KR20140032087A - 반도체 제조라인 관리 방법 - Google Patents

반도체 제조라인 관리 방법 Download PDF

Info

Publication number
KR20140032087A
KR20140032087A KR1020120098466A KR20120098466A KR20140032087A KR 20140032087 A KR20140032087 A KR 20140032087A KR 1020120098466 A KR1020120098466 A KR 1020120098466A KR 20120098466 A KR20120098466 A KR 20120098466A KR 20140032087 A KR20140032087 A KR 20140032087A
Authority
KR
South Korea
Prior art keywords
modeling
seasoning
monitoring data
data
manufacturing facility
Prior art date
Application number
KR1020120098466A
Other languages
English (en)
Inventor
이호기
김희석
한성호
Original Assignee
삼성전자주식회사
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 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020120098466A priority Critical patent/KR20140032087A/ko
Priority to US14/018,980 priority patent/US20140135968A1/en
Publication of KR20140032087A publication Critical patent/KR20140032087A/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • 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
    • 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
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/31—From computer integrated manufacturing till monitoring
    • G05B2219/31483—Verify monitored data if valid or not by comparing with reference value
    • 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
    • G05B2219/32—Operator till task planning
    • G05B2219/32201—Build statistical model of past normal proces, compare with actual process
    • 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
    • G05B2219/45031—Manufacturing semiconductor wafers
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Manufacturing & Machinery (AREA)
  • Automation & Control Theory (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • General Factory Administration (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)

Abstract

본 발명은 반도체 제조라인 관리 방법을 개시한다. 그의 방법은, 제조 설비의 기준 레시피를 설정하는 단계와, 상기 기준 레시피에 따라 제어되는 상기 제조 설비의 기준 데이터를 수집하는 단계와, 상기 기준 데이터를 통계적으로 모델링하고, 상기 모델링의 관리 지수를 도출하는 단계와, 상기 모델링을 이용하여 단위 공정을 수행하고, 상기 단위 공정 중에 모니터링 데이터를 획득하는 단계와, 상기 모니터링 데이터를 레퍼런스 데이터로 사용하여 상기 모델링을 갱신하고, 다시 상기 단위 공정을 수행하는 단계를 포함한다.

