인더뉴스 제해영 기자ㅣ부산대학교 산업공학과 한준희 교수팀이 강원대, 울산대 연구진과 함께 AI(인공지능)를 활용해 제조 설비 데이터의 한계를 극복하고 생산 스케줄링을 최적화하는 프레임워크를 제안했습니다.
연구팀은 논문 ‘Machine learning-based dispatching for a wet clean station in semiconductor manufacturing(반도체 세정 설비의 기계학습 기반 제품 투입 최적화)’를 통해, 데이터 수집이 제한적인 환경에서 최소한의 제조 설비 정보를 바탕으로 AI 모델을 활용해 최적의 생산 일정을 도출하는 방법을 제안했습니다.
이번 연구는 반도체 제조 공정 중 웨이퍼 세척 과정을 최적화해 생산성을 극대화하는 데 중점을 뒀습니다. AI 모델은 웨이퍼 세척 시간과 순서를 예측하고 이를 바탕으로 웨이퍼를 효율적으로 배치하는 방식을 제시했습니다.
연구 결과, 기존의 수학적 계산 방식(CPLEX)보다 빠르고 실용적인 해결책을 제공하며, 공장 생산성을 크게 향상시킬 수 있음을 입증했습니다.
한준희 교수는 “데이터 수집이 제한적인 제조 설비에서도 AI 기술을 활용해 생산성을 높일 수 있는 알고리즘을 개발했다는 점에서 큰 의미가 있다”며 “이번 연구는 중소기업 제조 설비 등 다양한 제조 환경에서 효과적으로 활용될 수 있다”고 말했습니다.
이번 연구는 중소벤처기업부 스마트제조기술개발 사업의 지원을 받아 진행됐으며, 연구 결과는 국제 저널 ‘Journal of Manufacturing Systems’ 12월호에 게재됐습니다.
