원인분석
Georgia Z. Morgan, 수석 통계학자, 은퇴
원인 분석은 단일 또는 다중 이상 현상의 원인 요인을 조사, 분석하고 궁극적으로 결정하는 데 사용되는 작업에 적용되는 일반적인 용어입니다. 고급 기계 학습 방법과 기타 데이터 마이닝 도구를 사용하면 데이터 분석에 드는 시간과 노력이 줄어듭니다.
데이터를 수집하고 이를 정보로 변환하는 단계인 데이터 준비에는 해당 분야의 전문 지식이 필요합니다. 복잡한 제조 프로세스의 근본 원인을 찾기 위해 도메인 전문가는 다양한 기능 조직 출신이고 데이터 소스는 다양할 가능성이 높습니다.
내 경험을 다른 사람들이 공유했습니다.
“종종 데이터가 다른 시스템에 있으므로 액세스하여 데이터 마이닝 및 기계 학습에 사용할 수 있는 데이터 세트로 전환해야 합니다.…
이를 위해서는 상당한 양의 데이터 집계 및 변환이 필요한 경우가 많습니다. 분석을 위한 단일 분석 기본 테이블이 집계되면 수명 주기의 다른 측면이 작동하게 됩니다. 데이터를 실험해야 하기 때문에 분석가가 가장 정확한 예측 결과를 얻기 위해 다양한 유형의 데이터를 시도하는 준비 단계도 매우 반복적입니다. .”
(나), (nd), A부터 Z까지 데이터 마이닝.SAS 웹사이트에서 217년 7월 31일에 검색됨 https://www.sas.com/content/dam/SAS/en_us/doc/whitepaper1/data-mining-from-az-104937.pdf
“수없이 언급했듯이 데이터 마이닝과 질문에 답하는 것 사이에는 엄청난 차이가 있습니다. 주어진 데이터 세트는 현실에 대한 특별한 시각을 제공하지만, 단일 데이터 세트는 모든 존재 전체에 대한 완벽하고 전체적이며 편견 없는 관점을 제공하지 않습니다. 이는 데이터를 분석할 때 통계학 박사 학위를 취득하는 것보다 보고 있는 데이터를 이해하는 것이 여러 면에서 훨씬 더 중요하다는 것을 의미합니다. ”
K. 리타루 (2016년 6월 12일) 데이터 과학 분야에 더 많은 도메인 전문가가 필요한 이유 . Forbes 웹사이트에서 2017년 7월 31일에 검색됨 https://www.forbes.com/sites/kalevleetaru/2016/06/12/why-we-need-more-domain-experts-in-the-data-sciences/#14ee761e3b50
또한 내 경험에 따르면 다음과 같습니다.
- 대부분의 데이터 반복에는 시간이 많이 걸립니다.
- 조인은 거의 항상 오프라인이므로 각 반복에는 또 다른 회의가 필요합니다.
- 민첩하지 않습니다!
이 프레젠테이션에는 두 가지 목표가 있습니다. 저의 주요 목표는 JMP Virtual Join이 테이블 결합과 관련하여 근본 원인 분석 팀의 민첩성을 높이는 데 어떻게 도움이 되는지 보여주는 것입니다. 나의 두 번째 목표는 제시될 원인 분석에 대한 대체 제안을 수집하는 것입니다.이 예는 내가 본 실제 문제를 설명하지 않고 잘못될 수 있는 여러 가지 경험을 바탕으로 한다는 점에서 가설입니다. 또한 모든 데이터가 시뮬레이션됩니다. 이 예는 반도체(IC) 제조에서 비롯된 것이지만 이 문제는 모든 가공 공장이나 심지어 약물 연구에서도 발생할 수 있습니다.
데이터 및 이상 현상에 대한 컨텍스트를 제공하기 위해 IC 제조 측면에 대한 간략한 개요, 가상 조인에 대한 세부 정보 및 분석이 이어집니다.여기에 제시된 예는 첨부된 문서에 기록된 두 가지 중 하나입니다.
키워드: 변칙 , 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) 라인, 일반적으로 수율 및 성능 테스트, 다이 준비), PM(예방 유지 관리).
