반도체 산업에서는 저비용 디바이스에 대한 고객 수요가 지속적으로 증가함에 따라 효율적인 장비 사용을 위해 장비 로그 데이터 분석이 중요합니다. JMP®(SAS Institute) 시각화 도구를 활용한 기술 지원 서비스를 도입함으로써 유지보수 이벤트에 더욱 효율적으로 대응할 수 있습니다. JMP의 분포, 히스토그램, 박스플롯 옵션을 사용하여 프로세스 실행을 분석하면 문제 영역에 집중하고 유지보수 시간을 단축할 수 있습니다. 윌콕슨 비모수 검정을 적용하여 장비 가동 중지 시간에 대한 가설 검정을 수행하고 목표 대비 변동을 확인하며 유지보수 이벤트에 대한 신뢰 구간을 결정합니다. JMP 품질 및 관리 파레토 플롯과 이시카와 원인-결과 다이어그램을 활용하여 근본 원인을 분석하고 실행 계획을 수립합니다. 위의 성능 테스트 결과와 함께 박스플롯을 표시하는 동적 JMP 대시보드를 통해 유지보수 활동을 더욱 효율적으로 계획하고 우선순위를 지정할 수 있습니다. JMP 대시보드에서 제공하는 시각화 기능을 통해 예방 유지보수(PM) 유형에 따른 PM 성공 및 실패율을 쉽게 파악할 수 있습니다.
안녕하세요. 저는 네하 카우샬이고, 공동 저자인 스리비다 씨가 오늘 함께 해주셨습니다. 저희는 응용재료 기술 컨설팅 회사에서 반도체 공정 장비 데이터 분석을 담당하고 있습니다. 이번 연구에서는 반도체 공정 장비 유지보수 최적화를 위해 JMP 대시보드를 어떻게 활용하는지 살펴보겠습니다.
반도체 산업에서는 저렴한 제품에 대한 고객 수요가 지속적으로 증가함에 따라 효율적인 장비 사용을 위해 장비 로그 데이터 분석이 중요합니다. JMP 시각화를 활용한 기술 기반 서비스를 도입하면 공정 장비의 예방 유지보수 이벤트에 더욱 효율적으로 대응할 수 있습니다.
예방 정비(PM) 중 장비 사용 시간을 최소화하면 장비 성능이 향상되어 더 나은 PM 서비스를 제공할 수 있고, 결과적으로 생산량 증가와 고객 만족도 향상으로 이어집니다. JMP 분포 분석, 박스 플롯 등을 활용하여 두 로그를 분석하면 정비 과정에서 발생하는 문제 영역에 집중할 수 있습니다.
본 연구의 목적은 다양한 유형의 예방 정비(PM) 과정에서 발생하는 생산 중단 시간을 줄일 수 있는 개선 기회를 파악하는 것입니다. 이 과정에서는 경미한 정비와 주요 정비가 모두 발생합니다. 최초 예방 정비의 성공 여부를 기준으로 정비 이벤트를 네 가지 유형으로 분류합니다. 최초 예방 정비에 성공한 경미한 정비, 최초 예방 정비에 성공한 주요 정비, 최초 예방 정비에 실패한 경미한 정비, 그리고 최초 예방 정비에 실패한 주요 정비입니다.
이 방법론의 첫 번째 단계는 JMP 그래프 빌더를 사용하여 생산 중단 시간 비율을 기준으로 도구의 우선순위를 정하는 것입니다. 예를 들어, 여기서는 도구 ID를 X축에, 도구 중단 시간 비율을 그래프로 나타냈습니다. 여기서 도구 A의 중단 시간 비율이 가장 높다는 것을 빠르게 확인할 수 있습니다. 따라서 이 도구가 개선해야 할 최우선 순위 도구라고 할 수 있습니다.
