JP4310090B2

JP4310090B2 - 欠陥データ解析方法及びその装置並びにレビューシステム

Info

Publication number: JP4310090B2
Application number: JP2002282173A
Authority: JP
Inventors: 久恵渋谷; 裕治高木
Original assignee: Hitachi High Technologies Corp; Hitachi Ltd
Current assignee: Hitachi Ltd; Hitachi High Tech Corp
Priority date: 2002-09-27
Filing date: 2002-09-27
Publication date: 2009-08-05
Anticipated expiration: 2022-09-27
Also published as: US20110013825A1; US20040064269A1; JP2004117229A; US8116556B2; US7813539B2

Description

【０００１】
【発明の属する技術分野】
本発明は、半導体ウェーハの製造工程において、検査装置によって検出された欠陥データから、欠陥分布状態を解析する、欠陥データ解析方法及びその装置並びにレビューシステムに関する。
【０００２】
【従来の技術】
半導体基板上に回路パターンを形成する半導体デバイスの製造工程（以下、半導体ウェーハの製造工程という）においては、歩留まり向上及び安定化を目的として、各工程後にパターン欠陥検査あるいは異物検査が実施され、検査結果の解析が行われる。その一手法として、欠陥分布状態の解析が知られている。欠陥分布の偏りは、そのほとんどが装置またはプロセスに異常が原因となって発生する。そこで、装置またはプロセス異常に特有の欠陥分布パターンを識別することにより、不良原因を推定することが試みられている。
【０００３】
これに関連する従来の技術として、特許文献１には、欠陥分布から欠陥が集中して存在する領域をクラスタとして認識し、クラスタの面積と形状に基づいてレビュー（検出された欠陥を光学顕微鏡あるいは走査電子顕微鏡等で観察すること）するポイントを選択する方法が、特許文献２には、欠陥マップがクラスタ化している様子に従ってウエハをグループ分けし、その様子が既知のパターンと類似しているかどうかを判定することにより不良原因の特定を行う方法が、また、特許文献３には、不良分布画像データを不良原因推定可能な事例データベースと照合解析することにより不良原因の特定を行う方法、特許文献４には、欠陥を分布状態に基づいて不良原因と関連づけられたユーザ定義イベントに分類する方法がそれぞれ記載されている。
【０００４】
上記特許文献３記載の方法によると、ウェーハ領域に対応した画像データの画素値を画素に対応する領域の欠陥数に比例した値とした不良分布画像データを作成する。不良分布画像データから、欠陥が集中して塊になった部分すなわちクラスタを検出する。クラスタ部分を対象として、事例データベースとの照合を行う。照合度の高いデータに付帯された情報に基づいて不良原因を特定する。
【０００５】
特許文献４記載の方法によると、欠陥が集中した部分をその形状により微細構造クラスタ、線状クラスタ、不定形クラスタに分類し、その他の部分をグローバルとして分類する。それぞれをユーザ定義イベントに細分類し、不良原因と関連づける。
【０００６】
【特許文献１】
特開平１０−２１４８６６号公報
【特許文献２】
特開平６−６１３１４号公報
【特許文献３】
特開平１１−４５９１９号公報
【特許文献４】
米国特許５,９８２,９２０号公報
【０００７】
【発明が解決しようとする課題】
上記方法では、顕著な欠陥分布パターンが現れた場合にはクラスタとして認識することができる。しかし、識別すべき欠陥分布パターンが微弱である場合、すなわち欠陥密度が低かったりパターン内外の差が小さかったりする場合については、特許文献３では考慮されていない。特許文官４に開示された方法によれば、このような場合はグローバルとして分類されるが、その中には様々な形状が混在するため、不良原因と関連づけるためにユーザ定義イベントに細分類する必要がある。
【０００８】
本発明の目的は、微弱な欠陥分布パターンに対応可能な、ユーザによる定義不要の、不良原因特定を支援する情報を高速に出力する欠陥データ解析方法およびその装置並びにレビューシステムを提供することにある。
【０００９】
【課題を解決するための手段】
上記課題を解決するため、本発明では、基板上に回路パターンを形成する工程で処理された被処理基板を検査して得られた欠陥のデータから欠陥の分布を解析する方法において、被処理基板を検査して得られた欠陥の位置の情報からこの欠陥の被処理基板上の分布を求め、この求めた欠陥の分布の特徴を欠陥の被処理基板上の位置情報を用いて、繰り返し欠陥、密集欠陥、円弧状分布欠陥、放射状分布欠陥、線状分布欠陥、環・塊状分布欠陥、ランダム欠陥の分布特徴カテゴリのうちの何れかに分類するようにした。
【００１０】
【発明の実施の形態】
以下に、本発明の実施例について図面を参照しながら説明する。
【００１１】
図１は、本発明の欠陥データ解析方法の概念を表す図である。
【００１２】
本発明の欠陥データ解析方法の第一の実施例では、半導体ウエハの検査装置１０１から出力される欠陥データ１０２には、少なくとも欠陥の位置座標が含まれている。１０３a、ｂは、欠陥位置をウェーハの中の一点を原点とした座標系で表したウェーハマップである。検査装置が出力する欠陥の位置座標は、ウェーハの中の一点を原点とした座標系で記述されている場合と、チップ毎に原点を持つ座標系で記述されている場合があり、前者の場合はそのＸ、Ｙの座標値をそのまま用いるが、後者の場合はチップ内の位置座標をチップ配列情報とチップサイズの情報を用いて座標系を変換する必要がある。ウェーハマップ上の欠陥分布状態に基づいて、繰り返し欠陥識別、密集欠陥識別、円弧状分布識別、放射状分布識別、線状分布識別、環・環状分布識別、ランダム欠陥抽出の処理により欠陥点の各分布特徴カテゴリへの分類を行う。
【００１３】
繰り返し欠陥は、複数のチップにわたってチップ内のほぼ同じ位置に存在する欠陥である。原因としてはレチクル欠陥、虚報などが考えられる。１０４a、ｂ上の黒点で示す部分は、１０３a、ｂにそれぞれ対応する繰り返し欠陥である。
【００１４】
