기술 분석

마지막 업데이트: 2022년 1월 17일 | 0개 댓글
  • 네이버 블로그 공유하기
  • 네이버 밴드에 공유하기
  • 페이스북 공유하기
  • 트위터 공유하기
  • 카카오스토리 공유하기
기술적 분석 차트 패턴 (출처: Indicatorchart)

빅데이터 이해

오늘날 모든 비즈니스에서 데이터의 진정한 가치를 찾아내는 것이 중요합니다. 하지만 비즈니스 인사이트를 찾아내기 전에 모든 관련 소스를 통해 이러한 데이터에 정확하고 안전하며 신속하게 액세스할 수 있어야 합니다. 이를 위해 어떻게 해야 할까요? 멀티플 데이터 소스를 통합하고 온프레미스와 클라우드 경계에서 워크로드를 전환할 수 있는 기반이 구축되어야 합니다.

빅데이터란 무엇일까요?

빅데이터는 전통적인 데이터 프로세싱 방법으로 처리할 수 없을 정도로 대규모이거나 복잡한 데이터입니다. 빅데이터는 흔히 'Three V'로 불리는 볼륨(Volume), 다양성(Variety), 속도(Velocity)라는 특성을 가지고 있습니다. 볼륨은 대규모 크기를 의미하며, 다양성은 비표준 형식의 광범위한 범위를 그리고 속도는 신속하고 효율적으로 처리되어야 하는 특성을 의미합니다.

빅데이터가 중요한 이유

데이터는 기술 분석 이를 보호 및 처리하고 이해하여 활용할 수 있을 때에만 진정한 가치를 지닙니다. 빅데이터를 활용하는 목표는 실시간 정보를 제공하여 이를 통해 비즈니스를 개선하도록 하는 것입니다. 실시간 정보 처리는 일관되고 원활하게 고객에게 가치를 제공하고자 노력하는 기업들의 주요 기술 분석 목표 중 하나이며, 엣지 컴퓨팅의 중요한 특징 중 하나입니다. 빅데이터에서 얻은 인사이트를 활용하면 비용을 절감하여 보다 효율적으로 비즈니스를 운영하고 수익을 높이며 신규 고객을 확보할 수 있는 새로운 방법을 찾을 수 있습니다.

빅데이터 분석 및 IT 최적화

빅데이터 분석이란 모든 원시 데이터 및 다크 데이터를 사용자가 이해하고 사용할 수 있는 형태로 만드는 프로세스를 뜻합니다. 다크 데이터는 기업이 정상적인 비즈니스 활동에서 수집한 데이터로 규정 준수를 위해 안전하게 저장되어야 합니다. 다크 데이터는 간과되는 경우가 많지만 나머지 데이터와 마찬가지로 비즈니스 개선에 도움이 되는 가치 있는 인사이트를 제공할 수 있습니다.

빅데이터 인사이트를 활용하면 사전에 문제를 해결할 수 있으므로 비용을 지불할 필요가 없어집니다. 데이터 패턴을 분석하여 고객 행동과 요구사항을 추측이 아닌 예측을 할 수 있으므로 수익 증대에도 도움이 될 수 있습니다.

보다 효과적인 결과를 얻으려면 유연하고 포괄적이며 신뢰성이 높은 기반에서 분석 소프트웨어를 실행해야 합니다. IT 최적화가 핵심 요소인 이유가 여기에 있습니다. 기술 스택이 변화함에 따라 데이터를 기술 분석 계속해서 수집, 분석 및 사용할 수 있어야 합니다.

데이터 레이크, 데이터 늪, 빅데이터 스토리지

데이터 레이크는 사용자가 가진 데이터와 정확히 일치하거나 거의 일치하는 복사본을 단일 위치에 저장하는 리포지토리입니다. 데이터 레이크는 데이터에 대해 전체적인 대규모 리포지토리를 원하는 엔터프라이즈 환경에서 보편화되고 있으며, 데이터베이스보다 비용이 저렴합니다.

데이터 레이크는 정제되지 않은 데이터를 볼 수 있도록 하여 우수한 애널리스트가 전통적인 데이터 스토리지(예: 데이터 웨어하우스) 외부에서 그리고 기록 시스템(지정된 데이터 요소에 대해 권한이 있는 데이터 소스)과 상관없이 구체화 및 분석 기술을 탐색할 수 있습니다. 고도로 숙련된 애널리스트가 계속해서 기술 역량을 개선하고 새로운 데이터 분석 방법을 탐색하기를 원한다면 데이터 레이크를 활용해야 합니다.

데이터 레이크는 지속적으로 유지관리해야 하며 데이터를 사용하고 액세스하는 방법에 대한 계획을 수립해야 합니다. 제대로 유지관리하지 않으면 데이터 관리가 어렵고 비용이 많이 들며 쓸모없는 액세스 불가능한 정크가 될 위험이 있습니다. 이처럼 사용자가 액세스할 수 없는 데이터 레이크를 "데이터 늪(data swamp)"이라고 합니다.

