이 연구 주제는 정보경영 관점에서 웹, 문서, 기업 관계, 소셜 데이터 등 비정형·반정형 데이터를 지능적으로 분석하여 실질적인 의사결정을 지원하는 데 초점을 둔다. 연구실은 초기부터 텍스트 분류, 웹 페이지 분류, 실시간 검색, 워크플로우 관리, 소셜 미디어 이벤트 탐지 등 정보처리와 관리 문제를 다루어 왔으며, 이를 통해 조직과 기업 환경에서 활용 가능한 데이터 기반 지능화 방법론을 축적해 왔다. 이는 산업공학적 문제 해결 능력과 컴퓨터 기반 정보 분석 기술이 결합된 융합 연구 영역이라 할 수 있다. 특허 성과로 연결된 웹 페이지 분류 장치 연구에서는 마크업 언어 기반 문서에서 토픽 키워드를 추출하고 가중치를 반영해 자동 분류를 수행하는 방법을 제안하였다. 또한 기업의 비즈니스 파트너 추천을 위한 인공지능 기반 관계 예측모델은 기업 간 연결 가능성을 분석하여 적절한 파트너를 추천하는 정보경영 응용으로 볼 수 있다. 관련 학술 활동에서도 텍스트 분류 정확도 향상, 짧은 텍스트 분류, 실시간 검색 엔진, 재난 대응을 위한 텍스트 스트림 이벤트 탐지, 유연한 워크플로우의 자기관리 등 다양한 정보 분석 주제가 나타난다. 이러한 연구는 기업 의사결정, 디지털 플랫폼 운영, 정보 검색 및 추천, 업무 프로세스 관리 등 폭넓은 분야에서 활용 가능하다. 특히 문서와 웹 데이터의 의미를 구조화하고, 관계와 맥락을 반영해 추천 및 분류 성능을 높이는 기술은 정보경영과 AI 융합의 핵심 기반이 된다. 연구실은 단순한 알고리즘 개발에 머물지 않고, 실제 조직과 서비스 환경에서 정보가 어떻게 흐르고 가치로 전환되는지를 다루는 응용 지향적 연구를 수행한다.

이 연구 주제는 에너지 소비, 신재생에너지, 도시 운영과 같은 지속가능성 문제를 인공지능과 데이터 분석으로 해결하는 데 중점을 둔다. 연구실은 기후변화 대응과 전력 수요 증가라는 사회적 과제를 배경으로, 에너지 시스템의 불확실성과 복잡성을 정량적으로 분석하고 미래 수요와 공급을 더 정확히 예측하는 방법을 연구한다. 이는 단순한 기술 개발을 넘어 지속가능한 도시와 산업 생태계 구축에 필요한 핵심 지능 기술을 마련하는 작업이다. 대표적으로 송도 스마트시티 사례를 활용한 에너지 소비 예측 연구에서는 메타회귀와 앙상블 학습, 그래디언트 부스팅, 랜덤 포레스트, 신경망 등을 활용해 예측 정확도와 일반화 성능을 높이는 접근을 제시한다. 또한 인공지능 기반의 에너지 엑설런스 응용 기법 연구를 통해 태양광·풍력 등 기후 의존적 에너지원의 변동성을 다루고, 스마트에너지 운영을 위한 예측·분석 모델을 개발한다. 플라스틱 재활용 분류 비용 분석 연구처럼 환경 지속가능성과 자원순환 문제에도 머신러닝을 적용하여, AI가 환경 관리의 경제성과 효율성 개선에 어떻게 기여할 수 있는지를 보여준다. 이 연구는 에너지 절감, 운영 안정성 향상, 자원순환 효율 개선, 탄소 저감 의사결정 지원이라는 측면에서 높은 파급력을 가진다. 또한 스마트시티, 친환경 제조, 순환경제 등 다양한 응용 영역으로 확장 가능하며, 공공정책과 산업 현장 모두에 활용될 수 있는 데이터 기반 지능 시스템 구축으로 이어진다. 연구실은 지속가능성 문제를 단지 환경 영역이 아닌 예측, 최적화, 비용 분석이 결합된 통합 AI 문제로 해석한다는 점에서 차별성을 가진다.

이 연구 주제는 제조 및 운영 시스템에서 발생하는 복잡한 의사결정 문제를 인공지능으로 해결하는 데 초점을 둔다. 김관호 연구실은 산업시스템공학의 문제 정의 능력과 기계학습의 예측 성능을 결합하여, 실제 생산 현장에서 요구되는 일정계획, 자원 배분, 공정 분석, 운영 효율화 문제를 다룬다. 특히 다품종·변동성 환경에서 기존 규칙 기반 운영 방식이 갖는 한계를 극복하고, 데이터 기반으로 더 유연하고 정교한 의사결정을 수행하는 방법을 연구한다. 구체적으로는 OLED 디스플레이 제조 시스템의 증착 및 봉지 공정 스케줄링, 도금라인의 캐리어 개수 및 턴오버 포인트 결정, 드론 방제 중개 플랫폼을 위한 작업 단위 군집화와 일정계획 등의 주제를 통해 강화학습, 모방학습, 군집화, 최적화, 시각화 기법을 적용한다. 이러한 연구는 단순한 예측을 넘어서 공정의 병목을 찾고, 작업 제약을 반영하며, 운영 대안을 비교 평가할 수 있는 실용적 프레임워크를 지향한다. 공정 데이터를 간트차트 등으로 해석 가능하게 시각화하고, AI 기반 정책이 실제 현장 운영과 연결되도록 설계하는 점도 중요한 특징이다. 이 연구의 기대 효과는 생산성 향상, 비용 절감, 납기 안정화, 운영 유연성 확대에 있다. 나아가 산업 현장의 디지털 전환과 스마트 제조 고도화에 기여하며, 현장 지식과 알고리즘을 함께 반영하는 산업 AI의 대표적 응용 분야로 확장될 수 있다. 연구실은 실제 산업 문제를 대상으로 한 응용 연구를 통해 학술적 기여와 산학협력 성과를 동시에 추구하고 있으며, 향후 자율 운영 공장과 지능형 생산 의사결정 시스템으로의 발전 가능성이 높다.