다음으로, PM 지속 시간을 기준으로 PM 유형을 비교하여 공정 최적화 기회를 찾습니다. PM 지속 시간에 대한 분포 모델을 분석하여 정규 분포 적합 여부를 확인하고, 적합하지 않은 경우 이상치, 왜곡도 등 정규 분포 위반 요인을 분석합니다. 데이터가 정규 분포에서 벗어나는 경우, 비모수적 접근 방식을 적용하여 네 가지 유형의 PM 이벤트 간의 변동성을 검증하는 가설 검정을 수행합니다. 마지막으로, PM 성능과 함께 장비 가동 중지 시간을 분석할 수 있는 간편하고 직관적인 대시보드를 개발했습니다.
이제 공동 저자인 스리비다에게 마이크를 넘기겠습니다. 스리비다가 결과 부분을 설명해 줄 것입니다.
이 섹션에서는 방법론과 결과를 제시합니다. PM 지속 시간 데이터는 유통 플랫폼에서 분석되었으며, 요약 통계는 평균이 중앙값보다 크고 왜곡도가 높다는 것을 보여줍니다. 정규 분위수 도표 또한 데이터 세트가 오른쪽으로 치우쳐 있으며 상당한 이상치가 존재함을 확인시켜 줍니다.
따라서, 적합된 정규 분포에 대한 적합도 검정의 P값은 기준을 충족하지 못했지만, 적합된 코시 분포에 대한 적합도 검정의 P값은 기준을 충족했습니다. 그러므로 우리의 데이터는 코시 분포를 따릅니다.
이에 따라, 강건 적합 이상치 탐지 방법을 사용하여 이상치 존재 여부를 분석한 결과, 근본 원인 분석을 위해 11개의 이상치를 발견했습니다. 본 연구에서는 비모수 분석을 통해 예방 정비(PM) 유형별 예방 정비 기간을 비교하여 예방 정비 프로세스 최적화 기회를 모색했습니다. P값 기준으로, 여기에 제시된 세 가지 모델(윌콕슨 검정, 중앙값 검정, 반 데르 바에덴 검정) 모두 예방 정비 유형 간에 유의미한 차이가 있음을 확인했습니다.
또한, 윌콕슨 검정을 이용한 각 쌍에 대한 비모수적 비교 결과, P값을 기준으로 경미한 예방 정비 성공과 경미한 예방 정비 실패 사이에 유의미한 차이가 있는 것으로 나타났습니다. 그 이유는 무엇일까요? 주요 예방 정비 성공과 주요 예방 정비 실패 사이에는 P값 기준으로 유의미한 차이가 없기 때문입니다.
이제 JMP 데모를 통해 PM 유형별 PM 성공 및 실패의 의존성을 신속하게 보고할 수 있는 대시보드를 생성하는 방법을 살펴보겠습니다. JMP 대시보드 부분으로 이동하겠습니다. 파일에서 '새 대시보드' 옵션을 선택하고 플랫폼을 선택한 다음 가설 검정, 박스 플롯 등을 추가하여 대시보드를 생성할 수 있습니다. 이것이 바로 분석 결과를 바탕으로 생성된 대시보드입니다. 이 대시보드를 사용하면 각 도구를 하나씩 선택하여 PM 유형별 PM 성공 및 실패의 의존성을 대화형으로 확인할 수 있습니다.
본 연구를 통해 최초 예방 정비(PM) 성공 여부가 PM 유형에 큰 영향을 미친다는 결론을 내렸습니다. 특히, 사소한 예방 정비에는 큰 영향을 미치는 반면, 주요 정비에는 미미한 영향을 미치는 것으로 나타났습니다. 또한, 최초 예방 정비 성공과 실패의 평균 정비 기간은 동일했습니다.
다음 단계는 도구별 분석을 통해 개선 범위를 파악하는 것입니다. 오아시스 지원에 도움을 주신 이해관계자 여러분께 감사의 말씀을 전합니다. 찰스 C. 첸, 찬드라세카르 로이, 비카스 장그라, 시다 레디 쿠라쿨라 님께 감사드립니다.
네, 엘로디 씨, 이것으로 저희 발표를 마치겠습니다. 질문이 있으시면 언제든지 말씀해 주세요.
