본문 바로가기

BANDI 소개

BANDI 플랫폼의 브랜드 의미와 지향하는 가치를 소개합니다.

플랫폼 개요

BRAND IDENTITY

데이터와 AI를 연결하는
국가 반도체 데이터 인프라, BANDI

반도체 공정 데이터를 체계적으로 수집·연계하고, AI 기반 분석과 연구 활용으로 이어지는 데이터 중심의 플랫폼을 지향합니다.

명칭에 담긴 의미

데이터와 AI를 연결하는 국가 반도체 데이터 플랫폼 명칭

BANDI

반도체 데이터를 중심으로 AI 분석과 데이터 활용을 연결하는 국가 데이터 인프라의 정체성과 방향성을 기억하기 쉬운 하나의 이름에 담았습니다.

FULL NAME

Bandoche & AI-Based National Data Infrastructure

BANDI가 지향하는 플랫폼

공정 데이터가 연구와 서비스로 이어지는 활용체계

01 / CONNECT

데이터 연계

공정·장비 및 연구 데이터를 연결하고 활용 기반을 마련합니다.

02 / ORGANIZE

체계적 관리

수집된 데이터를 일관된 방식으로 관리하고 분석 가능한 형태로 정리합니다.

03 / ANALYZE

AI 분석

데이터 기반 예측·분석으로 공정 이해와 연구 활동을 지원합니다.

04 / SHARE

활용·공유

데이터와 분석 결과를 연구자가 활용할 수 있는 서비스로 연결합니다.

데이터 수집
연계·관리
AI 분석
활용

플랫폼 개발 및 운영목표

나노팹 실험 데이터의 수집·분석·공유를 연결하는 플랫폼 운영체계를 소개합니다.

플랫폼 운영체계

실험 의뢰·제작부터 데이터 플랫폼 구축, 연구자 활용까지 이어지는 서비스 흐름

실험 의뢰·제작
데이터 수집·분석
연구 데이터 공유·활용
01

나노팹 실험 의뢰 및 제작

나노종합기술원 · 실험 수행 프로세스

  1. 실험 계획 수립
  2. 실험의뢰 접수
  3. Lot 생성 (Lot Tracking)
  4. FAB In → FAB Out
  5. 공정결과 확인 검토
  • 실험기간/횟수 단축
  • 나노팹 서비스 개선
02

나노팹 데이터 플랫폼

데이터 연계 · AI 예측/분석 · 운영 지원

반도체 Big Data

실험 예측·분석 AI 모델과
공정·장비 데이터의 통합 활용

  • 최적의 공정·레시피 도출
  • 유사 실험 사례 데이터 분석
  • 장비 운영 효율성 향상
  • 실시간 피드백 및 현황 확인
  • 오류 발생 시 즉각 대응
분석 환경 제공

실험·공정 데이터의 2차 가공 및 분석을 지원하며, 연구자의 데이터 활용과 연구성과 창출로 이어지는 분석 환경을 제공합니다.

2차 가공 데이터 수집 데이터 분석 활용
03

데이터 공유·활용

일반 연구자 · 연구개발 지원

  • 연구 계획 지원 및 아이디어 검증

    연구 초기 의사결정 지원

  • 프로토타입 시제품 연구·제작 지원

    실험 및 제작 과정 지원

  • 나노팹 데이터 기반 연구(AI 등) 활용

    데이터 기반 연구 확대

  • 공정 교육 및 전문가 양성

    반도체 공정 분야 역량 강화

  • 연구개발 기간 단축
  • 우수 연구성과 창출

플랫폼 개념도

일반 연구자
기업 연구자
연구 그룹
대학/대학원생
나노팹 엔지니어

웹 기반 사용자 인터페이스

국내외 나노팹 DB
DOI 연계
과학 기술인
등록번호 연계
AI

AI 모델
(포토 공정)

AI

AI 모델
(식각 공정)

교육 실습 환경
(대학/대학원)

온라인 커뮤니티
(연구그룹 지원)

AI

AI 모델
(증착 공정)

AI

AI 모델
(이온주입 공정)

다차원 분석
(다차원 DB)

기초 통계 분석
(데이터 마이닝)

AI

AI 모델
(장비 오류 탐지)

AI

AI 모델
(Wafer 결함 탐지)

통합 개발 환경
(JupyterLab)

데이터 검색 및 가시화

계산 자원

가상화 클러스터

DB 및 저장소

인덱스 DB
데이터베이스
저장소

AI 모델 개발 현황

공정 예측, 장비 운영, 결과 검증 영역별 AI 모델 활용 내용

01

공정 예측

반도체 공정 특성 및 구조 예측

공정 예측
예측 용도 예측 대상(변수)
이온주입 공정 예측 웨이퍼 단면 2D doping profile
식각 공정 예측 Hole/line pattern etching profile
증착 공정 예측 deposition thickness, refractive index 등
포토 공정 예측 Photo resist profile
MODEL CHARACTERISTIC

물리 인공지능(PINN) 기술 적용

실물 data 기반 구조 예측

* PINN: Physics Informed Neural Network

02

장비 운영

장비 이상 탐지

장비 운영
용도 예측 대상
장비 이상 탐지 ① 공정 오류 상황 예측
② 발생한 오류 원인

기존 통계적 기법을 뛰어넘는 정확도

03

결과 검증

Wafer 오류 탐지

결과 검증
용도 예측 대상
Wafer 오류 탐지 ① Wafer 오류 유형 분류
② Wafer 오류 원인

오류 원인을 밝힐 수 있는 설명력

AI 모델 외 데이터 분석 및 활용 기능 개발 현황

데이터 검색부터 통계·다차원 분석, JupyterLab 활용까지

01

데이터 검색

Lot 단위의 데이터 그룹 검색과 개별 데이터 검색을 모두 지원합니다. 사용자가 원하는 데이터를 찾아가는 가장 초기 단계에서 사용하는 기능으로, 개별 변수(속성)의 값 범위를 조정하며 데이터를 필터링할 수 있습니다.

02

기초통계분석

초기 검색을 통해 얻은 수치 데이터의 통계적 특성을 파악할 수 있는 기초적인 데이터 분석 도구를 제공합니다.

  • 기초통계분석, 빈도분석, 이상치탐지, 시계열분석
  • 관계분석(수치), 관계분석(범주), 상관분석
  • 요약분석 등
03

다차원 분석

검색된 데이터에 대해 기초통계분석을 진행한 후, 심층 분석을 통해 변수 간 상호 변화를 2차원, 3차원으로 파악할 수 있습니다.

* 마케팅에서 고객 데이터를 실시간으로 분석하기 위해 개발된 데이터 분석 기법

04

JupyterLab

프로그래밍이 가능한 파워 유저를 위한 통합 코딩 환경으로, 기초통계분석과 다차원 분석을 그래픽적 화면과 조작을 제공하는 사용자 도구이며, JupyterLab은 코딩을 통해 보다 다양한 분석 라이브러리를 활용할 수 있는 환경입니다.