KR101615345B1 - Method for analyzing wafer yield rate using sensor data in semiconductor manufacturing process - Google Patents
Method for analyzing wafer yield rate using sensor data in semiconductor manufacturing process Download PDFInfo
- Publication number
- KR101615345B1 KR101615345B1 KR1020140002563A KR20140002563A KR101615345B1 KR 101615345 B1 KR101615345 B1 KR 101615345B1 KR 1020140002563 A KR1020140002563 A KR 1020140002563A KR 20140002563 A KR20140002563 A KR 20140002563A KR 101615345 B1 KR101615345 B1 KR 101615345B1
- Authority
- KR
- South Korea
- Prior art keywords
- model
- wafer yield
- sensor data
- analyzing
- data
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Factory Administration (AREA)
Abstract
센서 데이터가 변화하는 시점을 감지하여 분석 구간을 결정하고, 결정된 분석 구간에서 센서 데이터의 특성을 반영하는 지표를 계산하고, 계산된 지표를 이용하여 센서 데이터와 수율 간의 상관관계를 나타내는 모델(Model)을 생성하고, 생성된 모델을 적용한 이후에 발생된 센서 데이터를 이용하여 모델의 정확도를 계산하고, 계산된 모델의 정확도를 이용하여 모델을 업데이트하는 단계를 포함하는 센서 데이터를 이용하여 반도체 생산 공정에서 웨이퍼의 수율을 분석하는 방법이 기재되어 있다. A model that determines the analysis period by sensing the point of time when the sensor data changes and calculates an index reflecting the characteristics of the sensor data in the determined analysis period and calculates a correlation between the sensor data and the yield using the calculated index, Calculating the accuracy of the model using sensor data generated after applying the generated model, and updating the model using the calculated accuracy of the model, in a semiconductor manufacturing process A method for analyzing the yield of wafers is described.
Description
본 발명은 반도체 생산 공정에서 센서 데이터를 이용하여 웨이퍼의 수율을 분석하는 방법 및 시스템에 관한 것이다. The present invention relates to a method and system for analyzing wafer yield using sensor data in a semiconductor production process.
더욱 상세하게는 반도체 생산 공정에서 수율 저하 문제의 원인을 찾기 위해 초단위로 발생하는 센서 데이터의 이상 패턴과 연계하여 수율을 분석하는 방법 및 시스템에 관한 것이다. More particularly, the present invention relates to a method and a system for analyzing a yield in connection with an abnormal pattern of sensor data generated in units of seconds to find a cause of a yield reduction problem in a semiconductor production process.
반도체 생산 공정은 수백개의 생산 스텝으로 이루어져 있으며, 제일 마지막 스텝에서 최종 검사를 하여 생산 웨이퍼의 수율이 측정된다. 웨이퍼의 수율은 웨이퍼 안에 있는 전체 칩들 중에서 양품 칩의 비율이다. 즉, 전체 칩이 모두 정상일 경우에는 해당 웨이퍼의 수율은 100%로 계산된다. The semiconductor production process consists of hundreds of production steps, and the final test is performed at the final step to determine the yield of the production wafer. The yield of the wafer is the proportion of the good chip among all the chips in the wafer. That is, when all of the chips are normal, the yield of the wafer is calculated as 100%.
반도체의 수율이 낮을 경우, 그 원인을 분석하기 위해서 여러 생산 데이터를 사용한다. 예를 들어, 특정 생산 설비를 거친 웨이퍼들에서 문제가 많이 발생하는지, 특정 시점에 문제가 많이 발생하는지, 특정 생산 조건에서 문제가 많이 발생하는지를 분석한다. When the semiconductor yield is low, several production data are used to analyze the cause. For example, we analyze whether there are many problems in wafers that have passed through a specific production facility, a lot of problems at a certain point in time, and a lot of problems in a specific production condition.
여러가지 생산 데이터들 중에서 가장 중요한 것은 공정 중에 발생하는 초단위의 센서 데이터들이다. 반도체 생산 설비에는 온도, 압력, 여러 화학 물질 투입량 등을 감지하는 많은 센서가 부착되어 있으며, 초 단위 이하로 그 현황을 상위 시스템에 실시간으로 전송이 가능하다. 반도체를 생산하는 수백개의 스텝에서는 각각의 생산 조건이 있는데, 예를 들어 특정 설비에서는 웨이퍼가 투입된 이후 특정 시간 이후에 내부 온도가 특정 온도에 도달해야 한다 등의 생산 조건이 만족해야 하며, 이것이 지켜지지 않았을 경우 웨이퍼의 수율에 영향을 줄 수 있다. Among the various production data, the most important is the sensor data in seconds that occurs during the process. Semiconductor production facilities are equipped with many sensors that detect temperature, pressure, various chemical inputs, etc., and can transmit the status to the upper system in real time in units of seconds or less. There are hundreds of production steps for the semiconductor production, each production condition, for example, in a particular plant, production conditions must be met, such that the internal temperature must reach a certain temperature after a certain time after the wafer is introduced, The yield of the wafer may be affected.
