원인 분석
조지아 Z. 모건, 수석 통계학자, 은퇴
원인 분석은 단일 또는 다중 이상 현상의 원인 요인을 조사, 분석하고 결국 결정하는 데 사용되는 작업에 적용되는 일반적인 용어입니다. 고급 머신 러닝 방법과 기타 데이터 마이닝 도구는 데이터 분석에 소요되는 시간과 노력을 줄였습니다.
데이터 준비, 데이터를 수집하고 정보로 변환하는 단계에는 도메인 전문 지식이 필요합니다. 복잡한 제조 공정의 근본 원인을 파악하려면 도메인 전문가가 서로 다른 기능 조직에 속하고 데이터가 서로 다른 출처에서 나올 가능성이 높습니다.
내 경험은 다른 사람들과 공유됩니다:
"종종 데이터는 서로 다른 시스템에 있으며, 데이터 마이닝 및 머신 러닝에 사용할 수 있는 데이터 세트로 액세스하여 변환해야 합니다. …
여기에는 종종 상당한 양의 데이터 집계 및 변환이 필요합니다. 분석을 위한 단일 분석 기본 테이블이 집계되면 수명 주기의 다른 측면이 작용합니다. 데이터로 실험하는 것이 필요하기 때문에 분석가가 가장 정확한 예측 결과를 얻기 위해 다양한 유형의 데이터를 시도하는 준비 단계도 매우 반복적입니다 .
(na), (nd), A에서 Z까지의 데이터 마이닝. 2017년 7월 31일 SAS 웹사이트에서 검색됨 https://www.sas.com/content/dam/SAS/en_us/doc/whitepaper1/data-mining-from-az-104937.pdf
"제가 수없이 언급했듯이, 데이터 마이닝과 질문에 답하는 것 사이에는 엄청난 차이가 있습니다. 주어진 데이터 세트는 현실에 대한 특정한 엿보기를 제공하지만, 어떤 단일 데이터 세트도 모든 존재의 전체에 대한 완벽하고 전체론적이며 편견 없는 관점을 제공하지 않습니다. 즉, 데이터를 분석할 때 여러 면에서 통계학 박사 학위를 취득하는 것보다 보고 있는 데이터에 대한 이해가 훨씬 더 중요하다는 것을 의미합니다.”
Leetaru, K. (2016년 6월 12일) 데이터 과학에서 도메인 전문가가 더 필요한 이유 . 2017년 7월 31일 Forbes 웹사이트에서 검색됨 https://www.forbes.com/sites/kalevleetaru/2016/06/12/why-we-need-more-domain-experts-in-the-data-sciences/#14ee761e3b50
내 경험에 따르면 다음과 같습니다.
- 대부분의 데이터 반복 작업에는 시간이 많이 걸립니다.
- 조인은 거의 항상 오프라인 상태이므로 각 반복에는 다른 회의가 필요합니다. 즉,
- 민첩하지 않아!
이 프레젠테이션에는 두 가지 목표가 있습니다. 저의 주요 목표는 JMP Virtual Join이 테이블을 결합할 때 근본 원인 분석 팀이 더 민첩해지는 데 어떻게 도움이 될 수 있는지 보여주는 것입니다. 저의 두 번째 목표는 제시될 원인 분석에 대한 대체 제안을 수집하는 것입니다. 이 예는 제가 본 실제 문제를 설명하는 것이 아니라 잘못될 수 있는 것에 대한 여러 경험에 기반을 두고 있다는 점에서 가정적입니다. 또한 모든 데이터는 시뮬레이션됩니다. 이 예는 반도체(IC) 제조에서 가져오지만 이 문제는 모든 가공 공장이나 약물 연구에서 발생할 수 있습니다.
IC 제조 측면에 대한 간략한 개요를 통해 데이터와 이상 현상에 대한 맥락을 제공한 다음, 가상 조인에 대한 세부 정보와 분석이 이어집니다. 참고로, 여기에 제시된 예는 첨부된 논문에 기록된 두 가지 중 하나입니다.
키워드: 이상 현상 , RCA(근본 원인 분석), 데이터 마이닝 도구, 반도체 제조, JMP® 가상 조인, JSL, 재진입 프로세스, IC(집적회로), FEOL(Front End Of Line), BEOL(Back End Of Line), EOL(End Of Line, 일반적으로 수율 및 성능 테스트와 다이 준비), PM(예방적 유지 관리).
