[논문]계층적 군집분석을 이용한 반도체 웨이퍼의 불량 및 불량 패턴 탐지

정주원; 정윤서

doi:10.5351/kjas.2022.35.3.407

계층적 군집분석을 이용한 반도체 웨이퍼의 불량 및 불량 패턴 탐지
Wafer bin map failure pattern recognition using hierarchical clustering 원문보기

응용통계연구 = The Korean journal of applied statistics, v.35 no.3, 2022년, pp.407 - 419

정주원 (고려대학교 데이터 통계학과) , 정윤서 (고려대학교 데이터 통계학과)

초록
AI-Helper

반도체는 제조 공정이 복잡하고 길어 결함이 발생될 때 빠른 탐지와 조치가 이뤄져야 결함으로 인한 손실을 최소화할 수 있다. 테스트 공정을 거쳐 구성된 웨이퍼 빈 맵(WBM)의 체계적인 패턴을 탐지하고 분류함으로써 문제의 원인을 유추할 수 있다. 이 작업은 수작업으로 이뤄지기 때문에 대량의 웨이퍼를 단 시간에 처리하는 데 한계가 있다. 본 논문은 웨이퍼 빈 맵의 정상 여부를 구분하기 위해 계층적 군집 분석을 활용한 새로운 결함 패턴 탐지 방법을 제시한다. 제시하는 방법은 여러 장점이 있다. 군집의 수를 알 필요가 없으며 군집분석의 조율 모수가 적고 직관적이다. 동일한 크기의 웨이퍼와 다이(die)에서는 동일한 조율 모수를 가지므로 대량의 웨이퍼도 빠르게 결함을 탐지할 수 있다. 소량의 결함 데이터만 있어도 그리고 데이터의 결함비율을 가정하지 않더라도 기계학습 모형을 훈련할 수 있다. 제조 특성상 결함 데이터는 구하기 어렵고 결함의 비율이 수시로 바뀔 수 있기 때문에 필요하다. 또한 신규 패턴 발생시에도 안정적으로 탐지한다. 대만 반도체 기업에서 공개한 실제 웨이퍼 빈 맵 데이터(WM-811K)로 실험하였다. 계층적 군집 분석을 이용한 결함 패턴탐지는 불량의 재현율이 96.31%로 기존의 공간 필터(spatial filter)보다 우수함을 보여준다. 결함 분류는 혼합 유형에 장점이 있는 계층적 군집 분석을 그대로 사용한다. 직선형과 곡선형의 긁힘(scratch) 결함의 특징에 각각 주성분 분석의 고유값과 2차 다항식의 결정계수를 이용하고 랜덤 포레스트 분류기를 이용한다.

Abstract ▼ AI-Helper

The semiconductor fabrication process is complex and time-consuming. There are sometimes errors in the process, which results in defective die on the wafer bin map (WBM). We can detect the faulty WBM by finding some patterns caused by dies. When one manually seeks the failure on WBM, it takes a long time due to the enormous number of WBMs. We suggest a two-step approach to discover the probable pattern on the WBMs in this paper. The first step is to separate the normal WBMs from the defective WBMs. We adapt a hierarchical clustering for de-noising, which nicely performs this work by wisely tuning the number of minimum points and the cutting height. Once declared as a faulty WBM, then it moves to the next step. In the second step, we classify the patterns among the defective WBMs. For this purpose, we extract features from the WBM. Then machine learning algorithm classifies the pattern. We use a real WBM data set (WM-811K) released by Taiwan semiconductor manufacturing company.

주제어

표/그림 (9)

그림 Figure 1: Various type of defective wafer patterns. 'None' corresponds to a normal wafer.
표 Table 1: Type of failure patterns and its count in WM-811K data set when considering die size 1376
그림 Figure 2: Flowchart for the process of wafer map failure pattern detection and classification. 'height' and 'minPts' are tuning parameters in the hierarchical clustering (HC).
표 Table 2: Various cases for the training data. Case 6 is about half of the whole data set we consider as given inTable 1
표 Table 3: Mean rate (and its standard error in the parenthesis) of detecting the defective wafter when evaluated in the test data set using three measures. Spatial filtering using average and median is expressed as SF-Ave and SF-Med, respectively. The results are calculated over ten random splits. All values are multiplied by 10².
표 Table 4: Mean rate (and its standard error in the parenthesis) of recall when evaluated in the test data set. All values are multiplied by 10².
표 Table 5: Mean wafer map failure pattern classification rate (and its standard error) for various models. HC stands for hierarchical clustering and RF for random forest. The combined method is composed of de-noising process and for classification. The results are from 10 random splits and all values are multiplied by 10².
표 Table 6: Mean wafer map failure pattern classification rate (and its standard error) for random forest. HC, DBSCAN, and OPTICS are used for the de-noising. The results are from 10 random splits and all values are multiplied by 10²
표 Table 7: Confusion matrix (in percent) for wafer map failure pattern classification for HC + RF. The values are averaged over 10 random splits.

