KR102031843B1 - 가상의 센서 데이터를 생성하는 방법 및 장치 - Google Patents

가상의 센서 데이터를 생성하는 방법 및 장치 Download PDF

Info

Publication number
KR102031843B1
KR102031843B1 KR1020170184668A KR20170184668A KR102031843B1 KR 102031843 B1 KR102031843 B1 KR 102031843B1 KR 1020170184668 A KR1020170184668 A KR 1020170184668A KR 20170184668 A KR20170184668 A KR 20170184668A KR 102031843 B1 KR102031843 B1 KR 102031843B1
Authority
KR
South Korea
Prior art keywords
virtual
sensor data
data
sub
equipment
Prior art date
Application number
KR1020170184668A
Other languages
English (en)
Other versions
KR20190081844A (ko
Inventor
홍지은
김동필
윤선희
나혁준
전경식
최운규
Original Assignee
주식회사 비스텔
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 비스텔 filed Critical 주식회사 비스텔
Priority to KR1020170184668A priority Critical patent/KR102031843B1/ko
Publication of KR20190081844A publication Critical patent/KR20190081844A/ko
Application granted granted Critical
Publication of KR102031843B1 publication Critical patent/KR102031843B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/4183—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by data acquisition, e.g. workpiece identification
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/4184—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by fault tolerance, reliability of production system
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0275—Fault isolation and identification, e.g. classify fault; estimate cause or root of failure
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67242—Apparatus for monitoring, sorting or marking
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Manufacturing & Machinery (AREA)
  • Quality & Reliability (AREA)
  • General Engineering & Computer Science (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • General Factory Administration (AREA)

Abstract

컴퓨팅 장치에서 반도체 제조 장비의 가상의 센서 데이터를 생성하는 방법은 반도체 제조 장비에 부착된 복수의 센서들로부터 반도체 제조 공정의 결함을 판단하는 데에 이용되는 센서 데이터를 수집하는 단계; 상기 반도체 제조 장비에 대응되는 복수의 가상 장비들 각각의 레시피 시간 및 상기 복수의 가상 장비들 각각에 부착된 가상 센서의 개수에 기초하여, 상기 복수의 가상 장비들 각각의 장비 타입을 설정하는 단계; 상기 복수의 가상 장비들 각각의 장비 타입에 기초하여, 상기 센서 데이터를 변형하고, 상기 변형된 센서 데이터를 포함하는 참조 파일을 저장하는 단계; 및 상기 참조 파일 내의 가상 장비의 장비 타입에 기반한 서브 참조 파일에 기초하여, 상기 복수의 가상 장비들 각각이 소정의 패턴을 갖는 가상의 센서 데이터를 생성하도록 제어하는 단계를 포함할 수 있다.

