대기이론(queueing theory)과 신뢰성공학 등의 기초가 되는 추계학(stochastic process)의 기본적 개념, 정리와 이의 실제 응용을 연구한다. Markov chain, Poisson process, Markov process, renewal theory 등의 여러 특성, 관련된 주요 정리 및 최고의 연구결과를 분석, 토의하여 기술자의 직관과 연구가의 이론의 부합을 이룬다.

기술혁신의 본질과 내용에 관한 기본 이론을 literature survey를 중심으로 살펴봄으로써 기술경영 전반에 대한 이론적, 실무적 관점과 문제의식의 제공을 목표로 함. 위의 기본이론을 주요 기술혁신 사례에 적용하는 project(case study)의 수행을 통해 이론과 실제를 연계하는 능력을 배양한다.

데이터마이닝 (Data Mining)은 대용량 데이터베이스에 존재하는 데이터 간의 관계, 패턴, 규칙 등을 찾아내고 모형화해서 의사결정을 돕고, 유용한 정보로 변환하는 일련의 과정이다. 본 강좌에서는 기술모델링과 예측모델링에 사용되는 통계학, 기계학습, 신경회로망 기법들을 공부하고, 응용 사례 연구와 패키지를 이용한 프로젝트를 수행한다.

차세대 (환경친화적, 정보집약적, 대량맞춤형) 제품 및 서비스의 경쟁력 제고를 목표로, 제품개발 과정에서의 각종 의사결정을 합리화하고, 제품의 기능, 구조 및 원가 측면에서의 설계최적화를 꾀하며, 이들을 지원하기 위한 효과적 정보시스템을 구축하는 측면에서의 각종 연구논제를 다룬다.

인체는 여러 가지의 활동적인 작업을 수행하기 위한 구조를 갖추고 있다. 인체의 작업수행이 영향을 받는 산업 환경의 요소들에 대하여 분석, 평가함으로써, 인간의 작업능력을 유지할 수 있는 작업환경에 관한 개념을 개발한다. 작업조건을 개선하기 위해 생체 각 부분의 국소 및 포괄적인 기능의 발생기전, 의의와 조절기전 등을 이해한다.

본 과목은 공과대학 대학원생 및 학부생을 대상으로 과학적이고 체계적인 기술지능(technology intelligence)의 접근방법을 토대로 기술혁신의 원천을 발굴하고 창의적인 아이디어를 개발하는 과정과 기법ㅇ르 이해하고 체화하는 것을 목표로 한다. 첫째, 최근 기술경영의 핵심과제로 대두되고 있는 기술지능의 주요 이론과 기법을 이해한다. 둘째, 기술지능의 기법을 활용하여 새로운 아이디어와 기술기회를 발굴하는 과정을 설계한다. 셋째, 개인적/집단적 토론과 학습을 통해 실제 아이디어를 도출하는 실습을 수행한다.

본 과목은 산업공학과 및 공과대학 대학원생을 대상으로 최신 고등 통계학습 이론과 기법 (확률 그래프모델, 커널방법, 다양체학습 등)을 소개하고 이를 중심으로 다양한 응용분야의 최신 연구주제에 적용하고 그 결과를 해석할 수 있는 능력을 배양하는 것을 목표로 한다.

현재 최적화 분야의 중요한 주제나 최신주제를 다룬다. 강의의 구성은 다음 주제들의 부분집합으로 이루어 진다.- 비선형계획 알고리즘: 최적화 원론에서 도입한 이론과 원리를 바탕으로 알고리즘들을 심화한다.- 근사해법: NP-hard 최적화 문제의 해 품질을 효율적으로 보장하는 해법을 다룬다.- 원추계획법: 최근 중요한 모형인 원추계획법의, 쌍대정리를 비롯한 문제구조와 그 응용을 다룬다.- 다항최적화: 목적함수나 제약식들이 다항식으로 주어진 최적화 문제의 구조와 해법을 다룬다.- 메타휴리스틱: 타부서치(tabu search)나 유전알고리즘(genetic algorithm)으로 대표되는 메타휴리스틱을 몇가지 살펴본다.

학부과정의 생산관리 과목에서 배운 생산시스템의 관리 및 통제기법에 대해 보다 심화된 내용을 소개한다. 세부항목으로는 재고관리, 자재소요계획, JIT, 종합적 품질관리, 작업장 통제, 총괄 생산 계획, 생산 능력 계획 등이 있다.