몇 가지 맥락
집적 회로(IC)는 산화, 이식, 다양한 전도도 및 장벽(비전도성) 특성을 가진 필름 및 스퍼터링 금속 증착, 패터닝, 평탄화, 물론 세척 및 측정이라는 수많은 처리 단계를 거쳐 생성됩니다. 이는 베어 도핑된 실리콘 웨이퍼[1]로 시작하여 웨이퍼당 여러 개의 다이(IC)로 끝납니다. 웨이퍼당 최대 다이 수는 웨이퍼 크기(직경) 및 다이 크기[2]에 따라 달라집니다. 그림 1(L) 참조
그림 1(R)은 5층 Cu 금속 상호 연결 BEOL[3]을 갖춘 칩의 매우 작은 세그먼트를 묘사한 만화입니다. 아키텍처, 금속 두께, 레이아웃 및 아마도 레시피는 각 Cu 층마다 다를 수 있지만 일반적으로 동일한 공장 영역(팹 베이)에서 동일한 도구로 처리됩니다.
그림 1 ( L ) 노치가 있는 평평하고 완전 가공된 웨이퍼를 갖춘 25개의 베어 실리콘 웨이퍼 캐리어( R ) 5층 Cu 상호 연결 BEOL의 IC 그래픽.
FEOL과 BEOL은 분할되어 있습니다. 아주 적은 양의 Cu도 산화물을 통해 빠르게 확산되어 결함을 만들고 게이트 산화물 품질을 저하시킵니다.
그림 2는 FEOL에 대한 가능한 팹(공장) 레이아웃을 나타냅니다[4]. 동일한 유형과 기능의 처리 장비는 베이에 있습니다. 이들의 레이아웃은 대량 화학 물질 배달, 배출 및 배수를 위한 배관에 최적화되어 있습니다. 자동 재료 취급 시스템(AMHS)이라고 하는 오버헤드 레일 시스템은 팹 로트를 한 스테이션에서 다음 스테이션으로 운반하거나 도구가 사용 가능해질 때까지 원격 스토커에 일시적으로 보관합니다. 표준 레이아웃은 없으며 각 반도체 회사에는 자체 공장 계획 그룹이 있습니다. 대부분의 공장 대기열은 재진입합니다. 예를 들어 베이 7과 9의 4개 도구는 7가지 다른 세척 단계를 수행할 수 있습니다. 공장 흐름과 장비 사용에 대한 지식은 근본 원인 분석에 필수적입니다. 이 예를 사용하면 단일 도구가 팹 로트에 최대 7번 영향을 미칠 수 있으며 일부 팹 로트는 해당 장비에서 전혀 처리되지 않았을 수 있습니다.
반도체 제조에 대해 자세히 알아보려면 참고문헌[7]을 보거나 비디오 및 기타 소스를 빠르게 웹 검색하십시오.
그림 2 FEOL 공정에 가능한 제조 레이아웃. 
처리 순서, 단계 간 시간, 특정 도구에서 처리된 시간 및 취급은 IC 품질에 영향을 미치는 문제인 이상에 중요한 기여 요인이 될 수 있습니다. 각 실리콘 웨이퍼에는 실리콘에 새겨진 웨이퍼 번호가 있습니다. 각 웨이퍼를 출처까지 추적할 수 있는 산업 표준이 있습니다. 약 20년 동안 fab(공장) 처리 장비와 핸들러에는 RFID 판독기가 있습니다. 제조 시스템은 웨이퍼가 도구에 들어가고 나오는 정확한 시간 등을 포착합니다. 제시된(첨부된) 시뮬레이션 데이터는 간단한 번호 매기기 시스템을 사용합니다. fab 데이터의 복제본은 아니지만 이 예에 필요한 특성을 제공합니다.
가상 조인
A 가상 조인:
- 물리적으로 결합하지 않고도 기본 테이블과 여러 보조 테이블을 연결할 수 있습니다.
- 두 개의 열 속성을 설정해야 합니다. 링크 참조 (기본 테이블)와 링크 ID (보조 테이블)입니다.
- 참조된(연결된) 데이터 테이블의 열은 기본 테이블에 그룹화된 변수로 표시됩니다.
- 이러한 열은 수식, 그래프, 분석 및 테이블 명령에서 사용할 수 있습니다.
