As semiconductor fabrication facilities (fabs) become large-scale, the Automated Material Handling System (AMHS) of the fab, Overhead Hoist Transfer (OHT) system, become more complex. This makes it difficult to solve various control problems in fabs, so we want to solve the traffic flow prediction problem which is the key to solve these control problems. We first formulate the traffic flow prediction problem to the graph structure, because this problem has big size information to solve with past methods. Then, we design a graph processing method, Bi-GCN-GRU, to solve graph structure problem. Bi means bi-directional graphs that are normal direction and reverse direction. We use these two directional graphs for removing directional confusion. Graph Convolution Network (GCN) assumes spatial dependence to understand the graph structure of the OHT system, and Gated Recurrent Unit (GRU) assumes temporal dependence to extract temporal patterns in traffic flow. For validation our proposed method, we use data of OHT system simulator, Automod, and experiment with other methods. We can confirm our proposed method achieves high performance and discuss practical implications of our proposed method.
반도체 공장 내의 물류 자동화를 위한 천장 반송 시스템에서 여러 의사 결정 문제들에 대한 분석과 해법을 찾는 연구들이 지속되고 있다. 본 연구에서는 이 의사 결정 문제 해법에 큰 도움을 줄 수 있는 교통 흐름 예측 문제를 그래프 구조를 활용하여 표현한다. 그래프 구조를 활용함으로써 시스템의 전체적인 구조를 활용할 수 있는데, 이는 천장 반송 시스템이 규모가 커지면서 복잡해짐에 따라 한번에 처리해야할 정보량이 많다는 문제를 효과적으로 해결할 수 있다. 우리는 또한 이 예측 문제를 해결할 수 있는 모델로써 그래프 구조를 이해할 수 있는 그래프 합성곱과 시간 패턴을 추출할 수 있는 게이트 순환 유닛을 활용한 방법론을 제시한다. 최종적으로 제안한 모델이 천장 반송 시스템의 구조를 이해함으로써 효과적으로 미래 예측이 가능한지 확인하고 이에 대한 여러 분석들에 대해 논의한다.
