SK하이닉스, 반도체 생산에 인공지능 접목…'제로 불량률' 달성 목표

AI 딥러닝 적용해 웨이퍼 불량률 최소화
장비 이상 실시간으로 확인하는 시스템

SK하이닉스 반도체 공장 내부 전경.

SK하이닉스가 '제로 불량률' 달성을 위해 인공지능(AI) 기술을 도입하고 있다. 최근 페이스북, 아마존 등 글로벌 전자 업계에서 대규모 데이터 센터를 설립하면서 증가하는 반도체 수요를 공급이 쫓아가지 못하는 상황에서 불량률을 최소화해 생산 효율을 높이겠다는 계획이다.

이석형 SK하이닉스 데이터사이언스 그룹 PL은 7일 서울 강남 코엑스에서 열린 엔비디아 AI 컨퍼런스에서 "D램의 경우 20나노대 공정에서는 한세대 발전하는 기간이 1년 정도였지만, 10나노대에서는 2년 이상 걸리고 있다"며 "물리적 한계에 부딪히면서 기존 업무와 다른 방식으로 일해야 하는 상황에 직면했으며 AI 딥러닝에 주목하게 됐다"고 말했다.

SK하이닉스는 AI 딥러닝 기술을 반도체 제조 과정에 접목, 웨이퍼 불량률을 최소화하는데 활용하고 있다. 기존에는 SK하이닉스 패키지 공정에서는 불량 여부를 소프트웨어(SW)가 판단해왔다. 패키지 이미지를 사진 찍어, 미리 저장된 불량 사례와 비교하는 방식이었다.

이 PL은 "SW서 100장의 이미지가 불량이 있다고 판단했는데, 실제 엔지니어가 눈으로 살펴봤더니 진짜 불량은 1.5장에 그쳤다"며 "결국 전체 인력의 65%가 불량 판단을 받은 웨이퍼를 수작업으로 재검사하는데 쓰여 작업량이 늘어났다"고 말했다.

SK하이닉스는 자동으로 이미지를 분류할 수 있는 AIV 시스템에 딥러닝을 적용해 문제를 해결하고 있다. 이를 통해 불량이 있는데 발견을 못하는 미검률은 0%, 불량이 없는데 있다고 판단하는 과검률은 3%대까지 낮추는데 성공했다. 이 PL은 "이 시스템을 도입해 관련 작업량의 90%를 절감할 것"이라고 말했다.

이와 함께 SK하이닉스는 장비의 이상 감지를 최단 시간에 파악하는 시스템을 구축 중이다. 기존에는 엔지니어들이 수많은 장비들의 상태를 일일이 확인해왔다. 그러다 보니 장비가 문제가 생겼을 때 이를 조치하는데 수십분에서 수시간이 걸릴 수밖에 없었다.

이 문제를 해결하기 위해 SK하이닉스는 주요 장비들에 CCTV를 부착, 영상 모니터링 시스템을 갖췄다. 장비별로 각기 다른 4가지 유형의 영상을 촬영해 장비들의 정상 프로세싱을 빅데이터화하는 방식이다. 이를 통해 해당 장비가 정해진 루트를 벗어날 경우 AI가 이를 발견, 관리자에게 실시간으로 알려주게 된다.

이 PL은 "이미지 프로세싱 방식을 통해 장비가 이상하게 동작할 경우 인지 시간을 최소로 단축시켰다"며 "이에 따른 손실 역시 최소로 줄일 수 있게 됐다"고 말했다.

안하늘 기자 ahn708@asiae.co.kr