KR20080081092A - 클러스터 툴을 위한 자동화된 상태 평가 시스템과 그 평가방법 - Google Patents

클러스터 툴을 위한 자동화된 상태 평가 시스템과 그 평가방법 Download PDF

Info

Publication number
KR20080081092A
KR20080081092A KR1020087018867A KR20087018867A KR20080081092A KR 20080081092 A KR20080081092 A KR 20080081092A KR 1020087018867 A KR1020087018867 A KR 1020087018867A KR 20087018867 A KR20087018867 A KR 20087018867A KR 20080081092 A KR20080081092 A KR 20080081092A
Authority
KR
South Korea
Prior art keywords
state
cluster tool
entity
states
tool
Prior art date
Application number
KR1020087018867A
Other languages
English (en)
Other versions
KR101495256B1 (ko
Inventor
울리히 디에르크스
하디 슈마허
Original Assignee
어드밴스드 마이크로 디바이시즈, 인코포레이티드
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 어드밴스드 마이크로 디바이시즈, 인코포레이티드 filed Critical 어드밴스드 마이크로 디바이시즈, 인코포레이티드
Publication of KR20080081092A publication Critical patent/KR20080081092A/ko
Application granted granted Critical
Publication of KR101495256B1 publication Critical patent/KR101495256B1/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
    • 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
    • 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]
    • G05B19/41865—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 job scheduling, process planning, material flow
    • G05B19/4187—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 job scheduling, process planning, material flow by tool management
    • 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
    • G05B23/0243—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 model based detection method, e.g. first-principles knowledge model
    • G05B23/0245—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 model based detection method, e.g. first-principles knowledge model based on a qualitative model, e.g. rule based; if-then decisions
    • G05B23/0251—Abstraction hierarchy, e.g. "complex systems", i.e. system is divided in subsystems, subsystems are monitored and results are combined to decide on status of whole system
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F15/00—Digital computers in general; Data processing equipment in general
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/103—Workflow collaboration or project management
    • 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
    • Y02P80/00—Climate change mitigation technologies for sector-wide applications
    • Y02P80/40—Minimising material used in manufacturing processes
    • 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
    • Y02P90/80—Management or planning

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Manufacturing & Machinery (AREA)
  • General Engineering & Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Computer Hardware Design (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • General Factory Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Numerical Control (AREA)
  • Manipulator (AREA)

Abstract

본 발명은 각 클러스터 툴을 포함하는 엔티티들의 적어도 일부의 복수의 상이한 상태들에 근거하여, 클러스터 툴의 상태를 나타내는 가중된 엔티티 상태들을 사용함에 의해, 신뢰도, 가용성, 유지보수성과 같은 클러스터 툴 특성들의 효율적인 측정과 평가를 가능하게 하는 매우 효율적인 기술에 관한 것이다. 예를 들어, 클러스터 툴의 각 엔티티들은 그들의 능력지수에 따라 가중되고 대응되는 엔티티 상태들은 미리 정의된 계급 구조에 따라 순위가 정해질 수 있어서, 가중된 엔티티 상태들의 효율적인 결합이 가능하여 클러스터 툴 상태를 표현할 수 있다.

