1. Universal Usability(사용 편의성) in Human-Computer Interaction

 - Mobile 기기 및 Web등의 HCI사용편의성에 대한 연구

 - Universal Design이 강조되는 가전정보 및 정보통신 시스템에서의 usability평가와 개선

2. Haptic Interface

 - Multimodal Interface를 개발하는 연구의 일부로, 주로 손과 팔을 사용하는 체감형 haptic interface에 대한 연구를 진행

3. Ubiquitous Computing in Human-Computer Interaction
- Ambient Multimedia에 대한 연구(정보통신부 지정 지능형 HCI 융합 연구 센터)
- Context Awareness(상황인지)
- Tangible Interface- Ambient Display
- On Body Sensor Network
https://www.youtube.com/watch?v=srKe3CtERgc

4. 고령자의 인간공학적 설계
- 고령 운전자 대응을 위한 패키지 레이아웃 연구(현대자동차)

5. Accessibility &Universal Design
- 장애인과 고령자를 위한 접근성 보장 지침 제정지원
- IT Accessibility 학술정보 DB구축
- 정통수 선진기술개발 사업: 장갑형 점자입력 인터페이스 개발 연구

e-Manufacturing 연구실을 소개합니다. 

 저희 e-Manufacturing 연구실은 2002년 3월부터 효율적이고 우수한 기업활동을 추구하는 산업공학의 기본 목표를 달성하기 위하여 제조분야(제품 기획, 설계, 생산, 판매, 폐기)에 관한 연구를 수행하고 있습니다. 

e-Manufacturing은 각종 정보기술(Information Technology)을 활용하여 제조업무의 효율을 최대화하는 제조업 정보화와 네트워크로 이루어지는 기업간 협력체계하에서 원활한 제품 개발 및 생산이 이루어지도록 하는 제조기술의 한 분야로서 새롭게 등장하고 있습니다. 제품의 기획, 설계, 설계 검토, 공정설계, 라인/설비/치공구 등 생산준비, 시험생산, 생산, 판매, 판매후 서비스 및 제품 폐기에 이르는 제품의 전 수명주기에 걸친 다양한 사람들의, 다양한 활동들에 대한 원활한 협동 및 지식의 축적, 창출 및 활용을 위한 전략 및 방법론, 업무/시스템 모델링 및 분석, 전산시스템의 설계 및 구축에 관한 연구를 수행하고 있습니다. 

 특히 이를 위하여 컴퓨터, 네트워크, 데이터베이스 등 각종 정보기술을 제조현장에 접목하며, 궁극적으로 다수 작업자들간의 동시적이고 협력적인 업무수행(Concurrent and Collaborative Engineering)의 실현을 통한 가상기업의 제조 활동을 위한 한 축을 구축하는 연구를 수행하고 있습니다. 자동차, 전자, 중공업, 조선, 금형 등 주요 제조업의 업무모델링 및 개선(Business Process Re-engineering), 가상생산(Virtual Manufacturing), 제품 개발 및 생산준비를 위한 컴퓨터와 정보시스템의 구축을 통한CAD/CAPP/CAM 지원, PLM(Product Lifecycle anagement)/CPC (Collaborative Product Commerce) 기술을 개발합니다.

 e-Manufacturing은 각종 정보기술(Information Technology)을 활용하여 제조업무의 효율을 최대화하는 제조업 정보화와 네트워크로 이루어지는 기업간 협력체계하에서 원활한 제품 개발 및 생산이 이루어지도록 하는 제조기술의 한 분야로서 새롭게 등장하고 있습니다.새로운 생산시스템의 두가지 키워드는 속도(speed)와 협업(collaboration)이라고 할 수 있습니다. 제품의 라이프싸이클이 극도로 짧아지고, 고객이 보다 새로운 디자인의, 다기능의, 고품질의 제품을 선호하는 시장 환경에서 고객의 요구에 대응하는 새로운 제품을 더 빨리 내놓기 위해서는 제품 개발 및 제조 기간을 최대한 단축시켜야 합니다. 전세계 곳곳에 산재한 생산공장들이 인터넷 환경에서 통합, 협력하여 단일화되어야하는 글로벌 생산, 가상기업(virtual enterprise) 시대에서는 국내외 전세계를 아우르는 신속한 정보 공유와 원활한 협업 환경의 제품 개발, 제조만이 기업의 경쟁력을 강화시켜 소비자를 만족시키고 경쟁업체와의 경쟁에서 이기는 길이기 때문입니다.

저희 e-Manufacturing 연구실에서 수행하는 주요 연구분야 및 내용은 다음과 같습니다.

