The stocker system is the most widely used auto material handling system in TFT- LCD fabrication facilities(FABs). The stocker mainly consists of one or two cranes moving along a single track to transport cassettes, containing thin LCD glass substrates between processing machines. Because the stocker system is the primary material handling system in the TFT-LCD FABs, its performance directly affects the overall performance. In this thesis, we investigate the scheduling of a dual stocker system operating with two cranes simultaneously on a single track. We proposed dynamic programming formulation for static case and approximation approach using linear features, furthermore, deep Q network modeling considering non-linearity. In particular, we suggested trace shape of input to improve the performance of a neural network and exploited convolution layer.
스토커 시스템은 박막 트랜지스터 액정 디스플레이 제조 공정에서 가장 널리 사용되는 자동화 반송 시스템이다. 듀얼 크레인 스토커는 하나의 트랙 위를 움직이면서 공정 기계들 사이에서 액정 디스플레이 글라스를 담고 있는 카세트를 운반하는 두 개의 크레인으로 구성되어 있으며 스토커의 성능이 전체 공장의 성능을 좌우한다. 본 학위 논문에서는 듀얼 크레인 스토커 시스템의 스케줄링 문제를 다루고 있다. 동적 프로그래밍, 선형 근사치를 이용한 동적 프로그래밍, 더 나아가 비선형을 고려한 깊은 신경망 모델을 이용하여 문제에 접근한다. 특히 인공 신경망의 성능을 높이기 위해 궤적 모양의 입력 데이터와 합성곱 레이어를 사용하였다. 이를 통해 제조 시스템 최적화에 강화 학습 및 인공신경망의 적용 가능성을 확인하고자 한다.
