시스템 최적화 및 통합생산

기업 경쟁력은 생산 프로세스(생산 및 품질)의 혁신을 통한 원가절감과 품질향상 뿐만 아니라 생산된 제품이 고객에 인도되기까지의 물류 프로세스의 효율화를 통한 다양한 고객의 요구에 대한 신속한 대응에 좌우되므로 생산 및 물류의 전체 프로세스 관점에서의 최적화가 반드시 필요하다. 특히, 수송 자원(컨테이너, 트럭, 기차, 선박, 항공기 등)의 효율적 운용은 통합물류관리 측면에서 중요한 요소이며 통합 공급사슬(supply chain)관리 측면에서도 생산과 물류의 효율적인 통합 관리를 통한 비용절감과 고객 만족도 향상을 요구하고 있다. 본 연구실에서는 생산 및 물류의 전체 프로세스 관점에서의 최적 설계, 운영 및 개선을 위한 방법론을 체계적이고 종합적으로 연구하고 현장에서 활용할 수 있는 IT기반의 의사결정지원시스템의 개발도 병행한다.

생산시스템의 효율적/효과적인 운영을 위한 경영기법 개발/보급

생산환경의 급변과 고객의 다양성에 대응하기 위해서는 생산리드타임의 단축이 매우 중요하다. 이러한 목표를 달성하기 위해 우리는 효율적/효과적인 산업경영 패러다임의 개발 및 보급에 주력하고 있다. 특히 TOC/DBR 일정계획기법과 Six Sigma 개선기법을 통합하고 Lean 생산시스템 개념을 결합한 방법론을 기업현장에 적용하려고 한다. 우측의 그림은 Excel을 사용해 TOC/DBR 일정계획 기법을 실제로 구현한 사례이다.

컨테이너화를 운송체계의 합리화를 위한 차량운영계획

여러 지점간에 컨테이너 화물이 운반되어야 하는 경우, 최소의 차량으로 운송을 효율적으로 수행하는 것이 요구된다. 본 연구에서는 적재된 화물컨테이너와 빈 컨테이너를 동시에 고려하여 최적의 운반계획을 제공하는 최적화 모형을 수립하고, 여기서 얻어진 결과를 기반으로 최소의 차량으로 운반 수요를 만족하는 차량 경로계획을 수립하는 타부서치 기반의 알고리즘을 개발하고 이를 시스템으로 구성하였다. 게시된 차량 운영계획절차는 유사한 컨테이너 운송환경에서 기존의 방법들과 비교실험을 통하여 성능이 검증되었다.

응용통계

일반적으로 공학적 응용시스템의 설계 및 최적화는 시스템의 성능과 이에 영향을 미치는 변수들을 파악하는 것에서 출발한다. 이를 토대로 하여 시스템의 성능을 최적화하는 변수들의 값을 결정하는 것이 시스템 최적화의 근본적인 목표이다. 만일 시스템 성능과 각 변수들 사이의 함수관계가 알려져 있다면, 다양한 최적화 기법을 적용함으로써 시스템 성능을 최적화하는 변수들의 값을 결정할 수 있다. 하지만, 실제적으로는 시스템 성능과 변수들 사이의 함수관계가 알려져 있지 않은 경우가 대부분이다. 이러한 경우에는 실험적 방법을 통하여 시스템 성능과 변수들 사이의 함수관계를 추정하는 방안이 유용하게 활용될 수 있으며, 이러한 목적으로 실험계획법이나 통계적 공정관리 등과 같은 다양한 통계적 기법이 활용될 수 있다.

