An Inverse Reinforcement Learningbased Integrated Framework for Scheduling and Dispatching for Operational Optimization in Queue-Time-Constrained Semiconductor Manufacturing
개인기초연구(과기정통부)(R&D) · 우수연구-핵심연구(기본연구A)
2026년
2710114142
과학기술정보통신부
한국연구재단
한양대학교 에리카캠퍼스
김현준
6명
2026.09.01 ~ 2027.08.31
2026.09.01 ~ 2029.08.31
4,467만원
4,467만원
기초연구
대학
경기도 안산시
사회과학 > 경영학 > 최적화(경영과학)
본 연구의 최종 목표는 반도체 제조 시스템 내에서도 가장 큰 병목으로 작용하는 정체구간(queue-time constrained stages)의 운영 효율을 향상시키기 위한 역강화학습(Inverse Reinforcement Learning, IRL) 기반 적응형 스케줄링-디스패칭 통합 프레임워크를 개발하는 것이다. 정체구간은 공정 간 최대 대기시간을 초과할...
본 연구는 3개년에 걸쳐 정체구간의 특성을 반영한 스케줄링 최적화, IRL 기반 보상 구조 도출, 강화학습 기반 적응형 디스패칭 통합 모델 개발을 단계적으로 수행한다.1차년도: 정체구간 스케줄링 최적화 기법 개발1차년도에서는 포토 및 산화/확산 공정의 주요 제약을 반영한 정체구간 스케줄링 문제 정의와 알고리즘 개발을 수행한다.- 대기시간(Queue-time...
... 기대한다.-본 연구에서 구축되는 IRL/RL 기반 의사결정 기술은 물류 디스패칭, 공급망 스케줄링, 에너지 운영 등 다양한 OR 분야로의 범용적으로 적용 가능할 것으로 기대한다.-연구 결과는 소프트웨어 엔진화하여 스마트 팩토리 의사결정 자동화 솔루션으로 발전될 수 있으며, 국내 제조 경쟁력 강화와 반도체 산업의 안정적 생산 운용 지원에 기여할 것으로 기대한다.