KR102326006B1 - 연산 장치 및 이를 이용한 계측 데이터에 대한 특징 추출 방법 - Google Patents
연산 장치 및 이를 이용한 계측 데이터에 대한 특징 추출 방법 Download PDFInfo
- Publication number
- KR102326006B1 KR102326006B1 KR1020210062133A KR20210062133A KR102326006B1 KR 102326006 B1 KR102326006 B1 KR 102326006B1 KR 1020210062133 A KR1020210062133 A KR 1020210062133A KR 20210062133 A KR20210062133 A KR 20210062133A KR 102326006 B1 KR102326006 B1 KR 102326006B1
- Authority
- KR
- South Korea
- Prior art keywords
- values
- measurement data
- feature extraction
- extraction method
- extracting
- Prior art date
Links
- 238000005259 measurement Methods 0.000 title claims abstract description 168
- 238000000605 extraction Methods 0.000 title claims abstract description 26
- 238000000034 method Methods 0.000 claims abstract description 96
- 238000011176 pooling Methods 0.000 claims abstract description 66
- 230000005856 abnormality Effects 0.000 claims description 17
- 238000000576 coating method Methods 0.000 description 30
- 239000011248 coating agent Substances 0.000 description 18
- 238000010586 diagram Methods 0.000 description 18
- 239000010409 thin film Substances 0.000 description 18
- 238000012545 processing Methods 0.000 description 10
- 238000000151 deposition Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 230000002159 abnormal effect Effects 0.000 description 6
- 230000008021 deposition Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000005137 deposition process Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 5
- 239000000758 substrate Substances 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000013523 data management Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 239000010408 film Substances 0.000 description 3
- 238000013441 quality evaluation Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005530 etching Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000007769 metal material Substances 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
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
- 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
-
- 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
- G05B23/0218—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
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
- G05B23/0235—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions based on a comparison with predetermined threshold or range, e.g. "classical methods", carried out during normal operation; threshold adaptation or choice; when or how to compare with the threshold
-
- 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
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/37—Measurements
- G05B2219/37224—Inspect wafer
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/45—Nc applications
- G05B2219/45032—Wafer manufacture; interlock, load-lock module
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/49—Nc machine tool, till multiple
- G05B2219/49021—Deposit layer, machine, mill layer, then new layer, SDM solid deposit manufacting
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/50—Machine tool, machine tool null till machine tool work handling
- G05B2219/50065—Estimate trends from past measured values, correct before really out of tolerance
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
Abstract
본 개시에 따르면, 연산 장치를 이용한 계측 데이터에 대한 특징 추출 방법은, 공정 과정에서 획득되는 계측 데이터를 확인하는 단계; 상기 계측 데이터와 관련된 타겟 데이터를 확인하는 단계; 상기 타겟 데이터에 기초하여 상기 계측 데이터에 대한 연산을 수행하는 단계; 상기 연산된 계측 데이터에 최대 풀링 레이어(max pooling layer)를 적용하여 복수의 제1 값들을 추출하는 단계; 상기 연산된 계측 데이터에 최소 풀링 레이어(min pooling layer)를 적용하여 복수의 제2 값들을 추출하는 단계; 및 상기 복수의 제1 값들과 상기 복수의 제2 값들을 이용하여 상기 계측 데이터의 특징과 관련된 복수의 제3 값들을 추출하는 단계를 포함할 수 있다.
Description
본 개시는 연산 장치 및 이를 이용한 계측 데이터에 대한 특징 추출 방법에 대한 것으로서, 구체적으로 1차원 이상 텐서 구조를 갖는 계측 데이터에 풀링 레이어를 적용하여 추출된 복수의 제1 값들 및 복수의 제2 값들에 기초하여 추출된 계측 데이터의 특징과 관련된 복수의 제3 값들을 이용함으로써 공정에 대한 이상 여부를 감지할 수 있는 기술에 관한 것이다.
반도체의 제조 공정에서 절연막, 금속 물질등의 증착(Deposition), 식각(etching) 등의 다양한 기판 처리가 수행될 수 있으며, 이때 증착 및 식각 공정에 따라 층이 원하는 두께로 균일하게 형성되었는지 여부가 공정의 목표 달성 여부를 확인하는 중요한 척도일 수 있다. 또한, 기판 위에 박막을 도포하는 코팅 공정의 경우 박막이 원하는 높이로 균일하게 코팅되었는지 여부가 공정의 목표 달성 여부를 확인하는 중요한 척도일 수 있다.
이와 같은 다양한 공정에서 박막이 기 설정된 높이로 균일하게 형성되었는지가 중요하며, 이를 위해 센서를 통해 측정한 박막의 높이를 이용하여 공정 과정의 이상 여부를 평가할 수 있다.
기존 기술에서는 전체 계측 데이터를 이용하여 공정 과정의 이상 여부를 평가하였다. 이와 같이 전체 계측 데이터를 이용할 경우, 각 위치에서 정확한 상한값 및 하한값을 결정할 수 있었지만 전체 계측 데이터를 이용해야하기 때문에 데이터 관리의 효율성이 저하되는 점이 있었고, 또한 계측 데이터로부터 박막의 높이에 대한 전체적인 모양을 추정하기 어려운 측면이 있었다.
또한, 기존의 다른 기술에서는 전체 계측 데이터의 최대값, 최소값 및 평균값과 같은 통계값을 이용하여 공정 과정의 이상 여부를 평가하였다. 이와 같이, 전체 계측 데이터에 대한 통계값을 이용할 경우, 데이터 관리의 효율성은 개선될 수 있지만, 박막의 높이에 대한 전체적인 모양을 추정하는 것이 매우 제한적이고, 상한 및 하한과 관련된 임계값을 벗어나는 계측 데이터의 정확한 위치를 추정하기 어려운 측면이 있었다.
기존의 또 다른 기술에서는 센서를 통해 측정한 박막의 높이에 대응하는 계측 데이터에 대해 이동 평균(moving average)을 적용하여 박막의 높이에 대한 평균적인 모양을 추정하고 이에 따라 공정 과정의 이상 여부를 평가하였다. 다만, 이동 평균을 적용할 경우, 이동 평균의 속성 상 박막의 높이에 대한 평균적인 모양을 나타낼 수 있을 뿐, 박막의 높이에 대한 구체적인 특징을 정확하게 추정할 수 없어 공정 과정의 이상 여부 평가에 있어 오류가 발생할 가능성이 항상 존재하였다. 예컨대, 품질 평가를 위해 공정 과정에서 계측 데이터의 상한값 또는 하한값이 중요한 공정 목표로 설정되는 경우에 이동 평균을 적용하면, 계측 데이터에 대한 상한값 또는 하한값에 대응하는 경계선은 박막의 높이에 대한 대략적인 모양을 나타낼 뿐, 실제 상한값 또는 하한값과의 오차가 상대적으로 더 많이 발생할 수 있으며, 이로 인해 공정 과정의 이상 여부를 정확하게 평가하기 어려운 측면이 있었다.
이러한 점에서, 계측 데이터의 상한값 또는 하한값이 중요한 공정 목표로 설정되는 경우, 실제 계측 데이터와의 오차를 최소화하거나 없애면서 계측 데이터의 구체적인 특징(예를 들면, 박막의 높이에 대한 정확한 모양)을 나타내는 지표를 추출하여 공정 과정 평가의 정확성을 향상시킬 수 있는 기술이 필요하다.
[선행기술문헌]
[특허문헌]
(특허문헌) KR10-2019-0043468
[선행기술문헌]
[특허문헌]
(특허문헌) KR10-2019-0043468
개시된 실시 예들은 계측 데이터에 대한 구체적 특징을 추출하여 공정 과정을 정확히 평가할 수 있는 기술을 개시하고자 한다. 본 실시 예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 이하의 실시 예들로부터 또 다른 기술적 과제들이 유추될 수 있다.
