[發明專利]智能型缺陷診斷方法

有效

• 申請號: 201210587012.X
• 申請日: 2012-12-28
• 公開（公告）號: CN103187343A
• 公開（公告）日: 2013-07-03
• 發明（設計）人: 呂一云
• 申請（專利權）人: 敖翔科技股份有限公司
• 主分類號: H01L21/67
• 分類號: H01L21/67;H01L21/66
• 代理公司: 隆天國際知識產權代理有限公司 72003
• 代理人: 趙根喜;呂俊清

1.一種智能型缺陷診斷方法，其使用于一制造工廠，其特征在于，該方法包括：

步驟A10：接收至少一缺陷檢測儀器所產生的多個缺陷數據，接收一輪廓設計系統產生的多個設計布局圖，以及接收該制造工廠所產生的多個制造數據；

步驟B10：通過一缺陷分析系統分析該缺陷數據、設計布局圖及該制造數據，其中，該分析步驟還進一步包括下列子步驟：

步驟B101：先分割完整晶片設計布局圖成許多設計布局圖單元，再將同樣圖形的設計布局圖歸在一起，成為多個復合式圖形群組單元，用以構成一布局圖圖形群組單元屬性的圖形群組；

步驟B102：引入該缺陷數據；

步驟B1025：將該缺陷的影像分割成多個缺陷及多個圖形輪廓；

步驟B103：將所述缺陷數據疊合至每一復合式圖形群組單元，用以形成一布局圖圖形群組屬性的缺陷復合式圖形群組，以及辯識出高失敗頻率的缺陷布局圖圖形；

步驟B1035：對影像圖形輪廓與設計布局圖施以坐標轉換及圖形比對重疊，用以校正其坐標；

步驟B104：對該缺陷輪廓、圖形輪廓或設計布局圖多邊圖執行關鍵區域分析，用以得到一相對應的缺陷良率；

步驟B105：通過缺陷影像分類分析而對該缺陷數據的缺陷種類區分類別。

2.如權利要求1所述的智能型缺陷診斷方法，其特征在于，該方法還包括下列步驟：

步驟C10：由制造數據、自動缺陷良率數據與自動缺陷分類數據中施以數據參數分析。

3.如權利要求2所述的智能型缺陷診斷方法，其特征在于，該缺陷數據參數分析步驟還包括下列子步驟：

步驟C101：聚集該制造數據；

步驟C102：將自動缺陷良率、自動缺陷分類數據與該制造數據建立關聯；

步驟C103：建立一缺陷數據參數分析方程式，其中，該缺陷數據參數分析方程式包括有設備或生產腔模式、產品模式、工廠線上數據模式、錯誤檢測與分類模式或黃金路徑模式。

4.如權利要求1所述的智能型缺陷診斷方法，其特征在于，該方法還包括下列步驟：

步驟C20：收集多個批號所累積的缺陷數據，并完成一布局圖圖形群組屬性的缺陷復合布局圖圖形群組；

步驟D20：取得至少一高失敗頻率的缺陷布局圖圖形。

5.如權利要求1所述的智能型缺陷診斷方法，其特征在于，該方法還包括下列步驟：

步驟C30：重新取得一制造數據、一自動缺陷良率數據及一自動缺陷分類數據；

步驟D30：得到良好晶粒的至少一產出預測值。

6.如權利要求1所述的智能型缺陷診斷方法，其特征在于，該方法還包括下列步驟：

步驟C50：完成一圖形測量分析，用以產生并測量該缺陷影像圖的圖形輪廓、缺陷輪廓，并得到一缺陷的熱點圖形；

步驟D50：整合影像圖形輪廓與缺陷輪廓，并創造一完整晶片的制造輪廓圖形瀏覽器。

7.如權利要求6所述的智能型缺陷診斷方法，其特征在于，該圖形測量分析步驟還包括下列子步驟：

步驟C501：產生一缺陷影像圖形輪廓，并得到一布局圖圖形多邊圖或一模擬圖形多邊圖；

步驟C502：針對該缺陷影像圖形輪廓、布局圖圖形多邊圖或該模擬圖形多邊圖而執行圖形比對重疊；

步驟C503：將該缺陷影像圖形輪廓、布局圖圖形多邊圖或該模擬圖形多邊圖累積并疊置；

步驟C504：通過影像圖形測量與由影像尺寸單位辨識分析得來的量尺，測量該圖形輪廓與該圖形多邊圖的大小尺寸；

步驟C505：引入至少一圖形規格，并設定該圖形規格的容許誤差值；

步驟C506：檢查該多邊圖的寬度、間距或形狀是不是合乎與圖形規格的容許誤差，用以逮出該缺陷的熱點圖形；

步驟C507：當該輪廓測量數據超過該圖形規格的公差值時，則辯識出特定缺陷的熱點圖形。