메뉴 건너뛰기
소속 기관 / 학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 / 회원가입
고객센터 ENG
주제분류
인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG
학술저널
오류 신고하기해당 페이지 내 제목·저자·목차·페이지
정보가 잘못된 경우 알려주세요!

논문 기본 정보

저자정보
(Ajou University) (Ajou University)
저널정보
한국컴퓨터정보학회 한국컴퓨터정보학회논문지 한국컴퓨터정보학회 논문지 제30권 제2호(통권 제251호)
오류 신고하기
표지

피인용 0

검색

    초록·키워드

    반도체 생산관리는 제품 복잡도의 증가에 따라 어려워지고 있지만, 현장 스케줄링은 효율적이지 않다는 문제가 제기되고 있다. 생산 환경의 복잡성과 다양한 변수들로 인해 기존의 스케줄링 방식은 실시간으로 변화하는 생산 조건에 효과적으로 대응하기 어렵고, 이로 인해 최적의 생산성과 품질을 달성하는 데 한계가 있다. 이에 따라 생산 전문가들은 생산 방향과 운영 상태를 파악할 수 있는 솔루션을 요구하고 있다. 필자는 현업의 요구사항을 바탕으로 실제 반도체 Fab의 로그 데이터를 머신 러닝을 통해 분석하여 스케줄에 영향을 미치는 의사결정 요소를 파악하고 시각화 할 수 있는 솔루션에 대해 연구하였다. 이는 향후 스케줄러의 방향성을 제시하여 Autonomous Fab을 구축하는데 기반을 제공한다는 점에서 의의가 있다.
    #Decision making #unsupervised learning #decision tree #correlation analysis #hybrid learning #scheduling #semiconductor production #manufacturing scheduling #의사결정 #비지도 학습 #의사결정 트리 #상관관계 분석 #하이브리드 학습 #스케줄링 #반도체 생산 #생산 스케줄링

    본문·목차

    최근 본 자료 전체보기

      260915_DBpiaAI2학기
      261017_Citeasy Update
      260917_DBpiaAI뷰어2
      260604_KRpiaAI
      UCI(KEPA) : I410-151-25-02-092363506