An Integrated Physics-Informed Process Control Framework and Its Applications to Semiconductor Manufacturing
Etude d'un cadre de contrôle intégré incorporant les connaissances du domaine et son application à la fabrication des semi-conducteurs
Résumé
The primary task in semiconductor manufacturing is to produce chips with high quality while keeping short production cycles. To reduce the process variation, many process monitoring and control solutions have been implemented in the fabrication. To improve the product quality and reduce process variability, these solutions should seamlessly coordinate to not only share the information but also make consistent and optimal decisions. In this thesis, an Integrated Physics-Informed Process Control Framework is proposed, which is capable of coordinating various data sources and supporting multiple applications. Dynamic Bayesian Network (DBN) is employed as the modeling foundation of the framework, which can consolidate available data and existing physics information. As DBN is presented as connected graphs, the interpretation of the associations between process variables is intuitive and understandable. Three DBN-based applications are proposed in this thesis. A monitoring mechanism is employed for fault detection and diagnosis. A Virtual Metrology (VM) model is developed to provide efficient prediction and its underlying causalities. Finally, a Structured Run-to-Run Controller (SRC) is implemented, which aims to optimize the control decision by considering not only the product metrology but also the interactions between process parameters. The proposed approaches are evaluated through a practical case study and simulated data.
La principale tâche de la fabrication de semi-conducteurs est de produire des puces de haute qualité tout en maintenant des cycles de production courts. Afin de réduire les variations de processus, de nombreuses solutions de surveillance et de contrôle de processus ont été mises en œuvre en fabrication. Dans le même objectif d'améliorer la qualité des processus, ces solutions devraient finalement être coordonnées, non seulement par le partage d'informations, mais également par la prise de décisions optimisées et cohérentes. Cette thèse propose un cadre de contrôle intégré incorporant des informations physiques, et capables de rassembler diverses sources et de prendre en charge plusieurs applications. Un Réseau Bayésien Dynamique (souvent noté RBD, ou DBN pour Dynamic Bayesian Network) est utilisé comme base de modélisation du cadre, permettant de consolider les données disponibles et les connaissances des experts. Dans la mesure où un DBN est un graphe connecté, l'interprétation des associations entre les variables de processus est simple et intuitive. En se basant sur le DBN, trois applications sont proposées dans cette thèse. Un mécanisme de surveillance est utilisé pour la détection et le diagnostic des défauts. Un modèle de métrologie virtuelle (VM) est développé pour fournir une prédiction efficace et ses causalités sous-jacentes. Enfin, un régulateur structuré Run-to-Run (SRC) est mis en œuvre en prenant en compte les résultats de la métrologie et les interactions entre les paramètres de processus. Les approches proposées sont évaluées à travers une étude de cas réel et des données simulées.
Origine : Version validée par le jury (STAR)