞれ１６個、４５個、５６個である。
【００４９】（ハ）次に、ステップＳ１２において、表７に示した比較表から（イ）の分類精度の定義式にしたがって、各分類種ごとの分類精度を算出する。算出された分類精度（ｊ）を表８に示す。
【００５０】
【表８】
表８において、マニュアル分類の分類種には分類種４（分類不能）が存在しないので、分類種４（分類不能）の分類精度はゼロである。分類種の分類精度はＡＤＣ装置の各分類種ごとの信頼度を意味する。信頼度が高い分類種は人間が新たにマニュアル分類する必要がなく、信頼度の低い分類種を重点的にマニュアル分類することでＡＤＣ装置の分類精度をマニュアル分類により補うことができる。
【００５１】（ニ）次に、ステップＳ１３において、表８に示した各分類種の分類精度（ｊ）から、次式にしたがって各分類種のサンプリング率（ｊ）を算出する。
【００５２】サンプリング率（ｊ）＝１−分類精度（ｊ）
表９は、上式にしたがって算出された各分類種のサンプリング率を示す。ＡＤＣ装置３の分類精度から求められたサンプリング率は「マニュアル分類サンプル率」として欠陥管理サーバ２に保存される。
【００５３】
【表９】
以上の手順を経て、表５に示した自動分類の分類結果に対して、自動分類の各分類種ごとに異なるマニュアル分類サンプリング率を算出することができる。マニュアル分類サンプル率は、通常、ＡＤＣ装置３のトレーニングの一つとして行われる。また、トレーニングを重ねることでＡＤＣ装置１０３の分類精度は向上していくため、定期的にＡＤＣ装置３の分類精度を上記手順を経て測定することが望ましい。次に、各分類種ごとのマニュアル分類サンプル率にしたがってサンプリングされた欠陥をマニュアル分類する方法について図３を参照して説明する。
【００５４】（イ）まず、ステップＳ１４において、自動分類の各分類種に属する欠陥をマニュアル分類サンプル率にしたがってサンプリングする。サンプリングは、ランダム欠陥とクラスタ欠陥について行う。また、ここでのサンプリングもランダムサンプリングの意である。サンプリングする欠陥は、表５に示した自動分類されたノーマライズ前の欠陥である。サンプリングされた欠陥（以後、「マニュアル分類サンプル欠陥」という）の欠陥情報及び分類情報は欠陥管理サーバ２に保存され、欠陥管理サーバ２から手動分類装置４に送信される。各分類種のマニュアル分類サンプル欠陥の個数を表１０に示す。
【００５５】
【表１０】
（ロ）次に、ステップＳ１５において、マニュアル分類サンプル欠陥をマニュアル分類する。その際、各欠陥がどの母集団よりサンプリングされたかわかるようにする必要があるため、サンプリングされた欠陥の情報に、属する母集団の情報を含ませる。表１１にランダム欠陥のマニュアル分類の分類結果を、表１２にクラスタ欠陥のマニュアル分類の分類結果をそれぞれ示す。
【００５６】
【表１１】
【表１２】
例えば表１１において、自動分類で分類種１に分類された５０個の欠陥のうち、マニュアル分類でも分類種１に分類された欠陥の個数は３５個である。残りの１５個のうち分類種２及び分類種３にそれぞれ１０個、５個の欠陥が分類された。また、自動分類で分類種４（分類不能）に分類された２０個の欠陥のうち、マニュアル分類で分類種１、分類種２、分類種３にそれぞれ７個、３個、１０個の欠陥が分類された。自動分類で分類種１に分類された欠陥は５０個であったが、マニュアル分類で分類種１に分類された欠陥は、マニュアル分類サンプル欠陥全体のうちの４４個であった。
【００５７】（ト）次に、表１１及び表１２に示したマニュアル分類の結果に対して、各分類種ごとの「マニュアル分類サンプル率」及び各母集団ごとの「自動分類サンプル率」にしたがってノーマライズを行う。まず、ステップＳ１６において、マニュアル分類した欠陥の個数を、マニュアル分類サンプル率で除して自動分類された欠陥の個数を算出する。そして、ステップＳ０７において、自動分類された自動分類サンプル欠陥の個数を、それぞれ各母集団の自動分類サンプル率で除する。ノーマライズは、以下の式にしたがって行われる。
