Through-silicon via (TSV) filling is indispensable for three-dimensional semiconductor packaging. Conventional processes rely on PVD (physical vapor deposition) or ALD (atomic layer deposition) seed layer deposition followed by copper electroplating, but these approaches face limitations in productivity and conformality. ALD and ELD (electroless deposition) have been investigated as seed-based approaches to overcome poor step coverage, while seedless strategies have also been proposed including additive-assisted electroplating, electroless alloy layers, metallic nanowires, and conductive pastes. These methods have demonstrated void-free or seam-free fills under specific conditions, yet challenges remain in achieving uniform superconformal filling across dense arrays, suppressing copper oxidation and interfacial contamination during rinsing/drying, and guaranteeing long-term reliability under thermomechanical cycling, electromigration, and humidity bias. In parallel, hybrid bonding has emerged as an alternative to thermo-compression bonding, where TSV filling performance, CMP (chemical mechanical polishing) planarization, and interface activation are crucial to reliable bonding. An integrated research approach incorporating both seed- and seedless-based TSV filling together with hybrid bonding provides a credible pathway to reliable three-dimensional stacking for high-bandwidth memory and artificial intelligence applications.

엔트로피 지표(섀넌 엔트로피, 지니계수, 허시만-허핀달지수)와 경제복잡성 (ECI) 지표, 네트워크 분석을 활용하여 국내 반도체 산업의 구조를 실증적으로 분석하였다. 엔트로피 지표를 산업의 계열화/전문화와 연계하고 ECI와 엔트로피 지표의 특성을 상호보완 적으로 활용하는 새로운 접근을 시도하였다. 전국 단위로 반도체 산업 관련 업종에 해당하는 기업을 추출하여 기업 홈페이지 및 소개자료 등을 통해 반도체 산업 가치사슬 중 어느 부분에 해당하는지를 분류하는 작업을 실시하였으며, 최종적으로 2,957개 기업을 후공정, 전공정, 소재, 부품, 장비, 설계 기업으로 분류하여 특정하였다. 이 중 중 거래관계를 추출 가능한 1,212개 기업의 66,210개 거래관 계망 정보를 활용하여 실증 연구를 진행하였다. 국내 반도체 산업의 거래 네트워크는 무척도성, 작은세상 특성, 모듈성, 계층성을 모두 보이는 소수 핵심기업 중심 계열화된 네트워크였다. 국내 반도체 산업의 두 가지 구조변화 (2020년 거래관계망 계열화, 2023~2024년 복잡성지수 추세 반전)등을 식별할 수 있었다. 2018~2024기간 동안 국내 반도체 산업은 점차 전문화되는 추세였으나 2020년에 일시적 으로 계열화 추세를 보였다. 소·부·장 산업은 비교적 전문화되어 있고 전공정·설계는 계열 화되어 있었다. 광역지자체별로 살펴보면 경기·충남·충북 등 전통적 반도체 산업 중심 지의 계열화 수준이 높았으나, 경제복잡성 지수는 경남·부산에서 높게 나타났다. 경남·부산· 광주 등의 경제 복잡성 지수의 약진, 경기·충남·충북의 경제 복잡성 지수 부진은 2023~2024년에 두드러지게 나타났으며, 지역별 기업 영업이익률과도 양의 상관관계를 나타냈다. 2023년 이후 AI반도체, 전력반도체 육성정책과의 관련성에 대한 심층적인 분석이 필요하다. 최종적으로 비수도권 균형발전 관점 반도체 혁신정책의 효율성을 일정 부분 입증할 수 있었다.

