자율이송(AV/AMR) 재배치·경로선정의 혼잡 회피 예측제어

Predictive control for congestion avoidance and repositioning of autonomous vehicles/robots

연구 내용

자율차량(AV) 재배치와 AMR 경로선정 문제를 학습 기반 예측·제어로 해결해 이송 지연과 기계 유휴를 줄이는 연구

대규모 반도체 공정이나 스마트공장에서는 자율이송 수단의 유휴 차량/로봇 재배치와 경로 선택이 생산 설비 유효가동률에 직접적인 영향을 줍니다. 본 연구는 작업 환경의 시간 변동성과 데이터 부족 문제를 고려하여 clustered multi-task sequence-to-sequence 학습 기반의 예측 제어를 수행합니다. 또한 다수 AMR이 공존하는 job shop에서는 경로선정 데이터를 이용해 정체를 회피하도록 이상탐지 및 이진 분류 기반 모델을 적용하고, 이동시간과 운반지연을 동시에 완화하는 방향을 다룹니다. 이를 통해 이송 효율과 설비 활용도를 함께 개선하는 제어 로직을 구성합니다.

관련 프로젝트

2건

연구 흐름

초기 연구는 유휴 AV를 요청 발생 지점으로 재배치할 때 발생하는 불균형과 전송 지연의 원인을 확인하고, clustered multi-task 학습으로 태스크 간 일반화를 활용하는 예측 제어 구조를 제안했습니다. 이후 실제 대규모 반도체 라인 케이스에서 전송 효율과 설비 유휴 감소 관점의 성능 검증을 수행했습니다. 연속적으로 다수 AMR 환경에서는 경로선정과 정체 회피를 분리하지 않고, 이진 분류·이상탐지 등 학습 기반 비교 실험을 통해 운반지연 비율 개선 절차를 정립했습니다. 최근에는 학습 모델의 입력 설계와 성능 분석을 통해 보완 지점을 도출하는 형태로 진행했습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

AV 재배치 예측제어
AMR 혼잡 회피 경로선정
이상탐지 기반 교통 상황 분류
설비 유휴 최소화 정책
시간변동 제조환경 학습
멀티태스크 전이학습 활용
대규모 공정 실시간 제어
이송 지연 리스크 추정
로봇 군집 운영 로직
현장 검증 기반 모델 보정