기계 학습 + 수십 년의 경험
PDF 솔루션은 빅데이터 인프라와 머신러닝 애플리케이션을 수십 년간의 제조 및 테스트 경험과 결합하여 고객에게 특정 성과를 달성하도록 맞춤화된 솔루션을 제공함으로써 기업이 인더스트리 4.0의 혜택을 누릴 수 있도록 합니다.
대량 생산에서 검증됨
당사의 제조업용 고급 인사이트(AIM)는 구성 가능한 지식 기반 시스템으로, 지속적인 계산과 사용자 입력을 학습하여 대량 생산 환경에서 신속하게 지능형 결정을 내립니다. 지난 10년간 당사는 빅데이터 및 머신러닝 역량을 활용하여 제조, 시험 운영, 조립 및 패키징 분야에서 고객에게 상당한 투자 수익률(ROI)을 제공하는 생산 검증 AIM 솔루션 제품군을 개발해 왔습니다.
AIM 솔루션 개요:
적응형 시그니처 진단(ASD)
ASD는 웨이퍼 수율 이상 징후 탐지, 분류 및 근본 원인 분석을 위한 자동화 시스템입니다. 새로 유입되는 웨이퍼는 공간적 특성을 분석하여 분류되며, 사용자의 입력에 기반한 머신러닝을 통해 실시간으로 정교화되는 '협업 학습(Collaborative Learning)' 기법을 적용합니다. 각 고유한 웨이퍼 범주에 대해 심층 분석이 자동 수행되며, 보고서를 통해 알려진 근본 원인의 재발을 확인하거나 웨이퍼 수율 손실의 새로운 잠재적 원인을 강조합니다.
ROI: 웨이퍼 수율 손실의 근본 원인을 기존 분석 기법보다 5배 빠르게 식별 및 차단하며, 전문가 지식을 머신러닝 모델에 반영하여 지속적인 개선을 실현합니다.
데이터 소스: 웨이퍼 분류/빈 분류, PCM, LEH/WEH, 계측, 불량, 툴 FDC
용량 및 효율 개선(CEI)
CEI는 Exensio 애널리틱스 플랫폼 내 장비 성능 추적(EPT) 기능을 활용하여 단계별 방법론을 통해 장비와 챔버 운영을 매칭함으로써 OEE(종합 장비 효율성), 팹 생산 능력 및 웨이퍼 처리량을 최적화합니다. 각 레시피 마이크로 단계에서 수집된 데이터는 장비 간 성능 불일치를 포착하며, 이는 장비 FDC 데이터에 대한 상세한 분석을 통해 제거됩니다.
ROI: 병목 공정 장비 용량 10% 향상, 효율성/처리량 20% 이상 개선, 제조 처리량 모델 편차에 영향을 미치는 레시피 대 설정 및 장비 하드웨어 문제의 신속한 식별.
데이터 출처: 공구 센서 FDC 데이터
소모품 비용 절감(CCR)
CCR 솔루션은 Exensio 애널리틱스 플랫폼의 핵심 모듈인 공정 제어 모듈이 수집한 eBOM 데이터셋을 활용합니다. 이 데이터셋에는 ERP, MES, EAM, FAC 데이터는 물론 소모품, 유지보수 부품 및 자재, 화학물질 및 재료 구성 보고서가 포함되어 체계적으로 자재 소비를 줄이고 사용을 최적화하며 재료 구성 편차를 포착합니다. 구조화된 분석 워크플로를 통해 성능이 저조한 도구, 부품 및 공급업체를 식별하여 사용자에게 최적화 프로세스를 안내합니다.
ROI: 자재 소비 비용 절감, 수율 및 신뢰성 편차 감소, 부품 및 자재 사용 최적화
데이터 소스: 소모품 배치 ID, 이벤트 데이터, 레시피 ID, FDC 데이터, 생산 관리 정보, 재료 구성 보고서, MES 데이터
초기 생명체 실패 감지(ELF)
ELF 솔루션은 수율과 현장에서의 신뢰성 결함 사이의 품질 비용 절충점을 최적화합니다. "Part Average Testing"(PAT)과 같은 기존의 이상치 알고리즘은 초기 수명 내 결함 위험이 있는 부품을 식별하고 선별하는 데 자주 사용됩니다. Exensio의 ELF는 PAT를 뛰어넘어 Exensio 애널리틱스 플랫폼의 엔드투엔드 데이터베이스 및 인프라를 활용하여 포괄적인 다이 품질 등급 평가 및 위험 분류 솔루션을 제공합니다. 여러 데이터 소스에서 생성된 고급 지표는 새로운 정보(예: 8D 보고서, FA에서 발견된 근본 원인, 추가 입고 RMA 등)가 드러남에 따라 적응하는 다변량 머신 러닝 접근 방식으로 분석됩니다.
