KR20150082976A - 반도체 생산 공정에서 센서 데이터들을 이용하여 웨이퍼의 수율을 분석하는 방법 - Google Patents

Abstract

센서 데이터가 변화하는 시점을 감지하여 분석 구간을 결정하고, 결정된 분석 구간에서 센서 데이터의 특성을 반영하는 지표를 계산하고, 계산된 지표를 이용하여 센서 데이터와 수율 간의 상관관계를 나타내는 모델(Model)을 생성하고, 생성된 모델을 적용한 이후에 발생된 센서 데이터를 이용하여 모델의 정확도를 계산하고, 계산된 모델의 정확도를 이용하여 모델을 업데이트하는 단계를 포함하는 센서 데이터를 이용하여 반도체 생산 공정에서 웨이퍼의 수율을 분석하는 방법이 기재되어 있다.

Description

반도체 생산 공정에서 센서 데이터들을 이용하여 웨이퍼의 수율을 분석하는 방법{Method for analyzing wafer yield rate using sensor data in semiconductor manufacturing process}

본 발명은 반도체 생산 공정에서 센서 데이터를 이용하여 웨이퍼의 수율을 분석하는 방법 및 시스템에 관한 것이다.

더욱 상세하게는 반도체 생산 공정에서 수율 저하 문제의 원인을 찾기 위해 초단위로 발생하는 센서 데이터의 이상 패턴과 연계하여 수율을 분석하는 방법 및 시스템에 관한 것이다.

반도체 생산 공정은 수백개의 생산 스텝으로 이루어져 있으며, 제일 마지막 스텝에서 최종 검사를 하여 생산 웨이퍼의 수율이 측정된다. 웨이퍼의 수율은 웨이퍼 안에 있는 전체 칩들 중에서 양품 칩의 비율이다. 즉, 전체 칩이 모두 정상일 경우에는 해당 웨이퍼의 수율은 100%로 계산된다.

반도체의 수율이 낮을 경우, 그 원인을 분석하기 위해서 여러 생산 데이터를 사용한다. 예를 들어, 특정 생산 설비를 거친 웨이퍼들에서 문제가 많이 발생하는지, 특정 시점에 문제가 많이 발생하는지, 특정 생산 조건에서 문제가 많이 발생하는지를 분석한다.

여러가지 생산 데이터들 중에서 가장 중요한 것은 공정 중에 발생하는 초단위의 센서 데이터들이다. 반도체 생산 설비에는 온도, 압력, 여러 화학 물질 투입량 등을 감지하는 많은 센서가 부착되어 있으며, 초 단위 이하로 그 현황을 상위 시스템에 실시간으로 전송이 가능하다. 반도체를 생산하는 수백개의 스텝에서는 각각의 생산 조건이 있는데, 예를 들어 특정 설비에서는 웨이퍼가 투입된 이후 특정 시간 이후에 내부 온도가 특정 온도에 도달해야 한다 등의 생산 조건이 만족해야 하며, 이것이 지켜지지 않았을 경우 웨이퍼의 수율에 영향을 줄 수 있다.

이렇게 생산 설비에서 초 단위로 발생하는 수백개 센서 데이터들의 패턴을 분석하는 것은 수율 문제 해결에 매우 도움이 된다.

기존 시스템에서는 수백개 센서의 원천 데이터들을 이용하지 않고, 생산 단위별 통계치를 이용하여 분석을 했다. 즉, 센서 데이터들을 LOT별, 웨이퍼 별, 생산 설비별로 해당 구간에서의 평균값, 최대값, 최소값, 표준 편차 등을 계산하여 분석에 사용하였지만, 의미있는 결과를 도출하기에는 한계점이 많이 있었기 때문에, 원천 데이터를 이용한 분석에 대한 요구가 많이 발생하고 있다.

기존 시스템에서는 수율 문제를 해결하기 위해 수백개 센서의 원천 데이터들을 이용하지 않고, 생산 단위별 통계치를 이용하여 분석을 했다.

