1. 스터디 참여 동기 및 학습 내용

평소 반도체 공정 및 수율 개선에 관심을 두고 공부하던 중, 전통적인 품질관리를 넘어 AI가 접목된 스마트팩토리 AI 품질관리의 실무적인 메커니즘을 배우고 싶어 엔지닉 스터디에 참여하게 되었습니다. 이번 강의를 통해 생산 관리와 품질 관리의 상호 보완적인 관계부터 인공지능 모델을 활용한 구체적인 검사 방법까지 폭넓게 다룰 수 있었습니다.

주요 학습 내용은 다음과 같습니다.

•  

  품질관리의 기초와 역사: Deming 사이클(PDCA)을 통한 품질 보증 체계와 품질의 집(HoQ)을 활용한 설계 품질 확립 과정을 배웠습니다.

   

•  

  산업 표준화와 경영: ISO 9001(품질경영시스템)과 같은 국제 인증 제도의 중요성과 표준화의 3S(Standardization, Simplification, Specialization) 원리를 이해했습니다.

   

•  

  스마트팩토리 인프라: ERP, MES, SCM, CRM 등 데이터 흐름을 기반으로 한 지능형 생산 공장의 정의를 명확히 했습니다.

   

•  

  AI 모델링 실습: 이진 분류 및 다중 분류를 위한 로지스틱 회귀, 결정 트리, 그리고 앙상블 기법인 랜덤 포레스트(Random Forest)의 부트스트래핑(Bootstrapping) 과정을 상세히 학습했습니다.

   

2. 학습 후 느낀 점

이전에는 단순한 통계적 품질관리(SQC)에만 익숙했다면, 이번 엔지닉 강의를 통해 실제 산업 현장에서 발생하는 방대한 데이터를 어떻게 선별하고 모델링하여 불량품을 판별하는지 그 흐름을 잡을 수 있었습니다. 특히 수입 검사 단계에서 전수 검사와 샘플링 검사의 경제성을 따져보고, AI를 통해 불합격 로트를 처리하는 과정이 매우 인상적이었습니다. 복잡해 보였던 인공신경망이나 딥러닝 개념도 머신러닝의 연장선상에서 이해하니 훨씬 친숙하게 느껴졌습니다.

3. 향후 취업 다짐 및 각오

반도체 소자 및 공정 실무를 공부하며 수율 향상의 핵심은 결국 정밀한 데이터 분석에 있다는 것을 깨달았습니다. 이번 스터디에서 배운 스마트팩토리 AI 품질관리 지식을 바탕으로, 향후 반도체 제조 현장에서 불량의 근원을 제거하고 공정을 최적화하는 엔지니어로 거듭나고 싶습니다. 특히 수율 개선 부서에서 AI 기술을 유연하게 적용해 생산성을 극대화하는 성과를 내는 것이 목표입니다. 남은 기간도 성실히 학습하여 저만의 실무 역량을 탄탄히 쌓겠습니다!