RnDCircle Logo
서경민 연구실
한양대학교 산업경영공학과 서경민 교수
이산사건시뮬레이션
DEVS 모델링
모듈형 시스템 아키텍처
서경민 교수 연구실
기본 정보
연구 분야
프로젝트
논문
구성원

서경민 연구실

한양대학교 산업경영공학과 서경민 교수

서경민 연구실은 산업경영공학과 관점에서 공정·물류·운영체계를 데이터 기반으로 모델링하고 검증하는 연구를 수행합니다. 이산 사건 시뮬레이션 및 DEVS 계층 모델을 활용해 자원 제약과 의사결정 로직을 모듈형으로 구성하고, KPI 중심의 시나리오 비교로 운영전략을 도출합니다. 또한 시뮬레이션 데이터와 실계 데이터를 연계하는 V&E 체계를 통해 상호운용성·타이밍·인증 기준을 검증합니다. 노후 설비에는 디지털 리트로핏과 연동되는 저데이터 적응형 이상탐지 학습을 적용하여 설비 안정 운영을 지원합니다.

이산사건시뮬레이션DEVS 모델링모듈형 시스템 아키텍처경로계획 알고리즘디지털 리트로핏
대표 연구 분야
연구 영역 전체보기
이산 사건 시뮬레이션 기반 운영전략 최적화와 공정·물류 시스템 설계 연구 thumbnail
이산 사건 시뮬레이션 기반 운영전략 최적화와 공정·물류 시스템 설계 연구
Discrete Event Simulation 기반 운영전략 최적화 and 설계 research
연구 분야 상세보기
연구 성과 추이
표시된 성과는 수집된 데이터 기준으로 산출되며, 일부 차이가 있을 수 있습니다.