1. 제조시스템 모델링 및 분석

 – 제조업 업무 프로세스, 제품 개발 및 생산 업무 프로세스 모델링 및 분석
 – 기업 및 생산시스템 모델링 및 분석

2. 가상생산, 디지털엔지니어링– 주요 생산 프로세스의 가상생산

– 가상생산을 위한 가상공장의 구축, 운영 및 관리– 디지털 기술로 만들어진 가상 환경에서의 엔지니어링 수행 및 이를 위한 기반 기술– 가상생산, 디지털엔지니어링을 위한 DB 구축 및 전산 지원 시스템 설계 및 구축

3. CAD/CAPP/CAM, PLM

– 제품 전 수명주기에 걸친 동시적이고 협력적인 엔지니어링 수행을 위한 기술

– CAD/CAPP/CAM의 연계 및 지식축적 시스템 구축– 제조분야 e-Manufacturing 실현을 통한 가상기업 구축 지원

 스마트품질연구실은 산업 4.0 시대의 디지털 전환에 대응할 수 있는 품질혁신 방법론으로 오픈퀄리티를 제시하고 있습니다. 오픈퀄리티는 제조시스템의 품질 요인을 명확하게 측정 및 관리하여 궁극적으로 책임성과 신뢰성의 확보를 목표로 합니다. 더 나아가, 제조 단계와 경영 단계에서 플랫폼 기반의 품질보증을 구축할 수 있는 시스템 개발을 진행하고 있습니다.

[연구분야]

- 스마트품질, 경영혁신, 품질경영, 기술리더십에 대한 교육과 연구 수행

▸스마트품질: 시스템 고도화, 자동화, 최적화 등 품질혁신에 대한 연구

▸경영혁신 : 프로세스 개선, 생산성 향상, 경영품질 제고 등 경영혁신 활동에 대한 연구
▸품질경영 : 말콤볼드리지 모델, GQM 4.0 등을 이용한 품질수준 진단 및 개선 연구
▸기술리더십 : 테크노 리더십 모형 개발과 적용에 대한 연구

[프로젝트]

공공기관 및 기업 등 다양한 기관과 직·간접적으로 연계하여 품질혁신 방법론 개발 및 진단, 혁신모델 개발 등 다양한 프로젝트 수행

▸경영품질 진단 및 자문

⓵“발전품질 향상을 위한 품질 측정지표 및 프로세스 고도화 용역”, 한국서부발전, 21.10 ~ 22.01

⓶“산업 4.0 시대의 품질성과지표 기반 오픈퀄리티 개발 연구”, 한국연구재단, 19.03 ~ 21.02

⓷“산업 4.0 시대의 품질코스트(COQ)에 근거한 품질성과지표 개발 연구”, 한국연구재단, 17.03 ~ 19.02

⓸“클린 에너지 기반 대표 스마트고장 고도화 운영 시스템 개발”, 신성이엔지, 17.03 ~ 19.02
⓹“품질경영 및 품질프로세스 진단용역”, 한국서부발전, ‘15,03~’15.07

▸혁신모델 개발

⓵“R&D 운영체계 강화를 위한 데이터 기반의 의사결정 지원 방법론 개발”, 19.03 ~ 19.12

⓶“전략적 의사결정을 위한 성공/실패기업 사례분석 및 HKMC 최적 의사결정 방법론 개발”, 19.03 ~ 19.12

⓷“제4차 산업혁명에 대응한 기술표준 발전 기반조성 전략”, 17.04 ~ 18.12
⓸“현장개선 품질기술개발 공동연구 용역”, 총괄책임, 한국표준협회, ‘14.09~’15.05

⓹“GDI 품질혁신 자문”, (주)코오롱인더스크리, ‘14.02~‘14.11

[졸업이후 진로]

-대기업, 공공기관 및 연구소 등 다양한 기관으로 진출

▸품질      ▸R&D       ▸생산성      ▸전략기획     ▸혁신     ▸기술경영

 인공지능 고장진단 연구실(AI-PHM Lab: Artificial Intelligence – Prognostics and Health Management Lab)은  건전성 예측관리 기술(PHM)의 산업 적용을 목표로 합니다. PHM 기술은 공학 시스템의 지속적인 모니터링을 통해 현재 상태 및 잔여 수명 예측을 가능하게 하는 기술로, 산업의 스마트화, 지능화로 대표되는 4차산업 시대의 핵심적 기술로 자리잡고 있습니다. PHM 기술의 산업 적용을 위해 제조, 에너지, 반도체/전자, 자동차, 발전/전력 산업 등과 활발한 산학연구를 진행하고 있습니다.

[연구분야 및 연구과제]

 인공지능 고장진단 연구실의 주요 연구 분야는 1) 전장품 건전성 예측관리, 2) 스마트 제조 예지보전 기술, 3) RAM 분석이며, 주요 연구과제는 다음과 같습니다.

