제조 데이터 검증 실습 — Wafer/Lot 중복·재검·제품 구성 효과 분석

가상 Wafer Test CSV로 중복·재검·결측을 제외하고 최초 수율과 제품별/전체 집계 차이를 비교하며 원인 오판을 막는 실습입니다.

심화 · 제조 데이터와 수율 실습 · 업데이트 2026-10-19

추천 읽기 순서 · 용어사전 · 어디까지 알아야 하나요? · 관련 직무

이 실습에서 실제로 해볼 일

Wafer Test 결과를 CSV로 받아 수율을 계산할 때는 먼저 분모와 데이터의 단위가 같은지 확인해야 합니다. PE Test Data는 Bin과 Test Yield를, Wafer Map은 위치 패턴을 설명합니다. 이번 실습은 중복/재검/결측을 찾아낸 뒤 올바른 비교 집단을 만들고, 전체 수율 하락의 함정을 설명하는 연습입니다.

아래 자료는 실제 Fab·제품·검사 Program과 무관한 자체 생성 가상 데이터입니다. 가상 장비 코드 C1/C2, 제품 A/B, 측정 시점은 산업 공통 사양이나 실제 현장 기록이 아닙니다.

다운로드하고 실행하기

• wafer-yield.csv — 원시 19행. 16개 유효 최초 검사 Wafer와 학습 목적으로 추가한 중복 1행·재검 1행·분모 결측 1행
• analyze.py — 결측·재검·Wafer ID 중복을 분리하고 기간별/제품별 가중 수율과 가정적 제품 혼합 표준화를 계산

같은 폴더에 저장해 python3 analyze.py를 실행하세요. Python 3 표준 라이브러리만 이용합니다. 분석 데이터는 사이트에 업로드하거나 저장하지 않으며 로그인 없이 연습할 수 있습니다.

CSV의 한 행은 무엇을 뜻하나요?

measure_day는 학습용 구간 표기입니다. 날짜 숫자만으로 원인/결과의 시간 순서나 실제 공정 조건을 복원할 수 없습니다.

1단계 — 품질 검사 규칙 만들기

원자료를 더하기 전에 아래 순서로 검사하세요.

1. tested·passed의 결측, 숫자 변환 오류, 음수·범위 위반, tested=0 확인
2. 동일한 wafer_id와 test_round=1이 중복되었는지 확인. 단순 행 번호 중복과는 다릅니다.
3. 최초 검사와 Retest를 분리. 재검에서 합격이 늘어도 최초 수율의 분모와 분자를 조용히 수정하지 마세요.
4. product·period·검사 정의 및 제품 버전·Test 조건이 동일한지 확인
5. 제외한 행과 제외 이유를 로그로 남기기. 실제 데이터라면 중복이 시스템 버전인지, 반제품 Reprocess인지 추가 확인해야 합니다.

이 가상 파일은 첫 번째 등장한 고유 Wafer의 유효 최초 검사만 사용한다는 규칙을 연습합니다. 실제 현장에서는 승인된 최신 기록·판정 상태와 버전 이력을 기준으로 검증해야 하며, 첫 행을 남기는 방식이 보편적으로 맞는 것은 아닙니다.

2단계 — 최초 수율을 올바른 분모로 계산하기

유효 행만 사용하고 Σpassed / Σtested를 계산하세요. Wafer별 수율 평균은 각 Wafer의 검사 수가 다르면 가중 수율과 다를 수 있습니다. 이번 가상 유효 Wafer는 각각 100개로 같지만 계산 규칙은 분명히 적어야 합니다.

해설 전에 계산할 질문

• 19행 중 최초 검사 분석에 쓰이는 Wafer는 몇 개인가요?
• before/after에서 각각 검사한 고유 제품 수는 얼마이며, 총 합격 수는 얼마인가요?
• 전체 가중 수율은 어떻게 변했나요?
• A와 B의 수율은 각각 before/after에서 변했나요?

3단계 — 제품 구성(Product Mix) 효과를 분리하기

단순한 전체 Yield는 제품별 합격률의 제품별 검사 수를 가중치로 한 평균입니다. 각 제품의 Yield가 동일해도 before와 after의 제품 구성이 달라지면 전체 수율이 변할 수 있습니다.

