<학회후기>

지난 2017년 11월 4일 토요일 KAIST에서 개최된 대한산업공학회 추계학술대회를 다녀왔다. 지난 여수에서 열린 춘계학술대회는 신입생으로써 선배들 발표를 듣고, 다양한 연구를 접하는 목적으로 다녀왔다면, 이번엔 직접 내 연구를 발표하는 첫 학회였다. 그리하여 사전에 발표연습과 함께 슬라이드를 수 십 번 고쳤다. 이번 학술대회의 테마는 ‘4차 산업혁명과 산업공학’이었다. 전통적인 산업공학 무대인 제조업과 4차 산업혁명의 핵심 기술인 인공지능/머신러닝의 조화로 보면 내가 준비한 ‘반도체 제조라인 불량공정순서 탐지 및 혐의설비 탐색’의 연구는 이번 학술대회에 잘 어울리는 주제였다고 생각한다. 세션을 오고가며 다양한 연구와 발표자를 보았다. 학회를 와서 다시금 느낀 점은 내가 발표연습과 슬라이드를 준비하며 교수님과 선배들에게 조언을 들은 내용들이 ‘옳다’는 것이다. 이해가 잘되고 흐름이 끊기지 않은 발표가 있는가 하면 그렇지 않은 발표를 들으며 나도 모르게 속으로 그 조언들을 발표자에게 말하고 있었다. 그 때문인지 DMQA 스타일에 학습된 우리 연구실 인원들이 발표를 잘한다는 느낌을 많이 받았다. 물론 다른 스타일의 연구실 발표도 인상 깊게 들은 것이 많이 있어, 연구내용 뿐만 아니라 이런 식으로도 발표가 가능함을 배울 수 있었다. 또한 석사논문 경진대회 세션이 끝나고 일어나려던 찰나, 타 학교 대학원생이 명함을 주며 자신은 ‘정상 공정시퀀스(BoB)’의 연구를 하고 있어 내 연구주제에 관심이 있고, 자료를 공유해줄 수 없겠냐는 부탁과 함께 앞으로 연락하자는 말을 건네받았다. 정신없이 논문작성과 발표에만 신경 쓰고 부족함만 느꼈던 그간 수개월이 보람된 순간이었고, 이러면서 인맥이 형성되는 것이라고 느꼈다. 또한 학부시절 호랑이 선생님이었던 교수님이 대한산업공학회 총무이사로 있어 반갑게 인사드리는가 하면, 발표하려온 후배들과 교수님들을 만날 수 있었던 만남의 광장이었고, 오히려 오랜만에 햇살을 쬐며 연구실 사람들과 커피한잔 할 수 있었던 여유가 있어 기분 좋은 여행이 되었다.

<발표후기>

이번에 발표한 내 연구 제목은 ‘반도체 제조라인 불량공정순서 탐지 및 혐의설비 탐색’이다. 발표 시에는 ‘반도체 제조라인 불량공정시퀀스 탐지 및 원인구간 탐색’이라고 정정하여 발표했다. 슬라이드뿐만 아니라 논문작성 시에도 많은 고민을 안겼던 부분은 제목이었다. 다만 논문내용을 정확히 기입하는 것 보다 흐름을 쉽게 읽을 수 있도록 정정하여 발표하고자 했다. 또한 발표 제목 덕분인지 청취자, 특히 현업에 있는 분들이 많이 찾아와 주었다. 발표는 수 백 개의 공정 및 설비들로 이루어진 반도체 FAB공정에서 여러 품질문제 중 공정설비시퀀스에 기인한 불량품질이 존재함을 알리며, 순차패턴인식에 효과적인 기계학습 알고리즘인 Hidden Markov Model(HMM)을 모델링하여 크게 두 가지, 불량공정시퀀스 탐지(HMM 분류)와 원인구간 탐색(HMM hidden state 예측 응용)으로 분석절차를 설명하였다. 그리고 분석결과와 결론으로 마무리했다. 내가 생각하는 제안 방법론의 효과는 다음과 같다. 불량 혹은 정상의 대표 공정 순서를 정의하고자 했던 연구는 몇 있었지만 HMM을 적용했던 사례는 없었고, 변수선택기법, 혹은 기계학습 기반 변수선택이 가능한 알고리즘을 이용하여 혐의설비를 도출한 연구에 비해 설비 간 상관성이 높은 불량공정설비 시퀀스를 탐색했다는 데 의의를 두었다. 또한 반도체 공정내 불량품질을 유발하는 원인은 다양하지만, 공정순서에 기인한 품질예측과 동시에 혐의공정설비를 탐색한 것은 잘 알려진 원인들에 유의미한 변수(공정설비시퀀스) 하나를 더 해주었고. 산업현장에 적용했을 때, 현장 엔지니어의 의견을 수렴하여 유용하게 활용될 것이라고 생각한다.

내가 받은 질문은 총 두 가지다.

질문1: Epsilon 비율은 어떤 근거로 왜 정의 했는가.

답1: 각 시나리오별 생성된 총 15개 데이터별, 공정길이의 epsilon비율만큼의 길이를 갖는 특정 공정설비시퀀스를 지정했고, 그 공정설비 시퀀스를 포함한 관측치의 레이블은 ‘불량’이다. 또한 각 시나리오별 random하게 불량공정설비 시퀀스를 부여했고, epsilon 비율별 모두 이어진 구간과 떨어져 있는 구간의 경우를 나누어 데이터를 생성했다.

질문2: 실제 산업현장에서는 공정설비 조합의 수가 많고, 상황마다 달라지는데 이 방법론을 적용하여 효과를 볼 수 있겠는가.

답2: 모든 공정별 설비의 수를 고려할 만큼의 데이터로 실험한 결과는 아니다. 모든 조합을 고려한 데이터를 생성할 수도 있는데 때문에 데이터 확보가 중요하다. 또한 실시간으로 달라지는 공정순서를 즉각적으로 대응하겠다는 제안 방법론이 아닌, 그간의 공정설비이력으로 혐의공정설비를 탐색하여 관리대상을 찾는 데에 이 연구가 갖는 의의가 있다.

<청취후기>

‘Truck-Drone Routing Problem with a Drone Station’

이번 석사논문 경진대회 대상을 수상한 논문으로 발표자가 다리에 깁스를 하고 있어 기억에 남는 발표자였다. 이번 석사논문 경진대회 대상을 수상한 논문으로 수상식에서 ‘연구를 발로했다’는 사회자의 유머가 기억에 남는다. 최근 아마존으로부터 시작하여 드론물류가 형성이 되고 있고 트럭과 드론을 동시에 이용하는 트럭-드론 배송시스템이 탄생했다. 하지만 드론의 제한적인 가용범위로 인해 드론 관련 시설을 이용한 운용방법론에 대한 연구는 등한시 되고 있어 드론 가용범위를 드론 스테이션을 제안하여 새로운 트록-드론 시스템을 생성했다. 이 연구발표를 통해 SCM분야의 연구는 최신 산업의 적용이 덜하다는 내 고정관념이 완전히 깨졌다.