딥러닝 기반 반도체 공정 간 웨이퍼 로트의 Q-Time 예측 방법론

Abstract

본 연구에서는 반도체 팹에서 웨이퍼 로트가 시간 제약이 존재하는 공정 구간을 지날 때 공정 간 Q-Time을 예측하기 위한 딥러닝 기반 Q-Time 예측 방법론을 제안한다. 팹에서 반도체 칩의 재료인 웨이퍼는 팹 내 물류적 운송 단위인 로트(Lot) 단위로 묶여 생산되며 웨이퍼가 완제품으로 만들어지기 위해서는 수십 개의 공정을 거쳐야 한다. 또한 팹 내 생산하는 제품 종류 또한 수십 가지이기 때문에 팹의 물류 시스템은 굉장히 복잡하다. 로트의 공정 간 Q-Time을 예측하는 시점 당시 Q-Time에 영향을 미칠 수 있는 환경 변수들을 분석 및 수집하고 이를 정량적인 수치로 변환해야 한다. 기존의 Q-Time이 시간 제약을 준수하는 방법은 공정 구간 투입 이전에 어떤 로트를 흘려보낼지 우선순위를 정하여 스케줄링하는 방법이었다. 본 연구에서는 팹 시뮬레이션을 진행하여 얻은 결과 데이터를 분석하여 Q-Time에 영향을 미칠 수 있는 예측 변수를 정의한다. 팹 시뮬레이션을 다시 수행함으로써 앞서 정의한 예측 변수와 Q-Time을 수집하고 훈련 데이터와 테스트 데이터로 나눈다. 훈련 데이터로 딥러닝 기반 Q-Time 예측 모델을 구현한다. 구현된 예측 모델은 테스트 데이터로 테스트되었다.