 ○PHM for electronics (전장품 건전성 예측관리)

 건전성 예측관리(PHM: Prognostics and health management)는 산업데이터를 기반으로 공학 시스템의 상태평가, 이상감지 및 잔여 수명(Remaining useful life, RUL)을 예측하는 기술입니다. 인공지능 고장진단 연구실 에서는 시스템에 대한 도메인 지식과 데이터분석 기술을 기반으로 전장품에 대한 건전성 예측관리 기술을 연구 개발하고 있습니다.

- 인공지능을 활용한 전자패키지 인터커넥트 결함의 실시간 진단방법 연구 (2017-2020, 한국연구재단)

- 고속신호분석을 이용한 전자제품 고장예지 및 건전성관리 시스템 개발 (2014-2017, 한국연구재단)

○Predictive Maintenance for Smart manufacturing (스마트 제조 예지보전 기술)

 스마트 제조는 ICT 기술을 활용하여 기존 제조 기술의 과정을 디지털화(Digital transformation)하는 기술입니다. 인공지능 고장진단 연구실에서는 스마트 제조를 위한 진단 예측 기술 및 주요 생산장비의 예지보전을 위한 핵심 알고리즘을 연구 개발하고 있습니다.

- 학습기반 소음진단 솔루션 개발 (2021-2022, LG전자)

- 생산장비의 스마트화를 위한 산업인공지능 기반 건전성관리 및 예지보전 방법론 개발 (2020-2023, 한국연구재단 기초연구실)

- 딥러닝 기반 석탄화력 보일러 주요 부품 진단 시스템 개발 (2017-2019, 한국동서발전)

학습기반 검사 알고리즘 개발 (2016-2017, 삼성전자)

- 3D프린팅 응용 친환경 자동차부품 R&BD 인프라 구축 (2015-2020, 산업기술평가관리원)

- 제조 프로세스 분석을 위한 빅데이터 클라우드 서비스 개발 (2015, 현대중공업)

○RAM(Reliability Availability Maintainability) analysis (RAM 분석)

 신뢰도(Reliability), 가용도(Availability), 보전도(Maintainability)는 장비 및 설비운용의 핵심 지표입니다. 인공지능 고장진단 연구실에서는 무기체계, 생산설비, 고압 케이블 등 다양한 시스템의 RAM분석을 위한 최신 방법론을 연구 개발하고 있습니다.

- 송배전설비 통합 자산관리를 위한 설비별 통계수명 산정 방법론 개발 (2021-2022, 전력연구원)

- AIAG VDA 기준 무인이동체 (드론 중심) FMEA 가이드라인 개발 (2021, 네모시스)

고압케이블 신뢰성 예측 및 최적 유지보수 의사결정 전략수립 (2018, SK에너지)

내구 신뢰성 확보 프로세스 구축 자문단 (2018-2020, 현대NGV)

- 수요연계형 신성장동력 장비의 신뢰성 향상 기술 (2014-2019, 산업기술평가관리원)

- 저전력 프로세서 기반 슈퍼컴퓨터의 신뢰성 평가를 위한 선행연구 (2015, 한국과학기술정보연구원)

[수업]

○ 생산관리 (Operation Management)

 생산관리는 생산 및 서비스 시스템의 설계 및 운영에 관한 문제를 다룹니다. 세부적으로는 운영 전략, 제품 및 프로세스 설계, 수요 예측, 재고 관리, 계획, 스케쥴링, 프로젝트 관리 등에 대한 의사 결정과 관련된 주제들을 포함합니다.

○ 신뢰성공학 (Reliability Engineering)

 신뢰성의 정의는 제품 수명 주기 내의 지정된 기간 동안 지정된 성능 한계 내에서 제대로 작동할 수 있는 제품의 성능 지표입니다. 본 과목을 통해 신뢰성 개념과 원칙, 위험 평가, 완화 및 관리 전략에 대한 지식을 배워 제품 개발 및 수명 주기 관리에 효과적으로 기여할 수 있습니다. 전반적으로 전기, 기계 및 전자기기 제품의 설계, 제조 및 사용과 관련된 신뢰성에 대한 기본 지식과 기술을 다룹니다. 과목에서는 다루는 세부 주제는 다음과 같습니다.