Description

가상의 센서 데이터를 생성하는 방법 및 장치{Method and apparatus for GENERATING VIRTUAL SENSOR DATA}
본 발명은 가상의 센서 데이터를 생성하는 방법 및 장치에 관한 것이다.
장비 집약적이며 복잡한 생산 시스템 중 하나인 FAB(Fabrication) 공정은 반도체를 생산하기 위한 공정 중 하나로 수 백 개 이상의 단위 공정들로 이루어져 있고, 하나의 Lot에 대한 공정을 모두 완료하는데 까지 수 개월이 소요된다. 그 과정에서 장비에 장애가 생겨 갑작스럽게 중단되는 경우가 발생할 수 있는데, 멈춰선 생산 라인을 다시 가동시키는데 수일이 걸리고 그에 대한 기회 손실은 수 천억 원 대로 불어나게 된다. 장비의 장애는 소음, 진동, 압력, 온도 상승 등의 변화를 동반하며, 이러한 변화는 장비가 갑작스럽게 중단되기 이전부터 징후를 보이기 때문에 손실을 예방하기 위하여 장애가 발생하기 이전부터 장비의 상태를 모니터링 해야 한다.
따라서, 실제 반도체 공정에 따라 발생된 센서 데이터와 유사한 가상의 센서 데이터를 생성하는 기술의 필요성이 요구된다.
컴퓨팅 장치는 반도체 제조 장비에 부착된 복수의 센서들로부터 사전에 수집된 센서 데이터 및 복수의 가상 장비들의 레시피 시간을 이용하여, 복수의 가상 장비들 각각에서 소정 패턴을 갖는 가상의 센서 데이터를 생성하도록 제어할 수 있다.
컴퓨팅 장치는 가상의 센서 데이터 내의 정상 데이터 및 결함 데이터의 생성 비율을 설정하고, 생성 비율에 따라 생성된 가상의 센서 데이터를 이용함으로써, 보다 정확한 패턴 매치를 수행할 수 있다.
컴퓨팅 장치는 실제 반도체 공정에 따라 발생된 센서 데이터와 유사한 가상의 센서 데이터를 생성할 수 있다.
일측에 따르면, 반도체 제조 장비에 부착된 복수의 센서들로부터 반도체 제조 공정의 결함을 판단하는 데에 이용되는 센서 데이터를 수집하는 단계; 상기 반도체 제조 장비에 대응되는 복수의 가상 장비들 각각의 레시피 시간 및 상기 복수의 가상 장비들 각각에 부착된 가상 센서의 개수에 기초하여, 상기 복수의 가상 장비들 각각의 장비 타입을 설정하는 단계; 상기 복수의 가상 장비들 각각의 장비 타입에 기초하여, 상기 센서 데이터를 변형하고, 상기 변형된 센서 데이터를 포함하는 참조 파일을 저장하는 단계; 및 상기 참조 파일 내의 가상 장비의 장비 타입에 기반한 서브 참조 파일에 기초하여, 상기 복수의 가상 장비들 각각이 소정의 패턴을 갖는 가상의 센서 데이터를 생성하도록 제어하는 단계를 포함하는, 컴퓨팅 장치에서 반도체 제조 장비의 가상의 센서 데이터를 생성하는 방법이 제공된다.
다른 일측에 따르면, 반도체 제조 장비에 부착된 복수의 센서들로부터 반도체 제조 공정의 결함을 판단하는 데에 이용되는 센서 데이터를 수집하는 단계; 상기 반도체 제조 장비에 대응되는 복수의 가상 장비들 각각의 레시피 시간 및 상기 복수의 가상 장비들 각각에 부착된 가상 센서의 개수에 기초하여, 상기 복수의 가상 장비들 각각의 장비 타입을 설정하는 단계; 상기 복수의 가상 장비들 각각의 장비 타입에 기초하여, 상기 센서 데이터를 변형하고, 상기 변형된 센서 데이터를 포함하는 참조 파일을 저장하는 단계; 및 상기 참조 파일 내의 가상 장비의 장비 타입에 기반한 서브 참조 파일에 기초하여, 상기 복수의 가상 장비들 각각이 소정의 패턴을 갖는 가상의 센서 데이터를 생성하도록 제어하는 단계를 수행하도록 하는 컴퓨터 판독 가능 저장매체에 저장된 컴퓨터 프로그램이 제공된다.
컴퓨팅 장치는 복수의 가상 장비들 각각에서 다양한 유형의 가상의 센서 데이터를 생성하도록 제어할 수 있다.
컴퓨팅 장치는 가상의 센서 데이터를 이용하여 패턴 매치를 수행할 수 있고, 패턴 매치의 결과에 따라, 반도체 제종 장비의 제조 공정에서의 오류를 검출할 수 있다.
실제 반도체 제조 공정에서 발생되는 센서 데이터와 가상의 센서 데이터 간의 오차를 줄임으로써, 반도체 제조 공정에서 발생되는 비용과 오류를 최소화하고, 생산된 제품의 품질을 향상시킬 수 있다.
본 개시는, 다음의 자세한 설명과 그에 수반되는 도면들의 결합으로 쉽게 이해될 수 있으며, 참조 번호(reference numerals)들은 구조적 구성요소(structural elements)를 의미한다.
도 1은 일실시예에 따라, 컴퓨팅 장치에서 반도체 제조 장비의 가상의 센서 데이터를 이용한 패턴 매치 수행 및 오류 검출을 위한 과정을 설명하기 위한 도면이다.
도 2는 일실시예에 따라, 컴퓨팅 장치에서 반도체 제조 장비의 가상의 센서 데이터를 생성하는 방법을 설명하기 위한 흐름도이다.
도 3a는 일실시예에 따라, 컴퓨팅 장치에서 보간법에 따른 센서 데이터를 변형하는 과정을 설명하기 위한 도면이다.
도 3b는 일실시예에 따라, 컴퓨팅 장치에서 구간 평균법에 따른 센서 데이터를 변형하는 과정을 설명하기 위한 도면이다.
도 3c는 일실시예에 따라, 센서 데이터의 유형이 스위치 데이터인 경우, 컴퓨팅 장치에서 센서 데이터를 변형하는 과정을 설명하기 위한 도면이다.
도 3d는 일실시예에 따라, 센서 데이터의 유형이 계단식 데이터인 경우, 컴퓨팅 장치에서 센서 데이터를 변형하는 과정을 설명하기 위한 도면이다.
도 3e는 일실시예에 따라, 센서 데이터의 유형이 진동 데이터인 경우, 컴퓨팅 장치에서 센서 데이터를 변형하는 과정을 설명하기 위한 도면이다.
도 4는 일실시예에 따라, 컴퓨팅 장치에서 복수의 가상 장비들 각각에서 가상의 센서 데이터를 생성하도록 제어하는 방법을 설명하기 위한 흐름도이다.
도 5는 일실시예에 따라, 가상 장비에 부착된 센서의 대표로 설정된 센서 데이터를 이용하여 획득된 가상의 센서 데이터를 도시한다.
본 개시에서 사용되는 용어는 본 개시에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 개시에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 개시의 전반에 걸친 내용을 토대로 정의되어야 한다.
명세서 전체에서 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다.
제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 개시의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
명세서 전체에서 "컴퓨팅 장치"는 가상 장비의 장비 타입에 기초하여 수집된 센서 데이터를 변형하고, 변형된 센서 데이터를 포함하는 참조 파일을 이용하여 가상의 센서 데이터를 생성하는 데에 이용되는 데이터를 입력, 제어, 기억, 연산, 출력하는 기능을 수행하는 장치를 의미할 수 있다. 예를 들면, "컴퓨팅 장치"는 특수 목적 컴퓨터(Special-purpose Computer), 범용 컴퓨터(General-purpose Computer), 슈퍼 컴퓨터(Supercomputer), 대형 컴퓨터(Mainframe Computer), 개인용 컴퓨터(Personal Computer) 등에 해당될 수 있고, 이에 제한되지 않는다.