시스템 유효성의 척도로서 신뢰성, 가용성, 임무유효성, 의사신뢰성 등이 있는데, 신뢰성공학은 이들에 대한 이론적 배경과 이들이 시스템의 개발단계, 설계단계, 사용단계, 폐기단계에 이르기까지 시스템의 유효성에 미치는 영향을 분석하여 시스템의 적정 설계 및 유지정책을 유도해 내는 학문이다.

본 과목은 미래 제조 기업의 정보시스템에 관한 것이다. 최적 제조기업을 위한 정보시스템은 어떻게 설계, 구축, 관리되어야 하는가에 대한 것을 다루고 있으며 특히 최근 제조기업의 중요 논제로 등장한 ERP(Enterprise Resource Planning)과 SCM(Supply Chain Management)을 경영정보기술의 측면에서 공부한다. 본 과목은 크게 2부분으로 나눌 수 있다. 첫째, 제조기업의 운영과 관련된 Manufacturing Planning and Control 기법을 공부한다. 둘째, 이를 바탕으로 ERP 및 SCM의 미래 발전 방향에 대해 공부한다.

본 교과목에서는 경제적인 현상에 대해 이해하고, 수리적으로 분석하는 내용을 다룬다. Firm의 원가 최소화와 이익 최대화, 생산함수 추정, 비용함수 추정, 소비자의 효용 최대화 과정, 게임이론 등을 이해하고 분석하게 된다.

하이터치는 인간의 잠재적 욕구를 체계적으로 연구함으로써 제품에 반영하는 것을 목적으로 한다. 생활환경의 변화와 인간의 잠재적 욕구를 파악하여 새로운 제품개발 대상을 선정하고, 새로운 제품(non-existing product)을 개발해 본다. 하이터치 제품 개발 방법론을 체계적으로 학습하며, 실제 신제품 개발에 적용해 본다.

계산지능 분야 가운데 특히 기계학습/데이터마이닝 관련 분야의 state-of-the-art 논문을 읽고 발표 토론한다. 또한 term project를 통하여 새로운 해법을 제안하며 이의 성능을 실험을 통하여 증명한다. 후보 target 분야로는 Novelty detection, Ensemble learning algorithm, Web Mining등이 있다. 교재로 사용하는 논문은 starting point임.

산업공학의 새로운 기법들을 소개하고 이의 응용실태를 알아본다.

최근의 CRM, SCM을 개념을 좀더 심층적으로 다루게 된다.

기계학습은 다양한 분야에서 점차 큰 관심을 받고 있으나, 막상 실제 데이터에 적용하여 성공적인 결과를 도출하는 데에는 많은 어려움이 따른다. 본 과목은 기계학습 기법들을 실제 문제에 적용할 때에 중요한 데이터 전처리, 피쳐 추출, 차원 축소, 클래스 불균형, 모델 앙상블 등의 주제들을 다루고, 데이터로부터 모형과 종속성을 학습하는 원리와 기법들을 소개하는 바, 특히 확률, 통계 및 최적화 이론에 기반하여 신경망 (Neural Networks), 서포트 벡터 머신 (Support Vector Machines), 은닉 마르코프 모형 (Hidden Markov Models) 및 강화 학습 (Reinforcement Learning) 기법들을 공부한다. 또한, 이들 기법을 활용하여, 다양한 시계열 데이터들을 대상으로 예측 및 분류 모델을 구현하는 프로젝트들과 데이터 기반 학습의 사례 연구들이 포함된다.

이 과목의 목표는 최적화의 가장 중요한 기초인 볼록 최적화의 성질을 이해하여 이를 응용하는 학생들의 능력을 배양하는데 있다. 중요 주제로는 볼록집합, 볼록함수, 쌍대성, 그리고 다양한 볼록 최적화 모형 등이 있다. 특히, 90년대 이후 중요 최적화 모형으로 연구되고 있는 원추계획법을 포함한다.

이 강의는 공과대학의 대학원 및 학부 고학년 학생들을 대상으로 사용자 경험 설계의 기본 개념을 전달하고 훌륭한 사용자 경험을 제공하는 제품, 서비스 및 시스템을 설계하기 위한 기법을을 가르쳐 습득시키는 것을 목적으로 한다. 강의의 주요 주제들은 사용자 경험 프로세스 주기, 맥락 조사, 맥락 분석, 설계 요구조건 추출, 설계 정보 모형, 아이디어 생성, 프로토타이핑, 사용자 경험 평가 등을 포함한다.

이 강의는 공과대학의 대학원 및 학부 고학년 학생들을 대상으로 작업생체역학의 기본 개념을 전달하고 작업자의 건강과 작업 생산성을 향상하기 위한 설계 기법들을 가르쳐 습득시키는 것을 목적으로 한다. 강의의 주요 주제들은 근골격계의 구조, 인체측정학, 생체계측학, 작업생체역학 모형, 자세 스트레스, 인력 운반 작업 등을 포함한다.

