KR102036956B1 - 계측-수율 상관성 분석 방법 및 시스템 - Google Patents

계측-수율 상관성 분석 방법 및 시스템 Download PDF

Info

Publication number
KR102036956B1
KR102036956B1 KR1020160102112A KR20160102112A KR102036956B1 KR 102036956 B1 KR102036956 B1 KR 102036956B1 KR 1020160102112 A KR1020160102112 A KR 1020160102112A KR 20160102112 A KR20160102112 A KR 20160102112A KR 102036956 B1 KR102036956 B1 KR 102036956B1
Authority
KR
South Korea
Prior art keywords
yield
data
measurement
maximum
correlation analysis
Prior art date
Application number
KR1020160102112A
Other languages
English (en)
Other versions
KR20180029114A (ko
Inventor
홍태영
이병민
김성태
Original Assignee
에스케이 주식회사
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 에스케이 주식회사 filed Critical 에스케이 주식회사
Priority to KR1020160102112A priority Critical patent/KR102036956B1/ko
Priority to CN201780063057.8A priority patent/CN109844779B/zh
Priority to PCT/KR2017/008500 priority patent/WO2018030733A1/ko
Priority to US16/324,226 priority patent/US20190179867A1/en
Priority to JP2019505449A priority patent/JP6739622B2/ja
Publication of KR20180029114A publication Critical patent/KR20180029114A/ko
Application granted granted Critical
Publication of KR102036956B1 publication Critical patent/KR102036956B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management
    • 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
    • G06F17/10—Complex mathematical operations
    • G06F17/15—Correlation function computation including computation of convolution operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/906—Clustering; Classification
    • 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
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • 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]
    • G05B19/41875—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 quality surveillance of production
    • 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]
    • 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
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Databases & Information Systems (AREA)
  • Mathematical Analysis (AREA)
  • Development Economics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Quality & Reliability (AREA)
  • General Engineering & Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Educational Administration (AREA)
  • Algebra (AREA)
  • Software Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Automation & Control Theory (AREA)
  • Computing Systems (AREA)
  • Computer Hardware Design (AREA)
  • Power Engineering (AREA)

Abstract

계측-수율 상관성 분석 방법 및 시스템이 제공된다. 본 발명의 실시예에 따른 계측-수율 상관성 분석 방법은, 공정을 수행한 후에 계측한 공정 결과 데이터와 수집된 공정 결과 데이터들 각각에 대한 실제 수율 데이터들의 데이터 쌍인 계측-수율 데이터들을 이용하여 제1 수율 예측 함수를 도출하고, 제1 수율 예측 함수를 이용하여 계측-수율 데이터들 중 일부를 추출한 후, 추출된 계측-수율 데이터들을 이용하여 제2 수율 예측 함수를 도출한다. 이에 의해, 높은 상관도/신뢰도를 나타내는 계측-수율 상관성을 도출할 수 있어, 공정을 수행한 후에 계측한 공정 결과 데이터로부터 최종 수율을 비교적 정확하게 예측할 수 있게 된다.

