KR20180028903A - 수율 손실의 근원 파악 시스템 및 방법 - Google Patents

수율 손실의 근원 파악 시스템 및 방법 Download PDF

Info

Publication number
KR20180028903A
KR20180028903A KR1020170077558A KR20170077558A KR20180028903A KR 20180028903 A KR20180028903 A KR 20180028903A KR 1020170077558 A KR1020170077558 A KR 1020170077558A KR 20170077558 A KR20170077558 A KR 20170077558A KR 20180028903 A KR20180028903 A KR 20180028903A
Authority
KR
South Korea
Prior art keywords
workpiece
process tool
algorithm
tool
main
Prior art date
Application number
KR1020170077558A
Other languages
English (en)
Other versions
KR102003961B1 (ko
Inventor
판-티엔 청
야오-셩 시에
징-웬 쩡
Original Assignee
내셔날 쳉쿵 유니버시티
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 내셔날 쳉쿵 유니버시티 filed Critical 내셔날 쳉쿵 유니버시티
Publication of KR20180028903A publication Critical patent/KR20180028903A/ko
Application granted granted Critical
Publication of KR102003961B1 publication Critical patent/KR102003961B1/ko

Links

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]
    • G05B19/4184—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
    • 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]
    • G05B19/41885—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 modeling, simulation of the manufacturing 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
    • G05B23/0243—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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • G06F16/24578—Query processing with adaptation to user needs using ranking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F7/00—Methods or arrangements for processing data by operating upon the order or content of the data handled
    • G06F7/06—Arrangements for sorting, selecting, merging, or comparing data on individual record carriers
    • G06F7/20—Comparing separate sets of record carriers arranged in the same sequence to determine whether at least some of the data in one set is identical with that in the other set or sets
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
    • G16Z99/00—Subject matter not provided for in other main groups of this subclass
    • 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
    • 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]
    • Y02P90/14—
    • Y02P90/22—
    • Y02P90/26—

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Automation & Control Theory (AREA)
  • Quality & Reliability (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Factory Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명의 실시 예는 생산 라인에서의 수율 손실의 근원을 검색하는 2단계 프로세스를 제공한다. 1단계에서는 수율 손실의 원인일 가능성이 있는 프로세스 툴 유형과 프로세스 툴을 파악하고, 2단계에서는 1단계에서 발견된 프로세스 툴 유형 내에서 수율 손실의 원인일 가능성이 있는 프로세스 파라미터를 파악한다. 각 단계에서는 두 개의 다른 알고리즘을 사용하여 검색 결과의 신뢰도 수준을 측정하기 위한 신뢰도 지수(RIk)를 생성할 수 있다.

