수율 관리Yield Management
계측 · 검사 · 웨이퍼 테스트 · 장비 이력을 로트 · 웨이퍼 · 다이 좌표로 이어, 수율 손실을 무작위 결함 몫과 장비 · 공정 몫으로 나누고 원인 장비를 좁히는 생산 관리 일이다. 이 일을 맡는 시스템을 YMS 라 한다.
1요약
- 수율 관리는 팹 자동화의 생산 관리에서 MES 의 로트 이력을 받아 쓰는 일로, 그 위에서 라인 · 다이 · 최종 수율 계산 · 수율 모델 대조 · 장비 공통성 분석이 돈다 — IRDS 2022 는 YMS 가 여러 공급사 계측기의 데이터를 표준 데이터 모델로 서로 연관 지어야 한다고 적는다(IRDS 2022 FI 7.2.1절).
- 웨이퍼 테스트 결과는 원인 공정을 지난 뒤 며칠에서 몇 주 늦게 나오고(IRDS 2022 FI 7.2.5절), 공정은 단계마다 장비가 여럿인 수백 단계라(Hsu 외 2012 1절) 원인 장비를 빨리 좁히지 못하면 그 장비가 처리한 로트만큼 손실이 쌓인다.
- 「수율이 떨어졌다」는 먼저 모델 예측 수율과 실측의 차이로 가른다 — 둘이 함께 내려갔으면 무작위 결함 밀도 쪽이고, 일부 로트의 실측만 모델 밑으로 빠졌으면 장비 이력의 공통성 쪽이다.
2등장 배경
웨이퍼 테스트 불량이 늘면 엔지니어는 불량 로트의 작업 기록을 모아 단계마다 어느 장비를 지났는지 손으로 맞대어 봤다. 단계가 수백 개이고 단계마다 장비가 여럿이라, 원인 장비를 찾는 동안 그 장비는 다른 로트를 계속 처리했다.
1964년 Murphy 는 수율 식에 웨이퍼마다 달라지는 결함 밀도 분포를 넣었고(Murphy 1964), 1973년 Stapper 는 그 분포를 다뤄(Stapper 1973) 감마 분포를 쓰는 음이항 모델을 널리 퍼뜨렸다(MIT 2.830J 2008 22쪽). 1995년 Stapper · Rosner 는 수율 관리 · 수율 분석 체계의 개발과 구현을 보고했고(Stapper · Rosner 1995), 2002년 Kong 은 불량 로트에 공통인 장비를 찾는 장비 공통성 분석(TCA)의 표본 크기 · 통계 절차를 정리했다(Hsu 외 2012 2절).
지금 IRDS 2024 YE 는 수율 손실을 체계적 · 무작위 두 종류로 나누고(1절), IRDS 2022 는 다음 단계를 공정 중 수율 이탈을 잡는 수율 예측으로 둔다(FI 7.2.5절). 테스트 결과가 늦게 나오는 한 원인 장비를 좁히는 일은 수율 관리에 남는다.
3쉽게 이해하기 — 보건 교사의 급식 기록 맞대기
초등학교 보건 교사 윤 선생은 아침마다 반별 배탈 결석 수를 받는다. 결석이 많은 반과 적은 반의 급식 기록을 펴서, 어느 날 어느 배식대에서 받았는지 줄을 맞춰 본다. 아픈 반만 수요일 둘째 배식대를 거쳤다는 것이 보이자 윤 선생은 그 배식대를 세우고 조리실에 확인을 맡긴다. 다음 주 결석은 늘 있는 감기 결석만큼으로 돌아온다.
그림 1 · 윤 선생은 결석부와 급식 기록을 맞대어, 아픈 반만 공통으로 거친 배식대 B 를 찾아 세운다.
그림 2 · 아픈 반만 같은 칸을 지난 배식대처럼, 저수율 로트만 같은 셀을 지난 챔버가 원인 후보가 된다 — 나쁜 쪽에도 좋은 쪽에도 있는 셀은 증거가 아니다.
| 비유 속 역할 | 실제 이름 | 실제로 하는 일 |
|---|---|---|
| 학생 | 다이 | 웨이퍼 테스트에서 하나씩 양품 · 불량이 정해진다 |
| 반 | 로트 · 웨이퍼 | 25장이 같은 단계를 함께 지난다 |
| 배식대 | 공정 장비 · 챔버 | 단계마다 여럿 가운데 하나를 지난다 |
| 결석부 | 웨이퍼 테스트 결과 | 다이 수율 · 빈 · 맵을 낸다 |
| 급식 기록 | 공정 이력 | 로트마다 단계 · 챔버 · 시각을 남긴다 |
| 윤 선생 | 수율 엔지니어 · YMS | 결과와 이력을 같은 키로 이어 본다 |
| 줄 맞추기 | 공통성 분석 | 저수율 로트에만 겹치는 장비를 찾는다 |
| 배식대 세우기 | 장비 홀드 | 확인이 끝날 때까지 그 챔버에 로트를 넣지 않는다 |
⚠ 비유가 맞지 않는 곳: 결석은 다음 날 보이지만 웨이퍼 테스트 결과는 며칠에서 몇 주 뒤에 나온다. 배식대는 셋이지만 팹은 수백 단계마다 장비가 여럿이라 우연히 겹치는 장비가 늘 생기고, 아픈 학생은 낫지만 불량 다이는 되돌릴 수 없다.