즉, 기존에는 센서 데이터들을 LOT별, 웨이퍼 별, 생산 설비별로 해당 구간에서의 평균값, 최대값, 최소값, 표준 편차 등을 계산하여 분석에 사용하였지만, 데이터의 Pattern이 변화하는 시점을 정확히 반영하지 못하였고, 의미있는 결과를 도출하기가 어려웠다.

따라서 본 발명에서는, 센서 원천 데이터에 여러 통계 기법 등을 적용하여 데이터의 특성을 더욱 정확하게 반영하여 수율에 대한 분석이 가능하도록 하였다. 즉, 본 발명의 목적은 다음과 같다.

1. 수율 및 품질 문제에 대한 원인 파악

2. 일반 통계량 이외의 기법으로 센서 데이터의 특성 파악

3. 문제 유형 자동 분석 기반 마련

또한, 이번 발명을 통해 구현하고자 하는 기술적 과제는 다음 3가지 이다.

1. 센서 데이터의 변경 추이를 이용하여 정확한 분석 구간 결정. Signal Processing 알고리즘이 사용됨

2. 각 분석 구간 별로 센서 데이터의 특성을 정확하게 반영하는 지표 계산. 기초 통계 데이터 뿐만 아니라, Slope, Shift, Drift, Spike, Periodic Pattern 등의 지표가 산출될 수 있으며, Regression, Wavelet, Time Series, PCA, Golden Tunnel, Sequential Analysis 등의 알고리즘이 사용됨

3. 실제 Model이 수행 된 이후에, Model을 Train하여 좀 더 정확한 값을 반영하도록 보정함

본 발명의 일 실시예에 따른 센서 데이터들을 이용하여 반도체 생산 공정에서 웨이퍼 수율을 분석하는 방법은 상기 센서 데이터들 중 적어도 하나가 임계값을 초과하여 변화하는 시점을 감지하여 분석 구간을 결정하는 단계; 상기 결정된 분석 구간에서 상기 센서 데이터들의 특성을 반영하는 지표를 산출하는 단계; 상기 산출된 지표를 이용하여 상기 센서 데이터와 상기 수율 간의 상관관계를 나타내는 모델(Model)을 생성하는 단계; 상기 생성된 모델을 적용한 이후에 발생된 센서 데이터를 이용하여 모델의 정확도를 계산하는 단계; 및 상기 계산된 모델의 정확도를 이용하여 상기 모델을 업데이트하는 단계를 포함한다.

이 발명으로 그동안 수율 분석에 사용되지 못했던 센서 원천 데이터를 이용할 수 있게 되었으며, Hadoop 등의 분산 처리 기술과 결합하여 대상 데이터의 수에 제약이 없어지고, 그 연산 속도의 향상도 기대할 수 있다.

다시 말해, 반도체 생산 공정에서 센서 원천 데이터들의 패턴을 분석하여 각 스텝에서의 생산 조건들과 웨이퍼 수율과의 관계를 분석할 수 있도록 한 것이다.

이와 같은 개선으로, 기존에 10GB 데이터에 대해 1시간 걸려서 연산을 수행하던 Case에 대해 5분 내로 분석이 가능해진다.

본 발명은, 다음의 자세한 설명과 그에 수반되는 도면들의 결합으로 쉽게 이해될 수 있으며, 참조 번호(reference numerals)들은 구조적 구성요소(structural elements)를 의미한다.
도 1은 본 발명의 일 실시예와 관련된 반도체 생산 공정에서 센서 데이터를 이용하여 웨이퍼의 수율을 분석하는 방법을 나타낸 흐름도이다.
도 2는 특정 설비에서 정상적인 경우의 온도변화와 문제가 있는 경우의 온도변화에 대한 차이를 나타내고 있다.
도 3은 특정 레시피 스텝의 시작과 실제 센서 데이터가 변화하는 시점이 다를 수 있음을 나타내고 있다.
도 4는 센서 데이터가 주기적인 반복 패턴을 보이는 경우를 도시하고 있다.
도 5는 TA(Trace Analytics)와 데이터 마이닝 제품과의 연계된 구성을 도시하고 있다.

