이 연구 주제는 제조 공정에서 발생하는 복잡한 품질 문제를 단순 상관관계가 아니라 인과 구조의 관점에서 해석하고 관리하는 방법론 개발에 초점을 둔다. 연구실은 전통적인 품질공정관리와 응용통계의 기반 위에 데이터사이언스와 인과추론 기법을 결합하여, 스마트 공장 환경에서 공정 이상을 조기에 감지하고 품질 저하의 근본 원인을 체계적으로 규명하는 접근을 추구한다. 특히 다변량·고차원 데이터가 생성되는 실제 제조 현장에서 공정 변수 간의 구조적 관계를 파악하는 것이 핵심 과제로 다뤄진다. 구체적으로는 딥러닝 기반 인과구조 추론, 이상 탐지, 근본 원인 분석, 해석 가능한 인공지능 기법이 중요한 방법론으로 활용된다. 연구실은 제조 현장의 다중 모드 특성, 시간에 따라 변화하는 공정 상태, 전문가 지식의 필요성 등 현실적 제약을 고려하여 통합 공정 관리 프레임워크를 설계한다. 이는 단순히 예측 정확도를 높이는 수준을 넘어, 왜 이상이 발생했는지 설명하고 어떤 변수에 개입해야 품질을 개선할 수 있는지를 제시하는 실용적 의사결정 지원 체계로 이어진다. 이러한 연구는 제조업의 생산성 향상, 불량률 감소, 공정 안정성 확보, 현장 운영의 자동화와 고도화에 직접적으로 기여할 수 있다. 또한 해석 가능한 분석 결과를 제공함으로써 현장 엔지니어와 관리자들이 알고리즘의 판단을 신뢰하고 실제 개선 활동에 반영할 수 있게 한다. 궁극적으로 연구실의 스마트 제조 연구는 통계적 품질관리의 전통을 계승하면서도, 인공지능과 인과 분석을 접목한 차세대 디지털 제조 혁신의 기반 기술을 구축하는 데 의의를 가진다.

이 연구 주제는 스마트폰과 웨어러블 기기에서 수집되는 행동·맥락 데이터를 활용하여 인간의 건강 행동과 디지털 치료제의 효과를 정밀하게 분석하는 데 초점을 둔다. 연구실은 디지털 치료제 사용 과정에서 생성되는 상호작용 데이터, 센서 데이터, 생활 패턴 데이터를 통합적으로 분석함으로써, 사용자의 참여도와 순응도, 그리고 건강 행동 변화 간의 관계를 깊이 이해하고자 한다. 이는 기존의 임상적 유효성 검증을 넘어 실제 사용 환경에서 디지털 헬스 기술이 어떻게 작동하는지를 밝히는 연구 방향이다. 특히 연구실은 모바일 헬스 데이터에 대해 인과분석을 적용하는 데 강점을 보인다. 스마트폰 센서 데이터는 관찰 데이터의 성격이 강하기 때문에, 단순한 상관분석만으로는 행동 변화의 원인을 설명하기 어렵다. 이에 따라 연구실은 매칭 기반 인과분석, 행동 데이터 마이닝, 사용 맥락 분석 등의 방법을 활용해 특정 디지털 개입이 사용자의 신체 활동, 순응 행동, 건강 상태에 어떤 영향을 미치는지를 정교하게 추정한다. 관련 특허에서도 모바일 데이터 기반 디지털치료제 인과성 추론 시스템을 제시하고 있어, 이 연구가 이론과 실제 구현 양면에서 발전하고 있음을 보여준다. 이 연구의 파급효과는 개인 맞춤형 디지털 헬스케어의 고도화에 있다. 사용자별 행동 패턴과 맥락에 맞는 개입 전략을 설계할 수 있으며, 디지털 치료제의 수용성·지속성·효과성을 함께 개선하는 데이터 기반 설계 원리를 제공한다. 더 나아가 의료, 공공보건, 고령자 돌봄, 만성질환 관리 등 다양한 영역으로 확장될 수 있으며, 사람 중심의 실사용 데이터 분석을 통해 의료기술의 실제적 가치와 사회적 효용을 높이는 핵심 연구 축으로 기능한다.