이렇게 생산 설비에서 초 단위로 발생하는 수백개 센서 데이터들의 패턴을 분석하는 것은 수율 문제 해결에 매우 도움이 된다. Analyzing the pattern of hundreds of sensor data in seconds at the production facility is very helpful in solving yield problems.
기존 시스템에서는 수백개 센서의 원천 데이터들을 이용하지 않고, 생산 단위별 통계치를 이용하여 분석을 했다. 즉, 센서 데이터들을 LOT별, 웨이퍼 별, 생산 설비별로 해당 구간에서의 평균값, 최대값, 최소값, 표준 편차 등을 계산하여 분석에 사용하였지만, 의미있는 결과를 도출하기에는 한계점이 많이 있었기 때문에, 원천 데이터를 이용한 분석에 대한 요구가 많이 발생하고 있다. In the existing system, we did not use the source data of hundreds of sensors, but analyzed by the statistics of production unit. In other words, although the sensor data were used for the analysis by calculating average value, maximum value, minimum value, standard deviation, and the like in each section for each LOT, wafer, and production facility, there were many limitations in deriving meaningful results. There is a lot of demand for analysis using.
기존 시스템에서는 수율 문제를 해결하기 위해 수백개 센서의 원천 데이터들을 이용하지 않고, 생산 단위별 통계치를 이용하여 분석을 했다. In order to solve the yield problem in the existing system, we did not use the source data of hundreds of sensors, but analyzed by the statistics of each production unit.
즉, 기존에는 센서 데이터들을 LOT별, 웨이퍼 별, 생산 설비별로 해당 구간에서의 평균값, 최대값, 최소값, 표준 편차 등을 계산하여 분석에 사용하였지만, 데이터의 Pattern이 변화하는 시점을 정확히 반영하지 못하였고, 의미있는 결과를 도출하기가 어려웠다.In other words, the sensor data was used for the analysis by calculating average value, maximum value, minimum value, standard deviation, etc. for each section of LOT, wafer, and production facility, but it does not accurately reflect the time And it was difficult to draw meaningful results.
따라서 본 발명에서는, 센서 원천 데이터에 여러 통계 기법 등을 적용하여 데이터의 특성을 더욱 정확하게 반영하여 수율에 대한 분석이 가능하도록 하였다. 즉, 본 발명의 목적은 다음과 같다.Therefore, in the present invention, by applying various statistical techniques to the source data of the sensor, the characteristics of the data can be more accurately reflected and the yield can be analyzed. That is, the object of the present invention is as follows.
1. 수율 및 품질 문제에 대한 원인 파악1. Identify the cause of yield and quality problems
2. 일반 통계량 이외의 기법으로 센서 데이터의 특성 파악2. Characterization of sensor data by techniques other than general statistics
3. 문제 유형 자동 분석 기반 마련3. Establish a basis for automatic analysis of problem types
또한, 이번 발명을 통해 구현하고자 하는 기술적 과제는 다음 3가지 이다. In addition, there are three technical problems to be implemented through the present invention as follows.
1. 센서 데이터의 변경 추이를 이용하여 정확한 분석 구간 결정. Signal Processing 알고리즘이 사용됨1. Determine the accurate analysis interval using the change trend of sensor data. Signal processing algorithm used
2. 각 분석 구간 별로 센서 데이터의 특성을 정확하게 반영하는 지표 계산. 기초 통계 데이터 뿐만 아니라, Slope, Shift, Drift, Spike, Periodic Pattern 등의 지표가 산출될 수 있으며, Regression, Wavelet, Time Series, PCA, Golden Tunnel, Sequential Analysis 등의 알고리즘이 사용됨2. Indicator calculation that accurately reflects the characteristics of sensor data for each analysis interval. Algorithms such as Regression, Wavelet, Time Series, PCA, Golden Tunnel, and Sequential Analysis are used as well as basic statistical data, as well as indexes such as Slope, Shift, Drift, Spike and Periodic Pattern.
3. 실제 Model이 수행 된 이후에, Model을 Train하여 좀 더 정확한 값을 반영하도록 보정함 3. After the actual model has been run, train the model to compensate for more accurate values
본 발명의 일 실시예에 따른 센서 데이터들을 이용하여 반도체 생산 공정에서 웨이퍼 수율을 분석하는 방법은 상기 센서 데이터들 중 적어도 하나가 임계값을 초과하여 변화하는 시점을 감지하여 분석 구간을 결정하는 단계; 상기 결정된 분석 구간에서 상기 센서 데이터들의 특성을 반영하는 지표를 산출하는 단계; 상기 산출된 지표를 이용하여 상기 센서 데이터와 상기 수율 간의 상관관계를 나타내는 모델(Model)을 생성하는 단계; 상기 생성된 모델을 적용한 이후에 발생된 센서 데이터를 이용하여 모델의 정확도를 계산하는 단계; 및 상기 계산된 모델의 정확도를 이용하여 상기 모델을 업데이트하는 단계를 포함한다.A method for analyzing wafer yield in a semiconductor manufacturing process using sensor data according to an embodiment of the present invention includes the steps of: determining an analysis period by detecting a point in time when at least one of the sensor data changes in excess of a threshold value; Calculating an index reflecting characteristics of the sensor data in the determined analysis period; Generating a model representing a correlation between the sensor data and the yield using the calculated indicator; Calculating accuracy of a model using sensor data generated after applying the generated model; And updating the model using the accuracy of the calculated model.
