PCB 공장, 인공 지능(AI)을 받아들이다.

메니 간츠(Meny Gantz)

과거의 크고 전통적인 방식의 “인쇄 회로 기판”에서부터 오늘날의 고밀도 상호연결(HDI) PCB, IC 기판(ICS) 등의 미세한 디자인에 이르기까지의 PCB의 진화는 수동 조립에서부터 고도의 자동화된 생산으로 발전해 온 제조 프로세스의 진화에 필적합니다. 제조 기술이 발전하면서 과거였다면 패널을 폐기해야 했을 불량을 검사 후 수정(shaping)하는 능력을 포함하여 프로세스는 보다 복잡하고 보다 정교해 졌습니다. PCB 제조 산업은 인공 지능(AI)를 활용하고, 자동화된 생산 프로세스와 궁극적으로는 전체 PCB 제조 시설을 최적화 할 수 있는 절호의 기회를 맞고 있습니다.

PCB 제조는 일반적으로 오랜 시간 동안 지식을 구축해 온 전문가들에게 의존해 왔습니다. 이 전문가들은 제조 프로세스의 모든 단계를 상세히 알고 이해하고 있습니다. 이 전문가들은 생산 최적화와 수율의 개선을 위해 자신의 지식을 어떻게 활용해야 할 지 알고 있습니다. 작업자의 실수와 피로를 포함한 인간의 한계는 이러한 전문가들이 목표 달성에  징애가 됩니다. 작업자의 실수 또는 PCB 불량의 식별 오류(가성 불량 (False Alarm)는 과도한 공수로 인해 수율 및 PCB의 품질 자체에도 큰 피해를 줄 수 있습니다. AI를 제조 프로세스로 통합함으로써(그림 1), 전문가들이 AI 시스템을 최적화하고 “훈련” 시키는 동시에 생각과 상호 작용이 필요한 더 복잡한 작업을 계속해서 수행하는 동안 기계는 일정한 “학습된” 작업을 도맡아 수행함으로써 가치를 더할 수 있습니다. 이러한  인간과 인공 지능의 조합은 전반적인 효율과 운영을 개선하는 동시에 AI 전문 시스템을 위한 큰 기회를 제공합니다.
 

그림 1. AI는 PCB 공장 품질을 개선할 수 있도록 도와줍니다.

 

AI 4 산업혁명(Industry 4.0)
PCB 제조의 미래는 글로벌 수준에서 그리고 제조 시스템의 수준에서 AI를 특징으로 하는 완전 통합된 4차 산업혁명 시스템을 갖춘 공장에 있습니다. “글로벌” 수준에는 개별 제조 시스템뿐 아니라 공장 전체의 모든 시스템이 포함됩니다. 4차 산업혁명은 실시간 생산 분석, 양방향 통신 및 데이터 공유, 추적성, 주문형 데이터 분석 등을 가능케 해주는 자동화 및 데이터 상호교환 인프라를 제공합니다. 특정 공장 내에서 AI는 추적성, 양방향 통신과 같은 4차 산업혁명 메커니즘을 통해 수집한 데이터와 다양한 제조 시스템 및 기계로부터 획득한 데이터를 이용하여 프로세스를 개선할 수 있습니다. 공장은 AI를 이용하여 방대한 양의 시스템 데이터를 분석함으로써 공장 설정 파라메터를 최적화하고, 최고 수준의 생산성과 수율을 달성할 수 있습니다. AI 분석과 자기 학습은 인공 지능 네트워크를 통해 만들어 지고 진화 됩니다. 수 년 내에 AI는 인간의 개입 필요성을 없애고 완전히 자동화된 공장을 가능하게 할 것입니다.

이러한 새로운 PCB 제조 모델의 요구사항에는 모니터링 및 의사 결정 메커니즘으로서의 AI와 함께 모든 공장 시스템의 완전한 연결이 포함됩니다. 현재 PCB 공장의 완전 자동화를 제한하는 독점적이고 기술적인 과제들이 존재하며, 따라서 오늘날의 AI는 가능한 경우에 자동 광학 검사 장치(AOI) 솔루션과 같은 개별 시스템에 추가되고 있습니다. 생산 시설을 글로벌 AI 모델로 전환함으로써 얻는 장점으로는, PCB 불량 (“진성 불량”)에 대한 훨씬 더 신뢰할 수 있는 통보와 문제의 원인을 파악한 후, 공장 공정의 개정을 자동화하여 관련 불량을 제거하는 피드백 루프를 갖출 수 있다는 것입니다.

머신 러닝과 딥 러닝을 포함한 AI의 일부 요소들은 PCB 공장의 완전 자동화를 목표로 지향합니다. 머신 러닝은 컴퓨터가 데이터를 사용하여 작업 성능을 향상시킬수 있도록 하기위해 명시적으로 프로그래밍하지 않고, 이미 경험하고 학습된 예시를 이용하는 알고리즘을 사용합니다.  PCB 제조에 있어서 머신 러닝은 수율을 향상시키고, 제조 작업 및 공정을 개선하고, 수동 작업을 줄이는 동시에 공장 자산, 재고 및 공급망을 보다 효율적으로 관리할 수 있도록 도와줍니다.

