스마트폰 CMOS 이미지 센서 기술 로드맵 수립 연구

Abstract

디지털 카메라, 스마트폰 카메라, 자율 주행 자동차 또는 산업용 로봇의 눈이 되어 주는 CMOS 이미지 센서(CIS) 시장이 4차 산업혁명 시대를 맞이하여 급속히 커지고 있다. CMOS image sensor를 제조하는 우리나라 반도체 기업들도 현재까지의 패스트 팔로어(fast follower)전략을 벗어나 퍼스트 무버(first mover)로 업계 선도자 위치로의 전환을 꾀하는 중이다. 뿐만 아니라 글로벌 시장 환경이 변화되고, 시장 불확실성이 커지면서 정확한 마켓 센싱(Market sensing)이나 기술 수요 예측의 필요성이 점점 높아지고 있다. 이에 본 연구는 최종 소비자 빅데이터 분석을 이용한 품질기능전개(QFD, Quality Function Deployment) 모형을 통해, 고객 지향적인 기술 요소 우선순위를 도출하고, 이를 활용하여 소비자 니즈(Customer needs)가 충분히 반영된 기술 로드맵을 수립하는 것이 목적이다.

품질기능전개(QFD) 모형은 신제품 개발 시 고객 요구 사항(CA, Customer Attribute)을 제품 설계 특성(EC, Engineering Characteristic)으로 변환하여 각 특성기술의 우선순위를 파악할 수 있게 한다. 본 연구는 미국 아마존(Amazon.com)의 스마트폰 카테고리의 소비자 리뷰 데이터에 대해, 자연어 처리(NLP, Natural Language Processing) 분야의 기계학습 알고리즘 모델인 word2vec 모델을 이용한 분석을 적용하여, 스마트폰 카메라에 대한 소비자 니즈를 정량화하였고, 이를 품질기능전개(QFD)의 핵심 도구인 품질의 집(HOQ, House Of Quality)의 CA 상대적 중요도에 적용하였다. 이후 미국 특허를 활용한 텍스트 마이닝(Text mining) 통계 분석을 통해 CA와 EC 간의 관계 매트릭스를 작성하였다. HOQ level 2, EC - EC 단계에서는 전문가 설문을 통해 전문가들의 의견을 반영하여 작성하였고, 최종적으로 CMOS 이미지 센서의 최신 기술과 연계시키고자 하였다.

결론적으로, 본 연구는 CMOS 이미지 센서의 최신 기술 요소와 미국 시장 소비자 니즈를 연계하여, 기술 요소 우선순위를 밝히고, 이를 통해 CMOS 이미지 센서 기술 로드맵 수립에 참고 자료로 활용하고자 한다.

CMOS Image Sensor(CIS) market is continuously growing for years. The CIS is the eye of Smartphone camera, Autonomous vehicle, Industrial robot,,etc. So, Korean semiconductor companies which make the CMOS image sensor are trying to transform to 'first mover' from 'fast follower'. For that, through the QFD(Quality Function Deployment) model using consumer big data analysis, this study intends to establish a technical road map reflecting consumer-oriented technical factor priorities. The QFD converts CA(Customer Attribute) to EC(Engineering Characteristic) when developing a new product, and it makes possible to understand the priorities of each technology factor. When applying CA to HOQ(House Of Quality) of QFD, this study uses Word embedding(word2vec), a field of machine learning that converts natural language into vectors and expresses them so that computer can understand them, so that customer needs(CA) has been quantified. After that, a relationship matrix between the CA and EC was maked out using US patent data. In the second stage of the HOQ, the opinions of experts were reflected through expert questionnaires, and finally, connected them with the latest technology of CIS. In conclusion, this study aims to connect the latest technology factors of CIS with consumer needs based on big data analysis for clarifying the priorities of technology factors, and use them as reference materials for establishing CIS technology roadmap.