ROI: 웨이퍼 분류 단계에서 고위험 다이(die)를 검출하여 품질 및 신뢰성 문제 발생을 방지
데이터 소스: 웨이퍼 분류, 최종 테스트, PCM, 번인, 반품, 불량, 계측, LEH/WEH, FDC
장비 고장 보호(ETP)
ETP는 웨이퍼 팹 및 조립 라인을 위한 차세대 FDC 솔루션입니다. 표준적인 FDC 데이터 수집, 특성 선택 및 SPC 경보 한계 설정 방식을 뛰어넘어, ETP는 FDC 데이터를 장비 이벤트와 연계하고 AI 및 ML을 활용하여 비정상적인 장비 센서 추적을 양호/불량/알 수 없음으로 감지 및 분류합니다. 이 분류 시스템은 사용자가 새로운 신호를 판단하고 근본 원인을 식별함에 따라 적응하여, 신속한 문제 탐지 및 억제를 가능하게 합니다.
ROI: 일일 생산량 +1%, 공장 생산량 +5%, 라인 수율 +2%, 장비 가동률 +2%, 엔지니어링 인력 절감 효과
데이터 소스: 공구 센서 FDC 데이터 및 공구 이벤트
지능형 자재 배치(IMD)
"재료 검토 위원회"(MRB)는 출하 제품의 품질을 개선하기 위해 흔히 사용되는 기법입니다. IMD 솔루션은 MRB 프로세스에서 수작업과 인적 오류로 인한 변동 빈도를 획기적으로 줄입니다. 각 고객사의 비즈니스 및 제품 라인의 특정 품질 기준을 반영한 자동화된 워크플로우를 구현하여, 시간이나 며칠이 아닌 단 몇 분 만에 롯 및 웨이퍼 품질 등급을 제공합니다. 포괄적인 분석과 완전한 자동화는 일관된 결과와 고품질 의사 결정을 보장합니다.
ROI: 웨이퍼 배치에 대한 엔지니어링 노력을 50% 이상 절감합니다. 누락을 방지하고, 웨이퍼 배치의 일관성과 의사 결정 품질을 향상시킵니다.
데이터 출처: PCM/WAT , 웨이퍼 분류/빈 분류, 최종 테스트
스마트 테스트
제조 복잡성, 첨단 패키징 기술, 고밀도 칩 설계가 복합적으로 작용하여 웨이퍼 정렬 및 최종 테스트 비용을 상승시킵니다. 엑센시오의 스마트 테스트 솔루션은 머신 러닝을 활용해 각 제품 다이와 연관된 방대한 데이터 세트에서 미세한 신호를 찾아내고, 인공지능을 적용해 테스트 흐름을 조절함으로써 더 낮은 비용으로 더 높은 제품 품질을 달성합니다. 이 AI/ML 접근법은 최고 품질의 다이를 선별하여 번인(Burn-in)과 같은 고비용 테스트 항목을 생략할 후보로 지정함으로써, DPPM 요구사항을 충족하면서도 테스트 비용을 최적화합니다. PDF가 머신 러닝 알고리즘을 제공하거나 고객사가 자체 알고리즘을 사용할 수 있습니다. 본 시스템은 생산 운영을 위해 설계되어 OSAT의 테스트 플로어 '에지(edge)'에 설치되며, 효율적이고 지연 시간이 짧은 운영, 높은 가동률, 최소한의 데이터 손실을 보장합니다.
ROI: 번인(burn-in) 요구 사항을 30~60% 감소시켜, 테스트 규모 및 비용에 따라 연간 최대 수백만 달러를 절감합니다.
데이터 출처: PCM/WAT , 웨이퍼 분류, 최종 테스트, (및 이용 가능한 경우 계측, 불량, MES 및 FDC 데이터)
수율 인식 FDC
YA-FDC는 Exensio의 "빅데이터" 플랫폼을 활용하여 공정 변동성을 개선하고, 기능적 및 파라메트릭 수율에 영향을 미치는 장비 상태와 변동성 원인을 식별하며, 핵심 매개변수를 파악하는 독자적인 분석 및 모델링 기법으로 적절한 SPC 한계를 설정하는 기술과 서비스의 결합체입니다. 분석은 보고 및 대시보드를 통해 자동화되어 수율, 변동성 및 편차에 대한 신속한 개선을 주도합니다. AI/ML은 정밀한 피드백 및 피드포워드 제어를 위한 예측 모델, 공구 가용성 최적화를 위한 예측적 예방정비(PM), 적응형 인라인 샘플링을 위한 가상 계측(Virtual Metrology)을 제공합니다.
ROI: +8% 수율 향상, +40% 이탈 감소, +7% 빠른 신제품 도입 학습률
데이터 출처: 툴 센서 FDC 데이터, 계측, 불량, PCM/WAT, 웨이퍼 분류, 테스트, 조립