Description

수율 손실의 근원 파악 시스템 및 방법{SYSTEM AND METHOD FOR IDENTIFYING ROOT CAUSES OF YIELD LOSS}
본 발명은 수율 손실의 근원을 파악하는 시스템 및 방법에 관한 것이다. 더욱 구체적으로, 본 발명은 파악된 근원의 신뢰성을 평가하기 위한 신뢰도 지수를 이용하여 수율 손실의 근원을 파악하는 시스템 및 방법에 관한 것이다.
제품 수율은 생산비에 직접 영향을 미친다. 모든 생산자는 개발 및 양산 단계에서 제품 수율을 신속히 향상시키고자 한다. 다시 말해, 수율 손실이 발생하면 개발 및 양산 단계 모두에서 그 근본 원인을 신속히 찾아내야 한다는 것이다. 수율 손실이 발생하면, 생산 관련 데이터를 모두 수집하여 수율 손실을 야기하는 근원을 찾기 위한 방대한 데이터 분석을 실시하고 그 근원을 해결하는 것이 기존의 수율 개선 방식이다. 그러나 생산 관련 데이터의 양은 대부분 방대하고 복잡하여 생산 관련 데이터로부터 수율 손실의 근원을 찾는 것은 매우 어렵다.
반도체 및 박막 트랜지스터 액정 디스플레이(TFT-LCD) 제조 기술의 발달과 함께 제조 프로세스 또한 더욱 복잡해지고 있다. 이에 따라, 이러한 복잡한 제조 프로세스의 실현 가능한 생산 수율을 어떻게 유지하는가 하는 것이 필수적인 이슈가 된다. 수율 관리 시스템은 제품 수율의 향상을 목적으로 한다. 그러나 연구개발 및 시제품 제조 단계에서는 공작물(workpiece)의 수가 적기 때문에 수율 관리 시스템이 모든 생산 툴 중에서 결함의 근원을 찾기 어렵다. 따라서, 공작물 샘플이 제한적임에도 불구하고, 수많은 제조 툴 중에서 수율 손실을 초래하는 결함이 있는 프로세스 툴의 핵심 프로세스 파라미터를 찾아내는 방법에 대한 관심이 높다. 이 문제는 소위 고차원 변수 선택 문제로서, p >> n의 이슈로도 표현하는데, 여기서 "p"는 반도체 또는 TFT-LCD 프로세스에서 프로세스 툴의 프로세스 관련 설명이 가능한 파라미터의 수를 나타내며, "n"은 반도체 또는 TFT-LCD 프로세스에서 최종 제품(프로세스를 마친 공작물)의 샘플링 수를 나타낸다.
본 발명의 목적은 생산 라인에서 수율 손실의 근원을 쉽게 파악하는 방법 및 시스템을 제공하는 것이다.
본 발명의 또 다른 목적은 검색 결과의 신뢰도 수준을 측정하기 위한 신뢰도 지수(RIk)를 제공하는 것이다.
상기 목적에 따라 수율 손실의 근원을 파악하는 방법이 제공된다.
본 방법에서, 생산 라인이 우선 제공되고, 생산 라인은 프로세스 단계를 포함한다. 프로세스 단계 각각은 복수의 프로세스 툴 유형에 속하는 프로세스 툴을 포함한다. 프로세스 툴 각각은 적어도 하나의 프로세스 장치를 포함하고, 적어도 하나의 프로세스 장치 각각에는 공작물의 하나를 프로세스 하도록 구성된 프로세스 파라미터가 있다. 이후, 공작물은, 공작물의 하나를 프로세스 하기 위한 프로세스 단계에서 프로세스 툴의 프로세스 장치 중 미리 정해진 장치를 각각 나타내는, 생산 경로에 따라 각각 프로세스 된다. 이후, 미리 정해진 장치에 의해 프로세스 된 공작물 각각에 계측을 수행하여 공작물에 상응하는 인라인 계측값 모음을 획득한다. 이후, 생산 라인을 통과한 공작물 각각에 적어도 하나의 수율 검사를 수행하여 각 공작물에 상응하는 복수의 최종 검사값 모음을 획득한다. 적어도 하나의 프로세스 단계에 유일한 프로세스 장치만 가진 유일한 프로세스 툴만 있는 경우 및/또는 상기 적어도 하나의 프로세스 단계에 결함 밀도가 동일한 복수의 제3 프로세스 장치를 가진 유일한 프로세스 툴만 있는 경우, 1차 입력 데이터 처리 동작 및 2차 입력 데이터 처리 동작 중 하나 또는 모두를 수행한다. 상기 1차 입력 데이터 처리 동작은 상기 유일한 프로세스 장치를 제1 프로세스 장치 및 제2 프로세스 장치에 의해 대체하도록 수행되고, 상기 제1 프로세스 장치는 상기 유일한 프로세스 툴에 대한 유지관리 동작이 수행되기 전에 상기 공작물의 일 부분을 프로세스 하고 상기 제2 프로세스 장치는 상기 유지관리 동작이 완료된 후에 상기 공작물의 타 부분을 프로세스 한다. 상기 2차 입력 데이터 처리 동작은 상기 제3 프로세스 장치의 상기 프로세스 파라미터를 파라미터 유형에 따라 복수의 파라미터 그룹으로 나누도록 수행되고, 상기 제3 프로세스 장치는 상기 파라미터 그룹에 각각 상응한다. 이후, 상기 최종 검사값에 따라 수율 검사 불합격이 발생했는지 판단한다. 상기 수율 검사 불합격이 발생한 경우, 1차 근원 검색 단계를 포함하는 1단계를 수행한다. 상기 1차 근원 검색 단계에서는, 제1 알고리즘에 근거하여 제1 검색 모델을 준비하고, 여기서, 상기 제1 알고리즘은 TPOGA(triple phase orthogonal greedy algorithm), LASSO(least absolute shrinkage and selection operator) 알고리즘, 또는 SERT(sample-efficient regression trees)이다. 이후, 상기 공작물의 상기 최종 검사값 모음 및 상기 공작물의 상기 인라인 계측값 모음과 상기 공작물의 상기 생산 경로를 상기 제1 검색 모델에 입력하여, 상기 프로세스 단계에 있는 상기 프로세스 툴의 상기 프로세스 장치로부터, 상기 수율 검사 불합격의 원인일 가능성이 있는 적어도 하나의 제1 주요 장치를 파악한다.
본 발명의 실시 예에 의하면, 1단계에서, 상기 제1 알고리즘과 다른 제2 알고리즘에 근거하여 제2 검색 모델을 준비하고, 여기서, 상기 제2 알고리즘은 TPOGA(triple phase orthogonal greedy algorithm), LASSO(least absolute shrinkage and selection operator) 알고리즘, 또는 SERT(sample-efficient regression trees)이다. 다음으로, 상기 공작물의 상기 최종 검사값 및 상기 공작물의 상기 인라인 계측값 모음과 상기 공작물의 상기 생산 경로를 상기 제2 검색 모델에 입력하여, 상기 프로세스 단계에 있는 상기 프로세스 툴의 상기 프로세스 장치로부터, 상기 수율 검사 불합격의 원인일 가능성이 있는 적어도 하나의 제2 주요 장치를 파악한다. 이후, 상기 적어도 하나의 제1 주요 장치의 순위와 점수를 매기고, 상기 적어도 하나의 제2 주요 장치의 순위와 점수를 매긴다. 다음으로, 상기 적어도 하나의 제1 주요 장치와 상기 적어도 하나의 제2 주요 장치 사이의 순위 유사성을 비교하여, 상기 적어도 하나의 제1 주요 장치와 상기 적어도 하나의 제2 주요 장치의 파악 결과의 신뢰도 수준을 측정하기 위한 제1 신뢰도 지수를 획득한다.
본 발명의 실시 예에서, 상기 1단계 이후에, 2차 근원 검색 단계를 포함하는 제2 단계를 수행한다. 상기 2차 근원 검색 단계에서, 상기 프로세스 툴 유형의 주요 프로세스 툴 유형에 속하는 상기 적어도 하나의 제1 주요 장치 중 하나를 선택한다. 다음으로, 상기 공작물의 상기 최종 검사값 및 상기 모든 프로세스 단계에 있는 상기 주요 프로세스 툴 유형에 속하는 상기 프로세스 툴의 상기 프로세스 장치의 상기 모든 프로세스 파라미터의 값을 상기 제1 검색 모델에 입력하여, 상기 수율 검사 불합격의 원인일 가능성이 있는 복수의 제1 주요 프로세스 파라미터를 파악한다.
상기 목적에 따라, 복수의 프로세스 단계 각각이 적어도 하나의 프로세스 툴을 포함하고, 상기 적어도 하나의 프로세스 툴 각각은 적어도 하나의 프로세스 툴 유형에 속하고 적어도 하나의 프로세스 장치를 포함하고, 상기 적어도 하나의 프로세스 장치 각각에는 복수의 공작물의 하나를 프로세스 하도록 구성된 복수의 프로세스 파라미터가 있는, 상기 복수의 프로세스 단계를 포함하는 생산 라인에서 발생하는 수율 손실의 근원을 파악하는 다른 방법이 제공된다. 본 방법에서, 각 생산 경로가 상기 공작물의 하나를 프로세스 하기 위한 상기 프로세스 단계의 상기 프로세스 툴의 상기 프로세스 장치 중에서 미리 정한 장치를 나타내는, 복수의 생산 경로를 획득하고, 상기 미리 정한 장치에 의해 공작물이 프로세스 된 이후에 계측을 수행하여 획득하는 상기 공작물의 복수의 인라인(in-line) 계측값 모음을 수신하고, 상기 공작물 각각이 상기 생산 라인을 거친 후에 상기 공작물 각각에 적어도 하나의 수율 검사를 수행하여 획득하는 상기 공작물에 상응하는 복수의 최종 검사값 모음을 수신한다. 상기 적어도 하나의 프로세스 단계에 유일한 프로세스 장치만 가진 유일한 프로세스 툴만 있는 경우 및/또는 상기 적어도 하나의 프로세스 단계에 결함 밀도가 동일한 복수의 제3 프로세스 장치를 가진 유일한 프로세스 툴만 있는 경우, 1차 입력 데이터 처리 동작 및 2차 입력 데이터 처리 동작 중 하나 또는 모두를 수행한다. 상기 최종 검사값에 따라 수율 검사 불합격이 발생했는지 판단한다. 상기 수율 검사 불합격이 발생한 경우, 1차 근원 검색 단계를 포함하는 1단계를 수행한다. 상기 1차 근원 검색 단계는 제1 알고리즘에 근거하여 제1 검색 모델을 준비하는 단계(여기서, 상기 제1 알고리즘은 TPOGA(triple phase orthogonal greedy algorithm), LASSO(least absolute shrinkage and selection operator) 알고리즘, 또는 SERT(sample-efficient regression trees)임)와 상기 공작물의 상기 최종 검사값 모음 및 상기 공작물의 상기 인라인 계측값 모음과 상기 공작물의 상기 생산 경로를 상기 제1 검색 모델에 입력하여, 상기 프로세스 단계에 있는 상기 프로세스 툴의 상기 프로세스 장치로부터, 상기 수율 검사 불합격의 원인일 가능성이 있는 적어도 하나의 제1 주요 장치를 파악하는 단계를 포함한다. 상기 1차 입력 데이터 처리 동작은 상기 유일한 프로세스 장치를 제1 프로세스 장치 및 제2 프로세스 장치에 의해 대체하도록 수행되고, 상기 제1 프로세스 장치는 상기 유일한 프로세스 툴에 대한 유지관리 동작이 수행되기 전에 상기 공작물의 일 부분을 프로세스 하고 상기 제2 프로세스 장치는 상기 유지관리 동작이 완료된 후에 상기 공작물의 타 부분을 프로세스 한다. 상기 2차 입력 데이터 처리 동작은 상기 제3 프로세스 장치의 상기 프로세스 파라미터를 파라미터 유형에 따라 복수의 파라미터 그룹으로 나누도록 수행되고, 여기서, 상기 제3 프로세스 장치는 상기 파라미터 그룹에 각각 상응한다.
본 발명의 실시 예에서, 상기 1단계 이후에, 2차 근원 검색 단계를 포함하는 제2 단계를 수행한다. 상기 2차 근원 검색 단계는 상기 프로세스 툴 유형의 주요 프로세스 툴 유형에 속하는 상기 적어도 하나의 제1 주요 장치 중 하나를 선택하는 단계 및 상기 공작물의 상기 최종 검사값 및 상기 모든 프로세스 단계에 있는 상기 주요 프로세스 툴 유형에 속하는 상기 프로세스 툴의 상기 프로세스 장치의 상기 모든 프로세스 파라미터의 값을 상기 제1 검색 모델에 입력하여, 상기 수율 검사 불합격의 원인일 가능성이 있는 복수의 제1 주요 프로세스 파라미터를 파악하는 단계를 포함한다.
