RnDCircle Logo

한양대학교 응용확률연구실

한양대학교 산업경영공학과

허 선 교수

Cloud Manufacturing

Big Data Analysis

Big Data Analytics

한양대학교 응용확률연구실

산업경영공학과 허 선

한양대학교 응용확률연구실은 확률모델링과 대기행렬 이론을 중심으로, 복잡한 산업 및 서비스 시스템의 불확실성을 수리적으로 해석하고 최적의 의사결정 방안을 제시하는 연구를 수행하고 있습니다. 본 연구실은 포아송 과정, 마코프 체인, 은닉 마코프 모델 등 다양한 확률적 프로세스를 기반으로, 대기행렬 시스템, 재고관리, 의사결정 이론 등 운용과학의 핵심 분야를 폭넓게 다루고 있습니다. 특히, 대기행렬 이론을 활용한 서버 시스템, 네트워크, 생산 및 서비스 시스템의 성능 분석과 최적화에 중점을 두고 있습니다. 이를 통해 대규모 콜센터의 서버 운용 전략, 무선 센서 네트워크의 전송 제어, 생산 시스템의 예방 유지보수 스케줄링 등 실제 산업 현장에서 발생하는 다양한 문제를 해결하고 있습니다. 또한, 확률적 재고 모델, 마코프 의사결정 과정, 최적 정지 이론 등 고급 확률 응용 분야도 심도 있게 연구하고 있습니다. 데이터마이닝 분야에서는 분류, 군집화, 회귀분석, 연관규칙 등 다양한 통계적 기법을 활용하여, 제조, 금융, 마케팅 등 여러 산업 분야에서 데이터 기반의 의사결정 지원 시스템을 개발하고 있습니다. 최근에는 불균형 데이터 처리, 특징 선택, 시계열 데이터 분석 등 최신 데이터마이닝 이슈에 대한 연구도 활발히 진행 중입니다. 더 나아가, 산업 인공지능(Industrial AI) 분야로 연구를 확장하여, 딥러닝, 강화학습, CNN, RNN 등 첨단 AI 기술을 제조 및 서비스 산업에 적용하고 있습니다. 이를 통해 스마트 팩토리, 예지 보수, 품질 관리, 고객 맞춤형 서비스 등 4차 산업혁명 시대의 핵심 기술 개발에 앞장서고 있습니다. 본 연구실은 이론적 연구뿐만 아니라, 실제 산업체와의 공동 프로젝트, 소프트웨어 개발, 현장 적용 사례를 통해 연구 성과의 실질적 가치를 높이고 있습니다. 다양한 학제 간 융합 연구와 산학협력을 통해, 미래 산업을 선도할 수 있는 혁신적 연구를 지속적으로 추진하고 있습니다.

Cloud Manufacturing
Big Data Analysis
Big Data Analytics
확률모델링과 대기행렬 이론
확률모델링은 운용과학(Operations Research)의 핵심 분야로, 현실 세계의 불확실한 현상을 수리적으로 모형화하여 분석하고 최적의 의사결정을 지원하는 방법론입니다. 본 연구실에서는 확률이론의 기초부터 포아송 과정, 마코프 체인, 은닉 마코프 모델 등 다양한 확률적 프로세스를 활용하여 복잡한 시스템의 동작을 정밀하게 해석합니다. 특히, 대기행렬 이론(queueing theory)을 중심으로 서버 시스템, 네트워크, 생산 및 서비스 시스템 등 다양한 분야에 적용 가능한 모델을 개발하고 있습니다. 대기행렬 이론은 고객의 도착과 서비스 과정을 수리적으로 분석하여, 대기 시간, 시스템 내 체류 인원, 자원 배분 등 주요 성능 지표를 평가합니다. 본 연구실은 M/M/1, M/G/1, Jackson 네트워크 등 다양한 대기행렬 모델을 실제 산업 현장에 적용하여, 효율적인 자원 운용과 서비스 품질 향상에 기여하고 있습니다. 또한, 확률적 재고 모델, 마코프 의사결정 과정, 최적 정지 이론 등 고급 확률 응용 분야도 폭넓게 연구하고 있습니다. 이러한 연구는 제조, 물류, 정보통신, 금융 등 다양한 산업 분야에서의 실질적 문제 해결에 직접적으로 연결됩니다. 예를 들어, 대규모 콜센터의 서버 운용 전략, 무선 센서 네트워크의 전송 제어, 생산 시스템의 예방 유지보수 스케줄링 등 실제 사례를 통해 연구 성과를 검증하고, 산업계와의 협력을 통해 현장 적용성을 높이고 있습니다.
데이터마이닝과 산업 인공지능
데이터마이닝은 방대한 양의 정형 및 비정형 데이터에서 유의미한 정보를 추출하여 의사결정에 활용하는 기술입니다. 본 연구실은 분류(classification), 군집화(clustering), 회귀분석(regression), 연관규칙(association rule) 등 다양한 데이터마이닝 기법을 연구하고, 실제 제조, 금융, 마케팅 등 다양한 분야에 적용하고 있습니다. 특히, 불균형 데이터 처리, 특징 선택(feature selection), 시계열 데이터 분석 등 최신 데이터마이닝 이슈에 대한 연구를 활발히 수행하고 있습니다. 최근에는 산업 인공지능(Industrial AI) 분야로 연구를 확장하여, 딥러닝, 강화학습, CNN, RNN 등 첨단 AI 기술을 제조 및 서비스 산업에 접목하고 있습니다. 이를 통해 공정 제어, 수율 예측, 설비 고장 진단, 고객 행동 예측 등 다양한 산업 문제를 해결하고, 실제 현장에서 활용 가능한 AI 기반 솔루션을 개발하고 있습니다. 또한, 클라우드 제조 환경에서의 협업 잠재력 분석, 작업 할당 알고리즘 등 스마트 제조 시스템 구축을 위한 연구도 병행하고 있습니다. 이러한 연구는 빅데이터 기반의 스마트 팩토리, 예지 보수, 품질 관리, 고객 맞춤형 서비스 등 4차 산업혁명 시대의 핵심 기술로 자리매김하고 있습니다. 본 연구실은 이론적 연구와 더불어, 실제 산업체와의 공동 프로젝트, 소프트웨어 개발, 현장 적용 사례를 통해 데이터마이닝 및 산업 인공지능의 실질적 가치를 창출하고 있습니다.
1
Shapelet Selection based on a Genetic Algorithm for Remaining Useful Life Prediction with Supervised Learning
HELIYON (SCIE), 2022
2
Editorial - Special Issue on “Application of Big Data Analysis and Advanced Analytics in Sustainable Production Process”
Processes (SCIE), 2022
3
A Time-series Data Generation Method to Predict Remaining Useful Life
Processes (SCIE), 2021
1
클라우드 제조를 위한 제조 빅데이터 분석 기반의 스마트 스케줄링 시스템 개발
한국연구재단
2019년 09월 ~ 2023년 02월
2
불균형 빅데이터의 분류를 위한 데이터 전처리 알고리즘 개발
한양대학교
2019년 09월 ~ 2020년 01월
3
안전클레임 조기 검출을 위한 텍스트마이닝 툴 개발
현대자동차
2018년 02월 ~ 2018년 11월