웨이퍼 맵 분석을 통한 불량 및 특이 웨이퍼 탐지

웨이퍼 맵(Wafer Bin Map, 이하 WBM)은 반도체 FAB 공정 수행 후 수행되는 다양한 전기적 테스트에 대한 결과를 시각화하여 보여주는 이미지로서 불량 웨이퍼 판별, 품질 이슈 관련 혐의 공정 파악 등의 다양한 품질 관리 활동에 사용되고 있다. 지금까지 WBM을 이용한 공정 관리는 숙련된 공정 엔지니어의 사전 지식에 크게 의존해서 수행되어 왔으며, 따라서 사전 지식이 다른 엔지니어들 사이에서는 같은 WBM이라도 해석과 개선의 방향이 다르게 설정되는 경우도 발생하였다. 본 연구에서는 딥러닝 기반의 합성곱 신경망 및 합성곱 신경망 오토인코더를 활용하여 과거 누적된 데이터 기반으로 개별 WBM에 대한 불량 탐지를 수행하고 불량 원인이 되는 영역을 규명해줄 수 있는 방법론을 제안하고 그 효과를 검증한다. 또한, 연속적으로 수행되는 반도체 공정에서 실시간으로 WBM을 모니터링하고 대부분의 WBM과는 다른 패턴을 보이는 이상치 WBM을 식별할 수 있는 방법론과 시각화 모듈을 구축하여 공정 관점에서의 특이사항을 신속하게 판별할 수 있는 시스템을 구축하였다.