# 세계 반도체 생산·메모리·EUV·공정·투자 이력 v2

조사 기준일: **2026-10-17**. 기존 웨이퍼 연구(2026-10-16)를 보존하고 8개 연구 모듈을 추가했습니다.

- 전체 **1,663개 근거 기록** = 기존 웨이퍼 779 + 신규 884.
- **154개 지표 코드**, 회사·역사적 그룹 65개, 산업 집계 3개.
- 출처 레코드 **472개**, 고유 원문 URL **448개**. 같은 원문을 여러 분야에서 참조한 경우 중복 레코드가 있습니다.
- 신규 884행: 점수치699, 범위3, 부등호26, 이정표103, 정성49, 이산 선택지3, 공개 공백1. 숫자 사양은 생산량 실측값과 다릅니다.

## 무엇을 추가했는가

| 모듈 | 근거 기록 | 내용 |
|---|---:|---|
| ASML 노광장비 | 205 | 2009–25 연간 신품·중고/노광장비, 2010–25 EUV, 2011–25 기술별 대수, 2026 Q1–Q3·반기, 일부 실제 출하 |
| 공정·패키징 | 150 | TSMC 2015–25 공정별 웨이퍼 매출 비중, 2017–25 플랫폼 순매출 비중; CoWoS·SoIC·InFO·I-Cube·X-Cube·EMIB·Foveros |
| DRAM·HBM | 145 | Micron FY2015–26 bit/ASP, Samsung·SK hynix·Micron HBM 단계·적층·용량·대역폭, 월간능력 추정 |
| NAND·소재 | 113 | 연간/분기 bit/ASP, NAND 층수·제품 세대·단계, 소유권/분사, SOI·SiC |
| 고객 EUV | 52 | ASML·Intel·TSMC·Samsung·SK hynix·Micron의 주문·출하·인도·설치·인수·양산 |
| 중국 메모리 | 35 | CXMT·JHICC 제품·공정·출시/양산, 출처 시점별 능력 추정·전망 |
| 투자·R&D | 104 | TSMC CAPEX2001–25, Samsung2016–25, MicronFY2023–26; R&D·D&A·정부지원·순투자 |
| 지역별 장비시장 | 80 | SEMI/SEAJ 2016–25, 7개지역+세계합계, billion USD |

## 파일 안내

- `report_ko.pdf`: 확장 연구 상세 보고서. 기존 웨이퍼 상세 50쪽은 `baseline/report_ko.pdf`.
- `report_ko.html`: 오프라인 상세 보고서와 1,663행 검색·필터·CSV 다운로드. 네트워크·서버 없이 열 수 있습니다.
- `semiconductor_expanded.xlsx`: 전체·신규·분야별 데이터, 출처, 지표사전, 회사 커버리지.
- `semiconductor_history.sqlite`: 인덱스가 있는 조회용 SQLite.
- `data/all_observations.csv`, `.jsonl`: 전체 근거 테이블.
- `data/expanded_observations.csv`, `.jsonl`: 신규884행만.
- `data/rag_facts_ko.jsonl`: 한 행당 한국어 근거 요약, 상태·범위·인용 메타데이터.
- `data/metric_dictionary.csv`:154개 지표 정의·단위·비교/집계 규칙.
- `data/schema.json`: 필드 구조·시점·범위·널값 규칙.
- `data/sources.csv`, `companies.csv`, `company_metric_coverage.csv`: 출처·회사·커버리지.
- `data/events_milestones.csv`: 신규 이정표103행. 수치 사양이 있는 발표 전체를 뜻하는 파일은 아닙니다.
- `data/legacy_normalized_200mm.csv`: 기존 웨이퍼606행의 명시적200mm환산. 새로운 비트·장비·금액을 환산하지 않았습니다.
- `data/validation_results.json`: 통합 참조키·범위·원본보존 검증.
- `data/research_validation.json`: 독립 연구 검증, ASML부분합·SEMI지역합·회계 부호 포함.
- `charts/`: 보고서용 PNG·SVG와 차트 출처 manifest.
- `research/*.json`: 8개 모듈별 원래 관측·출처·해설. 통합 전 근거를 다시 볼 수 있습니다.
- `baseline/`: 기존 데이터·PDF·Excel 원본의 사본. 기존 행은 `legacy_observation_id`로 연결됩니다.

