이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
광학 검사 관련 수업에서 레티클 검사는 웨이퍼 검사보다 결함 크기 기준이 훨씬 엄격하다는 걸 배웠습니다. 패턴 크기가 나노미터 수준이라 검사 시스템의 해상도 설정이 감지 결과에 직접 영향을 줍니다. 실습에서 검사 조건을 바꿔가며 감지율을 측정했더니 파장 설정 하나로 포인트 결함과 패턴 결함의 감지율이 달라졌습니다.
결함 유형에 따라 검사 모드를 선택하는 게 중요합니다. 오감지가 많으면 실제 결함 확인에 시간이 낭비되고, 미감지는 웨이퍼 불량으로 이어집니다. 오감지와 미감지 균형을 최적화한 조건에서 전체 처리 효율이 높아졌습니다. 지금도 검사는 결함 유형과 조건 매핑을 먼저 확인합니다.
리티클 검사에서 결함이 발견됐을 때 그 결함이 허용 기준(Defect Budget) 안에 있는지를 판단하는 것이 사용·수리·폐기 결정의 핵심이라는 것을 배웠습니다. 수업에서 같은 크기의 결함이라도 패턴 밀집 영역에 있을 때와 빈 영역에 있을 때 수율 영향이 다를 수 있는 이유를 배웠습니다.
결함 크기×위치×밀도의 복합 기준(Defect Budget)으로 사용 가능 여부를 판정하면 불필요한 폐기를 줄이고 수명을 최대화할 수 있습니다. 단순히 결함 유무가 아니라 결함이 실제 패턴 전사에 미치는 영향을 평가하는 것이 리티클 검사의 핵심 판단입니다.
이 이해에서 리티클 검사 결과를 볼 때 결함 좌표와 마스크 패턴 레이아웃을 함께 보는 방식이 중요하다는 것을 배웠습니다. 리티클 검사는 결함을 찾는 것이 아니라 결함의 영향을 평가하는 것입니다.
리티클 검사를 이론으로 배웠지만 실제 리티클 수명 관리에서 세정 이력과 사용 횟수가 검사 감도에 미치는 영향은 직접 데이터를 다뤄본 경험이 부족합니다. 수업에서 페리클 교체 주기나 세정 후 잔류 오염 영향을 배웠는데, 실제 양산 라인에서 수명 주기에 따라 결함 증가 패턴이 어떻게 달라지는지는 현장 데이터 없이는 판단하기 어렵습니다. 사용 횟수 vs 결함 증가율 데이터를 장기 추적하면 교체 타이밍 예측 모델을 만들 수 있는데, 이 데이터 축적은 실무에서만 가능한 부분입니다.
이론으로 배운 검사 항목과 현장에서 쌓인 수명 데이터 사이의 거리를 인식하는 것이 학습 방향을 잡는 데 도움이 됩니다. 이 간극을 줄이기 위해 공개된 리티클 수명 관련 사례 논문을 읽으면서 데이터 패턴을 이해하려 노력하고 있습니다. 한계를 아는 것은 무엇을 입사 후 가장 먼저 익혀야 하는지를 알게 해줍니다.
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.