Description

반도체 제조라인 관리 방법{maintenance method for semiconductor production line}
본 발명은 제조라인 관리 방법에 관한 것으로서, 보다 자세하게는, 통계적 공정 관리를 수행하기 위한 반도체 제조라인 관리 방법에 관한 것이다.
반도체 소자의 임계치수(CD: Critical Dimension)는 반도체 제조설비의 공정 누적시간의 경과에 따라 변화될 수 있다. 반도체 제조설비는 일정 공정 누적시간을 주기로 예방정비(PM)가 수행되고 있다. 예방정비는 반도체 제조설비의 내부 환경을 급격히 변화시킬 수 있다. 예방정비 직후 반도체 제조설비는 시즈닝 공정이 수행될 수 있다. 시즈닝 공정은 반도체 제조설비 내부 환경을 안정된 상태로 만들 수 있다.
그러나, 종래에는 반도체 제조설비의 안정화 시점을 확인할 방법이 없었다. 또한, 시즈닝 이후에도 지속적으로 반도체 제조설비의 안정성을 확인할 수 있는 방법을 제시하지 못하고 있는 실정이다. 따라서, 안정적인 설비 관리 운용이 불가능할 수 있다.
본 발명이 이루고자 하는 기술적 과제는, 통계적 방법으로 반도체 제조설비를 관리할 수 있는 반도체 제조라인 관리 방법을 제공하는 데 있다.
또한, 제조 설비의 안정화 시점을 확인할 수 있는 반도체 제조라인 관리 방법을 제공하는 데 있다.
상기한 과제를 달성하기 위한 본 발명의 제조라인 관리 방법은, 제조 설비의 기준 레시피를 설정하는 단계; 상기 기준 레시피에 따라 제어되는 상기 제조 설비의 레퍼런스 데이터를 수집하는 단계; 상기 레퍼런스 데이터를 통계적으로 모델링하고, 상기 모델링의 관리 지수를 도출하는 단계; 상기 모델링을 이용하여 단위 공정을 수행하고, 상기 단위 공정 중에 모니터링 데이터를 획득하는 단계; 및 상기 모니터링 데이터를 레퍼런스 데이터로 사용하여 상기 모델링을 갱신하고, 다시 상기 단위 공정을 수행하는 단계를 포함한다.
본 발명의 일 실시 예에 따르면, 상기 모델링은 티제곱(T2) 통계량을 포함할 수 있다. 상기 티제곱 통계량은 상기 모니터링 데이터와, 상기 레퍼런스 데이터의 일반화된 거리로부터 산출되는 티제곱 값을 포함할 수 있다.
본 발명의 다른 실시 예에 따르면, 상기 관리 지수는 상기 티제곱 값의 관리 한계선을 포함할 수 있다. 상기 관리 지수는 상기 티제곱의 시즈닝 구간선을 더 포함할 수 있다.
본 발명의 일 실시 예에 따르면, 상기 모델링을 이용하여 상기 제조 설비의 시즈닝 공정을 수행하고, 상기 시즈닝 공정 중의 시즈닝 모니터링 데이터를 획득하는 단계; 상기 시즈닝 구간선을 근거로 상기 제조 설비의 시즈닝 공정이 완료되었는지를 판별하는 단계; 및 상기 시즈닝 공정이 완료되지 않았을 경우, 상기 시즈닝 모니터링 데이터를 시즈닝 레퍼런스 데이터로 사용하여 상기 모델링을 갱신하고 다시 상기 시즈닝을 공정을 수행하는 단계를 더 포함할 수 있다. 상기 티제곱 값이 시즈닝 구간선 아래일 때, 상기 시즈닝 공정이 완료될 수 있다.
본 발명의 일 실시 예에 따르면, 상기 시즈닝 공정이 완료되었으면, 상기 시즈닝 모니터링 데이터를 상기 레퍼런스 데이터로 사용하여 상기 모델링을 갱신하는 단계를 더 포함할 수 있다.
본 발명의 다른 실시 예에 따른 제조라인 관리 방법은, 제조 설비의 기준 레시피를 설정하는 단계; 상기 기준 레시피에 따라 제어되는 상기 제조 설비의 레퍼런스 데이터를 수집하는 단계; 상기 레퍼런스 데이터를 통계적으로 모델링하고, 상기 모델링의 관리 지수를 도출하는 단계; 상기 모델링을 이용하여 상기 제조 설비의 시즈닝 공정을 수행하고, 상기 시즈닝 공정 중의 제 1 모니터링 데이터를 획득하는 단계; 상기 관리 지수를 근거로 상기 제조 설비의 시즈닝 공정이 완료되었는지를 판별하는 단계; 상기 시즈닝 공정이 완료되었으면, 상기 제 1 모니터링 데이터를 상기 레퍼런스 데이터로 사용하여 상기 모델링을 갱신하는 단계; 상기 모델링을 이용하여 단위 공정을 수행하고, 상기 단위 공정 중에 제 2 모니터링 데이터를 획득하는 단계; 및 상기 제 2 모니터링 데이터를 상기 레퍼런스 데이터로 사용하여 상기 모델링을 재차 갱신하고, 다시 상기 단위 공정을 수행하는 단계를 포함한다.
본 발명의 일 실시 예에 따르면, 상기 시즈닝 공정이 완료되지 않았을 경우, 상기 시즈닝 모니터링 데이터를 레퍼런스 데이터로 사용하여 상기 모델링을 갱신하고 다시 상기 시즈닝을 공정을 수행하는 단계를 더 포함할 수 있다.
본 발명의 실시예에 따르면, 설비 컴퓨터는 제조 설비의 기준 레시피에 따라 수행되는 기준 공정을 통해 기준 데이터를 수집하고, 상기 기준 데이터를 통계적으로 모델링할 수 있다. 설비 컴퓨터는 모델링으로부터 관리 지수를 도출할 수 있다. 관리 지수는 시즈닝 구간선 및 관리 한계선의 T2 값을 포함할 수 있다. 또한, 설비 컴퓨터는 모델링을 이용하여 단위 공정을 모니터링 할 수 있다. 데이터 베이스는 단위 공정 중에 획득되는 계측데이터를 저장할 수 있다. 설비 컴퓨터는 선행 단위공정의 모니터링 데이터를 레퍼런스 데이터로 사용함으로서, 후속 단위 공정에서의 모델링을 갱신할 수 있다. 따라서, 본 발명의 실시 예들에 따른 반도체 제조라인 관리 방법은 제조 설비들의 단위 공정의 통계적인 제어 방법(control method) 또는 관리 방법(management method)를 포함할 수 있다.
