반도체 스마트팩토리, AI가 제조 현장을 바꾸는 방식

대형 우편물류센터에서는 편지와 택배가 바코드 하나를 달고 수십 개의 분류기를 거쳐 목적지로 갑니다. 어느 구간에서 멈췄는지, 어느 분류기가 자꾸 오분류를 내는지를 시스템이 먼저 알려 주기 때문에 사람은 예외 상황에만 손을 대죠.

반도체 팹은 이 문제를 훨씬 어렵게 안고 있는 공장입니다. 오늘 다룰 반도체 스마트팩토리는 장비와 웨이퍼가 만들어 내는 데이터를 모으고, 그 데이터로 이상을 찾고, 공정을 보정하고, 웨이퍼의 이동까지 제어하는 체계를 가리킵니다.

반도체 스마트팩토리가 필요해진 이유

웨이퍼 한 장이 칩이 되려면 수백 개의 공정 단계를 거치고, 단계마다 장비는 온도, 압력, 가스 유량, 전력 같은 많은 변수를 동시에 제어합니다. 변수 하나가 조금만 어긋나도 그 영향이 몇 단계 뒤의 불량으로 나타나기도 해서, 원인을 거슬러 올라가기가 쉽지 않습니다.

여기에 한 가지 제약이 더 붙습니다. 우편물은 잘못 분류되면 다시 보내면 되지만, 식각이 과하게 진행된 웨이퍼는 되돌릴 방법이 거의 없습니다. 그래서 불량을 나중에 발견하기보다 일어나는 순간, 또는 일어나기 전에 잡으려는 요구가 커집니다.

이 요구를 데이터와 자동화로 풀려는 흐름이 스마트팩토리입니다. 앞선 글에서 다룬 SPC가 측정 결과를 보고 판단하는 방식이었다면, 스마트팩토리는 장비가 내보내는 원시 신호를 공정이 진행되는 동안 활용한다는 점이 다릅니다.

이 순환이 끊김 없이 이어질수록 공장은 데이터에 반응하는 쪽으로 움직입니다. 이어지는 장에서 이 순환의 각 칸을 담당하는 기술을 차례로 보겠습니다.

장비 데이터에서 시작하는 FDC와 가상 계측

FDC: 장비의 이상을 공정 중에 잡는다

FDC(Fault Detection and Classification, 이상 감지 및 분류)는 장비 센서 신호가 정상 범위나 정상 패턴에서 벗어나는지 감시하고, 벗어났다면 어떤 유형의 문제인지 분류하는 시스템입니다. 예를 들어 식각 챔버의 압력이 평소와 다른 모양으로 흔들리면 알람을 내고, 해당 Lot를 잠시 멈추게 할 수 있습니다.

SPC와 가장 다른 점은 보는 대상입니다. SPC는 주로 공정이 끝난 뒤의 측정 결과를 관리하지만, FDC는 공정이 진행되는 동안의 장비 신호를 봅니다. 측정까지 기다리지 않으므로 문제를 더 이른 시점에 발견할 수 있습니다.

가상 계측: 재지 않은 웨이퍼의 결과를 예측한다

가상 계측(VM, Virtual Metrology)은 장비 센서 데이터와 과거 측정값 사이의 관계를 모델로 학습해, 실제로 측정하지 않은 웨이퍼의 결과를 예측하는 기술입니다. 계측 장비를 쓰면 시간과 비용이 들기 때문에 모든 웨이퍼를 재기는 어렵고, 보통 일부만 골라 측정합니다.

이때 측정하지 않은 웨이퍼가 빈칸으로 남는데, 가상 계측은 이 빈칸을 예측값으로 메웁니다. 다만 예측값은 어디까지나 모델의 추정이라서, 실제 측정과 정기적으로 비교해 모델이 현실에서 벗어나지 않았는지 확인하고 필요하면 다시 학습시켜야 합니다. 그래서 가상 계측은 실측을 대체하기보다 실측 사이를 보완하는 도구에 가깝습니다.

이처럼 반도체 스마트팩토리의 출발점은 거창한 AI가 아니라 장비 신호를 빠짐없이 모으고 제대로 연결해 두는 일입니다.

공정을 스스로 보정하는 APC와 이상 탐지

APC(Advanced Process Control, 고급 공정 제어)는 측정 결과를 받아 다음 공정의 조건을 자동으로 조정하는 제어 방식입니다. 앞 Lot의 측정값이 목표에서 조금 벗어났다면 다음 Lot의 식각 시간이나 연마 시간을 그만큼 보정해서 편차를 줄이는 식이죠. 이처럼 Lot 단위로 레시피를 고쳐 가는 방식을 Run-to-Run 제어라고 부릅니다.

이 방식은 결과를 뒤로 되먹이는 피드백과, 앞 공정의 결과를 보고 뒤 공정의 조건을 미리 바꾸는 피드포워드로 나뉩니다. 장비가 서서히 변해 가는 드리프트를 사람이 일일이 쫓지 않아도 되는 것이 장점입니다.

그러나 보정이 잘 돌아가면 장비 상태는 신경 쓰지 않아도 된다는 생각은 위험합니다. 자동 보정이 장비의 점진적인 열화를 가려 버리면, 어느 날 보정 범위를 넘는 순간 갑자기 불량이 터질 수 있기 때문입니다. 보정량 자체를 관리 대상으로 삼아야 하는 이유입니다.

여기에 머신러닝 기반의 이상 탐지(Anomaly Detection)가 더해집니다. 정상 상태의 데이터 패턴을 학습해 두고, 새 데이터가 그 패턴에서 얼마나 멀어졌는지를 점수로 매기는 방식입니다. 단순히 상한과 하한을 넘었는지만 보는 규칙보다, 여러 변수가 함께 미묘하게 달라지는 경우를 포착할 수 있다는 점이 강점입니다.

