이슬점 기반 반도체 클린룸 온습도 관리 상태 평가 기법

2.1 클린룸 공조 시스템 개요

반도체 FAB의 공조 시스템은 외기 처리부(OAC)와 순환 처리부(DCC), 그리고 Fan Filter Unit (FFU)로 구성된다^{[1, 8]}. OAC에서는 외부 공기를 여과, 냉각, 가습 또는 제습하여 이슬점을 약 9.5~12.5°C 범위로 유지한 후 건구온도 14~16°C 정도로 FAB내로 공급한다(Fig. 1). 이후 DCC는 이 공기를 약 23°C 수준으로 조정하여 클린룸에 재공급하며, FFU를 통해 HEPA/ULPA 및 Chemical 필터링과 층류 흐름을 형성한다(Fig. 2).

Fig. 1

Design of the outdoor air conditioner

Fig. 2

Conditioned air supplied to the cleanroom via the OAC

Outdoor air의 이슬점은 계절과 기상 조건에 따라 크게 변하지만, OAC를 통과한 후의 FA 이슬점과 온도는 좁은 범위로 잘 제어되고 있음을 Fig. 1에서 확인할 수 있다. 이와 같이 OAC+DCC+FFU 조합은 대규모 고청정 클린룸의 표준 공조 방식으로 자리 잡고 있으며, 높은 유연성과 에너지 효율로 인해 국내외 반도체 FAB에서 널리 사용되고 있다.

2.2 습도 관리의 이론적 배경

습도는 절대습도와 상대습도로 구분된다. 절대습도는 공기 중 수증기의 실제 양을 나타내는 지표로 온도와 무관한 반면, 상대습도는 해당 온도에서의 포화 수증기량 대비 비율로 정의되며, 온도 변화에 따라 값이 달라진다. 동일한 절대습도 조건에서도 온도가 상승하면 상대습도는 낮아지고, 온도가 하강하면 상대습도는 높아진다.

FAB 공조 시스템 관점에서 보면, 외기 처리부(OAC)에서는 주로 절대습도 제어(가습/제습)가 이루어지고, 순환 처리부(DCC)에서는 냉각 정도를 조절하여 온도를 세밀하게 제어하여 상대습도 변화를 관리한다. 그러나 클린룸 내부에서는 온도와 상대습도를 각각 별도의 지표로 모니터링하기 때문에, 공급 공기와 실내 상태를 절대습도 기준으로 직접 비교하기 어렵다.

2.3 이슬점(Dew Point)의 개념과 필요성

이슬점은 공기를 냉각했을 때 수증기가 응결하기 시작하는 온도로, 공기 중 절대 수분량을 직접적으로 나타내는 지표이다. 따라서 온도와 상대습도가 서로 다른 공기 상태라도, 이슬점으로 환산하면 하나의 온도 단위(°C)로 비교할 수 있어, 공급 공기와 클린룸 내부 상태를 동일 기준에서 평가할 수 있다.

Fig. 3은 온도, 상대습도, 포화수증기량의 관계를 개념적으로 나타낸다. 예를 들어 20°C, 52.5%RH와 30°C, 28.9%RH 조건은 상대습도만 보면 큰 차이가 있는 것처럼 보이지만, 두 상태의 이슬점은 모두 약 10°C 수준으로 동일하다. 이는 절대습도가 같은 공기가 온도에 따라 서로 다른 상대습도 값을 가질 수 있음을 보여 주며, 이슬점이 절대습도 비교에 더 직접적인 지표임을 의미한다^[9].

Fig. 3

Overview of dew point

그러나 실제 클린룸 운전에서는 현재 대부분의 클린룸에서 OAC 전･후단의 이슬점만 제한적으로 모니터링하고, 내부는 온도와 상대습도 센서를 통해 관리한다. 이 경우 공급 공기의 상태와 클린룸 내부 조건을 동일한 기준으로 비교하기 어렵기 때문에, 국소적인 습도 상승이나 외기 유입, 잔류 수분과 같은 이상 현상을 조기에 포착하는 데 한계가 있다.

본 연구에서는 클린룸 내부에서 측정된 온도와 상대습도를 이슬점으로 변환하여 공급 공기의 이슬점과 직접 비교하는 방법을 제안한다. 본 방법은 기존의 T와 RH 모니터링을 대체하는 것이 아니라 이를 보완하는 통합 지표로 운용되며 T, RH, T_d,sup를 동시에 기록함으로써 이상 감지 시 온도 기인 변동인지 절대습도 변화인지를 신속히 구별할 수 있다. 정상 상태에서는 두 이슬점이 거의 유사한 수준을 유지하지만, 특정 구역의 이슬점이 공급 공기 기준보다 지속적으로 높거나 낮게 나타나면 수분 공급원, 외기 유입, 과도한 냉각 등 잠재적 문제 요인이 존재함을 정량적으로 판단할 수 있다.