기업정보시스템 및 비즈니스 컴퓨팅

인터넷과 IT 기술의 급격한 발전과 더불어, 분산된 기업 내 자원을 긴밀하게 통합하면서 기업 간의 비즈니스 프로세스를 효과적으로 연계할 수 있는 능력이 기업 경쟁력의 핵심으로 인식되어 가고 있다. 기업 내 응용 시스템들의 통합(EAI: Enterprise Application Integration)과 기업 간 비즈니스 통합(B2Bi: Business-to-Business integration)을 결합한 개념으로써 새롭게 등장한 eAI(e-Business Application Integration)의 개념은 기업 전산의 통합이 어떻게 진행되고 있는지를 명확히 보여 준다고 하겠다. 사내 비즈니스 프로세스의 조정을 위해 도입된 워크플로우 관리시스템은 이제 기업 간 업무 프로세스까지를 대상으로 하는 BPM(Business Process Management) 시스템으로 진화하고 있으며, 비즈니스 컴퓨팅의 패러다임도 웹 서비스, SOA(Service-Oriented Architecture) 및 실시간 기업(RTE: Realtime Enterprise)과 같은 정보중심적이며 서비스지향의 기술로 옮겨가고 있다. 본 연구실에서는 이러한 기술적 발달을 기업 통합이 효과적으로 이루어질 수 있도록 적용함으로써 기업 경쟁력의 향상에 기여할 수 있는 방법을 연구한다.

기술지능 기반의 R&D 혁신전략

기업 경쟁 차별화를 위한 핵심역량이 기존의 생산에서 기술개발과 마케팅으로 그리고 기술개발을 통한 지식재산(IP: Intellectual Property) 및 마케팅을 통한 고객관계 강화 부분으로 확산되고 있다. R&D를 통하여 기술을 창출하고 IP를 통해 기술을 관리하며, IP의 이전/거래/사업화를 통해 기술을 활용하는 선순환 체계의 조성이 기업 경쟁력 확보를 위한 필수적인 요소가 된 것이다. 따라서 단순한 기술전략이 아닌 IP를 기반으로 기술획득을 위한 R&D 전략이 필요로 하게 되었다. 이러한 IP 중심의 R&D 혁신전략을 위해서는 기술지능 및 특허지능에 대한 연구가 필수적이다. 기술지능 또는 특허지능은 대표적인 IP인 특허에 대한 분석을 바탕으로 R&D 방향성을 제시해줄 수 있는 체계적인 지원방안의 개발을 목적으로 한다. 본 연구실에서는 데이터마이닝, 텍스트마이닝, 사회연결망분석(SNA: Social Network Analysis), 혁신이론, 자연어처리기법(NLP: Natural Language Processing) 등 다양한 도구와 이론을 활용하여 특허 데이터로부터 의미 있는 기술적 함의를 도출하고 기술기회를 발굴하기 위한 방법론의 개발에 대한 연구를 수행한다.

비즈니스 애널리틱스, 제품 · 서비스 공학

기제품의 계획, 설계, 개발, 생산, 공급 및 물류, 판매, 사용, 후처리 등 제품 전반에 거친 생애주기(Life cycle)에서 발생되는 제반 문제들은 해당 제품의 구조적 특성인 '아키텍처'와 밀접한 연관을 맺고 있다. 본 연구실에서는 데이터 애널리틱스 기법과 경영과학 기법을 활용하여 제품 아키텍처의 특징이 향후 개발, 생산, 공급 및 물류과정에 어떠한 영향을 끼치는지 파악하고, 이를 고려하여 제품의 구조적 특징을 최적화하는 방법론에 대하여 연구한다.

산업 AI

산업 인공지능(Industrial Artificial Intelligence)는 산업 설비로 부터 발생하는 데이터를 기반으로 인공지능 기술을 산업 환경의 분석, 공정 관리, 설비 보전 등의 목적으로 활용하는 것을 의미한다. 해당 분야는 산업 디지털 변환에 있어 핵심 기술 중 하나이며 시스템 자동화, 공정 최적화, 운영 모니터링 등 기업의 효율성과 생산성을 극대화하기 위한 목적으로 활용된다.일반 인공지능과는 달리 성공적 적용을 위해서는 기술력 뿐만 아니라 산업 도메인 지식(Domain knowledge)가 매우 중요하다. 본 연구실에서는 산업 현장에서 작업 관리자 개인의 경험이나 암묵적인 지식 형태로만 존재했던 도메인 지식에 인공지능 기술력을 더해 새로운 통찰력을 얻고, 새로운 문제 해결법을 찾아 내는 연구를 진행한다.