TWI847567B

TWI847567B - 預測晶片加工後缺陷的方法及裝置

Info

Publication number: TWI847567B
Application number: TW112106744A
Authority: TW
Inventors: 林柏廷; 王上棋; 蔡佳琪
Original assignee: 環球晶圓股份有限公司
Priority date: 2023-02-23
Filing date: 2023-02-23
Publication date: 2024-07-01
Also published as: TW202435157A; CN118538623A

Abstract

本發明實施例提供一種預測晶片加工後缺陷的方法及裝置。所述方法包括：取得第一晶片，並判定第一晶片的特徵值的第一加工前統計特性；取得第一晶片經加工後的多個缺陷；依據第一晶片對應的第一加工前統計特性及統計閾值判定第一加工前統計特性與所述多個缺陷之間的特定相關性；取得對應於第一晶片的第二晶片，並判定第二晶片的特徵值的第二加工前統計特性；基於第二加工前統計特性及特定相關性預測第二晶片經加工後的對應於統計閾值的缺陷數量。

Description

預測晶片加工後缺陷的方法及裝置

本發明是有關於一種晶片製程監控技術，且特別是有關於一種預測晶片加工後缺陷的方法及裝置。

在對晶片進行磊晶、拋光等加工的過程中，時常需要等到完成加工之後才能得知晶片上缺陷的數量、分布等狀態。

因此，對於本領域技術人員而言，若能研發一種在對晶片加工之前即預測上述狀態的技術方案，即可預先對晶片進行相關的前處理操作，進而達到減少加工後晶片上缺陷的效果。

有鑑於此，本發明提供一種預測晶片加工後缺陷的方法及裝置，其可用於解決上述技術問題。

本發明實施例提供一種預測晶片加工後缺陷的方法，包括：取得一第一晶片，並判定第一晶片的一特徵值的一第一加工前統計特性；取得第一晶片經加工後的多個缺陷；依據第一晶片對應的第一加工前統計特性及一統計閾值判定第一加工前統計特性與所述多個缺陷之間的一特定相關性；取得對應於第一晶片的一第二晶片，並判定第二晶片的特徵值的一第二加工前統計特性；基於第二加工前統計特性及特定相關性預測第二晶片經加工後的對應於統計閾值的缺陷數量。

本發明實施例提供一種預測晶片加工後缺陷的裝置，包括儲存電路及處理器。儲存電路儲存一程式碼。處理器耦接儲存電路並存取程式碼以執行：取得一第一晶片，並判定第一晶片的一特徵值的一第一加工前統計特性；取得第一晶片經加工後的多個缺陷；依據第一晶片對應的第一加工前統計特性及一統計閾值判定第一加工前統計特性與所述多個缺陷之間的一特定相關性；取得對應於第一晶片的一第二晶片，並判定第二晶片的特徵值的一第二加工前統計特性；基於第二加工前統計特性及特定相關性預測第二晶片經加工後的對應於統計閾值的缺陷數量。

請參照圖1，其是依據本發明之一實施例繪示的預測晶片加工後缺陷的裝置示意圖。在不同的實施例中，預測晶片加工後缺陷的裝置100例如可實現為各式智慧型裝置及/或電腦裝置，但可不限於此。

在圖1中，預測晶片加工後缺陷的裝置100包括儲存電路102及處理器104。儲存電路102例如是任意型式的固定式或可移動式隨機存取記憶體（Random Access Memory，RAM）、唯讀記憶體（Read-Only Memory，ROM）、快閃記憶體（Flash memory）、硬碟或其他類似裝置或這些裝置的組合，而可用以記錄多個程式碼或模組。

處理器104耦接於儲存電路102，並可為一般用途處理器、特殊用途處理器、傳統的處理器、數位訊號處理器、多個微處理器（microprocessor）、一個或多個結合數位訊號處理器核心的微處理器、控制器、微控制器、特殊應用積體電路（Application Specific Integrated Circuit，ASIC）、現場可程式閘陣列電路（Field Programmable Gate Array，FPGA）、任何其他種類的積體電路、狀態機、基於進階精簡指令集機器（Advanced RISC Machine，ARM）的處理器以及類似品。

