기계학습 적용을 통한 반도체 박막증착 공정의 가상계측 사례연구

Abstract

메모리 반도체 제조 과정에서 생산되는 웨이퍼는 통상적으로 약 300-600단계 이상의 공정 작업을 거쳐 최종 완제품으로 인가 받는다. 각 공정의 높은 제어 수준과 점점 향상되는 집적도로 인하여 정밀한 품질 관리 기법과 수율 향상이 요구되며, 계측기(Metrology)는 웨이퍼의 품질을 단계적으로 측정하여 최종 제품의 불량을 사전에 예방할 수 있는 유용한 기술로 사용되고 있다. 대량의 웨이퍼가 생산되는 환경에서 모든 웨이퍼를 계측기로 검사하는 것은 생산 시간과 비용을 크게 증가시키므로 샘플링된 일부의 웨이퍼를 계측기로 검사하고 있으나, 샘플링된 웨이퍼는 모든 웨이퍼를 대표할 수 없고 두 개의 연속적인 측정 웨이퍼들 사이에 시간적 단절이 있어 연속된 정보를 제공하기 어렵다. 이러한 샘플링 계측의 단점을 극복하기 위해 설비센서로부터 얻어지는 변수들과 실제 계측기로부터 얻어진 샘플 웨이퍼의 계측변수의 관계를 이용하여 샘플 되지 않은 웨이퍼의 계측값을 예측하는 기술이 가상계측이다. 본 연구에서는 메모리 반도체 제조 과정 중 절연을 위한 질화막 또는 산화막을 증착하거나, 금속 배선을 위한 금속을 증착하는 공정인 박막증착공정의 주요 품질특성치인 박막 두께를 예측할 것이다. 기존의 가상계측은 웨이퍼 전체 영역의 품질 특성치의 평균 값만을 예측하고 있다. 그러나 품질 특성치의 평균값이 같은 웨이퍼일지라도 로컬 위치 별 측정값은 상이할 수 있고, 웨이퍼 가공시 발생된 설비 센서 데이터값들도 상이하다. 이러한 평균의 오류를 피하기 위해 웨이퍼의 로컬 측정 포인트 단위의 개별 품질특성치를 예측하고 평균을 산출하는 것이 가상계측의 정확도를 높이는데 기여할 수 있을 것이다.; The wafers produced in the memory semiconductor manufacturing process are typically subjected to a process operation of about 300 to 600 steps or more, and are then applied as finished final products. Due to the high control level of each process and the increasing degree of integration, it is required to improve the quality control technique and the yield. Metrology is a useful technology to measure the quality of the wafer step by step. In an environment where a large number of wafers are produced, inspecting all the wafers with an instrument greatly increases the production time and cost. Therefore, some of the sampled wafers are inspected by a meter. But the sampled wafers can’t represent all wafers, There is a temporal interruption between the measurement wafers and it is difficult to provide continuous information. In order to overcome the disadvantages of such sampling measurement, virtual metrology is a technique of predicting measurement values of un sampled wafers using the relationship between the parameters obtained from the facility sensors and the measurement variables of the sample wafers obtained from the actual measurement devices. In this study, we will predict the thin-film thickness, which is the main quality characteristic of the thin-film deposition process, which is a process of depositing a nitride or oxide film for insulation during the memory semiconductor manufacturing process or depositing metal for metal wiring. Conventional virtual metrology only predicts the average value of the quality characteristics of the whole wafer area. However, even if the average value of the quality characteristic values is the same wafer, the measured value by local position may be different, and the facility sensor data values generated when the wafer is processed are also different. To avoid this average error, predicting and averaging the individual quality characteristics of the wafer's local measurement point units may contribute to improving the accuracy of the virtual metrology.