JP2004010349A

JP2004010349A - 自動倉庫システムの搬送時間予測方法

Info

Publication number: JP2004010349A
Application number: JP2003099331A
Authority: JP
Inventors: Kwang-Young Im; 任　光永
Original assignee: Samsung Electronics Co Ltd
Current assignee: Samsung Electronics Co Ltd
Priority date: 2002-06-03
Filing date: 2003-04-02
Publication date: 2004-01-15
Also published as: KR20030093529A; US20030225554A1; US6738688B2; KR100444960B1

Abstract

【課題】生産管理システムの搬送命令に対する最適搬送経路を選択する自動倉庫システムの搬送時間予測方法を提供する。
【解決手段】仮想自動倉庫システム２０４の入力変数を設定し、この入力変数に基づき仮想自動倉庫システムのモデリングを行う。このモデリングによる最適の重み値を設定し、モデリングされた仮想自動倉庫システムに、実際の自動倉庫システム２０２の搬送時間関連変数及び過去履歴データを入力して予想搬送時間を算出する。この予想搬送時間と実際の搬送時間との間のエラーを算出し比較した後、このエラーが所定の許容範囲内にあると、予想搬送時間によって自動倉庫システムの最適搬送経路を選択する。
【選択図】　図３

Description

【０００１】
【発明の属する技術分野】
本発明は物流システムの制御に係り、より詳細には、物流システムにおいてバッファの役目を果たす自動倉庫システムの搬送時間予測方法に関する。
【０００２】
【従来の技術】
図１は通常の半導体生産ラインの物流制御系統を示すブロック図である。同図に示すように、生産管理システム１０２は半導体生産ライン１０８から工程データを受け、現在の工程に必要な部品の搬送命令、又は工程済みの製品の搬送命令などを発生させて物流制御システム１０４に伝達する。物流制御システム１０４は自動倉庫システム１０６に制御命令を伝送して、半導体生産ライン１０８と自動倉庫システム１０６間で搬送作業が行われるようにする。前記制御命令は、搬送種類、作業順位などのように搬送時間に影響を及ぼす因子からなる。この際、自動倉庫システム１０６から物流制御システム１０４に物流データが提供される。
【０００３】
半導体製造工程などの作業分野において、工程に必要な部品を生産ラインに供給するか、又は生産ラインから工程済みの製品を搬送して積載するなどのような物流制御は、製品の生産期間を短縮することにあって、最も重要な部分である。すなわち、最短搬送時間の搬送経路を選択することにより、搬送にかかる時間を短縮させると、全体的な製品生産期間を短縮させることができる。したがって、製品の生産費用を節減するため、製品生産期間を短縮させる必要がある。
【０００４】
【発明が解決しようとする課題】
したがって、本発明は前記のような従来の問題点を解決するためになされたもので、神経網理論を用いて自動倉庫システムをモデリングすることにより、予想搬送変数を算出し、この予想搬送変数を実際の物流制御システムに適用することにより、生産管理システムの搬送命令に対する最適搬送経路を選択する自動倉庫システムの搬送時間予測方法を提供することにその目的がある。
【０００５】
【課題を解決するための手段】
前記のような本発明の目的を達成するため、本発明は、仮想自動倉庫システムの自動倉庫システムの入力搬送時間変数を設定する段階と、前記設定された搬送時間変数に基づいて前記仮想自動倉庫システムの自動倉庫システムをモデリングする段階と、前記モデリングによって最適の重み値を設定する段階と、前記自動倉庫システムの搬送時間に関連した、前記設定された搬送時間変数に対応する入力データと過去履歴データに基づいて予想搬送時間を算出する段階と、前記自動倉庫システムの実際の搬送時間と前記予想搬送時間との間のエラーを算出する段階と、前記エラーが所定の許容範囲内にあると、前記予想搬送時間によって前記自動倉庫システムの最適搬送経路を選択する段階とを含む物流システムの自動倉庫システム制御方法を提供する。
【０００６】
【発明の実施の形態】
以下、本発明による神経網を用いる自動倉庫システムの搬送時間予測方法の好ましい実施形態を図２及び図３に基づいて詳細に説明する。
【０００７】
最初に、図２は神経網理論を用いる本発明による自動倉庫システムの制御概念を示すブロック図である。同図に示すように、入力変数（Ｘ_ｉ）が自動倉庫システム２０２（例えば、制御命令が一つ以上の変数（Ｘ_ｉ）などからなる物流制御システム１０２、１０３）に入力されると、自動倉庫システム２０２は入力された変数によるポート間の実際の搬送時間（ｄ_ｋ）を出力する。所定データ源から自動倉庫システム２０２に入力される変数は搬送時間に影響を及ぼし得る因子、つまり待機中の作業数、可用容量、スタッカクレーンの数、搬送ポート間の距離、搬送形態、作業優先順位などである。
【０００８】
仮想自動倉庫システム２０４は、実際の自動倉庫システム２０２と同一の入力変数（Ｘ_ｉ）を受けて予想搬送変数（Ｘ_ｋ）を発生させる。実際の自動倉庫システム２０２から出力される実際の搬送時間（ｄ_ｋ）と仮想自動倉庫システム２０４から出力される予想搬送変数（Ｘ_ｋ）による搬送時間との間の差（Ｅ_ｐ）は入力変数（Ｘ_ｉ）の入力端にフィードバックされ入力変数（Ｘ_ｉ）のエラーを訂正する。自動倉庫システム２０２はこの訂正された入力変数（Ｘ_ｉ）によって搬送作業を行う。通常、エラー（Ｅ_ｐ）は次の数式（１）により算出される。数式（１）において、ｋは出力変数データの指数である（出力変数データが３である場合、ｋ＝１、２、３）。
【数２】

