|
|
|
|
|
 |
제가 연구하고자 하는 핵심 분야는 산업데이터를 기반으로 한 예측 및 이상 탐지 AI 모델 개발입니다.
특히 실제 스마트팩토리 환경에서 발생하는 다양한 형태의 센서 데이터, 이미지, 로그 데이터를 다층적으로 분석하고, 이를 바탕으로 공정 최적화나 설비 이상 예측을 수행할 수 있는 모델링 기법에 깊은 관심을 가지고 있습니다.
두 번째 관심주제는 비정형 데이터 기반의 공정품질 예측 모델 구축입니다.
석사과정에서는 스마트 제조 환경에서 생성되는 시계열 센서 데이터를 기반으로 설비의 이상 징후를 사전에 예측하고 조치할 수 있는 모델을 개발하는 데 집중하고자 합니다.
연구 초반에는 실제 제조 데이터를 기반으로 전처리 및 특징 추출 작업부터 진행할 계획입니다.
이를 위해 모델의 입출력 구조 설계뿐 아니라, 데이터 수집-처리-예측-알림까지 전 과정을 시스템화할 수 있는 아키텍처 설계 능력을 기르고자 합니다.
|
|
|
 |
학업계획서]
본 학업계획서는 전공 학습과 향후 진로에 활용되도록 구성하였습니다.
단순한 개발과제가 아니라, 현장에서 발생하는 실제 문제를 기술로 해결하는 일이었기에 훨씬 더 생생하게 다가왔습니다.
산업인공지능 분야는 단순한 모델링 능력보다 '도메인 지식'과 '현장 감각'이 함께 필요하다는 점에서 굉장히 매력적인 학문이라고 생각합니다.
특히 스마트 제조, 에너지, 물류, 건설 등 다양한 산업분야와 협력연구를 수행하고 있다는 점에서 학문적 이론을 실제 기술로 연결하는 경험을 쌓을 수 있을 것이라 판단했습니다.
제가 연구하고자 하는 핵심 분야는 산업데이터를 기반으로 한 예측 및 이상 탐지 AI 모델 개발입니다.
특히 실제 스마트팩토리 환경에서 발생하는 다양한 형태의 센서 데이터, 이미지, 로그 데이터를 다층적으로 분석하고, 이를 바탕으로 공정 최적화나 설비 이상 예측을 수행할 수 있는 모델링 기법에 깊은 관심을 가지고 있습니다.
따라서 대학원 진학 후에는 다변량 시 계열 데이터 분석, 노이즈 필터링, 이상치 보정기법 등 기초적인 신호처리 역량을 선행학습하고, 이후 이를 AI 모델 설계에 통합하는 방식으로 연구를 확 장해나갈 계획입니다.
이러한 문제의식을 바탕으로 대학원에서는 다중 데이터 소스 융합(fusion) 기반의 예측시스템을 연구하고 싶습니다.
모델링 단계에서는 기존 LSTM 기반의 시계열 예측 모델뿐 아니라 최근 주목받는 Trans former구조를 적용할 예정입니다.
이 때 성능 비교를 위해 LSTM, GRU, CNN-LSTM 등 다양한 아키텍처와 실험을 병행할 예정이며, 평가지표로는 Precis ion, Recall, F1-Score 외에 MAE와 RMSE를 함께 적용하여 예측의 민감도와 정확도를 종합적으로 검증할 계획입니다.
이후에는 실제 산업환경에서 적용 가능한 형태로 모델을 경량화하고, 실시간 운영에 적합한 방식으로 배포할 수 있는 방안을 고민하고자 합니다.
Edge환경에서의 적용을 고려하여 ONNX, TensorRT와 같은 경량화도 구도 함께 학습하고 실험에 적용할 계획입니다.
이를 해결하기 위해 SHAP, LIME, AttentionWeight 시각화 등을 통해 예측 결과를 해석 가능한 형태로 제공하고자 합니다. |
 |
데이터, 모델, 예측, 이다, 실제, 연구, 기반, 산업, 시스템, 설계, 분석, 센서, 환경, 단순하다, 경험, 문제, 다양하다, 구조, 프로젝트, 화 |
|
|
|
|
|
|
 |
|
|
|
|
|
|
|
|
|
|
|
| |
|
|
|
2026.01.20
5페이지