図２は、繰返し欠陥識別のフローを示す図である。まず欠陥位置座標から全ての欠陥位置をチップ原点基準の座標で表したチップ重ね合わせマップを作成する（Ｓ２０１）。欠陥の位置座標がウェーハ全体の座標系で記述されている場合は、チップ配列情報とチップサイズの情報を用いてチップ原点の座標系に変換する必要がある。次に、最近点ボロノイ図を作成し、チップ重ね合わせマップ上で隣接する欠陥間の距離を求めておく（Ｓ２０２）。
【００１５】
図３に、最近点ボロノイ図の例を示す。最近点ボロノイ図とは、各座標点の勢力範囲を表す図である。座標点Ｐの勢力範囲は、最も近い座標点がＰである点の集合と定義する。これは、Ｐを取り囲む多角形で表され、Ｐのボロノイ領域と呼ばれる。Ｐのボロノイ領域に接するボロノイ領域に対応する点はＰの隣接点である。次に、同一チップ内でクラスタ化している欠陥、すなわち隣接欠陥が同じチップでありかつ距離ｄが予め指定されたしきい値ｄ１以下となる欠陥を処理対象から除く（Ｓ２０３）。残った欠陥の中から、クラスタ化している欠陥、すなわち欠陥間距離ｄが予め指定されたしきい値ｄ２以下である欠陥をつなげてグルーピングし、予め指定された個数以上の欠陥からなるグループを繰り返し欠陥として検出する（Ｓ２０４）。繰り返し欠陥はグループ毎に、グループ番号を付加する。グループを特徴づけるチップ内座標、構成欠陥数、チップ数を算出、記録しておく。
【００１６】
密集欠陥は、ウェーハマップ上で隣接する欠陥との距離が非常に小さい、通常クラスタ欠陥と呼ばれるものである。原因としてはデフォーカス、マイクロスクラッチなどが考えられる。１０５a、ｂの黒点で示す部分は、１０３a、ｂにそれぞれ対応する密集欠陥である。密集欠陥識別のためには、欠陥間の距離が予め指定されたしきい値以下である欠陥をつなげてグルーピングし、予め指定された個数の欠陥から構成されるグループを密集欠陥として検出する。ウェーハマップに対応する最近点ボロノイ図を作成して隣接する欠陥間の距離を求めておき、隣接欠陥への距離がしきい値以下であるかどうかをチェックする。あるいは、ウェーハマップを格子に分割して各点がどの格子に属するかを予め調べておき、同じ格子か隣の格子にある欠陥の間の距離がしきい値以下であるかどうかをチェックしてもよい。密集欠陥はグループ毎にグループ番号を付加し、グループを特徴づける重心座標、最大ｘ／ｙ座標、最小ｘ／ｙ座標、面積、欠陥密度、構成欠陥数などを算出、記録しておく。
【００１７】
円弧状分布欠陥は、ＣＭＰ(ケミカル・メカニカルポリッシング)工程のスクラッチが原因で円弧状に分布している欠陥である。ウェーハマップ１０３a、ｂに対応する円弧状分布欠陥はないので、別のウェーハの例を１０９に示しておく。
【００１８】
放射状分布欠陥は中心から外に向かって広がる筋状に分布している欠陥である。原因は中央からガスを吹き付けるタイプの装置の吹き出し口への異物付着などである。ウェーハマップ１０３a、ｂに対応する放射状分布欠陥はないので別のウェーハの例を１１０に示しておく。
【００１９】
線状分布欠陥は欠陥密度の高い部分が直線状に分布している欠陥である。原因としては搬送系傷、流れなどが考えられる。１０６a、ｂの四角で囲んだ部分は、１０３a、ｂにそれぞれ対応する線状分布欠陥である。線状分布といっても厳密に一直線上に並んでいるわけではなく、ある程度の幅を持つものである。
【００２０】
環・塊状分布欠陥は欠陥密度の高い部分が環状あるいは塊状に分布している欠陥である。原因としては周辺剥がれ、装置汚染などが考えられる。１０７a、ｂの実線で囲んだ部分は、１０３a、ｂにそれぞれ対応する環・塊状分布欠陥である。
【００２１】
上記のいずれの種類にも分類されなかったものをランダム欠陥として抽出する。１０８a、ｂは、１０３a、ｂにそれぞれ対応するランダム欠陥である。
【００２２】
次に本発明の円弧状分布欠陥識別方法について図４、５を参照しながら詳細に説明する。
【００２３】
図４は、本発明の円弧検出の原理を説明する図である。図４（ａ）に示すように、円弧上にある点列の任意の２点を選んで垂直二等分線を引くと１点で交わる。その交点は円弧の中心である。このことから、ｘｙ空間上の点群から２点を取り出す全ての組合せについて垂直二等分線の通る点を（ｘ，ｙ）に投票し、投票数最大となる（ｘ０，ｙ０）を円弧の中心候補として検出することができる。この時点では半径ｒの情報が失われているため、中心候補（ｘ０，ｙ０）を原点として全ての点を図４（ｂ）に示すように（ｒ，θ）へ変換する、極座標変換を行う。ｘｙ空間で円弧上の点列は半径ｒが一定であるから、極座標空間上で水平な直線上に分布する。したがって、円弧に対応する水平な線分を検出し、ｘｙ空間に逆変換することによって円弧が検出される。
【００２４】
図５は、上記原理による本発明の円弧状分布欠陥識別のフローを示す図である。
【００２５】
始めに、欠陥座標の任意の２点を選んでそれらの垂直二等分が通る点への投票を行う（Ｓ５０１）。投票空間はウェーハマップの２倍から３倍程度とする。２点の選び方は全ての組合せとするとよいが、時間短縮のためランダムに間引いてもかまわない。適切な前処理によって、円弧を構成しないと判別できる点を除いてもよい。例えば、前述の繰り返し欠陥を除く。また、前述の密集欠陥のうち、円弧状分布として考えられる幅と比較して非常に大きな幅を持つ塊の欠陥を除く。投票の際には、距離が近すぎるものは誤差が大きく、遠すぎるものは、お互いに関係ない点である可能性が高いため、２点間の距離に基づく重み付を行って、距離が近すぎるもの、遠すぎるものの寄与を低減する。
【００２６】
次に投票値最大の（ｘ，ｙ）を中心候補として検出する（Ｓ５０２）。周りの値と比較することによってピークの鋭さをチェックし、鋭いピークでなければ処理を終了する（Ｓ５０３）。鋭いピークであれば、投票値最大の（ｘ，ｙ）を原点として、全ての欠陥座標を（ｒ，θ）に変換し、ｒθ空間上欠陥密度を濃淡で表した極座標変換画像を作成する（Ｓ５０４）。ｒ軸への投影を算出し、投影値最大のｒを見つける（Ｓ５０５）。
【００２７】
次に、判別分析法、パーセンタイル法など適当な方法でしきい値を求め、極座標変換画像を二値化する（Ｓ５０６）。投票値最大のｒの位置で、水平な線分を検出する（Ｓ５０７）。所定のしきい値以下の断絶は連続しているとみなした上で、連続した区間が所定のしきい値以上の部分を線分とする。このような線分が検出されない場合は処理を終了する（Ｓ５０８）。検出された線分をｘｙ空間に逆変換して得られる円弧からあるしきい値以内の距離にある欠陥を円弧状分布欠陥として検出する（Ｓ５０９）。検出された円弧状分布欠陥を処理対象から除いて（Ｓ５１０）Ｓ５０１からの処理を繰り返す。
