[논문 리뷰] From Talent Shortage to Workforce Excellence in the CHIPS Act Era: Harnessing Industry 4.0 Paradigms for a Sustainable Future in Domestic Chip Production

Aida Damanpak Rizi, Antika Roy외 9명|arXiv (Cornell University)|2023. 08. 01.

Digital Transformation in Industry인용 수 5

한 줄 요약

이 논문은 CHIPS Act의 배경 하에 미국 반도체 인재 부족 문제를 해결하기 위해 산업 4.0 기술—특히 자동화와 AR/VR를 활용함으로써, 인재 양성 향상, 제조 효율성 향상, 근무 환경의 매력도 향상을 도모한다. AI 기반 자동화와 몰입형 훈련이 수율 향상, 오류 감소, 고도화된 패키징 공정의 간소화를 가능하게 하며, 3D 플래시 메모리 테스트에서 3.4%의 수율 향상이 입증되었다.

ABSTRACT

The CHIPS Act is driving the U.S. towards a self-sustainable future in domestic chip production. Decades of outsourced manufacturing, assembly, testing, and packaging has diminished the workforce ecosystem, imposing major limitations on semiconductor companies racing to build new fabrication sites as part of the CHIPS Act. In response, a systemic alliance between academic institutions, the industry, government, various consortiums, and organizations has emerged to establish a pipeline to educate and onboard the next generation of talent. Establishing a stable and continuous flow of talent requires significant time investments and comes with no guarantees, particularly factoring in the low workplace desirability in current fabrication houses for U.S workforce. This paper will explore the feasibility of two paradigms of Industry 4.0, automation and Augmented Reality(AR)/Virtual Reality(VR), to complement ongoing workforce development efforts and optimize workplace desirability by catalyzing core manufacturing processes and effectively enhancing the education, onboarding, and professional realms-all with promising capabilities amid the ongoing talent shortage and trajectory towards advanced packaging.

연구 동기 및 목표

• 수십 년간의 해외 이전과 인재 유치의 어려움으로 악화된 미국 반도체 제조 분야의 심각한 인재 부족 문제를 해결한다.
• 몰입형 AR/VR 훈련과 AI 기반 자동화를 통해 인재 개발 및 신규 채용자 통합을 향상시킨다.
• 고도화된 패키징 및 후단 제조 공정을 최적화하여 수율, 신뢰성, 공정 제어를 향상시킨다.
• 기술 기반의 인재 역량 강화를 통해 CHIPS Act이 미국 내 반도체 제조 능력을 확장하는 목표를 지원한다.
• 반도체 생산에 산업 4.0 패러다임을 통합하여 지속 가능하고 안정적이며 경쟁력 있는 미국 공급망을 확보한다.

제안 방법

• 신규 기술자 및 엔지니어의 통합과 기술 습득을 가속화하기 위해, 가상 패키징 환경을 시뮬레이션하는 AR/VR 기반 훈련 시스템을 구현한다.
• 컨volutional 신경망(CNN)을 사용하여 웨이퍼 및 다이의 실시간 결함 감지를 위한 AI/ML 기반 자동화를 구현한다.
• 이미지화된 레이어 패턴에서 IC 패키징 기판의 효과적 열전도도(ETC)를 예측하기 위해 CNN 기반 모델을 사용한다. 이를 통해 더 빠른 열 분석이 가능해진다.
• 초기 웨이퍼 테스트 데이터를 활용하여 3D 패키징의 IC 수율을 예측하기 위한 점진적, 온라인, 배치 학습 기반의 머신러닝 분류기 모델을 개발한다.
• 자동화된 데이터 수집과 AI/ML 기반 예측 유지보수를 통합하여 기계 정지 시간을 줄이고 공정 수율을 향상시킨다.
• 반도체 장비의 가상화와 디지털 트윈을 결합하여 ATP(조립, 테스트, 패키징) 워크플로우를 최적화한다.

실험 결과

연구 질문

• RQ1 AR/VR 기반 훈련은 반도체 패키징 환경에서 통합 시간을 크게 단축하고 유지율을 향상시킬 수 있는가?
• RQ2 AI/ML 기반 자동화는 웨이퍼 및 다이 검사에서 결함 감지 정확도를 향상시키고 인간의 실수를 얼마나 줄일 수 있는가?
• RQ3 CNN 기반 모델은 복잡한 IC 패키징 기판의 효과적 열전도도(ETC) 예측에 얼마나 효과적인가?
• RQ4 점진적, 온라인 머신러닝 학습은 비선형적이고 동적인 제조 조건 하에서 3D IC 패키징의 수율 예측 정확도를 향상시킬 수 있는가?
• RQ5 산업 4.0 기반 자동화와 AR/VR는 미국 반도체 패키징 공장의 전체 공정 효율성과 인재 유치 가능성에 어떤 영향을 미치는가?

주요 결과

• CNN 기반 알고리즘이 고정밀도로 IC 패키징 기판의 효과적 열전도도(ETC)를 예측하여, 시간이 오래 걸리는 유한요소 시뮬레이션에 대한 의존도를 감소시켰다.
• 머신러닝 분류기 모델이 16개 다이 스택 3D 플래시 메모리 케이스에서 초기 단계에서 결함이 있는 다이를 식별하고 분리함으로써 수율을 3.4% 향상시켰다.
• AI 기반 자동화로 고장 감지 및 예측에 필요한 인간 전문 지식 요구도 감소하여 품질 관리에서 수동 실수를 최소화했다.
• AR/VR 기반 훈련은 교육 및 통합 경험을 향상시켜 참여도를 높이고 복잡한 패키징 환경에서 숙련도에 도달하는 데 소요되는 시간을 단축시켰다.
• AI/ML 기반 예측 및 예방 정비로 기계 정지 시간을 줄이고 반도체 제조에서 전체 장비 효율성을 향상시켰다.
• 산업 4.0 기술을 반도체 생산에 통합함으로써 인재 격차를 메우고 CHIPS Act의 국내 제조 목표를 지원할 잠재력이 뚜렷하게 드러났다.