이러한 관점을 체계적으로 활용하기 위해, 이후 장에서는 이슬점 편차 지표를 정의하고 이를 이용해 클린룸 온·습도 관리 상태를 정량적으로 평가한다.

3.1 이슬점 기반 관리 기법의 원리

클린룸 내부의 온･습도 데이터를 이슬점으로 변환하여 공급 공기와의 차이를 평가하는 절차는 다음과 같다. 먼저 FFU 직하부에 설치된 센서에서 시간 t마다 건구 온도 T(t)와 상대습도 RH(t)를 계측하고, 동시에 OAC 출구에서 공급 공기 이슬점 T_d,sup(t)를 수집한다. 계측된 T(t), RH(t) 값은 Magnus 식과 같은 표준 이슬점 계산식을 이용해 이슬점 T_d(t)로 변환되며, 공식의 형태와 사용된 상수는 Fig. 4에 정리하였다^[4-7].

Fig. 4

Dew point conversion formula

이슬점 계산식으로는 Magnus 식 외에도 Buck 식, Sonntag 식 등이 있으며, 이들은 Magnus 식의 구조를 기반으로 특정 온도 범위(Buck 식: -80~50°C의 광범위 대역, Sonntag 식: 저온, 고습 환경)에서 정확도를 보완한 공식이다^{[5, 6]}. 본 연구의 측정 환경인 22.5~23.5°C 범위는 기본 Magnus 식을 적용하더라도 이들 복잡한 보완 공식들과의 이슬점 산출 편차가 최대 0.03°C 이내에 불과하여 실질적인 차이가 거의 없다. 따라서 설비 모니터링 시스템의 실시간 데이터 연산 효율성과 범용성을 고려하여, 본 연구가 목적하는 수준의 충분한 정확도를 보장하는 Magnus Formula를 채택하였다.

Fig. 5와 Fig. 6은 클린룸에서 계측한 온도와 상대습도 시계열을 Magnus Formula를 이용해 이슬점으로 변환한 결과와, OAC에서 공급되는 FA 이슬점 값을 비교한 예를 보여준다. 두 그림에서 볼 수 있듯이, 온도와 상대습도만으로는 두 조건을 직접 비교하기 어렵지만, 이슬점으로 환산하면 클린룸과 공급 이슬점이 거의 동일한 추이를 나타내며, 제안된 변환 기법이 공급 공기 기준의 절대습도 상태를 일관된 단위로 표현해 줌을 확인할 수 있다.

Fig. 5

Comparison between dew point converted values and supply FA values

Fig. 6

Supply air dew point

이를 바탕으로, 본 연구에서는 클린룸 공기의 이슬점 T_d(t)와 공급 공기 이슬점 T_d,sup(t)의 차이를 이슬점 편차 지표 ΔT_d(t)로 정의한다.

ΔT_d(t)가 0에 가까울수록 클린룸 공기가 공급 공기와 거의 동일한 절대습도 상태를 유지하고 있음을 의미하며, 양(+)의 방향으로 커지면 추가적인 수분 공급원이나 잔류 습기에 의해 공급 공기보다 더 습해졌을 가능성을 시사한다. 반대로 ΔT_d(t)가 음(–)의 방향으로 크게 나타나는 경우에는 외기 유입, 국소적인 과도 제습 등으로 인해 클린룸 공기가 공급 공기보다 건조해졌을 가능성이 크다.

이와 같이 이슬점 편차는 온도와 상대습도 정보를 단일 물리량으로 통합하여 절대습도 관점의 이상 여부를 정량적으로 판단할 수 있게 해 주며, 이후 절에서는 실제 FAB Bay 데이터를 이용해 ΔT_d의 통계적 특성과 이상 탐지 성능을 분석한다.

3.2 실험 대상 및 측정 시스템

제안한 이슬점 기반 관리 기법의 유효성을 검증하기 위해, 국내 300 mm 반도체 FAB의 생산 클린룸 Bay 다섯 곳(A, B, C, D, E)을 대상으로 실험을 수행하였다. 다섯 Bay는 모두 ISO Class 1000 수준의 청정도를 유지하며, 온도 23°C±0.5°C, 상대습도 45%±5% 조건에서 연중 운전되는 공정 구역이다.

