This paper presents a lifter assignment problem in an overhead hoist transport (OHT) system in a multifloor semiconductor fab where each floor is connected via a lifter. Previous studies provided rule-based methods to consider only input port status and the expected transfer time. As the size of the fab has been increased, more factors should be considered when choosing a lifter, however, rule-based methods are limited in the increase of factors to be considered. In this work, we analyze and propose field-available methods by considering various factors affecting the lifter assignment. In this study, we propose the lifter assignment method that includes various factors that existing methods have not considered and verify performance improvement by using deep neural networks. Validation used Applied Materials’ AutoMod™ (version 14.0) simulation software.
본 연구는 다층으로 구성된 반도체 펩 내 overhead hoist transport(OHT) 시스템에서의 층간 이동 장비인 lifter의 선택 문제인 lifter assignment에 대한 연구다. 기존 연구에서 제안된 방식들은 lifter의 input Port 그리고 expected transfer time 만을 고려한 rule base 방식으로 실제 반도체 펩의 규모가 커짐에 따라 고려해야 하는 요소가 증가할시 한계가 있었다. 본 연구에서는 lifter assignment에 영향을 미치는 다양한 요소를 고려하여 현장에 활용 가능한 방법을 분석 및 제안한다. 본 연구에서는 심층신경망을 활용해 기존 방식들이 고려하지 못한 다양한 요소들까지 포함한 lifter assignment 방식을 제안하고 성능 향상을 검증한다. 검증은 applied materials사의 AutoMod™ (version 14.0) 시뮬레이션 소프트웨어를 사용하였다.