반도체 수율 개선, 테스트 데이터로 원인을 좁히는 법

건강검진 결과표를 받으면 올해 수치 하나만 봐서는 판단이 어렵습니다. 혈당이 기준 안에 있어도 지난 몇 년 동안 꾸준히 오르고 있다면 의사는 생활 습관을 묻고, 다른 검사 수치와 함께 원인을 짐작하죠. 숫자 하나보다 추세와 조합이 더 많은 것을 말해 줍니다.

반도체 공장도 매일 엄청난 양의 측정값과 테스트 결과를 쏟아 냅니다. 이 숫자들을 연결해 어느 공정, 어느 장비에서 문제가 시작됐는지 찾아가는 일이 데이터 기반의 반도체 수율 개선이죠. 이 글에서는 수율 분석에 쓰는 데이터의 종류와, 이를 엮어 원인을 좁혀 가는 방법을 정리합니다.

수율 개선에 데이터가 필요한 이유

웨이퍼 한 장은 수백 단계의 공정을 거치고, 단계마다 여러 대의 장비와 챔버 가운데 하나를 지나갑니다. 그래서 불량 칩이 발견됐을 때 원인이 될 수 있는 경우의 수가 매우 많죠. 경험과 감만으로는 이 가운데 진짜 원인을 빨리 찾기 어렵습니다.

흔히 불량 칩을 잘라 보면 원인이 바로 나온다고 생각하지만, 물리 분석은 시간이 오래 걸리고 한 번에 볼 수 있는 칩도 몇 개뿐입니다. 데이터 분석은 먼저 의심 범위를 좁혀, 어느 칩을 잘라 봐야 하는지를 알려 주는 역할을 하죠.

수율 분석에 쓰는 네 가지 데이터

공정 중 계측과 결함 검사

전공정 도중에는 막 두께, 선폭, 오버레이 같은 값을 재는 인라인 계측(Inline Metrology)과 웨이퍼 표면의 이물이나 패턴 결함을 찾는 결함 검사(Defect Inspection)가 이뤄집니다. 공정 직후의 상태를 알려 주므로 원인과 가장 가까운 데이터죠. 다만 모든 웨이퍼, 모든 위치를 재지 않고 일부를 표본으로 봅니다.

WAT와 PCM

전공정이 끝나면 칩과 칩 사이 스크라이브 라인에 넣어 둔 시험용 패턴을 측정합니다. 이를 WAT(Wafer Acceptance Test), 시험 구조물은 PCM(Process Control Monitor)이라고 부르죠. 트랜지스터의 문턱 전압, 구동 전류, 배선 저항, 접촉 저항처럼 소자의 전기적 특성을 알려 줍니다.

웨이퍼 테스트와 최종 테스트 결과

칩 하나하나의 양품 여부와 불량 유형은 웨이퍼 상태의 전기 검사인 EDS(Electrical Die Sorting)에서 나옵니다. 칩마다 좌표와 빈 번호, 측정값이 남아 웨이퍼 맵을 만들 수 있죠. 패키징 뒤의 최종 테스트 데이터는 패키징에서 생긴 불량과 속도, 온도 특성까지 보여 줍니다.

이 네 데이터를 하나로 엮으려면 추적성이 필요합니다. 칩 안에 고유 번호를 새겨 두면 최종 테스트에서 떨어진 칩이 어느 로트, 어느 웨이퍼, 어느 좌표에서 왔는지 거슬러 올라갈 수 있죠.

웨이퍼 맵 패턴으로 범위 좁히기

불량 칩이 웨이퍼 위에 퍼진 모양은 반도체 수율 개선에서 원인을 짐작하는 첫 단서입니다. 불량이 고르게 흩어져 있으면 무작위 입자 같은 원인을, 특정 모양으로 모여 있으면 공정 장비의 체계적인 문제를 먼저 의심하죠.

한 장의 맵보다 여러 장을 겹쳐 보는 것이 더 유용합니다. 같은 패턴이 특정 장비를 거친 웨이퍼에만 나타나는지, 로트 안에서 특정 순번의 웨이퍼에만 나타나는지를 보면 원인의 위치가 훨씬 구체적으로 드러나죠. 요즘은 이런 패턴 분류를 머신러닝으로 자동화하려는 흐름도 넓어지고 있습니다.

