이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
수율 향상 실험에서 가장 중요한 것은 변수 하나씩 바꾸는 DOE(실험 계획법) 접근입니다. 한 번에 여러 조건을 바꾸면 어느 변수가 수율에 영향을 줬는지 알 수 없어, 한 실험에서 하나의 답을 얻는 원칙이 분석 신뢰도를 유지하는 기본입니다.
수업 케이스에서 공정 온도와 증착 압력을 변수로 수율 변화를 추적했습니다. 각 조건 조합의 수율 데이터를 수집한 뒤, 분산 분석(ANOVA)으로 어느 변수의 영향이 통계적으로 유의한지를 확인했습니다. 직관이 아닌 데이터가 답을 주는 과정을 경험했습니다.
결과 분석에서 가장 조심해야 할 것은 통계적 유의성과 실용적 중요도를 구분하는 것입니다. p-값이 작아도 실질적인 수율 개선 폭이 미미하면 공정 변경 비용 대비 효과가 없을 수 있습니다. 결과를 해석할 때 통계 지표와 함께 실제 개선 규모를 함께 보는 것이 올바른 판단으로 이어집니다.
수율 향상 실험에서 제가 의식하는 건, 변수를 바로 돌리기 전에 수율 손실 패턴을 분류해 가설부터 세우는 일입니다. 손실이 공간적인지 무작위인지 파라미터에 기인하는지에 따라 의심할 변수가 달라, 패턴을 안 가르고 실험하면 엉뚱한 조건을 조합하기 때문입니다. 그래서 저는 웨이퍼 맵·빈 분포·인라인 계측으로 손실 패턴을 분류해 가설을 세운 뒤, 핵심 공정 변수를 DOE로 조합해 최적 조건을 탐색합니다. 분석 결로는 분산 분석으로 변수 간 주효과와 교호작용을 분리하고, 통계적 유의성과 실용적 개선 폭을 함께 봅니다. p값이 작아도 개선 폭이 미미하면 공정 변경 비용 대비 효과가 없을 수 있기 때문입니다. 결과 결로는 공정 능력 지수로 관리 기준을 재설정해 양산에 유지되게 합니다. 다만 본인 행동과 한계를 짚습니다. 저는 수업 케이스로 DOE와 분산 분석을 다뤄 본 수준이라, 실제 라인에서 다변수 DOE로 교호작용을 파악해 수율을 끌어올리고 SPC에 반영해 본 경험은 없습니다. 그래서 손실 패턴 분류 시각을 토대로, 그 수율 역량을 더 키우려 합니다.
수율 향상 실험에서 제가 직접 익힌 건, 분석 결과에서 통계적 유의성과 실용적 중요도를 구분하는 일입니다. 수업 케이스에서 공정 온도와 증착 압력을 변수로 수율 변화를 추적하며 분산 분석으로 어느 변수가 유의한지를 봤는데, p값이 작아도 실제 수율 개선 폭이 미미하면 공정 변경 비용 대비 효과가 없을 수 있다는 걸 배웠기 때문입니다. 그래서 저는 한 실험에서 한 답을 얻는 원칙으로 변수를 조합해 데이터를 모으고, 분산 분석으로 유의성을 본 뒤 반드시 실제 개선 규모를 함께 봐 판단합니다. 직관이 아니라 데이터가 답을 주되, 그 데이터를 비용 관점으로 해석한 셈입니다. 결과 결로는 개선 폭이 의미 있을 때만 공정 변경으로 잇습니다. 다만 본인 행동과 한계를 짚습니다. 저는 수업 케이스 수준이라, 실제 양산에서 그 변경을 적용해 수율이 유지되는지를 SPC로 추적하거나 다변수 교호작용을 끝까지 분석해 본 경험은 없습니다. 그래서 유의성과 중요도를 구분한 경험을 토대로, 그 수율 역량을 더 키우려 합니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 삼성전자 반도체 설비기술 면접관이 던질 가능성이 높은 후속 질문.
이 페이지의 질문·답변·꼬리질문은 유사 직군 채용 시장의 공개된 면접 후기·커뮤니티 게시물을 분석해 구성한 학습 자료입니다. 특정 회사가 실제로 이 질문을 출제했다는 것을 보장하지 않으며, 모든 예시는 우문현답이 직접 작성한 창작물입니다. 해당 회사의 공식 입장과는 무관합니다. 회사 측의 정정 요청이 있을 경우 24시간 이내에 응답·수정합니다.