설비 컴퓨터는 모델링을 이용하여 시즈닝 공정을 모니터링할 수 있다. T2 값이 시즈닝 구간선 아래일 때 시즈닝 공정이 완료될 수 있다. 따라서, 설비 컴퓨터는 제조 설비의 안정화 시점을 파악할 수 있다.
도 1은 본 발명의 실시 예에 따른 반도체 제조라인 관리 방법을 수행하기 위한 반도체 생산 시스템을 개략적으로 나타내는 다이아 그램이다.
도 2는 본 발명의 제 1 실시 예에 따른 반도체 제조라인 관리 방법을 나타내는 플로우 챠트이다.
도 3은 T2 통계량의 관리 한계선을 나타내는 그래프이다.
도 4는 본 발명의 제 2 실시 예에 따른 반도체 제조라인 관리 방법을 나타내는 플로우 차트이다.
도 5는 T2 통계량의 시즈닝 구간선을 나타내는 그래프이다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세히 설명하기로 한다.
본 발명의 실시예들은 당해 기술 분야에서 통상의 지식을 가진 자에게 본 발명을 더욱 완전하게 설명하기 위하여 제공되는 것이며, 하기 실시예는 여러 가지 다른 형태로 변형될 수 있으며, 본 발명의 범위가 하기 실시예에 한정되는 것은 아니다. 오히려 이들 실시예들은 본 개시를 더욱 충실하고 완전하게 하고, 당업자에게 본 발명의 사상을 완전하게 전달하기 위하여 제공되는 것이다. 또한, 도면에서 각 층의 두께나 크기는 설명의 편의 및 명확성을 위하여 과장된 것이다.
명세서 전체에 걸쳐서 영역, 반경, 거리등과 같은 하나의 구성요소가 다른 구성요소 "연속되어", "연결되어", 또는 "커플링되어" 위치한다고 언급할 때는, 상기 하나의 구성요소가 직접적으로 다른 구성요소 "연속되어", "연결되어", 또는 "커플링되어" 접촉하거나, 그 사이에 개재되는 또 다른 구성요소들이 존재할 수 있다고 해석될 수 있다. 반면에, 하나의 구성요소가 다른 구성요소 "직접적으로 연속되어", "직접 연결되어", 또는 "직접 커플링되어" 위치한다고 언급할 때는, 그 사이에 개재되는 다른 구성요소들이 존재하지 않는다고 해석된다. 동일한 부호는 동일한 요소를 지칭한다. 본 명세서에서 사용된 바와 같이, 용어 "및/또는"은 해당 열거된 항목 중 어느 하나 및 하나 이상의 모든 조합을 포함한다.
본 명세서에서 제 1, 제 2 등의 용어가 다양한 부재, 부품, 영역, 면적들을 설명하기 위하여 사용되지만, 이들 부재, 부품, 영역, 면적들은 이들 용어에 의해 한정되어서는 안됨은 자명하다. 이들 용어는 하나의 부재, 부품, 영역, 층 또는 부분을 다른 영역, 층 또는 면적과 구별하기 위하여만 사용된다. 따라서, 이하 상술할 제 1 부재, 부품, 영역, 면적은 본 발명의 가르침으로부터 벗어나지 않고서도 제 2 부재, 부품, 영역, 면적을 지칭할 수 있다.
또한, "이웃" 또는 "인접"과 같은 상대적인 용어들은 도면들에서 도해되는 것처럼 다른 요소들에 대한 어떤 요소들의 관계를 기술하기 위해 여기에서 사용될 수 있다. 상대적 용어들은 도면들에서 묘사되는 방향에 추가하여 소자의 다른 방향들을 포함하는 것을 의도한다고 이해될 수 있다. 소자가 다른 방향으로 향한다면(다른 방향에 대하여 90도 회전), 본 명세서에 사용되는 상대적인 설명들은 이에 따라 해석될 수 있다.
본 명세서에서 사용된 용어는 특정 실시예를 설명하기 위하여 사용되며, 본 발명을 제한하기 위한 것이 아니다. 본 명세서에서 사용된 바와 같이, 단수 형태는 문맥상 다른 경우를 분명히 지적하는 것이 아니라면, 복수의 형태를 포함할 수 있다. 또한, 본 명세서에서 사용되는 경우 "포함한다(comprise)" 및/또는 "포함하는(comprising)"은 언급한 형상들, 숫자, 단계, 동작, 부재, 요소 및/또는 이들 그룹의 존재를 특정하는 것이며, 하나 이상의 다른 형상, 숫자, 동작, 부재, 요소 및/또는 그룹들의 존재 또는 부가를 배제하는 것이 아니다.
이하, 본 발명의 실시예들은 본 발명의 이상적인 실시예들을 개략적으로 도시하는 도면들을 참조하여 설명한다. 도면들에 있어서, 예를 들면, 제조 기술 및/또는 공차(tolerance)에 따라, 도시된 형상의 변형들이 예상될 수 있다. 따라서, 본 발명의 실시예는 본 명세서에 도시된 영역의 특정 형상에 제한된 것으로 해석되어서는 아니 되며, 예를 들면 제조상 초래되는 형상의 변화를 포함하여야 한다.
도 1은 본 발명의 실시예에 따른 반도체 제조라인 관리 방법을 수행하기 위한 반도체 생산 관리 시스템을 개략적으로 나타낸 다이아 그램이다.
도 1에 도시된 바와 같이, 반도체 제조 시스템은, 제조 설비(10)와, 검출기(20)와, 설비 컴퓨터(30)와, 데이터 베이스(40)와, 호스트 컴퓨터(50)를 포함할 수 있다. 제조 설비(10)는 반도체 소자를 제조를 위한 단위 공정 장치이다. 단위 공정은 제조 설비(10)의 레시피에 따라 수행될 수 있다. 예를 들어, 제조 설비(10)는 식각 설비, 증착 설비, 포토 설비, 에싱 설비, 또는 이온 주입 설비를 포함할 수 있다. 제조 설비(10)는 공정 레시피를 따라 해당 단위 공정을 수행할 수 있다. 단위 공정의 누적 사용시간을 일정 주기로 하여 제조 설비(10)의 예방 정비(PM)가 수행될 수 있다.