이 발명으로 그동안 수율 분석에 사용되지 못했던 센서 원천 데이터를 이용할 수 있게 되었으며, Hadoop 등의 분산 처리 기술과 결합하여 대상 데이터의 수에 제약이 없어지고, 그 연산 속도의 향상도 기대할 수 있다. This invention makes it possible to use the sensor source data which has not been used for the yield analysis in the meantime and it is possible to combine with the distributed processing technique such as Hadoop to limit the number of the target data and to improve the operation speed.
다시 말해, 반도체 생산 공정에서 센서 원천 데이터들의 패턴을 분석하여 각 스텝에서의 생산 조건들과 웨이퍼 수율과의 관계를 분석할 수 있도록 한 것이다.In other words, the patterns of the sensor source data in the semiconductor production process are analyzed, and the relationship between the production conditions at each step and the wafer yield can be analyzed.
이와 같은 개선으로, 기존에 10GB 데이터에 대해 1시간 걸려서 연산을 수행하던 Case에 대해 5분 내로 분석이 가능해진다. With this improvement, it is possible to analyze a case that had been performing an operation for 1 hour for 10GB data within 5 minutes.
본 발명은, 다음의 자세한 설명과 그에 수반되는 도면들의 결합으로 쉽게 이해될 수 있으며, 참조 번호(reference numerals)들은 구조적 구성요소(structural elements)를 의미한다.
도 1은 본 발명의 일 실시예와 관련된 반도체 생산 공정에서 센서 데이터를 이용하여 웨이퍼의 수율을 분석하는 방법을 나타낸 흐름도이다.
도 2는 특정 설비에서 정상적인 경우의 온도변화와 문제가 있는 경우의 온도변화에 대한 차이를 나타내고 있다.
도 3은 특정 레시피 스텝의 시작과 실제 센서 데이터가 변화하는 시점이 다를 수 있음을 나타내고 있다.
도 4는 센서 데이터가 주기적인 반복 패턴을 보이는 경우를 도시하고 있다.
도 5는 TA(Trace Analytics)와 데이터 마이닝 제품과의 연계된 구성을 도시하고 있다.The present invention may be readily understood by reference to the following detailed description and the accompanying drawings, in which reference numerals refer to structural elements.
FIG. 1 is a flowchart illustrating a method of analyzing a yield of a wafer using sensor data in a semiconductor manufacturing process according to an embodiment of the present invention.
Fig. 2 shows the difference between the normal temperature change in a specific facility and the temperature change in case of a problem.
3 shows that the start of the specific recipe step may be different from the time at which the actual sensor data changes.
FIG. 4 shows a case where the sensor data exhibits a periodic repeating pattern.
FIG. 5 shows an associated configuration of a TA (Trace Analytics) and a data mining product.
본 실시 예들은 다양한 변환을 가할 수 있고 여러 가지 실시 예를 가질 수 있는바, 특정 실시 예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나 이는 특정한 실시 형태에 대해 범위를 한정하려는 것이 아니며, 개시된 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 실시 예들을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. These embodiments are capable of various modifications and various embodiments, and specific embodiments are illustrated in the drawings and described in detail in the description. It is to be understood, however, that it is not intended to limit the scope of the specific embodiments but includes all transformations, equivalents, and alternatives falling within the spirit and scope of the disclosure disclosed. DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS In the following description of the embodiments of the present invention,
제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 구성요소들은 용어들에 의해 한정되어서는 안 된다. 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. The terms first, second, etc. may be used to describe various elements, but the elements should not be limited by terms. Terms are used only for the purpose of distinguishing one component from another.
본 출원에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 권리범위를 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.The terminology used herein is for the purpose of describing particular embodiments only and is not intended to limit the scope of the claims. The singular expressions include plural expressions unless the context clearly dictates otherwise. In the present application, the terms "comprises" or "having" and the like are used to specify that there is a feature, a number, a step, an operation, an element, a component or a combination thereof described in the specification, But do not preclude the presence or addition of one or more other features, integers, steps, operations, elements, components, or combinations thereof.
이하에서는 도면을 참조하여 본 발명의 실시 예 들을 상세히 설명한다.Hereinafter, embodiments of the present invention will be described in detail with reference to the drawings.
