최근 인공지능 분야에서 가장 활발히 연구되고 있는 거대 언어 모델은 교육에 대한 응용 가능성을 보 이며, 교육학의 거의 모든 분야에서 그 활용 방안이 연구되고 있다. 이러한 연구는 공학 교육에서도 주목 받고 있다. 그러나 구체적인 활용 분야와 방법에 대해서는 아직 많은 연구가 필요한 상황이다. 특히, 거대 언어 모델을 이용한 교육과정 설계와 개선에 대한 연구는 인공지능 공학과 교육학 두 분야에서 모두 중요한 연구 과제로 부각되고 있다. 이러한 응용 필요성에 대한 예시이자 전략으로써, 본 연구는 OpenAI에서 발표한 최신 거대 언어 모델인 ChatGPT-4o를 이용하여 한국과학기술원(KAIST) 공과대학 학부 전공 과 목과 S전자 DS부문(반도체사업부) 직무 사이의 연관성을 분석하고, 그 결과를 기반으로 대학과 기업체 양측에 반도체 산업 인력 양성과 채용에 대한 실질적인 응용 전략을 제안한다. 이를 위해 KAIST 공과대 학 학부과정에 개설된 모든 전공 과목과 S전자 DS부문(반도체사업부)의 직무기술서를 ChatGPT-4o에 학습시켜 각 과목이 특정 제품군, 직무와 가지는 연관성을 특정 범위와 기준에 의거하여 정량화된 점수로 평가했다. 또한, 각각의 직무, 전공, 과목별로 확보한 데이터를 기초적인 통계 분석을 통해 평가했으며, 구직자와 구인자의 활용 가능성에 초점을 두고 특정 전공의 각 직무별 연관성과 특정 직무의 각 전공별 연관성, 그리고 특정 직무 및 전공의 반도체 제품군별 연관성 등 다양한 조건에서 분석을 진행하였다. 또 한 본 전략에 대한 반도체 산업 실무자 견해를 수집하여 실제 전략으로의 활용 가능성을 검증하였다. 분 석 결과, 간단한 질문과 분석만으로도 전공, 교과목별로 유의미한 직무 연관성의 차이를 확인했다. 이러한 결과를 바탕으로 본 연구는 대학 교육과정의 개선과 기업 채용 및 양성 과정에서의 응용 전략을 제시한 다. 이 연구는 대학과 산업 간의 협력을 통해 인적자원 개발과 채용 효율성 증대에 기여할 것으로 기대한 다. 또한, 후속 연구로 구직자와 구인자, 교수자 등 본 연구의 효과를 확인할 수 있는 집단을 대상으로 한 대규모 설문조사 및 전문가그룹 대상 질적연구 등을 제안하여 실제 활용도와의 비교 분석 연구를 제안 한다. 결론적으로, 본 연구는 거대 언어 모델을 활용하여 필요한 인재를 양성하기 위한 교육 과정 설계의 구체적인 응용 가능성을 제시함으로써, 인공지능을 이용한 교육 분야에 대한 기여 방안을 모색한다.

This study analyzed and identified various causes of caustic alarms of 163 fire detectors that occurred from January 2019 to December 2021 at domestic semiconductor manufacturing plants equipped with about 30,000 fire detectors, and proposed a new non-fire prevention cause investigation plan by applying the NFPA 921 scientific methodology. The results of the study are as follows. First, in terms of necessary recognition and problem definition, an analog detector and an integrated monitoring system were proposed to quickly determine the location and installation space information of the fire detector. Second, in order to prevent speculative causes and errors in various analyses in terms of data analysis and hypothesis establishment, non-fire reports were classified into five by factor and defined, and the causes of occurrence by factor were classified and proposed. Finally, in terms of hypothesis verification and final hypothesis selection, a non-fire prevention improvement termination process and a final hypothesis verification sheet were proposed to prevent the cause from causing re-error.

In the semiconductor manufacturing clean room, contamination that directly affects process yield is managed through the operation of a monitoring system that measures molecular contamination in the air. In this study, I presented the component inspection method, test conditions, and judgment criteria through the life test of the solenoid valve that will be applied to the sampling module of the AMC Monitoring System.

The sampling test module of the existing AMC Monitoring System is constructed using tubes and fittings, so there has been a problem with molecular contaminants remaining in the system. This study demonstrated how a new manifold-type sampling test module without connecting tubes and fittings, and with super-hydrophobic coating improves residual molecular contaminants in the AMC Monitoring System through CDA purge when molecular contamination occurs in a clean room with a Semiconductor Fabrication.

근래들어 미중 간의 기술패권 경쟁이 심화됨에 따라 미국은 중국의 첨 단반도체 기술의 발전을 저지하기 위한 다양한 경제적, 기술적 제재를 부과하고 있다. 최근에는 반도체산업의 글로벌 밸류체인(GVC, 가치사슬) 의 변동성 증대와 더불어, 미국 주도로 주요 반도체 생산국가들인 한국, 대만, 일본을 포함한 칩포(Chip-4) 동맹을 결성하기 위한 논의를 하고 있다. 물론 이러한 미중 간의 첨단기술 경쟁은 우리나라의 산업전반 특 히, 중국에 생산기지를 가지고 중국의 수요에 많이 의존하고 있는 우리 나라 반도체 산업에도 큰 영향을 미치지 않을 수 없다. 따라서 미중 간 반도체산업 분야의 기술경쟁 실태를 면밀하게 분석하고, 이를 토대로 우 리의 국익을 극대화할 수 있는 방안을 모색하는 것이 절실하다. 이러한 배경 하에서, 본 논문은 반도체산업을 중심으로, 현재 미중 간에 벌어지 고 있는 기술패권 경쟁에서 미국과 중국은 각기 어떠한 위치를 점하고 어떠한 전략을 구사하고 있는지를 분석하고, 이를 토대로 이러한 미중 간 기술경쟁이 우리나라 반도체산업에 미칠 영향을 점검하고 적절한 대 응방안을 모색하고자 하는 것이다.

