20세기 이후 가장 보편적인 이동수단인 자동차는 전자 컨트롤 장치와 자동차용 반도체의 사용량이 급격히 증가하면서 진화하고 있다. 자동차용 반도체는 차량용 전자 컨트롤 장치 중 핵심 부품으로 소비자들에게 안정성, 연료 사용의 효율성, 운전의 안정감을 제공하기 위해 사용되고 있다[1]. 예를 들어, 자동차용 반도체는 가솔린엔진, 디젤 엔진, 전기 모터를 컨트롤하는 기술, ...
20세기 이후 가장 보편적인 이동수단인 자동차는 전자 컨트롤 장치와 자동차용 반도체의 사용량이 급격히 증가하면서 진화하고 있다. 자동차용 반도체는 차량용 전자 컨트롤 장치 중 핵심 부품으로 소비자들에게 안정성, 연료 사용의 효율성, 운전의 안정감을 제공하기 위해 사용되고 있다[1]. 예를 들어, 자동차용 반도체는 가솔린엔진, 디젤 엔진, 전기 모터를 컨트롤하는 기술, 트랜스미션 컨트롤 유닛, 하이브리드 자동차용 트레인 컨트롤, 스타트(Start)/스탑(Stop) 시스템, 전자 펌프 모터 컨트롤, 자동차용 레이다 및 라이다, 나이트 비전, 스마트 헤드램프, 헤드 업 디스플레이, 차선 유지 시스템 등에 적용되고 있다[1]. 이와 같이 반도체는 자동차를 구성하는 거의 모든 전자 컨트롤 장치에 적용되고 있으며 기계적인 장치를 단순히 조합한 이상의 효과를 만들어 내고 있다. 자동차용 반도체는 높은 데이터 레이트를 기본적으로 가지고 있기 때문에 최근에는 마이크로 컨트롤 유닛이 아닌 마이크로 프로세서 유닛이 사용되고 있다. 예를 들어, ARM 프로세서를 기반으로 디자인/제작된 반도체가 텔레매틱스, 오디오/비디오 멀티미티어, 네비게이션 등에 사용되고 있다[5]. 자동차용 반도체는 10년 이상의 자동차 사용 기간을 고려하여 높은 신뢰성, 내구성, 장기공급 등의 특성을 요구하고 있다. 자동차용 반도체의 신뢰성은 자동차의 안전성과 직접적으로 연결되기 때문이다. 반도체업계에서는 JEDEC과 AEC 규격을 이용하여 자동차용 반도체의 신뢰성을 평가하고 있다. 또한 자동차 산업에서 표준으로 제시한 신뢰성 실험 방법과 그 결과를 이용하여 개발 초기 단계 및 제품 양산 초기 단계에서 제품의 수명을 예상 하고 있다. 하지만 고객의 다양한 사용 조건 및 사용 시간 등 여러 변수들에 의해 발생되는 불량률을 예측하는 데는 한계가 있다. 이러한 한계점을 극복하기 위하여 학계와 산업계에서 많은 연구가 있어왔다. 그 중 데이터 마이닝 기법을 이용한 연구가 다수의 반도체 분야에서 진행되고 있지만, 아직 자동차용 반도체에 대한 적용 및 연구는 미비한 상태이다. 이러한 관점에서 본 연구는 데이터 마이닝 기법을 이용하여 반도체 조립(Assembly) 과 패키지 테스트(Package test) 공정 중 발생 된 데이터들간의 연관성을 규명하고, 고객 불량 데이터를 이용하여 잠재 불량률 예측에 적합한 데이터 마이닝 기법을 검증할 것이다. 본 연구는 다음과 같이 구성 되어 있다. 제 Ⅱ장 이론적 배경에서는 반도체와 자동차 산업, 차량용 반도체의 종류, 차량용 반도체의 신뢰도 요구 사항 및 신뢰도 예측 방법에 대해 기술한다. 제 Ⅲ장에서는 본 연구에서 제안하는 자동차용 반도체 제조 공정 중 조립(Assembly) 공정과 패키지 테스트(Package test) 공정에서 생성된 데이터를 이용하여 시장 불량률을 예측하는 방법에 대해 서술하였고, 제 Ⅳ장에서는 반도체 제조 공정에서 추출한 측정 데이터에 제안 기법을 적용하여 효과를 입증하였다. 제 Ⅴ장에서는 본 연구의 결론 및 경제적인 기대 효과와 함께 한계점에 대하여 논의하고 향후 연구 방향을 모색하였다.