대규모 조직에는 고유한 데이터 요구 사항을 갖는 여러 개의 비즈니스 단위(Business Unit, BU)가 있습니다. 이들 각 BU는 데이터 분석을 위해 데이터 및 인프라에 액세스할 때 어떤 식으로든 경쟁해야 하는데 이는 리소스 문제 때문입니다. 데이터 레이크가 이 문제를 해결해주지는 못합니다. 대신 공유 데이터 컨텍스트를 사용한 멀티테넌트 워크로드 격리가 필요합니다. 이는 무슨 의미일까요?

이 솔루션을 활용하면 기본적으로 새로운 비즈니스 단위에서 액세스(데이터 복사 및 모든 작업을 할 수 있는 스크립트 작성 관리 업무를 포함한 전체 액세스)할 때마다 매번 데이터의 전체 복사본을 만드는 대신 이 솔루션을 활용하면 데이터 분석 툴 컨테이너화 또는 가상화를 통해 조직에서 BU 전체에 공유할 수 있는 일부의 복사본만 페어링하면 됩니다.

빅데이터 통합에서 IT 과제

빅데이터는 애자일 통합 과제입니다. 엄격한 서비스 수준 계약을 유지관리하는 동시에 여러 비즈니스 단위 간에 데이터를 공유하려면 어떻게 해야 할까요? 보유하고 있는 데이터를 활용하여 어떻게 더 많은 가치를 실현할 수 있을까요?

빅데이터 마이닝은 복잡하지만 기술 분석 얻을 수 있는 것이 많습니다. 데이터 과학자들은 데이터 분석을 통해 비즈니스에 제공할 인사이트와 권장 사항을 얻습니다. 데이터 엔지니어는 데이터 과학자를 가장 잘 지원할 수 있는 데이터 파이프라인에 적합한 툴을 식별, 조합 및 관리해야 합니다. 마지막으로 인프라 측면에서는 관리자들이 인프라 내부 깊숙한 곳에서 작업하며 사용자를 위한 기본 서비스를 제공해야 합니다. 이 모든 과정에 통합, 스토리지 용량 및 부족한 IT 예산 문제가 있습니다.

(주)과학기술분석센타 기업소개

2013. 12 수차에 걸쳐 자본금을 1,450백만원으로 증자
2010. 08 MOU 절강성(환경과학설계연구원)
2010. 08 MOU 닝보환경모니터링센터
2010. 06 수출 중소기업 500프로그램 참여(제2010-85호, 중소기업청)
2009. 07 사료검정인정기관 인정(농림수산식품부)
2009. 06 본사 이전 : 대전 유성구 관평동 1359 한신에스메카 332호(환경사업부)
2009. 06 본점을 대전시 유성구 테크노 3로 65(관평동, 한신에스메카) 332호 소재로 이전
2009. 02 MOU 스페인 ADASA sistemas
2009. 01 토양정화업 등록(금강유역환경청)
2008. 12 대전시 지역연계기술개발사업 주관기업 선정(지식경제부)
2008. 11 IT협업(접목) 기술개발사업 주관기업 선정(지식경제부)
2008. 07 농약 시험연구기관 지정(농촌진흥청)
2008. 06 토양/지하수 오염방지기술 개발사업 주관기업 선정(환경부)
2007. 11 MOU 북경실내검촉협회
2007. 02 검정기관 지정 : 쌀, 현미
2006. 12 핵심환경기술개발사업 주관기업 선정(환경부)
2005. 03 국제공인시험기관(KOLAS) 인정(산업자원부)
2004. 12 신기술벤처기업 인정(중소기업청)
2004. 09 MOU 심양환경과학원 노스이턴대학 환경공학과
2004. 09 Best Partner 선정(신용보증기금)
2004. 06 지역혁신인력양성사업 주관기관 선정(산업자원부)
2003. 03 먹는물 수질검사기관 지정(국립환경연구원)
2002. 12 축산물위생검사기관 지정(국립수 과학검역원)
2002. 12 대표이사 변경으로 대표이사 이익재 취임
2002. 10 영업소 설치 : 광주영업소
2002. 03 대표이사 변경 : 채준석
2001. 08 수칠측정대행업 등록(금강환경관리청)
2001. 01 공동대표규정 폐지(각자 대표이사 : 기술 분석 구자용/채준석)
2000. 07 대표이사 변경 : 구자용/채준석(공동대표)
2000. 02 사료품질검사인정기관 인정(농림부)
1999. 11 기업부설연구소 인정(한국산업기술진흥협회)
1999. 07 식품위생검사기관 지정(식품의약안정청, 유효기간:2012/08/06)
1999. 02 대표이사 변경 : 고명호 -> 구자용
1998. 07 비료 출하전 품질검사기관 지정(농림부)
1997. 11 분석대행, 연구개발 서비스업을 목적으로 설립
1997. 11 (주)과학기술분석센타 설립(대표이사 : 고명호)

(주)과학기술분석센타 기업은
임직원들을 위해 지원을 아끼지 않습니다.

