딥러닝을 이용한 반도체 이미지 불량 분류 및 개선에 대한 연구

Abstract

반도체는 수많은 공정을 통해서 웨이퍼 칩으로 제작이 된다. 공정 중에 미세한 오류 및 오차가 발생을 하면 그 칩은 불량이 발생하게 된다. 이런한 불량을 예방하기 위해서 수 많은 공정 Step을 모니터링 하게 된다. 전통적인 공정 모니터링 방법은 센서의 여러 측정 값이 관리하는 수치를 벗어 나는지 여부를 확인하거나, 공정의 변화를 확인하기 위해서 주기적으로 평가를 통한 결과를 확인하는 방법을 사용하여 왔다. 기존의 방식은 수치화 된 데이터에 대해서 회귀분석, 선형함수 등의 방식을 활용하여 신뢰성 있는 공정 모니터링이 가능 했었지만 이미지 및 문자 데이터 분석을 통한 공정 모니터링 에는 어려움이 있었다. 최근 딥러닝은 이미지 및 문자 데이터에 적용되어 높은 성능을 내면서 다양한 연구가 이루어지고 발전해 왔다. CNN(Convolutional Neural Network) 은 입력 된 이미지의 특징적인 feature 를 잘 뽑아 낼 수 있는 딥러닝 모델로서 컴퓨터 비전 분야에 적용되어 큰 성능 향상을 이끌었다. 본 눈문은 반도체 공정에서 기존 모니터링 방식의 한계를 이해하고 이를 극복하기 위해서 딥러닝 방식을 적용하여 개선을 하고자 하였다. 딥러닝 기반의 이미지 분류 및 Super Resolution 방식을 이용하여 적용한 결과 이미지 불량을 자동으로 분류 할 수 있었고 반도체 공정 Step의 추가 없이 이러한 이상 이미지들을 효과적으로 개선을 할 수 있었다.