- UI에서 생성할 수 있으며 JSL을 사용하여 생성 및 관리할 수 있습니다.
그림 3(L)은 7개의 조인된 테이블을 나타내며, 고유한 웨이퍼 번호(Wafernum)로 조인되어 있습니다. 링크 참조는 링크될 때 파란색 그림자 키로 표시되고, 링크되지 않을 때 회색으로 표시됩니다. 공개 아이콘을 클릭하여 해당 테이블의 열을 참조합니다.
그림 3 (엘) 7개 작업에 대한 장비 데이터와 가상으로 결합된 EOL 수율/성능/이상 데이터, (중) 링크 ID가 있는 M1 보조 테이블 패널, (아르 자형) 테이블 메뉴, 참조 데이터 병합
그림 3(M)은 이러한 테이블 중 하나(첫 번째 Cu 레이어인 M1)에 대한 테이블 패널을 나타냅니다. 링크 ID는 골드 키입니다. 링크 참조 및 링크 ID는 동일한 데이터 유형이어야 합니다. 링크 ID 값은 고유해야 하며 중복된 값이 없어야 합니다. JSL을 사용하거나 다른 세션에서 테이블을 다시 연결하려면 테이블을 디스크에 저장해야 합니다. 아래 목록은 가상 조인의 일부 특성을 제공합니다. 그림 3(R)은 선택한 테이블 링크 집합을 언제든지 병합할 수 있음을 보여줍니다. 병합할 링크 참조를 선택하거나 연결된 모든 열에 대해 없음을 선택한 다음 기본 테이블 메뉴에서 병합을 선택합니다. 이를 기본 테이블에 병합하는 것은 매우 간단합니다.
주의할 사항
- 경로는 대소문자를 구분하지만 보조 jmp 데이터 테이블이 주 데이터 테이블과 같은 디렉토리에 있는 경우 경로 이름은 필요하지 않습니다. (팀이 다양한 운영 체제를 혼합하여 사용하는 경우 posix 구문 c:/temp/를 사용하세요).
- fab 데이터의 경우 일반적인 링크는 Lot, Wafer ID, Die(행, 열)일 수 있습니다. RCA 팀은 표준에 동의해야 하며, 각 지역 담당자는 자신의 데이터를 소유하고 Link ID를 생성하여 준비해야 합니다. 이를 통해 RCA 회의와 병행하여 데이터를 수정할 수 있으며 준비가 되면 쉽게 연결할 수 있습니다.
- 링크에 DB 이름을 사용하지 마세요. 각 링크된 테이블에는 고유한 링크 참조 와 해당 링크 ID가 필요하기 때문입니다. 링크에 함수를 사용하세요. 데이터 업데이트가 더 쉬워지고 링크 값도 업데이트됩니다. (각 Wafernum.M 열은 DB 열 Wafernum에 대한 열 수식을 사용합니다.)
- 저장된 플랫폼 스크립트는 자세한 구문을 사용하여 연결된 열을 참조합니다.
참조 열( "도구[Wafernum.M1]" ,
참조( 열 (:Wafernum.M1), 참조( 열 (:Tool))))
이렇게 간단한 구문이 효과적인 것 같습니다.
: 이름 ( "[도구]Wafernum.M1] " ) 즉, : 이름 ( " 콜네임 [링크 ID]" )
- 특히 나중에 다른 파일에 링크가 사용될 가능성이 있는 경우, 링크를 해제하는 것보다는 보조 테이블을 닫는 것이 좋습니다.
추천:
추가 기능이나 스크립트를 만들어 자동으로 링크를 생성하고, 기존 링크 파일을 엽니다.
가상 조인의 이점:
- 열 이름 관리 그림 4는 7개의 연결된 테이블 중 3개를 보여줍니다. 각각 동일한 열 이름을 가지고 있습니다. 모든 JMP 조인은 동일한 이름을 가진 열에 대한 소스 테이블에 대한 정보를 추가하지만, 이름은 종종 길고 복잡한 소스 테이블 이름입니다. 가상 조인 의 경우 링크 참조 및 링크 ID 이름을 설정합니다. 구문이 덜 자세하기 때문에 이름 관리가 더 쉽고 링크 및 스크립팅을 위해 더 읽기 쉽습니다.
