← 프로젝트 목록으로

반도체 제조 공정 데이터 기반 불량률 예측 및 원인 분석

2025/04/20 → 2025/06/10

산업/분야

제조반도체공정

직무/기술

Python예측회귀

Step1. 데이터 수집

삼성SDS Brightics AI 포털에서 제공하는 데이터 사용

수집 기간: 2008.07.19 ~ 2008.10.17, 1567개의 샘플, 592개의 변수

반도체 공정 내 센서 데이터 590개(Sensor0~Sensor589), 품질 판정값(Pass_Fail: -1 합격/1 불량), 측정 시각 정보(SensorTime)

원시 센서 데이터 샘플

Step2. EDA 및 데이터 전처리

Skewness(왜도) 분석, 불량 분포 확인 (양품 93.36%/1463건, 불량 6.64%/104건)

결측치 확인 (상위 15개 센서), 이상치 확인, 상관관계 분석

결측치 비율 상위 15개 센서

이상치 비율이 높은 센서 시각화

데이터 전처리: Skewness 보정, Z-score normalization, 이상치 처리, 결측치 처리(변수 제거 및 중앙값 처리, 결측률 상위 40개 변수 cutoff 기준)

이상치 처리 전/후 비교

결측률 상위 40개 변수 및 cutoff 기준

Step3. 모델링 및 불량 탐지 성능 평가

• Random Forest: SMOTE Oversampling, Threshold tuning, ROC/PR 곡선 및 피처 중요도 시각화

랜덤포레스트 — ROC·PR 곡선 및 피처 중요도

• Logistic Regression: liblinear solver, StandardScaler, SMOTE Oversampling, Threshold tuning

로지스틱 회귀 — ROC·PR 곡선 및 피처 계수

평가지표 비교 (Accuracy / Precision / Recall / F1-score / AUC)

성능 평가 지표	Accuracy	Precision	Recall	F1-score	AUC score
랜덤포레스트	0.7102	0.1354	0.6190	0.2222	0.7411
로지스틱 회귀	0.8503	0.1389	0.2381	0.1754	0.6134