【００２８】
本実施例では、垂直二等分線によるｘｙ空間への投票によって中心を検出する方法について詳しく説明したが、別の方法で中心を検出してもかまわない。一点を通る円の軌跡を（ｘ，ｙ，ｒ）からなる円のパラメータ空間に投票する方法、任意の３点を選んでこれらを通る円を算出し、（ｘ，ｙ，ｒ）のパラメータ空間に投票する方法などが考えられる。
【００２９】
次に本発明の放射状分布欠陥識別方法について図６、７を参照しながら詳細に説明する。
【００３０】
本発明の放射状分布識別には、ハフ変換を改良した、組合せハフ変換を利用する。まず基本となるハフ変換について説明する。図６は、ハフ変換の原理を説明する図である。ｘｙ空間上の直線は原点からの距離ρと垂線の角度θの二つのパラメータで表現される。ｘｙ空間上の点Ｐ１を通る直線をρθ空間にプロットすると、その軌跡は図に示すように（θ１，ρ１）（θ２，ρ２）を通る曲線となる。ｘｙ空間上の他の点についても同様に曲線を描くことができる。図のように点群が一直線上に分布するときそれぞれの点の軌跡はこれらの点を通る直線を表す（θ２，ρ２）で交差する。したがってｘｙ空間上の点群のρθ空間上の軌跡を（θ，ρ）に投票し、投票数が極大となる（θ，ρ）に対応する直線を検出することが行われている。
【００３１】
組合せハフ変換は、ハフ変換と同様、ρθ空間への投票であるが、ｘｙ空間上の２点を通る直線に対応するρθ空間上の１点にのみ投票する。ｘｙ空間上の２点Ｐ１，Ｐ２の座標をそれぞれ（ｘ１，ｙ１）、（ｘ２，ｙ２）とすると、対応するρとθは次式により算出できる。
【００３２】
【数１】

【００３３】
【数２】

【００３４】
ただし、２点のうちｘ座標の絶対値が大きい方をＰ１とする。通常のハフ変換ではθは−π／２〜π／２の範囲とするが、ここでは−π〜πとする。つまり直線の傾きだけではなく向きも考慮している。図７にｘｙ空間上の２点の組合せと、ρθ空間上の点の対応を示す。それぞれ同じ記号の点同士が対応している。図に示すように、放射状分布欠陥がある場合はρ＝０付近の異なるθで多くのピークが検出されることを利用して識別を行う。
【００３５】
図８は、本発明の放射状分布欠陥識別のフローを表す図である。
【００３６】
始めに、欠陥座標の任意の２点を選んでそれらを通る直線に対応するρθ空間上の点への投票を行う（Ｓ８０１）。２点の選び方は全ての組合せとするとよいが、時間短縮のためランダムに間引いてもかまわない。また、ウェーハの中心付近の点は必ずρ＝０付近に投票されて放射状分布欠陥からの投票に対するノイズになってしまうため、中心からの距離がしきい値以下である欠陥は除いておいてもよい。投票の際には、円弧状分布欠陥識別と同様、２点間の距離に基づく重み付を行って、距離が近すぎるもの、遠すぎるものの寄与を低減する。
【００３７】
次に、予め決められた数のピークを値の高いものから順に検出する（Ｓ８０２）。円弧状分布欠陥がある場合はρ＝０付近に投票が集中するので、その集中度を調べるために、ρ＝０を中心とした所定範囲にあるピーク数の全検出ピーク数に対する割合αを算出する（Ｓ８０３）。ρ＝０を中心とした所定範囲になされた投票の全投票に対する割合をαとしてもよい。αが所定しきい値以下であるときは放射状分布欠陥がないと判定して、処理を終了する（Ｓ８０４）。
【００３８】
次にρ＝０を中心とした所定範囲にあるピークに対して適当なしきい値を決めてピークの近傍、例えば５×５の領域のみ二値化してラベリングを行う（Ｓ８０５）。しきい値はピーク値に対して一定の割合にするか、上記の近傍領域の値の大きい方から予め決められた画素数を“１”にするように決めればよい。ラベルの数が予め決められた数以上であれば放射状分布欠陥があると判定する（Ｓ８０６）。各ラベルの大きさからρとθの範囲を決定し、対応するｘｙ空間上の欠陥を放射状分布欠陥として検出する（Ｓ８０７）。
【００３９】
次に本発明の線状分布欠陥識別方法について図９、１０を参照しながら詳細に説明する。
【００４０】
本発明の線状分布欠陥識別には、ハフ変換を利用する。図９は、線状分布欠陥識別のフローを示す図、図１０は処理の例を示す図である。初めに、欠陥座標のハフ変換を行い（Ｓ９０１）、投票数最大の（θ，ρ）を候補直線として検出する（Ｓ９０２）。図１０（ｂ）は、図１０（ａ）に示すウェーハマップに対するハフ変換画像である。前述したように線状分布はある程度の幅を持っているため（θ，ρ）の解像度を粗くしておく。しかし通常のハフ変換を実行すると、例えば密集欠陥が２カ所にあるとき２つの密集欠陥を結ぶ直線が検出されるという問題が生じる。密集欠陥が線状に分布していること考えられるため、密集欠陥を除去することも結果に悪影響を及ぼす。
【００４１】
この問題を解決するため、投票の際に欠陥間の距離あるいは欠陥間の距離の２乗に比例する重み付を行うことにより、密集欠陥の寄与を低減する。そのために、予めウェーハマップに対応する最近点ボロノイ図を作成し、欠陥間の距離を計算しておく。密集欠陥識別時にボロノイ図の作成をしていればそれを用いてもよい。また、ボロノイ領域の中には１個だけ欠陥が存在するから、ボロノイ領域の面積の逆数は対応する座標における局所的な欠陥密度であると言える。前述の重み付に欠陥密度の逆数、すなわちボロノイ領域面積を使用しても良い。
【００４２】
次に、図１０（ｂ）に示すように、候補直線を中心とした投票数最大値のα％以上の部分のρ方向の幅Ｗを求める（Ｓ９０３）。αは予め指定されたしきい値であり、Ｗは候補直線の幅と考えられる。次に、Ｗが予め指定されたしきい値以下であるかをチェックする。しきい値より大きい場合、すなわち幅が広すぎるときは、線状分布がないと判断し処理を終了する（Ｓ９０４）。しきい値より小さい場合はウェーハマップを−θ回転させた上で、候補直線の周辺の密度を表す濃淡画像を作成する（Ｓ９０５）。このとき画素サイズはＷと等しくする。
【００４３】
図１０（ｃ）に示す格子は濃淡画像の画素に対応している。ただし図中ではウェーハマップを−θ回転させるかわりに格子をθ回転させて示してある。濃淡画像は欠陥密度が高い格子に大きい画素値を、欠陥密度が低い格子に小さい画素値を対応させるように作成する。例えば格子の中の欠陥数に比例させるなどである。密集欠陥の寄与を低減させるためのハフ変換処理時と同様の重み付を行っても良い。