- 병렬 작업 M5의 원인 분석 팀원이 자신의 데이터에 문제가 있다고 말했다고 가정합니다. M5 데이터 테이블을 닫고 팀이 계속 진행하도록 한 다음 준비가 되면 수정된 테이블을 열고 주 테이블 열 Wafernum.M5를 마우스 오른쪽 버튼으로 클릭하고 링크 참조를 선택하여 다시 연결합니다. 파일 목록이 나타나면 M5 파일을 선택합니다.
그림 4 3개 작업에 대한 Fab 장비 데이터, 동일한 열 이름
시뮬레이션 예제 - 간헐적 고장 EOL M3 저항
근절하기 어려운 원인 중 하나는 오염 문제입니다. 특히 오염이 예정된 유지 관리(PM)로 제거되고 사용으로 사라지는 경우(수리 가능)와 조건부인 경우 더욱 그렇습니다. 7층 금속 스퍼터에 대한 BEOL 반도체 제조 팹의 시뮬레이션이 이러한 이상을 보여주기 위해 만들어졌습니다.
역학, 약물 연구, 식품 및 약물 가공은 어느 정도 빈도로 유사한 유형의 변칙을 경험할 가능성이 있습니다.
SRHO 는 금속 저항 품질 지표입니다. SRHO 증가의 잠재적 원인은 부족하지 않으며, 조사를 M3 루프로만 제한하더라도 마찬가지입니다. 라인이 너무 좁으면 저항이 증가합니다. 라인에 균열이 생기거나 다른 결함이나 금속 오염이 금속 전도성 특성에 영향을 미칠 수 있습니다. 그림 5는 효과를 보여줍니다. 위 그래프는 휴일 정전 전 몇 주 동안의 기준 재료를 나타냅니다. 아래 그래프는 휴일 이후 재료를 나타냅니다. M3 저항에 대한 몇 가지 간헐적 로트의 EOL 지표가 SPC에 실패하고 지금까지 통제 불능 상태이므로 웨이퍼를 폐기해야 합니다. 몇 개의 비정상적인 로트만 있었고, 그 다음에는 아무것도 보이지 않았습니다. 그런 다음 "궁극적인 규칙"이 적용됩니다. 작은 신호는 결국 큰 신호가 됩니다. 라인 끝에 불량 로트가 잇따라 나타납니다.
그림 5 M3.SRHO (티) 기준 Lot 평균( B ) 휴일 이후 Lot 평균 대 M3 Sputter Tools 
원인 분석 질문
- 이상 현상 도구는 특정적인가요?
- 공정이 일관성이 있고, 동일한 화학 물질을 사용합니까?
- 간헐적인 특성을 감안할 때, 이것이 도구 상태와 관련이 있을 수 있을까요?
- 이것이 프로세스 순서, 대기 시간, 단계 간 시간 등과 관련이 있을 수 있을까요?
M1-M7 스퍼터만 FIFO 대기열로 시뮬레이션되었습니다. 풀 로트는 웨이퍼 25개, 하프 로트는 웨이퍼 12개, 퀵 턴 로트는 웨이퍼 6개입니다. FIFO 예외는 웨이퍼 6개 로트가 우선한다는 것입니다. 시뮬레이션에 현실성을 더하기 위해 "다른" 프로세스 단계에 대한 임의 처리량 시간을 사용하여 M1과 M2 사이에 다양한 재진입 시간을 두었습니다. 이러한 다른 처리 시간은 고정된 설정 시간, 웨이퍼 수와 우선 순위에 따른 처리 시간, 임의 대기열 시간을 기반으로 했습니다. 실제 데이터를 사용한 실제 원인 분석에서 루프의 각 도구와 대기열은 조사가 필요합니다. 복잡성을 제한하고 방법에 집중하기 위해 스퍼터 도구만 시뮬레이션했습니다. 또한 이 논문에서는 인라인 임계 치수 데이터에서 라인 크기에 변화가 없다는 서술을 사용합니다. 라인 끊김이나 균열을 제거하기 위해 일반적으로 스트립 백이나 인라인 비주얼을 검토합니다. 아무것도 발견되지 않았으므로 초점은 금속 자체에 맞춰집니다.
질문 #1에 답하기 위해 도구별 발생률 비교를 검토합니다. 이는 대부분 모듈에서 한 번에 하나의 도구를 검토하고 첫 번째 RCA 팀 회의에서 검토합니다. 또는 기능 선택이 있는 데이터 마이닝 도구를 여러 단계의 열이 있는 거대한 테이블에 적용할 수 있습니다. 단일 모놀리식 파일 대신 그림 3(L)에서 볼 수 있는 것과 같은 가상으로 연결된 주 테이블을 사용할 수 있습니다.