【００５８】ノーマライズされた欠陥数（ｉ、ｊ、ｋ）＝（母集団ｉに属し且つマニュアル分類種ｋの欠陥数）÷（マニュアル分類サンプル率（ｊ））÷（自動分類サンプル率（ｉ））
ここで、ｉは母集団の種類、ｊは自動分類の分類種、ｋはマニュアル分類の分類種をそれぞれ示す。「母集団ｉに属し且つマニュアル分類種ｋの欠陥数」とは、母集団ｉからサンプリングされ、さらに自動分類種ｊからサンプリングされてマニュアル分類種ｋに分類された欠陥の個数である。つまり、表１１及び表１２の右端に示した欠陥の個数である。「自動分類サンプル率」と「マニュアル分類サンプル率」は、欠陥管理サーバ２により検索される。表１３にランダム欠陥のノーマライズの結果を、表１４にクラスタ欠陥のノーマライズの結果をそれぞれ示す。
【００５９】
【表１３】
【表１４】
例えば表１３において、自動分類の分類種１のマニュアル分類サンプリング率は、表９に示したように０．５であるので、表１１に示したマニュアル分類の分類種１に分類された欠陥の個数（３５個）を０．５で除する。さらに、表４に示したランダム欠陥の自動分類サンプル率（０．２）で除する。このようにして、自動分類を行って分類種１に分類され、続けてマニュアル分類を行って分類種１に分類された総欠陥数を３５０個であると推測することができる。表１３及び表１４の右端に示すように、各分類種ごとの総欠陥数を推測することができる。ノーマライズされた欠陥の個数は欠陥管理サーバ２に保存される。
【００６０】人間によるマニュアル分類はＡＤＣ装置による自動分類と比較してスループットが低いが、分類の精度や信頼性は高い。したがって、マニュアル分類を行う際のサンプリング率は分類の効率に大きな影響を与える。本発明の第２の実施の形態によれば、ＡＤＣ装置で分類不可能な欠陥やＡＤＣ装置の分類精度が低い分類種に分類された欠陥を重点的に精度の高いマニュアル分類するために、ＡＤＣ分類の分類種ごとに異なるサンプリング率を設定してサンプリングを行い、サンプリングされた欠陥をマニュアル分類し、各分類種ごとのサンプル率にしたがって、ノーマライズを行うことにより、さらに精度の高い欠陥分類を行うことができる。
【００６１】なお、第１及び第２の実施の形態において、図１に示すように半導体欠陥分類装置は、ＡＤＣ装置３あるいは手動欠陥分類装置４の分類結果が所定のスペックを満たしていない場合に警告を発する自動警告装置６と、入出力を行うための入出力装置５とをさらに具備してもよい。これにより、欠陥情報及び分類情報などの欠陥管理サーバ２に保存されている情報を、入出力装置５を用いてグラフ形式で表示することができる。また、第１の実施の形態における自動分類の分類結果と、第２の実施の形態におけるマニュアル分類の分類結果を統合して表示を行うことができる。さらに、欠陥の分類結果が所定の規格値を超えた場合に警自動警告装置６を用いて警告を表示することで、製造ラインのスペック管理を行うことができる。
【００６２】自動警告装置６は、欠陥の分類結果が所定のスペックを満たしていない場合に警告を発する装置である。所定のスペックとは、例えば、検査対象物であるウェハあるいはチップに存在することが許容される欠陥数である。欠陥管理サーバ２に登録されている欠陥情報及び分類情報などから、欠陥管理サーバ２は所定のスペックを管理し、所定のスペックを超えることがある場合には、自動警告装置６に対して、警告を発するように指示する。
【００６３】自動分類とマニュアル分類の分類結果の統合方法を以下に示す。まず、自動分類の分類種とマニュアル分類の分類種を同一に設定する。第１の実施の形態で示したように自動分類を行い、次に第２の実施の形態に示したようにマニュアル分類を行う。分類を行った欠陥には以下の２パターンが存在する。
