영상 처리 · 결함 분류(ADC) SWDefect Inspection Image Processing and Classification Software
결함 검사 장비의 영상 처리 컴퓨터에서 검사 영상을 정렬 · 비교해 결함 후보를 찾고, 속성으로 방해 결함을 걸러 묶음 코드를 붙인 결함 목록을 내는 소프트웨어다. 리뷰 영상을 나누는 결함 자동 분류(ADC)와 결과를 주고받는다.
1요약
- 이 SW 는 결함 검사 장비의 영상 처리 컴퓨터에서 돌며, 광학 · 전자빔 모듈이 보낸 영상을 정렬 → 차 영상 → 구역별 문턱값 → 속성 거름 순서로 처리해 결함 목록을 내고, 그 목록 위에서 리뷰 표본 · ADC · 수율 대조가 돈다.
- 영상 전체는 남길 수 없다 — 화소 120 nm 로 300 mm 한 장이 4.9 TB 라 SW 가 실시간으로 결함 조각만 남기고, 문턱값 하나로 구역마다 다른 잡음을 다루면 조용한 구역의 작은 결함을 놓친다(US 9,053,527).
- 「결함 수가 이상하다」는 후보가 어디에 몰렸는가로 가른다 — 무늬 가장자리마다 줄이면 정렬, 한 구역에만 몰리면 그 구역 문턱값, 거름 뒤에서만 줄었으면 방해 결함 필터다.
2등장 배경
초기 비교 검사는 두 다이 영상을 빼고 문턱값 하나로 판정했지만, 스테이지가 화소보다 작게 어긋나도 무늬 가장자리마다 가짜 차가 남았다. 2003년 출원 특허 US 7,327,871 은 화소 단위로 맞춘 뒤 0.1 화소 걸음으로 ±0.5 화소 안을 다시 찾아 어긋남을 보정하고 차를 문턱값과 견주는 순서를 적었다.
2013년 출원 US 9,053,527 은 화소를 무늬 모양에 따라 구역으로 나눠 구역마다 문턱값을 달리했고, 2014년 출원 US 9,535,010 은 잡음 바닥 가까이 감도를 올린 검사 뒤 속성 거름으로 방해 결함을 덜어 리뷰로 보내는 흐름을 적었다. 딥러닝 분류는 연구가 많지만 생산 광학 검사에는 해석이 어려워 아직 널리 들어가지 않았다(Zhu 2022 4.2절).
3쉽게 이해하기 — 벽지 공장의 무늬 검수기
벽지 공장에서 같은 꽃무늬가 되풀이되는 롤이 빠르게 지나간다. 검수기는 앞 무늬와 줄을 맞춰 겹쳐 보고, 복잡한 꽃 부분은 너그럽게 · 민무늬 바탕은 엄하게 본다. 붙어 있는 흠 점은 하나로 묶어 크기를 재고, 잉크가 살짝 번진 가짜는 버린 뒤, 흠 부분만 오려 바구니별로 담아 몇 장을 반장에게 보낸다.
그림 1 · 검수기는 줄 맞추기 · 겹쳐 보기 · 구역별 기준 · 흠 묶기 · 가짜 거르기 · 흠 사진 오리기를 차례로 하고, 실제 SW 도 정렬부터 결과 파일까지 같은 순서로 화소를 덜어 낸다.
그림 2 · 반 칸 어긋난 채 겹치면 무늬 가장자리마다 가짜 줄이 생긴다 — 실제로도 0.5 화소 어긋남은 가장자리 차 50 을 만들어 문턱값 15 를 넘기고, 0.05 화소로 줄이면 차 5 로 사라진다.
