제조 / 반도체
Micron: 제조 이상 탐지와 공정 분석
- 기업
- Micron
- 국가
- 미국
- 도입 상태
- 운영
- 자료 공개
- 날짜 기준
- 자료 발표 시점. 도입 시작일과 다를 수 있음
- 근거 확인 방법
- 원문 본문 열람
업무 문제
Micron의 웨이퍼 공정은 약 1,500 단계를 거치며 몇 달이 걸린다. 오류와 폐기가 생길 여지가 크다. 흠집이나 보호막 아래 기포 같은 결함은 눈에 보이지 않는다. 보이더라도 웨이퍼 한 장마다 찍는 30~40장 사진을 사람이 훑다 보면 눈의 피로로 놓친다. 설비 부품 마모나 배관 누출도 늦게 잡으면 손실이 커진다.
적용한 기술과 데이터
Micron은 59만 개가 넘는 원천에서 페타바이트 단위 제조 데이터를 모아 클라우드 분석 환경으로 보낸다. 감각 AI로 computer vision과 음향 청취, 열화상을 함께 쓴다. 카메라가 찍은 이미지에서 가장자리의 작은 구멍, 선 형태의 흠집, 색 변화를 자동으로 찾는다. 어떤 패턴을 찾을지는 엔지니어가 지정한다. 자동 결함 분류 시스템은 딥러닝으로 해마다 수백만 건의 결함을 분류한다. 기술자와 엔지니어는 웨이퍼 결함을 손으로 분류하지 않고 데이터 수집과 근본 원인 해결에 집중한다. 음향 쪽은 로봇 구동부나 펌프 근처 마이크가 몇 주간 정상 소리를 녹음해 기준을 만들고 새 주파수가 나타나면 경보를 낸다.
성과
Micron은 59만 개 센서가 주당 1억 장의 웨이퍼 이미지와 4억 3,600만 개 관리 포인트를 만들고 모두 AI 모델을 거친다고 밝혔다. 저장된 데이터는 77페타바이트이고 하루에 58테라바이트가 새로 쌓인다. 회사는 2016년부터 2025년까지 사내 데이터와 분석을 근거로 제조 설비 가동률 4% 향상, 연간 100만 시간의 노동 생산성 개선, 신제품 출시 기간 50% 단축, 제품 폐기 50% 감소를 제시했다. 수율 관리 플랫폼은 사내에서 14,000명 넘게 쓴다.
한계와 남은 과제
제시한 개선 수치는 2016년부터 2025년까지 사내 데이터와 분석에 근거한 누적값이다. 특정 연도 단독 효과나 외부 검증 결과가 아니다.
출처
공개된 자료를 정리한 사례입니다. ATF Works 도입 고객의 결과가 아닙니다.