【００６４】パターン１：自動分類のみ行われた欠陥パターン２：自動分類とマニュアル分類の両方が行われた欠陥ここで、パターン１とパターン２種類の欠陥を分類種ごとにカウントする。その際の欠陥が属する分類種は、パターン１では自動分類の分類種を、パターン２ではマニュアル分類の分類種を使用する。つまり、ＡＤＣ装置３による自動分類よりも人間によるマニュアル分類の方が分類精度が高いので、１つの欠陥に自動分類とマニュアル分類の両方が存在している場合には、マニュアル分類の分類結果を優先的に使用する。この結果を入出力装置５を用いて表示する。図４(ａ）及び図４（ｂ）は入出力装置５に表示されたグラフ形式の分類結果をそれぞれ示す。図４（ａ）は、ノーマライズ前の各分類種の分類結果を示す。そして、この分類結果に対して第１及び第２の実施の形態で示したように、ノーマライズを行う。欠陥管理サーバ２に保存されている「自動分類サンプル率」及び「マニュアル分類サンプル率」を読み出してノーマライズを行う。図４（ｂ）は、ノーマライズ後の各分類種の分類結果を示す。なお、図４（ａ）及び図４（ｂ）において、「Ｂｉｎ」は「分類種」を、「Ｍａｎｕａｌ」は「マニュアル分類」を、「ＡＤＣ」は「自動分類」を、それぞれ示す。
【００６５】また、自動分類とマニュアル分類の統合された分類結果をロットごとに表示したり、各分類種ごとにランダム欠陥とクラスタ欠陥の欠陥数の分布を表示することもできる。図５（ａ）及び図５（ｃ）は、自動分類及びマニュアル分類の各ロットごとの欠陥の分布をそれぞれ示すグラフである。また、図５（ａ）及び図５（ｃ）は、ランダム欠陥とクラスタ欠陥の欠陥数の分布を示している。図５（ｂ）及び図５（ｄ）は、各分類種ごとにランダム欠陥とクラスタ欠陥の欠陥数の分布を示すグラフである。また、図５（ｂ）及び図５（ｄ）は、自動分類及びマニュアル分類の各分類種ごとの欠陥数の分布をそれぞれ示す。このようなグラフ形式の分類結果を入出力装置５を使用して、製造ライン上の複数箇所で表示することにより、ラインモニターの役割を果たすことができる。欠陥の分類結果が所定の規格値を超えた場合に自動警告装置６をもちいて警告を表示することで、製造ラインのスペック管理を行うことができる。
【００６６】（第３の実施の形態）第１及び第２の実施の形態においては、検査対象物上に検出した欠陥をランダム欠陥あるいはクラスタ欠陥に分類する場合（クラスタリングの場合）について説明した。本発明は、クラスタリングに限って適用されるものではない。第３の実施の形態においては、クラスタリングの代わりに、検査対象物上の欠陥の分布形状の違いにより分類を行うスペーシャル・パターン・リコグニション（Spatial Pattern Recognition）（以下、ＳＳＡと略す）による分類方法について説明する。
【００６７】クラスタリングでは、欠陥が局所的に密集して発生しているクラスタ欠陥と、欠陥が所定の間隔をおいて発生しているランダム欠陥を分類する機能を有するのに対し、ＳＳＡでは検査対象物上に存在する欠陥を分布形状の違いについて分類する機能を有する。図６（ａ）乃至（ｆ）は、ＳＳＡが分類することができる分布形状の一例を示す。図６（ａ）は「ランダム」、図６（ａ）は「スクラッチ」、図６（ａ）は「リング」、図６R>６（ａ）は「センター」、図６（ａ）は「パーシャルリング」、図６（ａ）は「クラスタ」と呼ばれる分布形状である。
【００６８】図１に示した半導体欠陥分類装置において、欠陥検査装置１の分類機能をクラスタリングからＳＳＡに変更し、自動分類及びマニュアル分類の分類種をＳＳＡが分類する各分布形状について設定することにより、図２及び図３のフローチャートに示した半導体欠陥分類方法をＳＳＡについても実施することができる。
【００６９】
【発明の効果】以上説明したように本発明によれば、分類精度が高く、且つ処理効率が高い半導体欠陥分類装置、及び半導体欠陥分類方法を提供することができる。
【００７０】また本発明によれば、母集団ごとあるいは分類種ごとの総欠陥数を、歪みなく予測することができる半導体欠陥分類装置及び半導体欠陥分類方法を提供することができる。