본 과목은 산업공학과 및 공과대학 대학원생들을 대상으로 통계학습과 최적화의 접목을 통해 빅데이타 마이닝을 위한 효율적 알고리즘 설계를 목표로 한다. 이를 위해 다양한 최신 대용량 수치 최적화 기법을 소개하고 이를 MATLAB으로 구현하는 방법을 배운다.

본 과목은 산업공학과 및 공과대학 대학원생들을 대상으로 불확실상황에서의 보다 나은 결정을 지원하기 위한 최신 확률모형 이론과 기법을 소개하고 이를 중심으로 다양한 응용분야의 연구주제에 적용하고 그 결과를 해석할 수 있는 능력을 배양하는 것을 목표로 한다.

현실에서 발생하는 최적화 문제는 많은 경우, 효율적인 알고리즘을 갖지 않는 NP-hard 문제이다. 본 강의에서는 우선 이러한 문제를 식별하는데, 기본이 되는 최적화 계산론, 다항 변환 등을 도입한다. 그리고 NP-hard 문제의 좋은 해를 효율적으로 구하는 다양한 접근법을 다룬다.

스케줄링 이론은 다양한 제약 조건과 목적함수에 부합하도록 생산에 필요한 자원에 작업을 할당하도록 하는 의사결정 과정이다. 단일 기계 sequencing문제, flow shop 문제, group scheduling 문제, job shop scheduling 문제, project scheduling 문제 등 다양한 스케줄링 문제에 대하여 최적해 습득기법, 그리고 휴리스틱 해법 등에 대하여 공부한다.

본 강좌의 목표는 추론, 탐색, 전문가시스템, 지식표현, 사례기반추론, 에이전트기술 등 다양한 인공지능 기술을 소개하는 것이다. 이러한 기본 기술에 대한 이론과 함께 응용사례도 소개한다. 강의 중 몇 개의 간단한 인공지능 기술을 구현하는 과제를 통해, 수강생들은 널리 알려진 인공지능 프로그래밍 언어들 중 하나인 Prolog를 익힌다.

본 교과목에서는 우선 동적 시스템 분석의 기본이 되는 미분, 차분 방정식과 선형대수학에 대해 공부하고, 이를 이용해 Dynamic System을 이해하게 된다. 마지막으로 시스템을 관찰하고 통제하는 것에 대해 학습한다. 다시 말해서 본 교과목의 학습목표는, 이렇게 우리 생활과 밀접한 동적인 현상들을 수학적으로 관찰하고 분석하며, 통제할 수 있는 능력을 배양하는 것이라고 할 수 있다.

Bayesian 의사결정 과정에 관한 이론과 응용을 다루고 손실위험, 효용 등에 대한 개념을 소개하고 이론을 전개해서 결정분석에의 응용을 다룬다. 구체적 내용으로는 효용이론, 효율의 추정, 각 대안분석의 기본형태, 샘플링의 경제성, 위험분산 및 그룹결정 등을 다룬다.

제품의 품질보증정책 및 시스템의 품질평가척도인 신뢰성, 보수성, 가용성 분석을 다룬 최신관련논문을 발췌하여 연구한다.

기존의 수요예측기법과 더불어 최근의 수요예측기법의 흐름에 대해 고찰해 보고, 그 응용사례를 연구해본다.

본 과목은 산업공학과 및 공과대학 대학원생을 대상으로 다변량 데이터분석에 필요한 기반 지식을 전반적으로 이해하고 응용할 수 있는 능력을 배양함을 목표로 하며 이를 위해 다변량 통계학 (multivariate analysis) 방법론 (회귀분석, 요인분석, 군집분석, 판별분석, 구조화 방정식 등) 에 관한 이론과 실습을 중심으로 학습하고 이를 연구의 설계, 연구자료의 수집과 분석, 분석결과의 정리 그리고 결과를 해석하도록 한다.

경영 시스템을 운영하기 위한 전략 계획 및 통제에 대한 기법들을 바탕으로, 기업 모형을 기반으로 한 보다 상위의 의사 결정을 지원하는 전략적 운영 기법들과 적용사례들을 다루고 있다.

최근의 뉴로 컴퓨팅 기법과 이의 산업 응용 사례들에 대하여 공부한다. 특히, 특징 추출, 클러스터링 기법과 자기연상 신경망, 앙상블, support vector machine 등을 공부한다. 또한 마케팅, 최적화, 금융공학 분야에 대한 적용사례를 공부한다. 이를 토대로 수강생 개별적으로 알고리즘을 개발하거나 실제 데이터를 이용한 응용 프로젝트를 수행하여 이해를 넓힌다.

