Fab 공정 수율 향상을 위한 PM-CT 스케줄링 및 LAD 기반 다원 분류

Abstract

최근 SEMI와 ISMI 등의 주요 반도체 회원 업체들은 400mm 웨이퍼 도입 단계를 대비하여, 300mm Fab의 생산성 향상과 사이클 타임 단축을 위한 방법 개발에 초점을 둔 300mm Prime 프로젝트를 진행하고 있다. 특히, 기존 Fab 대비 30%의 제조 원가 감소와 50%의 사이클 타임 단축을 위한 Blue Diamond target을 대비하기 위해서는 수율 향상을 위한 효율적인 방법 연구에 대한 필요성이 증대되고 있다. 따라서 본 연구에서는 Fab 공정의 수율 향상 방법 연구에 대해 Parallel mode cluster tool(PM-CT)의 스케줄링 알고리즘과 이상 수율 예측과 같은 이진 분류 문제 및 웨이퍼 등급 분류와 같은 다원 분류 문제를 해결하기 위해 기계 학습 기법인 Logical Analysis of Data(LAD)을 이용하여 제안하였다. 우선 PM-CT 스케줄링 알고리즘을 위해서 PM- CT를 job shop 문제로 가정하고, 클러스터 툴을 위한 몇 가지 가정을 추가하여 접근하였다. Petri net을 이용하여 PM-CT 안의 웨이퍼 흐름을 모델링하고 Petri net 기반 모델을 이용하여 웨이퍼의 교착 상태를 제어하고 효율적으로 최적의 내부 스케줄링(internal scheduling)을 산출하는 알고리즘인 one-step lookahead A* algorithm을 제안하였다. 스케줄링 분야와 더불어 Fab 공정에서의 이진 및 다원 분류 문제는 LAD 방법을 기반으로 접근하였다. LAD 프레임워크에서 가장 중요한 단계인 패턴 생성을 위해서 유전자 알고리즘 기반의 패턴 생성 방법을 제안하였다. 또한 이진 분류 기법인 LAD를 확장하여 클래스가 3개 이상인 다원 분류 문제를 해결하기 위한 Multi-class LAD(MC-LAD) 프레임워크를 제안하였다. 우선 다원 클래스 및 대규모 데이터를 고려하여 기존 LAD와 다른 방식의 데이터 이진화 방법과 feature selection 방법을 제안하였다. 데이터 셋의 전처리가 이루어지고, 분해하는 방식에 따라 One versus All 타입과 One versus One 타입의 분해 기반 MC-LAD와 이진 트리 기반 계층적 다원 분류 기법인 Hierarchical MC-LAD(HMC-LAD)를 제안하였다. 또한, 다원 클래스 집합에 대한 효율적인 패턴 생성 알고리즘을 제안하였다. 다양한 실험을 통해 제안된 세 가지 타입 MC-LAD의 성능 비교 및 기존 LAD과 다른 지도 학습 기법과 비교하여 HMC-LAD의 가장 높은 정확성을 증명하였다. 마지막으로 제안된 방법들을 기반으로 Fab 공정의 수율 향상을 위한 연계 방안을 제안하였다.