일부 컨텍스트
집적 회로(IC)는 산화, 주입, 다양한 전도성 및 장벽(비전도성) 특성을 가진 필름 및 스퍼터링된 금속의 증착, 패터닝, 평탄화, 물론 세척 및 측정 등 수많은 처리 단계를 통해 생성됩니다. 이는 베어 도핑된 실리콘 웨이퍼로 시작하여[1] 웨이퍼당 여러 개의 다이(IC)로 끝납니다. 웨이퍼당 최대 다이 수는 웨이퍼 크기(직경)와 다이 크기에 따라 다릅니다[2]. 그림 1(L) 참조
그림 1(R)은 5층 Cu 금속 상호 연결 BEOL이 있는 칩의 매우 작은 부분을 묘사한 만화입니다.[3] 아키텍처, 금속 두께, 레이아웃 및 레시피가 각 Cu 레이어마다 다를 수 있지만 일반적으로 동일한 공장 영역(팹 베이) 및 동일한 도구에서 처리됩니다.
그림 1 ( 엘 ) 노치가 있는 평평하고 완전히 처리된 웨이퍼가 포함된 25개의 베어 실리콘 웨이퍼 캐리어( 아르 자형 ) 5층 Cu 인터커넥트 BEOL의 IC 그래픽.
FEOL과 BEOL이 분할됩니다. 극소량의 Cu라도 산화물을 통해 빠르게 확산되어 결함을 생성하고 게이트 산화물 품질을 저하시킵니다.
그림 2는 FEOL에 가능한 팹(공장) 레이아웃을 보여줍니다[4]. 동일한 유형과 기능의 처리 장비가 베이에 위치합니다. 이들 레이아웃은 대량 화학 물질 전달, 배기 및 배수 배관에 최적화되어 있습니다. AMHS(자동 자재 취급 시스템)라고 불리는 오버헤드 레일 시스템은 한 스테이션에서 다음 스테이션으로 제조 시설을 운반하거나 도구를 사용할 수 있을 때까지 원격 보관함에 임시로 보관합니다. 표준 레이아웃은 없으며 각 반도체 회사에는 자체 공장 계획 그룹이 있습니다. 대부분의 팩터리 대기열은 재진입 가능합니다. 예를 들어 베이 7과 9에 있는 4개의 도구는 7개의 서로 다른 청소 단계를 수행할 수 있습니다. 근본 원인 분석을 위해서는 공장 흐름과 장비 사용에 대한 지식이 필수적입니다. 이 예를 사용하면 단일 도구가 팹 로트에 최대 7번까지 영향을 미칠 수 있으며 일부 팹 로트는 해당 장비에서 처리되지 않았을 수도 있습니다.
반도체 제조에 대해 자세히 알아보려면 참고 자료 [7]를 참조하거나 비디오 및 기타 소스를 빠르게 웹 검색해 보십시오.
그림 2 FEOL 공정에 가능한 팹 레이아웃.
처리 순서, 단계 간 시간, 특정 도구에서 처리된 시간 및 처리는 IC 품질에 영향을 미치는 문제인 이상 현상에 중요한 기여 요인이 될 수 있습니다. 각 실리콘 웨이퍼에는 실리콘에 새겨진 웨이퍼 번호가 있습니다. 각 웨이퍼를 원산지까지 추적할 수 있는 산업 표준이 있습니다.약 20년 동안 팹(공장) 처리 장비와 핸들러에는 RFID 리더가 있었습니다. 제조 시스템은 웨이퍼가 도구에 들어가고 나가는 정확한 시간 등을 포착합니다. 제시된(및 첨부된) 시뮬레이션 데이터는 간단한 번호 지정 시스템을 사용합니다. 이는 팹 데이터의 복제본은 아니지만 이 예에 대해 원하는 특성을 제공합니다.
가상 조인
ㅏ 가상 조인 :
- 물리적으로 조인하지 않고도 기본 테이블을 여러 보조 테이블에 연결할 수 있습니다.
- 두 가지 열 속성을 설정해야 합니다. 링크 참조 (메인 테이블) 및 링크ID (보조 테이블).