【００４４】
次に判別分析法などの適切な方法を用い、濃淡画像を図１０（ｄ）に示すように二値化し、二値画像から線状分布の有無を判断する（Ｓ９０６）。図１０（ｄ）の黒で示す部分は線状分布欠陥の候補である。中央の列は候補直線の位置に対応するので、線状分布有無の判断は、中央の列の候補部分の長さ、連続しているかどうか、左右の列の分布の有無を数値化して予め指定したしきい値と比較することにより行う。
【００４５】
図１０（ｄ）に示す例では、図１０（ｅ）の実線の四角の部分が線状分布であると判断できる。線状分布がない場合は処理を終了する（Ｓ９０７）。線状分布がある場合は、図１０（ｆ）に示すように図１０（ｅ）をθ回転させてウェーハマップの対応する位置に重ね、実線の四角の内側の欠陥を線状分布欠陥として検出する（Ｓ９０８）。
【００４６】
検出した線状分布欠陥を次の処理対象から除き（Ｓ９０９）、Ｓ９０１からの処理を繰り返す。一回の処理で検出される線状分布毎にグループ番号を付加し、位置・幅・角度・長さ・欠陥密度などの特徴量を算出、記録しておく。
【００４７】
次に、本発明の環・塊状分布欠陥識別方法について詳細に説明する。図１１は本発明の本発明の環・塊状分布欠陥識別の概念を表す図である。最初のステップでは、欠陥の位置座標をもとに、欠陥密度の高い部分を１、低い部分を０で表した２値の画像を作成する。以後、この画像を高密度領域画像７０４と呼ぶことにする。次のステップで、高密度領域画像７０４の画像サイズに合わせて複数の幾何学的辞書パターン７０５が自動生成される。次に、高密度領域画像１１０４と自動生成された複数の幾何学的辞書パターン画像７０５との一致度がそれぞれ計算され、最後のステップで一致度の最も高いパターン画像７０６が選択される。
【００４８】
本発明の別の形態では，自動生成される幾何学的辞書パターン７０５の他にユーザによって辞書パターン７０７を予め登録しておき、両方の中から一致度の最も高いパターン画像７０６が選択される。パターン画像７０６とウェーハマップ１０３を重ね、パターン部に含まれる欠陥を環・塊状分布欠陥として検出する。
【００４９】
次に、それぞれのステップの詳細について説明する。
【００５０】
まず、欠陥位置座標に基づいて高密度領域画像７０４を作成する方法について説明する。
【００５１】
図１２は、高密度領域画像７０４を作成するためのフローを表す図である。
【００５２】
初めに、全欠陥の座標点に対して最近点ボロノイ図を作成し、各点のボロノイ領域の面積を求める（Ｓ１２０１）。前述の線状分布欠陥識別処理でこの計算を行っていればその結果を用いてもよい。次に、ボロノイ領域の面積のヒストグラムを計算する（Ｓ１２０２）。ただし、繰り返し欠陥、密集欠陥、線状分布欠陥のいずれかに分類された欠陥はヒストグラムの計算に含めない。ヒストグラムから最頻度値を求め、最頻度値に予め決められた数（Ｎとする）をかけて平方根を計算した値を画素サイズとし（Ｓ１２０３）、ウエハ全体が一枚の画像にちょうど収まるように画像サイズを決め、画素当たりの欠陥数を濃淡値で表した画像を作成する（Ｓ１２０４）。このような画像は、全画素を初期値０とし、各欠陥について座標に対応する位置の画素値を１ずつ増加していくことによって作成される。このとき、Ｎが大きすぎると画像サイズが小さくなり、形状の認識が難しくなってしまうので５程度にするとよい。逆にＮが小さすぎると高密度部分と低密度部分の濃度差が小さくなり、判別が困難になってしまう。
【００５３】
次に、予め決められたしきい値（Ｔとする）を用いて二値化し、高密度部分を１、低密度部分を０で表した画像を得る（Ｓ１２０５）。ここでＴはＮと同程度にすると良い。得られる画像には、欠陥密度が相対的に高い部分のパターンが見られる。最後にそのパターンに対して膨張収縮処理を行い、高密度領域画像１１０４とする（Ｓ１２０６）。このような手法で画像を作成することにより、疎な分布であっても、適切な画素サイズを設定して、相対的に密度の高い領域を抽出することができる。また、Ｓ１２０４で濃淡画像を作成し、Ｓ１２０５で二値化する別の方法も考えられる。各欠陥に隣接欠陥との最短距離またはその二乗あるいはボロノイ領域面積に比例する重み付を行った上で対応する位置の画素値に加算することによって濃淡画像を作成し、判別分析法を用いて二値化する。
【００５４】
次に、幾何学的辞書パターン画像７０５の自動生成方法について説明する。
【００５５】
幾何学的辞書パターン画像７０５は環状のパターンと塊状のパターンに分けて自動生成される。画像サイズは、高密度領域画像７０４と同じとし、画像上に描ける最大の円を基準として以下の方法でパターンを生成する。
【００５６】
環状パターンは、基準となる円を同心円によって半径方向に等分に分割し、扇形によって中心角方向に等分に分割されてできた小領域の組み合わせによって生成される。図１３に示す、半径方向に５分割、中心角方向に８分割したパターンを例にとって小領域の組み合わせ方法について説明する。まず、半径方向に分割した円環（一番内側は円）に外側からａ，ｂ，ｃ，ｄ，ｅと記号を付け、中心角方向に８分割した扇形に順に１〜８の番号を付ける。完全な円環または円の大きさの組み合わせは、ａ，ｂ，ｃ，ｄ，ｅ，ａｂ，ｂｃ，ｃｄ，ｄｅ，ａｂｃ，ｂｃｄ，ｃｄｅ，ａｂｃｄ，ｂｃｄｅ，ａｂｃｄｅの１５通りである。円環の部分のバリエーションは８分の１、８分の２、８分の３、８分の４、８分の５、８分の６、８分の７の大きさについてそれぞれ８通りの組合せがある。例えば８分の２の大きさの場合は１２，２３，３４，４５，５６，６７，７８，８１の組合せである。これらの組み合わせに完全な円環１通りを加えて計５７通りの組み合わせが考えられる。それぞれに対して前述の大きさの組み合わせ１５通りが考えられるから、合計８５５通りのパターンが生成される。
【００５７】
半径方向および中心角方向の分割はこの通りでなくても良い。また、等分の分割である必要もないが、処理を煩雑にしないためには等分の方が望ましい。
【００５８】
塊状パターンは、基準となる円を垂直方向の直径を長軸とする楕円により水平方向に等分に分割し、かつ水平方向の直径を長軸とする楕円により垂直方向に等分に分割してできる小領域の組み合わせによって生成される。
【００５９】