在本發明的實施例中，處理器104可存取儲存電路102中記錄的模組、程式碼來實現本發明提出的預測晶片加工後缺陷的方法，其細節詳述如下。

請參照圖2，其是依據本發明之一實施例繪示的預測晶片加工後缺陷的方法流程圖。本實施例的方法可由圖1的裝置100執行，以下即搭配圖1所示的元件說明圖2各步驟的細節。

首先，在步驟S210中，處理器104取得第一晶片，並判定第一晶片的特徵值的第一加工前統計特性。

請參照圖3，其是依據本發明之一實施例繪示的取得第一加工前統計特性的示意圖。在圖3情境中，處理器104例如可控制取像裝置301對第一晶片310進行拍攝以取得第一晶片影像320，其中第一晶片310例如是未經過任何加工（例如磊晶、拋光等）的碳化矽晶片，但可不限於此。

在圖3中，第一晶片影像320可包括多個第一像素，而各第一像素可具有對應的影像特徵。在不同的實施例中，設計者可依需求而設定所需影像特徵的態樣。為便於說明，以下假設各第一像素的影像特徵即為各第一像素對應的霧度（haze），但其僅用以舉例，並非用以限定本發明可能的實施方式。

之後，處理器104可將第一晶片影像320劃分為多個第一影像區域321。在圖3中，第一晶片影像320中的每個第一影像區域321係以對應格子呈現，但可不限於此。在圖3中，第一晶片影像320例如可經劃分為400（即，20x20）個第一影像區域321。在其他實施例中，設計者可依需求而決定應將第一晶片影像320劃分為幾個（例如5420個）第一影像區域，並不限於圖3所示方式。

之後，處理器104可判定各第一影像區域321中的第一像素的影像特徵的第一統計特性，並以各第一影像區域321對應的第一統計特性表徵第一晶片310的特徵值（例如，霧度值）的第一加工前統計特性。

在一實施例中，上述第一統計特性例如是最大值及/或平均值。在此情況下，各第一影像區域321對應的第一統計特性可如下表1所例示。

編號	X座標	Y座標	最大值	平均值
1	-71.7399	-13.682	7.7	4.89
2	-71.7377	-11.9327	7.95	4.7
3	-71.7355	-10.1834	7.7	4.73
4	-71.7333	-8.43402	7.95	4.77
5	-71.7311	-6.68469	7.7	4.74
6	-71.7289	-4.93536	7.45	4.71
7	-71.7268	-3.18602	7.7	4.68
8	-71.7246	-1.43669	8.2	4.68
9	-71.7224	0.31264	7.7	4.65
10	-71.7202	2.06197	7.2	4.66
11	-71.718	3.81131	7.2	4.66
12	-71.7158	5.56064	7.95	4.69
13	-71.7136	7.30997	6.95	4.69
…	…	…	…	…

表1

在表1中，編號例如是第一影像區域321的編號。以圖3為例，所示的400個第一影像區域321例如可分別經指派為編號1至400，但可不限於此。

另外，表1所示的X座標及Y座標例如是用於表徵具對應編號的第一影像區域321的中心點在第一晶片310上的位置，而最大值及平均值則分別是具對應編號的第一影像區域321的影像特徵的最大值及平均值。

以編號1的第一影像區域321為例，其中心點在第一晶片310上的位置例如可表徵為座標（-71.7399, -13.682）。並且，編號1的第一影像區域321中的第一像素的影像特徵（例如，霧度）的最大值及平均值分別例如是7.7及4.89。再以編號2的第一影像區域321為例，其中心點在第一晶片310上的位置例如可表徵為座標（-71.7377, -11.9372）。並且，編號2的第一影像區域321中的第一像素的影像特徵（例如，霧度）的最大值及平均值分別例如是7.95及4.7。表1中其餘內容的含義應可依上述教示而推得，於此不另贅述。

