반도체 Process 데이터 분석을 통한 수율 관리 방안 도출 프로젝트 (SECOM)

개요

반도체 기업에서 수율 엔지니어에게는 데이터 분석 역량이 필수적이라고 생각했습니다. Pandas와 머신러닝을 학습하는 데 그치지 않고, 실제 반도체 제조 Process 데이터를 활용해 수율 저하의 원인을 분석하는 프로젝트를 진행했습니다.

문제 정의

• 590개의 Process 변수 중 수율(Pass/Fail)에 실질적인 영향을 주는 변수를 특정해야 했음
• 591개 변수(590개 Process 변수 + Pass/Fail) 중 538개 변수에 결측치가 포함되어 있어 그대로 분석에 사용할 수 없었음
• 단순 상관관계만으로는 다변량 Process 데이터에서 핵심 원인을 짚어내기 어려웠음

접근 방법

전처리

• Pandas를 활용해 결측치 비율 20%를 초과하는 32개 변수를 제거(591개 → 559개) — 20%는 데이터 정제에서 흔히 쓰는 관행적 컷오프를 기준으로 삼음. 실제로 제거된 32개 변수는 결측 비율 평균 66%(45~91% 범위)인 반면 남은 변수들은 결측이 있어도 평균 1.1%(최대 17.4%)로 두 그룹 사이 격차가 뚜렷해 20% 기준이 자연스러운 경계선이었음
• 남은 559개 변수의 결측치는 각 변수의 평균값으로 대체(fillna) — 결측치가 있는 행을 그대로 삭제했다면 전체 1,567행 중 590개 변수 모두 결측이 없는 완전한 행이 하나도 없어 데이터가 전부 소실됐을 것이고, 32개 변수 제거 후에도 완전한 행은 978개(62%)뿐이며 특히 희귀한 불량(Fail) 104건 중 67건만 남아 소수 클래스 손실이 컸을 것이므로, 행 삭제 대신 평균 대체를 택함

분석

• 정상/불량(Pass/Fail) 그룹 간 데이터 분포 비교
• Random Forest 모델을 활용해 불량 판별에서 중요도가 높은 핵심 변수(Feature Importance) Top 5 도출

Random Forest 기반 Process 변수 Feature Importance Top 5 (변수 ID: 59, 103, 348, 130, 33)

참고 : Feature Importance 수치 0.0225는 전체 변수 개수 대비 상대적으로 보면, 균등 분배 시 평균(1/558≈0.0018)의 약 12.5배로 변수 규모를 고려하면 뚜렷한 신호로 해석 가능하다고 한다.

결과 및 기여

분석 결과, 변수 59가 Importance 0.0225로 가장 높은 중요도를 보여 2위 변수(103, 0.0131)보다 뚜렷하게 앞섰습니다. 이를 바탕으로 변수 59를 우선 모니터링 대상으로 제안했습니다.

한 줄 소개

"제조 Process 데이터(SECOM)를 활용, Pandas 기반의 데이터 전처리 및 머신러닝(Random Forest)을 통해 수율 저하의 핵심 원인(Process 변수)을 규명하고 개선 방안을 도출한 프로젝트"

배운 점 & 향후 계획

• 결측치를 처리하고, 머신러닝 모델로 핵심 불량 원인을 특정하며, Process 개선점을 도출하는 엔지니어의 기본적인 문제 해결 전 과정을 경험함
• 단일 변수 상관관계가 아닌 모델 기반 변수 중요도로 접근해야 다변량 Process 데이터의 원인을 더 신뢰성 있게 짚어낼 수 있음을 체득
• 다음에는 XGBoost·LightGBM 등 다른 분류 모델과 성능을 비교하고, 도출한 핵심 변수를 실제 Process 관리도(SPC)와 연동해 실시간 이상 탐지로 확장해보고 싶습니다