AI기반 자동물류 스마트 팩토리 솔루션AI (Deep Reinforcement Learning) based Smart Factory Solution

Cited 0 time in webofscience Cited 0 time in scopus
  • Hit : 149
  • Download : 472
DC FieldValueLanguage
dc.contributor.author장영재-
dc.date.accessioned2021-01-29T04:31:03Z-
dc.date.available2021-01-29T04:31:03Z-
dc.date.issued2019-
dc.identifier.urihttp://hdl.handle.net/10203/280386-
dc.identifier.urihttps://archives.kaist.ac.kr/research.jsp?year=2019&view=view09-
dc.identifier.urihttps://archives.kaist.ac.kr/eng/research.jsp?year=2019&view=view09-
dc.descriptionKAIST 2019 대표 연구성과 10선-
dc.description.abstract반도체/LCD와 같은 첨단 제조 시설과 신속배송을 처리하는 첨단물류 창고에서 자동화와 무인화는 필수요소로 자리매김하고 있다. 이러한 첨단 제조 및 물류 창고는 과거 컨베이어가 아닌 수 백대에 이르는 물류 로봇이 물류 이송 작업을 수행한다. 이러한 물류 배송 로봇들이 사 람 과 유사하게 서로 충돌을 일으키지 않고 상호 효율적으로 작업을 수행하기 위해서는, 개별 로봇의 성능 향상뿐만 아니라 높은 수준의 AI를 기반으로 다수의 로봇을 지휘하는 협업지능(Collaborative Intelligence) 기술이 필수적이다. 본 연구에서는 AI의 대표 기술 중 하나인 강화학습(Reinforcement learning) 기반의 자동 물류 군집 로봇 제어 알고리즘을 개발하였다. 본 알고리즘은 다량의 자동 물류 로봇이 제한된 자원을 공유하는 환경에서 상호 협업하여 작업을 수행할 수 있는 두뇌 역할을 담당한다. 본 연구진은 인공신경망, 강화학습, 디지털 트윈과 자동 물류 로봇 시스템 도메인 지식을 결합하여 대규모 물류 로봇의 복잡한 제어/관리 문제를 해결하였으며, 1,000대 이상의 물류 로봇 군집 제어 솔루션 상용화에 성공하였다. 기존 학계 벤치마킹 알고리즘과 산업 현장에서 기존 활용 중인 방법과 비교해 물류 성능의 30%이상 개선을 확인하였으며[1], 또한 국내 중견기업과 협업을 통해 솔루션 상용화에도 성공하였다[2]. 본 연구는 “산업 AI”의 성공적인 구현사례로, 강화학습 기술의 저변을 확장하여 AI의 성공적인 산업 현장적용을 선도할 것으로 예상된다. 또한 다수의 물류 로봇이 동시에 작업을 진행하는 물류 창고, 교통, 서비스 분야로의 확장이 기대된다.-
dc.languagekor-
dc.publisher한국과학기술원-
dc.titleAI기반 자동물류 스마트 팩토리 솔루션-
dc.title.alternativeAI (Deep Reinforcement Learning) based Smart Factory Solution-
dc.typeReport-
dc.description.alternativeAbstractThe semiconductor fabrication facility (FAB) and advanced production lines are fully automated manufacturing systems and therefore their automated material handling systems (AMHS) play a critical role in the operation of the production lines. The team of KAIST recently developed a reinforcement learning-based dynamic routing algorithm to control massive fleet of automated guided vehicles (AGVs). The proposed algorithm uses real-time information to effectively guide each vehicle so that it avoids congestion and finds its optimal path. The algorithm is also designed such that the computational burden to find its optimal route is significantly low enough to serve hundreds of vehicles in real time. The performance of the proposed algorithm is compared with various existing method. The results show that the developed algorithm outperforms and is superior to the other benchmarking algorithms including the ones developed by researchers at Georgia Tech [1].-
dc.description.department한국과학기술원 : 산업및시스템공학과-
dc.contributor.localauthor장영재-
dc.contributor.alternativeauthorYoung Jae Jang-

qr_code

  • mendeley

    citeulike


rss_1.0 rss_2.0 atom_1.0