図１４（ａ）に水平方向、垂直方向にそれぞれ８分割した例を示す。水平方向の大きさと位置の組み合わせは、大きさは１から８までの８通りで、位置は大きさＮのとき（９−Ｎ）通りであるから計３６通りである。垂直方向も同様で、水平方向と垂直方向の組み合わせは自由にできるので１２９６通りのパターンが生成される。図１４（ｂ）〜（ｄ）は、この方法によって生成されるパターンの例である。それぞれ黒く塗りつぶした部分がパターンに対応している。図１４（ｅ）のように離れた領域の組み合わせや、図１４（ｆ）のように凹凸のあるパターンはこの方法によっては生成されない。塊状パターンとしては、上記方法によって作成したパターンを基準となる円の中心を基準に４５度回転させたものも考えられる。図１４（ｇ）に、この場合の分割される小領域の様子を示す。どちらか一方を用いてもよいし、両方用いてもよい。また、分割数は８でなくてもよい。
【００６０】
以上の方法で幾何学的辞書パターン画像７０５を自動生成することにより、パターン数を実用的なレベルに押さえることができ、したがって高速な処理を実現できる。
【００６１】
次に、高密度領域画像７０４とそれぞれの辞書パターン画像７０５との一致度の算出方法について図１５を用いて説明する。高密度領域画像７０４の各画素値を、辞書パターン画像７０５の同じアドレスの画素値と比較し、一致していれば＋１不一致ならば−１として全画素での比較の結果を合計し、この値を一致度とする。図１５では、高密度領域画像７０４と辞書パターン画像の一部７０５ａ、７０５ｂを画素値１を黒で、画素値０を白で表している。７０８ａ、７０８ｂはそれぞれ、高密度領域画像７０４と辞書パターン画像７０５ａ、７０５ｂとの不一致箇所を黒で示した画像である。すなわち、これらの画像の白部分の画素値は１、黒部分の画素値は−１であり、全画素値の合計が一致度となる。７０８ａと７０８ｂを比較すると７０８ａの方が黒の面積が小さいので、７０５ａのパターンの方が７０５ｂより高密度領域画像７０４との一致度が高い。
【００６２】
以上説明した方法では、必ずパターン７０６が検出されるが、実際には非常に密度の低い場合や密度差の小さい場合はパターンなしとした方が良い。したがって検出したパターン７０６を検証しパターンの有無の判定を行う。以下にパターン有無の判定方法およびパターン検出の感度調整方法について説明する。パターンの有無の判定を行うためには、高密度領域画像７０４作成時に重み付を行う方法で濃淡画像作成し、その濃淡画像を用いる。検出したパターン画像７０６と濃淡画像を重ね、濃淡画像の画素値からパターン内外の判別分析値の比Ｃを次式を用いて算出する。
【００６３】
【数３】

【００６４】
Ｃを予め指定したしきい値と比較し、しきい値以下の場合はパターンなしと判定する。また、Ｓ１２０２で得たヒストグラムにおいて最頻度値が予め指定したしきい値より低いときは以下の処理を行わないでパターンなしと判定する。前者のしきい値は小さく設定すればより密度差の小さいパターンを検出するようになる。また、後者のしきい値は小さく設定すればより欠陥密度の小さいパターンを検出するようになる。したがってこれらのしきい値をユーザによって指定されるようにすれば、ユーザによる感度調整が可能となる。
【００６５】
ところで半導体ウェーハの検査は、スループットの制約から全面を検査するとは限らず、チップ列毎に検査・非検査を指定する部分検査が行われる場合も多い。この場合上記の環・塊状分布識別方法ではパターン検出が困難である。この問題を解決するための、環・塊状分布識別の別の方法について図１６を参照しながら以下に説明する。
【００６６】
図１６は、部分検査ウェーハの欠陥データに適用可能な環・塊状分布識別の概念を表す図である。部分検査を実行した場合、ウェーハマップ１０３は例えば図に示すようになる。前述と同様の方法で高密度領域画像７０４を作成し、幾何学的辞書パターン７０５を自動生成する。一方、検査条件情報およびチップマトリックスデータをもとに、検査領域画像７０９を作成する。検査領域画像７０９と各幾何学的辞書パターン７０５を重ね、非検査領域をマスクして一致度の算出を行う。つまり、高密度領域画像７０４の、辞書パターン画像７０５、検査領域画像７０９を同時に走査し、非検査領域の場合には０、検査領域の場合には高密度領域画像７０４と辞書パターン画像７０５の画素値が一致していれば＋１、不一致ならば−１を全画素について合計し、この値を一致度とする。このようにして各辞書パターン画像７０５との一致度を算出し、最も一致度の高いパターン画像７０６を選択する。この方法によれば、部分検査の場合でも辞書パターン７０５との一致度を精度良く算出することができるため、環・塊状分布欠陥識別が可能となる。
【００６７】
次に、ユーザパターン登録方法について以下に説明する。
【００６８】
図１７は、ユーザパターン登録方法を説明する図である。初めにユーザは登録したいパターンを持つウェーハマップ９０１を指定して画面に表示させる。この指定は省略してもよくその場合は何も表示されない。次に、幾何学的辞書パターンの自動生成のもとになる、分割パターン９０２ａ〜９０２ｃの中から一種類を選択する。９０２ａは、図１３に示す環状パターンと同一のものであり、９０２ｂ、９０２ｂは図１４（ａ）、（ｇ）にそれぞれ示す塊状パターンと同一のものである。選択された分割パターン９０２はウェーハマップ９０１に重ねて表示される。また、選択された分割パターン９０２の各小領域はマウスクリックなどのユーザの指定により選択・非選択状態がスイッチされ、選択された領域が色違いで表示される。
【００６９】
ユーザはウェーハマップ上で欠陥密度が高い位置、あるいは自由に小領域を選択し、選択終了後登録を指示する。指定された小領域の組み合わせは、自動生成されるパターンと比較され、自動生成されるパターンに含まれていない場合は、パターン画像９０３が、ユーザ登録パターン７０７として保存される。この方法によれば、ユーザ登録パターンとしてはパターン画像ではなく選択した小領域の組み合わせをコード化して記録しておけば充分である。
【００７０】
図１８は、上記と異なるユーザパターン登録方法を説明する図である。ユーザは登録したいパターンを持つウェーハマップ９０１を指定して画面に表示させる。前述した高密度領域画像作成方法によって高密度領域９０４が作成され、表示される。高密度領域９０４は自動生成される辞書パターンおよび既登録のユーザ登録パターンとの間で一致度が算出され、一致度の最大値が予め決められたしきい値以下であれば、ユーザ登録パターン７０７として登録される。この場合、ユーザ登録パターン７０７は画像データとして記録される。
【００７１】
ユーザパターン登録方法としては、上記２種類の方法の両方を備えていてもよいし、どちらか一方でもよい。また、上記とは異なる方法でもかまわない。
