대전 카이스트에서 열린 ISMI 2015학회는 주로 대만에서 개최되는 학회로 TSMC등이 참여하는 반도체 관련 산업공학분야 학회이다. 2개 세션이 동시에 열리고 총 6개 세션이 열렸는데, 데이터마이닝 통계세션, 최적화, 스케줄링등 시스템 관련 세션 등이 열렸다. 그리 규모가 크지 않은 학회이지만, 오스트리아, 중국, 대만, 일본, 인도등 다양한 국적을 가진 사람들이 그동안 연구를 한 내용을 발표를 하고 의견을 나누는 모습은 새롭고 동기 부여가 됐다. 또한, 드넓은 카이스트 교정이 참 아름다웠고, 서울 못지 않은 대전의 교통 체증은 정말 놀라웠다.

-. 발표 후기

   발표 제목: A Prediction of Semiconductor Chip Quality by Solving Data Imbalance Problem

   올해 6월 IEA/AIE 학회에 이은 두번째 영어 발표였다. 나름 스크립트를 외워갔지만, 역시 앞에 서니 중간 중간 기억이 나지를 않았다. 결국, 준비해간 태블릿으로 스크립트를 보고 읽었고, 청중을 거의 보지 못했다. 덕분에 발표 중간 기억이 나지 않아 흐름이 끊기는 실수는 거의 하지 않았지만, 청중의 분위기 파악 등은 거의 하지 못했다. 교수님 말씀대로 스크립트를 외우지 않고 장표를 설명하는 자연스러운 방법이 제일 좋겠지만, 장표를 보고 영어로 문장이 생각날 정도의 영어 실력이 되지 않기 때문에 문제이다. 결국 스크립트를 완벽히 외우고, 그 문장의 뜻을 이해하여 자연스럽게 발표를 하는 방법밖에 없을 것 같다. 또한, 질문이 들어왔을때에 질문은 이해를 했지만, 그것을 영어로 답변을 하는 것이 어려웠다. 결국 예상 질문을 완벽히 준비하여 답변도 미리 준비를 해가는 방법밖에 없을 것 같다. 이러한 점을 잘 준비하여 2주정도 남은 INFORMS 2015에서는 발표를 잘하도록 해야 하겠다.

-. 질문 내용과 답변
  
   1. 데이터가 여러 군집을 이룰때 SMOTE 적용에 문제가 있지 않을지?
      데이터가 여러 군집을 이룬다면 knn을 이용하여 데이터를 생성하는 SMOTE로서는 문제가 생길 수 있다. 그 문제는 SMOTE 알고리즘에 대한 연구로 가져가야 할 것 같다.

   2. 일반적으로 현업에서는 불량이 1% 내외의 극소수인데, undersampling을 안하고 SMOTE등의 oversampling을 한 이유가 무엇인지? oversampling에 문제는 없는지?

      본 연구는 불량이 어느 정도 있는 제품 초기를 대상으로 하였다. 불량이 극소수라면 어차피 undersampling을 한다고 하더라도 데이터의 수가 너무 적어져 데이터마이닝을 적용할 수가 없다. 마찬가지로 knn을 이용할 수 없을 정도로 적을 때에 SMOTE를 적용할 수 없겠지만, 데이터 전처리를 하지 않고 모델링을 하더라도 정확한 결과가 나오지 않을 것이기 때문에 sampling기법이라도 적용을 해보는 것이 나을 것이라고 생각한다.

-. 청취 후기

   산업공학의 다양한 분야에 대한 발표가 많아 이해하기 힘든 부분이 있었다. 하지만, 내용 외에라도 듣고 느낀 점을 정리해보았다.

   Plenary Talk Big Data Analytics and Decision Anlaysis for Manufacturing Intelligence to Empower Industry 3.5 (Chen-Fu Chien, Tsing Hua Chair Professor in NTHU, Taiwan)

  두번째 총회 연설은 Chen-Fu Chien 교수님이 하셨다. 요즘 최대 이슈인 Industry 4.0과 빅데이터를 설명하고, 반도체에서의 빅데이터에 대해서 강연을 해주셨다. 본인의 연구도 소개해주셨는데, 반도체 관련 다양한 분야에서 데이터마이닝을 적용한 연구가 상당히 많았다. 반도체 분야는 다른 분야에 비해 자동화가 많이 되어 있는 편이기는 하지만, 제조 분야의 이상점인 Industry 4.0을 위해서는 아직 많은 연구와 노력이 필요하다. 그러한 방향성을 제시하고, 빅데이터의 효용성에 대해서 설명한 좋은 강연이었다.

  Session 7: Statistics, Quality, and Yield 2 New Models for Burn-In of Semiconductor Devices

번인은 반도체 공정중 불량을 미리 제어하기 위하여 일종의 스트레스를 주는 공정이다. 한때는 양품인 제품에 과도한 스트레스를 주어 수율이 떨어진다는 의견도 있어 번인 스텝을 스킵하려는 움직임도 있었지만, 최근에는 제품의 미세화, 복잡화에 따른 수율, 품질 하락으로 불량을 사전에 제어하기 위한 번인의 중요도가 다시 높아졌다. 인피니언이라는 반도체 회사 출신인 발표자는 이 번인에 대한 모델을 제시하였는데, 데이터마이닝이라기 보다는 통계적인 접근 방법이었다. 번인에 대한 연구는 흔치 않은데, 경쟁회사에서 번인에 대한 연구를 통계적인 방법으로 접근한다는 것이 새로웠다.

이 밖에 다양한 발표가 진행되었는데, 한 발표자는 축구 동영상을 보여주며 발표를 시작하여 신선했다. 두가지 축구 동영상을 보여주며 발표를 시작하는 것이 2시간 남짓한 세션에서 청중들의 주의를 환기시키는 역할을 하였다. 또한, 발표 후에는 다양한 질문과 답변이 오갔는데, 좋은 질문보다는 질문을 위한 질문, 그저 발표자의 연구를 깎아내리는 듯한 질문도 있어 보기에 좋지는 않았다. 질문이나 코멘트를 하더라도 건설적인, 건강한 질문을 한다면 더 좋은 학회가 될 것 같다. 본인도 질문을 할 때에 그런 부분을 유의해서 해야 하겠다는 생각을 하였다.​