제1 실시 예에 따라, 연산 장치를 이용한 계측 데이터에 대한 특징 추출 방법은, 공정 과정에서 획득되는 계측 데이터를 확인하는 단계; 상기 계측 데이터와 관련된 타겟 데이터를 확인하는 단계; 상기 타겟 데이터에 기초하여 상기 계측 데이터에 대한 연산을 수행하는 단계; 상기 연산된 계측 데이터에 최대 풀링 레이어(max pooling layer)를 적용하여 복수의 제1 값들을 추출하는 단계; 상기 연산된 계측 데이터에 최소 풀링 레이어(min pooling layer)를 적용하여 복수의 제2 값들을 추출하는 단계; 및 상기 복수의 제1 값들과 상기 복수의 제2 값들을 이용하여 상기 계측 데이터의 특징과 관련된 복수의 제3 값들을 추출하는 단계를 포함할 수 있다.
실시 예에 따르면, 상기 복수의 제3 값들을 추출하는 단계는, 상기 복수의 제1 값들과 상기 복수의 제2 값들 간의 절대값 비교에 기초하여 추출하는 단계를 포함할 수 있다.
실시 예에 따르면, 상기 복수의 제3 값들을 추출하는 단계는, 상기 복수의 제1 값들과 상기 복수의 제2 값들 간의 절대값이 큰 값을 선택함으로써 추출하는 단계를 포함할 수 있다.
실시 예에 따르면, 상기 복수의 제3 값들과 기 설정된 허용 오차 범위를 비교하는 단계; 상기 비교 결과에 기초하여 상기 공정 과정에서 획득된 상기 계측 데이터에 대한 이상 여부를 확인하는 단계를 더 포함할 수 있다.
실시 예에 따르면, 상기 이상 여부를 확인하는 단계는, 상기 복수의 제3 값들 중에서 상기 기 설정된 허용 오차 범위 내에 포함되지 않는 값이 있는 경우, 상기 기 설정된 허용 오차 범위 내에 포함되지 않는 계측 데이터를 확인하여 관련 정보를 제공하는 단계를 포함할 수 있다.
실시 예에 따르면, 상기 복수의 제1 값들은, 기 설정된 파라미터를 이용한 상기 최대 풀링 레이어에 기초하여 결정된 상기 연산된 계측 데이터에 대한 복수의 극대값을 포함하는 것을 특징으로 할 수 있다.
실시 예에 따르면, 상기 파라미터는, 커널(kernel) 사이즈, 스트라이드(stride) 및 풀링 수 중 적어도 하나를 포함하는 것을 특징으로 할 수 있다.
실시 예에 따르면, 상기 파라미터는, 상기 공정 과정에 따라 기 설정되는 것을 특징으로 할 수 있다.
실시 예에 따르면, 상기 계측 데이터는, n차원(n은 1 이상 정수) 텐서(Tensor)인 것을 특징으로 할 수 있다.
실시 예에 따르면, 상기 연산을 수행하는 단계는, 상기 계측 데이터와 상기 타겟 데이터 간의 뺄셈 연산을 수행하는 단계를 포함할 수 있다.
실시 예에 따르면, 상기 복수의 제2 값들은, 기 설정된 파라미터를 이용한 상기 최소 풀링 레이어에 기초하여 결정된 상기 연산된 계측 데이터에 대한 복수의 극소값을 포함하는 것을 특징으로 할 수 있다.
실시 예에 따르면, 상기 파라미터는, 커널(kernel) 사이즈, 스트라이드(stride) 및 풀링 수 중 적어도 하나를 포함하는 것을 특징으로 할 수 있다.
실시 예에 따르면, 상기 파라미터는, 상기 공정 과정에 따라 기 설정되는 것을 특징으로 할 수 있다.
실시 예에 따르면, 상기 제1 프로파일, 제2 프로파일 및 제3 프로파일은 n 차원의 데이터로 이루어지며, 여기서 n은 1 이상의 정수일 수 있다.
실시 예에 따르면, 상기 복수의 제1 값들을 연결하여 제1 프로파일을 추출하는 단계를 더 포함할 수 있다.
실시 예에 따르면, 상기 복수의 제2 값들을 연결하여 제2 프로파일을 추출하는 단계를 더 포함할 수 있다.
실시 예에 따르면, 상기 추출된 복수의 제3 값들을 연결하여 제3 프로파일을 추출하는 단계를 더 포함할 수 있다.
실시 예에 따르면, 상기 커널 사이즈는 상기 스트라이드 보다 크거나 같고, 상기 스트라이드 및 상기 풀링 수에 기초하여 상기 복수의 제1 값들의 개수가 조절되는 것을 특징으로 할 수 있다.
제2 실시 예에 따라, 컴퓨터로 읽을 수 있는 기록매체는 상술한 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 비일시적 기록매체를 포함한다.
제3 실시 예에 따라, 계측 데이터에 대한 특징 추출하는 연산 장치는, 컴퓨터에서 읽을 수 있는 명령어를 저장하는 메모리; 및 프로세서를 포함하고, 상기 메모리와 연결된 상기 프로세서는, 공정 과정에서 획득되는 상기 계측 데이터를 확인하고, 상기 계측 데이터와 관련된 타겟 데이터를 확인하고, 상기 타겟 데이터에 기초하여 상기 계측 데이터에 대한 연산을 수행하고, 상기 연산된 계측 데이터에 최대 풀링 레이어(max pooling layer)를 적용하여 복수의 제1 값들을 추출하고, 상기 연산된 계측 데이터에 최소 풀링 레이어(min pooling layer)를 적용하여 복수의 제2 값들을 추출하고, 상기 복수의 제1 값들과 상기 복수의 제2 값들을 이용하여 상기 계측 데이터의 특징과 관련된 복수의 제3 값들을 추출할 수 있다.
기타 실시 예들의 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.
본 개시에 따르면, 계측 데이터에 대한 최대 풀링 레이어를 적용하여 복수의 극대값을 추출할 수 있고, 계측 데이터에 대한 최소 풀링 레이어를 적용하여 복수의 극소값을 추출할 수 있다. 이때, 복수의 극대값 및 복수의 극소값 중에서 절대값이 상대적으로 큰 값들이 기 설정된 허용 오차 범위 내에 포함되었는지 여부에 기초하여 공정 과정의 이상 여부가 정확히 평가될 수 있다. 구체적으로, 복수의 극대값 및 복수의 극소값 중에서 절대값이 상대적으로 큰 값들과 기 설정된 허용 오차 범위를 비교하여 공정 과정의 이상 여부를 평가할 수 있고, 이상이 발생한 영역에 대한 정보를 제공하여 추후 공정을 통해 생산된 제품에 대한 신뢰도를 향상시킬 수 있다. 또한, 1차원 이상 텐서 구조를 갖는 계측 데이터에 대해 최대 풀링 레이어 및 최소 풀링 레이어를 적용하여 추출된 복수의 극대값 및 복수의 극소값을 이용함으로써, 데이터 관리의 효율성을 제고시킬 수 있을 뿐만 아니라, 계산 복잡도를 획기적으로 개선할 수 있다. 이때, 복수의 극대값을 연결함으로써 제1 프로파일이 결정될 수 있고, 복수의 극소값을 연결함으로써 제2 프로파일이 결정될 수 있으며, 절대값이 상대적으로 큰 값들을 연결함으로써 제3 프로파일이 결정될 수 있다. 제1 프로파일 및 제2 프로파일은 계측 데이터에 대한 상한값 및 하한값에 대응하는 경계선을 나타내고, 제3 프로파일은 공정 과정의 이상 여부를 평가하기 위해 시각화한 그래프에 대응할 수 있다. 제3 프로파일을 이용하여 계측 데이터에 대한 정확한 모양을 시각화함으로써, 기 설정된 허용 오차 범위를 벗어난 값들을 시각적으로 용이하게 표시할 수 있다.
발명의 효과는 이상에서 언급한 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 청구범위의 기재로부터 당해 기술 분야의 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
도 1은 일 실시 예에 따른 계측 데이터에 대한 특징을 추출하는 방법을 나타내는 흐름도이다.
도 2는 일 실시 예에 따른 n차원 텐서(Tensor)인 계측 데이터를 나타내는 도면이다.