【００７１】さらに本発明によれば、自動分類の分類精度をマニュアル分類で補う、能動的な欠陥分類を行うことができる半導体欠陥分類装置及び半導体欠陥分類方法を提供することができる。
【００７２】さらに本発明によれば、迅速なラインモニタリングを行い、有意なスペック判定を行うことができる半導体欠陥分類装置及び半導体欠陥分類方法を提供することができる。
【図面の簡単な説明】
【図１】本発明の実施の形態に係わる半導体欠陥分類装置の構成を示すブロック図である。
【図２】本発明の第１の実施の形態に係わる半導体欠陥分類方法を示すフローチャート図である。
【図３】本発明の第２の実施の形態に係わる半導体欠陥分類方法を示すフローチャート図である。
【図４】図４（ａ）は入出力装置に表示されたノーマライズ前の各分類種の分類結果を示し、図４（ｂ）は入出力装置に表示されたノーマライズ後の各分類種の分類結果を示す。
【図５】図５（ａ）及び図５（ｃ）は入出力装置に自動分類及びマニュアル分類の各分類種ごとに表示された分類結果をそれぞれ示し、図４（ｂ）及び図４（ｄ）は入出力装置に表示されたノーマライズ後の自動分類及びマニュアル分類の各分類種の分類結果を示す。
【図６】図６（ａ）乃至図６（ｆ）は、それぞれ本発明の第３の実施の形態に係わるＳＳＡが分類することができる欠陥の分布形状の種類を示す平面図である。
【符号の説明】
１ 欠陥検査装置
２ 欠陥管理サーバ
３ ＡＤＣ装置
４ 手動欠陥分類装置
５ 入出力装置
６ 自動警告装置
【特許請求の範囲】
【請求項１】 検査対象物上に存在する欠陥を検出して、該検出した欠陥を分類して複数の母集団を形成する欠陥検査装置と、前記母集団に属する欠陥を自動分類する自動欠陥分類装置と、前記各母集団ごとにサンプリングプランを立てる機能と、該各母集団に属する欠陥をそれぞれ該サンプリングプランにしたがってサンプリングする機能と、該各母集団に属する総欠陥数に対する該サンプリングされた欠陥の個数の割合をそれぞれ算出する機能と、前記自動分類された欠陥の個数をそれぞれ該各母集団に属する総欠陥数に対する該サンプリングした欠陥の個数の割合で除する機能とを有する欠陥管理サーバとを有することを特徴とする半導体欠陥分類装置。
【請求項２】 前記母集団に属する欠陥をマニュアル分類する手動欠陥分類装置をさらに有し、前記欠陥管理サーバは、前記自動分類の各分類種ごとにサンプル率を設定する機能と、該自動分類の各分類種に属する欠陥を該サンプル率にしたがってサンプリングする機能と、前記マニュアル分類された欠陥の個数を、該各サンプル率で除して前記自動分類された欠陥の個数をそれぞれ算出する機能とをさらに有することを特徴とする請求項１記載の半導体欠陥分類装置。
【請求項３】 前記欠陥管理サーバが有する前記自動分類の各分類種ごとにサンプル率を設定する機能は、前記自動分類した総ての欠陥を前記マニュアル分類した欠陥において、該自動分類で前記分類種ｊと判定された欠陥のうち、該マニュアル分類も該分類種ｊと判定した欠陥の個数を、該自動分類で該分類種ｊと判定した欠陥の個数で除して該各分類種の分類精度をそれぞれ算出する手段と、１から前記各分類精度をそれぞれ引いて、前記自動分類の各分類種ごとのサンプル率をそれぞれ算出する手段とからなることを特徴とする請求項２記載の半導体欠陥分類装置。
【請求項４】 前記欠陥管理サーバは、前記自動分類の分類結果と前記マニュアル分類の分類結果を統合する機能をさらに有し、前記統合された分類結果を表示する入出力装置をさらに有することを特徴とする請求項２または３記載の半導体欠陥分類装置。
【請求項５】 分類結果が所定の規格値を超えた場合に警告を表示する自動警告装置をさらに有することを特徴とする請求項４記載の半導体欠陥分類装置。