Description

계측-수율 상관성 분석 방법 및 시스템{Measurement-Yield Correlation Analysis Method and System}
본 발명은 분석 기술에 관한 것으로, 더욱 상세하게는 반도체, 디스플레이 등의 제조를 위한 공정 과정에서 계측되는 데이터와 수율 간의 상관성을 분석하기 위한 방법 및 시스템에 관한 것이다.
반도체 등과 같이 다수의 공정을 거쳐 다량으로 제조가 이루어지는 산업에서는, 공정 안정성 확보 위해 중요 공정 수행 사이에 품질 이상 발생 여부를 모니터링하고 있다.
이에, 특정 공정까지 완료된 웨이퍼들의 특성을 계측하여 얻은 공정 결과 데이터를 기반으로, 품질 이상 여부를 모니터링하고, 품질 이상 발생시에는 알람을 발생한다.
발생한 알람은, 품질 이상이 최종 수율에 실제로 영향을 미쳐 발생한 진성 알람일 수도 있지만, 그렇지 않은 가성 알람일 수도 있다. 따라서, 알람이 진성 알람인지 가성 알람인지 구분하여야 한다.
이를 구분하기 위해서는, 공정 결과 데이터가 최종 수율에 큰 영향을 미치는지 판별하여야 하며, 이를 위해 계측-수율 상관성 분석을 수행하고 있으나, 공정 결과 데이터의 산포가 너무 커서 상관성을 찾기 어려운 실정이다.
본 발명은 상기와 같은 문제점을 해결하기 위하여 안출된 것으로서, 본 발명의 목적은, 공정을 수행한 후에 계측한 공정 결과 데이터가 수율에 미치는 영향도의 정확한 지표를 제공하기 위해, 높은 상관도/신뢰도를 갖는 계측-수율 상관성을 제공하기 위한 방법 및 시스템을 제공함에 있다.
상기 목적을 달성하기 위한 본 발명의 일 실시예에 따른, 계측-수율 상관성 분석 방법은, 공정을 수행한 후에 계측한 공정 결과 데이터들을 수집하는 단계; 수집된 공정 결과 데이터들 각각에 대한 실제 수율 데이터들을 수집하는 단계; 계측한 공정 결과 데이터들과 실제 수율 데이터들의 데이터 쌍인 계측-수율 데이터들을 이용하여, 제1 수율 예측 함수를 도출하는 제1 도출단계; 제1 수율 예측 함수를 이용하여, 계측-수율 데이터들 중 일부를 추출하는 단계; 및 추출된 계측-수율 데이터들을 이용하여, 제2 수율 예측 함수를 도출하는 제2 도출단계;를 포함한다.
그리고, 제1 도출단계는, 계측-수율 데이터들을 다수의 그룹들로 그룹핑하는 제1 그룹핑단계; 그룹들 각각에서 대표 데이터들을 선별하는 제1 선별단계; 및 선별된 대표 데이터들을 이용하여, 제1 수율 예측 함수를 도출하는 단계;를 포함할 수 있다.
또한, 제2 도출단계는, 추출된 계측-수율 데이터들을 다수의 그룹들로 그룹핑하는 제2 그룹핑단계; 그룹들 각각에서 대표 데이터들을 선별하는 제2 선별단계; 및 선별된 대표 데이터들을 이용하여, 제2 수율 예측 함수를 도출하는 단계;를 포함할 수 있다.
그리고, 대표 데이터는, 실제 수율 데이터가 최대인 계측-수율 데이터일 수 있다.
또한, 수율 예측 함수는, 최대 수율 예측 함수일 수 있다.
그리고, 제1 그룹단계에서 그룹핑하는 그룹들의 개수는, 제2 그룹단계에서 그룹핑하는 그룹들의 개수와 다를 수 있다.
또한, 제1 선별단계와 제2 선별단계는, 계측-수율 데이터가 포함되지 않은 그룹에 대해서는, 대표 데이터를 선별하지 않을 수 있다.
그리고, 추출단계는, '공정 결과 데이터들에 대한 실제 수율 데이터들'와 '공정 결과 데이터들을 제1 수율 예측 함수에 대입하여 산출한 예측 수율 데이터들' 각각의 비교결과를 기초로, 계측-수율 데이터들 중 일부를 추출할 수 있다.
또한, 비교결과는, '공정 결과 데이터들에 대한 실제 수율 데이터들'와 '공정 결과 데이터들을 제1 수율 예측 함수에 대입하여 산출한 예측 수율 데이터들' 각각의 절대차들과 임계값의 비교결과일 수 있다.
그리고, 임계값은, 절대차들로부터 산출한 대표값일 수 있다.
또한, 공정은, 제조 과정을 구성하는 다수의 공정들 중 어느 하나의 공정일 수 있다.
그리고, 제조 과정은, 반도체 또는 디스플레이를 제조하는 과정일 수 있다.