도 3은 일 실시 예에 따른 타겟 데이터에 기초하여 계측 데이터에 대한 연산을 수행하는 것을 설명하기 위한 도면이다.
도 4는 일 실시 예에 따른 계측 데이터에 최대 풀링 레이어를 적용하여 제1 프로파일을 추출하는 과정을 설명하기 위한 도면이다.
도 5는 일 실시 예에 따른 계측 데이터에 최소 풀링 레이어를 적용하여 제2 프로파일을 추출하는 과정을 설명하기 위한 도면이다.
도 6은 일 실시 예에 따른 계측 데이터, 제1 프로파일 및 제2 프로파일을 도시한 도면이다.
도 7은 일 실시 예에 따른 제1 프로파일 및 제2 프로파일과 제3 프로파일 간의 관계를 설명하기 위한 도면이다.
도 8은 일 실시 예에 따른 제3 프로파일을 이용하여 공정 과정에서 발생한 이상 감지를 시각적으로 설명하기 위한 도면이다.
도 9는 일 실시 예에 따른 2차원 텐서 구조를 갖는 계측 데이터에 대한 프로파일을 추출을 설명하기 위한 도면이다.
도 10은 일 실시 예에 따른 계측 데이터에 대한 특징 추출하는 연산 장치의 기능 블록도이다.
도 2는 일 실시 예에 따른 n차원 텐서(Tensor)인 계측 데이터를 나타내는 도면이다.
도 3은 일 실시 예에 따른 타겟 데이터에 기초하여 계측 데이터에 대한 연산을 수행하는 것을 설명하기 위한 도면이다.
도 4는 일 실시 예에 따른 계측 데이터에 최대 풀링 레이어를 적용하여 제1 프로파일을 추출하는 과정을 설명하기 위한 도면이다.
도 5는 일 실시 예에 따른 계측 데이터에 최소 풀링 레이어를 적용하여 제2 프로파일을 추출하는 과정을 설명하기 위한 도면이다.
도 6은 일 실시 예에 따른 계측 데이터, 제1 프로파일 및 제2 프로파일을 도시한 도면이다.
도 7은 일 실시 예에 따른 제1 프로파일 및 제2 프로파일과 제3 프로파일 간의 관계를 설명하기 위한 도면이다.
도 8은 일 실시 예에 따른 제3 프로파일을 이용하여 공정 과정에서 발생한 이상 감지를 시각적으로 설명하기 위한 도면이다.
도 9는 일 실시 예에 따른 2차원 텐서 구조를 갖는 계측 데이터에 대한 프로파일을 추출을 설명하기 위한 도면이다.
도 10은 일 실시 예에 따른 계측 데이터에 대한 특징 추출하는 연산 장치의 기능 블록도이다.
실시 예들에서 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 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.
명세서 전체에서 기재된 "a, b, 또는 c 중 적어도 하나"의 표현은, 'a 단독', 'b 단독', 'c 단독', 'a 및 b', 'a 및 c', 'b 및 c', 또는 'a, b, 및 c 모두'를 포괄할 수 있다.
이하에서 언급되는 '연산 장치'는 네트워크를 통해 서버나 타 연산 장치에 접속할 수 있는 컴퓨터나 휴대용 단말로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(desktop), 랩톱(laptop) 등을 포함하고, 휴대용 단말은 예를 들어, 휴대성과 이동성이 보장되는 무선 통신 장치로서, IMT(International Mobile Telecommunication), CDMA(Code Division Multiple Access), W-CDMA(W-Code Division Multiple Access), LTE(Long Term Evolution) 등의 통신 기반 단말, 스마트폰, 태블릿 PC 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있다.
아래에서는 첨부한 도면을 참고하여 본 개시의 실시 예에 대하여 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 개시는 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다.
이하에서는 도면을 참조하여 본 개시의 실시 예들을 상세히 설명한다.
도 1은 일 실시 예에 따른 계측 데이터에 대한 특징을 추출하는 방법을 나타내는 흐름도이다. 도 2는 일 실시 예에 따른 n차원 텐서(Tensor)인 계측 데이터를 나타내는 도면이다.
도 1을 참조하면, 단계 S110에서 연산 장치는 공정 과정에서 획득되는 계측 데이터를 확인할 수 있다. 공정 과정에서 복수의 센서를 이용하여 센싱된 계측 데이터가 획득될 수 있고, 계측 데이터에 기초하여 공정과 관련된 품질 평가 및 불량 평가가 수행될 수 있다. 예를 들면, 코팅 높이(두께)를 균일하게 제조하는 것이 코팅 공정의 중요한 목표일 경우, 복수의 센서를 이용하여 코팅의 대상인 기판(substrate)의 각각의 위치에서의 코팅 높이가 센싱될 수 있으며, 센싱된 계측 데이터에 기초하여 코팅 공정에 대한 품질 평가 및 불량 평가가 수행될 수 있다.
여기서, 계측 데이터는 도 2와 같은 n차원 텐서(Tensor) 구조인 계측 데이터일 수 있다. 0차원 텐서(0D-Tensor)(210)는 스칼라로서 하나의 숫자를 나타내고, 1차원 텐서(1D-Tensor)(220)는 복수의 스칼라로 구성된 크기와 방향을 가진 벡터이고, 2차원 텐서(2D-Tensor)(230)는 복수의 벡터로 구성된 행과 열을 갖는 매트릭스(matrix)이고, 3차원 텐서(3D-Tensor)(240)는 복수의 매트릭스로 구성된 큐브(cube)이고, 4차원 텐서(4D-Tensor)(250)는 복수의 3D-Tensor로 구성되고, 5차원 텐서(5D-Tensor)(260)는 복수의 4D-Tensor로 구성될 수 있다. 이때, 공정 과정에서 획득되는 계측 데이터는 1차원 이상의 텐서일 수 있다. 고차원 텐서의 경우 저차원 텐서에 비해, 평가(품질 및 불량)와 관련하여 해석이 어렵고 노이즈에 민감하여 계산 복잡도가 증가하게 되므로, 특히 계측 데이터가 고차원 텐서로 구성되는 경우, 계측 데이터의 주요 특징을 추출하여 평가를 용이하게 할 수 있는 기술이 더욱 필요하다.
이하에서, 웨이퍼 증착 공정과 같이 기판이나 필름 위에 코팅을 하는 공정의 경우를 예로 하여, 계측 데이터가 1차원 텐서로 구성되는 경우를 가정하여 설명을 한다. 이 때, 예를 들어, x축은 웨이퍼 상의 각 위치에 대응하고, y축은 증착에 따른 박막 높이에 대응할 수 있다.
단계 S120에서 연산 장치는 계측 데이터와 관련된 타겟 데이터를 확인할 수 있다. 공정을 통해 달성하려는 이상적인 목표에 해당하는 타겟 데이터는 기 설정될 수 있으며, 연산 장치는 각 계측 데이터와 관련된 기 설정된 타겟 데이터를 확인할 수 있다. 예를 들면, 코팅 공정의 경우 타겟 데이터로서 박막의 이상적인 코팅 높이가 기 설정될 수 있으며, 연산 장치는 코팅 공정에서 센서를 통해 획득한 계측 데이터인 코팅 높이에 대응하는 기 설정된 타겟 데이터를 확인할 수 있다. 구체적으로, 코팅 과정에서 코팅 높이가 X nm에 대응하도록 균일하게 도포되는 것이 목표인 경우, 연산 장치는 코팅 공정에서 기 설정된 X nm의 타겟 데이터를 확인할 수 있다.