| 비유 속 역할 | 실제 이름 | 실제로 하는 일 |
|---|---|---|
| 줄 맞추기 | 정렬 | 시험 다이 조각을 기준 조각과 화소 이하까지 맞춘다 |
| 겹쳐 보기 | 차 영상 | 기준 영상과 화소마다 밝기를 뺀다 |
| 꽃 · 바탕 기준 | 구역별 문턱값 | 구역의 잡음 크기에 맞춰 문턱값을 따로 둔다 |
| 흠 묶어 재기 | 결함 후보 · 속성 | 붙은 화소를 묶고 크기 · 신호 세기 · 모양을 잰다 |
| 번진 잉크 버리기 | 방해 결함 필터 | 속성 규칙으로 실제 결함이 아닌 후보를 덜어 낸다 |
| 흠 사진 바구니 | 결과 파일 · 묶음 | 좌표 · 속성 · 조각 영상 · 묶음 코드를 남긴다 |
| 반장 | 리뷰 SEM · ADC | 묶음별 표본을 확대 촬영해 종류를 붙인다 |
⚠ 비유가 맞지 않는 곳: 검수기는 흠을 «보는» 것이 아니라 화소 밝기의 차만 재므로, 공정 변화로 무늬 밝기가 다이마다 달라도 흠처럼 걸린다. 또 메모리 셀처럼 무늬가 되풀이되는 구역은 옆 롤이 아니라 같은 롤 안 한 주기 옆 무늬와 견줄 수 있다(Zhu 2022 3.1절).
4구조 · 동작 — 300 mm 웨이퍼 한 장의 광학 검사 처리
광학계 · 스테이지가 영상을 만들고 장비 제어기 · 장비 SW 가 레시피 · 이송을 맡는다면, 이 SW 는 영상에서 결함을 가려 결과 파일을 만든다. 리뷰 영상의 학습 분류는 결함 자동 분류(ADC)가 맡는다. 아래 화소 · 시간 · 개수는 설명용 가정 값이고 자료량은 원문 식으로 직접 계산했다.
- 화소 120 nm 로 706.9 cm² 를 훑으면 화소 4.9조 개 · 8비트로 4.9 TB 이고, 30분에 끝내려면 영상 처리 컴퓨터가 초당 2.7 GB 를 받는다.
- 시험 다이 조각을 기준 조각과 화소 단위로 맞추고 0.1 화소 걸음으로 다시 찾아 어긋남 0.3 화소를 보정한다(US 7,327,871).
- 로직 구역은 양옆 다이, 메모리 셀 구역은 셀 주기만큼 민 자기 영상을 기준으로 차 영상을 만든다(Zhu 2022 4.1절).
- 잡음 σ 가 셀 구역 3 · 주변 회로 10 이라 문턱값을 5σ 로 15 · 50 에 둔다 — 차 30 인 결함은 셀 구역에서만 걸린다(US 6,781,688 SNR 5 · 그림 4).
- 넘은 화소를 이웃끼리 묶어 후보 2,400개를 만들고, 크기 · 모양 · 신호 세기 · 채널 비 속성 규칙으로 1,800개를 거른다(US 9,535,010).
- 남은 600개마다 좌표 · 속성 · 64 × 64 조각 3장(시험 · 기준 둘)을 남기면 7.4 MB 로 영상의 약 67만 분의 1이고, 다섯 묶음에서 10개씩 50개를 리뷰 SEM 표본으로 보낸다.
그림 3 · 영상 처리 컴퓨터는 4.9 TB 를 받아 결함 600개의 7.4 MB 만 내보내고, 리뷰 · ADC 결과가 필터 규칙으로 되돌아온다.
그림 4 · 같은 차 30 도 셀 구역(σ 3)에서는 문턱값 15 를 넘는 결함이고, 주변 회로(σ 10)에서는 잡음 띠 안에 묻힌다 — 문턱값 하나 50 으로는 셀 구역 결함을 놓친다.
🔑 이 SW 는 화소를 덜어 내는 일을 한다 — 4.9 TB 가 7.4 MB 로 줄 때 무엇을 남길지 정하는 정렬 · 문턱값 · 필터가 곧 장비의 검사 감도다.
🔑 문턱값은 차의 크기가 아니라 그 구역의 잡음에 맞춘다 — 같은 차 30 이 셀 구역에서는 결함이고 주변 회로에서는 잡음이다.
