|
|
|
|
|
 |
저는 학부과정에서의 여러 경험을 통해, 단순한 기술실험이 아니라 실제 산업 문제 해결을 목표로 하는 연구에 더 큰 관심과 책임감을 가지게 되었습니다.
특히 해당 전공은 산업현장에서 발생하는 문제를 데이터 기반으로 구조화하고, 인공지능 모델을 통해 그 해법을 제시하는 데 중점을 두고 있습니다.
제가 석사과정에서 집중하고자 하는 연구 분야는 산업설비 상태 진단 및 예지보전을 위한 인공지능 기반 시 계열분석 및 이상 탐지기술 개발입니다.
제가 지금까지 경험한 산업데이터 프로젝트들은 학부 수준에서의 문제 해결이었지만, 석사과정을 통해 보다 구조화된 방법론과 이론적 근거를 갖춘 연구를 수행하고자 합니다.
제가 석사과정에서 집중하고자 하는 연구 주제는 산업환경에서 발생하는 설비의 이상 징후를 조기에 인식하고, 고장이전에 유지보수를 예측할 수 있는 경량인공지능 모델 개발입니다.
연구 초기에는 먼저 이상 징후를 조기에 감지하기 위한 센서 데이터 기반의 시계열분류 구조를 설계할 계획입니다.
그래서 저는 다양한 센서 데이터를 통합분석할 수 있는 멀티채널 기반 시 계열 구조를 도입할 계획입니다.
실제 데이터가 확보될 경우에는 추가적인 도메인 지식기반의 특성 엔지니어링을 병행하여, 단순한 모델 설계를 넘어서 산업현장의 요구를 반영한 실용적 알고리즘을 구현하고자 합니다.
|
|
|
 |
산업현장에서 발생하는 다양한 문제들을 체계적으로 해결할 수 있는 인공지능 기술에 관심을 갖게 된 계기는 학부 2학년 때였습니다.
그 후 저는 산업현장의 문제를 인공지능으로 해결하는 데 필요한 기술역량을 기르기 위해 여러 프로젝트에 참여하였습니다.
단순히 모델 정확도를 높이는 것이 아니라, 현장에서 실제 적용 가능한 속도와 안정성을 확보하는 것이 더욱 중요하다는 사실을 직접 경험하면서, 산업환경에서의 AI 연구가 얼마나 복합적인 고려를 필요로 하는지 체감할 수 있었습니다.
산업인공지능은 복잡한 시스템, 다양한 이해관계, 변화하는 환경 속에서도 안정적인 성능과 효율성을 유지할 수 있는 기술적 접근을 요구한다고 생각합니다.
저는 학부과정에서의 여러 경험을 통해, 단순한 기술실험이 아니라 실제 산업 문제 해결을 목표로 하는 연구에 더 큰 관심과 책임감을 가지게 되었습니다.
석사과정을 통해 제가 연구자로서 한 단계 더 성장하기 위해서는 지금까지의 경험을 바탕으로 이론과 실무를 균형 있게 통합할 수 있는 학습환경이 필요하다고 판단했고, 고려대학교 산업인공지능 전공은 그에 가장 적합한 곳이라 생각하게 되었습니다.
특히 해당 전공은 산업현장에서 발생하는 문제를 데이터 기반으로 구조화하고, 인공지능 모델을 통해 그 해법을 제시하는 데 중점을 두고 있습니다.
저는 산업시스템 최적화, 품질 예측, 수요예측, 설비 유지보수 자동화 등 현실 문제에 깊이 천착하고 있는 커리큘럼과 연구환경에서 직접 문제 해결 과정을 체험하고 싶습니다.
제가 석사과정에서 집중하고자 하는 연구 분야는 산업설비 상태 진단 및 예지보전을 위한 인공지능 기반 시 계열분석 및 이상 탐지기술 개발입니다.
특히, 기존의 단순 예측 정확도 중심 접근을 넘어, 실제 산업환경에서 발생하는데이터 불균형, 시스템 자원제한, 이상 유형의 다양성 등 현실적 제약조건을 고려하여 실시간 성과 신뢰성을 동시에 확보할 수 있는 경량모델 설계 및 설명 가능한 AI를 연구하고자 합니다.
이후 GRU 기반 시 계열 모델로 전환하였고, slidingwindow를 통해 학습 데이터를 재구성한 결과 성능이 향상되었습니다.
이 프로젝트에서는 데이터 수집이 실시간으로 이뤄졌고, 학습한 모델을 실제 공장 모니터링 시스템에 탑재해야 했기에, 모델 크기와 처리 속도에 대한 제약이 컸습니다.
저는 여기서 처음으로 경량화 딥러닝 모델에 대해 학습하게 되었고, MobileNet과 SqueezeNet 등 기존의 영상 처리용 구조를 시계열 문제에 맞게 변형 하여 실험했습니다.
각 센서 데이터를 개별 네트워크로 처리한 후, attention기반fus ion기법을 적용하여 서로 다른 모달간의 상호작용을 반영하는 구조를 설계할 예정입니다.
제가 석사과정에서 집중하고자 하는 연구 주제는 산업환경에서 발생하는 설비의 이상 징후를 조기에 인식하고, 고장이전에 유지보수를 예측할 수 있는 경량인공지능 모델 개발입니다.
연구 초기에는 먼저 이상 징후를 조기에 감지하기 위한 센서 데이터 기반의 시계열분류 구조를 설계할 계획입니다.
그래서 저는 ExplainableAI 기법을 결합한 이상 탐지 모델도 함께 설계할 예정입니다.
이 과정은 단순한 기술적 정밀도를 넘어서, 현장과의 접점을 고려한 연구 설계를 위한 중요한 요소라고 생각합니다. |
 |
데이터, 모델, 산업, 구조, 연구, 기반, 이다, 실제, 설계, 예측, 통해, 되어다, 시스템, 문제, 성, 기술, 센서, 단순하다, 현장, 환경 |
|
|
|
|
|
|
 |
|
|
|
|
|
|
|
|
|
|
|
| |
|
|
|
2026.01.20
6페이지