또한, "컴퓨팅 장치"는 반도체를 생산하는 제조 장비와 물리적으로 분리된 형태로 제공되거나, 장비에 탑재된 형태로 제공될 수 있다. 또한, "컴퓨팅 장치"는 반도체 공정에 따른 데이터를 감지하는 센서와 독립적인 장치로 제공되거나, 센서에 탑재되어 제공될 수 있다.
또한, "컴퓨팅 장치"에는 반도체 제조 장비의 가상의 센서 데이터를 생성하도록 명령하는 명령어들을 실행시키는 컴퓨터 프로그램이 설치될 수 있다.
한편, "컴퓨팅 장치"는 메모리, 프로세서, 사용자 인터페이스, 통신 인터페이스, 및 디스플레이를 포함할 수 있고, 다른 범용적인 구성요소들이 더 포함될 수 있다. 구체적으로, 메모리는 소프트웨어 또는 컴퓨터 프로그램을 저장할 수 있다. 예를 들면, 메모리는 반도체를 생산하는 장비로부터 수신된 데이터를 저장할 수 있다. 또한, 메모리는 가상 장비의 장비 타입에 기초하여 수집된 센서 데이터를 변형하고, 변형된 센서 데이터를 포함하는 참조 파일을 이용하여 가상의 센서 데이터를 생성하도록 명령하는 명령어들을 저장할 수 있다. 프로세서는 메모리에 저장된 명령어들을 실행하여, 컴퓨팅 장치가 반도체 제조 장비의 가상의 센서 데이터를 생성하도록 제어할 수 있다. 사용자 인터페이스는 사용자로부터 다양한 명령어를 입력 받을 수 있다. 통신 인터페이스는 다양한 유형의 통신 방식에 따라 외부 장치와 통신을 수행할 수 있다. 디스플레이는 복수의 가상 장비들 각각의 레시피 시간 및 상기 복수의 가상 장비들 각각에 부착된 가상 센서의 개수에 기초하여, 복수의 가상 장비들 각각의 장비 타입을 설정하는 화면을 표시할 수 있다. 또한, 디스플레이는 복수의 가상 장비들 각각의 장비 타입에 기초하여 변형된 데이터를 표시할 수 있다. 또한, 디스플레이는 복수의 가상 장비들 각각에서 생성된 가상의 센서 데이터를 표시할 수 있다.
이하에서는, 컴퓨팅 장치의 메모리, 프로세서, 사용자 인터페이스, 통신 인터페이스, 및 디스플레이가 수행하는 다양한 동작이나 응용들이 설명되는데, 컴퓨팅 장치의 메모리, 프로세서, 사용자 인터페이스, 통신 인터페이스, 및 디스플레이 중 어느 구성을 특정하지 않더라도 실시예가 속하는 기술분야에서 통상의 지식을 가진 자가 명확하게 이해하고 예상할 수 있는 정도의 내용은 통상의 구현으로 이해될 수 있으며, 컴퓨팅 장치의 메모리, 프로세서, 사용자 인터페이스, 통신 인터페이스, 및 디스플레이의 권리범위가 특정한 구성의 명칭이나 물리적/논리적 구조에 의해 제한되는 것은 아니다.
이하에서는 도면을 참조하여 실시 예들을 상세히 설명한다.
도 1은 일실시예에 따라, 컴퓨팅 장치에서 반도체 제조 장비의 가상의 센서 데이터를 이용한 패턴 매치 수행 및 오류 검출을 위한 과정을 설명하기 위한 도면이다.
블록 110을 참고하면, 컴퓨팅 장치(10)는 반도체 제조 장비에 부착된 복수의 센서들로부터 반도체 제조 공정의 결함을 판단하는 데에 이용되는 센서 데이터를 수집할 수 있다.
블록 120을 참고하면, 컴퓨팅 장치(10)는 복수의 가상 장비 각각에서 가상의 센서 데이터가 생성되도록 제어할 수 있다. 컴퓨팅 장치(10)가 복수의 가상 장비 각각에서 가상의 센서 데이터가 생성되도록 제어하는 과정은 도 2 내지 도 5에서 상세하게 설명한다.
블록 130을 참고하면, 컴퓨팅 장치(10)는 가상의 센서 데이터를 이용하여 패턴 매치를 수행할 수 있고, 패턴 매치의 결과에 따라, 반도체 제종 장비의 제조 공정에서의 오류를 검출할 수 있다.
한편, FDC(Fault detection and classification) 기반의 모니터링 시스템은 센서 데이터의 최솟값(Minimum), 최댓값(Maximum), 평균(Average) 등의 스펙(Specification)을 이용한 서머리(Summary)로 이상치를 판별하고 로우 트레이스 데이터(Raw Trace Data)에 근거하여 분석 모델을 수립할 수 있다. 그러나, 분석 모델은 비효율적이고 전문성까지 요구되는 모델링 관리가 필요하다. 또한, 관리되지 않은 분석 모델로 인하여 수율에 영항을 주는 이벤트가 감지되지 않을 수 있다.
또한, DFD(Dynamic Fault Detection) 기반의 모니터링 시스템은 구간이 아닌 센서 데이터의 모든 로우 트레이스(Raw Trace)를 대상으로 패턴 매칭을 하여 오류를 감지할 수 있다. DFD 기반의 모니터링 시스템은 실시간으로 로우 트레이스 데이터를 읽어 패턴 매칭을 진행하기 때문에, 고집적화 된 작업과정을 거치고, 공정변수의 고유한 구조적 패턴이 존재하는 FAB 공정에서 적합하지 않을 수 있다.
따라서, 컴퓨팅 장치(10)는 반도체 제조 장비에 부착된 복수의 센서들로부터 사전에 수집된 센서 데이터 및 복수의 가상 장비들의 레시피 시간을 이용하여, 복수의 가상 장비들 각각에서 소정 패턴을 갖는 가상의 센서 데이터를 생성하도록 제어할 수 있다. 컴퓨팅 장치(10)는 생성된 가상의 센서 데이터를 FDC 또는 DFD 기반의 모니터링 시스템에 적용하여, 패턴 매치를 수행하여, 오류/불량을 발생시킨 공정 또는 설비를 검출할 수 있다.
도 2는 일실시예에 따라, 컴퓨팅 장치에서 반도체 제조 장비의 가상의 센서 데이터를 생성하는 방법을 설명하기 위한 흐름도이다.
블록 210에서, 컴퓨팅 장치(10)는 반도체 제종 장비에 부착된 복수의 센서들로부터 반도체 제조 공정의 결함을 판단하는 데에 이용되는 센서 데이터를 수집할 수 있다. 구체적으로, 컴퓨팅 장치(10)는 복수의 센서들로부터 센서 데이터를 획득하여, 컴퓨팅 장치(10) 내의 메모리에 저장할 수 있다. 컴퓨팅 장치(10)는 가상의 센서 데이터를 생성하기 위해, 메모리에 저장된 센서 데이터를 읽을 수 있다. 여기서, 센서 데이터는 복수의 센서들로부터 측정되는 소음, 진동, 압력 및 온도 중 적어도 하나에 대응되는 데이터일 수 있고, 이에 한정되지 않는다. 또한, 센서 데이터는 반도체 제조 장비의 동작에 따라 획득된 시계열적 데이터일 수 있다.
블록 220에서, 컴퓨팅 장치(10)는 반도체 제조 장비에 대응되는 복수의 가상 장비들 각각의 레시피 시간 및 복수의 가상 장비들 각각에 부착된 가상 센서의 개수에 기초하여, 복수의 가상 장비들 각각의 장비 타입을 설정할 수 있다. 장비 타입은 레시피 시간, 가상 센서의 개수에 따라 달라질 수 있다. 또한, 복수의 가상 장비들 각각에 부착된 가상 센서마다 출력 간격(interval)이 다르기 때문에 레시피 시간 동안 발생되는 데이터 수가 가상 장비마다 달라지게 된다.