한편, 본 발명의 다른 실시예에 따른, 계측-수율 상관성 분석 시스템은, 공정을 수행한 후에 계측한 공정 결과 데이터들과 수집된 공정 결과 데이터들 각각에 대한 실제 수율 데이터들을 수집하는 수집부; 및 계측한 공정 결과 데이터들과 실제 수율 데이터들의 데이터 쌍인 계측-수율 데이터들을 이용하여 제1 수율 예측 함수를 도출하고, 제1 수율 예측 함수를 이용하여 계측-수율 데이터들 중 일부를 추출하며, 추출된 계측-수율 데이터들을 이용하여 제2 수율 예측 함수를 도출하는 프로세서;를 포함한다.
이상 설명한 바와 같이, 본 발명의 실시예들에 따르면, 높은 상관도/신뢰도를 나타내는 계측-수율 상관성을 제공할 수 있어, 공정을 수행한 후에 계측한 공정 결과 데이터로부터 최종 수율을 비교적 정확하게 예측할 수 있게 된다.
이에, 이상 데이터 계측으로 인해 인터로크(Interlock)가 발생한 경우, 이상 데이터 계측에 의한 알람이 진성인지 가성인지 여부를 판정할 수 있음은 물론, 수율과 상관성/영향도가 높은 공정을 파악하여 집중 관리하는 등의 조치가 가능하다.
특히, 본 발명의 실시예들에 따르면, 공정 결과 데이터 구간 별로 최대 수율 데이터를 선별하여 최대 수율 예측 함수를 도출함으로써, 구간이 다른 공정 결과 데이터의 영향을 최소화 할 수 있다.
또한, 본 발명의 실시예들에 따르면, 2차례의 회기 분석을 통해 최대 수율 예측 함수를 도출하는데, 첫 번째와 달리 두 번째 회기 분석은 노이즈에 해당하는 계측-수율 데이터를 제거한 후에 수행함으로써, 정확도/신뢰도가 높은 최대 수율 예측 함수 도출이 가능하다.
도 1은 본 발명의 일 실시예에서는 계측-수율 상관성 분석 방법의 설명에 제공되는 흐름도,
도 2는 공정 결과 데이터들과 실제 수율 데이터들의 설명의 위한 도면,
도 3은 계측-수율 데이터들의 12 균등 분할 결과를 나타낸 도면,
도 4는 그룹 별 최대 수율 데이터 선별 결과를 나타낸 도면,
도 5는 회기 분석 기법을 이용하여 도출한 최대 수율 예측 함수를 제시한 도면,
도 6은 계측-수율 데이터들에서 노이즈를 제거하여 유효한 데이터들만을 추출하는 방법의 설명에 제공되는 도면,
도 7은 계측-수율 데이터들의 24 균등 분할 결과를 나타낸 도면,
도 8은 그룹 별 최대 수율 데이터 선별 결과를 나타낸 도면,
도 9는 회기 분석 기법을 이용하여 도출한 최대 수율 예측 함수를 제시한 도면, 그리고,
도 10은 본 발명의 다른 실시예에 따른 상관성 분석 시스템의 블럭도이다.
이하에서는 도면을 참조하여 본 발명을 보다 상세하게 설명한다.
본 발명의 실시예에서는 계측-수율 상관성을 분석하기 위한 방법을 제시한다. '계측-수율 상관성'이란, 제조 과정을 필요한 공정들 중 특정 순서의 공정까지 완료한 상황에서 계측한 공정 결과 데이터와 수율 간의 상관관계이다.
계측-수율 상관성 분석이 완료되면, 공정 결과 데이터로부터 최대 수율을 예측할 수 있게 된다. 이를 테면, 계측-수율 상관성 분석 결과를 이용하여, 공정 결과 데이터가 "6.7"인 경우에는 최대 수율이 "95.2%"일 것으로 예측하고, 공정 결과 데이터가 "5.5"인 경우에는 최대 수율이 "88.5%"일 것으로 예측할 수 있게 되는 것이다.
나아가, 계측 이상으로 인해 인터로크(Interlock)가 발생한 경우, 계측-수율 상관성 분석 결과를 이용하면 이상 데이터 계측에 의한 알람이 진성인지 가성인지 여부를 판정할 수 있게 된다.
도 1은 본 발명의 일 실시예에서는 계측-수율 상관성 분석 방법의 설명에 제공되는 흐름도이다. 도시된 방법은, 컴퓨팅 시스템의 일종인 계측-수율 상관성 분석 시스템(이하, '상관성 분석 시스템'으로 약칭)에 의해 수행된다.
도 1에 도시된 바와 같이, 먼저, 상관성 분석 시스템이, 수율과의 상관성을 분석하고자 하는 타겟 공정까지 수행이 완료된 후에 계측한 공정 결과 데이터들을 수집한다(S110).
이후, 제조 공정 전부가 완료된 후에, S110단계에서 수집된 공정 결과 데이터들 각각에 대한 실제 수율 데이터들을 수집한다(S120).
도 2에는, 수율과의 상관성을 분석하고자 하는 공정인 "공정 n" 까지 수행 완료된 후에 계측한 공정 결과 데이터들인 "a", "b", "c"와 이들 각각에 대한 실제 수율 데이터들인 "A", "B", "C"를 나타내었다.
"a", "b", "c"는 S110단계에서 수집되는 데이터들에 해당하고, "A", "B", "C"는 S120단계에서 수집되는 데이터들에 해당한다. 도 2에는 도시의 편의를 위해 3쌍의 데이터만을 도시하였다. 실제로 데이터 쌍의 개수는 매우 많다.
