[공개메이저 사이트 순위 활용 성공사례 41] 세미캣 - 재생 반도체 생산 속도와 품질 경쟁력 향상

반도체 재생제품은 PVD(Physical Vapor Deposition) 장비나 공정장비를 활용해 기존 반도체를 새로운 분야에 적용할 수 있도록 전기, 전자, 물리, 화학적으로 개조 및 수리한 것을 말한다. 따라서 이러한 재생제품을 제작 및 공급하는 기업은 반도체의 재료가 되는 얇은 원판(웨이퍼)을 허용 오차범위 내에서 얼마나 기준 방향지침에 맞게 결합하는지로 기술력의 수준이 평가된다.
실제로 웨이퍼를 결합시키는 과정이 하위 공정들과 연속적으로 진행될 때 지름 6인치 웨이퍼에 2미크론(㎛, 1미크론은 1㎜의 1/1,000) 정도의 뒤틀림만 발생해도 불량품으로 판정받을 정도로 이 분야의 오차 허용기준은 매우 까다롭다. 이런 까닭에 반도체 재생제품 업체는 이런 기준에 맞춰 공정을 진행할 수 있을 만큼의 정밀한 기술력을 갖춰야 한다.


이런 재생제품 공정과정의 핵심인 웨이퍼 방향정렬에는 얼라이너(Aligner)라는 장비가 사용된다. 이 장비는 내부에 있는 광학센서나 비전장치를 이용해 웨이퍼의 외곽선 데이터를 수집한 후, 이를 분석 소프트웨어인 데이터 애널라이저(Data Analyzer)로 전송한다. 데이터 애널라이저에서는 수집된 데이터를 가지고 웨이퍼의 올바른 정렬위치를 판단한 후 얼라이너에게 알려준다. 전송받은 피드백 정보를 토대로 얼라이너는 회전모터와 반송로봇을 이용해 웨이퍼를 정렬시킨다.


고성능 데이터 분석 위한 성능 및 속도 절실해

과거에는 웨이퍼가 실리콘으로 제작된 불투명체였기 때문에 광학센서나 비전장치로 신호를 수집하는 데 큰 어려움이 없었다. 하지만 투명 또는 반투명 웨이퍼가 쓰이기 시작하면서 광학센서와 비전장치의 빛이 투과되거나 특정 부분에서 빛이 산란돼 정확한 외곽선 데이터를 얻지 못하는 경우가 많아졌다.
세미캣은 이 문제를 하드웨어 차원에서 접근해 광학센서와 비전장치를 보강하면 해결할 수 있을 것으로 생각했다. 하지만 웨이퍼 연마 상태에 따라 일관성 없는 데이터가 수집되거나 전자기적 간섭에 의해 웨이퍼 모양이 왜곡되는 현상이 발생했고 결국 수집된 데이터를 분석하는 일이 난해해지거나 불가능해지는 문제까지 생겨났다.




이에 회사 측은 얼라이너의 하드웨어적인 개선만으로는 한계가 있다고 판단했고, 외곽선 데이터를 분석하는 소프트웨어인 데이터 애널라이저를 업그레이드할 계획을 마련했다. 하지만 난반사나 투과된 외곽선 데이터까지 정밀하게 분석해 정확한 웨이퍼 방향을 찾아내려면 고도의 수학 모델이 적용돼야 했으므로 무엇보다 프로세서 추가를 통한 고성능 환경 구축이 절실했다. 또한 분석된 데이터를 모델화하기 위해서는 다양한 신호처리 알고리즘을 수천 개의 데이터에 적용한 다음 학습 파라미터로 만들어야 하므로 신속한 처리 속도도 보장돼야 했다. 결국 세미캣은 성능과 속도를 모두 충족해 외곽선 데이터를 분석하려면 기존의 직렬 프로그래밍만으로는 한계가 있다고 보고, 데이터 애널라이저에 병렬화 기술을 도입하기로 결정했다. 회사 측은 이를 위해 OpenMP, 쿠다(CUDA), 인텔 TBB, PPL, Silk+ 등의 다양한 병렬화 솔루션을 면밀히 비교·검토했으며, 최종적으로 인텔 TBB를 선택해 성공적으로 데이터 애널라이저에 병렬화 기술을 적용할 수 있었다.




공개메이저 사이트 순위로 병렬화 기술 확산 기대

인텔 TBB를 도입하게 된 배경에 대해 이창재 세미캣코리아 제품지원그룹 SW 팀장은 “OpenMP의 경우 사용자가 프로그램 흐름에 따라 병렬화 구간을 설정할 수 없고, Silk+는 인텔 컴포넌트를 반드시 사용해야 했으며, 쿠다는 데이터 애널라이저가 그래픽이나 2차원 데이터가 아닌 해석된 데이터를 처리하는 것이므로 도입에 제한이 있었다”고 설명했다.

이어서 그는 “C++ 런타임 라이브러리인 인텔 TBB가 제공하는 확장성(Scalability)과 태스크(Task)는 데이터 애널라이저의 신속하고 안정적인 병렬화 기술 적용에 믿음을 준 덕분에 결국 인텔 TBB로 개선 작업을 진행하게 됐다”고 덧붙였다.
세미캣은 새로운 데이터 애널라이저에 고도화된 수학 모델을 적용하고자 우선 멀티 프로세싱 환경을 구축했다. 인텔 TBB는 기존 데이터 애널라이저의 코드 수정 없이 DLL 파일만을 추가하는 것으로 프로세서 추가가 프로그램 성능 향상으로 이어질 수 있게 했다.

특히 병렬화 과정에서는 단순한 성능 향상보다 모든 코어가 활발하게 움직이도록 만드는 것이 중요한데, 다른 병렬화 솔루션은 이 작업을 프로그래머가 직접 처리해야 하지만 인텔 TBB는 파일 추가만으로도 가능케 해 개발 소요시간을 단축시킬 수 있었다.
또한 멀티 프로세싱 환경에서의 처리율(throughput) 향상에 핵심 역할을 하는 태스크를 사용자 정의로 지정할 수 있다는 점도 긍정적인 역할을 했다. 세미캣은 작성된 함수를 클래스 단위로 관리해 환경이 변화될 때마다 프로그램을 쉽게 변경할 수 있었으며, 라이브러리 자산을 풀 단위로 구성해 차후 예상되는 기능 및 성능 개선 작업에서의 효율성도 확보한 것으로 평가했다.

인텔 TBB로 개발된 데이터 애널라이저를 활용해 분석한 웨이퍼 외곽선▲

회사 측은 병렬화 기술을 적용한 데이터 애널라이저 개발로 웨이퍼 방향 분석의 정확성을 강화하고 처리속도를 향상시킨 만큼 부가가치가 높은 다양한 재생 반도체 제품을 시장에 신속히 공급할 수 있을 것으로 기대하고 있다. 특히 이번 소프트웨어 개발 과정에서 공개SW인 인텔 TBB의 도입 효과가 입증된 만큼 추후 다른 시스템 운영을 위한 소프트웨어 개발에도 병렬화 기술이 확대 적용될 것으로 전망했다.