KR20050114739A - 공정장비 모니터링 시스템 및 모델생성방법 - Google Patents

Abstract

본 발명은 공정장비 모니터링 시스템 및 모델생성방법에 관한 것으로, 본 발명의 목적은 기존의 우량데이터와 함께 불량데이터를 고려하여 공정장비의 오류를 정확하게 감지할 수 있는 공정장비 모니터링 시스템 및 모델생성방법을 제공함에 있다. 또한, 본 발명의 다른 목적은 장비에 관한 기존 데이터의 패턴에 따라 다양한 기준모델을 생성하는 공정장비 모니터링 시스템 및 모델생성방법을 제공함에 있다.

이를 위해 본 발명은 장비에 관한 기존 데이터를 기초로 하고, 상기 기존 데이터의 패턴에 따라 다른 평가기준을 가지는 적어도 하나의 기준모델을 생성하는 모델생성부, 상기 모델생성부에서 생성된 상기 적어도 하나의 기준모델을 저장하는 모델저장부, 상기 장비로부터 설비데이터를 전송받고, 상기 설비데이터에 연계하여 상기 적어도 하나의 기준모델 중에서 하나를 선택하는 모델선택부, 상기 장비로부터 공정데이터를 전송받고, 상기 모델선택부에서 선택된 기준모델과 상기 공정데이터를 비교하여 상기 장비의 상태를 평가하는 오류감지부를 포함한다.

Description

공정장비 모니터링 시스템 및 모델생성방법{A monitoring system of processing tool and model forming method}

본 발명은 공정장비 모니터링 시스템 및 모델생성방법에 관한 것으로, 더욱 상세하게는 공정장비의 작동오류를 감지할 수 있는 공정장비 모니터링 시스템 및 모델생성방법에 관한 것이다.

일반적으로, 반도체는 확산(diffusion), 사진(photo), 에칭(etching) 등의 공정을 거치면서 제조되고, 각 공정에서는 다양한 설비들을 이용하여 웨이퍼를 가공한다.

웨이퍼는 통상 제조라인을 따라 이동하면서 제조되는데, 반도체의 품질 및 생산성은 웨이퍼를 가공중인 설비의 상태에 크게 영향을 받는다. 만약 반도체 제조설비에 오류가 있음에도 불구하고 계속적인 공정이 이루어진다면 수율의 하락을 초래할 뿐만 아니라 비용적으로도 막대한 손실을 입게 된다. 따라서 웨이퍼 제조설비의 고장을 신속하게 감지할 수 있는 다양한 방법이 제시되고 있다.

APC(Advanced Process Control)는 웨이퍼 제조설비의 상태를 체크하는 대표적인 시스템으로, APC의 한 종류인 FDC(Fault Detection and Classification) 시스템이 널리 사용되고 있다.

FDC시스템은 설비의 오류를 감지하기 위해 온도, 압력, 전력 등의 공정데이터를 통신포트 또는 별도의 데이터수집장치를 통해 입력받는다. 이 때 공정데이터는 웨이퍼의 각 제조공정에서 공정을 수행하는 설비에 가해지는 각종 자극을 의미한다. 공정데이터가 입력되면 FDC시스템은 입력된 공정데이터를 기준데이터로부터 생성한 기준모델과 비교분석하여 설비의 상태를 판단하게 된다.

이와 같은 모니터링 과정에서 설비의 오류가 감지되면 FDC시스템은 제조설비에 문제가 있음을 경보하거나 웨이퍼 제조라인의 가동을 중단시킨다. 예를 들어 아르곤 가스의 흐름율에 대한 공정데이터를 계속 입력받고 있는 FDC시스템에서 아르곤 가스 흐름율이 기준치와 오차범위 이상의 차이가 생긴 것을 감지하면 아르곤 가스를 사용하는 공정에서 오류가 있는 것으로 보아 경보를 발생한다. 기타 APC시스템을 이용하여 반도체 제조설비의 고장을 검출하는 방법은 대한민국 공개특허 특2003-0019635에 개시되어 있다.