【０００９】
図３は神経網理論を適用した本発明による仮想自動倉庫システム２０４の学習方法を示すフローチャートである。同図に示すように、最初に実際の自動倉庫システム２０２に入力された入力変数（Ｘ_ｉ）を仮想自動倉庫システム２０４内で設定する（Ｓ３０２）。この際、設定される変数は、待機中の作業数、可用容量、スタッカクレーンの数、搬送ポート間の距離、搬送形態、作業優先順位などのように搬送時間に影響を及ぼす変数である。入力変数（Ｘ_ｉ）が設定されると、この変数に神経網理論を適用して、仮想自動倉庫システム２０４が実際の自動倉庫システム２０２をモデリングする（Ｓ３０４）。
【００１０】
段階Ｓ３０４で、仮想自動倉庫システム２０４のモデリングが完了すると、最適の重み値が得られたかを判断する（Ｓ３０６）。最適の重み値が得られないと、−１〜１の値から初期の重み値を無作為に設定する（Ｓ３０８）。一方、段階Ｓ３０６で、最適の重み値が得られると、その重み値を初期重み値として設定する（Ｓ３１０）。
【００１１】
段階Ｓ３０８、Ｓ３１０で、重み値の初期化が完了すると、前記設定された変数に対応する入力データと実際の自動倉庫システム２０２の搬送時間に関連した過去履歴データを仮想自動倉庫システム２０４に入力する（Ｓ３１２）。より詳しく、段階Ｓ３１２は段階Ｓ３０２で設定された変数に対する実際の過去履歴データ、例えば待機中の作業数、可用容量、スタッカクレーンの数、搬送ポート間の距離、搬送形態、作業優先順位などを用いる。段階Ｓ３１２で、前記過去履歴データは段階Ｓ３０８、Ｓ３１０で設定された重み値に適用して、前記仮想自動倉庫システム２０４に入力変数データを与える。また、段階Ｓ３１２は所望の出力変数データとして実際の自動倉庫システム２０２のポート間の搬送時間の履歴データを用いる。仮想自動倉庫システム２０４は前記設定された最適の重み値と前記設定された変数及び過去履歴の入力データを用いて予想搬送変数を算出し、この予想搬送変数を用いて予想搬送時間を算出する（Ｓ３１４）。
【００１２】
前記算出された予想搬送時間と実際の搬送時間との間のエラー（Ｅ_ｐ）を前記自動倉庫システム２０２から算出する（Ｓ３１６）。このエラー（Ｅ_ｐ）と予め設定された許容範囲を比較する（Ｓ３１８）。前記予め設定された許容範囲は許容範囲の最大値又は許容誤差に基づいて閾値を提供し得る。段階Ｓ３１８で、前記エラー（Ｅ_ｐ）が許容範囲内にあると、本発明の仮想自動倉庫システムの学習方法を終了し、学習した内容を実際の自動倉庫システム２０２の制御に適用する。一方、段階Ｓ３１８で、エラー（Ｅ_ｐ）が前記許容範囲内にないと、予め設定されている重み値を訂正／調整する（Ｓ３２０）。通常、この重み値は、仮想自動倉庫システムの設定された変数を訂正／調整し、段階Ｓ３０２〜Ｓ３１０による他の最適重み値を獲得することにより訂正／調整する。その後、搬送時間に関連した設定変数及び過去履歴データを入力するための段階Ｓ３１２に進み、新たな予想搬送時間を算出する。
