iDO（inLine Defect Organizer）：inline 自動分類與 attribute binning
KLA 的歷史頁把 2005 iDO 描述為自動分類／專有屬性分箱；不能把現行 iDO 3.0 的 machine-learning 說法倒推回 2005[1]。
KLA WAFER INSPECTION · 工作判讀版 · 2026-07
🔍 從晶圓進機到 defect map：KLA 檢測到底做了什麼？
以 patterned-wafer optical inspection 為主軸，把掃描、TDI、reference subtraction、noise／nuisance suppression、review sampling 與 defect 指標串成同一條流程；再標出 Surfscan、laser scanning、e-beam inspection／review 等工具的邊界。
這頁會帶你掌握
- 看懂晶圓進機後的完整掃描流程把高速掃描、訊號處理與 defect map 串起來。
- 觀察 TDI 同步如何影響成像用同步動畫對照移動與訊號累積。
- 操作 Threshold，判讀檢測結果搭配 Total / Density / Review，分清數量、密度與複查。
全頁心法：KLA 不是「拍一張照片再數黑點」，而是把高速光學訊號與正確參考做差，再用分區門檻壓掉 nuisance，最後才輸出可 review 的 defect candidates。
速度靠光子、TDI 感測器、平行運算與只看重要區域一起推；品質靠光路、訊雜比、參考模型與分類演算法一起守。先定義範圍：KLA 不是只有一種「掃 defect」
本頁動畫描述的是 patterned-wafer optical inspection 的共通心智模型，尤其是 broadband brightfield 與 die／cell／design reference 流程；不同產品家族的照明、偵測器、sampling 與資料路徑並不相同。
| 工具家族 | 主要對象／優勢 | 在整體流程的位置 |
|---|---|---|
| Broadband patterned optical 29xx／39xx | patterned wafer，高速 coverage、多波長／多 mode contrast | 本頁主軸：廣域 discovery、layer monitor[1] |
| Laser-scanning patterned optical Puma／Voyager／8 Series | darkfield／scattering 類訊號與高生產力應用 | 與 broadband brightfield 互補，不等於同一光路[13] |
| Unpatterned optical Surfscan | bare／blanket、smooth／rough films，particle、haze、surface event | 入料、薄膜與設備潔淨監控；不是 die-to-die patterned flow[13] |
| e-Beam inspection eSL10 | 高解析、多 SE／BSE 訊號、電性／材料／深結構相關 contrast | 可做 inspection，但 throughput、sampling 與 optical 不同[3] |
| e-Beam review eDR | 到指定候選座標取高解析影像、量測與 ADC | 通常承接 inspection 候選；不要把 review 說成全片廣域掃描[14] |
| 全表面整合 CIRCL | 正面、edge、bevel、backside 的多感測器檢查與資料整合 | 補足正面 patterned scan 之外的表面與邊緣風險[14] |
把機台拆成五條同時運作的鏈
光學鏈光源 → 照明 → 收光
運動鏈height → stage → encoder
感測鏈TDI → digitize → calibrate
演算法鏈register → reference → threshold
資料鏈cluster → KLARF → review／SPC
真正的瓶頸不是只有「掃多快」：任何一鏈跟不上都會卡住。光子不足會讓 SNR 掉、TDI 不同步會 blur、compute 不夠會限制 pixel rate、門檻太 hot 則 review queue 爆量。
明場與暗場：重點是「收哪一束光」，不只是入射角
Brightfield（明場）
偵測路徑主要接收鏡面反射／成像光；pattern 與缺陷造成強度或相位差異。常適合 patterned wafer 上的形貌與圖案異常。
Darkfield（暗場）
刻意擋掉或避開主要鏡面反射，收集散射光；粒子、粗糙度、edge 或微小形貌會把光散進 detector。
現代系統可同時組合不同照明角度、收光角度、偏振與波長。把明／暗場簡化成「垂直照／斜著照」只能當入門圖像，不能當完整定義[4]。
TDI：沿著同一個圖案，逐列累積訊號
不要把三種「看得細」混成一個數字
| 概念 | 真正問的是 | 由什麼決定 |
|---|---|---|
| Optical resolution | 兩個相鄰結構能否在影像上分開 | 波長、NA、像差、照明／收光 geometry |
| Pixel sampling | 數位影像用多細的格子取樣 | 倍率、sensor pixel、scan geometry；小 pixel 不等於光學上真的分得開 |
| Defect sensitivity | 某個微小異常能否從背景噪聲被偵測 | 散射截面、SNR、reference 品質、threshold、care area 與演算法 |
因此不再寫「光學只能到約 20 nm、e-beam 就是 1–3 nm」。公開產品頁多以 sensitivity／application 表述，且不同 defect material、stack、mode 與 recipe 會得到不同結果；硬塞一個通用尺寸反而會誤導。
先分清五個名詞：不然「noise 很多」無法除錯
Signal