The semiconductor equipment industry is characterized by high technological intensity and a strong demand for customized functionality from client firms. This necessitates the collection and implementation of diverse client requirements, which in turn demands close cross-departmental collaboration and leads to highly complex project structures. To manage this complexity, many semiconductor-related companies operate global matrix organizations based on multiple reporting lines by region, function, and product. These structures entail intricate communication process and pose significant collaboration challenges. This study empirically investigates key factors influencing collaboration and project performance within global matrix organizations in the high-tech semiconductor equipment industry, applying the Technology-Organization-Environment (TOE) framework. The analysis identified significant effects of all examined factors on inter-organizational collaboration performance: three technological sub-factors (usability of communication tools, process standardization, and change management systems), two organizational sub-factors (clarity of roles and responsibilities, and robustness of information-sharing systems), and three environmental sub-factors (alignment of requirements, cultural understanding, and responsiveness to industry standards and regulations). Furthermore, the level of agile implementation was tested as a moderating variable in the relationships between TOE factors and collaboration performance. The results revealed significant moderating effects of agility in specific areas: the usability of communication tools and systematic change management (technological factors); information-sharing structure (organizational factor); and requirement alignment (environmental factor). These findings suggest that agile approaches do not operate as a single-factor solution but interact dynamically with various organizational conditions. By focusing on the underexplored dynamics of global matrix organizations in collaboration performance, this study provides a structured empirical analysis of their operational characteristics. Its theoretical contribution lies in offering an integrative perspective on technological, organizational, and environmental drivers of collaboration and project success, extending current research in high-tech project and organizational performance.

최근 반도체 산업은 디지털 전환과 지속가능한 발전 측면에서 글로벌 경쟁이 점점 더 치열해지고 있다. 본 연구 에서는 한국과 대만의 반도체 산업을 중심으로, ‘디지털 동적 역량’과 ‘기업 성과’ 간의 관계에서 ‘양손잡이 경영(탐 색과 활용)’의 매개효과를 포함하여 고찰하고자 했다. 또한, ‘환경의식’과 ‘기업의 사회적 책임(CSR)’의 조절 효과도 포함하여, 연구 모델을 구축하였다. 실증분석을 위해, 한국과 대만의 반도체 산업 종사자들을 대상으로 설문조사 를 실시하였으며, 조사된 설문 자료를 기반으로 비교분석을 수행하였다. 기본적으로 디지털 감지(sensing), 포착 (seizing), 전환(transforming)이라는 ‘디지털 동적 역량’이 ‘재무성과’ 및 ‘비재무성과’에 미치는 영향을 고찰하였 으며, 그 사이의 ‘탐색’과 ‘활용’이라는 ‘양손잡이 경영’이 갖는 매개효과도 검증하였다. 또한, 한국과 대만의 제도 적․문화적 기반이 다른 상황에 있어서, ‘환경의식’과 ‘CSR’의 (국가․제도․문화적 맥락에 따른) 조절효과도 고 찰하였다. 분석 결과를 보면, 첫째, 디지털 감지, 포착, 전환으로 구성된 디지털 동적 역량은 재무성과 및 비재무성과 모두 유의한 정(+)의 효과가 나타났다. 둘째, 탐색과 활용으로 구성된 ‘양손잡이 경영’은 디지털 동적 역량과 기업 성과 사이에서, 긍정적인 ‘부분 매개(partial mediation) 효과’가 나타났는데, 이는 양손잡이 경영의 전략적 중요성을 시사한다. 셋째, CSR과 환경의식은 성과 유형 및 국가에 따라 조절 효과가 상이하게 나타났다. 이는 Hofstede (1984)가 제시한 문화적 차이에 기인하는 것으로 예측된다. 특히 한국은 사회적 신뢰와 이미지 중심의 지속가능 한 전략을, 대만은 효율성과 성과 중심의 전략을 선호하는 경향을 보였다. 본 연구는 기업이 디지털 전환을 추진함에 있어 탐색과 활용의 균형을 갖춘 양손잡이 역량을 강화하고, 국가별 제도 및 문화적 특성을 고려한 CSR 및 지속가능성 전략을 수립할 때, 디지털 역량의 성과가 극대화될 수 있다는 등 다양한 학문적․실무적 시사점을 제시하고 있다.

