원인 분석
조지아 Z. 모건, 수석 통계학자, 은퇴
원인 분석은 하나 또는 여러 개의 이상 현상에 대한 원인 요인을 조사, 분석하고 궁극적으로 파악하는 데 사용되는 일반적인 용어입니다. 고급 머신 러닝 기법과 기타 데이터 마이닝 도구 덕분에 데이터 분석에 소요되는 시간과 노력이 절감되었습니다.
데이터 준비, 즉 데이터를 수집하고 정보로 변환하는 단계에는 도메인 전문 지식이 필요합니다. 복잡한 제조 공정의 근본 원인을 파악하려면 도메인 전문가가 서로 다른 기능 조직에 속하고 데이터 출처도 서로 다를 가능성이 높습니다.
내 경험은 다른 사람들과 공유됩니다.
"대부분의 경우 데이터는 서로 다른 시스템에 저장되어 있으며, 이에 액세스하여 데이터 마이닝과 머신 러닝에 사용할 수 있는 데이터 세트로 변환해야 합니다. …
여기에는 상당한 양의 데이터 집계 및 변환이 필요한 경우가 많습니다. 분석을 위한 단일 분석 기반 테이블이 집계되면 수명 주기의 다른 측면들이 작용하기 시작합니다. 데이터 실험이 필수적이기 때문에 준비 단계 또한 매우 반복적이며, 분석가는 가장 정확한 예측 결과를 얻기 위해 다양한 유형의 데이터를 시도해야 합니다 .
(na), (nd), A부터 Z까지 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
제가 수없이 언급했듯이, 데이터 마이닝과 질문에 답하는 것 사이에는 엄청난 차이가 있습니다. 어떤 데이터 세트든 현실에 대한 특정한 시각을 제공하지만, 어떤 단일 데이터 세트도 모든 존재의 전체에 대한 완벽하고 전체론적이며 편견 없는 시각을 제공하지는 않습니다. 즉, 데이터 분석에 있어서는 여러 면에서 통계학 박사 학위를 소지하는 것보다 보고 있는 데이터에 대한 이해가 훨씬 더 중요합니다.”
Leetaru, K. (2016년 6월 12일) 데이터 과학 분야에 더 많은 도메인 전문가가 필요한 이유 . 2017년 7월 31일 Forbes 웹사이트에서 검색함 . https://www.forbes.com/sites/kalevleetaru/2016/06/12/why-we-need-more-domain-experts-in-the-data-sciences/#14ee761e3b50
또한 내 경험은 다음과 같습니다.
- 대부분의 데이터 반복에는 시간이 많이 걸립니다.
- 조인은 거의 항상 오프라인이므로 각 반복에는 다른 회의가 필요합니다.
- 민첩하지 않아요!
이 프레젠테이션에는 두 가지 목표가 있습니다. 첫 번째 목표는 JMP Virtual Join이 근본 원인 분석팀이 테이블 결합 시 어떻게 민첩하게 대응할 수 있는지 보여주는 것입니다. 두 번째 목표는 발표될 원인 분석에 대한 대안을 수집하는 것입니다. 이 예시는 제가 직접 목격한 실제 문제를 설명하는 것이 아니라, 발생할 수 있는 여러 가지 문제에 대한 경험을 바탕으로 한다는 점에서 가정적인 내용입니다. 또한, 모든 데이터는 시뮬레이션을 기반으로 합니다. 이 예시는 반도체(IC) 제조 공정을 기반으로 하지만, 이러한 문제는 모든 제조 공장이나 약물 연구에서 발생할 수 있습니다.
IC 제조 측면에 대한 간략한 개요를 통해 데이터와 이상 현상에 대한 맥락을 제공하고, 가상 조인에 대한 세부 정보와 분석을 살펴보겠습니다. 참고로, 여기에 제시된 사례는 첨부된 논문에 포함된 두 가지 사례 중 하나입니다.
키워드: 이상 현상 , RCA(근본 원인 분석), 데이터 마이닝 도구, 반도체 제조, JMP® 가상 조인, JSL, 재진입 프로세스, IC(집적 회로), 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, 주입, 다양한 전도성 및 배리어(비전도성) 특성을 가진 박막 및 스퍼터링 금속 증착, 패터닝, 평탄화, 그리고 물론 세척 및 측정 등 수많은 공정 단계를 거쳐 만들어집니다. 도핑된 베어 실리콘 웨이퍼[1]에서 시작하여 웨이퍼 한 장당 여러 개의 다이(IC)로 마무리됩니다. 웨이퍼당 최대 다이 개수는 웨이퍼 크기(직경)와 다이 크기[2]에 따라 달라집니다. 그림 1(L)을 참조하십시오.