도 1은 본 발명의 일 실시예와 관련된 반도체 생산 공정에서 센서 데이터를 이용하여 웨이퍼의 수율을 분석하는 방법을 나타낸 흐름도이다.FIG. 1 is a flowchart illustrating a method of analyzing a yield of a wafer using sensor data in a semiconductor manufacturing process according to an embodiment of the present invention.
센서 데이터의 분석 구간을 결정하는 것과 관련하여, 한대의 설비에서 발생하는 센서 데이터들도 세부 생산 구간별로 특정 패턴을 보이게 된다. 온도의 측면에서 보면, 한대의 생산 설비에서 웨이퍼를 가공할 때에도, 예열을 하는 구간과 실제 가공을 하는 구간, 그리고 다시 식히는 구간 등으로 나눌 수 있다. 이러한 생산 구간에 정보는 보통 생산 설비에서 레시피 스텝이라는 값을 이용하여 제공하고 있으며, 그 값은 0, 1, 2, 3 등이 된다. With regard to determining the analysis interval of the sensor data, the sensor data generated in one facility also shows a specific pattern in each detailed production interval. In terms of temperature, when a wafer is processed in one production facility, it can be divided into a preheating section, an actual machining section, and a cooling section. In this production interval, information is usually provided in the production facility using the recipe step value, which is 0, 1, 2, 3, and so on.
하지만, 도3와 같이 설비에서는 특정 레시피 스텝이 시작되었다고 보고 했음에도, 실제 센서 데이터가 변화하는 시점은 다른 경우가 있으며, 이렇게 시작 시점이 일치 하지 않은 상태로 여러 데이터들의 이상 패턴을 분석 하는 것은 의미가 없을 수도 있다. 즉, 설비의 레시피 스텝 변경 정보와 관계 없이 순수하게 데이터의 변화를 감지하여 데이터 변경이 시작되는 시점을 정확히 선정하는 것이 중요하다. However, as shown in FIG. 3, although the facility has reported that a certain recipe step has started, the actual sensor data may be changed at a different point in time, and it is meaningful to analyze the abnormal pattern of various data Maybe not. That is, regardless of the recipe step change information of the facility, it is important to detect the change of the data purely and accurately select the point of time at which the data change starts.
이를 위하여, 본 발명에서는 신호 처리 알고리즘(Signal Processing Algorithm)을 이용하여 데이터가 급격히 변화하는 시점을 감지하고, 그 시점 이후의 센서 데이터들에 대한 상세 파라미터 분석을 실시한다. To this end, the present invention uses a signal processing algorithm (Signal Processing Algorithm) to detect a sudden change in data, and performs detailed parameter analysis on sensor data after that point.
위 과정을 통해서 분석 대상 데이터들의 시작 시점이 잘 정렬된 이후에, 실제 데이터에서 어떤 패턴의 차이가 있는지를 분석하게 된다. 이러한 분석에 쓰일 수 있는 통계량 및 기법들에는 다음과 같은 것들이 있다. After the starting point of the data to be analyzed is well aligned through the above process, it is analyzed what pattern difference is in actual data. Statistics and techniques that can be used for this analysis include:
A. 기초 통계량 : 평균, 표준편차, 최대값, 최소값 등으로 기존 방식에서도 사용은 되었으나, 레시피 스텝별로 보정된 이후 값을 사용하는 차이점이 있음A. Basic statistics: Average, standard deviation, maximum value, and minimum value are used in the existing method, but there is a difference in using the values after the recipe step is calibrated.
B. Slope : 데이터 값이 증가하거나, 감소해야 하는 정도를 지표로 반영. 예를 들어 온도가 10초동안 100도에 도달해야 하는데, 그 도달 시간이 길거나 짧을 경우에 문제가 발생할 수 있으며, 증가 및 감소에 대한 기울기를 지표로 사용B. Slope: Reflects the degree to which the data value increases or decreases. For example, if the temperature has to reach 100 degrees for 10 seconds, the problem can occur when the time is long or short, and the slope for increase and decrease is used as an indicator
C. Shift : 데이터가 급격히 변화하여 특정 시점을 기준으로 그 평균이 다른 경우C. Shift: If the data changes rapidly and the mean is different at a certain point in time
D. Drift : 데이터가 서서히 증가하거나, 감소하는 패턴을 보이는 경우D. Drift: If the data shows a pattern of gradual increase or decrease
E. Spike : 데이터가 관리 상한선 또는 관리 하한선을 벗어나는 경우를 Spike가 발생했다고 표현하며, 동일 구간 내에 그 Spike의 개수도 중요한 경우가 있음E. Spike: If the data is out of the upper management limit or the lower management limit, it means that a spike has occurred, and the number of spikes in the same interval is also important.