블록 230에서, 컴퓨팅 장치(10)는 복수의 가상 장비들 각각의 장비 타입에 기초하여, 센서 데이터를 변형할 수 있다. 컴퓨팅 장치(10)는 변형된 센서 데이터를 포함하는 참조 파일을 저장할 수 있다.
구체적으로, 컴퓨팅 장치(10)는 제1 가상 장비의 제1 레시피 시간 동안 생성되어야 할 제1 가상의 센서 데이터의 개수와 제1 가상 장비에 대응되는 제1 센서 데이터의 개수를 비교할 수 있다. 컴퓨팅 장치(10)는 비교 결과에 기초하여, 제1 센서 데이터에 보간법 또는 구간 평균법을 적용하여 제1 가상의 센서 데이터의 개수와 제1 센서 데이터의 개수가 일치되도록 제1 센서 데이터를 변형할 수 있다. 센서 데이터에 보간법 또는 구간 평균법을 적용하여 센서 데이터를 변형하는 과정은 도 3a 내지 도 3b에서 설명한다.
또한, 제1 가상 장비의 제1 레시피 시간 동안 생성되어야 할 제1 가상의 센서 데이터의 유형이 스위치 데이터, 계단식 데이터 및 진동 데이터 중 적어도 하나의 유형인 경우, 컴퓨팅 장치(10)는 제1 가상의 센서 데이터의 개수에 따라 제1 가상 장비에 대응되는 제1 센서 데이터의 값을 제1 가상의 센서 데이터의 값으로 매핑할 수 있다. 가상의 센서 데이터의 유형에 따라, 센서 데이터를 변형하는 과정은 도 3c 내지 도 3e에서 설명한다.
블록 240에서, 컴퓨팅 장치(10)는 참조 파일 내의 가상 장비의 장비 타입에 기반한 서브 참조 파일에 기초하여, 복수의 가상 장비들 각각의 소정의 패턴을 갖는 가상의 센서 데이터를 생성하도록 제어할 수 있다.
컴퓨팅 장치(10)는 제1 가상 장비의 제1 레시피 시간 동안 생성되어야 할 제1 가상의 센서 데이터에 포함된 결함 데이터가 임의의 시점에 연속적으로 생성되도록 제어할 수 있다. 구체적으로, 컴퓨팅 장치(10)는 제1 가상의 센서 데이터에 포함된 정상 데이터 및 결함 데이터의 생성 비율을 결정할 수 있다. 컴퓨팅 장치(10)는 생성 비율에 따라 생성될 결함 데이터를 소정의 그룹으로 분류하고, 분류된 결함 데이터가 제1 레시피 시간의 임의의 시점에서 생성되도록 제어할 수 있다.
또한, 컴퓨팅 장치(10)는 제1 가상 장비의 제1 레시피 시간에 대응되는 제1 서브 참조 파일에서 제1 서브 참조 데이터를 추출할 수 있다. 컴퓨팅 장치(10)는 제1 레시피 시간 동안 제1 가상 장비에 부착된 가상 센서의 출력 인터벌에 따라, 제1 서브 참조 데이터를 제1 가상 장비에 부착된 가상 센서로 전송할 수 있다. 제1 레시피 시간이 경과되면, 컴퓨팅 장치(10)는 제1 서브 참조 데이터와 상이한 제2 서브 참조 데이터를 제1 가상 장비에 부착된 가상 센서로 전송할 수 있다. 컴퓨팅 장치(10)는 제1 가상 장비에서 제2 서브 참조 데이터에 기반하는 제2 가상의 센서 데이터가 생성되도록 제어할 수 있다.
구체적으로, 제1 레시피 시간이 경과되면, 컴퓨팅 장치(10)는 제1 서브 참조 파일에서 제1 서브 참조 데이터와 상이한 제2 서브 참조 데이터를 추출할 수 있다. 컴퓨팅 장치(10)는 제1 레시피 시간 다음의 제1 레시피 시간 동안 제1 가상 장비에 부착된 가상 센서의 출력 인터벌에 따라, 제2 서브 참조 데이터를 제1 가상 장비에 부착된 가상 센서로 전송할 수 있다. 여기서, 제1 레시피 시간이 경과되고, 제1 서브 참조 데이터를 제2 서브 참조 데이터로 교체되지 않으면, 제1 레시피 시간의 주기마다 동일한 가상의 센서 데이터가 발생되기 때문에, 컴퓨팅 장치(10)는 제1 서브 참조 데이터를 제2 서브 참조 데이터로 교체할 수 있다.
또한, 컴퓨팅 장치(10)는 서브 참조 파일에서 제1 가상 장비에 부착된 가상 센서 각각을 대표하는 서브 참조 데이터를 추출하여 서브 참조 데이터 각각을 평균으로 설정할 수 있다. 컴퓨팅 장치(10)는 서브 참조데이터 각각의 평균 및 서브 참조 데이터 각각에 대응되는 소정의 표준 편차를 이용한 정규 분포에 기초하여, 제1 가상 장비에 제1 가상의 센서 데이터가 생성되도록 제어할 수 있다.
한편, 컴퓨팅 장치(10)는 도 2에 도시된 블록 순서에 의하지 않고, 다른 순서에 따라, 반도체 제조 장비의 가상의 센서 데이터를 생성하는 방법을 수행할 수 있다. 예를 들면, 컴퓨팅 장치(10)는 블록 210, 블록 230, 블록 220 및 블록 240에 따라 반도체 제조 장비의 가상의 센서 데이터를 생성하는 방법을 수행할 수 있다.
컴퓨팅 장치(10)가, 복수의 가상 장비들 각각이 가상의 센서 데이터를 생성하도록 제어하는 방법은 도 4 내지 도 5에서 설명한다.
도 3a는 일실시예에 따라, 컴퓨팅 장치에서 보간법에 따른 센서 데이터를 변형하는 과정을 설명하기 위한 도면이다.
제1 가상 장비의 제1 레시피 시간 동안 생성되어야 할 제1 가상의 센서 데이터의 개수가 제1 가상 장비에 대응되는 제1 센서 데이터의 개수보다 많은 경우, 컴퓨팅 장치(10)는 제1 센서 데이터에 보간법을 적용하여, 제1 가상의 센서 데이터의 개수와 제1 센서 데이터의 개수가 일치되도록 제1 센서 데이터의 규모(scale)를 확장할 수 있다.
도 3a의 그래프(310)는 제1 가상 장비에 대응되는 제1 센서 데이터를 도시한다. 제1 가상 장비에 대응되는 제1 센서 데이터의 개수는 10개이다. 반면에, 제1 가상 장비의 제1 레시피 시간 동안 생성되어야 할 제1 가상의 센서 데이터의 개수는 28개이다. 따라서, 도 3a의 그래프(320)에 도시된 바와 같이, 컴퓨팅 장치(10)는 제1 센서 데이터의 값들 사이마다 2개의 데이터를 추가하여 총 28개의 데이터가 되도록 제1 센서 데이터를 변형할 수 있다.
구체적으로, 두 개의 데이터 α, β 사이에 변수 M개의 데이터를 추가할 때 컴퓨팅 장치(10)는 아래와 같은 수학식 1 내지 수학식 3을 이용한다.
Figure 112017131329719-pat00001
Figure 112017131329719-pat00002
Figure 112017131329719-pat00003
한편, 보간법 수행 전 전체 데이터의 수가 N개일때, 변수 M개의 데이터를 추가하면 보간법 수행 수 전체 데이터의 수는 수학식 4와 같다.
Figure 112017131329719-pat00004
도 3b는 일실시예에 따라, 컴퓨팅 장치에서 평균법에 따른 센서 데이터를 변형하는 과정을 설명하기 위한 도면이다.
제1 가상 장비의 제1 레시피 시간 동안 생성되어야 할 제1 가상의 센서 데이터의 개수가 제1 가상 장비에 대응되는 제1 센서 데이터의 개수보다 적거나, 보간법 수행 후 필요한 데이터의 수보다 소정 수 이상으로 증가한 경우, 컴퓨팅 장치(10)는 제1 센서 데이터에 구간 평균법을 적용하여, 제1 가상의 센서 데이터의 개수와 제1 센서 데이터의 개수가 일치되도록 제1 센서 데이터의 규모(scale)를 축소할 수 있다.