之後，在步驟S220中，處理器104取得第一晶片310經加工後的多個缺陷。在一實施例中，在第一晶片310經過磊晶及/或拋光等加工之後，第一晶片310將出現相應的加工後缺陷。基此，處理器104可在取得上述加工後缺陷的相關資料（例如位置、面積、數量等）之後，將其整理為如下表2所例示的內容。

缺陷編號	X座標 (um)	Y座標 (um)	缺陷面積 (um ²)
1	-71.9501	0.8779	24.58
2	-71.9365	-0.2743	205.83
3	-71.9112	-2.3277	116.74
4	-71.9096	-1.7292	89.09
5	-71.9076	-2.4945	24.58
6	-71.896	-0.6213	89.09
7	-71.8924	3.6064	107.52
8	-71.8478	3.9087	24.58
…	…	…	…

表2

在表2中，缺陷編號例如是某個缺陷對應的編號。另外，表2所示的X座標及Y座標例如是用於表徵具對應缺陷編號的缺陷的中心點在加工後的第一晶片310上的位置，而面積例如是具對應編號的缺陷在加工後的第一晶片310上所佔的面積。

以缺陷編號1的缺陷為例，其中心點在加工後的第一晶片310上的位置例如可表徵為座標（-71.9501, 0.8779）。並且，缺陷編號1的缺陷在加工後的第一晶片310上的面積例如是24.58 um ²。再以缺陷編號2的缺陷為例，其中心點在加工後的第一晶片310上的位置例如可表徵為座標（-71.9356, -0.2743）。並且，缺陷編號2的缺陷在加工後的第一晶片310上的面積例如是205.83 um ²。表2中其餘內容的含義應可依上述教示而推得，於此不另贅述。

在一實施例中，在取得加工後的第一晶片310上各缺陷的相關資料之後，處理器104還可據以繪製如圖4所例示的晶片缺陷分布圖，但可不限於此。在圖4中，晶片缺陷分布圖410可經繪製有加工後的第一晶片310上的多個缺陷411，其中各缺陷411例如是以點狀區域呈現，但可不限於此。

接著，在步驟S230中，處理器104依據第一晶片310對應的第一加工前統計特性及統計閾值（以下稱為TH）判定第一加工前統計特性與所述多個缺陷之間的特定相關性。

請參照圖5，其是依據本發明之一實施例繪示的判定第一加工前統計特性與所述多個缺陷之間的特定相關性的流程圖。

在步驟S510中，處理器104可在所述多個第一影像區域321中找出至少一第一特定影像區域，其中各第一特定影像區域對應的統計特性高於統計閾值TH。

在一實施例中，假設所考慮的統計特性為影像特徵的最大值，則處理器104例如可在所述多個第一影像區域321中找出影像特徵的最大值高於統計閾值TH的一或多者作為上述第一特定影像區域。

舉例而言，在表1情境中，假設所考慮的統計特性為影像特徵的最大值，且統計閾值TH假設為8，則處理器104例如可判定編號8的第一影像區域321屬於第一特定影像區域。舉另一例而言，在表1情境中，假設所考慮的統計特性為影像特徵的最大值，且統計閾值TH假設為7，則處理器104例如可判定編號1~13的第一影像區域321皆屬於第一特定影像區域。

在另一實施例中，假設所考慮的統計特性為影像特徵的平均值，則處理器104例如可在所述多個第一影像區域321中找出影像特徵的平均值高於統計閾值TH的一或多者作為上述第一特定影像區域。

舉例而言，在表1情境中，假設所考慮的統計特性為影像特徵的平均值，且統計閾值TH假設為4.8，則處理器104例如可判定編號1的第一影像區域321屬於第一特定影像區域。舉另一例而言，在表1情境中，假設所考慮的統計特性為影像特徵的平均值，且統計閾值TH假設為4.7，則處理器104例如可判定編號1~6的第一影像區域321皆屬於第一特定影像區域。