본 실시 예들은 다양한 변환을 가할 수 있고 여러 가지 실시 예를 가질 수 있는바, 특정 실시 예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나 이는 특정한 실시 형태에 대해 범위를 한정하려는 것이 아니며, 개시된 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 실시 예들을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.

제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 구성요소들은 용어들에 의해 한정되어서는 안 된다. 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.

본 출원에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 권리범위를 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

이하에서는 도면을 참조하여 본 발명의 실시 예 들을 상세히 설명한다.

도 1은 본 발명의 일 실시예와 관련된 반도체 생산 공정에서 센서 데이터를 이용하여 웨이퍼의 수율을 분석하는 방법을 나타낸 흐름도이다.

센서 데이터의 분석 구간을 결정하는 것과 관련하여, 한대의 설비에서 발생하는 센서 데이터들도 세부 생산 구간별로 특정 패턴을 보이게 된다. 온도의 측면에서 보면, 한대의 생산 설비에서 웨이퍼를 가공할 때에도, 예열을 하는 구간과 실제 가공을 하는 구간, 그리고 다시 식히는 구간 등으로 나눌 수 있다. 이러한 생산 구간에 정보는 보통 생산 설비에서 레시피 스텝이라는 값을 이용하여 제공하고 있으며, 그 값은 0, 1, 2, 3 등이 된다.

하지만, 도3와 같이 설비에서는 특정 레시피 스텝이 시작되었다고 보고 했음에도, 실제 센서 데이터가 변화하는 시점은 다른 경우가 있으며, 이렇게 시작 시점이 일치 하지 않은 상태로 여러 데이터들의 이상 패턴을 분석 하는 것은 의미가 없을 수도 있다. 즉, 설비의 레시피 스텝 변경 정보와 관계 없이 순수하게 데이터의 변화를 감지하여 데이터 변경이 시작되는 시점을 정확히 선정하는 것이 중요하다.

이를 위하여, 본 발명에서는 신호 처리 알고리즘(Signal Processing Algorithm)을 이용하여 데이터가 급격히 변화하는 시점을 감지하고, 그 시점 이후의 센서 데이터들에 대한 상세 파라미터 분석을 실시한다.

위 과정을 통해서 분석 대상 데이터들의 시작 시점이 잘 정렬된 이후에, 실제 데이터에서 어떤 패턴의 차이가 있는지를 분석하게 된다. 이러한 분석에 쓰일 수 있는 통계량 및 기법들에는 다음과 같은 것들이 있다.

A. 기초 통계량 : 평균, 표준편차, 최대값, 최소값 등으로 기존 방식에서도 사용은 되었으나, 레시피 스텝별로 보정된 이후 값을 사용하는 차이점이 있음

B. Slope : 데이터 값이 증가하거나, 감소해야 하는 정도를 지표로 반영. 예를 들어 온도가 10초동안 100도에 도달해야 하는데, 그 도달 시간이 길거나 짧을 경우에 문제가 발생할 수 있으며, 증가 및 감소에 대한 기울기를 지표로 사용