F. Periodic Pattern : 데이터가 주기적인 반복 패턴을 보이는 경우F. Periodic Pattern: If the data shows periodic repeating pattern
그 후에, 위 과정을 통해 만든 Model을 적용하며, 그 Model을 주기적으로 Update해야 한다. 즉, Model이 얼마나 정확한지에 대해 Model 적용 이후에 발생하는 데이터를 이용하여 Model의 정확도를 계산하여 Model 기준 정보에 Update한다. 이상 Pattern 데이터가 발생된 LOT이 계속 생산을 진행한 다음에 계측 및 검사를 하게 되는데 그 데이터를 이용하여 Model의 정확도를 측정하게 된다. 예를 들어, 이상 Pattern을 보인 LOT이 추후 실제 계측 및 검사를 해보니 불량으로 판정되었다면, 그 Model의 정확도는 더 높아지게 된다. After that, apply the model created through the above process, and update the model periodically. That is, the accuracy of the model is calculated by using the data generated after applying the model about how accurate the model is, and updated to the model reference information. When the abnormal pattern data is generated, the LOT performs the measurement and inspection after continuing the production, and the accuracy of the model is measured using the data. For example, if the LOT showing an abnormal pattern is later determined to be defective after actual measurement and inspection, the accuracy of the model becomes higher.
TA (Trace Analytics)는 실제 연산을 위한 Server Module과 그 결과를 보여주는 Client Module이 존재하며, 연산 결과는 DB에 저장된다. TA는 개별 Application으로서 동작이 가능하며, 도 5와 같이 데이터 마이닝 제품과도 연계하여 구성될 수 있다. TA (Trace Analytics) has a Server Module for actual operation and a Client Module showing the result, and the operation result is stored in DB. The TA can operate as a separate application, and can be configured in association with a data mining product as shown in FIG.
예를 들어, 수율 저하의 원인을 찾는 데이터 마이닝 분석에서 원인 인자로 지목된 특정 설비의 파라미터들의 유의차를 분석할 수 있다. 즉, 문제가 있는 설비의 많은 파라미터들을 정상인 경우와 비교하여 이상이 있는 구간을 표현한다. For example, you can analyze the significant differences in parameters of a particular facility that are identified as a causal factor in data mining analysis to find the cause of yield reduction. That is, many parameters of the problematic plant are compared with the normal case to express the faulty section.
한편, 상술한 방법은, 컴퓨터에서 실행될 수 있는 프로그램으로 작성 가능하고, 컴퓨터 판독 가능 매체를 이용하여 상기 프로그램을 동작시키는 범용 디지털 컴퓨터에서 구현될 수 있다. 또한, 상술한 방법에서 사용된 데이터의 구조는 컴퓨터 판독 가능 매체에 여러 수단을 통하여 기록될 수 있다. 본 발명의 다양한 방법들을 수행하기 위한 실행 가능한 컴퓨터 코드를 포함하는 저장 디바이스를 설명하기 위해 사용될 수 있는 프로그램 저장 디바이스들은, 반송파(carrier waves)나 신호들과 같이 일시적인 대상들은 포함하는 것으로 이해되지는 않아야 한다. 상기 컴퓨터 판독 가능 매체는 마그네틱 저장매체(예를 들면, 롬, 플로피 디스크, 하드 디스크 등), 광학적 판독 매체(예를 들면, 시디롬, DVD 등)와 같은 저장 매체를 포함한다.On the other hand, the above-described method can be implemented in a general-purpose digital computer that can be created as a program that can be executed in a computer and operates the program using a computer-readable medium. Further, the structure of the data used in the above-described method can be recorded on the computer-readable medium through various means. Program storage devices that may be used to describe a storage device including executable computer code for carrying out the various methods of the present invention should not be understood to include transient objects such as carrier waves or signals do. The computer readable medium includes a storage medium such as a magnetic storage medium (e.g., ROM, floppy disk, hard disk, etc.), optical reading medium (e.g., CD ROM, DVD, etc.).