在步驟S520中，處理器104可在所述多個缺陷411中找出至少一特定缺陷，其中各特定缺陷的面積涵蓋第一特定影像區域的至少其中之一。

在一實施例中，在已知各缺陷的面積的情況下，處理器104例如可基於「A= 𝜋R ²」的關係式（A為缺陷面積，R為缺陷半徑）而推估各缺陷對應的半徑。基此，表2的內容例如可相應地更新為下表3。

缺陷編號	X座標 (um)	Y座標 (um)	缺陷面積 (um ²)	半徑(um)
1	-71.9501	0.8779	24.58	2.80
2	-71.9365	-0.2743	205.83	8.10
3	-71.9112	-2.3277	116.74	6.10
4	-71.9096	-1.7292	89.09	5.33
5	-71.9076	-2.4945	24.58	2.80
…	…	…	…

表3

在取得各缺陷對應的半徑之後，處理器104即可將涵蓋一或多個第一特定影像區域的缺陷判定為特定缺陷。

請參照圖6A及圖6B，其是依據本發明之一實施例繪示的判定特定缺陷的示意圖。在圖6A中，假設缺陷610對應於表3中缺陷編號為1的缺陷，則處理器104例如可以座標（-71.9501, 0.8779）作為中心611，再以2.80作為半徑R1而決定缺陷610在加工後的第一晶片310上所涵蓋的範圍。

之後，處理器104可再判斷缺陷610所涵蓋的範圍內是否存在一或多個第一特定影像區域（例如，統計特性高於統計閾值TH的第一影像區域）。在圖6A中，假設缺陷610涵蓋第一特定影像區域621~623，則處理器104可將缺陷610判定為屬於特定缺陷。

在圖6B中，假設缺陷630對應於表3中缺陷編號為2的缺陷，則處理器104例如可以座標（-71.7377, -11.9372）作為中心631，再以8.10作為半徑R2而決定缺陷630在加工後的第一晶片310上所涵蓋的範圍。

之後，處理器104可再判斷缺陷630所涵蓋的範圍內是否存在一或多個第一特定影像區域（例如，統計特性高於統計閾值TH的第一影像區域）。在圖6B中，假設缺陷630未涵蓋任何第一特定影像區域，則處理器104可將缺陷630判定為不屬於特定缺陷。

在步驟S530中，處理器104可依據所述多個缺陷的第一數量（以下以N1表示）、第一特定影像區域的第二數量（以下以N2表示）及特定缺陷的第三數量（以下以N3表示）估計第一加工前統計特性與所述多個缺陷之間的特定相關性（以下以RL表示）。

在一實施例中，特定相關性RL例如可表徵為：式(1) ，但可不限於此。

在本發明的實施例中，第一特定影像區域的第二數量N2以及特定缺陷的第三數量N3將因應於不同的統計閾值TH而改變。舉例而言，當所考慮的統計閾值TH較高時，將相應地令第一特定影像區域的第二數量N2及特定缺陷的第三數量N3降低。在此情況下，式(1)中的N3/N2將被影響，且式(1)中的N3/N1將會降低，進而得到對應的特定相關性RL。另一方面，當所考慮的統計閾值TH較低時，將相應地令第一特定影像區域的第二數量N2及特定缺陷的第三數量N3增加。在此情況下，式(1)中的N3/N2將被影響，且式(1)中的N3/N1將會增加，進而得到對應的特定相關性RL。簡言之，特定相關性RL將因應於不同的統計閾值TH而不同。

請參照圖7A，其是依據本發明第一實施例繪示的對應於不同統計閾值的特定相關性示意圖。在第一實施例中，假設所考慮的統計特性為影像特徵的最大值。

由圖7A所例示的內容可看出，當所考慮的統計閾值TH為0時，特定相關性RL例如是10%；當所考慮的統計閾值TH為10時，特定相關性RL例如是15%；當所考慮的統計閾值TH為20時，特定相關性RL例如是17%。其餘統計閾值TH與對應的特定相關性RL應可依上述教示而得知，於此不另贅述。