5비교 — 기준 영상 만드는 방식
| 기준 | 다이 대 다이 | 셀 대 셀 | 다이 여럿 중앙값 | 다이 대 데이터베이스 |
|---|---|---|---|---|
| 기준 영상 | 이웃 다이 영상 | 셀 주기만큼 민 자기 영상 | 여러 다이 영상의 중앙값 | 설계로 계산한 무결함 영상 |
| 맞는 구역 | 로직 · 다이 전체 | 메모리 셀처럼 되풀이되는 구역 | 다이마다 공정 차가 큰 층 | 모든 다이에 같은 결함이 의심될 때 |
| 못 잡는 결함 | 모든 다이 같은 자리 결함 | 주기가 없는 로직 | 다이 대부분에 있는 결함 | 거칠기처럼 예측 못 하는 변화는 잡음 |
| 계산 부담 | 낮음 · 스테이지 반복 정밀도 필요 | 낮음 · 먼 거리 기계 어긋남 없음 | 중간 · 다이 여럿 저장 | 매우 큼(로직 전 다이 계산) |
분석셀 구역은 셀 대 셀, 나머지는 다이 대 다이로 한 장을 나눠 처리하고, 공정 차로 방해 결함이 많은 층은 중앙값 기준, 체계적 결함 확인만 데이터베이스 비교로 한다. 근거는 표의 「맞는 구역」 · 「계산 부담」 행이다(Zhu 2022 3.1절 · 4.1절).
6실무 진단 — 정렬 · 구역 · 필터 가르기
분석후보가 몰린 «자리»를 먼저 보고, 그다음 거름 전후 후보 수를 본다. 정렬 · 구역 문제는 차 영상 단계에서 생기고 필터 문제는 그 뒤에서 생기므로, 자리와 단계가 원인을 가른다.
| # | 증상 | 의심 원인 | 단계 | 확인 자료 | 판정 기준(근거) |
|---|---|---|---|---|---|
| 1 | 무늬 가장자리를 따라 줄 모양 후보 | 정렬 실패 · 잔여 어긋남 | 정렬 | 조각별 어긋남 · 상관 점수 기록 | 잔여 어긋남이 0.1 화소 걸음 보정 뒤에도 큼(US 7,327,871) |
| 2 | 한 구역에서만 후보 급증 | 구역 지정 오류 · 그 구역 잡음 증가 | 문턱값 | 구역별 후보 수 · 잡음 σ | 구역 σ 가 레시피 기준보다 큼(US 9,053,527) |
| 3 | 리뷰 표본에 한 종류가 사라짐 | 방해 결함 필터 과다 | 필터 | 버린 후보의 표본 리뷰 | 버린 묶음에 실제 결함이 섞임(US 9,535,010) |
7현장 포인트
| 값 | 어디서 나오나 | 무엇을 알려 주나 | 단위 · 주기 |
|---|---|---|---|
| 잔여 어긋남 · 상관 점수 | 정렬 단계 기록 | 스테이지 · 정렬 상태 | 화소 · 조각마다 |
| 구역별 잡음 σ | 차 영상 통계 | 문턱값이 맞는가 | 밝기 단계 · 웨이퍼마다 |
| 거름 전후 후보 수 | 필터 단계 | 감도 · 방해 결함 비율 | 개 · 웨이퍼마다 |
| 결함 속성 | 결과 파일 | 크기 · 세기 · 모양 · 채널 비 | 결함마다 |
| 조각 영상 | 결과 파일 | 리뷰 전 확인 · 학습 자료 | 64 × 64 화소 · 결함마다 |
| 처리 대기량 | 영상 처리 컴퓨터 | 처리 노드 지연 · 고장 | GB · 실시간 |
- 새 제품 · 설계 변경 뒤 구역 지도를 고치지 않음 → 새 무늬가 엉뚱한 구역 문턱값을 받아 후보 수가 계단처럼 바뀜(레시피)
- 처리 노드 하나가 느려짐 → 대기량이 쌓여 검사 시간이 늘거나 일부 띠가 빠짐(영상 처리 컴퓨터)
- SW 판 갱신 → 같은 웨이퍼의 후보 수 · 속성 값이 달라짐 — 갱신 전후 기준 웨이퍼로 맞춰 봄(SW)
분석이 장비에서 AI 를 쓰는 곳은 사람이 세운 속성 규칙의 방해 결함 필터를 정상 조각만으로 학습한 비지도 결함 탐지 점수로 바꾸는 일이며, 리뷰 표본의 종류 판정은 결함 자동 분류(ADC)가 맡는다. 근거는 위 표 4 · 5행 — 조각 영상과 속성이 결함마다 쌓이지만, 생산 광학 검사의 딥러닝 도입은 해석 문제로 아직 제한적이다(Zhu 2022 4.2절).