본 실시 예는 기능적인 블록 구성들 및 다양한 처리 단계들로 나타내어질 수 있다. 이러한 기능 블록들은 특정 기능들을 실행하는 다양한 개수의 하드웨어 또는/및 소프트웨어 구성들로 구현될 수 있다. 예를 들어, 실시 예는 하나 이상의 마이크로프로세서들의 제어 또는 다른 제어 장치들에 의해서 다양한 기능들을 실행할 수 있는, 메모리, 프로세싱, 로직(logic), 룩 업 테이블(look-up table) 등과 같은 직접 회로 구성들을 채용할 수 있다. 구성 요소들이 소프트웨어 프로그래밍 또는 소프트웨어 요소들로 실행될 수 있는 것과 유사하게, 본 실시 예는 데이터 구조, 프로세스들, 루틴들 또는 다른 프로그래밍 구성들의 조합으로 구현되는 다양한 알고리즘을 포함하여, C, C++, 자바(Java), 어셈블러(assembler) 등과 같은 프로그래밍 또는 스크립팅 언어로 구현될 수 있다. 기능적인 측면들은 하나 이상의 프로세서들에서 실행되는 알고리즘으로 구현될 수 있다. 또한, 본 실시 예는 전자적인 환경 설정, 신호 처리, 및/또는 데이터 처리 등을 위하여 종래 기술을 채용할 수 있다. “매커니즘”, “요소”, “수단”, “구성”과 같은 용어는 넓게 사용될 수 있으며, 기계적이고 물리적인 구성들로서 한정되는 것은 아니다. 상기 용어는 프로세서 등과 연계하여 소프트웨어의 일련의 처리들(routines)의 의미를 포함할 수 있다.This embodiment may be represented by functional block configurations and various processing steps. These functional blocks may be implemented in a wide variety of hardware and / or software configurations that perform particular functions. For example, embodiments may include integrated circuit components such as memory, processing, logic, look-up tables, etc., that may perform various functions by control of one or more microprocessors or other control devices Can be employed. Similar to how components may be implemented with software programming or software components, the present embodiments may be implemented in a variety of ways, including C, C ++, Java (" Java), an assembler, and the like. Functional aspects may be implemented with algorithms running on one or more processors. In addition, the present embodiment can employ conventional techniques for electronic environment setting, signal processing, and / or data processing. Terms such as "mechanism", "element", "means", "configuration" may be used broadly and are not limited to mechanical and physical configurations. The term may include the meaning of a series of routines of software in conjunction with a processor or the like.
본 실시 예에서 설명하는 특정 실행들은 예시들로서, 어떠한 방법으로도 기술적 범위를 한정하는 것은 아니다. 명세서의 간결함을 위하여, 종래 전자적인 구성들, 제어 시스템들, 소프트웨어, 상기 시스템들의 다른 기능적인 측면들의 기재는 생략될 수 있다. 또한, 도면에 도시된 구성 요소들 간의 선들의 연결 또는 연결 부재들은 기능적인 연결 및/또는 물리적 또는 회로적 연결들을 예시적으로 나타낸 것으로서, 실제 장치에서는 대체 가능하거나 추가의 다양한 기능적인 연결, 물리적인 연결, 또는 회로 연결들로서 나타내어질 수 있다. The specific implementations described in this embodiment are illustrative and do not in any way limit the scope of the invention. For brevity of description, descriptions of conventional electronic configurations, control systems, software, and other functional aspects of such systems may be omitted. Also, the connections or connecting members of the lines between the components shown in the figures are illustrative of functional connections and / or physical or circuit connections, which may be replaced or additionally provided by a variety of functional connections, physical Connection, or circuit connections.
본 명세서(특히 특허청구범위에서)에서 “상기”의 용어 및 이와 유사한 지시 용어의 사용은 단수 및 복수 모두에 해당하는 것일 수 있다. 또한, 범위(range)를 기재한 경우 상기 범위에 속하는 개별적인 값을 포함하는 것으로서(이에 반하는 기재가 없다면), 상세한 설명에 상기 범위를 구성하는 각 개별적인 값을 기재한 것과 같다. 마지막으로, 방법을 구성하는 단계들에 대하여 명백하게 순서를 기재하거나 반하는 기재가 없다면, 상기 단계들은 적당한 순서로 행해질 수 있다. 반드시 상기 단계들의 기재 순서에 한정되는 것은 아니다. 모든 예들 또는 예시적인 용어(예들 들어, 등등)의 사용은 단순히 기술적 사상을 상세히 설명하기 위한 것으로서 특허청구범위에 의해 한정되지 않는 이상 상기 예들 또는 예시적인 용어로 인해 범위가 한정되는 것은 아니다. 또한, 당업자는 다양한 수정, 조합 및 변경이 부가된 특허청구범위 또는 그 균등물의 범주 내에서 설계 조건 및 팩터에 따라 구성될 수 있음을 알 수 있다.In this specification (particularly in the claims), the use of the terms " above " and similar indication words may refer to both singular and plural. In addition, when a range is described, it includes the individual values belonging to the above range (unless there is a description to the contrary), and the individual values constituting the above range are described in the detailed description. Finally, if there is no explicit description or contradiction to the steps constituting the method, the steps may be performed in an appropriate order. It is not necessarily limited to the description order of the above steps. The use of all examples or exemplary terms (e. G., The like) is merely intended to be illustrative of technical ideas and is not to be limited in scope by the examples or the illustrative terminology, except as by the appended claims. It will also be appreciated by those skilled in the art that various modifications, combinations, and alterations may be made depending on design criteria and factors within the scope of the appended claims or equivalents thereof.