검출기(20)는 제조 설비(10)의 상태를 나타내는 모니터링 데이터를 생성할 수 있다. 모니터링 데이터는 제조 설비(10)의 레시피에 의존하여 검출될 수 있다. 검출기(20)은 식각 종료점 검출기(EPD: End Point Detection), 광분광계(OES: Optical Eission spectrometer), VI 프로브(Probe), 전자 현미경, 광학 현미경, X-ray 검사장치, 또는 광 센서를 포함할 수 있다.
설비 컴퓨터(30)는 제조설비(10)를 제어할 수 있다. 설비 컴퓨터(30)는 모니터링 데이터로부터 제조 설비(10)의 공정 레시피를 변경하기 위한 제어 신호를 생성할 수 있다. 공정 레시피와 모니터링 데이터는 선형 함수 관계를 가질 수 있다. 설비 컴퓨터(30)는 검출기(20)를 통해 입력되는 모니터링 데이터를 이용하여 제조 설비(10)의 상태를 실시간으로 모니터링 할 수 있다. 데이터 베이스(40)는 모니터링 데이터를 저장할 수 있다.
호스트 컴퓨터(50)는 반도체 생산라인(미도시)의 전반에 걸쳐 거의 모든 제조 설비(10) 및 설비 컴퓨터(20)를 체계적으로 관리할 수 있다. 또한, 호스트 컴퓨터(50)는 상기 제조 설비(10) 및 검출기(20)에서 발생되는 모든 상황을 파악하여 기록할 수 있으며, 후속의 공정과 연계되도록 설정되어 있다. 예컨대, 설비 컴퓨터(30)와 호스트 컴퓨터(30)는 TCP/IP(Transmission Control Protocol/Internet Protocol) 또는 SECS(Semi Equipment Communication Standard) 프로토콜에 의하여 상호 통신하며 데이터를 공유할 수 있다.
설비 컴퓨터(30) 또는 호스트 컴퓨터(50)는 계측 다변량 분석(Statistical ?Process Control: SPC)방법을 사용하여 제조 설비(10)를 제어할 수 있다. 다변량 분석방법은 Hotellling에 의해 제안된 T2 통계량을 포함할 수 있다. T2 통계량은 수학식 1과 같이 정의된다.
Figure pat00001
x는 계측 벡터 또는 모니터링 데이터다.
Figure pat00002
는 평균 벡터 또는 레퍼런스 데이터이다. S는 표본 공분산(covariance)이다. T2 통계량은 계측 벡터(x)와 평균 벡터(
Figure pat00003
)의 일반화된 거리(generalized distance)로부터 산출될 수 있다. 여기서, 계측 벡터(x)는 p차원의 다변량 계측치로 이루어질 때, 수학식 2와 같이 나타날 수 있다.
Figure pat00004
역 계측 벡터(xT)는 가로 방향(horizontall)의 요소들(elements)을 가질 수 있고, 계측 벡터(x)는 세로 방향(vertical)의 요소들을 가질 수 있다. 또한, 다변량 계측치가 n개의 서로 다른 시점에서 얻어진 경우, 수학식 1의 계측 벡터(x)는 (n Х p)의 행렬X로 표현될 수 있다. 행렬 X에서 각 행은 한 시점에서 검출된 계측 벡터(x)이고, 각 열은 해당 변수의 전체 계측치로서 수학식 3과 같이 나타날 수 있다.
Figure pat00005
여기서, 계측 벡터는 x1 T= [x1, x2, x3,ㆍㆍ, xp]인 반면, 평균 벡터는
Figure pat00006
= [
Figure pat00007
,
Figure pat00008
,
Figure pat00009
,ㆍㆍ,
Figure pat00010
]이다.
Figure pat00011
는 수학식 3의 행렬 X의 j번째 열의 평균이다. 따라서, 표본 공분산 행렬 S는 수학식 3의 행렬 X를 이용하여 다음과 같은 수학식 4로 나타낼 수 있다.
Figure pat00012
따라서, T2 통계량은 p차원 공간에서 계측 벡터(x)가 평균 벡터(
Figure pat00013
)로부터 떨어져 있는 거리의 척도이다. T2 통계량은 거리를 계산함에 있어 수학식 1에서와 같은 공분산 행렬의 역행렬을 사용하여 변수들간의 상관관계를 고려한다. 이와 같이 변수들간의 상관관계를 고려한 거리를 p차원 공간에서의 기하학적(Euclidean distance) 거리와 구별하여 통계적 거리(statistical distance)라고 한다. 예를 들어, 이변량(p = 2)인 경우 평균 벡터 xT=[x1, x2]로부터 동일한 통계적 거리를 갖는 점들은 두 변수 x1과 x2의 상관관계를 고려하여 타원의 형태를 가지며, 이 타원상의 점들은 모두 동일한 T2 값을 갖는다. 여기서, T2 통계량은 계측 벡터(x) 및 평균 벡터(
Figure pat00014
), 또는 모니터링 데이터 및 레퍼런스 데이터가 정해지면, T2 값으로 계산될 수 있다. 공정변수들이 다변량 정규분포를 따르는 경우, T2 통계량은?수학식 5와 같은 F 분포를 따를 수 있다.
Figure pat00015
따라서, 상기 F 분포를 이용하여 T2 통계량의 관리 한계선을 수학식 6과 같이 계산할 수 있다.
Figure pat00016
