직무 · SK하이닉스 / 모든 직무
양산기술 엔지니어로서도 샷노이즈와 같은 이슈를 FDC 데이터를 분석함으로써 해결하나요? (양산기술 엔지니어는 FDC 데이터를 spotfire나 jmp 같은 분석 툴로 본다고 배웠는데 정확한지 모르겠습니다..!) 아니면 공정 레시피로서 해결할 수 있는 방향성이 있을까요?? 답변 부탁 드립니다. 감사합니다!
2025.12.08
궁금증이 남았나요?
빠르게 질문하세요.
안녕하세요! 이번에 SK하이닉스 신입채용에 지원한 멘티입니다. 타사에서 2개월간 유관인턴을 진행하였고 이를 신입 경력란에 기재하였습니다. 여기서는 별도의 서류를 요구하지 않았는데 당사가 신입채용전형 도중 인턴 경력증명서 등의 서류를 요구하는지 궁금합니다. 현재 인턴십 진행한 회사에 서류를 요구하거나 건강자격득실 확인서를 받을 수 없는 상황이라, 이에 질문드립니다. 감사합니다!
예를 들어 Function test를 통해 dram의 read / write 동작에서 불량을 판별하면 이를 토대로 공정개선에 들어가는 것인가요? 이러한 func test에서 판별한 불량을 어떻게 조치하는지 궁금합니다!
sk하이닉스 자소서 문항에는 지원동기가 없어 회사에 대한 로열티? 왜 이 회사를 선택했는지를 어필하기가 어렵습니다.. 지원동기와 관련된 문항이 없어도 다른 문항 사이사이에 이런 내용을 포함시키는게 좋을까요? 문항별로 600자라 글자수도 많지않고 괜히 끼워넣는게 아닐까 싶어 고민돼서 질문합니다!
안녕하세요! 이번에 SK하이닉스 신입채용에 지원한 멘티입니다. 타사에서 2개월간 유관인턴을 진행하였고 이를 신입 경력란에 기재하였습니다. 여기서는 별도의 서류를 요구하지 않았는데 당사가 신입채용전형 도중 인턴 경력증명서 등의 서류를 요구하는지 궁금합니다. 현재 인턴십 진행한 회사에 서류를 요구하거나 건강자격득실 확인서를 받을 수 없는 상황이라, 이에 질문드립니다. 감사합니다!
예를 들어 Function test를 통해 dram의 read / write 동작에서 불량을 판별하면 이를 토대로 공정개선에 들어가는 것인가요? 이러한 func test에서 판별한 불량을 어떻게 조치하는지 궁금합니다!
sk하이닉스 자소서 문항에는 지원동기가 없어 회사에 대한 로열티? 왜 이 회사를 선택했는지를 어필하기가 어렵습니다.. 지원동기와 관련된 문항이 없어도 다른 문항 사이사이에 이런 내용을 포함시키는게 좋을까요? 문항별로 600자라 글자수도 많지않고 괜히 끼워넣는게 아닐까 싶어 고민돼서 질문합니다!
답변 2
채택된 답변안녕하세요. 멘티님. 반갑습니다. 포토 공정에서 샷노이즈 문제는 공정 안정성과 수율에 매우 민감한 이슈라 양산기술 엔지니어가 FDC 데이터 분석을 통해 접근하는 것이 맞습니다. 실제로 저도 동기들을 통해 들은 바로는 spotfire나 jmp 같은 데이터 분석 툴을 활용해 수집된 공정 데이터를 정밀히 들여다보고, 이상 패턴이나 변동 요인을 찾아내는 작업을 병행합니다. 이렇게 하면 생산 중 발생하는 미세한 변화를 조기에 발견하고 대응할 수 있거든요. 물론 단순히 데이터 분석에서 끝나는 것이 아니라 이를 기반으로 공정 내 사례별 상관관계, 환경 변수와의 연관성을 파악해 문제 원인을 좁혀가지요. 그리고 공정 레시피 측면에서도 조명 세기나 노광 시간, 현상 조건 같은 주요 변수들을 최적화하여 안정적인 패턴 품질을 유지하려 노력합니다. 때로는 장비 노후 또는 유지보수 상태가 샷노이즈 변동의 원인이 되기도 하니 장비 관리와 함께 레시피 조정을 병행하는 것이 좋습니다. 결국 양산기술 업무는 데이터 분석으로 문제 발생 위치와 원인을 최대한 명확히 한 후 공정 조건이나 장비 상태를 개선하는 쪽으로 풀어 가는 게 정석이라 생각해 보시면 좋겠습니다. 이런 과정을 직접 경험하면서 자신만의 문제 해결 노하우도 키우길 추천드립니다. 모쪼록 도움이 되셨다면 채택부탁드립니다. 감사합니다.
멘티님, 샷 노이즈가 근본적으로 “광자 수 통계에 따른 랜덤성”이라 양산기술 엔지니어가 FDC만으로 원인을 깔끔히 잡고 해결하는 식이라기보다는, FDC·메트롤로지·수율 데이터를 같이 보면서 “어떤 조건에서 어떤 패턴의 랜덤 결함이 튀는지”를 찾고, 그 결과를 바탕으로 공정 레시피·조건 쪽을 조정하는 역할에 가깝다고 보는 게 정확합니다. 실제로 Spotfire·JMP 같은 툴은 각 층·장비·레시피·셔틀별 결함률·CD 분포·Dose·Focus·공정 파라미터를 섞어서 상관관계를 보거나, 특정 조건에서만 stochastic defect가 치솟는 구간을 찾는 데 많이 쓰이고, 그걸 기반으로 노광 Dose/Focus 윈도우, 현상/식각 조건, 레지스트·하드마스크·베이킹 조건 등 레시피를 바꿔 “확률을 줄이는” 식으로 접근합니다. 포토/패턴 쪽에서는 더 근본적으로는 레지스트·하드마스크·EUV 조건 개선, Dose trade-off, 공정 윈도우 최적화 같은 방향으로 개발·PI 조직이 잡고, 양산기술은 그 결과물을 양산 라인에서 적용·모니터링하고, FDC·수율 데이터를 통해 다시 피드백을 주는 구조라 “FDC 분석만으로 해결한다 vs 레시피로만 해결한다”보다는 두 축을 같이 쓰는 데이터 기반 확률 관리라고 이해하시면 좋겠습니다. 채택부탁드리며 파이팅입니다!
