민대기 연구실은 경영과학, 산업공학, 데이터사이언스, 인공지능 등 다양한 학문 분야를 융합하여 산업 현장의 복잡한 의사결정 문제를 해결하는 데 중점을 두고 있습니다. 본 연구실은 확률계획법, 마르코프 결정 과정(MDP), 강화학습, 비즈니스 애널리틱스, 시계열 분석 등 첨단 수리적·데이터 기반 기법을 활용하여 생산, 물류, 에너지, 서비스 운영 등 다양한 분야의 최적화 및 예측 문제를 연구합니다.
특히, 불확실성과 제약조건이 복합적으로 작용하는 산업 문제를 수학적으로 모델링하고, 실제 데이터를 기반으로 한 실증 연구를 통해 이론적 모델의 실효성을 검증합니다. 예를 들어, 에너지 시스템의 장기 용량 확장, 탄소배출권 할당, 신재생 에너지 통합, 전력 수급 안정성 평가, 친환경 정책 효과 분석 등 국가적·산업적 차원의 중요한 이슈를 다루고 있습니다. 또한, 강화학습과 머신러닝을 활용한 동적 가격 결정, 재고관리, 경로 추천, 수요예측 등 다양한 비즈니스 문제에 대한 혁신적 솔루션을 개발하고 있습니다.
연구실은 빅데이터와 인공지능 기술을 접목하여 기업의 경영 효율성 제고와 경쟁력 강화를 위한 실질적인 도구를 제공합니다. 시계열 데이터의 특성 분류, 결측치 대체, 예측 모델링, 추천 시스템, 텍스트 분류, 키워드 선정 등 데이터 기반의 다양한 연구를 수행하며, 실제 산업 현장에서의 적용 가능성과 실효성을 중시합니다.
이러한 연구 성과는 정부 정책 수립, 기업의 경영 전략, 사회적 지속가능성 확보 등 다양한 분야에 실질적인 기여를 하고 있습니다. 앞으로도 본 연구실은 수리적 모델링, 데이터사이언스, 인공지능, 최적화 기법을 융합하여 산업 현장의 다양한 문제를 해결하고, 데이터 기반의 혁신적 의사결정 문화를 확산시키는 데 앞장설 것입니다.
민대기 연구실은 학문적 성과와 실무적 적용의 균형을 이루며, 산업과 사회의 지속가능한 발전을 위한 과학적 근거와 실질적 솔루션을 제공하는 것을 목표로 하고 있습니다. 앞으로도 첨단 분석 기법과 융합적 연구를 통해 새로운 가치를 창출하고, 미래 산업의 혁신을 선도하는 연구실로 성장할 것입니다.
본 연구실은 확률계획법과 마르코프 결정 과정(MDP)을 기반으로 다양한 산업 현장에서 발생하는 불확실성과 복잡성을 효과적으로 다루는 최적화 기법을 연구합니다. 특히, 생산 및 서비스 운영, 에너지 시스템, 공급망 관리 등에서 나타나는 계획 및 스케줄링 문제를 수학적으로 모델링하고, 이론적 분석과 실증적 검증을 통해 최적의 의사결정 방안을 제시하고 있습니다. 이러한 연구는 실제 산업 현장에서의 다양한 제약조건과 불확실성을 반영하여, 현실적인 솔루션을 도출하는 데 중점을 두고 있습니다.
연구실에서는 확률계획법을 활용하여 에너지 소비 예측, 전력 시스템의 장기 용량 확장, 탄소 배출권 할당 등 국가적·산업적 차원의 중요한 문제를 해결하고 있습니다. 예를 들어, 전력 수급 안정성 평가, 신재생 에너지의 불확실성 분석, 제조업의 에너지 효율성 향상 등 다양한 응용 분야에서 확률적 모델과 최적화 기법을 접목하여 정책적·경영적 의사결정 지원 시스템을 개발하고 있습니다. 또한, 마르코프 결정 과정을 활용한 재고관리, 서비스 시스템 운영, 환자 대기 리스트 관리 등에서 최적 정책 구조를 도출하고, 실제 데이터 기반의 시뮬레이션 및 수치 실험을 통해 그 효과를 검증합니다.
