산업의 종류 구분 없이 운영에 관한 수요와 위험의 예측은 시장과 문제에 대하여 선제적인 준비 및 대처를 가능하게 하여 경영자들에게 중요한 이슈로서 자리매김하고 있습니다. 예측에 데이터를 활용함으로써 높은 정확도를 보이는 예측을 수행할 수 있게 되어, 이를 기반한 Predictive analytics에 대한 관심과 중요도는 증대되고 있습니다. 본 연구실에서는 1. 현장 데이터와 관련 외부 데이터를 활용한 예측 모델 개발 과 2. 예측 방법론 및 결과를 활용하여, 효율적 운영을 위한 서비스와 플랫폼 구축에 관련한 연구를 진행하여 Predictive analytics 기술의 발전에 기여하고 있습니다.
현장 데이터와 관련 외부 데이터를 활용한 예측 모델 개발
- 설비 데이터를 활용하여 상태 모니터링 및 예측을 바탕으로 설비 예지보전을 위한 기계학습 기반 예측 방법론 연구
- 데이터를 활용하여 운영 자원에 대한 운영 예측 분포를 추론하고 예측 프로세스 모델을 생성함으로써 현장에서 발생할 수 있는 다양한 상황 예측
- 이전에 개발된 분석 및 예측 알고리즘을 활용한 예측 결과 기반의 시뮬레이션으로부터 필요한 자원의 최적 수준 도출과 해당 조건 하에서 현장의 상황 전반 추론을 통한 예측 방법론 연구
- 정확한 자원의 패턴과 수요에 관한 데이터의 중장기 예측을 수행하기 위한 다계층 LSTM 예측 분석 방법론 개발
예측 방법론 및 결과를 활용하여, 효율적 운영을 위한 서비스와 플랫폼 구축
- 실시간으로 IoT 센서로부터 수집된 데이터를 활용한 모니터링 기반 설비 상태 예측 및 설비 데이터 패턴 분석 서비스 개발/구축
- 불확실한 외부 운영 장비의 상황에 대한 예측 결과를 포함한 운영 장비 데이터의 포괄적인 사용을 바탕으로 운영 계획 최적화를 강화학습을 활용하여 수행
- 운영 빅데이터 분석에 활용되는 프로세스 마이닝, 통계 기반의 방법론, 시뮬레이션, 인공지능 등의 방법론의 도입과 동시에 실제 현장 전문가가 손쉽게 이용할 수 있는 데이터 분석 및 예측 플랫폼 개발