반도체 패키지의 소형화 및 집적도 향상에 따라 반도체 품질검사가 점차 더 어려워지고 있다. 공정이 더욱 정밀해짐에 따라 반도체 성능에 직접적 영향을 주는 ‘킬러 결함’의 크기가 더 작아지고, 이미지 속 노이즈와 결함의 구분 난이도가 더 높아진 것이다. AI, 빅데이터 등의 다양한 ICT 기술과 접목되며 고도화를 거듭하는 머신 비전 시장에서 현재 가장 주목할만한 트렌드는 바로 ‘AI 딥러닝 기술’이다.
딥러닝이 주도할 차세대 반도체 품질검사 시장
딥러닝은 사전에 정해진 규칙이나 조건에 의존하지 않고, 이미지나 영상 데이터에서 패턴, 형태, 색상 등의 특징을 자동으로 추출하고 이를 기반으로 결함을 학습하여 탐지한다. 이 과정에서 전통적인 비전 검사 방식으로는 탐지하기 어려운 수준의 정교한 특징점까지 구분하고, 변형이 많은 복잡한 패턴의결함을 정확하게 검출해낸다. 딥러닝의 이러한 특성으로 사이즈가 작고 밀도가 높은 반도체에 있어서도 빠른 속도의 고정밀 비전 검사 가능해진 것이다.
한편, 딥러닝 기술을 활용 시 환경 변화가 잦은 공정에서도 유연하게 대처할 수 있고, 신규 자재에 대한 빠른 검사 적용이 가능하다. 뿐만 아니라 결함 데이터 부족 문제도 해결한다. 정상 데이터만을 학습하는 ‘비지도 학습(Unsupervised Learning)’ 방법을 적용하는 경우, 결함 데이터 수집, 결함 유형 정의 등이 불필요하다. 즉, 정상 데이터만 있어도 양·불 판정이 가능한 모델을 생성할 수 있는 것이다. 이러한 다양한 효용으로 인하여 딥러닝 기술은 전통적인 머신 비전의 방식의 한계를 보완 및 대체하며 각광받고 있다.
뉴로클 솔루션 성공 사례: 반도체 웨이퍼 전문 장비사 A기업
최근, 룰베이스 기반의 ROI 방식으로 웨이퍼 결함을 검사하던 프로세스를 뉴로클의 AI 딥러닝 솔루션으로 대체하여 품질 향상 및 비용 최적화에 성공한 사례가 있어 눈길을 끌고 있다.
A사는 AOI 설비에서 룰베이스 기반의 검사 방식으로 반도체 웨이퍼 패턴 상의 정상(Normal)과 결함(Crack)을 선별하고 있었다. 그러나 해당 방식은 제조 공정이 복잡하거나 프로그래밍 된 기준을 벗어나는 비정형 결함의 검출이 불가하다는 단점을 갖고 있었다. 또한 규칙을 추가할 때 마다 해당 규칙을 일일이 프로그래밍하는 엔지니어의 리소스가 필수적이었으며, 유지 및 보수하는 과정에서도 많은 이력과 시간이 소요된다는 한계점을 지니고 있었다.
고도화된 비전검사 도입의 필요성을 절실히 느낀 A사는 한 산업 전시회를 통해 뉴로클과 연이 닿았다. 뉴로클은 AI 딥러닝 비전 솔루션 전문 기업으로, 업계최고 수준의 대형 장비사 및 협력업체와 함께 Total 솔루션을 제공한다. LG, SK, 현대자동차 등의 유수의 대기업과의 다수의 산업 특화 프로젝트를 통해 전문성을 확보해온 뉴로클과의 협업을 통해, A사는 반도체 웨이퍼의 검사 정확도 및 리소스 절감을 성공적으로 이루어 낼 수 있었다.
관건은 고성능 모델 생성…핵심 기술인 ‘오토딥러닝 알고리즘’으로 한방에 해결
이번 프로젝트의 목적은 9,700장의 학습 이미지를 활용하여, 정상과 불량(Crack)을 성공적으로 분류하는 Classification모델을 생성하는 것이었다.
이번 프로젝트를 성공적으로 이끈 데에는 딥러닝 모델 생성용 소프트웨어인 ‘뉴로티(Neuro-T)’ 내에 탑재된 ‘오토딥러닝 알고리즘(Auto Deep Learning Algorithm)’의 공이 컸다. 이는 딥러닝 모델 구조와 학습 파라미터를 자동으로 최적화하여 고성능의 검사 모델을 생성하는 기능이다. 일반적인 딥러닝 비전검사의 경우, 원하는 수준의 성능을 내는 모델이 생성될 때까지 끊임없이 재학습을 반복하는 과정을 거친다. 반면, 오토딥러닝 비전검사는 한 번의 클릭으로 최상의 모델을 생성하여, 딥러닝 전문가가 아니더라도 검출 정확도가 높은 모델을 만들 수 있다는 강점을 갖는다. A사 품질관리팀은 해당 기능을 활용하여 최소한의 학습 횟수로 최적의 성능을 내는 모델을 생성할 수 있었다.
다양한 자동화 기능으로 프로젝트의 효율성 가속화
한편, A사 품질관리팀은 AI 딥러닝 프로젝트에서 일반적으로 가장 많은 리소스가 투여된다는 ‘데이터 레이블링’ 단계에서도 리소스를 획기적으로 절감할 수 있었다. 이는 바로 소수의 이미지에만 레이블링을 하면 나머지 이미지에 있어 자동으로 레이블링 영역을 추천해주는 ‘Auto-Labeling’ 기능 덕분이었다.
그 밖에도 Neuro-T에서 제공하는 다양한 기능을 활용하여 딥러닝 프로젝트의 편의성과 효율성을 크게 향상시킬 수 있었다. 모델을 다시 생성해야 하는 경우, 짧은 추가 학습만으로도 고성능의 모델을 생성할 수 있도록 도와주는 빠른 재학습(Fast Retraining), 생성한 검사 모델을 현장에 적용하기 이전에 사전에 성능을 검증 및 평가할 수 있는 인퍼런스 센터(Inference Center) 등이 그 예이다. 자동으로 모델링과 라벨링을 지원하는 혁신적인 기능으로 ‘획기적인 리소스 절감’과 ‘검사 정확도 극대화’라는 두 가지 토끼를 잡은 셈이다.
최소한의 리소스로 최대화의 효율을 이끌어내는 뉴로클의 솔루션 도입으로, A사는 기존 검사 인원 80% 이상 절감, 프로젝트 수행 기간 3분의 1수준 단축, 과검 및 미검율 1% 미만이라는 쾌거를 이루어 낼 수 있었다.
한편, 뉴로클은 오는 25일 코엑스에서 개최되는 SEDEX에 참가하여 자사의 AI 비전검사 솔루션을 홍보할 예정이다. 뉴로클의 AI 딥러닝 비전검사 솔루션은 웨이퍼 표면 결함 검사, 와이어본드 결함 검사, 집적회로 리드 외관 검사 등에 활용되어 외부 오염원과 표면 결함을 탐지할 수 있다.
Comments