도 2의 우측 하부에 나타난 공정 결과 데이터에 대한 최대 수율을 나타낸 최대 수율 실력치 곡선이, 본 발명의 실시예에 따른 계측-수율 상관성 분석 방법의 최종 결과물이며, 이하에서는 최대 수율 예측 함수로 명명할 것이다.
S110단계와 S120단계에서의 데이터 수집에 의해, 상관성 분석 시스템은 '계측한 공정 결과 데이터와 실제 수율 데이터의 쌍'(이하, '계측-수율 데이터'로 약칭)들을 확보하게 된다.
이후, 상관성 분석 시스템은 계측-수율 데이터들을 다수의 그룹들로 그룹핑한다(S130). 그룹핑 기준은 공정 결과 데이터이다. 즉, 공정 결과 데이터가 유사한 계측-수율 데이터들끼리 그룹핑한다.
보다 구체적으로, 도 3에 도시된 바와 같이, 최소 공정 결과 데이터로부터 최대 공정 결과 데이터까지의 구간을 12 균등 분할하여, 계측-수율 데이터들을 13개의 그룹들로 그룹핑할 수 있다.
다음, 상관성 분석 시스템은 그룹들 각각에서 최대 수율 데이터들을 선별한다(S140). 계측-수율 데이터가 포함되지 않은 그룹에 대해서는, 최대 수율 데이터를 선별하지 않는다.
도 4에는 그룹 별 최대 수율 데이터 선별 결과를 나타내었다. 도 4에서 연두색으로 표시된 계측-수율 데이터들이 해당 그룹들에서의 최대 수율 데이터들에 해당한다.
이후, 상관성 분석 시스템은 S140단계에서 선별된 최대 데이터들을 이용하여 최대 수율 예측 함수를 도출한다(S150). 최대 수율 예측 함수 도출을 위해, 최대 수율 데이터들에 대한 회기 분석 기법을 활용할 수 있다.
도 5에는 회기 분석 기법을 이용하여 도출한 최대 수율 예측 함수를 제시하였다. 이 과정에서, 최대 수율 데이터들과 도출된 최대 수율 예측 함수 간의 상관계수도 얻어진다.
다음, 상관성 분석 시스템은 S150단계에서 도출된 최대 수율 예측 함수를 이용하여, S110단계와 S120단계를 통해 수집된 계측-수율 데이터들에서 유효 데이터들만 추출한다(S160).
S160단계는 수집된 계측-수율 데이터들 중 노이즈에 해당하는 데이터들을 제거하는 과정에 해당한다. 이를 위해, 다음의 수학식을 기초로 TL(Tolerance Limit)을 계산한다.
TL = median(d1~dn)
여기서, d는, 도 6에 나타난 바와 같이, '공정 결과 데이터에 대한 실제 수율 데이터'와 '공정 결과 데이터를 최대 수율 예측 함수에 대입하여 산출된 예측 수율 데이터'의 절대차에 해당한다. 그리고, median은 중간값을 의미하고, n은 수집된 계측-수율 데이터들의 개수이다.
그리고, 도 6에 도시된 바와 같이, '공정 결과 데이터에 대한 예측 수율 데이터와 실제 수율 데이터의 절대차'가 'TL' 보다 큰 계측-수율 데이터들 제거된다. 즉, S160단계에서는 '공정 결과 데이터에 대한 예측 수율 데이터와 실제 수율 데이터의 절대차'가 'TL' 이하인 계측-수율 데이터들만이 추출된다.
TL이 중간값이므로, 절반의 계측-수율 데이터들이 제거된다. 한편, TL은 중간값이 아닌 평균값을 적용 가능하고, 평균값에 가중치(0~1)를 적용한 값을 적용하는 것도 가능하다.
이후, 상관성 분석 시스템은 S160단계에서 추출된 계측-수율 데이터들을 다수의 그룹들로 다시 그룹핑한다(S170). S130단계와 마찬가지로, 그룹핑 기준은 공정 결과 데이터이다.
하지만, 도 7에 도시된 바와 같이, S170단계에서의 그룹핑은 24 균등 분할로 S130단계에서의 분할 개수인 12개 보다 많다. 이는 선택적인 사항에 불과하므로 다르게 구현할 수 있다. 즉, 분할 개수를 S130단계와 같거나 작게 할 수도 있음은 물론이다.
다음, 상관성 분석 시스템은 그룹들 각각에서 최대 수율 데이터들을 선별한다(S180). S140단계와 마찬가지로, 계측-수율 데이터가 포함되지 않은 그룹에 대해서는, 최대 수율 데이터를 선별하지 않는다. 도 8에는 그룹 별 최대 수율 데이터 선별 결과를 나타내었다.
이후, 상관성 분석 시스템은 S180단계에서 선별된 최대 데이터들을 이용하여 최대 수율 예측 함수를 도출한다(S190). S150단계와 마찬가지로, 최대 수율 예측 함수 도출을 위해, 최대 수율 데이터들에 대한 회기 분석 기법을 활용할 수 있다.