여기서, Fa(p, n-p)는 p와, (n-p)의 자유도를 갖는 F 분포의 (1-a) 분위수(quantile)이다. T2 통계량은 공정 변수들간의 상관관계를 고려하기 때문에 각각의 공정변수들을 p개의 단변량 관리도를 이용하여 독립적으로 관리하는 것보다 공정변동에 민감할 수 있다. 따라서, 설비 컴퓨터(30) 또는 호스트 컴퓨터(50)는 T2 통계량의 다변량 분석방법으로 제조 설비를 제어할 수 있다.
이와 같이 다변량 분석방법이 적용되는 반도체 제조라인 관리 방법에 대해 실시 예를 들어 설명하면 다음과 같다.
도 2는 본 발명의 제 1 실시 예에 따른 반도체 제조라인 관리 방법을 나타내는 플로우 챠트이다.
도 1 및 도 2를 참조하면, 설비 컴퓨터(30)는 해당 단위 공정을 위한 제조 설비(10)의 기준 레시피(standard recipe)를 설정한다(S10). 기준 레시피는 단위 공정에서 설비 컴퓨터(10)의 공정 변수들의 값을 포함할 수 있다. 공정 변수들은 단위 공정의 시간 또는 순서에 따라 변화될 수 있다.
다음, 설비 컴퓨터(30)는 기준 레시피에 따라 제조 설비(10)를 제어하여 기준 단위 공정을 진행하고, 검출기(20)로부터 제조 설비(10)의 레퍼런스 데이터를 수집한다(S20). 레퍼런스 데이터는 기준 레시피로 설정된 제조 설비(10)으로부터 획득되는 레퍼런스 모니터링 데이터일 수 있다. 설비 컴퓨터(30)는 적어도 1회 이상의 예방 정비 주기 이상으로 레퍼런스 데이터를 수집하여 데이터 베이스(40)에 저장할 수 있다. 설비 컴퓨터(30)는 누적 가동 시간에 따른 제조 설비(10)의 상태를 모니터링할 수 있다.
그 다음, 레퍼런스 데이터를 바탕으로 제조 설비(10)를 통계적으로 관리할 모델링과, 상기 모델링의 관리 지수(health index)를 도출한다(S30). 모델링은 T2 통계량을 포함할 수 있다. 관리 지수는 제조 설비(10)의 관리 한계선을 포함할 수 있다.
도 3은 T2 통계량의 관리 한계선과, T2 값을 나타내는 그래프로서, 관리 한계선은 약 50 정도의 T2 값이다. 여기서, 가로 축은 해당 단위 공정을 완료한 웨이퍼 개수를 나타낸다. 세로 축은 T2 값을 나타내고, 세로 축의 단위는 없다. 관리 한계선은 제조 설비(10)의 공정 모니터링을 위한 통계적 수치이다. T2 값이 관리 한계선을 넘을 경우, 설비 컴퓨터(30)는 제조 설비(10)에 인터락 제어신호를 출력할 수 있다.
다시 도 1 및 도 2를 참조하면, 제조 설비(10)는 설비 컴퓨터(30)의 제어 신호에 의해 단위 공정(unit process)을 수행한다(S40). 여기서, 단위 공정은 하나의 기판, 하나의 랏(lot), 복수개의 기판 또는 복수개의 랏에 대한 공정들을 포함할 수 있다. 설비 컴퓨터(30)는 모델링을 이용하여 제조 설비(10)의 상태를 실시간으로 모니터링할 수 있다. 모델링은 가동 중인 제조 설비(10)에서 검출기(20)를 통해 검출되는 모니터링 데이터로부터 산출될 수 있다. 모니터링 데이터는 레퍼런스 데이터와의 일반화된 거리에 따라 T2 통계량으로 관리될 수 있다. 레퍼런스 데이터는 해당 단위 공정 직전의 선행 공정에서의 모니터링 데이터일 수 있다. 또한, 레퍼런스 데이터는 제조 설비(10)의 예방 정비 이후 최초의 단위 공정에서 미리 외부로부터 입력될 수 있다. 이후, 레퍼런스 데이터는 선행 단위 공정에서의 모니터링 데이터일 수 있다. 설비 컴퓨터(30)는 모니터링 데이터를 수집하여 데이터 베이스에 저장한다. 설비 컴퓨터(30)는 T2 통계량의 T2값이 관리 한계선을 넘는지를 모니터링할 수 있다. T2 통계량이 관리 한계선을 넘을 경우, 설비 컴퓨터(30)는 인터락 제어 신호를 제조 설비(10)에 출력할 수 있다.
다음, 설비 컴퓨터(30)는 제조 설비(10) 모니터링의 지속 여부를 판단한다(S50). 예를 들어, 반도체 생산 라인에서 제조 설비(10)의 예방 정비 시에 설비 컴퓨터(30)의 모니터링이 정지될 수 있다.
그 다음, 설비 컴퓨터(30)는 선행 단위 공정에서 검출된 모니터링 데이터를 레퍼런스 데이터로 사용하여 모델링을 갱신한다(S60). 여기서, 모델링 갱신은 단위 공정이 바뀔 때마다 수행될 수 있다. 때문에, 모델링은 기판뿐만 아니라 복수개의 기판에 대해 일정 주기로 갱신될 수 있다. 설비 컴퓨터(30)는 갱신된 모델링으로 단위 공정을 다시 수행한다(S40). 해당 단위 공정은 선행 단위 공정에서의 모니터링 데이터를 레퍼런스 데이터로 사용하는 T2 통계량으로 관리될 수 있다. 선행 단위 공정의 모니터링 데이터는 해당 단위 공정의 모델링에서의 모니터링 데이터와 비교될 수 있다. 설비 컴퓨터(10)는 반도체 제조설비들(10)을 모니터링할 수 있다.
따라서, 본 발명의 제 1 실시 예에 따른 반도체 제조라인 관리 방법은 통계적인 제어 방법 또는 관리 방법을 포함할 수 있다.
도 4는 본 발명의 제 2 실시 예에 따른 반도체 제조라인 관리 방법을 나타내는 플로우 차트이다. 여기서, 제 2 실시 예는 제 1 실시 예의 단위 공정 수행 단계 전에 모델링으로 시즈닝 구간선을 획득하고, 시즈닝 공정을 수행한 후에 시즈닝 공정이 완료되지 않으면, 상기 모델링을 갱신하는 것을 포함할 수 있다. 시즈닝 공정은 시즈닝 구간선 아래의 T2 값이 얻어질 때까지 수행될 수 있다. 시즈닝 공정은 식각 설비의 제조 설비(10)에서 수행될 수 있으나, 본 발명은 이에 한정되지 않는다.