Description

클러스터 툴을 위한 자동화된 상태 평가 시스템과 그 평가 방법{AN AUTOMATED STATE ESTIMATION SYSTEM FOR CLUSTER TOOLS AND A METHOD OF OPERATING THE SAME}
일반적으로, 본 발명은 집적 회로 제작 분야에 관한 것으로서, 특히 반도체 소자 제작 또는 다른 마이크로구조 제작에 사용되는 프로세스 툴의 프로세스 툴 특성들을 측정하고 모니터링하는 것에 관한 것이다.
오늘날의 글로벌 시장은 대량 생산품 제조자들이 낮은 가격에 고품질의 상품을 제공하도록 강요한다. 그래서, 생산 비용을 최소화시키는 프로세스 효율성 및 생산량을 증대시키는 것이 중요하다. 이는 특히 예컨대 반도체 소자 제작과 같은 마이크로구조 제작 분야에서 더욱 그러한데, 이 분야에서는 최신 기술을 대량 생산 기술과 결합시키는 것이 필수적이기 때문이다. 그러므로, 반도체(또는 일반적으로 마이크로구조체) 제작자들의 목표는 프로세스 툴 이용을 향상시킴과 동시에 원료 및 소모품 소비를 줄이는 것이다. 프로세스 툴 이용의 향상은 현대의 반도체 설비에서 대단히 중요한데, 이는 반도체 설비에서 요구되는 장치가 엄청난 비용을 필요로 하며 전체 생산 비용의 많은 부분을 차지하기 때문이다. 동시에, 대다수의 다른 기술 분야에 비해, 반도체 설비의 프로세스 툴들은 신제품 및 새로운 프로세스의 빠른 개발로 인하여 더욱 자주 교체되어야 하고, 신제품 및 새로운 프로세스의 빠른 개발은 또한 프로세스 툴들을 그에 대응되게 개조할 것을 요구한다.
그 결과로 복수의 장비별로 특화된 표준들은 반도체장비재료협회 (SEMI; Semiconductor Equipment and Materials Institute)의 E10에서 알려진 장비의 신뢰성, 가용성 및 유지보수성(RAM)의 정의 및 측정과 관련되어 정의되어 왔는데, 이는 집적 회로 등의 미세구조물들을 제작하기 위한 설비에서 발생되는 전형적인 환경에서의 RAM 성능을 측정하기 위한 공통 언어를 제정한다.
E10 표준은 예를 들어, 현재 반도체 산업에서 사용되는 처리 도구들의 RAM 성능을 측정하는 데에 업계에서 널리 채택되고 있으며, 이는 전형적인 제조 환경 내에서 매번 도구의 조건을 분류하기 위해 처리 상태의 6가지 기본적인 도구 상태들을 다음과 같이 정의한다.
(1) 생산 상태(productive state;PRD) - 고려되는 처리 도구의 일반적인 동작, 즉, 처리 도구가 그 목적된 기능을 수행하는 시간을 나타내는 생산 운용 및 이와 같은 것들을 명시함.
(2) 대기 상태(standby state;SBY) - 즉, 처리 도구를 이용할 수 있지만 생산하지는 않은 상태이다. 다시 말해, 이 상태는 도구가 목적된 기능을 수행할 수 있는 상태에 있고 화학 약품들 및 설비들이 이용 가능하지만 도구가 아직 작동하지 않고 있는 기간을 나타낸다.
(3) 엔지니어링 상태(engineering state;ENG) - 즉, 처리 도구가 이용 가능하지만 처리 특성, 장비 평가 등등과 같은 공학 실험들이 진행되고 있어, 처리 도 구가 목적된 기능들을 수행할 수 있는 상태에 있고 도구나 처리상의 문제점들이 존재하지 않는 상태이다.
(4) 계획된 비가동시간 상태(scheduled downtown state;SDT) - 이는 정비 지연(maintenance delay), 생산 테스트들, 예방 정비(preventative maintenance; PM), 소모품들의 교체, 프로세스 변경 준비, 설비 관련 비가동시간 등등과 같은 계획된 비가동시간(downtime) 사건들 때문에 처리 도구가 그 목적된 기능을 수행할 수 없는 기간을 말한다.
(5) 계획되지 않은 비가동시간 상태(unscheduled down time state) - 이는 계획되지 않은 비가동시간 사건들, 예를 들어 정비 지연, 수리, 뜻하지 않은 소모품의 변화, 설계서에 없는 입력들, 뜻하지 않은 설비 관련 비가동시간 등등 때문에 처리 도구가 그 목적된 기능을 수행할 수 있는 상태에 있지 않은 동안의 기간을 말한다.
(6) 계획되지 않은 상태 (unscheduled state) - 이는 오프라인 트레이닝, 비가동 교대들(shifts), 주말들, 휴일들 등등을 포함하는 시간들과 같이 처리 도구가 생산에서 가동되도록 계획되지 않고 있는 동안의 비계획 시간을 말한다.
따라서 이러한 도구 상태들에 근거하여, 처리 도구의 "발전(evolution)"의 총 시간은, 예를 들어 비계획 상태에 대응하는 비계획 시간 및 상기 정의된 1-5 상태에 대응하는 작동 시간으로 분류될 수 있다. 작동 시간은 가동시간(uptime) 및 비가동시간(downtime)으로 분류될 수 있다. 여기서 가동시간은 공학적(engineering) 시간 및 제조 시간으로 보다 세분될 수 있다. 여기서 제조 시간은 생산 시간 및 대기 시간을 포함한다. 결과적으로, 생산 시간, 대기 시간 및 공학 시간은 상기 정의된 1-3 상태에 대응한다. 반면에, 처리 도구의 비가동시간은 계획된 비가동시간 및 비계획된 비가동시간으로 분류될 수 있으며, 이들은 각각 상기 정의된 도구 상태 4와 5에 대응한다.
게다가, 적절한 메트릭들(metrics)은 장비의 동작을 보다 완벽하게 감시 및 측정하도록 처리 도구의 신뢰성, 가용성 및 유지보수성(RAM)을 위해 정의될 수 있으며, 이는 공급업자로의 정보 전달 및 생산성과 프로세스 제어를 향상시키는 것에도 도움을 줄 수 있다. 이러한 점에서, 도구의 신뢰성은 고려되고 있는 처리 도구가 특정 시간 동안에 정해진 조건들 하에서 그 목적된 기능을 수행할 수 있는 가능성으로 정의될 수 있다. 도구의 가용성은 도구가 생산하고 있는 시간들과 대기 시간의 합을 총 가용 시간으로 나눈 것으로 정의될 수 있으며, 여기서 가용성은 일반적으로 백분율로 표현된다. 예를 들어, 168시간-(설비 비가동시간 + 장비 비가동시간 + 공학적 시간 + 준비 및 테스트 시간)/168 시간 × 100으로 표현할 수 있다.
유지보수성은 처리 도구가 정해진 시간 내에 그 목적된 기능을 수행할 수 있는 상태를 유지하거나 그 상태로 회복될 수 있는 가능성으로 정의될 수 있다. 예를 들어, 신뢰성, 가용성 및 유지보수성을 기술하는 데 적절한 측정 기준들(metrics)은 인터럽트간 평균시간(mean time between interrupts;MTBI), 실패간 평균시간(mean time between failures ;MTBF), 어시스트간 평균시간(mean time between assists;MTBA), 평균 수리 시간(mean time to repair;MTTR), 가동시간, 비가동시간 및 이용(utilization)을 포함할 수 있다.
따라서 반도체 설비의 동작 중에는 처리 도구들의 동작을 양적으로 결정하는 데에 대단한 노력이 경주된다. 이 과정에서 많은 양의 처리 정보를 생성하는 많은 숫자의 처리 도구들 때문에 일반적으로 자동화된 자료 수집 기술들이 사용된다. 최근에는, 처리 도구가 복수의 클러스터 혹은 클러스터 툴라 일컬어지는 복수의 기능적 모듈들 또는 엔티티들을 포함하고, 이러한 클러스터 또는 클러스터 툴는 클러스터에 도착하는 제품이 처리 방법 및 현재의 도구 상태에 따라 복수의 프로세스 경로들에서 작동될 수 있도록 병렬적 및/또는 순차적인 방식으로 작동할 수 있다는 점에서 처리 도구들은 점점 더 복잡해져 왔다. 방법(recipe)은 매번 기능적 유닛들을 담고 있는 기판을 생산하기 위해 실행되는 컴퓨터 프로그램, 규칙들, 설계서들, 작동들 및 절차들로 이해될 수 있다. 따라서 클러스터 툴 방법은 일련의 집적 처리 모듈들 또는 엔티티들을 거쳐 기판들을 처리하기 위한 일련의 명령어들로 이해될 수 있다. 여기서, 처리 모듈은 특정 작동을 시행하고 개별적인 처리 상태를 환경, 예를 들어 제조 실행 시스템(manufacturing execution system;MES)에 전달할 수 있는 처리 도구의 기능적인 유닛으로 이해될 수 있다. 그래서 상기 명시된 도구 상태들 또한 각 개별적인 엔티티 또는 처리 모듈에 대응되며, 결국 각 엔티티들을 하나의 개별적인 처리 도구로 볼 것이다.
따라서 장비 성능 보고를 위해, 클러스터 툴를 이루는 엔티티들은 상기 정의된 독립적인 E10 상태들에 관해 추적 및 감시되어야 할 것이지만, 클러스터 툴 전체로서의 평가는 제공되지 않는다. 그래서 관습적인 E10 RAM 메트릭들을 측정하기 위한 능력을 제공하기 위해 클러스터 툴의 상태를 일련의 시스템들로 평가하는 방 식이 제시되었다. 이러한 접근방식에서, 소위 의도된 프로세스 경로들은 독립적인 것으로 정의 및 고려되었다. 여기서, 다중 경로 클러스터 툴의 전반적인 성능은 각 프로세스 경로의 성능으로부터 유도되었다. 앞서 진술한 바와 같이, E10 표준 하에서 정의된 상태들은 다중 경로 클러스터 툴들을 전체적인 수준에서 다루는 것을 허용하지 않고 개별적인 도구 엔티티들에 적용될 수 있다. 그러므로 다양한 도구 엔티티들의 경우 실패간 평균시간(mean time between failures ;MTBF) 형식으로 표현될 수 있는 신뢰성, 동작 가동시간으로 표현될 수 있는 가용성, 평균 수리 시간(mean time to repair;MTTR)으로 표현될 수 있는 정비 용이성이 계산될 수 있지만, 여기서 이러한 메트릭들은 다중 경로 클러스터 툴의 경우 엔티티 자체로서의 메트릭을 제공하지는 못한다.
도 1a 및 1b를 참조하여, E10 표준에 근거하여 클러스터 툴들을 기술하는 전통적인 기술이 보다 상세하게 설명될 것이다. 도 1a는 복수의 엔티티들인 151과 152를 포함하는 클러스터 툴(150)을 개략적으로 도시하고 있다. 여기서 엔티티들 또는 모듈들(151)은 수송 모듈들을 나타낼 수 있다. 예를 들어, 로드 락(load lock) (151A 및 151B)은 기판들을 전달받는 것이고, 엔티티(151C)는 처리 엔티티들 또는 모듈들(152)에 의해 처리된 기판들을 산출하는 언로드 락(unload lock)을 나타낼 수 있다. 예를 들어 (152A 및 152B)는 식각 프로세스 등등과 같이 실질적으로 동일한 프로세스를 시행하도록 구성된 동등한 프로세스 챔버들을 나타낼 수 있다. 프로세스 엔티티 152C는 레지스트(resist) 박리, 청소 등등과 같은 그 다음의 프로세스를 시행하도록 구성될 수 있다. 따라서 클러스터 툴 150에 도착한 기판은 프로 세스 경로에 따라, 엔티티들 151, 152 중 하나의 가용성 등과 같은 도구에 특징적인 조건들에 의해 도구 150을 통과할 것이다. 엔티티들 151, 152 각각은 상기 정의된 상태들에 근거하여 평가될 수 있다. 여기서 도구 150 전체로서의 평가는 덜 중요한 메트릭들로 이어질 수 있다. 이는 예를 들어 처리 모듈들 152A 및 152B 가운데 하나가 특정 시간 동안 기판을 처리할 수 없을 때 기본적으로 클러스터 툴 150은 기능적 엔티티 152에 근거하여 제품들을 생산할 수 있는 그 능력 때문에 항상 생산적인 것으로 고려되기 때문이다. 동시에, 생산적인 상태에 있더라도, 실패가 존재할 수 있으며, 이러한 실패는 장비의 정비를 필요로 하여 가동시간 및 비가동시간에 대한 현재의 정의들을 클러스터 툴 150에 대해 덜 중요하게 만들게 된다. 앞서 논의된 바와 같이, 클러스터 툴 150에 대한 각 의도된 프로세스 경로들을 정의함으로써 클러스터 툴 150은 "가상 도구들"의 집합으로 분류될 수 있다. 여기서 특히 다소 복잡한 구조를 갖는 복수의 도구들이 제조 환경에서 사용되는 경우에, 엔티티 수준에서의 자동화된 상태 변화 자료 수집이 일반적으로 도구 150과 같은 다중 경로 클러스터 툴에 대한 RAM 메트릭들을 효과적으로 산출하기 위해 요구된다. 일반적인 도구 150의 경우, 두 가지 의도된 프로세스 경로들은, 처리 도구 150에 도착하는 기판이 로드락들 151A 및 152B 중 하나에 의해 처리되어 엔티티 152A에 공급되고 그 다음에 152C에 공급되어 최종적으로 언로드 락 151C에 의해 산출되도록 정의될 수 있다. 마찬가지로, 두 번째 프로세스 경로는 로드락들 151A 및 151B 중 하나, 모듈 152B, 모듈 152C 및 언로드락 151C에 의해 정의될 수 있다. 이에 대응하는 의도된 프로세스 경로들은 IPP 1 및 IPP 2로 식별될 수 있으며, 클러 스터 툴 150에 대한 동작 가동시간은 다음과 같이 정의될 수 있다 : 동작 가동시간 (다중 경로 클러스터 툴) = (Σ 모든 의도된 프로세스 경로들의 가동시간)/((프로세스 경로들의 숫자)ㅧ(상기 정의된 바에 따르는 동작 시간)))×100.
동작 가동시간을 결정하기 위해, 각 의도된 프로세스 경로들의 가용성이 결정될 수 있으며, 이는 표 1a와 같은 진리표에 근거하여 이루어질 수 있다.
Figure 112008055212142-PCT00001
RAM 메트릭들을 측정하는 데 있어서 클러스터 툴 150의 복잡성을 줄이기 위해, 운송 시스템의 가용성은 각 진리표에서 개별적으로 고려될 수 있다.
Figure 112008055212142-PCT00002
따라서 표 1b에서 명백하게 나타나 있듯이, 적어도 언로드 락 151C가 업이고 적어도 로드락 151A 및 151B중 하나 이상은 업인 경우에 운송 시스템 151은 업이 된다.
도 1b는 도식적으로 클러스터 툴 150이 가상적으로 두 개의 프로세스 경로 엔티티들 IPP 1 및 IPP 2로 구분되었을 경우에 클러스터 툴 150을 설명하고 있다. 여기서 복수의 운송 모듈들 또는 엔티티들인 151 A, 151 B, 151 C들은 "수송"이라는 하나의 엔티티 151로 조합된다. 따라서 도 1에 도시된 도구 150에 근거하여 도구 150의 가용성은 진리표에 근거하여 확립될 수 있으며, 이러한 진리표는 표 1a 및 1b의 조합을 말한다. 그러므로 표 1c에서, 도 1에서 도시된 것처럼 클러스터 툴 150을 구성하는 엔티티들 IPP 1 및 IPP 2 각각의 가동시간들 및 비가동시간들이 결정될 수 있다.
Figure 112008055212142-PCT00003