- 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 결합된 테이블을 보여주며, 고유한 웨이퍼 번호(Wafernum)로 결합되어 있습니다. 그만큼 링크 참조 연결되면 파란색 그림자 키로 표시되고 연결 해제되면 회색으로 표시됩니다. 해당 테이블의 열을 참조하려면 공개 아이콘을 클릭하세요.
그림 3 (엘) EOL 수율/성능/이상 데이터가 7개 작업에 대한 장비 데이터와 가상으로 결합되어, (중) 링크 ID가 있는 M1 보조 테이블 패널, (아르 자형) 테이블 메뉴, 참조 데이터 병합,
그림 3 (M)은 이러한 테이블 중 하나(M1, 첫 번째 Cu 레이어)에 대한 테이블 패널을 보여줍니다. 그만큼 링크ID 금열쇠다.그만큼 링크 참조 그리고 링크ID 데이터 유형이 동일해야 합니다. 그만큼 링크ID 값은 고유해야 하며 중복된 값은 없어야 합니다.JSL을 사용하거나 다른 세션에서 테이블을 다시 연결하려면 테이블을 디스크에 저장해야 합니다.아래 목록은 가상 조인의 몇 가지 특징을 제공합니다. 그림 3(R)은 선택된 테이블 링크 세트가 언제든지 병합될 수 있음을 보여줍니다. 선택 링크 참조 병합하거나 연결된 모든 열에 대해 없음을 선택한 다음 기본 테이블 메뉴에서 병합을 선택합니다.이를 기본 테이블에 병합하는 것은 매우 쉽습니다.
참고사항
- 경로는 대소문자를 구분하지만 보조 jmp 데이터 테이블이 기본 데이터 테이블과 동일한 디렉터리에 있는 경우 경로 이름은 필요하지 않습니다. (팀이 다양한 운영 체제를 혼합하여 작업하는 경우 posix 구문 c:/temp/를 사용하십시오).
- 팹 데이터의 경우 일반적인 링크는 로트, 웨이퍼 ID, 다이(행, 열)일 수 있습니다. RCA 팀은 표준에 동의해야 하며 각 지역 담당자는 자신의 데이터를 소유하고 링크ID . 이를 통해 RCA 회의와 동시에 데이터 수정이 가능하며 준비가 되면 쉽게 연결할 수 있습니다.
- 각 연결된 테이블에는 고유한 이름이 필요하므로 링크에 DB 이름을 사용하지 마세요. 링크 참조 그리고 그에 상응하는 링크아이디.링크에 기능을 사용하십시오. 데이터 업데이트가 더 쉬워지고 링크 값도 업데이트됩니다. (각 Wafernum.M 열은 DB 열 Wafernum에 대한 열 공식을 사용합니다.)
이 간단한 구문이 작동하는 것 같습니다.
: 이름 ( "도구[웨이퍼번호.M1] " ) 다시 말해서, : 이름 ( " 콜네임 [링크ID]" )
- 특히 링크가 나중에 다른 파일에 사용될 수 있는 경우 링크를 해제하지 말고 보조 테이블을 닫으십시오.
권장사항:
링크를 자동으로 생성하고 설정된 링크 파일을 열 수 있는 추가 기능이나 스크립트를 생성합니다.
가상 참여 혜택:
- 컬럼명 관리 티 그림 4는 연결된 테이블 7개 중 3개를 보여줍니다. 그들은 각각 동일한 열 이름을 가지고 있습니다. 모든 JMP 조인은 동일한 이름을 가진 열의 소스 테이블에 대한 정보를 추가하지만 이름은 종종 길고 복잡한 소스 테이블 이름입니다. 에 대한 가상 조인 , 당신은 링크 참조 그리고 링크ID 이름. 덜 장황한 구문을 사용하면 연결 및 스크립팅 시 이름 관리가 더 쉽고 읽기 쉽습니다.
- 병렬로 작업 M5의 원인 분석 팀원이 자신의 데이터에 문제가 있다고 진술했다고 가정해 보겠습니다. M5 데이터 테이블을 닫고 팀이 계속 진행하도록 하고 준비가 되면 수정된 테이블을 열고 기본 테이블 열 Wafernum.M5를 마우스 오른쪽 버튼으로 클릭하여 다시 연결하고 다음을 선택합니다. 링크 참조 . 파일 목록이 나타나면 M5 파일을 선택하세요.