도 1 및 도 4를 참조하면, 설비 컴퓨터(30)는 해당 단위 공정을 위한 제조 설비(10)의 기준 레시피를 설정하고(S10), 상기 기준 레시피에 따라 제조 설비(10)의 단위 공정을 진행하여 레퍼런스 데이터를 수집한다(S20).
다음, 레퍼런스 데이터를 바탕으로 제조 설비(10)를 통계적으로 관리할 모델링과, 상기 모델링의 관리 지수(health index)를 도출한다(S32). 여기서, 관리 지수는 제조 설비(10)의 시즈닝 구간선과, 관리 한계선의 T2 값을 포함할 수 있다.
도 5는 T2 통계량의 시즈닝 구간선과 T2 값을 나타내는 그래프로서, 시즈닝 구간선은 약 20 정도의 T2 값이다. 여기서, 가로 축은 해당 단위 공정을 완료한 웨이퍼 개수를 나타낸다. 세로 축은 T2 값을 나타내고, 세로 축의 단위는 없다. 시즈닝 구간 T2 값과 관리 한계선 T2 값은 제조 설비(10)의 공정 모니터링을 위한 통계적 수치이다.
다시 도 1 및 도 4를 참조하면, 제조 설비(10)는 설비 컴퓨터(30)의 제어 신호에 의해 시즈닝 공정을 수행한다(S34). 설비 컴퓨터(30)는 모델링을 이용하여 제조 설비(10)의 상태를 실시간으로 모니터링할 수 있다. 모델링은 가동 중인 제조 설비(10)에서 검출기(20)를 통해 검출되는 시즈닝 모니터링 데이터로부터 산출될 수 있다. 수학식 1에서와 같이, 시즈닝 모니터링 데이터는 시즈닝 레퍼런스 데이터와의 일반화된 거리에 따라 T2 통계량으로 관리될 수 있다. 시즈닝 레퍼런스 데이터는 해당 단위 공정 직전의 선행 공정에서의 시즈닝 모니터링 데이터일 수 있다. 시즈닝 레퍼런스 데이터는 제조 설비(10)의 예방 정비 이후 최초의 단위 공정에서 미리 외부로부터 입력될 수 있다. 또한, 시즈닝 레퍼런스 데이터는 예방 정비 직전의 모니터링 데이터일 수 있다. 설비 컴퓨터(30)는 시즈닝 모니터링 데이터를 수집하여 데이터 베이스에 저장한다.
다음, 설비 컴퓨터(30)는 제조 설비(10)의 시즈닝 공정 완료를 판단한다(S36). 설비 컴퓨터(30)는 시즈닝 구간선의 T2 값을 근거로 제조 설비(10)의 시즈닝 공정을 모니터링할 수 있다. 도 5에서와 같이, T2 값이 시즈닝 구간선 아래로 내려올 때, 제조 설비(10)는 시즈닝 공정이 완료될 수 있다.
따라서, 본 발명의 제 2 실시 예에 따른 반도체 제조라인 관리 방법은 제조 설비(10)의 시즈닝 공정의 완료 시점을 파악할 수 있다.
시즈닝 공정이 완료되지 않으면, 시즈닝 모니터링 데이터를 시즈닝 레퍼런스 데이터로 사용하여 모델링을 갱신한다(S38). 시즈닝 레퍼런스 데이터는 후속의 시즈닝 공정의 모델링에서 시즈닝 모니터링 데이터와 비교될 수 있다. 다시, 설비 컴퓨터(10)는 갱신된 상기 모델링으로 시즈닝 공정을 다시 수행한다(S34).
다음, 시즈닝 공정이 완료되면, 시즈닝 모니터링 데이터를 레퍼런스 데이터로 사용하여 상기 모델링을 갱신한다(S39). 레퍼런스 데이터는 외부로부터 입력될 수 있다. 본 발명은 이에 한정되지 않는다.
그 다음, 제조 설비(10)는 갱신된 모델링을 이용하여 단위 공정을 수행한다(S40). 여기서, 단위 공정은 하나의 기판, 하나의 랏(lot), 복수개의 기판 또는 복수개의 랏에 대한 공정들을 포함할 수 있다. 모델링은 가동 중인 제조 설비(10)에서 검출기(20)를 통해 검출되는 모니터링 데이터로부터 산출될 수 있다. 모니터링 데이터는 레퍼런스 데이터와의 일반화된 거리에 따라 T2 통계량으로 관리될 수 있다. 설비 컴퓨터(30)는 모니터링 데이터를 수집하여 데이터 베이스에 저장한다. 설비 컴퓨터(30)는 모델링의 T2값이 관리 한계선을 넘는지를 모니터링할 수 있다. T2값이 관리 한계선을 넘을 경우, 설비 컴퓨터(30)는 인터락 제어 신호를 제조 설비(10)에 출력할 수 있다.
앞서 설명한 바와 같이, 설비 컴퓨터(30)는 단위 공정의 완료를 판단하고(S50), 상기 단위 공정이 완료되지 않으면, 모델링을 갱신한 후(S60)에 단위 공정을 다시 수행할 수 있다(S40).
결국, 본 발명의 제 2 실시 예에 따른 반도체 제조라인 관리 방법은 통계적으로 제조 설비(10)의 시즈닝 공정 및 단위 공정을 모니터링할 수 있다.
본 발명에서 개시된 발명 개념과 실시 예들이 본 발명의 동일 목적을 수행하기 위하여 다른 구조로 수정하거나 설계하기 위한 기초로서 당해 기술 분야의 숙련된 사람들에 의해 사용되어질 수 있을 것이다. 당해 기술 분야의 숙련된 사람에 의한 그와 같은 수정 또는 변경된 등가 구조는 특허 청구 범위에서 기술한 발명의 사상이나 범위를 벗어나지 않는 한도 내에서 다양한 변화, 치환 및 변경이 가능하다.
또한, 이상에서 설명한 본 발명이 전술한 실시예 및 첨부된 도면에 한정되지 않으며, 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 여러 가지 치환, 변형 및 변경이 가능하다는 것은, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 있어 명백할 것이다.
10: 제조 설비 20: 검출기
30: 설비 컴퓨터 40: 데이터 베이스
50: 호스트 컴퓨터