도 3b의 그래프(330)는 제1 가상 장비에 대응되는 제1 센서 데이터를 도시한다. 제1 가상 장비에 대응되는 제1 센서 데이터의 개수는 10개이다. 반면에, 제1 가상 장비의 제1 레시피 시간 동안 생성되어야 할 제1 가상의 센서 데이터의 개수는 4개이다. 따라서, 도 3b의 그래프(340)에 도시된 바와 같이, 컴퓨팅 장치(10)는 제1 센서 데이터를 연속적인 3개의 데이터로 구간을 설정할 수 있다. 컴퓨팅 장치(10)는 설정된 구간의 데이터의 값들에 대한 평균을 계산하여, 총 4개의 센서 데이터가 되도록 제1 센서 데이터를 변형할 수 있다. 즉, 컴퓨팅 장치(10)는 설정된 구간마다 평균을 구하는 구간 평균을 수행할 수 있다. 컴퓨팅 장치(10)는 수학식 5와 같이 구간에 대한 구간 평균을 연산할 수 있다.
Figure 112017131329719-pat00005
여기서, 구간 평균을 반복 수행하게 되면, 전체 데이터의 수는 약
Figure 112017131329719-pat00006
로 줄어들 수 있다.
한편, 컴퓨팅 장치(10)는 제1 센서 데이터에 보간법과 구간 평균법을 조합하여 적용하여, 제1 가상의 센서 데이터의 개수와 제1 센서 데이터의 개수가 일치되도록 제1 센서 데이터의 규모를 조절할 수 있다.
도 3c는 일실시예에 따라, 센서 데이터의 유형이 스위치 데이터인 경우, 컴퓨팅 장치에서 센서 데이터를 변형하는 과정을 설명하기 위한 도면이다.
센서 데이터의 유형이 스위치 데이터인 경우, 데이터의 값은 on-off (0, 1)의 두 개의 값만 존재하기 때문에, 센서 데이터에 단순히 보간법을 사용하면 0.5 같은 적합하지 않은 데이터가 생성될 수 있다. 따라서, 컴퓨팅 장치(10)는 연속된 두 개의 데이터 n, n+1 사이에 M개의 데이터를 추가할 때 순서상 n과 가까우면 n과 같은 값을 가지고, n+1가 가까우면 n+1과 같은 값을 갖도록 설정할 수 있다. 만약 n과 n+1의 거리가 같다면, 컴퓨팅 장치(10)는 n 또는 n+1 중 하나를 선택하여 가운데에서 생성되는 데이터는 매번 같은 값으로 설정되도록 할 수 있다.
도 3c의 그래프(350)는 제1 가상 장비에 대응되는 제1 센서 데이터를 도시한다. 여기서, 제1 가상의 센서 데이터의 개수와 제1 센서 데이터의 개수가 일치되도록 제1 센서 데이터의 규모가 확장될 필요가 있는 경우, 도 3c의 그래프(360)에 도시된 바와 같이, 컴퓨팅 장치(10)는 n, n+1 사이에 1 개의 데이터를 추가할 수 있다.
도 3d는 일실시예에 따라, 센서 데이터의 유형이 계단식 데이터인 경우, 컴퓨팅 장치에서 센서 데이터를 변형하는 과정을 설명하기 위한 도면이다.
도 3d의 그래프(370)는 제1 가상 장비에 대응되는 제1 센서 데이터를 도시한다. 여기서, 제1 센서 데이터의 유형은 계단식 데이터이다. 계단식 데이터는 급격한 값의 변화를 가지고, 일정 횟수 이상 변화된 값으로 반복될 수 있다. 이 경우, 제1 센서 데이터에 단순히 보간법을 사용하면 변형된 제1 센서 데이터는 급격한 값의 변화를 인지하지 못하고 중간 값을 가질 수 있다. 따라서 컴퓨팅 장치(10)는 연속된 두 개의 데이터 α, β 사이에 변수 M개의 데이터를 추가할 때 아래와 같이 수학식 6 내지 수학식 8을 이용한다.
Figure 112017131329719-pat00007
Figure 112017131329719-pat00008
Figure 112017131329719-pat00009
수학식 8에 따라 연산된 M 번째 추가 데이터가 α와 근사하다면, 추가 데이터는 α와 같은 값으로 설정되고, β와 근사하다면 추가 데이터는 β와 같은 값으로 설정될 수 있다. 도 3d의 그래프(380)에 도시된 바와 같이, 컴퓨팅 장치(10)는 α, β 사이에 1개의 데이터를 추가하여 제1 센서 데이터를 변형할 수 있다.
도 3e는 일실시예에 따라, 센서 데이터의 유형이 진동 데이터인 경우, 컴퓨팅 장치에서 센서 데이터를 변형하는 과정을 설명하기 위한 도면이다.
도 3e의 그래프(390)는 제1 가상 장비에 대응되는 제1 센서 데이터를 도시한다. 여기서, 제1 센서 데이터의 유형은 진동 데이터이다. 진동 데이터는 두 개의 점 n, n+1이 한 쌍이기 때문에, 제1 센서 데이터가 확장되는 경우, n, n+1이 한쌍으로 증가될 수 있다. 도 3e의 그래프(395)에 도시된 바와 같이, 컴퓨팅 장치(10)는 n, n+1이 한쌍으로 설정하여, n, n+1의 쌍을 증가시킬 수 있다.
도 4는 일실시예에 따라, 컴퓨팅 장치에서 복수의 가상 장비들 각각에서 가상의 센서 데이터를 생성하도록 제어하는 방법을 설명하기 위한 흐름도이다.
블록 410에서, 컴퓨팅 장치(10)는 제1 가상의 센서 데이터에 포함된 정상 데이터 및 결함 데이터의 생성 비율을 결정할 수 있다. 컴퓨팅 장치(10)는 패턴 매칭을 수행하기 위해 정상 데이터 및 결함 데이터를 포함하는 가상의 센서 데이터를 생성할 수 있다. 여기서, 결함 데이터의 비율이 소정 비율 이상이면, 결함 데이터는 정상으로 판정될 수 있다. 따라서, 컴퓨팅 장치(10)는 정상 데이터 및 결함 데이터의 생성 비율을 소정의 비율 이하로 설정할 수 있다. 예를 들면, 결함 데이터의 생성 비율은 전체 가상의 센서 데이터 중에서 1%로 설정될 수 있다.
한편, 실제의 반도체 제조 장치에서 결함 데이터가 규칙적으로 발생될 확률은 낮고, 결함 데이터가 한번만 발생되는 것이 아니고 연속적으로 발생될 확률이 높으므로, 컴퓨팅 장치(10)는 결함 데이터가 임의의 시점에서 연속적으로 생성되도록 제어할 수 있다. 즉, 컴퓨팅 장치(10)는 생성 비율에 따라 생성될 결함 데이터를 소정의 그룹으로 분류하고, 분류된 결함 데이터가 제1 레시피 시간의 임의의 시점에서 생성되도록 제어할 수 있다.
예를 들면, 500개의 센서 데이터 당 결함 데이터의 생성 비율을 1%로 설정하면, 결함 데이터는 총 5개가 생성되어야 한다. 컴퓨팅 장치(10)는 5개의 결함 데이터를 2개의 그룹으로 나눠서 생성시키고, 2번의 생성 시점은 임의의 시점으로 설정할 수 있다.
블록 420에서, 컴퓨팅 장치(10)는 참조 파일 내의 가상 장비의 타입에 기반한 서브 참조 파일에 기초하여, 서브 참조 데이터를 변경하면서 복수의 가상 장비들 각각이 소정의 패턴을 갖는 가상의 센서 데이터를 생성하도록 제어할 수 있다.
복수의 가상 장비들 중 제1 가상 장치의 가상의 센서 데이터가 생성되는 예를 들어 설명하면, 컴퓨팅 장치(10)는 제1 가상 장비의 제1 레시피 시간에 대응되는 제1 서브 참조 파일에서 제1 서브 참조 데이터를 추출할 수 있다. 여기서, 제1 서브 참조 데이터는 정상 데이터 및 결함 데이터를 포함할 수 있다. 컴퓨팅 장치(10)는 제1 레시피 시간 동안 제1 가상 장비에 부착된 가상 센서의 출력 인터벌에 따라, 제1 서브 참조 데이터를 제1 가상 장비에 부착된 가상 센서로 전송할 수 있다. 컴퓨팅 장치(10)는 제1 가상 장비에서 제1 서브 참조 데이터에 기반하는 제1 가상의 센서 데이터가 생성되도록 제어할 수 있다.
