반도체 › 팹 자동화 › 생산 관리

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

  1. 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).
  2. 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.
  3. 「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.

1반 배탈 결석 많음 2반 배탈 결석 많음 3반 결석 적음 배식대 A 다른 반 배식대 B 배식대 C 보건 교사 윤 선생 수율 엔지니어 · YMS 1 결석부 받기 웨이퍼 테스트 결과 2 급식 기록 펴기 공정 이력 3 줄 맞춰 보기 공통성 분석 4 배식대 B 세우기 장비 홀드 반 = 로트 · 학생 = 다이 배식대 = 장비 · 챔버 아픈 반이 지난 길 · 세우는 대상 다른 반이 지난 길 번호 = 윤 선생이 일하는 순서

그림 1 · 윤 선생은 결석부와 급식 기록을 맞대어, 아픈 반만 공통으로 거친 배식대 B 를 찾아 세운다.

결석부반마다 배탈 수
급식 기록반 · 날 · 배식대
줄 맞추기아픈 반만 같은 칸
배식대 세우기그날 배식 멈춤
조리실 확인원인 고치기
다음 주감기 결석만 남음
비유 — 반마다 받은 배식대 실제 — 로트마다 지난 챔버 월 화 수 세정 증착 식각 1반 2반 3반 4반 5반 6반 A C B C A B B C A A B C C A A B C C L01 L02 L03 L04 L05 L06 W1 D2 E3 W2 D1 E3 W1 D1 E1 W2 D2 E2 W1 D2 E1 W2 D1 E2 아픈 반만 같은 칸 = 수요일 배식대 B 3반도 월요일에 B — 다른 날이라 겹침이 아님 저수율 로트만 같은 셀 = 식각 E3 세정 W1 · 증착 D2 는 정상 로트도 지남 굵은 테두리 = 나쁜 쪽만 겹친 칸 배탈 반 · 저수율 로트 로트 6개만 보인 예

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 역할실제 이름실제로 하는 일
학생다이웨이퍼 테스트에서 하나씩 양품 · 불량이 정해진다
반로트 · 웨이퍼25장이 같은 단계를 함께 지난다
배식대공정 장비 · 챔버단계마다 여럿 가운데 하나를 지난다
결석부웨이퍼 테스트 결과다이 수율 · 빈 · 맵을 낸다
급식 기록공정 이력로트마다 단계 · 챔버 · 시각을 남긴다
윤 선생수율 엔지니어 · YMS결과와 이력을 같은 키로 이어 본다
줄 맞추기공통성 분석저수율 로트에만 겹치는 장비를 찾는다
배식대 세우기장비 홀드확인이 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.

요소단위역할값 · 근거
계측 · 검사표본 웨이퍼치명 결함 밀도 D0개/cm²
웨이퍼 테스트다이다이 수율 · 빈 · 맵기능 · 파라메트릭 수율(MIT 2.830J 2008 6쪽)
최종 테스트패키지최종 수율조립 뒤 양품 비율
MES · 장비 이력로트 · 단계라인 수율 · 지난 챔버 · 시각공통성 분석의 원본
수율 모델제품무작위 결함 몫 예측음이항 α 1.5 ~ 2(MIT 2.830J 2008 24쪽)
공통성 분석단계 × 장비저수율 로트의 공통 장비 순위장비별 가설 검정(Hsu 외 2012 1절)
계측 · 검사 웨이퍼 테스트 최종 테스트 MES 이력 · 장비 이력 로트 · 단계 · 챔버 · 시각 1 2 8 YMS 키 = 로트 ID · 웨이퍼 ID 다이 좌표 · 단계 3 로트별 수율 분포 라인 × 다이 × 최종 모델 예측과 대조 원천마다 다른 형식을 맞춤 수율 손실 분해 맵 패턴 분류 공통성 순위 장비 홀드 · 정비 4 5 6 7 조치 뒤 다음 주 수율이 모델 예측으로 돌아옴 측정 값 장비 · 이력 키 · 판정 모델 계산 이탈 · 조치 조치 · 되돌림

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).

포아송 Y = e^(−A·D0) · 음이항 Y = (1 + A·D0/α)^(−α) · D0 = 0.2개/cm² 0 1 2 3 4 다이 면적(cm²) 100 80 60 40 % 사례 0.8 cm² · 85.7% 4 cm² — 포아송 44.9% · 음이항 51.0% 결함이 뭉치면 한 다이에 여럿이 겹쳐 큰 다이의 손실이 준다 음이항(α = 2) 포아송 사례 · 비교 점(원문 식 직접 계산)

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.

  1. MES 집계에서 1,000장 중 980장이 웨이퍼 테스트에 도착해 라인 수율은 98.0% 다.
  2. 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.
  3. YMS 의 로트별 분포에서 32 로트는 85.5% 로 모델과 맞고, 8 로트만 평균 68.0% 로 빠져 있다.
  4. 8 로트의 웨이퍼 맵이 같은 모양으로 몰려 있어 흩어진 결함이 아니라 한 공정 쪽 손실로 본다(모양의 뜻은 웨이퍼 맵 몫).
  5. 공통성 분석이 단계마다 장비별 통과 비율을 견주어 식각 챔버 E3 를 1위로 낸다 — 저수율 로트 7/8 · 정상 로트 4/32(그림 5).
  6. 엔지니어가 E3 의 장비 이력 · FDC 기록에서 정비 날짜 뒤 로트만 겹치는 것을 확인하고 챔버를 홀드해 정비한다.
  7. 다음 주 다이 수율은 85.4% 로 모델 예측에 다가가고, 남은 손실은 결함 밀도를 낮춰야 줄어드는 몫이 된다.
  8. 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.
각 장비를 지난 로트 비율 — 저수율 8 로트 ↔ 정상 32 로트 차이 식각 챔버 E3 7/8 = 87.5% 4/32 = 12.5% +75.0 증착 챔버 D1 4/8 = 50.0% 15/32 = 46.9% +3.1 노광기 L2 3/8 = 37.5% 11/32 = 34.4% +3.1 세정 장비 W4 2/8 = 25.0% 9/32 = 28.1% −3.1 저수율 로트(8) 정상 로트(32) 차이 = 두 비율의 차(포인트) · 사례 5단계 · 가정 값

