인간-기계 제조시스템의 태스크 할당 및 작업 스케줄링 연구

Task Allocation and Scheduling in Human–Machine Manufacturing Systems

연구 내용

인간의 선호와 역량이 관측되지 않는 조건에서 딥 강화학습 기반 태스크 할당과 공정 변동성을 함께 고려한 제조 스케줄링 성능을 개선하는 연구

제조 공정에서 작업 완료 지연, 설비 고장 등 확률적 변동이 발생하는 상황을 전제로 인간-기계 협업 스케줄링 문제를 모델링합니다. 인간 작업자의 선호와 피로도 등 핵심 특성이 직접 관측되지 않는 제약을 반영하고, 과거 작업 할당 기록을 활용해 태스크를 인간 또는 기계에 배정하는 정책을 학습합니다. 학습된 정책은 작업자 역량과 피로 상태를 반영하여 기존 규칙 기반 할당 대비 스케줄링 관련 성능을 개선하는 방향으로 설계됩니다. 또한 자율제조, 지능형 설비 관리로 이어지는 데이터 기반 의사결정 역량을 확보합니다.

관련 프로젝트

4건

연구 흐름

초기에는 인간 작업자를 포함한 제조 시스템에서 태스크 할당을 수리적으로 정식화하고, 인간 특성이 암묵적으로 존재하는 문제를 다루는 틀을 마련했습니다. 이후 딥 강화학습을 적용하여 공정의 확률적 사건과 작업자의 상태 변화를 함께 고려하는 학습 구조로 확장했습니다. 최근에는 TinyML 기반 설비 관리와 자율제조 인력양성 연계 과제를 통해 실시간 운영 데이터 축적과 제조 현장 적용 가능성을 높이는 방향으로 연구를 수행하고 있습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

인간-기계 협업 작업 배정
피로 기반 작업자 상태 추정
장애 대응형 공정 스케줄링
설비 상태 기반 동적 할당
멀티 에이전트 제조 의사결정
현장 데이터 기반 정책 고도화
작업 설계 자동화 보조
스마트 제조 운영 최적화
표준화된 상호운용성 설계
자율제조 시나리오 검증