인공지능
국내 최초로 물류 분야에 인공지능 기술을 접목한 제품을 연구/개발하고 있습니다.
인공지능 기반 지능형 공장 자동화 기술 및 운영 Platform을 연구 및 개발한다.
물류의 복잡성으로 인해 나타나는 인간이 해결하기 어려운 비효율성 (정체, Load와 유휴 장비가 비 매칭, 부하 불평균, 대기 등)을 해결하고 자율 운행이 가능한 자동화를 구현한다.
- 현장 적응형 자율 운행 시스템 (정체, 제품 변경, 생산량 변화 인지 및 최적 대안 확보)
- 물류 장비의 최적의 경로 선정 및 디스패칭
- System 관제 및 이상 징후 대안 제시
- 인공지능 기반 물류 장비 운영 시스템 개발
시너스텍-카이스트 인공지능 자동화 시스템 연구 센터
2015년 자동화 물류 시스템 전반에 관한 연구 협력 MOU를 시작으로 다수의 산학과제를 공동으로 진행하였으며 2018년 3월 산업 지능의 연구 및 실용화를 위하여 개소하였습니다.
강화학습을 적용한 OHT (Overhead Hoist Transfer) System
크고 복잡한 Layout에서 대량의 반송 요청과 다수의 (수백 ~ 1,000 대) Vehicle을 효율적으로 매칭 운영하고
반송 이력 Data의 분석을 통한 정체 현상 사전 회피 및 공정 변화를 인지 대응한다.
- 대규모 Vehicle 운영 (1,000대 이상)
- 공정 변화 인지 및 반송 Pattern 변화 대응
- 정체현상을 사전 회피하여 시스템 운영 효율 향상
- 생산량 증가(Capa. Up) 시 Vehicle 수량 증가로 유연 대응
Deep Q Network을 이용한 Stocker 운영
Stocker 내 S-Master 들 및 반송 명령의 이동 궤적을 Matrix로 나타내어 Deep Q Network을 이용한 학습을 통해 S-Master 간 충돌을 회피하면서 이동 구역에 제한 없이 효율적 운영된다.
- S-Master간 충돌을 회피하면서 이동 구역 제한 없이 반송
- S-Master간 Hand-Off 반송이 제거되어 반송 대응 Capa 증가
- 반송 요청 후 대기 시간 감소
- Bottleneck Stocker 제거로 Fab 내 물류 이동 원활