$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

시뮬레이션 기반 반도체 포토공정 스케줄링을 위한 샘플링 대안 비교
A Simulation-based Optimization for Scheduling in a Fab: Comparative Study on Different Sampling Methods 원문보기

한국시뮬레이션학회논문지 = Journal of the Korea Society for Simulation, v.32 no.3, 2023년, pp.67 - 74  

윤현정 (부산대학교 산업공학과 산업데이터공학융합전공) ,  한광욱 (부산대학교 산업공학과 산업데이터공학융합전공) ,  강봉권 (부산대학교 산업공학과 산업데이터공학융합전공) ,  홍순도

초록
AI-Helper 아이콘AI-Helper

반도체 제조라인(FAB)은 복잡하고 불확실한 운영환경에서 작동하는 대규모의 제조시스템 중 하나로 반도체 설비 운영을 담당하는 엔지니어들은 직관적이고 신속한 공정 스케줄링을 위해 가중치 기반 스케줄링을 널리 사용하고 있다. 가중치 기반 스케줄링에서 가중치 결정은 FAB 성능에 큰 영향을 미치므로 엔지니어들은 가중치 최적화를 위하여 시뮬레이션 기반 의사결정을 활용할 수 있다. 그러나 대규모 시뮬레이션은 많은 실험 비용을 요구하기 때문에 효과적인 의사결정을 위해서 신중한 실험설계가 요구된다. 본 연구에서는 적은 시뮬레이션 실행 내에서 효율적인 스케줄링을 도출하기 위해 세 가지 샘플링 대안(i.e., Optimal latin hypercube sampling(OLHS), Genetic algorithm(GA), and Decision tree based sequential search (DSS))에 대한 비교연구를 수행하였다. 시뮬레이션 실험을 통해 세 가지 대안이 단일 규칙보다 우수한 성능을 보였고, 그중 GA와 DSS가 최적화를 위한 효과적인 대안이 될 수 있음을 확인하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

A semiconductor fabrication facility(FAB) is one of the most capital-intensive and large-scale manufacturing systems which operate under complex and uncertain constraints through hundreds of fabrication steps. To improve fab performance with intuitive scheduling, practitioners have used weighted-sum...

주제어

#반도체 제조라인   #시뮬레이션   #의사결정나무   #유전알고리즘   #라틴 하이퍼큐브 샘플링  

표/그림 (13)

참고문헌 (15)

  1. Altendorfer, K., Kabelka, B., and Stocher, W. (2007),？A new dispatching rule for optimizing machine？utilization at a semiconductor test field, 2007？IEEE/SEMI Advanced Semiconductor Manufacturing？Conference, 188-193. 

  2. Arisha, A., and Young, P. (2004), Intelligent simulation-based lot scheduling of photolithography toolsets in？a wafer fabrication facility, Proceedings of the 2004？Winter Simulation Conference, Vol. 2, 1935-1942. 

  3. Chen, B. and Matis, T. I. (2013), A flexible dispatching？rule for minimizing tardiness in job shop scheduling,？International Journal of Production Economics, 141？(1), 360-365. 

    상세보기

  4. Dabbas, R. M., Fowler, J. W., Rollier, D. A., and？Mccarville, D. (2003), Multiple response optimization？using mixture-designed experiments and desirability？functions in semiconductor scheduling. International？journal of production research, 41(5), 939-961. 

    상세보기

  5. Han, G. G., Kang, B. G., Kim, H. J., Hong, S. (2022),？A GA-based Optimization of a Weighted Lot？Targeting Rule in a Semiconductor Wafer Fab.？Journal of the Korean Institute of Industrial？Engineers, 48(5), 477-485. 

    상세보기

  6. Kim, H., Lim, D. E., and Lee, S. (2020), Deep learning-based dynamic scheduling for semiconductor？manufacturing with high uncertainty of automated？material handling system capability. IEEE Transactions？on Semiconductor Manufacturing, 33(1), 13-22. 

  7. Lee, J. H., Kim, Y., Kim, Y. B., Kim, B. H., Jung, G.？H., and Kim, H. J. (2020), A sequential search？method of dispatching rules for scheduling of LCD？manufacturing systems. IEEE Transactions on？Semiconductor Manufacturing, 33(4), 496-503. 

  8. Lee, W.-J., Kim, B.-H., Ko, K., and Shin, H. (2019),？Simulation based mul-ti-objective fab scheduling by？using reinforcement learning, 2019 Winter Simulation？Conference, 2236-2247. 

  9. Li, L., Sun, Z., Zhou, M., and Qiao, F. (2012), Adaptive？dispatching rule for semiconductor wafer fabrication？facility, IEEE Transactions on Automation Science？and Engineering, 10(2), 354-364. 

  10. McKay, M. D., Beckman, R. J., and Conover, W. J.？(2000), A comparison of three methods for selecting？values of input variables in the analysis of output？from a computer code, Technometrics, 42(1), 55-61. 

    상세보기

  11. Mittler, M., and Schoemig, A. K. (1999), Comparison？of dispatching rules for semiconductor manufacturing？using large facility models, Proceedings of the？1999 Winter Simulation Conference, 709-713. 

  12. Siebert, M., Bartlett, K., Kim, H., Ahmed, S., Lee, J.,？Nazzal, D., Nemhauser, G., and Sokol, J. (2018),？Lot targeting and lot dispatching decision policies？for semiconductor manufacturing: optimisation under？uncertainty with simulation validation. International？Journal of Production Research, 56(1-2), 629-641. 

  13. Stocki, R. (2005), A method to improve design reliability？using optimal Latin hypercube sampling, Computer？Assisted Mechanics and Engineering Sciences, 12？(4), 393. 

    상세보기

  14. Yan, H., Lou, S., Sethi, S., Gardel, A., and Deosthali,？P. (1996), Testing the robustness of two-boundary？control policies in semiconductor manufacturing,？IEEE Transactions on Semiconductor Manufacturing,？9(2), 285-288. 

    상세보기

  15. Zhang, H., Jiang, Z., and Guo, C. (2009), Simulation-based optimization of dispatching rules for？semiconductor wafer fabrication system scheduling？by the response surface methodology, The International？Journal of Advanced Manufacturing Technology,？41, 110-121. 

    상세보기

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

FREE

Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로