표 1c에서 명확히 나타난 바와 같이, 세 도구의 배치들로 인해 이에 대응하는 엔티티 IPP 1의 가동시간이 결정될 수 있다. 또한 앞서의 배치들과는 상이한 각각의 세 도구의 배치들로 인해 이에 대응하는 엔티티 IPP 2의 작동 가동시간이 결정될 수 있다. 따라서 표 1c에 근거하여, 그리고 엔티티들 152 및 운송 151의 일시적인 진행에 따른 각각의 상태들을 측정함으로써, 즉정 시간에 대한 각 작동 가동시간들 및 비가동시간들이 계산될 수 있다. 또한 E10 표준에 따른 다른 가용성에 관한 메트릭들은 상응하여 확립된 표 1c로부터 계산될 수 있다. 예를 들어, 168시간의 작동 시간 동안, 개별적인 엔티티 상태들에 대한 각각의 측정 결과들에 대한 평가한 결과 엔티티 IPP 1의 가동시간가 100시간인 반면, 엔티티 IPP 2의 가동시간은 140 시간일 수 있다. 이러한 예시적인 숫자들로부터, 도구 150의 작동 가동시간 은 앞서 명시된 공식에 따라 계산될 수 있으며, 계산 결과 작동 가동시간은 71.4%가 된다. 신뢰성, 가용성 및 유지보수성에 관한 다른 메트릭들은 상기 명시된 절차들에 근거하여 계산될 수 있다. 예를 들어, 클러스터 툴(150)에 대한 실패 전 평균시간(mean time before failure;MTBF)은 모든 처리 엔티티들, 즉, 엔티티들 152에 대한 생산 시간의 합을 생산 시간 동안 운송 시스템 151을 포함하는 모든 계체들의 실패들의 합으로 나눈 값으로 계산될 수 있다. 상기 식별된 IPP 1 및 IPP 2의 가동시간들에 있어서, 다음의 클러스터 툴 150의 작동 행동들은 다음과 같이 가정될 수 있다 :
엔티티 151A는 생산시간 100시간동안 실패가 하나만 발생하므로 MTBF는 100시간이 될 것이다.
엔티티 151B는 생산시간 140 시간동안 하나의 실패가 발생하는 것으로 가정되므로, MTBF는 140 시간이 될 것이다.
엔티티 151C는 생산시간 140 시간을 가질 것이다. 이는 IPP 2가 앞서 명시된 바와 같이 작동시간이 140 시간이기 때문이다. 그리고 2 개의 실패가 일어날 것으로 가정되므로, MTBF는 70시간이 된다.
운송 시스템 151은 하나의 실패가 발생할 것이므로, MTBF는 140 시간이 된다.
앞서 주어진 공식에 따라, 클러스터 툴 150의 MTBF는 380시간/5실패 = 76시간이 될 것이다.
따라서 클러스터 툴 150에 대한 RAM 메트릭들은 각각의 의도된 프로세스 경 로들을 포함하는 배치에 근거하여 얻어질 수 있다. 그리고 각 의도된 프로세스 경로들은 도구 엔티티들로 고려될 수 있으며, 업 또는 다운 상태에 있을 수 있다. 여기서 일치하는 상태는 상기 확립된 진리표를 참조할 때 개별적인 엔티티들의 상태들에 근거하여 식별될 수 있다.
클러스터 툴의 상태를 평가하기 위한 상기 기술된 측정 방식과 관련해, 상기 명시된 기술을 다양한 복잡한 클러스터 툴들을 포함하는 제조 환경에 적응시키는 경우에는 몇몇 문제점들이 발생할 수 있다. 이는 상기 명시된 기술로부터 얻어지는 측정 결과들의 정확성이 감소되어 각각의 클러스터 툴의 상태들에 대한 평가에 관한 신뢰도가 감소할 수 있기 때문이다. 예를 들어, 클러스터 툴 전체로서의 도구 상태를 평가하기 위한 상기 명시된 기술에 있어서, 챔버들을 통과시키는 것과 같이 매우 신뢰도가 높은 엔티티들을 부가하여 상대적으로 순수하게 클러스터 툴의 시행을 재구성하면, MTBF 값이 매우 증가될 것이다. 이는 신뢰도가 높아졌음을 나타내지만 비현실적인 것이다. 또한 동등한 처리들을 시행하는 엔티티 151A 및 151 B와 같은 각각의 처리 엔티티들이 사실상 동일한 성능을 발휘하도록 하기 위해 실질적으로 동일한 경우 상기 명시된 기술에 의해 얻어지는 대응하는 메트릭들은 정확도가 감소할 것이다. 또한 단일 엔티티로서의 클러스터 툴에 대해 얻어지는 MTBF 값은 실패 숫자로 클러스터 툴의 가동시간을 나눈 값을 이용해 얻어지는 대응 값과 상이하다. 마찬가지로, 실패와 비작동시간 사이의 평균 시간으로부터 산출되는 MTTR 값(평균 수리 시간)은 비작동시간을 실패 숫자로 나눈 값과 상이하다. 상기 명시된 예와 관련하여 MTBF 값 및 MTTR 값은 비현실적인 값들일 수 있다는 점은 명 백하다. 이는 실패간 평균시간을 나타내는 76시간과 평균 수리 시간을 나타내는 24.8시간의 합으로 168시간을 나눈 값은 클러스터 툴 150 전체에서 매주 실패 및 수리 사건들이 1.7이라는 것을 나타내지만, 엔티티 152 C 단독으로도 이미 매주 두 개의 실패 및 수리 사건이 발생하여 전체 클러스터 툴 150에 100%의 비가동시간을 발생시키기 때문이다. 결과적으로, 신뢰성, 가용성 및 정비가능성과 같은 클러스터 툴의 특성들을 일반적인 기술들에 따라 측정하는 것은 보다 신뢰성이 낮은 결과들을 도출하여 반도체 시설에서의 생산 제어에 중요한 영향을 미칠 수 있다.
상기 기술된 상황들의 관점에서 볼 때, 클러스터 툴들을 평가하기 위한 보다 향상된 기술에 대한 수요가 존재하며, 이러한 향상된 기술에서 상기 명시된 하나 이상의 문제점들이 회피되거나 문제점들의 효과가 적어도 상당히 감소될 것이다.
하기의 내용은 본 발명의 일부 실시형태들에 대한 기본적인 이해를 제공하기 위해 본 발명의 단순화된 요약을 제시하고 있다. 이 요약은 본 발명에 대한 정확한 개괄은 아니다. 이 요약은 본 발명의 식별자이거나 중요한 구성요소가 되는 것이 아니며 또한 본 발명의 범위를 제약하는 것도 아니다. 이것의 유일한 목적은 후술될 발명의 상세한 설명에 앞서 단순화된 형태로 본 발명의 개념들을 제시하는 것이다.
일반적으로, 본 발명은 각 클러스터 툴을 포함하는 엔티티들의 적어도 일부의 복수의 상이한 상태들에 근거하여 신뢰도, 가용성, 유지보수성과 같은 클러스터 툴 특성들의 효율적인 측정과 평가를 가능하게 하는 기술에 관한 것이다. 이러한 목적으로, 엔티티로서 클러스터 툴의 "결합된" 상태들이 정의될 수 있는데, 여기서 각 엔티티들의 대응되는 상태들은 서브-상태들을 나타낼 수 있으며, 클러스터 툴의 전체 상태를 결정하는 다양한 기여도를 나타낼 수 있다. 각 서브-상태들을 전체 상태로 적절히 결합시키기 위해, 적절한 가중 팩터(weighting factor) 또는 표준화 팩터들이 확립될 수 있는데, 이는 실질적으로 특정 서브-상태들이 전체 클러스터 툴 상태에 미치는 영향을 결정한다. 일부 예시적 실시예들에서는, 계급(hierarchy)이 복수의 서브-상태들에 대해 확립될 수 있는데, 즉, 클러스터 툴의 각 엔티티 상태들이 사용되어 클러스터 툴 내부의 상태들의 시퀀스에서 하나의 상태가 다른 상태들의 우위에 있게 하는 상응하는 순위를 확립하게 한다. 따라서, 복수의 서브-상태들의 결합으로 인하여, 엔티티로 고려되는 때에 클러스터 툴의 전체 상태는 더욱 정확하고 신뢰할 수 있는 방식으로 모니터링되고 측정될 수 있어서, 툴-특정 메트릭들을 결정하는 신뢰할만한 기준을 제공해주며, 일부 예시적 실시예들에서는, 대응되는 측정값들이 얻어질 수 있는데, 이 값들은 단일 프로세스 툴들에서의 대응되는 측정 결과들과 즉시 비교될 수 있어서, 공급자들의 가용성 책임에 대한 측정에 대한 실시형태들을 제시하고 툴 능력지수에 대한 진술을 가능하게 하는 데이터의 기반을 제공할 수 있다.
본 발명의 일 예시적 실시예에 따르면, 시스템은 2 개 이상의 엔티티들을 갖는 클러스터 툴로부터의 프로세스 메시지들을 수신하도록 구성된 인터페이스를 포함하고, 상기 프로세스 메시지들은 상기 엔티티들 각각에 관한 것이다. 이 시스템은 상기 인터페이스에 연결된 것으로서, 상기 클러스터 툴의 각 엔티티의 기능 능력지수(functional capacity)와 상기 프로세스 메시지들에 근거하여 상기 클러스터 툴의 신뢰도, 가용성, 유지보수성 중 적어도 하나에 대한 메트릭(metric)을 자동으로 결정하도록 구성된 상태 평가 유닛을 더 포함하여 구성된다.
본 발명의 또 다른 예시적 실시예에 따르면, 제조 프로세스 라인에 사용되는 클러스터 툴로부터 상기 클러스터 툴과 통신하는 인터페이스를 통해 프로세스 메시지들을 수신하는 단계를 포함하는 방법이 제공되는데, 상기 클러스터 툴은 복수의 엔티티들을 포함한다. 상기 방법은 각 엔티티의 기능 능력지수와 상기 프로세스 메시지들에 근거하여 상기 클러스터 툴의 현재 전체 상태에 대한 메트릭을 결정하는 단계를 더 포함한다.
본 발명의 다른 예시적 실시예에 따르면, 클러스터 툴의 상태를 측정하는 방법은 클러스터 툴의 복수의 엔티티들 각각으로부터 프로세스 메시지들을 수신하는 단계와, 상기 프로세스 메시지들에 근거하여 각 엔티티들의 현재 엔티티 상태를 결정하는 단계를 포함하고, 상기 복수의 엔티티들의 상기 현재 엔티티 상태들은 복수의 가용(available) 엔티티 상태들 중 하나를 나타낸다. 상기 방법은 상기 클러스터 툴의 상태의 측정으로서 상기 복수의 가용 엔티티 상태들의 미리 정의된 계급에 근거하여 가중된 메트릭들의 집합을 결정하는 단계를 더 포함하며, 상기 가중된 메트릭들 각각은 상기 복수의 가용 엔트리 상태들 중 하나에 관련되어 있다.
본 발명은 첨부된 도면들과 하기의 상세한 설명들을 조합한 것을 참조로 하여 이해될 수 있는데, 도면에서 동일한 참조 번호는 동일한 구성요소를 나타낸다.
도 1a는 복수의 기능 엔티티들 또는 프로세스 모듈들 및 전송 모듈들을 갖는 클러스터 툴를 개략적으로 예시하고 있다.
도 1b는 종래 기술에 따라 도 1a에 도시된 클러스터 툴의 구성을 개략적으로 예시하고 있는데, 각 의도된 프로세스 경로들을 툴 엔티티들로서 정의한다.
도 2a는 본 발명의 예시적인 실시예들에 따라, 마지막 프로세스 단계를 나타내는 메인프레임을 갖는 다양한 프로세스 단계들로 조직되는 복수의 엔티티들을 포함하는 클러스터 툴을 개략적으로 예시하고 있다.
도 2b는 본 발명의 일 예시적인 실시예에 따라 능력지수가 가중된 복수의 엔티티들을 포함하는 클러스터 툴을 개략적으로 예시하고 있다.
도 2c는 본 발명의 예시적인 실시예들에 따른 클러스터 툴 특성들을 측정하는 시스템을 개략적으로 도시하고 있다.
도 2d는 본 발명의 예시적인 실시예들에 따라 도 2c에 도시된 바와 같은 시스템과 통신하는 클러스터 툴을 개략적으로 예시하고 있는데, 클러스터 툴의 임시 동작을 평가하도록 통신한다.
도 2e는 본 발명의 예시적 실시예들에 따라 각 실패 가중 팩터들로 능력지수가 가중되고 주어진 시간 주기 내에 가정된 실패 분배를 갖는 복수의 엔티티들을 포함하는 클러스터 툴에 대한 예시적인 표현의 상위 부분을 예시하고 있다.
도 2f는 도 1a의 클러스터 툴을 개략적으로 예시하는 것으로서, 대응되는 엔티티들은 본 발명의 예시적인 실시예들에 따라 능력지수가 가중된 엔티티들로 표현되어 있다.
본 발명은 다양하게 수정 가능하고 대안적 형태로 변형되기 쉬우며, 본 발명의 특정 실시예들은 도면에서 예로써 도시된 것이고 본 명세서에서 상세하게 설명된 것이다. 본 명세서에 설명된 특정 실시예들은 본 발명을 그 특정 개시사항으로 한정하려는 것이 아니고, 본 발명은 첨부된 특허청구범위에 의해 정해진 본 발명의 범위 및 사상을 벗어나지 않는 한도 내의 모든 수정안, 균등물, 대안들을 포함한다.
본 발명의 예시적인 실시예들이 하기에 설명되어 있다. 명확성의 견지에서, 실제 구현에 있어서의 모든 구성들이 본 명세서에 설명되지는 아니하였다. 어느 그러한 실시예의 개발에 있어서, 제각기 다른 개발자의 구체적인 목표들-예컨대 시스템과 비지니스에 관한 조건들 충족과 같은-을 달성하기 위해서는 구현에 대한 여러 세부 결정들이 내려져야 함이 인식되어야 한다. 또한, 그러한 개발 노력이 복잡하고 시간을 소모하지만, 당업자는 이 개시사항의 이점을 얻기 위해서는 수행해야 하는 과정임이 인식되어야 한다.
본 발명은 첨부된 도면들을 참조하여 설명될 것이다. 다양한 구조체들, 시스템들, 소자들은 단지 설명을 목적으로 그리고 당업자에게 잘 알려진 세부사항들을 도시하는 경우에 이 세부사항들이 오히려 본 발명을 불명료하게 하는 것을 피하기 위하여 도면에 개략적으로 도시하였다. 그럼에도, 첨부된 도면들은 본 발명의 예시적인 실시예들을 기술하고 설명하도록 포함된 것이다. 여기에 사용된 단어들과 문구들은 당업자가 이들 단어 및 문구를 이해하는 것과 일치하는 의미로 이해되고 해 석되어야 한다. 용어 또는 문구의 어떠한 특별한 정의도, 즉 당업자에게 이해되는 일반적인 의미와 다른 어떠한 정의도 여기에서의 그 용어 또는 문구의 일관된 사용에 의한 의미에 포함되지 않는다. 용어 또는 문구가 특별한 의미를, 즉 당업자에 의해 이해되는 것과 다른 의미를 갖도록 확장하려는 경우에는, 그러한 특별한 정의는 그 용어와 문구를 위한 특별한 정의를 직접적으로 명확하게 제공하는 방식으로 본 명세서에 명백히 규정될 것이다.
전반적으로, 본 발명은 클러스터 툴 특성들을 측정하고 모니터링하는 향상된 기술을 제공하는데, 일부 예시적인 실시예들에서는, 클러스터 툴의 상태는 서브-상태들의 관점에서 양적으로 평가될 수 있고, 이 서브-상태들은 대응되는 단일 프로세스 툴들의 프로세스 상태들과 동일한 것일 수 있으며, 이로써 복잡한 제조 환경에서 클러스터 툴들과 단일 툴들을 함께 다루는 것이 가능하다. 따라서, 클러스터 툴의 상태는 가중된(weighted) 또는 표준화된 서브-상태들의 결합으로 표현될 수 있는데, 서브-상태들의 개수는 시스템 요구조건에 따라 선택될 수 있다. 그래서, 일부 예시적인 실시예들에서는, 이 서브-상태들은 단일 프로세스 툴 상태들 기준으로서 선택될 수 있고, 예를 들어 SEMI의 E10 표준에 대응되는데, 상기 기술은 현재 회사-상세 요구조건들에 따라 서브-상태들의 개수를 감소시키거나 증가시키는 능력을 제공한다. 따라서, 단지 2 개의 서브-상태들(즉, 업 상태, 다운 상태)만을 사지던 종래의 방식들에 비해, 본 기술은 각 클러스터 툴의 전체 상태를 평가하는데에 이용가능한데, 매우 복잡한 진리표들이 요구되지만, 본 발명은 서브-상태들의 어느 바람직한 개수에 근거하여 클러스터 툴 상태를 나타내는 능력을 제공한다. 여기서, 각 엔티티들의 모든 독립적 상태들은 전체 클러스터 툴의 성능의 대표적인 점을 제공하도록 결합된다. 따라서, 클러스터 툴 상태는 각 서브-상태들의 믹스처(mixture)를 나타낼 수 있는데, 각 서브-상태들의 영향, 즉 각 엔티티들의 독립적 상태들의 영향은 툴-특정 가중 방식에 의해 적절히 가중되거나 표준화될 수 있고, 이는 일 특정 실시예에서는 능력지수(capacity) 가중 방식에 의해 달성될 수 있다. 따라서, 엔티티들의 클러스터들과 각 엔티티들은 E10 표준들을 사용하여 동등한 것으로 다뤄질 수 있으며, 적절한 측정 결과들이 대응되는 공급자 사양에 대해 얻어질 수 있고, 여기서 툴 능력지수는 하기와 같은 형식으로 처리될 수 있다: 능력지수(기판들/1주)=168(시간/1주)*이용(utilization)(퍼센트)*처리율(throughput rate)(기판들/시간).
