이 연구 주제는 선박 추진계, 전동기, 베어링, 회전체와 같은 선박·해양기계 핵심 장비의 이상 상태를 조기에 감지하고 고장을 예측하기 위한 인공지능 기반 진단 기술 개발에 초점을 둔다. 연구실은 특히 진동 시계열 데이터를 활용하여 실제 운용 환경에서 발생하는 복잡한 노이즈와 비정상 신호를 처리하고, 제한된 고장 라벨 상황에서도 신뢰도 높은 진단이 가능하도록 하는 방법론을 탐구한다. 이는 친환경 선박과 전기추진 선박의 확대에 따라 유지보수 효율과 운항 안전성이 점점 더 중요해지는 산업적 요구와도 밀접하게 연결된다. 세부적으로는 Denoising Autoencoder, 특징 기반 오토인코더, One-Class SVM 등 비지도 또는 준지도 학습 기법을 활용해 정상 데이터 중심의 이상 탐지 체계를 구축한다. 연구실의 논문들은 단순한 분류 정확도 향상에 그치지 않고, 실제 진동 데이터의 고주파 성분을 반영한 노이즈 설계, RMS·왜도·첨도 등 통계적 특징 추출, 적응형 임계값 기반 이상 판정 등 현장 적용성을 고려한 전처리 및 특징 공학을 함께 다룬다. 이러한 접근은 파형 손실이 발생하기 쉬운 기존 웨이블릿 기반 방식의 한계를 보완하면서도, 낮은 샘플링 환경이나 데이터 희소 상황에서도 안정적인 성능을 확보하는 데 목적이 있다. 향후 이 연구는 선박 추진계뿐 아니라 파력발전 장치, 해양에너지 시스템, 항만 및 해양플랜트 회전체 설비 등으로 확장될 가능성이 크다. 나아가 디지털 트윈, 상태기반 유지보수(CBM), 예지보전(PdM)와 연계되면, 고장 발생 후 대응하는 방식에서 벗어나 선제적으로 운용 전략을 조정하는 스마트 해양시스템 구축에 기여할 수 있다. 결국 본 연구는 선박 및 해양기계의 신뢰성, 안전성, 유지관리 비용 절감, 친환경 운항 효율 향상이라는 다층적 가치를 동시에 창출하는 핵심 기술 축으로 볼 수 있다.

이 연구 주제는 선박 구조물과 해양시스템의 형상 및 성능을 다목적 관점에서 최적화하기 위한 설계 방법론 개발에 중점을 둔다. 선박과 해양구조물은 강도, 중량, 내구성, 유체역학 성능, 제작성 등 여러 성능 목표를 동시에 만족해야 하며, 초기 설계 단계에서의 의사결정이 전체 수명주기 성능에 큰 영향을 미친다. 연구실은 이러한 복합 설계 문제를 보다 효율적으로 해결하기 위해 인공신경망과 응답표면기법을 결합한 Neuro-Response Surface Method를 제안하고 그 적용성을 검증해 왔다. 기존 응답표면기법은 계산 비용을 줄이는 데 유용하지만 비선형성이 강한 구조·유동 문제에서는 예측 오차가 커질 수 있다. 이에 연구실은 역전파 인공신경망을 기반으로 복잡한 설계 변수와 성능 간 관계를 근사하고, NSGA-II와 같은 다목적 유전 알고리즘을 적용해 여러 설계 해를 동시에 탐색하는 프레임워크를 구축한다. 이 방식은 부유식 해상풍력 하부구조, 선박 보강패널, 해양시스템 서브스트럭처 등 다양한 사례에 적용될 수 있으며, 수치해석과 상용코드 반복 실행에 소요되는 시간을 줄이면서도 설계 품질을 확보하는 장점을 가진다. 이 연구의 의의는 단순한 계산 효율 향상에 그치지 않고, AI를 설계 프로세스 전반에 통합함으로써 차세대 스마트 설계 환경을 구현한다는 점에 있다. 앞으로는 생성형 설계, 불확실성 기반 최적화, 생산 제약과 유지보수성까지 포함한 통합 설계로 확장될 수 있으며, 조선산업의 디지털 전환과 설계 자동화 수준을 높이는 핵심 기반이 될 수 있다. 특히 친환경 선박, 해상풍력, 자율운항선박 등 미래 해양 모빌리티 분야에서 고성능·저비용 설계를 실현하는 데 중요한 역할을 할 것으로 기대된다.

이 연구 주제는 조선해양 분야의 설계와 생산 공정을 데이터 기반으로 지능화하고, 대형 구조물의 품질 관리를 자동화하는 기술에 관한 것이다. 연구실의 대표 키워드인 '인공지능을 이용한 선박 설계 및 생산'은 단순한 해석 기술 개발을 넘어, 실제 조선소와 생산 현장에서 활용 가능한 검사·판단·관리 체계까지 포괄한다. 특히 대형 선박 블록이나 구조물의 치수 정확도는 생산 품질과 직결되므로, 이를 신속하고 정확하게 계측하는 기술은 산업적 파급력이 매우 크다. 관련 특허에서는 CCTV와 스마트 디바이스를 활용하여 대상체의 치수 정보를 측정하고, 설계 도면과의 정합 정도를 바탕으로 품질을 판단하는 시스템이 제시되어 있다. 이는 대형 대상체의 전체 치수를 복잡한 별도 장비 없이 비교적 간편하게 확보할 수 있도록 하며, 생산 현장의 검사 효율성과 작업 편의성을 높이는 방향으로 설계되었다. 이러한 접근은 컴퓨터 비전, 영상기반 계측, 디지털 도면 정합, 제조 품질관리 기술이 조선 생산 시스템과 결합된 사례로 볼 수 있다. 장기적으로 이 연구는 스마트 조선소 구현과 밀접하게 연관된다. 설계 데이터, 생산 공정 데이터, 검사 결과, 장비 상태 데이터가 하나의 디지털 체계로 통합되면, 생산 중 발생 가능한 오차를 조기에 탐지하고 공정 계획을 최적화할 수 있다. 나아가 AI 기반 의사결정 시스템과 연결될 경우 설계-생산-검사-유지관리의 전주기를 아우르는 자율형 조선 생산 플랫폼으로 발전할 수 있으며, 이는 생산성 향상, 재작업 감소, 품질 일관성 확보에 크게 기여할 것이다.