반도체 웨이퍼 팹의 순위 경로
홈페이지홈페이지 > 블로그 > 반도체 웨이퍼 팹의 순위 경로

반도체 웨이퍼 팹의 순위 경로

Jul 24, 2023

Scientific Reports 13권, 기사 번호: 13267(2023) 이 기사 인용

150 액세스

측정항목 세부정보

우리는 웨이퍼 제조 공정에서 처리 경로의 품질을 추정하는 방법을 개발합니다. 이러한 경로의 순위를 매기는 것은 레시피를 조정할 때 "최상의" 경로와 "최악의" 경로를 식별하는 데 유용할 수 있습니다. 경로 분류는 효율적인 스케줄링 알고리즘을 개발하는 데에도 유용합니다. 특히, 웨이퍼의 결함 수와 같은 개수 기반 메트릭을 기반으로 경로의 순위를 매기는 방법을 제안합니다. 우리는 도구의 "로컬" 순위를 생성하기 위해 통계 모델로 시작한 다음 경험적 절차를 통해 "글로벌" 순위를 구축합니다. 가능한 경로의 수와 사용 가능한 데이터가 제한되어 있기 때문에 반도체 제조 공장에서 경로 순위를 지정하기 위한 완전한 통계적 절차를 만드는 것은 사실상 불가능합니다. 그럼에도 불구하고 현직 엔지니어들과의 논의를 통해 대략적인 순위조차도 더 나은 운영 결정을 내리는 데 유용하다는 사실이 나타났습니다.

본 논문에서는 제조 공정에서 가공 경로의 품질을 추정하는 방법을 개발합니다. 이 작업은 일반적인 반도체 웨이퍼 공장의 상황에서 영감을 얻었지만 이 방법은 모든 분야에서 사용될 수 있습니다. 그러나 일부 용어와 초점은 우리가 염두에 두고 있는 응용 분야에 따라 결정됩니다.

반도체 제조 시설을 팹(Fab)이라고 합니다. 일반적으로 반도체 제조 공정은 각 도구에 의해 적절하게 처리될 수 있도록 사전 지정된 순서에 따라 일련의 도구(또는 장비 또는 기계)를 통해 이동하는 반도체 웨이퍼(제조되는 개체)로 구성됩니다. 이렇게 미리 지정된 도구 순서를 반도체 제조 산업에서는 경로라고 합니다. 경로의 각 도구에는 특정 품질의 웨이퍼를 얻기 위해 미리 지정된 설정도 있습니다. 경로와 해당 경로의 각 도구에 대해 사전 지정된 설정을 함께 레시피라고 합니다.

반도체 공장에는 일반적으로 생산 공정의 특정 단계를 완료하기 위해 선택할 수 있는 여러 도구가 있습니다. 앞서 설명한 대로 레시피는 제조 단계의 특정 순서와 각 단계의 도구 설정으로 구성됩니다. 이러한 경로의 순위를 매기는 것은 여러 가지 이유로 유용할 수 있습니다. 첫째, "최상의" 경로와 "최악의" 경로를 식별하는 것은 레시피 탐색에 도움이 됩니다. 특히, 도구 설정을 조정할 때 기존 프로세스에서 최상의 경로와 최악의 경로를 식별하는 것이 유용합니다. 이는 조정된 레시피의 성능에 대한 좋은 경계를 제공할 가능성이 높기 때문입니다. 둘째, 효율적인 스케줄링을 돕기 위해 경로 분류가 사용될 수 있습니다. 예를 들어, 경로 순위는 제조 공정이 진행되는 동안 작업을 파견하는 한 요소로 사용될 수 있습니다.

우리는 개수 기반 지표에 대해 경로 순위를 지정하는 방법을 개발합니다. 여기서 지표는 음수가 아닌 정수 값을 취하고 값이 낮을수록 좋습니다. 특히 0은 측정항목의 가능한 최상의 값입니다. 본 논문에서 고려된 계산 예는 웨이퍼의 결함 수와 관련이 있습니다.

일반적으로 우리의 방법은 도구의 "로컬" 순위를 개발하는 것으로 시작한 다음 경험적 절차를 통해 "글로벌" 순위를 구축합니다. 예를 들어 결함 데이터에서 직접 도구의 순위를 매기는 것이 항상 가능한 것은 아닙니다. 왜냐하면 이 데이터는 제품이 여러 처리 단계를 거칠 때까지 수집되지 않는 경우가 많기 때문입니다. 따라서 결함과 도구 선택 간의 상관관계를 추정해야 합니다. 마찬가지로, 반도체에서 경로 순위를 지정하기 위한 상세한 통계 절차를 만드는 것은 가능한 경로 수와 사용 가능한 데이터가 제한되어 있기 때문에 사실상 불가능합니다. 그럼에도 불구하고 현직 엔지니어들과의 논의를 통해 대략적인 순위조차도 팹에서 더 나은 운영 결정을 내리는 데 유용하다는 사실이 나타났습니다.

나머지 논문은 다음과 같이 구성된다. “문헌 검토”에서는 이전 관련 연구를 간략하게 검토합니다. “카운트 기반 경로 순위”에서는 카운트 데이터에 대한 두 가지 순위 알고리즘, 즉 카운트 회귀 기반 순위와 이진 확률 기반 순위를 제안합니다. "계산 예제"에서는 몇 가지 계산 예제를 사용하여 알고리즘을 설명하고 두 가지 순위 알고리즘의 결과를 비교합니다. 마지막으로, 한 순위 알고리즘을 다른 순위 알고리즘과 비교하여 언제 사용해야 하는지에 대한 제안으로 "결론"에서 논문을 마무리합니다.

{\widehat{\mu }}\) or \(\frac{\widehat{\sigma }^2}{\widehat{\mu }} > 1\). The latter expression is called the dispersion statistic. The analysis of overdispersion depends on three things: (1) the value of the dispersion statistic, (2) the number of observations in the model, and (3) the structure of the data./p>