급여제도 직원들의 열정에 보답하고 싶습니다. 인센티브제, 퇴직금, 4대 보험 선물 우리 회사만의 특별한 복지! 명절선물/귀향비, 생일선물/파티 교육/생활 직원들의 자기계발을 존중합니다! 구내식당(사원식당), 간식 제공, 음료제공(차, 커피) 근무 환경 편안하게 일할 수 있는 최선의 환경을 제공합니다. 회의실, 사무용품 지급 조직문화 직원 중심의 조직문화를 만들어갑니다. 회식강요 안함, 야근강요 안함, 자유복장, 자유로운 연차사용 출퇴근 직원들의 편의를 위한 출퇴근과 다양한 근무 제도를 제공해요! 차량유류비지급 리프레시 최고의 복지는 휴가죠! 연차, 여름휴가, 경조휴가제, 반차, 근로자의 날 휴무

ScienceON Chatbot

※ 국가연구개발사업의 관리 등에 관한 규정(2012.7.1 시행)
에 의해 추후 공개로 전환될 가능성은 있습니다.

과제관리기관과의 협의를 통하여 비공개 보고서를 공개로 전환할 수
있도록 계속적으로 관리되고 있으며, 현재 비공개 처리된 보고서의
열람이 어려운 점 양해 부탁드립니다.

보고서 상세정보

데이터 기반 지능형 미래기술 분석체제 구축

Development of Future Technology Analysis System Based on Open Data

과제명 데이터 기반 지능형 미래기술 분석체제 구축
주관연구기관 한국과학기술정보연구원
Korea Institute of Science and Technology Information
보고서유형 2단계보고서
발행국가 대한민국
언어 한국어
발행년월 2019-12
과제시작년도 2019
주관부처 과학기술정보통신부
Ministry of Science and ICT
등록번호 TRKO202000006307
과제고유번호 1711097344
사업명 한국과학기술정보연구원연구운영비지원(R&D)(주요사업비)
DB 구축일자 2020-07-29
키워드 미래유망기술.미래기술 기술 분석 지식베이스.과학계량학.기술기회발굴.경쟁정보분석.기술인텔리전스.오픈데이터.머신러닝.Future Technologies.Knowledge-base.Scientometrics.Technology Opportunity Discovery.Competitive Information Analysis.Technology Intelligence.Open data.Machine Learning.
연구과제
타임라인

연구과제 성과물(0)

참여연구원의 다른 문헌(0)

1. 데이터 기반 지능형 미래기술 분석 시스템 구축
- 미래기술 탐색을 위한 과학기술 다이나믹스 시스템 연구
· 딥러닝 기반 미래 성장가능성 예측 모형 구축
- 과학기술 경쟁환경 분석시스템 운영 및 고도화
· 시.

1. 데이터 기반 지능형 미래기술 분석 시스템 구축
- 미래기술 탐색을 위한 과학기술 다이나믹스 시스템 연구
· 딥러닝 기반 미래 성장가능성 예측 모형 구축
- 과학기술 경쟁환경 분석시스템 운영 및 고도화
· 시스템 기술융합을 통한 COMPAS 2.0 개발연구
· 바이오/의료 분야 경쟁환경분석 도구 개선
· 한국특허 데이터 기술 분석 구조 분석 및 DB 설계
- 미래기술 기회분석을 위한 정보분석시스템 개발
· TOD 지식베이스 업데이트 및 제품명인식/관계추출 로직 개선
· 제품-제품 연관관계 트래킹 분석도구 개발
· SAO 기반 기술속성 및 CPC를 활용한 제품/기술의 동질성/이질성 평가모델 개발
- 미래이슈 센싱을 위한 글로벌 분석자원 구축 및 운영

2. 오픈데이터 기반 미래기술 센싱모델 연구
- 미래기술 분석 및 모니터링을 위한 클러스터링 기법 개발
- 과학기술 수준분석 및 매크로 모니터링 연구
- 기업 R&D 전략수립 지원을 위한 기회 탐색모델 연구
- 바이오/의료 및 오픈데이터를 활용한 기술혁신 트렌드 분석
- R&D 현장문제 해결형 분석모델 연구

3. 혁신사례 발굴 및 성과 확산
- 오픈데이터 기반 미래기술 콘텐츠 활용사례 창출
- 데이터 분석모델/시스템을 활용한 혁신사례 발굴
- 주요기관 및 시민단체 분석지원을 통한 성과 확산

4. (융합연구단) 빅데이터 기반 치매 조기예측 연구

Abstract

Ⅳ. Results of the Project
○ Developing intelligent future technology analysis system based on data
- Deriving a future emerg.