在一些實施例中，處理器104還可將其他晶片對應的特定相關性與對應於第一晶片310的特定相關性RL一同考慮。舉例而言，上述其他晶片例如是與第一晶片310具有相同的規格（例如，尺寸、厚度、電阻範圍）的晶片，而處理器104可依據相似於判定第一晶片310的方式來判定上述其他晶片個別對應的特定相關性。

例如，處理器104可取得上述其他晶片個別的加工前統計特性、取得上述其他晶片個別經加工後的多個缺陷，並據以判定對應的特定相關性。相關細節可參照圖3至圖6B的說明，於此不另贅述。

之後，處理器104例如可取得特定相關性RL及其他晶片個別對應的特定相關性的平均值，再據以繪製圖7A。

在此情況下，圖7A中對應於各統計閾值TH的特定相關性可理解為第一晶片310及特定相關性RL及其他晶片個別對應的特定相關性的平均值。

請參照圖7B，其是依據本發明第二實施例繪示的對應於不同統計閾值的特定相關性示意圖。在第二實施例中，假設所考慮的統計特性為影像特徵的平均值。

由圖7B所例示的內容可看出，當所考慮的統計閾值TH為2時，特定相關性RL例如是8%；當所考慮的統計閾值TH為2.5時，特定相關性RL例如是15%；當所考慮的統計閾值TH為3時，特定相關性RL例如是22%。其餘統計閾值TH與對應的特定相關性RL應可依上述教示而得知，於此不另贅述。

之後，處理器104例如可取得特定相關性RL及其他晶片個別對應的特定相關性的平均值，再據以繪製圖7B。

在此情況下，圖7B中對應於各統計閾值TH的特定相關性可理解為第一晶片310及特定相關性RL及其他晶片個別對應的特定相關性的平均值。

請再次參照圖2，在判定特定相關性RL之後，處理器104執行步驟S240以取得對應於第一晶片的第二晶片，並判定第二晶片的特徵值的第二加工前統計特性。

在一實施例中，處理器104可經配置以：取得第二晶片的第二晶片影像，其中第二晶片影像包括多個第二像素，各第二像素具有影像特徵（例如，霧度）；將第二晶片影像劃分為多個第二影像區域（例如對應於圖3的400個第一影像區域321），並判定各第二影像區域中的所述多個第二像素的該影像特徵的第二統計特性（例如霧度的最大值及/或平均值）；以及以各第二影像區域對應的第二統計特性表徵第二晶片的第二加工前統計特性。

在本發明的實施例中，第二晶片例如是與第一晶片310具有相同規格的未加工晶片（例如，尺寸、厚度、電阻範圍），而處理器104例如可基於取得第一晶片310的第一加工前統計特性的方式來判定第二晶片的第二加工前統計特性。相關細節可參照圖3的相關說明，於此不另贅述。

接著，在步驟S250中，處理器104基於第二加工前統計特性及特定相關性RL預測第二晶片經加工後的對應於統計閾值TH的缺陷數量。

在一實施例中，處理器104可在第二影像區域中找出至少一第二特定影像區域，其中各第二特定影像區域對應的統計特性高於統計閾值TH。在本發明的實施例中，處理器104可基於在第一影像區域中找出至少一第一特定影像區域的相似方式而在第二影像區域中找出至少一第二特定影像區域。

為便於說明，以下假設第二晶片的各第二影像區域的第二統計特性亦如表1所示，但其僅用以舉例，並非用以限定本發明可能的實施方式。

在一實施例中，假設所考慮的統計特性為影像特徵的最大值，則處理器104例如可在所述多個第二影像區域中找出影像特徵的最大值高於統計閾值TH的一或多者作為上述第二特定影像區域。

