블로그

이재준

[한국산업기술협회 세미나 및 박람회] 스마트공장 SMT/PCB 불량유형별 분석대책 실무

SMT/PCB 품질 확보, 중요한 과제!!!불량 유형별 개선사례를 우리 기업에 적용 가능할까?다른 기업은 품질관리를 어떻게 하고 있을까? 최근 SMT 및 PCB 제조 공정에서다양한 불랑 사례가 지속적으로 보고 되고 있습니다!!!(솔더 브릿지, 부품미삽, 비아 홀 불량, 레이어 간 단락 등) 제조 공정서 발생하는 불량 줄이고, 신뢰성 높이는 것이기업 경쟁력의 핵심 요소!!! 이에 한국산업기술협회는SMT 및 PCB 최신 불량 유형 및 원인을 분석하고,효과적인 해결방안을 논의하며,생산성과 품질 향상 및 원가절감을 위한실질적인 인사이트를 제공하기 위해 세미나를 기획했습니다. 그리고 세미나에 참가하면"2025 스마트 SMT&PCB 어셈블리 박람회" 무료 참관 가능하다는 사실!!! 빠른 대안을 기획하고 운영하는 자만이미래를 선도할 수 있습니다. 많은 관심과 신청 부탁드립니다. 일시 및 장소 : 2025. 4. 3.(목), 10:00~17:00 / 수원컨벤션센터 106호사전등록 : 2025. 4. 2.(수) 까지참가비 : 200,000원 (사전등록) / 250,000원 (당일 현장 접수)참가비 할인 : 180,000원 (1업체 3인이상 접수시)신청 문의 : 02-6959-5562 / puma1708@kitanet.or.kr사전등록신청 : (구글폼) https://forms.gle/GmNgrLNAJa3sjDEYA세미나 등록 혜택 : "2025 스마트 SMT&PCB 어셈블리 박람회 무료 참관"기타 안내 : 교재, 강연파일, 다과, 중식 제공