상기 목적에 따라, 복수의 프로세스 단계 각각이 적어도 하나의 프로세스 툴을 포함하고, 상기 적어도 하나의 프로세스 툴 각각은 적어도 하나의 프로세스 툴 유형에 속하고 적어도 하나의 프로세스 장치를 포함하고, 적어도 하나의 프로세스 장치 각각에는 복수의 공작물의 하나를 프로세스 하도록 구성된 복수의 프로세스 파라미터가 있는, 상기 복수의 프로세스 단계를 포함하는 생산 라인에서 발생하는 수율 손실의 근원을 파악하는 시스템이 제공된다. 본 시스템은 메모리와 프로세서를 포함한다. 상기 메모리는 상기 공작물에 상응하는 복수의 최종 검사값 및 생산 정보를 저장하고, 상기 생산 정보는 복수의 생산 경로, 상기 프로세스 파라미터의 값 및 상기 공작물의 복수의 인라인 계측값 모음을 포함하고, 상기 생산 경로는 각각 상기 공작물의 하나를 프로세스 하기 위한 상기 프로세스 단계의 상기 프로세스 툴의 상기 프로세스 장치 중에서 미리 정한 장치를 나타내고, 상기 인라인 계측값 모음은 상기 미리 정한 장치에 의해 공작물이 프로세스 된 직후에 계측을 수행하여 획득되고, 상기 최종 검사값 모음은 상기 공작물 각각이 상기 생산 라인을 거친 후에 상기 공작물 각각에 적어도 하나의 수율 검사를 수행하여 획득된다. 상기 프로세서는 제1 규칙 확인 동작을 수행하여 상기 적어도 하나의 프로세스 단계에 유일한 프로세스 장치만 가진 유일한 프로세스 툴만 있는지 판단한다. 또한, 상기 프로세서는 제2 규칙 확인 동작을 수행하여 상기 적어도 하나의 프로세스 단계에 결함 밀도가 동일한 복수의 제3 프로세스 장치를 가진 유일한 프로세스 툴만 있는지 판단한다. 상기 제1 규칙 확인 동작과 상기 제2 규칙 확인 동작의 결과의 하나 또는 모두가 "예"인 경우, 1차 입력 데이터 처리 동작 및 2차 입력 데이터 처리 동작 중 하나 또는 모두를 수행한다. 상기 1차 입력 데이터 처리 동작은 상기 유일한 프로세스 장치를 상기 생산 정보의 제1 프로세스 장치 및 제2 프로세스 장치에 의해 대체하도록 수행되고, 여기서, 상기 제1 프로세스 장치는 상기 유일한 프로세스 툴에 대한 유지관리 동작이 수행되기 전에 상기 공작물의 일 부분을 프로세스 하고 상기 제2 프로세스 장치는 상기 유지관리 동작이 완료된 후에 상기 공작물의 타 부분을 프로세스 한다. 상기 2차 입력 데이터 처리 동작은 상기 제3 프로세스 장치의 상기 프로세스 파라미터를 상기 생산 정보의 파라미터 유형에 따라 복수의 파라미터 그룹으로 나누도록 수행되고, 여기서, 상기 제3 프로세스 장치는 상기 파라미터 그룹에 각각 상응한다. 상기 프로세서는 상기 최종 검사값에 따라 수율 검사 불합격이 발생했는지 판단하고, 상기 수율 검사 불합격이 발생한 경우, 1차 근원 검색 단계를 포함하는 1단계를 수행한다. 상기 1차 근원 검색 단계는 제1 알고리즘에 근거하여 제1 검색 모델을 준비하는 단계(여기서, 상기 제1 알고리즘은 TPOGA(triple phase orthogonal greedy algorithm), LASSO(least absolute shrinkage and selection operator) 알고리즘, 또는 SERT(sample-efficient regression trees)임)와 상기 공작물의 상기 최종 검사값 모음 및 상기 공작물의 상기 인라인 계측값 모음과 상기 공작물의 상기 생산 경로를 상기 제1 검색 모델에 입력하여, 상기 프로세스 단계에 있는 상기 프로세스 툴의 상기 프로세스 장치로부터, 상기 수율 검사 불합격의 원인일 가능성이 있는 적어도 하나의 제1 주요 장치를 파악하는 단계를 포함한다.
본 발명의 실시 예에서, 상기 프로세서는, 상기 1단계 이후에, 2차 근원 검색 단계를 포함하는 2단계를 수행한다. 상기 2차 근원 검색 단계는 상기 적어도 하나의 프로세스 툴 유형의 주요 프로세스 툴 유형에 속하는 상기 적어도 하나의 제1 주요 장치 중 하나를 선택하는 단계 및 상기 공작물의 상기 최종 검사값 및 상기 모든 프로세스 단계에 있는 상기 주요 프로세스 툴 유형에 속하는 상기 프로세스 툴의 상기 프로세스 장치의 상기 모든 프로세스 파라미터의 값을 상기 제1 검색 모델에 입력하여, 상기 수율 검사 불합격의 원인일 가능성이 있는 복수의 제1 주요 프로세스 파라미터를 파악하는 단계를 포함한다.
본 발명의 실시 예에서, 상기 2단계는 상기 공작물의 상기 최종 검사값 및 상기 모든 프로세스 단계에 있는 상기 주요 프로세스 툴 유형에 속하는 상기 프로세스 툴의 상기 프로세스 장치의 상기 모든 프로세스 파라미터의 값을 상기 제2 검색 모델에 입력하여, 상기 수율 검사 불합격의 원인일 가능성이 있는 복수의 제2 주요 프로세스 파라미터를 파악하는 단계, 상기 제1 주요 프로세스 파라미터의 순위와 점수를 매기는 단계, 상기 제2 주요 프로세스 파라미터의 순위와 점수를 매기는 단계, 및 상기 제1 주요 프로세스 파라미터와 상기 제2 주요 프로세스 파라미터 사이의 순위 유사성을 비교하여, 상기 제1 주요 프로세스 파라미터와 상기 제2 주요 프로세스 파라미터의 파악 결과의 신뢰도 수준을 측정하기 위한 제2 신뢰도 지수를 획득하는 단계를 더 포함한다.
상기의 전반적인 설명과 다음의 상세한 설명은 예시에 의한 것이며 본 발명의 청구 범위에 설명을 추가하기 위한 것임을 이해해야 한다.
따라서, 본 발명의 실시 예들을 적용하면, 생산 라인에서의 수율 손실의 근원을 쉽게 파악할 수 있으며, 검색 결과의 신뢰도 수준을 효과적으로 측정할 수 있다.
본 발명은 다음의 실시 예 설명과 이에 첨부하는 다음의 도면을 참조하여 더욱 완벽히 이해될 수 있다.
도 1a는 본 발명의 일부 실시 예에 의한 생산라인을 도시한 구성도이다.
도 1b는 본 발명의 일부 실시 예에 의한 프로세스 단계의 예시적인 프로세스 툴 유형을 도시한 구성도이다.
도 1c는 본 발명의 일부 실시 예에 의한 예시적인 프로세스 툴을 도시한 구성도이다.
도 2는 본 발명의 일부 실시 예에 의한 수율 손실의 근원을 파악하는 시스템을 도시한 구성도이다.
도 3은 본 발명의 일부 실시 예에 의한 자동 벌칙(
Figure pat00001
) 조절 방법을 도시한 순서도이다.
도 4는 본 발명의 일부 실시 예에 의한 사각단계 검색 알고리즘(Blind-Stage Search Algorithm, BSA)을 도시한 순서도이다.
도 5는 본 발명의 일부 실시 예에 의한 수율 손실의 근원을 파악하는 방법을 도시한 순서도이다.
이하, 본 발명의 실시 예들을 상세히 설명하고 그 예시들을 첨부한 도면에 도시한다. 이하의 설명과 도면에서, 동일하거나 유사한 구성요소에는 가급적 동일한 참조 번호를 사용한다.
도 1a 내지 도 1c를 참조하면, 도 1a는 본 발명의 일부 실시 예에 의한 생산 라인(100)을 도시한 구성도이며, 여기서 TFT 프로세스를 예시로 하였고, 도 1b는 본 발명의 일부 실시 예에 의한 프로세스 단계의 예시적인 프로세스 툴 유형을 도시한 구성도이며, 여기서 게이트층을 예시로 하였고, 도 1c는 본 발명의 일부 실시 예에 의한 예시적인 프로세스 툴을 도시한 구성도이며, 여기서 증착 툴을 예시로 하였다.
본 발명의 실시 예들은 프로세스 단계들(110, 130, 140, 150, 160)을 포함하는 생산 라인(100)에 발생하는 수율 손실의 근원을 파악하는 것에 관한 것이며, 여기서 프로세스 단계(110, 130, 140, 150, 160)는 각각 프로세스 툴 유형(112, 114, 116, 118, 120, 122)에 속하는 프로세스 툴(미도시)을 포함한다. 예를 들어, 도 1b에 도시된 바와 같이, 프로세스 단계(110, 130, 140, 150, 160)은 각각 프로세스 툴 유형(112, 114, 116, 118, 120, 122)의 프로세스 툴을 포함한다. 프로세스 툴 각각은 적어도 하나의 프로세스 장치를 포함한다. 예를 들어, 프로세스 툴은 프로세스 장치(112a, 112b, 112c, 112d, 112e, 112f)를 포함한다.
TFT-LCD 공장을 예를 들면, 생산 라인(100)은 TFT 프로세스를 수행하기 위해 구축될 수 있고, 프로세스 단계 110(단계 I), 130(단계 II), 140(단계 III), 150(단계 IV), 160(단계 V)는 게이트층, 반도체층, 데이터층, 보호층, ITO(indium tin oxide)층일 수 있다. 게이트층(프로세스단계 110)은 소위 사진 식각 프로세스(photo engraving process, PEP)을 위한 프로세스 툴을 포함한다. 여기서, 프로세스 툴은 막 증착(프로세스 툴 유형 112), 양성 포토 레지스트 도포(프로세스 툴 유형 114), 노출(프로세스 툴 유형 116), 현상(프로세스 툴 유형 118), 식각(프로세스 툴 유형 120), 박리(프로세스 툴 유형 122)와 같은 프로세스 툴 유형에 속한다. 각 프로세스 툴은 프로세스 장치(프로세스실, 112a, 112b, 112c, 112d, 112e, 112f)를 포함한다.
동작을 예로 들면, 각 공작물(workpiece)은 프로세스 단계(110, 130, 140, 150, 160)을 하나씩 통과하고 최종 시험을 거쳐서 각 공작물에 해당하는 복수의 최종 검사값을 획득한다. 이후, 최종 검사값을 사용하여 수율 검사에 불합격인지 판단한다. 수율 검사에서는 전기 검사 불합격, 입자 등의 원인에 의한 각종 결함의 결과로 초래되는 제1 ~10 유형의 수율 손실이 나올 수 있다. 각 프로세스 단계(110, 130, 140, 150, 160)에서, 각 공작물은 각 프로세스 툴 유형(112, 114, 116, 118, 120, 122)의 프로세스 툴에 의해 하나씩 처리되고, 각 공작물은 각 공저 툴의 한 프로세스 장치에서만 처리된다. 프로세스 툴 유형(112, 114, 116, 118, 120, 122)의 프로세스 툴의 미리 정해진 프로세스 장치에 의해 각 공작물이 처리된 후, 각 공작물에 계측을 수행하여 각 공작물에 상응하는 복수의 인라인(in-line) 계측값 모음을 획득한다. 여기서, 계측은, 도 1b에 도시된 인라인 계측값 124(두께), 125(임계 치수), 126(깊이), 127(임계 치수)와 같이, 계측 툴에 의한 실제 측정 혹은 가상 계측일 수 있다. 각 공작물은 프로세스 장치에 의해 처리되는 반면, 프로세스 파라미터의 값은 예를 들어 도 1b에 도시된 프로세스 데이터(113, 115, 119, 121)와 같은 센서에 의해 수집된다.
도 2는 본 발명의 일부 실시 예에 의한 수율 손실의 근원을 파악하는 시스템(200)을 도시한 구성도이다.
시스템(200)은 메모리(200)와 프로세서(206)를 포함한다.
프로세서(206)는 프로세서, 마이크로프로세서, 또는 명령(예를 들어, FPGA (field programmable gate array))을 해석하고 실행할 수 있는 프로세싱 로직을 포함할 수 있다. 프로세서(206)는 단일 장치(예를 들어, 단일 코어) 및/또는 장치 그룹(예를 들어, 멀티 코어)를 포함할 수 있다.
메모리(202)는 프로세서(206)에서 수행될 정보 및 명령을 저장할 수 있는 RAM(random access memory) 또는 다른 유형의 동적 저장 장치를 포함할 수 있다. 메모리(202)는 프로세서(206)에 의해 명령이 실행되는 동안 임시 변수 또는 기타 중간 정보를 저장하기 위해 사용될 수도 있다. 프로세서(206)에 의해 실행되기 위해 나중에 메모리(202)로 로드될 생산 정보(204), 결함(D), 최종 검사값(Y) 등을 저장하기 위해 데이터베이스가 사용될 수 있다.