Ⅳ. Results of the Project
○ Developing intelligent future technology analysis system based on data
- Deriving a future emerging technology through deep learning-based growth prediction model
- Improving a TOD knowledge base and developing NLP-based object name and relationship extraction tools
- Developing analysis tools for product-technology-function relationship analysis
- Data structure analysis and DB design of korean patent
- Update and management of global papers/paten information DB

○ Doing a research about future technology sensing model based on open data
- Analyzing the citation structure for the analysis of the influence and topography of science and technology
- Study on the potential convergence research area Using NTIS Data-Based convergence Map
- Analysis of research topology and R&D level using performance data of government-funded research institute
- Study on product opportunity identification model based on topic modeling / sensitivity analysis
- Study on the impact of patent ownership on future innovation activities

○ Discovering innovation cases and spreading the outcome
- Use of Mirian(Future Technology Knowledge Base) contents at the National Science Museum
- Spreading results of data insight research reports such as News/YouTube
- Creating use cases of SMEs/public institutions using TOD/COMPAS
- Project planning and analysis support focused on 2050 comprehensive future scenario
- Supporting for text analysis of civil organization living lab project

○ Developing dementia early prediction system based on big data
- Development of AI based dementia early prediction analysis platform
- Building a smart home testbed for daily living health information
- Dementia risk factor analysis by topic using public big data

[제태크와 금융투자] ⑫-1 증권분석 - 기술적 분석: 의의와 가정

기술적 분석 차트 패턴 (출처: Indicatorchart)

  • 기술적 분석은 기본적 분석에 비해 용이하고 간단하여 한눈에 알아볼 수 있음
  • 기술적 분석은 주가에 영향을 미치는 심리적인 요인을 반영 하므로 기본적 분석의 한계점을 보완
  • 주가 움직임에는 모든 정보가 반영되어 있다
  • 주가는 추세를 가지고 움직인다
  • 추세 및 주가 형태는 반복 된다
  • 다우이론과 엘리어트 파동이론
  • 캔들차트분석
  • 이동평균선 분석
  • 기타 기술적 분석지표 : 상대강도지수, 투자심리도, 이격도, 필터기법

2. 기본적 분석과 기술적 분석

  • 기본적 분석 : 기업의 수익성에 영향을 미치는 경제, 산업, 그리고 기업의 경영 요인 및 재무 요인 등 기본적인 기술 분석 사항을 분석하여 주식의 내재가치를 산정하고 이를 시장가치와 비교함으로써 합리적인 투자판단 자료를 제공하는 분석방법
  • 기술적 분석 : 주식의 매매시점을 파악할 수 있도록 과거의 시세 흐름과 패턴 을 파악해서 정형화하고 이를 분석함으로써 향후 주가를 예측하는 데 사용되는 분석방법
  • 공통점 : 기본적 분석과 기술적 분석은 비효율적인 시장을 전제로 증권을 개별적으로 분석
  • 차이점
    • 기술적 분석은 주가가 이론적 요인뿐만 아니라 심리적 요인에 의해서도 영향을 받는다는 가정에 기초
    • 기술적 분석은 기본적 분석에 비하여 논리적인 면에서 빈약
    • 기본적 분석은 기술적 분석에 비하여 많은 시간이 소요됨
    • 기본적 분석은 내재가치를 추정하여 증권의 과대(과소) 평가를 판단하는 데 유용한 번면,
    • 기술적 분석은 주가의 동향을 미리 감지하여 매매시점 선정에 유용

    3. 기술적 분석의 한계

    • 주가가 반복된다는 기술적 분석의 가정과 한계 : 과거의 주가 흐름은 단지 그 당시의 경제상황, 산업특성, 기업가치, 투자자들의 심리적 요인에 의해 이루어지는데, 그럼에도 불구하고 주가 흐름이 일정한 변동을 갖고 되풀이된다는 주장은 비현실적
    • 상이한 분석결과로 인한 혼선 초래
      • 동일한 주가 변화 양상을 기초로 분석한다고 하더라도 어느 시점이 주가 변동의 시작점인가 하는 해석이 분석자마다 다를 수 있음
      • 동일한 기술적 분석기법을 사용하더라도 분석자에 따라 다른 투자전략이 사용될 수 있기 때문에 혼란 초래

      기술적 분석 차트 패턴 (출처: Indicatorchart)

      기술적 분석(technical analysis)은 과거의 증권가격 및 거래량의 추세와 변동패턴에 관한 역사적 정보를 이용하여 미래 증권가격의 움직임을 예측하는 분석기법이다. 즉, 증권시장의 시황이 약세시장이나 강세시장으로 전환하는 시점과 시장동향을 미리 포착하여 초과수익을 얻는 데 분석의 초점을 두고 있다. 기술적 분석은 과거 증권가격 움직임의 양상이 미래에도 반복된다고 가정하고 있고, 증권가격의 패턴을 결정짓는 증권의 수요와 공급이 이성적 요인뿐 아니라 비이성적 요인이나 심리적 요인에 의해서도 결정된다는 것을 전제하고 있다.