예를 들어, E10 표준에 기반한 클러스터 툴 특성들의 결정은 단지 클러스터 툴의 메인프레임의 가용성에 근거할 수 있는 경우에는, 병렬 챔버 실패가 처리율의 감소에 의해 식별될 것인데, 이는 다른 다양한 파라미터들이 처리율의 값에 영향을 미치기 때문에, 공급자를 비난하는 것을 어렵게 만든다. 예를 들자면, 예컨대 병렬로 4 개의 챔버들을 포함하는 클러스터 툴은 메인프레임의 월등한 가용성을 가질 수 있는데, 이는 처리율이 챔버 실패들에 의해 영향받지만 적어도 하나의 챔버라도 동작 중에 있는 한 작업을 할 수 있기 때문이다. 챔버 실패들이 클러스터 툴의 가용성 깎아내리는 것으로 카운트됨에 따라, 성능은 이제 단축되고 추적가능한(traceable) 메트릭에 의해 측정될 수 있다. 또한, 처리율, 생산 시간당 처리된 기판들의 수와 생산 시간이 챔버 실패에 의해 야기된 능력지수 손실과 동일한 크기 로 챔버 실패에 의해 감소하였기에, 툴 특성화가 툴 능력지수에 기반하는 때에는 클러스터 툴의 처리율은 실질적으로 영향받지 않은 채로 남아있을 것이어서, 처리율이 가용성 및 이용 한계로부터 독립적인 파라미터가 되었기에 능력지수 측정을 상당히 촉진할 것이다. 따라서, 종래 기술과 비교할 때, 본 발명에 따라 프로세스-상세 특성들에 비해 툴-상세 특성들의 가용성이 향상되고, 이로써 클러스터 툴의 신뢰도, 가용성, 유지보수성의 효율적인 측정이 크게 개선된다.
도 2a-2f를 참조해 보면, 본 발명의 추가적인 실시예들이 보다 상세하게 설명되어 있다. 도 2a는 복수의 엔티티들(252, 251)을 갖는 클러스터 툴(250)을 개략적으로 나타내고 있는데, 엔티티들(252)은 기판들에서 동작하는 프로세스 모듈들-에칭 챔버, 연마 챔버 등과 같은 프로세스 모듈들-을 나타낼 수 있는데, 엔티티(251)는 복수의 전송 모듈들을 나타낼 수 있고, 이로써 클러스터 툴(250)의 메인프레임을 나타내는데, 다시 말해 기판들을 수납하고 떼어놓는(releasing) 플랫폼이다. 클러스터 툴(250)은 엔티티들(252A, 252B)을 포함할 수 있는데, 이 엔티티들은 실질적으로 동일한 성능 또는 능력지수를 갖는 병렬 모듈들로서 고려될 수 있을 정도로 실질적으로 균등한 프로세스 챔버들로서 고려될 수 있다. 유사한 방식으로, 엔티티들(252C, 252D)도 균등한 모듈 또는 실질적으로 동일한 능력지수를 갖는 병렬 모듈들로서 고려될 수 있다. 병렬 엔티티들(252A, 252B, 252C, 252D와 같은)의 동일한 능력지수 또는 동일한 성능에 대한 가정은 본 발명 및 대응하는 가중 설계에서 필수적인 것은 아니고, 뒤에 상세하게 설명될 바와 같이, 병렬 엔티티들 사이의 적절한 비대칭을 고려할 수도 있다. 252A, 252B, 252C, 252D와 같은 각 병렬 엔 티티들은 실질적으로 동일한 프로세스 출력을 출력해내고 엔티티들(252C, 252D)은 엔티티들(252A, 252B)에 의해 미리 처리된(pre-processed) 기판들에서 동작하기 때문에, 화살표(253)에 예시된 바와 같이 대응하는 프로세스 흐름이 정의되며, 단계 1은 이 프로세스 흐름(253)의 제 1 단계를 나타낼 수 있고, 이는 대응하는 프로세스 방법에 의해 정의된다. 유사한 방식으로, 단계 2는 각 엔티티들(252C, 252D)에 의해 생성되는 프로세스 출력을 나타내고, 프로세스 흐름(253)의 단계 3은 모든 전송 활동과 기판 처리(handling) 활동을 나타낼 수 있는데, 이는 기판 구성의 변경에는 기여하지 않으나, 기판 처리 프로세스 동안 생성된 어느 결함들에는 예외적으로 영향을 미친다. 클러스터 툴(250)의 웨이퍼 처리와 전송을 나타내며, 또한 클러스터 툴(250)의 메인프레임으로 고려될 수도 있는 도 3은, 일 예시적 실시예에서 프로세스 흐름(253)의 마지막 단계로 설정될 수 있고, 이로써 각 클러스터 툴에 관련된 프로세스 단계들 개수의 향상된 가시성을 제공한다.
각 엔티티들(252, 251)이 복수의 미리 정의된 엔티티 상태들-이 상태들은 단일 엔티티가 사용되는 때에는 클러스터 툴의 서브-상태들로 고려될 수 있다- 중 하나에 있을 것이기 때문에, 클러스터 툴(250)은 복수의 서브-상태들의 조합에 있는 것으로서 고려될 수 있고, 그래서 본 발명에 따라, 다양한 서브-상태들의 영향은 클러스터 툴(250)의 적절한 전체 상태를 획득하도록 각 엔티티들(252, 251)에 대응하는 가중 팩터(factor)들을 할당함으로써 가중될 수 있다. 일 예시적 실시예에서, 개별 엔티티들(252, 251)의 가중 또는 표준화는 이 엔티티들의 각 능력지수들에 기초하여 수행되는데, 여기서 클러스터 툴(250)에 대한 적절한 기준이 선택된다. 일 예시적 실시예에서, 기준 능력지수가 클러스터 툴(250)에서 정의된 모든 단계들의 최소 능력지수로서 선택될 수 있다. 대응하는 최소 능력지수는 클러스터 툴(250) 능력지수의 100%로 설정된다. 예를 들어, 클러스터 툴(250)에서, 각 엔티티들(252, 251)에 대한 하기의 성능 데이터는 공급자 정보, 테스트 실행, 평균 동작 데이터 등에 기초하여 만들어진 것인데, 대응하는 성능 데이터는 특정 프로세스 상태들을 참조할 수 있다.
엔티티 252A: 프로세스 시간은 주기당 140초, 프로세스 크기는 주기당 1 기판;
엔티티 252B: 프로세스 시간은 주기당 140초, 프로세스 크기는 주기당 1 기판;
엔티티 252C: 프로세스 시간은 주기당 100초, 프로세스 크기는 주기당 1 기판;
엔티티 252D: 프로세스 시간은 주기당 100초, 프로세스 크기는 주기당 1 기판;
엔티티 251: 프로세스 시간은 주기당 60초, 프로세스 크기는 주기당 1 기판이다.
따라서, 제 1 단계의 엔티티들(252A, 252B)은 70 초 이내에 하나의 기판을 생산해내고, 엔티티들(252C, 252D)은 50초마다 기판을 생산해낼 수 있으며, 엔티티(251)는 60초마다 기판을 처리할 수 있다. 따라서, 단계 1은 클러스터 툴(250) 내의 "병목현상(bottleneck)" 단계를 나타내고 툴(250) 능력지수의 100%를 나타내 는 기준으로서 사용될 수 있다. 따라서, 각 엔티티들(252A, 252B)은 50%의 능력지수를 가지고, 단계 2는 140%의 능력지수를 가지며 여기서 각 엔티티들(252C, 252D)의 70% 능력지수를 갖는다. 마지막으로, 엔티티(251)는 117%의 능력지수를 갖는다. 상기에 특정된 대응되는 프로세스 시간들과 프로세스 크기들로부터, 시간당 기판수의 대응되는 처리율(throughput rates)이 계산될 수 있는데, 단계 1에서는 51.4의 처리율, 단계 2에서는 72.0의 처리율, 단계 3에서는 60.0의 처리율을 보여주며, 이로써 툴(250)의 처리율은 51.4가 되는데, 이는 상기 특정된 능력지수에 따라, 처리율이 시간당 51.4 기판들의 처리율을 갖는 "병목현상" 단계 1에 의해 정의되기 때문이다. 상기 제공된 능력지수 데이터로부터, 각 셋업 매트릭스를 얻을 수 있고, 이는 각 엔티티의 능력지수를 구체화하고 프로세스 흐름(253) 내부에서의 엔티티의 지위를 구체화한다. 표 2a는 툴(250)의 대응되는 셋업 매트릭스를 예시하고 있다.
Figure 112008055212142-PCT00004
표 2a에 나타난 바와 같은 셋업 매트릭스는 툴 특성들 계산의 기초로서 사용될 수 있는데, 예컨대 E10 표준에 근거하여, 클러스터 툴(250)은 이산 시간 주기에 서의 복수의 서브-상태들의 믹스처에 자주 있을 수 있는데, 모든 상태 시간들의 합은 특정 시간 주기의 총 시간이다. 예를 들어, 엔티티(251) 뿐만 아니라 엔티티들(252A, 252B, 252C)은 1 시간 동안 생산 상태에 있을 수 있으며, 엔티티(252D)는 "계획되지 않은 비가동시간 상태(UDT)"에 있을 수 있어서, 클러스터 툴 상태는 이 시간 주기의 70%(42분)가 생산 상태(PRD)에, 그리고 30%(18분)가 UDT 상태에 있을 수 있는데, 이는 70%의 가중 팩터를 갖는 엔티티(252)가 대응되는 단계 능력지수를 감소시킬 수 있어서, 즉 140%에서 70%로 감소시킬 수 있어서 생산 시간 또는 생산 능력지수를 특정 시간 주기 동안에 100%에서 70%로 감소시킬 수 있기 때문이다. 또한, 일부 예시적 실시예들에서는, 가중 팩터들은 대응되게 고안된 동작들에 근거하여 또는 특정 엔티티에서의 모든 동작들의 가중된 평균에 의해 얻어지는 능력지수 데이터에 근거할 수 있다. 다른 실시예들에서는, 대응되는 가중 팩터들, 즉 상기 기술된 실시예에서의 능력지수들은 특정 프로세스 환경에 맞도록 다이내믹하게 조정될 수 있다. 예를 들어, 상이한 단계들에서의 다양한 엔티티들의 대응되는 주기 시간들은 다른 프로세스 방식이 클러스터 툴(250)에 사용될 때에 상당히 변경될 수 있다. 따라서, 각 주기 시간은 다이내믹하게 업데이트되어 대응되는 툴 특성이 특정 프로세스 환경에서 모니터링될 수 있다. 이 경우에, 프로세스-의존 신뢰도, 가용성, 유지보수성이 측정될 수 있는데, 이는 수율 분석, 툴 이용 등에 대한 가치있는 회사 내부 정보를 제공할 수 있다. 다른 예시적 실시예들에서는, 각 가중 팩터들이 독립적으로 선택되고 처리될 수 있는데, 예를 들어 각 클러스터 툴에서 수행되는 모든 동작들에서의 주기 시간들을 평균화함에 의해 대응되는 가중 작업이 특 정 동작들의 주파수 등에 근거하여 수행될 수 있다. 다른 실시예들에서는, 각 엔티티의 성능에 대한 공급자-제공 동작 데이터가 사용될 수 있어서, 실질적으로 어느 프로세스에 특정한 영향을 미치지 않고 엔티티들의 특성들에 관한 소프트웨어 및 하드웨어 사이의 높은 상호관련성을 달성할 수 있다.
각 엔티티들을 평가하는데에 사용되는 상태들의 대표적 믹스처(mixture)를 확립하기 위하여, 일 특정 실시예에서는, 엔티티로서의 클러스터 툴(250)을 위해 복수의 상태들 또는 서브-상태들의 계급이 확립될 수 있는데, 높은 순위의 상태들은 이후에 상세하게 설명할 바와 같이 낮은 순위의 상태들을 "지배하는(overruling)" 능력을 가질 수 있다. 일 실시예에서, 단일 프로세스 툴 또는 엔티티들에 사용되는 E10 표준 상태들은 대응되는 클러스터 툴에 메트릭을 제공하기 위해 믹스처 또는 결합을 정의하는 적절한 복수의 서브-상태들로서 사용될 수 있다.
표 2b는 6 개의 E10 단계들의 대응되는 계급(hierarchy)을 나타내고 있는데, 비-계획 상태(NST: non-scheduled state)가 가장 높은 순위를 가지고, 계획되지 않은 비가동시간 상태(UDT:unscheduled downtime state)가 그 뒤를 이으며, 계획된 비가동시간 상태(SDT:scheduled downtime state), 엔지니어링 상태(ENG:engineering state), 대기 상태(SBY:stanby state), 생산 상태(PRD:productive state)가 뒤따른다.
Figure 112008055212142-PCT00005
예를 들어, 클러스터 툴(250)의 단계 1, 단계 2와 같은 2 개의 순차적인 단계들에서, 단계 1은 100% UDT이고, 단계 2는 100% SDT이다. 표 2b에 예시된 순위에 따르면, 클러스터 툴은 100% UDT인데, 이는 UDT 상태가 SDT 상태를 지배하기 때문이다.
도 2b는 다른 구성에 있어서의 클러스터 툴(250)을 개략적으로 도시하고 있는데, 예를 들어 9 개의 프로세스 엔티티들(252)과, 대응되는 메인프레임 또는 전송 및 기판 처리 엔티티(251)를 포함한다. 화살표에 의해 지시된 바와 같은 대응되는 프로세스 흐름은, 상기에 설명된 일 예시적 실시예에 따라 예를 들어 3 개의 동작 단계들과 마지막 단계로서 메인프레임 또는 기판 처리 단계를 포함한다. 제 1 단계에 속하는 각 엔티티들(252)은 실질적으로 동일한 동작 성능을 가질 수 있는데, 제 1 단계의 프로세스 엔티티들은 툴(250)의 전체 능력지수의 100%를 나타낼 수 있다. 그래서, 제 1 단계의 각 엔티티(252)는 25%의 동일한 가중 팩터 또는 능력지수에 할당된다. 게다가, 제 2 단계에 속하는 복수의 엔티티들(252)은 툴(250) 의 전체 능력지수의 120%를 나타낼 수 있는데, 제 2 단계의 다양한 엔티티들은, 비록 병렬로 동작하더라도, 제각기 다른 가중 팩터들 또는 능력지수들-즉 30%, 60%, 30%로 각기 다름-을 가질 수 있다. 제 3 단계에 속하는 엔티티들(252)은 동일한 성능 특성을 지니며 클러스터 툴(250) 능력지수의 100%를 나타낼 수 있다. 그래서, 제 3 단계에서, 각 엔티티는 50%를 할당받는다. 최종적으로, 메인프레임 또는 전송 및 처리 엔티티(251)는 가중 팩터를 가지거나 그 능력지수가 전체 능력지수의 140%를 나타낼 수 있다. 대응되는 가중 팩터들 또는 능력지수들은 표 2에 도시된 셋업 매트릭스를 참조하여 앞서 설명한 바와 같은 동일한 기준에 근거하여 확립된 것임을 이해해야 한다. 또한, 클러스터 툴(250)이 주어진 시점에서의 동작 상태에 있게 되는데, 이는 엔티티들(252, 251)의 각 상태들에 의해 결정되는 것임이 가정된다. 이 예에서, 예를 들어, 제 1 단계에 속하는 엔티티들(252)은 각각 상태 PRV, SBY, ENG, UDT에 있을 수 있고, 이 지점에서 대응되는 엔티티들(252)은 각각 상태 SDT, PRD, NST에 있을 수 있다. 유사한 방식으로, 제 3 단계에 속하는 엔티티들은 각각 상태 PRD, SBY에 있을 수 있고, 엔티티(251)는 상태 PRD에 있다. 이러한 예에서, 클러스터 툴(250)의 상태가 6 개의 E10 상태들의 믹스처로서 결정될 것이기 때문에, 표 2b에 정의된 대응되는 순위는 다양한 상태들이 클러스터 툴(250)의 전체 상태에 끼치는 영향을 평가하는데에 사용될 수 있다. 예를 들어, 가장 높은 순위 또는 가장 높은 우선순위를 갖는 상태(즉, NST)는 클러스터 툴(250) 내에서 제 2 단계에서 나타나고, 30%의 가중을 갖는 엔티티(252)에서 탐지되는데, 단계 2는 120%의 전체 가중을 갖는다. 따라서, NST 상태는 다른 상태들에 대한 전체 툴 능력지수 의 90%를 "남겨놓고(leave)", 이로써 툴(250)의 전체 툴 상태에 10%의 영향을 나눠준다. 유사한 방식으로, NST 상태가 그보다 우위에 있지만 어느 다른 상태보다는 우위에 있는 UDT 상태는, 25%의 가중 또는 능력지수을 갖는 제 1 단계의 엔티티에서 탐지된다. 따라서, UDT 상태는 어느 낮은 순위의 상태들에게 단지 75%만을 남겨줄 수 있다. 이미 감소한 능력지수 90%는 높은 순위인 SDT 상태에 의해 이용가능하기 때문에, USD 상태의 영향은 15%로 설정될 것인데, 이는 90%와 75%의 차이이다.