5개년 연도별 논문 게재 수

16총합

5개년 연도별 피인용 수

77총합
주요 논문
5
논문 전체보기
1
article
|
인용수 1
·
2025
Analyzing New Operation Strategy of Demand-Responsive Transports Using Discrete-Event Simulation Framework
Seung-Wan Cho, Yeong-Hyun Lim, Seong-Hyeon Ju, Kyung-Min Seo
IF 3.1 (2025)
Systems
수요응답형 교통(Demand-responsive transport, DRT)은 실시간 이용자 수요에 따라 경로를 동적으로 조정함으로써 유연한 승차공유를 제공하여, 복잡한 도시 교통 요구에 적합하다. 본 연구는 DEVS(Discrete Event System Specification) 형식론을 기반으로 한 모듈형 시뮬레이션 프레임워크를 제안하고, 중간 정차 없이 직접 이동을 가능하게 하는 “급행 서비스(express service)” 전략을 도입한다. 해당 프레임워크는 주요 성과지표(KPIs)를 사용한 시나리오 기반 분석을 지원하며, 운영 전략에 대한 유연한 검증을 가능하게 한다. 두 가지 실험을 수행하였다. 첫째는 수요 및 차량대수 조건을 다양하게 하여 시뮬레이션 모델을 검증하였고, 둘째는 급행 서비스가 미치는 영향을 평가하였다. 결과는 급행 승객이 유의미하게 더 짧은 대기시간과 승차시간을 경험한 반면, 표준 승객 서비스는 안정적으로 유지됨을 보여주었다. 또한 이 전략은 자원이 제한된 조건에서도 운영 효율을 개선하였다. 본 연구는 차별화된 DRT 서비스를 평가하기 위한 구성 가능 시뮬레이션 플랫폼에 기여하며, 특히 계층화된 이동성 솔루션이 점차 요구되는 도시 환경에서 적응형 서비스 계획을 위한 실무적 통찰을 제공한다.
https://doi.org/10.3390/systems13040303
Discrete event simulation
Computer science
Event (particle physics)
Distributed computing
Simulation
Physics
2
article
|
인용수 6
·
2025
Meta-Learning-Based LSTM-Autoencoder for Low-Data Anomaly Detection in Retrofitted CNC Machine Using Multi-Machine Datasets
Ji-Min Woo, Seong-Hyeon Ju, Jin-Hyeon Sung, Kyung-Min Seo
IF 3.1 (2025)
Systems
최근 제조 환경에서 디지털 방식으로 개조(retrofitted)된 장비의 사용이 크게 증가하고 있으나, 이러한 추세는 또한 효과적인 이상 탐지를 통해 안정적인 작동을 보장하는 과제를 더욱 증폭시키고 있다. 개조된 시스템은 두 가지 핵심 장애물에 직면한다. 즉, 라벨된 데이터의 심각한 부족과, 기계 및 제품 전반에 걸친 작동 패턴의 상당한 변동성이다. 본 연구는 이러한 문제를 극복하기 위해, 다중 기계 기반 태스크 정식화에서 Model-Agnostic Meta-Learning(MAML)과 Long Short-Term Memory Autoencoder(LSTM-Autoencoder)를 통합하는 새로운 이상 탐지 프레임워크를 제안한다. 다섯 축(five-axis) 컴퓨터 수치 제어(CNC) 기계 여러 대에서 수집한 시계열 데이터로 메타 태스크를 구성함으로써, 본 방법은 소수의 학습 예제만으로도 보지 못한 기계와 생산 시나리오에 신속하게 적응할 수 있게 한다. 실험 결과, 데이터가 부족한 조건에서도 제안 모델은 정확도 98.02%, F1-score 94.74%를 달성하였으며, 이는 기존의 전이 학습 접근법 대비 정확도에서 4.2%p, F1-score에서 16.9%p의 향상을 의미한다. 또한 완전히 새로운 기계 데이터에 대한 교차 검증(cross-validation)에서, 본 프레임워크는 정확도 기준으로 기존 모델보다 18.1% 더 우수한 성능을 보였으며, 이는 더 뛰어난 일반화 능력을 입증한다. 이러한 결과는 제안된 다중 기계 기반 Model-Agnostic Meta-Learning Long Short-Term Memory Autoencoder(MAML LSTM-Autoencoder)가 개조 제조 장비의 운영 효율을 크게 향상시키고 유지보수 비용을 절감하여, 궁극적으로 전체 생산성을 개선하고 실시간 산업 적용을 위한 기반을 마련할 수 있음을 시사한다.
https://doi.org/10.3390/systems13070534
Autoencoder
Anomaly detection
Computer science
Artificial intelligence
Anomaly (physics)
Machine learning
Pattern recognition (psychology)
Data mining
Deep learning
3
article
|
인용수 0
·
2025
Discrete-Event Simulation Framework for Composite Warfare With Modular CFCS Modeling for Naval Combat System