      차트의 기술적 분석 (Youtube : 슈카월드)

      SK하이닉스, ‘분석기술센터’ 한 곳으로 모아 분석 경쟁력 강화와 사회적 가치 확대 도모한다

      SK하이닉스가 캠퍼스 곳곳에 흩어져 있던 분석 인력과 인프라를 한 곳에 모아 새롭게 ‘분석기술센터’를 구축하고 지난 7월 공식 출범했다. SK하이닉스는 원 랩(One Lab) 체계로 분석관련 운영시스템을 일원화하면서 연구개발과 품질 경쟁력이 한층 높아질 것으로 기대하고 있다.

      이에 뉴스룸은 ‘분석기술센터장’을 맡고 있는 AT(Analysis Technology) 이기정 담당과 통합분석환경 구축 실무를 담당한 선행분석PA 유종희 팀장을 만나 ‘분석기술센터’에 대해 자세히 알아봤다.

      더불어 장비와 노하우 등 분석/측정 인프라를 협력사와 공유하며 국내 반도체 생태계 강화라는 사회적 가치 창출에 힘쓰고 있는 이야기도 함께 들어봤다.

      분산돼 있던 분석 인프라를 한 곳으로 모으다

      01

      ‘분석기술센터’를 한데 모으기 전에는 관련 인력과 장비들은 R2, R3 등 이천캠퍼스 5곳의 건물에 흩어져 있었다. 물론 각 분석실마다 고유 기능과 역할은 달랐다. 하지만 한 공간에서 모여 일할 때 보다 아무래도 협업 효율성이 떨어졌고, 장비 투자와 운영에 일부 중복되는 부분이 발생했다. 장비 유지 보수 기술 분석 측면에서도 작업자의 동선이 길어져 시간이 오래 걸리는 단점도 있었다. 또, 한 곳에서는 분석 수요가 많아 업무가 지연되는데 다른 곳에서는 장비가 모두 가동되지 않는 비효율도 발생했다.

      이에 SK하이닉스는 전체 최적화 차원에서 ‘분석기술센터’를 한 곳으로 모으기로 결정하고 P&T1 건물 1층에 약 7,500㎡(약 2,250평)의 공간을 확보했다. 이후 2019년 3월부터 약 2년여간 제반 시설과 환경 구축 공사를 진행한 뒤 흩어져 있던 분석실 인력과 장비를 통합하는 작업을 진행했다. 이 과정에서 전체적인 분석 처리 프로세스와 동선을 정교하게 재설계했고, 장비 간 운영 효율을 높이는 방향으로 인력과 장비를 재배치했다. SK하이닉스는 이와 병행해 전사적인 솔루션 경쟁력을 강화하기 위해 해당 건물 2층에 ‘분석기술센터’와 동일한 규모로 ‘솔루션 랩’도 구축했다.

      이기정 담당은 “여러 분야의 분석 전문가들이 한 공간에서 종합분석 관점에서 더 활발하게 상호 협력하고 협업할 수 있게 됐다”며 “앞으로 다양한 분석 장비를 서로 효과적으로 폭넓게 활용함으로써 분석 신뢰도가 향상될 것으로 기대된다”고 말했다. 이어 “분석 난제를 해결하는 데 필요한 첨단 장비들을 공유하는 분석 환경 속에서 분석실 통합의 시너지 효과와 분석 경쟁력 제고 효과도 기대하고 있다”고 덧붙였다.

      https://f.hubspotusercontent40.net/hubfs/20028749/B_NewsRoom/We%20Do(456)/%EC%9D%B8%EC%82%AC%EC%9D%B4%EB%93%9C(256)/2021/0804/%E2%96%B2(%EC%99%BC%EC%AA%BD)%E2%80%98%EB%B6%84%EC%84%9D%EA%B8%B0%EC%88%A0%EC%84%BC%ED%84%B0%E2%80%99%20%EA%B5%AC%EC%84%B1%EC%9B%90%EC%9D%B4%20%EA%B3%A0%EC%84%B1%EB%8A%A5%20%EC%A7%91%EC%86%8D%EC%9D%B4%EC%98%A8%EB%B9%94(FIB-SEM)%20%EC%9E%A5.jpghttps://f.hubspotusercontent40.net/hubfs/20028749/B_NewsRoom/We%20Do(456)/%EC%9D%B8%EC%82%AC%EC%9D%B4%EB%93%9C(256)/2021/0804/(%EC%99%BC%EC%AA%BD)%E2%80%98%EB%B6%84%EC%84%9D%EA%B8%B0%EC%88%A0%EC%84%BC%ED%84%B0%E2%80%99%20%EA%B5%AC%EC%84%B1%EC%9B%90%EC%9D%B4%20%EA%B3%A0%EC%84%B1%EB%8A%A5%20%EC%A7%91%EC%86%8D%EC%9D%B4%EC%98%A8%EB%B9%94(FIB-SEM)%20%EC%9E%A52.jpghttps://f.hubspotusercontent40.net/hubfs/20028749/B_NewsRoom/We%20Do(456)/%EC%9D%B8%EC%82%AC%EC%9D%B4%EB%93%9C(256)/2021/0804/(%EC%99%BC%EC%AA%BD)%E2%80%98%EB%B6%84%EC%84%9D%EA%B8%B0%EC%88%A0%EC%84%BC%ED%84%B0%E2%80%99%20%EA%B5%AC%EC%84%B1%EC%9B%90%EC%9D%B4%20%EA%B3%A0%EC%84%B1%EB%8A%A5%20%EC%A7%91%EC%86%8D%EC%9D%B4%EC%98%A8%EB%B9%94(FIB-SEM)%20%EC%9E%A53.jpg

      ‘분석기술센터’에는 반도체 분석에 필요한 FIB(Focused Ion Beam), TEM(Transmission Electron Microscope), SIMS(Secondary Ion Mass Spectrometry)와 같은 핵심 장비를 비롯해 다양한 분석장비를 모두 보유하고 있다.