그러나 APC시스템을 이용하여 반도체 공정장비의 상태를 감시하는 종래의 장치는 기존의 우량데이터만을 샘플링하여 기준데이터로 사용하고, 기존의 불량데이터는 고려하지 않음으로써 반도체 제조설비의 상태를 정확하게 평가할 수 없는 문제점이 있었다.

본 발명은 전술한 문제점을 해결하기 위한 것으로, 본 발명의 목적은 기존의 우량데이터와 함께 불량데이터를 고려하여 공정장비의 오류를 정확하게 감지할 수 있는 공정장비 모니터링 시스템 및 모델생성방법을 제공함에 있다.

또한, 본 발명의 다른 목적은 장비에 관한 기존 데이터의 패턴에 따라 다양한 기준모델을 생성하는 공정장비 모니터링 시스템 및 모델생성방법을 제공함에 있다.

전술한 목적을 달성하기 위한 본 발명은 장비에 관한 기존 데이터를 기초로 하고, 상기 기존 데이터의 패턴에 따라 다른 평가기준을 가지는 적어도 하나의 기준모델을 생성하는 모델생성부, 상기 모델생성부에서 생성된 상기 적어도 하나의 기준모델을 저장하는 모델저장부, 상기 장비로부터 설비데이터를 전송받고, 상기 설비데이터에 연계하여 상기 적어도 하나의 기준모델 중에서 하나를 선택하는 모델선택부, 상기 장비로부터 공정데이터를 전송받고, 상기 모델선택부에서 선택된 기준모델과 상기 공정데이터를 비교하여 상기 장비의 상태를 평가하는 오류감지부를 포함하는 것을 특징으로 한다.

또한 상기 기존 데이터는 상기 장비가 정상인 상태에서 수집한 데이터인 우량데이터와 상기 장비가 비정상인 상태에서 수집한 데이터인 불량데이터를 포함하는 것을 특징으로 한다.

또한 상기 기준모델은 상기 기존 데이터의 패턴 중에서 집중관리할 부분에 따라 다른 평가기준을 갖도록 설정되는 것을 특징으로 한다.

또한 상기 기준모델은 공정세트인 레서피를 구성하는 임의의 스텝에서 최소값을 관리하는 제1기준모델과, 최대값을 관리하는 제2기준모델과, 각 데이터를 연결한 그래프의 기울기를 관리하는 제3기준모델과, 데이터 패턴을 기준으로 데이터가 기준범위내에 있는 지를 관리하는 제4기준모델과, 제1 내지 제4기준모델의 관리대상 중 적어도 둘 이상의 대상을 관리하는 제5기준모델을 포함하는 것을 특징으로 한다.

또한 공정장비 모니터링 시스템에서 기준모델을 생성하기 위한 모델생성방법에 있어서, 데이터 베이스에 저장된 장비에 관한 기존 데이터를 불러오고, 상기 기존 데이터의 패턴에 따라 다른 평가기준을 갖는 적어도 하나의 기준모델을 생성하는 것을 특징으로 한다.

또한 상기 모델생성방법은 상기 데이터의 패턴에서 집중관리할 부분에 따라 다른 기준모델을 생성하는 것을 특징으로 한다.

이하에서는 본 발명의 바람직한 실시예를 본 도면을 참조하여 상세하게 설명하도록 한다. 도1에 도시한 바와 같이 본 발명의 일실시예에 따른 모니터링 시스템(10)이 적용되는 반도체 제조설비는 복수의 공정장비(processing tool)(30)와, 복수의 공정장비(30)를 각각 제어하는 복수의 공정제어기(40)와, 제조설비 전체의 동작을 제어하는 공정제어서버(50)를 구비한다.

복수의 공정장비(30)는 반도체 공정에서 웨이퍼를 가공하는 각 설비들이며, 복수의 공정장비(30)에는 공정장비의 상태를 감지하기 위한 센서들(미도시)이 설치된다.

복수의 공정제어기(40)는 공정제어서버(50)로부터 제어명령을 전송받아 제어대상이 되는 공정장비(30)의 움직임을 제어한다.

공정제어서버(50)는 제조설비를 제어할 뿐만 아니라 공정장비(30)로부터 공정데이터를 입력받아 모니터링 시스템(10)에 전달한다.

