이 블로그는 원래 cimetrix.com에 게시되었습니다.
이 스마트 제조 분야 EDA 응용 및 이점 시리즈의 세 번째 글에서는 선도적인 반도체 제조업체에서 EDA/인터페이스 A 표준 제품군의 기능을 활용하는 일련의 제조 응용 사례 중 첫 번째를 소개했습니다. 이번 네 번째 글에서는 지금까지 업계 전반에 걸쳐 EDA 도입의 주요 동력이 되어 온 응용 분야, 즉 결함 탐지 및 분류(FDC)를 집중 조명하겠습니다.
문제 진술
FDC가 해결하는 문제는 어떤 이유로든 허용 가능한 작동 범위를 벗어난 장비로 재료를 가공할 때 발생할 수 있는 불량품 발생을 방지하는 것입니다. 현재 선도적인 FDC 시스템에서 널리 사용되는 기술은 "양호한" 및 "불량한" 실행 데이터로 구성된 훈련 세트를 기반으로 다양한 생산 작동 지점에 대한 "축소 차원" 통계적 결함 모델을 개발하는 것입니다. 이러한 모델은 공정 중 장비에서 수집된 핵심 파라미터(일반적으로 트레이스 데이터)를 실시간으로 평가하여 공정 편차를 감지하고 임박한 장비 고장을 예측합니다. 최첨단 팹에서는 FDC 소프트웨어가 공정 흐름 관리 시스템과 깊이 통합되어 있으며, 공정 도중 장비 작동을 차단하여 불량품 생산을 방지하거나 줄일 수도 있습니다.
물론, 이러한 유형의 알고리즘에서 어려운 점은 잠재적 결함의 모든 원인을 포착할 수 있을 만큼 "엄격한" 모델을 개발하는 동시에(즉, 거짓 음성 결과를 제거하면서) 거짓 양성 결과(거짓 경보 또는 "늑대!"를 외치는 것과 같음)의 수를 최소화할 수 있는 충분한 유연성을 확보하는 것입니다. 이는 처리해야 할 다양한 생산 사례에 대한 결함 모델을 개발하고 업데이트하기 위해 장비로부터의 고품질 데이터와 다량의 공정 엔지니어링 및 통계 분석 전문성을 요구합니다. 고혼합 파운드리 환경은 이러한 상황을 더욱 악화시킵니다.
솔루션 구성 요소
현대 FDC 시스템의 핵심은 대량의 시계열 데이터를 처리할 수 있는 강력한 다변량 통계 분석 도구 모음입니다. 여기서 '대량'이란 서로 다른 장비 매개변수의 수와 각 매개변수에 대한 샘플 수를 모두 의미합니다. 이러한 소프트웨어 도구는 잠재적으로 수백 개의 매개변수를 소수의 '주성분'으로 압축하며, 이는 제한된 수(예: 20~30개)의 장비 매개변수를 사용하여 실시간으로 계산할 수 있습니다. 이러한 주성분 중 일부를 종합하면 공정 상태를 충분히 정확하게 표현하여 정상 상태와의 편차를 감지할 수 있으며, 실시간으로 현실적으로 계산 가능하기 때문에 해당 애플리케이션은 온라인 장비 상태 모니터링 시스템으로 기능합니다.
생산용 FDC 시스템의 또 다른 주요 솔루션 구성 요소는 다수의 모델을 처리할 수 있는 고장 모델 라이브러리 관리 기능입니다. 이는 다변량 접근법이 주성분의 물리적 의미에 대한 인식이 거의 없거나 전혀 없기 때문에(즉, "제1원리"에 기반하지 않음) 장비의 서로 다른 작동점마다 고유한 고장 모델 세트가 필요하기 때문입니다. 특정 작동 지점에 적합한 모델은 특정 실행에 대한 "컨텍스트 매개변수" 값을 모델 저장 시 사용된 값과 일치시켜 선택됩니다. 일부 모델이 여러 작동 지점에서 공유될 수 있더라도, 파운드리 메가팩의 경우에도 고유한 모델 수는 여전히 수천 개에 달합니다.
EDA(장비 데이터 수집) 표준 활용
첨단 팹에서는 주어진 애플리케이션에 대해 기본적인 로트 수준 요약 정보부터 기판 수준 또는 다이/사이트 단위로 활용 가능한 상세한 실시간 데이터에 이르기까지 다양한 데이터 수집 대안이 존재합니다. FDC의 경우 이러한 가능성의 스펙트럼은 아래 표에 제시되어 있습니다.
