::고려대학교 DMQA 연구실::

Lab. Activity

 

 

 

Lab. Activity>Conference Review  

2017 대한산업공학회_춘계학술대회 - 최우식

작성자 최우식 작성일 2017-05-01 오후 3:49:21
내용

2017년 4월 여수에서 개최된 대한산업공학회 춘계공동학술대회에 참석하였다. 춘계학술대회는 본인이 신입생이던 2014년 이후로 첫 참가였던 지라 감회가 새로웠다. 또한 대한산업공학회 학회 기준으로 두 번째 발표였는데, 첫 번째는 석사논문경진대회였던 관계로 나올 수 있는 질문이 어느 정도 한정이 되었었던 반면 이번 발표에서는 조금 더 자유로운 질의응답이 가능했던 관계로, 기존과는 또다른 관점에서 학회를 느낄 수 있었던 점이 가장 좋았었다고 할 수 있겠다.

이번 학회에서 느낀 점을 발표자 / 청취자 관점에서 각각 정리하면 다음과 같다.

 

- 발표자 후기

이번 학회에서는 Semi-supervised regression methods for virtual metrology modeling 이라는 주제로 발표를 진행하였다. 반도체 산업에서의 가상계측 문제를 semi-supervised regression 이라는, 웨이퍼의 특성치가 존재하는 웨이퍼와 존재하지 않는 웨이퍼를 동시에 활용할 수 있는 방법을 사용하여 해결하고자 하였다. 현재는 특성치가 존재하지 않는 웨이퍼의 데이터를 직접적으로 보유하고 있지 않은 관계로 제한적인 조건 내에서의 실험을 진행한 것이 아쉬운 점이라 할 수 있겠다. 그럼에도 불구하고 사용하고자 했던 방법인 semi-supervised regression이 전체적으로 우수한 성능을 보였다는 점, 또한 실제 웨이퍼 특성치가 존재하지 않는 데이터를 사용할 경우 데이터의 지역적 패턴을 더 많이 활용할 수 있다는 점에서 가상계측에서 semi-supervised regression을 잘 사용할 수 있는 가능성을 보았다는 것이 이번 발표에서의 가장 큰 성과가 아닐까 생각하였다.

질문을 다양하게 받았었는데, 대부분 실험과 관련된 부분이었다. 대표적으로는 각 알고리즘의 파라미터를 어떻게 추정하였는지에 대한 부분이었고, 관련 지적사항으로는 실험과정 변동에 따라 결과가 달라질 수 있으므로 이러한 점을 보다 자세히 서술해달라는 것이 있었다. 추후 좀 더 본격적으로 실험을 진행하게 되면 질문사항과 관련한 부분을 잘 반영하여 실험을 정교하게 잘 진행할 수 있도록 할 예정이다. 추가적으로는 현업에서 종사하시는 분들로부터도 여러 질문을 받았었는데, 현업에서도 본인이 발표한 내용에 대하여 많은 관심이 있고 실제 공정에 보탬이 될 수 있도록 노력하려는 점을 알 수 있었다. 본인의 연구를 잘 진행하여 가상계측 및 다른 필요한 분야에 도움이 될 수 있도록 스스로 많은 노력을 해야겠다는 생각을 하였다.

 

- 청취자 후기

1. 본인 뿐만 아니라 교수님 포함 우리 연구실 사람들이 가장 인상적으로 보았던 것은 연구실에서 주관한 특별세션 'Interface Between Machine Learning and Optimization' 이라 생각된다. 예상에는 학회 첫 날 오전 진행인 A 세션이었던 관계로 처음에는 많은 사람들이 참가하지 않았었는데, 시간이 지날수록 많은 사람들이 관심을 가지고 참여하여, 세션이 끝날 때 쯤은 학회장이 만석이 되었을 뿐만 아니라 약 20명에 가까운 인원이 서서 듣는 장면이 연출되었다. 2013~14년도 이후로 기계학습과 최적화 융합, 딥러닝 관련 내용이 대두가 되고 있고, 국내에서는 최근 들어 연구가 진행되고 있는데, 국내를 기준으로는 이번 내용이 가장 선구적인 연구 중 하나라 생각된다. 지금 보다 더욱 발전을 한다면 국내 뿐 아니라 세계적으로도 관심을 받을 수 있는 주제라 생각되며, 개인적으로도 더 많이 노력하여 발전해야겠다고 생각하였다.

2. 다른 발표 중에서는 본인이 진행하고 있는 프로젝트 및 실험과 가장 큰 연관성이 있었던 '반도체 에칭 공정에서 웨이퍼 내의 공간 위치를 고려한 가상 계측 모형' 을 가장 관심있게 들었다. 전체적인 과정은 현재 연구실에서 진행 중인 프로젝트와 비슷하다. 다만 세부적으로 사용한 알고리즘이 일부 차이가 있었는데, 가장 대표적인 것이 support vector regression - recursive feature elimination (SVR-RFE)이다. 예측 모델에서 중요하지 않는 변수를 반복적으로 제거하는 방식으로, 이러한 방법으로 실제 모델에 사용하는 변수를 크게 줄일 수 있었다고 한다. 일부 추가적으로 궁금한 점도 존재하지만 해당 부분에 대해서는 개인적으로 알고리즘을 파악할 필요가 있겠다.

3. 다른 세션들도 다양하게 참가하였으나, 본인의 기대치가 전보다 크게 상승하여서일 수도 있지만, 기대에 못 미치는 발표도 다수 존재하였다. 전체적인 학회의 퀄리티를 향상시키기 위해서는 다같이 실적을 위한 발표가 아닌, 현실 문제에 어떻게 하면 도움이 될 수 있을 것인지에 대한 깊은 고찰을 담은 발표를 해야되지 않겠나 하는 생각이 문득 들었다. 개인적으로도 이 점을 유념하고 준비를 해야 하겠다.




이전글
다음글

(136-713) 서울시 성북구 안암로145 고려대학교 자연계캠퍼스 신공학관 211호 | TEL.02-3290-3769
고려대학교 산업경영공학과 데이터마이닝 및 품질애널리틱스 연구실. All Right Reserved. 개인정보처리방침