그림 1(R)은 5층 Cu 금속 상호 연결 BEOL[3]을 갖는 칩의 매우 작은 부분을 묘사한 만화입니다. 아키텍처, 금속 두께, 레이아웃 및 아마도 레시피는 각 Cu 층마다 다를 수 있지만 일반적으로 동일한 공장 영역(팹 베이) 및 동일한 도구에서 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 분리되어 있습니다. 아주 적은 양의 Cu라도 산화물을 통해 빠르게 확산되어 결함을 발생시키고 게이트 산화물의 품질을 저하시킵니다.
그림 2는 FEOL에 대한 가능한 팹(공장) 레이아웃을 보여줍니다[4]. 동일한 유형과 기능을 가진 처리 장비는 베이에 배치됩니다. 이들의 레이아웃은 대량 화학 물질 공급, 배출 및 배수를 위한 배관에 최적화되어 있습니다. 자동 자재 취급 시스템(AMHS)이라고 하는 가공 철도 시스템은 팹 로트를 한 스테이션에서 다음 스테이션으로 운반하거나, 툴이 사용 가능할 때까지 원격 스토커에 임시로 보관합니다. 표준 레이아웃은 없으며, 각 반도체 회사는 자체 공장 계획 그룹을 가지고 있습니다. 대부분의 공장 대기열은 재진입 가능합니다. 예를 들어, 베이 7과 9에 있는 네 개의 툴은 일곱 가지 다른 세척 단계를 수행할 수 있습니다. 근본 원인 분석을 위해서는 공장 흐름과 장비 사용에 대한 지식이 필수적입니다. 이 예를 사용하면 단일 툴이 팹 로트에 최대 일곱 번 영향을 미칠 수 있으며, 일부 팹 로트는 해당 장비에서 전혀 처리되지 않았을 수도 있습니다.
반도체 제조에 대해 자세히 알아보려면 참고문헌[7]을 보거나 비디오 및 기타 소스를 빠르게 웹 검색하세요.
그림 2 FEOL 공정에 가능한 제조 레이아웃. 
공정 순서, 단계 간 시간, 특정 도구에서 처리된 시간 및 취급 방식은 IC 품질에 영향을 미치는 문제인 이상 현상 발생에 중요한 영향을 미칠 수 있습니다. 각 실리콘 웨이퍼에는 웨이퍼 번호가 새겨져 있습니다. 각 웨이퍼의 원산지를 추적할 수 있는 산업 표준이 있습니다. 약 20년 동안 팹(공장) 공정 장비와 핸들러에는 RFID 리더가 설치되어 왔습니다. 제조 시스템은 웨이퍼가 도구에 들어가고 나오는 정확한 시간 등을 포착합니다. 제시된(첨부된) 시뮬레이션 데이터는 간단한 번호 체계를 사용합니다. 팹 데이터의 복제본은 아니지만, 이 예시에 필요한 특성을 제공합니다.
가상 조인
A 가상 조인:
- 보조 테이블을 물리적으로 결합하지 않고도 기본 테이블에 여러 개의 보조 테이블을 연결할 수 있습니다.
- 두 개의 열 속성, 즉 링크 참조 (기본 테이블)와 링크 ID (보조 테이블)를 설정해야 합니다.
- 참조된(연결된) 데이터 테이블의 열은 기본 테이블에 그룹화된 변수로 표시됩니다.
- 이러한 열은 수식, 그래프, 분석 및 테이블 명령에 사용할 수 있습니다.
- UI에서 생성할 수 있으며 JSL을 사용하여 생성 및 관리할 수 있습니다.
그림 3(L)은 7개의 연결된 테이블을 나타내며, 각 테이블은 고유 웨이퍼 번호(Wafernum)로 연결되어 있습니다. 링크 참조는 연결된 경우 파란색 음영 키로, 연결 해제된 경우 회색으로 표시됩니다. 해당 테이블의 열을 참조하려면 공개 아이콘을 클릭하세요.