      FIB은 집속된 이온 빔을 시료에 입사하는 장비로, 스퍼터링(Sputtering) 1) 을 통해 단면을 형성하고 이를 관찰하거나 가스를 이용해 선택적으로 증착 및 식각을 하는 장비다. 분석 업무에서는 반도체 제품의 특정한 위치에서 단면을 분석하거나 시료를 가공하는 데 주로 사용된다.

      1) Sputtering: 진공상태의 용기 안에 불활성기체를 채워 코팅재료에 고전압을 걸어 방전시키면 이온화된 불활성기체가 코팅재료에 충돌하는데, 이때 튀어나온 이온이 기판에 달라붙어 코팅되는 원리를 이용한 물리적인 증착 기술.

      TEM은 1,000만 배율의 투과전자현미경으로, 고속의 전자 빔을 시료에 조사해 나노 단위의 아주 미세한 영역까지 확대, 관찰할 수 있는 장비다. 물질의 미세구조, 결함, 결정구조, 원자 배열 상태 등을 분석하거나, 관찰 영역의 조성 및 화학 결합 상태 등을 분석하는 데 활용된다.

      SIMS는 이온 빔을 시료에 입사, 충돌시켜 시료 표면에서 떨어져 나오는 이차 이온의 질량을 검출해, 시료에 존재하는 극미량의 불순물 분포를 분석하는 장비다.

      반도체 분석 업무는 초정밀 분석장비를 사용해 미세한 나노 구조를 관찰하고, 극미량의 불순물을 정량·정성적으로 확인하는 것이 주된 업무다. 크게 △FIB로 만들어진 시료를 TEM 또는 SEM(Scanning Electron Microscope, 주사전자현미경)으로 확대, 관찰하며 구조를 분석하는 ‘구조분석’ △SIMS와 같이 증착된 박막의 표면 및 깊이 방향으로 성분을 분석하는 ‘표면분석’ △장비를 활용해 집적된 소자나 제품의 불량 여부를 확인하고, 불량 원인을 찾는 ‘불량분석’ 등 세 가지 업무로 구분할 수 있다.

      05.jpg

      이 담당은 “기본적으로는 분석 업무의 속성과 전문성, 그리고 제품군에 따라 팀 단위 조직으로 담당업무가 구조화돼 있지만, 사안에 따라서 종합분석을 통해 문제의 참 원인을 규명하거나 분석 난제를 해결하기 위한 새로운 분석 솔루션을 찾아야 할 때는 각 분야의 분석전문가가 함께 모여 매트릭스 조직구조(Matrix Organization) 2) 로 협업하고 있다”며 “무엇보다 분석과 장비 전문가들이 한 공간에서 다양한 지식과 경험을 함께 나누며 시너지를 만들어갈 수 있는 업무 환경을 만드는 데 주력하고 있다”고 설명했다.

      2) Matrix Organization: 두 가지 다른 운영 관점이 교차해서 운영되는 조직구조. 예를 들어 제품 기반 부서체계를 운용하면서 업무 효율을 높이기 위해 비슷한 기능과 역할을 하는 다른 부서의 인력이 모여 함께 일하는 방식이 이에 해당됨.

      “올해 목표는 분석 처리능력 30% 향상… 주요 분석 소요시간도 절반으로 단축하겠다”

      SK하이닉스가 새로운 ‘분석기술센터’를 통해 기대하는 바는 무엇일까? 이기정 담당과 유종희 팀장에게 기대효과와 함께 앞으로의 목표와 운영 계획에 대해서도 더 자세히 들어봤다.

      이 담당은 기대효과로 △투자 효율 증대 △운영 효율 향상 △분석기술 경쟁력 강화를 꼽았다.

      기존에는 분석실마다 독자적인 분석 업무를 수행해야 했기에 각 분석실마다 장비 가동률이 낮아도 분석에 필요한 필수 장비를 모두 투자할 수밖에 없었다. 그러다 보니 각 분석실에는 특수 목적에 맞게 투자된 장비도 있었지만, 공동으로 공유가 가능한 분석장비들의 경우에는 투자비용 대비 활용도가 떨어졌다.

      이 담당은 “모든 분석 인프라를 하나의 공간과 운영체계로 통합함으로써 장비의 중복투자에 따른 예산 절감 등 효율성을 높일 수 있을 것으로 기대된다”고 말했다.

