A
약 120초
온도·압력·전력 소비량 수집 → 다변수 상관관계 기반 이상 분류 → 리포트 형식 설계
FDC(Fault Detection and Classification)를 활용한 프로젝트 경험은 공정 장비에서 수집된 센서 데이터를 분석해 이상 신호를 조기에 탐지하는 작업을 중심으로 진행했습니다. 주로 수집한 데이터는 온도, 압력, 전력 소비량처럼 공정 파라미터와 직결된 연속형 값들이었고, 정상 범위에서 벗어나는 패턴을 통계 기반으로 분류했습니다. 분석 측면에서는 단순 임계값 초과 탐지보다 다변수 상관관계를 함께 보는 방식이 위양성을 줄이는 데 효과적이었습니다. 전처리 측면에서는 센서 결측값과 노이즈를 먼저 정제하지 않으면 분류 정확도가 크게 떨어지는 것을 경험했습니다. 결과 활용 측면에서는 이상 분류 결과를 공정 엔지니어에게 전달하는 리포트 형식을 함께 설계했습니다. 한계는 실제 양산 공정에서 FDC를 운용한 경험은 없고, 학습용 데이터셋 기반의 분석 수준입니다.
이 결의 특징
온도·압력·전력 소비량 같은 공정 파라미터를 수집하고 다변수 상관관계 기반으로 이상을 분류한 결입니다. 단순 임계값 탐지보다 다변수 접근이 위양성을 줄인다는 점과, 센서 결측값 정제가 먼저라는 인식이 핵심입니다.
이 결이 통하는 자리
FDC 또는 이상 탐지 경험을 확인하는 반도체·공정 포지션에서 자주 등장하는 질문입니다. 수집 설계부터 분류·리포트 설계까지 흐름을 파악한 답은 면접관이 데이터 분석 역량을 확인하는 자리입니다.