계획된 비가동시간 상태(SDT:scheduled down state)는 제 2 단계에서 나타나고 30%의 가중 팩터 또는 능력지수를 갖는데, 이는 이 단계에서 높은 순위인 NST 상태가 또한 30%의 가중 팩터를 제시하기 때문이고, 제 2 단계의 전체 능력지수가 120%이기 때문에 SDT 상태를 포함하는 제 2 단계는 전체 능력지수의 단지 60%만을 남겨줄 것이다. 따라서, SDT 상태의 툴(250)의 전체 상태에 대한 영향은 15%일 수 있는데, 이는 보다 높은 순위인 USD 상태가 이미 75%의 감소한 능력지수로 귀결되었기 때문이다. 유사한 방식으로, 엔지니어링 상태(ENG)는 제 1 단계의 엔티티에서 탐지될 수 있기에, 어느 낮은 순위의 상태에 단지 50%만을 남겨준다. 그래서, 높은 순위의 상태들에 의해 남겨진 것이 단지 60%이기에 ENG 상태의 툴(250)의 전체 상태에 대한 영향은 10%일 수 있다. 또한, 대기 상태(SBY)는 제 1 단계의 일 엔티티(252) 및 제 3 단계의 일 엔티티(252)에서 나타나는데, 대응되는 높은 순위의 상태들의 존재로 인하여 제 1 단계의 SBY 상태는 그 높은 순위의 상태들과 결합하여 낮은 순위의 상태들에 단지 25%만을 남겨주고 이로써 낮은 순위의 상태들의 우위에 있게 된다. 그래서, 이전에 그 단계에서 결정된 바와 같이 어느 높은 순위의 상태 들에 의해 단지 50%만이 남겨졌기에 SBY 상태의 전체 상태에 대한 영향은 25%이다. 최종적으로, 높은 가중 팩터를 가지며 여러 엔티티들(252, 251)에 나타나는 생산 상태(PRD)는 단계 1의 엔티티에 의해 결정되고, 이로써 PRD 상태의 전체 상태에 대한 영향은 25%가 된다. 따라서, 예를 들어 표 2a에 나타난 대응되는 계급에 근거하여, 클러스터 툴(250)의 전체 상태에서의 각 상태들 또는 서브-상태들의 대응되는 분포가 결정된다. 다른 예시적 실시예들에서는, 표 2a의 대응되는 순위는 회사의 특정 요구조건들과 같은 다른 기준에 따라 변경될 수 있으며, 또한 각 엔티티(252, 251)의 더 적은 또는 더 많은 각 상태들이 사용되는 경우 적절히 조정될 수도 있다. 예를 들어, 상기에 구체화된 상태들 중 하나가 향상된 "상태 분해능(state resolution)"을 제공하도록 2 개 이상의 서브-세트들로 분할되는 경우에는, 각 서브-세트들의 대응되는 순위가 적절히 확립될 수 있다. 표 2a에 나타난 셋업 매트릭스와 표 2b에 나타난 대응되는 계급에 근거하여, 일부 예시적 실시예들에서는, 전체 상태들의 대응되는 결정이 수행될 수 있는데, 이는 도 2c를 참조하여 더욱 상세히 기술될 것이다.
도 2c는 클러스터 툴의 상태와, 클러스터 툴의 신뢰도, 가용성, 유지보수성에 대한 메트릭들(metrics)을 모니터링하고 측정하도록 구성된 시스템(200)을 예시하고 있다. 도 2c에 도시된 개별적인 실시예에서, 클러스터 툴은 도 2b에 도시된 바와 같은 클러스터 툴(250)로 표현될 수 있는데, 이는 또한 도 2b에 나타난 바와 같이, 주어진 시점에서의 동일한 구성을 갖는다. 이 시스템(200)은 클러스터 툴(250)로부터 어느 프로세스 메시지들을 수신하기 위해 클러스터 툴(250)과 통신 하도록 구성된 인터페이스(210)를 포함하는데, 이 프로세스 메시지는 적어도 툴(250)의 엔티티들(252, 251)의 각 상태들에 관한 것으로서, 대응되는 프로세스 메시지들을 적어도 특정 타임 슬롯들 내에서 얻을 수 있는데, 이 타임 슬롯들은 클러스터 툴(250)의 각 엔티티들(252, 251)의 어느 상태 변경을 확실히 탐지할 수 있도록 필요한 임시 분해능을 제공한다. 그래서, 인터페이스(210)는 툴 상태들을 확실히 평가하기에 적합한 시간 주기 내에 어느 상태 변경을 탐지하는 것을 가능하게 하는 주파수로 대응되는 프로세스 메시지들을 획득한다. 예를 들어, 일부 예시적 실시예들에서는, 툴(250)의 각 엔티티의 각 현재 상태들을 지시하는 업데이트된 각 프로세스 메시지들을 획득함에 있어서 수 초에서 수 분 또는 몇 시간에 이르는 시간 분해능이 적절한 것으로 고려될 수 있다. 시스템(200)은 또한 상태 평가 유닛(280)을 포함하는데, 이는 툴(250)의 복수의 엔티티들(252, 251)에 관한 상태 데이터들을 수신하기 위해 인터페이스(210)에 연결되어 있으며, 각 상태 데이터는 어느 적절한 포맷으로 제공될 것인바, 이는 상태 평가 유닛(280)으로 하여금 기판들의 대응되는 세트, 즉 툴(250)의 각 엔티티들(252, 251)의 상태들에 근거하여 툴(250)의 전체 상태의 메트릭(metric)을 제공하기 위해 각 상태 데이터를 추가로 조정하게 한다.
일 예시적 실시예에서, 상태 평가 유닛(280)은 6 개의 매트릭스 결정 유닛(220)을 포함할 수 있는데, 이는 인터페이스(210)로부터 어느 상태 데이터를 수신할 수 있고 도한 셋업 데이터를 수신할 수 있는데, 이 셋업 데이터는 인터페이스(210)에 의해 제공된 것이거나 상태 평가 유닛(280)의 어느 다른 외부 또는 내부 소스에 의해 제공된 것일 수 있다. 매트릭스 결정 유닛(220)은 인터페이스(210)에 의해 툴(250)로부터 수신된 프로세스 메시지들과 셋업 데이터에 근거하여 타임 슬롯 내에서 또는 주어진 시점에서 대응되는 현재 상태 매트릭스를 확립하도록 구성된다. 도 2b를 참조하여 기술된 바와 같은 예시적인 클러스터 툴(250)에서, 대응되는 상태 매트릭스는 표 2c에 예시된 바와 같은 정보를 포함할 수 있는데, 이 정보는 도 2b를 참조하여 설명된 각 가중 팩터들 또는 능력지수들과, 클러스터 툴(250)의 각 단계에서의 각 상태들을 결합하여 포함한다.
Figure 112008055212142-PCT00006
상태 매트릭스 결정 유닛(220)에 의해, 인터페이스(210)에 의해 제공된 셋업 데이터 및 상태 데이터로부터 추출된 정보는 어느 적절한 포맷으로 얻을 수 있고 저장될 수 있는데, 여기서 상태 매트릭스 결정 유닛(220)은 저장 수단, CPU 등과 같은 어느 적절한 하드웨어 및 소프트웨어 리소스들을 포함할 수 있고, 이 리소스들은 대응되는 상태 매트릭스를 추출하고 저장하도록 적절히 구성되어 있다.
상태 평가 유닛(280)은 클러스터 툴(250)의 구성에 따라 각 프로세스 단계에 서의 각 상태 또는 서브-상태의 각 능력지수 또는 가중 팩터를 확립하도록 구성된 상태 합산 유닛(230)을 더 포함한다. 툴(250)의 각 단계에서의 대응되는 가중된 상태 데이터가 표 2d에 예시되어 있는데, 표 2d에 포함된 각 데이터를 추출하고 저장하는 어느 하드웨어 및 소프트웨어 리소스들에 대하여, 유닛(220)을 참조로 하여 앞서 설명된 기준과 동일한 기준이 적용될 수 있다.
Figure 112008055212142-PCT00007
상태 평가 유닛(280)은 상태 누산(accumulation) 유닛(240)을 더 포함할 수 있는데, 이 유닛(240)은 각 단계에서의 복수의 상태들의 "누산된(accumulated)" 가중 팩터 또는 능력지수를 제공하도록 구성되고, 여기서, 도 2b를 참조로 하여 앞서 설명한 바와 같이, 누산은 표 2a에 도시된 예와 같은 계급에 근거하여 수행될 수 있다. 상기의 특정 예에서, 도 2e는 클러스터 툴(250)의 각 단계에서의 대응되는 누산된 상태 가중 또는 능력지수를 개략적으로 예시하고 있다.
Figure 112008055212142-PCT00008
표 2e로부터 자명한 바와 같이, 각 상태들의 순위에 따라 각 상태들의 가중치들 또는 능력지수들이 각 단계에서 합산된다.
상태 평가 유닛(280)은 상태 최소 결정 유닛(260)을 더 포함할 수 있는데, 이 유닛(260)은 클러스터 툴(250)의 모든 단계들을 고려할 때 각 누산된 상태들의 최소 가중 또는 최소 능력지수를 식별하도록 구성될 수 있다. 유닛(260)에 의해 제공되는 대응되는 최솟값이 표 2f에 나타나 있다.
Figure 112008055212142-PCT00009
표 2f에서 자명한 바와 같이, 누산 상태 PRD는 25%의 가중 또는 능력지수를을 갖는 것으로 나타나 있는데, 이는 이것이 표 2e에 있어서 모든 단계들(1-4)에서의 상태의 최소 가중 또는 최소 능력지수이기 때문이다.유사한 방식으로, 상태 PRD와 SBY의 누산에 있어서, 표 2e에 따라 단계 1에서 제공되는 이 상태의 최솟값에 대응되는 최소 가중 또는 최소 능력지수는 50%이다. 상태 PRD, SBY, ENG의 누산에 있어서, 단계 2의 각 값에 대응되는 최솟값 60%는 유닛(260)에 의해 결정된다. 유사한 방식으로, 상태 PRD, SBY, ENG, SDT의 누산에 있어서, 표 2e의 제 1 단계의 각 값에 대응하는 75%의 값이 결정된다. 상태 PRD, SBY, ENG, SDT, UDT의 누산의 값인 90%는 단계 2 에 대응되며 최종적으로 상태 PRD, SBY, ENG, SDT, UDT, NST의 누산은 단계들(1-4)-예컨대 표 2e의 단계 1 또는 단계3-의 최솟값을 나타내는 100%의 값을 갖는다.
또한, 상태 평가 유닛(280)은 상태 재분배 유닛(270)을 더 포함할 수 있는데, 이 유닛(270)은 각 상태들 PRD, SBY, ENG, SDT, UDT, NST에 적절한 가중 팩터들 또는 능력지수들을 할당하고, 이들의 합은 클러스터 툴(250)의 전체 상태를 나타낸다. 도 2b와 대응되는 계급을 참조하여 앞서 설명한 바와 같이, 각 영향들이 각 상태들에 할당되는데, 전체 상태가 표준화된 상태, 즉 대응하여 결정된 가중 팩터들 또는 능력지수들을 갖는 대응되는 서브-상태들과 함께 클러스터 툴 상태의 100%를 나타내는 방식으로 할당된다. 표 2g는 표 2f에 나타난 후속되는 누산 상태들의 각 차이를 결정함에 의해 얻을 수 있는, 대응되는 클러스터 서브-상태들의 각 가중 팩터들을 예시하고 있다.
Figure 112008055212142-PCT00010
따라서, 상태 평가 유닛(280)은 가중된 서브-상태들의 믹스처로서 클러스터 툴(250) 상태의 양적인 측정을 제공할 수 있는데, 일 예시적 실시예에서는, 표준 E10 엔티티 상태에 의해 표현될 수 있다. 상태 재분배 유닛(270)에 의해 제공된 클러스터 상태는 신뢰도, 가용성 및 유지보수성과 같은 추가적 툴 특성들의 평가 및 결정에 사용될 수 있다. 이러한 목적으로, 시스템(200)은 인터페이스(210)를 통해 클러스터 툴 상태를 나타내는 각 값들을 외부 소스에 제공할 수 있는데, 다른 예시적 실시예들에서는, 상태 평가 유닛(280)은 클러스터 상태에 근거하여 각 툴 특성의 메트릭을 결정하도록 구성될 수 있다. 앞서 설명한 바와 같이, 툴(250)에 의해 제공되고 인터페이스(210)에 의해 수신된 대응되는 상태 데이터는 어느 적절한 임시 시퀀스에 모일 수 있는데, 여기서 대응되는 클러스터 툴 상태는 툴(250)에 의해 제공된 업데이트된 데이터의 각 버전을 위해 결정될 수 있고, 또한, 다른 실시예들에서는, 업데이트된 각 클러스터 툴 상태들은 시스템(200)에 의해 클러스터 툴의 엔티티들 중 하나에서의 상태 변화가 탐지되자마자 결정될 수 있다. 예를 들어, 일 예시적 실시예에서는, 시스템(200)은 앞의 유효한 상태와 툴(250)의 상태를 비교하도록 구성될 수 있는데, 이는, 예를 들어, 유닛(220)이 후속되어 결정되는 2 개의 상태 매트릭스들의 차이를 탐지할 때마다 클러스터 툴(250)의 대응되는 업데이트된 툴 상태가 결정될 수 있게끔 유닛(220)에 의해 제공된 상태 매트릭스들을 대응되게 비교함에 의해 달성될 수 있다. 실시간 방식으로 수행되는 현재 유효한 툴 상태의 대응되는 결정은 어느 적절한 시점에서 수행될 수 있는데, 인터페이스(210) 및/또는 상태 평가 유닛(280)이 소정의 주파수로 대응되는 상태 데이터 또는 프로세스 메시지들을 수신하자마자 수행될 수 있고, 여기서 대응되는 데이터는 즉시 또는 상태 평가 유닛(280)의 컴퓨터 리소스들에 따라 지연되는 방식으로 처리될 수 있다. 따라서, 툴(250) 상태의 다이내믹한 동작과 그로 인한 대응되는 툴 특성들의 메트릭스들은 클러스터 툴(250)의 툴 상태의 임시 발달에 근거하여 결정될 수 있다.
도 2d는 클러스터 툴 상태의 다이내믹한 발달에 대한 포괄적인 예를 제시하도록 매우 단순한 클러스터 툴을 개략적으로 예시하고 있다. 이로써, 클러스터 툴이 각 서브-상태 중 하나에 있는 시간 주기와 같은 툴 특성들에 대한 어느 양적 평가가 특정 시간 주기 내에 모든 다양한 전체 클러스터 툴 상태들의 합계로서 얻어질 수 있음을 지시한다. 도 2d에서, 툴(250)로서 또한 나타난 클러스터 툴은 2 개의 프로세스 엔티티들(252)을 포함할 수 있는데, 이들은 병렬로 동작하고 동일한 성능을 가지며, 클러스터 툴은 또한 전송 및 처리 또는 메인프레임 엔티티(251)를 포함할 수 있다. 따라서, 툴(250)은 2 개의 단계들로 세분화될 수 있는데, 제 1 단 계는 100%의 능력지수를 가지고, 이는 전송 및 처리 엔티티(251)가 185%와 같은 향상된 능력지수를 가질 수 있기 때문이다. 클러스터 툴(250)은 복수의 시점들 t1, t2,..., tn에서 각 프로세스 메시지들을 제공하도록 시스템(200)에 연결될 수 있고, 이는 시스템(200)이 t1, t2,..., tn로 표현된 각 타임 슬롯들에서의 각 클러스터 툴 상태들을 계산할 수 있게 하기 위함이다. 간결함을 위해, 툴(250)의 엔티티들 중 하나에 있는 상태의 어느 변화들이 각 시간에서 발생할 수 있어서 각 시간에 대응되는 업데이트된 클러스터 툴 상태가 결정됨이 가정될 수 있다. 시간들 t1, t2,..., tn로 표현된 타임 슬롯들에서, 클러스터 툴(250)의 엔티티들(252A, 252B, 251)이 표 2h에 예시된 각 엔티티 상태를 가질 수 있음이 가정된다.
Figure 112008055212142-PCT00011