4구조 · 동작 — 한 주 수율 손실을 챔버 하나로 좁히기
수율은 세 구간에서 잰다(MIT 2.830J 2008 6쪽). 라인 수율은 웨이퍼 테스트까지 온 웨이퍼 ÷ 투입 웨이퍼, 다이 수율은 양품 다이 ÷ 웨이퍼의 다이, 최종 수율은 조립 · 최종 테스트 양품 ÷ 들어간 다이이고, 셋의 곱이 전체 수율이다.
| 요소 | 단위 | 역할 | 값 · 근거 |
|---|---|---|---|
| 계측 · 검사 | 표본 웨이퍼 | 치명 결함 밀도 D0 | 개/cm² |
| 웨이퍼 테스트 | 다이 | 다이 수율 · 빈 · 맵 | 기능 · 파라메트릭 수율(MIT 2.830J 2008 6쪽) |
| 최종 테스트 | 패키지 | 최종 수율 | 조립 뒤 양품 비율 |
| MES · 장비 이력 | 로트 · 단계 | 라인 수율 · 지난 챔버 · 시각 | 공통성 분석의 원본 |
| 수율 모델 | 제품 | 무작위 결함 몫 예측 | 음이항 α 1.5 ~ 2(MIT 2.830J 2008 24쪽) |
| 공통성 분석 | 단계 × 장비 | 저수율 로트의 공통 장비 순위 | 장비별 가설 검정(Hsu 외 2012 1절) |
그림 3 · YMS 는 측정 값 셋과 장비 이력을 로트 · 웨이퍼 · 다이 좌표로 묶어 손실을 나누고, 공통성 순위가 고른 챔버의 홀드 결과가 다음 주 수율로 되돌아온다.
무작위 결함의 수율은 포아송 Y = e^(−A·D0) 가 기준이고, 결함이 웨이퍼마다 뭉치면 음이항 Y = (1 + A·D0/α)^(−α) 를 쓴다 — α 가 크면 포아송에, α = 1 이면 Seeds 모델에 가까워진다(MIT 2.830J 2008 22 ~ 24쪽). 결함 밀도와 무관한 체계적 손실은 계수 Y0 로 따로 곱한다(36쪽).
그림 4 · D0 0.2개/cm² 에서 다이가 0.8 cm² 이면 두 모델이 거의 같지만, 4 cm² 에서는 포아송 44.9% · 음이항 51.0% 로 벌어진다.
🔑 같은 결함 밀도에서 다이 면적이 다섯 배가 되면 포아송 수율은 85.2% 에서 44.9% 로 떨어지고, 결함이 뭉칠수록(α 가 작을수록) 큰 다이의 손실은 덜 커진다 — 모델 선택이 큰 다이 제품의 수율 목표를 바꾼다.
사례는 설명용 가정 값이다 — 다이 0.8 cm² · 웨이퍼당 다이 800개 · 한 주 40 로트(1,000장) · 기준 D0 0.2개/cm² · α 2.
- MES 집계에서 1,000장 중 980장이 웨이퍼 테스트에 도착해 라인 수율은 98.0% 다.
- 다이 수율은 82.0% 인데 모델 예측은 (1 + 0.8 × 0.2 ÷ 2)^(−2) = 85.7% 라, Y0 = 82.0 ÷ 85.7 ≈ 0.957 만큼이 모델 밖 손실이다.
- YMS 의 로트별 분포에서 32 로트는 85.5% 로 모델과 맞고, 8 로트만 평균 68.0% 로 빠져 있다.
- 8 로트의 웨이퍼 맵이 같은 모양으로 몰려 있어 흩어진 결함이 아니라 한 공정 쪽 손실로 본다(모양의 뜻은 웨이퍼 맵 몫).
- 공통성 분석이 단계마다 장비별 통과 비율을 견주어 식각 챔버 E3 를 1위로 낸다 — 저수율 로트 7/8 · 정상 로트 4/32(그림 5).
- 엔지니어가 E3 의 장비 이력 · FDC 기록에서 정비 날짜 뒤 로트만 겹치는 것을 확인하고 챔버를 홀드해 정비한다.
- 다음 주 다이 수율은 85.4% 로 모델 예측에 다가가고, 남은 손실은 결함 밀도를 낮춰야 줄어드는 몫이 된다.