【００７２】
本発明の欠陥データ解析方法の第二の実施例では、環・塊状分布欠陥識別において、自動生成される幾何学的辞書パターン７０５とユーザ登録パターン７０７のそれぞれに関連する情報を付加しておき、第一の実施例と同様の方法でパターン画像７０６を選択する。
【００７３】
付加する情報は、パターンの位置、サイズ、形状、重要度、特記事項である。幾何学的辞書パターン７０５のパターン位置、大きさ、形状については一定のルールにより大雑把な分類を行い、デフォルトの情報を付加しておく。塊状のパターンについては、パターンの位置は右上、上、左上、右、中央、左、右下、下、左下程度に分類、サイズは大、中、小程度に分類、形状は塊状とする。例えば図１４（ｂ）は、左上にサイズ小の塊状パターン、図１４（ｃ）は、右にサイズ中の塊状パターン、図１４（ｄ）は、中央にサイズ大の塊状パターンとなる。環状のパターンについては、右上に半径大の４分の１の環状パターンとする。ただし、塊状のパターンから派生したパターンであっても、一番外側一列のみのパターンであれば環状パターン、環状パターンから派生したパターンであっても、一番内側の円を含んでいれば塊状パターンとする。
【００７４】
さらに、幾何学的辞書パターン７０５およびユーザ登録パターンを手動でグルーピングし、まとめて情報を付加する手段を備えておき、ユーザが同一だと判断するパターンには同じ情報をつけられるようにする。これにより位置やサイズの情報の解像度を調整することができる。重要度の情報はユーザが入力する。特記事項には、直接不良原因と関連する情報などを入力する。
【００７５】
次に、本発明の欠陥データ解析方法を備えた検査装置の第一の実施例について説明する。以下の説明では繰り返し欠陥、密集欠陥、線状分布欠陥、環・塊状分布欠陥、ランダム欠陥を分布特徴カテゴリと呼ぶことにする。半導体ウェーハの検査装置としては、異物検査装置、光学式パターン欠陥検査装置、ＳＥＭ式パターン欠陥検査装置などが知られているが、本発明の検査装置は、それら検査装置いずれかと同様の公知の方法で半導体ウェーハの検査を行い、得られる欠陥データ情報に基づき、前述の方法で分布特徴カテゴリへの分類を行い、カテゴリ情報を欠陥データ情報とともに出力するものである。
【００７６】
図１９は、本発明の検査装置の第一の実施例の構成を説明する図である。
【００７７】
パターン情報付加手段３０１は、自動生成される複数の幾何学的辞書パターンとユーザ登録辞書パターンに対して、パターンの位置、サイズ、形状、重要度、特記事項といったパターンに関連する情報を付加する。幾何学的辞書パターンに対してデフォルトの情報を付加する部分と、幾何学的辞書パターンおよびユーザ登録辞書パターンに手動で情報を付加する部分からなる。パターン情報の付加はオフラインで行われる。最低一回は実施して結果をハードディスクなどの記憶手段３０２にパターン情報ファイル３１１として保存しておくようにする。
【００７８】
欠陥データ解析は、インラインとオフラインの両方のモードで実行することができる。
【００７９】
検査手段３０３は公知の方法でウェーハ検査を行い、少なくとも欠陥位置座標を含む欠陥データ１０２を記憶手段３０２に保存する。
【００８０】
インラインモードの場合、検査手段３０３は１枚毎のウェーハ検査終了時に検査終了の通知を欠陥データ解析手段３０４に送る。欠陥データ解析手段３０４は、記憶手段３０２よりウェーハ１枚分の欠陥データ１０２を読み込む。あるいは記憶手段３０２を介さずに欠陥データ１０２の受け渡しがなされるように構成してもよい。
【００８１】
オフラインモードの場合、欠陥データ解析手段３０４は、オペレータにより指示されたウェーハの欠陥データ１０２を読み込む。
【００８２】
欠陥データ解析手段３０４は、欠陥の位置座標をもとに分布特徴カテゴリへの分類を行い、各欠陥の欠陥データに、分布特徴カテゴリ番号とカテゴリ内のグループ番号を付加する。環・塊状分布欠陥が検出された場合は、記憶手段３０２からパターン情報ファイル３１１を読み出し、環・塊状分布欠陥の欠陥データにパターン画像番号またはパターン情報を付加し、検査と解析両方の結果を含む欠陥データ１０２として記憶手段３０２に保存する。インラインモードの場合は、解析の終了を検査手段３０３に通知する。
【００８３】
分布特徴カテゴリへの分類結果は、表示手段３０５により表示される。ウェーハマップにカテゴリ毎に異なる色で表示しても良いし、図１に示すようにカテゴリ別にウェーハマップを作成して表示しても良い。同時にチップ重ね合わせマップを表示しても良い。また、環・塊状分布識別において選択されたパターン画像７０６は、検査対象ウェーハに関連する情報とパターンに付加されていたパターン情報とともに表示手段３０５により表示される。同時に検査対象ウェーハと関連づけて画像ファイルとして保存される。また、線状分布欠陥が検出された場合はその位置を示す四角形がウェーハマップに重ねて表示され、同時に位置・幅・角度・長さ・欠陥密度などの情報が表示される。これらの情報は検査対象ウェーハと関連づけて保存される。
【００８４】
ユーザパターン登録手段３０６は、オペレータの指示によりユーザ登録パターンを作成し、前述した方法の違いによりパターンコードあるいはパターン画像を記憶手段３０２に保存する。ユーザパターン登録手段３０６がない構成にすることも可能である。
【００８５】
次に、本発明の欠陥データ解析方法を備えた検査装置の第二の実施例について説明する。第二の実施例は、公知の方法で半導体ウェーハの検査を行い、得られる欠陥データ情報に基づき、前述の方法で欠陥の分布特徴カテゴリへの分類を行い、カテゴリ毎に予め指定されたルールに基づきサンプリングを行い、欠陥データとともに分類結果及びサンプリング結果を出力するものである。
【００８６】
図２０は、本発明の検査装置の第二の実施例の構成を説明する図である。
【００８７】
パターン情報付加手段３０１は前述の情報の他に、サンプリング条件番号を付加する。同一のサンプリング条件を用いる辞書パターンを手動でグルーピングし、同じサンプリング番号をつける。その番号に対応するサンプリング条件がない場合は、サンプリング条件作成手段３０７によって、サンプリング条件を作成するようにする。
【００８８】