예를 들어, 시간 t1 동안에, 툴(250)의 모든 엔티티들은 생산 상태에 있고, 표 2h의 왼편에 나타난 바와 같이 툴(250)의 생산성은 100%가 된다. 유사한 방식으로, 시간 t2 동안에, 엔티티 252B는 ENG 상태에 있고, 툴(250)의 총 상태는 50%의 생산과 50%의 엔지니어링이 되어 생산 상태의 대응되는 시간 주기는 0.5 시간이고 단일 엔티티로 고려될 때에 툴(250)의 엔지니어링 상태의 대응되는 시간 주기는 0.5 시간이다. 각 서브-상태들의 각 값들은 도 2c를 참조하여 앞서 설명한 바와 같은 과정에 따라 유도될 수 있고, 서브 상태들은 그 결합이 하나의 엔티티로서 고려될 때에 툴(250)의 상태를 나타낸다. 그래서, 예를 들어 12 타임 슬롯들 이후에, 결과적인 총 상태가 각 전체 상태들을 통합하거나 합산함에 의해 결정될 수 있고, 이로써 클러스터 툴(250)의 각 서브-상태들에 각 메트릭들을 제공한다. 이 예에서, 12 시간의 시간 주기 동안에, 툴(250)은 2.5 시간 동안은 생산 상태에 있었고, 0.5 시간은 대기 상태에 있었으며, 3.0 시간은 엔지니어링 상태에 있었고, 2.0 시간은 계획된 비가동시간 상태에 있었으며, 3.0 시간은 계획되지 않은 비가동시간 상태에 있었고, 1.0 시간은 비-계획 상태에 있었을 수 있다.
추가적인 예시적 실시예에서는, 도 2d에 도시된 바와 같은 시스템(200)은 클러스터 툴(250)에 대한 실패 카운트 근사화를 포함하도록 또한 구성될 수 있다. 앞서 설명한 바와 같이, 클러스터 툴(250)의 각 개별 엔티티가 속해 있는 복수의 상태들은 결합된 클러스터 툴 상태를 나타내도록 적절히 가중될 수 있는데, 여기서 가중 팩터는 각 엔티티 상태가 전체 클러스터 상태에 미치는 대응되는 영향을 나타 낼 수 있다. 가중된 엔티티 상태들에 의해 얻어지는 각 메트릭들은 신뢰도, 가용성, 유지보수성과 같은 툴 특성들의 결정에 사용될 수 있는데, 이는 단일 엔티티들의 툴 특성의 대응되는 결정에 또한 사용될 수 있는 대응되는 프로세스들에 근거하여 사용될 수 있고, 대응되는 툴 실패들은 유사한 방식으로 각 엔티티 상태들로서 가중될 수 있다. 예를 들어, 계획되지 않은 비가동시간 상태를 나타내는 UDT 상태는 전형적으로 툴의 각 실패와 관련되어 있다. 따라서, 만약 UDT 상태가 전체 클러스터 툴 상태를 정의하는 특정 가중을 갖는 경우라면, 대응되는 가중 팩터는 또한 각 툴 실패에 할당될 수 있는데, 이는 신뢰도와 같은 툴 특성들에 대한 포괄적이고도 일관적인 메트릭들을 산출해낼 수 있으며, 신뢰도와 같은 툴 특성들은 메트릭 평균 수리 시간(MTTR:mean time to repair) 또는 평균 고장 간격(MTBF:mean productive time between failure)에 의해 나타내어질 수 있다. 일 예시적 실시예에서, UDT 상태에 관련된 실패 카운트는 대응되는 실패의 발생에 따른 능력지수 손실을 나타내는 대응되는 가중 팩터에 의해 가중될 수 있다.
도 2e는 복수의 엔티티들(252)과 전송 및 처리 엔티티(251)를 갖는 클러스터 툴(250)을 개략적으로 나타내고 있다. 클러스터 툴(250)의 대응되는 프로세스 흐름은 4 개의 단계들로 표현되어 있는데, 각 단계에서의 각 엔티티들(252, 251)은 예컨대 도 2a를 참조하여 설명한 바와 같은 성능 능력지수에 근거하여 각 가중 팩터들을 받는다. 도시된 예에서, 툴(250)의 단계 1을 정의하는 엔티티들(252)은 동일한 프로세스들을 수행할 수 있고 120%의 총 능력지수를 가질 수 있다. 제 2 단계를 정의하는 대응되는 엔티티들(252)은 140%의 총 능력지수를 가질 수 있는데, 제 3 단계를 정의하는 단일 엔티티(252)는 120%의 능력지수를 가질 수 있다. 도시된 예에서, 전송 및 처리 엔티티(251)는 제 4 단계를 정의할 수 있고 클러스터 툴(250)의 "병목현상"을 나타낼 수 있어서, 100%의 기준을 나타낸다. 특정 시점에서, 각 엔티티들(252, 251)은 도 2e에 나타난 각 단계들에 있을 수 있어서, 예컨대 단계 1에서는, 2 개의 엔티티들이 UDT 상태에 있고, 제 2 단계에서는 하나의 엔티티가 UDT 상태에 있으며, 제 3 단계에서는 각 엔티티가 UDT 상태에 있다. 또한, 앞서 설명한 바와 같이, 대응되는 UDT 상태는 엔티티 실패를 나타내는데, 각 실패들은 단일 엔티티로 고려되는 때에 툴(250)의 실패 카운트를 제공하도록 단순히 더해지지 않고, 도 2e에 나타난 바와 같은 각 가중 팩터들에 의해 가중될 수 있다. 예를 들어, 단계 1에서는, 하나의 엔티티(252)의 실패는 툴(250)의 100%에 대한 20%의 능력지수 손실을 가져올 수 있다. 따라서, 대응되는 실패에 대한 각 가중 팩터는 20% 또는 0.2으로 설정될 수 있다. 유사한 방식으로, 단계 2에서의 실패 가중 팩터는 30% 또는 0.3으로 선택될 수 있는데, 이는 단계 2의 2 개의 엔티티들(252) 중 하나에서의 실패는 툴(250)의 100% 능력지수의 30% 능력지수 손실을 가져올 수 있기 때문이다. 또한, 단계 3과 단계 4에서의 엔티티들의 각 가중 팩터들은 100% 또는 1.0으로 설정될 수 있는데, 이는 이 엔티티들 중 하나에서의 실패는 툴 능력지수를 0으로 감소시키기 때문이다. 따라서, 도 2e에 나타난 엔티티 상태들에 의해 표현되는 특정 주기 동안에, 4 번의 각 실패들이 발생한다. 즉, 제 1 단계에서 2 번의 실패가 일어나고, 제 2 단계에서 1 번의 실패 그리고 제 3 단계에서 1 번의 실패가 일어난다. 일 예시적 실시예에서, 대응되는 가중 실패들은 각 가중 팩터들에 근거 하여 계산될 수 있는데, 이로써 단계 1 내지 단계 4 중 하나의 단계에서의 어느 실패의 동시 발생에 의해 유발되는 어느 추가적인 능력지수 손실을 무시할 수 있다. 예를 들어, 도시된 예에서, 단계 1에서의 각 실패는 0.2만큼 가중될 수 있고, 이로써 단계 1에서의 전체 가중된 실패 카운트는 0.4가 된다. 유사한 방식으로, 단계 2에서의 단일한 실패는 0.3만큼 가중될 것이고, 단계 3에서의 단일한 실패는 1.0만큼 가중될 것이어서, 전체 실패 카운트는 1.7이 된다.
다른 실시예들에서, 실패들의 동시 발생은 가중 팩터들을 대응되게 재정의함에 의해 참작될 수 있다. 예를 들어, 단계 1에서의 실패들의 동시 발생은 60%의 능력지수 손실을 가져와서, 단계 1에서의 2 번의 실패들의 동시 발생에 대응되는 가중 팩터는 각 실패 가중치들의 합인 0.4가 아닌 0.6일 것이다. 일부 예시적 실시예들에서는, 실패 가중치들의 결정은 각 실패 상태들의 임시 발생에 대응하여 확립된 가중 팩터들에 근거하여 수행될 수 있어서, 예를 들어 2 이상의 실패 상태들의 동시 발생으로 중복되는 시간 주기에서, 가중 팩터가 조정될 수 있고 하나 이상의 실패 상태들은 지나갔지만 하나 이상의 다른 실패 상태들은 여전히 현존하는 때에는 가중 팩터는 재조정될 수 있다. 따라서, 각 툴 특성들을 더욱 정확하게 결정하도록 매우 일관적인 실패 카운트들이 클러스터 툴(250)을 위해 확립될 수 있으며, 툴 특성들은 각 클러스터 툴의 총 실패 카운트에 기초한다. 예를 들어, 도 1a-1b를 참조하여 앞서 설명한 종래의 기술들에서는, 각 엔티티 실패는 단순히 더해지고, 이는 신뢰도 등과 같은 각 툴 특성들의 비-포괄적인 메트릭들을 가져오는데, 실패 카운트는 툴 특성들을 평가하는데에 사용된다.
도 2f는 도 1a에 도시된 클러스터 툴(150)과 같은 클러스터 툴을 예시하고 있는데, 툴(150)의 실제 구성은 본 발명의 일 예시적 실시예를 기초로 하여 달성될 수 있는데, 능력지수가 가중된 엔티티 상태들이 제공된다. 본 발명에 의해 얻어진 결과들과 툴(150)을 위해 앞서 기술된 대응되는 결과들을 비교하기 위하여, 진리표(truth table) 1c에 의해 기술된 각 구성이 선택될 수 있는데, 엔티티(152A)가 업되고, 엔티티(152B)가 다운되며, 엔티티(152C)가 업되고 전송(151)이 업되어, IPP1이 업되게 되고 IPP2가 다운되게 된다. 도 2f에서, 툴(150)은 3 개의 단계들로 예시되어 있는데, 대응되는 값들이 종래의 예들로부터 이용가능하지 않기 때문에 각 능력지수 가중치들이 선택된다. 각 가중 팩터들에 근거하여, 상태 매트릭스를 얻기 위한 대응되는 과정은, 도 2c를 참조하여 상세히 설명된 바와 같이, 상태 및 단계당 능력지수 가중치들의 대응되는 합산을 수행하고, 누산된 상태들의 각 능력지수를 결정하며, 각 누산된 상태의 최소 능력지수 가중치를 선택하며 최종적으로 대응되는 가중 팩터들을 재분배함으로써 전체 클러스터 상태에의 각 영향들을 결정한다. 이 과정은 또한 도 2f에 예시된 툴(150)에도 적용될 수 있다. 따라서, 하기의 클러스터 상태를 얻을 수 있다: PRD 75%, SBY 0%, ENG 0%, SDT 0%, UDT 25%, NST 0%. IPP1의 100시간의 가동 시간과 IPP2의 140시간의 가동 시간, 그리고 IPP1, IPP2의 비가동 시간들에 근거하여, 각 동작 설계는 표 2i에 나타난 바와 같이 가정될 수 있다.
Figure 112008055212142-PCT00012
앞서 설명한 바와 같이, 대응되는 프로세스 시퀀스는 종래 기술에 따라 하나의 엔티티로 고려될 때 툴(150)의 가동 시간이 71.4%이고 대응되는 비가동 시간이 28.6%가 되게 한다. 표 2i로부터 명백한 바와 같이, 엔티티(152A) 내에서 한 번의 실패가 발생하고, 엔티티(152C)에서 2 번의 실패가 발생할 수 있으며, 전송에서 1 번의 실패가 발생할 수 있고, 엔티티(152B)에서 또한 한 번의 실패가 발생한다. 따라서, 앞서 설명한 바와 같이, 총 5번의 실패들에서 실패들 사이의 평균 시간은 76.0시간이다. 이 값들과는 반대로, 표 2i에 의해 지시된 바와 같은 각 타임 슬롯들에서 각 클러스터 툴 상태를 결정함으로써, 즉 각 타임 슬롯에 예시적 실시예들에 따라 상기에 특정된 과정을 적용하고 도 2c를 참조하여 설명한 바와 같이 각 클러스터 툴 상태들을 누산함으로써, 툴(150)의 상태를 포함하는 각 서브-상태들에 대한 하기와 같은 메트릭들을 얻을 수 있다: PRD 130.0시간, SBY 0.0 시간, ENG 0.0 시간, SDT 0.0 시간, UDT 38.0 시간, NST 0.0 시간. 따라서, 생산 시간 즉 가동 시간은 77.4%가 얻어지며, 이 경우 비가동 시간은 22.6%이다.
또한, 단계 1 내의 어느 실패들에 대응되는 가중 팩터들은 0.25인데, 단계2와 단계3에서의 각 가중 팩터들은 1.0이다. 따라서, 가중된 실패 카운트, 즉 0.25의 각 실패 가중치를 갖는 단계 1에서의 실패들과, 1.0의 실패 가중치를 갖는 단계2에서의 2 번의 실패들, 1.0의 실패 가중치를 갖는 단계 3에서의 한 번의 실패는 가중된 실패 카운트 3.5값을 산출해낸다. 따라서, MTBF, 실패 간 평균 가동시간(MUTBF:mean uptime between failure), MTTR과 같이 신뢰도를 나타내는 대응되는 메트릭들이 결정될 수 있고, 이로써 하기와 같이 계산된다: MTBF(생산 시간/실패 카운트) 37.14시간, MUTBF(가동 시간/실패 카운트) 37.14시간, MTTR(비가동 시간/실패 카운트) 10.86시간.
예를 들어, 종래의 기술에 근거하여 결정되는, 실패 이전의 대응되는 평균 시간은 76.0시간으로 산출되어, 본 발명에 따른 대응되는 결과와는 상당한 편차를 나타낸다. 또한, 본 발명의 결과들의 일관성의 높은 정도는 1-(MTTR/(MTTR+MUTBF)), 수율 0.774-앞서 얻은 77.4%의 가동시간과 동일함-로 정의된 가용성을 평가함에 의해 지시될 수 있다.
그 결과, 본 발명은 클러스터 툴 상태들을 모니터링하고 측정하는 향상된 기술을 제공하여, 신뢰성, 가용성, 유지보수성과 같은 툴 특성들을 특정하는 능력을 제공하는데, 일부 예시적 실시예들에서는, 표준 E10 상태들이 대응되는 클러스터 툴 상태를 나타내는데에 사용될 수 있다. 이러한 목적으로, 가중된 엔티티 상태들 은 클러스터 툴 상태를 나타내는 것을 제공하도록 결합될 수 있고, 여기서 엔티티 상태들의 누산 또는 집합인 각 결합은 엔티티 상태들의 적절히 정의된 계급 구조에 근거하여 수행될 수 있다. 또한, 일부 예시적 실시예들에서는, 대응되는 엔티티 상태들에 의해 지시되는 각 실패들은 적절한 가중 팩터들에 근거하여 또한 가중될 수 있어서, 툴 특성들의 숫자 값들 관점에서의 높은 일관성을 제공한다. 일 예시적 실시예에서, 가중 팩터는 각 엔티티들의 능력지수에 근거하여 결정될 수 있는데, 여기서 능력지수는 복수의 동작들에서의 평균화된 주기 시간과 같은 어느 적절한 성능 데이터에 의해 결정될 수 있고, 공급자 특정 데이터 또는 대응되는 능력지수 값들이 동작 환경에 따라 다이내믹하게 조정될 수 있다. 또한, 종래의 기술들에서는 단지 없 상태와 다운 상태만이 사용되었지만, 본 명세서에 제공되는 시스템들 및 방법들에 의해 여러 개의 서브-상태들이 관리될 수 있다. 종래의 기술에서의 클러스터 설명에서는, n 개의 엔티티들로 클러스터 툴의 2n 개의 로우들에 이르는 진리표가 요구되었었는데, 본 발명은 단지 n 개의 로우들만을 갖는 셋업 매트릭스를 이용할 수 있다. 또한, 본 발명은 클러스터 툴을 위하여 병렬 엔티티들의 충분한 능력지수를 고려할 수 있는데, 즉 70%의 능력지수를 갖는 2 개의 병렬 챔버들은, 챔버들 중 하나가 실패할 때 30%의 능력지수 손실을 가져오고, 종래 기술에서는 50%의 능력지수 손실이 일어난다. 따라서, 클러스터 매트릭스 모델링에 대한 적절한 노력과 결합한, 클러스터 툴의 표현에 대한 높은 포괄성이 달성될 수 있고, 종래 기술들과 비교할 때 가용성, 신뢰도 및 유지보수성의 측정이 보다 정확한 메트릭들 을 이끌어 낼 수 있다.
상기에 설명된 특정 실시예들은 단지 예시적인 것으로서, 본 발명은 수정될 수 있거나 다르지만 균등한 방식들로 실시될 수 있는데, 이는 본 발명의 이점을 잘 이해하는 당업자에게는 자명할 것이다. 예를 들어, 상기에 정해진 프로세스 단계들은 다른 순서로 수행될 수도 있다. 본 발명은 본 명세서에 나타난 세부 고안이나 세부 구성들로 제한되는 것이 아니다. 상기 개시된 실시예들은 본 발명의 범위와 사상을 벗어나지 않는 한도에서 다양하게 변형되거나 수정될 수 있음이 명백하다. 따라서, 발명의 범위는 하기의 특허청구범위에 의해 정해진다.