Claims (10)

  1. 제조 설비의 기준 레시피를 설정하는 단계;
    상기 기준 레시피에 따라 제어되는 상기 제조 설비의 레퍼런스 데이터를 수집하는 단계;
    상기 레퍼런스 데이터를 통계적으로 모델링하고, 상기 모델링의 관리 지수를 도출하는 단계;
    상기 모델링을 이용하여 단위 공정을 수행하고, 상기 단위 공정 중에 모니터링 데이터를 획득하는 단계; 및
    상기 모니터링 데이터를 상기 레퍼런스 데이터로 사용하여 상기 모델링을 갱신하고, 다시 상기 단위 공정을 수행하는 단계를 포함하는 제조라인 관리 방법.
  2. 제 1 항에 있어서,
    상기 모델링은 티제곱(T2) 통계량을 포함하는 제조라인 관리 방법.
  3. 제 2 항에 있어서,
    상기 티제곱 통계량은 상기 모니터링 데이터와, 상기 레퍼런스 데이터의 일반화된 거리로부터 산출되는 티제곱 값을 포함하는 제조라인 관리 방법.
  4. 제 3 항에 있어서,
    상기 관리 지수는 상기 티제곱 값의 관리 한계선을 포함하는 제조라인 관리 방법.
  5. 제 4 항에 있어서,
    상기 관리 지수는 상기 티제곱의 시즈닝 구간선을 더 포함하는 제조라인 관리 방법.
  6. 제 5 항에 있어서,
    상기 모델링을 이용하여 상기 제조 설비의 시즈닝 공정을 수행하고, 상기 시즈닝 공정 중의 시즈닝 모니터링 데이터를 획득하는 단계;
    상기 시즈닝 구간선을 근거로 상기 제조 설비의 시즈닝 공정이 완료되었는지를 판별하는 단계; 및
    상기 시즈닝 공정이 완료되지 않았을 경우, 상기 시즈닝 모니터링 데이터를 시즈닝 레퍼런스 데이터로 사용하여 상기 모델링을 갱신하고 다시 상기 시즈닝을 공정을 수행하는 단계를 더 포함하는 제조라인 관리 방법.
  7. 제 6 항에 있어서,
    상기 티제곱 값이 시즈닝 구간선 아래일 때, 상기 시즈닝 공정이 완료되는 제조라인 관리 방법.
  8. 제 6 항에 있어서,
    상기 시즈닝 공정이 완료되었으면, 상기 시즈닝 모니터링 데이터를 상기 레퍼런스 데이터로 사용하여 상기 모델링을 갱신하는 단계를 더 포함하는 제조라인 관리 방법.
  9. 제조 설비의 기준 레시피를 설정하는 단계;
    상기 기준 레시피에 따라 제어되는 상기 제조 설비의 레퍼런스 데이터를 수집하는 단계;
    상기 레퍼런스 데이터를 통계적으로 모델링하고, 상기 모델링의 관리 지수를 도출하는 단계;
    상기 모델링을 이용하여 상기 제조 설비의 시즈닝 공정을 수행하고, 상기 시즈닝 공정 중의 제 1 모니터링 데이터를 획득하는 단계;
    상기 관리 지수를 근거로 상기 제조 설비의 시즈닝 공정이 완료되었는지를 판별하는 단계;
    상기 시즈닝 공정이 완료되었으면, 상기 제 1 모니터링 데이터를 상기 레퍼런스 데이터로 사용하여 상기 모델링을 갱신하는 단계;
    상기 모델링을 이용하여 단위 공정을 수행하고, 상기 단위 공정 중에 제 2 모니터링 데이터를 획득하는 단계; 및
    상기 제 2 모니터링 데이터를 상기 레퍼런스 데이터로 사용하여 상기 모델링을 재차 갱신하고, 다시 상기 단위 공정을 수행하는 단계를 포함하는 제조라인 관리 방법.
  10. 제 9 항에 있어서,
    상기 시즈닝 공정이 완료되지 않았을 경우, 상기 시즈닝 모니터링 데이터를 레퍼런스 데이터로 사용하여 상기 모델링을 갱신하고 다시 상기 시즈닝을 공정을 수행하는 단계를 더 포함하는 제조라인 관리 방법.
KR1020120098466A 2012-09-05 2012-09-05 반도체 제조라인 관리 방법 KR20140032087A (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020120098466A KR20140032087A (ko) 2012-09-05 2012-09-05 반도체 제조라인 관리 방법
US14/018,980 US20140135968A1 (en) 2012-09-05 2013-09-05 Method of maintaining a semiconductor production line