도 9에는 회기 분석 기법을 이용하여 도출한 최대 수율 예측 함수를 제시하였다.
지금까지, 계측-수율 상관성 분석 방법에 대해 바람직한 실시예를 들어 상세히 설명하였다.
본 발명의 실시예에 따른 계측-수율 상관성 분석 방법의 결과물인 최대 수율 예측 함수(최대 수율 실력치 곡선)는, 특정 공정 단계에서 계측한 공정 결과 데이터와 수율 간의 상관성을 기반으로 수율을 예측할 수 있도록 하여 준다.
또한, 이상 데이터 계측으로 인해 인터로크가 발생한 경우, 이상 데이터 계측에 의한 알람이 진성인지 가성인지 여부를 판정할 수 있음은 물론, 수율과 상관성/영향도가 높은 공정을 파악하여 집중 관리하는 등의 조치가 가능하다.
본 발명의 실시예서는, 그룹 별로 최대 수율 데이터 선별, 즉, 공정 결과 데이터 구간 별로 최대 수율 데이터를 선별하였는데, 이는 구간이 다른 공정 결과 데이터의 영향을 최소화 할 수 있다.
또한, 2차례의 회기 분석을 통해 최대 수율 예측 함수를 도출하였는데, 첫 번째와 달리 두 번째 회기 분석은 노이즈에 해당하는 계측-수율 데이터를 제거한 후에 수행함으로써, 최대 수율 예측 함수의 정확도/신뢰도 향상을 도모하였다.
본 발명의 실시예에 따른 계측-수율 상관성 분석 방법은 반도체, 디스플레이는 물론, 그 밖의 다른 디바이스를 제조하는 경우에 두루 적용될 수 있다.
본 발명의 실시예에 따른 계측-수율 상관성 분석 방법을 수행할 수 있는 상관성 분석 시스템에 대해, 도 10을 참조하여 상세히 설명한다. 도 10은 본 발명의 다른 실시예에 따른 상관성 분석 시스템의 블럭도이다.
본 발명의 실시예에 따른 상관성 분석 시스템은, 도 10에 도시된 바와 같이, 통신부(210), 표시부(220), 프로세서(230), 입력부(240) 및 저장부(250)를 포함한다.
통신부(210)는 외부 기기 또는 외부 네트워크에 통신 연결하여 데이터 통신하는 수단이다.
표시부(220)는 정보가 표시되는 수단이고, 입력부(240)는 정보가 입력되는 수단이다. 표시부(220)와 입력부(240)는 터치 스크린으로 통합 가능한데, 이는 상관성 분석 시스템이 모바일 타입인 경우에 더욱 유용하다.
전술한 공정 결과 데이터와 실제 수율 데이터는 통신부(210)를 통해 계측 기기/네트워크로부터 수신하거나, 입력부(240)를 통해 입력받아 수집된다는 점에서, 통신부(210)와 입력부(240)는 데이터 수집 수단으로 기능한다.
나아가, 계측-수율 데이터들을 그룹핑하기 위한 분할 기준, 계측-수율 데이터들 중 유효 데이터들만을 선별하기 위한 TL(Tolerance Limit)도 통신부(210)를 수신하거나 입력부(240)를 통해 입력받을 수 있다.
프로세서(230)는 수신/입력된 데이터, 기준, 조건 등을 이용하여, 도 1에 도시된 상관성 분석 알고리즘을 수행하고, 수행 결과를 표시부(220)에 표시하거나 통신부(210)를 통해 외부 기기/네트워크로 전달한다.
저장부(250)는 프로세서(230)가 상관성 분석 알고리즘을 수행함에 있어 필요한 저장 공간을 제공한다.
한편, 본 실시예에 따른 장치와 방법의 기능을 수행하게 하는 컴퓨터 프로그램을 수록한 컴퓨터로 읽을 수 있는 기록매체에도 본 발명의 기술적 사상이 적용될 수 있음은 물론이다. 또한, 본 발명의 다양한 실시예에 따른 기술적 사상은 컴퓨터로 읽을 수 있는 기록매체에 기록된 컴퓨터로 읽을 수 있는 코드 형태로 구현될 수도 있다. 컴퓨터로 읽을 수 있는 기록매체는 컴퓨터에 의해 읽을 수 있고 데이터를 저장할 수 있는 어떤 데이터 저장 장치이더라도 가능하다. 예를 들어, 컴퓨터로 읽을 수 있는 기록매체는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광디스크, 하드 디스크 드라이브, 등이 될 수 있음은 물론이다. 또한, 컴퓨터로 읽을 수 있는 기록매체에 저장된 컴퓨터로 읽을 수 있는 코드 또는 프로그램은 컴퓨터간에 연결된 네트워크를 통해 전송될 수도 있다.
또한, 이상에서는 본 발명의 바람직한 실시예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어져서는 안될 것이다.
210 : 통신부
220 : 표시부
230 : 프로세서
240 : 입력부
250 : 저장부