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

기준포아송Murphy(삼각 분포)Seeds음이항
결함 밀도 가정모든 웨이퍼가 같음웨이퍼마다 다름지수 분포 · 낮은 밀도가 대부분감마 분포
식e^(−A·D0)((1 − e^(−A·D0)) ÷ A·D0)²1 ÷ (1 + A·D0)(1 + A·D0/α)^(−α)
결함 뭉침없음약함강함α 로 조절
같은 A·D0 의 수율가장 낮음중간가장 높음큰 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).

#증상의심 원인구분확인 자료판정 기준(근거)
1실측 · 모델 예측이 함께 하락결함 밀도 증가무작위결함 검사 밀도 추세새 D0 를 넣은 모델이 실측과 맞음(MIT 2.830J 2008 24쪽)
2일부 로트만 모델 밑챔버 하나의 이탈체계적 · 장비공통성 순위 · 장비 이력저수율 쪽 통과 비율이 정상 쪽보다 큼(그림 5)
3모든 로트가 고르게 모델 밑공정 · 설계 여유 부족체계적 · 공정맵 모양 · 파라메트릭 빈Y0 감소 · 결함 밀도와 무관(MIT 2.830J 2008 36쪽)
4공통성 상위가 비슷한 점수장비 조합 · 이력 결측데이터조합 분석 · 이력 결측 비율단일 장비 탐색은 조합 원인을 놓침(Hsu 외 2012 1절)

7현장 포인트

값어디서 나오나무엇을 알려 주나단위 · 주기
라인 · 다이 · 최종 수율MES · 테스터 · 최종 테스트손실이 난 구간% · 로트마다
치명 결함 밀도 D0결함 검사 · 리뷰무작위 손실의 크기개/cm² · 표본 웨이퍼
군집 계수 α다이별 불량 분포모델 선택 · 큰 다이 예측무차원 · 제품마다
모델 밖 계수 Y0실측 ÷ 모델 예측체계적 손실 크기비율 · 주마다
공정 이력(단계 · 챔버 · 시각)MES · 장비 연결공통성 분석 입력로트 · 웨이퍼마다
웨이퍼 맵 · 빈웨이퍼 테스트손실 모양다이마다
  • 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

구분식 · 정의사례 값보는 데이터낮으면 먼저 볼 곳
라인 수율테스트 도착 웨이퍼 ÷ 투입98.0%MES 투입 · 산출파손 · 폐기 웨이퍼
다이 수율양품 다이 ÷ 웨이퍼 다이82.0% → 85.4%웨이퍼 테스트 빈모델 대조
최종 수율최종 양품 ÷ 들어간 다이97.0%최종 테스트조립 · 패키지
포아송 모델e^(−A·D0)0.8 cm² · 85.2%D0 · 다이 면적흩어진 결함
음이항 모델(1 + A·D0/α)^(−α)α 2 · 85.7%D0 · α뭉친 결함
모델 밖 계수실측 ÷ 모델 예측Y0 0.957로트별 분포체계적 손실
공통성 분석저수율 ↔ 정상 통과 비율E3 7/8 · 4/32공정 이력1위 장비 이력
장비 홀드확인까지 투입 멈춤E3 정비 → 85.4%장비 이력 · FDC다음 주 수율

10참고 문헌

  1. 먼저 볼 문헌
  2. ★ International Roadmap for Devices and Systems 2022 Edition: Factory Integration — YMS 가 여러 데이터 원천을 연관 짓는 요구와 수율 예측으로 가는 방향을 볼 때
    IEEE · 2022-12 · irds.ieee.org/images/files/pdf/2022/2022IRDS_FAC.pdf · 확인 2026-11-09
  3. ★ International Roadmap for Devices and Systems 2024 Edition — Yield Enhancement — 수율의 정의와 체계적 · 무작위 손실의 구분을 볼 때
    IEEE IRDS · 2024-12 · irds.ieee.org/images/files/pdf/2024/2024IRDS_YE.pdf · 확인 2026-11-09
  4. ★ 2.830J Control of Manufacturing Processes Lecture 10 Yield Modeling — 수율 용어 · 포아송 · Seeds · 음이항 모델과 군집 계수 α 를 한 번에 볼 때
    MIT OpenCourseWare · 2008-03 · ocw.mit.edu/courses/2-830j-control-of-manufacturing-processes-sma-6303-spring-2008/4aff1e21de13870355ef44dbe71f45c6_lecture10.pdf · 확인 2026-11-09
  5. ★ 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
    Y.-C. Hsu · R.-H. Chen · C.-M. Fan · 2012-12 · www.informs-sim.org/wsc12papers/includes/files/inv222.pdf · 확인 2026-11-09
  6. 본문 근거
  7. 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
  8. 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
  9. 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