C. Shift : 데이터가 급격히 변화하여 특정 시점을 기준으로 그 평균이 다른 경우

D. Drift : 데이터가 서서히 증가하거나, 감소하는 패턴을 보이는 경우

E. Spike : 데이터가 관리 상한선 또는 관리 하한선을 벗어나는 경우를 Spike가 발생했다고 표현하며, 동일 구간 내에 그 Spike의 개수도 중요한 경우가 있음

F. Periodic Pattern : 데이터가 주기적인 반복 패턴을 보이는 경우

그 후에, 위 과정을 통해 만든 Model을 적용하며, 그 Model을 주기적으로 Update해야 한다. 즉, Model이 얼마나 정확한지에 대해 Model 적용 이후에 발생하는 데이터를 이용하여 Model의 정확도를 계산하여 Model 기준 정보에 Update한다. 이상 Pattern 데이터가 발생된 LOT이 계속 생산을 진행한 다음에 계측 및 검사를 하게 되는데 그 데이터를 이용하여 Model의 정확도를 측정하게 된다. 예를 들어, 이상 Pattern을 보인 LOT이 추후 실제 계측 및 검사를 해보니 불량으로 판정되었다면, 그 Model의 정확도는 더 높아지게 된다.

TA (Trace Analytics)는 실제 연산을 위한 Server Module과 그 결과를 보여주는 Client Module이 존재하며, 연산 결과는 DB에 저장된다. TA는 개별 Application으로서 동작이 가능하며, 도 5와 같이 데이터 마이닝 제품과도 연계하여 구성될 수 있다.

예를 들어, 수율 저하의 원인을 찾는 데이터 마이닝 분석에서 원인 인자로 지목된 특정 설비의 파라미터들의 유의차를 분석할 수 있다. 즉, 문제가 있는 설비의 많은 파라미터들을 정상인 경우와 비교하여 이상이 있는 구간을 표현한다.

한편, 상술한 방법은, 컴퓨터에서 실행될 수 있는 프로그램으로 작성 가능하고, 컴퓨터 판독 가능 매체를 이용하여 상기 프로그램을 동작시키는 범용 디지털 컴퓨터에서 구현될 수 있다. 또한, 상술한 방법에서 사용된 데이터의 구조는 컴퓨터 판독 가능 매체에 여러 수단을 통하여 기록될 수 있다. 본 발명의 다양한 방법들을 수행하기 위한 실행 가능한 컴퓨터 코드를 포함하는 저장 디바이스를 설명하기 위해 사용될 수 있는 프로그램 저장 디바이스들은, 반송파(carrier waves)나 신호들과 같이 일시적인 대상들은 포함하는 것으로 이해되지는 않아야 한다. 상기 컴퓨터 판독 가능 매체는 마그네틱 저장매체(예를 들면, 롬, 플로피 디스크, 하드 디스크 등), 광학적 판독 매체(예를 들면, 시디롬, DVD 등)와 같은 저장 매체를 포함한다.

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.

본 실시 예에서 설명하는 특정 실행들은 예시들로서, 어떠한 방법으로도 기술적 범위를 한정하는 것은 아니다. 명세서의 간결함을 위하여, 종래 전자적인 구성들, 제어 시스템들, 소프트웨어, 상기 시스템들의 다른 기능적인 측면들의 기재는 생략될 수 있다. 또한, 도면에 도시된 구성 요소들 간의 선들의 연결 또는 연결 부재들은 기능적인 연결 및/또는 물리적 또는 회로적 연결들을 예시적으로 나타낸 것으로서, 실제 장치에서는 대체 가능하거나 추가의 다양한 기능적인 연결, 물리적인 연결, 또는 회로 연결들로서 나타내어질 수 있다.

본 명세서(특히 특허청구범위에서)에서 “상기”의 용어 및 이와 유사한 지시 용어의 사용은 단수 및 복수 모두에 해당하는 것일 수 있다. 또한, 범위(range)를 기재한 경우 상기 범위에 속하는 개별적인 값을 포함하는 것으로서(이에 반하는 기재가 없다면), 상세한 설명에 상기 범위를 구성하는 각 개별적인 값을 기재한 것과 같다. 마지막으로, 방법을 구성하는 단계들에 대하여 명백하게 순서를 기재하거나 반하는 기재가 없다면, 상기 단계들은 적당한 순서로 행해질 수 있다. 반드시 상기 단계들의 기재 순서에 한정되는 것은 아니다. 모든 예들 또는 예시적인 용어(예들 들어, 등등)의 사용은 단순히 기술적 사상을 상세히 설명하기 위한 것으로서 특허청구범위에 의해 한정되지 않는 이상 상기 예들 또는 예시적인 용어로 인해 범위가 한정되는 것은 아니다. 또한, 당업자는 다양한 수정, 조합 및 변경이 부가된 특허청구범위 또는 그 균등물의 범주 내에서 설계 조건 및 팩터에 따라 구성될 수 있음을 알 수 있다.