|
SEMI 표준 레벨 |
기능성 | 혜택 |
| GEM/GEM300 | 초기 개발 후 데이터 수집 요구사항이 변경될 경우 결함 모델을 변경하기 어렵다 | 기준선 |
| EDA 동결 I
(1105) |
고장 모델이 진화하여 새로운 데이터가 필요해질 때 장비 데이터 수집 계획을 쉽게 변경할 수 있도록;
모델 개발 환경은 생산 시스템과 분리될 수 있습니다 |
공학적 노동력 절감; 개선된 고장 모델 및 낮은 오경보율 |
| EDA 동결 II
(0710) |
조건부 트리거를 사용하여 추적 데이터를 정밀하게 "프레임"하면서 전체 데이터 수집 요구를 줄입니다; 서브팹 구성 요소/하위 시스템 데이터를 결함 모델에 통합합니다 | 더 우수한 결함 모델; 결함 또는 공정 이탈의 평균 탐지 시간(MTTD) 감소; 데이터 후처리 최소화 또는 불필요 |
| EDA 공통 메타데이터 (E164) |
표준 레시피 단계별 전환 이벤트를 포함하여 고도로 타깃팅된 추적 데이터 수집을 수행하십시오; 메타데이터 모델을 활용하여 초기 장비 특성 분석 프로세스를 자동화하고 필요한 데이터 수집 계획을 생성합니다. |
도구 특성 분석 및 결함 모델 개발 시간 단축 |
| 공장별 EDA 요구사항 |
고장 모델에 기존에 사용할 수 없었던 장비 신호를 통합하십시오;
공정 및 레시피 변경 후 데이터 수집 계획 및 결함 모델을 자동으로 업데이트합니다; 장비 메타데이터 모델에 레시피 설정값 포함 |
미정 (아직 해당되지 않음) |
왼쪽 열은 필요한 장비 데이터를 제공하기 위해 사용된 SEMI 표준의 수준을 나타냅니다. "기능성" 열은 해당 데이터가 FDC 환경에서 어떻게 활용되는지 설명하며, "이점" 열은 이러한 기능들이 가져올 수 있는 잠재적 영향을 강조합니다.
예를 들어, 한 팹이 표의 3행과 4행에 설명된 기능(EDA Freeze II (0710) 및 E164 준수 EDA 공통 메타데이터)을 구현했다고 가정해 보자. 이 경우 공정 장비는 레시피 단계별 샘플링 속도로 상세한 공정 매개변수를 제공할 수 있으며, 이는 가장 까다로운 FDC 모델의 "특징 추출" 알고리즘을 평가하기에 충분합니다… 특정 공정 조건에 맞는 정확한 모델 집합을 선택할 수 있는 컨텍스트 데이터와 함께 제공됩니다. 비록 특정 장비 파라미터는 필연적으로 공정 의존적이지만, 레시피 실행 이벤트를 모니터링하고, 추적 데이터를 제공하는 데이터 수집 계획(DCP)을 생성하며, 모델 관리 라이브러리가 사용하는 컨텍스트 데이터를 조립하는 소프트웨어의 상당 부분은 E164 표준에 의해 규정된 장비 인터페이스의 팹 전체적 일관성 덕분에 진정한 의미의 범용성을 가질 수 있습니다.
FDC 팀이 활용할 수 있는 EDA 표준의 또 다른 측면은 다중 클라이언트 기능으로 구현된 시스템 아키텍처 유연성입니다. 장비 한 대가 생산 데이터 관리 인프라에 연결되어 있는 동안에도, 결함 모델을 개발하고 개선하는 공정 엔지니어와 통계학자들은 공정 행동 분석, 실험, 지속적인 개선을 위해 맞춤화된 독립적인 데이터 수집 시스템을 사용할 수 있습니다. 새로운 결함 모델이 생산에 적용될 준비가 되면, 생산 DCP를 이러한 새로운 요구 사항으로 업데이트할 수 있습니다.
영향을 받는 핵심 성과 지표(KPI)
FDC는 계획되지 않은 장비 가동 중단의 높은 비용과 높은 제품 수율 유지의 중요성 때문에 오늘날의 팹에서 "미션 크리티컬" 애플리케이션으로 간주됩니다. 간단히 말해, "FDC가 다운되면 장비도 다운된다"는 뜻으로, 이 애플리케이션을 지원하는 실시간 데이터 수집 인프라도 마찬가지로 미션 크리티컬합니다. 따라서 FDC 성능 개선은 팹 성능에 중대한 영향을 미칠 수 있습니다.
구체적으로 FDC는 높은 결함 감지 감도를 통해 공정 수율 및 불량률 KPI에 직접적인 영향을 미치며, 가동 중단을 수반하는 오경보 발생 빈도를 감소시켜 장비 가용성 및 관련 KPI에 영향을 줍니다.
그래서 어쨌다는 거야?
경력 초기에 한 현명한 동료가 조언해 주길, 모든 발표나 글, 대화의 마지막에는 반드시 이 질문에 대한 답을 준비하라고 했다. 이번 게시물에서 이 질문을 재무적 관점으로 답해 보자면, 양산 중인 300mm 팹에서 FDC(First Defect Confirmed) 오경보의 비용을 고려해 보자.
가정하자면
- 공구 사용 시간 1시간은 2200달러의 가치가 있으며, 퀄리파이드 웨이퍼는 250달러, 엔지니어/기술자 시간 1시간은 150달러의 비용이 듭니다.
- 오작동을 해결하려면 공구 작업 시간 5시간, 엔지니어링 시간 2시간, 그리고 퀄리티 웨이퍼 6개가 소요됩니다.
각 허위 경보는 회사에 거의 12,000달러의 비용을 발생시킵니다. 2,000대의 장비를 보유한 팹에서 장비당 연간 평균 2회의 허위 경보가 발생한다면, 연간 비용은 거의 5,000만 달러에 달합니다! 허위 경보율을 50% 감소시킨다면(이는 비현실적이지 않은 목표입니다) 연간 2,500만 달러의 비용 절감 효과를 얻을 수 있습니다.
이것이 '진짜 돈'처럼 들린다면 저희에게 연락하십시오. 최신 FDC 시스템과 그 이상의 세대를 지원하기 위해 필요한 표준 기반 데이터 수집 인프라를 통해 스마트 제조의 길로 나아가는 방법을 이해하도록 도와드리겠습니다.
자동화 요구사항을 위한 EDA/인터페이스 A 표준에 대해 자세히 알아보려면, 지금 바로 EDA/인터페이스 A 백서를 다운로드하십시오.