Earticle

초록

한국어

반도체 패키징 공장에서 싸이클타임(Cycle-time)을 정확히 예측하는 것은 납기일 준수를 통해 고객만족도를 향상시킬 수 있고, 보다 효율적인 스케쥴링을 가능하게 하여 공장 가동률을 높일 수 있게 한다. 그러나 반도체 패키징은 제품 종류가 다양하고 제품마다 특화된 기술을 사용할 뿐만 아니라 공정 순서나, WIP에 따라 싸이클타임이 크게 영향을 받아 그 정확한 예측이 매우 어렵기 때문에 현장 전문가의 판단에 의존하는 경우가 많았다. Fab공정의 경우 전문가를 도와 좀 더 정확한 예측에 도움을 주기 위해 그 동안 전통적 통계 기법 및 시뮬레이션에 기반한 의사결정 모형이 많이 연구되었는데, 최근에는 기계학습 및 인공지능 기법을 사용한 연구가 눈에 띄고 있으며 기존의 방법보다 우수한 성능을 보여 주는 것으로 나타났다. 하지만 아직 기계학습 및 인공지능을 이용한 충분한 연구가 진행되지 못하고 있는 실정이다. 따라서 본 연구에서는 사례기반 추론을 사용하여 패키징 공정의 싸이클타임을 예측하고자 하였으며 그 성능을 인공신경망 모형, 의사결정나무 모형, 그리고 해당 분야 전문가의 예측치와 비교하였다. 실험결과에 따르면 사례기반추론 모형이 가장 뛰어난 성능을 보이는 것으로 나타났다.

키워드

저자

• 김규진 [ 고려대학교 경영대학 경영학과 ]
• 서용무 [ 고려대학교 경영대학 경영학과 ]

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  한국경영정보학회 정기 학술대회 [KMIS Conference]

• 간기

  반년간

• 수록기간

  1990~2025

• 십진분류

  KDC 325 DDC 658