과불화화합물(PFAS)은 높은 화학적⋅열적 안정성으로 인해 환경에서 쉽게 분해되지 않고 축적되며, 생식 독성, 내분비계 장애 등 다양한 유해성을 나타내 글로벌 규제의 중심에 있다. 특히 반도체 제조 산업은 PFAS 계열 화학물질을 공정 중 직접 사용하거나 부산물 형태로 배출하고 있어, 이들 물질의 배출 현황과 특성에 대한 면밀한 관찰과 관리가 필수적이다. 본 연구는 반도체 제조 공정에서 발생 가능한 PFAS의 배출 경로를 공정 단계별로 체계적으로 분석하고자 하였다. 이를 위해 반도체 공정 중 PFAS의 사용 및 유출 가능성이 높은 포토 공정, 습식 화학 공정, 건식 화학 공정을 구분하여 각 단계에서 PFAS가 어떤 방식으로 사용되고 어떤 경로로 배출되는지를 체계적으로 검토하였다. 분석 결과, 포토 공정에서는 포토레지스트에 포함된 광산발생제를 통해 PFAS가 직접적으로 사용되는 것으로 나타났으며, 습식 공정에서는 식각 및 세정 단계에서 PFAS 계면활성제가 폐수로 유입되는 경로를 확인하였다. 건식 공정에서는 불소계 가스 및 리간드(Ligand) 물질이 간접적인 PFAS 발생원으로 작용할 수 있으며, 공정 내 화학적 분해 반응을 통해 형성되는 PFAS 유사물질의 배출 또한 고려할 필요가 있음을 밝혔다. 본 연구는 반도체 제조 공정에서의 PFAS 배출 특성을 공정 구조와 연계하여 통합적으로 분석함으로써, 향후 PFAS 저감 기술 개발 및 규제 대응을 위한 기술적⋅제도적 관리 방안 수립을 위한 기초 자료로 활용될 수 있을 것으로 기대된다.

Semiconductors, optimized for artificial intelligence (AI) applications, are efficiently handling large-scale data processing and complex computations with high speed and low power consumption. They accelerate AI model training and inference in data centers, cloud services, autonomous vehicles, and mobile devices. As demand for high-speed data transmission and extensive data processing grows, global companies are developing proprietary AI semiconductors, and subsequently, high-density packaging technologies are needed to interconnect multiple processor chips. To achieve this, an interposer is required. An interposer is a layer used in packaging technology for combining multiple chips, which includes wiring that is inserted to electrically connect a semiconductor chip with a substrate that has a significant pitch difference. Among the materials employed as substrates or interposers, organic, silicon and glass are being considered. While silicon interposers are usually used to connect the main substrate and multiple chips, producing very thin silicon wafers and controlling warpage is challenging, and so they suffer from poor yield and integration. Also, organic substrates have difficulty achieving fine pitch because of their uneven surface and warpage. On the other hand, glass substrates and interposers have good electrical and thermal properties. For this reason, this study investigated AI semiconductor packaging trends and through glass via (TGV) technology, emphasizing the importance of suitable glass material selection, reliable glass-metal bonding and application to solder bumping on TGV. Advances in AI and TGV technologies are expected to drive next-generation AI semiconductor packaging development.

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.

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.

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.

Micro-electronic gas sensor devices were developed for the detection of carbon monoxide (CO), nitrogen oxides (NOx), ammonia (NH3), and formaldehyde (HCHO), as well as binary mixed-gas systems. Four gas sensing materials for different target gases, Pd-SnO2 for CO, In2O3 for NOx, Ru-WO3 for NH3, and SnO2-ZnO for HCHO, were synthesized using a sol-gel method, and sensor devices were then fabricated using a micro sensor platform. The gas sensing behavior and sensor response to the gas mixture were examined for six mixed gas systems using the experimental data in MEMS gas sensor arrays in sole gases and their mixtures. The gas sensing behavior with the mixed gas system suggests that specific adsorption and selective activation of the adsorption sites might occur in gas mixtures, and allow selectivity for the adsorption of a particular gas. The careful pattern recognition of sensing data obtained by the sensor array made it possible to distinguish a gas species from a gas mixture and to measure its concentration.

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.