KCI우수등재
TabNet 기반의 반도체 재공재고 수준의 조기예측과 해석 = TabNet-based Early Prediction and Interpretation of Work-in-process Inventory for Semiconductor Manufacturing
저자
발행기관
학술지명
권호사항
발행연도
2022
작성언어
Korean
주제어
등재정보
KCI우수등재
자료형태
학술저널
발행기관 URL
수록면
466-474(9쪽)
KCI 피인용횟수
0
DOI식별코드
제공처
In this study, we propose using TabNet, a deep learning model effective for tabular dataset, to predict the average and maximum levels of WIP (work-in-process) in semiconductor plant.
The WIP estimation is an essential problem for decision-making to expand factory infrastructure facilities, because the under- or over-estimation of WIP causes production inefficiency and unnecessary costs, resulting in production loss. To resolve this problem, we here present a framework, which accurately predicts the average and maximum level of WIP and analyzes the main causes of changes in the level of WIP. We conducted experimental studies to show the outperformance of TabNet with competitive machine-learning methods. Experimental results show that the proposed approach obtained R2 0.86 and 0.95 for the average level of WIP and the maximum level of WIP, respectively. Furthermore, a model-agnostic interpretation method, Shapley additive explanations, was used to identify the significant variables for predictions.
본 연구는 정형 데이터에 효과적인 딥러닝 모델인 TabNet을 활용하여 반도체 공장 내 재공재고(Work-in-process)의 평균 및 최대 수준을 조기 예측한다. 생산공정 중에 있는 재공재고의 추정 문제는 공장 인프라 설비의 확장 계획과 직결되어, 과소/과대 예측할 경우 생산활동을 제약하거나 불필요한 비용을 가중시킨다. 이러한 문제해결을 위해 본 연구에서는 재공재고의 평균과 최대 수준을 정확히 예측함과 동시에 재공재고 수준의 변화의 주요원인 분석용 해석 프레임워크를 제공한다. 특히, 정확도 높은 조기예측을 위해 TabNet 활용을 제안하였으며 다수의 기계학습 모델과 비교실험을 진행하여 재공재고 평균 수준에 대해서는 R2 0.86, 재공재고 최대 수준에 대해서는 R2 0.95의 높은 정확도를 획득하였다. 또한 모델 불특정 해석기법인 SHAP을 활용하여 해석 프레임워크를 함께 제안하였다.
더보기분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)