- 신뢰할 수 있는 제품의 개발, 제조, 유통 및 지원에 기여하는 공급망 구성원의 적합성

- 신뢰할 수 있는 제품의 비용 효율적인 설계 및 제조

- FMMEA, 신뢰성 예측 및 신뢰성 할당

- 신뢰성을 평가하기 위해 제품 테스트를 계획하고 구현하는 방법

- 열화, 고장 및 반환 데이터를 분석하여 신뢰성 매개변수를 추정하는 방법

○ 건전성예측관리 (Prognostics and Health Management)

 건전성 예측관리는 시스템의 실제 사용 조건 하에서 진단 및 예측을 통해 시스템의 신뢰성을 보장합니다. 건전성 예측관리를 통해 위험 요소를 완화 및 관리하고 시스템을 유지보수 할 수 있습니다. 최근 건전성 예측관리는 고장에 대한 조기경고; 유지보수 소요 예측; 정비소요 최소화; 수명연장 평가; 설계 및 품질 보증 개선과 관련한 핵심 기술로 부상했습니다. 건전성 예측관리는 구조물, 공작기계, 항공기, 전자제품, 컴퓨터 및 인간공학과 같은 다양한 응용 분야에 적용됩니다. 실시간 모니터링, 데이터 차원 축소 및 파라미터 추출을 위한 알고리즘, 손상 평가를 위한 소프트웨어, 고장 메커니즘 기반 고장 징조 식별 및 분석방법, 유지보수 및 물류 관리 결정을 위한 예측 방법을 다룹니다.

[연구분야 및 연구과제]

Productive Efficiency

Operations Management

Technological Forecasting

[수업]

 - Creative and Interdisciplinary Design

In this course, basic knowledge for future value innovation such as entrepreneurship, creativity and design thinking are developed through various hands-on activities and practices. In addition, team-based projects based on problem-finding, problem definition, idea generation and prototyping are conducted to improve collaboration, presentation, communication and debating abilities.

Product Development

Theories and methods to reflect customer needs, product functionality, manufacturability, economics and other core factors in new product development process are covered in this course. Also, various risks to hinder successful development and responding strategies to the risks are introduced.

 - Engineering Economy

In this course we study cost concepts for systems, products, and services. We study basic economy concepts and analytic methods. From this course we can learn the importance of economic evaluation of engineering project and get ability of economic evaluation.

Introduction to Smart Factory

This course introduces Smart Manufacturing and Smart Factory. It covers the basics of smart factory, including backgrounds/concepts/core technologies/case studies/strategies and methods. The students will learn about the history and the manufacturing system of the future, and how to design, implement and operate smart factory.

 - Productivity Analysis

This course introduces basic concepts related to the measurement of productivity (criteria, objectives, benchmark, production frontier, etc.). Data envelopment analysis (DEA) techniques will be discussed during the course, together with the modern network/dynamic/intertemporal settings.

Big Data for Business Intelligence

This course provides an introduction to the technologies and techniques for organizing, analyzing, visualizing, and presenting data about business operations in a way that creates business value, and prepares students to be knowledgeable producers and consumers of business intelligence.

품질공학연구실을 소개합니다.

현대사회에서 품질은 기업의 수익에 가장 큰 영향을 미치는 요소입니다. 이에 국내외 수많은 기업들이 품질개선을 위한 끊임없는 노력을 하고 있습니다.  성균관대학교 산업공학과 품질공학연구실은 기업경영의 주요 단계인 제품 (서비스) 개발, 제조 (서비스) 시스템 개발, 제품 양산 (서비스 운영) 이르는 과정에서 활용될 수 있는 품질개선 방법을 연구합니다. 실험계획법, 통계적 공정관리, 통계 분석 등의 전통적인 품질공학 방법과 더불어 최근에는 인공지능, 빅데이터 애널리틱스, 데이터 마이닝 등의 지능형 데이터 분석방법을 활용한 품질개선 방법을 연구하고 있습니다. 성균관대학교 품질공학연구실은 품질공학 분야에서 세계 최고 수준의 연구업적을 달성하고 전문가를 양성하는 것을 목표로 최선의 노력을 경주하겠습니다. 감사합니다.

품질공학연구실은 아래와 같은 주요연구를 수행하고 있습니다.

 일반적으로 기업은 제품을 개발하고 개발된 제품을 생산하기 위한 제조 시스템을 개발하여 제품을 생산합니다. 서비스 역시 서비스를 개발하고 개발된 서비스를 고객에게 전달하기 위한 서비스 시스템을 개발하고 이를 운영하여 고객에게 서비스를 전달합니다. 즉, 제품 (서비스) 개발, 제조 (서비스) 시스템 개발, 제품 양산 (서비스 운영)은 대부분의 기업이 경험하는 기업경영의 핵심적인 단계입니다. 품질경영연구실은 이 세가지 단계에서 품질을 개선하기 위한 방법론을 연구합니다. 전통적인 품질공학 분야의 연구와 더불어 최근에는 지능형 데이터 분석방법에 기반한 제조 공정 최적화 연구와 서비스 운영 최적화 연구를 중점적으로 수행하고 있습니다.