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 보여줍니다. 링크 ID는 골드 키입니다. 링크 참조 와 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 몇 가지 특징을 보여줍니다. 그림 3(R)은 언제든지 선택한 테이블 링크 집합을 병합할 수 있음을 보여줍니다. 병합할 링크 참조를 선택하거나 연결된 모든 열에 대해 없음을 선택한 다음 기본 테이블 메뉴에서 병합을 선택합니다. 이렇게 간단하게 기본 테이블에 병합할 수 있습니다.
주의할 사항
- 경로는 대소문자를 구분하지만, 보조 jmp 데이터 테이블이 주 데이터 테이블과 같은 디렉토리에 있는 경우 경로명은 필요하지 않습니다. (팀에서 여러 운영 체제를 혼합하여 사용하는 경우 POSIX 구문 c:/temp/를 사용하세요.)
- 팹 데이터의 경우, 일반적인 연결은 Lot, Wafer ID, 그리고 Die(행, 열)입니다. RCA 팀은 표준에 합의해야 하며, 각 지역 담당자는 자신의 데이터를 소유하고 링크 ID를 생성하여 준비해야 합니다. 이를 통해 RCA 회의와 동시에 데이터를 수정할 수 있으며, 준비가 완료되면 쉽게 연결할 수 있습니다.
- 각 연결된 테이블에는 고유한 링크 참조 와 해당 링크 ID가 필요하므로 링크에 DB 이름을 사용하지 마세요. 링크에 함수를 사용하세요. 데이터 업데이트가 더 쉬워지고 링크 값도 업데이트됩니다. (각 Wafernum.M 열은 DB 열 Wafernum에 대한 열 수식을 사용합니다.)
이렇게 간단한 구문이 효과적인 것 같습니다.
: 이름 ( "[Wafernum.M1] 도구 " ) 즉, : 이름 ( " 열 이름 [링크 ID]" )
- 특히 나중에 다른 파일에 링크가 사용될 가능성이 있는 경우 링크를 해제하는 것보다는 보조 테이블을 닫는 것이 좋습니다.
추천:
링크를 자동으로 생성하고, 기존 링크 파일을 여는 추가 기능이나 스크립트를 만듭니다.
가상 참여의 이점:
- 열 이름 관리 그림 4는 연결된 테이블 7개 중 3개를 보여줍니다. 각 테이블은 동일한 열 이름을 가지고 있습니다. 모든 JMP 조인은 동일한 이름을 가진 열에 대해 소스 테이블 정보를 추가하지만, 이름은 종종 길고 복잡한 소스 테이블 이름입니다. 가상 조인 의 경우 링크 참조 및 링크 ID 이름을 설정합니다. 구문이 간결할수록 연결 및 스크립팅 시 이름 관리가 더 쉽고 읽기 쉽습니다.
- 병렬 작업 M5 원인 분석 팀원이 자신의 데이터에 문제가 있다고 진술했다고 가정해 보겠습니다. M5 데이터 테이블을 닫고 팀이 작업을 계속하도록 한 후, 준비가 되면 수정된 테이블을 열고 기본 테이블 열 Wafernum.M5를 마우스 오른쪽 버튼으로 클릭하고 '링크 참조'를 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 정기적인 유지보수(PM)를 통해 제거되었다가 사용 후 소멸되는 경우(수리 가능)와 조건부 오염인 경우 더욱 그렇습니다. 이러한 이상을 입증하기 위해 BEOL 반도체 제조 팹의 7층 금속 스퍼터링 시뮬레이션을 제작했습니다.
역학, 약물 연구, 식품 및 약물 가공 분야에서도 어느 정도 비슷한 유형의 이상 현상이 나타날 가능성이 있습니다.
SRHO 는 금속 저항 품질 지표입니다. SRHO 증가의 잠재적 원인은 매우 다양하며, 조사를 M3 루프에만 국한하더라도 마찬가지입니다. 라인이 너무 좁으면 저항이 증가합니다. 라인에 균열이 생기거나 기타 결함 또는 금속 오염이 금속 전도성 특성에 영향을 미칠 수 있습니다. 그림 5는 이러한 영향을 보여줍니다. 위 그래프는 연휴 기간 동안 가동이 중단되기 전 몇 주 동안의 기준 재료를 나타냅니다. 아래 그래프는 연휴 이후 재료를 나타냅니다. M3 저항에 대한 간헐적인 로트 중 일부의 EOL 지표가 SPC에 실패하여 현재까지 통제 불능 상태이므로 웨이퍼를 폐기해야 합니다. 이상 로트가 몇 개만 있었고, 그 후에는 아무것도 발견되지 않았습니다. 그러면 "궁극적인 규칙"이 적용됩니다. 작은 신호가 결국 큰 신호가 됩니다. 라인 끝부분에 불량 로트가 잇따라 나타납니다.