단계 S130에서, 연산 장치는 타겟 데이터에 기초하여 계측 데이터에 대한 연산을 수행할 수 있다. 예를 들어, 연산 장치는 계측 데이터와 타겟 데이터 간의 뺄셈 연산을 수행할 수 있다. 예를 들면, 웨이퍼 증착 공정과 같이 기판 또는 필름 위에 코팅을 한 경우, 웨이퍼 상의 각 위치, 즉 x축의 각 지점에서의 코팅 높이가 센서를 통해 계측 데이터로 획득되고, 계측 데이터와 기 설정된 타겟 데이터 간의 뺄셈 연산을 통해 각 위치에서 목표 코팅 높이와 실제 코팅 높이 간의 차이를 확인할 수 있다. 예를 들면, 연산 결과 값이 0보다 작은 경우 실제 코팅 높이가 목표 코팅 높이 보다 작은 경우에 대응할 수 있으며, 연산 결과 값이 0보다 큰 경우 실제 코팅 높이가 목표 코팅 높이 보다 큰 경우에 대응할 수 있으며, 연산 결과 값이 0인 경우 실제 코팅 높이와 목표 코팅 높이가 동일한 경우에 대응할 수 있다. 이와 관련하여 자세한 설명은 도 3을 참조한다.
단계 S140에서, 연산 장치는 연산된 계측 데이터에 최대 풀링 레이어(max pooling layer)를 적용하여 복수의 제1 값들을 추출할 수 있다. 기 설정된 파라미터를 이용한 최대 풀링 레이어를 단계 S130에서 연산된 계측 데이터에 적용함으로써 복수의 극대값에 대응하는 복수의 제1 값들을 추출할 수 있고, 복수의 제1 값들을 연결함으로써 계측 데이터의 상한 값에 대응하는 제1 프로파일이 생성될 수 있다. 제1 프로파일은 계측 데이터의 상한 값의 경계선에 대응하는 그래프로서, 제1 프로파일을 이용하여 시각적으로 보다 용이하게 계측 데이터의 특징을 확인할 수 있다. 예를 들면, 코팅 공정을 통해 980개의 계측 데이터가 획득된 경우, 일정한 조건에 대응하는 최대 풀링 레이어를 적용하여 37개의 극대값(상한 값)을 추출할 수 있다. 이때, 37개의 극대값은 웨이퍼 상의 각 위치에서 계측 데이터의 최대값 보다 작거나 같을 수 있다. 또한, 37개의 극대값(상한 값)을 연결함으로써 계측 데이터의 상한 값에 대응하는 제1 프로파일이 추출될 수 있다. 이때, 제1 프로파일은 각 위치에서 계측 데이터의 상한 값의 경계선에 대응하는 그래프로서, 복수의 제1 값들 보다는 제1 프로파일에 기초하여 웨이퍼 상의 각 위치에서 코팅 높이의 상한 값의 특징을 시각적으로 용이하게 확인할 수 있다. 이와 관련하여 자세한 설명은 도 4를 참조한다.
단계 S150에서, 연산 장치는 연산된 계측 데이터에 최소 풀링 레이어(min pooling layer)를 적용하여 복수의 제2 값들을 추출할 수 있다. 기 설정된 파라미터를 이용한 최소 풀링 레이어를 단계 S130에서 연산된 계측 데이터에 적용함으로써 복수의 극소값에 대응하는 복수의 제2 값들을 추출할 수 있고, 복수의 제2 값들을 연결함으로써 계측 데이터의 하한 값에 대응하는 제2 프로파일이 생성될 수 있다. 제2 프로파일은 계측 데이터의 하한 값의 경계선에 대응하는 그래프로서, 제2 프로파일을 이용하여 시각적으로 보다 용이하게 계측 데이터의 특징을 확인할 수 있다. 예를 들면, 코팅 공정을 통해 980개의 계측 데이터가 획득된 경우, 일정한 조건에 대응하는 최소 풀링 레이어를 적용하여 37개의 극소값(하한 값)을 추출할 수 있다. 이때, 37개의 극소값은 웨이퍼 상의 각 위치에서 계측 데이터의 최소값 보다 크거나 같을 수 있다. 또한, 37개의 극소값(하한 값)을 연결함으로써 계측 데이터의 하한 값에 대응하는 제2 프로파일이 생성될 수 있다. 이때, 제2 프로파일은 각 위치에서 계측 데이터의 하한 값의 경계선에 대응하는 그래프로서, 제2 프로파일을 이용하여 웨이퍼 상의 각 위치에서 코팅 높이의 하한 값의 특징을 시각적으로 용이하게 확인할 수 있다. 이와 관련하여 자세한 설명은 도 5를 참조한다.
단계 S160에서, 연산 장치는 복수의 제1 값들과 복수의 제2 값들을 이용하여 계측 데이터의 특징과 관련된 복수의 제3 값들을 추출할 수 있다. 구체적으로, 복수의 제1 값들과 복수의 제2 값들 간의 절대값 비교에 기초하여 복수의 제3 값들을 추출할 수 있다. 보다 구체적으로, 웨이퍼 상의 각 위치, 즉 x축의 각 지점에서 제1 값과 제2 값의 절대값을 비교한 다음 절대값이 큰 값을 선택함으로써 복수의 제3 값들을 추출할 수 있다. 이와 관련하여 자세한 설명은 도 7을 참조한다.
여기서, 복수의 제3 값들을 연결하여 제3 프로파일을 생성할 수 있다. 제3 프로파일은 계측 데이터의 극대값과 관련된 경계선의 일부 및 극소값과 관련된 경계선의 일부에 대응할 수 있으며, 제3 프로파일을 이용하여 시각적으로 보다 용이하게 계측 데이터의 특징을 확인할 수 있다.
또한, 연산 장치는 복수의 제3 값들과 기 설정된 허용 오차 범위를 비교하여 공정 과정에서 이상이 발생한 웨이퍼 상의 위치를 확인할 수 있다. 구체적으로, 복수의 제3 값들이 기 설정된 허용 오차 범위 내에 포함되는 경우 연산 장치는 공정 과정에서 이상이 발생하지 않았음을 확인할 수 있다. 그러나, 복수의 제3 값들 중에서 기 설정된 허용 오차 범위 내에 포함되지 않는 값이 있는 경우, 즉 오차 범위를 벗어나는 값이 있는 경우, 연산 장치는 공정 과정에서 이상이 발생하였음을 확인할 수 있고, 오차 범위를 벗어나는 값에 대응하는 구간에 대한 정보를 확인하여 공정 과정에서 이상이 발생한 웨이퍼 상의 위치를 체크할 수 있다. 예를 들면, 코팅 공정을 통해 획득된 복수의 제3 값들 중에서 기 설정된 허용 오차 범위 내에 포함되지 않는 값이 있다면, 연산 장치는 설정된 허용 오차 범위 내의 균일한 높이로 웨이퍼가 코팅되지 않았음을 확인할 수 있고, 오차 범위를 벗어난 값에 대응하는 위치를 체크할 수 있다.
도 3은 일 실시 예에 따른 타겟 데이터에 기초하여 계측 데이터에 대한 연산을 수행하는 것을 설명하기 위한 도면이다. 도 3을 참조하면, 계측 데이터는 그래프(310)에 대응하고, 타겟 데이터는 그래프(320)에 대응할 수 있다. 여기서, 웨이퍼 증착 공정일 경우, 계측 데이터가 1차원 텐서로 구성되는 경우를 가정한다면, x축은 웨이퍼 상의 각 위치에 대응하고, y축은 증착에 따른 박막 높이에 대응할 수 있다. 계측 데이터는 공정 과정에서 센서를 통해 획득된 데이터이고, 타겟 데이터는 공정과 관련하여 기 설정된 목표에 대응하는 데이터일 수 있다. 예를 들면, 균일한 높이로 박막을 증착하는 웨이퍼 증착 공정에서, 타겟 데이터는 증착 공정과 관련하여 기 설정된 높이에 대응하는 데이터일 수 있다. 여기서, 계측 데이터(310)와 타겟 데이터(320) 간의 뺄셈 연산에 기초하여 연산된 계측 데이터가 0 보다 큰 경우 증착에 따른 박막 높이가 목표인 타겟 데이터 보다 높게 형성된 상황일 수 있으며, 0 보다 작은 경우 증착에 따른 박막 높이가 목표인 타겟 데이터 보다 작게 형성된 상황일 수 있으며, 0인 경우 증착에 따른 박막 높이가 목표인 타겟 데이터에 부합하도록 형성된 상황일 수 있다. 계측 데이터가 타겟 데이터에 근접할수록 공정 과정을 통해 생산한 제품의 신뢰도가 증가하며, 계측 데이터가 타겟 데이터에서 멀어질수록 공정 과정을 통해 생산한 제품의 신뢰도가 저하될 수 있다.