Claims (10)

  1. 2 개 이상의 엔티티들을 갖는 클러스터 툴로부터의 프로세스 메시지들을 수신하도록 구성된 인터페이스-상기 프로세스 메시지들은 상기 엔티티들 각각에 관한 것이며-와;
    상기 인터페이스에 연결된 것으로서, 상기 클러스터 툴의 각 엔티티의 기능 능력지수(functional capacity)와 상기 프로세스 메시지들에 근거하여 상기 클러스터 툴의 신뢰도, 가용성, 유지보수성 중 적어도 하나에 대한 메트릭(metric)을 자동으로 결정하도록 구성된 상태 평가 유닛을 포함하여 구성되는 시스템.
  2. 제 1 항에 있어서, 상기 상태 평가 유닛은:
    상기 프로세스 메시지들에 근거하여 각 엔티티의 능력지수가 가중된 현재 상태를 결정하도록 구성되는 상태 메트릭 결정 유닛과;
    상기 클러스터 툴의 각 프로세스 단계에 대한 상기 능력지수가 가중된 현재 상태들에 기반하여 능력지수가 가중된 상태 메트릭들을 합산하도록 구성되는 상태 합산 유닛-각 프로세스 단계는 상기 클러스터 툴의 동등한 엔티티들에 의해 정의되며-과;
    상기 능력지수가 가중된 상태 메트릭들에 근거하여 각 프로세스 단계에서의 각 가용 상태에 대한 누산된(accumulated) 상태 메트릭을 결정하는 상태 누산 회로와;
    각 프로세스 단계의 각 상태에 대한 최소 메트릭을 결정하도록 구성된 상태 최소 결정 유닛과;
    상기 최소 메트릭들로부터 유도되는 각 상태에 대한 메트릭들의 집합으로서 상기 클러스터 툴의 전체 상태의 메트릭을 결정하도록 구성되는 상태 능력지수 재분배 유닛과; 그리고
    상기 전체 상태의 상기 메트릭을 다이내믹하게 업데이트하도록 구성된 다이내믹 상태 평가 모듈을 포함하는 것을 특징으로 하는 시스템.
  3. 제 1 항에 있어서,
    상기 엔티티들 각각의 상기 기능 능력지수들에 근거하여 상기 클러스터 툴의 가중된 실패 카운트를 결정하도록 구성된 실패 카운트 유닛을 더 포함하는 것을 특징으로 하는 시스템.
  4. 제 1 항에 있어서,
    상기 인터페이스는 제조 수행 시스템과 프로세스 데이터를 교환하도록 더 구성되고, 상기 프로세스 데이터는 상기 클러스터 툴에 관한 것임을 특징으로 하는 시스템.
  5. 제조 프로세스 라인에 사용되는 클러스터 툴로부터 상기 클러스터 툴과 통신하는 인터페이스를 통해 프로세스 메시지들을 수신하는 단계-상기 클러스터 툴은 복수의 엔티티들을 포함하며-와;
    각 엔티티의 기능 능력지수와 상기 프로세스 메시지들에 근거하여 상기 클러스터 툴의 현재 전체 상태에 대한 메트릭을 결정하는 단계를 포함하는 방법.
  6. 제 5 항에 있어서,
    상기 프로세스 메시지들은 상기 각 엔티티의 복수의 가용 상태들 중 하나를 특정하는 툴-특정 정보를 포함하는데, 상기 복수의 가용 상태들은 생산 상태(productive state;PRD), 대기 상태(standby state;SBY), 엔지니어링 상태(engineering state;ENG), 계획된 비가동시간 상태(scheduled downtime state;SDT), 계획되지 않은 비가동시간 상태(unscheduled down time state), 비-계획 상태(non-scheduled state)를 포함하며,
    상기 복수의 가용 상태들은:
    생산 상태, 대기 상태, 엔지니어링 상태, 계획된 비가동시간 상태, 계획되지 않은 비가동시간 상태, 비-계획 상태의 순서로 최하위 순위로부터 최상위 순위에 이르는 순위를 갖는 것을 특징으로 하는 방법.
  7. 제 6 항에 있어서,
    상기 클러스터 툴의 상기 전체 상태의 상기 메트릭은 값들의 집합이며, 각 값은 상기 가용 상태들 중 각 하나에 관련되어 있으며 상기 각 하나의 가용 상태의 상기 전체 상태에 대한 가중된(weighted) 기여도를 나타내는 것을 특징으로 하는 방법.
  8. 제 5 항에 있어서, 상기 방법은:
    상기 전체 상태의 상기 메트릭에 근거하여 신뢰도, 가용성, 유지보수성 중 적어도 하나를 측정하는 단계와;
    적어도 하나의 엔티티의 상태 변화에 의해 정의되는 동작 시간 구간에서의 상기 전체 상태에 대한 업데이트된 메트릭을 결정하는 단계와;
    상기 복수의 엔티티들 각각의 가중된 능력지수를 정의하는 단계와, 여기서 최하위의 능력지수를 갖는 엔티티가 기준으로 사용되고, 각 엔티티에 대한 상기 가중된 능력지수는 각 엔티티에서 특정된 프로세스의 주기 시간과 각 엔티티에서 동시에 처리되는 기판들의 개수에 근거하여 결정되며; 그리고
    상기 프로세스 메시지들에 근거하여 상기 주기 시간을 다이내믹하게 업데이트하는 단계를 더 포함하는 것을 특징으로 하는 방법.
  9. 제 5 항에 있어서, 상기 방법은:
    상기 클러스터 툴의 셋업 매트릭스를 정의하는 단계-상기 셋업 매트릭스는 각 엔티티에 대한 행과 프로세스 단계들에 대한 열들과 각 엔티티의 상기 능력지수의 가중치들을 포함하고, 상기 프로세스 단계들은 상기 클러스터 툴을 통한 프로세스 흐름을 결정하며-와;
    상기 복수의 가용 상태들의 계급(hierarchy)을 정의하는 단계와; 그리고
    상기 전체 상태의 상기 메트릭을 결정하는 상기 계급을 사용하는 단계-상기 계급은 상기 복수의 가용 상태들의 순위를 갖는데, 상기 순위는 최하위로부터 최상위로의 순서가 생산 상태, 대기 상태, 엔지니어링 상태, 계획된 비가동시간 상태, 계획되지 않은 비가동시간 상태, 비-계획 상태의 순서이며-를 더 포함하는 것을 특징으로 하는 방법.
  10. 클러스터 툴의 상태를 측정하는 방법에 있어서, 상기 방법은:
    상기 클러스터 툴의 복수의 엔티티들 각각으로부터 프로세스 메시지들을 수신하는 단계와;
    상기 프로세스 메시지들에 근거하여 상기 복수의 엔티티들 각각에 대한 현재 엔티티 상태를 결정하는 단계-상기 복수의 엔티티들의 상기 현재 엔티티 상태들은 각각 복수의 가용 엔티티 상태들 중 하나를 나타내며-와; 그리고
    상기 클러스터 툴의 상태의 측정으로서 상기 복수의 가용 엔티티 상태들의 미리정의된 계급에 근거하여 가중된 메트릭들의 집합을 결정하는 단계-상기 가중된 메트릭들 각각은 상기 복수의 가용 엔트리 상태들 중 하나에 관련되어 있으며-를 포함하는 것을 특징으로 하는 방법.
KR1020087018867A 2005-12-30 2006-12-13 클러스터 툴을 위한 자동화된 상태 추정 시스템과 이러한 시스템을 동작시키는 방법 KR101495256B1 (ko)