그림 5 M3.SRHO (티) 기준 로트 평균 ( B ) 휴일 이후 로트 평균 대 M3 스퍼터 도구 
원인 분석 질문
- 이상 현상 도구는 특정적인가요?
- 공정이 일관성이 있고, 동일한 화학 물질을 사용합니까?
- 간헐적인 특성을 감안할 때, 이는 도구 상태와 관련이 있을 수 있을까요?
- 이는 프로세스 순서, 대기 시간, 단계 간 시간 등과 관련이 있을 수 있을까요?
M1-M7 스퍼터만 FIFO 큐를 사용하여 시뮬레이션했습니다. 풀 로트는 웨이퍼 25개, 하프 로트는 웨이퍼 12개, 퀵 턴 로트는 웨이퍼 6개입니다. FIFO의 예외는 웨이퍼 6개 로트가 우선한다는 것입니다. 시뮬레이션에 현실감을 더하기 위해 "다른" 공정 단계에 대한 무작위 처리량 시간을 사용하여 M1과 M2 사이의 재진입 시간을 다양하게 설정했습니다. 이러한 다른 처리 시간은 고정된 설정 시간, 웨이퍼 수 및 우선순위에 따른 처리 시간, 그리고 무작위 큐 시간을 기반으로 했습니다. 실제 데이터를 사용한 실제 원인 분석에서는 루프의 각 툴과 큐에 대한 조사가 필요합니다. 복잡성을 제한하고 방법에 집중하기 위해 스퍼터 툴만 시뮬레이션했습니다. 또한, 본 논문에서는 인라인 임계 치수 데이터에서 라인 크기에 변화가 없었다는 서술을 사용합니다. 라인 파손이나 균열을 제거하기 위해 일반적으로 스트립 백 또는 인라인 시각 자료를 검토합니다. 아무것도 발견되지 않았으므로 금속 자체에 초점을 맞춥니다.
1번 질문에 답하기 위해 도구별 발생률 비교를 검토합니다. 대부분의 경우, 이는 모듈별로 한 번에 하나의 도구씩 검토하고 첫 번째 RCA 팀 회의에서 검토합니다. 또는 여러 단계의 열이 포함된 대규모 테이블에 피처 선택 기능을 갖춘 데이터 마이닝 도구를 적용할 수도 있습니다. 단일 모놀리식 파일 대신, 그림 3(L)과 같이 가상으로 연결된 기본 테이블을 사용할 수 있습니다.
질문 2, 이야기를 이어가자면, 벌크 시스템에 대한 화학적 검토 결과 아무것도 발견되지 않았습니다. 모든 도구는 동일한 시스템에 연결되어 있습니다. 이 시점에서 이상 데이터를 인라인 모니터 데이터, 도구 센서 데이터 표와 연결하여 분석할 수 있습니다.
이야기가 계속되면서, 한 엔지니어는 가동 중단 몇 주 전에 M5 레시피의 화학 혼합물이 변경되어 증착물이 M5의 지형(구조)에 더 잘 맞도록 했다고 진술했습니다. 구현 전 특성 분석에는 M5 웨이퍼 몇 장을 사용한 후 M1 웨이퍼 몇 장을 사용했고, 다른 층들에 대해서도 같은 과정을 반복했습니다. 모든 결과는 기준치 내에 있었습니다.
RCA 팀장은 M3와 M5의 웨이퍼 개수 분석을 요청하며, 툴 상태에 대한 질문 3번에 답하려고 합니다. 엔지니어의 첫 번째 파일에는 전체 웨이퍼 개수만 있다고 가정합니다. 테이블을 닫고 엔지니어에게 M3 이전에 실행된 M5 웨이퍼의 누적 개수를 나타내는 열을 추가하도록 합니다. 데이터가 수정되면 새 파일을 열고 연결합니다. 그림 6은 서로 다른 파일과 서로 다른 반복 작업을 이상 데이터와 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 7은 SPUTT02의 웨이퍼 수에 따른 M3.SRHO 데이터의 Fit YxX 플롯을 보여줍니다. 이는 웨이퍼 수가 적거나 많을 때 고장이 발생했음을 보여줍니다. 시뮬레이션에서는 웨이퍼 500개마다 SPC를 예약하고, 챔버당 약 2500개의 웨이퍼(5000개 웨이퍼) 후에 PM을 수행합니다. 전체 로트(full lot)에서 고갈 효과(웨이퍼가 하나씩 줄어들면서 감소하는 현상)가 나타나는 것으로 보입니다. 또한, 이 시뮬레이션의 특성상, 연휴 직후 재료에는 6개 웨이퍼로 구성된 빠른 회전 로트가 많았습니다.