Claims (9)
상기 센서 데이터들 중 적어도 하나가 소정의 임계값을 초과하여 변화하는 시점을 감지하여 분석 구간을 결정하는 단계;
상기 결정된 분석 구간에서 상기 센서 데이터들의 특성을 반영하는 지표를 산출하는 단계;
상기 산출된 지표를 이용하여 상기 센서 데이터와 상기 수율 간의 상관관계를 나타내는 모델(Model)을 생성하는 단계; 및
상기 생성된 모델을 이용하여 웨이퍼 수율을 분석하는 단계를 포함하고,
상기 분석 구간을 결정하는 단계는,
상기 반도체 생산 공정의 설비의 레시피 스텝 변경 정보와 관계없이 센서 데이터들의 변화가 상기 임계값을 초과하여 변화하는 시점을 결정하고, 상기 결정된 시점을 기준으로 상기 분석 구간을 결정하고,
상기 지표는 센서 원천 데이터의 기초 통계량, 슬로프(Slope), 시프트(Shift), 드리프트(Drift), 스파이크(Spike) 및 주기 패턴(Periodic Pattern)을 포함하되,
상기 슬로프는, 상기 센서 원천 데이터의 증가 및 감소에 대한 기울기이고,
상기 시프트는, 상기 센서 원천 데이터가 특정 시점을 기준으로 그 평균값이 다른 경우이고,
상기 드리프트는, 상기 센서 원천 데이터가 제1 비율보다 낮게 증가하거나, 감소하는 패턴을 보이는 경우이고,
상기 스파이크는, 상기 센서 원천 데이터가 관리 상한선 또는 관리 하한선을 벗어나는 경우이고,
상기 주기 패턴은, 상기 센서 원천 데이터가 주기적인 반복 패턴을 보이는 경우인 것을 특징으로 하는,
반도체 생산 공정에서 웨이퍼 수율을 분석하는 방법.A method for analyzing wafer yield in a semiconductor production process using sensor data, the method for analyzing wafer yield is performed by a wafer yield analysis system, and in the wafer yield analysis system,
Determining an analysis period by sensing a time when at least one of the sensor data changes beyond a predetermined threshold value;
Calculating an index reflecting characteristics of the sensor data in the determined analysis period;
Generating a model representing a correlation between the sensor data and the yield using the calculated indicator; And
And analyzing the wafer yield using the generated model,
Wherein the determining of the analysis interval comprises:
Determining a time point at which a change in the sensor data changes beyond the threshold regardless of recipe step change information of equipment in the semiconductor production process, determining the analysis period based on the determined point in time,
The index includes a basic statistic of sensor source data, a slope, a shift, a drift, a spike, and a periodic pattern,
Wherein the slope is a slope for increasing and decreasing the sensor source data,
The shift is a case in which the average value of the sensor source data is different from a specific point in time,
The drift is a case where the sensor source data exhibits a pattern that increases or decreases below a first rate,
The spike may be a case where the sensor source data is out of a management upper limit or a lower limit of management,
Wherein the periodic pattern is a case where the sensor source data shows a periodic repeating pattern.
A method for analyzing wafer yield in a semiconductor production process.
상기 분석의 결과를 이용하여 상기 모델의 정확도를 계산하는 단계; 및
상기 계산된 모델의 정확도를 이용하여 상기 모델을 업데이트하는 단계를 더 포함하는,
반도체 생산 공정에서 웨이퍼 수율을 분석하는 방법.The method according to claim 1,
Calculating an accuracy of the model using a result of the analysis; And
≪ / RTI > further comprising updating the model using the accuracy of the computed model,
A method for analyzing wafer yield in a semiconductor production process.
상기 지표를 산출하는 단계는,
실제 센서 데이터에서의 패턴의 차이를 분석하여 상기 지표를 산출하는 것을 포함하는,
반도체 생산 공정에서 웨이퍼 수율을 분석하는 방법.The method according to claim 1,
Wherein the calculating the indicator comprises:
And analyzing the difference of the pattern in the actual sensor data to calculate the indicator.
A method for analyzing wafer yield in a semiconductor production process.
상기 분석 구간을 결정하는 단계는 신호 처리(Signal Processing) 알고리즘을 사용하며,
상기 지표를 산출하는 단계는 Regression, Wavelet, Time Series, PCA, Golden Tunnel, Sequential Analysis 알고리즘을 사용하는,
반도체 생산 공정에서 웨이퍼 수율을 분석하는 방법.The method according to claim 1,
The step of determining the analysis interval uses a signal processing algorithm,
The step of calculating the index may be performed by using Regression, Wavelet, Time Series, PCA, Golden Tunnel,
A method for analyzing wafer yield in a semiconductor production process.
상기 모델을 생성하는 단계는,
수율 저하의 원인을 찾는 데이터 마이닝 분석에서, 원인 인자로 지목된 특정 설비에서의 센터 데이터들의 파라미터 또는 지표를 미리 결정된 파라미터 또는 지표와 비교하여 이상 여부를 판단하는 것을 포함하는,
반도체 생산 공정에서 웨이퍼 수율을 분석하는 방법.The method according to claim 1,
The generating of the model may comprise:
In a data mining analysis for finding the cause of yield reduction, comparing parameters or indices of center data in a specific facility, designated as a causal factor, with predetermined parameters or indices,
A method for analyzing wafer yield in a semiconductor production process.