제1 레시피 시간이 경과되면, 컴퓨팅 장치(10)는 패턴을 유지하고, 개별 데이터는 다르게 생성되도록 할 수 있다. 구체적으로, 컴퓨팅 장치(10)는 제1 서브 참조 데이터와 상이한 제2 서브 참조 데이터를 제1 가상 장비에 부착된 가상 센서로 전송할 수 있다. 컴퓨팅 장치(10)는 제1 가상 장비에 부착된 가상 센서의 출력 인터벌에 따라, 제2 서브 참조 데이터를 제1 가상 장비에 부착된 가상 센서로 전송할 수 있다.
블록 430에서, 컴퓨팅 장치(10)는 대표 서브 참조 데이터를 결정하고, 평균 및 표준 편차를 이용한 정규 분포에 기초하여, 복수의 가상 장비들 각각이 소정의 패턴을 갖는 가상의 센서 데이터를 생성하도록 제어할 수 있다.
복수의 가상 장비들 중 제1 가상 장치의 가상의 센서 데이터가 생성되는 예를 들어 설명하면, 컴퓨팅 장치(10)는 서브 참조 파일에서 제1 가상 장비에 부착된 가상 센서 각각을 대표하는 서브 참조 데이터를 추출하여 서브 참조 데이터 각각을 평균으로 설정할 수 있다. 컴퓨팅 장치(10)는 서브 참조 데이터 각각의 평균 및 서브 참조 데이터 각각에 대응되는 소정의 표준 편차를 이용한 정규 분포에 기초하여, 제1 가상 장비에서 제1 가상의 센서 데이터가 생성되도록 제어할 수 있다. 컴퓨팅 장치(10)는 패턴을 유지하고 개별 데이터를 다르게 생성되도록 할 수 있다. 컴퓨팅 장치(10)는 대표로 선발된 서브 참조 데이터를 평균(μ)으로 설정하고, 서브 참조 데이터에 대응되는 소정 수치의 표준편차(σ)를 정한다. 그리고 컴퓨팅 장치(10)는 표준화를 위해 수학식 9에 따라 새로운 확률변수(u)를 계산할 수 있다.
Figure 112017131329719-pat00010
이 경우, u의 확률밀도함수는 수학식 10과 같다.
Figure 112017131329719-pat00011
컴퓨팅 장치(10)는 획득된 확률 밀도의 일정 범위 내에서 생성된 임의의 값을 다시 평균에 대응되도록 계산할 수 있다.
도 5는 일실시예에 따라, 가상 장비에 부착된 센서의 대표로 설정된 센서 데이터를 이용하여 획득된 가상의 센서 데이터를 도시한다.
도 5의 510을 참고하면, 컴퓨팅 장치(10)가 가상 센서의 센서 데이터의 대표로 설정된 서브 참조 데이터를 표준 편차 5인 정규 분포를 이용하여 획득된 가상의 센서 데이터를 도시한다. 표준 편차를 2로 감소시키면, 가상의 센서 데이터는 실제 센서 데이터에 더 근접할 수 있다.
본 개시에 따른 컴퓨팅 장치(10)는 프로세서, 프로그램 데이터를 저장하고 실행하는 메모리, 디스크 드라이브와 같은 영구 저장부(permanent storage), 외부 장치와 통신하는 통신 포트, 터치 패널, 키(key), 버튼 등과 같은 사용자 인터페이스 장치 등을 포함할 수 있다. 소프트웨어 모듈 또는 알고리즘으로 구현되는 방법들은 상기 프로세서상에서 실행 가능한 컴퓨터가 읽을 수 있는 코드들 또는 프로그램 명령들로서 컴퓨터가 읽을 수 있는 기록 매체 상에 저장될 수 있다. 여기서 컴퓨터가 읽을 수 있는 기록 매체로 마그네틱 저장 매체(예컨대, ROM(read-only memory), RAM(random-access memory), 플로피 디스크, 하드 디스크 등) 및 광학적 판독 매체(예컨대, 시디롬(CD-ROM), 디브이디(DVD: Digital Versatile Disc)) 등이 있다. 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템들에 분산되어, 분산 방식으로 컴퓨터가 판독 가능한 코드가 저장되고 실행될 수 있다. 매체는 컴퓨터에 의해 판독가능하며, 메모리에 저장되고, 프로세서에서 실행될 수 있다.
본 개시에서 인용하는 공개 문헌, 특허 출원, 특허 등을 포함하는 모든 문헌들은 각 인용 문헌이 개별적으로 및 구체적으로 병합하여 나타내는 것 또는 본 개시에서 전체적으로 병합하여 나타낸 것과 동일하게 본 개시에 병합될 수 있다.
본 개시의 이해를 위하여, 도면에 도시된 바람직한 실시 예들에서 참조 부호를 기재하였으며, 본 개시의 실시 예들을 설명하기 위하여 특정 용어들을 사용하였으나, 특정 용어에 의해 본 개시가 한정되는 것은 아니며, 본 개시는 통상의 기술자에 있어서 통상적으로 생각할 수 있는 모든 구성 요소들을 포함할 수 있다.
본 개시는 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, 본 개시는 하나 이상의 마이크로프로세서들의 제어 또는 다른 제어 장치들에 의해서 다양한 기능들을 실행할 수 있는, 메모리, 프로세싱, 로직(logic), 룩업 테이블(look-up table) 등과 같은 직접 회로 구성들을 채용할 수 있다. 본 개시에서의 구성 요소들이 소프트웨어 프로그래밍 또는 소프트웨어 요소들로 실행될 수 있는 것과 유사하게, 본 개시는 데이터 형태, 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 개시는 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.
본 개시에서 설명하는 특정 실행들은 일 실시 예들로서, 어떠한 방법으로도 본 개시의 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. 또한, "필수적인", "중요하게" 등과 같이 구체적인 언급이 없다면 본 개시의 적용을 위하여 반드시 필요한 구성 요소가 아닐 수 있다.
한편, 상술한 가상의 데이터를 생성하는 방법에 관한 실시예들은, 컴퓨팅 장치(10)에서, 반도체 제조 장비에 부착된 복수의 센서들로부터 반도체 제조 공정의 결함을 판단하는 데에 이용되는 센서 데이터를 수집하고, 반도체 제조 장비에 대응되는 복수의 가상 장비들 각각의 레시피 시간 및 상기 복수의 가상 장비들 각각에 부착된 가상 센서의 개수에 기초하여, 복수의 가상 장비들 각각의 장비 타입을 설정하고, 복수의 가상 장비들 각각의 장비 타입에 기초하여, 센서 데이터를 변형하고, 변형된 센서 데이터를 포함하는 참조 파일을 저장하고, 참조 파일 내의 가상 장비의 장비 타입에 기반한 서브 참조 파일에 기초하여, 복수의 가상 장비들 각각이 소정의 패턴을 갖는 가상의 센서 데이터를 생성할 수 있도록 컴퓨터 판독가능 저장매체에 저장된 애플리케이션 형태 또는 컴퓨터 프로그램 형태로 제공될 수 있다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 본 개시의 범위는 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.

