기계 학습 알고리즘을 이용한 리드 타임 예측: 반도체 제조업체의 사례 연구

제조 리드 타임(LT)의 정확한 예측은 생산 계획 및 일정(PPS)의 품질과 효율성에 크게 영향을 미칩니다. 전통적인 계획 및 관리 방법은 대부분 역사적 데이터를 기반으로 유도된 평균 리드 타임을 계산합니다. 이는 오늘날 복잡한 제조 환경에서 여러 기준에 의해 영향을 받는 LT의 변동성을 고려할 수 없기 때문에 PPS의 결함을 초래합니다. 반도체 제조의 경우, 복잡한 작업, 대량 생산, 여러 경로 및 높은 프로세스 자원 효율성에 대한 수요로 인해 정교한 LT 예측 방법이 필요합니다. 이러한 문제를 극복하기 위해, 과거 생산 데이터를 기반으로 한 감독 기계 학습(ML) 접근 방식이 LT 예측에 활용될 수 있습니다. 본 논문은 최신 회귀 알고리즘의 사용과 LT 예측의 정확성을 높이는 데 미치는 영향을 검토합니다. 실제 산업 사례 연구를 통해 방법에 대한 다기준 비교를 제공하고, 반도체 산업에서의 특성 선택 및 방법의 적용 가능성에 대한 결론을 도출합니다.