확률모형과 대기행렬 이론은 불확실성이 내재된 다양한 시스템의 성능을 분석하고 예측하는 데 핵심적인 역할을 합니다. 본 연구실에서는 생산, 통신, 서비스 시스템 등에서 발생하는 다양한 불확실성을 정량적으로 모델링하고, 이를 바탕으로 시스템의 효율성과 안정성을 극대화하는 방법을 연구합니다. 특히, M/M/1, MAP/G/1, BMAP/G/1 등 다양한 대기행렬 모형을 활용하여 실제 산업 현장에서 발생하는 문제를 수리적으로 해석하고, 최적의 운영 정책을 도출하는 데 중점을 두고 있습니다. 이러한 연구는 단순한 이론적 분석에 그치지 않고, 실제 시스템의 동작을 시뮬레이션하거나 실험 데이터를 바탕으로 모델의 타당성을 검증하는 과정까지 포함합니다. 예를 들어, 서버의 휴식 정책, 생산설비의 고장 및 유지보수, 재고 시스템과의 연계 등 현실적인 제약 조건을 반영한 확장된 대기행렬 모형을 개발하고, 이를 통해 시스템의 성능 지표(대기시간, 서비스율, 비용 등)를 정밀하게 산출합니다. 또한, Markov Decision Process(MDP)와 같은 동적 의사결정 기법을 접목하여, 변화하는 환경 속에서의 최적 정책 수립에도 기여하고 있습니다. 이 연구 분야는 정보통신, 제조, 물류, 서비스 등 다양한 산업 분야에 직접적으로 적용될 수 있으며, 시스템의 효율성 향상과 비용 절감, 서비스 품질 개선에 실질적인 도움을 줄 수 있습니다. 앞으로도 본 연구실은 확률모형 및 대기행렬 이론을 기반으로 한 새로운 분석 방법론 개발과, 이를 실제 산업 문제에 적용하는 연구를 지속적으로 추진할 계획입니다.

강화학습은 복잡한 시스템에서 최적의 의사결정 정책을 자동으로 학습하는 인공지능 기법으로, 최근 산업공학 및 시스템공학 분야에서 그 활용도가 급격히 증가하고 있습니다. 본 연구실에서는 강화학습을 활용하여 생산, 재고, 통신 시스템 등 다양한 환경에서의 운영 전략을 최적화하는 연구를 수행하고 있습니다. 특히, Markov Decision Process(MDP)와 강화학습 알고리즘을 결합하여, 불확실한 환경에서도 효율적으로 자원을 배분하고, 장기적인 성과를 극대화하는 정책을 도출하는 데 주력하고 있습니다. 이와 더불어, ARENA, SIMIO, AnyLogic 등 첨단 시뮬레이션 도구를 활용한 이산사건 시뮬레이션 연구도 활발히 이루어지고 있습니다. 시뮬레이션은 실제 시스템을 모사하여 다양한 운영 시나리오를 실험할 수 있게 해주며, 강화학습과 결합할 경우 실제 환경에서 발생할 수 있는 다양한 변수와 불확실성을 효과적으로 반영할 수 있습니다. 이를 통해, 이론적 모델의 한계를 극복하고, 실제 적용 가능한 실용적 운영 정책을 제안할 수 있습니다. 이러한 연구는 자원 및 에너지의 효율적 사용, 생산시스템의 신뢰성 향상, 통신 네트워크의 성능 개선 등 다양한 응용 분야에서 큰 파급 효과를 기대할 수 있습니다. 앞으로도 본 연구실은 강화학습과 시뮬레이션을 결합한 혁신적 운영 최적화 기법 개발에 집중하여, 스마트 팩토리, IoT, 첨단 제조 등 미래 산업의 핵심 문제 해결에 기여할 것입니다.