KCI우수등재
반도체 팹의 OHT 네트워크에서 딥러닝 기반의 섹션 별 단기간 정체수준 예측 모델 = Deep Learning Based Short-term Congestion Prediction Model for Sections of OHT Network in Semiconductor FAB
저자
발행기관
학술지명
권호사항
발행연도
2023
작성언어
Korean
주제어
등재정보
KCI우수등재
자료형태
학술저널
발행기관 URL
수록면
97-122(26쪽)
제공처
최근 메모리 칩의 수요가 증가함에 따라 반도체 팹(FAB)에서 제조설비의 가동률 향상과 생산성 최대화를 위해 공정간에 웨이퍼를 자동 반송하는 Overhead hoist transport(OHT) 네트워크에 발생될 정체를 예측하는 것은 중요한 문제로 고려된다. 그러나, 대규모의 OHT 네트워크에서는 OHT의 웨이퍼 상/하차 작업의 빈번한 발생, OHT간 상호작용 등으로 인한 OHT 운영상황 파악의 어려움으로 인해 OHT 네트워크의 특정 구간인 섹션에 발생하는 단기간 정체를 예측하는 것은 매우 어려운 문제이다. 본 연구에서는 이러한 문제를 해결하기 위해 딥러닝 기반의 섹션 별 단기간 정체 예측 모델을 제안한다. 제안한 모델은 예측 대상 섹션과 인근 섹션들의 OHT 운영상황 및 단기간 미래에 예상되는 OHT 운영상황 정보와 예측 대상 섹션에 단기간 후에 발생하게 될 정체의 수준 사이의 숨겨진 패턴을 학습하여 예측 대상 섹션의 단기간 정체를 예측한다. 실제 대규모 반도체 팹을 모사한 시뮬레이터에서 생성한 데이터를 통해 실험한 결과, 예측 대상 섹션의 특징에 상관없이 기존의 정체 예측에 사용하는 SVR, LGB, XGB 기반의 예측 모델보다 높은 예측 성능을 보임을 확인하였다.
더보기Recently, as the demands of memory chips increase, the short-term congestion prediction of sections in the overhead hoist transports (OHT) network is essential to maximize utilization of equipment and productivity. However, the prediction of short-term congestion of the section in semiconductor FAB is a challenging problem since it is difficult to capture dynamic events, such as frequent loading/unloading tasks of OHTs and interactions between OHTs. Tore, this study proposes a deep learning-based short-term congestion prediction model. The proposed model trains the situations for target section and down-stream sections at the current and future times. As the experiment results using the dataset that is simulated for real-world environment from a simulator demonstrate that the proposed model outperforms the other machine learning-based models such as SVR, LGB, and XGB.
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)