메모리(202)는 생산 라인(100, 도 1)에서 처리된 공작물에 상응하는 생산 정보(204), 결함(D) 및 복수의 최종 검사값(Y) 집합을 저장한다. 생산 정보는 공작물의 생산 경로(XR), 프로세스 파라미터(XP)의 값 및 공작물의 복수의 인라인 계측값(y) 모음을 포함하며, 여기서 각 생산 경로는, 도 1a 내지 도 1c에 도시된 '프로세스 경로(110)에 있는 프로세스 툴 유형(112)의 프로세스 툴의 프로세스 장치(112a)'와 같이, 하나의 공작물을 프로세스 하기 위한 프로세스 단계에 사용되는 프로세스 툴의 임의의 프로세스 장치를 말한다. 인라인 계측값(y) 모음은 공작물이 상기 임의의 장치에 의해 처리되자마자 공작물의 계측을 수행함으로써 획득하고, 최종 검사값 집합은 공작물이 생산 라인을 통과한 후에 각 공작물에 적어도 하나의 수율 시험을 수행함으로써 획득한다. 결함(D)은 생산 단계의 어느 단계에서나 발생할 수 있기 때문에 결함(D)도 또한 분석을 위하여 가져오기(import) 된다. 이후, 처리된 결함(D)은 결함(D)의 성질에 따라 생산 정보(204) 또는 최종 검사값(Y)과 합쳐질 수 있다. 근원 검색 단계(240)의 결과는 TPOGA(Triple Phase Orthogonal Greedy Algorithm)(242: KSO)의 검색 결과 및 LASSO(Least Absolute Shrinkage and Selection Operator)(244: KSL)의 검색 결과를 비롯하여 이들과 동반하는 신뢰도 지수(RIK)이다. 일부 실시 예에서는 TPOGA(242) 또는 LASSO(244)를 대신하여 SERT(sample-efficient regression trees)가 사용될 수도 있다. 근원 검색 단계(240)에서는 TPOGA/LASSO, TPOGA/SERT, 또는 LASSO/SERT와 같이 두 개의 서로 다른 알고리즘이 사용된다. 이하, TPOGA, LASSO 및 SERT에 대하여 설명한다.
그리디 알고리즘(greedy algorithm)은 원인이 되는 모든 파라미터(X)와 최종 검사 결과(Y) 사이의 상관관계를 고려하는 단계적 회귀 분석 방식이다. 본 발명의 실시 예에서, X는 생산과 관련된 모든 변수, 즉, XR, XP, y를 포함하고, Y는 최종 검사 결과(값)을 나타낸다. 여기서, 고차원 회귀 문제는 PGA(pure greedy algorithm)와 OGA(orthogonal greedy algorithm)를 사용하여 해결할 수 있다. 그러나 고차원 선형 회귀에 있어서는 OGA의 성능이 PGA보다 우수하다. 본 발명의 실시 예에서, OGA, HDIC(High-Dimensional Information Criterion) 및 트리밍(trimming) 프로세스를 조합하여 소위 TPOGA를 형성한다. 본 발명의 실시 예에 사용되는 TPOGA에 대한 상세한 내용은 본 상세한 설명에 그 내용이 반영된 "A stepwise regression method and consistent model selection for high-dimensional sparse linear models"(C.-K. Ing and T. L. Lai, Statistica Sinica, vol. 21, pp. 1473-1513, 2011)를 참조하면 된다. 이 논문에서 저자들은 적합하게 선택된 기준의 최저값을 갖는 OGA 경로에 맞게 선택할 종료 조건, HDIC에 대해 기재하고 있다.
단계적 회귀와 달리, LASSO는 상수보다 작은 계수의 절대값의 합에 의존하는 잔여 제곱합을 최소화하는 수축 방식이다. 이 제약의 성질로 인하여, 이 방식은 일부 계수가 정확히 0이 되게 하고, 따라서 해석 가능한 모델을 제공한다. 일반적인 단계적 회귀와 LASSO의 중요한 차이는 모든 독립 변수들은 LASSO를 통하여 동시에 처리 가능하지만 일반적인 단계적 회귀를 통해서는 불가능하다는 것이다. 본 발명의 실시 예에 사용되는 LASSO에 대한 상세한 내용은 본 상세한 설명에 그 내용이 반영된 "Regression shrinkage and selection via the LASSO"(R. Tibshirani, J. Royal Statistical Soc. B, vol. 58, no. 1, pp. 267-288, 1996) 및 "The elements of statistical learning: data mining, inference, and prediction"(Trevor Hastie, Robert Tibshirani and Jerome Friedman, Springer, New York, 2009)를 참조하면 된다.
벌칙(
Figure pat00002
) 설정의 과제를 줄이고 적합한 결과를 얻기 위하여, 본 발명의 실시 예에서, LASSO 알고리즘은 자동 벌칙(
Figure pat00003
) 조절 방법을 포함하고 ALASSO(Automated LASSO)라고 칭한다.
도 3은 본 발명의 일부 실시 예에 의한 자동 벌칙(
Figure pat00004
) 조절 방법을 도시한 순서도이다.
도 3에 도시된 바와 같이, 단계 310에서, 벌칙(
Figure pat00005
의 초기값이 5 또는 임의의 적합한 값으로 설정된다. 단계 320에서, LASSO가 실행된다. 단계 330에서, 주요 변수(Target#KV, 예를 들면 10)의 적합한 목표값이 선택된 후, LASSO에 의해 선택된 주요 변수(#KV)의 수가 Target#KV와 동일한지 확인한다. 본 발명의 실시 예에서, 주요 변수는 수율 손실을 야기하는 프로세스 단계 또는 프로세스 파라미터이다. 단계 330의 결과가 '아니오'인 경우, 단계 340을 수행하여 벌칙(
Figure pat00006
)을 재산출 한다. Target#KV를 사용하여 불필요한 변수를 과다하게 선택하는 것을 방지한다. 단계 340에서, Lowerbound는
Figure pat00007
의 하한계로 정의하고, Lowerbound의 초기값을 0으로 한다(
Figure pat00008
≥ 0이기 때문). 만일 #KV < Target#KV일 경우,
Figure pat00009
new = (
Figure pat00010
fold + Lowerbound)/2이 되고, 반면에 만일 #KV > Target#KV일 경우,
Figure pat00011
new =
Figure pat00012
old + (
Figure pat00013
old + Lowerbound)/2이 되며 Lowerbound =
Figure pat00014
old로 재할당한다. 이후, 단계 320을 반복한다.
단계 330의 결과가 '예'인 경우, 단계 350을 수행한다. 단계 350에서, 주요 변수(KV)를 중요도에 따른 내림차순으로 정렬한다. 이후, 단계 360을 수행하여 정렬된 KV를 결과로 출력한다.
SERT는 회귀 분석과 회귀 나무(regression tree)의 전진 선택(forward selection) 방법론을 조합한다. CART (classification and regression trees)와 같은 기존의 판단 트리(decision tree)와 비교할 때, SERT는 소위 고차원(p >> n) 문제 내의 조합 효과를 처리할 수 있다. 본 발명의 실시 예에 사용되는 SERT에 대한 상세한 내용은 본 상세한 설명에 그 내용이 반영된 "Sample-efficient regression trees (SERT) for semiconductor yield Loss Analysis" (A. Chen and A. Hong, IEEE Transactions on Semiconductor Manufacturing, vol. 23, no. 3, August 2010)를 참조하면 된다.
도 2에 도시된 바와 같이, 근원 검색 단계(240)을 수행하기 전에, 데이터 전처리 단계(210, 220, 230)를 수행하여 모든 입력, 즉, 생산 정보(XR, XP, y), 결함(D) 및 최종 검사(Y)의 데이터 품질을 보장해야 한다. 이러한 입력의 특성은 아래에 설명한다. XR은 1 또는 0으로 구분하여 공작물이 현 단계를 통과하는지 여부를 나타내야 한다. XP는 중앙집중 되어야 하는 툴 프로세스 파라미터(예를 들어, 전압, 압력, 온도 등)의 데이터를 포함한다. y는 중앙집중 되어야 하는 인라인 검사 데이터(예를 들어, 임계 치수, 두께 등)를 나타낸다. D에 있어서, 회사마다 결함의 정의가 다르므로 데이터 전처리 및 품질 확인을 실행하기 전에 도메인 전문가와 의논할 필요가 있다. Y는 중앙집중 되어야 하는 수율 검사 결과(최종 검사값)을 말한다.
처리 데이터 품질 지수(DQIXR)로 나타내어지는 데이터 품질 평가 알고리즘 XR은 다음의 네 가지 사실을 평가한다. 1) 프로세스 단계에 같은 종류의 프로세스 툴이 여러 개 있어도 프로세스 단계에서는 그 중에서 하나의 프로세스 툴만이 사용된다. 예를 들어, 생산 라인에 같은 프로세스 툴 유형의 프로세스 툴이 3개 필요하면 생산 라인에는 프로세스 툴이 각각 배치되는 3개의 프로세스 단계가 있다. 2) 프로세스 툴이 다른 생산 라인에서 사용되면, 다른 생산 라인에 있는 동일 프로세스 장치가 다른 프로세스 단계로 고려될 것이다. 3) 프로세스 툴을 통과하는 공작물에는 두 가지 가능성, 즉, 통과("1") 또는 비통과("0")만 존재한다. 4) 공작물은 프로세스 단계에 속하지 않는 프로세스 툴을 통과할 수 없다.
마찬가지로, 데이터 품질 평가 알고리즘 XP 와 y는 각각 DQIXP와 DQIXy로 나타내어진다. 데이터 품질 평가 알고리즘 Y는 DQIY로 표현된다. DQIXP와 DQIXy는 모두 미국 특허 번호 8,095,484 B2에 사용된 프로세스 데이터 품질 평가 체계와 유사한 알고리즘을 사용하고, DQIY도 미국 특허 번호 8,095,484 B2에 사용된 계측 데이터 품질 평가 체계를 사용한다. 미국 특허 번호 8,095,484 B2는 본 상세한 설명에 그 내용이 반영되어 있다.
본 발명에서 프로세스 장치 및 프로세스 데이터와 같은 데이터를 설명이 가능한 변수로 정의하고, 공작물이 프로세스 장치를 거치는 경우 생산 경로의 값을 1로 설정하고 거치지 않는 경우 0으로 설정한다. 또한 본 발명은 TPOGA 및 ALASSO 알고리즘을 채택하여 수율 저하를 초래하는 주요 장치를 신속하게 발견하여 수율 향상을 도모한다. 그러나, 특정 프로세스 단계에서 하나의 프로세스만 존재할 경우, 모든 설명 가능한 변수는 1이 된다. 모든 설명 가능한 변수가 1로 동일할 경우, 이 변수들은 절편항(intercept term)으로 간주된다. 그 결과, 본 발명에 적용된 TPOGA 및 ALASSO 알고리즘은 이런 절편항을 구분할 수 없다. 즉, 수율 손실의 근원이 이런 절편항에 내장돼 있으면 파악이 불가능하다.
또한, 특정 프로세스 단계의 프로세스 장치들이 동일한 결함 밀도를 가지고 있는 경우, TPOGA 및 ALASSO는 모두 문제가 있는 프로세스 장치를 발견하지 못한다. 특정 프로세스 단계에 있는 모든 프로세스 장치들의 결함 밀도가 동일할 경우, 상관계수값은 0이다. TPOGA 및 ALASSO는 수율과 관련된 프로세스 장치의 상호관계의 의거하여 주요 파라미터를 선택하기 때문에, 동일한 결함 밀도를 가진 프로세스 장치들이 수율 손실을 초래하는 주요 장치일 경우, 상관계수값이 0이기 때문에 TPOGA 및 ALASSO는 이 장치들을 제대로 파악할 수 없게 된다. 결함 밀도는 다음과 같이 정의된다.
Figure pat00015
(a)
Figure pat00016
(b)
여기서, x i R a 은 a번째 프로세스 장치의 i번째 샘플(공작물)의 생산 경로이고, Utilization은 a번째 프로세스 장치를 통과하는 샘플(공작물)의 수를 의미하고, Defect Density는 a번째 프로세스 장치를 거쳐가는 비정상 제품(공작물)을 나타낸다.