Stochastic process에 대한 기본적인 이해를 바탕으로 Asset price의 Behavior를 표현하는 기법들을 고찰해본다. 또한 파생상품 가격결정 모형이론을 위한 기초적인 수학적 모델링을 해 보고, 시뮬레이션을 통한 그 유용성을 검증해 본다.

기업의 근본적으로 재화와 용역의 계획, 설계, 개발, 생산(구현) 및 유통, 또는 그 밖의 관련행위를 통하여 이익을 창출하고 사회에 기여함을 목적으로 하는 바, 기업활동의 직접적 대상인 제품 및 서비스를 얼마나 체계적으로 관리(경영)할 수 있느냐 하는 것은 기업의 생존여부를 결정짓는 중요한 요소이다. 본 교과에서는 경쟁적 시장상황 하에서 신제품(서비스)개발을 통한 기업경쟁력의 제고를 목적으로, 이를 달성하기 위한 체계적 방법론을 토의한다. 다루어질 주요 논제는 (1) 제품 및 서비스의 가치측정 방법론, (2) 제품의 품질, 비용 및 가격 관리, (3) 플랫폼의 설계 및 관리, (4) 제품/서비스 다양성 관리, (5) 제품 수명주기 관리, (6) 제품개발과 관련된 리스크 관리, (7) 제품개발을 위한 프로젝트 및 프로세스 관리 방법론 등이다.

이 과목은 NP-hard 조합최적화 모형에 관한 계산론과 해법을 다루는 타 과목 조합최적화와 상보적인 내용을 다룬다. 즉, 풀기 쉬운 모형인 네트워크흐름문제, 매칭, 그리고 매트로이드 문제들을 다룬다. 특히 가장 중요한 해법 개발 개념인 다면체적인 접근법을 포함하여 기존의 선형계획적인 접근법과 일관성 있는 해법 개발의 개념을 습득하도록 한다.

정수계획법은 변수의 값이 정수로 제한되는 문제로, 현실에서 가장 많이 응용되는 최적화모형이다. 이 수업에서는 선형계획의 이론과 기본적인 수리적 기법으로 NP-hard 정수계획문제들을 해결하는 다양한 해법을 살펴본다. 분지한계법, 절단평면법, 라그랑지 쌍대기법, 열생성기법, 그리고 발견적 기법을 포함한다. 특히 학생들은 자신들의 문제를 모형화하고 해법을 개발, 구현하는 프로젝트를 수행하게 된다.

산업공학과 관련된 제반 연구문제들을 현장전문가의 세미나를 통하여 소개하고 교육한다.

본 과목의 목적은 공과대 대학원 과정 학생들을 대상으로 자동차 인간공학 관련 최신 지식들을 제공하고, 인간공학적 차량 설계 관련 연구를 제안, 수행하는 능력을 배양토록 하는데 있다. 인체 측정학, 사용자 수용 개념, 자동차 내부 공간 설계, SAE 표준, 운전 불편도/편의도 평가, 시트 디자인, 디지털 휴먼 모델, 가상 Fitting Trials, 감성공학 응용, Display와 Control의 설계, 승하차 설계, 보편적 설계 등의 주제를 다루게 된다. 수강생들은 다수의 디자인 문제들을 해결하고 Term 프로젝트를 수행함으로써 실제 산업 프로젝트를 제안, 수행하는 능력을 배양하게 된다.

전문적인 학술지를 중심으로 논문연구를 수행한다.

재고관리는 Harris(1913)의 경제적 생산량 모형이 후 100년 동안 산업공학에서 연구되어온 전통적인 학문 분야이며 최근 모든 산업에서 활발히 적용되고 있는 공급망관리의 이론적 근간이 되고 있다. 본 과목에서는 재고관리의 다양한 확정적 및 확률적 모형들에 대해서 공부한다. 또한 재고관리에 대한 주요 논문들을 분석하여 관련 분야 석박사 학생들의 논문 작성 능력을 향상시키는 훈련을 시키려고 한다.

본 강의는 산업공학과 대학원생들을 대상으로 1) 인간공학설계 분야의 최신 연구동향을 이해시키고, 2) 인간공학설계 관련 연구 역량을 제고시키는 것을 그 목적으로 한다. 수강생들은 최신 연구 논문들을 읽고 비평하며, 새로운 연구 아이디어들을 개발하게 된다. 또한 수강생들은 본 과목 수강 중 실제 연구 프로젝트를 수행하게 되며, 연구논문을 작성하는 경험을 하게 된다.

