인터엑스·해성디에스, 반도체 제조 공정에 AI 품질 검사부터 넣는다

• 인터엑스와 해성디에스가 반도체 제조 공정의 인공지능 전환(AX)과 자율제조를 위해 손잡았음

  • 해성디에스는 해성그룹 계열 글로벌 반도체 부품 제조사임
  • 양사는 기존 자동화 중심의 제조 환경을 AI 기반 자율화 구조로 바꾸겠다는 목표를 내세움
  • 공정 복잡도가 높은 반도체 제조에서 전문 인력 의존도를 낮추고 제조 지능화를 구현하겠다는 방향임

• 첫 적용 대상은 인터엑스의 AI 품질 검사 솔루션 ‘인스펙션.AI(Inspection.AI)’임

  • 이 솔루션은 공정 중 발생하는 품질 데이터를 실시간 분석해 검사 효율을 높이는 기술로 소개됨
  • 해성디에스는 이를 통해 생산 공정의 효율성과 품질 경쟁력을 함께 강화할 수 있을 것으로 보고 있음
  • 기존 자동화 검사에서 생기던 운영 병목과 판단 편차를 줄이는 것도 주요 목표임

• 협력 범위는 품질 검사에서 끝나지 않을 예정임

  • 인터엑스의 ‘레시피.AI(Recipe.AI)’는 최적 공정 조건 도출을 위한 솔루션으로 언급됨
  • ‘퀄리티.AI(Quality.AI)’는 실시간 품질 예측과 관리를 맡는 영역임
  • ‘피에이치엠.AI(PHM.AI)’는 설비 예지보전을 위한 솔루션으로 소개됨

• 핵심은 반도체 제조의 AI 적용이 “불량 잡기”에서 “생산 실행 전체 최적화”로 넓어지고 있다는 점임

  • 품질 검사 데이터가 쌓이면 공정 조건 최적화, 품질 예측, 설비 이상 징후 탐지로 연결될 수 있음
  • 대규모 생산 환경에서는 사람이 매번 같은 기준으로 판단하기 어렵기 때문에, 일관된 품질 관리 체계를 만드는 게 중요함
  • 반도체 공정은 이미 자동화 수준이 높아서, 여기서 AI 자율화가 붙으면 제조 운영 방식 자체가 바뀔 여지가 있음

기술 맥락

• 이번 협력의 출발점은 품질 검사예요. 반도체 제조는 공정이 복잡하고 품질 기준이 빡빡해서, 검사 단계에서 판단 편차나 병목이 생기면 생산 전체 효율이 흔들리거든요.

• Inspection.AI를 먼저 넣는 이유는 현장 데이터가 바로 발생하고 효과를 비교하기 쉬운 영역이기 때문이에요. 불량 판정, 검사 처리량, 재작업률 같은 지표로 AI 적용 전후를 볼 수 있어요.

• 이후 Recipe.AI나 Quality.AI로 확장하려는 건 품질 검사를 공정 최적화와 연결하겠다는 의미예요. 단순히 “불량을 찾았다”에서 끝나는 게 아니라, 어떤 조건에서 불량이 늘었는지 보고 공정 조건을 바꾸는 쪽으로 가는 거예요.

• PHM.AI 같은 예지보전은 설비 가동률과 직접 연결돼요. 반도체 제조에서는 장비가 멈추는 시간이 곧 비용이라, 고장 후 수리보다 이상 징후를 먼저 잡는 게 훨씬 중요해요.

• 다만 기사에는 구체적인 성능 수치나 적용 라인 규모가 나오지 않아요. 그래서 기술 검증 사례라기보다는 국내 제조 AX가 어떤 순서로 현장에 들어가는지 보여주는 초기 협력 사례로 보는 게 맞아요.