論文の概要: Learning-Assisted Congestion-Aware Route Scheduling for Semiconductor Fab Material Control Systems

• arxiv url: http://arxiv.org/abs/2608.30520v1
• Date: Mon, 31 Aug 2026 09:53:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-01 18:31:31.336563
• Title: Learning-Assisted Congestion-Aware Route Scheduling for Semiconductor Fab Material Control Systems
• Title（参考訳）: 半導体ファブリック制御システムのための学習支援混雑を考慮した経路スケジューリング
• Abstract要約: 本稿ではTN-DCR(Transport-network-aware dynamic congestion representation)を提案する。 TN-DCRは、構造経路先行、マルチウィンドウネットワーク全体の混雑状況、経路レベルのボトルネック露光、誘導グラフ対応経路埋め込みを組み合わせる。 制御されたクローズドループ評価では、平均納期は16.4%減少し、内部リソース待ち時間は22.6%減少するが、スループットは基本的に変化しない。
• 参考スコア（独自算出の注目度）: 11.254357359829065
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Automated material handling systems in semiconductor fabs are operated by a material control system (MCS) that must schedule a relay route for every transport command online, before execution. This is a data-driven scheduling problem in which route cost is dominated in the upper tail by queueing at heterogeneous, partially observable relay equipment, so route selection requires estimating both delivery time and congestion risk at the decision moment. This paper proposes a transport-network-aware dynamic congestion representation (TN-DCR). Built on a static directed transport graph induced by historically observed relay segments, TN-DCR combines structural route priors, multi-window network-wide congestion context, route-level bottleneck exposure, and an inductive graph-aware route embedding, all constructed under a prediction-time-safety invariant that admits only information observed strictly before the prediction moment. The representation feeds separate queue- and transfer-time regressors and an ordinal multi-label classifier producing calibrated multi-threshold exceedance scores, with an empirical-Bayes stock-key residual correction reducing systematic queue-time underprediction. The predictions serve as costs in a risk-constrained route-scheduling rule that minimizes predicted delivery time subject to a bound on extreme-congestion probability, embedding the learned predictors within a lightweight operations-research decision model. In a controlled closed-loop evaluation, mean delivery time falls by 16.4\% and internal resource waiting time by 22.6\% while throughput remains essentially unchanged.
• Abstract（参考訳）: 半導体ファブにおける自動材料処理システムは、実行前に、オンラインですべてのトランスポートコマンドの中継ルートをスケジュールする必要がある物質制御システム(MCS)によって操作される。 これは、不均一で部分的に観測可能な中継装置で待ち行列をすることで、経路コストが上尾部で支配されるデータ駆動スケジューリング問題であり、経路選択は、決定時点における配送時間と渋滞リスクの両方を推定する必要がある。 本稿ではTN-DCR(Transport-network-aware dynamic congestion representation)を提案する。 TN-DCRは、歴史的に観察されたリレーセグメントによって誘導される静的指向輸送グラフに基づいて構築され、構造経路の先行、マルチウィンドウネットワーク全体の混雑状況、経路レベルのボトルネック露光、誘導グラフ対応経路の埋め込みを組み合わせ、これらは全て予測モーメントより前に厳密に観測された情報のみを許容する予測時安全不変量の下で構築される。 この表現は、キュー時間と転送時の別個の回帰器と、校正されたマルチ閾値超過スコアを生成する順序付きマルチラベル分類器とを供給し、経験的ベイズストックキー残差補正により、系統的な待ち時間下降を低減させる。 予測は、極度の混雑確率に縛られ、予測時間を最小限に抑え、学習した予測者を軽量な操作-調査決定モデルに組み込むリスク制約付き経路スケジューリングルールのコストとして機能する。 制御されたクローズドループ評価では、平均配信時間は16.4\%減少し、内部リソース待ち時間は22.6\%減少するが、スループットは基本的に変化しない。

