[학회 후기]

4.24~4.26 강남 노보텔 호텔에서 진행한 2025 12th International Conference on Industrial Engineering and Applications에 참석하였다.

첫 참석하는 국제 학회에 발표까지 하게 되어 긴장되었으나, 같은 연구실 동료들도 많이 참석해서 조금은 편하게 참석을 할 수 있었다. 

[발표 후기]

Hierarchical Attention-Based Yield Prediction Model Using Wafer Process Progression Data in Semiconductor Manufacturing이라는 주제로

2F Provence Hall 에서 5시에 발표를 진행했다. Digital Additive Manufacturing and Material Processing Technology라는 세션이었는데,

인공지능 뿐만 아니라 산업 공학 관련된 전반적인 여러 연구들이 발표되는 자리여서 청취자들이 인공지능에 대해서 낯설 수 있는 자리였다.

이번에 발표한 내용은 현재 진행 중인 반도체 공정 진행 정보를 활용한 수율 예측에 대한 연구였다. 

발표시간이 짧아서 배경, 데이터셋, 제안모델, 결과로만 이야기하는 데에도 시간을 거의 다 소비했다. 그래도 준비한 것처럼

계층적으로 정보를 정리하고 세 가지 모델을 취합하여 양호한 예측 모델 결과를 무리 없이 발표할 수 있었다. 

그리고 모델의 장점을 강조하기 위해 Low Yield Detection Performance와 Robustness 평가 결과도 함께 제시를 하여

조금 더 설득력 있는 내용으로 이야기할 수 있었다고 생각한다. 

제안 모델은 기존 수율 예측 연구가 연구 데이터 세트에 편중되있는 도메인 지식을 활용하거나, 계측 데이터와 연관되어있는데

반도체 산업은 도메인지식이 굉장히 빠르게 변화하는 산업이기에 도메인 지식에 얽매이면 안되고, 

계측 데이터 역시 실제 산업현장의 계측율은 10% 미만인 경우가 대부분이다.

이러한 단점을 포함하지 않는 공정 진행 이력을 활용한 수율 예측을 진행하는 모델임과 동시에 기존 다른 베이스라인보다 우수한 성능을 보여준다.

공정 진행 이력을 각각의 feature 로 사용하는 Condition 모델, 그리고 공정 단위로 구분하여 사용하는 Process 모델, 공정간의 조합에 대한 정보를 활용하는 Interaction 모델로 구분하여

각각의 모델에서 예측값을 도출한다. 이 후 각 모델의 Input Feature를 Concat한 정보를 NN에 입력하여 샘플의 특징을 기반으로 각 모델의 가중치를 학습하여 가중합으로 최종 예측을 진행한다.

-. 질문 : 공정간 상호관계를 Capture 하는 Interaction 모델에서 왜 Self Attention 과 같은 구조를 사용하지 않았는지?

-. 답변 : 연구 중에 Self Attention 을 활용해서 성능을 확인해 보았으나, Interaction 모델의 성능은 감소하였다.

              이는 공정 대부분의 상호관계가 근접한 공정 사이에서 발생하며, 또한 순차적인 내용 역시 반영이 되어야하기 때문에

              Local, Sequential 한 특징을 잘 Capture 하는 GRU 구조가 더 효과적이라고 생각한다.

[청취 후기]

Leveraging Cross-Sensor Trend  Anomalies for Advanced Defect Detection in Semiconductor Manufacturing -  Young-Mok Bae

Killer Defect이 아닌 Latent Defect을 전기적 신호로 찾아내는 연구였다. Electrical Test의 신호를 기반으로 실제 수율과 직접적으로 연관되지 않는

Latent Defect에 대해서 여러 개의 신호를 기반으로 감지해내는 연구인데, 연구 주제가 매우 흥미로웠다. 

그런데 Electrical Test 신호를 사용할 때 자료에서는 Open/Short Data(회로의 연결여부) 와 관련된 인자만을 활용한 것으로 보았는데

왜 이 파라미터를 사용했는지 까지는 그 때 바로 의문을 가지지 못해 질문을 하지 못한 것은 아쉬움이 남는다.