생산수율 한계 극복을 이끌어줄 제조공정 인공지능

반도체 제조 공정에서 반도체 소자의 물리적, 전기적 특성 등을 측정하여 그 품질을 검사하고 제어하는 과정을 반도체 계측이라고 합니다. 이를 통해 제조 공정 중 발생하는 오차와 불량을 최소화하여 반도체 소자의 성능을 향상시키고 안정적인 생산을 돕습니다.

제조 공정에서 발생하는 데이터를 크게 이미지 데이터와 시계열 데이터로 구분을 합니다. 이미지 데이터는 대부분 사람의 눈으로도 볼 수 있어 육안 검사 또는 비전 검사 장비를 활용한 불량 탐지를 하게 됩니다.

스마트 팩토리, 4차 산업혁명, 제조 산업에서도 AI에 대한 관심이 높아지며 다양한 곳에서 이를 도입한 사례가 늘고 있습니다. AI 도입으로 업무 프로세스 개선, 운영 효율 향상 등 많은 성공 효과도 보고 있습니다. 그러나 현실적으로 많은 제조업에서 산업용 AI에 대한 유용함을 알면서도 도입을 망설이고 있는데요. 바로 정형화된 기준이 없어서입니다. AI 도입에 투자 비용은 얼마나 필요한지, 모델 개발에서 실현까지 얼마나 걸리는지, 데이터는 얼마나 필요한지 등 명확한 기준을 알지 못해 어려움을 겪고 있습니다. 이런 기준 없이 막연하게 시작하거나 충분한 데이터의 양이 없다면 PoC 프로젝트의 발전 가능성도 낮아지므로 문제 정의를 확실히 정리하고 도입을 시도하는 것이 좋습니다.‍

다양한 AI 기술을 활용하여 반복적인 일을 정확하게 수행함으로 업무의 효율과 사용자들의 편의를 극대화하고 있습니다. 특히 제조 산업은 스마트 팩토리 등 지능화 및 자동화를 통해 더 빠르고 정확하게 공정을 진단하기 위한 여러 활동을 펼치는 추세입니다. 그 중에 단연 딥러닝 기반의 AI 기술에 대한 많은 관심이 집중되고 있습니다.

무수히 많은 주파수의 주기와 방향들을 갖는 2차원 파동을 이용한 영상처리 방식을 푸리에 영상 처리 (Fourier Image Processing) 라고 부릅니다.

머신비전은 카메라와 조명 등과 같은 하드웨어에 인공지능 소프트웨어를 연결해 사람이 해오던 시각적 판단 과정을 대신하는 기술을 말합니다. 쉽게 말해 불량 검수자가 직접 눈으로 불량과 정상을 구분하던 일을 기계가 대신해 주는 것이죠. 제품 외관에 생기는 긁힘, 파편, 기타 결함 외에도 색상, 형태, 크기, 깊이, 문자 등을 판독하는 작업을 수행할 수 있습니다.