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020120098466A KR20140032087A (ko) 2012-09-05 2012-09-05 반도체 제조라인 관리 방법

Publications (1)

Publication Number Publication Date
KR20140032087A true KR20140032087A (ko) 2014-03-14

Family

ID=50643801

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120098466A KR20140032087A (ko) 2012-09-05 2012-09-05 반도체 제조라인 관리 방법

Country Status (2)

Country Link
US (1) US20140135968A1 (ko)
KR (1) KR20140032087A (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108873822A (zh) * 2017-05-09 2018-11-23 中国航空制造技术研究院 一种生产线设备自动维保***和方法

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10289109B2 (en) * 2015-10-01 2019-05-14 Globalfoundries Inc. Methods of error detection in fabrication processes
US10241502B2 (en) 2015-10-01 2019-03-26 Globalfoundries Inc. Methods of error detection in fabrication processes
US10566309B2 (en) 2016-10-04 2020-02-18 Infineon Technologies Ag Multi-purpose non-linear semiconductor package assembly line
CN110851984B (zh) * 2019-11-12 2021-05-07 长江存储科技有限责任公司 一种数据处理方法及装置
KR102270202B1 (ko) * 2020-11-30 2021-06-28 주식회사 비스텔 설비 모니터링 시스템의 모델 업데이트 방법
CN115238421B (zh) * 2022-09-23 2022-12-09 中国人民解放军国防科技大学 多脉冲燃气发生器装药构型设计方法、装置和计算机设备

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5458732A (en) * 1992-04-14 1995-10-17 Texas Instruments Incorporated Method and system for identifying process conditions
US6153115A (en) * 1997-10-23 2000-11-28 Massachusetts Institute Of Technology Monitor of plasma processes with multivariate statistical analysis of plasma emission spectra
US7313451B2 (en) * 2002-03-12 2007-12-25 Tokyo Electron Limited Plasma processing method, detecting method of completion of seasoning, plasma processing apparatus and storage medium
WO2008137544A1 (en) * 2007-05-02 2008-11-13 Mks Instruments, Inc. Automated model building and model updating
KR100928205B1 (ko) * 2007-06-05 2009-11-25 삼성전자주식회사 반도체 제조설비 관리시스템 및 그의 통계적 공정 관리방법
US8271122B2 (en) * 2008-03-07 2012-09-18 Mks Instruments, Inc. Process control using process data and yield data
KR101794069B1 (ko) * 2010-05-26 2017-12-04 삼성전자주식회사 반도체 제조설비 및 그의 시즈닝 공정 최적화 방법

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108873822A (zh) * 2017-05-09 2018-11-23 中国航空制造技术研究院 一种生产线设备自动维保***和方法

Also Published As

Publication number Publication date
US20140135968A1 (en) 2014-05-15

Similar Documents

Publication Publication Date Title
KR20140032087A (ko) 반도체 제조라인 관리 방법
KR100727049B1 (ko) 마이크로전자 디바이스들의 제조시 최적의 공정 목표들을결정하는 방법
TWI582878B (zh) 用於獲得有關於工業製程之診斷資訊之方法、裝置及電腦程式產品
JP5020101B2 (ja) ラントゥラン制御器を用いた欠陥検出および分類（ｆｄｃ）
EP1317694B1 (en) Adaptive sampling method for improved control in semiconductor manufacturing
KR100928205B1 (ko) 반도체 제조설비 관리시스템 및 그의 통계적 공정 관리방법
US8682466B2 (en) Automatic virtual metrology for semiconductor wafer result prediction
KR100734534B1 (ko) 반도체 공정을 위한 자동화된 공정 모니터링 및 분석 시스템
JP4795957B2 (ja) 半導体製造プロセスを制御する第１の原理シミュレーションを用いたシステム及び方法。
US7580767B2 (en) Methods of and apparatuses for maintenance, diagnosis, and optimization of processes
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
US6535774B1 (en) Incorporation of critical dimension measurements as disturbances to lithography overlay run to run controller
US20060015294A1 (en) Data collection and analysis system
CN103137513B (zh) 集成电路制造设备状态监测***和方法
US8108060B2 (en) System and method for implementing a wafer acceptance test (“WAT”) advanced process control (“APC”) with novel sampling policy and architecture
US8396583B2 (en) Method and system for implementing virtual metrology in semiconductor fabrication
US11378426B2 (en) System and method for monitoring sensor linearity as part of a production process
CN102737960A (zh) 用于前馈先进工艺控制的方法和***
TW201301074A (zh) 半導體製程之失效偵測方法及執行此方法之系統架構
TWI392987B (zh) 由半導體晶圓製造積體電路的裝置和方法
JP2011054804A (ja) 半導体製造装置の管理方法およびシステム
KR20090095694A (ko) 반도체 제조설비의 관리시스템에 적용되는 통계적 공정관리방법
WO2001050207A1 (en) Method for semiconductor device manufacturing
CN108885407B (zh) 叠加方差稳定化方法及***
TW531823B (en) Multi-variable monitoring method for semiconductor processing

Legal Events

Date Code Title Description
WITN Application deemed withdrawn, e.g. because no request for examination was filed or no examination fee was paid