도2에 도시한 바와 같이 도1의 모니터링 시스템(10)은 우량데이터 및 불량데이터를 포함하여 장비의 작동에 관련된 기존 데이터를 저장하고 있는 데이터베이스(11)와, 장비에 관한 기존 데이터의 패턴에 따라 평가기준이 다른 복수의 기준모델을 생성하는 모델생성부(12)와, 모델생성부(12)에서 생성된 기준모델을 저장하는 모델저장부(13)와, 공정제어서버(50)로부터 입력된 설비데이터를 고려하여 기준모델을 선택하는 모델선택부(14)와, 공정제어서버에서 입력된 공정데이터를 선택된 기준모델과 비교하여 설비의 오류여부를 판단하는 오류감지부(15)와 오류감지부의 판단결과를 표시하는 사용자 인터페이스(16)를 포함한다.

데이터베이스(11)에는 우량데이터와 불량데이터가 저장되어 있으며, 우량데이터는 우량웨이퍼를 가공할 때 발생한 데이터를 의미한다. 우량웨이퍼와 불량웨이퍼는 여러 가지 기준에 의해 구분할 수 있는데, 예를 들면 하나의 웨이퍼에서 불량 다이(die)의 개수가 일정개수 이하이면 우량웨이퍼, 불량 다이의 개수가 일정개수 이상이면 불량 웨이퍼로 판단한다.

모델생성부(12)는 도3에 도시한 방법으로 기준모델을 생성한다. 기준모델은 장비에 관한 기존 데이터를 기초로 생성하며, 장비의 상태판단을 위한 기준과 평가방법을 포함한다.

반도체 제조공정에서 제조설비는 레서피 단위로 웨이퍼를 가공하므로, 기준모델은 레서피 단위로 생성한다. 이 때 레서피는 각 공정에서 웨이퍼를 가공하는 방법과 순서를 의미하며, 레서피 스텝으로 나눠진다. 이는 하나의 공정이 여러 개의 서브(sub)공정으로 분할된 것과 같은 개념이다. 예를 들어 레서피는 준비단계, 시작단계, 실행단계, 사후처리단계, 종료단계 등의 서브단계로 나눠지는데, 이와 같은 서브 단계가 레서피 스텝이 되는 것이다. 그리고, 각 단계들은 하나의 정수값이 명명되어져 있는데 이를 스텝명(step name)이라 한다.

기준모델의 생성을 위해 모델생성부(12)는 먼저 기준모델을 만들고자 하는 레서피의 프레임워크가 적절한지 판단한다(60). 레서피 프레임워크는 레서피를 이루는 스텝의 구조를 의미한다. 동일한 설비에서 레서피를 수행한다 할지라도 챔버별로 스텝명이 다르게 나타나는 경우가 발생한다. 예를 들어 제1챔버에서 가공된 웨이퍼의 스텝명 정보가 1-2-3-4-5라고 하면, 제2챔버에서 가공된 웨이퍼의 스텝명 정보는 1-2-3-6-7로 나타날 수 있다. 이 때 스텝명 4와 6이 동일한 스텝이고, 스텝명5와 7이 동일한 스텝이라면 하기의 <표1>과 같이 스텝명에 동일한 스텝값(step value)를 부여함으로써 동일한 레서피 스텝으로 인식할 수 있다.

<표1>

스텝명	스텝값
제1스텝	1
제2스텝	2
제3스텝	3
제4스텝	4
제5스텝	5
제6스텝	4
제7스텝	5

따라서 레서피 프레임워크는 스텝값으로서 표준화된 구조를 의미한다. 모델을 생성하기 전에 먼저 위와 같은 레서피 프레임워크를 생성해야 한다. 따라서 모델생성부(12)는 기준모델을 생성할 레서피의 프레임워크가 적절하지 않은 경우 레서피 프레임워크를 수정하고(62), 레서피 프레임워크에 문제가 없는 경우 64단계를 수행한다.

다음으로 모델생성부(12)는 데이터 베이스(11)에 저장된 장비에 관한 기존 데이터 중에서 우량데이터를 불러와 원시자료집합을 구성하고(64), 원시자료집합의 레서피 스텝정보를 추출하여 레서피 스텝의 기준규격을 설정한다(66).

