데이터 분석 팀 과제 기획서(6조)

팀 과제 제목

팀 과제의 대표 제목을 작성하세요.
- 웨이퍼 공정 데이터 기반 불량 원인 분석 및 품질 개선을 위한 데이터 분석 </aside>

팀 구성

팀명 : 식스센스
문채연/ 김도균 / 이주영 / 정의조 / 홍상훈 </aside>

팀 과제 목표

팀 과제를 통해 해결하려는 질문이나 목표를 명확히 기술하세요.
- 반도체 웨이퍼 검사 공정에서 수집된 결함 데이터를 기반으로 결함의 크기, 신호 특성, 위치 정보와 불량 여부 간의 관계를 분석하여 품질 저하의 핵심 원인을 규명하고, 데이터 기반의 품질 관리 기준 및 공정 개선 인사이트를 도출하는 것을 목표로 한다.
팀 과제의 주요 분석 내용 및 목표를 설정하세요.
- 제조 공정 데이터 EDA 및 전처리·시각화 분석
  - 주요 분석 내용
    - 공정 명 및 공정단계별 결함 발생 수와 불량률에 대한 기초 통계량 분석
    - 공정별 결함 특성 및 불량률 비교를 통해 특정 공정의 품질 이상 패턴 식별
    - 결함유형(class)별 발생 빈도 분석을 통해 주요 결함 유형 및 데이터 불균형 여부 파악
    - 가로길이, 세로길이, 검출면적, 직경크기 등 결함 크기 변수의 분포 및 이상치(Outlier) 분석
    - 신호강도, 에너지값, 상대강도, 잡음정도, 명도수준 등 신호/광학 특성과 불량 간 관계 분석
    - 결함 크기와 신호 특성 간의 관계 분석을 통해 결함 심각도 판단 기준 탐색
    - 중심거리와 방향각도를 활용한 웨이퍼 내 결함 위치 분포 분석 (center vs edge, 특정 각도 집중 여부)
    - 수치형 변수 간 상관관계 분석을 통해 불량 여부와 관련성이 높은 주요 변수 도출
  - 목표
    - 데이터 기반 품질 관리 흐름 체득: 반도체 결함 데이터의 구조를 이해하고, 수집된 로우 데이터(Raw Data)로부터 전처리–EDA–시각화–해석으로 이어지는 분석 프로세스를 완수한다.
    - 실무 중심의 분석 결과물 도출: 결함의 크기, 신호, 위치 특성과 불량 간 관계를 기반으로 실제 제조 현장에서 활용 가능한 품질 판단 기준 및 관리 인사이트를 도출한다.
    - 핵심 영향 변수 도출 및 해석: 불량 발생에 영향을 미치는 주요 변수(검출면적, 신호강도, 에너지값 등)를 식별하고, 변수 간 관계를 정량적으로 설명한다.
    - 공정 및 품질 개선 인사이트 제안: 특정 공정, 결함 유형, 위치에서 발생하는 결함 집중 현상을 분석하여 품질 개선 방향 및 관리 포인트를 제시한다.
    - 논리적 의사결정 프로세스 확립: 가설 설정 → 데이터 분석 → 검증 → 인사이트 도출 → Action Plan 제안까지 이어지는 분석 흐름을 팀 단위로 체계적으로 구축한다.

SMART 목표 작성 가이드 </aside>

문제 정의

분석 및 시각화의 중점
- 팀 과제에서 해결하려는 핵심 질문을 1~2문장으로 작성하세요:
  - 결함의 크기(검출면적, 직경), 신호 특성(신호강도, 에너지값), 위치 정보(중심거리, 방향각도)가 불량 여부에 어떤 영향을 미치는가? 이를 통해 불량을 유발하는 주요 변수와 결함 특성을 규명할 수 있는가?
  - 특정 공정 또는 웨이퍼 위치에서 결함이 집중되는 패턴이 존재하는가? 만약 그렇다면 해당 패턴을 통해 공정 이상 또는 품질 저하의 원인을 사전에 식별할 수 있는가?
문제의 필요성 및 중요성
- 팀 과제가 제공할 데이터 인사이트가 중요한 이유를 작성:
  - 데이터 기반 품질 관리 체계 구축: 기존 경험이나 직관에 의존하던 품질 판단에서 벗어나, 결함 데이터의 정량적 분석을 통해 불량 발생 요인을 객관적으로 규명함으로써 품질 관리의 정확성과 신뢰도를 향상시킬 수 있다.
  - 불량 원인 사전 탐지 및 수율 개선: 결함의 크기, 신호, 위치 특성과 불량 간 관계를 분석함으로써 이상 징후를 조기에 발견하고, 불량 발생 이전에 대응할 수 있어 전체 수율 향상 및 비용 절감에 기여할 수 있다.
  - 공정 및 검사 기준 최적화: 결함 특성별 임계 수준 및 패턴을 도출함으로써 품질 판정 기준을 정교화하고, 공정 관리 및 검사 기준 개선에 활용할 수 있다.
  - 데이터 기반 의사결정 지원: 분석 결과를 기반으로 공정 개선 방향, 관리 포인트, 우선 대응 영역을 명확히 제시함으로써 제조 현장에서 활용 가능한 실질적인 의사결정을 지원할 수 있다. </aside>