Claims (12)

  1. 상관성 분석 시스템이, 공정을 수행한 후에 계측한 공정 결과 데이터들을 수집하는 단계;
    상관성 분석 시스템이, 수집된 공정 결과 데이터들 각각에 대한 실제 수율 데이터들을 수집하는 단계;
    상관성 분석 시스템이, 계측한 공정 결과 데이터들과 실제 수율 데이터들의 데이터 쌍인 계측-수율 데이터들을 이용하여, 제1 최대 수율 예측 함수를 도출하는 제1 도출단계;
    상관성 분석 시스템이, 제1 최대 수율 예측 함수를 이용하여, 계측-수율 데이터들 중 일부를 추출하는 단계;
    상관성 분석 시스템이, 추출된 계측-수율 데이터들을 이용하여, 제2 최대 수율 예측 함수를 도출하는 제2 도출단계; 및
    상관성 분석 시스템이, 도출한 제2 최대 수율 예측 함수를 계측-수율 데이터의 상관성 분석 결과로 제공하는 단계;를 포함하고,
    제1 도출단계는,
    상관성 분석 시스템이, 계측-수율 데이터들을 다수의 그룹들로 그룹핑하는 제1 그룹핑단계;
    상관성 분석 시스템이, 그룹들 각각에서 실제 수율 데이터가 최대인 최대 계측-수율 데이터들을 선별하는 제1 선별단계; 및
    상관성 분석 시스템이, 선별된 최대 계측-수율 데이터들을 이용하여, 제1 최대 수율 예측 함수를 도출하는 단계;를 포함하며,
    제2 도출단계는,
    상관성 분석 시스템이, 추출된 계측-수율 데이터들을 다수의 그룹들로 그룹핑하는 제2 그룹핑단계;
    상관성 분석 시스템이, 그룹들 각각에서 최대 계측-수율 데이터들을 선별하는 제2 선별단계; 및
    상관성 분석 시스템이, 선별된 최대 계측-수율 데이터들을 이용하여, 제2 최대 수율 예측 함수를 도출하는 단계;를 포함하고,
    제1 그룹핑단계에서 그룹핑하는 그룹들의 개수는,
    제2 그룹핑단계에서 그룹핑하는 그룹들의 개수와 다르며,
    추출단계는,
    '공정 결과 데이터들에 대한 실제 수율 데이터들'과 '공정 결과 데이터들을 제1 수율 예측 함수에 대입하여 산출한 예측 수율 데이터들' 각각의 절대차들과 임계값의 비교결과를 기초로, 계측-수율 데이터들 중 일부를 추출하고,
    임계값은,
    절대차들의 중간값인 것을 특징으로 하는 계측-수율 상관성 분석 방법.
  2. 삭제
  3. 삭제
  4. 삭제
  5. 삭제
  6. 청구항 1에 있어서,
    제1 선별단계와 제2 선별단계는,
    계측-수율 데이터가 포함되지 않은 그룹에 대해서는, 최대 계측-수율 데이터를 선별하지 않는 것을 특징으로 하는 계측-수율 상관성 분석 방법.
  7. 삭제
  8. 삭제
  9. 삭제
  10. 청구항 1에 있어서,
    공정은,
    제조 과정을 구성하는 다수의 공정들 중 어느 하나의 공정인 것을 특징으로 하는 계측-수율 상관성 분석 방법.
  11. 청구항 9에 있어서,
    제조 과정은,
    반도체 또는 디스플레이를 제조하는 과정인 것을 특징으로 하는 계측-수율 상관성 분석 방법.
  12. 공정을 수행한 후에 계측한 공정 결과 데이터들과 수집된 공정 결과 데이터들 각각에 대한 실제 수율 데이터들을 수집하는 수집부;
    계측한 공정 결과 데이터들과 실제 수율 데이터들의 데이터 쌍인 계측-수율 데이터들을 이용하여 제1 최대 수율 예측 함수를 도출하고, 제1 최대 수율 예측 함수를 이용하여 계측-수율 데이터들 중 일부를 추출하며, 추출된 계측-수율 데이터들을 이용하여 제2 최대 수율 예측 함수를 도출하고, 도출한 제2 최대 수율 예측 함수를 계측-수율 데이터의 상관성 분석 결과로 제공하는 프로세서;를 포함하고,
    프로세서는,
    계측-수율 데이터들을 다수의 그룹들로 그룹핑하여, 그룹들 각각에서 실제 수율 데이터가 최대인 최대 계측-수율 데이터들을 선별하고, 선별된 최대 계측-수율 데이터들을 이용하여 제1 최대 수율 예측 함수를 도출하며,
    추출된 계측-수율 데이터들을 다수의 그룹들로 그룹핑하여, 그룹들 각각에서 최대 계측-수율 데이터들을 선별하고, 선별된 최대 계측-수율 데이터들을 이용하여 제2 최대 수율 예측 함수를 도출하고,
    제1 최대 수율 예측 함수를 도출하기 위해 그룹핑하는 그룹들의 개수는,
    제2 최대 수율 예측 함수를 도출하기 위해 그룹핑하는 그룹들의 개수와 다르며,
    프로세서는,
    '공정 결과 데이터들에 대한 실제 수율 데이터들'과 '공정 결과 데이터들을 제1 수율 예측 함수에 대입하여 산출한 예측 수율 데이터들' 각각의 절대차들과 임계값의 비교결과를 기초로, 계측-수율 데이터들 중 일부를 추출하고,
    임계값은,
    절대차들의 중간값인 것을 특징으로 하는 계측-수율 상관성 분석 시스템.
KR1020160102112A 2016-08-11 2016-08-11 계측-수율 상관성 분석 방법 및 시스템 KR102036956B1 (ko)

