earticle

한국어

반도체 제조 공정에서 사용되는 원자재의 안정적인 공급은 생산 라인의 연속성을 유지하는 데 핵심 요소이다. 특히 저장탱크에 보관되는 특정 원자재는 잔량이 임계 수준에 도달하기 전에 적시에 탱크로 리로 납품되어야 하며 이를 위한 정확한 일정 예측이 요구된다. 그러나 납품 일정 계획수립을 영업담 당자의 수작업으로 진행하는 경우가 많아 효율성과 정확성에 한계가 존재한다. 본 연구는 고객사의 실 시간 저장탱크 데이터를 기반으로 통계 기반의 ARIMA와 딥러닝 기반의 LSTM을 결합한 하이브리드 시계열 예측 모델을 통해 탱크로리 납품 일정을 예측하는 시스템을 제안한다. 데이터는 RPA 기술로 수집하고 전처리 과정을 거쳐 예측 모델을 통해 수기 예측 대비 효과적인 납품 일정을 예측하는 시스 템을 구현한다. 본 연구는 탱크로리 납품 일정의 예측 정밀도를 향상시키고 제조 물류 운영의 자동화 기반 구축에 기여할 수 있는 실용적인 시스템을 제안한다.