KDC4 [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 7차시 : Wafer Profile 분석, 시각화, 그리고 상관성 분석 1. 들어가며6차시에서 데이터를 수집하고 전처리하는 과정을 중심으로 배웠다면, 7차시는 그렇게 정리한 데이터를 실제로 어떻게 해석하고 결론으로 연결할지를 다루는 시간이었다고 느꼈습니다. 데이터를 많이 보는 것과 데이터를 제대로 읽는 것은 전혀 다른 문제인데, 이번 차시는 바로 그 차이를 직접적으로 보여주는 강의였습니다.이번 차시의 핵심은 크게 네 가지로 나눌 수 있습니다. 웨이퍼 내 위치별 편차를 파악하는 Wafer Profile (Map) 분석조건별 결과를 비교하며 최적 조건을 판단하는 과정시각화를 통해 경향성을 제대로 읽는 방법선형 회귀와 \( R^2 \)를 중심으로 한 상관성 분석입니다. 각각이 따로 노는 주제처럼 보일 수 있지만, 실제로는 하나의 흐름으로 이어집니다. 먼저 위치별 이상 징후를 찾고.. 2026. 3. 23. [렛유인 KDC 교육] 반도체 공정설비 데이터분석 2차시 : 팹(Fab) 안팎에서 쏟아지는 데이터의 종류 1. 들어가며 : 무엇을 분석할 것인가?지난 1일차 교육에서는 AI 시대에 왜 엔지니어에게 데이터 역량이 필요한지, 그리고 'DIKW 피라미드'를 통해 데이터를 어떻게 바라봐야 하는지 학습했습니다. 그렇다면 실제 반도체 공장(Fab)에서는 구체적으로 어떤 데이터들이 생성되고 있는지 배웠습니다.2일차 과정에서는 팹 안팎에서 쏟아지는 방대한 데이터의 종류를 분류하고 그 특징을 알아보았습니다. 현장의 데이터는 그 종류가 너무나 다양하고 방대하기 때문에, 개별 데이터를 따로 보는 것이 아니라 이를 한데 모아 분석하는 Integration 기술이 핵심 역량으로 꼽힙니다.2. 설비 데이터 (Equipment & FDC)가장 기본이 되면서도 압도적인 데이터 양을 자랑하는 것이 바로 설비 데이터입니다.FDC (Faul.. 2026. 2. 24. [렛유인 KDC 교육] 반도체 장비 5일차 : 유틸리티(Utility)와 배관 설계 (Tube vs Pipe) 1. 반도체 장비의 생명선, 유틸리티(Utility)지난 시간까지는 장비 내부에 집중했다면, 오늘은 장비를 가동하기 위해 외부에서 공급되는 유틸리티(Utility)와 이를 연결하는 배관(Piping)에 대해 학습했다.Fab 내에는 Grating(Fab의 바닥) 아래로 수많은 배관이 지나가며, 각 장비에 필요한 소스들을 공급한다. 주요 유틸리티는 다음과 같다.CDA (Compressed Dry Air): 공압 밸브(Pneumatic Valve) 등을 구동하는 데 사용되는 압축 공기.PCW (Process Cooling Water): 장비 냉각수. 단순히 식히는 용도뿐만 아니라, 과열로 인한 센서 오작동을 방지하는 역할도 한다.DI Water (De-ionized Water): 초순수. 주로 세정(Clean.. 2026. 1. 29. 이전 1 다음 반응형