[Research Interest]

My current and near-future research focus on:
1) Technology/business forecasting
2) New business strategy &planning
3) Evolution and management of clusters, networks and Innovation system
4) SME-industry giant collaborative business model
5) R&D researcher, project and organization performance evaluation

My technical/sectoral interests are in the field of:
1) ICT (information &communication technology)
2) Environment-friendly energy sector
3) Service-manufacturing integrated solution
4) Shipbuilding &automobile

  저희 기술경영(MOT) 연구실에서는 연구프로세스(R&D) 관리, 기술전략, 의사결정에 관련된 연구를 진행하고 있습니다. 지금까지 다수의 국·공립 기술경영 관련 프로젝트를 수행하였고, 국·내외 유수의 학회지에 60여편의 논문을 게재하였습니다. 특히, 2006년에는 정부 지원사업인, ‘기술경영 전문인력 양성사업’에 선정되면서 기술경영학 연구실의 GLOBAL STANDARD로 거듭나고 있습니다.

[수업]

Location : Course/ Undergraduate

학부과정 (Undergraduate Course)

▶통신경영시스템
생산, 제조, 서비스 등 다양한 시스템경영공학의 응용분야에서 정보통신의 역할과 이를 통해 전체 시스템에 미치는 다양한 영향의 평가와 새로운 응용 방법을 강의한다. 정보통신의 계획, 구축, 운용 등에 응용하는 시스템경영공학의 제반 기술도 학습한다.

▶경영과학개론
시스템경영공학의 기초를 닦는 과목으로 경영문제를 모델로 수립하고 이를 알고리즘이나 해석적 방법으로 해결하는 이론을 공부한다. 수리계획 모델링, 선형계획법, 확률모형, 대기행렬, 마코프 체인 등이 소개된다. 실재 경영문제에서의 경영과학의 응용에 대한 사례도 소개된다.

▶경영과학 및 실습1
경영 시스템의 분석 및 설계 상 나타나는 여러 의사결정문제들을 수학적 모형을 통하여 해결하는 능력을 기른다.
•모델링, OR방법론, 선형계획법, 네트워크 모형, 정수계획법, 비선형계획법, 게임이론

▶시스템 경영공학 종합설계
졸업을 앞둔 학생이 지도교수와 상의하여 연구주제를 정하거나 산학협동이 이루어진 현장실습의 주제에 대하여 깊이 있는 연구를 수행하고 결과를 보고함으로써 논문의 작성방법, 연구 수행방법 등을 습득한다

▶경제성 공학
시스템, 제품 및 서비스의 가치를 비용과 연관시켜 평가하는데 필요한 경제적 개념과 분석기법을 다룬다.

▶이공계 경영학
This course teaches management to junior and senior students with majors in engineering and science. The students of this class will study knowledge and skills for business administration. They will also have business mind that enrich their engineering and scientific backgrounds.

Location : Course/ Graduate / IE

대학원과정 (Graduate Course) – 산업공학과

▶Meta Huristics
현재 시스템 최적화 응용을 위해 널리 쓰이는 operations research 분야 중 정확한 해법의 개발이 어려운 경우 사용되는 발견적 기법 (Heuristics) 분야의 이론과 응용 방법을 학습한다.
•Modeling 방법론
•Computational Complexity 이론
•Local improvements
•Simulated annealing
•Genetic algorithm
•Swarm Intelligence

▶복잡계 시스템
A complex system is a nonlinear, stochastic, networked and dynamic system. In this course we study complex systems. We study the research topics in complex systems and complex system modeling, complex system analysis, decision making in complex system. We emphasis in management engineering applications and analysis methodology of complex system theories.

▶네트워크 이론 및 응용
In this class we learn network modeling and related algorithms for applications in production, distribution, and service industries. We specially emphasis in design and analysis of efficient algorithms and its modeling power for the real world application.

▶ 이산 최적화
In this course we study optimization of discrete structure. We study mathematical theory and application of discrete optimization. We study modeling methods, polyhedral theory, computational complexity, branch-and-bound algorithm, cutting plane algorithm, and approximation theory. We emphasis on practical application and computational algorithm development. We also review current status of research in discrete optimization.

“Our research interest lies in the intersection of data mining, machine learning, and optimization.”

In the perspective of developing methodologies,

it focuses on investigating the source of possible leverage in improving data mining and machine learning methods from real-world applications. Applying machine learning and optimization techniques to the real-world problems is another direction of our research.

 Since, most of the times, the design of new algorithms is required by a specific application, and doing so provides strategic advantages, we have been doing our research to perform the former and latter simultaneously.

 We also have an interest in applying data-driven models to system control for implementing manufacturing intelligence and other system intelligence. Working with various types and large amount of data from real fields, the overall goal of our research is to help organizations make better decisions based on scientific evidences and to create intelligence systems.

