측정값을 믿어도 될까? Repeatability·Reproducibility와 MSA
측정 변동·편향·불확도를 평가한 뒤 공정 변화와 데이터 분석을 판단합니다.
추천 읽기 순서용어사전어디까지 알아야 하나요?관련 직무
3줄 요약
- 측정 변동·편향·불확도를 평가한 뒤 공정 변화와 데이터 분석을 판단합니다.
- 측정 조건·관찰·원인 가설과 검증된 결과를 구분합니다.
- 교육용 설명·가상 예제이며 기업 Recipe나 실제 면접 기출이 아닙니다.
이 페이지 목차
측정 시스템도 변합니다가상 CD 평균: 40.0 nm에서 40.5 nm로Gage R&R의 설계가 먼저입니다교육용 실습: 같은 시료를 두 조건에서 세 번씩 측정하기학생들이 자주 하는 오해선수 학습과 다음 공부교육용 예상 면접 질문공개 참고 자료측정 시스템도 변합니다
측정값은 대상의 상태와 측정 과정의 영향을 함께 담습니다. 공정 평균이 바뀌었다고 판단하기 전에 같은 대상을 같은 방식으로 읽고 있는가를 확인합니다. MSA는 측정 과정을 특성화하는 접근이며 공정 능력 평가와 같은 계산이 아닙니다.
| 개념 | 확인하는 질문 |
|---|---|
| Accuracy / Precision | 기준에 가까운가 / 조건 내 결과가 얼마나 모이는가? |
| Repeatability | 짧은 기간 같은 조건·대상의 반복 변동은? |
| Reproducibility | 장비·작업자·날짜 등 바뀐 조건의 차이는? |
| Calibration / Bias | 기준과의 관계·불확도 / 체계적 치우침은? |
| Linearity / Stability | 범위별 편향 차이 / 시간에 따른 변화는? |
Accuracy를 단순한 숫자 하나로 쓰기보다 편향·불확도 등 정의한 양을 보고합니다. 교정은 기준과의 관계를 정하는 과정이며 모든 실제 시료·조건에서 오차가 없다는 보증이 아닙니다. Measurement Uncertainty는 결과에 합리적으로 부여할 수 있는 산포의 평가로, 표본 표준편차 하나나 Gage R&R 전체와 동일하지 않습니다.
가상 CD 평균: 40.0 nm에서 40.5 nm로
교육용 가상 관찰이며 실제 CD-SEM 성능이나 제품 규격이 아닙니다. 차이는 40.5−40.0=0.5 nm지만 표본 수·측정 위치·원자료·반복성과 불확도 정보가 없으므로 통계적 유의성이나 공정 변화를 계산할 수 없습니다.
분석·공정·소자·PI·품질·제조 Data 담당자는 같은 타깃/위치의 반복, 계측 Recipe·에지 정의·장비 교정, 장비/작업자 간 비교, 표본 구성과 실제 공정 변동을 확인합니다. 전자빔 측정 자체가 시료를 바꿀 가능성과 재방문 위치 오차도 구분합니다. 기준 시료의 시계열과 독립 측정으로 공정 변화 가설과 계측 변화 가설을 나눕니다.
Gage R&R의 설계가 먼저입니다
대표적인 교차 설계는 여러 부품을 여러 작업자가 반복 측정해 반복·재현 변동을 분리합니다. 장비 간 Matching이 큰 자동화 반도체 계측에서는 바꾸는 조건을 장비·날짜·방법 등으로 명시합니다. 파괴 분석은 같은 시료를 그대로 반복하기 어려워 중첩 설계·대체 시료와 균질성 가정이 필요할 수 있습니다. Pass/Fail 속성 검사는 연속값의 산포 분석과 달리 판정 일치·오판을 봅니다.
%GRR의 분모가 전체 관측 변동인지 허용 범위인지 확인합니다. 서로 다른 정의의 비율을 같은 숫자로 비교하거나 보편적인 합격 한계를 적용하지 않습니다. Sampling은 Wafer·Die·위치·시간 구조와 대표성까지 설계합니다.
교육용 실습: 같은 시료를 두 조건에서 세 번씩 측정하기
아래는 3개 시료 × 2개 측정 조건 × 3회 반복=18개 값의 균형 잡힌 자체 가상 데이터입니다. 같은 시료의 같은 위치를 비파괴적으로 다시 측정하며 시료가 변하지 않는다고 가정합니다. 조건 A/B는 서로 다른 작업자를 뜻한다고 정의하고 장비·Recipe·단위·에지 추출·환경은 같게 둡니다. 실제 자동 계측에서 장비·날짜를 바꾼 연구와 같은 설계라는 뜻은 아닙니다. 원자료는 nm 단위, 소수 첫째 자리로 표시합니다. 표시 자릿수가 실제 계측 분해능·정확도를 보증하지 않습니다.
| 시료 | 조건 | 반복 1(nm) | 반복 2(nm) | 반복 3(nm) | 그룹 평균(nm) | 그룹 표본 표준편차(nm) |
|---|---|---|---|---|---|---|
| S1 | A | 39.9 | 40.0 | 40.1 | 40.0 | 0.1 |
| S1 | B | 40.1 | 40.2 | 40.3 | 40.2 | 0.1 |
| S2 | A | 40.9 | 41.0 | 41.1 | 41.0 | 0.1 |
| S2 | B | 41.1 | 41.2 | 41.3 | 41.2 | 0.1 |
| S3 | A | 41.9 | 42.0 | 42.1 | 42.0 | 0.1 |
| S3 | B | 42.1 | 42.2 | 42.3 | 42.2 | 0.1 |
먼저 직접 계산해보세요
- S1-A의 평균과 표본 표준편차를 구합니다. 표준편차의 분모는 n−1입니다.