그림 4 3개 작업에 대한 Fab 장비 데이터, 동일한 열 이름
시뮬레이션된 예 - 간헐적으로 실패하는 EOL M3 저항
근절하기 가장 어려운 원인 중 하나는 오염 문제입니다. 특히 오염이 예정된 유지 관리(PM)로 제거되고 사용으로 소멸(수리 가능)되는 경우와 조건부인 경우 더욱 그렇습니다. 이러한 이상 현상을 입증하기 위해 7층 금속 스퍼터를 위한 BEOL 반도체 제조 공장에 대한 시뮬레이션이 생성되었습니다.
전염병학, 약물 연구, 식품 및 약물 가공에서는 특정 빈도로 비슷한 유형의 변칙이 발생할 가능성이 높습니다.
SRHO 금속 저항 품질 측정 기준입니다.조사를 M3 루프로만 제한하더라도 SRHO 증가의 잠재적 원인은 부족하지 않습니다. 선이 너무 좁으면 저항이 증가합니다. 라인에 균열이 있거나 기타 결함이나 금속 오염이 있는 경우 금속 전도성 특성에 영향을 미칠 수 있습니다. 그림 5는 그 효과를 보여줍니다. 상단 그래프는 휴일 폐쇄 전 몇 주 동안의 기준 자료를 나타냅니다. 하단 그래프는 연휴 이후의 자료를 보여줍니다. M3 저항에 대한 몇 가지 간헐적 로트의 EOL 표시기가 SPC에 실패하고 지금까지 통제 불능 상태이므로 웨이퍼를 폐기해야 합니다. 변칙적인 부분이 몇 개만 있었고 그 다음에는 아무것도 보이지 않았습니다. 그런 다음 "최종 규칙"이 시작됩니다. 작은 신호 결국 큰 신호가 됩니다. 줄 끝에 불량품이 잔뜩 나타납니다.
그림 5 M3.SRHO (티) 기준 로트 평균( 비 ) 연휴 이후 로트 평균 대 M3 스퍼터 도구
원인 분석 질문
- 변칙 도구가 구체적인가요?
- 프로세스가 일관되고 동일한 화학 물질을 사용합니까?
- 간헐적인 특성을 고려할 때 이것이 도구 상태와 관련이 있을 수 있습니까?
- 이는 프로세스 순서, 대기열 시간, 한 단계에서 다른 단계까지의 시간 등과 관련이 있을 수 있습니다.
예외를 제외하고 M1-M7 스퍼터만 FIFO 대기열로 시뮬레이션되었습니다. 풀 로트는 웨이퍼 25장, 하프 로트는 웨이퍼 12장, 퀵 턴 로트는 웨이퍼 6장입니다.FIFO 예외는 6개의 웨이퍼 로트가 우선한다는 것입니다. 시뮬레이션에 현실성을 더하기 위해 "다른" 프로세스 단계에 대한 무작위 처리 시간을 사용하여 M1과 M2 사이의 재진입 시간을 다양하게 했습니다. 이러한 다른 처리 시간은 고정된 설정 시간을 기반으로 했습니다. 웨이퍼 수와 우선 순위에 따른 처리 시간; 그리고 무작위 대기열 시간. 실제 데이터를 사용한 실제 원인 분석에서는 루프의 각 도구와 대기열에 대한 조사가 필요합니다. 복잡성을 제한하고 방법에 집중하기 위해 스퍼터 도구만 시뮬레이션되었습니다. 또한 이 논문에서는 인라인 임계 치수 데이터가 라인 크기에 변화가 없다는 설명을 사용합니다. 라인 파손이나 균열을 제거하기 위해 일반적으로 스트립 백 또는 인라인 시각적 요소를 검토합니다. 아무것도 발견되지 않았으므로 초점은 금속 자체에 있습니다.
질문 #1에 답하기 위해 도구별 발생률 비교를 검토합니다. 대부분의 경우 이는 모듈별로 수행되고 첫 번째 RCA 팀 회의에서 검토되는 한 번에 하나의 도구입니다. 또는 기능 선택 기능이 있는 데이터 마이닝 도구를 여러 단계의 열이 포함된 대규모 테이블에 적용할 수 있습니다. 단일 모놀리식 파일 대신 그림 3(L)에 표시된 것과 같이 가상으로 연결된 기본 테이블을 사용할 수 있습니다.