detector 收到的數位化強度；可能包含 defect、背景、pattern 與雜訊，不等於 defect。
Physical noise
shot、dark、read／fixed-pattern noise，以及 stage jitter、focus／height、registration 等擾動。
Nuisance
真實但不符合本次 inspection objective 的事件，例如正常 film／pattern variation 或已知非關注形貌。
False alarm
沒有對應可重現實體事件，卻因隨機噪聲、配準或演算法誤差越過門檻。
DOI
Defect of Interest；跟該 layer／產品風險與決策真正相關的 defect 類別。
感測器本身常見 photon shot、dark current 與 read／fixed-pattern noise；inspection 系統還會疊加 stage、focus、film color／thickness／roughness、reference mismatch、edge／bevel 等變異[17]。
門檻：少一個候選，也可能少一個真缺陷
Noise suppression 是一條處理鏈，不是一條 threshold
1｜校正與穩像
dark／flat／channel calibration，搭配 autofocus、wafer-height、encoder 與 TDI 同步，先壓 detector 與運動鏈變異。
2｜Registration＋reference
把 image、die 與 design 座標配準，再做 die-to-die／cell-to-cell／design subtraction；reference 對錯位置會製造大量假差異[18]。
Nuisance 不是「假訊號」的同義詞：它可能是真實 pattern variation、製程正常變異或非關注事件，只是對這個 inspection objective 沒有判讀價值。recipe 調整的重點是保住 DOI sensitivity，又不讓 nuisance 淹沒 review capacity。
KLA 公開資料可追到的演進：不是突然「加 AI」
以下以 KLA 官方產品史、新聞稿與專利為主。時間軸把「當年事件」與「現行頁面規格」分開，避免把今天看到的能力倒填成當年 launch 規格。
NanoPoint：用 design context 聚焦關鍵位置
從均勻掃描走向 design-aware care area；價值不是只「看更多」，而是把資源放在更可能藏 DOI 的位置[1]。
39xx Broadband Plasma 世代推出：光源、high-NA optics、TDI 與運算共同演進
KLA 歷史頁把 39xx 起點放在 2016；但頁面同時展示的 24.8 GPPS、MCATx 等是現行技術敘述，這裡不把它們當成 2016 首發規格[1]。
392x／295x 與新一代 inspection-review portfolio
光學 broad-band inspection、laser scattering、e-beam review 與資料分析更明確被包成 complementary portfolio，而不是一台機器包辦所有問題[11]。
eSL10：高速 e-beam inspection、Yellowstone 10B pixels/scan、Simul-6 與 SMARTs
以 high beam current／high resolution、多訊號 SE+BSE 與 deep-learning pattern/process noise discrimination 補光學的缺口；官方並未提供一個可通用套用的「1–3 nm」解析度數字[2][3]。
DefectWise／I-PAT：把 classification 與 automotive screening 推到量產決策
I-PAT 的公開資料強調結合 inline defect 與 end-of-line electrical test，作為額外且獨立的 reliability check；這是 time-to-decision 的演進，不只是成像更細[20]。
24.8 GPPS、MCATx、pixel•point／nano•cell、iDO 3.0
現行頁面顯示更高資料率、多 mode、巨量 care-area／design context 與 ML-based iDO 3.0 疊加；主線不是單一「解析度翻倍」，而是 acquisition、compute、targeting 與 classification 一起升級[1]。
速度要分兩層：掃描 throughput vs time-to-result
更多可用光子
高亮度 broadband plasma 與光路效率提高，在相同 dwell time 下拿到更多 signal；或在相同 SNR 下掃更快。
TDI＋更高 pixel rate
移動中積分，不必像相機逐格停拍；custom TDI sensor 把光學通量轉成可持續讀出的資料流。
GPU／平行演算法
reference、filter、threshold 與 feature extraction 必須跟上 sensor data rate，否則光學快了也只會塞車。
更快得到可行動答案
care area、design context、pixel•point／nano•cell、ADC 與 prioritization 可減少候選、review 與判讀負擔；只有 recipe 真正跳過區域時，才直接縮短 stage scan time。
工作上要問清楚：「速度變快」是 wafer/hour、同 sensitivity 下的 scan time，還是從 scan 完到工程師拿到分類結果的 time-to-result？三者可能不是同一個瓶頸。
品質為什麼變好？不是只有「解析度」
| 改善槓桿 | 帶來什麼 | 代價／邊界 |
|---|---|---|
