스마트공장은 4차 산업혁명의 핵심으로, 제조업의 경쟁력 강화를 위해 필수적인 요소로 자리잡고 있습니다. 주용한 연구실은 인공지능 기술을 활용하여 제조 현장의 품질관리, 생산성 향상, 이상 탐지 등 다양한 문제를 해결하는 연구를 수행하고 있습니다. 특히, YOLOv5와 오토인코더와 같은 최신 객체 탐지 및 딥러닝 기법을 적용하여 저비용·고효율의 공정 관리 시스템을 개발하고, 중소 제조기업이 부담 없이 스마트공장 환경을 도입할 수 있도록 실질적인 솔루션을 제시하고 있습니다. 이러한 연구는 실제 제조 현장에서 발생하는 다양한 데이터를 실시간으로 수집·분석하여, 공정의 이상 징후를 조기에 탐지하고 품질 문제를 예방하는 데 큰 역할을 합니다. 또한, 인공신경망과 SHAP 기법을 활용하여 기업 특성별로 스마트공장 운영 성과에 미치는 영향을 정량적으로 분석함으로써, 기업 맞춤형 경쟁력 강화 전략을 제안합니다. 이를 통해 클라우드 도입, 경영진의 정보화 의지, 직원의 정보화 역량 등 스마트공장 성공에 중요한 요인들을 도출하고 있습니다. 주용한 연구실의 연구는 중소 제조기업의 스마트공장 도입 및 운영 성공 사례를 텍스트 마이닝과 네트워크 분석을 통해 체계적으로 분석함으로써, 실무적 시사점과 후발 기업을 위한 가이드라인을 제공합니다. 이러한 연구 성과는 국내 제조업의 디지털 전환과 지속가능한 성장에 크게 기여할 것으로 기대됩니다.

기술신용평가는 기술 기반 중소기업의 성장과 혁신을 지원하는 중요한 금융 도구입니다. 주용한 연구실은 신용평가 모델의 정확도와 신뢰성을 높이기 위해 다양한 통계적·머신러닝 기법을 적용하고 있습니다. 예를 들어, 카테고리형 데이터 분석, 생존분석, 로지스틱 회귀, 의사결정나무, 랜덤 이펙트 모델 등 다양한 방법론을 활용하여 기술신용평가의 오류 패턴을 분석하고, 평가자의 주관적 오류를 최소화하는 방안을 제시합니다. 특히, 연구실은 특허 데이터, 기업 재무정보, 시장 환경 등 다양한 데이터를 통합적으로 분석하여, 기술 기반 대출의 부도 위험을 예측하고, 신용보증 정책의 효과성을 평가합니다. 또한, 신용카드 한도 관리, 마이크로파이낸스 기관의 효율성 분석 등 금융산업 전반에 걸친 데이터 기반 의사결정 지원 연구도 활발히 이루어지고 있습니다. 이를 통해 금융 소외 계층을 위한 오프라인 금융 거점 선정, 디지털 금융 접근성 개선 등 사회적 가치 창출에도 기여하고 있습니다. 이러한 연구는 중소기업의 혁신 역량 강화와 금융기관의 리스크 관리 고도화에 실질적인 도움을 주고 있습니다. 더불어, 기술신용평가 모델의 지속적인 업데이트와 새로운 속성 반영을 위한 프레임워크 개발을 통해, 빠르게 변화하는 산업 환경에 대응할 수 있는 유연한 평가 시스템을 구축하고 있습니다.