질문 #2, 이야기를 계속하자면, 대량 시스템에 대한 화학적 검토는 아무것도 발견하지 못했습니다. 모든 도구는 동일한 시스템에 연결되어 있습니다. 이 시점에서 이상 데이터는 인라인 모니터 데이터, 도구 센서 데이터 표와 연결하여 분석할 수 있습니다.
이야기가 계속되면서, 한 엔지니어는 폐쇄 몇 주 전에 M5 레시피, 화학 혼합물이 M5의 지형(구조)에 더 잘 맞도록 증착을 변경했다고 말합니다. 구현 전 특성화에는 몇 개의 M5 웨이퍼와 그 다음에 몇 개의 M1 웨이퍼가 포함되었고, 다른 층에 대해서도 반복되었습니다. 모든 결과는 기준선 내에 있었습니다.
RCA 팀 의장은 M3와 M5 모두의 웨이퍼 수에 대한 분석을 요청하면서 도구 상태에 대한 질문 #3에 답하려고 합니다. 엔지니어의 첫 번째 파일에는 전체 웨이퍼 수만 있다고 가정합니다. 테이블을 닫고 엔지니어에게 M3 이전에 실행된 M5 웨이퍼의 누적 수에 대한 열을 추가하게 합니다. 데이터가 수정되면 새 파일을 열고 연결합니다. 그림 6은 다른 파일, 다른 반복을 이상 데이터에 연결할 수 있음을 보여줍니다.
그림 6 M3 도구 PMCounters와 연결된 휴일 이후 EOL M3 이상 데이터
그림 7 - 도구별 휴일 이후 M3.SRHO 대 PM_WFRCOUNT(여기서는 SPUTT02만 표시됨)
그림 7, SPUTT02에 대한 웨이퍼 수에 대한 M3.SRHO 데이터의 Fit Y x X 플롯은 웨이퍼 수가 적고 웨이퍼 수가 많을 때 오류가 발생했음을 보여줍니다. 시뮬레이션은 500개의 웨이퍼마다 SPC를 예약했고 PM은 5000개의 웨이퍼 또는 챔버당 약 2500개의 웨이퍼 후에 수행됩니다. 전체 로트에서 고갈 효과가 나타나는 것 같습니다(웨이퍼마다 감소). 또한 이 시뮬레이션의 특성상 휴일 이후 초기 재료에는 6개의 웨이퍼, 빠른 회전 로트가 많았습니다.
사전 구현 특성화가 몇 개의 M5 웨이퍼 실행만으로는 효과가 나타나지 않았다는 점을 감안할 때, 이것이 누적 때문일 수도 있고 시퀀싱 때문일 수도 있을까요? 다시 말해, 질문 #4에서 말씀드린 바와 같습니다.
과거 분석의 경우, 다음 단계를 위해 이벤트 분석을 활용했습니다.
- 모든 도구 이벤트에 대한 표를 만듭니다. ( 스퍼터링 장비의 MES 데이터)
- 10개 이상의 지연을 나타내는 열을 만듭니다. 도구로 하는 것이 더 쉽습니다. 단계는 다음과 같습니다. 도구로 하위 집합을 만듭니다. 지연을 만드는 스크립트를 작성합니다(lagit.jsl 참조). 도구 파일을 결합합니다.
- 이 잠재적인 도구 상태 이상은 M3에만 영향을 미치는 듯하므로 M3 작업 데이터를 선택합니다. 즉, M3 행만 사용합니다. 파일 M3 Last 20.jmp를 참조하세요. 링크 ID Wafernum.M3을 만듭니다.
- 이 파일을 열고 이상 데이터에서 Wafernum.M3 열을 마우스 오른쪽 버튼으로 클릭하고 링크 참조를 선택합니다. 트리 방법(파티션)과 기능 선택을 사용하여 패턴을 찾습니다.
이벤트 시퀀싱은 JMP 함수 Lag( :col, n )를 사용하여 상당히 빠르게 수행할 수 있으며, 이 함수는 문자 열에서 작동합니다. 이 경우 도구가 이전에 실행한 도구 기록이 생성됩니다.