연산 장치는 계측 데이터(310)와 타겟 데이터(320) 간의 뺄셈 연산을 수행할 수 있고, 이하 도 4 내지 도 7에 표시된 계측 데이터(410, 510, 610, 710)는 계측 데이터(310)와 타겟 데이터(320) 간의 뺄셈 연산이 수행된 데이터에 대응할 수 있다.
도 4는 일 실시 예에 따른 계측 데이터에 최대 풀링 레이어를 적용하여 제1 프로파일을 추출하는 과정을 설명하기 위한 도면이다. 도 4를 참조하면, 계측 데이터는 그래프(410)에 대응하고, 제1 프로파일은 그래프(420)에 대응할 수 있다.
기 설정된 파라미터를 이용한 최대 풀링 레이어를 계측 데이터(410)에 적용함으로써 복수의 극대값들에 대응하는 복수의 제1 값들을 추출할 수 있고, 복수의 제1 값들을 연결함으로써 계측 데이터(410)의 극대값에 대응하는 제1 프로파일(420)이 추출될 수 있다. 즉, 복수의 제1 값들을 연결하면, 계측 데이터(410)의 상한 값을 나타내는 경계선에 대응하는 제1 프로파일(420)이 추출될 수 있다. 복수의 제1 값들 보다는 제1 프로파일에 기초하여 계측 데이터의 상한 값의 특징을 시각적으로 용이하게 확인할 수 있다.
이때, 기 설정된 파라미터는 커널(kernel) 사이즈, 스트라이드(stride) 및 풀링 수 중에서 적어도 하나를 포함할 수 있다. 예를 들면, 풀링 수가 3개인 경우, 최대 풀링 레이어 1은 커널 사이즈 7*7, 스트라이드 3로 설정될 수 있으며, 최대 풀링 레이어 2는 커널 사이즈 5*5, 스트라이드 3로 설정될 수 있으며, 최대 풀링 레이어 3은 커널 사이즈 5*5, 스트라이드 3로 설정될 수 있다. 구체적으로, 5*5 커널 사이즈 및 스트라이드 3에 따른 최대 풀링 레이어 2가 계측 데이터(410)에 적용되어 계측 데이터의 대상 영역에서 극대값을 추출할 수 있다. 예컨대, 980개의 계측 데이터(410)에서 최대 풀링 레이어를 적용하여 37개의 극대값을 추출할 수 있고, 37개의 극대값을 연결함으로써 계측 데이터의 상한값에 대응하는 제1 프로파일(420)이 추출될 수 있다.
또한, 파라미터는 공정 과정별 특성을 고려하여 기 설정될 수 있다. 구체적으로, 커널 사이즈, 스트라이드 및 풀링 수는 공정 과정의 특수성을 고려하여 공정 별로 다르게 설정될 수 있으며, 사전에 설정될 수 있다. 이때, 커널 사이즈는 복수의 제1 값들의 개수에는 영향을 미치지 않지만, 각각의 제1 값이 커버하는 범위에 영향을 미칠 수 있다. 구체적으로, 커널 사이즈가 5*5 보다 7*7인 경우, 커널 사이즈의 속성을 고려할 때 추출된 각각의 제1 값이 커버하는 범위가 상대적으로 넓을 수 있다. 또는, 스트라이드 및 풀링수는 커널 사이즈와 달리, 스트라이드 및 풀링 수의 속성을 고려할 때 복수의 제1 값들의 개수에 영향을 미칠 수 있다. 구체적으로, 스트라이드가 증가하거나 또는 풀링 수가 증가한 경우 복수의 제1 값들의 개수는 37개 보다 작을 수 있다. 이때 풀링 수(즉, 풀링 레이어의 개수)가 복수인 경우, 복수의 풀링에서 동일한 스트라이드와 커널 사이즈를 가진 커널을 사용할 수도 있거나, 또는 각각 다른 스트라이드와 커널 사이즈를 가진 커널을 사용할 수도 있다. 여기서, 커널 사이즈가 스트라이드 보다 크거나 같은 경우 모든 계측 데이터에 대해 필터가 적용될 수 있고, 커널 사이즈가 스트라이드 보다 작은 경우 계측 데이터 일부에 대해 필터가 적용되지 않을 수 있다. 이에, 본 명세서에서는 커널 사이즈가 스트라이드 보다 크거나 같은 경우를 전제로 한다.
최대 풀링 레이어는 n차원 텐서인 계측 데이터에 기초하여 결정될 수 있다. 예를 들면, 1차원 텐서 구조를 갖는 계측 데이터에 적용되는 최대 풀링 레이어는 1D 최대 풀링 레이어일 수 있고, 2차원 텐서 구조를 갖는 계측 데이터에 적용되는 최대 풀링 레이어는 2D 최대 풀링 레이어일 수 있다.
도 5는 일 실시 예에 따른 계측 데이터에 최소 풀링 레이어를 적용하여 제2 프로파일을 추출하는 과정을 설명하기 위한 도면이다. 도 5를 참조하면, 계측 데이터는 그래프(510)에 대응하고, 제2 프로파일은 그래프(520)에 대응할 수 있다.
기 설정된 파라미터를 이용한 최대 풀링 레이어를 계측 데이터(510)에 적용함으로써 복수의 극소값들에 대응하는 복수의 제2 값들을 추출할 수 있고, 복수의 제2 값들을 연결함으로써 계측 데이터(510)의 하한값에 대응하는 제2 프로파일(520)이 생성될 수 있다. 즉, 복수의 제2 값들을 연결하면, 계측 데이터(510)의 하한 값을 나타내는 경계선에 대응하는 제2 프로파일(520)이 생성될 수 있다. 복수의 제2 값들 보다는 제2 프로파일에 기초하여 계측 데이터의 하한 값의 특징을 시각적으로 용이하게 확인할 수 있다.
이때, 기 설정된 파라미터는 커널(kernel) 사이즈, 스트라이드(stride) 및 풀링 수 중에서 적어도 하나를 포함할 수 있다. 예를 들면, 풀링 수가 3개인 경우, 최소 풀링 레이어 1은 커널 사이즈 7*7, 스트라이드 3로 설정될 수 있으며, 최소 풀링 레이어 2는 커널 사이즈 5*5, 스트라이드 3로 설정될 수 있으며, 최소 풀링 레이어 3은 커널 사이즈 5*5, 스트라이드 3로 설정될 수 있다. 구체적으로, 5*5 커널 사이즈 및 스트라이드 3에 따른 최소 풀링 레이어 2가 계측 데이터(510)에 적용되어 계측 데이터의 대상 영역에서 극소값을 추출할 수 있다. 예컨대, 980개의 계측 데이터(510)에서 최소 풀링 레이어를 적용하여 37개의 극소값을 추출할 수 있고, 37개의 극소값을 선택하여 연결함으로써 계측 데이터의 하한값에 대응하는 제2 프로파일(520)이 추출될 수 있다.