舉例而言，在表1情境中，假設所考慮的統計特性為影像特徵的最大值，且統計閾值TH假設為8，則處理器104例如可判定編號8的第二影像區域屬於第二特定影像區域。舉另一例而言，在表1情境中，假設所考慮的統計特性為影像特徵的最大值，且統計閾值TH假設為7，則處理器104例如可判定編號1~13的第二影像區域皆屬於第二特定影像區域。

在另一實施例中，假設所考慮的統計特性為影像特徵的平均值，則處理器104例如可在所述多個第二影像區域中找出影像特徵的平均值高於統計閾值TH的一或多者作為上述第二特定影像區域。

舉例而言，在表1情境中，假設所考慮的統計特性為影像特徵的平均值，且統計閾值TH假設為4.8，則處理器104例如可判定編號1的第二影像區域屬於第二特定影像區域。舉另一例而言，在表1情境中，假設所考慮的統計特性為影像特徵的平均值，且統計閾值TH假設為4.7，則處理器104例如可判定編號1~6的第二影像區域皆屬於第二特定影像區域。

之後，處理器104可基於上述第二特定影像區域的第四數量（以下以N4表示）及特定相關性RL預測第二晶片經加工後的對應於統計閾值TH的缺陷數量（以下以DN表示）。

在一實施例中，第二晶片經加工後的對應於統計閾值TH的缺陷數量DN可表徵為：「」，但可不限於此。

以圖7A為例，假設在統計閾值為40（其對應的特定相關性RL為65%）的情況下，處理器104所判定的第二特定影像的第四數量N4為100，則處理器104例如可據以預測第二晶片經加工後的對應於統計閾值TH的缺陷數量DN為65（即，100*65%）。

另外，假設在統計閾值為50（其對應的特定相關性RL為85%）的情況下，處理器104所判定的第二特定影像的第四數量N4為160，則處理器104例如可據以預測第二晶片經加工後的對應於統計閾值TH的缺陷數量DN為136（即，160*85%）。

以圖7B為例，假設在統計閾值為3.5（其對應的特定相關性RL為55%）的情況下，處理器104所判定的第二特定影像的第四數量N4為200，則處理器104例如可據以預測第二晶片經加工後的對應於統計閾值TH的缺陷數量DN為110（即，200*55%）。

另外，假設在統計閾值為5（其對應的特定相關性RL為88%）的情況下，處理器104所判定的第二特定影像的第四數量N4為300，則處理器104例如可據以預測第二晶片經加工後的對應於統計閾值TH的缺陷數量DN為264（即，300*88%）。

換言之，本發明實施例的方法可在對第二晶片進行加工前，預測第二晶片在加工後對應於統計閾值TH的缺陷數量DN。藉此，可讓相關人員依據所預測的缺陷數量DN判定是否需對第二晶片進行相關的前處理操作，以試圖降低第二晶片日後因加工而出現的缺陷數量。

在一實施例中，在取得對應於統計閾值TH的缺陷數量DN之後，處理器104可進一步判斷缺陷數量DN是否高於一數量閾值。在不同的實施例中，此數量閾值可由設計者依需求而決定。在一實施例中，此數量閾值例如可設定為客戶可容許的缺陷數量。

在一實施例中，若缺陷數量DN高於上述數量閾值，此代表若直接對第二晶片進行磊晶及/或拋光等加工，形成於加工後的第二晶片上的缺陷數量可能將超過客戶可容許的缺陷數量。在此情況下，相關人員即可在對第二晶片進行上述加工前，先對第二晶片進行相關的前處理操作，以試圖讓第二晶片日後因加工而出現的缺陷數量滿足客戶的需求。

在另一實施例中，若缺陷數量DN不高於上述數量閾值，此代表若直接對第二晶片進行磊晶及/或拋光等加工，形成於加工後的第二晶片上的缺陷數量可能不會超過客戶可容許的缺陷數量。在此情況下，相關人員可在未先對第二晶片進行相關前處理操作的情況下，對第二晶片進行上述加工，但可不限於此。