사전 구현 특성화가 M5 웨이퍼 몇 개만으로는 효과가 없다는 것을 감안할 때, 이는 누적된 결과일 수도 있고 시퀀싱 때문일 수도 있을까요? 다시 말해 질문 #4에 대한 답변입니다.
지난 분석에서는 다음 단계를 위해 이벤트 분석을 사용했습니다.
- 모든 도구 이벤트에 대한 표를 만듭니다. ( 스퍼터링 장비의 MES 데이터)
- 10개 이상의 시차를 나타내는 열을 만듭니다. 도구를 사용하면 더 쉽습니다. 단계는 다음과 같습니다. 도구별로 하위 집합을 만듭니다. 시차를 생성하는 스크립트를 작성합니다(lagit.jsl 참조). 도구 파일을 결합합니다.
- 이 잠재적인 도구 상태 이상은 M3에만 영향을 미치는 것으로 보이므로 M3 작업 데이터를 선택하세요. 즉, M3 행만 사용하세요. M3 Last 20.jmp 파일을 참조하세요. 링크 ID Wafernum.M3을 생성하세요.
- 이 파일을 열고 이상 데이터에서 Wafernum.M3 열을 마우스 오른쪽 버튼으로 클릭하고 링크 참조를 선택하세요. 트리 방법(분할)과 특징 선택을 사용하여 패턴을 찾으세요.
이벤트 시퀀싱은 JMP 함수 Lag( :col, n )를 사용하여 상당히 빠르게 수행할 수 있습니다. 이 함수는 문자 열에서 작동합니다. 이 경우, 도구가 이전에 실행한 도구 이력이 생성됩니다.
그림 8 도구 이벤트 지연이 있는 테이블 M3 Last 20.jmp 구조의 스니펫
그림 9 M3.SRHO Lot 평균 대비 최근 20개 도구 이벤트의 분할
그림 8은 테이블 구조의 일부를 보여주고, 그림 9는 분할 내역을 보여줍니다. 지연 1, 2, 3은 순서대로 선택되었으며, 매번 M5LotMoveIn 이벤트를 기준으로 분할되었습니다. 그림 8은 시퀀싱을 간소화하기 위해 수식 열을 보여줍니다. 이는 0 = PM, 5 = M5, 그리고 다른 모든 이벤트는 1로 코드화된 이벤트를 연결한 것입니다. 그림 10은 RCA 관리 업데이트에 대한 그래프입니다.
그림 10 M3SRHO Lot 처리 효과의 표현 그래프
댓글
- 시뮬레이션은 의도한 효과를 달성했습니다.
- 이러한 유형의 이상 현상에 대한 표준 모델링은 내장된 포화, PM 및 고갈로 인해 어렵습니다.
- 시퀀싱과 특정 효과를 찾는 것이 저의 BKM이었습니다.
- 바로 직전에 M5가 운행되었던 모든 M3 부지를 찾으세요.
- 기준선에 대한 델타를 계산합니다. 효과를 웨이퍼 수와 비교합니다.
- 웨이퍼 고갈 효과를 조사합니다.
- 현재 저는 신뢰성 시퀀싱에 대해 연구하고 있으며, 이러한 방법을 표준화하기 위한 제안을 모색하고 있습니다.
- 이 논문에는 더 자세한 내용과 또 다른 원인 분석 사례가 포함되어 있습니다. 첨부된 데이터 폴더에는 시뮬레이션 및 모델링된 효과에 대한 readme.txt 파일이 포함되어 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, 웨이퍼당 다이 수식 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 위키백과(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 Optimal Fab SDM LAB, 그림 2. 공정 유형 간 재료 흐름 기반 최적 FAB 레이아웃 설계. 2017년 7월 31일 검색, 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 .
[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), A부터 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 자세히 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 영상)
https://www.youtube.com/watch?v=4Q_n4vdyZzc (TSMC의 반도체 기술, 2011)