関連論文リスト

• A Multi-View Coupled Tensor Decomposition for Lightweight Online Adaptive Traffic Prediction [9.202409218074294]
  本稿では,不完全なマルチビュー観測からオンライントラフィック予測を行うためのMVCTDモデルを提案する。 実世界のトラフィックデータセットの実験では、MVCTDは厳しい不足の下で、好ましいランタイムで正確な予測を達成している。
  論文  参考訳（メタデータ） (2026-08-26T08:09:00Z)
• When Freshness Is Not Enough: Distribution-Aware Age of Information for Networked LQR Control [3.688414964949228]
  Age of Information (AoI) は無線更新システムの設計において中心的な指標となっている。 本稿では,ネットワーク制御システムにおいて,平均AoIの最小化が実際最適かどうかを検討する。
  論文  参考訳（メタデータ） (2026-06-03T02:22:46Z)
• Collision-Free Velocity Scheduling for Multi-Agent Systems on Predefined Routes via Inexact-Projection ADMM [0.0]
  構造化マルチエージェントプロジェクトでは、エージェントは事前に定義されたルートをたどらなければならず、リルーチンや不可能となる。 本稿では,各エージェントの割り当てられた経路の順序と名前付き経路の割り当てを保ちながら,経路制約付きマルチエージェント協調に対処する。
  論文  参考訳（メタデータ） (2026-03-23T12:34:18Z)
• Streaming Real-Time Trajectory Prediction Using Endpoint-Aware Modeling [54.94692733670454]
  近隣の交通機関の将来の軌道は、自動運転車の経路計画と意思決定に大きな影響を与えている。 本稿では,軽量かつ高精度なストリーミングベース軌道予測手法を提案する。 当社のアプローチは推論遅延を大幅に低減し、現実のデプロイメントに適しています。
  論文  参考訳（メタデータ） (2026-03-02T13:44:23Z)
• Learning Minimally-Congested Drive Times from Sparse Open Networks: A Lightweight RF-Based Estimator for Urban Roadway Operations [0.0]
  本稿では,最小渋滞車走行時間に対する軽量な推定器を開発した。 オープンなロードネットワークデータ、速度制約、スパース制御/ターン機能をランダムなフォレストフレームワークに統合する。 大都市圏でのポイント・ツー・ポイントの忠実さを保ち、資源の要求を減らし、防御可能な性能推定を供給している。
  論文  参考訳（メタデータ） (2026-01-04T09:54:44Z)
• Revisiting Multivariate Time Series Forecasting with Missing Values [65.30332997607141]
  現実の時系列では欠落値が一般的である。 現在のアプローチでは、計算モジュールを使用して、不足した値を補う、計算済みの予測フレームワークが開発されている。 このフレームワークは、致命的な問題を見落としている: 欠落した値に対して基礎的な真理は存在せず、予測精度を劣化させる可能性のあるエラーの影響を受けやすいようにしている。 本稿では,Information Bottleneck原則に基づく新しいフレームワークであるConsistency-Regularized Information Bottleneck(CRIB)を紹介する。
  論文  参考訳（メタデータ） (2025-09-27T20:57:48Z)
• Research on Metro Transportation Flow Prediction Based on the STL-GRU Combined Model [2.661114116085898]
  本稿では,Loses (STL) 法と Gated Recurrent Unit (GRU) を用いた季節・トレンド分解を統合したメトロトランスファー乗客フロー予測モデルを提案する。 その結果,Long Short-Term Memory (LSTM), Gated Recurrent Unit (GRU) およびSTL時系列分解法とLong Short-Term Memory (STL-LSTM) の併用モデルと比較すると,STL-GRU複合予測モデルでは平日における転送旅客フローの予測精度が大幅に向上することがわかった。
  論文  参考訳（メタデータ） (2025-09-12T12:23:26Z)
• PreRoutGNN for Timing Prediction with Order Preserving Partition: Global Circuit Pre-training, Local Delay Learning and Attentional Cell Modeling [84.34811206119619]
  本稿では,事前のタイミング予測に対する2段階のアプローチを提案する。 まず、回路網リストからグローバルグラフ埋め込みを学習するグラフオートエンコーダを事前学習するためのグローバル回路トレーニングを提案する。 第2に、GCN上のメッセージパッシングのための新しいノード更新方式を、学習したグラフ埋め込みと回路グラフのトポロジ的ソートシーケンスに従って使用する。 21個の実世界の回路の実験では、スラック予測のための新しいSOTA R2が0.93で達成され、以前のSOTA法では0.59をはるかに上回っている。
  論文  参考訳（メタデータ） (2024-02-27T02:23:07Z)
• Uncovering the Missing Pattern: Unified Framework Towards Trajectory Imputation and Prediction [60.60223171143206]
  軌道予測は、観測されたシーケンスから実体運動や人間の行動を理解する上で重要な作業である。 現在の方法では、観測されたシーケンスが完了したと仮定し、欠落した値の可能性を無視する。 本稿では,グラフに基づく条件変動リカレントニューラルネットワーク (GC-VRNN) の統一フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-03-28T14:27:27Z)
• Guaranteed Dynamic Scheduling of Ultra-Reliable Low-Latency Traffic via Conformal Prediction [72.59079526765487]
  アップリンクにおける超信頼性・低遅延トラフィック(URLLC)の動的スケジューリングは、既存のサービスの効率を大幅に向上させることができる。 主な課題は、URLLCパケット生成のプロセスにおける不確実性である。 本稿では,URLLC トラフィック予測器の品質に関わらず,信頼性と遅延を保証した新しい URLLC パケットスケジューラを提案する。
  論文  参考訳（メタデータ） (2023-02-15T14:09:55Z)
• Online Metro Origin-Destination Prediction via Heterogeneous Information Aggregation [99.54200992904721]
  我々は、ODとDOの進化パターンを共同で学習するために、HIAM(Heterogeneous Information Aggregation Machine)と呼ばれるニューラルネットワークモジュールを提案する。 ODモデリングブランチは、未完成な順序の潜在的な目的地を明示的に推定し、不完全OD行列の情報を補完する。 DOモデリングブランチは、DO行列を入力として、DOライダーシップの時空間分布をキャプチャする。 提案したHIAMに基づいて,将来のODおよびDOライダーを同時に予測する統合Seq2Seqネットワークを開発した。
  論文  参考訳（メタデータ） (2021-07-02T10:11:51Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。