딥 러닝은 AI를 더욱 복잡한 수준으로 끌어 올리는데, 이는 글로벌 공장 시스템의 수준에서 유리하게 작용합니다. 딥 러닝은 다면적이고 다층적인 인공 지능 네트워크를 이용하여 인간의 뇌가 학습, 이해, 추론하는 능력에 의해 영감을 받게 됩니다. PCB 공장에서 소프트웨어 전문 시스템은 수집된 데이터에서 통찰, 패턴 및 맥락의 복잡한 표현으로부터 효과적인 학습을 합니다. 이 학습은 PCB 제조 과정에 있어서 자동화된 공정 개선의 기초를 형성합니다.

머신 러닝과 딥 러닝의 구현 시 PCB 제조사들은 인간의 이해력을 뛰어넘는 능력을 갖출 수 있습니다. 다시 말해서 AI 시스템은 더 깊은 곳을 파고 들어서 인간이 탐구할 생각조차 하지 못했던 곳에서 새로운 최적화의 기회들을 발견합니다. AI 전문 시스템은 매우 효율적으로 필수적인 전문 인력의 수를 줄이고, 글로벌 수준에서 공장 시스템을 모니터링하기 위해 추가적으로 보다 복잡한 파라메터들을 사용함으로써 효율성과 모범적 사례들을 추구합니다.

4차 산업혁명 센서(장비로부터 데이터를 전송할 수 있는 센서)와 시스템을 사용하면 간단한 읽기와 쓰기 능력에서부터 공정 파라메터에 대한 가장 작은 PCB 단위의 고급 추적 능력에 이르기까지 PCB 제조 공정 전체에 걸쳐 글로벌 수준에서 데이터가 생성됩니다. 이러한 공정 파라메터들에는 제조 과정에서의 에칭(etching), 감재의 현상(resist development) 및 현상액의 농도 등도 포함될 수 있습니다. 최적화된 제조 공법과 파라메터들을 알려주고, 그 유형들을 식별하며, 그 과정에서 필요한 변경점에 대해 정보에 입각한 의사 결정을 내리기 위하여, 이러한 유형의 데이터는 딥 러닝을 통해 분석됩니다. 이러한 모든 작업은 완전 자동화된 방식으로 하루 24시간, 주 7일 동안 수행될 수 있습니다.

시스템 수준의 AI
시스템 수준에서, PCB 제조 현장에서 현재의 AI 구현은 일 예로, AOI 공정등에서 생산성과 수율에 주목할 만한 영향을 보여 줍니다. 이 경우 PCB 불량을 검사할 때 사람의 실수를 크게 줄이는 것은 머신 러닝입니다. PCB 불량의 예로는 쇼트(short), 단선(open) 덧살과 같은 쇼트성 불량 등이 있습니다.  AOI에 의한 자동검사는 수동 검사로 잡아내지 못하거나 반복 작업에 의한 사람의 실수로 누락될 수 있는 매우 작은 불량도 검출할 수 있습니다.

AI를 사용하지 않고 100개의 패널을 검사하는 전통적인 검사 방식에서는 패널 당 20~30개의 불량을 찾아내는데, 이 중 약 75%는 가성 불량 (False Alarm)일 수 있습니다. 정책 상 모든 불량은 수동으로 재확인해야 하므로, 가성 불량 (False Alarm)의 검토는 귀중한 작업 시간을 낭비하고, PCB 공수를 증가시키며, 새로운 불량을 야기 시킬 수 있습니다. 또한 피로하거나 과로에 지쳐있거나 주의가 산만해진 작업자의 재확인 도중 추가로 잘못된 판단이 발생할 가능성도 있습니다.

AOI 시스템에서 머신 러닝을 이용 시 이러한 가성 불량(False Alarm)과 수정 작업이 극적으로 줄어듭니다(그림 2). 가성 불량(False Alarm)이 적을수록 패널 당 공수가 줄어들어 그 자체만으로도 수율이 증가합니다. 또한 AI는 인간 작업자가 가진 필연적인 제약 없이 불량 분류를 일관성 있게 수행하여(또한 동적으로 개선하여) 보다 신뢰할 수 있는 결과를 제공하고 검증 시간을 줄여줍니다. 오보텍의 내부 연구에 따르면 AOI 시스템의 AI는 가성 불량 (False Alarm)을 최대 90%까지 줄여주는 것으로 밝혀졌습니다. AOI는 다른 제조 설비들보다 더 많은 데이터를 수집한다는 점에서 다소 독특한데, 이 점에서 AI 구현의 첫 단계로 매우 적합합니다. 동시에 AOI 작업실은 PCB 제조 공장에서 가장 노동 집약적 공정이며, 따라서 해당 공정에 AI를 채택함으로써 얻는 잇점이 가장 많습니다. PCB 제조업체의 경우 이러한 모든 특징들은 수 백만 개의 불량이 보다 정확하게 식별 및 분류되고, 더 높은 수율과 비용의 감소 가능성이 있음을 의미합니다.


