데이터 마이닝을 사용한 수확량 모델링 및 패턴 예측: 예방적 접근 방식
François Bergeret, PhD, 통계학자 – Ippon Innovation
빈센트 바렉; Alexandre Couvrat, 수율 및 결함 엔지니어 – Soitec
복잡한 공정 제조의 경우 수율과 결함은 수많은 요인에 따라 달라집니다. 이미 생산 중인 수율 향상 도구는 Soitec이 대부분의 공정 문제를 감지하는 데 도움을 주고 있습니다(빠른 대응 접근 방식). 이 문서에서는 현재 예방적 접근 방식에 사용되는 JSL(JMP 스크립팅 언어)과 JMP로 생성된 두 가지 새로운 데이터 마이닝 도구를 제시합니다. Yield Model은 수익률과 관련된 주요 요인을 탐지합니다. 그런 다음 이러한 요소가 모델에 포함되어 정확한 예측을 제공합니다. 사용자는 제조 볼륨, 프로세스 도구 로딩 및 처리량을 기반으로 한 시뮬레이션을 통해 수율 및 결함 변화를 예측할 수 있습니다. Yield Model은 매우 대화형 도구이며, 프레젠테이션 중에 궁극적인 JSL 기능이 실시간으로 발표됩니다. 차세대 SOI(Silicon on Insulator) 세대에서는 부품 두께 균일성이 주요 수율 동인입니다. 패턴 예측은 JMP 9 신경망 플랫폼을 사용하여 매우 유망한 결과로 두께 균일성을 분석하고 예측합니다. 사용자는 학습 샘플에 대해 신경망을 훈련하고, 신경망은 검증 샘플에서 평가된 미래 부품의 패턴을 높은 정확도로 자동 예측합니다. 이 문서에는 항복 모델에 사용되는 고급 JSL 기능과 복잡한 패턴을 정확하게 예측하기 위한 신경망의 기능 발견이 포함되어 있습니다. 백서에 제시된 두 가지 도구는 예방 도구로, Soitec이 시간을 절약하고 품질을 향상시키는 데 도움이 됩니다.