Claims (10)

  1. 반도체 제조 장비에 부착된 복수의 센서들로부터 반도체 제조 공정의 결함을 판단하는 데에 이용되는 센서 데이터를 수집하는 단계;
    상기 반도체 제조 장비에 대응되는 복수의 가상 장비들 각각의 레시피 시간 및 상기 복수의 가상 장비들 각각에 부착된 가상 센서의 개수에 기초하여, 상기 복수의 가상 장비들 각각의 장비 타입을 설정하는 단계;
    상기 복수의 가상 장비들 각각의 장비 타입에 기초하여, 상기 센서 데이터를 변형하고, 상기 변형된 센서 데이터를 포함하는 참조 파일을 저장하는 단계; 및
    상기 참조 파일 내의 가상 장비의 장비 타입에 기반한 서브 참조 파일에 기초하여, 상기 복수의 가상 장비들 각각이 소정의 패턴을 갖는 가상의 센서 데이터를 생성하도록 제어하는 단계를 포함하는, 컴퓨팅 장치에서 반도체 제조 장비의 가상의 센서 데이터를 생성하는 방법.
  2. 제1항에 있어서,
    상기 센서 데이터는,
    상기 복수의 센서들로부터 측정되는 소음, 진동, 압력 및 온도 중 적어도 하나에 대응되는 데이터를 포함하고,
    상기 반도체 제조 장비의 동작에 따라 획득된 시계열적 데이터인, 가상의 센서 데이터를 생성하는 방법.
  3. 제1항에 있어서,
    상기 복수의 가상 장비들 각각의 장비 타입에 기초하여, 상기 센서 데이터를 변형하는 단계는,
    제1 가상 장비의 제1 레시피 시간 동안 생성되어야 할 제1 가상의 센서 데이터의 개수와 상기 제1 가상 장비에 대응되는 제1 센서 데이터의 개수를 비교하는 단계; 및
    상기 비교 결과에 기초하여, 상기 제1 센서 데이터에 보간법 또는 구간 평균법을 적용하여 상기 제1 가상의 센서 데이터의 개수와 상기 제1 센서 데이터의 개수가 일치되도록 상기 제1 센서 데이터를 변형하는 단계를 포함하는, 가상의 센서 데이터를 생성하는 방법.
  4. 제1항에 있어서,
    상기 복수의 가상 장비들 각각의 장비 타입에 기초하여, 상기 센서 데이터를 변형하는 단계는,
    제1 가상 장비의 제1 레시피 시간 동안 생성되어야 할 제1 가상의 센서 데이터의 유형이 스위치 데이터, 계단식 데이터 및 진동 데이터 중 적어도 하나의 유형인 경우, 상기 제1 가상의 센서 데이터의 개수에 따라, 상기 제1 가상 장비에 대응되는 제1 센서 데이터의 값을 상기 제1 가상의 센서 데이터의 값으로 매핑하는 단계를 포함하는, 가상의 센서 데이터를 생성하는 방법.
  5. 제1항에 있어서,
    상기 복수의 가상 장비들 각각이 소정의 패턴을 갖는 가상의 센서 데이터를 생성하도록 제어하는 단계는,
    제1 가상 장비의 제1 레시피 시간 동안 생성되어야 할 제1 가상의 센서 데이터에 포함된 결함 데이터가 임의의 시점에 연속적으로 생성되도록 제어하는 단계를 포함하는, 가상의 센서 데이터를 생성하는 방법.
  6. 제5항에 있어서,
    상기 결함 데이터가 임의의 시점에 연속적으로 생성되도록 제어하는 단계는,
    상기 제1 가상의 센서 데이터에 포함된 정상 데이터 및 상기 결함 데이터의 생성 비율을 결정하는 단계; 및
    상기 생성 비율에 따라 상기 생성될 결함 데이터를 소정의 그룹으로 분류하고, 상기 분류된 결함 데이터가 상기 제1 레시피 시간의 상기 임의의 시점에서 생성되도록 제어하는 단계를 포함하는, 가상의 센서 데이터를 생성하는 방법.
  7. 제1항에 있어서,
    상기 참조 파일 내의 가상 장비의 장비 타입에 기반한 서브 참조 파일에 기초하여, 상기 복수의 가상 장비들 각각이 소정의 패턴을 갖는 가상의 센서 데이터를 생성하도록 제어하는 단계는,
    제1 가상 장비의 제1 레시피 시간에 대응되는 제1 서브 참조 파일에서 제1 서브 참조 데이터를 추출하는 단계;
    상기 제1 레시피 시간 동안 상기 제1 가상 장비에 부착된 가상 센서의 출력 인터벌에 따라, 상기 제1 서브 참조 데이터를 상기 제1 가상 장비에 부착된 가상 센서로 전송하고, 상기 제1 가상 장비에서 상기 제1 서브 참조 데이터에 기반하는 제1 가상의 센서 데이터가 생성되도록 제어하는 단계; 및
    상기 제1 레시피 시간이 경과되면, 상기 제1 서브 참조 데이터와 상이한 제2 서브 참조 데이터를 상기 제1 가상 장비에 부착된 가상 센서로 전송하고, 상기 제1 가상 장비에서 상기 제2 서브 참조 데이터에 기반하는 제2 가상의 센서 데이터가 생성되도록 제어하는 단계를 포함하는, 가상의 센서 데이터를 생성하는 방법.
  8. 제7항에 있어서,
    상기 제1 레시피 시간이 경과되면, 상기 제1 서브 참조 데이터와 상이한 제2 서브 참조 데이터를 상기 제1 가상 장비에 부착된 가상 센서로 전송하는 단계는,
    상기 제1 레시피 시간이 경과되면, 상기 제1 서브 참조 파일에서 상기 제1 서브 참조 데이터와 상이한 상기 제2 서브 참조 데이터를 추출하는 단계; 및
    상기 제1 레시피 시간 다음의 제1 레시피 시간 동안 상기 제1 가상 장비에 부착된 가상 센서의 상기 출력 인터벌에 따라, 상기 제2 서브 참조 데이터를 상기 제1 가상 장비에 부착된 가상 센서로 전송하는 단계를 포함하는, 가상의 센서 데이터를 생성하는 방법.
  9. 제1항에 있어서,
    상기 참조 파일 내의 가상 장비의 장비 타입에 기반한 서브 참조 파일에 기초하여, 상기 복수의 가상 장비들 각각이 소정의 패턴을 갖는 가상의 센서 데이터를 생성하도록 제어하는 단계는,
    상기 서브 참조 파일에서 제1 가상 장비에 부착된 가상 센서 각각을 대표하는 서브 참조 데이터를 추출하여 상기 서브 참조 데이터 각각을 평균으로 설정하는 단계; 및
    상기 서브 참조 데이터 각각의 평균 및 상기 서브 참조 데이터 각각에 대응되는 소정의 표준 편차를 이용한 정규 분포에 기초하여, 상기 제1 가상 장비에서 제1 가상의 센서 데이터가 생성되도록 제어하는 단계를 포함하는, 가상의 센서 데이터를 생성하는 방법.
  10. 컴퓨팅 장치로 하여금,
    반도체 제조 장비에 부착된 복수의 센서들로부터 반도체 제조 공정의 결함을 판단하는 데에 이용되는 센서 데이터를 수집하는 단계;
    상기 반도체 제조 장비에 대응되는 복수의 가상 장비들 각각의 레시피 시간 및 상기 복수의 가상 장비들 각각에 부착된 가상 센서의 개수에 기초하여, 상기 복수의 가상 장비들 각각의 장비 타입을 설정하는 단계;
    상기 복수의 가상 장비들 각각의 장비 타입에 기초하여, 상기 센서 데이터를 변형하고, 상기 변형된 센서 데이터를 포함하는 참조 파일을 저장하는 단계; 및
    상기 참조 파일 내의 가상 장비의 장비 타입에 기반한 서브 참조 파일에 기초하여, 상기 복수의 가상 장비들 각각이 소정의 패턴을 갖는 가상의 센서 데이터를 생성하도록 제어하는 단계를 수행하도록 하는 컴퓨터 판독 가능 저장매체에 저장된 컴퓨터 프로그램.
KR1020170184668A 2017-12-29 2017-12-29 가상의 센서 데이터를 생성하는 방법 및 장치 KR102031843B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170184668A KR102031843B1 (ko) 2017-12-29 2017-12-29 가상의 센서 데이터를 생성하는 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170184668A KR102031843B1 (ko) 2017-12-29 2017-12-29 가상의 센서 데이터를 생성하는 방법 및 장치

