차세대 디스플레이 제조 공정을 혁신하는 AI: 완벽한 수율을 향한 끝없는 도전
딥러닝 기반 머신 비전이 바꾸는 패널 불량 검출의 패러다임

한국의 국가 핵심 산업인 디스플레이(OLED, Micro LED 등) 제조 분야에서 기업의 이익을 결정짓는 가장 절대적인 지표는 바로 '수율[1]'입니다. 아무리 화질이 좋고 혁신적인 패널이라도, 제조 과정에서 버려지는 불량품이 많다면 가격 경쟁력을 상실하게 됩니다.

기존 제조 라인에서는 숙련된 작업자의 육안 검사나, 규칙이 정해진 전통적인 '머신 비전[2]' 기술에 의존했습니다. 하지만 패널이 갈수록 정밀해지면서 인간의 한계를 뛰어넘는 미세 불량들이 등장하기 시작했고, 이를 해결하기 위해 딥러닝(Deep Learning) 기반의 AI가 제조 공정의 핵심 '마스터 엔지니어'로 투입되고 있습니다.

1. 머리카락보다 얇은 결함과의 전쟁: ART와 무라(Mura) 검출

디스플레이 패널 검사의 가장 큰 난관은 불량의 형태가 너무나도 다양하고 불규칙하다는 점입니다. 특히 눈에 잘 띄지 않는 아주 미세한 배선 단선(ART 공정 불량)이나, 화면의 밝기가 미세하게 얼룩덜룩해지는 무라[3] 현상은 기존의 컴퓨터 알고리즘으로는 정상품과 불량품을 명확히 구분하기 어려웠습니다. 결국 불량이 아닌데도 불량으로 처리해 멀쩡한 패널을 버리는 '과검(Over-kill)' 현상이 심각했습니다.

하지만 수십만 장의 불량/정상 이미지를 학습한 AI 신경망은 다릅니다. AI는 픽셀 간의 미세한 명암 차이, 패턴의 미세한 틀어짐을 스스로 학습하여, 사람이 놓치기 쉬운 비정형 결함을 단 몇 초 만에 99% 이상의 정확도로 판별해 냅니다. 이는 수율을 극대화하여 수십억 원의 원가 절감 효과를 가져오고 있습니다.

2. 고장 나기 전에 미리 안다: 예지 보전과 공정 최적화

AI의 역할은 단순히 '검사'에만 머물지 않습니다. 차세대 팹(Fab, 제조 공장)에서는 장비 내부의 온도, 압력, 진동 등 수많은 센서 데이터를 실시간으로 수집하여 AI가 분석합니다.

과거에는 장비가 멈춰야 수리를 시작했다면, 이제 AI는 데이터의 미세한 변화 패턴을 읽고 "3일 뒤, 2번 증착 장비의 모터에 이상이 생겨 불량 패널이 생산될 확률이 85%입니다"라고 예측합니다. 이른바 '예지 보전(Predictive Maintenance)'입니다. 불량이 발생하기 전에 장비를 미리 점검함으로써, 공장 가동 중단(Down-time)이라는 치명적인 손실을 원천 차단하는 것입니다.

3. 궁극의 디스플레이, '마이크로 LED'의 난제를 푸는 열쇠

차세대 꿈의 디스플레이라 불리는 마이크로 LED는 눈에 보이지도 않을 만큼 작은 수천만 개의 LED 칩을 기판 위에 한 치의 오차도 없이 옮겨 심어야(Transfer) 합니다. 이 과정에서 필연적으로 발생하는 수많은 칩의 불량을 어떻게 빠르게 찾아내고 수리(Repair)하느냐가 상용화의 최대 관건입니다. AI 비전 기술은 이 광활한 칩의 바다를 순식간에 스캔하여 불량 칩의 좌표를 정확히 찍어내고, 복구 로봇에게 지시를 내리는 '두뇌' 역할을 완벽히 수행하며 상용화의 시기를 앞당기고 있습니다.

결론: 스마트 팩토리의 심장

결론적으로, 디스플레이 제조 공정에서 AI는 더 이상 선택이 아닌 생존의 필수 조건이 되었습니다. 불량을 잡아내는 매의 눈에서 나아가, 공장 전체를 최적화하는 '완전 자동화(Autonomous) 스마트 팩토리'의 심장으로 진화하고 있는 AI의 행보를 주목해야 할 시점입니다.

함께 읽으면 좋은 글: [제31회] 픽셀의 완벽주의: LGD OLED 수율을 혁신하는 AI 생산 체계와 '하이디(Hi-D)' 아키텍처