A wafer bin map (WBM) is a map that consists of assigned bin values for each die based on wafer test results (e.g., value 1 for good dies, and value 0 for defective dies) in semiconductor manufacturing. Many times, the bin values of adjacent dies are spatially correlated, which form some systematic defect patterns. These non-random defect patterns occur by some assignable causes; therefore, identifying these systematic defect patterns is important to know root causes of failure and to take actions for quality management and yield enhancement. In particular, as wafer fabrication processes have become more complicated, mixed-type defect patterns (two or more diff erent types of defect patterns occur simultaneously in a single wafer) occur more frequently than the past. For more effective classfi cation of wafers by their defect patterns, mixed-type defect patterns need to be detected and separated into several clusters of diff erent patterns; subsequently, each cluster of a single pattern can be matched a well-known defect type (e.g., scratch, ring) or it can suggest the emergence of a new defect pattern. There are several challenges in detecting and clustering mixed-type defect patterns: 1) separation of random defects from systematic defect patterns; 2) determination of the number of clusters; and 3) clustering of complex shapes of defect patterns. To address these challenges, this thesis proposes a new framework for detection and clustering of mixed-type defect patterns. First, a new preprocessing method, called the connected-path filtering algorithm, is proposed to denoise WBMs. Subsequently, the infinite warped mixture model is adopted for clustering of mixed-type defect patterns; this model is flexible to deal with complex shapes of defect patterns, and furthermore, the number of clusters does not need to be specified in advance but is automatically determined simultaneously during the clustering procedure. The proposed method is validated with real data from a semiconductor industry. The experimental results demonstrate the effectiveness of the proposed method in estimating the number of underlying clusters as well as in clustering of mixed-type defect patterns.
웨이퍼 빈 맵 (wafer bin map)은 웨이퍼 테스트 후 각 다이 (die) 또는 칩 (chip)의 테스트 결과가 맵 형태로 표현되는 데이터이다. 테스트 결과는 범주형 데이터를 가지며 공관적 상관관계를 보이는 다양한 모양의 비정상적인 패턴이 존재한다. 따라서 반도체 제조 회사에서는 적기 시장 진입을 위한 개발 단계에서의 빠른 수율 향상과 품질 불량 개선의 일환으로 각각의 공정마다 반복적으로 나타나는 비정상적인 맵 패턴을 모니터링하고 제거하기 위해 노력하고 있다. 최근 웨이퍼 사이즈 증가와 더불어 최소 선폭도 2x nm 이하로 미세화되었으며 새로운 논리 회로들이 대거 도입되어 설계 및 공정의 복잡성이 매우 증가하였다. 하지만, 기존 연구들은 웨이퍼 사이즈의 증가와 기술의 발달로 야기되는 혼합된 형태의 맵 패턴을 충분히 반영하지 못하고 있다. 따라서 본 연구에서는 단순한 단일 맵 패턴의 분류에 집중했던 과거 연구와는 달리 혼합된 형태의 패턴 클러스터링에 집중하였다. 특히 전처리 단계에서 스크래치 패턴의 효과적인 필터링을 위하여 기존의 공간 필터링 (spatial filtering)을 대신하여 연결 경로 필터링 (connected-path filtering)을 적용하였으며 복잡한 형태의 혼합된 웨이퍼 빈 맵 패턴을 클러스터링하기 위하여 디리슐레 프로세스 혼합 모델 (Dirichlet process mixture model)과 가우시안 프로세스 은닉 변수 모델 (Gaussian process latent variable model)을 이용하여 클러스터의 수를 고정하지 않고 은닉 공간의 단순한 가우시안 혼합 모델로 표현하는 무한 워프트 혼합 모델 (infinite warped mixture model)을 이용한 클러스터링 방법론에 집중하였다. 본 연구에 사용된 모델의 성능 평가 결과 클러스터의 수를 추정하고 연결된 형태의 클러스터를 분리함에 있어서 기존 연구 대비 우수성을 보여주었다.