20세기 이후 가장 보편적인 이동수단인 자동차는 전자 컨트롤 장치와 자동차용 반도체의 사용량이 급격히 증가하면서 진화하고 있다. 자동차용 반도체는 차량용 전자 컨트롤 장치 중 핵심 부품으로 소비자들에게 안정성, 연료 사용의 효율성, 운전의 안정감을 제공하기 위해 사용되고 있다[1]. 예를 들어, 자동차용 반도체는 가솔린엔진, 디젤 엔진, 전기 모터를 컨트롤하는 기술, 트랜스미션 컨트롤 유닛, 하이브리드 자동차용 트레인 컨트롤, 스타트(Start)/스탑(Stop) 시스템, 전자 펌프 모터 컨트롤, 자동차용 레이다 및 라이다, 나이트 비전, 스마트 헤드램프, 헤드 업 디스플레이, 차선 유지 시스템 등에 적용되고 있다[1]. 이와 같이 반도체는 자동차를 구성하는 거의 모든 전자 컨트롤 장치에 적용되고 있으며 기계적인 장치를 단순히 조합한 이상의 효과를 만들어 내고 있다. 자동차용 반도체는 높은 데이터 레이트를 기본적으로 가지고 있기 때문에 최근에는 마이크로 컨트롤 유닛이 아닌 마이크로 프로세서 유닛이 사용되고 있다. 예를 들어, ARM 프로세서를 기반으로 디자인/제작된 반도체가 텔레매틱스, 오디오/비디오 멀티미티어, 네비게이션 등에 사용되고 있다[5]. 자동차용 반도체는 10년 이상의 자동차 사용 기간을 고려하여 높은 신뢰성, 내구성, 장기공급 등의 특성을 요구하고 있다. 자동차용 반도체의 신뢰성은 자동차의 안전성과 직접적으로 연결되기 때문이다. 반도체업계에서는 JEDEC과 AEC 규격을 이용하여 자동차용 반도체의 신뢰성을 평가하고 있다. 또한 자동차 산업에서 표준으로 제시한 신뢰성 실험 방법과 그 결과를 이용하여 개발 초기 단계 및 제품 양산 초기 단계에서 제품의 수명을 예상 하고 있다. 하지만 고객의 다양한 사용 조건 및 사용 시간 등 여러 변수들에 의해 발생되는 불량률을 예측하는 데는 한계가 있다. 이러한 한계점을 극복하기 위하여 학계와 산업계에서 많은 연구가 있어왔다. 그 중 데이터 마이닝 기법을 이용한 연구가 다수의 반도체 분야에서 진행되고 있지만, 아직 자동차용 반도체에 대한 적용 및 연구는 미비한 상태이다. 이러한 관점에서 본 연구는 데이터 마이닝 기법을 이용하여 반도체 조립(Assembly) 과 패키지 테스트(Package test) 공정 중 발생 된 데이터들간의 연관성을 규명하고, 고객 불량 데이터를 이용하여 잠재 불량률 예측에 적합한 데이터 마이닝 기법을 검증할 것이다. 본 연구는 다음과 같이 구성 되어 있다. 제 Ⅱ장 이론적 배경에서는 반도체와 자동차 산업, 차량용 반도체의 종류, 차량용 반도체의 신뢰도 요구 사항 및 신뢰도 예측 방법에 대해 기술한다. 제 Ⅲ장에서는 본 연구에서 제안하는 자동차용 반도체 제조 공정 중 조립(Assembly) 공정과 패키지 테스트(Package test) 공정에서 생성된 데이터를 이용하여 시장 불량률을 예측하는 방법에 대해 서술하였고, 제 Ⅳ장에서는 반도체 제조 공정에서 추출한 측정 데이터에 제안 기법을 적용하여 효과를 입증하였다. 제 Ⅴ장에서는 본 연구의 결론 및 경제적인 기대 효과와 함께 한계점에 대하여 논의하고 향후 연구 방향을 모색하였다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.