Priority Applications (5)

Application Number Priority Date Filing Date Title
KR1020160102112A KR102036956B1 (ko) 2016-08-11 2016-08-11 계측-수율 상관성 분석 방법 및 시스템
CN201780063057.8A CN109844779B (zh) 2016-08-11 2017-08-07 用于分析测量-良率相关性的方法和系统
PCT/KR2017/008500 WO2018030733A1 (ko) 2016-08-11 2017-08-07 계측-수율 상관성 분석 방법 및 시스템
US16/324,226 US20190179867A1 (en) 2016-08-11 2017-08-07 Method and system for analyzing measurement-yield correlation
JP2019505449A JP6739622B2 (ja) 2016-08-11 2017-08-07 計測−収率の相関性の分析方法及びシステム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160102112A KR102036956B1 (ko) 2016-08-11 2016-08-11 계측-수율 상관성 분석 방법 및 시스템

Publications (2)

Publication Number Publication Date
KR20180029114A KR20180029114A (ko) 2018-03-20
KR102036956B1 true KR102036956B1 (ko) 2019-10-25

Family

ID=61163385

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160102112A KR102036956B1 (ko) 2016-08-11 2016-08-11 계측-수율 상관성 분석 방법 및 시스템

Country Status (5)

Country Link
US (1) US20190179867A1 (ko)
JP (1) JP6739622B2 (ko)
KR (1) KR102036956B1 (ko)
CN (1) CN109844779B (ko)
WO (1) WO2018030733A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022231283A1 (ko) 2021-04-28 2022-11-03 에스케이가스 주식회사 상업 화학 공정에서 핵심인자를 반영한 공정 변화 예측을 위한 시스템 및 방법

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI721718B (zh) * 2019-12-19 2021-03-11 新加坡商鴻運科股份有限公司 電路板智慧檢測方法、裝置、系統及存儲介質
CN112163799B (zh) * 2020-12-02 2021-03-02 晶芯成(北京)科技有限公司 半导体产品的良率分析方法及良率分析系统
KR20240021642A (ko) * 2022-08-10 2024-02-19 에스케이가스 주식회사 화학공정의 수율 예측 시뮬레이션 시스템 및 방법