[연구분야]

1.Methodologies: Data Mining and Applied Statistics
• Unbalanced Data Classification
• Discrete Optimization via Metaheuristics: improving the greedy nature of traditional statistical approaches using metaheuristics
• Cluster Analysis Considering Data Irregularity and Outliers
• Outlier Detection Methods
• Variable Selection Methods

2.Applications
• Business Intelligence Systems: reputation systems, recommender systems, other business intelligence applications
• Recommender Systems: development of personalized recommendation algorithms
• Rare Events Detection: financial fraud detection, spamming and phishing detection, no-show passenger prediction in airline business
• Operations Management: product quality improvement, job-machine scheduling, etc.
• Intelligent Manufacturing Systems: defect pattern recognition in semiconductor/LCD panel manufacturing
• Social Network Analysis

[수업]

- Undergraduate Courses

[ESM3061] Data Mining
Data mining is effectively applicable to various fields of service and manufacturing industry such as financial fraud detection, credit scoring, marketing, and quality engineering. It is thus well-meaning for industrial engineers to explore this area. Although this course will be an introduction to data mining, we plan to cover several essential data mining techniques ranging from exploratory data analysis to basics for classification and clustering to association rule mining. They are listed below and subject to change.

• Exploratory Data Analysis and Visualization
• Logistic Regression
• Bayesian Classifiers
• Discriminant Analysis
• K-Nearest Neighbor Classifier
• Decision Tree
• Hierarchical Clustering
• K-Means Clustering
• K-Medoids Clustering
• Principal Component Analysis
• Association Rule Mining
• Recommender Systems: Collaborative Filtering

This class will be more focusing on practicing data mining methods as useful tools rather than studying in their own right, and we will work on some particular datasets. At the end of semester, students will be required to work on a term project applying data mining techniques to real world problems.

[ESM3025] Design of Experiments
This course covers the statistical design of experiments for systematically examining how a system functions. Topics include fundamental statistical concepts, experiments with a single factor, randomized complete block design, Latin squares design, factorial experiments, rules for sums of squares and expected mean squares, two-level factorial design, blocking and confounding, two-level fractional factorial design, and response surface methodologies. They are corresponding to the chapter 1 through 8 plus the chapter 11 of the textbook (Douglas C. Montgomery, Design and Analysis of Experiments, 8th Edition, 2012, Wiley) as listed below.

• Introduction to Designed Experiments
• Basic Statistical Methods
• Analysis of Variance
• Experiments with Blocking Factors
• Factorial Experiments
• Two-Level Factorial Designs
• Blocking and Confounding Systems for Two-Level Factorials
• Two-Level Fractional Factorial Designs
• Response Surface Methodology

[ESM2009] Applied Statistics I: Theory and Practice
This course is the first part of a sequence of courses on probability (Applied Statistics I: Theory and Practice) and statistics (Applied Statistics II: Theory and Practice). We will cover probability theory, discrete and continuous random variables, distributions, mean, variance, expectation, and the central limit theorem. We also plan to learn how to use R, which is the most often used software in the society of statistics. Topics to be covered are listed below.

• Introduction to Probability
• Conditional Probability
• Random Variables and Distributions
• Expectation
• Special Distributions
• Large Random Samples

[ESM3016] Database
This course aims at the acquisition of theoretical and practical knowledge of database management systems (DBMS), which will enable the students to directly apply their knowledge to real world applications. A thorough understanding of the concepts and the techniques about conceptual, logical, and physical modeling is emphasized in the earlier stage. Entity-relationship model will be discussed as the practical backbone of the knowledge for DBMS development. We also cover several details of DBMS such as concurrency control, recovery, and transaction management based on the relational data model. The detailed class schedule is as follows, but it is subject to change.

• DBMS
• Components of DBMS
• Relational Database
• Relational Algebra
• Relational Calculus
• SQL
• Normalization
• Data Modeling (E-R model)
• DB Access
• Query Processing
• Recovery
• Concurrency
• Integrity

- Graduate Courses

[ESM5101] Research Seminar on Data Mining
In this course, we will select several state-of-the-art topics in the area of data mining and learn the process of inducing new research topics via reading research articles and having a discussion on those. Several key articles on each of the topics will be chosen, summarized, and criticized by the students. This learning process will enable the students to suggest potential research proposals for their own research. Students will also be expected to perform a term project involving improvement of existing methodologies or development of new algorithms.

시뮬레이션 연구실에서는  시뮬레이션 방법론, 시뮬레이션을 이용한 응용분야, 시장분석, 수요예측에 관한 연구를 수행합니다. 이를 효과적으로 수행하기 위해 다양한 시뮬레이션 언어(ARENA, AnyLogic, Simio 등)를 활용하고 있으며 머신러닝과 딥러닝 기법을 시뮬레이션 분야에 적용시키기 위한 연구 또한 진행하고 있습니다.

