안녕하세요, 여러분. 저는 지아핑 션입니다. 저는 어플라이드 머티리얼즈(Applied Materials)의 공정 지원 엔지니어입니다. 어플라이드 머티리얼즈는 소재 엔지니어링 솔루션 분야의 선두 기업으로, 전 세계 거의 모든 새로운 칩과 첨단 디스플레이를 생산하고 있습니다.
Applied Materials 내부에는 엔지니어들이 JMP를 기반으로 엔지니어링 문제를 해결할 수 있도록 지원하는 JMP 프로그램이 있습니다. 저는 JMP 프로그램의 일원으로서, 대기 시간 제어 및 측정 능력 평가를 지원하기 위해 JMP를 사용하여 이산화규소 두께 측정의 반복성 및 재현성 분석을 수행하는 방법을 공유하고자 합니다.
웨이퍼 제조 공정에서 공정 엔지니어는 제품 품질을 보장하기 위해 각 레이어를 모니터링하는 데 계측 장비를 사용합니다. 측정 결과가 정확하지 않으면 품질 문제가 발생할 수 있습니다. 그렇다면 측정 결과는 어떻게 영향을 받을까요? 한 장비로 부품 두께를 여러 번 측정했는데 편차가 크다면 해당 장비의 반복성이 좋지 않다는 뜻입니다. 마찬가지로 다른 장비로 같은 부품을 다시 측정했을 때 두 장비 간의 차이가 크다면 재현성이 좋지 않다는 의미입니다.
측정 장비의 반복성과 재현성에 대한 분석을 GRR 분석이라고 합니다. 본 프로젝트에서는 이산화규소 두께를 예로 들어 측정 능력 평가 방법을 소개합니다. 다른 GRR 프로젝트와 달리, 본 프로젝트에서는 측정 대기 시간 수준을 사용하여 재현성을 설명합니다.
다음은 전체 흐름 분석에 대한 개요입니다. 수집된 데이터를 기반으로 GRR 성능을 평가하고 근본 원인 분석을 수행하여 추가 개선 사항이 있는지 확인합니다. 그런 다음 현재 처리 가능성을 논의하고 향후 개선 기회를 모색합니다.
웨이퍼 상의 15개 시편에서 이산화규소 두께를 측정했습니다. 각 시편은 이산화규소 생성 후 0시간, 3시간, 6시간에 각각 4회씩 측정했습니다.
최종적으로 JMP 및 MSA 설계 플랫폼을 사용하여 180개의 데이터 포인트를 얻었습니다. 두께 규격은 97~103옹스트롬입니다. GRR 성능 평가를 위해 P/T 비율, P/TV 비율, P/V 비율, P/M 비율의 네 가지 성공 기준을 설정했습니다.
네 가지 기준 중 분자는 정밀도이며, 이는 반복성과 재현성으로 인한 변동을 고려하여 계산됩니다. 본 프로젝트에서 허용 오차는 6이며, P/T 비율을 성공 기준으로 사용하겠습니다.
GRR 성능은 어떻습니까? 첫 번째 모델은 P/T 비율이 8로 10% 미만이므로 측정 능력이 양호합니다. 반면 P/TV 비율은 31%로 30% 이상이므로 측정 능력이 좋지 않습니다. 그 이유는 무엇일까요? 부품 범위가 너무 좁아서 P/TV 비율을 신뢰할 수 없고, 측정 능력이 양호함을 보여주는 P/T 비율을 신뢰해야 하기 때문입니다.
부품과 대기 시간 간의 상호 작용은 어떨까요? 교차 GRR 모델에 따르면, 상호 작용은 허용 오차의 0.2%만을 설명하므로 무시할 수 있습니다. 현재 기술 수준에서 부품이 규격에 부합하는지 여부를 판단하는 데 오류가 발생할 가능성은 얼마나 될까요? 양호한 부품을 잘못 판정하여 불량으로 판정하는 위험을 알파 리스크라고 합니다. 알파 리스크가 높을수록 생산 비용이 증가합니다.
불량품이 잘못 승인될 위험을 베타 리스크라고 합니다. 베타 리스크가 높을수록 고객에게 위험이 발생합니다. 생산 과정에서 목표 사양을 충족하는 부품은 알파 리스크와 베타 리스크가 모두 0입니다. 사양 한계에 근접한 양품은 베타 리스크가 높고, 사양 한계에 근접한 불량품 또한 베타 리스크가 높습니다.
프로젝트의 알파 및 베타 위험은 어떻습니까? 둘 다 0입니다. 이걸 믿을 수 있을까요? 아닙니다. 모든 부품이 규격 범위 내에 있기 때문입니다. 이는 실제 생산 상황과는 완전히 다릅니다. 따라서 계산된 위험을 신뢰할 수 없습니다. 다음번에는 실제 생산 상황을 시뮬레이션하기 위해 규격 범위 내에 90%가 균일하게 분포된 부품을 의도적으로 선택해야 합니다.