サンプリング条件作成手段３０７は、レビューを行う欠陥を決定するためのサンプリング条件を作成する。環・塊状分布欠陥のパターンに関連づけられたサンプリング条件および他の分布特徴カテゴリ毎のサンプリング条件が手動で作成され、サンプリング条件ファイル３１２として記憶手段３０２に保存される。サンプリング条件は、例えばサンプリング数またはサンプリング比率とサンプリング方法である。サンプリング数とサンプリング比率はどちらで指定するかのを選択してから数値を入力する。サンプリング数はパターン内の欠陥数に対するサンプリング比率で決められる。サンプリング方法としては、ランダム、欠陥番号順など考えられる方法をリストアップしておき、ユーザによって選択されるようにしておく。欠陥番号順が指定されたとき、サンプリング比率に合う間隔でサンプリングを行う。
【００８９】
検査手段３０３、欠陥データ解析手段３０４の動作は、第一の実施例と同様である。
【００９０】
サンプリング手段３０８は、欠陥解析終了後、記憶手段３０２よりサンプリング条件ファイル３１２とウェーハ１枚分の分布特徴情報付加済みの欠陥データ１０２を読み込む。欠陥データ１０２の受け渡しは、記憶手段３０２を介さずになされるように構成してもよい。次に欠陥データが分布特徴カテゴリのいずれであるのかによって、環・塊状分布欠陥であれば付加されているパターン情報に関連するサンプリング条件を用いてサンプリングを行い、その他であれば分布特徴カテゴリ毎のサンプリング条件に基づいてサンプリングを行う。サンプリングの結果、レビューする・しないのフラグが欠陥データに付加され、検査、解析、サンプリングの結果を含む欠陥データ１０２として記憶手段３０２に保存される。
【００９１】
欠陥データ解析手段３０４によって選択されたパターン画像７０６は、検査対象ウェーハに関連する情報とパターンに付加されていたパターン情報とともに表示手段３０５により表示される。ウェーハマップ上にサンプリングされた欠陥が他の欠陥とは異なる色または記号で示されたものが表示される。図２１に、結果表示画面の一例を示す。
【００９２】
ユーザパターン登録手段３０６の動作は、第一の実施例と同様であるが、これがない構成とすることも可能である。
【００９３】
次に、本発明の欠陥データ解析方法を備えたレビューシステムについて説明する。
【００９４】
図２２は、本発明のレビューシステムを説明する図である。
【００９５】
ネットワーク上には異物検査装置４０１、光学式パターン欠陥検査装置４０２、ＳＥＭ式パターン欠陥検査装置４０３、欠陥データ解析装置４０４、レビュー装置４０５が接続されている。各検査装置４０１〜４０３とレビュー装置４０５はクリーンルーム内に設置される。欠陥データ解析装置４０４はどこにあってもよい。
【００９６】
各検査装置４０１〜４０３によって検査された結果は欠陥データ１０２として同一形式でファイル出力され、欠陥データ解析装置４０４に転送される。欠陥データ解析装置４０４は、図２０に示す検査装置から検査手段３０３を除いた構成である。欠陥解析対象ウェーハの欠陥データ１０２を読み込み、分布特徴カテゴリへの分類と、分類結果に基づくサンプリングを実行する。欠陥データ１０２に分布特徴情報とサンプリングフラグを付加してファイル出力し、欠陥データ１０２’としてレビュー装置４０５に転送する。
【００９７】
レビュー装置４０５は、指定されたレビュー対象ウェーハに対応する、サンプリングフラグを付加された欠陥データ１０２’を読み込み、その情報に従い欠陥をレビューし、手動あるいは自動で欠陥種の分類を行う。分類結果としてカテゴリ番号を欠陥データ１０２’に付加して、ファイル出力し、欠陥データ解析装置４０４に転送する。同時に関連するレビュー画像も転送する。
【００９８】
欠陥データ解析装置４０４は、解析対象ウェーハの欠陥分布パターン、欠陥レビュー結果をもとにレポートを作成して保存する。レポートに記述する情報は、対象ウェーハの情報、分布特徴カテゴリへの分類結果、レビュー画像とする。分布特徴と欠陥のレビュー画像が同時に示されることによって、原因の推定が容易になる。ユーザの要求によって、サンプリング位置情報、レビュー結果とサンプリング比率から算出される、推定欠陥種別比率、その他、公知の解析手段による解析結果などより詳細な情報を記述するようにしてもよい。レポートのファイル形式は何でもよいが、ＨＴＭＬ形式のフォーマットとし、インターネットあるいはイントラネットで接続されるデータサーバ４０６にアップロードし、接続可能な任意の端末４０７から閲覧できるようにしてもよい。
【００９９】
以上、３種類の検査装置と、１台のレビュー装置が接続されている例を示したが、最低１台の検査装置と１台のレビュー装置が接続されているだけでもよい。また、各種検査装置およびレビュー装置が複数台あってもかまわない。各検査装置が本発明の検査装置の第二の実施例と同様の構成を持っているならば、検査装置の中で欠陥データ解析装置の機能が実現できるので、独立した欠陥データ解析装置は不要である。
【０１００】
上記の欠陥データ解析方法、およびそれを有する検査装置またはレビューシステムは、一枚のウェーハの欠陥データを処理することを前提としているが、サンプリングではなく欠陥分布識別を目的とする限りにおいては、複数のウェーハを解析対象とすることも可能である。その場合、まず、複数のウェーハの欠陥位置座標を重ね合わせ、重ね合わせられた欠陥位置座標をもとに高密度領域画像を作成すればよい。
【０１０１】
【発明の効果】
本発明によれば、検査装置によって検出された欠陥位置座標に基づいて繰り返し欠陥、密集欠陥、円弧状分布欠陥、放射状分布欠陥、線状分布欠陥、環・塊状分布欠陥、ランダム欠陥といったそれぞれ発生原因の異なる分布特徴カテゴリに分類するため、不良原因の絞り込みが容易にできる。
【０１０２】
また、欠陥の高密度部分を表す高密度領域画像を最適画像サイズで作成するため、微弱な欠陥分布パターンであっても、パターン領域を抽出することができる。
【０１０３】
また、本発明によれば、高密度領域画像を複数の幾何学的パターンのうちいずれかに分類するため、計算時間、記憶容量ともに実用的なレベルでの欠陥分布状態の解析が実現可能となる。
【０１０４】
さらに、複数の幾何学的パターンのそれぞれに予め意味づけすることが可能なので、装置・プロセス起因の不良原因の特定を容易にすることができる。
【図面の簡単な説明】
【図１】本発明の欠陥データ解析方法の概念を表す図
【図２】繰り返し欠陥識別のフロー
【図３】最近点ボロノイ図の例
【図４】円弧検出の原理を説明する図
【図５】円弧状分布欠陥識別のフロー
【図６】ハフ変換の原理を説明する図
【図７】組合せハフ変換の処理の例