- 같은 시료의 B−A 평균 차이를 각각 구합니다.
- 조건 A와 B의 전체 평균을 구합니다. 시료별 관측 수가 같으므로 같은 가중치입니다.
- 시료 S1~S3의 측정 평균 차이와 같은 그룹 안의 반복 산포를 구분합니다.
- 이 결과만으로 공정 변화·Bias·전체 Gage R&R·합격 여부 중 무엇을 판단할 수 없는지 적습니다.
해설: 그룹 안의 흔들림과 그룹 사이의 차이
S1-A의 평균은 (39.9+40.0+40.1)/3=40.0 nm입니다. 편차 제곱합은 0.1²+0+0.1²=0.02 nm², 표본 분산은 0.02/(3−1)=0.01 nm², 표준편차는 0.1 nm입니다. 여섯 시료-조건 그룹이 모두 같은 반복 산포를 갖습니다. 이 실습의 Within-Group Variation은 같은 시료·같은 조건의 세 반복 안에서의 산포를 뜻합니다.
각 그룹의 반복 오차가 독립이고 같은 분산을 갖는다고 가정하면, 합동 그룹 내 표준편차는 sqrt(6 × 0.02 / (6 × (3−1)))=0.1 nm입니다. 분모 자유도는 12입니다. 이는 이 작은 설계에서의 반복 변동 설명량이며 보편적인 장비 Repeatability 성능 보증이 아닙니다.
| 비교량 | 자체 계산 결과 | 해석 |
|---|---|---|
| 시료별 B−A 평균 차이 | S1·S2·S3 각각 +0.2 nm | 조건 변화와 연관된 일관된 이동 후보 |
| 조건별 전체 평균 | A 41.0, B 41.2 nm | 같은 시료 구성의 조건 비교 |
| 시료별 A/B 통합 평균 | S1 40.1, S2 41.1, S3 42.1 nm | 시료 사이 차이가 반복 산포보다 큼 |
| 그룹 내 합동 표준편차 | 0.1 nm | 조건 내 반복 변동의 설명용 추정 |
Between-Group Variation이라는 말만 쓰면 무엇을 비교했는지 불명확합니다. 여기서는 같은 시료의 A/B 조건 평균 차이와 서로 다른 시료 평균 차이를 분리합니다. 18개 전체의 표준편차는 시료 차이까지 포함하므로 Repeatability로 부르면 안 됩니다. A/B의 +0.2 nm를 그대로 Reproducibility 표준편차나 %GRR로 부르지도 않습니다.
이 실습은 정식 Gage R&R 판정이 아닙니다
작은 균형 교차 구조로 반복과 조건 차이를 이해하는 연습입니다. 정식 ANOVA 또는 Average & Range Gage R&R의 분산 성분·상호작용·%GRR을 계산한 결과가 아닙니다. 그런 계산에는 대표 시료/작업자 수·독립 반복·측정 순서 무작위화·시료 안정성·상호작용·선택 방법과 분모를 검토해야 합니다. 이 표의 값만으로 측정 시스템의 공통 합격선을 선언하지 않습니다.
Bias는 알려진 기준값과의 체계적인 차이입니다. 기준값과 그 불확도가 없으므로 A가 맞고 B가 틀렸다고 할 수 없습니다. Measurement Uncertainty에는 기준·교정·환경·모델·위치 재방문 등의 성분이 더 필요해 이 표의 0.1 nm와 같지 않습니다. 세 시료가 같은 공정 모집단을 대표한다는 정보도 없어 공정 변화 판정은 할 수 없습니다.
검증 계획을 세워보세요
조건 B에서만 값이 높다면 시료·위치·에지 추출 기준과 표시 단위, 장비 교정·측정 순서·시간·작업 방식부터 맞춥니다. 실제 연구에서는 순서를 무작위화하고 기준 시료를 전후로 측정하며 반복 중 시료 변형·Charging·시간 Drift를 확인합니다. 같은 시료를 반복하는 이유는 시료 차이를 고정해 측정 과정의 흔들림을 보는 것입니다. 파괴 분석이라면 이 설계를 그대로 적용할 수 없습니다.
학생 확인 질문과 해설
- 측정값이 다르면 공정이 달라진 것인가? → 시료 차이·조건 차이·반복 변동이 섞일 수 있으므로 먼저 분리합니다.
