This dissertation address the operation optimization of automated material handling system in semiconductor FABs. We focus on the large scale FABs which have high complex process. We suggest an operation that takes into account a number of constraints that arise from application to field.
In this dissertation, we discuss three issues: (1) OHT vehicle dispatching problem, (2) MCS routing problem, (3) Storage selection problem. For the first topic, we measure OHT vehicle travel data and adapt the estimator which include the congestion using the reinforcement learning techniques. For the second topic, we define the MCS dynamic routing problem using multiple AMHS. We suggest dynamic routing algorithm using Q function value. For the third topic, we conduct a study that determines which storage is effective.
Through data driven optimization for operation, we expect (1) operations beyond human insight and (2) autonomous operations without human operations.
본 학위연구는 반도체 팹의 자동 반송 시스템에서 데이터 기반 최적 운영 문제를 다룬다. 본 연구에서는 복잡한 작업 특성을 가진 반도체 팹을 대상으로 대량의 반송 요청을 수행하는 환경을 대상으로 한다. 또한 산업 현장에 적용 되면서 발생할 수 있는 여러 제약 사항들을 고려한 운영 방식을 제시한다.
본 연구에서는 다음과 같은 세 가지 문제를 다룬다. (1) 자동 반송 시스템 중 하나인 Overhead Hoist Transport (OHT) 시스템에서의 대차 배정 연구, (2) Material Control System (MCS) 에서의 반송 경로 연구, (3) 저장창고 선택 연구.
첫 번째 주제인 OHT 대차 배정 연구에서는 주행 데이터를 측정하여 혼잡을 고려한 지표를 적응하고, 이를 바탕으로 대차 배정을 하였다. 두 번째 주제인 MCS 반송 경로 연구에서 여러 자동 반송 시스템을 사용하는 동적 경로 할당 문제를 정의하였으며 Q function value를 바탕으로 한 경로 할당 방법을 제안 한다. 세 번째 주제인 저장창고 선택 연구에서는 어떤 저장창고 (storage)를 사용하는 것이 효과적인지 결정하는 연구를 진행하고자 한다.
데이터 기반 최적 운영을 통하여 (1) 인간의 직관을 뛰어넘는 운영, (2) 인간의 손을 거치지 않는 자율적인 운영을 기대한다.