상기 설명한 두 경우는 소위 사각단계(blind-stage) 문제를 초래한다. 즉, 프로세스 단계가 하나의 프로세스 장치만 있는 단일 프로세스 툴로만 구성되거나 동일한 결함 밀도를 가진 여러 개의 프로세스 장치가 있는 단일 프로세스 툴로만 구성되면, 사각단계 문제를 가진 하나 이상의 프로세스 장치에 근원이 있는 경우, TPOGA 및 ALASSO는 정확한 파악을 할 수 없다. 사각단계 문제를 해결하기 위하여, 본 발명은 근원 검색 단계(240) 이전에 사각단계 검색 알고리즘(Blind-Stage Search Algorithm (BSA), 240)을 제공한다.
도 4는 본 발명의 일부 실시 예에 의한 BSA(260)의 순서도이다.
BSA(260)에서, 제1 규칙 확인 동작(262)을 수행하여 적어도 하나의 프로세스 단계에 하나의 프로세스 장치만을 가진 하나의 프로세스 툴만이 있는지 판단한다. 예를 들면, 단일 CVD(프로세스) 툴만이 프로세스 단계에 존재하고, 이 단일 CVD 툴에는 단일 프로세스실(장치) 만이 있다. BSA(260)에서는, 제2 규칙 확인 동작(264)도 수행하여 적어도 하나의 프로세스 단계에 동일 결함 밀도를 가진 복수의 제3 프로세스 장치를 가진 단일 프로세스 툴만이 있는지 판단한다. 제1 규칙 확인 동작(262) 및 제2 규칙 확인 동작(264)의 결과 중 적어도 하나가 "예"일 경우, 1차 입력 데이터 처리 동작(266) 및 2차 입력 데이터 처리 동작(268) 중 적어도 하나가 수행된다.
1차 입력 데이터 처리 동작(266)을 수행하여 생산 정보(204)의 단일 프로세스 장치를 제1 프로세스 장치와 제2 프로세스 장치로 대체한다. 여기서, 제1 프로세스 장치는 단일 프로세스 툴에 대한 유지관리 동작을 수행하기 전에 공작물의 일 부분을 처리하고, 제2 프로세스 장치는 유지관리 동작을 마친 후에 공작물의 타 부분을 처리한다. 예를 들어, 유지관리 데이터(maintenance data, MD) 동작은 제1 로트(28 공작물)의 처리를 완료한 직후에 수행되고, 유지관리 동작을 완료한 후에 제2 로트(28 공작물)이 처리된다. 제1 규칙 확인 동작(262)의 결과가 "예"인 경우, 즉, TPOGA 및 ALASSO 모두 근원이 단일 프로세스 툴에 의해 야기됐는지 명확하게 파악할 수 없는 경우, MD 동작에 근거하여 두 개의 가상 프로세스 장치(제1 장치, 제2 장치)를 도입하고, MD 동작 이전의 공작물(28 공작물)의 일 부분은 제1 프로세스 장치(MD1)에 의해 처리되는 것으로 간주하고, MD 동작 이후의 공작물(28 공작물)의 타 부분은 제2 프로세스 장치(MD2)에 의해 처리되는 것으로 간주한다.
2차 입력 데이터 처리 동작(268)을 수행하여 제3 프로세스 장치의 프로세스 파라미터를 생산 정보(204)의 파라미터 유형에 의거하여, 제3 프로세스 장치에 각각 상응하는, 복수의 파라미터 그룹으로 나눈다. 예를 들어, 특정 프로세스 단계에는 단일 프로세스 툴만이 있고, 이 프로세스 툴에는 동일한 결함 밀도를 가진 3개의 (제3 )프로세스 장치(A1, A2, A3)가 있다. 이 경우, 모든 프로세스 파라미터는 파라미터 유형(예, 온도, 압력, 유속 등)에 따라 세 개의 파라미터 그룹(P1, P2, P3)로 나뉘어지고, 제3 프로세스 장치 A1은 파라미터 그룹 P1에 해당되고, 제3 프로세스 장치 A2는 파라미터 그룹 P2에 해당되고, 제3 프로세스 장치 A3은 파라미터 그룹 P3에 해당된다.
이에 따라, 생산 정보(204)는 사각단계 문제를 극복하도록 조절된다. 생산 정보(204)는 근원 검색 단계(240)를 수행하기 위해 프로세서(206)에 의해 사용된다.
프로세서(206)는 최종 검사값에 의거하여 수율 검사 불합격이 발생했는지 판단하고, 수율 검사 불합격이 발생한 경우 근원 검색 단계(240)를 수행한다. 일부 실시 예에서, 예를 들어 TPOGA(242) 및 LASSO(244) 각각을 수행하는 등과 같이, 서로 다른 알고리즘으로 근원 검색 단계(240)를 두 번 수행하여 TPOGA(242)에 근거한 결과와 LASSO(244)에 근거한 결과 사이의 순위 유사성을 비교함으로써 신뢰도 지수(RIK)를 산출하는 단계(250)를 수행한다. 신뢰도 지수(RIK)는 TPOGA(242) 및 LASSO(244)에 근거하여 파악된 결과의 신뢰도 수준을 측정하는데 사용된다. TPOGA(242) 및 LASSO(244)의 결과를 비교하고 중복 및 가중치를 고려함으로써, RIK를 재산출하고 0~1 사이로 설정한다. RIKT = 0.7이 임계치일 때, RIK가 RIKT보다 클 경우, 검색 결과의 신뢰도는 좋고, 그렇지 않을 경우, 검색 결과는 재검사하여야 한다. 신뢰도 지수(RIK)를 산출하는 단계(250)에 대하여는 하기에서 설명하도록 한다.
본 발명의 실시 예는 생산 라인(100)에서의 수율 손실의 근원을 검색하는 2단계 프로세스를 제공한다. 1단계에서는 수율 손실을 야기할 가능성이 있는 프로세스 툴과 프로세스 단계를 파악하고, 2단계에서는 1단계에서 파악한 프로세스 단계 내에서 수율 손실을 야기할 가능성이 있는 프로세스 파라미터를 파악한다. 각 단계에서, 본 발명의 검색 결과의 신뢰도 수준을 측정할 수 있는 신뢰도 지수(RIK)를 산출하기 위하여 두개의 서로 다른 알고리즘을 사용할 수 있다.
도 1a, 도 1b, 도 1c 및 도 5를 참조하면, 도 5는 본 발명의 일부 실시 예에 의한 수율 손실의 근원을 파악하는 방법을 도시한 순서도이다.
우선, 단계 400을 수행하여, 최종 검사값(Y)에 의거하여 수율 검사 불합격이 발생했는지 판단한다. 수율 검사 불합격이 발생했으면 1단계(402)를 수행한다. 1단계(402)에서, 1차 근원 검색 단계(410)를 수행하여, 어느 프로세스 툴이 수율 검사 불합격의 원인(수율 손실)일 가능성이 가장 높은지를 파악한다. 1차 근원 검색 단계(410)에서, 예를 들어 도 2의 TPOGA(242)와 같은, TPOGA(triple phase orthogonal greedy algorithm), LASSO(least absolute shrinkage and selection operator) 알고리즘 또는 SERT(sample-efficient regression trees)인 제1 알고리즘에 근거한 제1 검색 모델을 먼저 준비한다. 다음으로, 일련의 제1 데이터(40)를 제1 검색 모델에 입력하여, 프로세스 단계(110, 130, 140, 150, 160)에 있는 프로세스 툴의 프로세스 장치(112a~112f) 중에서 수율 검사 불합격을 야기할 가능성이 있는 적어도 하나의 제1 주요 장치(예를 들어, 프로세스 단계 110의 프로세스 툴 유형 112에 속하는 프로세스 툴의 프로세스 장치 112a)를 파악한다. 일련의 제1 데이터(40)는 공작물의 최종 검사값(Y)을 비롯하여 공작물의 인라인 계측값(y) 모음 및 공작물의 생산 경로(XR)로 구성된다. 제1 검색 모델(TPOGA)의 결과(KSO)의 예가 표1에 도시되어 있다. 여기서, 수율 손실을 야기할 가능성이 높은 상위 10개의 프로세스 툴(제1 주요 장치)은 TPOGA에 의해 파악되었다. 사각단계 문제가 있는 프로세스 장치들은 "Stage4:CVD:Eq 7 MD1", "Stage4:CVD:Eq 7 MD2", "Stage4:CVD:Eq 7 P1", "Stage4:CVD:Eq 7 P2" 및 "Stage4:CVD:Eq 7 P3"로 나타내어질 수 있다.
선택 순서 TPOGA로 파악된 제1 주요장치
1 Stage4:CVD:Eq 7 Ch B (process stage 150:tool type 112:device 112b)
2 Stage2:CVD:Eq A Ch A (process stage 130:tool type 112:device 112a)
3 Stage4:CVD:Eq 7 Ch C (process stage 150:tool type 112:device 112c)
4 Stage4:CVD:Eq 7 Ch D (process stage 150:tool type 112:device 112d)
5 Stage2:CVD:Eq A Ch B (process stage 130:tool type 112:device 112b)
6 Stage4:CVD:Eq 7 Ch E (process stage 150:tool type 112:device 112e)
7 Stage2:CVD:Eq A Ch C (process stage 130:tool type 112:device 112c)
8 Stage1:CVD:Eq 1 Ch A (process stage 120:tool type 112:device 112a)
9 Stage4:CVD:Eq 7 Ch A (process stage 150:tool type 112:device 112a)
10 Stage2:CVD:Eq A Ch D (process stage 130:tool type 112:device 112d)
선택 순서 1로부터 10으로 갈수록 장치가 수율 손실을 초래할 가능성은 낮아진다. 표1에 나타난 바와 같이, 프로세스 단계 150에 있는 프로세스 툴 112의 프로세스 장치 112a가 선택 순서 1에 있으며 수율 손실을 초래할 가능성이 가장 높은 장치이다. 1차 근원 검색 단계(410)를 완료한 후에, 1차 신뢰도 지수(RIK) 단계(420)를 선택적으로 수행하여 제1 알고리즘(예, TPOGA)에 근거한 1차 근원 검색 단계(410)의 결과에 대한 신뢰도 수준을 측정할 수 있다.
1차 신뢰도 지수(RIK) 단계(420)에서, 제2 알고리즘에 근거한 제2 검색 모델을 준비한다. 제2 알고리즘은 단계 410에서 사용하는 제1 알고리즘과 다른 TPOGA(triple phase orthogonal greedy algorithm), LASSO(least absolute shrinkage and selection operator) 알고리즘 또는 SERT(sample-efficient regression trees)이다. 예를 들어, 제1 알고리즘은 도 2에 도시된 TPOGA(242)이고, 제2 알고리즘은 도 2에 도시된 LASSO(244)이며, 이 경우, LASSO(244)는 자동 벌칙(
Figure pat00017
) 조절 방법을 포함하는 LASSO 알고리즘, 즉, ALASSO이다. 다음으로, 일련의 제1 데이터(40)를 제2 검색 모델에 입력하여, 프로세스 단계(110, 130, 140, 150, 160)에 있는 프로세스 툴(112, 114, 116, 118, 120)의 프로세스 장치(112a~112f) 중에서 수율 검사 불합격을 야기할 가능성이 있는 적어도 하나의 제2 주요 장치(예를 들어, 프로세스 단계 110의 프로세스 툴 유형 112에 속하는 프로세스 툴의 프로세스 장치 112a)를 파악한다.
제2 검색 모델(TPOGA)의 결과(KSL)의 예가 표 2에 도시되어 있다. 여기서, 수율 손실을 야기할 가능성이 높은 상위 10개의 프로세스 툴(장치)은 ALASSO에 의해 파악되었다.
선택 순서 ALASSO로 파악된 제2 주요장치
1 Stage4:CVD:Eq 7 Ch B (process stage 150:tool type 112:device 112b)
2 Stage2:CVD:Eq A Ch A (process stage 130:tool type 112:device 112a)
3 Stage4:CVD:Eq 7 Ch C (process stage 150:tool type 112:device 112c)
4 Stage1:PVD:Eq 1 Ch D (process stage 110:tool type 112:device 112d)
5 Stage1:PVD:Eq 1 Ch E (process stage 110:tool type 112:device 112e)