이러한 연구는 이론적 모델링과 실무 적용의 균형을 이루며, 산업 현장에서의 실질적인 문제 해결에 기여하고 있습니다. 앞으로도 본 연구실은 불확실성과 복잡성이 공존하는 다양한 산업 문제에 대해 수학적 모델링과 최적화 기법을 지속적으로 발전시켜, 학문적 성과와 함께 사회적·경제적 가치를 창출하는 것을 목표로 하고 있습니다.
비즈니스 애널리틱스, 강화학습 및 시계열 분석을 통한 데이터 기반 의사결정
본 연구실은 비즈니스 애널리틱스, 강화학습(Reinforcement Learning), 시계열 분석 등 첨단 데이터 분석 기법을 활용하여 기업의 의사결정 문제를 해결하는 데 주력하고 있습니다. 특히, 온라인 플랫폼의 동적 가격 결정, 물류 및 관광 경로 추천, 소비자 행동 예측 등 다양한 산업 분야에서 데이터 기반의 혁신적 솔루션을 개발하고 있습니다. 강화학습을 활용한 동적 가격 결정, 다목적 경로 추천, 재고관리 등은 실제 산업 현장에서 높은 실효성을 보이고 있으며, 최신 인공지능 기법과의 융합을 통해 더욱 정교한 의사결정 지원 시스템을 구축하고 있습니다.
시계열 분석 분야에서는 대규모 수요 데이터의 특성 분류, 결측치 대체, 예측 모델링 등 다양한 연구를 수행하고 있습니다. 예를 들어, 소매유통 기업의 수요예측, 전력 사용량 예측, 영화 관객 수 예측 등에서 시계열 데이터의 특성을 반영한 맞춤형 예측 모델을 개발하고, 실제 데이터를 활용한 실증 연구를 통해 모델의 성능을 검증하고 있습니다. 또한, 빅데이터와 머신러닝을 결합한 추천 시스템, 텍스트 분류, 키워드 선정 등 다양한 비즈니스 문제에 대한 데이터 기반 접근법을 제시하고 있습니다.
이러한 연구는 기업의 경영 효율성 제고와 경쟁력 강화를 위한 실질적인 도구로 활용되고 있습니다. 앞으로도 본 연구실은 데이터사이언스, 인공지능, 최적화 기법을 융합하여, 산업 현장의 다양한 문제를 해결하고, 데이터 기반의 혁신적 의사결정 문화를 확산시키는 데 기여할 것입니다.
에너지 시스템 및 친환경 정책 평가와 최적화
본 연구실은 에너지 시스템의 효율성 향상과 친환경 정책의 효과 평가 및 최적화에 관한 연구를 활발히 수행하고 있습니다. 특히, 전력 시스템의 신재생 에너지 통합, 에너지 저장 시스템(ESS) 운영, 탄소 배출권 거래제도, 온실가스 감축 정책 등 국가적·산업적 차원의 에너지 및 환경 문제를 수학적 모델링과 데이터 분석을 통해 체계적으로 접근하고 있습니다.
연구실에서는 확률계획법, DEA(자료포락분석), 시뮬레이션, 강화학습 등 다양한 방법론을 활용하여 에너지 효율성 평가, 장기 전원구성 계획, 전력 수급 안정성, 탄소배출권 할당 및 거래 전략 등을 연구합니다. 예를 들어, 신재생 에너지의 공급 불확실성이 전력 시장에 미치는 영향, 에너지 다소비 기업의 에너지 효율성과 재무성과의 관계, 그리드-연계 마이크로그리드의 최적 운영 정책, 에너지 저장 시스템의 경제성 평가 등 다양한 주제를 다루고 있습니다.
이러한 연구는 정부 정책 수립, 기업의 에너지 관리, 사회적 지속가능성 확보 등 다양한 분야에 실질적인 기여를 하고 있습니다. 앞으로도 본 연구실은 에너지와 환경 분야의 복잡한 문제를 해결하기 위해 첨단 분석 기법을 지속적으로 개발하고, 친환경 사회로의 전환을 위한 과학적 근거와 실질적 솔루션을 제공하는 데 앞장설 것입니다.