- 평균 차이와 산포는 어떻게 다른가? → 그룹의 중심 이동과 같은 그룹 안에서 흩어진 정도이며 단위와 비교 범위를 함께 적습니다.
- 같은 시료를 반복하는 이유는? → 대상 상태를 고정해 반복성을 추정하기 위해서입니다. 대상이 변하지 않는다는 확인도 필요합니다.
- 계측기가 바뀌었다면 무엇을 먼저 맞출까? → 시료/위치·Recipe·단위·Edge 정의·교정·Sampling·시간/환경을 맞춘 뒤 장비 간 차이를 평가합니다.
면접 연습: 공정 평균의 이동이 작고 측정 산포가 크다면 “공정 변화 확정” 대신 반복·표본·불확도를 확인하고 구분 가능한 연구를 다시 설계한다고 설명하세요. 이 문장은 교육용 답변 연습이며 실제 기출 기록이 아닙니다.
학생들이 자주 하는 오해
정밀하게 모인 값도 편향될 수 있고, 평균을 많이 내도 체계적 편향은 사라지지 않습니다. MSA가 불충분한 상태에서 SPC·Cp/Cpk·DOE를 실행하면 계측 변화를 공정 변화로 해석할 위험이 있습니다. 먼저 측정 신뢰성을 확인하고 각 분석의 가정을 점검합니다.
선수 학습과 다음 공부
반도체 Metrology란? 공정 측정과 Inspection · CD-SEM이란? 반도체 CD 측정 원리 · SPC란? 반도체 공정관리 기초 · Cp와 Cpk 차이: 산포·규격·중심 읽기 · DOE란? 반도체 공정 최적화 기초
교육용 예상 면접 질문
두 CD-SEM 장비의 평균이 다르면 공정 변화인가요?
핵심 답변: 같은 시료·위치·에지 정의·교정 기준으로 Matching·반복·시간 변화를 분리합니다. 꼬리질문: 시료 재방문 오차를 어떻게 구분할까요? 선수 학습과 측정 데이터를 연결해 설명해보세요.
기준 시료는 안정적인데 제품 CD만 이동했다면?
핵심 답변: 기준 시료의 대표성·제품 패턴/재료에 따른 측정 편향과 실제 공정 변화를 함께 검증합니다. 꼬리질문: 표본 구성과 독립 분석을 어떻게 설계할까요? 선수 학습과 측정 데이터를 연결해 설명해보세요.
공개 참고 자료
확인: 2026-10-18. 공개 원리와 자체 작성한 교육용 가상 상황·질문을 구분합니다. 자료별 적용 범위는 아래와 같으며 특정 회사의 업무·조건이 모두 같다는 뜻은 아닙니다.
- NIST · Measurement Terminology: 정확도·반복·재현·오차/불확도 용어.
- NIST · Gauge R&R Studies: 측정 연구 설계·변동 평가.
- KLA · Practical Applications of MSA: 반도체 Tool Matching·Sampling·비율 정의 구분.
어디까지 알아야 하나요?
아래는 측정값을 믿어도 될까? Repeatability·Reproducibility와 MSA의 학습 목표입니다. 직무별 모듈에서 필요한 수준을 함께 확인하세요. 회사의 공식 평가 기준이나 합격 기준은 아닙니다.
설명할 수 있어야 합니다
용어 구분
설명할 수 있어야 합니다
가상 데이터 해석
생각해볼 수 있어야 합니다
설계 차이
더 깊게 연결해보세요
판단 한계
이 기술을 이해했나요?
공통 기초 · Repeatability와 Reproducibility는 어떻게 다른가요?
같은 조건의 반복과 명시적으로 바꾼 조건의 변동을 구분합니다.
직무 핵심 · 평균 CD가 0.5 nm 증가하면 공정이 변했나요?
표본·위치·측정 방식·교정·반복·장비 차이·불확도와 공정 변동을 확인해야 합니다.
실무 연결 · Gage R&R은 파괴 분석에도 똑같이 적용하나요?
동일 대상 반복 가능성과 대체 시료 균질성 등 설계 가정이 달라질 수 있습니다.
심화 · 낮은 GRR이면 불확도도 충분히 작나요?
분모·설계·범위를 확인하고 편향·표준·모델 등 불확도 성분을 별도로 평가합니다.
관련 기술
함께 살펴볼 기술
반도체 이상탐지 실습 — AI Alarm의 오탐·미탐과 Precision·Recall
가상 제조 이상점수 CSV로 두 알람 기준의 Confusion Matrix·Precision·Recall·오탐률을 계산하고 시계열 데이터 누수 및 인과 추론의 한계를 이해합니다.
장비 제어 응답 — Overshoot·진동과 공정 결과를 구분하기
PID의 역할과 지연·외란·센서·Actuator를 분리해 압력 진동의 가설을 검증합니다.
Annealing — 활성화·확산·열 이력을 구분하는 방법
열처리의 목적과 누적 열 이력을 분리해 분포·계면·전기 변화의 근거를 확인합니다.