## AI 개발에 쓸 때

### 1. 데이터의 단위와 모집단을 먼저 선택

회사·연도만으로 합산하면 안 됩니다. `companies.csv`의 국가 표기는 원자료 기준이며 공장 소재지를 뜻하지 않습니다. 회사표의 `legacy_`필드는 기존 웨이퍼 범위의 메타데이터이고, 확장된 기간은 `reported_actual_periods`와 `forecast_periods`로 분리합니다. `metric`, `unit`, `product_or_technology`, `scope`, `geography`, `period_type`, `reporting_basis`, `status`를 같이 선택해야 합니다.

- 생산능력은 실제 생산량이 아닙니다. 월말 명목 WPM×12를 실현 연간 생산으로 만들지 마세요.
- 메모리 판매 bit 증감은 웨이퍼 출하 장수 증감이 아닙니다. 층수·비트밀도·제품구성·수율이 모두 다릅니다.
- 매출 비중으로 노드별 웨이퍼 장수를 역산하지 않았습니다. TSMC공정별 분모는 웨이퍼 매출, 플랫폼 분모는 연결 순매출입니다.
- EUV공급사 물리 출하와 매출 인식, 고객 인도·설치·인수·가동·보유 stock을 분리합니다. 최초1대 사건이 전체보유1대라는 뜻은 아닙니다.
- ASML2024 EUV44=LowNA42+HighNA2, 2025 EUV48=44+4입니다. EUV전체와 두부분을 다시 더하지 마세요.
- HBM전공정 DRAM능력과 TSV후공정능력은 겹치는 생산흐름의 다른 단계입니다. 두 숫자를 더하면 안 됩니다.
- CoWoS상대 배율은 절대 WPM이 아닙니다. Fab6연100만장초과는 공유3DFabric공정능력의 추정이며 CoWoS전용실제출하가 아닙니다.
- 삼성 전체CAPEX는 DS부문을 포함합니다. Micron정부지원은 유입, PPE취득은 유출크기, 감가상각은 비현금비용입니다.
- 합작사·분사·인수는 회사경계를 바꿉니다. KIOXIA_WD와 KIOXIA/SANDISK, Intel/Solidigm/SK그룹을 무조건 합산하지 마세요.

### 2. 과거 시점 정보 가용성을 별도 처리

`period`는 대상기간, `available_date_verified`는 일자까지 확인한 출처 공개일입니다. 나중 보고서의 과거 실적·수정 비교치는 당시 알려진 값이 아닐 수 있습니다. `available_date_verified <= 학습예측시점`을 필터하고, null이면 원문 가용일을 보강한 뒤 과거 시점 학습에 사용해야 합니다. 신규135행·전체454행이 정확한 공개일 미확인 상태입니다. 이를 연말이나 관측기간 끝으로 채우지 않았습니다.

MicronFY2026은2026-09-03종료53주이며 CY2026전체가 아닙니다. 2026부분분기·반기와 연간을 더하거나 연율화하지 않았습니다. CXMT2025E·2026E는2025-10-10출처 시점의 전망입니다. 시간이 지났어도 `is_forecast=true`를 보존합니다.

### 3. 불확실성·선택지·미공개를 유지

`record_kind`는 `numeric_point`, `numeric_range`, `numeric_bound`, `discrete_options`, `milestone`, `qualitative`, `missing_disclosure`로 구분합니다.

