碎屑判定方法

技术领域

本发明涉及一种使用通过外观检查装置得到的图像判定在晶圆背面的硬激光标记的周边产生的碎屑的方法。

背景技术

为了识别硅晶圆的个体，有使用固体激光在晶圆背面的端部平面部分印上个体编号的工序(硬激光标记工序)。关于硬激光标记，一边通过高功率的固体激光熔化晶圆本身，一边以离散的方式形成点而作为文字进行刻印，因此在点部周边的硅会非晶质化，非晶质化的部分在后续的研磨工序中不能以与其他的单结晶部位相同的研磨速度进行研磨。因此认为在点周边的非晶质部会局部性地形成有具有较缓的倾斜的突起。该突起称为碎屑(日语：デブリ)，且指出当碎屑与器件工序的平台发生干涉时，会对器件制造带来不良影响。因此，有必要对在激光标记部产生的碎屑进行检测。

之前采用的方法是使用形状测量机，将硬激光标记部的碎屑作为因厚度变化而造成的形状异常进行判别，但发生无法通过形状测量机检测出的碎屑在器件制造工序中成为问题的情况。因此，有必要可靠地对这种无法通过形状测量机检测出的碎屑进行检测。

作为现有技术，公开有一种通过图像处理检测表面的凹凸或表面的缺陷的方法。

例如，专利文献1中表示对球面状凹部及球面状凸部进行图像处理的情况的一例，并公开以下内容：如果设为REV模式(倒转位置散焦)，则凸形状会被拍摄成较亮(凹形状被拍摄成较暗)，或是在FOW模式下(前进位置散焦)，凹形状会被拍摄成较亮(凸形状被拍摄成较暗)。

该技术的目的是要检测因加工或结晶造成的低洼状的缺陷，其目的并非要检测平缓的突起(碎屑)。

如果在通过该方法检测硬激光标记印字区域的表面的凹凸的情况下，仅能检测出硬激光标记的印字部的凹凸，而不能检测出平缓的突起(碎屑)。

另外，专利文献2中公开一种缺陷检查方法，其通过微分干涉显微镜对检查对象物的表面进行摄影，并通过图像处理对在表面上观察到的缺陷个数进行计数，且在摄影图像中以亮度变化的点为基础检测缺陷。

然而，该技术是计测表面的缺陷个数的方法，并不能检测背面的硬激光标记印刷区域的平缓突起(碎屑)。

现有技术文献

专利文献

专利文献1：日本特开2017-53764号公报

专利文献2：日本特开2002-365236号公报

发明内容

(一)要解决的技术问题

如上所述，之前采用的方法是使用形状测量机将硬激光标记部的碎屑作为厚度变化造成的形状异常进行判别，但会发生无法通过形状测量机检测出的碎屑在器件制造工序中成为问题的情况。

因此，本发明的目的在于提供一种碎屑判定方法，其能够可靠地检测出无法通过上述形状测量机检测出的碎屑，而判定碎屑的有无。

(二)技术方案

为了达成上述目的，本发明提供一种碎屑判定方法，使用通过外观检查装置得到的图像判定碎屑，该碎屑是在晶圆背面形成硬激光标记后，或是在所述硬激光标记形成后对所述背面进行研磨后，在所述背面的硬激光标记周边产生的，其特征在于，包括以下工序：

工序A，将通过所述外观检查装置得到的灰阶图像的亮度数据置换为矩阵数据；

工序B，从所述矩阵数据提取包含所述硬激光标记的硬激光标记印字区域；

工序C，以所述提取的硬激光标记印字区域内的没有所述硬激光标记的部分为基准，求出亮度的最小平方面；

工序D，从所述硬激光标记印字区域减去所述亮度的最小平方面，去除所述硬激光标记印字区域的亮度的偏向而求出标准化矩阵数据；

工序E，将0代入小于0的矩阵值而从所述标准化矩阵数据求出凸侧矩阵数据；

工序F，将所述标准化矩阵数据的符号翻转，并将0代入表示构成所述硬激光标记的点的矩阵值与表示噪声的矩阵值，求出凹侧矩阵数据；

工序G，将所述凸侧矩阵数据与所述凹侧矩阵数据相加，求出合成矩阵数据；

工序H，求出对所述合成矩阵数据施加了二维的移动平均处理的低通矩阵数据；以及

工序I，从所述低通矩阵数据将表示超过规定的阈值的矩阵值的数据判定为所述碎屑，对该碎屑的数据的个数进行计数并除以所述硬激光标记印字区域的数据数，求出所述碎屑的面积比例，并基于该碎屑的面积比例判定在所述硬激光标记印字区域中有无所述碎屑。