【００１３】
以上のように、過去履歴データを入力変数データとして仮想自動倉庫システム２０４に入力すると、仮想自動倉庫システム２０４の出力変数データと所望の出力変数データ間のエラーを、例えば学習理論により獲得することができる。前記エラーが許容範囲を外れていると、仮想自動倉庫システム２０４は新たな重み値を発生し、仮想自動倉庫システム２０４は前記エラーが前記許容範囲内になるまで段階Ｓ３１２〜Ｓ３１６を繰り返す。前記エラーが許容範囲内にあると、仮想自動倉庫システム２０４は前記重み値を設定して、最適重み値として前記予想搬送時間を算出することができる。
【００１４】
【発明の効果】
以上説明したように、本発明は、不確実な要素が多くて数学的にモデリングしにくい自動倉庫システムを、神経網制御理論を用いて実際の自動倉庫システムの入力及び出力変数（例えば、過去搬送時間、現在搬送時間及び搬送時間に影響を及ぼす変数など）に基づいて仮想自動倉庫システムを実際の自動倉庫システムに近似するようにモデリングし、このモデリング結果に基づいて実際の自動倉庫システムの最適搬送経路を探し出すことにより、最適の物流を可能にした自動倉庫システムの搬送時間予測方法を提供する。
【００１５】
通常、自動倉庫システムは物流コントローラ（例えば、システム１０２、１０４）により制御して搬送経路を制御する。本発明の一面において、自動倉庫システムは、物流コントローラからの搬送命令のいずれかに応じて、搬送時間関連変数に基づき１つ以上の神経網理論を用いて自体モデリングして予想（つまり、最適）搬送変数を算出し、この予想搬送変数を前記物流コントローラに適用して、前記自動倉庫システムを制御して搬送命令に対する最適搬送経路を選択する。前記予想搬送変数は、神経網理論を搬送時間関連変数に適用する自動倉庫システムのモデリングにより最適重み値を獲得し、搬送時間に関連した、搬送時間関連変数に対応する実際の入力データ及び過去履歴データに前記獲得した最適重み値を適用して最適搬送経路の選択を可能にすることにより、算出する。特に、予想搬送変数は自動倉庫システムの最適搬送経路を選択するのに用いられる予想搬送時間を算出するために用いる。自動倉庫システムの搬送時間予測器及び／又は最適器としての本発明の工程はソフトウェア及び／又はハードウェアに具現することができ、いかなる公知のコンピュータシステムでも実行することができる。
【図面の簡単な説明】
【図１】通常の半導体生産ラインの物流制御システムを示すブロック図である。
【図２】神経網理論を適用した本発明による自動倉庫システムの制御概念を示すブロック図である。
【図３】神経網理論を適用した本発明による仮想自動倉庫システムの学習方法を示すフローチャートである。
【符号の説明】
１０２　生産管理システム
１０４　物流制御システム
１０６　自動倉庫システム
１０８　半導体生産ライン
２０２　自動倉庫システム
２０４　仮想自動倉庫システム