【請求項６】 検査対象物上に存在する欠陥を検出する第１のステップと、前記検出した欠陥を分類して複数の母集団を形成する第２のステップと、前記各母集団ごとにサンプリングプランを立てる第３のステップと、前記各母集団に属する欠陥をそれぞれ前記サンプリングプランにしたがってサンプリングする第４のステップと、前記各母集団に属する総欠陥数に対する前記サンプリングした欠陥の個数の割合をそれぞれ算出する第５のステップと、前記サンプリングされた欠陥を自動分類する第６のステップと、前記自動分類された欠陥の個数を、それぞれ前記各母集団に属する総欠陥数に対する前記サンプリングした欠陥の個数の割合で除する第７のステップとからなることを特徴とする半導体欠陥分類方法。
【請求項７】 前記第６のステップと前記第７のステップの間に、前記自動分類の各分類種ごとにサンプル率を設定するステップと、前記自動分類の各分類種に属する欠陥を前記サンプル率にしたがってサンプリングするステップと、前記サンプリングされた欠陥をマニュアル分類するステップと、前記マニュアル分類された欠陥の個数を、前記各サンプル率で除して前記自動分類された欠陥の個数をそれぞれ算出するステップとをさらに有することを特徴とする請求項６記載の半導体欠陥分類方法。
【請求項８】 前記自動分類の各分類種ごとにサンプル率を設定するステップは、前記自動分類した総ての欠陥を前記マニュアル分類する過程と、前記自動分類で分類種ｊと判定された欠陥のうち、前記マニュアル分類も該分類種ｊと判定した欠陥の個数を、該自動分類で該分類種ｊと判定した欠陥の個数で除して該各分類種の分類精度をそれぞれ算出する過程と、１から前記各分類精度をそれぞれ引いて、前記自動分類の各分類種ごとのサンプル率をそれぞれ算出する過程とからなることを特徴とする請求項７記載の半導体欠陥分類方法。
【請求項９】 第２のステップにおいて形成する前記複数の母集団は、ランダム欠陥とクラスタ欠陥とからなることを特徴とする請求項６乃至８いずれか１記載の半導体欠陥分類方法。
【請求項１０】 第２のステップにおいて、前記検査対象物上に検出された欠陥の分布形状の違いにより欠陥を分類することを特徴とする請求項６乃至８いずれか１記載の半導体欠陥分類方法。
【請求項１１】 前記自動分類の分類結果と前記マニュアル分類の分類結果を統合して表示するステップをさらに有することを特徴とする請求項７乃至１０いずれか１記載の半導体欠陥分類方法。
【請求項１２】 分類結果が所定の規格値を超えた場合に警告を表示するステップをさらに有することを特徴とする請求項１１記載の半導体欠陥分類方法。
【請求項１】 検査対象物上に存在する欠陥を検出して、該検出した欠陥を分類して複数の母集団を形成する欠陥検査装置と、前記母集団に属する欠陥を自動分類する自動欠陥分類装置と、前記各母集団ごとにサンプリングプランを立てる機能と、該各母集団に属する欠陥をそれぞれ該サンプリングプランにしたがってサンプリングする機能と、該各母集団に属する総欠陥数に対する該サンプリングされた欠陥の個数の割合をそれぞれ算出する機能と、前記自動分類された欠陥の個数をそれぞれ該各母集団に属する総欠陥数に対する該サンプリングした欠陥の個数の割合で除する機能とを有する欠陥管理サーバとを有することを特徴とする半導体欠陥分類装置。
【請求項２】 前記母集団に属する欠陥をマニュアル分類する手動欠陥分類装置をさらに有し、前記欠陥管理サーバは、前記自動分類の各分類種ごとにサンプル率を設定する機能と、該自動分類の各分類種に属する欠陥を該サンプル率にしたがってサンプリングする機能と、前記マニュアル分類された欠陥の個数を、該各サンプル率で除して前記自動分類された欠陥の個数をそれぞれ算出する機能とをさらに有することを特徴とする請求項１記載の半導体欠陥分類装置。
【請求項３】 前記欠陥管理サーバが有する前記自動分類の各分類種ごとにサンプル率を設定する機能は、前記自動分類した総ての欠陥を前記マニュアル分類した欠陥において、該自動分類で前記分類種ｊと判定された欠陥のうち、該マニュアル分類も該分類種ｊと判定した欠陥の個数を、該自動分類で該分類種ｊと判定した欠陥の個数で除して該各分類種の分類精度をそれぞれ算出する手段と、１から前記各分類精度をそれぞれ引いて、前記自動分類の各分類種ごとのサンプル率をそれぞれ算出する手段とからなることを特徴とする請求項２記載の半導体欠陥分類装置。