반도체SMTPCB스마트SMTPCB어셈블리박람회세미나한국산업기술협회SMTPCB불량유형별분석대책실무품질확보품질관리원가절감

첨단 산업에 있어서의 미래의 공장과 우리의 미래

1984년 반도체 공장 입사했을 때만 해도 반도체 제조 방식은 물류, 생산, 수율, 품질관리 등 모든 것이 수작업에 의해 이루어 졌다. 1987년도에는 사진 공정 엔지니어로써 공정 및 설비를 관리하고 있었는데 신제품이 들어와 배선 공정이 바뀌어 기존의 방법으로는 생산을 할 수 없을 정도로 품질의 편차가 나빠 새로운 생산 방식을 찾지 않으면 생산이 중단되는 처지에 놓이게 되었다.그때 그 사건이 회사의 생산 방식이 일대 변화를 가져오게 된 계기가 되었으며 그때 적용되었던 공정이 작업자가 현미경을 보고 수작업으로 조건을 결정해서 생산하는 방식에서 자동으로 컴퓨터가 조건을 제시하여 생산하는 방식으로 바뀌게 되어 생산 및 수율 및 품질이 획기적으로 향상하게 되었다.반도체 공정은 제품별로 다르겠지만 보통 공정수도 400여개 공정이고 설비도 한 공정을 기준으로 수대에서 수십 대(보통 5만매당 500여대)씩 있으며, 설비 대당 관리해야 할 설비 항목수가 100여 개 라서 경우의 수가 너무 많아 수작업으로는 관리도 불가능 하게 되었다.제품 생산 기간도 한달반씩 걸려 중간에 어떤 설비에서 문제가 생겼을 경우 한달 뒤에나 수율 저하로 나타나 문제의 유무를 빨리 발견하여 해당 공정이나 설비를 DOWN 시키지 않으면 그 피해액이 말할 수 없을 정도로 커져서 실시간 설비 모니터가 되지 않으면 품질, 수율 사고를 막아 낼 수 없었다. 그래서 1990년부터는 지금의 IoT 개념인 설비 감시 시스템을 도입해서 실시간 설비의 각종 센서로부터 나오는 INPUT 시그날을 초단위로 모니터하여 설비의 이상유무를 조기에 발견하여 품질 사고를 미연에 방지하게 되었다.현재는 이런 생산 방식 등이 자동화된 생산 시스템을 통하여 생산, 수율, 품질, 물류, 스케쥴링시스템의 지속적인 고도화 과정을 거치면서 생산 공정 및 설비 상태가 실시간 모니터 되며 그 데이터를 분석해서 생산, 수율 및 품질, 물류 관리가 최적의 조건으로 자동화되어 생산되고 있는 것이다. 이는 지금의 빅데이터 개념이다. 디스플레이도 반도체와 마찬가지로 동일한 생산 방식을 적용하여 수율 및 품질을 확보하고 있다.반도체나 디스플레이 라인을 가보면 지금은 생산 직접 작업자는 거의 찾아볼 수 없다.기존 수작업에 의한 생산 방식은 생산 직접 작업자 기준 생산 라인당 총1600명(400명/교대조 x4교대조) 이 생산을 하는 방식에서 중앙 모니터링 룸에서 생산 라인의 모든 문제점들을 감시하고문제가 되는 공정 및 설비를 엔지니어 들에게 알려줘서 문제를 해결하는 작업 관리 인원이총 60명(15명/교대조 x 4 교대조)으로 작업 인원이 획기적으로 줄게 되었다.엔지니어는 단지 컴퓨터가 자동으로 제시하는 PM이나 공정 및 설비의 문제점들을 해결하면 되게 자동화되어 있다. 이렇게 생산 방식이 획기적으로 바뀌게 된 것은 하루 아침에 된 것이 아니라 1988년부터 현재에이르기까지 30년 동안 끊임없이 생산 방식을 시스템화 하여 혁신을 해왔기 때문에 가능하게되었다.  감히 말하건데 아마 경쟁사들이 이러한 생산 방식을 당분간은 쉽게 따라오지는못 할 것이다.같은 설비, 같은 원부 자재를 사용했어도 생산 시스템 안에 내재되어 있는 보이지 않는 시스템과 KNOW HOW는 쉽게 흉내 낼 수 없기 때문이다.그러면 미래에는 어떻게 생산 방식이 바뀌게 될 것인가?그것은 결국 현재까지 해온 것이 지금 회자되고 있는 4차 산업혁명인 SMART FACTORY, IoT,빅데이터, 인공지능 등의 이름은 없었지만 반도체, 디스플레이는 거의 같은 개념으로 30년 전부터 적용해 왔었기 때문에 생산 개념은 크게 달라 질것은 없겠으나 앞으로의 반도체 전쟁은 수율, 품질, 생산성과의 싸움이므로 더욱 더 극단적으로 첨예화된 TOOL들을 활용한 IoT, 빅데이터,인공지능을 통한 반도체, 디스플레이 생산 방식으로 고도화될 것이다.앞으로는 더욱 그 분야에 많은 인재들이 필요로 하게 될 것이며 이를 위하여 기업, 학교, 정부가 빅데이터 분야에 적극적인 인재 육성을 통해 더욱 고도화해야 중국처럼 빠른 속도로 따라오는 경쟁자들을 따돌릴 수 있을 것이다.

반도체

포도나무

반도체 Thin film 증착 공정 엔지니어는 어떤 일을 하는 사람일까요?