Claims

物流システムの自動倉庫システム制御方法において、
仮想自動倉庫システムの自動倉庫システムの入力搬送時間変数を設定する段階と、
前記設定された入力搬送時間変数に基づいて前記仮想自動倉庫システムの自動倉庫システムをモデリングする段階と、
前記モデリングによって最適の重み値を設定する段階と、
前記自動倉庫システムの搬送時間に関連した、前記設定された入力搬送時間変数に対応する入力データと過去履歴データに基づいて予想搬送時間を算出する段階と、
前記自動倉庫システムの実際の搬送時間と前記予想搬送時間との間のエラーを算出する段階と、
前記エラーが所定の許容範囲内にあると、前記予想搬送時間によって前記自動倉庫システムの最適搬送経路を選択する段階と
を含むことを特徴とする物流システムの自動倉庫システム制御方法。
前記方法は、前記エラーが前記所定の許容範囲を外れていると、前記予想搬送時間を再算出するため、前記重み値を訂正する段階をさらに含むことを特徴とする請求項１に記載の物流システムの自動倉庫システム制御方法。
前記仮想自動倉庫システムをモデリングするため、神経網制御理論を用いることを特徴とする請求項１に記載の物流システムの自動倉庫システム制御方法。
前記エラーは次の数式によって算出されることを特徴とする請求項１に記載の物流システムの自動倉庫システム制御方法。

ここで、ｄ_ｋは実際の搬送時間、Ｘ_ｋは予想搬送時間、ｋは出力変数データの指数である。
物流制御システムから搬送命令を受ける自動倉庫システムにおいて、
前記搬送命令に応じて、搬送時間関連変数に神経網理論を適用して前記自動倉庫システムのモデリングを行って予想搬送変数を算出し、前記予想搬送変数を前記物流制御システムに適用して、搬送命令に対する最適搬送経路を選択するプログラム化コンピュータプロセッサを含むことを特徴とする自動倉庫システム。
物流制御システムから搬送命令を受ける自動倉庫システムにおいて、
前記自動倉庫システムの搬送時間関連変数と神経網理論に基づいて予想搬送変数を発生し、前記予想搬送変数を物流制御システムに適用して、搬送命令に対する最適搬送経路を選択するプログラム化コンピュータプロセッサを含むことを特徴とする自動倉庫システム。
前記プログラム化コンピュータプロセッサは、予想搬送変数に基づいて予想搬送時間を発生し、前記予想搬送時間に応じて、前記搬送時間関連変数を調整し、前記調整された搬送時間関連変数に基づいて搬送作業を行うことにより、予想搬送変数を適用することを特徴とする請求項６に記載の自動倉庫システム。
物流システムの自動倉庫システム制御方法において、
自動倉庫システムの搬送時間関連変数に神経網理論を適用して最適の重み値を設定する段階と、
前記最適の重み値、前記搬送時間関連変数の入力データ、及び搬送時間の過去履歴データに基づいて予想搬送時間を算出する段階と、
前記予想搬送時間によって自動倉庫システムの最適搬送経路を選択する段階とを含むことを特徴とする物流システムの自動倉庫システム制御方法。
前記最適搬送経路は、自動倉庫システムの実際の搬送時間と前記予想搬送時間との間のエラーが許容範囲内にあるかを判断し、前記エラーが前記許容範囲を外れていると、前記搬送時間関連変数を調整して前記最適の重み値を再設定し前記予想搬送時間を再算出することにより選択されることを特徴とする請求項８に記載の物流システムの自動倉庫システム制御方法。
自動倉庫システムにおいて、
神経網制御理論を用いて、自動倉庫システムの入力及び出力搬送時間変数に基づいて仮想自動倉庫システムを自動倉庫システムに近似するようにモデリングし、前記モデリングにより前記自動倉庫システムの最適搬送経路を選択するプログラム化コンピュータプロセッサを含むことを特徴とする自動倉庫システム。
物流制御システムにおいて、
前記物流制御システムは、物流コントローラと、前記物流コントローラにより制御される自動倉庫システムとを含み、
前記自動倉庫システムは、神経網制御理論を用いて、自動倉庫システムの入力及び出力搬送時間変数に基づいて仮想自動倉庫システムを自動倉庫システムに近似するようにモデリングし、前記モデリングにより前記自動倉庫システムの最適搬送経路を探し出すことにより、前記物流コントローラと前記自動倉庫システム間に最適の物流を可能にするプログラム化コンピュータプロセッサを含むことを特徴とする物流制御システム。