최근 COVID-19 시국을 타개하기 위한 감염병 확산 시뮬레이션 연구를 수행하고 있으며 Competitive Dynamics 기반의 시장 분석, 3D 프린팅 분야에서의 공정최적화 알고리즘 개발 연구 또한 시뮬레이션 연구실의 핵심적인 연구 주제입니다.

[연구분야]

○관심분야

*시뮬레이션 방법론 (Simulation Methodology)

- 시뮬레이션 출력 결과 분석 (Simulation Output Analysis, SOA)

시뮬레이션을 통해 나온 결과를 통계적인 방법론을 이용하여 분석합니다.

연구실에서는 여러 가지 방법론 중 Bootstrap 방법을 연구합니다.

- 속성 시뮬레이션 (Fast Simulation)

통신 시스템과 같이 높은 신뢰성을 가지는 시스템을 시뮬레이션하기 위해서는 긴 실행시간이 요구됩니다.

이러한 실행 시간을 줄이기 위한 방법론으로 중요 샘플링 기법과 여러 가지 분산감소 기법을 연구합니다.

*응용분야 (Application Domain)

- 자동창고 (Automated Warehouse)

시뮬레이션 연구실은 적절한 용량계획(Capacity Planning)의 수립을 위한 자동창고 시스템의 성능분석을 수행할 능력을 가지고 있으며 이를 수행하기 위해 시뮬레이션 언어인 ARENA, AnyLogic, Simio 등을 사용합니다.

- 통신 시스템 (Telecommunication Systems)

- 인터넷 트래픽 분석 (Internet Traffic Analysis)

- 수요 예측 (Demand Forecasting)

- 감염병 확산 시뮬레이션 (Disease Spread Simulation)

○관련 학문 분야

*대기행렬이론 (Queueing Theory)

*응용활률과정론 (Applied Stochastic Process)

*통신망 및 생산 시스템 (Telecommunication Network and Manufacturing Systems)

○관련 수업

*시뮬레이션및실습 (Simulation : Modeling and Practice)

*실험적자료분석 (Exploratory Data Analysis)

*경영예측기법 (Business Forecasting : Methodology)

*응용통계및연습1 (Applied Statistics I : Theory and Practice)

*응용통계및연습2 (Applied Statistics 2 : Theory and Practice)

 안녕하십니까? 성균관대학교 시스템경영공학부 지능형 웹 기술 연구실 (Intelligent Web Technology Laboratory, IWTL)입니다. 인터넷과 WWW은 세상을 바꾸어 놓았습니다. 경제활동은 물리적인 공간의 전유물이 아닌지 오래 되었으며, 사이버공간에서의 거래인 전자상거래도 더 이상 낯설지 않은 시대가 되었습니다. 전자상거래는 C2C, C2B를 거쳐 B2B(Business-to-Business)가 주류를 이루고 있으며 이로부터 고객관계관리(CRM), 공급사슬관리(SCM) 등의 개념이 도출되었고, XML이라고 하는 meta언어의 등장을 촉진하였습니다. XML로 인해 WWW은 새로운 발전의 전기를 맞고 있습니다. Web application program간에 데이터 교환과 공유를 위해 XML이 활용되고 있으며, 이들 데이터를 software agent가 처리할 수 있게 되었습니다. 다시 말해, XML은 Web의 주체를 사람만이 아닌 software agent까지 확장할 수 있는 결정적인 역할을 해 주었습니다.

 IWTL에서는 이 XML을 시작으로 다양한 응용연구를 수행하고 있습니다. 본 연구실에서 수행하는 연구분야에는 Rule Markup Language (XRML), Web Service, Semantic Web Service가 있으며, 이 외에도 전자상거래, 전문가시스템 및 지식경영 등을 폭넓게 다루고 있습니다.

 IWTL은 전자상거래로 대표되는 Web application 발전에 기여를 할 수 있는 연구 성과물을 내기 위해 전력을 다할 것입니다.

[연구분야]

Semantic Web(Ontology) & Linked Data

 WEB 2.0의 등장은 ‘정보의 공유’ 차원에서 큰 혁신을 가져왔지만, 우리가 공유하는 정보는 기하급수적으로 늘어나고, 네트워크는 갈수록 복잡해지고 있습니다. 따라서, 컴퓨터가 사람을 대신해서 정보를 읽고, 가공하여 새로운 정보를 만들어 내고, 논리적 추론까지 할 수 있는 ‘Semantic Web’의 중요성이 부각되고 있습니다.