클린룸 내부 온･습도는 휴대형 온･습도 측정기(Vaisala HM70)를 사용하여 각 Bay의 대표 위치에서 FFU 직하부 1.5 m 높이에서 1분 간격으로 계측하였다. 해당 높이는 ISO 14644-3에서 규정하는 작업면(plane of work activity) 기준 높이로, 직립 작업자의 호흡 영역에 해당하며 클린룸 내 오염 노출 영향이 가장 직접적으로 나타나는 위치이다^[10]. 따라서 이 높이에서 측정한 온･습도는 클린룸 환경 전체의 관리 상태를 대표하는 값으로 볼 수 있으며, 본 연구에서는 이를 기준으로 이슬점 변환 및 ΔT_d 산출을 수행하였다. HM70의 온도 정확도는 ±0.2°C, 습도 정확도는 ±1.0%RH로, 반도체 클린룸 환경 모니터링에 요구되는 정밀도를 만족한다. 외조기 출구의 공급 공기 이슬점은 공통 외조기 라인에 설치된 냉각 미러식 이슬점 트랜스미터(Vaisala DMT143, T_d 정확도 ±1.5°C)로 측정하였다. 두 계측기는 정기 교정을 통해 설치 전후 오차를 확인하였으며, 측정 데이터는 설비 모니터링 시스템을 통해 자동 수집/저장한 뒤, 후처리 단계에서 Magnus 식을 이용해 이슬점과 ΔT_d를 산출하였다.

실험에는 연속 운전이 유지된 1년간의 데이터를 사용하였다. 원시 1분 데이터를 5분 평균값으로 다운샘플링하여 각 Bay당 105,120 point, 다섯 Bay 합산 525,600 point의 시계열을 확보하였다. 이후 분석에서는 설비 트러블 이력과 공정 로그를 참조하여 명백한 이상 구간을 제외하고, 각 Bay별로 나머지 구간을 정상 운전 데이터로 정의한 뒤 ΔT_d의 통계 특성과 정상 범위를 도출하였다.

3.3 통계 특성 및 정상 운전 범위 설정

3.2에서 정의한 정상 운전 구간에 대해 시점 t마다 ΔT_d(t) = T_d(t) - T_d,sup(t)를 계산하고, Bay별로 평균과 표준편차를 산출하였다. 그 결과는 Table 2에 나타내었다. 각 Bay는 7~8개의 FFU 토출구를 포함하며, 토출구별 ΔT_d 데이터를 종합하여 평균, 표준편차, 95% range를 산출하였다.

Table 2

Normal-operation statistics of for five bays

5개 Bay의 평균 ΔT_d는 약 –0.10~0.27°C 범위에 분포하였고, 표준편차는 0.12~0.16°C로 Bay 간 산포가 유사하게 나타났다. 95% range는 각 토출구의 ΔT_d 데이터로부터 개별 95% range를 산출한 뒤, Bay 내 하한 최솟값과 상한 최댓값을 취하여 보수적으로 정의하였으며, 전체적으로 약 –0.48~+0.56°C 이내에 수렴하였다. 이는 HM70와 DMT143의 측정 불확도 및 공조 제어에 따른 미세한 변동을 고려할 때 정상 상태에서 기대되는 오차 수준과 잘 일치한다.

따라서 본 연구에서는 값을 반올림하여 –0.5°C ≤ ΔT_d (t) ≤ 0.6°C를 Bay에 공통으로 적용 가능한 정상 관리 범위로 정의하였다. 이후 절에서 제시하는 이슬점 기반 이상 탐지 사례에서는 이 기준을 사용하여 공급 이슬점 설정 오류, 누수, 외기 유입 등 다양한 습도 이상을 판별하고, 조치 전･후에 ΔT_d가 정상 범위로 수렴하는 양상을 비교함으로써 제안 지표의 실효성을 검증한다.

3.4 이슬점 기반 이상 탐지 및 개선 사례

3.3에서 정의한 정상 운전 범위 0.5°C ≤ ΔT_d (t) ≤ +0.6°C를 기준으로, 본 절에서는 세 가지 대표 사례를 통해 이슬점 기반 기법이 실제 FAB에서 어떤 이상을 탐지하고 개선하는 데 활용될 수 있는지 살펴본다.