공통점 분석과 상관 분석

공통점 분석

공통점 분석(Commonality Analysis)은 수율이 낮은 웨이퍼들이 공통으로 거친 장비와 챔버, 시간대를 찾는 방법입니다. 예를 들어 불량 웨이퍼 대부분이 특정 식각 장비의 2번 챔버를 지났고, 같은 시기 다른 챔버를 지난 웨이퍼는 정상이라면 그 챔버가 유력한 용의자가 되죠. 공정 이력 데이터가 정확히 남아 있어야 가능한 분석입니다.

상관 분석

상관 분석은 서로 다른 데이터 사이의 관계를 봅니다. WAT의 특정 저항 값이 높은 웨이퍼일수록 특정 소프트 빈 불량이 많다면, 그 저항을 만드는 공정을 의심할 수 있죠. 트랜지스터 특성과 속도 등급 분포를 비교해 상위 등급 비율이 떨어진 이유를 찾는 것도 같은 방법입니다.

다만 상관관계가 곧 인과관계는 아닙니다. 두 값이 함께 움직여도 제3의 공통 원인이 있을 수 있으므로, 통계로 좁힌 후보는 반드시 물리 분석이나 분할 실험으로 확인합니다.

반도체 수율 개선을 굴리는 피드백 루프

원인을 찾았다고 끝이 아닙니다. 공정을 고친 뒤 수율이 정말 돌아왔는지 확인하고, 같은 문제가 다시 생기지 않도록 감시 체계를 남겨야 하죠. 이 과정은 대체로 아래 순서로 반복됩니다.

여기서 쓰는 기본 도구가 통계적 공정 관리(SPC, Statistical Process Control)입니다. 측정값을 시간 순서로 관리도에 찍어, 우연한 흔들림과 원인이 있는 변화를 구분하죠. 검진 수치가 기준 안에 있어도 계속 한쪽으로 움직이면 의심하듯, 관리 한계 안이라도 한 방향으로 이어지는 추세는 경고 신호로 봅니다.

이 루프가 빨리 돌수록 손실이 줄어듭니다. 반도체는 웨이퍼 투입부터 테스트까지 몇 주에서 몇 달이 걸리므로, 테스트 결과를 기다리는 동안에도 같은 문제를 안은 웨이퍼가 계속 흘러가고 있기 때문이죠. 그래서 테스트 데이터에서 얻은 단서를 인라인 계측 항목으로 앞당겨 감시하는 것이 중요합니다.

데이터 종류별 비교 표

구분	얻는 시점	알려 주는 것	한계
인라인 계측·결함 검사	전공정 도중	막 두께, 선폭, 표면 결함	표본 측정, 전기적 영향은 알기 어려움
WAT·PCM	전공정 완료 직후	소자와 배선의 전기적 특성	시험 구조물 기준이라 실제 칩과 차이 가능
EDS 결과	웨이퍼 테스트	칩별 양품 여부, 빈, 웨이퍼 맵	결과가 늦게 나오고 물리적 원인은 직접 알 수 없음
최종 테스트 결과	패키징 후	패키징 불량, 속도·온도 특성	가장 늦게 얻는 데이터
장비·공정 이력	공정마다	거친 장비, 챔버, 시간	기록 누락 시 공통점 분석 불가

핵심 정리

데이터로 하는 반도체 수율 개선은 인라인 계측, WAT, EDS, 최종 테스트 데이터를 칩의 이력으로 엮는 데서 시작합니다. 웨이퍼 맵 패턴으로 불량의 유형을 좁히고, 공통점 분석과 상관 분석으로 의심 장비와 공정을 추린 뒤, 물리 분석으로 확인하죠. 고친 결과는 SPC로 계속 감시하며 팹에 되돌려 재발을 막습니다.

건강검진 수치를 한 장씩 보지 않고 여러 해의 추세와 다른 수치를 함께 읽어야 원인이 보이듯, 수율 데이터도 연결할 때 의미가 생깁니다. 낯선 불량을 만나면 먼저 어떤 데이터끼리 이어 보면 범위가 줄어드는지부터 생각해 보는 습관이 분석의 속도를 높여 줍니다.

면접 대비 질문