장비 데이터를 이용하여 반도체 공정 장비를 위한 오류 감지 및 분류의 방법이 연구되었다. 생산 손실 방지와 장비 작동의 최대 효율을 위해서 이상 감지와 오류의 원인 탐지와 같은 오류 감지 및 분류의 다양한 역할들이 중요하게 되었다. 일반적으로 변하지 않는 모델을 갖고 있는 오류 감지 및 분류 시스템은 진단의 정확성을 높이는데 한계가 있다. 또한, 생산 장비로부터 얻어지는 데이터는 그 양이 방대하고 복잡하여 정교한 분석 시스템을 요구한다. 그 이유중의 하나는 공정을 제어 및 관리하기 위해 반도체 장비에 부착된 센서들이 많기 때문이다. 반도체 데이터의 복잡성과 방대함으로 인해 공정 데이터는 불확실성을 포함하고 있다. 이러한 이유로 가성 경고 신호와 실제 오류를 탐지하지 못하는 경우가 발생한다. 이 논문에서는 진단의 정확성을 높이기 위해 이러한 현상을 반도체 장비 데이터 또는 분석 모델의 불확실성으로 정의했다. 뎀스터-쉐이터 이론은 이러한 문제들을 해결하는데 사용되었다. 이 이론은 공정 데이터의 불확실성들을 직접적으로 표현할 수 있다. 뎀스터-쉐이퍼 ...
장비 데이터를 이용하여 반도체 공정 장비를 위한 오류 감지 및 분류의 방법이 연구되었다. 생산 손실 방지와 장비 작동의 최대 효율을 위해서 이상 감지와 오류의 원인 탐지와 같은 오류 감지 및 분류의 다양한 역할들이 중요하게 되었다. 일반적으로 변하지 않는 모델을 갖고 있는 오류 감지 및 분류 시스템은 진단의 정확성을 높이는데 한계가 있다. 또한, 생산 장비로부터 얻어지는 데이터는 그 양이 방대하고 복잡하여 정교한 분석 시스템을 요구한다. 그 이유중의 하나는 공정을 제어 및 관리하기 위해 반도체 장비에 부착된 센서들이 많기 때문이다. 반도체 데이터의 복잡성과 방대함으로 인해 공정 데이터는 불확실성을 포함하고 있다. 이러한 이유로 가성 경고 신호와 실제 오류를 탐지하지 못하는 경우가 발생한다. 이 논문에서는 진단의 정확성을 높이기 위해 이러한 현상을 반도체 장비 데이터 또는 분석 모델의 불확실성으로 정의했다. 뎀스터-쉐이터 이론은 이러한 문제들을 해결하는데 사용되었다. 이 이론은 공정 데이터의 불확실성들을 직접적으로 표현할 수 있다. 뎀스터-쉐이퍼 결합 법칙은 정보들을 집적하는데 중요한 역할을 한다. 이 논문에서 오류 감지 및 분류는 이상 진단을 위해 불확실성을 고려하기 위해 뎀스터-쉐이퍼 이론을 사용했다. 고주파 전원 시스템, 가스 배관 시스템, 공정 챔버 시스템 등으로 공정 장비의 세밀한 부분들을 분류하여 오류 감지의 정확성을 높였고 성공적인 이상 진단을 수행하였다. 고주파 센서는 공정 챔버의 외부공기 유출 감지에 매우 유용하게 쓰인 요소이다. 챔버의 외부공기 유출 감지와 고주파 전원 시스템 이상 진단의 오류 원인 분류를 위해서는 추가적인 전원 신호에 대한 조사가 필요했다. 뎀스터-쉐이퍼 이론을 이용한 오류감지는 높은 정확성을 보여주었고 성공적인 오류 감지와 분류는 다양한 정보의 결합으로 이루어지며 또한 전문 기술적인 지식들도 함께 고려되어야 한다.
