HanFlow AIHanFlow PDFHanFlow PCHanFlow Bot

인사이트 · · English version

ALD 두께 불균일도 — 비교하기 전에 정의부터 확인한다

ALD 두께 불균일도 정의가 하나가 아니다. 범위 기반과 모델 추정, 웨이퍼 맵 균일도와 요약 패널 값이 어떻게 다른지 정리하고, 비교 전에 확인할 네 가지를 짚는다.

반도체·디스플레이 공정에서 박막 두께 균일도는 엔지니어가 가장 먼저 확인하는 숫자 중 하나다. 그런데 두 균일도 값을 나란히 놓기 전에, 그 둘이 같은 것을 뜻하는지부터 따져야 한다.

요약 패널: 예상 두께, GPC, Uniformity
두께, 사이클당 성장(GPC), 균일도가 함께 표시된다 — 여기서 99.1%는 모델이 추정한 불균일도를 100%에서 뺀 값이다.

두 숫자, 두 정의

Semi Process Lab의 요약 패널에 표시되는 균일도(Uniformity) 값은 100%에서 모델 추정 불균일도를 뺀 것이다. 웨이퍼 맵에서 구한 통계가 아니다.

웨이퍼 두께 분포 맵에는 별도의 퍼센트가 표시된다. «편차»는 최대 − 최소이고, 괄호 안의 ± %는 (최대 − 최소) / (2 × 평균) × 100%다(반범위). 범위 기반 지표이지 1σ가 아니다. 평균도 반경 방향 샘플 점의 단순 평균이며 면적 가중이 아니다.

300 mm 웨이퍼 두께 분포 맵
평균 26.9 nm, 편차 0.1 nm (± 0.2 %). 편차는 최대 − 최소, ± %는 (최대 − 최소) / (2 × 평균) — 범위 기반이지 1σ가 아니다.

"편차 0.1 nm (± 0.2 %)"와 "Uniformity 99.1 %"가 같은 화면에 있다. 하지만 서로 다른 계산을, 공정의 서로 다른 표현에 적용한 결과다. 같은 화면의 두 숫자를 바로 비교하면 아무것도 알 수 없다.

문헌도 정의를 통일하지 않는다. 같은 범위 기반이라도 (최대 − 최소) / 평균으로 적는 곳이 있고, 이 맵처럼 2 × 평균으로 나눠 그 절반 값을 적는 곳도 있다. 어떤 정의를 따른 숫자인지 모르면, 다른 숫자와 나란히 놓을 수 없다.

비교 전에 확인할 것

두 균일도 숫자를 나란히 놓기 전에 다음을 확인한다.

  • 정의. 범위 기반인가, 1σ 기반인가, 그 밖의 식인가?
  • 측정 위치. 반경 방향 점인가, 전면 격자인가, 에지를 제외했는가?
  • 평균 방식. 단순 평균인가, 면적 가중 평균인가?
  • 출처. 실제 웨이퍼에서 측정했는가, 모델이 추정한 값인가?

더 좋아 보이는 숫자는 더 너그러운 식을 따른 것일 수 있다.

최적 공정 조건 패널 — 현재 값과 최적 값 나란히 표시
각 변수를 개별로 탐색한 뒤 결과를 합친다. 99.1%에서 99.2%로의 변화는 화면 표시이지 검증된 개선이 아니다.

민감도는 원인이 아니다

라이브 조건별 비균일 기여도와 공정 변수별 중요도 화면
현재 설정된 조건에서 계산한 상대 민감도. 목표별로 합이 100%가 되도록 정규화한 값이며, 공정의 인과 분해가 아니다.

«공정 변수별 중요도» 카드는 각 변수를 허용 범위의 ±8%만큼 변동시키고, 0.6 거듭제곱 변환을 적용한 뒤, 목표별 합이 100%가 되도록 정규화한다. «라이브 조건별 비균일 기여도» 카드는 방법이 다르다. ±10%만큼 변동시켜 출력 차이의 절댓값을 구하고 정규화한다. 두 카드는 식이 다르다. 등록된 변수만 나온다. 어느 쪽도 공정의 인과 분해가 아니다.

«최적 공정 조건» 기능은 각 변수의 후보를 다른 변수를 고정한 채 탐색한 뒤 결과를 합친다. 합친 조합이 원래보다 낫다는 보장은 없다. 99.1%에서 99.2%로의 변화는 그 조건에서의 화면 표시이지 검증된 개선이 아니다.

공정 선택과 물질 시스템 선택 화면
이 선택에 따라 이후 모든 결과가 달라진다. 민감도 카드에서 비교할 수 있는 변수 목록도 여기서 결정된다.

자주 묻는 질문

99.1%는 실측 균일도인가?

아니다. 모델이 추정한 불균일도를 100%에서 뺀 값이다. 웨이퍼 균일도를 직접 측정하지 않았다.

균일도 값과 웨이퍼 맵의 퍼센트를 비교할 수 있는가?

비교할 수 없다. 서로 다른 식과 서로 다른 데이터를 쓴다. 맵은 (최대 − 최소) / (2 × 평균)을 쓰고, 균일도 값은 모델 추정을 쓴다.

변수 중요도가 불균일도의 원인을 알려 주는가?

등록된 변수 가운데, 시험한 변동 범위 안에서 모델 출력이 어디에 민감한지를 알려 준다. 민감도는 원인과 같지 않다.

제안된 최적 조건은 검증된 것인가?

각 변수를 독립으로 탐색해 조립한 결과다. 합친 조합은 물리 측정으로 검증되지 않았다.