Domainknowledge3 [렛유인 KDC 교육] 반도체 공정설비 데이터분석 8차시 : DOE, 실험을 설계한다는 것의 의미 1. 들어가며7차시까지는 이미 수집된 데이터를 어떻게 해석하고 결론으로 연결하는지를 다뤘다면, 8차시는 그 이전 단계인 실험 자체를 어떻게 설계할 것인가를 다룹니다.이번 차시의 핵심 키워드는 DOE, 즉 Design of Experiments입니다. 단순히 실험 순서를 정하는 것이 아니라, 어떤 변수가 결과에 영향을 미치는지 효율적으로 파악하고, 최적 조건을 통계적으로 도출하기 위한 실험 설계 체계 전반을 의미합니다. 반도체 공정처럼 변수가 많고 실험 비용이 높은 환경에서는 이 설계가 얼마나 잘 되어 있느냐에 따라 실험의 효율 자체가 달라집니다.강의 마지막에는 요즘 반도체 산업에서 DOE가 예전만큼 활발하게 쓰이지 않는다는 이야기도 나왔는데, 그 이유도 같이 정리해보려 합니다. 2. 실험계획이란 무엇인가.. 2026. 4. 2. [렛유인 KDC 교육] 반도체 공정설비 데이터분석 5차시 : 공정 Split 분석과 데이터 시각화 실전 1. 들어가며4차시에서는 FDC의 원리와 설비 데이터의 구조, 그리고 그 방대한 규모를 살펴보았습니다. 5차시에서는 실제 분석 현장에서 데이터를 어떻게 다루는지, 즉 공정 Split 분석과 데이터 시각화의 실전적인 방법론을 다루었습니다. 2. 공정 데이터의 구조 : Input과 Output분석에 앞서 공정 데이터가 어떤 구조로 이루어져 있는지 먼저 정리할 필요가 있습니다.Input (독립 변인) : 소재, 레시피 파라미터, (레시피 외) 설비 파라미터가 해당합니다. 분석가가 조절하거나 관찰하는 원인 측의 변수입니다.Output (종속 변인) : 계측(구조, 결함), ET(Electrical Test), EDS 등이 해당합니다. 실제 분석에서는 주로 계측 쪽을 보게 됩니다. Input과 Output, 즉 .. 2026. 3. 11. [렛유인 KDC 교육] 반도체 공정설비 데이터분석 4차시 : FDC의 원리와 설비 데이터를 다루는 법 1. 들어가며3차시에서는 설비 Raw Data의 분류와 공정-설비의 관계를 살펴보았습니다. 4차시에서는 한 단계 더 나아가, 그 데이터를 실제로 어떻게 시각화하고 분석하는지, 그리고 현장에서 이상을 감지하는 핵심 시스템인 FDC(Fault Detection & Classification) 가 어떻게 작동하는지를 다루었습니다. 2. 데이터 시각화 : 그래프로 보는 공정설비 데이터 분석의 첫 단계는 실제 데이터를 이용한 그래프 분석입니다. 숫자의 나열만으로는 공정의 흐름을 파악하기 어렵기 때문에, 시각화는 분석의 출발점이 됩니다.여기서 중요한 전제가 하나 있습니다. 공정 엔지니어는 데이터보다 공정 파라미터 자체에 집중합니다. 어떤 파라미터가 공정 결과에 영향을 미치는지에 대한 감각, 즉 Domain Know.. 2026. 3. 11. 이전 1 다음 반응형
