• 목록

[일시] 2026.02.23

[세미나 주제]
Bayesian Optimization for the Vehicle Dwelling Policy in a Semiconductor Wafer Fab

[발표자]
조연경

[요약]
이번 발표에서는 반도체 웨이퍼 팹의 AMHS 환경에서 Vehicle Dwelling Policy를 최적화하기 위한 Bayesian Optimization 기반 접근을 정리하였다. 차량의 대기 위치를 어떻게 설정하느냐에 따라 delivery time과 시스템 혼잡도가 크게 달라지지만, 기존에는 경험적 heuristic이나 반복적인 시뮬레이션 기반 튜닝에 의존해 왔다. 이러한 방식은 탐색 효율이 낮고 계산 비용이 크다는 한계를 가진다. 본 연구는 vehicle dwelling policy를 연속적인 정책 파라미터로 정의하고, 시뮬레이션을 통해 측정되는 delivery time을 블랙박스 목적 함수로 설정한다. 이후 Gaussian Process 기반 surrogate 모델을 활용해 목적 함수를 근사하고, acquisition function을 통해 가장 유망한 정책을 순차적으로 탐색하는 Bayesian Optimization을 적용한다. 이를 통해 expensive simulation 환경에서도 적은 평가 횟수로 효율적인 정책 탐색이 가능하도록 한다. 실험 결과, 제안 방법은 기존 heuristic 정책 대비 delivery time을 유의미하게 개선하였으며, 비교적 적은 시뮬레이션 반복만으로 안정적으로 수렴하는 경향을 보였다. 이는 복잡한 산업 물류 시스템에서도 데이터 기반 최적화 기법이 효과적으로 적용될 수 있음을 보여준다. 결론적으로 본 연구는 고복잡도 제조 시스템에서 Bayesian Optimization이 실용적이고 확장 가능한 정책 최적화 도구가 될 수 있음을 시사한다.

[관련 논문]
- Bayesian Optimization for the Vehicle Dwelling Policy in a Semiconductor Wafer Fab

[녹화 영상]
https://us06web.zoom.us/rec/share/y8jKM0x0cXl4v_yAS3HLDsqh34ywWt9HHShZ8Rn5m75HAmaWZ1Dqr7CrNPbND5BM.l2uZxV2_a7CMP69d