다만 이상 점수가 높다는 사실이 곧 원인을 알려 주지는 않습니다. 잦은 오탐은 현장의 신뢰를 갉아먹기 때문에, 알람이 나왔을 때 무엇을 확인해야 하는지까지 함께 설계해야 도구로 쓸 수 있습니다.

웨이퍼를 나르는 AMHS와 가상의 팹

AMHS: 팹 안의 물류 체계

팹 안에서 300mm 웨이퍼는 FOUP(Front Opening Unified Pod)라는 밀폐 용기에 여러 장씩 담겨 이동합니다. 이 용기를 장비 사이로 자동으로 나르는 체계가 AMHS(Automated Material Handling System, 자동 반송 시스템)이고, 천장 레일을 달리는 OHT(Overhead Hoist Transport)가 대표적인 수단입니다.

사람이 직접 나르면 입자 오염과 실수의 위험이 커지는데, 자동 반송은 이를 줄이는 동시에 어느 장비가 비었는지, 어느 Lot를 먼저 보내야 하는지를 스케줄링과 함께 결정합니다. 우편물류센터의 컨베이어와 비슷해 보이지만, 우편물은 한 번 분류되면 끝나는 반면 웨이퍼는 같은 장비 구역을 여러 번 되돌아오며 수백 단계를 거친다는 점이 다릅니다. 이 복잡한 흐름이 팹 전체의 생산 시간에 영향을 줍니다.

디지털 트윈: 컴퓨터 안에 만든 가상의 팹

디지털 트윈(Digital Twin)은 실제 설비와 흐름을 가상 공간에 본뜬 모델입니다. 장비 배치를 바꾸거나 Lot 투입 순서를 조정했을 때 반송이 어디서 막힐지를 실제 팹을 건드리지 않고 미리 시뮬레이션할 수 있습니다.

한계도 분명합니다. 모델이 현장의 복잡한 변수를 충분히 반영하지 못하면 예측이 어긋나고, 장비와 공정이 바뀔 때마다 모델도 함께 갱신해야 하는 유지 비용이 따릅니다. 거울이 실제와 달라지는 순간 그 거울로 내린 판단도 틀어지는 셈이죠.

도입 수준에 대한 오해와 현장의 현실

가장 흔한 오해는 AI를 도입하면 공장이 사람 없이 저절로 최적화된다는 생각입니다. 현실에서는 센서 신호의 시간 정렬, 장비 제조사마다 다른 데이터 형식, 웨이퍼 이력과의 연결 같은 기초 작업이 성패를 좌우합니다. 모델은 이 기초 위에서만 제 역할을 합니다.

두 번째 오해는 자동화가 많을수록 스마트하다는 생각입니다. 자동화는 정해진 일을 기계가 대신하는 것이고, 스마트는 데이터로 상황을 판단해 스스로 조정하는 것이라 서로 다른 개념입니다. 반송이 완전 자동이어도 이상 판단을 전부 사람에게 맡기고 있다면 스마트하다고 하기 어렵습니다.

또 한 가지 짚어 둘 점은 도입 수준입니다. 어떤 회사가 어느 팹에서 어디까지 적용했는지는 공정 세대, 장비 구성, 데이터 인프라에 따라 달라서 공개된 자료만으로는 단정하기 어렵습니다. 이 글의 내용은 업계에서 일반적으로 쓰이는 개념의 틀이며, 개별 회사의 현황으로 읽으면 안 됩니다.

스마트팩토리 요소별 비교 표

구분	핵심 질문	주로 쓰는 데이터	작동 시점	조심할 점
FDC	장비가 지금 정상인가	장비 센서 신호	공정 진행 중	알람 기준이 느슨하면 놓치고 빡빡하면 오탐
가상 계측	재지 않은 웨이퍼의 값은 얼마인가	센서 신호와 과거 측정값	공정 직후	예측값이므로 실측으로 정기 검증
APC	다음 조건을 얼마나 고칠까	측정 결과와 앞 공정 결과	Lot 사이	보정이 장비 열화를 가릴 수 있음
이상 탐지	평소 패턴에서 얼마나 벗어났나	다변량 신호, 결함 이미지	공정 중 또는 직후	원인까지 알려 주지는 않음
AMHS	어떤 Lot를 어디로 보낼까	장비 상태, Lot 우선순위	상시	병목이 생기면 전체 생산 시간에 영향
디지털 트윈	바꾸면 어떻게 될까	설비 배치와 흐름 모델	계획과 검토 단계	모델이 현실과 어긋나면 판단도 어긋남

핵심 정리

반도체 스마트팩토리는 장비 데이터를 모아 FDC와 가상 계측으로 보고, APC와 이상 탐지로 보정하며, AMHS와 디지털 트윈으로 흐름을 다루는 체계입니다. 우편물류센터가 바코드 하나로 모든 구간을 추적하듯, 팹은 Lot와 장비의 이력을 데이터로 이어 붙여 되돌릴 수 없는 공정의 위험을 줄입니다.

다만 웨이퍼는 우편물과 달리 한 번 잘못 가공하면 돌이킬 수 없고, 모델은 언제든 현실과 어긋날 수 있습니다. 용어를 외울 때는 각 기술이 어떤 데이터를 보고 어느 시점에 작동하는지를 함께 정리해 두세요. 실제 도입 수준은 회사마다 다르므로 지원하는 곳의 사례는 직접 확인해야 합니다.

면접 대비 질문