綜上所述，本發明實施例的方法可在取得一或多個同規格晶片個別的加工前統計特性及加工後所產生的缺陷之後，據以判定加工前統計特性與缺陷對應於某個統計閾值的特定相關性。之後，在取得同規格的另一未加工晶片時，本發明實施例可在取得此未加工晶片的加工前統計特性之後，輔以上述特定相關性而預測此未加工晶片在加工後可能出現的缺陷數量。

藉此，可讓相關人員依據所預測的缺陷數量判斷是否預先對晶片進行相關的前處理操作，進而達到減少加工後晶片上缺陷的效果。

雖然本發明已以實施例揭露如上，然其並非用以限定本發明，任何所屬技術領域中具有通常知識者，在不脫離本發明的精神和範圍內，當可作些許的更動與潤飾，故本發明的保護範圍當視後附的申請專利範圍所界定者為準。

100:預測晶片加工後缺陷的裝置

102:儲存電路

104:處理器

301:取像裝置

310:第一晶片

320:第一晶片影像

321:第一影像區域

410:晶片缺陷分布圖

411:缺陷

610, 630:缺陷

621~623:第一特定影像區域

611, 631:中心

R1, R2:半徑

S210~S250, S510~S530:步驟

圖1是依據本發明之一實施例繪示的預測晶片加工後缺陷的裝置示意圖。圖2是依據本發明之一實施例繪示的預測晶片加工後缺陷的方法流程圖。圖3是依據本發明之一實施例繪示的取得第一加工前統計特性的示意圖。圖4是依據本發明之一實施例繪示的晶片缺陷分布圖。圖5是依據本發明之一實施例繪示的判定第一加工前統計特性與所述多個缺陷之間的特定相關性的流程圖。圖6A及圖6B是依據本發明之一實施例繪示的判定特定缺陷的示意圖。圖7A是依據本發明第一實施例繪示的對應於不同統計閾值的特定相關性示意圖。圖7B是依據本發明第二實施例繪示的對應於不同統計閾值的特定相關性示意圖。