또한, 파라미터는 공정 과정별 특성을 고려하여 기 설정될 수 있다. 구체적으로, 커널 사이즈, 스트라이드 및 풀링 수는 공정 과정의 특수성을 고려하여 공정 별로 다르게 설정될 수 있으며, 사전에 설정될 수 있다. 이때, 커널 사이즈는 복수의 제2 값들의 개수에는 영향을 미치지 않지만, 각각의 제2 값이 커버하는 범위에 영향을 미칠 수 있다. 구체적으로, 커널 사이즈가 5*5 보다 7*7인 경우, 커널 사이즈의 속성을 고려할 때 추출된 각각의 제2 값이 커버하는 범위가 상대적으로 넓을 수 있다. 또는, 스트라이드 및 풀링수는 커널 사이즈와 달리, 스트라이드 및 풀링 수의 속성을 고려할 때 복수의 제2 값들의 개수에 영향을 미칠 수 있다. 구체적으로, 스트라이드가 증가하거나 또는 풀링 수가 증가한 경우 복수의 제2 값들의 개수는 37개 보다 작을 수 있다. 이때 풀링 수가 복수인 경우, 복수의 풀링에서 동일한 스트라이드와 커널 사이즈를 가진 커널을 사용할 수도 있거나, 또는 각각 다른 스트라이드와 커널 사이즈를 가진 커널을 사용할 수 도 있다. 여기서, 커널 사이즈가 스트라이드 보다 크거나 같은 경우 모든 계측 데이터에 대해 필터가 적용될 수 있고, 커널 사이즈가 스트라이드 보다 작은 경우 계측 데이터 일부에 대해 필터가 적용되지 않을 수 있다. 이에, 본 명세서에서는 커널 사이즈가 스트라이드 보다 크거나 같은 경우를 전제로 한다.
최소 풀링 레이어는 n차원 텐서인 계측 데이터에 기초하여 결정될 수 있다. 예를 들면, 1차원 텐서 구조를 갖는 계측 데이터에 적용되는 최소 풀링 레이어는 1D 최소 풀링 레이어일 수 있고, 2차원 텐서 구조를 갖는 계측 데이터에 적용되는 최소 풀링 레이어는 2D 최소 풀링 레이어일 수 있다.
도 6은 일 실시 예에 따른 계측 데이터, 제1 프로파일 및 제2 프로파일을 도시한 도면이다. 도 6을 참조하면, 계측 데이터는 그래프(610)에 대응하고, 제1 프로파일은 그래프(620)에 대응하고, 제2 프로파일은 그래프(630)에 대응할 수 있다. 제1 프로파일 및 제2 프로파일과 관련하여 전술한 기재가 적용될 수 있다.
도 7은 일 실시 예에 따른 제1 프로파일 및 제2 프로파일과 제3 프로파일 간의 관계를 설명하기 위한 도면이다. 도 7을 참조하면, 계측 데이터는 그래프(710)에 대응하고, 제1 프로파일은 그래프(720)에 대응하고, 제2 프로파일은 그래프(730)에 대응하고, 제3 프로파일은 그래프(740)에 대응할 수 있다. 여기서, 제1 프로파일(720), 제2 프로파일(730) 및 제3 프로파일(740)은 n차원 텐서(n은 1이상 정수) 구조를 갖는 계측 데이터(710)에 대응하여 n차원 텐서(n은 1이상 정수)로 이루어질 수 있다.
전술한 바와 같이, 최대 풀링 레이어를 적용하여 추출한 복수의 제1 값들을 연결한 제1 프로파일(720)은 계측 데이터(710)의 상한 값에 대응하는 경계선을 나타낼 수 있고, 최소 풀링 레이어를 적용하여 추출한 복수의 제2 값들을 연결한 제2 프로파일(730)은 계측 데이터(710)의 하한 값에 대응하는 경계선을 나타낼 수 있다.
도 3에 전술한 계측 데이터(310)와 타겟 데이터(320) 간의 뺄셈 연산을 통해, 계측 데이터(710), 제1 프로파일(720) 및 제2 프로파일(730)은 0 이상이거나 또는 0 보다 작은 영역을 가질 수 있다.
복수의 제1 값들과 복수의 제2 값들 간의 절대값 비교에 기초하여 복수의 제3 값들을 추출할 수 있고, 복수의 제3 값들을 연결하여 제3 프로파일(740)이 생성될 수 있다. 일례로, 웨이퍼 상의 동일한 x축의 각 지점에서 제1 값과 제2 값의 절대값을 비교한 다음 절대값이 상대적으로 큰 값을 선택함으로써 예컨대 37개의 복수의 제3 값들을 추출할 수 있다. 예컨대, 980개의 계측 데이터를 이용하지 않고 37개의 제1 값들과 37개의 제2 값들 중에서 절대값이 상대적으로 큰 값들을 포함하는 37개의 제3 값들이 추출될 수 있다.
이와 같이 추출된 37개의 복수의 제3 값들을 연결하여 제3 프로파일(740)을 생성할 수 있다. 제3 프로파일(740)은 계측 데이터의 상한 값과 관련된 경계선의 일부 및 하한 값과 관련된 경계선의 일부에 대응할 수 있다. 제3 프로파일(740)은 계측 데이터의 상한 및 하한에 대응하는 특징을 나타내는 경계선으로서, 제3 프로파일(740)을 이용하여 시각적으로 용이하게 계측 데이터(710)의 특징을 확인할 수 있다.
도 8은 일 실시 예에 따른 제3 프로파일을 이용하여 공정 과정에서 발생한 이상 감지를 시각적으로 설명하기 위한 도면이다. 연산 장치는 전술한 과정을 통해 추출된 복수의 제3 값들과 기 설정된 허용 오차 범위를 비교할 수 있다. 이때, 기 설정된 허용 오차 범위는 공정 별로 상이할 수 있다. 복수의 제3 값들이 허용 오차 범위 내에 포함될 경우, 연산 장치는 해당 영역에 대한 공정이 정상적으로 진행되었음을 확인할 수 있다. 또는, 복수의 제3 값들 중에서 허용 오차 범위 내에 포함되지 않는 값이 있는 경우, 연산 장치는 공정이 비정상적으로 진행되어 이상이 발생하였음을 감지할 수 있고, 오차 범위를 벗어나는 값에 대응하는 구간에 대한 정보를 확인하여 공정 과정에서 이상이 발생한 웨이퍼 상의 위치를 체크할 수 있다. 예를 들면, 코팅 공정과 관련된 복수의 제3 값들 중에서 기 설정된 허용 오차 범위 내에 포함되지 않는 값 1, 값 2 및 값 3이 있는 경우, 연산 장치는 값 1에 대응하는 비허용 범위 1, 값 2에 대응하는 비허용 범위 2 및 값 3에 대응하는 비허용 범위 3을 확인할 수 있고, 연산 장치는 비허용 범위1, 비허용 범위 2 및 비허용 범위 3에 대응하는 영역에서 공정 과정에서 이상이 발생하였음을 감지할 수 있다. 감지 결과에 따라, 연산 장치는 비허용 범위 1, 비허용 범위 2 및 비허용 범위 3에 대응하는 영역과 관련된 공정의 점검을 나타내는 정보를 제공할 수 있다. 이후, 해당 영역에서도 복수의 제3 값들이 기 설정된 허용 오차 범위 내에 포함되어, 공정을 통해 생산된 제품에 대한 신뢰도가 향상될 수 있다.
도 9는 일 실시 예에 따른 2차원 텐서 구조를 갖는 계측 데이터에 대한 프로파일 추출을 나타내는 도면이다. 도 9를 참조하면, 그림 910은 공정 과정에서 획득되는 계측 데이터를 나타내고, 그림 920은 계측 데이터에 대해 추출된 프로파일을 나타낸다. 1차원 텐서 구조를 갖는 계측 데이터에 대한 프로파일을 추출하는 과정이 마찬가지로 적용될 수 있다. 즉, n차원 텐서 구조를 갖는 계측 데이터에 대한 프로파일을 추출하는 과정이 동일하게 적용될 수 있다.
도 10은 일 실시 예에 따른 계측 데이터에 대한 특징 추출하는 연산 장치의 기능 블록도이다. 도 10에는 본 실시 예와 관련된 구성요소들이 도시되어 있으나 이에 제한되는 것은 아니며 도 10에 도시된 구성요소들 외에 다른 범용적인 구성요소들이 더 포함될 수 있다.
연산 장치(1000)는 메모리(1010) 및 프로세서(1020)를 포함할 수 있다. 도 10에 도시된 각 요소(element)는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어, 또는, 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.
실시 예에 따라, 도 10의 연산 장치(1000)는 서버, 컴퓨터, 또는 단말로 구현될 수 있으며, 연산 장치(1000)의 구현 방식에 의해 본 명세서가 제한되지는 않는다.