본 과목에서는 산업공학에서 널리 쓰이는 Discrete Event Simulation, System Dynamics, 그리고 Agent Based Model에 대한 기본개념과 이를 이용한 시스템 모델링 기법에 대하여 공부한다. 우선 각 모델링 기법의 사용 분야 및 장단점에 대해서 공부한 후 이들을 이용한 모델링을 구사할 수 있는 시뮬레이션 패키지를 공부한다. 이를 이용하여 산업공학이 적용되는 제조 시스템, 유통 공급망 및 Healthcare 시스템 등의 복잡한 시스템들을 여러 모델 기법들이 합쳐진 복합 모델로 구사하기 위한 모델 컨셉 정의, 세부 모델 분야 구분 및 구축, 시스템 모델 통합 및 검증 과정에 대하여 공부한다. 위 내용들을 기반으로 산업공학 분야의 여러 시스템들에 대한 실용연구를 프로젝트 중심으로 수행한다.

현재 세계 굴지의 기업들에서는 전 세계에 위치한 핵심 기술 분야의 인력들을 팀들로 구성하여 경쟁력 있는 제품들을 기획하고 개발하고 있으며, 이에 따라 여러 국가들의 인원들로 구성된 팀원들과의 협업을 잘 할 수 있는 능력이 부각되고 있다. 본 과목에서는 해외 대학과의 협동강의 및 국제화된 학생팀들의 협업을 통하여 제품안을 기획하고 구상하는 과정을 공부한다. 학생들은 제품안 기획, 구상, 설계 및 개발에 필요한 제품개발 과정 개요, AHP, 사용자 중심의 제품 설계, 다양한 DfX 방법론 및 여러 문화배경을 가진 사람들과 협업하기 위한 윤리에 대하여 공부한다. 학생팀들은 기말 프로젝트를 통하여 배운 내용들을 적용하게 된다.

수리적 모형으로 해를 찾을 수 없는 복잡한 시스템을 효과적으로 분석하기 위한 시뮬레이션의 개념, 이론 및 응용을 본 과목에서 다룬다. 컴퓨터 논리, 몬테카를로 시뮬레이션, 난수 발생법, 확률 변수 발생 방법, 엑셀 및 C언어를 사용한 시뮬레이션을 공부한다. 입력 분포의 설정 및 출력 분석을 다루며, 다양한 분산 감소 기법들을 공부한다.

본 강좌에서는 시스템 구성원들간에 상호 작용을 하면서 영향을 주는 상황인 경쟁시스템에서의 의사결정 문제를 체계적으로 모형화하고 분석하는데 필요한 기본 개념과 분석 방법론을 학습하는 것을 목적으로 한다. 이를 위하여 경쟁적 상황에 관한 수리적이고 과학적인 분석 기법인 게임이론을 소개하며, 특히 산업공학 분야에서 존재하는 경쟁적 시스템에 대하여 게임이론적 분석을 응용할 수 있는 능력을 배양하기 위하여 응용중심의 학습에 강좌의 주안점을 둔다. 구체적으로 전략형 게임 모형과 전개적 게임 모형, 순수전략과 혼합전략, 내쉬균형, 불완전 정보 하에서의 베이지안 게임, 그리고 진화게임 등의 최근 논제도 응용 중심으로 학습한다.

인공 신경망을 기반으로 하는 심층 학습 (Deep Learning) 시스템들은 음성/이미지 인식, 번역, 자율 주행 등 다양한 인공지능 영역에서 광범위하게 확산되고 있으며, 관련 기술 또한 빠르게 발전하고 있는 바, 산업 전반에 걸친 시스템의 지능화를 위해, 심층 학습 모형에 대한 이해와 활용 능력이 점차 중요해지고 있다. 본 과목에서는 심층 학습의 주요 이론과 기법을 학습하는 것을 목적으로, 구체적으로 표현형 학습 (Representation Learning), 심층 피드포워드 신경망 (Deep Feedforward Networks), 합성곱 신경망 (Convolutional Neural Networks), 순환 신경망 (Recurrent Neural Networks), 심층 오토인코더 (Deep Autoencoders), 심층 생성 모형 (Deep Generative Models), 심층 강화학습 (Deep Reinforcement Learning) 기법들을 다루고, 이들을 이해하기 위한 기계학습 및 수리적 기초 이론들을 배운다. 또한, 본 과목은 심층 학습 모델을 활용하여 멀티미디어 데이터들을 대상으로 분류, 예측, 패턴 인식, 생성 모델을 구현하는 프로젝트들 및 심층 학습 응용 사례 연구들을 포함한다.