동일한 로트내의 웨이퍼를 가공하더라도 계측장비 또는 계측시간의 편차로 인해 동일한 형태의 레서피 스텝정보를 가지고 있지 않거나 각 레서피 스텝에서 추출된 샘플의 수가 다른 경우가 발생한다. 이로 인해 기준모델을 생성하기에는 적합하지 않은 레서피 스텝이 존재할 수 있다. 따라서 기준모델의 생성에 적합하지 않은 레서피 스텝에서 발생한 우량데이터를 수집대상에서 제외시키기 위한 기준규격을 설정하는 것이 바람직하다.

레서피 스텝의 기준규격이 설정되면 모델생성부(12)는 기준규격에 따라 원시자료집합을 필터링하여 기준자료를 작성한다(68). 기준자료는 최초의 우량데이터에서 부적절한 우량데이터를 모두 제거한 데이터이다.

모델생성부(12)는 기준자료의 작성이 완료되면 데이터 베이스(11)에 저장된 불량데이터를 불러온다(70). 그리고 기준자료와 불량데이터의 패턴에 따라 기준모델을 생성한다(72). 통상 기준모델을 생성할 때는 통계적 모형이나 신경망과 같은 정형화된 기법을 사용할 수 있다. 하지만 반도체 제조공정에서 발생하는 데이터의 형태는 불규칙하므로 통계적 모형 등의 정형화된 모델링 기법으로는 모델링하기 어려운 경우가 자주 발생한다. 따라서 본 발명은 기존에 수집한 장비에 관한 데이터의 패턴에 따라 다른 평가기준을 가지는 기준모델을 제시한다.

도4a 내지 도4d를 참조하여 패턴에 따라 다른 기준모델을 설명한다. 도4a 내지 도4d에서 x축은 레서피의 스텝, y축은 레서피 스텝에서 얻은 데이터이며, 각 기준모델은 집중관리하는 평가기준이 서로 다르다.

도4a는 민(Min)타입 모델로, 입력된 공정데이터의 최소값을 집중관리하며, 특정스텝에서 얻은 공정데이터의 최소값이 특정범위에 속하는지 여부로 장비의 정상여부를 판단한다. 즉, 민타입에서 평가기준은 입력된 공정데이터의 최소값이 특정범위에 포함되는지 여부이다.

따라서 공정데이터가 도4a와 같은 패턴을 갖는 경우 제1스텝에서 얻은 공정데이터의 최소값이 A범위에 속하면 장비가 정상인 것으로 보고, 제1스텝에서 얻은 공정데이터의 최소값이 A범위를 벗어나면 장비는 비정상인 것으로 본다.

도4b는 맥스(Max)타입 모델로, 입력된 공정데이터의 최대값을 집중관리하며, 특정스텝에서 얻은 공정데이터의 최대값이 특정범위에 속하는지 여부로 장비의 정상여부를 판단한다. 즉, 맥스타입에서 평가기준은 입력된 공정데이터의 최대값이 특정범위에 포함되는지 여부이다.

따라서 공정데이터가 도4b와 같은 패턴을 갖는 경우 제5스텝에서 얻은 공정데이터의 최대값이 B범위에 속하면 장비가 정상인 것으로 보고, 제5스텝에서 얻은 공정데이터의 최대값이 B범위를 벗어나면 장비는 비정상인 것으로 본다.

도4c는 슬로프(Solpe)타입 모델로, 공정데이터 그래프의 기울기를 집중관리하며, 입력된 공정데이터 중에서 레서피의 제1스텝에서 얻은 공정데이터의 그래프 기울기가 특정범위에 속하는지 여부로 장비의 정상여부를 판단한다. 즉, 슬로프타입에서 평가기준은 입력된 공정데이터의 그래프에서 기울기가 특정범위에 포함되는지 여부이다.

따라서 공정데이터가 도4c와 같은 패턴을 갖는 경우 제1스텝에서 얻은 공정데이터의 그래프에서 기울기가 특정범위에 속하면 장비가 정상인 것으로 보고, 기울기가 특정범위를 벗어나면 장비는 비정상인 것으로 본다.

