본 연구는 크게 두 가지의 주제로 구성되어 있다. 첫째로, 핵심 제조설비의 예지보전 시점 추정을 위한 AI 예측 모델을 개발한다. AI 모델을 개발하기 위해 핵심 제조설비의 성능 저하 및 건전성을 반영하는 적합한 데이터를 실시간으로 수집하여 저장하고, 다양한 공정 조건의 정보를 반영한 데이터를 수집할 계획이다. 또한, 다변량 시계열 데이터를 이용하기에 적합한 one-dimensional convolutional neural network (1D CNN)과 transformer 구조의 예측 모델을 구축하고자 한다. 추가로, 특정 하위 부속 혹은 설비 내 국소적 유지보수 판단을 위해 attention mechanism을 활용하여, 전체적인 제조설비의 잔여 수명 및 건전성 정도 예측 성능을 제고할 수 있을 것으로 기대한다. 둘째로, 생산일정에 따른 예지보전 시점 예측 모델을 고려하여, 생산제품의 납기일정 등과 같은 생산계획 목표 달성을 위한 최적 생산 스케줄링 모델을 개발할 예정이다. 이를 위해, 여러 공정을 거치는 다양한 제품의 생산계획을 가정하고, 생산시간 단축, 납기지연 최소화 등 전통적인 생산 스케줄링의 목적 함수를 고려하면서, 예지보전 계획을 동시에 다루기 위한 이론적 연구를 수행할 예정이다. 즉, 문제를 모델링하고(예: mixed integer linear programming, MILP), 문제의 복잡도(complexity) 분석, 최적해 속성을 도출하는 분석적 이론 연구를 수행할 예정이다. 이러한 속성들은 최적 알고리즘 개발에 활용될 수 있으며, 이를 통해 복잡도(complexity)가 높은 문제 또한 효과적으로 다룰 수 있을 것으로 기대한다. 또한, 개발된 최적화 모형을 실제 중소제조기업 핵심 제조설비에 적용하여, 모델 적용 효과 검증 및 개선이 이루어 질 예정이다.