그림 2. AI로 구동되는 AOI는 생산 현장에서 불량의 재확인 및 작업 공수를 줄여줍니다.

 

글로벌 수준의 AI 시스템 수준의 AI 간의 협업
시스템 수준과 글로벌 수준에서 작동하는 AI의 예로 AOI 설비가 100개의 패널을 검사하는 경우를 가정해 볼 수 있습니다.  시스템 수준에서 머신 러닝으로 구동되는 AI는 시스템에서 쇼트(short) 불량으로 분류해 왔던 가성 불량 (False Alarm)을 걸러냅니다. AI 시스템은 “Panel Understanding” (패널 내의 요소들 및 이 요소들이 어떻게 하는 지를 AOI가 이해하는 기능)을 활용하면서 복수의 AOI 이미지를 평가함으로써 가장 스마트한 분류를 가능하게 합니다. 이 정보는 글로벌 AI 시스템에 공급되는데, 딥 러닝으로 구동되는 글로벌 AI 시스템은 시스템 수준의 솔루션으로부터 이러한 데이터를 수집하고, 식별된 실제 불량이 쇼트성 불량을 제거하기 위해 추가 에칭(etching) 시간이 필요한 쇼트(short)이라는 점을 밝힙니다. AI 시스템은 시스템 수준의 데이터를 사용하여 엣칭 공정에서 관련 파라메터를 조정하기 위한 글로벌한 결정을 내림으로써 향후 제조되는 모든 패널에서 동일한 유형의 불량이 줄어들게 합니다. 결국 시스템 수준의 솔루션들 간의 통신은 글로벌 수준에서 AI의 의사 결정 기능을 더욱 강화시키고 개선시킬 것입니다.

 

제조상의 해결 과제 증가
AI의 발전이 산업계 전반을 급격히 변화시키고 있는 가운데 PCB 제조에 있어서의 해결 과제 역시 빠르게 늘어나고 있습니다. 불량의 감지가 점점 더 어려워지고 있는 두 가지 주요 부문은 플렉스 자재와 줄어드는 트레이스 라인 폭입니다. Liquid Crystal Polyamide (LCP)와 Modified Polyamide (MPI)와 같은 차세대 복합 자재는 AOI에서의 스캔 이미지 획득, 취급, 변형 및 미세 라인 등을 포함한 새로운 해결 과제를 PCB제조사들에게 안겨줍니다. 예를 들어 플렉스 PCB를 위한 보다 복잡해진 자재는 더 많은 불량이 인식되게 함으로써 가성 불량 (False Alarm)의 수를 증가시킵니다. 이러한 복합 자재에 대한 제조업체의 목표는 가성 불량 (False Alarm)을 판단하는 AOI 공정에서의 패널취급을 최소화시키는 것입니다. 플렉스 PCB(그림 3)는 AI의 구현에서 많은 혜택을 볼 수 있는 제품 군인데, 이는 시스템이 보다 엄격한 파라메터 내에서의 제조 방법을 학습하게 되기 때문입니다.


그림 3. 플렉스 회로는 자동 광학 검사 (AOI) 설비에서 추가적인 문제를 야기시킵니다.

 

5G용 PCB 역시 현재보다 더 높은 제조 정밀도를 요구하는 부분이며, 인공 지능에 의해 가능해진 전문 기술의 혜택을 누릴 수 있는 잠재력을 지닌 또 다른 어플리케이션입니다.. 5G에 필요한 HDI PCB는 더 미세한 라인폭과 곧은 회로 측벽 (Straight Side-Wall), 그리고 매우 정확한 파라메터를 필요로 합니다. 이러한 요구는 불량의 검출을 더욱 어렵게 만듭니다. 전문 인력이라하더라도 이를 효과적으로 달성하기는 매우 어려울 것입니다.

AI로 구동되는 공장이 향후 생산 현장의 열쇠가 될 것을 고려할 때 이러한 점들과 기타 아직 알려지지 않은 PCB 제조 상의 해결 과제들을 염두에 두어야 합니다. 글로벌 수준에서 AI의 적용이 PCB 제조에서 성과를 보려면 더 많은 시간이 필요하지만, 시스템 수준에서의 AI 구현은 이미 도래했고, 완전 자동화된 PCB 제조 라인을 통한 미래의 기반을 구축하고 있다는 점은 분명합니다.

— 메니 간츠(Meny Gantz)는 오보텍 PCB 부문 마케팅 담당 부사장입니다.