이 연구는 핵심산업의 공급망을 둘러싼 패권경쟁에 주목하고, EU의 입장과 정책을 반도체 산업을 중심으로 살펴보았다. 특히 EU가 표방하 는 ‘개방형 전략적 자율성’과 EU의 반도체 산업지원 정책이 어떠한 관 계를 갖는지를 고찰하였다. EU는 유럽단일시장에서의 경쟁 왜곡을 이 유로 역내에서는 보조금을 통한 산업정책을 엄격하게 통제했고, 역외의 글로벌 공급망에 대해서는 국제 분업의 자연스러운 결과로 간주했다. 반면에 미-중 패권경쟁의 격화, 코로나19 팬데믹 등은 유럽을 둘러싼 공급망에 혼선을 불러일으켰고, EU가 산업정책을 강화하는 결정적인 배경이 되었다. 한편 EU가 추진 중인 그린딜/디지털 전환 또한 자체적 인 공급망 강화 정책을 선택한 이유이다. 다만 EU의 정책은 글로벌 공 급망을 완전히 역내 공급망으로 대체하고자 하는 의도에서 비롯된 것 은 아니다. 취약한 반도체 산업의 설계 및 제조 분야에서 일정한 역량 을 확보함으로써 외부에 대한 의존도를 ‘통제할 수 있는 수준’으로 축 소하고자 하는 것이며, 이미 경쟁력을 보유한 분야의 우위를 계속 강화 해 나가기 위한 것이다. 이와 같은 EU의 정책은 ‘개방적’ 성격과 ‘전략 적’ 성격의 얼핏 양립이 어려운 두 개념을 절충하려는 시도로 볼 수 있 다. EU의 사례가 한국의 반도체 산업에 주는 시사점으로는 우선 반도 체 생태계 중 상대적으로 취약한 소부장 분야를 보완해야 하며, 제조 분야의 비교우위가 소실되지 않도록 연구‧개발을 집중해야 한다. 이와 더불어 투자와 혁신을 유발할 수 있는 규제환경을 조성해야 한다.

본 연구는 미-중 전략경쟁, 코로나19의 심화와 러시아-우크라이나 전 쟁을 통해 국제 공급망 재편에 대한 요구가 강제적 공급망 재편 현상으 로 변화하고 있는 시점에서, 핵심 영역이라고 할 수 있는 반도체 분야에 대한 독일의 대응 전략 분석을 목적으로 한다. 미-중 전략경쟁 속에서 미국과는 전통적 안보 관계를, 중국과는 중국의 경제적 부상과 함께 상 당한 수준의 경제적 상호의존 관계를 형성하고 있는 한국과 독일은 구조 적 유사성으로 인해 독일 사례 분석은 정책적으로 유의미하다. 독일은 한국과 달리 경제안보 개념은 인간안보 개념 속에서 이해할 수 있으며 한국적 맥락의 경제안보는 공급망 안보로 이해할 수 있다. 따라서 본 연 구는 독일의 경제안보 개념에 대한 이해를 추적하고 유럽의 개방형 전략 적 자율성 개념을 통해 안보와 방위를 넘어서는 무역과 산업, 디지털화, 기후변화, 보건 등의 의제를 포괄적으로 접근하고 있을 뿐만 아니라 독 일의 기술 주권과 디지털 주권 수호를 위한 핵심 사안임을 인정하여, 독 일의 반도체 전략을 분석하고 공급망 안보 영역에서 공동 대응을 통해 협력의 가능성을 모색하고자 한다.

본 논문에서는 반도체 패권의 변화에 관한 역사적 경로의 분석을 통해 동 산업생태계 변화를 예측하고자 한다. 특히 본고는 일본의 반도체 산 업 역사를 고찰하고, 현재의 일본 반도체 정책 및 전략을 분석하였다. 본 고에서는 반도체 패권의 변화에 대해 통상관계와 기술 생태계 변화 두 측면에서 역사적 흐름을 고찰하고, 일본 반도체 산업의 변화 및 역사적 경험을 미일 반도체 협정 이전과 1990년대 이후로 구분하여 분석하였다. 또한 일본 반도체 산업정책 및 전략을 내부 산업지원 정책과 클러스터 지역 정책 그리고 외부 칩4동맹 및 주변국과의 협력관계 구축 측면에서 분석하였다.

Recently, many studies have been conducted to improve quality by applying machine learning models to semiconductor manufacturing process data. However, in the semiconductor manufacturing process, the ratio of good products is much higher than that of defective products, so the problem of data imbalance is serious in terms of machine learning. In addition, since the number of features of data used in machine learning is very large, it is very important to perform machine learning by extracting only important features from among them to increase accuracy and utilization. This study proposes an anomaly detection methodology that can learn excellently despite data imbalance and high-dimensional characteristics of semiconductor process data. The anomaly detection methodology applies the LIME algorithm after applying the SMOTE method and the RFECV method. The proposed methodology analyzes the classification result of the anomaly classification model, detects the cause of the anomaly, and derives a semiconductor process requiring action. The proposed methodology confirmed applicability and feasibility through application of cases.