Publications (2)

Publication Number Publication Date
KR20190081844A KR20190081844A (ko) 2019-07-09
KR102031843B1 true KR102031843B1 (ko) 2019-10-15

Family

ID=67261802

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170184668A KR102031843B1 (ko) 2017-12-29 2017-12-29 가상의 센서 데이터를 생성하는 방법 및 장치

Country Status (1)

Country Link
KR (1) KR102031843B1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200124161A (ko) * 2019-04-23 2020-11-02 도쿄엘렉트론가부시키가이샤 제어 방법, 계측 방법, 제어 장치 및 열 처리 장치
KR20210104284A (ko) 2020-02-17 2021-08-25 경희대학교 산학협력단 구조진동 가상센서 장치 및 그 동작 방법
KR20220112004A (ko) 2021-02-03 2022-08-10 한국기계연구원 가상열센서 시스템을 이용한 열정보 획득방법
KR20220114253A (ko) 2021-02-08 2022-08-17 경희대학교 산학협력단 유체-고체 연성 구조물의 가상센서 장치 및 그 동작 방법

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220084842A1 (en) * 2020-09-11 2022-03-17 Applied Materials, Inc. Antifragile systems for semiconductor processing equipment using multiple special sensors and algorithms

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015226102A (ja) 2014-05-26 2015-12-14 オムロン株式会社 仮想センサのメタデータ構造

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6895293B2 (en) * 2000-09-14 2005-05-17 Applied Materials, Inc. Fault detection and virtual sensor methods for tool fault monitoring
KR101543884B1 (ko) * 2013-12-18 2015-08-11 주식회사 포스코 가상 공장의 실시간 동작 상황을 통합 로깅하기 위한 시스템 및 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015226102A (ja) 2014-05-26 2015-12-14 オムロン株式会社 仮想センサのメタデータ構造

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200124161A (ko) * 2019-04-23 2020-11-02 도쿄엘렉트론가부시키가이샤 제어 방법, 계측 방법, 제어 장치 및 열 처리 장치
KR102623761B1 (ko) 2019-04-23 2024-01-10 도쿄엘렉트론가부시키가이샤 제어 방법, 계측 방법, 제어 장치 및 열 처리 장치
KR20210104284A (ko) 2020-02-17 2021-08-25 경희대학교 산학협력단 구조진동 가상센서 장치 및 그 동작 방법
US11506639B2 (en) 2020-02-17 2022-11-22 University-Industry Cooperation Group Of Kyung Hee University Virtual sensing apparatus of structural vibration and operating method thereof
KR20220112004A (ko) 2021-02-03 2022-08-10 한국기계연구원 가상열센서 시스템을 이용한 열정보 획득방법
KR20220114253A (ko) 2021-02-08 2022-08-17 경희대학교 산학협력단 유체-고체 연성 구조물의 가상센서 장치 및 그 동작 방법

Also Published As

Publication number Publication date
KR20190081844A (ko) 2019-07-09

Similar Documents

Publication Publication Date Title
KR102031843B1 (ko) 가상의 센서 데이터를 생성하는 방법 및 장치
US10496515B2 (en) Abnormality detection apparatus, abnormality detection method, and non-transitory computer readable medium
JP7103274B2 (ja) 検知装置及び検知プログラム
JP6361175B2 (ja) 異常診断装置及びプログラム
JP2019028929A (ja) プリプロセッサおよび異常予兆診断システム
JPWO2016079972A1 (ja) 要因分析装置、要因分析方法とプログラム、及び、要因分析システム
WO2020008760A1 (ja) 異常検知システム
US11657121B2 (en) Abnormality detection device, abnormality detection method and computer readable medium
US11593299B2 (en) Data analysis device, data analysis method and data analysis program
CN114861172B (zh) 一种基于政务服务系统的数据处理方法及系统
KR101522385B1 (ko) 반도체 제조 공정에서의 이상 감지 방법, 장치 및 기록매체
US20190265088A1 (en) System analysis method, system analysis apparatus, and program
JP6678182B2 (ja) 異常検知装置
CN113537352A (zh) 传感器异常值监测方法、装置、计算机设备及存储介质
US11941495B2 (en) Information processing device, information processing method, and recording medium
Frumosu et al. Outliers detection using an iterative strategy for semi‐supervised learning
US11073825B2 (en) Causal relationship learning method, program, device, and anomaly analysis system
WO2016189747A1 (ja) 分析装置及び分析方法及び分析プログラム
JP6273835B2 (ja) 状態判定装置、状態判定方法および状態判定プログラム
CN117370913A (zh) 光伏系统中异常数据的检测方法、装置以及设备
CN111258863B (zh) 数据异常检测方法、装置、服务器和计算机可读存储介质
US10157113B2 (en) Information processing device, analysis method, and recording medium
JP7239022B2 (ja) 時系列データ処理方法
US10316690B2 (en) Method for validation of an investigated sensor and corresponding machine
JP6797295B2 (ja) 診断装置、診断方法及びプログラム

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant