본 프로젝트는 반도체 웨이퍼에 용액 코팅을 적용하고 공정 입력을 최적화하는 것을 다룹니다. 목표는 일관된 두께를 출력하고 두께 표준 편차를 최소화하여 웨이퍼 전체 표면에 걸쳐 더욱 균일한 두께 측정값을 제공하는 목표 성능을 개선하는 것입니다. JMP에 사용되는 도구에는 실험계획법(DOE), 적합 최소제곱법(Fit Least Squares) 분석, 그리고 가장 적합한 설정을 찾기 위한 노이즈/표준편차 시뮬레이터를 갖춘 파라미터 프로파일러가 포함됩니다.
저는 니콜라스입니다. 저는 메드트로닉의 엔지니어이며 JMP를 자주 활용합니다. 이번 프레젠테이션에서는 스핀 코딩과 관련 기술, 그리고 JMP를 활용하여 DOE를 구축하는 방법, 그리고 프로파일러를 활용하여 웨이퍼 코팅층 전체에서 특정 두께를 최적화하고 타겟팅하는 방법을 이해하기 위한 적합 모델을 구축하는 방법에 대해 중점적으로 설명하겠습니다.
서론적으로, 방금 말씀드렸듯이 이 프레젠테이션에서는 반도체 코딩을 살펴보기 위해 JMP를 사용합니다. 이 기술의 작동 방식은 왼쪽 위 다이어그램에서 볼 수 있듯이, 웨이퍼 중앙에 용액을 분사하는 방식이 있습니다. 웨이퍼는 받침대 위에 놓여 스핀 코팅처럼 회전합니다. 그런 다음 특정 속도로 특정 시간 동안 작동하는 다양한 설정 프로파일을 사용합니다.
일반적으로 우리가 사용하는 방식은 처음에는 느린 속도로 진행하면서 용액을 표면 전체에 뿌립니다. 그런 다음 그 속도를 더 오랜 시간 동안 높이고, 설정된 속도에 따라 코팅층 전체에 다양한 두께를 입힐 수 있습니다.
이것의 목적과 DOE 내에서 정의하고자 하는 것은 DOE를 활용하여 다양한 두께를 목표로 삼고, 다양한 회전 속도에 대한 공정 창과 분배량이 코딩된 레이어에 어떤 영향을 미치는지 이해하는 것입니다. 이는 웨이퍼 표면 전체의 균일성과 출력 두께에 영향을 미칩니다.
오른쪽에서 볼 수 있듯이, 여기에 입력되는 다양한 요인들이 있습니다. 6가지 요인으로 구성된 DOE를 수행할 것입니다. 설정할 최저값과 최고값이 있는데, 데모를 시작할 때 이 값들을 살펴보고 DOE에 실제로 어떻게 적용되는지 설명하겠습니다. 하지만 기본적으로 우리가 하려는 것은 이러한 윈도우를 사용하여 모델을 구축하고, 좋은 R-제곱을 구하는 것입니다. 이는 모델이 이상치를 예측하는 데 얼마나 효과적인지 알려줍니다. 그런 다음 이를 사용하여 두께와 같은 특정 출력을 조정하고 목표로 삼은 다음 표면이나 균일성 전반에 걸쳐 변동성을 최소화하려고 합니다.
데모가 시작되면 좀 더 자세히 설명하겠습니다. 하지만 여기 왼쪽에서 볼 수 있듯이, 이는 코팅 두께가 어떻게 보일지에 대한 개요와 같습니다. 등고선 그래프를 사용하여 최대한 매끄럽게 표현하려고 합니다. 표면 전체에 걸쳐 높은 지점이나 낮은 지점이 있는 곳을 확인할 수 있습니다. 그런 다음 적합 모델로 이동하는데, 이는 기본적으로 DOE에서 실행된 모든 데이터가 그래프로 표시되는 곳입니다. 여기에는 약간의 누적이 있는 것 같아서 여기에서 높은 범위가 보이는 것입니다. 하지만 우리가 제작한 웨이퍼 중 하나에서 몇 가지 이상치가 있었습니다. 다음 슬라이드에서 이에 대해 다루겠습니다.
하지만 기본적으로 이러한 실행 및 분석을 통해 JMP는 프로파일러를 구축합니다. 그러면 여기에서 보시는 것처럼, 바람직성을 설정하여 두께를 10마이크론 또는 10,000나노미터로 만들 수 있습니다. 그런 다음 웨이퍼 표면 전체의 표준 편차를 최소화하기 위해 계수를 조정합니다. 이 부분에 대해서는 잠시 후에 자세히 설명하겠습니다.
DOE에 대한 간략한 개요입니다. 여섯 가지 요인의 하한값과 상한값을 모두 합치면 모든 실행 결과가 포함된 표가 생성됩니다. 이것이 우리가 실행한 실행 결과입니다. 사실, 이제 데모로 들어가서 JMP를 불러오겠습니다. 잠깐만요. DOE를 실행하는 방법을 단계별로 설명하자면, 보통은... 잠깐만요. 고전적인... 아뇨, 죄송합니다. 사용자 지정 DOE입니다. 바로 여기 맨 위에 있습니다.
해당 요소를 클릭하면 출력과 입력을 입력할 수 있는 팝업 테이블이 나타납니다. 이 빌드에서는 두께 목표가 있었습니다. 거기에 출력에 대한 응답을 추가했습니다. 특정 두께에 맞춰주고 싶었습니다. 이것이 바로 응답 이름, 두께, 그리고 매칭 목표입니다. 저희의 경우, 최소값 범위는 8,000, 최대값 범위는 12,000입니다. 이는 코팅층의 나노미터 단위입니다. 단위에는 M을 추가할 수 있습니다.
그리고 균일성도 살펴보겠습니다. 웨이퍼 전체 두께 측정값의 표준 편차를 살펴보겠습니다. 이를 균일성이라고 부르겠습니다. 가능한 한 이 편차를 최소화하려고 합니다. 표준 편차가 높으면 변동성이 커집니다. 이를 측정하는 단위는 정해져 있지 않습니다.
이제 여기에 요인들을 설정하겠습니다. 저희는 연속적인 여섯 가지 요인을 사용했습니다. 분배량, 분배 회전 속도, 분배 속도, 그리고 웨이퍼를 분배 속도에 따라 회전시킵니다. 웨이퍼를 웨이퍼 중앙에 분배할 때 웨이퍼를 회전시킵니다. 스핀 1, 속도, 스핀 2, 또는 스핀 1, 시간, 그리고 스핀 2, 속도, 그리고 스핀 2, 시간입니다. 이 단계는 세 단계로 구성됩니다. 분배, 회전, 스핀 1에서 용액을 어떻게 도포할지에 대해 이야기했습니다. 그리고 스핀 2에서 저희는 정말 집중하고 목표로 삼는... 아, 죄송합니다. 죄송합니다.
분사 속도는 웨이퍼 전체에 용액을 분사하는 속도입니다. 1회전은 실제로 목표로 삼았던 단계로, 속도를 높여 특정 두께에 도달하는 것입니다. 이 두께가 가장 중요한 목표가 될 것입니다. 2회전은 마지막 순간에 속도를 매우 빠르게 높이는 단계로, 가장자리에 쌓인 용액을 제거하기 위한 것입니다. 웨이퍼 가장자리 주변에 쌓인 용액을 빠르게 제거하는 것입니다.
이 빌드에서는 좀 더 빠르게 진행해 보겠습니다. 8.5ml에서 10.5ml 용량으로 한 번에 작업했습니다. RPM은 100에서 400으로 설정했습니다. 용액을 골고루 펴 바르기 위한 설정입니다. 그런 다음 특정 농도를 맞추기 위해 분당 500~700회전을 고려했습니다. 용액을 흘려보내서 묽게 만들었습니다. 이 과정은 40~60초 동안 진행됩니다.
마지막으로 정말 빠른 스냅 속도를 설정했습니다. 적어도 이 빌드를 시작하기 전까지는 어떤 속도로 실행해야 할지 정확히 알지 못했습니다. 1200에서 2400RPM까지 꽤 극단적인 범위를 설정했지만, 2초에서 6초 정도밖에 걸리지 않았습니다. 이 프로세스 윈도우는 꽤 넓습니다. 가장 극단적인 조건에서는 꽤 극적인 결과가 나올 것으로 예상됩니다. 하지만 기본적으로 DOE, X, Y를 설정하는 방법은 다음과 같습니다. "계속"을 누르겠습니다.
단위를 아주 빨리 입력하겠습니다. 초당 회전 수와 시간을 입력하겠습니다. 죄송하지만, 속도 단위는 분당 회전 수이고 시간 단위는 초입니다. 부피는 밀리리터입니다. 속도 단위는 RPM입니다. 저희는 보통 모델의 견고성을 높이기 위해 보조 상호작용을 추가합니다. 이렇게 하면 각 변수가 다른 변수와 어떻게 상호 작용하는지 이해할 수 있습니다. 세 번째와 네 번째 요인 상호작용을 계속 증가시킬 수 있지만, 너무 과할 것 같습니다. 이 빌드에서는 필요하지 않습니다.
저희 빌드는 24개로 실행되었습니다. JMP의 장점은 최소 요구 사항과 기본값을 알려준다는 것입니다. 반도체 업계에서는 웨이퍼를 운반하는 카세트를 사용하는데, 저희 카세트는 한 번에 최대 24개의 웨이퍼를 수용합니다. 저희는 기본 최소값인 24개 사이를 고려하고 있습니다. 이는 정확히 24개와 일치합니다. 장비를 로드하여 실행하는 방식과 동일합니다. 그런 다음 설정을 할 수 있습니다. 이 DOE 전체에 걸쳐 24개의 웨이퍼를 실행한 후, 설계를 완료하면 됩니다.
JMP는 이를 매우 빠르게 계산하고, 모든 요인과 결과에 대한 열이 포함된 표를 생성합니다. 여기에서 1부터 24까지의 실행 순서와 설정한 각 요인이 표시됩니다. 먼저 웨이퍼를 실행하고, 각 제어 요인을 실행한 다음, 마찬가지로 24개의 웨이퍼를 모두 실행합니다. 그런 다음 전력 분석을 보고 빌드의 강도를 확인할 수 있습니다. 60 정도이므로 조금 더 강할 수 있지만, 초기 공정 윈도우 분석에는 적합합니다.
"테이블 만들기"를 클릭하겠습니다. 실행 순서가 무작위로 지정되었는데, 그러면 여기 이 테이블이 생성됩니다. 마지막 표에서 보셨듯이 모든 요소가 있고, 두께 출력과 표준 편차 옵션이 제공됩니다. 실수로 세 번째 요소를 추가했는데, 몰랐네요. 지금은 무시해도 됩니다. 하지만 두께와 표준 편차는 출력입니다.
이미 실행했던 데이터를 사용한다면 결과는 다음과 같습니다. 웨이퍼 평균 두께와 웨이퍼 전체의 표준 편차 변동을 구했습니다. 이는 해당 데이터 세트의 평균 데이터 포인트입니다. 실제로 수집된 데이터는 웨이퍼당 약 1,400개의 데이터 포인트입니다. 상당히 많은 양입니다. 모든 데이터 포인트가 담긴 매우 큰 표가 있다는 것을 여기서 보여드릴 수 있습니다.
제가 이 설정을 한 방식은 여섯 가지 제어 요소를 여기에 두고, 실제 두께를 웨이퍼 데이터 포인트(웨이퍼 전체의 X축과 Y축)로, 그리고 평균 출력과 각 웨이퍼의 표준 편차를 설정하는 것입니다. 여기서부터는 제가 주로 사용하는 PGA 롤(PGA roll)을 보는 것입니다. 실용적이고, 그래픽적이며, 분석적입니다.
먼저, 실제적으로 모든 데이터 세트를 살펴보겠습니다. 표면 프로파일이 어떻게 생겼는지 보여주는 등고선 플롯을 보여드리겠습니다. 이는 이전 슬라이드에서 보여드렸습니다. 이 데이터 포인트 각각은 두께를 측정하기 위해 사용하는 XY 좌표 측정값입니다. 웨이퍼 전체에 걸쳐 상당한 양의 데이터를 수집하지만, 일부 가장자리 지점 주변에는 중요하지 않은 영역이 있다는 것을 알고 있습니다. 이 웨이퍼에서 잘라낼 중요한 구성 요소는 없습니다. 이러한 데이터 포인트는 제거할 수 있습니다.
이미 중요하지 않은 데이터 포인트 중 일부를 제외하고 숨겼습니다. 간단한 방법은 처음에 데이터가 제공될 때 이 작은 헤더 그래프를 클릭하면 각 열에 대한 요약 표가 나타나는 것입니다. 한 가지 해야 할 일은 모든 웨이퍼 ID를 가지고 있는지 확인하는 것입니다. 여기에서 즉시 발견할 수 있는 이상치가 있는지 확인할 수 있습니다. 알려진 이상치나 결함이 있는 경우 실제 상황을 정리하는 데 도움이 될 수 있습니다.
그런 다음 그래픽으로 이동합니다. 저는 그래프 > 그래프 빌더로 이동합니다. 이를 위해 웨이퍼 전체의 표면 프로파일을 살펴봅니다. XY 좌표가 있고, 그다음 두께를 살펴봅니다. 각 데이터 포인트의 색상으로 두께를 지정하고, 이를 윤곽선으로 변경할 수 있습니다. 현재 모든 웨이퍼를 살펴보고 있습니다. 웨이퍼 ID를 랩에 입력하면 모든 웨이퍼가 표시됩니다. 1부터 24까지, 모든 웨이퍼가 여기에 분류되어 있습니다.
이 DOE에서 두께 범위가 상당히 넓다는 것을 알 수 있습니다. 목표 제어 계수를 어떻게 설정했는지에 따라 2,000나노미터에서 13,000나노미터까지 두께를 측정했습니다. 하지만 여기서 우리가 정말 집중하는 것은 불균일성이 많이 나타나는 부분을 파악하는 것입니다. 웨이퍼 중앙은 두께가 훨씬 두껍고, 바깥쪽은 두께가 훨씬 얇아 보입니다. 아마도 균일성이 좋지 않을 것입니다.
테스트하는 또 다른 방법은 '분석' 아래에 있는 것 같습니다. 개별 플롯 차트를 만들 겁니다. 이걸 어디에 넣었는지 기억해야 합니다. 자, 시작해 볼까요? 관리도 작성기입니다. 이걸 이용해서 두께를 Y축으로 설정하고 웨이퍼 ID를 설정할 수 있습니다. 아, 죄송합니다. 웨이퍼 ID는 아닙니다. 네, 그냥 그렇게 해보겠습니다. 그런 다음 이걸 줄여서 약... 10,000이나 11,000 정도로 해 보겠습니다. 0입니다. 좋아요, 조금 더 높여야겠습니다. 15,000 정도로 설정하겠습니다. 제 생각에 가장 높은 웨이퍼는 13 정도였거든요.
각 웨이퍼 사이를 보시면, 매 실행마다 웨이퍼로 나누어져 있고, 데이터 포인트가 어떻게 나타나는지 알 수 있습니다... 어떤 웨이퍼는 균일성이 매우 나쁘고, 어떤 웨이퍼는 그보다 약간 더 좋습니다. 시간 관계상, 각 웨이퍼에 이미 나누어져 있던 차트를 하나 꺼내 보겠습니다. 이 차트는 꽤 오래 전에 만들었지만, 로딩이 시작되면 보여드리겠습니다. 자, 이제 개별 데이터 차트도 있습니다. 각 웨이퍼로 나누어져 있고, X 막대와 평균, 그리고 상한 및 하한 관리 한계를 볼 수 있습니다.
이걸 가지고 다른 것과 비교한다면... 화면에 잘 맞도록 만들어 볼게요. 그런데 이게 있고, 관리도도 불러오겠습니다. 아, 틀렸네요. 여기 웨이퍼들을 보면, 여기 웨이퍼가 보이는데, 이 웨이퍼는 전체적으로 균일성이 매우 나쁜 것 같습니다. 이 차트에서 할 수 있는 건 이 데이터 포인트들을 강조하는 겁니다. 그렇게 하면... 여기에 표시될 줄 알았는데 말이죠.
하지만 보통 이런 데이터 포인트를 강조 표시하면 어떤 데이터 포인트가 있는지 표시됩니다. 아직 확대해서 볼 수 없어서 그럴 수도 있지만, 여기 목록이 있습니다. 09-D3 웨이퍼입니다. 여기 09-D3 웨이퍼를 보시면 중앙 부분이 매우 두껍고 바깥쪽은 그렇지 않은 것을 알 수 있습니다. 이상한 데이터 포인트가 몇 개 있는 또 다른 사례는 11-D3 웨이퍼입니다. 여기에는 이상치처럼 보이는 높은 순위의 데이터 포인트가 몇 개 있었습니다. 왜 그런 데이터 포인트가 있는지 100% 확신할 수는 없습니다. 제가 제외했던 데이터 포인트에는 포함되지 않았습니다.
하지만 그 중에서는 11-D3였던 것 같습니다. 좀 더 자세히 살펴보자면... 죄송합니다. 컴퓨터가 좀 이상하네요. 좀 더 확대해서 보여드리겠습니다. 11-D3를 보면 웨이퍼 표면에 문제를 일으키는 크고 작은 점들이 몇 개 있는 데이터 포인트가 있는 것 같습니다. 그 외에는 이 중간 범위 사이에서는 꽤 비슷해 보입니다. 그러면 왜 이런 이상한 데이터 포인트가 나타나는지 알아낼 수 있을 겁니다. 근본 원인을 찾을 수 있을 겁니다.
JMP의 시각적 그래프 기능은 정말 좋습니다. 근본 원인 분석을 통해 "이게 뭐지?", "측정할 때 표면에 FM이나 이물질이 있었나?", "혹시 그 데이터 포인트에 다른 방해 요소가 있었나?"와 같은 문제를 파악할 수 있습니다.
그 후, 좋은 그래픽 분석 결과를 얻으면, 이 데이터 포인트들이 얼마나 잘 어울리는지 파악하기 위한 적합 모델을 구축할 수 있습니다. 적합 모델을 분석하려면 먼저 데이터를 가져와야 합니다. 출력값으로 두께를 설정하고, 이를 Y축에 대입한 후 표준 편차를 계산합니다. 이렇게 하면 특정 결과를 목표로 하는 통제 변수를 적용하는 함수를 생성할 수 있습니다. 이것이 바로 이 적합 모델을 통해 우리가 하는 일입니다.
그런 다음 프로파일러를 열면 다양한 제어 요소를 조정하고 예상 출력이 어떻게 될지 확인할 수 있습니다. 두께와 표준 편차가 출력입니다. 이제 여섯 가지 제어 요소가 있습니다. 여기에 추가하겠습니다. 사실, 저는... 네, 좋습니다. 실행해 보겠습니다. 보통 표준 리스 제곱으로 실행합니다. 표준 리스 제곱은 모든 제어가 출력을 목표로 하는 최적의 모델을 제공하는 데 효과적입니다. 실행해 보겠습니다.
그때 이런 생각이 떠올랐습니다. 보시다시피, 모든 데이터가 결과에 중요한 영향을 미칩니다. 이는 예상된 결과였습니다. 꽤 넓은 프로세스 범위를 설정했습니다. 기본적으로 방정식을 단순화하기 위해 어떤 요소도 제거할 수 없습니다. 모든 요소를 그대로 유지하고 포함해야 합니다.
적합도 요약으로 내려가 보면, r²이 0.909인 것을 확인할 수 있습니다. 이는 강력한 r²이고, 제곱평균제곱근 오차는 502입니다. 상호작용도 추가할 수 있는데, 이는 DOE를 생성했기 때문입니다. 사실 이 부분도 다시 시작해서 다시 해 보겠습니다. 적합 모델, 두께, 표준 편차, 그리고 여섯 가지 통제 요인을 추가합니다. 이 요소들을 여기에 추가합니다. 아, 이런. 또 해냈네요. 이제 제거하겠습니다. 이 요소들을 선택했다면 매크로를 사용해서 차수까지 팩토리얼할 수 있습니다. 여기에 두 번째 차수를 넣었고, 이것이 두 번째 상호작용을 얻는 방법입니다.
이제 실행해 보겠습니다. 출력에 두께와 표준 편차를 추가합니다. 실행해 보겠습니다. 좋아요, 목록이 훨씬 길어졌네요. 여기에 모든 교호작용도 있습니다. 다시 말하지만, 모든 것이 유의미하므로 방정식을 단순화할 수 없습니다. 하지만 적합도 요약을 적용하면 이제 0.97 또는 0.965가 됩니다. 이 데이터 포인트를 예측하는 방법에 대한 훨씬 더 강력한 추정량을 얻게 되었습니다.
여기 작은 빨간색 버튼을 누르면 프로파일러에 추가할 수 있습니다. 거기서 프로파일링을 해보겠습니다. 그런 다음 하단에 팝업으로 띄웁니다. 이 중 일부를 닫아서 간소화할 수 있습니다. 요약이 있습니다. 이 부분을 먼저 설명했어야 했나 봅니다. 두께에 대한 반응은... 두께에 대한 반응은 0.967r²입니다. 두께 예측 능력은 꽤 좋습니다. 표준 편차에 대한 r²도 0.965입니다. 이 예측 능력과 매우 강한 상관관계를 보입니다.
여기에 넣은 것 같네요. 아, 이걸 저쪽에 넣을 곳이 있네요. 네, 괜찮습니다. 이제 여기 프로파일러에 집중해 보겠습니다. 이 창을 더 잘 맞출 수 있는지 보겠습니다. 예측 프로파일러의 경우, X축에는 제어 요인, Y축에는 출력값인 두께와 표준 편차가 있습니다. 이를 위해 이 프로파일러를 설정하여 다양한 선호도를 예측할 수 있도록 하고 싶습니다.
최적화와 바람직성으로 들어가세요. 바람직성 함수에 도달하면 이제 바람직성 열이 추가됩니다. 이 열에 도달하면 가장 바람직하다는 것을 의미합니다. X에 설정한 내용이 목표에 도달할 것이라는 매우 강력한 상관관계가 있습니다. 하지만 그 전에 먼저 바람직성을 설정해야 합니다.
두께는 목표값과 일치시키고 싶습니다. 이 경우 중간값을 일치값으로 지정하세요. 여기서는 9,000으로 하겠습니다. 10의 반올림된 수로, 목표는 10,000이고, 최대값은 12,000, 즉 20,000입니다. 그러면 최소값은 8,000입니다. 이 범위 안에 있어야 합니다. 이 범위는 '괜찮아요'라고 할 수 있습니다. 표준 편차는 최소화하는 것이 좋습니다.
최소화만 하고, 더 낮은 값을 목표로 하므로, 이 수치는 그대로 유지하겠습니다. 이제 바람직성을 확인해 보세요. 현재 출력값으로 설정된 값을 보면 두께가 약 8.3이 됩니다. 바람직성 측면에서 원하는 수준에 도달하지 못한 것을 알 수 있습니다. 표준 편차가 약간 높습니다. 이제 바람직성을 설정했으니 JMP에서 최대화하도록 할 수 있습니다.
이 기능은 여러분이 입력하신 입력값을 조정하여 가장 바람직한 결과를 얻을 수 있도록 합니다. 두께를 거의 10,000나노미터로 맞추고 표준 편차를 최소화하기 위해, 다음과 같은 제어 계수를 설정해야 합니다. 이 중 일부는 약간 어긋나 있을 수 있으므로 12,000으로 조정하면 됩니다. 그런 다음 이 값을 550 정도로 변경합니다. 이 숫자는 장비에 입력할 수 있는 값입니다.
좀 더 나아가서, 제가 추가하고 싶은 한 가지는 예측 가능성에 약간의 노이즈를 추가하는 것입니다. 시뮬레이터를 추가하고 약간의 무작위 노이즈를 추가할 수 있습니다. 이 노이즈의 무작위성은 여기 보이는 제곱근에서 도출됩니다. 제곱근은 두께의 경우 303, 표준 편차의 경우 21, 약 22의 제곱 오차를 의미합니다. 이것이 여기 시스템 내에서 노이즈를 생성하는 데 활용됩니다.
제어를 위해 볼륨을 설정합니다. 볼륨은 실제 제조 환경에서 사용됩니다. 완벽하게 고정된 상수 볼륨을 적용할 수는 없습니다. 볼륨을 조정하는 몇 가지 노이즈 요소가 있습니다. 여기 입력 요소에 약간의 무작위 노이즈를 추가하겠습니다. 그렇지 않으면 RPM과 시간이 해당 데이터 포인트에서 상당히 일관되고 고정되므로 그대로 유지할 수 있습니다.
여기서 시뮬레이션을 누르면 기본적으로 성능 변동성을 생성하고, 그 노이즈와 변동성이 방정식에 어떻게 반영될지 어느 정도 이해하게 됩니다. 여기서 재밌는 점은 바로 이 값들을 조정하면서 실험해 볼 수 있다는 것입니다. 예를 들어 이 값을 8로 변경하고 출력에 어떤 영향을 미치는지, 그리고 목표 달성 가능성에 어떤 영향을 미치는지 살펴보겠습니다. 그런 다음... 다시 10.5로 변경해 보겠습니다. 스냅, 즉 매우 빠른 속도가 출력에 얼마나 큰 영향을 미치는지 확인할 수 있습니다. 이 값을 조정하면 실제로 두께가 어떻게 조정되는지 확인할 수 있는데, 이제는 목표에 미치지 못합니다.
다른 두께를 맞추기 위해 조정하고 싶다면, 두께를 재설정하면 됩니다. 예를 들어 9,000나노미터가 더 적합하다고 가정해 보겠습니다. 그 두께를 조정하고 그대로 유지할 수 있습니다. 그런 다음 최적화 프로그램을 다시 실행하고 최대화하면 설정이 조정됩니다. 그러면 약 9,000나노미터 두께에 도달하게 됩니다.
네, 이 프레젠테이션에서 제가 다루고자 했던 내용은 바로 DOE를 실행하여 프로세스 윈도우와 범위, 그리고 그것들이 출력에 미치는 영향을 이해하는 것입니다. 그리고 이 바람직성을 활용하여 명목 데이터 포인트를 설정할 수 있습니다. 그리고 이 적합 모델을 통해 방정식을 만들 수 있습니다. 이를 기반으로 웨이퍼를 계속 구축하면서 해당 데이터 포인트를 이 표에 추가하고 적합 모델을 갱신하면 예측 프로파일러에 대한 상관관계가 점점 더 강화됩니다. 이것으로 프레젠테이션을 마치겠습니다.