Chan-Woo Kim, Seong-Hyeon Ju, Kyung-Min Seo
IF 3.6 (2025)
IEEE Access
현대 해전에서 다수의 표적이 동시에 존재하는 복합 위협에 효과적으로 대응하는 것은 점점 더 중요해지고 있다. 이러한 필요를 충족하기 위해 본 연구는 차세대 해상 전투함을 대상으로 한 복합전(composite warfare) 시나리오에 특화된 실용적 시뮬레이션 프레임워크를 제안한다. 구체적으로, 본 프레임워크는 동시 위협 평가와 동적 무기 할당을 강조한다. 제안된 프레임워크는 세 가지 주요 구성요소로 이루어진다. (1) 전함, 항공기, 미사일 및 발사체를 포함하는 전투 개체(combat entity) 모델과 그 상호작용, (2) 전투 교전을 시간 순으로 표현하는 시뮬레이션 타임라인, (3) 핵심 교전 이벤트를 부각하는 이산사건(discrete-event) 라인이다. 전투 개체의 계층적이고 모듈화된 특성을 정확히 포착하기 위해 이산 사건 시스템 명세(Discrete Event System Specification, DEVS) 형식을 채택하여, 전투 시스템을 이산사건 기반의 계층적 구조로 수학적으로 모델링한다. 제안된 DEVS 프레임워크의 독창적인 방법론적 기여는 상태 전이를 통해 무기 할당 로직을 명시적으로 표현한다는 점이며, 의사결정 시간은 상태 전이 지속시간으로 모델링된다. 또한 자원 제어 기능을 지휘 및 사격통제(command and fire control) 시스템 내에서 구조적으로 분리함으로써, 다수 위협에 대한 효율적인 병렬 대응이 가능해진다. 본 시뮬레이션 프레임워크의 유효성을 입증하기 위해 1척의 연합 함정이 16개의 적 플랫폼과 교전하는 복합전 시나리오를 대상으로 상세한 사례 연구를 수행하였다. 시뮬레이션 실험 결과, 타이밍 효과를 명시적으로 정량화하면 참여 효율이 2%에서 7%까지 향상됨이 확인되었다. 이는 최근 CFCS 연구에서 의사결정 주기(decision cycle) 민감도 분석이 충분하지 않다는 한계를 해결할 수 있음을 보여준다. 따라서 제안된 프레임워크는 복합전에 최적화된 차세대 해상 전투 시스템을 개발하는 데 있어 유용한 통찰과 실용적 함의를 제공한다.
https://doi.org/10.1109/access.2025.3648783
Modular design
DEVS
Adversary
Weapon system
Timeline
Modeling and simulation
Rotation formalisms in three dimensions
Controllability
Robustness (evolution)
Complex system
최신 정부 과제
2
과제 전체보기
1
2025년 3월-2028년 12월
|1,982,451,000
제조생산물류 현장의 실시간 대응을 위한 소프트웨어기반 제조(SDF : Software Defined Factory) 플랫폼 기술 개발
본 과제의 최종 목표는 제조 생산물류 현장에서 발생하는 긴급 주문, 설비 고장, 물류 정체, 물류 급증 등 다양한 이상 / 변동 상황에 대해 실시간으로 자율 대응이 가능한 피지컬AI 기반 소프트웨어 기반 제조/ 소프트웨어 정의 공장(SDF: Software Defined Factory) 플랫폼을 개발하고 실증하는 것입니다. 최근 제조업계는 제품 라이프사이클...
소프트웨어 기반 제조
강화학습
이산 사건 시뮬레이션
피지컬 AI
가상-현실 연계 기술
2
2024년 6월-2025년 6월
|1,872,000,000
노후 제조장비 제어기 고도화를 통한 디지털 리트로핏 기술 실증
ㅇ (목표) 다양한 산업분야의 노후화된 제조장비 대상 수준별 맞춤형 디지털 리트로핏이 가능한 요소기술 개발 및 실증평가 플랫폼을 구축하고, 리트로핏 효과 검증을 위한 평가지표·평가방법·분석기술 개발 및 디지털 리트로핏 확산을 위한 가이드라인 체계 개발 1) 디지털 리트로핏 실증 및 가이드라인 체계, 디지털트윈 기반 평가기술 개발 - 수요기업 대상 실증운영...
디지털 리트로핏
제조장비
설비 노후화
실증
생산 시스템
최신 특허
특허 전체보기
상태출원연도과제명출원번호상세정보
등록2016함정체계 시뮬레이션을 위한 관성항법 시뮬레이션 장치 및 방법1020160128226
등록2016함정체계 시뮬레이션을 위한 기점판 시뮬레이션 장치1020160128234
등록2015연동 검증 시스템 및 이를 사용한 연동 검증 방법1020150191429
전체 특허

함정체계 시뮬레이션을 위한 관성항법 시뮬레이션 장치 및 방법

상태
등록
출원연도
2016
출원번호
1020160128226

함정체계 시뮬레이션을 위한 기점판 시뮬레이션 장치

상태
등록
출원연도
2016
출원번호
1020160128234

연동 검증 시스템 및 이를 사용한 연동 검증 방법

상태
등록
출원연도
2015
출원번호
1020150191429

주식회사 디써클

대표 장재우,이윤구서울특별시 강남구 역삼로 169, 명우빌딩 2층 (TIPS타운 S2)대표 전화 0507-1312-6417이메일 info@rndcircle.io사업자등록번호 458-87-03380호스팅제공자 구글 클라우드 플랫폼(GCP)

© 2026 RnDcircle. All Rights Reserved.