| 短波長＋high NA＋像差控制 | 更好的 optical transfer 與小 defect signal | 景深、光學複雜度、成本與材料相容性 |
| 多波長／多角度／偏振／SE+BSE | 同一 defect 取得互補 contrast | mode 越多，recipe tuning 與資料量越大 |
| noise map＋segmentation＋adaptive threshold | 壓 nuisance、在熱區貼近 noise floor | 模型錯或 reference 污染會造成 systematic miss |
| design context＋ML classification | 把「異常」轉成更接近 DOI 的候選排序 | 需維護 training domain、class drift 與人工驗證 |
| 光學 discovery＋e-beam review/inspection | 兼顧 coverage、throughput 與高解析形貌／電性 contrast | 不是同一台取代另一台，而是 sampling 與 routing 問題 |
先回答工作上最常混的：多或少要看哪一個數？
同產品、同 layer、同 recipe、同有效 scan area？
是 → Total Count 最直接；否 → 先正規化面積。
→
scan area／die sampling 不同？
用 Defect Density（#/cm²）或明確的有效受檢面積。
→
想知道缺陷種類／真因？
看 review sample 的分類分布，但不可把 Review Count 當全片總量。
| 指標 | 適合回答 | 不能單獨回答 |
|---|---|---|
| Total Count | 相同產品、layer、recipe revision、scan area、sampling 與 threshold 下，這片／這 lot 候選是否變多 | 不同 sensitivity、capture efficiency、clustering rule 間的公平比較 |
| Defect Density 常見單位 #/cm² | 候選母體與 recipe 相同、但有效受檢面積不同時的正規化缺陷量 | density 只除面積；仍不能消除 threshold、capture、class mix 與空間 cluster 差異 |
| Review Count | 先確認欄位是 selected／attempted／successfully imaged／reviewed／ADC classified 哪一站 | 全 wafer 有多少 defect；各站 count 也可能因找不到點、成像失敗或重分類而不同 |
| Class count / proportion | review sample 中各 defect type 的組成 | 若 sampling 非隨機或有 hot prioritization，不能直接外推母體 |
Defect Density = Total defect candidatesEffective inspected area
例：Wafer A：200 / 100 cm² = 2.0 #/cm²；Wafer B：300 / 200 cm² = 1.5 #/cm²。只看 total 會以為 B 較髒，面積正規化後反而 A 較高。但結論仍要搭配 class mix、map signature 與同條件 control chart；稀疏 count 常用 Poisson 模型時，也要檢查獨立、均勻發生等假設與信賴區間[15]。
⚠️ DDR：KLA 公開專利的全名是 Discrete Defect Review
若你們廠內 DDR 是 defect density／rate 欄位
那是 fab／dashboard 的在地定義；報告仍要寫清楚分子、分母、去重與 recipe 條件，不能只靠三個字母猜。
KLA patent：Discrete Defect Review
US7904845B2 明確展開 DDR 為 Discrete Defect Review；該方法可用 design context／座標來挑 systematic defect review 位置，但縮寫本身不是 Design-Driven Review，也不是缺陷密度[9]。
實務結論：要講「掃出來多或少」，預設先看同條件 Total Count；面積不同才看 Density；Review Count 用來描述抽樣／完成 review 的量。若畫面顯示 DDR，先查該欄位 data dictionary，不要直接當作 count。
Inspection Count → Review Count 中間發生什麼？
Candidate events超門檻訊號事件
De-duplicate / cluster合併鄰近與多通道重複
Select / prioritize依 signal、region、signature 抽樣
Attempt / image座標轉換、找點與 SEM 取像
Review / ADC成功影像的真假與類別
當 inspection 開得很 hot，candidate pool 可能靠近 noise floor 而非常大；review strategy 的任務是用有限 SEM 時間估計 class composition 並優先抓 rare DOI，而不是把所有 candidate 全看完[8]。
接回 CIS / DTI：KLA 能提供證據，但不能單機宣判 root cause
| 工具／訊號 | 比較可靠地告訴你 | 不要直接跳到的結論 |
|---|---|---|
| Optical patterned inspection | particle、pattern anomaly、scratch／cluster、局部或系統性空間分布 | 一顆 optical defect 就等於一顆 white pixel，或直接等於某種 metal contamination |
| e-beam SE / BSE | 高解析 surface／near-surface morphology、材料／topography contrast；eSL10 Simul-6 可提供多角度訊號與 deep-trench information[2] | 「可看 deep trench」不等於能直接看見所有 buried defect、dangling bond 或暗電流源 |
| Voltage contrast | open／short、充放電或接地狀態異常造成的電性 contrast | VC 是電性反應的間接 signature，不是直接成像單一 trap 能階 |
| OCD / CD-SEM | 在專用 target、校正模型與適當截面條件下量 CD、profile、depth trend | 沒有 target／model 就能從任意 production pixel 唯一反推出 DTI 全截面 |
| CP white/dark pixel map | 電性／光學 fail 在 die 與 wafer 上的空間分布 | 只有 bin map 就能分辨是 DTI damage、implant、metal、micro-lens 或測試條件 |
建議的 CIS root-cause evidence chain
Inline map何時、哪層、哪種 signature
CP mapwhite／dark／hot pixel 空間
Coordinate correlationdie／reticle／wafer 對位
Review / FASEM、TEM、EDX、electrical
Split verification製程改動後再量
最有力的證據不是「兩張圖看起來像」，而是同座標／同 reticle signature、時間先後合理、FA 機制一致，再由 split 改善把因果鏈閉合。
DTI 常見站點假說：用「機制 → 證據」而不是一對一對號
| 可能製程機制 | 可能 inline／形貌訊號 | 還要補的下游證據 |
|---|---|---|
| Etch residue／micromasking | 局部 particle、trench 口異常、cluster／chamber signature | Review SEM／TEM、元素分析、chamber／PM commonality、CP pixel map |
| CD／depth non-uniformity | wafer／reticle 系統性 pattern contrast、專用 target trend | OCD／CD-SEM 模型、cross-section、split 與電性／光學 response |
| Sidewall damage／charge damage | 可能沒有強 optical defect，或只見相關製程 signature | 暗電流／hot pixel、電性、TEM／材料分析；不能靠 KLA optical 單獨宣判 |
| Fill void／seam | 視深度、材料與 mode 而定，可能有微弱 contrast 或完全看不到 | e-beam／cross-section／TEM、同座標 correlation 與 split verification |
邊界：上表是建立待驗證假說，不是「看到某種 map 就等於某種 DTI root cause」。同一機制可有多種 signature，同一 signature 也可能來自多個站點。
🚨 Excursion：從 defect signal 到 lot disposition
1｜先確認比較基準
同 layer、同 recipe revision、同 scan area／sampling、同 tool／channel，再比較 total；條件不同就先看 density 或重新對齊條件。
2｜看 map signature＋class mix
total 高但全是已知 nuisance，和 rare killer class 增加是兩件事。Review Count 本身不能代表母體，要看 sampling rule 與 class proportion。
3｜Bracket last-good / first-bad
監控間隔決定 at-risk lot 範圍；越疏的 monitor 會讓一次 excursion 需要圈更寬。
4｜找共因與 common adders
做 pre／post map、repeater、tool／chamber／recipe／PM commonality，區分 incoming、process adder 與量測假象。
5｜Containment
先圈 last-good／first-bad、在製與已出貨 exposure；定義 hold、加量測、tool stop／chamber hold 與 owner。
6｜Release condition
先寫清楚要看到哪些 qual／recheck／downstream 結果、多少 wafer／lot、由誰 sign-off 才能解除。
這是通用 triage，不是 fab release criterion。Kill ratio 粗算會忽略同 die 多缺陷、cluster、空間不均、redundancy、sampling bias 與 Poisson 假設；稀疏 count 的波動要配合控制圖與信賴區間，不可把單點變高直接包裝成 root cause[21]。
會議上的四句釐清
① Count 是哪個 count？
Total candidates、去重後事件、還是 reviewed sample？
→
② 分母一致嗎？
有效 scan area、die sampling 與 recipe revision 是否相同？
→
③ 多的是 DOI 還是 nuisance？
class mix、map signature、review confidence 怎麼變？
④ 最後才問 disposition：哪個 lot 時間窗、哪個產品、哪一層、有哪些 downstream 證據，還缺哪個最便宜且能改變決策的量測？
📚 一手來源與各自支撐範圍
技術主張優先使用 KLA 官方頁、新聞稿、KLA 專利與共同作者論文；專利說明「可採用的方法」，不等於每台量產機、每個 recipe 都啟用全部方法。
- 1KLA Brightfield Broadband Plasma technology evolution — 29xx／39xx、SR-DUV、light power、high-NA、現行 24.8 GPPS／MCATx／iDO 3.0 與歷史節點。官方頁
- 2KLA eSL10 e-Beam Inspection — Yellowstone、Simul-6 SE+BSE、deep-trench information、SMARTs。官方頁
- 3KLA eSL10 launch, 2020 — eSL10 定位與推出時間。官方新聞稿
- 4US20160097727A1 — moving specimen 與 TDI charge transfer 同步、多角度／偏振 darkfield channels。KLA 專利
- 5US11295432B2 — intensity variation／nuisance map、segmentation 與 adaptive threshold。KLA 專利
- 6US9183624B2 — design-based detection、care area 與 nuisance rejection。KLA 專利
- 7US20170352145A1 — pattern group-specific threshold。KLA 專利
- 8US9098891B2 — candidate pool 與 adaptive sampling／review。KLA 專利
- 9US7904845B2 — 明確定義 DDR = Discrete Defect Review；可利用 design 位置做 systematic review。KLA 專利
- 10Nurani et al., ISSM 1994 — KLA／AMD wafer inspection sampling strategy，區分 scanned area、defect density 與 review／classification sample。論文 PDF
- 11KLA inspection and review portfolio, 2019 — 392x／295x 與 inspection-review 組合。官方新聞稿
- 12KLA automotive portfolio, 2021 — DefectWise、I-PAT 與 automotive screening。官方新聞稿
- 13KLA Voyager 1015 and Surfscan SP7, 2017 — patterned laser-scanning 與 unpatterned inspection 的產品邊界。官方新聞稿
- 14KLA Form 10-K, 2020 — patterned inspection、Surfscan、CIRCL 與 eDR review 家族描述。官方申報
- 15NIST Poisson defect-density model — 面積、平均 defect density 與信賴區間假設。NIST Handbook
- 16Hamamatsu image sensor selection guide — TDI 累積與 SNR 關係。技術指南
- 17Hamamatsu linear CMOS sensor technical note — random、fixed-pattern 與 total noise 組成。官方 PDF
- 18US20170352146A1 — inspection image 與 design／wafer coordinate mapping。KLA 專利
- 19US20100188657A1 — 多通道 inspection image fusion。KLA 專利
- 20KLA I-PAT Product Fact Sheet — inline defect 與 end-of-line electrical test data 的 complementary check。官方 PDF
- 21NIST count control charts — count data 的管制圖與統計判讀。NIST Handbook
- 22US9816940B2 — focus／volumetric inspection 的一種公開方法，支撐「focus 是流程的一部分」。KLA 專利
查證日期：2026-07-21。產品能力以公開頁可證實內容為界；專利代表可採用的方法，不代表每台量產機／recipe 全部啟用。Fab 內部的機型 option、欄位名稱、scan area、threshold、sampling 與 release spec 仍要回到 data dictionary／SOP。
這份「完整」到哪裡？還缺哪些內部資料才能變成你們 fab 版
公開原理層：已涵蓋
Load／recipe → align／height → swath／TDI → calibration／registration → reference／fusion → threshold → de-duplicate／cluster → map／KLARF → review；另含工具家族、近年演進、noise、指標與 CIS evidence chain。
Fab-specific 層：公開網路無法代替
你們機型與 option、recipe mode、pixel size／swath、care area、scan area 定義、DDR 欄位、review sampling rule、ADC class tree、baseline／SPC spec。
最值得補的內部對照表：「畫面欄位名稱 → 真正物理意義 → 單位／分母 → 可跨 recipe 比較嗎 → 對應 review/FA 動作」。這會比再背十台機型更直接提升你開會釐清問題的速度。