이 연구 주제는 제조 시스템과 공급망의 동적 변화를 실시간으로 반영하고, 이에 대응하는 최적 의사결정을 지원하는 디지털 트윈 기반 운영기술 개발에 초점을 둔다. 연구실은 전자부품 산업과 같은 복잡한 가치사슬 환경에서 수요, 생산, 재고, 물류, 공급 리스크의 변화를 반영할 수 있는 공급사슬망 관리 서비스를 연구하고 있다. 단순한 데이터 시각화를 넘어, 실제 운영 시스템과 연동되는 분석 및 의사결정 플랫폼을 구축하는 것이 중요한 특징이다. 구체적으로는 가치사슬 기반 공급망 관리, Re-Planning & Scheduling, What-if 시뮬레이션, 제조공정물류 데이터 연동, 표준 스키마 기반 플랫폼 설계, 개방형 제조응용 시스템 개발 등이 포함된다. 프로젝트에서는 디지털 트윈 기술을 활용해 공정과 물류, 재고와 주문 의사결정을 통합적으로 다루며, 공정 상황별 운영 최적화를 위해 AI와 빅데이터 기술을 접목하고 있다. 또한 생산 컨베이어 시스템의 디지털 트윈 교육 환경 구축과 같은 사례를 통해 연구 성과를 교육 및 실습 환경으로도 확장하고 있다. 이러한 연구는 급변하는 글로벌 가치사슬 환경에서 제조기업의 회복탄력성과 민첩성을 높이는 데 큰 의미가 있다. 기업은 디지털 트윈을 통해 다양한 시나리오를 사전에 검토하고, 운영 중 발생하는 불확실성에 빠르게 대응할 수 있으며, 공급망과 공장 운영을 하나의 통합 시스템으로 관리할 수 있다. 연구실은 스마트제조를 공장 내부 자동화에만 한정하지 않고 공급망 전반의 운영지능화 문제로 확장하여, 산업 현장에서 활용 가능한 최적화 서비스 기술을 개발하고 있다.

이 연구 주제는 제조 현장의 복잡한 운영 문제를 해결하기 위해 산업인공지능, 특히 강화학습과 딥러닝을 적용하는 데 중점을 둔다. 연구실은 주문량 결정, 재고관리, 재작업 의사결정, 공정 시뮬레이션 제어, 이상탐지 임계치 조정 등 전통적으로 규칙 기반이나 경험 기반으로 수행되던 문제를 데이터 기반의 지능형 의사결정 문제로 재정의하고 있다. 이는 스마트제조 환경에서 자율적이고 적응적인 운영을 구현하기 위한 핵심 연구 방향이다. 연구실의 최근 학술발표를 보면 분산 강화학습 구조를 활용한 제조 공정 시뮬레이션, Simio 기반 심층 강화학습 프레임워크, 주문량 결정 문제를 위한 강화학습 및 설명가능한 인공지능, 오프라인 강화학습 기반 결함 검출 임계치 보정, Deep Q-Network 기반 설비 이상탐지 등이 활발히 수행되고 있다. 또한 실시간 적층제조 모니터링을 위한 시공간 딥러닝 모델링, 이미지 세그멘테이션 기반 결함 검출, 합성 데이터와 U-Net, GAN을 활용한 결함 조기 탐지 등 비전 기반 제조 AI 연구도 병행하고 있다. 이러한 접근은 최적화와 학습 기반 기법을 결합한다는 점에서 연구실의 강점을 보여준다. 이 연구는 제조 시스템이 고정된 규칙에 의존하는 수준을 넘어, 환경 변화에 스스로 적응하고 설명 가능한 방식으로 의사결정을 수행하는 방향으로 나아가게 한다. 특히 시뮬레이션과 AI를 결합하면 실제 현장 적용 이전에 정책을 검증하고 위험을 줄일 수 있어 산업적 가치가 높다. 향후 이 연구는 디지털 트윈, 공정 데이터 플랫폼, 로봇 및 물류 자동화 시스템과 통합되어 자율 생산 운영체계의 핵심 요소로 발전할 가능성이 크며, 연구실은 이러한 제조 AI의 실용화를 주도하는 방향으로 연구를 확장하고 있다.

이 연구 주제는 3D 프린팅으로 대표되는 적층제조 환경에서 생산성을 높이기 위한 공정계획과 운영 스케줄링 문제를 다룬다. 연구실은 단일 장비 또는 복수 장비 환경에서 어떤 부품을 어떤 배치로 적층할 것인지, 부품을 분해하여 출력하는 것이 유리한지, 후처리 공정을 포함한 전체 생산 흐름을 어떻게 설계할 것인지에 주목한다. 특히 대량 맞춤생산과 다품종 소량생산이 확산되는 제조 환경에서 적층제조의 유연성을 실제 생산성 향상으로 연결하는 것이 핵심 목표이다. 이를 위해 부품 분해와 통합, 2차원 배치, 빌드 스케줄링, 후처리 일정계획, 혼합 적층-절삭 공정계획 등 다양한 의사결정 문제를 수리최적화와 알고리즘 설계 관점에서 연구한다. 연구실의 논문들은 적층제조의 nesting 및 scheduling 문제를 체계적으로 분류하고, 단일 머신 환경에서의 부품 분해 및 배치 문제, 분해된 부품의 빌드 및 후공정 스케줄링, 하이브리드 적층-절삭 제조를 위한 최적 공정계획 등을 다루고 있다. 이는 설계 단계의 제조성 검토부터 생산 단계의 운영관리까지 적층제조 전 주기를 포괄하는 접근이다. 이 연구는 적층제조의 병목 완화, 장비 활용률 향상, 납기 단축, 비용 절감에 직접적으로 기여할 수 있다. 더 나아가 3D 프린팅 농장과 같은 대규모 분산 생산 시스템에서 자동화된 계획 수립의 기반이 되며, 향후 설계 자동화와 디지털 트윈, 인공지능 기반 의사결정과 결합해 자율형 스마트제조 시스템으로 확장될 가능성이 크다. 연구실은 적층제조를 단순한 제작 기술이 아니라 설계-공정-운영이 통합된 생산 시스템으로 바라보며, 이를 산업 현장에 적용 가능한 최적화 프레임워크로 발전시키고 있다.