질문 #2, 이야기를 계속하자면, 벌크 시스템에 대한 화학적 검토에서는 아무 것도 발견되지 않습니다. 모든 도구는 동일한 시스템에 연결됩니다. 이 시점에서 이상 데이터는 인라인 모니터 데이터, 공구 센서 데이터 테이블과 연결되어 분석될 수 있습니다.
이야기가 계속되면서 한 엔지니어는 폐쇄되기 몇 주 전에 M5 제조법, 화학 혼합물이 M5의 지형(구조)에 더 일치하도록 증착이 변경되었다고 말합니다. 구현 전의 특성화에는 몇 개의 M5 웨이퍼와 몇 개의 M1 웨이퍼가 포함되었으며, 다른 레이어에 대해서도 반복되었습니다. 모든 결과는 기준선 내에 있었습니다.
RCA 팀장은 도구 상태에 관한 질문 #3에 답하기 위해 M3 및 M5 모두에 대한 웨이퍼 수 분석을 요청합니다. 엔지니어의 첫 번째 파일에 총 웨이퍼 개수만 있다고 가정해 보겠습니다. 테이블을 닫고 엔지니어에게 M3 이전에 실행된 M5 웨이퍼의 누적 수에 대한 열을 추가하도록 합니다. 데이터가 수정되면 새 파일과 링크를 엽니다. 그림 6은 다양한 파일을 보여주며, 다양한 반복이 이상 데이터에 연결될 수 있습니다.
그림 6 M3 도구 PMCounters와 연결된 연휴 이후 EOL M3 이상 데이터
그림 7 - 연휴 이후 M3.SRHO와 도구별 PM_WFRCOUNT 비교(여기에는 SPUTT02만 표시됨)
그림 7, M3.SRHO 데이터 대 SPUTT02의 웨이퍼 수에 대한 Fit Y by X 플롯은 낮은 웨이퍼 수와 높은 웨이퍼 수에서 오류가 발생했음을 보여줍니다. 500개의 웨이퍼와 PM마다 SPC로 예정된 시뮬레이션은 5000개의 웨이퍼 또는 챔버당 약 2500개의 웨이퍼 이후에 수행됩니다. 풀 로트(웨이퍼마다 감소)에서 고갈 효과가 나타나는 것 같습니다. 또한 이 시뮬레이션의 특성상 초기 연휴 이후 소재에는 6개의 웨이퍼, 빠른 회전 로트가 많았습니다.
구현 전 특성화가 몇 개의 M5 웨이퍼 실행만으로 아무런 효과가 없다는 점을 고려하면 이것이 누적일 수 있습니까, 아니면 시퀀싱(즉, 질문 #4) 때문일까요?
과거 분석의 경우 다음 단계를 위해 이벤트 분석을 사용했습니다.
- 모든 도구 이벤트의 테이블을 만듭니다. ( 스퍼터러에 대한 MES 데이터.)
- 10개 이상의 시차를 나타내는 열을 만듭니다. 도구를 사용하면 더 쉽습니다. 단계는 다음과 같습니다. 도구별 하위 집합입니다.지연을 생성하는 스크립트를 작성합니다(lagit.jsl 참조). 도구 파일을 결합합니다.
- 이 잠재적인 도구 상태 이상은 M3에만 영향을 미치는 것으로 보이기 때문에 M3 작업 데이터를 선택합니다.즉, M3 행만 사용합니다.M3 Last 20.jmp 파일을 참조하십시오. 생성 링크ID 웨이퍼넘버.M3.
- 이 파일을 열고 이상 데이터에서 Wafernum.M3 열을 마우스 오른쪽 버튼으로 클릭하고 선택합니다. 링크 참조 . 트리 방법(파티션)과 기능 선택을 사용하여 패턴을 찾습니다.
문자 열에서 작동하는 JMP 함수 Lag( :col, n )를 사용하면 이벤트 순서 지정을 매우 빠르게 수행할 수 있습니다. 이 경우 도구가 이전에 실행했던 도구 기록이 생성됩니다.
