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.

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.