시계열 군집화를 이용한 반도체 제조 장비의 생산성 향상

국문 초록 (Abstract)

본 연구는 반도체 생산 현장에서 발생하는 데이터를 활용해 생산 장비의 군집화 분석을 진행하고 추출된 군집별 특징을 통해 반도체 제조 장비의 생산성 개선을 목적으로 한다.
반도체 생산 현장은 제품을 제조하면서 수많은 데이터를 생성한다. 데이터 활용을 위한 시스템이 현장에 구축되어 있기 때문에 담당 공정엔지니어와 설비엔지니어는 구축된 시스템을 활용하여 품질을 개선시키고 생산성을 올리고 있다. 그러나 주로 정형화된 분석 도구를 사용하고 있기 때문에 데이터를 제한적으로 활용할 수밖에 없다. 이러한 현장 상황을 개선하기 위해 데이터 마이닝 기법과 반도체 현장에서 발생하는 데이터의 결합을 통해 유의미한 정보를 찾아낼 수 있는 방법에 대한 연구가 필요하다.
반도체 생산 현장에 빅데이터 기술을 접목한 기존 연구는 대부분 품질 개선을 위한 목적으로 진행되어 왔다. 따라서 반도체 생산 장비의 생산성 개선과 관련한 연구는 거의 없었다.
본 논문에서는 생산성 개선에 초점을 맞춰 연구를 진행했으며 다양한 데이터 마이닝 기법 중 군집화 기법을 시도하였다. 국내의 한 대형 반도체 회사 특정 라인의 Cleaning 공정 진행 설비 92대의 효율 데이터와 생산량 데이터를 이용하여 군집화 분석하였으며 수집되는 데이터의 특성에 맞춰 다변량 시계열 군집 분석을 시도하였다. 유사성 측정 척도는 시계열 데이터의 거리 측정에 많이 사용되는 DTW(Dynamic Time Warping)를 사용하였으며 군집화는 계층적(Hierarchical) 군집 방법과 비계층적 군집 기법 중의 하나인 K-medoids 군집 방법을 사용하였다. 계층적 군집 방법 결과 5개의 군집이 최적의 군집으로 확인됐으며 그 결과를 바탕으로 군집별 특징을 추출하였다. 추출된 특징과 함께 군집별 효율 지수와 생산량 지수를 확인하였고 군집별 개선 방안을 수립할 수 있었다. K-medoids 방법 군집 결과 확인 시 계층적 군집 방법과 일부 유사한 결과를 얻을 수 있었으나 계층적 군집 방법 대비 성능은 떨어지는 것으로 보였다. 수립된 개선 방안 적용을 통해 군집별 생산성의 상향 표준화가 가능할 것으로 보이고 회사의 수익 창출에도 기여할 것으로 예상된다.

목차 (Table of Contents)

• 그림 목차 iii
• 표 목차 iv
• 국문 요약 v
• 제 1장 서론 1
• 1.1 연구 배경 1
• 1.2 필요성 및 연구 목적 2
• 1.3 연구 범위 및 연구 방법 4
• 1.4 논문 구성 5
• 제 2장 반도체 제조 공정 및 데이터 분류 6
• 2.1 반도체 제조 공정 6
• 2.2 반도체 Cleaning 공정 9
• 2.3 반도체 제조 데이터의 종류 및 수집 방법 11
• 제 3장 데이터 마이닝 기법 및 군집화 15
• 3.1 데이터 마이닝 15
• 3.2 데이터 마이닝 기법 16
• 3.3 군집화 18
• 3.4 시계열 군집화 및 DTW 22
• 제 4장 Cleaning 설비 군집 분석 27
• 4.1 분석 데이터 탐색 및 기술 통계 27
• 4.1.1 분석 데이터 27
• 4.1.2 분석 데이터 기술 통계 28
• 4.1.3 분석 데이터 정규화 31
• 4.1.4 R 분석 패키지 및 실루엣 계수 32
• 4.2 계층적 군집 분석 결과 32
• 4.3 K-medoids 군집 분석 결과 39
• 4.4 군집 방법별 분석 결과 비교 및 정리 43
• 제 5장 결론 47
• 참고 문헌 49
• Abstract 50