      또한 이 담당은 분석 장비와 운영 인력이 집중되면 규모의 경제를 통해 분석 업무의 효율성을 제고할 수 있을 것으로 기대하고 있다. 아울러 중복 업무를 제거함으로써 더 중요하고 필요한 업무에 인력을 재배치할 수 있게 됐고, 분석 생산성과 업(業)의 완결성을 기술 분석 높이는 방향으로 업무의 속성에 맞게 직무를 세분화∙전문화할 수 있게 됐다. 또한 양손잡이 인력을 육성해 각 업무에 대한 상시 백업이 가능해짐에 따라 분석 현장을 유연하게 운영할 수 있게 됐다.

      이 담당은 “그동안 분석실별로 폐쇄적으로 운영됐던 분석 기술 분석 장비를 분석 수요 변화에 따라 공유하고 상황에 따라 분석 처리량을 분배할 수 있게 돼, 장비 가동률도 크게 향상됐다”고 설명했다.

      장비 유지보수 측면에서도 업무 환경이 크게 개선됐다. 기존에는 한정된 인력으로 여러 곳에 위치한 분석실을 모두 관리해야 했지만, 이제는 모든 유지관리 업무를 센터 내에서 할 수 있게 된 것.

      유종희 팀장은 “곳곳에 흩어져 있던 장비가 한 곳으로 모였고 장비 유지 보수 관리에 필요한 예비 부품(Spare Parts)도 충분히 확보할 수 있게 돼, 장비에 문제가 발생해도 빠르게 대응할 수 있는 체계가 갖춰졌다”며 “이를 통해 장비의 유효 가동시간이 늘어 분석 생산성 향상에 더 기여할 수 있게 됐다”고 말했다.

      원활한 협업이 가능한 업무 환경이 구축되면서 서로가 보유한 지식과 정보를 손쉽게 공유할 수 있게 된 것도 큰 변화다. 분석 난제를 해결하거나 분야별 분석 전문성을 강화하는 데 집단지성을 발휘할 수 있게 된 것. 분석 전문가 육성에 있어서도 운신의 폭이 넓어지고, 성장 기간이 단축될 것으로 기대된다.

      이 담당은 “각 분석실에서 소유했던 장비뿐만 아니라 각자가 가진 서로 다른 전문성과 경험을 한 공간에서 더 많이, 그리고 더 자주 공유할 수 있게 되면서, 앞으로 할 수 있는 일도 많아지고 기존보다 빠른 속도로 분석업무를 처리할 수 있게 될 것”이라며 “보다 다양한 관점에서 분석기술을 서로 융합하고, 응용할 수 있는 통합 분석 환경이 갖춰져서 기존에 분석이 어려웠던 난제들을 해결하거나 새로운 분석 솔루션을 제공할 수 있는 능력도 더 올라가게 될 것”이라고 기대감을 전했다.

      08

      아울러 이 담당은 올해 ‘분석기술센터’가 달성해야 할 명확한 성과지표(Key Performance Indicator, KPI)도 제시했다.

      이 담당은 먼저 올해 연간 전사 분석 처리능력을 기존 대비 30% 이상 향상하겠다고 약속했다. 그는 “ ‘ 분석기술센터’를 새롭게 구축한 주된 목적은 운영 효율화”라며 “일하는 방식을 혁신하고 운영상 비효율을 제거하면 분석 처리능력 향상은 뒤따라올 것”이라고 강조했다.

      전사 기술리더십 확보를 뒷받침하기 위한 분석인프라 지원 목표로는 제품개발에 필수적으로 필요한 TEM 분석 제공 TAT(Turn Around Time)를 기존 48시간에서 24시간으로 단축하는 것을 제시했다. 이 담당은 “제품개발 속도와 양산 수율을 빠르게 높이기 위해서는 문제해결을 위한 정확하고 빠른 의사결정이 필요한데, 이에 필요한 분석 정보와 데이터를 만들어 제공하는 것이 우리 AT담당의 역할”이라며 “정확한 분석 결과를 신속하게 제공하기 위해 이 같은 목표를 설정했다”고 설명했다.

      장기적인 관점에서 SK하이닉스에 필요한 미래 분석기술 전문가를 양성하는 것도 ‘분석기술센터’의 역할 중 하나다. 특히, 이 담당은 머신러닝과 딥러닝 같은 인공지능(AI) 기반의 분석 자동화 역량을 확보하는 것이 미래 분석 경쟁력을 좌우할 ‘핵심요인(Key Factor)’이 될 것으로 보고, 대내외 교육프로그램 참여와 사내 전문가 조직과의 협업 확대를 통해 분석 자동화 역량을 내재화하는 데에도 많은 노력을 기울이고 있다.

