[부산=토토 사이트 커뮤니티 손충남 기자] 부산대학교 산업공학과 한준희 교수 연구팀이 강원대학교 이주용 교수, 울산대학교 황규선 교수와 공동으로 AI 기반 제조 설비 최적화 프레임워크를 개발했다고 12일 밝혔다.

이번 연구는 데이터가 제한적인 제조 환경에서 생산성을 극대화할 수 있는 혁신적인 알고리즘을 제시하며 주목받고 있다.

연구팀은 ‘반도체 세정 설비의 기계학습 기반 제품 투입 최적화’를 주제로, 최소한의 데이터만으로 AI 모델을 활용해 설비의 생산량을 예측하고, 이를 통해 최적의 생산 스케줄을 도출하는 방법을 제안했다. 이 연구는 반도체 웨이퍼 세정 공정을 대상으로 진행됐다.

웨이퍼 세정은 반도체 칩 성능과 품질 향상을 위해 먼지, 오염 물질을 제거하는 공정으로, 세척 시간과 순서 최적화가 생산성 향상의 핵심이다. 그러나 현장에서 수집할 수 있는 데이터는 제한적이며, 웨이퍼의 세척 시간과 순서를 예측하기 어려운 실정이다.

연구팀은 AI 기술을 활용해 이러한 한계를 극복했다. AI 모델을 통해 웨이퍼 세척 시간을 예측하고, 효율적인 배치 방법을 설계하여 기존 수학적 계산 방식(CPLEX)보다 빠르고 실용적인 결과를 도출했다. 이를 통해 공정의 생산성을 크게 향상시킬 수 있는 가능성을 확인했다.

이번 연구는 반도체 세정 설비뿐만 아니라, 데이터 수집이 제한적인 다양한 제조 설비에도 적용 가능성이 크다. 특히, 데이터 수집 여건이 열악한 중소기업에도 실질적인 도움이 될 수 있을 것으로 기대된다.

부산대 한준희 교수는 “이번 연구는 데이터가 부족한 환경에서도 생산성을 극대화할 수 있는 AI 기반 솔루션을 제시했다는 데 의의가 있다”며, “이 알고리즘은 다양한 제조 환경에서 활용 가능해 제조업 전반의 생산 계획 효율성을 높이는 데 기여할 것”이라고 밝혔다.

한편, 이번 연구는 중소벤처기업부의 스마트제조기술개발 사업 지원으로 수행됐으며, 연구 성과는 제조업 분야 최고 국제 저널인 ‘저널 오브 매뉴팩처링 시스템즈(Journal of Manufacturing Systems)’ 12월호에 게재됐다.