Failure Analysis in Transition: An Industry Survey of Challenges, Priorities, and Standardization Needs in Advanced Packaging and Heterogeneous Integration

컴퓨터 칩의 세계가 마치 단일한 평면 자동차 엔진을 수리하는 것과 같았던 시절을 상상해 보십시오. 무언가 고장 나면, 보닛을 열고 특정 부품을 쉽게 확인하여 수리할 수 있었습니다. 그것이 바로 "소자 레벨(device-level)" 결함 분석이었습니다.

하지만 오늘날, 이 논문은 칩 제조 방식이 어떻게 변했는지 설명합니다. 이제는 더 이상 단순한 평면 엔진이 아닙니다. 그것은 마치 방들이 서로 층층이 쌓여 있고, 벽은 서로 다른 재료로 만들어졌으며, 배선은 콘크리트 깊숙이 묻혀 있는 거대한 다층 초고층 빌딩을 짓는 것과 같습니다. 이것을 "이종 집적(heterogeneous integration)" 및 "첨단 패키징(advanced packaging)"이라고 부릅니다.

이 논문의 저자들은 약 100명의 전문가(엔지니어, 과학자, 기업 리더)를 대상으로 설문 조사를 실시하여 다음과 같이 질문했습니다. "이 새로운 복잡한 칩 빌딩에서 문제를 찾아내고 해결하는 것이 얼마나 어려운가?"

그들이 발견한 내용을 알기 쉽게 설명하면 다음과 같습니다.

1. 문제가 위층으로 이동했습니다

과 과거에 전문가들은 주로 단일 칩 내부의 고장 난 부품을 살펴보았습니다. 하지만 현재 설문 조사에 따르면, 업무의 **69%**는 "빌딩(패키지)" 자체, 즉 서로 다른 칩들이 어떻게 쌓이고, 접착되고, 연결되는지에 관한 것입니다.

• 비유: 이제는 단순히 전구가 타버렸는지 확인하는 것만으로는 부족합니다. 벽 안의 배선 문제인지, 건물이 가라앉으면서 발생하는 압력 문제인지, 혹은 서로 다른 층들이 어떻게 연결되어 있는지까지 파악해야 합니다.
• 결과: 전문가들은 "패키지 및 이종 집적"을 가장 중요하게 집중해야 할 영역으로 꼽았습니다 (10점 만점에 7.92점). 이는 아주 작은 트랜지스터 자체를 들여다보는 것보다 더 높은 점수입니다.

2. "하이브리드 본딩(Hybrid Bonding)"이라는 악몽

설문 조사는 "분석하기 가장 어려운 새로운 기술은 무엇인가?"라고 물었습니다.

• 승자: 하이브리드 본딩(두 개의 칩을 미시적 수준에서 완벽하게 접착하는 기술)이 응답자의 **54%**에 의해 가장 어려운 과제로 지목되었습니다.
• 비유: 두 개의 유리 조각을 너무나 완벽하게 붙여서 마치 하나처럼 보이게 만든다고 상상해 보십시오. 그런데 그 접착제 안에 아주 작은 공기 방울이 갇혀 있다면, 유리를 깨뜨리지 않고 그 방울을 찾아내야 합니다. 만약 유리를 잘라서 내부를 보려고 한다면, 공기 방울을 찌그러뜨리거나 유리를 왜곡시켜 무엇이 잘못되었는지 알아내는 것이 불가능해질 수 있습니다.
• 기타 과제들: "백사이드 전력 전달(Backside Power Delivery, 칩 뒷면에 숨겨진 전력선)"과 "게이트 올 어라운드(Gate-All-Around, 3D 구조체)" 역시 손을 대거나 관찰하기가 매우 어렵기 때문에 매우 까다로운 기술으로 언급되었습니다.

3. "망가뜨리지 마시오"라는 딜레마

가장 큰 병목 현상 중 하나는 **시편 제작(Sample Preparation)**입니다. 고장 난 칩을 관찰하려면 보통 이를 잘라내어 분해(deprocess)해야 합니다.

• 문제점: 이러한 새로운 복잡한 칩들의 경우, 이를 자르는 행위 자체가 문제를 변화시킬 수 있습니다. 이는 마치 압력이 가득 찬 파이프의 누수를 찾기 위해 파이프를 자르는 것과 같습니다. 자르는 순간 물이 사방으로 튀어 버려, 원래 어디서 누수가 발생했었는지 알 수 없게 됩니다.
• 요구 사항: 전문가의 **72%**는 더 나은 **비파괴 검사(Non-Destructive Imaging)**를 원하고 있습니다. 그들은 칩을 먼저 절단하지 않고도 첨단 X-ray나 스캐너를 사용하여 "빌딩" 내부를 들여의 보고 싶어 합니다. 벽을 허물지 않고도 건물 깊숙한 곳을 볼 수 있기를 원하는 것입니다.

4. 공통된 언어의 필요성 (표준화)

현재 서로 다른 팀들은 문제를 발견했을 때 각기 다른 도구를 사용하고 서로 다른 "언어"를 사용합니다. 한 팀의 데이터가 다른 팀의 데이터와 일치하지 않는 상황입니다.

• 합의: 설문에 참여한 사람들의 **83%**는 업계에 표준화된 데이터 프레임워크가 절실히 필요하다고 답했습니다.
• 비유: 건축가, 배관공, 전기 기술자가 건물을 수리하려고 하는데, 건축가는 인치 단위로 도면을 그리고, 배관공은 센티미터 단위를 쓰며, 전기 기술자는 자신들만의 비밀 코드를 사용하는 상황을 상상해 보십시오. 그들은 서로 소통할 수 없습니다. 설문 조사는 모두의 데이터가 완벽하게 맞물릴 수 있도록 보편적인 규칙 책이 필요하다고 말합니다.

5. 미래: AI와 더 나은 눈

무엇이 가장 빠르게 발전을 이끌어낼 것인지 묻는 질문에, 가장 높은 답변은 고해상도 비파괴 검사(8.18/10점)였습니다.

• AI의 역할: 인공지능(AI)은 도움이 되는 조수 역할을 할 수 있지만, 오직 데이터가 깨끗하고 표준화되어 있을 때만 가능합니다. 설계도가 엉망이라면 로봇에게 건물을 수리하는 법을 가르칠 수 없습니다.
• 목표: 미래는 단순히 더 좋은 현미경을 갖는 것이 아니라, 우리가 부수지 않고도 칩 내부를 볼 수 있고, 꼭 필요할 때만 신중하게 절단하며, 모든 데이터를 정리하여 AI와 인간이 협력하여 근본 원인을 찾을 수 있는 조직적인 시스템을 구축하는 것입니다.

요약

이 논문은 고장 난 칩을 고치는 일이 더 이상 단순히 "고장 난 부품을 찾는" 작업이 아니라고 결론짓습니다. 그것은 3D 구조, 매립된 배선, 그리고 취약한 재료가 얽힌 복잡한 탐정 소설이 되었습니다. 이를 해결하기 위해 업계에는 다음이 필요합니다:

1. 부서지지 않고도 깊은 내부를 볼 수 있는 더 나은 눈.
2. 모두가 데이터를 효과적으로 공유할 수 있는 공통된 언어(표준화).
3. 단순히 작은 칩 하나에 집중하는 것이 아니라, 전체 "패키지"와 그것이 시스템 내에서 어떻게 조화를 이루는지로의 관점 전환.

설문 데이터는 투명성을 보장하기 위해 논문의 부록에 제공되었으며, 이는 이것이 단순한 이론이 아니라 실제 산업 전반의 변화임을 보여줍니다.