6 Stage2:CVD:Eq A Ch B (process stage 130:tool type 112:device 112b)
7 Stage4:CVD:Eq 7 Ch A (process stage 150:tool type 112:device 112a)
8 Stage4:CVD:Eq 7 Ch E (process stage 150:tool type 112:device 112e)
9 Stage2:CVD:Eq A Ch E (process stage 130:tool type 112:device 112e)
10 Stage2:CVD:Eq A Ch D (process stage 130:tool type 112:device 112d)
이후, 도 1에 나열된 제1 주요 장치와 도 2에 나열된 제2 주요 장치의 순위와 점수를 매긴다. 먼저 선택된 주요 장치가 더 중요하기 때문에 TPOGA 및 ALASSO로 검색된 주요 장치의 순서가 중요하므로, 순서 뿐만 아니라 80-20 원칙에 의거하여 가중치를 부여함으로써 중요한 소수(minority) 장치에 높은 점수가 부여되도록 한다. 그 결과, 최종 점수는 다음과 같다.
Figure pat00018
(1)
여기서, OSl는 원 점수이며, FSl는 l = 1, 2, ..., 10가 선택 순서인 최종 점수이다.
본 발명의 실시 예는 위에서 언급한 80-20 원칙에 제한되지 않으며, 본 발명의 실시 예에 다른 점수 부여 방식이 적용될 수도 있다. 수학식 (1)을 산출한 후, 제1 주요 장치와 제2 주요 장치의 최종 점수의 예가 표3과 표4에 도시되어 있다.
선택 순서(l) TPOGA로 파악된 제1 주요장치 최종점수(FSO l )
1 Stage4:CVD:Eq 7 Ch B 0.8 * ( 1.0 / 2.7 ) = 0.296
2 Stage2:CVD:Eq A Ch A 0.8 * ( 0.9 / 2.7 ) = 0.267
3 Stage4:CVD:Eq 7 Ch C 0.8 * ( 0.8 / 2.7 ) = 0.237
4 Stage4:CVD:Eq 7 Ch D 0.2 * ( 0.7 / 2.8 ) = 0.050
5 Stage2:CVD:Eq A Ch B 0.2 * ( 0.6 / 2.8 ) = 0.043
6 Stage4:CVD:Eq 7 Ch E 0.2 * ( 0.5 / 2.8 ) = 0.036
7 Stage2:CVD:Eq A Ch C 0.2 * ( 0.4 / 2.8 ) = 0.029
8 Stage1:CVD:Eq 1 Ch A 0.2 * ( 0.3 / 2.8 ) = 0.021
9 Stage4:CVD:Eq 7 Ch A 0.2 * ( 0.2 / 2.8 ) = 0.014
10 Stage2:CVD:Eq A Ch D 0.2 * ( 0.1 / 2.8 ) = 0.007
선택 순서(l) ALASSO로 파악된 제2 주요장치 최종점수(FSL l )
1 Stage4:CVD:Eq 7 Ch B 0.8 * ( 1.0 / 2.7 ) = 0.296
2 Stage2:CVD:Eq A Ch A 0.8 * ( 0.9 / 2.7 ) = 0.267
3 Stage4:CVD:Eq 7 Ch C 0.8 * ( 0.8 / 2.7 ) = 0.237
4 Stage1:PVD:Eq 1 Ch D 0.2 * ( 0.7 / 2.8 ) = 0.050
5 Stage1:PVD:Eq 1 Ch E 0.2 * ( 0.6 / 2.8 ) = 0.043
6 Stage2:CVD:Eq A Ch B 0.2 * ( 0.5 / 2.8 ) = 0.036
7 Stage4:CVD:Eq 7 Ch A 0.2 * ( 0.4 / 2.8 ) = 0.029
8 Stage4:CVD:Eq 7 Ch E 0.2 * ( 0.3 / 2.8 ) = 0.021
9 Stage2:CVD:Eq A Ch E 0.2 * ( 0.2 / 2.8 ) = 0.014
10 Stage2:CVD:Eq A Ch D 0.2 * ( 0.1 / 2.8 ) = 0.007
다음으로, 제1 주요 장치와 제2 주요 장치 사이의 순위(선택 순서)의 유사성을 비교하여 제1 주요 장치 및 제2 주요 장치의 파악 결과의 신뢰도 수준을 측정할 제1 신뢰도 지수(RIk)를 구한다. RIk를 산출하는 개략적인 방법은 아래에 설명하였다. 동일한 순서를 가지고 TPOGA 및 ALASSO 모두에 의해서 특정 주요 장치가 선택되었다면, 그 주요 장치의 점수를 반영한다. 이후, 서로 다른 선택 순서를 가지고 TPOGA 및 ALASSO 모두에 의해서 특정 주요 장치가 선택되었다면 이 주요 장치의 점수도 반영한다. 최종적으로, TPOGA 및 ALASSO가 중복하지 않는 서로 다른 주요 장치를 선택하면, 이 변수의 점수는 반영하지 않는다. 따라서 검색 결과의 RIk는 다음과 같이 산출된다.
Figure pat00019
(2)
여기서, FSO i 는 O i 의 최종 점수, FSL j 는 L j 의 최종 점수, O i 는 TPOGA, i = 1, 2, 3, ..., 10의 i번째 선택 프로세스 장치, L j 는 ALASSO, j = 1, 2, 3,..., 10의 j번째 선택 프로세스 장치임
이와 같이, RIK는 상기 수학식 (2)를 통하여 산출한다. 표3 및 표 4에 근거한 RIK의 결과는 0.932로 이는 임계 RIKT(예를 들면, 0.7)보다 크다. RIK 임계치는 실제 요구사항에 따라 다를 수 있다. 이는 곧 TPOGA 및 ALASSO의 검색 결과는 거의 동일하다는 것을 의미하며, 따라서 결과를 신뢰할 만 하다.
표3과 표4에 도시된 바와 같이, 1순위 장치는 보호층(단계)에 있는 막 증착(Film Deposition) 프로세스의 장비 7(Equipement 7)의 챔버 B(Chamber B)이고, 2순위 장치는 반도체층(단계)에 있는 막 증착 프로세스의 장비 A의 챔버 A이다. 플랜트 시험 데이터와 비교하면, 28개 공작물 중에서, 8개의 유형 2 손실 샘플 중에서 3개가 1순위 장치에 의해 프로세스 됐고, 8개의 유형 2 손실 샘플 중에서 다른 3개가 2순위 장치에 의해 프로세스 됐다. 따라서, 1차 근원 검색 단계(410)의 결과는 플랜트 시험 데이터와 일치한다.
단계 410 또는 단계 420 이후에, 2단계(404)를 수행한다. 2단계에서, 2차 근원 검색 단계(430)을 수행하여 어느 프로세스 파라미터들이 수율 손실을 초래할 가능성이 있는지를 파악한다. 단계 420에서, 우선, 제1 또는 제2 주요 장치에서 하나의 프로세스 장치를 선택하는데, 이 하나의 프로세스 장치는 프로세스 툴 유형의 주요 프로세스 툴 유형에 속한다. 다음으로, 일련의 제2 데이터(42)를 제1 검색 모델에 입력하여 수율 검사 불합격을 야기할 가능성이 있는 제1 주요 프로세스 파라미터들을 파악한다. 여기서, 일련의 제2 데이터(42)는 공작물의 최좀 검사값(Y)을 비롯하여 모든 프로세스 단계에 있는 주요 프로세스 툴 유형에 속하는 프로세스 툴들의 프로세스 장치들의 모든 프로세스 파라미터(XP)의 모든 값으로 구성된다. 2순위 장치(Stage2:CVD:Eq A Ch A)를 예로 들면, 2순위 장치의 프로세스 데이터에는 27개의 프로세스 파라미터(XP)가 있고, 2순위 장치가 속하는 동일 프로세스 단계에 있는 모든 프로세스 장치에 관한 분석을 제1 검색 모델을 사용하여 수행한 후, "제어 전압", "전류" 및 "직류 전압"라는 제1 주요 프로세스 파라미터들이 수율 손실의 근원인 것으로 밝혀졌다.
2차 근원 검색 단계(430) 이후에, 2차 신뢰도 지수(RIk) 단계(440)를 선택적으로 수행하여 2차 근원 검색 단계(430)의 결과에 대한 신뢰도 수준을 측정할 수 있다. 2차 신뢰도 지수(RIk) 단계(440)에서, 일련의 제2 데이터(42)를 제2 검색 모델에 입력하여 수율 검사 불합격을 야기할 가능성이 있는 제2 주요 프로세스 파라미터들을 파악한다. 2순위 장치가 속하는 동일 프로세스 단계에 있는 모든 프로세스 장치에 관한 분석을 제2 검색 모델을 사용하여 수행한 후, "제어 전압", "전류" 및 "유속"이라는 제2 주요 프로세스 파라미터들이 수율 손실의 근원인 것으로 밝혀졌다. 이후, 앞서 설명한 바와 같이, 제1 주요 프로세스 파라미터들의 순위와 점수를 매기고, 제2 주요 프로세스 파라미터들의 순위와 점수를 매긴다. 이후, 제1 주요 프로세스 파마미터돌과 제2 주요 프로세스 파라미터들 사이의 순위의 유사성을 비교하여, 제1 주요 프로세스 파라미터들 및 제2 주요 프로세스 파라미터들의 파악 결과의 신뢰도 수준을 측정할 제2 신뢰도 지수(RIk)를 구한다. 예를 들어, 주요 프로세스 파라미터 검색의 제2 신뢰도 지수(RIk)는 0.864(> 0.7)이고, 따라서 1순위 변수가 "제어 전압"인 검색 결과는 신뢰할 만 하다. 이후 단계 450에서, 문제 해결과 지속적인 개선을 위하여 연관 부서에 통지를 보낸다.
수율 손실의 근원을 파악하는 방법은 상기의 단계에 의해 수행된다. 상기에 설명한 방법은 비-일시적 유형 컴퓨터-독출가능 기록 매체에 저장된 컴퓨터 프로그램을 사용하여 수행된다. 상기에 설명한 실시 예들은 본 발명의 실시 예에 근거한 프로세스를 수행하기 위하여 컴퓨터(또는 기타 전자 장치)를 프로그램하기 위한 명령어들이 저장된 기계 판독 가능 매체 등을 포함하는 컴퓨터 프로그램 제품으로 제공될 수 있다. 기계 판독 가능 매체는 플로피 디스크, 광 디스크, CD-ROM, 자기-광 디스크, ROM, RAM, EPROM, EEPROM, 자기 또는 광 카트, 플래시 메모리, 또는 전자 명령어를 저장하기 적합한 기타 다른 유형의 매체 또는 기계 판독 매체 등일 수 있으며, 이에 한정하지 않는다. 또한 본 발명의 실시 예들은 컴퓨터 프로그램 제품으로 다운로드 되고, 원격 컴퓨터로부터 통신 링크(예를 들어, 네트워크 연결 등)를 통한 데이터 신호를 이용하여 컴퓨터 프로그램 제품을 요청하는 컴퓨터로 전송될 수 있다.
본 발명은 또한 생산 시스템의 차원에서 설명될 수 있다. 본 발명은 반도체 제조에 구현될 수 있지만, 반도체 제조에 한정되는 것이 아니며, 마이크로프로세서, 기억 장치, 디지털 신호 프로세서, ASIC, 또는 기타 유사한 장치 등을 포함하는 공작물이나 제품 등의 제조에도 적용될 수 있다. 본 발명은 또한 반도체 장치 이외의 공작물 또는 공산품, 예를 들면, 자동차 바퀴, 나사 등의 생산 시스템에 적용될 수 있다. 이러한 생산 시스템은 공작물(예, 웨이퍼) 내 또는 상에 하나 이상의 제품이나 제품의 일부를 형성하는데 사용될 수 있는 하나 이상의 프로세싱 툴을 포함한다. 프로세싱 툴이 리소그래피 툴, 증착 툴, 식각 툴, 연마 툴, 어닐링 툴, 가공 툴 등의 다양한 유형의 다양한 수량으로 구현될 수 있다는 것은 당업자에게는 당연할 것이다. 본 발명의 실시 예에서, 생산 시스템은 또한 스테터로미터(scatterometer), 엘립소미터(ellipsometer), 주사전자현미경(scanning electron microscope) 등과 같은 하나 이상의 계측 툴을 포함할 수 있다.
생산 라인의 수율 손실의 근원을 찾기 위하여 2단계 프로세스를 사용함으로써 넓게 산재한 원인들 중에서 근원을 쉽게 파악할 수 있다는 것을 위에 설명한 본 발명의 실시 예를 통하여 알 수 있을 것이다. 각 단계에서, 신뢰도 지수(RIk)는 검색 결과의 신뢰도 수준을 측정하는데 사용할 수 있다.
해당 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 범위 또는 사상을 벗어나지 않는 범위 내에서 본 발명의 구조를 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다. 따라서, 본 발명은 이하 특허청구범위 내에 속하는 모든 수정 및 변경을 포함한다고 할 것이다.