메모리(1010)는 연산 장치(1000)와 관련된 다양한 데이터를 저장할 수 있다. 예를 들어 메모리(1010)는 연산 장치(1000)의 동작을 위한 적어도 하나의 명령어(instruction)를 저장할 수 있다. 이러한 경우 후술하는 프로세서(1020)는 메모리(1010)에 저장된 명령어를 기반으로 다양한 동작을 수행할 수 있다. 다른 예를 들면 메모리(1010)는 연산 장치(1000)의 동작과 관련하여, 계측 데이터, 타겟 데이터 및 각 프로파일들에 대한 정보를 저장할 수 있다. 이러한 경우 프로세서(1020)는 메모리(1010)에 저장된 정보를 이용하여 동작을 수행할 수 있다. 다만, 메모리(1010)에 저장되는 정보는 상술한 예에 제한되는 것은 아니며 메모리(1010)에는 다양한 정보가 저장될 수 있다.
프로세서(1020)는 연산 장치(1000)의 전반적인 동작을 제어할 수 있다. 예를 들어, 프로세서(1020)는 메모리(1010)에 저장된 명령어를 기초로 연산 장치(1000)의 요소를 제어함으로써 연산 장치(1000)의 동작을 제어할 수 있다.
프로세서(1020)는 하나 이상의 코어로 구성될 수 있으며, 연산 장치(1000)의 중앙 처리 장치(CPU: central processing unit), 범용 그래픽 처리 장치 (GPGPU: general purpose graphics processing unit), 텐서 처리 장치(TPU: tensor processing unit) 등의 데이터 분석, 딥러닝을 위한 프로세서를 포함할 수 있다. 프로세서(1020)는 메모리(1010)에 저장된 컴퓨터 프로그램을 판독하여 본 개시의 일 실시예에 따른 계측 데이터에 대한 특징을 추출할 수 있다. 본 개시의 일 실시예에 따라 프로세서(1020)는 풀링 레이어의 적용을 위한 연산을 수행할 수 있다. 프로세서(1020)는 딥러닝(DN: deep learning)에서 입력 데이터의 처리, 입력 데이터에서의 피쳐(feature) 추출, 오차 계산, 역전파(backpropagation)를 이용한 신경망의 가중 치 업데이트 등의 신경망과 관련된 연산을 수행할 수 있다. 또한, 본 개시의 일 실시 예에서 복수의 프로세서를 함께 사용하여 계측 데이터에 대한 특징을 추출할 수 있다. 본 개시의 일 실시 예에서 계측 데이터는 코팅 공정 및 반도체 공정과 관련된 데이터로 한정되지 않고 산업현장에서 획득되는 모든 종류의 데이터를 포함할 수 있다.
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.
전술한 실시 예들은 일 예시일 뿐 후술하는 청구항들의 범위 내에서 다른 실시 예들이 구현될 수 있다.
Claims (20)
- 연산 장치를 이용한 계측 데이터에 대한 특징 추출 방법으로서,
공정 과정에서 획득되는 계측 데이터를 확인하는 단계;
상기 계측 데이터와 관련된 타겟 데이터를 확인하는 단계;
상기 타겟 데이터에 기초하여 상기 계측 데이터에 대한 연산을 수행하는 단계;
상기 연산된 계측 데이터에 최대 풀링 레이어(max pooling layer)를 적용하여 복수의 제1 값들을 추출하는 단계;
상기 연산된 계측 데이터에 최소 풀링 레이어(min pooling layer)를 적용하여 복수의 제2 값들을 추출하는 단계; 및
상기 복수의 제1 값들과 상기 복수의 제2 값들을 이용하여 상기 계측 데이터의 특징과 관련된 복수의 제3 값들을 추출하는 단계를 포함하는,
특징 추출 방법.
- 제1항에 있어서,
상기 복수의 제3 값들을 추출하는 단계는,
상기 복수의 제1 값들과 상기 복수의 제2 값들 간의 절대값 비교에 기초하여 추출하는 단계를 포함하는,
특징 추출 방법.
- 제2항에 있어서,
상기 복수의 제3 값들을 추출하는 단계는,
상기 복수의 제1 값들과 상기 복수의 제2 값들 간의 절대값이 큰 값을 선택함으로써 추출하는 단계를 포함하는,
특징 추출 방법.
- 제1항에 있어서,
상기 복수의 제3 값들과 기 설정된 허용 오차 범위를 비교하는 단계;
상기 비교 결과에 기초하여 상기 공정 과정에서 획득된 상기 계측 데이터에 대한 이상 여부를 확인하는 단계를 더 포함하는,
특징 추출 방법.
- 제4항에 있어서,
상기 이상 여부를 확인하는 단계는,
상기 복수의 제3 값들 중에서 상기 기 설정된 허용 오차 범위 내에 포함되지 않는 값이 있는 경우, 상기 기 설정된 허용 오차 범위 내에 포함되지 않는 계측 데이터를 확인하여 관련 정보를 제공하는 단계를 포함하는,
특징 추출 방법.
- 제1항에 있어서,
상기 복수의 제1 값들은,
기 설정된 파라미터를 이용한 상기 최대 풀링 레이어에 기초하여 결정된 상기 연산된 계측 데이터에 대한 복수의 극대값을 포함하는 것을 특징으로 하는,
특징 추출 방법.
- 제6항에 있어서,
상기 파라미터는,
커널(kernel) 사이즈, 스트라이드(stride) 및 풀링 수 중 적어도 하나를 포함하는 것을 특징으로 하는,
특징 추출 방법.
- 제6항에 있어서,
상기 파라미터는,
상기 공정 과정에 따라 기 설정되는 것을 특징으로 하는,
특징 추출 방법.
- 제1항에 있어서,
상기 계측 데이터는,
n차원(n은 1 이상 정수) 텐서(Tensor)인 것을 특징으로 하는,
특징 추출 방법.
- 제1항에 있어서,
상기 연산을 수행하는 단계는,
상기 계측 데이터와 상기 타겟 데이터 간의 뺄셈 연산을 수행하는 단계를 포함하는,
특징 추출 방법.
- 제1항에 있어서,
상기 복수의 제2 값들은,
기 설정된 파라미터를 이용한 상기 최소 풀링 레이어에 기초하여 결정된 상기 연산된 계측 데이터에 대한 복수의 극소값을 포함하는 것을 특징으로 하는,
특징 추출 방법.
- 제11항에 있어서,
상기 파라미터는,
커널(kernel) 사이즈, 스트라이드(stride) 및 풀링 수 중 적어도 하나를 포함하는 것을 특징으로 하는,
특징 추출 방법.
- 제11항에 있어서,
상기 파라미터는,
상기 공정 과정에 따라 기 설정되는 것을 특징으로 하는,
특징 추출 방법.
- 제6항에 있어서,
상기 복수의 제1 값들을 연결하여 제1 프로파일을 생성하는 단계를 더 포함하는,
특징 추출 방법.
- 제11항에 있어서,
상기 복수의 제2 값들을 연결하여 제2 프로파일을 생성하는 단계를 더 포함하는,
특징 추출 방법.
- 제3항에 있어서,
상기 추출된 복수의 제3 값들을 연결하여 제3 프로파일을 생성하는 단계를 더 포함하는,
특징 추출 방법.
- 제16항에 있어서,
상기 제3 프로파일은 n 차원의 데이터로 이루어지며, 여기서 n은 1 이상의 정수인,
특징 추출 방법.
- 제7항에 있어서,
상기 커널 사이즈는 상기 스트라이드 보다 크거나 같고,
상기 스트라이드 및 상기 풀링 수에 기초하여 상기 복수의 제1 값들의 개수가 조절되는 것을 특징으로 하는,
특징 추출 방법.
- 제1항의 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 비일시적 기록매체.
