Q. SK 하이닉스 양산기술 데이터 분석

답변 2

• 

  프로답변러YTN

  코부사장 ∙ 채택률 86%

  ---

  멘티님, 양산기술에서 데이터 분석은 “SPC·상관분석·DOE 기반으로 레시피·장비 조건을 최적화해 수율·산포·불량을 관리하는 일”이라고 이해하면 됩니다. 현장에선 공정조건(온도·압력·가스유량·RF파워·시간 등)을 독립변수, 두께·CD·산포·수율·불량률·설비 다운타임 같은 품질/생산 지표를 종속변수로 두고, 1) 공정 모니터링 단계에서는 SPC 차트·히스토그램·산점도·회귀로 이상 징후와 요인(장비·레시피·Lot/시간대)을 찾고 2) 개선·원인분석 단계에서는 Fishbone, Pareto, 회귀·로지스틱, 다변량 분석과 더불어 설계실험(DOE)으로 파라미터 조합을 체계적으로 바꿔가며 최적 레시피 범위를 찾는 식으로 진행합니다. 레시피 최적화도 “감으로 값 돌려보는 것”보다, POR(기준 레시피)를 중심으로 DOE 매트릭스를 짜서 실험 레시피 세트를 생성→실측 데이터로 통계모형 피팅→목표(예: CD·두께·산포·박리율 등)를 만족하는 공정창(process window)을 찾는 반(半)수학적인 최적화에 가깝고, 최근에는 커널 회귀·머신러닝을 써서 다변수·MIMO 공정의 best 영역을 예측하기도 합니다. 파이썬 같은 언어는 “필수 코더” 수준까진 아니어도, 대용량 로그·센서·계측 데이터를 다루고 커스텀 분석·시각화를 하거나 사내용 분석 플랫폼(JMP·Minitab·사내 툴 등)을 활용할 때 점점 더 많이 쓰이고 있어서, 통계 기본+파이썬으로 데이터 정제·EDA·간단한 모델링·시각화를 할 줄 알면 양산기술/DS 조직과 협업할 때 확실히 경쟁력이 있습니다. 채택부탁드리며 파이팅입니다!

  ---
• 

  어니언슾SK하이닉스

  코상무 ∙ 채택률 73% ∙

  회사

  일치

  ---

  1. 독립변수 종속변수 사이 관계를 규명하고 분석하는 내용 맞습니다. 그 안에서 내가 어떤 기준으로 변수를 설정하는지, 어떤 분석 기법을 활용하야 결과를 만들었는지 등 분석 경험이 있는게 가장 좋습니다. 2. 플롯 그리는것도 하나의 분석 기법 중 하나입니다. 그 외에 피팅을 해볼수도 있고, 다변수를 통한 회귀분석, M/L을 통한 예측 등 다양한 경험이 있는게 좋습니다. 꼭 복잡하거 어려운 분석 경험만 인정하는건 아닙니다. 3. 종속변수는 하는 업무에따라 다 달라집니다. 예시를 든 에칭 두께 산포도 될 수 있고, 가변하는 다양한 인자가 될 수도 있습니다. 4. 파이썬을 활용하여 데이터 전처리 후처리를 하는것도 좋고, 시각화도 좋습니다. 다만 저라면 파이썬은 데이터 처리하는데 쓰고 시각화는 엑셀부터 spotfire등 다른 툴을 사용하는 편입니다. 5. rcp는 최적해를 찾는게 답일수도 있고, 반대로 레시피를 조금씩 수정해가면서 찾는게 답일수도 있습니다. 케이스별로 다 다르다보니 뭐가 가장 좋은 방법이다 라고 말씀드리기 어려운 점 양해 부탁드립니다.

  ---