Claims (11)

  1. 복수의 프로세스 단계 각각이 적어도 하나의 프로세스 툴을 포함하고, 상기 적어도 하나의 프로세스 툴 각각은 적어도 하나의 프로세스 툴 유형에 속하고 적어도 하나의 프로세스 장치를 포함하고, 상기 적어도 하나의 프로세스 장치 각각에는 복수의 공작물의 하나를 프로세스 하도록 구성된 복수의 프로세스 파라미터가 있는, 상기 복수의 프로세스 단계를 포함하는 생산 라인에서 발생하는 수율 손실의 근원을 파악하는 방법에 있어서, 상기 방법은:
    상기 적어도 하나의 프로세스 단계에 유일한 프로세스 장치만 가진 유일한 프로세스 툴만 있는 경우 및/또는 상기 적어도 하나의 프로세스 단계에 결함 밀도가 동일한 복수의 제3 프로세스 장치를 가진 유일한 프로세스 툴만 있는 경우, 1차 입력 데이터 처리 동작 및 2차 입력 데이터 처리 동작 중 하나 또는 모두를 수행하는 단계;
    여기서, 상기 1차 입력 데이터 처리 동작은 상기 유일한 프로세스 장치를 제1 프로세스 장치 및 제2 프로세스 장치에 의해 대체하도록 수행되고―여기서, 상기 제1 프로세스 장치는 상기 유일한 프로세스 툴에 대한 유지관리 동작이 수행되기 전에 상기 공작물의 일 부분을 프로세스 하고 상기 제2 프로세스 장치는 상기 유지관리 동작이 완료된 후에 상기 공작물의 타 부분을 프로세스 함,
    상기 2차 입력 데이터 처리 동작은 상기 제3 프로세스 장치의 상기 프로세스 파라미터를 파라미터 유형에 따라 복수의 파라미터 그룹으로 나누도록 수행되고―여기서, 상기 제3 프로세스 장치는 상기 파라미터 그룹에 각각 상응함,
    각 생산 경로가 상기 공작물의 하나를 프로세스 하기 위한 상기 프로세스 단계의 상기 프로세스 툴의 상기 프로세스 장치 중에서 미리 정한 장치를 나타내는, 복수의 생산 경로를 획득하는 단계;
    상기 공작물의 복수의 인라인(in-line) 계측값 모음을 수신하는 단계―여기서, 상기 인라인 계측값 모음은 상기 미리 정한 장치에 의해 공작물이 프로세스 된 이후에 계측을 수행하여 획득됨;
    상기 공작물에 상응하는 복수의 최종 검사값 모음을 수신하는 단계―여기서, 상기 최종 검사값 모음은 상기 공작물 각각이 상기 생산 라인을 거친 후에 상기 공작물 각각에 적어도 하나의 수율 검사를 수행하여 획득됨;
    상기 최종 검사값에 따라 수율 검사 불합격이 발생했는지 판단하는 단계; 및
    상기 수율 검사 불합격이 발생한 경우, 1차 근원 검색 단계를 포함하는 1단계를 수행하는 단계를 포함하고,
    여기서, 상기 1차 근원 검색 단계는,
    제1 알고리즘에 근거하여 제1 검색 모델을 준비하는 단계―여기서, 상기 제1 알고리즘은 TPOGA(triple phase orthogonal greedy algorithm), LASSO(least absolute shrinkage and selection operator) 알고리즘, 또는 SERT(sample-efficient regression trees)임; 및
    상기 공작물의 상기 최종 검사값 모음 및 상기 공작물의 상기 인라인 계측값 모음과 상기 공작물의 상기 생산 경로를 상기 제1 검색 모델에 입력하여, 상기 프로세스 단계에 있는 상기 프로세스 툴의 상기 프로세스 장치로부터, 상기 수율 검사 불합격의 원인일 가능성이 있는 적어도 하나의 제1 주요 장치를 파악하는 단계를 포함하는 수율 손실의 근원을 파악하는 방법.
  2. 제1 항에 있어서,
    상기 1단계는:
    상기 제1 알고리즘과 다른 제2 알고리즘에 근거하여 제2 검색 모델을 준비하는 단계―여기서, 상기 제2 알고리즘은 TPOGA(triple phase orthogonal greedy algorithm), LASSO(least absolute shrinkage and selection operator) 알고리즘, 또는 SERT(sample-efficient regression trees)임;
    상기 공작물의 상기 최종 검사값 및 상기 공작물의 상기 인라인 계측값 모음과 상기 공작물의 상기 생산 경로를 상기 제2 검색 모델에 입력하여, 상기 프로세스 단계에 있는 상기 프로세스 툴의 상기 프로세스 장치로부터, 상기 수율 검사 불합격의 원인일 가능성이 있는 적어도 하나의 제2 주요 장치를 파악하는 단계;
    상기 적어도 하나의 제1 주요 장치의 순위와 점수를 매기는 단계;
    상기 적어도 하나의 제2 주요 장치의 순위와 점수를 매기는 단계; 및
    상기 적어도 하나의 제1 주요 장치와 상기 적어도 하나의 제2 주요 장치 사이의 순위 유사성을 비교하여, 상기 적어도 하나의 제1 주요 장치와 상기 적어도 하나의 제2 주요 장치의 파악 결과의 신뢰도 수준을 측정하기 위한 제1 신뢰도 지수를 획득하는 단계를 더 포함하는 수율 손실의 근원을 파악하는 방법.
  3. 제1 항에 있어서,
    상기 1단계 이후에, 2차 근원 검색 단계를 포함하는 제2 단계를 수행하는 단계를 더 포함하고,
    여기서, 상기 2차 근원 검색 단계는:
    상기 프로세스 툴 유형의 주요 프로세스 툴 유형에 속하는 상기 적어도 하나의 제1 주요 장치 중 하나를 선택하는 단계; 및
    상기 공작물의 상기 최종 검사값 및 상기 모든 프로세스 단계에 있는 상기 주요 프로세스 툴 유형에 속하는 상기 프로세스 툴의 상기 프로세스 장치의 상기 모든 프로세스 파라미터의 값을 상기 제1 검색 모델에 입력하여, 상기 수율 검사 불합격의 원인일 가능성이 있는 복수의 제1 주요 프로세스 파라미터를 파악하는 단계를 포함하는 수율 손실의 근원을 파악하는 방법.
  4. 제3 항에 있어서,
    상기 제2 단계는:
    상기 공작물의 상기 최종 검사값 및 상기 모든 프로세스 단계에 있는 상기 주요 프로세스 툴 유형에 속하는 상기 프로세스 툴의 상기 프로세스 장치의 상기 모든 프로세스 파라미터의 값을 상기 제2 검색 모델에 입력하여, 상기 수율 검사 불합격의 원인일 가능성이 있는 복수의 제2 주요 프로세스 파라미터를 파악하는 단계;
    상기 제1 주요 프로세스 파라미터의 순위와 점수를 매기는 단계;
    상기 제2 주요 프로세스 파라미터의 순위와 점수를 매기는 단계; 및
    상기 제1 주요 프로세스 파라미터와 상기 제2 주요 프로세스 파라미터 사이의 순위 유사성을 비교하여, 상기 제1 주요 프로세스 파라미터와 상기 제2 주요 프로세스 파라미터의 파악 결과의 신뢰도 수준을 측정하기 위한 제2 신뢰도 지수를 획득하는 단계를 더 포함하는 수율 손실의 근원을 파악하는 방법.
  5. 제1 항에 있어서,
    공작물이 미리 정한 장치에 의해 프로세스 된 이후에 공작물에 가상 계측을 수행함으로써 상기 인라인 계측값 모음을 획득하는 수율 손실의 근원을 파악하는 방법.
  6. 제1 항에 있어서,
    상기 LASSO 알고리즘은 자동 벌칙(
    Figure pat00020
    ) 조절 방법을 포함하는 수율 손실의 근원을 파악하는 방법.
  7. 복수의 프로세스 단계 각각이 적어도 하나의 프로세스 툴을 포함하고, 상기 적어도 하나의 프로세스 툴 각각은 적어도 하나의 프로세스 툴 유형에 속하고 적어도 하나의 프로세스 장치를 포함하고, 적어도 하나의 프로세스 장치 각각에는 복수의 공작물의 하나를 프로세스 하도록 구성된 복수의 프로세스 파라미터가 있는, 상기 복수의 프로세스 단계를 포함하는 생산 라인에서 발생하는 수율 손실의 근원을 파악하는 시스템에 있어서,
    상기 시스템은:
    상기 공작물에 상응하는 복수의 최종 검사값 및 생산 정보를 저장하는 메모리―여기서, 상기 생산 정보는 복수의 생산 경로, 상기 프로세스 파라미터의 값 및 상기 공작물의 복수의 인라인 계측값 모음을 포함하고, 상기 생산 경로는 각각 상기 공작물의 하나를 프로세스 하기 위한 상기 프로세스 단계의 상기 프로세스 툴의 상기 프로세스 장치 중에서 미리 정한 장치를 나타내고, 상기 인라인 계측값 모음은 상기 미리 정한 장치에 의해 공작물이 프로세스 된 직후에 계측을 수행하여 획득되고, 상기 최종 검사값 모음은 상기 공작물 각각이 상기 생산 라인을 거친 후에 상기 공작물 각각에 적어도 하나의 수율 검사를 수행하여 획득됨; 및
    프로세서를 포함하고,
    여기서, 프로세서는:
    제1 규칙 확인 동작을 수행하여 상기 적어도 하나의 프로세스 단계에 유일한 프로세스 장치만 가진 유일한 프로세스 툴만 있는지 판단하고;
    제2 규칙 확인 동작을 수행하여 상기 적어도 하나의 프로세스 단계에 결함 밀도가 동일한 복수의 제3 프로세스 장치를 가진 유일한 프로세스 툴만 있는지 판단하고;
    상기 제1 규칙 확인 동작과 상기 제2 규칙 확인 동작의 결과의 하나 또는 모두가 "예"인 경우, 1차 입력 데이터 처리 동작 및 2차 입력 데이터 처리 동작 중 하나 또는 모두를 수행하고--
    여기서, 상기 1차 입력 데이터 처리 동작은 상기 유일한 프로세스 장치를 상기 생산 정보의 제1 프로세스 장치 및 제2 프로세스 장치에 의해 대체하도록 수행되고―여기서, 상기 제1 프로세스 장치는 상기 유일한 프로세스 툴에 대한 유지관리 동작이 수행되기 전에 상기 공작물의 일 부분을 프로세스 하고 상기 제2 프로세스 장치는 상기 유지관리 동작이 완료된 후에 상기 공작물의 타 부분을 프로세스 함,
    상기 2차 입력 데이터 처리 동작은 상기 제3 프로세스 장치의 상기 프로세스 파라미터를 상기 생산 정보의 파라미터 유형에 따라 복수의 파라미터 그룹으로 나누도록 수행되고―여기서, 상기 제3 프로세스 장치는 상기 파라미터 그룹에 각각 상응함;
    상기 최종 검사값에 따라 수율 검사 불합격이 발생했는지 판단하고;
    상기 수율 검사 불합격이 발생한 경우, 1차 근원 검색 단계를 포함하는 1단계를 수행하는 것을 특징으로 하고,
    여기서, 상기 1차 근원 검색 단계는:
    제1 알고리즘에 근거하여 제1 검색 모델을 준비하는 단계―여기서, 상기 제1 알고리즘은 TPOGA(triple phase orthogonal greedy algorithm), LASSO(least absolute shrinkage and selection operator) 알고리즘, 또는 SERT(sample-efficient regression trees)임; 및
    상기 공작물의 상기 최종 검사값 모음 및 상기 공작물의 상기 인라인 계측값 모음과 상기 공작물의 상기 생산 경로를 상기 제1 검색 모델에 입력하여, 상기 프로세스 단계에 있는 상기 프로세스 툴의 상기 프로세스 장치로부터, 상기 수율 검사 불합격의 원인일 가능성이 있는 적어도 하나의 제1 주요 장치를 파악하는 단계를 포함하는 수율 손실의 근원을 파악하는 시스템
  8. 제7 항에 있어서,
    상기 1단계는:
    상기 제1 알고리즘과 다른 제2 알고리즘에 근거하여 제2 검색 모델을 준비하는 단계―여기서, 상기 제2 알고리즘은 TPOGA(triple phase orthogonal greedy algorithm), LASSO(least absolute shrinkage and selection operator) 알고리즘, 또는 SERT(sample-efficient regression trees)임;
    상기 공작물의 상기 최종 검사값 및 상기 공작물의 상기 인라인 계측값 모음과 상기 공작물의 상기 생산 경로를 상기 제2 검색 모델에 입력하여, 상기 프로세스 단계에 있는 상기 프로세스 툴의 상기 프로세스 장치로부터, 상기 수율 검사 불합격의 원인일 가능성이 있는 적어도 하나의 제2 주요 장치를 파악하는 단계;
    상기 적어도 하나의 제1 주요 장치의 순위와 점수를 매기는 단계;
    상기 적어도 하나의 제2 주요 장치의 순위와 점수를 매기는 단계; 및
    상기 적어도 하나의 제1 주요 장치와 상기 적어도 하나의 제2 주요 장치 사이의 순위 유사성을 비교하여, 상기 적어도 하나의 제1 주요 장치와 상기 적어도 하나의 제2 주요 장치의 파악 결과의 신뢰도 수준을 측정하기 위한 제1 신뢰도 지수를 획득하는 단계를 더 포함하는 수율 손실의 근원을 파악하는 시스템.
  9. 제7 항에 있어서,
    상기 프로세서는, 상기 1단계 이후에, 2차 근원 검색 단계를 포함하는 2단계를 수행하고,
    여기서, 상기 2차 근원 검색 단계는:
    상기 적어도 하나의 프로세스 툴 유형의 주요 프로세스 툴 유형에 속하는 상기 적어도 하나의 제1 주요 장치 중 하나를 선택하는 단계; 및
    상기 공작물의 상기 최종 검사값 및 상기 모든 프로세스 단계에 있는 상기 주요 프로세스 툴 유형에 속하는 상기 프로세스 툴의 상기 프로세스 장치의 상기 모든 프로세스 파라미터의 값을 상기 제1 검색 모델에 입력하여, 상기 수율 검사 불합격의 원인일 가능성이 있는 복수의 제1 주요 프로세스 파라미터를 파악하는 단계를 포함하는 수율 손실의 근원을 파악하는 시스템.
  10. 제9 항에 있어서,
    상기 2단계는
    상기 공작물의 상기 최종 검사값 및 상기 모든 프로세스 단계에 있는 상기 주요 프로세스 툴 유형에 속하는 상기 프로세스 툴의 상기 프로세스 장치의 상기 모든 프로세스 파라미터의 값을 상기 제2 검색 모델에 입력하여, 상기 수율 검사 불합격의 원인일 가능성이 있는 복수의 제2 주요 프로세스 파라미터를 파악하는 단계;
    상기 제1 주요 프로세스 파라미터의 순위와 점수를 매기는 단계;
    상기 제2 주요 프로세스 파라미터의 순위와 점수를 매기는 단계; 및
    상기 제1 주요 프로세스 파라미터와 상기 제2 주요 프로세스 파라미터 사이의 순위 유사성을 비교하여, 상기 제1 주요 프로세스 파라미터와 상기 제2 주요 프로세스 파라미터의 파악 결과의 신뢰도 수준을 측정하기 위한 제2 신뢰도 지수를 획득하는 단계를 더 포함하는 수율 손실의 근원을 파악하는 시스템.
  11. 제7 항에 있어서,
    공작물이 미리 정한 장치에 의해 프로세스 된 이후에 공작물에 가상 계측을 수행함으로써 상기 인라인 계측값 모음을 획득하는 수율 손실의 근원을 파악하는 시스템.
KR1020170077558A 2015-11-30 2017-06-19 수율 손실의 근원 파악 시스템 및 방법 KR102003961B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201562260656P 2015-11-30 2015-11-30
US15/260,343 2016-09-09
US15/260,343 US10935962B2 (en) 2015-11-30 2016-09-09 System and method for identifying root causes of yield loss

