반도체 공정 데이터 분석은 반도체 제조 과정에서 발생하는 대규모의 다양한 데이터를 체계적으로 수집하고 분석하여 공정의 품질을 향상시키고 불량률을 최소화하는 데 중점을 둡니다. 본 연구실에서는 웨이퍼 불량 패턴의 자동 분류, 신규 불량 패턴의 탐지, 그리고 공정 이상 진단을 위한 기계학습 및 데이터 마이닝 기법을 적극적으로 도입하고 있습니다. 이를 통해 기존의 전문가 의존적이고 주관적인 분석 방법을 대체하여, 보다 신뢰성 있고 효율적인 품질 관리 체계를 구축하고 있습니다. 특히, 자가 지도학습, 딥러닝, 클러스터링 등 최신 인공지능 기술을 활용하여 웨이퍼 불량 패턴의 클러스터링 및 분류 성능을 극대화하고 있습니다. 실제 반도체 제조 현장에서 수집된 대규모 웨이퍼 빈 맵 데이터를 기반으로, 불량 패턴의 공간적 특성과 데이터 불균형 문제를 동시에 고려한 알고리즘을 개발하고 있습니다. 이를 통해 신규 불량 패턴의 조기 탐지와 원인 분석이 가능해져, 생산성 향상과 비용 절감에 크게 기여하고 있습니다. 또한, 본 연구실은 반도체 공정 데이터의 불확실성과 복잡성을 극복하기 위해, 불확실성 기반 의사결정 트리, 커널 밀도 추정, 시계열 예측 등 다양한 통계적·기계학습적 방법론을 융합하여 연구를 진행하고 있습니다. 이러한 연구는 반도체 산업뿐만 아니라, 다양한 제조업 공정의 품질 관리 및 예지보전(예방정비) 시스템 구축에도 응용될 수 있습니다.

네트워크 분석은 기업 간 거래, 금융 네트워크, 특허 인용 네트워크 등 다양한 산업 데이터에서 노드(기업, 특허 등)와 엣지(거래, 인용 등) 간의 관계를 수학적으로 모델링하고 분석하는 분야입니다. 본 연구실에서는 특히 B2B(기업 간 거래) 네트워크를 기반으로 한 시장 세분화, 잠재 고객 추천, 경쟁사 탐지 등 실질적인 비즈니스 인사이트 도출에 중점을 두고 있습니다. 이를 위해 그래프 기반의 생성 확률 모델, 링크 예측, 커뮤니티 탐지, 중심성 분석 등 다양한 네트워크 과학 기법을 적용하고 있습니다. 금융 거래 네트워크를 활용한 시장 세분화 연구에서는, 기업의 거래 패턴과 속성 정보를 통합하여 복잡한 산업 시장 내에서 중복적이고 다층적인 시장 세그먼트를 효과적으로 도출합니다. 또한, 유사도 기반의 추천 알고리즘을 통해 신규 시장 진입 시 잠재 고객을 예측하거나, 동적 네트워크 분석을 통해 경쟁사의 변화와 시장 내 주요 플레이어를 실시간으로 식별할 수 있습니다. 이러한 연구는 실제 산업 현장에서의 마케팅 전략 수립, 신규 거래처 발굴, 공급망 관리 등 다양한 분야에 직접적으로 활용되고 있습니다. 본 연구실은 네트워크 분석의 이론적 발전뿐만 아니라, 실제 기업 데이터와 공공 데이터셋을 활용한 실증 연구를 활발히 수행하고 있습니다. 이를 통해 데이터 기반의 의사결정 지원 시스템을 개발하고, 산업 현장의 복잡한 문제 해결에 기여하고 있습니다.

기술경영 및 기술가치 평가는 기업의 기술 자산을 정량적으로 평가하고, 기술 혁신 전략을 수립하는 데 필수적인 연구 분야입니다. 본 연구실은 시장 기반, 소득 기반, 비용 기반 등 다양한 관점에서 기술의 경제적 가치를 평가하는 방법론을 개발하고 있습니다. 특히, 특허 및 기술 거래 데이터를 활용한 시장 기반 기술가치 평가, 실물옵션 기반의 불확실성 반영 모델, 그리고 다변량 회귀 및 최근접 이웃 알고리즘을 결합한 영향 요인 분석 등 첨단 분석 기법을 적용하고 있습니다. 특허-상표 연계 비즈니스 인텔리전스, 기술-디자인 트리 구축 등 텍스트 마이닝과 네트워크 분석을 융합한 연구도 활발히 진행 중입니다. 이를 통해 기술 트렌드와 시장 기회를 조기에 포착하고, 기업의 기술 포트폴리오 최적화 및 신사업 발굴에 실질적인 도움을 주고 있습니다. 또한, 기술 수명 주기 예측, 기술 기회 발굴, 기술 융합 및 신규 아이템 탐색 등 미래 지향적 기술경영 전략 수립에도 기여하고 있습니다. 이러한 연구는 기업의 R&D 투자 의사결정, 기술 이전 및 라이선싱 전략, 정부 및 공공기관의 기술 정책 수립 등 다양한 분야에서 활용되고 있습니다. 본 연구실은 산업계와의 협력 연구, 특허 출원 및 기술이전 실적 등 실질적 성과를 지속적으로 창출하고 있습니다.