- 계측 데이터에 대한 특징 추출하는 연산 장치로서,
컴퓨터에서 읽을 수 있는 명령어를 저장하는 메모리; 및
프로세서를 포함하고,
상기 메모리와 연결된 상기 프로세서는,
공정 과정에서 획득되는 상기 계측 데이터를 확인하고,
상기 계측 데이터와 관련된 타겟 데이터를 확인하고,
상기 타겟 데이터에 기초하여 상기 계측 데이터에 대한 연산을 수행하고,
상기 연산된 계측 데이터에 최대 풀링 레이어(max pooling layer)를 적용하여 복수의 제1 값들을 추출하고,
상기 연산된 계측 데이터에 최소 풀링 레이어(min pooling layer)를 적용하여 복수의 제2 값들을 추출하고,
상기 복수의 제1 값들과 상기 복수의 제2 값들을 이용하여 상기 계측 데이터의 특징과 관련된 복수의 제3 값들을 추출하는,
연산 장치.
Priority Applications (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210062133A KR102326006B1 (ko) | 2021-05-13 | 2021-05-13 | 연산 장치 및 이를 이용한 계측 데이터에 대한 특징 추출 방법 |
| CN202280007119.4A CN117280288A (zh) | 2021-05-13 | 2022-02-24 | 计算装置和通过使用计算装置提取测量数据的特征的方法 |
| PCT/KR2022/095040 WO2022240269A1 (ko) | 2021-05-13 | 2022-02-24 | 연산 장치 및 이를 이용한 계측 데이터에 대한 특징 추출 방법 |
| US18/248,043 US20230384770A1 (en) | 2021-05-13 | 2022-02-24 | Calculation device and method for extracting feature of measurement data by using same |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210062133A KR102326006B1 (ko) | 2021-05-13 | 2021-05-13 | 연산 장치 및 이를 이용한 계측 데이터에 대한 특징 추출 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102326006B1 true KR102326006B1 (ko) | 2021-11-15 |
Family
ID=78502833
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210062133A KR102326006B1 (ko) | 2021-05-13 | 2021-05-13 | 연산 장치 및 이를 이용한 계측 데이터에 대한 특징 추출 방법 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US20230384770A1 (ko) |
| KR (1) | KR102326006B1 (ko) |
| CN (1) | CN117280288A (ko) |
| WO (1) | WO2022240269A1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022240269A1 (ko) * | 2021-05-13 | 2022-11-17 | (주)알티엠 | 연산 장치 및 이를 이용한 계측 데이터에 대한 특징 추출 방법 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20140015872A (ko) * | 2012-07-26 | 2014-02-07 | 주식회사 내비오닉스코리아 | 이동 표준 편차를 이용한 데이터 처리 장치 및 방법 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10699926B2 (en) * | 2017-08-30 | 2020-06-30 | Kla-Tencor Corp. | Identifying nuisances and defects of interest in defects detected on a wafer |
| US11569056B2 (en) * | 2018-11-16 | 2023-01-31 | Fei Company | Parameter estimation for metrology of features in an image |
| CN111325224A (zh) * | 2018-12-13 | 2020-06-23 | 数优(苏州)人工智能科技有限公司 | 计算机可读存储介质、输入数据检查方法以及计算装置 |
| US11410016B2 (en) * | 2019-04-26 | 2022-08-09 | Alibaba Group Holding Limited | Selective performance of deterministic computations for neural networks |
| KR102326006B1 (ko) * | 2021-05-13 | 2021-11-15 | (주)알티엠 | 연산 장치 및 이를 이용한 계측 데이터에 대한 특징 추출 방법 |
-
2021
- 2021-05-13 KR KR1020210062133A patent/KR102326006B1/ko active IP Right Grant
-
2022
- 2022-02-24 US US18/248,043 patent/US20230384770A1/en active Pending
- 2022-02-24 WO PCT/KR2022/095040 patent/WO2022240269A1/ko active Application Filing
- 2022-02-24 CN CN202280007119.4A patent/CN117280288A/zh active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20140015872A (ko) * | 2012-07-26 | 2014-02-07 | 주식회사 내비오닉스코리아 | 이동 표준 편차를 이용한 데이터 처리 장치 및 방법 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022240269A1 (ko) * | 2021-05-13 | 2022-11-17 | (주)알티엠 | 연산 장치 및 이를 이용한 계측 데이터에 대한 특징 추출 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117280288A (zh) | 2023-12-22 |
| WO2022240269A1 (ko) | 2022-11-17 |
| US20230384770A1 (en) | 2023-11-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Kim et al. | Machine learning-based novelty detection for faulty wafer detection in semiconductor manufacturing | |
| CN100578747C (zh) | 用于模型预测的动态适应性取样率 | |
| TWI614721B (zh) | 在半導體製造中用於檢測之雜訊中所內嵌之缺陷之偵測 | |
| US11448570B2 (en) | Method and system for unsupervised anomaly detection and accountability with majority voting for high-dimensional sensor data | |
| CN108334652B (zh) | 机台的预诊断方法及预诊断装置 | |
| CN108510515A (zh) | 信息处理装置、信息处理方法、控制系统和物品制造方法 | |
| KR102326006B1 (ko) | 연산 장치 및 이를 이용한 계측 데이터에 대한 특징 추출 방법 | |
| KR102538785B1 (ko) | 컴퓨터 지원 설계(cad) 파일로부터 웨이퍼 이미지를 생성하는 방법 및 시스템 | |
| Shu et al. | A distribution‐free control chart for monitoring high‐dimensional processes based on interpoint distances | |
| TWI446402B (zh) | 基於資訊可信度之增進的狀態估計 | |
| US20200065453A1 (en) | Systems and methods of fabricating semiconductor devices | |
| CN115237710A (zh) | 服务器温度预测方法、装置、计算机设备和存储介质 | |
| CN112956007A (zh) | 用于制造微电子设备的系统和方法 | |
| TW202343240A (zh) | 使用時間序列感測器資料之基於隱藏式馬可夫模型的分割誤差校正在製作過程中的異常檢測 | |
| CN111340788B (zh) | 硬件木马版图检测方法、装置、电子设备和可读存储介质 | |
| CN114256105A (zh) | 半导体工艺异常的检测方法、装置与系统 | |
| CN109918237B (zh) | 异常网络层确定方法及相关产品 | |
| Stoyanov et al. | Similarity approach for reducing qualification tests of electronic components | |
| US20110047518A1 (en) | Pattern determining method | |
| KR101665476B1 (ko) | 반도체 프로세싱 장비에서의 편위 분류를 위한 방사형 기저 함수 네트워크들 및 하이퍼-큐브들의 사용 | |
| CN117668736B (zh) | 一种工程塑料的平面度检测方法及装置 | |
| CN118887627B (zh) | 晶圆存取异常的检测方法、装置、设备及可读存储介质 | |
| JP7457601B2 (ja) | 要因推定装置、要因推定システムおよびプログラム | |
| KR102252144B1 (ko) | 플라즈마의 동작을 확인하는 전자 장치 및 그 동작 방법 | |
| CN117010463A (zh) | 包括改进的rbf神经网络的处理器及提供该神经网络的方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PA0109 | Patent application |
Patent event code: PA01091R01D Comment text: Patent Application Patent event date: 20210513 |
|
| PA0201 | Request for examination | ||
| PA0302 | Request for accelerated examination |
Patent event date: 20210513 Patent event code: PA03022R01D Comment text: Request for Accelerated Examination |
|
| PE0902 | Notice of grounds for rejection |
Comment text: Notification of reason for refusal Patent event date: 20210726 Patent event code: PE09021S01D |
|
| E701 | Decision to grant or registration of patent right | ||
| PE0701 | Decision of registration |
Patent event code: PE07011S01D Comment text: Decision to Grant Registration Patent event date: 20211028 |
|
| GRNT | Written decision to grant | ||
| PR0701 | Registration of establishment |
Comment text: Registration of Establishment Patent event date: 20211108 Patent event code: PR07011E01D |
|
| PR1002 | Payment of registration fee |
Payment date: 20211109 End annual number: 3 Start annual number: 1 |
|
| PG1601 | Publication of registration | ||
| PR1001 | Payment of annual fee |
Payment date: 20240930 Start annual number: 4 End annual number: 4 |