그림 8 도구 이벤트 지연이 있는 테이블 M3 마지막 20.jmp 구조의 조각
그림 9 M3.SRHO 로트 평균과 지난 20개의 도구 이벤트의 분할
그림 8은 테이블 구조의 일부를 보여주고 그림 9는 파티션 기록을 보여줍니다. 지연 1, 2, 3이 순서대로 선택되었으며 매번 M5LotMoveIn 이벤트에서 분할되었습니다. 그림 8에는 순서를 단순화하기 위한 공식 열이 표시되어 있습니다. 이는 코딩된 이벤트(0 = PM, 5=M5 및 기타 모든 이벤트의 경우 1)를 연결한 것입니다. 그림 10은 RCA 관리 업데이트에 대해 제시된 그래프입니다.
그림 10 M3SRHO 로트 처리 효과 프리젠테이션 그래프
코멘트
- 시뮬레이션을 통해 의도한 효과가 달성되었습니다.
- 이러한 유형의 이상 현상에 대한 표준 모델링은 내장된 포화, PM 및 고갈로 인해 어렵습니다.
- 시퀀싱하고 특정 효과를 찾는 것이 내 BKM이었습니다.
- 직전에 M5가 실행되었던 모든 M3 로트를 찾습니다.
- 기준선에 대한 델타를 계산합니다. 효과를 웨이퍼 수와 비교하십시오.
- 웨이퍼 고갈 효과를 조사합니다.
- 현재 저는 신뢰성 순서 분석을 연구하고 있으며 이러한 방법을 표준화하기 위한 제안을 찾고 있습니다.
- 이 문서에는 더 자세한 내용과 또 다른 원인 분석 사례가 포함되어 있습니다. 첨부된 데이터 폴더에는 시뮬레이션 및 모델링된 효과에 관한 readme.txt 파일이 포함되어 있습니다. 연결된 데이터 파일에는 그래프와 파티션을 다시 생성하기 위한 스크립트가 첨부되어 있습니다.
가상 조인은 민첩한 데이터 업데이트 및 구조 조정을 가능하게 하며 이는 RCA에 특히 유용합니다.
참고자료
[1] 그림 1(L) 베어 실리콘 웨이퍼, (na), (nd), 실리콘 웨이퍼 . TechInstro 웹사이트에서 2017년 7월 31일에 검색됨, https://www.techinstro.com/silicon-wafer/
[2] 그림 1 (L), (na), 2013년 4월 9일, 웨이퍼당 다이 수식 및 (무료) 계산기 . anysilicon 웹사이트에서 2017년 7월 31일에 검색됨, http://anysilicon.com/die-per-wafer-formula-free-calculators/
[3] 그림 1(R)(na), (nd), 라인의 백엔드 . 2017년 7월 31일 Wikipedia, The Free Encyclopedia, 웹사이트에서 검색함, https://en.wikipedia.org/wiki/Back_end_of_line
[4] 그림 2, 유광재, 2015년 1월 20일, Optimal Fab SDM LAB, KAIST 산업시스템공학부 , 그림 2. 공정별 자재흐름을 기반으로 최적의 FAB 레이아웃을 설계합니다. 2017년 7월 31일에 검색함: http://sdm.kaist.ac.kr/wordpress/korean/%EC%9C%A0%EA%B4%91%EC%9E%AC/ , http://sdm.k aist.ac.kr/wordpress/korean/wp-content/uploads/sites/2/2015/01/YGJ_2.png.
[5] K. 리타루 (2016년 6월 12일) 데이터 과학 분야에 더 많은 도메인 전문가가 필요한 이유 . Forbes 웹사이트에서 2017년 7월 31일에 검색됨 https://www.forbes.com/sites/kalevleetaru/2016/06/12/why-we-need-more-domain-experts-in-the-data-sciences/#14ee761e3b50
[6] (나), (nd), A부터 Z까지 데이터 마이닝.SAS 웹사이트에서 217년 7월 31일에 검색됨 https://www.sas.com/content/dam/SAS/en_us/doc/whitepaper1/data-mining-from-az-104937.pdf
[7] 반도체 제조에 대해 자세히 알아볼 수 있는 기타 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)
