이 연구 주제는 화학공정, 에너지 시스템, 가스 공급망과 같은 복잡한 산업 시스템을 수학적 모델과 시뮬레이션으로 정밀하게 해석하고 최적화하는 공정시스템공학에 초점을 둔다. 연구실은 전통적인 공정 해석을 넘어 실제 운전 데이터와 연계되는 디지털 트윈 개념을 적극 활용하여, 공정의 정상상태 및 동특성을 동시에 이해하고 예측 가능한 운영 체계를 구축하는 데 주력한다. 특히 수소 생산 시스템, 도시가스 배관망, LNG 및 다양한 에너지 인프라에 적용 가능한 모델링 기반 의사결정 기술이 핵심 축을 이룬다. 구체적으로는 알칼라인 수전해 기반 그린수소 생산 공정, 수소 혼입 도시가스 배관망, 재생에너지 연계 시스템 등에 대해 시뮬레이션 모델을 개발하고, 성능 평가와 안전성 검증을 동시에 수행한다. 또한 물리법칙 기반 알고리즘과 데이터 기반 예측 모델을 함께 사용하여 공정의 물성 예측, 운전조건 최적화, 성능 표준화, 실증 설비 평가를 수행한다. 이러한 접근은 단순한 해석을 넘어 실제 산업 현장에서 운전 전략 수립, 기준 개발, 설비 설계 개선으로 이어질 수 있다는 점에서 실용성이 높다. 향후 이 연구는 탄소중립과 에너지 전환 시대에 더욱 중요한 의미를 가진다. 디지털 트윈과 공정 최적화 기술은 수소경제, 친환경 플랜트, 스마트 엔지니어링 분야의 핵심 기반이 되며, 공정 설계부터 운영, 유지관리, 안전 평가까지 전주기를 아우르는 플랫폼으로 확장될 수 있다. 연구실은 공정시스템공학의 전통적 강점 위에 데이터와 지능형 분석을 결합하여 차세대 화학공정 운영 기술을 구현하고자 한다.

이 연구 주제는 화학사고, 가스 누출, 화재 및 폭발과 같은 산업재해를 사전에 예방하고 피해를 최소화하기 위한 안전공학 연구를 포괄한다. 연구실은 화학공학적 위험성 평가와 센서 네트워크, 감지경보 체계, 시뮬레이션 기반 위험 예측을 통합하여 산업 현장의 실질적 안전 수준을 높이는 데 집중한다. 특히 도시가스, 유해화학물질 취급시설, 신에너지 충전소, 대형 산업현장 등 고위험 환경에서의 조기 감지와 신속 대응 체계 구축이 중요한 연구 대상이다. 주요 연구 내용으로는 누출·확산 모델 개발, 고정형 및 이동형 센서의 최적 배치, 감지경보 시스템 운영기술, 폭발 및 화재 영향 범위 분석, 실시간 이상감지와 진단 등이 있다. 수소 혼입 도시가스 배관망의 안전성 평가, 유해가스 조기 검지, 화학사고 감지기 배치 최적화, 화재정보 빅데이터 기반 사고 예측 등은 연구실의 대표적인 응용 사례다. 또한 산업현장 근로자, 특히 외국인 노동자를 위한 안전 교육 플랫폼과 안전패스포트 시스템 특허를 통해 연구 결과를 실제 제도와 서비스로 연결하고 있다는 점도 특징적이다. 이 연구의 파급효과는 매우 크다. 사고 발생 후 대응 중심의 안전관리에서 벗어나, 데이터와 모델에 기반한 예방 중심 안전관리로 전환할 수 있기 때문이다. 향후에는 IoT 센서, CCTV, 지식추론, 빅데이터 분석을 결합한 통합 안전관제 체계로 발전할 가능성이 높으며, 국가 차원의 안전기준 개선과 산업 현장의 디지털 안전관리 고도화에도 직접 기여할 수 있다. 연구실은 지능형 시스템과 안전공학을 접목하여 사람과 설비를 함께 보호하는 스마트 산업안전 기술을 발전시키고 있다.

이 연구 주제는 인공지능과 기계학습을 활용하여 산업 시스템의 상태를 진단하고, 물성이나 수명을 예측하며, 더 나아가 새로운 설계 가능성을 탐색하는 융합 연구에 해당한다. 연구실은 공정 데이터, 재료 데이터, 사고 데이터, 운전 데이터와 같은 다양한 산업 데이터를 분석하여 예측 정확도와 운영 효율을 높이는 방법을 연구한다. 이는 화학공학의 문제를 단순 자동화 수준이 아니라 지능적 의사결정 문제로 확장한다는 점에서 의미가 크다. 적용 분야도 매우 폭넓다. 전기차 배터리의 상태 추정과 수명 진단, 고분자 복합수지의 기계적 물성 예측, 해수 이용 LNG 재기화공정 동적 모델링, 사고물질 판별을 위한 지식추론 시스템, 반응위험성을 고려한 합성경로 탐색 등이 대표적이다. 또한 연구 데이터에는 베이지안 최적화와 기계학습을 활용한 나노기계 공진기 설계, 고강도 비정질 SiC 재료 기반 나노역학 연구도 포함되어 있어, AI 기반 설계와 예측 기술이 소재 및 장치 개발로 확장되고 있음을 보여준다. 즉 연구실은 AI를 공정 진단뿐 아니라 재료 설계, 에너지 시스템 운영, 안전 대응까지 연결하는 폭넓은 접근을 수행한다. 이러한 연구는 산업 전반의 디지털 전환과 직결된다. 앞으로 제조·에너지·안전 분야에서는 단순 데이터 축적보다, 학습 가능한 모델을 통해 이상을 조기 탐지하고 최적 운전 조건을 제안하며 새로운 설계를 도출하는 능력이 중요해질 것이다. 연구실은 딥러닝, 지식그래프, 베이지안 최적화, 데이터 기반 예측 기술을 바탕으로 화학공학의 다양한 응용영역을 지능화하고 있으며, 향후 스마트 플랜트와 자율형 엔지니어링 시스템 구축에 핵심적인 역할을 할 수 있다.