상기 모델의 정확도를 계산하는 단계는,
이상 패턴을 보인 로트(LOT)가 실제 계측을 통하여 불량으로 판정된 경우 모델의 정확도가 증가하는 것을 포함하는,
반도체 생산 공정에서 웨이퍼 수율을 분석하는 방법.3. The method of claim 2,
The step of calculating the accuracy of the model,
And the accuracy of the model is increased when the lot (LOT) showing the abnormal pattern is judged to be defective through the actual measurement,
A method for analyzing wafer yield in a semiconductor production process.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020140002563A KR101615345B1 (en) | 2014-01-08 | 2014-01-08 | Method for analyzing wafer yield rate using sensor data in semiconductor manufacturing process |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020140002563A KR101615345B1 (en) | 2014-01-08 | 2014-01-08 | Method for analyzing wafer yield rate using sensor data in semiconductor manufacturing process |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20150082976A KR20150082976A (en) | 2015-07-16 |
| KR101615345B1 true KR101615345B1 (en) | 2016-04-25 |
Family
ID=53884849
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020140002563A KR101615345B1 (en) | 2014-01-08 | 2014-01-08 | Method for analyzing wafer yield rate using sensor data in semiconductor manufacturing process |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101615345B1 (en) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101977310B1 (en) * | 2018-02-05 | 2019-05-10 | 한국생산기술연구원 | Method and Apparatus for Quality Control in Manufacturing Process |
| CN113239956B (en) * | 2021-04-08 | 2024-01-19 | 深圳市银宝山新科技股份有限公司 | Injection mold state diagnosis method, device, computer equipment and storage medium |
| CN113570184B (en) * | 2021-06-07 | 2024-07-12 | 东莞盛翔精密金属有限公司 | Tracing method, tracing system, electronic device and computer readable storage medium |
-
2014
- 2014-01-08 KR KR1020140002563A patent/KR101615345B1/en active IP Right Grant
Non-Patent Citations (1)
| Title |
|---|
| Alexander Bleakie et al, "Feature extraction, condition monitoring, and fault modeling in semiconductor manufacturing systems". Computers in Industry 64. 2013.* |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20150082976A (en) | 2015-07-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10496515B2 (en) | Abnormality detection apparatus, abnormality detection method, and non-transitory computer readable medium | |
| CN108615088B (en) | Prediction system and prediction method for residual life of machine parts | |
| Wang et al. | A two-stage data-driven-based prognostic approach for bearing degradation problem | |
| US10852357B2 (en) | System and method for UPS battery monitoring and data analysis | |
| KR102097953B1 (en) | Failure risk index estimation device and failure risk index estimation method | |
| JP5116307B2 (en) | Integrated circuit device abnormality detection device, method and program | |
| CN108334652B (en) | Machine pre-diagnosis method and pre-diagnosis device | |
| KR101522385B1 (en) | Method and apparatus for detecting fault in the semiconductor menufacturing process and recording medium thereof | |
| JP6737277B2 (en) | Manufacturing process analysis device, manufacturing process analysis method, and manufacturing process analysis program | |
| US20130173215A1 (en) | Adaptive trend-change detection and function fitting system and method | |
| CN104900551A (en) | Wafer quality management and control method and device | |
| KR101615345B1 (en) | Method for analyzing wafer yield rate using sensor data in semiconductor manufacturing process | |
| CN114491383B (en) | Abnormal data processing method and system for bridge monitoring | |
| CN108399115B (en) | Operation and maintenance operation detection method and device and electronic equipment | |
| US20170132387A1 (en) | Health Assessment Method and Health Assessment Device for Workpiece Processing Apparatus | |
| KR20230102269A (en) | Abnormal condition check method in wafer fabrication equipment and apparatus therefor | |
| US8285514B2 (en) | Sensor fault detection systems and methods thereof | |
| JP2011054804A (en) | Method and system for management of semiconductor manufacturing device | |
| CN117786565A (en) | Method and device for determining semiconductor abnormal chip and electronic equipment | |
| KR101977214B1 (en) | Outlier detecting method, device and system using the method | |
| US20190222524A1 (en) | Information processing apparatus, data management system, data management method, and non-transitory computer readable medium storing program | |
| JP2013012184A (en) | Robust peak finder for sample data | |
| JP2014203330A (en) | Product quality evaluation device and method | |
| KR101882384B1 (en) | Apparatus and method for integrated cross calibration in redundant sensors | |
| KR20160039078A (en) | Method for analyzing signal of power plant pipe |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| AMND | Amendment | ||
| E601 | Decision to refuse application | ||
| AMND | Amendment | ||
| E90F | Notification of reason for final refusal | ||
| AMND | Amendment | ||
| X701 | Decision to grant (after re-examination) | ||
| GRNT | Written decision to grant |