Before A 7 Wafer / B 1 Wafer → After A 1 Wafer / B 7 Wafer

가상의 제품 구성만 보고 공정 악화를 말하면 안 됩니다. 별도의 비교 예로 두 기간 모두 A/B 50:50 혼합 비율을 가정해 제품별 수율을 같은 가중치로 평균해 보세요. 이는 표준화 비교 연습일 뿐, 모든 제품의 실제 출하 조건을 의미하지 않습니다.

4단계 — Chamber와 제품의 교락을 찾기

가상 파일에서는 제품 A는 C1, 제품 B는 C2에서만 검사·집계됩니다. 그 결과 C2의 Yield가 낮게 보이더라도 장비 차이인지, 제품 설계/난이도 차이인지 이 자료만으로 분리할 수 없습니다.

이 파일에는 실제 Chamber Sensor Trace·공정 Recipe·개별 Die 좌표가 없으므로 특정 원인 메커니즘 또는 공간 패턴을 복원할 수 없습니다.

숫자 해설: 먼저 계산한 뒤 펼치세요

5단계 — 실무형 데이터 검증 보고서 작성

1. 데이터 범위: 식별 단위(Die/Wafer/Lot), 최초/재검 정의, 제외·수정 이력, 결측 비율
2. 관찰: 기간별 전체/제품별 Yield, 검사 수와 합격 수, 제품 구성
3. 불확실성: 같은 Test Program/Limit인지, 반복 표본이 독립인지, 측정 변동과 선택 편향이 있는지
4. 가설과 반례: Product Mix·Chamber/Tester·공정·제품 변경·측정 요인별 검증 가능한 예측
5. 검증 계획: 제품/장비/시간이 섞이지 않는 대조, 독립 Lot/시간 구간 확인, Test/계측 이력 점검
6. 결론: 확정할 수 있는 계산과 아직 확정할 수 없는 원인을 별도 문장으로 작성

머신러닝을 적용한다면 먼저 확인하세요

• 같은 Wafer나 Lot의 중복 정보가 학습·평가 데이터에 동시에 들어가면 데이터 누수가 발생할 수 있습니다.
• 미래 시점에만 알 수 있는 결과를 입력 특징으로 사용해서는 안 됩니다.
• 제품 A/B 구성 차이로도 분류 정확도가 높아질 수 있습니다. ’원인을 찾는 모델’이라는 해석과 구분하세요.
• 이 실습은 모델을 학습시키지 않으며, 가상 표만으로 실제 이상 탐지 성능을 측정하지 않습니다.

자주 하는 오해

• 표본 수가 많으면 계산이 자동으로 맞는다고 생각하기: 중복, 재검, 결측과 검사 단계가 다르면 분모부터 틀릴 수 있습니다.
• 기간 전체 수율 하락을 개별 제품의 열화로 단정하기: 제품 구성 변화에 따른 가중평균 효과를 먼저 분리해야 합니다.
• 장비별 결과가 다르면 장비 고장이라고 판단하기: 제품과 Chamber가 완전히 교락된 표만으로 장비 효과를 추정할 수 없습니다.
• 분석 코드가 실행되면 원인이 밝혀졌다고 보기: 유효 표본 정의와 추가 대조 실험이 있어야 인과 판단이 가능합니다.

연결 학습

Yield → Wafer Map → PE Test Data → 이 실습 → Correlation → DOE · MOSFET I-V 실습

교육용 예상 면접 질문

공개 참고 자료

자료 확인: 2026-10-19. CSV·수치·오류 주입·면접 문제는 FlashMemory가 생성한 교육용 가상 자료입니다. 실제 제조 기록이나 회사의 비공개 공정 조건이 아닙니다.

• NIST/SEMATECH — Exploratory Data Analysis: 이상치·분포·가정 검증과 탐색 분석의 목적.
• NIST/SEMATECH — Measurement Process Characterization: 반복성·재현성·계측 안정성과 불확도.
• NIST/SEMATECH — Engineering Statistics Handbook: 통계·실험 설계·공정 모니터링의 일반 원리.