현재 측정 능력은 양호하지만, 향후 개선의 여지는 없을까요? Xbar-S 차트를 사용하여 반복성과 재현성 측면에서 GRR의 근본 원인을 분석해 보겠습니다.
상단의 반복성 차트에서 X축은 세 가지 대기 시간 수준에서 15개의 부품을 나타냅니다. Y축은 각 전체 반복의 반복성을 나타내는 표준화 값입니다. 전반적으로 표준화 값은 매우 안정적입니다. 이는 대기 시간 효과에 따른 반복성을 보여줍니다. 보라색 선은 각 대기 시간 수준별 평균 표준화 값이며, 추세가 나타나지 않는 것을 확인할 수 있습니다.
각 부품의 표준화는 어떻습니까? 웨이퍼 중앙부는 표준화가 낮고 가장자리는 높은 것을 볼 수 있습니다. 이는 웨이퍼 가장자리의 응력이 더 높기 때문일 수 있습니다. 반복성은 매우 안정적입니다. 재현성은 어떻습니까? 대부분의 부품이 측정 화살표 영역 밖에 있어서 측정 도구가 부품을 구분할 수 있습니다.
보라색 선은 평균 두께가 6시간까지 0.2옹스트롬 증가했음을 보여주는데, 이는 사양 허용 오차인 6옹스트롬보다 훨씬 낮습니다. 따라서 장기적인 열화 위험은 낮습니다. M자형 곡선은 우리가 원하는 최상의 균일성을 나타냅니다. 세 개의 M자형 곡선을 겹쳐 놓으면 평행하게 되므로 대기 시간과의 상호 작용은 거의 없습니다.
반복성은 여전히 안정적이며, 재현성 또한 사양 허용 오차에 비해 양호합니다. 그럼에도 불구하고, 자연 산화로 인한 단기적인 성능 저하 위험을 평가하기 위해 첫 번째 반복과 네 번째 반복 사이에 T-검정을 실시했습니다.
통계적으로는 유의미한 차이가 있지만, 규격 허용 오차와 비교했을 때는 실질적으로 큰 차이가 없습니다. 4회 반복 측정 내에서는 부품 측정값 저하에 대한 우려가 거의 없으며, ANOVA 교차 GRR 모델은 안전합니다.
이전 슬라이드에서는 측정 능력에 대해 이야기했습니다. 그렇다면 공정 능력은 어떨까요? 공정 능력(Cp)은 ICC와 P/T 비율로 계산됩니다. 이 경우 ICC는 0.9이고 P/T 비율은 8.88%입니다. 최종 Cp는 2보다 크므로 녹색 영역에 속합니다. 이는 공정 능력과 측정 능력이 모두 양호하고 6시간 동안 안정적이라는 것을 의미합니다.
하지만 ICC는 시료 선택에 크게 의존하기 때문에 P/T 비율에 비해 신뢰도가 떨어집니다. 따라서 조정이 필요한 경우 ICC는 고정하고 P/T 비율을 수평으로 이동시키는 것이 첫 번째 단계로 적합합니다. ICC를 고정하고 P/T 비율을 0.08에서 0.16으로 이동시키면 녹색 경계에 도달합니다. 이 경우 규격 한계는 6에서 3.35로 강화됩니다.
다른 위험은 어떻습니까? 세 개의 그래프는 허용 오차를 100%에서 30%로 줄였을 때의 P/T 비율, 알파 위험, 베타 위험을 보여줍니다. 허용 오차가 줄어들면서 P/T 비율은 29.6%로 증가하여 간신히 허용 가능한 수준이 되었습니다. 알파 위험은 여전히 5% 미만입니다. 베타 위험은 허용 오차를 40% 줄이면 10%를 넘어섭니다. 이 세 가지 기준에 따라 허용 오차 범위를 3에서 3.6으로 좁히고 P/T 비율을 약 50%로 유지할 수 있습니다.
이 그래프는 다양한 시나리오에서 프로세스 및 측정 역량을 반복적이고 지속적으로 개선하는 방법을 요약한 것입니다. Cp가 2보다 크고 P/T가 0.3 미만인 경우(연한 녹색 별표로 표시됨)에는 개선 준비를 위해 Cp가 1.33이 될 때까지 사양을 강화하는 것을 고려해야 합니다.
Cp가 1.33 미만일 때 P/T는 0.3 미만이며, 이는 파란색 별표로 표시되어 있습니다. Cp가 2가 될 때까지 부품 간 공정 능력을 개선하고 ICC를 낮춰야 합니다.
Cp가 1.3 미만이고 P/T가 0.3보다 큰 경우(주황색 별표로 표시됨), P/T 비율을 30% 미만으로 낮추고 동시에 Cp를 개선하는 방향으로 GRR 성능을 최적화하는 것을 고려해야 합니다. 이처럼 다양한 상황에서 측정 또는 프로세스 개선 방향을 결정할 수 있습니다. 이것이 바로 다양한 대기 시간 수준에 따른 GRR 분석 방법입니다. 들어주셔서 감사합니다.