Applications Claiming Priority (7)

Application Number Priority Date Filing Date Title
DE102005063132 2005-12-30
DE102005063132.0 2005-12-30
DE102006001257.7 2006-01-10
DE102006001257A DE102006001257A1 (de) 2005-12-30 2006-01-10 Automatisiertes Zustandabschätzungssystem für Cluster-Anlagen und Verfahren zum Betreiben des Systems
US11/535,327 2006-09-26
US11/535,327 US7546177B2 (en) 2005-12-30 2006-09-26 Automated state estimation system for cluster tools and a method of operating the same
PCT/US2006/047608 WO2007078792A1 (en) 2005-12-30 2006-12-13 An automated state estimation system for cluster tools and a method of operating the same

Publications (2)

Publication Number Publication Date
KR20080081092A true KR20080081092A (ko) 2008-09-05
KR101495256B1 KR101495256B1 (ko) 2015-02-24

Family

ID=38169937

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020087018867A KR101495256B1 (ko) 2005-12-30 2006-12-13 클러스터 툴을 위한 자동화된 상태 추정 시스템과 이러한 시스템을 동작시키는 방법

Country Status (8)

Country Link
US (1) US7546177B2 (ko)
EP (1) EP1966664B1 (ko)
JP (1) JP5294875B2 (ko)
KR (1) KR101495256B1 (ko)
CN (1) CN101346678B (ko)
DE (1) DE102006001257A1 (ko)
TW (1) TWI443776B (ko)
WO (1) WO2007078792A1 (ko)

Families Citing this family (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8055370B1 (en) 2006-06-23 2011-11-08 Novellus Systems, Inc. Apparatus and methods for monitoring health of semiconductor process systems
US7778798B2 (en) * 2006-10-12 2010-08-17 Systems On Silicon Manufacturing Co. Pte. Ltd. System and method for measuring tool performance
US8204772B2 (en) * 2008-06-04 2012-06-19 Accenture Global Services Limited Customer service experience comparative landscape tool
US20090319662A1 (en) * 2008-06-24 2009-12-24 Barsness Eric L Process Migration Based on Exception Handling in a Multi-Node Environment
DE102009046751A1 (de) * 2008-12-31 2010-09-09 Advanced Micro Devices, Inc., Sunnyvale Verfahren und System zum Synchronisieren der Prozesskammerabschaltzeiten durch Steuern der Transportreihenfolge in eine Prozessanlage
US9037279B2 (en) * 2009-09-09 2015-05-19 Taiwan Semiconductor Manufacturing Company, Ltd. Clustering for prediction models in process control and for optimal dispatching
CN101667034B (zh) * 2009-09-21 2011-06-22 北京航空航天大学 一种易扩展的、支持异构集群的监控系统
US20110238370A1 (en) * 2010-03-29 2011-09-29 Beekman Johannes F Methods, Apparatuses and Systems for Automatically Determining the State of a Cluster Tool
US9290618B2 (en) 2011-08-05 2016-03-22 Sabic Global Technologies B.V. Polycarbonate compositions having enhanced optical properties, methods of making and articles comprising the polycarbonate compositions
CN104205376B (zh) 2012-02-03 2018-04-27 沙特基础全球技术有限公司 发光二极管器件及用于生产其的包括转换材料化学的方法
US10643853B2 (en) 2012-02-10 2020-05-05 Taiwan Semiconductor Manufacturing Company, Ltd. Wafer thinning apparatus having feedback control and method of using
WO2013130606A2 (en) 2012-02-29 2013-09-06 Sabic Innovative Plastics Ip B.V. Polycarbonate made from low sulfur bisphenol a and containing converions material chemistry, and articles made therefrom
US9346949B2 (en) 2013-02-12 2016-05-24 Sabic Global Technologies B.V. High reflectance polycarbonate
WO2014066784A1 (en) 2012-10-25 2014-05-01 Sabic Innovative Plastics Ip B.V. Light emitting diode devices, method of manufacture, uses thereof
WO2014186548A1 (en) 2013-05-16 2014-11-20 Sabic Innovative Plastics Ip B.V. Branched polycarbonate compositions having conversion material chemistry and articles thereof
US9772086B2 (en) 2013-05-29 2017-09-26 Sabic Innovative Plastics Ip B.V. Illuminating devices with color stable thermoplastic light transmitting articles
US10346237B1 (en) * 2015-08-28 2019-07-09 EMC IP Holding Company LLC System and method to predict reliability of backup software
KR102247828B1 (ko) * 2018-07-23 2021-05-04 세메스 주식회사 기판 처리 장치 및 기판 처리 방법
JP6766103B2 (ja) * 2018-07-31 2020-10-07 株式会社日立製作所 分析方法及び計算機
CN112287452B (zh) * 2020-10-12 2022-05-24 哈尔滨工业大学 一种航天器可维修性智能建模方法
DE102021117244A1 (de) * 2021-07-05 2023-01-05 Schaeffler Technologies AG & Co. KG Produktionsanlage und Verfahren zum Betrieb einer Produktionsmaschine

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10187638A (ja) * 1996-10-28 1998-07-21 Mitsubishi Electric Corp クラスタ制御システム
US5914879A (en) * 1997-03-04 1999-06-22 Advanced Micro Devices System and method for calculating cluster tool performance metrics using a weighted configuration matrix
JPH11194928A (ja) * 1997-12-29 1999-07-21 Tokyo Electron Ltd 制御装置
US6256550B1 (en) * 1998-08-07 2001-07-03 Taiwan Semiconductor Manufacturing Company Overall equipment effectiveness on-line categories system and method
US7069101B1 (en) * 1999-07-29 2006-06-27 Applied Materials, Inc. Computer integrated manufacturing techniques
US6724404B1 (en) * 2001-02-06 2004-04-20 Lsi Logic Corporation Cluster tool reporting system
US6889253B2 (en) * 2001-04-30 2005-05-03 International Business Machines Corporation Cluster resource action in clustered computer system incorporation prepare operation
US20040148047A1 (en) * 2001-12-18 2004-07-29 Dismukes John P Hierarchical methodology for productivity measurement and improvement of productions systems
US20040034555A1 (en) 2002-03-18 2004-02-19 Dismukes John P. Hierarchical methodology for productivity measurement and improvement of complex production systems
US7529822B2 (en) * 2002-05-31 2009-05-05 Symantec Operating Corporation Business continuation policy for server consolidation environment
US7228351B2 (en) * 2002-12-31 2007-06-05 International Business Machines Corporation Method and apparatus for managing resource contention in a multisystem cluster

Also Published As

Publication number Publication date
US20070156274A1 (en) 2007-07-05
CN101346678A (zh) 2009-01-14
DE102006001257A1 (de) 2007-07-12
JP2009522773A (ja) 2009-06-11
KR101495256B1 (ko) 2015-02-24
WO2007078792A1 (en) 2007-07-12
EP1966664B1 (en) 2013-03-27
CN101346678B (zh) 2011-06-22
TW200741974A (en) 2007-11-01
US7546177B2 (en) 2009-06-09
JP5294875B2 (ja) 2013-09-18
EP1966664A1 (en) 2008-09-10
TWI443776B (zh) 2014-07-01

Similar Documents

Publication Publication Date Title
KR20080081092A (ko) 클러스터 툴을 위한 자동화된 상태 평가 시스템과 그 평가방법
Yugma et al. Integration of scheduling and advanced process control in semiconductor manufacturing: review and outlook
CN101128786B (zh) 自动化产能控制系统及其操作方法
JP4615222B2 (ja) ライン末端データマイニングとプロセスツールデータマイニングとの相関
CN105223914B (zh) 管控机台生产数据的系统及其方法
US8504186B2 (en) Method for automatic generation of throughput models for semiconductor tools
US7415316B2 (en) Method and system for modeling a stream of products in a manufacturing environment by process and tool categorization
US6687561B1 (en) Method and apparatus for determining a sampling plan based on defectivity
Korugan et al. On the quality variation impact of returns in remanufacturing
US6754593B1 (en) Method and apparatus for measuring defects
KR20040066891A (ko) 로트 및 툴 헬스 계량들에 근거하여 로트들의 생산을스케줄링하기 위한 방법 및 장치
CN105988434A (zh) 监测制造机台的方法及其系统
US20070179650A1 (en) Method and system for analyzing standard tool messages in a manufacturing environment
Aydt et al. Symbiotic simulation control in semiconductor manufacturing
Saeheaw et al. Line balancing in the hard disk drive process using simulation techniques
Chen et al. A data mining projects for solving low-yield situations of semiconductor manufacturing
KR101365226B1 (ko) 자동화된 쓰루풋 제어 시스템 및 그 동작 방법
US6968252B1 (en) Method and apparatus for dispatching based on metrology tool performance
Brost OEE for Test Floor Managers, Engineers and Technicians
TW202247005A (zh) 可開發之巨量資料分析平台及其運作方法
KR20240147186A (ko) 반도체 장비의 표준 프로세스 모델 도출방법, 반도체 장비의 건강도 분석방법 및 이를 위한 장치
CN112700076A (zh) 数据分析装置、数据分析方法以及与其相关的品质提升系统
TW202248870A (zh) 可擴充之巨量資料分析平台及其運作方法
Hirade et al. Sensitivity analysis on causal events of WIP bubbles by a log-driven simulator
CN117059506A (zh) 利用动态采样以供测量的ic制造流程

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
FPAY Annual fee payment

Payment date: 20180118

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20190116

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20200115

Year of fee payment: 6