장비 데이터를 이용하여 반도체 공정 장비를 위한 오류 감지 및 분류의 방법이 연구되었다. 생산 손실 방지와 장비 작동의 최대 효율을 위해서 이상 감지와 오류의 원인 탐지와 같은 오류 감지 및 분류의 다양한 역할들이 중요하게 되었다. 일반적으로 변하지 않는 모델을 갖고 있는 오류 감지 및 분류 시스템은 진단의 정확성을 높이는데 한계가 있다. 또한, 생산 장비로부터 얻어지는 데이터는 그 양이 방대하고 복잡하여 정교한 분석 시스템을 요구한다. 그 이유중의 하나는 공정을 제어 및 관리하기 위해 반도체 장비에 부착된 센서들이 많기 때문이다. 반도체 데이터의 복잡성과 방대함으로 인해 공정 데이터는 불확실성을 포함하고 있다. 이러한 이유로 가성 경고 신호와 실제 오류를 탐지하지 못하는 경우가 발생한다. 이 논문에서는 진단의 정확성을 높이기 위해 이러한 현상을 반도체 장비 데이터 또는 분석 모델의 불확실성으로 정의했다. 뎀스터-쉐이터 이론은 이러한 문제들을 해결하는데 사용되었다. 이 이론은 공정 데이터의 불확실성들을 직접적으로 표현할 수 있다. 뎀스터-쉐이퍼 결합 법칙은 정보들을 집적하는데 중요한 역할을 한다. 이 논문에서 오류 감지 및 분류는 이상 진단을 위해 불확실성을 고려하기 위해 뎀스터-쉐이퍼 이론을 사용했다. 고주파 전원 시스템, 가스 배관 시스템, 공정 챔버 시스템 등으로 공정 장비의 세밀한 부분들을 분류하여 오류 감지의 정확성을 높였고 성공적인 이상 진단을 수행하였다. 고주파 센서는 공정 챔버의 외부공기 유출 감지에 매우 유용하게 쓰인 요소이다. 챔버의 외부공기 유출 감지와 고주파 전원 시스템 이상 진단의 오류 원인 분류를 위해서는 추가적인 전원 신호에 대한 조사가 필요했다. 뎀스터-쉐이퍼 이론을 이용한 오류감지는 높은 정확성을 보여주었고 성공적인 오류 감지와 분류는 다양한 정보의 결합으로 이루어지며 또한 전문 기술적인 지식들도 함께 고려되어야 한다.
A method of fault detection and classification (FDC) for semiconductor manufacturing equipment using tool data is presented. To prevent yield loss and maximize equipment utilization, various roles of FDC, such as detecting failures and identifying root cause of faults, have become significant. Gener...
A method of fault detection and classification (FDC) for semiconductor manufacturing equipment using tool data is presented. To prevent yield loss and maximize equipment utilization, various roles of FDC, such as detecting failures and identifying root cause of faults, have become significant. General FDC dealt with a stationary model is limited to the increases in accuracy of diagnosis. Furthermore, Analysis of tool data acquired from production equipment requires intricate systems due to its enormous size and complexity. It is the reason why the data is collected from various sensors to manage its process. False alarms and miss fault detection are frequently caused, since the data also has uncertainty. We defined these phenomena as uncertainty of equipment and model data. Dempster-Shafer theory (DST) can be a key to solve these problems. It allows for the direct representation of uncertainty of system responses, and combination rules in DST are crucial paradigms for the aggregation of information. In this thesis, FDC is performed by using DST with consideration of the uncertainty associated with fault diagnosis. Sub-system level fault detections, such as RF power source module, RF power bias module, Gas delivery module, and process chamber module, are presented by combining related parameters, and successful fault detection is achieved. The evidential reasoning of RF probe is also beneficial for the detection of chamber leak simulation, and the classification of fault is made by further investigating voltage signal of RF probe. Successful fault detection in sub-system level with zero missed alarms was demonstrated using DST of evidential reasoning, and the classification for finding root cause of the fault is presented in the chamber leak fault simulation. We realized that successful fault detection and classification could be accomplished by combining various related information and by incorporating engineering expert knowledge.
A method of fault detection and classification (FDC) for semiconductor manufacturing equipment using tool data is presented. To prevent yield loss and maximize equipment utilization, various roles of FDC, such as detecting failures and identifying root cause of faults, have become significant. General FDC dealt with a stationary model is limited to the increases in accuracy of diagnosis. Furthermore, Analysis of tool data acquired from production equipment requires intricate systems due to its enormous size and complexity. It is the reason why the data is collected from various sensors to manage its process. False alarms and miss fault detection are frequently caused, since the data also has uncertainty. We defined these phenomena as uncertainty of equipment and model data. Dempster-Shafer theory (DST) can be a key to solve these problems. It allows for the direct representation of uncertainty of system responses, and combination rules in DST are crucial paradigms for the aggregation of information. In this thesis, FDC is performed by using DST with consideration of the uncertainty associated with fault diagnosis. Sub-system level fault detections, such as RF power source module, RF power bias module, Gas delivery module, and process chamber module, are presented by combining related parameters, and successful fault detection is achieved. The evidential reasoning of RF probe is also beneficial for the detection of chamber leak simulation, and the classification of fault is made by further investigating voltage signal of RF probe. Successful fault detection in sub-system level with zero missed alarms was demonstrated using DST of evidential reasoning, and the classification for finding root cause of the fault is presented in the chamber leak fault simulation. We realized that successful fault detection and classification could be accomplished by combining various related information and by incorporating engineering expert knowledge.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.