도4d는 고정패턴(Fixed pattern)타입 모델로, 레서피 전 스텝의 패턴을 집중관리하며, 입력된 공정데이터에서 전 스텝의 패턴이 특정범위에 속하는지 여부로 장비의 정상여부를 판단한다. 즉, 고정패턴타입에서 평가기준은 입력된 공정데이터의 그래프가 기준패턴의 그래프를 기준으로 특정범위에 포함되는지 여부이다.

따라서 공정데이터가 도4d와 같은 패턴을 갖는 경우 전 스텝에서 얻은 공정데이터의 그래프가 기준그래프(G)와 유사한 패턴을 가지면서 R의 범위내에 있으면 장비가 정상인 것으로 보고, 공정데이터의 그래프가 R을 벗어나면 장비는 비정상인 것으로 본다.

또한, 도4a 내지 도4d의 기준모델을 결합하여 기준모델을 생성할 수 있다. 예를 들어 레서피의 제1스텝에서 최소값을 관리하고, 레서피의 제5스텝에서 최대값을 관리하는 멀티타입의 기준모델도 생성할 수 있다.

모델선택부(14)에는 입력된 설비데이터에 상응하여 선택될 기준모델을 정리한 테이블이 저장되어 있다. 여기에서 설비데이터는 설비의 노후화정도, 설비에서 부품의 교체여부, 레서피(recipe)의 변경여부 등 설비의 성능에 영향을 미치는 각종 정보를 의미한다. 예를 들면 모델선택부는 공정장비가 가동된지 1년되었을 경우에는 고정패턴타입의 기준모델을 선택하고, 가동된지 5년되었을 경우에는 멀티타입의 기준모델을 선택하도록 설정된 테이블을 저장하고 있다. 따라서 모델선택부(14)는 각종 설비데이터를 입력받고 저장된 테이블을 참고하여 현재의 설비상태에 가장 적합한 모델을 선택하게 된다.

오류감지부(15)는 공정제어서버(50)로부터 전달받은 공정데이터와 모델선택부(14)에서 선택한 기준모델을 비교하여 설비의 상태를 평가한다. 설비의 상태를 평가할 때 오류감지부(15)는 입력된 공정데이터가 선택된 기준모델의 평가기준을 만족하는지 여부로 장비의 정상여부를 판정한다. 예를 들어 선택된 기준모델이 민타입인 경우 전술한 바와 같이 해당 스텝에서 얻은 공정데이터의 최소값이 기준범위에 속하면 장비는 정상인 것으로 보고, 반대의 경우에 장비는 비정상으로 본다.

도5를 참조하여 도2의 모니터링 시스템의 동작을 설명한다. 먼저 모델생성부(12)는 데이터베이스(11)에 저장된 우량데이터와 불량데이터의 패턴을 이용하여 기준모델을 생성하고 모델저장부(13)에 저장한다(80,82).

기준모델의 저장이 완료되면 모델선택부(14)는 설비데이터를 입력받는다(84). 다음으로 모델선택부(14)는 입력된 설비데이터에 가장 적합한 기준모델을 선택하여 오류감지부(15)에 전달한다(86).

오류감지부(15)는 공정제어서버(50)로부터 공정데이터를 입력받아(88), 공정데이터가 선택된 기준모델의 평가기준을 만족하는지 판단한다(90). 공정데이터가 기준모델의 평가기준을 만족하면 오류감지부(15)는 장비의 상태가 정상인 것으로 판단하고(92), 공정데이터가 기준모델의 평가기준을 만족하지 못하면 공정장비는 비정상인 것으로 판단한다(94).

장비에 대한 평가가 완료되면 그 평가결과를 사용자 인터페이스(16)에 전달하여 그 결과를 표시하게 할 수 있다. 특히, 공정장비에 이상이 있는 것으로 판단된 경우 오류감지부(15)는 경보를 발생시키거나 반도체 제조라인의 동작을 중지하게 할 수도 있다.

이상에서 상세히 설명한 바와 같이, 본 발명은 설비의 상태평가시에 우량데이터와 함께 불량데이터를 고려함으로써 설비의 상태를 보다 정확하게 판단할 수 있다.