Thin film 증착 공정엔지니어는 어떤 일을 하는 사람일까요??제 나름대로의 정의해보자면,공정엔지니어는 "공학적 지식을 기반으로 실용적인 공정 문제를 해결하는 사람"입니다. 그렇다면, 실용적 공정 문제 해결이란 게 무엇이냐? 크게 두 가지로 나누어볼 수 있습니다. 첫번째로, 공정조건 : 레시피를 개선하는 업무입니다.요구되는 특정 스펙을 갖는, 어떤 박막을 증착하기 위해 압력, 온도, 가스, 유량과 같은 파라미터(parameter)를 수정하면서 해당 레시피를 개선하는 일을 합니다. 두번째로 설비 문제 개선 관련 업무입니다.공정 설비가 생각보다 고장이 매우 자주 일어납니다. 그렇기에 설비에 Error가 발생하면, 어떤 원인으로 Error가 났는지 확인하고 복구시키는 작업이 필요합니다.설비를 직접적으로는 설비 엔지니어가 담당하지만, 공정엔지니어 역시 설비엔지니어와 함께 issue를 follow up해야하며,설비 issue가 모두 clear된 이후 공정을 진행해보고, 설비가 정상인지: 이전 공정 결과와 동일한지 비교하는 업무를 수행합니다. 학교에서 배웠던 전공지식도 중요하겠지만, 실제 회사에서 업무를 수행해보면 학교에서 배우는 것과는 조금 거리가 있습니다.제가 실제 일을 해보면서 중요하다고 느꼈던 것은,공정 결과 데이터를 해석하고 간결하게 설명할 수 있는 능력이 중요하다는 것입니다.공정엔지니어는 주로 공정을 진행해서 데이터를 얻고, 그 데이터를 해석 및 간결화하여 상부에 보고하는 일을 합니다.그렇기에 데이터를 해석하고 설명하는 것이 가장 중요합니다. 이때 필요한 역량으로는 2가지를 꼽아볼 수 있습니다. 첫번째로, 통계적인 해석입니다.저는 통계적인 부분이 가장 중요하다고 생각하는데요.CVD공정 같은 경우에는(다른 공정도 마찬가지일 것입니다.) 워낙 parameter나 장비가 복잡하기 때문에,공정을 진행하면서 나온 방대한 데이터를 이론적으로 따져 보는 데에는 한계가 있고, 심지어는 이론이랑 잘 맞지 않는 결과가 나올 가능성도 많습니다.그래서 이 방대한 데이터에서 통계적으로 어떤 경향성을 띄거나 의미 있어 보이는 데이터를 추출하고 이를 해석하여 가설을 설정, 그리고 실험을 계획해서 공정 평가를 진행하고 결과를 해석하는 과정을 반복합니다. 예를 들어, 우리가 Silicon nitride라는 박막에서 요구되는 스펙으로 uniformity를 1% 이하로, 균일하게 만들어야 하는 업무를 받았다고 생각해보겠습니다.지금까지 진행했던 공정 데이터를 죽 모아서, 열심히 통계적으로 해석해봤는데.. 파라미터 A를 건드렸을 때 uniformity가 변한다는 걸 발견했다고 해보겠습니다.그렇다면 우리는 데이터 해석을 바탕으로 파라미터 A가 Silicon nitride의 uniformity를 변화시킨다는 가설을 설정합니다.이어서 파라미터 A를 건드려보는 실험 계획을 짜고, 평가를 진행하여 데이터를 확인합니다. 이때 예상대로 파라미터 A가 uniformity에 큰 영향을 준다는 것이 확인되면,파라미터 A를 적절히 변화시켜 우리가 원하는 스펙의 박막을 증착할 수 있습니다. 방대한 데이터를 다루는 일이기 때문에, 엑셀이나 Python, JMP 등 통계기반 툴을 다룰 줄 알거나, 통계 지식을 활용할 수 있다면, 업무를 수행하는 데 큰 도움이 될 것이라고 생각합니다. 두 번째로 공학적 지식입니다.데이터를 해석한 뒤에 타부서 엔지니어들에게 설명해야 하는 일이 많을 것입니다.단순히 통계 기반으로 공정을 진행하여 된다...에서 그치는 게 아니라,"이론적으로 어떤 원리로 파라미터 A를 증가시켰더니 uniformity가 1% 이하로 떨어진다"라고 설명하여 설득력을 높여야 합니다.또한 관련하여 이론적인 공부가 받침이 되어야 데이터를 추출하거나 실험을 계획할 때 훨씬 수월합니다. 혼자 찾아볼 때에는 구글링으로 논문이나 자료를 찾아보고,회사에 다니게 된다면 직장 선배에게 질문하는 것이 가장 효과적입니다.아무래도 이론과 실제 회사 업무에서의 차이가 있기 마련이기 때문에, 질문을 통해 배우고자 하는 자세를 갖는 것이 중요합니다.

반도체공정기술공정개발반도체

채널톡 아이콘