3.4.1 누수(UPW)로 인한 국소 과습 사례

첫 번째 사례는 Bay의 설비 하부에서 발생한 UPW 누수로 인해 국소 구역의 습도가 급격히 상승한 경우이다. 정상 운전 구간에서 Bay의 이슬점 편차 ΔT_d는 평균 약 0.1°C, 95% range –0.5°C~ +0.6°C 수준으로 유지되었으나, 누수 발생 시점 이후 특정 구간에서 ΔT_d가 +1°C 이상으로 급상승하는 패턴이 관찰되었다. 이는 공급 공기 이슬점이 변하지 않은 상태에서 클린룸 공기만 추가 수분 공급원(UPW 누수)에 의해 급격히 습해졌음을 의미하며, 단순 상대습도 모니터링보다 이슬점 편차가 이상 발생을 더 민감하게 포착한 사례이다.

본 연구에서는 동일한 측정 데이터(T, RH)를 기반으로 기존 상대습도 모니터링 방식과 Magnus 식을 통해 변환된 이슬점 편차 ΔTd를 동시에 산출하여 비교하였다. Fig. 7에서 볼 수 있듯이, 누수 발생 구간에서 RH는 관리 범위(45±5%) 이내에 머물러 기존 모니터링 방식으로는 이상을 즉각 판별하기 어려웠던 반면, 동일한 데이터를 Magnus 식으로 변환한 이슬점은 누수 발생 직후 명확한 상승 패턴을 나타냈다. 이는 온도 변화의 영향을 제거하고 절대습도 변화만을 직접 반영하는 이슬점 기반 방식이 기존 RH 모니터링 대비 이상을 더 민감하고 빠르게 감지할 수 있음을 동일한 데이터 내에서 정량적으로 보여준다.

Fig. 7

Cleanroom dew point due to leakage

설비 점검을 통해 해당 위치에서의 UPW 누수를 확인하고, 복구 및 국소 건조 조치를 수행한 이후 ΔT_d 값은 다시 정상 운전 범위로 수렴하였다. Fig. 7은 누수 전후의 T_d 변화를 시간에 따라 나타낸 것으로, 조치 이후 과습 구간이 소거되고 전체 분포가 정상 범위 내에서 안정적으로 유지되는 것을 확인할 수 있다.

3.4.2 외기 유입에 따른 과도 제습 사례

두 번째 사례는 Bay 인근 출입구의 기밀 저하로 인해 외기가 유입되면서 클린룸 공기가 공급 공기보다 과도하게 건조해진 경우이다. 정상 상태에서 Bay의 ΔT_d 는 다른 Bay와 마찬가지로 –0.5°C~+0.6°C 범위에 분포했으나, 특정 기간 동안 ΔT_d 가 –1°C 이하의 음의 방향으로 크게 벗어나는 패턴이 반복적으로 나타났다. 이는 OAC에서 공급되는 공기보다 상대적으로 건조한 외기가 클린룸으로 유입되어, 절대습도가 공급 공기 기준보다 낮아졌음을 시사한다.

온도와 상대습도만으로는 계절 변화나 제습 제어에 따른 영향과 외기 유입에 의한 영향을 구분하기 어려웠으나, 공급 이슬점과의 차이인 ΔT_d를 이용하면 “지나치게 건조한” 상태가 되었는지를 명확히 판별할 수 있다. 원인 분석 결과, 해당 기간 동안 출입구 도어의 패킹 손상과 주변 차압 불균형으로 인해 외기가 지속적으로 새어 들어온 것으로 확인되었다. 도어 기밀 보수 및 차압 재조정 이후 Bay의 ΔT_d 분포는 다시 –0.5°C~+0.6°C 범위에 수렴하였으며, Fig. 8에 나타난 것처럼 장기간 지속되던 음의 편차 구간이 소거되고 정상 운전 상태가 회복되었다.

Fig. 8

Dew point change due to outdoor air infiltration

3.4.3 공간적 취약 구역 식별 사례

마지막으로, 계측한 온･습도 데이터를 이슬점으로 변환한 뒤 공정 구역별로 ΔT_d의 공간 분포를 작성하면, 누수, 외기 유입, 국소 과습이 반복적으로 발생하는 취약 지점을 지도 형태로 표현할 수 있다. Fig. 9는 클린룸의 T_d를 평면 상에 매핑하고, T_d,sup와 비교하여 ΔT_d를 산출하여 나타낸 등고선도이다. 하단 우측은 정상 운전 범위(–0.5°C~+0.6°C)의 절반 수준인 │ΔT_d│> 0.3°C를 간이 스크리닝 기준으로 설정하고, 이를 초과하는 측정 지점을 붉은 점선 원으로 표시하였다. 이는 이슬점 지표가 일시적인 온도 차이나 습도 편차보다 근본적인 수분 상태를 나타내므로, 실질적인 문제 구역을 선별해내는 데 매우 유용함을 보여준다.

Fig. 9

Vulnerable areas identified by dew point conversion