딥 러닝 기반의 웨이퍼 맵 불량 패턴 분류 및 신규 불량 패턴 탐지 방법 연구

Abstract

반도체 제조 공정 중 electrical die sorting(EDS) 테스트는 웨이퍼에 있는 각 반도체 칩들에 대해 전기적 특성 검사를 실시해 개별 칩들이 원하는 품질 수준에 도달했는지 확인하는 공정이다. EDS 테스트를 실시하고 나면 각 칩의 불량 여부를 표시한 wafer bin map(WBM)을 확인할 수 있다. 엔지니어들이 동일한 불량 패턴을 가지는 WBM을 분석해 불량의 원인이 되는 공정 및 설비를 추적하기 때문에 WBM의 불량 패턴을 분류하는 작업은 매우 중요하다. 대부분의 기존 연구들은 사전에 정의되어 있는 불량 패턴의 분류 성능을 높이는 방향으로 진행되어 왔기 때문에 신규 불량 패턴이 발생했을 시에 탐지하지 못한다는 한계가 있다. 그러나 신규 불량 패턴을 기존 불량 패턴으로 오 분류할 경우, 같은 불량 패턴의 공정 이력을 역추적해 불량의 원인을 추적하는 과정에서 어려움을 겪을 수 있다. 따라서 사전에 정의된 불량 패턴을 분류함과 동시에 신규 불량 패턴을 탐지하는 것은 매우 중요하다. 본 연구에서는 Deep-MCDD 모델을 이용하여 기존 불량 패턴을 분류함과 동시에 새로운 불량 패턴을 탐지할 수 있는 방법을 제시한다. 실제 WBM 데이터를 이용해 평가한 결과, 우수한 성능으로 기존 불량 패턴을 분류하면서 신규 불량 패턴을 검출함을 확인하였다.