• 목록

[일시] 2025.01.23

[리뷰 논문]
- Dynamic OHT Routing Using Travel Time Approximation Based on Deep Neural Network
- Gaussian Process-based Storage Location Assignments with Risk Assessments for Progressive Zone Picking Systems

[요약]
본 세미나에서는 물류 최적화를 위한 예측 기반 방법론을 적용한 두 가지 논문을 다룬다.

첫 번째 논문에서는 반도체 제조 공정에서 Overhead Hoist Transport(OHT) 시스템의 동적 라우팅 문제를 해결하기 위해 딥러닝 기반 접근법을 제안한다. 기존의 정적 라우팅 방식은 실시간 변화에 대응하지 못하며, 동적 라우팅 방식도 계산 효율성이 낮다는 문제가 있다. 이를 해결하기 위해 논문에서는 Local Path Approximation Model과 Global Path Approximation Model을 결합하여 혼잡을 고려한 이동 시간을 근사한다. Local Path 모델은 다익스트라 알고리즘을 변형하여 단거리 경로를 계산하고, Global Path 모델은 딥러닝을 활용해 장거리 이동 시간을 예측한다. 이를 통해 OHT의 실시간 경로 선택이 가능해지고, 실험 결과 기존의 정적 및 강화학습 기반 알고리즘 대비 높은 성능을 보였다.

두 번째 논문에서는 **Gaussian Process Surrogate Model(GPSM)**을 활용하여 Progressive Zone Picking(PZP) 시스템에서 저장 위치를 최적화하는 기법을 제안한다. 기존의 Storage Location Assignment Problem(SLAP)에서는 이동 거리 등의 대리 변수를 활용했지만, 해당 연구에서는 Gaussian Process Regression을 이용해 평균 흐름 시간(Average Flow Time, AFT)을 직접 예측한다. 이를 바탕으로 저장 위치를 동적으로 재할당하는 Swap Operation을 수행하며, 실험 결과 GPSM이 불균형한 작업 부하를 효과적으로 완화하고 평균 흐름 시간을 단축하는 데 기여함을 보였다.

이 두 논문은 물류 시스템의 효율성을 극대화하기 위해 데이터 기반 최적화 기법을 활용한 연구로, 반도체 제조 및 물류 창고 관리에서의 실용적인 적용 가능성을 제시한다.

[녹화 영상 링크]
https://us02web.zoom.us/j/5830426146?pwd=wmvnOUPyj4Ka5dHgjOK2vkunKGfRsb.1