현장 키워드
차 영상서브픽셀 정렬구역별 문턱값셀 대 셀방해 결함 필터결함 속성조각 영상리뷰 표본
8오해와 사실
- 오해문턱값을 낮출수록 검사가 좋아진다.사실잡음 바닥 가까이 감도를 올리면 방해 결함이 함께 늘어 리뷰가 넘치므로, 고감도 검사는 속성 거름과 짝으로만 쓴다(US 9,535,010).
- 오해검사 장비는 영상을 모두 저장해 두었다가 나중에 다시 본다.사실한 장 4.9 TB(사례)라 결함 조각만 남기고, 다시 보려면 웨이퍼를 다시 검사한다.
9핵심 정리
| 구분 | 맡는 일 | 입력 → 출력 | 사례 값 | 어긋나면 |
|---|---|---|---|---|
| 정렬 | 시험 · 기준 조각 맞추기 | 두 조각 → 어긋남 보정 | 0.3 화소 · 0.1 화소 걸음 | 가장자리 줄 후보 |
| 차 영상 | 기준과 밝기 빼기 | 영상 → 차 영상 | 양옆 다이 · 셀 주기 | 같은 자리 결함은 지워짐 |
| 구역별 문턱값 | 구역 잡음에 맞춘 판정 | 차 → 넘은 화소 | σ 3 · 10 → 15 · 50 | 조용한 구역 결함 놓침 |
| 결함 후보 · 속성 | 화소 묶기 · 재기 | 화소 → 후보 | 2,400개 | 묶음 크기 오차 |
| 방해 결함 필터 | 실제 결함 아닌 후보 거름 | 후보 → 보고 결함 | 1,800개 거름 → 600 | 실제 결함까지 버림 |
| 결과 파일 · 표본 | 좌표 · 속성 · 조각 남김 | 결함 → 7.4 MB | 표본 50 · 묶음 다섯 | 표본에 종류 빠짐 |
| 영상 처리 컴퓨터 | 실시간 처리 | 4.9 TB · 2.7 GB/s | 30분 한 장 | 대기량 · 띠 누락 |
10참고 문헌
- 먼저 볼 문헌
- ★ Optical wafer defect inspection at the 10 nm technology node and beyond (J. Zhu 외) — 다이 대 다이 · 셀 대 셀 · 다이 대 데이터베이스 비교와 문턱값 · 방해 결함 거름 · 딥러닝 도입의 한계를 한 편으로 볼 때
- ★ US 7,327,871 Defect inspecting method, defect inspecting apparatus and inspection machine — 화소 단위 · 0.1 화소 단위 정렬 뒤 차를 문턱값과 견주는 처리 순서를 볼 때
- ★ US 9,053,527 Detecting defects on a wafer — 화소를 구역으로 나누고 구역마다 다른 문턱값을 쓰는 까닭을 볼 때
- ★ US 9,535,010 Defect sampling for electron beam review based on defect attributes from optical inspection and optical review — 고감도 검사 · 방해 결함 거름 · 속성 묶음 · 리뷰 표본 고르기를 볼 때
- 본문 근거
- US 6,781,688 Process for identifying defects in a substrate having non-uniform surface properties — USPTO · 2004-08 ·
patents.google.com/patent/US6781688B2/en· 확인 2026-11-13