그림 8 테이블 M3의 스니펫 Last 20.jmp 구조(도구 이벤트 지연 포함)
그림 9 M3.SRHO Lot Average 대 마지막 20개 도구 이벤트의 분할
그림 8은 테이블 구조의 스니펫을 표시하고 그림 9는 분할 내역을 표시합니다. 지연 1, 2 및 3은 순서대로 선택되었으며, 매번 M5LotMoveIn 이벤트에서 분할되었습니다. 그림 8은 시퀀싱을 단순화하기 위한 수식 열을 표시합니다. 이는 0 = PM, 5 = M5 및 다른 모든 이벤트의 경우 1인 코드화된 이벤트의 연결입니다. 그림 10은 RCA 관리 업데이트에 대해 제시된 그래프입니다.
그림 10 M3SRHO Lot 처리 효과의 표현 그래프
댓글
- 시뮬레이션은 의도한 효과를 달성했습니다.
- 이러한 유형의 변칙성에 대한 표준 모델링은 내장된 포화, PM 및 고갈로 인해 어렵습니다.
- 시퀀싱을 하고 특정 효과를 찾는 것이 저의 BKM이었습니다.
- 바로 직전에 M5가 운행되었던 모든 M3 부지를 찾아보세요.
- 기준선에 대한 델타를 계산합니다. 효과를 웨이퍼 수와 비교합니다.
- 웨이퍼 고갈 효과를 조사합니다.
- 현재 저는 신뢰성 시퀀싱에 대해 연구하고 있으며, 이 방법을 표준화하기 위한 제안을 찾고 있습니다.
- 이 논문에는 더 자세한 내용과 또 다른 원인 분석 예가 들어 있습니다. 첨부된 데이터 폴더에는 시뮬레이션과 모델링된 효과에 대한 readme.txt 파일이 들어 있습니다. 데이터 파일에는 그래프와 파티션을 재생성하는 스크립트가 첨부되어 있습니다.
가상 조인은 신속한 데이터 업데이트 및 구조 조정을 가능하게 하며, 이는 특히 RCA에 유용합니다.
참고문헌
[1] 그림 1(L) 베어 실리콘 웨이퍼, (na), (nd), 실리콘 웨이퍼 . 2017년 7월 31일 TechInstro 웹사이트, https://www.techinstro.com/silicon-wafer/ 에서 검색됨
[2] 그림 1 (L), (na), 2013년 4월 9일, Die Per Wafer Formula 및 (무료) 계산기 . 2017년 7월 31일, anysilicon 웹사이트, http://anysilicon.com/die-per-wafer-formula-free-calculators/ 에서 검색됨
[3] 그림 1(R) (na), (nd), 백엔드 오브 라인 . 2017년 7월 31일 Wikipedia, The Free Encyclopedia, 웹사이트, https://en.wikipedia.org/wiki/Back_end_of_line 에서 검색됨
[4] 그림 2, 유광재, 2015년 1월 20일, KAIST 산업 및 시스템 공학과 최적 Fab SDM LAB, 그림 2. 공정 유형 간 물질 흐름에 따른 최적 FAB 레이아웃 설계. 2017년 7월 31일, http://sdm.kaist.ac.kr/wordpress/korean/%EC%9C%A0%EA%B4%91%EC%9E%AC/ , http://sdm.kaist.ac.kr/wordpress/korean/wp-content/uploads/sites/2/2015/01/YGJ_2.png 에서 검색됨.
[5] Leetaru, K. (2016년 6월 12일) 데이터 과학에 더 많은 도메인 전문가가 필요한 이유 . 2017년 7월 31일 Forbes 웹사이트에서 검색됨 https://www.forbes.com/sites/kalevleetaru/2016/06/12/why-we-need-more-domain-experts-in-the-data-sciences/#14ee761e3b50
[6] (na), (nd), A에서 Z까지의 데이터 마이닝. 2017년 7월 31일 SAS 웹사이트 https://www.sas.com/content/dam/SAS/en_us/doc/whitepaper1/data-mining-from-az-104937.pdf 에서 검색됨.
[7] 반도체 제조에 대해 더 알아볼 수 있는 다른 웹사이트
https://www.bloomberg.com/news/articles/2016-06-09/how-intel-makes-a-chip
https://www.youtube.com/watch?v=vmAyXWvLHeI (FOUP 로드 무비)
https://www.youtube.com/watch?v=4Q_n4vdyZzc (TSMC의 반도체 기술, 2011)