- `value`는 명시 점값. `approximately`인 경우에도 원문의 대략값 표시를 보존합니다.
- `value_min/value_max`는 원문 범위·부등호. 범위 중앙값을 임의로 만들지 않았습니다.
- `discrete_options`의12/16/24GB같은 값은 연속범위가 아닙니다. 원 옵션은 `value_text`와 `native_record_json`에 있습니다.
- high/mid/low같은 언어적 구간은 `value_text`로 유지했습니다. 미공개·정성·이정표의 null을0으로 채우지 마세요.
- 정규화 `comparator`와 `comparison_basis`를 분리했습니다. 이전 원표현은 `native_comparator`에 있습니다.
- `status=secondary_estimate`는 공식 실제생산 공시가 아닙니다. 계획은 `is_forecast`도 같이 확인합니다. 2차자료가 전한8개DRAM/HBM능력 계획도 이 플래그가true이며 당시계획을 실현값으로 바꾸지 않았습니다.

### 4. RAG·수치예측·평가 데이터의 역할을 분리

`rag_facts_ko.jsonl`은 근거 검색용입니다. 수치 예측에는 구조화 테이블을 쓰고, 시간 가용성을 지킨 회사/시간 분할을 적용하세요. 동일 원문이 여러모듈·같은URL에서 반복될 수 있으므로 출처URL·기업계열·기간 단위 누출도 확인해야 합니다. 제품 사양 수치와 생산량을 같은 레이블로 학습시키면 안 됩니다.

원문 전체 재배포나 모델 학습 이용권은 출처별 조건을 별도로 확인해야 합니다. 본 패키지는 사실·요약·인용위치·URL을 모았으며 원문PDF 전체를 새 묶음에 포함하지 않습니다.

## SQL / Python 시작

외부 서비스나 API키가 필요하지 않습니다. SQLite는 Python표준 라이브러리로 읽을 수 있습니다.

```python
import sqlite3
import pandas as pd
con = sqlite3.connect('file:semiconductor_history.sqlite?mode=ro', uri=True)
df = pd.read_sql_query('''
SELECT company_id, period, metric, value, value_text, unit, source_id
FROM observations
WHERE category='memory_dram' AND is_forecast=0
  AND available_date_verified IS NOT NULL
  AND available_date_verified <= '2024-12-31'
''', con)
```

`scripts/example_queries.sql`에 EUV연간, HBM단계, CXMT전망, 커버리지 조회 예시가 있습니다. `verified_historical_numeric`뷰도 실적 필터의 출발점이지만 단위·범위 검증을 대신하지 않습니다. 날짜조건은 사용자가 따로 넣어야 합니다.

## 재현

현재 패키지 폴더에서 다음을 실행합니다. 원문 수집은 이미 조사된JSON을 입력으로 사용하므로 재현 과정에 네트워크가 필요하지 않습니다.

```bash
python scripts/validate_research.py
python scripts/build_expanded.py
python scripts/validate_exports.py
python scripts/build_charts.py
python scripts/build_report.py
python scripts/check_report.py
python scripts/package_release.py
```

Python의 pandas/xlsxwriter/openpyxl/matplotlib/numpy와 Playwright·Chromium이 필요합니다. 마지막 명령은 HTML검증·PDF·미리보기를 만듭니다. 이 환경의 Chromium경로는 `/usr/bin/chromium`입니다. 다른환경은 `CHROMIUM_PATH`로 지정할 수 있습니다. 기준일은 스크립트에 고정되어 있으며, 재수집하면 출처vintage를 별도 보존해야 합니다.

## 확인된 한계

이 데이터는 공개근거 패널이며 전세계 fab의 완전한 기계적 생산기록이 아닙니다. 주요 메모리사의 월별 실제waferstarts, 고객별EUV총보유대수, 제품별수율·양품die, AI전용wafer비중, 절대CoWoS월캐파는 연속공식계열을 확보하지 못했습니다. 일부과거링크는 기업IR개편으로 이동하며 해당출처에색인확인·접근한계를기록했습니다. 출처정확한공개일 미확인, 공시 재작성, 회계기준 전환, 분사·JV 경계는 보완할 과제로 남아 있습니다.