오현석 연구실

기계공학부 오현석

오현석 연구실은 기계공학부를 기반으로 신뢰성공학, 인공지능, 데이터 기반 건전성 진단 및 예측 분야에서 세계적인 연구를 수행하고 있습니다. 연구실은 회전체, 베어링, 기어박스, 펌프, 전자밸브 등 다양한 기계 시스템의 고장 진단 및 잔여수명 예측을 위한 물리 기반 모델링, 통계적 분석, 그리고 첨단 인공지능 기법을 융합하여 연구를 전개하고 있습니다. 특히, 실제 산업 현장에서 발생하는 데이터 부족, 불균형, 불확실성 문제를 해결하기 위해 생성 모델, 도메인 적응, 반복 학습 등 혁신적인 데이터 처리 및 학습 방법론을 적극적으로 도입하고 있습니다. 연구실은 인공지능 및 머신러닝 기술을 활용한 결함 진단, 이상 탐지, 자기지도학습, 전이학습, 생성 모델 등 최신 AI 기법을 적용하여 기존의 규칙 기반 또는 경험적 방법이 가지는 한계를 극복하고 있습니다. 주파수-강조 신경망, CutMix 기반 자기지도학습, 하이브리드 결함 크기 추정기 등 혁신적인 알고리즘을 통해 복잡한 산업 환경에서의 결함 검출 정확도를 크게 향상시키고 있습니다. 또한, 대규모 플랜트, 파이프라인, 원자력 발전소 등에서의 구조물 건전성 모니터링을 위해 최적 센서 배치 문제에 대한 연구도 병행하고 있습니다. 설명 가능한 인공지능(XAI) 기법을 활용하여 센서 후보 위치의 중요도를 시각화하고, 유전 알고리즘, 확률론적 최적화 등 다양한 방법을 통해 제한된 센서 자원으로도 최대의 결함 검출 성능을 달성할 수 있는 센서 네트워크 설계 방법론을 제시하고 있습니다. 이 과정에서 불확실성, 환경 변화, 데이터 품질 저하 등 현실적인 문제를 고려한 견고한 설계가 이루어집니다. 이러한 연구는 실제 산업 현장에 적용되어, 전기차 구동계, 원전 1차계통, 해양 플랜트, 스마트 팩토리 등 다양한 분야에서 실질적인 성과를 창출하고 있습니다. 연구실은 신뢰성 평가와 잔여수명 예측을 위해 베이지안 추론, 확률론적 모델, 물리 기반 열화 모델 등 다양한 접근법을 적용하고 있습니다. 또한, 실시간 상태 모니터링, 예지보전(PHM), 최적 센서 배치, 결함 검출 및 분류, 고장 원인 분석 등 다양한 응용 분야로 연구를 확장하고 있습니다. 실험 및 현장 데이터를 통해 개발된 알고리즘의 성능을 검증하고, 산업 현장의 안전성 및 신뢰성 향상, 유지보수 비용 절감, 설비 가동률 극대화에 기여하고 있습니다. 앞으로도 오현석 연구실은 신뢰성공학과 인공지능의 융합을 통해 기계 시스템의 예지보전 및 스마트 유지보수 분야에서 선도적인 역할을 지속적으로 수행할 계획입니다. 이와 더불어, 극한 환경 우주 탐사, 차세대 전기차, 원전 지능형 진단 등 미래 산업의 핵심 기술 개발에도 적극적으로 참여하여, 학문적·산업적 가치를 동시에 창출하는 연구실로 성장하고자 합니다.