【請求項４】 前記欠陥管理サーバは、前記自動分類の分類結果と前記マニュアル分類の分類結果を統合する機能をさらに有し、前記統合された分類結果を表示する入出力装置をさらに有することを特徴とする請求項２または３記載の半導体欠陥分類装置。
【請求項５】 分類結果が所定の規格値を超えた場合に警告を表示する自動警告装置をさらに有することを特徴とする請求項４記載の半導体欠陥分類装置。
【請求項６】 検査対象物上に存在する欠陥を検出する第１のステップと、前記検出した欠陥を分類して複数の母集団を形成する第２のステップと、前記各母集団ごとにサンプリングプランを立てる第３のステップと、前記各母集団に属する欠陥をそれぞれ前記サンプリングプランにしたがってサンプリングする第４のステップと、前記各母集団に属する総欠陥数に対する前記サンプリングした欠陥の個数の割合をそれぞれ算出する第５のステップと、前記サンプリングされた欠陥を自動分類する第６のステップと、前記自動分類された欠陥の個数を、それぞれ前記各母集団に属する総欠陥数に対する前記サンプリングした欠陥の個数の割合で除する第７のステップとからなることを特徴とする半導体欠陥分類方法。
【請求項７】 前記第６のステップと前記第７のステップの間に、前記自動分類の各分類種ごとにサンプル率を設定するステップと、前記自動分類の各分類種に属する欠陥を前記サンプル率にしたがってサンプリングするステップと、前記サンプリングされた欠陥をマニュアル分類するステップと、前記マニュアル分類された欠陥の個数を、前記各サンプル率で除して前記自動分類された欠陥の個数をそれぞれ算出するステップとをさらに有することを特徴とする請求項６記載の半導体欠陥分類方法。
【請求項８】 前記自動分類の各分類種ごとにサンプル率を設定するステップは、前記自動分類した総ての欠陥を前記マニュアル分類する過程と、前記自動分類で分類種ｊと判定された欠陥のうち、前記マニュアル分類も該分類種ｊと判定した欠陥の個数を、該自動分類で該分類種ｊと判定した欠陥の個数で除して該各分類種の分類精度をそれぞれ算出する過程と、１から前記各分類精度をそれぞれ引いて、前記自動分類の各分類種ごとのサンプル率をそれぞれ算出する過程とからなることを特徴とする請求項７記載の半導体欠陥分類方法。
【請求項９】 第２のステップにおいて形成する前記複数の母集団は、ランダム欠陥とクラスタ欠陥とからなることを特徴とする請求項６乃至８いずれか１記載の半導体欠陥分類方法。
【請求項１０】 第２のステップにおいて、前記検査対象物上に検出された欠陥の分布形状の違いにより欠陥を分類することを特徴とする請求項６乃至８いずれか１記載の半導体欠陥分類方法。
【請求項１１】 前記自動分類の分類結果と前記マニュアル分類の分類結果を統合して表示するステップをさらに有することを特徴とする請求項７乃至１０いずれか１記載の半導体欠陥分類方法。
【請求項１２】 分類結果が所定の規格値を超えた場合に警告を表示するステップをさらに有することを特徴とする請求項１１記載の半導体欠陥分類方法。
【図１】
【図２】
【図３】
【図５】
【図４】
【図６】
【図２】
【図３】
【図５】
【図４】
【図６】
【公開番号】特開２００１−１８９３６２（Ｐ２００１−１８９３６２Ａ）
【公開日】平成１３年７月１０日（２００１．７．１０）
【国際特許分類】
【出願番号】特願２０００−１２３（Ｐ２０００−１２３）
【出願日】平成１２年１月４日（２０００．１．４）
【出願人】（０００００３０７８）株式会社東芝 (54,554)
【Ｆターム（参考）】
【公開日】平成１３年７月１０日（２００１．７．１０）
【国際特許分類】
【出願日】平成１２年１月４日（２０００．１．４）
【出願人】（０００００３０７８）株式会社東芝 (54,554)
【Ｆターム（参考）】
[ Back to top ]