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3208807B2 (ja) * 1991-11-15 2001-09-17 株式会社日立製作所 電子デバイス検査システムおよび電子デバイスの製造方法
JP2002323924A (ja) * 2001-02-21 2002-11-08 Toshiba Corp 不良装置検出方法、不良装置検出装置、プログラム及び製品の製造方法
US6973390B2 (en) * 2004-02-13 2005-12-06 Taiwan Semiconductor Manufacturing Co., Ltd. Method and system for analyzing wafer yield against uses of a semiconductor tool
KR20090001148A (ko) * 2007-06-29 2009-01-08 삼성전자주식회사 가상 계측 시스템 및 가상 계측 방법
CN103187329B (zh) * 2011-12-28 2016-06-01 无锡华润上华科技有限公司 一种晶圆良率分析方法
US8732627B2 (en) * 2012-06-18 2014-05-20 International Business Machines Corporation Method and apparatus for hierarchical wafer quality predictive modeling
KR20140011064A (ko) * 2012-07-17 2014-01-28 서울과학기술대학교 산학협력단 이상치 탐지 기법을 이용한 가상 계측 결과의 신뢰도 추정 방법
KR101538843B1 (ko) * 2013-05-31 2015-07-22 삼성에스디에스 주식회사 제조 설비의 센서 데이터를 활용한 수율 분석 시스템 및 방법
KR20150103578A (ko) * 2014-03-03 2015-09-11 삼성전자주식회사 공정 관리 시스템 및 장치

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022231283A1 (ko) 2021-04-28 2022-11-03 에스케이가스 주식회사 상업 화학 공정에서 핵심인자를 반영한 공정 변화 예측을 위한 시스템 및 방법
KR20220147936A (ko) 2021-04-28 2022-11-04 에스케이가스 주식회사 상업 화학 공정에서 핵심인자를 반영한 공정 변화 예측을 위한 시스템 및 방법

Also Published As

Publication number Publication date
CN109844779A (zh) 2019-06-04
WO2018030733A1 (ko) 2018-02-15
US20190179867A1 (en) 2019-06-13
JP6739622B2 (ja) 2020-08-12
JP2019528523A (ja) 2019-10-10
KR20180029114A (ko) 2018-03-20
CN109844779B (zh) 2023-07-21

Similar Documents

Publication Publication Date Title
KR102036956B1 (ko) 계측-수율 상관성 분석 방법 및 시스템
US20170097863A1 (en) Detection method and information processing device
EP2963553B1 (en) System analysis device and system analysis method
US7584162B2 (en) Manufacture data analysis method and manufacture data analyzer apparatus
CN110008247B (zh) 异常来源确定方法、装置、设备及计算机可读存储介质
CN104216349A (zh) 利用制造设备的传感器数据的成品率分析系统及方法
EP2963552B1 (en) System analysis device and system analysis method
Gitzel Data Quality in Time Series Data: An Experience Report.
KR101998972B1 (ko) 변수 구간별 불량 발생 지수를 도출하여 공정 불량 원인을 파악하고 시각화하는 방법
JP6135192B2 (ja) 時系列データの異常監視装置、異常監視方法及びプログラム
JP7354421B2 (ja) エラー要因の推定装置及び推定方法
US11016467B2 (en) Method and system for sensing fine changes in processing/equipment measurement data
CN108536777B (zh) 一种数据处理方法、服务器集群及数据处理装置
Wang et al. A generalized degradation model based on Gaussian process
JP5668425B2 (ja) 障害検知装置、情報処理方法、およびプログラム
US20230081224A1 (en) Method and system for evaluating test data, wafer test system, and storage medium
CN108229586B (zh) 一种数据中的异常数据点的检测方法及系统
CN115659271A (zh) 传感器异常检测方法、模型训练方法、系统、设备及介质
WO2016163008A1 (ja) 異常診断装置および異常診断方法
JP2019221008A (ja) 系統断面データ管理装置および方法
Urbánek et al. Inferring productivity factor for use case point method
US20220115219A1 (en) Mass Spectrum Processing Apparatus and Method
KR101995112B1 (ko) 장비신뢰지수에 기초한 Lot 리스크 스코어 기반의 동적 Lot 계측 제어방법 및 시스템
CN109688021B (zh) 扩展数据的方法和设备以及测试物联网应用的方法
CN117906487A (zh) 一种基于gnss时间序列的精准垂直形变提取方法

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
AMND Amendment
J201 Request for trial against refusal decision
J301 Trial decision

Free format text: TRIAL NUMBER: 2018101001171; TRIAL DECISION FOR APPEAL AGAINST DECISION TO DECLINE REFUSAL REQUESTED 20180315

Effective date: 20190918

S901 Examination by remand of revocation
GRNO Decision to grant (after opposition)
GRNT Written decision to grant