根据这样的本发明的碎屑判定方法，能够可靠地仅提取无法通过形状测量器检测出的碎屑，而能够比现有方法更可靠地进行碎屑有无的判定。

另外，通过求出碎屑的面积比例，能够进行定量的评价。

此时，也可以是，在所述工序B中，

从由所述矩阵数据构成的所述灰阶图像内的位图数据，提取包含构成所述硬激光标记的点的位置所对应的行编号及列编号的数据的区域，作为所述硬激光标记印字区域。

这样，能够更简便地提取硬激光标记印字区域，并能够作为图像处理对象。

另外，也可以是，在所述工序H中，

作为所述二维的移动平均处理，使用具有高斯分布的加权矩阵进行处理。

如果这样设置，则能够更简便且适当地得到低通矩阵数据，该低通矩阵数据去除了在合成矩阵数据中未完全去除的硬激光标记的点的外周缘部的短周期数值变动。

另外，也可以是，在所述工序I中，

预先求出所述硬激光标记印字区域中的所述碎屑的面积比例与器件制造工序中的碎屑引起的质量不良的关系，并且，预先设定发生所述碎屑引起的质量不良的碎屑的面积比例的阈值(有碎屑)，

当来自所述低通矩阵数据的所述碎屑的面积比例为所述阈值(有碎屑)以上时，判定为有碎屑。

当已知在器件制造工序中因碎屑而发生的品质特性的不良时，如果如上述那样进行判定，则能够成为精度非常高且有效的碎屑判定方法。

另外，也可以是，在所述工序F中，

将表示构成所述硬激光标记的点的矩阵值设为30以上，

将表示所述噪声的矩阵值设为10以下，

在所述工序I中，

将所述规定的阈值设为10。

如果这样设置，则能够更可靠地仅提取无法通过形状测定器检测出的碎屑，而能够更可靠地进行碎屑有无的判定。

另外，本发明提供一种晶圆，在背面具有硬激光标记，其特征在于，具有：通过上述本发明的碎屑判定方法判定为没有所述碎屑的所述硬激光标记印字区域。

这样的本发明的晶圆是判定为也没有形状测量机无法检测出的碎屑的合格品，是之后在器件制造工序中也能够抑制发生碎屑引起的问题的合格品。

(三)有益效果

如果是本发明的碎屑判定方法，则能够可靠地检测出无法通过形状测量机检测出的碎屑，从而能够判定有无碎屑。并且，能够进行定量的碎屑评价。

附图说明

图1是表示本发明的碎屑判定方法的一例的流程图。

图2是表示在工序B中提取的硬激光标记印字区域的一例的图像。

图3是表示在工序C中求出的硬激光标记印字区域中的亮度的最小平方面(亮度的偏向(日语：傾き))的一例的图像。

图4是表示在工序D中求出的标准化矩阵数据的一例的图像。

图5是表示从标准化矩阵数据向凸侧矩阵数据的转变的一例的曲线图。

图6是表示从将标准化矩阵数据的符号翻转后的矩阵数据向凹侧矩阵数据的转变的一例的曲线图。

图7是表示从合成矩阵数据向低通矩阵数据的转变的一例的曲线图。

图8是表示从低通矩阵数据基于规定的阈值进行的碎屑的判定·提取的曲线图。

图9是表示碎屑的面积比例与器件制造工序中的散焦发生的关系的一例的曲线图。

图10是实施例中的判定对象用的29片中的15片的表示在工序I中判定为碎屑的部分的矩阵的图像。

图11是实施例中的判定对象用的29片中剩余的14片的表示在工序I中判定为碎屑的部分的矩阵的图像。

图12是表示比较例中的ESFQR与器件制造工序中的散焦发生的关系的曲线图。

图13是表示包含硬激光标记的凹口位置的单元的说明图。

图14是表示一维的高斯分布的一例的说明图。

具体实施方式

以下，参照附图对本发明的实施方式进行说明，但本发明并不限定于此。

此外，为了方便起见，以下有时会将硬激光标记称为HLM，将硬激光标记印字区域称为印字区域。

本发明是这样一种方法，即，在作为个体编号形成有HLM的晶圆背面、或是之后进一步经过研磨后的背面，使用通过外观检查装置得到的图像(灰阶图像)对在HLM的周边产生的碎屑进行判定。作为外观检查装置，例如能够使用已在市面上销售的装置。作为一例，可举出SIFTer300。

图1表示本发明的碎屑判定方法的一例。大致分为以下工序，工序A：置换为矩阵数据，工序B：提取印字区域，工序C：算出亮度的最小平方面，工序D：算出标准化矩阵数据，工序E：算出凸侧矩阵数据，工序F：算出凹侧矩阵数据，工序G：算出合成矩阵数据，工序H：算出低通矩阵数据，工序I：判定。

关于各工序，在以下详细描述。

<工序A：置换为矩阵数据>

是将通过外观检查装置得到的灰阶图像的亮度数据置换为矩阵数据的工序。

首先，作为通过外观检查装置得到的灰阶图像，可举出硬激光标记印字位置检查图像B_T7(BMP形式)、8bit(位)灰阶(256灰度)。HLM被印在晶圆的规定位置，对其附近进行拍摄。

在工序A中，以矩阵表示该外观检查装置对印字区域附近进行拍摄而得到的灰阶图像的亮度数据。向该矩阵的置换作业能够通过计算机等进行。例如能够作成7669×2048的矩阵。

<工序B：提取印字区域>

是从矩阵数据提取包含HLM的印字区域的工序。

例如若采用下述方式则较为简便：从上述矩阵数据化的灰阶图像内的位图数据提取包含构成HLM的点的位置所对应的行编号及列编号的数据的区域。优选地，切取包含印有HLM的点的部分且从该部分起特别在纵横方向上为20行列以上较大的矩阵的范围。如上所述，由于HLM印在根据晶圆上的规格而设定的区域中，因此能预先设定印字区域的矩阵范围。例如，能够从在工序A中得到的矩阵数据切出行编号2800-4650、列编号1000-1600的数据，作为印字区域的矩阵。在图2中示出提取的印字区域的一例。

通过像这样提取包含印字区域的范围，能够仅将产生碎屑的区域作为图像处理对象。

此外，可以如上述那样预先设定进行提取的范围并执行，例如也可以通过操作员的手动方式，在工序A中的矩阵数据中裁切出包含HLM的区域，提取印字区域。

在此，印字区域存在于晶圆外周部分，因此微观来看，受到晶圆外周形状的影响，没有HLM的点的部分的亮度也不恒定。因此，通过以下说明的工序C、D，将印字区域的亮度的偏向、也就是起因于晶圆外周形状的亮度变化的影响排除。由此，能够使得之后说明的用于检测碎屑的像素亮度的各种阈值成为高精度阈值。

<工序C：算出亮度的最小平方面>

是以提取的印字区域内的没有HLM的部分为基准求出亮度的最小平方面的工序。

在如前述那样提取的印字区域中，优选以没有HLM的点的四个角落为基准求出亮度的最小平方面。也就是说，如图2所示，印字区域例如是由纵横各2边围绕的矩形形状，由于如上述那样提取比印有HLM的部分在纵横方向上为20行列以上较大的范围，因此在各边的附近没有HLM。使用该矩形形状的四个角落的4个矩阵值(亮度数据)，通过计算机求出印字区域中的亮度的最小平方面(平面)。

在图3中示出求出的亮度的最小平方面的一例。在图3中可知，以从左侧的晶圆中心侧朝向右侧的晶圆边缘侧而亮度降低的方式变化(可见亮度的偏向)。

<工序D：算出标准化矩阵数据>

是从印字区域减去亮度的最小平方面，将印字区域的亮度的偏向去除而求出标准化矩阵数据的工序。

也就是说，从如图2这样的印字区域的亮度数据减去如图3这样的亮度的最小平方面。由此，能够从各矩阵值将起因于晶圆外周形状的亮度变化的影响排除。将这样将矩阵值针对最小平方面进行标准化(使最小平方面为零)后的矩阵数据作为标准化矩阵数据。在图4中示出标准化矩阵数据的一例。

接着，在从该印字区域的标准化矩阵数据提取碎屑时，首先将HLM的点排除。如以下说明的工序E、F那样，分为2个阶段进行。

<工序E：算出凸侧矩阵数据>

是将0代入小于0的矩阵值而从标准化矩阵数据求出凸侧矩阵数据的工序。

在排除HLM的点的工序的第1阶段中，首先从印字区域的标准化矩阵数据检索低于0的矩阵值。其理由在于，HLM的点为凹状的深孔，在标准化矩阵数据中表示为负值。并且，通过在这样的印字区域中将0代入低于0的矩阵值(小于0的矩阵值)，能够排除HLM的点。将在此得到的矩阵数据作为凸侧矩阵数据。

图5表示从标准化矩阵数据向凸侧矩阵数据(轮廓A)的转变的一例。在此，举出某个行编号的、列编号为350-600的矩阵值的转变作为例子。纵轴为亮度的相对灰度(日语：相対階調)，横轴为位置(列编号)。

在标准化矩阵数据中，在本例中由曲线图可以看出，相对灰度为-100附近的部分是HLM的点(HLM的凹陷)。另一方面，在该点以外的部分，相对于基准为凸状的部分或凹状的部分为碎屑候补。

通过如上述那样将0代入小于0的矩阵值，能够得到仅有为凸状的碎屑候补的凸侧矩阵数据。

<工序F：算出凹侧矩阵数据>

是将标准化矩阵数据的符号翻转，将0代入表示HLM的点的矩阵值与表示噪声的矩阵值而求出凹侧矩阵数据的工序。

在该第2阶段中，使用使标准化的印字区域的矩阵值的符号翻转后的矩阵。关于这点在以下进行说明。

因为HLM部分的图像拍摄时的光源设置上的限制，有必要将图像上看起来较暗的部分(为凹状的部分)也作为碎屑处理。然而，如果像第1阶段那样将0代入标准化的印字区域的矩阵值中的低于0的矩阵值，则会导致将看起来为凹状的碎屑部分也与HLM的点一起排除。因此，在本发明中，通过使标准化的印字区域的矩阵值的符号翻转，从而将表现为负值的矩阵值置换为正值。

并且，通过排除HLM的点与噪声，从而仅提取看起来为凹陷的碎屑候补。对于此时的HLM的点与噪声的排除，能够使用2个阈值进行。在使符号翻转后的状态下，HLM的点的矩阵值与其他部分相比表现为较大的正值。另外，在标准化的印字区域中，看起来为凹状的碎屑候补在使符号翻转后的状态下表现为具有较低高度的正值。因此，针对标准化且使矩阵的符号翻转后的矩阵值，例如将0代入10以下且30以上的矩阵。30以上的矩阵值能够表示HLM的点，10以下的矩阵值能够表示具有微小倾斜的凹凸即噪声。

此外，表示HLM的点的矩阵值的上限值并无特别限定，例如能够设为255。另外，表示噪声的矩阵值的范围也无特别限定，例如能够设为大于0且10以下。

这样，根据使标准化矩阵数据的符号翻转后的数据，设定用于将点的影响或噪声的影响分离的适当的阈值，进行排除。此外，根据上述那样用于排除噪声的阈值(规定的数值以下)，也将为凸状的碎屑候补(在符号翻转前为正值，但是通过符号翻转而成为负值的部分)一并排除。

此外，上述10以下或30以上的用于排除噪声或点的阈值并无特别限定，能够每次进行决定。

图6表示从将标准化矩阵数据的符号翻转后的矩阵数据向凹侧矩阵数据(轮廓B)的转变的一例

在将符号翻转后的矩阵数据中，在本例中由曲线图可以看出，相对灰度为100附近的部分是HLM的点(HLM的凹陷)。另一方面，在该点以外的部分中为正值的部分是原本为凹状的部分的碎屑候补。

通过如上述那样将0代入例如30以上与10以下的矩阵值，从而将点或噪声排除，能够得到仅有为凹状的碎屑候补的凹侧矩阵数据。通过该工序F，能够使碎屑候补全部统一为凸形状。但是，实际上在该碎屑候补中也包含HLM的外周缘部(也简称为HLM的边缘)的影响。

<工序G：算出合成矩阵数据>

是将凸侧矩阵数据与凹侧矩阵数据相加而求出合成矩阵数据的工序。

通过像这样将工序E的凸侧矩阵数据与工序F的凹侧矩阵数据相加，从而碎屑候补的矩阵值全部为正值。

<工序H：算出低通矩阵数据>

是求出对合成矩阵数据施加了二维的移动平均处理的低通矩阵数据的工序。

如前所述，关于工序F的凹侧矩阵数据，通过2个阈值而将HLM的点的影响与噪声的影响排除，但未完全排除HLM的点的外周缘部的影响。与没有HLM的点的部分的矩阵值相比，HLM的点的外周缘部的矩阵值的值以尖峰状的短距离(短周期)变动。

当然，在该凹侧矩阵数据与凸侧矩阵数据相加后合成矩阵数据的碎屑候补中，存在未完全去除的点的外周缘部的影响，仅根据数值的大小无法区别实际的碎屑与点的外周缘部。

因此，通过对合成矩阵数据应用二维的移动平均，从而将未完全去除的HLM的点的外周缘部的短周期数值变动去除。在此，例如能够将以高斯分布施加权重后的20×20的矩阵作为移动平均使用。以使合成矩阵数据具有高斯分布后的加权矩阵来进行卷积运算(convolution)，由此能够得到将合成矩阵数据中所含的短周期数值变动去除后的低通矩阵数据。即，能够将HLM的点的外周缘部引起的短周期像从碎屑候补中排除。利用高斯分布，能够得到更简便且适当的矩阵数据。

在此参照图14说明高斯分布的一例。为了方便，在此针对一维的情况进行说明。考虑以下的情况：向均等排列的各点分别输入数据值，求出其中的某9点的点的中心(图14的x轴的0的位置)的数据值。考虑将该中心点的贡献率作为1(100％)，并且贡献率随着远离中心而下降的分布。更具体而言，是贡献率随着远离中心而按照exp(-ax

图7表示从合成矩阵数据(轮廓A+轮廓B)向低通矩阵数据的转变的一例。

在合成矩阵数据中，可知在碎屑候补中虽然包含短周期的HLM的边缘的影响，但在低通矩阵数据中没有短周期数值变动。

<工序I：判定>

是以下的工序：从低通矩阵数据将表示超过规定的阈值的矩阵值的数据判定为碎屑，对该碎屑的数据的个数进行计数并除以印字区域的数据数，求出碎屑的面积比例，并基于该碎屑的面积比例判定在印字区域中有无碎屑。

针对该工序，更具体地进行说明。

由于在工序H中得到的低通矩阵数据由0以上的数值构成，将超过规定的阈值的矩阵值判定为碎屑进行提取，例如将阈值设为10而将超过该阈值的矩阵值判定为碎屑进行提取。当然，该阈值能够适当决定，不限定于上述阈值。

图8表示从低通矩阵数据基于规定的阈值而进行的碎屑的判定·提取。此外，为了比较而一并表示工序D中的标准化矩阵数据。

这样，不仅能够提取为凸状的碎屑，也能够提取为凹状的碎屑。另外，可知也能够不受HLM的点的边缘的影响，仅提取碎屑。

并且，求出矩阵值超过上述阈值的数据数(判定为碎屑的数据数)相对于构成低通矩阵数据的数据数(印字区域的数据数)的比值，由此求出相对于印字区域的碎屑的面积比例。

根据这样求出的碎屑的面积比例判定印字区域中有无碎屑，而用于该有无判定的阈值例如能够预先以如下方式来设定。

首先，预先求出印字区域中的碎屑的面积比例与器件制造工序中碎屑引起的质量不良的关系。进而，根据该关系，预先设定发生碎屑引起的质量不良的碎屑的面积比例的阈值(有碎屑)。

并且，在实际的判定对象即晶圆中，当如上述那样求出的碎屑区域的面积比例为上述阈值(有碎屑)以上时，判定为有碎屑(会引发质量不良的碎屑)。

图9表示碎屑的面积比例与器件制造工序中的散焦发生的关系的一例。图中以易于理解的方式将横轴的采样水平(Slot)以碎屑的面积比例从高到低的顺序排列。

在此情况下，散焦不良从碎屑区域的面积比例为处理对象区域(印字区域)的0.64～0.67％处开始产生，因此例如能够将0.5％设定为阈值(有碎屑)，当为0.5％时，能够判断为有碎屑。

由此，针对实际在工序I中判定并提取的碎屑的矩阵数据，能够根据[判定为碎屑的矩阵数据数]/[HLM的印字区域的矩阵数据数]的比值，算出碎屑的面积比例，将该面积比例为处理对象区域(印字区域)的0.5％作为合格与否的判定基准来判断是否有碎屑，由此能够高精度地进行碎屑有无的判定。特别是，能够可靠地分选出不会在器件制造工序中发生散焦不良的晶圆。

其中，碎屑区域的面积比例的上限值由于取决于判定为碎屑的矩阵数据数而无法决定，但是由于上述碎屑区域的面积比例的计算式的关系，最大为100％。

如果是上述的本发明，则能够可靠地检测出使用形状测量机的现有检查方法无法检测出的碎屑，且能够进行高精度的碎屑有无的判定。另外，由于是求出碎屑的面积比例而进行评价，因此能够进行定量的评价。

另外，具有以本发明的判定方法判定为没有碎屑的印字区域的合格品的晶圆是如上所述进行了高精度的判定的晶圆，因此在器件制造工序中能够防止发生碎屑引起的散焦不良等问题。

实施例

以下，示出本发明的实施例及比较例，更具体地说明本发明，但本发明并不限定于这些实施例。

(实施例)

准备以下晶圆，即，直径：300mm，结晶面方位：(110)，片数：(25+29)片。硬激光标记的刻印部位是距离晶圆背面凹口5±1°处，并实施了双面研磨。

此外，在合计54片之中，25片用于调查碎屑的面积比例与器件制造工序中的散焦发生的关系，以该关系为基准，针对另外29片进行有无对散焦发生造成影响的碎屑的判定。

关于这些晶圆，对通过外观检查装置(SIFTer300)得到的BMP形式的8位灰阶(256灰度)图像进行图像处理，检测碎屑。

<工序A：置换为矩阵数据>

将上述灰阶图像置换为矩阵数据(7669行×2048列)。

<工序B：提取印字区域>

在来自上述灰阶图像的矩阵数据中切出行编号2800-4650、列编号1000-1600的数据，作为硬激光标记印字区域的矩阵数据。

<工序C：算出亮度的最小平方面>

根据在工序B中切出的印字区域中的、没有硬激光标记的点的四个角落的4点的矩阵值，算出亮度的最小平方面。

<工序D：算出标准化矩阵数据>

从硬激光标记印字区域的矩阵数据减去工序C的亮度的最小平方面，作为标准化矩阵数据。

<工序E：算出凸侧矩阵数据>

根据在工序D中求出的标准化矩阵数据，将0代入小于0的矩阵值而得到凸侧矩阵数据(碎屑候补)。

<工序F：算出凹侧矩阵数据>

将在工序D中求出的标准化矩阵数据乘以-1，使标准化矩阵数据的矩阵值的符号翻转。由此，能够将图像上看起来较暗而呈凹状的部分识别为凸状碎屑。进而，为了排除硬激光标记的点的影响，将0代入阈值30以上的矩阵值。另外，为了排除与碎屑没有关系而是起因于晶圆形状的、与碎屑相比比较小的凹凸的影响，将0代入阈值10以下的矩阵值。从通过以上的处理将符号翻转而得到的矩阵数据，排除硬激光标记的点及与碎屑无关的噪声的影响。由此，得到凹侧矩阵数据(碎屑候补)。

<工序G：算出合成矩阵数据>

将在工序E中求出的凸侧矩阵数据与在工序F中求出的凹侧矩阵数据相加。图像上看起来呈突起的碎屑与看起来呈凹陷的碎屑均为正值。然而，在凹侧矩阵数据中虽然使用2个阈值进行了与碎屑无关的对象的排除，但仍残留有硬激光标记的点的外周缘部的影响。由于硬激光标记的点的外周缘部与碎屑相比明确为短周期的凹凸，因此能够在下一个工序中应用低通滤波器进行去除。

<工序H：算出低通矩阵数据>

针对在工序G中求出的合成矩阵数据，以具有20×20的高斯分布的矩阵进行卷积运算(convolution)，去除了硬激光标记的点的外周缘部的短周期的突起。

<工序I：判定>

在由工序H得到的低通矩阵数据中，将表示超过阈值10的矩阵值的数据判定为碎屑，对该数据数进行计数，并根据与构成低通矩阵数据(硬激光标记印字区域)的数据数的比值，求出碎屑的面积比例(Area％)。

对得到的碎屑的面积比例与器件制造工序中的散焦发生的关系进行调查，结果得到与图9同样的关系的曲线图。针对产生具体问题(散焦)的碎屑的面积比例，认为0.64-0.67％为散焦的发生边界附近，将0.5％以上作为有碎屑。这是根据调查用的25片得到的结果。

并且，针对判定对象用的29片，按照根据图9的曲线图得到的合格与否的判定基准：0.5％进行了判定。

首先，在图10中，针对29片中的15片，以白色来表示在工序I中判定为碎屑的部分的矩阵。另外，在图11中表示剩余的14片。如在各图像上方记载的那样，碎屑的面积比例有0％-约16％的各种比例。

并且，将0.5％以上的情况判定为有碎屑而不合格(NG)，并将小于0.5％的情况判定为无碎屑而合格(OK)。

实际经过器件制造工序后对散焦不良进行了调查，分别与判定结果一致。即，判定为不合格的晶圆发生了散焦不良，判定为合格的晶圆未发生成为问题的散焦不良。因此，可知通过本发明的碎屑判定方法能够有效地判定会发生散焦不良的碎屑的有无。

(比较例)

针对以市场销售的形状测量机(WaferSight，KLA Tencor公司制)对硬激光标记印字区域进行形状测量的结果(ESFQR)，解析是否能够在器件工序中基于散焦判定结果进行分离。

作为晶圆，准备与实施例的调查用的25片相同的晶圆。

此外，所谓ESFQR是指根据矩形区域(单元)的区域内最小二乘法算出正、负的偏差的范围。作为测量对象的大致矩形的区域是由相当于从外周端起在直径方向上未10mm且在周向上为18°的弧所围绕、且晶圆中心角为270°的位置的单元(凹口位置的单元)包含硬激光标记的区域。图13表示包含硬激光标记的凹口位置的单元。

图12表示ESFQR与器件制造工序中的散焦发生的关系的一例。横轴的采样水平的排列与实施例的排列相同。

进行了形状测量的270°的矩形区域相当于硬激光标记的形成位置，可知不能基于ESFQR的值，判定器件工序中的碎屑引起的散焦不良的有无。

也就是说，作为现有的碎屑异常分选方法，在基于厚度形状变化值(ESFQR)对成为问题的晶圆进行分类时，为以下的结果。也有在器件工序中成为散焦的问题的晶圆示出较高的值的情况，但也有即使对于巨大散焦也不会变高的情况。相反，也存在没有问题的晶圆变高的情况，结果，根本不能通过ESFQR进行碎片的有无的分选。

另外，本发明并不限定于上述的实施方式。上述实施方式为示例，凡具有与本发明的权利要求书所记载的技术思想实质上相同的构成，并起到相同作用效果的方案，皆包含在本发明的技术范围内。