반도체 식각 장비에서 공정 데이터 로그 분석을 통한 Arcing 예측
- 주제(키워드) Arcing
- 주제(DDC) 005.1
- 발행기관 아주대학교 정보통신대학원
- 지도교수 손경아
- 발행년도 2025
- 학위수여년월 2025. 8
- 학위명 석사
- 학과 및 전공 정보통신대학원 지능형소프트웨어
- 실제URI http://www.dcollection.net/handler/ajou/000000034971
- 본문언어 한국어
- 저작권 아주대학교 논문은 저작권에 의해 보호받습니다.
초록/요약
본 연구는 반도체 제조 공정 중 발생하는 아킹(Arcing) 현상을 사전에 예측 하고 예방하기 위한 비지도 학습 기반 이상 탐지 모델을 제안한다. 아킹은 플 라즈마 식각 공정,장비에서 발생할 수 있는 주요 이상 현상으로, 장비 손상 과 수율 저하를 유발하며 막대한 유지보수 비용을 초래한다. 기존 연구들이 대부분 아킹 발생 이후의 전류 스파이크, 전압 이상 등 사후적 신호에 기반 한 탐지 방식에 국한되어 있었던 반면, 본 연구는 아킹 발생 전 단계인 Precoating 공정 중 로그 데이터를 활용하여 이상 징후를 사전에 탐지하고 자 하였다. 실험에는 실제 CCP 장비에서 수집된 공정 로그 데이터를 활용하였으며피처 는 주성분 분석(PCA)과 도메인 전문가의 판단을 통해 ESC 바이어스 전류, RF 60MHz 포워드 파워, RF 60MHz 리턴 파워 총 3개를 선정하였다. 이상 탐지 모델로는 Autoencoder를 채택하였으며, 단일 피처 및 다중 피처 구성, 기존 평균 기반 이상 탐지 방식과의 비교 실험을 통해 성능을 검증하였다. 그 결과, 다중 피처 기반 Autoencoder 모델은 F1 Score 0.80으로 가장 우 수한 성능을 기록하였다. 이는 개별 피처만으로는 포착하기 어려운 아킹 발 생 조건이 복합적인 피처 조합에서 보다 명확히 나타날 수 있음을 시사한다. 본 연구는 기존 사후 대응 중심의 아킹 탐지에서 벗어나,데이터 기반 선제적 진단 가능성을 실증적으로 제시하였다는 점에서 의의가 있으며, 향후 예방 정비및 공정 안정화 전략 수립에 기여할 수 있을 것으로 기대된다.
more목차
제1장. 서론 1
제1 절. 연구 배경 및 목적 1
제2 절. 연구 기여 2
제2장. 관련 연구 3
제1 절. 센서 데이터를 활용한 Arcing 연구 3
제2 절. Precoating 과 Plasma의 안정성에 대한연구 4
제3 절. 기존 연구 한계 5
제4 절. 본 연구의 차별성 5
제3장. 데이터 수집 및 전처리 5
제1 절. 데이터 수집 5
제2 절. 훈련을 위한 데이터 선택 6
제3 절. 이상탐지 모델 설계 8
제4 절. 평가 지표 9
제4장. 실험 방법 및 결과 10
제1 절. 실험 설계 10
제2 절. 실험 결과 및 분석 11
제5장. 결 론 16
제1 절. 연구 결과 16
제2 절. 향후 연구 17
참고문헌 18