【図８】放射状分布欠陥識別のフロー
【図９】線状分布欠陥識別のフロー
【図１０】線状分欠陥識別処理方法を説明する図
【図１１】環・塊状分布欠陥識別の概念を表す図
【図１２】高密度領域画像作成のフロー
【図１３】環状の辞書パターンの自動生成方法を説明する図
【図１４】塊状の辞書パターンの自動生成方法を説明する図
【図１５】高密度領域画像と辞書パターン画像との一致度算出方法を説明する図
【図１６】部分検査ウェーハに適用可能な環・塊状分布識別の概念を表す図
【図１７】第一のユーザパターン登録方法を説明する図
【図１８】第二のユーザパターン登録方法を説明する図
【図１９】本発明の検査装置の第一の構成例
【図２０】本発明の検査装置の第二の構成例
【図２１】欠陥データ解析結果表示画面例
【図２２】本発明のレビューシステムの構成例
【符号の説明】
１０１…検査装置１０２…欠陥データ１０３…ウェーハマップ
３０１…パターン情報付加手段３０２…記憶手段３０３…検査手段３０４…欠陥データ解析手段、３０５…表示手段、３０６…ユーザパターン登録手段３０７…サンプリング条件作成手段３０８…サンプリング手段
４０１…異物検査装置４０２…光学式パターン欠陥検査装置４０３…ＳＥＭ式パターン欠陥検査装置４０４…欠陥データ解析装置４０５…レビュー装置４０６…データサーバ４０７…端末装置

Claims

基板上に回路パターンを形成する工程の途中において前記回路パターンの一部が形成された被処理基板を検査して得られた欠陥の少なくとも位置座標を含む欠陥データを用いて全欠陥の位置をチップ原点基準の座標系で表したチップ重ね合わせマップを作成するステップと、前記チップ重ね合わせマップに対応する最近点ボロノイ図を用いて隣接欠陥間の距離を算出するステップと、前記隣接欠陥間の距離に基づいて繰り返し欠陥を識別するステップと、全欠陥の位置をウェーハ原点基準の座標系で表したウェーハマップを作成するステップと、前記ウェーハマップに対応する最近点ボロノイ図を用いて隣接欠陥間の距離とボロノイ領域面積を算出するステップと、前記隣接欠陥間の距離に基づいて密集欠陥を識別するステップと、前記ウェハマップ上で円弧状に分布する円弧状分布欠陥を識別するステップと、前記ウェハマップ上で中心から外側に向かって広がる筋状の分布を有する放射状分布欠陥を識別するステップと、前記隣接欠陥間の距離およびボロノイ領域面積に基づいて線状分布欠陥を識別するステップと、前記隣接欠陥間の距離およびボロノイ領域面積に基づいて環・塊状分布欠陥を識別するステップと、前記繰り返し欠陥および密集欠陥および線状分布欠陥および環あるいは塊状分布欠陥のいずれにも該当しない欠陥をランダム欠陥として抽出するステップとを含み、前記円弧状分布欠陥を識別するステップにおいて前記円弧状分布欠陥を識別することを、欠陥座標上の任意の２つの欠陥を選んでそれらの垂直二等分線が通る点への投票を行い、周りの値と比較して鋭い同ピークをもつ投票値最大の点を極座標系の原点として全ての欠陥座標を極座標に変換し、該変換した極座標上で円弧状欠陥候補が分布する領域を抽出し、該抽出した領域をｘｙ空間に逆変換して円弧状分布欠陥を抽出することにより行うことを特徴とする欠陥データ解析方法。
前記円弧状分布欠陥を識別するステップにおいて円弧状分布欠陥に分類された欠陥を、ＣＭＰ (ケミカル・メカニカルポリッシング) 加工により発生したスクラッチであると判定することを特徴とする請求項１記載の欠陥データ解析方法。
前記欠陥座標上の任意の２つの欠陥を選んでそれらの垂直二等分線が通る点への投票を行うことを、前記任意に選んだ２つの欠陥の垂直二等分線が通過する点を前記２つの欠陥の距離に関連づけた重み付を行った上でｘｙ空間に投票することを特徴とする請求項１記載の欠陥データ解析方法。
前記変換した極座標上で円弧状欠陥候補が分布する領域を抽出することを、前記変換した極座標上で検出される水平な線分に基づいて円弧状分布欠陥を識別することを特徴とする請求項１記載の欠陥データ解析方法。
被処理基板上に回路パターンを形成する工程の途中において前記回路パターンの一部が形成された被処理基板を検査して得られた欠陥の少なくとも位置座標を含む欠陥データを用いて全欠陥の位置をチップ原点基準の座標系で表したチップ重ね合わせマップを作成するステップと、前記チップ重ね合わせマップに対応する最近点ボロノイ図を用いて隣接欠陥間の距離を算出するステップと、前記隣接欠陥間の距離に基づいて繰り返し欠陥を識別するステップと、全欠陥の位置をウェーハ原点基準の座標系で表したウェーハマップを作成するステップと、前記ウェーハマップに対応する最近点ボロノイ図を用いて隣接欠陥間の距離とボロノイ領域面積を算出するステップと、前記隣接欠陥間の距離に基づいて密集欠陥を識別するステップと、前記ウェハマップ上で円弧状に分布する円弧状分布欠陥を識別するステップと、前記ウェハマップ上で中心から外側に向かって広がる筋状の分布を有する放射状分布欠陥を識別するステップと、前記隣接欠陥間の距離およびボロノイ領域面積に基づいて線状分布欠陥を識別するステップと、前記隣接欠陥間の距離およびボロノイ領域面積に基づいて環あるいは塊状分布欠陥を識別するステップと、前記繰り返し欠陥および密集欠陥および線状分布欠陥および環あるいは塊状分布欠陥のいずれにも該当しない欠陥をランダム欠陥として抽出するステップとを含み、前記放射状分布欠陥を識別するステップにおいて前記放射状分布欠陥を識別することを、欠陥座標上の任意の２点を選んでそれらを通る直線に対応する極座標（ρ、θ）空間上の点への投票を行って極座標空間上の分布データを作成し、該極座標（ρ、θ）空間上の分布データにおいてρ＝０を中心とした所定の範囲のデータから前記放射状分布欠陥を抽出することにより行うことを特徴とする欠陥データ解析方法。
前記欠陥座標上の任意の２つの欠陥を選んでそれらを通る直線に対応する極座標（ρ、θ）空間上の点への投票を行うことを、前記２欠陥を結ぶ線分に対応するρ，θを前記２欠陥の距離に関連づけられた重み付を行った上で投票することを特徴とする請求項５記載の欠陥データ解析方法。
前記極座標（ρ、θ）空間上の分布データにおいてρ＝０を中心とした所定の範囲のデータから前記放射状分布欠陥を抽出することを、前記投票した極座標（ρ、θ）空間上の複数のピークを検出し、ρ＝０を中心とした所定の範囲への投票の集中度が所定のしきい値を超える場合に、前記範囲に含まれるピークに基づいて放射状分布欠陥を識別することを特徴とする請求項５記載の欠陥データ解析方法。