초록 ▼

본 연구에서는 기계학습 기법을 이용하여 이와 같은 어려움들을 해결하는 방법론을 제안하였다. 즉, SVM을 이용한 불량 검출 기법 개발을 통해 품질비용을 최소화함과 동시에 RL을 이용하여 시간의 흐름에 따라 변화하는 재작업 발생 확률을 기반으로 작업 투입정책의 모수를 동적으로 조정함으로써 효율적인 투입계획을 수립하는 스케줄링 알고리즘을 개발하는 것이다.
본 연구에서는 하이테크 제조업 중 TFT-LCD 제조공정을 대상으로 먼저 SVM을 이용한 불량 검출 알고리즘과 RL을 이용한 스케줄링 알고리즘 개발을 진행하였다. 연구결과를 정리

본 연구에서는 기계학습 기법을 이용하여 이와 같은 어려움들을 해결하는 방법론을 제안하였다. 즉, SVM을 이용한 불량 검출 기법 개발을 통해 품질비용을 최소화함과 동시에 RL을 이용하여 시간의 흐름에 따라 변화하는 재작업 발생 확률을 기반으로 작업 투입정책의 모수를 동적으로 조정함으로써 효율적인 투입계획을 수립하는 스케줄링 알고리즘을 개발하는 것이다.
본 연구에서는 하이테크 제조업 중 TFT-LCD 제조공정을 대상으로 먼저 SVM을 이용한 불량 검출 알고리즘과 RL을 이용한 스케줄링 알고리즘 개발을 진행하였다. 연구결과를 정리하면 다음과 같다.
▶ SVM을 이용한 TFT-LCD 제조공정 불량 검출 알고리즘 개발
- 알고리즘 검증 및 실험, 분석을 거쳐 완성된 내용을 한국연구재단 등재지에 게재
▶ RL을 이용한 TFT-LCD 모듈공정 dispatching 알고리즘 개발
- 프로토타입 알고리즘 개발 완료 후, 실험과 분석을 마치고 한국연구재단 등재지에 투고

Abstract ▼

Most of the dispatching scheduling methods for a complex manufacturing process still depend on a dispatching policy considering only due-dates, release times or sequence dependent setup times, or simple heuristic. For the target manufacturing process of this study, however, it is desirable to devise

Most of the dispatching scheduling methods for a complex manufacturing process still depend on a dispatching policy considering only due-dates, release times or sequence dependent setup times, or simple heuristic. For the target manufacturing process of this study, however, it is desirable to devise a scheduling methodology that can dynamically change a dispatching policy according to rework probabilities since non-stable rework possibility affects product quality and due-dates. In addition, since the quality testing process is the almost final process, which is value added one throughout the whole processes, it is very important to improve the accuracy of fault detection methodology in terms of the minimization of quality cost.
Existing research that has been tried to directly apply non-stable rework possibility to dispatching algorithm with fault detection algorithm is very rare. This is because it is difficult to obtain the correlated data between machine and production lot and accurate yield data even though manufacturing execution system (MES) is installed. a few of existing studies considering quality issues strategically select the combination of well-known dispatching rules according to manufacturing situation and try to improve the method via search algorithm or artificial neural networks. However, these methods fail to dynamically change the dispatching policy according to quality volatility in the circumstance of automatically controled high-tech manufacturing facilities. Therefore, this study proposes a methodology that can solve the difficulties described above using two kinds of machine learning techniques. Those are 1) development of fault detection algorithm using SVM (Support Vector Machine) to minimize quality cost and 2) development of an efficient scheduling algorithm using RL (Reinforcement Learning).

목차 Contents

• 일반연구자지원사업 최종보고서서 ... 1
• 목차 ... 3
• Ⅰ. 연구계획 요약문 ... 4
• 1. 국문요약문 ... 4
• Ⅱ. 연구결과 요약문 ... 5
• 1. 국문요약문 ... 5
• 2. 영문요약문 ... 6
• Ⅲ. 연구내용 및 결과 ... 7
• 1. 연구개발과제의개요 ... 7
• 2. 국내외 기술개발 현황 ... 10
• 3. 연구수행 내용 및 결과 ... 11
• 4. 목표달성도 및 관련분야에의 기여도 ... 21
• 5. 연구결과의 활용계획 ... 22
• 6. 연구과정에서 수집한 해외과학기술정보 ... 22
• 7. 주관연구책임자 대표적 연구실적 ... 23
• 8. 참고문헌 ... 24
• 9. 연구성과 ... 25
• 10. 기타사항 ... 26