- 최종 테스트 97.0% 를 곱한 전체 수율은 98.0% × 85.4% × 97.0% ≈ 81.2% 로, 조치 전 78.0% 보다 3.2 포인트 높다.
그림 5 · 저수율 로트와 정상 로트의 통과 비율 차이가 75.0 포인트인 식각 E3 만 원인 후보이고, 두 비율이 비슷한 장비는 우연한 겹침이다.
🔑 공통성의 증거는 저수율 로트가 그 장비를 «많이» 지났다는 것이 아니라 정상 로트보다 «더 많이» 지났다는 것이다 — 증착 D1 처럼 양쪽이 절반쯤 지난 장비는 우연이다.
5비교 — 수율 모델 넷
| 기준 | 포아송 | Murphy(삼각 분포) | Seeds | 음이항 |
|---|---|---|---|---|
| 결함 밀도 가정 | 모든 웨이퍼가 같음 | 웨이퍼마다 다름 | 지수 분포 · 낮은 밀도가 대부분 | 감마 분포 |
| 식 | e^(−A·D0) | ((1 − e^(−A·D0)) ÷ A·D0)² | 1 ÷ (1 + A·D0) | (1 + A·D0/α)^(−α) |
| 결함 뭉침 | 없음 | 약함 | 강함 | α 로 조절 |
| 같은 A·D0 의 수율 | 가장 낮음 | 중간 | 가장 높음 | 큰 α 면 포아송 · 작은 α 면 Seeds 쪽 |
분석작은 다이 · 흩어진 결함이면 포아송으로 충분하고, 큰 다이 제품은 실측으로 α 를 정한 음이항을 쓴다. 다이가 클수록 모델 사이 차이가 벌어지기 때문이다(MIT 2.830J 2008 17 ~ 24쪽).
6실무 진단 — 수율 손실의 종류 가르기
분석모델 예측과 실측을 먼저 맞대고, 차이가 일부 로트에 몰렸는지 본 뒤에 공통성 순위를 연다. 무작위 손실(표 1행)에는 공통 장비가 없어, 순위부터 열면 우연히 겹친 장비를 쫓게 된다(Hsu 외 2012 1절).
| # | 증상 | 의심 원인 | 구분 | 확인 자료 | 판정 기준(근거) |
|---|---|---|---|---|---|
| 1 | 실측 · 모델 예측이 함께 하락 | 결함 밀도 증가 | 무작위 | 결함 검사 밀도 추세 | 새 D0 를 넣은 모델이 실측과 맞음(MIT 2.830J 2008 24쪽) |
| 2 | 일부 로트만 모델 밑 | 챔버 하나의 이탈 | 체계적 · 장비 | 공통성 순위 · 장비 이력 | 저수율 쪽 통과 비율이 정상 쪽보다 큼(그림 5) |
| 3 | 모든 로트가 고르게 모델 밑 | 공정 · 설계 여유 부족 | 체계적 · 공정 | 맵 모양 · 파라메트릭 빈 | Y0 감소 · 결함 밀도와 무관(MIT 2.830J 2008 36쪽) |
| 4 | 공통성 상위가 비슷한 점수 | 장비 조합 · 이력 결측 | 데이터 | 조합 분석 · 이력 결측 비율 | 단일 장비 탐색은 조합 원인을 놓침(Hsu 외 2012 1절) |
7현장 포인트
| 값 | 어디서 나오나 | 무엇을 알려 주나 | 단위 · 주기 |
|---|---|---|---|
| 라인 · 다이 · 최종 수율 | MES · 테스터 · 최종 테스트 | 손실이 난 구간 | % · 로트마다 |
| 치명 결함 밀도 D0 | 결함 검사 · 리뷰 | 무작위 손실의 크기 | 개/cm² · 표본 웨이퍼 |
| 군집 계수 α | 다이별 불량 분포 | 모델 선택 · 큰 다이 예측 | 무차원 · 제품마다 |
| 모델 밖 계수 Y0 | 실측 ÷ 모델 예측 | 체계적 손실 크기 | 비율 · 주마다 |
| 공정 이력(단계 · 챔버 · 시각) | MES · 장비 연결 | 공통성 분석 입력 | 로트 · 웨이퍼마다 |
| 웨이퍼 맵 · 빈 | 웨이퍼 테스트 | 손실 모양 | 다이마다 |
- 새 제품 초기 → D0 가 주마다 내려가 모델 기준값을 계속 고쳐야 함(수율 학습 · 수율 모델).
- 웨이퍼 ID 어긋남 · 이력 결측이 쌓임 → 공통성 순위가 흐려짐(MES · 로트 추적).
- 장비 대수가 늘어남 → 우연히 겹치는 장비가 늘어 거짓 후보가 많아짐(공통성 분석 · Hsu 외 2012 1절).
