삼성 반도체 외관검사 AI가 인간 검사원을 넘어선 순간

2024년 어느 날, 삼성 반도체 화성 캠퍼스

"이 결함... 사람 눈으로는 절대 못 잡았을 겁니다."

반도체 FAB(제조동) 외관검사 라인. 웨이퍼 위에 수십억 개의 트랜지스터가 새겨져 있다. 그 위에 머리카락 굵기의 1/100 크기 결함이 있다.

사람의 눈? 절대 불가능하다.

기존 방식: 규칙 기반 검사

[기존 외관검사 시스템]

카메라 촬영 → 이미지 획득
    ↓
규칙 엔진 적용
    ├── 밝기 임계값: pixel > 200 → 불량
    ├── 크기 필터: area > 50px → 불량
    └── 위치 규칙: edge 근처 → 무시
    ↓
판정: OK / NG

문제점:
├── 조명 변화에 취약 (오전 vs 오후)
├── 새로운 불량 유형 대응 불가
├── 과검출률 30% (정상을 불량으로)
└── 미검출률 5% (불량을 정상으로)

과검출 30% = 정상 제품을 불량으로 판정해서 버림. 웨이퍼 1장 = 수백만 원. 하루에 수억 원이 날아간다.

AI 도입 후: CNN 기반 검사

[AI 기반 외관검사 시스템]

카메라 촬영 → 이미지 획득
    ↓
전처리 (노이즈 제거, 정규화)
    ↓
CNN 모델 추론
    ├── 분류: 정상 / 스크래치 / 파티클 / 크랙
    ├── 위치: 불량 영역 바운딩 박스
    └── 신뢰도: 98.5%
    ↓
판정 + 근거 시각화 (GradCAM)

성과:
├── 과검출률: 30% → 3%
├── 미검출률: 5% → 0.1%
├── 검사 속도: 2배 향상
└── 새로운 불량 유형 자동 학습

실제 도입 성과

기업	적용 분야	AI 기술	성과
삼성전자	반도체 웨이퍼 검사	CNN + 이상탐지	과검출 90% 감소
현대자동차	차체 용접 품질	YOLO 객체탐지	검사 시간 80% 단축
LG디스플레이	패널 외관검사	ResNet 분류	불량 검출률 99.5%
포스코	강판 표면 결함	EfficientNet	미검출 0.05% 달성
SK하이닉스	DRAM 패키지 검사	Anomaly Detection	수율 2% 개선

이 모든 것의 기반이 비전 AI다.

이번 주에 우리는:

OpenCV로 이미지를 다루고
CNN으로 불량을 분류하고
YOLO로 불량 위치를 찾고
이상탐지로 미지의 불량을 감지하고
이 모든 것을 합쳐 검사 시스템을 만든다.

제조 비전 AI의 세계로 들어가자.