2020년 11월13일 금요일 대한산업공학회 추계학술대회를 비대면으로 Zoom으로 진행되었다. 집에서 원하는 연구를 듣는것이었는데 좋았던점은 발표자에게 피해를 끼치지 않고 어느 발표장이든 들어가 볼수 있었던 점이 좋았고 단점은 오프라인이면 듣고싶은 세미나 하나 잡고 들어가서 집중적으로 들으면서 토론을 할수 있었을 텐데 Zoom으로 들으니 여기저기 듣게 되면서 집중해서 듣지 못한점이다. 장단점이 있겠지만 나는 직접 참가해서 듣는 오프라인이 더 현장감도 느끼고 더 잘 듣게 되는 거 같았다. 빨리 코로나가 사라졌음 한다.

[발표 후기] 메타러닝을 통한 반도체 신규 장비의 빠른 검증

내가 발표한 시간은 10시반으로 대한산업공학회에서 2번째 발표하는 것이었다. 작년에는 정말로 너무 떨려서 아무것도 보이지 않았는데 이번에는 비대면이고 그래서 그런지 막 떨리지는 않았다. 발표한 내용은 기존의 연구에서 더 진행하여 더 적은 데이터만을 가지고 있을때에도 충분한 예측성능을 보여줄 수 있는 메타러닝을 이용하여 새로운 반도체 장비가 들어왔을때 조금의 데이터만 모아서 바로 적용가능하여 실제 산업에서도 도움이 되도록 하는 방법을 제안하였다. 다행히 질문에 대해 잘 대답을 하였고 그 이후 발표자들의 내용을 잘 청취하였다. 다른 발표자들이 발표를 참 잘하는것을 들으면서 발표실력을 좀 더 노력해야겠다는 생각이 들었다.

[청취 후기] 웨이퍼 맵 패턴 군집을 위한 합성곱 오토인코더를 활용한 자가 지도학습 기반의 동적 클러스터링

웨이퍼 빈 맵은 그 패턴을 발견하는 게 중요하지만 지금까지는 사람이 진행하였다. 이를 사람이 하지않고 새로운 패턴이 등장할때 대응할 수 있는 방법론을 얻기 위해 동적 클러스터링 모델을 제안하였다. Dynamic Clustering을 하기 위해 CAEs를 활용한 pre-training을 하고 Pseudo label을 하기 위해 self-supervised Learning으로 클러스터링과 fine-tuning을 진행하였다. 이렇게 새로운 패턴에 자유로울 수 있도록 특정 군집 개수에 국한되지 않는 Dynamic clustering을 적용한 게 발표의 중요 포인트였다. 실제로 반도체 빈 맵 구분이 점점 어려워 지는데 이렇게 새로운 패턴이 생겨도 모델이 자동적으로 군집을 구성하여 클러스터링을 해준다면 도움이 될것으로 판단되었다.

[청취 후기] 불확실성 기반 Reject option을 활용한 wafer map 불량 패턴 분류 반자동화

반도체 제조공정에서 반도체는 최종 완성되기까지 3~4개월 소요되는 공정으로 수율향상을 위햐여 불량률을 줄이는 것이 매우 중요한데 그중 웨이퍼 맵 불량 패턴 분류는 생산 공정 또는 설비상의 특정 문제점과 일대일로 관련이 있어 비슷한 패턴의 불량은 동일한 불량원인을 가지고 있을 확률이 높아서 정확한 웨이퍼 맵 불량 패턴 분류는 매우 중요하다. Reject Option이란 오분류 비용이 높은 제조, 의료등에서 완벽에 가까운 분류 정확도가 필요한데 완벽한 성능의 모델을 만드는 것은 불가능하므로 모든 웨이퍼 맵 분류 모델을 통해 예측하는대신 분류 모델의 inference phase에 reject option을 적용해 Near-Perfect Accuracy의 예측이 가능하도록 함을 목표로 반자동화를 한다. 이 발표로 Uncertainty quantification의 개념을 좀더 잘 알게 되었고 대부분의 웨이퍼 맵의 패턴 분류는 자동으로 정확하게 분류되고 분류하기 어려운 웨이퍼 맵만 잘 리젝하여 좋은 분류모델을 만들수 있다고 생각한다. 하지만 최근 연구되는 방향은 멀티 패턴 종류인데 이번 발표는 원 패턴 분류라 조금 아쉬운 점을 느꼈다.