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. 성균관대 품질공학연구실은 이 세가지 단계에서 품질을 개선하기 위한 공학적인 방법론을 연구합니다. 전통적인 품질공학 분야의 연구와 더불어 인공지능과 빅데이터 분석에 기반한 최신 품질공학 방법을 수행하고 있습니다. 세 가지 단계별 주요 연구내용은 아래를 참고바랍니다.
공정 최적화는 입력변수와 반응변수간의 관계를 분석하여 입력변수의 최적조건을 탐색하는 것을 목표로 합니다. 품질공학연구실은 실험계획법, 반응표면법과 같은 전통적인 공정 최적화 방법과 함께 빅데이터 분석, 데이터 마이닝, 인공지능 등의 지능형 데이터 분석방법을 활용한 공정 최적화 연구를 수행하고 있습니다.
전기로 제강공정 디지털화를 통한 고효율 조업기술 개발, 산업통상자원부, 공동연구기관책임자, 2022.06 – 2025.12
빅데이터 애널리틱스를 이용한 다단계 공정의 다중반응변수최적화, 이공학개인기초연구지원사업, 연구재단, 연구책임자, 2018.6 – 2021.5
빅데이터 애널리틱스와 프로세스마이닝을 통한 공정 최적화, 한중핵심공동연구, 연구재단, 연구원, 2016.12 – 2019.11
다단계공정은 다수의 순차적인 공정단계로 구성된 공정으로 일반적인 제조 공정의 구조입니다. 각 공정단계는 선행공정단계의 영향을 받음과 동시에 후행공정단계에 영향을 미칩니다. 또한, 각 공정단계에는 다수의 설비가 운영됨으로 선후행공정 간의 매우 복잡한 의존관계가 존재합니다. 우리 연구실은 이를 체계적으로 고려한 다단계 공정 분석 방법을 연구하고 있습니다. 특히, 지능형 데이터 분석 방법을 활용한 최적의 설비 조합 탐색, 혐의 설비 탐색, 품질과 생산성을 동시에 고려한 생산계획 수립, 최적공정경로 탐색 등의 연구를 중점적으로 수행하고 있습니다.
H형강 압연시 기계학습 기반의 스톡 단면 형상 및 변형 거동 예측 모델 개발, 현대제철, 연구책임자, 2023.08 - 2024.07
다단계 공정의 품질고도화를 위한 인공지능과 다목적 의사결정 기반의 생산계획 최적화 방법 개발, 이공학개인기초연구지원사업, 연구재단, 연구책임자, 2022.03 – 2027.02
다단계 공정에서 설비열화와 교호작용 효과를 고려한 생산계획 최적화 방법 개발, 이공학개인기초연구지원사업, 연구재단, 연구책임자, 2021.06 – 2022.05
다중반응표면최적화는 다수의 반응변수를 동시에 최적화하는 것으로 서로 상충관계에 있는 반응변수들을 최적으로 절충하는 것을 목표로 합니다. 이 과정에서 공정 엔지니어의 반응변수에 대한 선호도 정보를 체계적으로 반영되어야 합니다. 이를 위한 대표적인 방법으로 호감도 (desirability)와 손실 (loss) 함수 접근법이 있으며, 최근들어 반응변수의 모델 불확실성 (model uncertainty)와 인공지능을 이용한 최적화 방법 등이 연구되고 있습니다. 본 연구실은 전통적인 반응표면법 (response surface methodology) 기반의 방법과 더불어 규칙인내심추론 (patient rule induction method)와 의사결정나무 (classification and regression tree) 등의 데이터 마이닝 기반의 최적화 방법을 연구하고 있습니다.
빅데이터 애널리틱스를 이용한 다단계 공정의 다중반응변수최적화, 이공학개인기초연구지원사업, 연구재단, 연구책임자, 2018.6 – 2021.5
해 선택 방법을 활용한 다중반응표면최적화 체계 개발, 신진연구자지원사업, 연구재단, 연구책임자, 2015.11 – 2018.10
제품 양산 단계에서 품질관리의 대표적인 방법으로 통계적 공정 관리와 통계적 샘플링 검사가 있습니다. 제조 공정의 경우, 최근 들어 설비 데이터의 수집 및 저장이 용이해지면서 이를 활용한 통계적 공정관리 및 검사 방법이 개발되고 있습니다. 우리 연구실에서는 대량의 공정데이터로터 공정이상점을 탐지하는 연구를 수행해오고 있습니다.
OHT 이상 감지 및 진단 모델 개발 (세매스-성균관대 전략 산학), SEMES, 세부과제책임자, 2023.09 ~ 2028.08
합성곱 신경망 기반의 X-Ray 이미지 분석을 이용한 불량 탐지 방법 개발, 산학협력선도대학(LINC)육성사업, 연구책임자, 2020.07 – 2020.12
Wafer Map 상의 군집성 불량 관리를 위한 공정경로 도출 방법, SK hynix, 연구책임자, 2019.8 - 2021.7
핵심인자(critical factor)는 제품이나 공정의 품질특성치에 큰 영향을 미치는 중요한 인자로서 품질개선을 위해서는 누락없이 식별되어야 합니다. 실험계획법과 통계분석과 같은 전통적인 방법이 연구되어 왔으나, 이는 실험비용과 소량데이터의 한계를 가집니다. 최근들어 대량의 공정 운영데이터로부터 핵심인자를 선별하려는 시도가 이루어지고 있으나, 불균형하며 다양한 잡음이 혼재되어 있는 등의 어려움이 있습니다. 우리 연구실은 대량의 공정 운영데이터로부터 머신러닝 분야의 feature selection, 통계분석, 데이터 마이닝 방법을 활용하여 체계적으로 핵심인자를 선별하는 방법을 연구합니다.
전기로 제강공정 디지털화를 통한 고효율 조업기술 개발, 산업통상자원부, 공동연구기관책임자, 2022.06 – 2025.12
Wafer Map 상의 군집성 불량 관리를 위한 공정경로 도출 방법, SK hynix, 연구책임자, 2019.8 - 2021.7
서비스 운영관리는 서비스를 운영하는 과정에서 축적되는 운영데이터를 수집하고 이를 분석하여 서비스 운영체계를 개선하는 것을 목표로 합니다. 우리 연구실은 수요예측, 데이터포괄분석(DEA) 등의 전통적인 서비스 운영 최적화 방법과 함께 빅데이터분석, 데이터 마이닝 등의 지능형 데이터 분석방법에 기반한 서비스 운영관리 연구를 수행하고 있습니다.
영상 빅데이터기반 기계학습을 통한 스마트 범죄예방 솔루션 개발, 산업기술혁신사업, 산업통상자원부, 연구원, 2016.8 – 2018.7
제품 개발은 고객의 요구사항을 설계 단계에 충실히 반영하여 고객을 만족시키는 것을 목표로 합니다.
이에 우리 연구실은 고객의 요구사항을 체계적으로 분석하여 이를 제품 개발에 반영하는 연구를 수행합니다. 한 예로 산업용 X-ray 산업의 경우, 광학기술이 고객 만족을 위한 핵심 요소였으나, 최근 들어 광학기술의 상향 평준화로 인해 새로운 경쟁우위가 요구되고 있습니다. 이에 본 연구실은 인공지능을 이용하여 X-ray 이미지내 객체를 탐지하고 불량을 탐지하는 새로운 기능을 제품에 적용하는 연구를 수행하였습니다.
합성곱 신경망 기반의 X-Ray 이미지 분석을 이용한 불량 탐지 방법 개발, 산학협력선도대학(LINC)육성사업, 연구책임자, 2020.07 – 2020.12