분석수율 관리에서 AI 를 쓰는 곳은 웨이퍼 테스트 전의 수율 예측과 장비 조합 원인 찾기다. IRDS 2022 FI 는 수율 예측이 가상 계측 과 같은 예측 기법을 쓰되 팹 전체의 데이터 품질이 먼저라고 적고(5.8.4절), 조합 원인은 머신러닝 의 확률 탐색으로 후보 조합을 좁힌다(Hsu 외 2012).
현장 키워드
라인 수율다이 수율결함 밀도군집 계수체계적 손실공통성 분석수율 이탈수율 학습
8오해와 사실
- 오해결함 밀도가 같으면 다이 크기와 상관없이 수율이 같다.사실수율은 다이 면적과 결함 밀도의 곱에 지수로 반응해, 같은 0.2개/cm² 에서 0.8 cm² 다이는 85.2%, 4 cm² 다이는 44.9% 다(포아송 · MIT 2.830J 2008 16쪽).
- 오해공통성 분석 1위 장비가 곧 원인이다.사실순위는 통계상 후보 목록이고, 원인이 장비 조합이면 단일 장비 탐색은 거짓 후보와 놓침을 함께 낸다(Hsu 외 2012 1절) — 장비 이력으로 확인한 뒤에 홀드한다.
- 오해모델 예측과 실측의 차이는 모델 오차다.사실결함 밀도와 무관한 공정 변동 · 설계 손실은 모델이 담지 않는 계수 Y0 로 따로 나타나며(MIT 2.830J 2008 36쪽), IRDS 2024 YE 도 손실을 체계적 · 무작위로 나눈다(1절).
9핵심 정리
| 구분 | 식 · 정의 | 사례 값 | 보는 데이터 | 낮으면 먼저 볼 곳 |
|---|---|---|---|---|
| 라인 수율 | 테스트 도착 웨이퍼 ÷ 투입 | 98.0% | MES 투입 · 산출 | 파손 · 폐기 웨이퍼 |
| 다이 수율 | 양품 다이 ÷ 웨이퍼 다이 | 82.0% → 85.4% | 웨이퍼 테스트 빈 | 모델 대조 |
| 최종 수율 | 최종 양품 ÷ 들어간 다이 | 97.0% | 최종 테스트 | 조립 · 패키지 |
| 포아송 모델 | e^(−A·D0) | 0.8 cm² · 85.2% | D0 · 다이 면적 | 흩어진 결함 |
| 음이항 모델 | (1 + A·D0/α)^(−α) | α 2 · 85.7% | D0 · α | 뭉친 결함 |
| 모델 밖 계수 | 실측 ÷ 모델 예측 | Y0 0.957 | 로트별 분포 | 체계적 손실 |
| 공통성 분석 | 저수율 ↔ 정상 통과 비율 | E3 7/8 · 4/32 | 공정 이력 | 1위 장비 이력 |
| 장비 홀드 | 확인까지 투입 멈춤 | E3 정비 → 85.4% | 장비 이력 · FDC | 다음 주 수율 |
10참고 문헌
- 먼저 볼 문헌
- ★ International Roadmap for Devices and Systems 2022 Edition: Factory Integration — YMS 가 여러 데이터 원천을 연관 짓는 요구와 수율 예측으로 가는 방향을 볼 때
- ★ International Roadmap for Devices and Systems 2024 Edition — Yield Enhancement — 수율의 정의와 체계적 · 무작위 손실의 구분을 볼 때
- ★ 2.830J Control of Manufacturing Processes Lecture 10 Yield Modeling — 수율 용어 · 포아송 · Seeds · 음이항 모델과 군집 계수 α 를 한 번에 볼 때
- ★ Identifying ill tool combinations via Gibbs sampler for semiconductor manufacturing yield diagnosis (Proceedings of the 2012 Winter Simulation Conference) — 장비 공통성 분석(TCA)의 방식과 장비 조합 원인을 놓치는 한계를 볼 때
- 본문 근거
- Cost-size optima of monolithic integrated circuits (Proc. IEEE 52(12) 1537-1545) — B. T. Murphy · IEEE · 1964-12 ·
doi.org/10.1109/PROC.1964.3442· 확인 2026-11-09 - Defect density distribution for LSI yield calculations (IEEE Trans. Electron Devices 20(7) 655-657) — C. H. Stapper · IEEE · 1973-07 ·
doi.org/10.1109/T-ED.1973.17719· 확인 2026-11-09 - Integrated circuit yield management and yield analysis: development and implementation (IEEE Trans. Semiconductor Manufacturing 8(2) 95-102) — C. H. Stapper · R. J. Rosner · IEEE · 1995-05 ·
doi.org/10.1109/66.388016· 확인 2026-11-09