S210~S250:步驟

Claims

一種預測晶片加工後缺陷的方法，由預測晶片加工後缺陷的裝置執行，所述方法包括：由該裝置取得一第一晶片，並判定該第一晶片的一特徵值的一第一加工前統計特性，包括：取得該第一晶片的一第一晶片影像，其中該第一晶片影像包括多個第一像素，各該第一像素具有一影像特徵；將該第一晶片影像劃分為多個第一影像區域，並判定各該第一影像區域中的該些第一像素的該影像特徵的一第一統計特性；以及以各該第一影像區域對應的該第一統計特性表徵該第一晶片的該第一加工前統計特性；由該裝置取得該第一晶片經加工後的多個缺陷；由該裝置依據該第一晶片對應的該第一加工前統計特性及一統計閾值判定該第一加工前統計特性與該些缺陷之間的一特定相關性，包括：在該些第一影像區域中找出至少一第一特定影像區域，其中各該第一特定影像區域對應的該統計特性高於該統計閾值；在該些缺陷中找出至少一特定缺陷，其中各該特定缺陷的面積涵蓋該至少一第一特定影像區域的至少其中之一；依據該些缺陷的一第一數量、該至少一第一特定影像區域的一第二數量及該至少一特定缺陷的一第三數量估計該第一加工前統計特性與該些缺陷之間的該特定相關性；由該裝置取得對應於該第一晶片的一第二晶片，並判定該第二晶片的該特徵值的一第二加工前統計特性；由該裝置基於該第二加工前統計特性及該特定相關性預測該第二晶片經加工後的對應於該統計閾值的缺陷數量。
如請求項1所述的方法，其中該第一統計特性包括一最大值或一平均值。
如請求項1所述的方法，其中該第一加工前統計特性與該些缺陷之間的該特定相關性經表徵為：
，其中RL為該特定相關性，N1為該第一數量，N2為該第二數量，N3為該第三數量。
如請求項1所述的方法，其中判定該第二晶片的該特徵值的該第二加工前統計特性的步驟包括：取得該第二晶片的一第二晶片影像，其中該第二晶片影像包括多個第二像素，各該第二像素具有該影像特徵；將該第二晶片影像劃分為多個第二影像區域，並判定各該第二影像區域中的該些第二像素的該影像特徵的一第二統計特性；以及以各該第二影像區域對應的該第二統計特性表徵該第二晶片的該第二加工前統計特性。
如請求項4所述的方法，其中基於該第二加工前統計特性及該特定相關性預測該第二晶片經加工後的對應於該統計閾值的該缺陷數量的步驟包括：在該些第二影像區域中找出至少一第二特定影像區域，其中各該第二特定影像區域對應的該統計特性高於該統計閾值；基於該至少一第二特定影像區域的第四數量及該特定相關性預測該第二晶片經加工後的對應於該統計閾值的該缺陷數量。
如請求項5所述的方法，其中該第二晶片經加工後的對應於該統計閾值的該缺陷數量經表徵為：DN=RL×N4，其中RL為該特定相關性，N4為該第四數量。
如請求項1所述的方法，更包括：反應於判定該第二晶片經加工後的對應於該統計閾值的該缺陷數量經預測為高於一數量閾值，判定該第二晶片需在加工前進行一前處理操作。
如請求項1所述的方法，其中對該第一晶片進行的一加工操作包括一拋光及一磊晶的至少其中之一。
一種預測晶片加工後缺陷的裝置，包括：一儲存電路，其儲存一程式碼；一處理器，其耦接該儲存電路並存取該程式碼以執行：取得一第一晶片，並判定該第一晶片的一特徵值的一第一加工前統計特性，包括：取得該第一晶片的一第一晶片影像，其中該第一晶片影像包括多個第一像素，各該第一像素具有一影像特徵；將該第一晶片影像劃分為多個第一影像區域，並判定各該第一影像區域中的該些第一像素的該影像特徵的一第一統計特性；以及以各該第一影像區域對應的該第一統計特性表徵該第一晶片的該第一加工前統計特性；取得該第一晶片經加工後的多個缺陷；依據該第一晶片對應的該第一加工前統計特性及一統計閾值判定該第一加工前統計特性與該些缺陷之間的一特定相關性，包括：在該些第一影像區域中找出至少一第一特定影像區域，其中各該第一特定影像區域對應的該統計特性高於該統計閾值；在該些缺陷中找出至少一特定缺陷，其中各該特定缺陷的面積涵蓋該至少一第一特定影像區域的至少其中之一；依據該些缺陷的一第一數量、該至少一第一特定影像區域的一第二數量及該至少一特定缺陷的一第三數量估計該第一加工前統計特性與該些缺陷之間的該特定相關性；取得對應於該第一晶片的一第二晶片，並判定該第二晶片的該特徵值的一第二加工前統計特性；基於該第二加工前統計特性及該特定相關性預測該第二晶片經加工後的對應於該統計閾值的缺陷數量。
一種預測晶片加工後缺陷的方法，由預測晶片加工後缺陷的裝置執行，所述方法包括：由該裝置取得一第一晶片，並判定該第一晶片的一特徵值的一第一加工前統計特性，其中該第一晶片未經過任何加工；由該裝置取得該第一晶片經加工後的多個缺陷；由該裝置依據該第一晶片對應的該第一加工前統計特性及一統計閾值判定該第一加工前統計特性與該些缺陷之間的一特定相關性；由該裝置取得對應於該第一晶片的一第二晶片，並判定該第二晶片的該特徵值的一第二加工前統計特性，其中該第二晶片是與該第一晶片具有相同規格的未加工晶片；由該裝置基於該第二加工前統計特性及該特定相關性預測該第二晶片經加工後的對應於該統計閾值的缺陷數量。