Claims (9)

1. 센서 데이터들을 이용하여 반도체 생산 공정에서 웨이퍼 수율을 분석하는 방법으로서,
   상기 센서 데이터들 중 적어도 하나가 소정의 임계값을 초과하여 변화하는 시점을 감지하여 분석 구간을 결정하는 단계;
   상기 결정된 분석 구간에서 상기 센서 데이터들의 특성을 반영하는 지표를 산출하는 단계;
   상기 산출된 지표를 이용하여 상기 센서 데이터와 상기 수율 간의 상관관계를 나타내는 모델(Model)을 생성하는 단계;
   상기 생성된 모델을 이용하여 웨이퍼 수율을 분석하는 단계를 포함하는,
   반도체 생산 공정에서 웨이퍼 수율을 분석하는 방법.
2. 제 1항에 있어서,
   상기 분석의 결과를 이용하여 상기 모델의 정확도를 계산하는 단계; 및
   상기 계산된 모델의 정확도를 이용하여 상기 모델을 업데이트하는 단계를 더 포함하는,
   반도체 생산 공정에서 웨이퍼 수율을 분석하는 방법.
3. 제 1항에 있어서,
   상기 분석 구간을 결정하는 단계는,
   설비의 레시피 스텝 변경 정보와 관계없이 센서 데이터들의 변화가 상기 임계값을 초과하여 변화하는 시점을 결정하는 것을 포함하는,
   반도체 생산 공정에서 웨이퍼 수율을 분석하는 방법.
4. 제 1항에 있어서,
   상기 지표를 산출하는 단계는,
   실제 센서 데이터에서의 패턴의 차이를 분석하여 상기 지표를 산출하는 것을 포함하는,
   반도체 생산 공정에서 웨이퍼 수율을 분석하는 방법.
5. 제 1항에 있어서
   상기 지표는 센서 원천 데이터의 기초 통계량, 슬로프(Slope), 시프트(Shift), 드리프트(Drift), 스파이크(Spike), 주기 패턴(Periodic Pattern)을 포함하는,
   반도체 생산 공정에서 웨이퍼 수율을 분석하는 방법.
6. 제 1항에 있어서,
   상기 분석 구간을 결정하는 단계는 신호 처리(Signal Processing) 알고리즘을 사용하며,
   상기 지표를 산출하는 단계는 Regression, Wavelet, Time Series, PCA, Golden Tunnel, Sequential Analysis 알고리즘을 사용하는,
   반도체 생산 공정에서 웨이퍼 수율을 분석하는 방법.
7. 제 1항에 있어서,
   상기 모델을 생성하는 단계는,
   수율 저하의 원인을 찾는 데이터 마이닝 분석에서, 원인 인자로 지목된 특정 설비에서의 센터 데이터들의 파라미터 또는 지표를 미리 결정된 파라미터 또는 지표와 비교하여 이상 여부를 판단하는 것을 포함하는,
   반도체 생산 공정에서 웨이퍼 수율을 분석하는 방법.
8. 제 2항에 있어서,
   상기 모델의 정확도를 계산하는 단계는,
   이상 패턴을 보인 로트(LOT)가 실제 계측을 통하여 불량으로 판정된 경우 모델의 정확도가 증가하는 것을 포함하는,
   반도체 생산 공정에서 웨이퍼 수율을 분석하는 방법.
9. 제 1항 내지 제 8항 중 어느 한 항에 의한 방법을 실행하는 컴퓨터 프로그램을 기록한 기록 매체.
   

Images