 ‘Ontology’란, ‘Semantic Web’의 핵심적인 요소로서, 특정 domain에 관련된 단어들이 계층적으로 표현되어 있고, 이를 확장할 수 있는 추론 규칙이 포함되어 있어, 웹기반의 지식처리, 지식공유, 재사용 등이 가능하도록 되어있는 단어와 관계들로 구성된 일종의 사전입니다. Ontology를 통해 컴퓨터와 인간이 지식을 공유할 수 있게 되고, 그 결과 보다 정확한 정보를 찾을 수 있습니다.

 본 연구실에서는 관련 연구를 통해 WEB 3.0으로의 발전에 기여하고자 노력하고 있습니다.

[https://en.wikipedia.org/wiki/Semantic_query]

Machine learning & IoT

1956년 다트머스 회의에서 처음 소개된 ‘인공지능(artificial Intelligence)’은 현재 기계학습(Machine learning)을 필두로 하여 새로운 국면을 맞이하였습니다. 과거에 인공지능 기술이 반짝 주목받았던 때와는 달리 현재는 실제 인공지능 기술을 산업전반에 활용하고자 하는 노력이 끊이지 않고 있으며 특히, 인공지능과 사물인터넷 기술의 융합은 지금까지 없었던 서비스를 실현하게 해주는 가능성을 제시하고 있습니다. 실제로 인공지능과 사물인터넷 기술을 융합한 다양한 제품들을 각 기업에서 선보이고 있으며 추후 우리의 생활을 크게 변화시킬 것으로 예견됩니다.

본 연구실에서는 인공지능과 사물인터넷 기술을 활용(application)하여 센서로부터 입력받은 데이터를 인공지능을 통해 분석, 학습시켜 우리의 삶의 질을 보다 높일 수 있는 새로운 가치창출을 위해 노력하고 있습니다.

[수업]

지능정보시스템(Intelligent Information System)
인공지능과 전문가시스템의 기술이 발달함에 따라 이 기술들의 원리를 이해할 필요가 있을 뿐만 아니라, 기존의 정보시스템기술과 경쟁 및 보안 관계를 이루며 정보시스템을 설계할 수 있어야 한다. 그래서 이 과목은 인공지능과 전문가시스템의 주요 개념과 개발도구 실습을 먼저 수행한 후 이 기술이 경영의사결정지원에 어떻게 응용될 수 있는 지 교육한다. 기본적인 인공지능 기법을 토대로 추론방법, 기계학습, 계획수립, 사례기반추론, 신경망이론, 퍼지이론 등에 관한 최신이론을 연구하며, 최근의 학술지와 문헌을 중심으로 새로운 연구 분야를 개척한다.

지식공학(Knowledge Engineering)
인공지능과 전문가시스템의 기술이 발달함에 따라 이 기술들의 원리를 이해할 필요가 있을 뿐만 아니라, 기존의 정보시스템기술과 경쟁 및 보완 관계를 이루며 정보시스템을 설계할 수 있어야 한다. 그래서 이 과목은 인공지능과 전문가시스템의 주요 개념과 개발도구 실습을 먼저 수행한 후 이 기술이 경영의사결정지원에 어떻게 응용될 수 있는 지 교육한다.

 경영정보시스템(Management Information of System)
본 과목은 정보기술 및 정보시스템 관련 과목들에 대한 개론 과목이다. 본 과목에서는 각종 정보기술과 정보시스템들에 대한 기본 개념을 숙지한 후, 기업에 산재해 있는 다양한 IT/IS 들간의 관계 규명을 통해 이들이 기업 경영에 미치는 영향 (가치 창출)에 대해 학습한다. 또한 MS EXCEL과 ACCESS (DBMS)를 이용해 간단한 정보시스템을 개발해 봄으로써 IT/IS의 효용에 대해 학습한다. 본 과목을 통해 수강생들은 IT/IS와 관련된 실제 업무를 경험해 볼 수 있을 것으로 기대된다.

[연구실 소개]

Data mining is the process of extracting knowledge from large-scale data involving methods in machine learning, statistics, and database systems. As industrial engineers, our research focuses on bridging the gap between theory and practice in machine learning through practical methodologies.

[Algorithms/Methodologies]
- Uncertainty-Aware Learning and Inference
- Cost-Effective Learning and Inference
- Data-Free Approach to Performance Improvement
- Active Data Acquisition and Exploration
- Adaptive Data Augmentation
- Data-Driven Optimization

[Industrial AI Applications]
- AI Platform for Autonomous Materials/Drugs Development
- Approximation of Metrological and Analytical Instruments
- Virtual Metrology & Machine Vision for Automatic Inspection
- Fault Detection & Process Control for Manufacturing Systems

Innovation Policy Research (IPR) Group @ SKKU