① 어떤 상황에서 AI를 활용했나요?

-문제 배경: 반도체 포토리소그래피(Photolithography) 공정 연구 시, P-Type 포토레지스트(PR) 패턴 불량이 발생했을 때 원인을 규명하는 데 막대한 시간이 소요되었습니다.

-불편 사항: 현미경으로 촬영한 시료 표면의 시각적 결함(선폭 감소, 엣지 침식 등)과 노광/현상 시간 및 RPM 등 수많은 공정 변수가 담긴 CSV 데이터를 일일이 대조해야 해 분석 병목 현상이 발생했습니다.

② 어떤 AI를 어떻게 활용했나요?

-활용 AI: 이미지 인식과 텍스트·데이터 분석이 동시에 가능한 생성형 멀티모달 AI(ChatGPT / Claude / Gemini 등)

-활용 방법:

1. AI에게 '수석 QC(품질관리) 엔지니어' 페르소나를 부여했습니다.

2. 불량이 발생한 시료의 '현미경 표면 이미지'와 해당 시료의 '공정 변수 CSV 데이터'를 동시 업로드했습니다.

3. 모바일 및 웹 화면 가독성을 위해 "표(Table) 생성을 금지하고 가독성 높은 리스트(List) 형태로 작성할 것"이라는 서식 제약을 설정한 후 교차 검증 리포트 출력을 지시했습니다.

③ 활용 결과 어떤 변화가 있었나요?

-분석 시간 혁신적 단축: 기존 수시간이 걸리던 불량 원인 분석 및 QC 리포트 작성 시간이 5분 이내로 단축(90% 이상 생산성 향상)되었습니다.

-정확한 Root Cause 도출: AI가 시각적 선폭 감소(CD Loss) 현상과 CSV 내 이상치(양품 대비 노광 시간 30% 초과)를 대조하여, 과노광(Over-exposure)으로 인한 PR 가장자리 침식이 원인임을 명확히 규명했습니다.

-공정 레시피 피드백: 다음 실험 시 노광 시간을 16.0s에서 양품 기준인 11.5~12.0s로 즉시 하향 조정하라는 구체적 가이드라인을 얻었습니다.

④ 나만의 방식 또는 개선 포인트는 무엇인가요?

-프롬프트 구조화 및 가독성 최적화: 텍스트가 깨지기 쉬운 표 대신 4단계 리스트(시각 분석 ➔ 데이터 이상치 ➔ 물리/화학적 인과관계 ➔ 솔루션) 구조로 리포트 출력을 고도화했습니다.

-엄격한 데이터 보안 및 윤리성 준수 (핵심): 연구실 및 공정의 핵심 기술 데이터 유출을 막기 위해, AI 입력 전 시료 식별자(Sample ID)와 고유 화학 배합비 등 민감 정보는 모두 비식별화(Masking) 및 무작위 코드 변환 처리를 거친 후 제출하는 보안 원칙을 수립했습니다.

⑤ 다른 사람도 따라 할 수 있나요?
-높은 재현성 및 확장성: 첨단 반도체 공정뿐만 아니라, 일반 제조업의 품질 관리, 자격증 실기 데이터 분석, 대학 연구실의 시뮬레이션 결과 해석 등 '이미지 + 수치 데이터'가 결합된 모든 연구/업무 현장에 즉시 적용 가능합니다.

-3단계 가이드: ① 제시된 수석 QC 프롬프트 복사 ➔ ② 불량 사진 업로드 및 CSV 텍스트 붙여넣기 ➔ ③ 즉시 통합 리포트 수령 및 레시피 수정.