인공지능 기반 반도체 공정 클러스터 장비의 Schedule 최적화 모델 개발

직책: 연구 책임자

기간: 2025.02 ~ 2026.01

연구 필요성

반도체 제조 공정에서 클러스터 장비의 최적화는 생산성과 비용 효율성을 높이는 데 매우 중요한 역할을 한다. 그러나 기존의 Dispatching Rule 기반 스케줄링은 휴리스틱한 접근으로 복잡한 제약조건을 동시에 고려하기 어려우며, 최적의 성능을 달성하는 데 한계가 있다. 웨이퍼 지연, 챔버 클리닝, Deadlock 방지와 같은 다양한 제약조건을 해결하기 위해서는 더 효율적인 스케줄링 방법이 필요하다. 이러한 문제를 극복하기 위해 강화학습 기반 접근법을 활용하여 연구를 진행한다.

연구 목적 및 내용

본 연구는 강화학습 기반 모델을 활용하여 반도체 공정 클러스터 장비의 최적 생산 스케줄을 도출함으로써 유휴 시간(idle time)과 총 처리 시간(TAT)을 최소화하여 장비 효율성을 극대화하는 것을 목표로 한다. 이를 위해 클러스터 장비의 상태와 제약조건을 체계적으로 분석하고, 강화학습 알고리즘을 적용한 최적의 의사결정 모델을 개발한다. 또한, 개발된 모델의 확장 가능성과 새로운 데이터에 대한 적용성을 검토한다.

기대 효과

강화학습 기반 스케줄링을 통해 다양한 상태와 조건을 학습하여 최적의 결정을 도출할 수 있고, 현재 방식의 한계를 극복한다. 이를 통해 생산성을 높이고 공정 비용을 절감할 수 있는 것을 기대한다. 다양한 조건에서도 안정적으로 작동하는 확장 가능성을 가진 모델을 제공하여 실용적 활용성을 높인다.