참고문헌 (20)

Alawieh M, Wang F, and Li X (2016). Identifying systematic spatial failure patterns through wafer clustering. Volume 2016-July, pages 910-913.
Chang CW, Chao TM, Horng JT, Lu CF, and Yeh RH (2012). Development pattern recognition model for the classification of circuit probe wafer maps on semiconductors. IEEE Transactions on Components, Packaging and Manufacturing Technology, 2(12), 2089-2097.

상세보기
Chien CF, Hsu SC, and Chen YJ (2013). A system for online detection and classification of wafer bin map defect patterns for manufacturing intelligence. International Journal of Production Research, 51(8), 2324-2338.

상세보기
Hijmans RJ (2021). Raster: geographic data analysis and modeling. R package version 3.5-11.
Hsu SC and Chien CF (2007). Hybrid data mining approach for pattern extraction from wafer bin map to improve yield in semiconductor manufacturing. International Journal of Production Economics, 107(1), 88-103.

상세보기
Huang CJ (2002). Application of neural networks and filtered back projection to wafer defect cluster identification. Proceedings of the 4th International Symposium on Electronic Materials and Packaging, pages 99-105.
Huang CJ (2007). Clustered defect detection of high quality chips using self-supervised multilayer perceptron. Expert Systems with Applications, 33(4), 996-1003.

상세보기
Huang CJ, Wang CC, and Wu CF (2002). Image processing techniques for wafer defect cluster identification. IEEE Design and Test of Computers, 19(2), 44-48.

상세보기
Jeong YS, Kim SJ, and JeongM(2008). Automatic identification of defect patterns in semiconductor wafer maps using spatial correlogram and dynamic time warping. IEEE Transactions on Semiconductor Manufacturing, 21(4), 625-637.

상세보기
Jin C, Na H, Piao M, Pok G, and Ryu K (2019). A novel dbscan-based defect pattern detection and classification framework for wafer bin map. IEEE Transactions on Semiconductor Manufacturing, 32(3), 286-292.

상세보기
Kim B, Jeong YS, Tong S, Chang IK, and Jeong MK (2016). Stepdown spatial randomness test for detecting abnormalities in dram wafers 40 with multiple spatial maps. IEEE Transactions on Semiconductor Manufacturing, 29(1), 57-65.
Kim J, Lee Y, and Kim H (2018). Detection and clustering of mixed-type defect patterns in wafer bin maps. IISE Transactions, 50(2), 99-111.

상세보기
Li TS and Huang CL (2009). Defect spatial pattern recognition using a hybrid som-svm approach in semiconductor manufacturing. Expert Systems with Applications, 36(1), 374-385.

상세보기
Wang CH (2008). Recognition of semiconductor defect patterns using spatial filtering and spectral clustering. Expert Systems with Applications, 34(3), 1914-1923.

상세보기
Wang CH (2009). Separation of composite defect patterns on wafer bin 42 map using support vector clustering. Expert Systems with Applications, 36(2 PART 1), 2554-2561.
Wang CH, Kuo W, and Bensmail H (2006a). Detection and classification of defect patterns on semiconductor wafers. IIE Transactions (Institute of Industrial Engineers), 38(12), 1059-1068.
Wang CH, Wang SJ, and Lee WD (2006b). Automatic identification of spatial defect patterns for semiconductor manufacturing. International Journal of Production Research, 44(23), 5169-5185.

상세보기
Wu MJ, Jang JSR, and Chen JL (2015). Wafer map failure pattern recognition and similarity ranking for largescale data sets. IEEE Transactions on Semiconductor Manufacturing, 28(1), 1-12.

상세보기
Yu J and Lu X (2016). Wafer map defect detection and recognition using joint local and nonlocal linear discriminant analysis. IEEE Transactions on Semiconductor Manufacturing, 29(1), 33-43.

상세보기
Yuan T, Bae S, and Park, J. (2010). Bayesian spatial defect pattern recognition in semiconductor fabrication using support vector clustering. International Journal of Advanced Manufacturing Technology, 51(5-8), 671-683.

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증