데이터 활용 계획

데이터 출처
- 본 팀 과제는 제공된 제조 공정 데이터 CSV 파일을 활용하여 진행한다. 공정 운영 과정에서 수집된 공정단계, 배치번호, 결함유형, 신호강도 등 주요 품질 관련 데이터를 바탕으로 제조 공정의 특성과 품질 패턴을 탐색적으로 분석한다.
- 데이터 파일명 예시: 반도체_결함_데이터_한글.csv
- 주요 변수 (25가지 칼럼 구성)
  - 공정단계: 공정 단계명
    
    → 웨이퍼가 현재 진행 중인 공정 단계를 나타내며, 공정별 결함 발생 패턴 및 품질 차이 분석에 활용됨
  - 공정명: 공정 유형
    
    → CBCMP, RMG, PC 등 세부 공정 종류를 나타내며, 공정별 결함 특성 및 불량률 비교 분석에 활용됨
  - 배치번호: 로트 번호
    
    → 동일한 공정 조건에서 생산된 웨이퍼 묶음을 의미하며, 배치 단위 품질 비교 및 이상 로트 탐지에 활용됨
  - 웨이퍼위치: 웨이퍼 고유 식별자
    
    → 각 웨이퍼를 구분하는 ID로, 개별 웨이퍼 단위 결함 분포 및 품질 추적에 활용됨
  - 결함유형: 결함 유형
    
    → 결함의 종류(Class)를 나타내며, 특정 결함 유형의 발생 빈도 및 특성 분석에 활용됨
  - 불량여부: 품질 판정 결과
    
    → REAL / FALSE로 구분되는 변수로, 실제 결함 여부를 나타내며 분석의 기준이 되는 핵심 타겟 변수
  - 검출면적: 결함 면적
    
    → 결함이 차지하는 면적을 나타내며, 결함의 크기 및 심각도 판단에 중요한 변수
  - 신호강도: 결함 신호 강도
    
    → 결함 검출 시 측정된 신호의 세기를 의미하며, 결함의 뚜렷함 및 실제 결함 여부 판단에 활용됨
  - 잡음정도: 노이즈 수준
    
    → 측정 신호 내 잡음의 크기를 나타내며, 결함 검출의 신뢰도 및 오검출 가능성 분석에 활용됨
  - 중심거리: 결함 위치 (반경 기준)
    
    → 웨이퍼 중심으로부터 결함까지의 거리를 나타내며, 중심부/가장자리 결함 분포 분석에 활용됨
- 제공된 데이터는 제조 데이터 탐색 → 전처리 → 시각화 → 해석을 수행하기 위한 분석용 데이터로 활용한다.
데이터 전처리 계획
- 데이터 구조 확인을 위해 head(), info(), describe() 등을 활용하여 변수 유형(범주형/수치형)과 결측치 여부를 먼저 점검한다.
- 결함유형(Defect_type) 변수에서 결측값이 존재할 경우, 정상 데이터 또는 미분류 결함으로 간주할 수 있으므로 분석 목적에 따라 유지하거나 “No_Defect” 등으로 대체할지 결정한다.
- 불량여부(REAL/FALSE)는 분석 및 모델링을 위해 이진 변수(1/0) 형태로 변환하여 활용한다.
- 결함 크기 변수(가로길이, 세로길이, 검출면적, 직경크기) 간 중복 정보 여부를 확인하고, 상관관계를 기반으로 대표 변수를 선정하거나 차원 축소를 고려한다.
- 신호 및 품질 관련 변수(신호강도, 에너지값, 잡음정도, 상대강도, 기준편차)의 분포를 확인하여 이상치(Outlier)를 탐지하고, 필요 시 로그 변환 또는 이상치 제거를 수행한다.
- 위치 정보(중심거리, 방향각도)를 활용하여 웨이퍼 내 좌표(x, y)로 변환하고, 공간 분석이 가능하도록 데이터 구조를 확장한다. 범주형 변수(공정단계, 공정명, 배치번호)는 그룹화 기준으로 활용할 수 있도록 정리하고, 필요 시 카테고리형 데이터로 변환한다.
- 분석 목적에 맞게 웨이퍼ID 또는 배치번호 기준으로 그룹화하여 결함 개수, 평균 신호강도 등 집계 데이터를 생성한다.
- Python(Pandas, NumPy) 기반 분석 및 시각화(Matplotlib, Seaborn)에 적합하도록 데이터 타입을 정리하고, 분석 가능한 형태의 최종 데이터셋을 구축하는 것을 전처리의 목표로 한다.
시각화 계획 </aside>

</aside>

</aside>

</aside>