      이 담당은 “앞으로의 분석 기술 영역에서 새로운 도전은 분석 자동화 환경으로의 성장과 발전이고, 이는 피해 갈 수 없는 시대의 흐름”이라며 “분석기술센터 구축 과정에서도 자동화 기반의 스마트 랩(Smart Lab) 환경으로의 변화와 기술 분석 확장성 확보를 위해 많은 준비를 했다”고 말했다.

      구성원의 분석 자동화 역량 강화 방안에 대해서는 “반도체 분석 전문가들이 자신의 전문지식(Domain Knowledge)에 더해 데이터 사이언스(Data Science) 역량까지 갖춘 ‘현장의 숙련된 데이터 분석 전문가’로 성장할 수 있도록 DT 담당 내 유관 조직과 긴밀히 협업하고 있다”며 “자체 교육 프로그램뿐만 아니라 사외 주요 대학과 연계해 ‘빅데이터 분석 전문가 및 머신러닝 엔지니어 양성 과정 프로그램’을 개설하고 구성원들에게 참여 기회를 제공하고 있다”고 설명했다.

      09

      아울러 이 담당은 ‘분석기술센터’를 이용하는 이해관계자들에게도 메시지를 전했다.

      “SK하이닉스가 앞으로도 기술경쟁력을 갖고 계속 성장하고 발전하기 위해서는 ‘분석기술센터’가 회사의 핵심 인프라로서 제 역할과 기능을 잘 해내야 합니다. 이를 위해 우리 조직 스스로도 물론 많은 노력을 하겠지만, 유관 조직에서도 회사의 핵심 자원인 분석 인프라를 잘 활용해주기를 바라는 마음이 있습니다. 우리 AT 구성원들도 유관 조직, 협업 파트너들과의 협업에 혼신의 힘을 다할 것을 약속하겠습니다”

      분석과 SV의 만남 ‘분석/측정지원센터’가 들려주는 ‘상생’의 이야기

      새로운 ‘분석기술센터’의 구축을 통해 분석 역량이 강화되면 SK하이닉스 외에도 혜택을 보는 곳이 있다. 바로 SK하이닉스의 반도체 생태계 안에서 협업하고 있는 수많은 ‘협력사’들에 대한 이야기다.

      SK하이닉스는 2018년부터 DBL스퀘어(https://sharing.skhynix.com)를 통해 ‘분석/측정지원센터’를 운영하며, 기술 분석 ‘분석기술센터’에 구축돼 있는 고가의 분석 장비와 현장 분석 노하우 등을 협력사와 공유하고 있다. 지난 한 해 동안 이 프로그램을 통해 물성/화학 분석과 계측 서비스 등을 제공받은 협력사는 52개 사이며, 지원된 분석 건수는 2만 건에 달한다.

      그동안 여러 건물에서 분산 대응했던 협력사의 지원도 한층 더 탄력이 붙을 것으로 전망된다. ‘분석/측정지원센터’를 담당하고 있는 이재성 TL(SV추진담당 SV Biz Model)은 “ ‘ 분석기술센터’가 한 곳으로 통합되면서 물류 프로세스가 간소화되고 분석 지원 담당자와의 협업도 강화될 것”이라며 “이를 통해 협력사의 분석 요청에 대응하는 데 걸리는 시간도 단축될 수 있을 것”이라고 기대감을 전했다.

      ‘분석/측정지원센터’는 ‘분석기술센터’의 통합에 맞춰 올해부터 전체적인 운영 시스템과 업무 수준을 고도화하는 등 또 한 번의 도약에 나선다. 특히 올해부터 파일럿(Pilot) 프로그램으로 시행하고 있는 ‘물성 분석 컨설팅’에 대한 기대감이 크다. 이 컨설팅은 단순히 요청한 분석 결과를 제공하는 데 그치지 않고, 유상 이용사를 대상으로 SK하이닉스와 연계된 데모(Demo) 평가 과제에 대한 분석 기술 분석 설계부터 결과 해석에 대한 종합 분석을 제공하는 지원 프로그램. 이 TL은 “물성 분석 컨설팅과 같은 적극적인 협업을 통해 장비/소재 개발 협력사의 기술 개발을 지원함은 물론 자사의 경쟁력 향상에도 순기능의 역할을 할 것으로 기대하고 있다”고 소개했다.

      이와 함께 ‘분석/측정지원센터’를 이용 중인 협력사들에게도 메시지를 전했다.

      이 TL은 “국내 반도체 생태계 강화를 위해 발걸음을 내디뎠던 ‘분석/측정지원센터’가 대내외적으로 높은 위상을 인정받아 SK하이닉스의 대표적인 DBL(Double Bottom Line) 창출 플랫폼으로 자리매김했다”며 “이는 반도체 생태계의 동반성장을 위한 SK하이닉스의 진정성에 협력사들이 적극 공감해주고 동참해줬기에 가능했다”고 말했다. 그러면서 “앞으로도 협력사들의 목소리에 보다 귀 기울이면서 국내 소.부.장(소재, 부품, 장비) 산업 경쟁력 강화를 위해 많은 노력을 하겠다”고 다짐했다.


0 개 댓글

답장을 남겨주세요