FDC란? 반도체 장비 데이터로 이상 찾기
Fault Detection & Classification을 단순 Alarm과 구분하고 Sensor Trace·Trend·공정 결과로 이상 후보를 검증하는 흐름을 배웁니다.
추천 읽기 순서용어사전어디까지 알아야 하나요?관련 직무
3줄 요약
- FDC는 장비·공정 데이터를 수집해 이상을 탐지하고 분류하는 체계입니다.
- 단일 Alarm보다 공정 구간·여러 신호·기준 패턴을 함께 활용할 수 있습니다.
- 이상 점수나 분류 결과는 원인 확정이 아니라 검증할 후보입니다.
이 페이지 목차
쉬운 설명: 숫자 하나보다 진행 과정 보기핵심 원리: Trace에서 비교할 특징 만들기단순 Alarm과 무엇이 다를까?왜 중요한가: 공정 이상을 빠르게 좁히기현업 연결: 탐지 → 원인 분리 → 검증자주 하는 오해공개 참고 자료쉬운 설명: 숫자 하나보다 진행 과정 보기
장비의 평균 압력이 같아도 한 번은 안정적으로 유지되고 다른 한 번은 공정 초반에 크게 흔들렸을 수 있습니다. Fault Detection & Classification은 압력·유량·온도·RF 등 장비 데이터에서 이런 차이를 찾아 분류하는 체계입니다. 복잡한 AI가 있어야만 FDC인 것은 아닙니다.
핵심 원리: Trace에서 비교할 특징 만들기
Trace는 시간에 따른 신호 기록입니다. 먼저 Lot/Wafer/Chamber/Recipe와 공정 Step을 연결하고 시간·단위·결측·Sampling을 맞춥니다. 이후 구간 평균·표준편차·안정화 시간·최대값 등 목적에 맞는 특징을 비교하거나 신호의 전체 형태를 비교할 수 있습니다.
정상 기준은 제품·장비·공정 구간에 맞아야 합니다. 다른 제품을 정상과 이상으로 잘못 섞으면 제품 차이를 고장으로 판정할 수 있습니다. 센서 상태와 측정 불확도도 기준 데이터에 포함될 수 있으므로 먼저 신뢰도를 확인합니다.
단순 Alarm과 무엇이 다를까?
| 관점 | 전형적인 단일 Alarm | FDC에서 더 살펴볼 수 있는 것 |
|---|---|---|
| 비교 대상 | 특정 신호의 정한 기준 | 구간별 특징·여러 신호·기준 패턴 |
| 시점 | 임계값 또는 이벤트 | 실시간 또는 Run별 비교 |
| 결과 | 주의·중단 등 대응 신호 | 이상 후보·유형과 조사 근거 |
이 구분은 개념 설명입니다. 실제 장비의 Alarm도 복합 규칙을 쓸 수 있고 FDC도 Alarm을 발생시킬 수 있습니다. 둘을 완전히 분리된 경쟁 기능처럼 생각하지 않습니다.
왜 중요한가: 공정 이상을 빠르게 좁히기
FDC는 공정 결과가 나오기 전에 변화 후보를 발견하거나, 불량이 나온 뒤 영향을 받은 Run을 찾는 데 도움을 줍니다. 탐지 민감도를 높이면 오탐이 늘 수 있고 기준을 넓히면 누락할 수 있습니다. False Positive와 False Negative를 업무 목적과 함께 평가합니다.
현업 연결: 탐지 → 원인 분리 → 검증
이상 Run의 Trace, Sensor·PM·Recipe 이력을 공정 결과와 비교합니다. 압력 변동과 RF 반사가 함께 보이면 시간 순서와 제어 대응을 살펴 공급·배기·측정·플라즈마 가설을 나눕니다. 분류 결과가 특정 원인을 가리키더라도 반복·반례·물리 설명으로 검증합니다.
AI 모델을 사용한다면 미래 정보를 학습에 섞는 시간 누수, 제품 변경과 기준 Drift도 확인합니다. 같은 Run이 학습·평가에 겹치면 실제 적용 성능을 과대평가할 수 있습니다.
자주 하는 오해
FDC 신호가 곧 고장 부품 이름인 것은 아닙니다. Alarm이 없다고 이상이 전혀 없는 것도 아닙니다. 센서가 많아지는 것보다 신뢰할 수 있는 데이터 연결·적절한 기준·검증 절차가 먼저입니다.
공개 참고 자료
개념 확인: 2026-10-06. 아래 공개 1차 자료를 참고해 FlashMemory가 학생용 설명·가상 예·학습 질문을 작성했습니다. 특정 기업의 내부 Recipe·Spec을 사용하지 않습니다.
어디까지 알아야 하나요?
아래는 FDC의 학습 목표입니다. 직무별 모듈에서 필요한 수준을 함께 확인하세요. 회사의 공식 평가 기준이나 합격 기준은 아닙니다.
설명할 수 있어야 합니다
탐지·분류·원인 확정을 나눕니다.
설명할 수 있어야 합니다
Trace·Step·기준 집단을 맞춥니다.
생각해볼 수 있어야 합니다
장비 데이터와 공정 결과를 연결합니다.
더 깊게 연결해보세요
오탐·누락·시간 누수와 모델 Drift를 점검합니다.
이 기술을 이해했나요?
공통 기초 · FDC가 이상이라고 하면 고장이 확정되나요?
아닙니다. 제품 차이·센서·수집 오류와 실제 공정 상태를 확인하며 원인 가설을 검증합니다.
직무 핵심 · 평균이 같아도 FDC에서 다르게 볼 수 있나요?
구간별 산포·안정화 시간·순간 변화·다른 신호와의 관계는 다를 수 있습니다.
실무 연결 · FDC 이후 확인할 데이터는?
동일 Run·Step의 신호, PM/Recipe·Sensor 이력, 영향/정상 조건과 공정 결과를 비교합니다.
심화 · AI FDC의 높은 평가 점수만 믿어도 되나요?
학습/평가 중복·미래 정보·제품 차이와 기준 변화가 없는지 확인하고 새 기간의 실제 결과로 검증합니다.