Publications (2)

Publication Number Publication Date
KR20180028903A true KR20180028903A (ko) 2018-03-19
KR102003961B1 KR102003961B1 (ko) 2019-07-25

Family

ID=58777509

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170077558A KR102003961B1 (ko) 2015-11-30 2017-06-19 수율 손실의 근원 파악 시스템 및 방법

Country Status (4)

Country Link
US (1) US10935962B2 (ko)
KR (1) KR102003961B1 (ko)
CN (1) CN106815462B (ko)
TW (1) TWI623830B (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210063812A (ko) * 2019-11-25 2021-06-02 한국세라믹기술원 세라믹 필름 제조 공정 분석 장치 및 방법 그리고 이를 구현하기 위한 프로그램을 기록한 기록매체

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI625682B (zh) 2017-12-01 2018-06-01 財團法人工業技術研究院 參數最佳化方法、裝置以及非暫態電腦可讀取媒體
TWI660322B (zh) * 2018-05-17 2019-05-21 國立成功大學 考慮機台交互作用之辨識良率損失原因的系統與方法
CN110320892B (zh) * 2019-07-15 2020-07-14 重庆邮电大学 基于Lasso回归的污水处理设备故障诊断系统及方法
CN114766023B (zh) * 2020-10-30 2023-05-16 京东方科技集团股份有限公司 数据处理方法、装置及系统、电子设备
CN113552856B (zh) * 2021-09-22 2021-12-10 成都数之联科技有限公司 工艺参数根因定位方法和相关装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001160572A (ja) * 1999-12-02 2001-06-12 Hitachi Ltd 不良解析方法およびそのシステム並びに歩留り成分のシミュレーション方法および仮想歩留り算出方法
JP2006065598A (ja) * 2004-08-27 2006-03-09 Hitachi Ltd 生産管理システム
KR20090121177A (ko) * 2008-05-20 2009-11-25 내셔날 쳉쿵 유니버시티 자동 가상 계측 시스템 및 방법

Family Cites Families (45)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10214870A (ja) * 1997-01-29 1998-08-11 Hitachi Ltd 半導体装置の製造方法
US6470230B1 (en) * 2000-01-04 2002-10-22 Advanced Micro Devices, Inc. Supervisory method for determining optimal process targets based on product performance in microelectronic fabrication
WO2002091248A1 (en) * 2001-05-04 2002-11-14 Therma-Wave, Inc. Systems and methods for metrology recipe and model generation
US6458610B1 (en) * 2001-05-31 2002-10-01 Advanced Micro Devices, Inc. Method and apparatus for optical film stack fault detection
US6965895B2 (en) * 2001-07-16 2005-11-15 Applied Materials, Inc. Method and apparatus for analyzing manufacturing data
US6821792B1 (en) * 2001-12-18 2004-11-23 Advanced Micro Devices, Inc. Method and apparatus for determining a sampling plan based on process and equipment state information
US7401066B2 (en) * 2002-03-21 2008-07-15 Applied Materials, Inc. Correlation of end-of-line data mining with process tool data mining
US6957120B1 (en) * 2003-01-06 2005-10-18 Advanced Micro Devices, Inc. Multi-level process data representation
US20050072234A1 (en) * 2003-05-20 2005-04-07 Weidong Zhu System and method for detecting structural damage
US7346878B1 (en) * 2003-07-02 2008-03-18 Kla-Tencor Technologies Corporation Apparatus and methods for providing in-chip microtargets for metrology or inspection
US6988045B2 (en) * 2003-08-04 2006-01-17 Advanced Micro Devices, Inc. Dynamic metrology sampling methods, and system for performing same
US7198964B1 (en) * 2004-02-03 2007-04-03 Advanced Micro Devices, Inc. Method and apparatus for detecting faults using principal component analysis parameter groupings
US7792595B1 (en) * 2004-03-30 2010-09-07 Synopsys, Inc. Method and system for enhancing the yield in semiconductor manufacturing
EP1794693B1 (en) * 2004-10-01 2016-05-11 Mentor Graphics Corporation Feature failure correlation
US7543255B2 (en) * 2004-11-01 2009-06-02 Synopsys, Inc. Method and apparatus to reduce random yield loss
US20070002295A1 (en) * 2005-06-30 2007-01-04 Asml Netherlands B.V. System and method of monitoring and diagnosing system condition and performance
DE102006004411B4 (de) * 2006-01-31 2017-11-09 Globalfoundries Inc. Verfahren und System für die Messdatenbewertung in der Halbleiterbearbeitung durch auf Korrelation basierende Datenfilterung
US7403864B2 (en) * 2006-11-06 2008-07-22 Taiwan Semiconductor Manufacturing Company, Ltd. Method and system for centrally-controlled semiconductor wafer correlation
US20080147579A1 (en) * 2006-12-14 2008-06-19 Microsoft Corporation Discriminative training using boosted lasso
US7494893B1 (en) * 2007-01-17 2009-02-24 Pdf Solutions, Inc. Identifying yield-relevant process parameters in integrated circuit device fabrication processes
US7974728B2 (en) * 2007-05-04 2011-07-05 Taiwan Semiconductor Manufacturing Company, Ltd. System for extraction of key process parameters from fault detection classification to enable wafer prediction
TWI338916B (en) * 2007-06-08 2011-03-11 Univ Nat Cheng Kung Dual-phase virtual metrology method
US20090106002A1 (en) * 2007-10-23 2009-04-23 Dfmsim, Inc. Process simulation framework
US8015522B2 (en) * 2008-01-04 2011-09-06 Springsoft Usa, Inc. System for implementing post-silicon IC design changes
TWI380144B (en) * 2008-04-09 2012-12-21 Inotera Memories Inc Method of fuzzy control for semiconductor machine
US8095230B2 (en) * 2008-06-24 2012-01-10 International Business Machines Corporation Method for optimizing the routing of wafers/lots based on yield
CN101738991B (zh) * 2008-11-26 2014-09-10 国立成功大学 检测产品品质超规与评估产品实际测量值的方法
DE102009006887B3 (de) * 2009-01-30 2010-07-15 Advanced Micro Devices, Inc., Sunnyvale Verfahren und System zur Halbleiterprozesssteuerung und Überwachung unter Anwendung eines Datenqualitätsmaßes
US8285414B2 (en) * 2009-03-31 2012-10-09 International Business Machines Corporation Method and system for evaluating a machine tool operating characteristics
KR101854828B1 (ko) * 2009-05-20 2018-05-04 마퍼 리쏘그라피 아이피 비.브이. 듀얼 패스 스캐닝
US8396870B2 (en) * 2009-06-25 2013-03-12 University Of Tennessee Research Foundation Method and apparatus for predicting object properties and events using similarity-based information retrieval and modeling
CN102110584B (zh) * 2009-12-24 2012-09-26 中芯国际集成电路制造(上海)有限公司 一种获得生产线新产品基准产品良率方法
US8855959B2 (en) * 2010-08-30 2014-10-07 International Business Machines Corporation Integrated cross-tester analysis and real-time adaptive test
WO2012036666A1 (en) * 2010-09-13 2012-03-22 Verigy (Singapore) Pte. Ltd. Systems, methods and apparatus that employ statistical analysis of structural test information to identify yield loss mechanisms
TWI435461B (zh) * 2011-03-04 2014-04-21 Inventec Solar Energy Corp 記錄太陽能晶片製程履歷的方法及系統
CN103650345A (zh) * 2011-07-22 2014-03-19 辉达公司 部件分析系统及方法
US20130030760A1 (en) * 2011-07-27 2013-01-31 Tom Thuy Ho Architecture for analysis and prediction of integrated tool-related and material-related data and methods therefor
US20140236515A1 (en) * 2011-07-27 2014-08-21 Tom Thuy Ho Cloud-based architecture for analysis and prediction of integrated tool-related and material-related data and methods therefor
US20130173332A1 (en) * 2011-12-29 2013-07-04 Tom Thuy Ho Architecture for root cause analysis, prediction, and modeling and methods therefor
US8607169B2 (en) * 2011-12-28 2013-12-10 Elitetech Technology Co., Ltd. Intelligent defect diagnosis method
CN103020349B (zh) * 2012-12-08 2015-05-06 清华大学 一种等离子体刻蚀工艺中刻蚀产额的建模方法
US9142014B2 (en) * 2013-05-30 2015-09-22 Dmo Systems Limited System and method for identifying systematic defects in wafer inspection using hierarchical grouping and filtering
KR101538843B1 (ko) * 2013-05-31 2015-07-22 삼성에스디에스 주식회사 제조 설비의 센서 데이터를 활용한 수율 분석 시스템 및 방법
US20150120220A1 (en) * 2013-10-29 2015-04-30 Kla-Tencor Corporation Detecting IC Reliability Defects
TWI521360B (zh) * 2014-03-26 2016-02-11 國立成功大學 量測抽樣方法與其電腦程式產品

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001160572A (ja) * 1999-12-02 2001-06-12 Hitachi Ltd 不良解析方法およびそのシステム並びに歩留り成分のシミュレーション方法および仮想歩留り算出方法
JP2006065598A (ja) * 2004-08-27 2006-03-09 Hitachi Ltd 生産管理システム
KR20090121177A (ko) * 2008-05-20 2009-11-25 내셔날 쳉쿵 유니버시티 자동 가상 계측 시스템 및 방법

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210063812A (ko) * 2019-11-25 2021-06-02 한국세라믹기술원 세라믹 필름 제조 공정 분석 장치 및 방법 그리고 이를 구현하기 위한 프로그램을 기록한 기록매체

Also Published As

Publication number Publication date
CN106815462A (zh) 2017-06-09
US20170153630A1 (en) 2017-06-01
TWI623830B (zh) 2018-05-11
KR102003961B1 (ko) 2019-07-25
CN106815462B (zh) 2019-06-07
US10935962B2 (en) 2021-03-02
TW201729024A (zh) 2017-08-16

Similar Documents

Publication Publication Date Title
KR102003961B1 (ko) 수율 손실의 근원 파악 시스템 및 방법
US7974728B2 (en) System for extraction of key process parameters from fault detection classification to enable wafer prediction
JP6285494B2 (ja) サンプリングレート決定機構付きの測定サンプル抽出方法及びそのコンピュータプログラム製品
US20230205196A1 (en) Sensor metrology data intergration
CN110503288B (zh) 考虑机台交互作用的辨识良率损失原因的系统与方法
KR100915339B1 (ko) 이중 단계 가상 계측 방법
TWI616736B (zh) 使用空間歪曲類似性進行工具失效分析的系統、方法、及電腦可讀媒介
KR20060026072A (ko) 데이터 분석 방법 및 장치
KR20080094081A (ko) 제조 데이터 인덱싱을 위한 방법 및 장치
US11853042B2 (en) Part, sensor, and metrology data integration
US10345794B2 (en) Product quality prediction method for mass customization
JP2023511464A (ja) 製品不良要因を分析するシステム及び方法、コンピュータ可読媒体
CN101118422A (zh) 半导体制造的虚拟量测预估与建立预估模型的方法与系统
Cheng et al. A scheme of high-dimensional key-variable search algorithms for yield improvement
Teoh et al. Systematic data mining using a pattern database to accelerate yield ramp
US20110178624A1 (en) Rule-based root cause and alias analysis for semiconductor manufacturing
JP7354421B2 (ja) エラー要因の推定装置及び推定方法
US6615157B1 (en) System method and computer program product for automatically assessing experiment results
US6944561B2 (en) Method for detection of manufacture defects
Lin et al. Interaction-effect search algorithm for the KSA scheme
Cheng et al. Blind-stage search algorithm for the key-variable search scheme
US20130030760A1 (en) Architecture for analysis and prediction of integrated tool-related and material-related data and methods therefor
Heo et al. A modified lasso model for yield analysis considering the interaction effect in a multistage manufacturing line
US20230153846A1 (en) Golden path search method for manufacturing process and system thereof
US20220237451A1 (en) Semiconductor process prediction method and semiconductor process prediction apparatus for heterogeneous data

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