따라서 설비의 상태가 "정상" 임에도 불구하고 "비정상" 으로 잘못 판단하는 가능성을 줄여 잘못된 경보로 인한 가동중지로 설비의 효율성이 떨어지는 것을 방지할 수 있다.

또한, 기존의 모델링기법과는 달리 기존에 수집된 장비에 관한 데이터의 패턴에 따라 기준모델을 생성함으로써 불규칙적인 데이터가 많이 발생하는 반도체 제조장비에 부합하는 기준모델을 생성할 수 있다.

도1은 본 발명의 일실시예에 따른 공정장비 모니터링 시스템이 적용되는 제조라인을 도시한 블록도이다.

도2는 본 발명의 일실시예에 따른 모니터링 시스템을 도시한 블록도이다.

도3은 도2의 모니터링 시스템에서 기준모델을 생성하는 과정을 도시한 흐름도이다.

도4a, 4b, 4c 및 4d는 공정장비에 관한 기존 데이터의 패턴에 따라 생성된 복수의 기준모델을 도시한 도면이다.

도5는 도2에 도시한 모니터링 시스템의 동작을 도시한 흐름도이다.

*도면의 주요 기능에 대한 부호의 설명*

11:데이터 베이스 12:모델생성부

13:모델저장부 14:모델선택부

15:오류감지부 16:사용자 인터페이스

Claims (6)

1. 장비에 관한 기존 데이터를 기초로 하고, 상기 기존 데이터의 패턴에 따라 다른 평가기준을 갖는 적어도 하나의 기준모델을 생성하는 모델생성부,

   상기 모델생성부에서 생성된 상기 적어도 하나의 기준모델을 저장하는 모델저장부,

   상기 장비로부터 설비데이터를 전송받고, 상기 설비데이터에 연계하여 상기 적어도 하나의 기준모델 중에서 하나를 선택하는 모델선택부,

   상기 장비로부터 공정데이터를 전송받고, 상기 모델선택부에서 선택된 기준모델과 상기 공정데이터를 비교하여 상기 장비의 상태를 평가하는 오류감지부를 포함하는 것을 특징으로 하는 공정장비 모니터링 시스템
2. 제1항에 있어서,

   상기 기존 데이터는 상기 장비가 정상인 상태에서 수집한 데이터인 우량데이터와 상기 장비가 비정상인 상태에서 수집한 데이터인 불량데이터를 포함하는 것을 특징으로 하는 공정장비 모니터링 시스템
3. 제1항에 있어서,

   상기 기준모델은 상기 기존 데이터의 패턴 중에서 집중관리할 부분에 따라 다른 평가기준을 갖도록 설정되는 것을 특징으로 하는 공정장비 모니터링 시스템
4. 제3항에 있어서,

   상기 기준모델은 공정세트인 레서피를 구성하는 임의의 스텝에서 최소값을 관리하는 제1기준모델과, 최대값을 관리하는 제2기준모델과, 각 데이터를 연결한 그래프의 기울기를 관리하는 제3기준모델과, 기준패턴의 그래프를 중심으로 비교대상이 되는 데이터가 기준범위내에 있는 지를 관리하는 제4기준모델과, 상기 제1 내지 제4기준모델의 관리대상 중 적어도 둘 이상의 대상을 관리하는 제5기준모델을 포함하는 것을 특징으로 하는 공정장비 모니터링 시스템
5. 공정장비 모니터링 시스템에서 기준모델을 생성하기 위한 모델생성방법에 있어서,

   데이터 베이스에 저장된 장비에 관한 기존 데이터를 불러오고,

   상기 기존 데이터의 패턴에 따라 다른 평가기준을 갖는 적어도 하나의 기준모델을 생성하는 것을 특징으로 하는 공정장비 모니터링 시스템의 모델생성방법
6. 제5항에 있어서,

   상기 모델생성방법은 상기 데이터의 패턴에서 집중관리할 부분에 따라 다른 기준모델을 생성하는 것을 특징으로 하는 공정장비 모니터링 시스템의 모델생성방법