성균관대학교 스마트팩토리융합학과

본문 바로가기
주메뉴 바로가기
서브메뉴 바로가기

일반대학원 스마트팩토리융합학과
(석사 30명, 박사 5명)

홈페이지 방문을 환영합니다.

Read More

2016년 세계최초 스마트팩토리융합학과 신설

글로벌 선도 미래인재 양성, 지역수요 맞춤형 전문인력 양성, 산학협력 친화형 인재양성

Read More

지산학 연계·협력을 통한 선순환 체계 구축

기업수요기반 캡스톤디자인, 현장실습 운영

Read More

미래성장동력 육성을 통한 글로벌 미래변화 선도

2025 英QS 세계 대학순위 국내 톱5

Read More

제조분야 R&D 활성화로 기술혁신 선도

국내 최고수준 연구실적, 글로벌 연구역량 확보

Read More

Notice

News

석사과정 강정흔, SCIE 논문지(IEEE Access/Q2, 64.1%) 게재
2025-10-22
석사과정 강정흔 학생(지도교수: 정종필)의 연구(KD-LightMAD:Knowledge Distillation–based Lightweight Multimodal Anomaly Detection Framework for Smart Manufacturing)가 IEEE Access (Impact Factor: 3.6 (2024); 5-Year Eigenfactor: 0.34597)에 게재됐다. https://ieeexplore.ieee.org/document/11214136 / https://doi.org/10.1109/ACCESS.2025.3624007 논문요약 - With the advancements in smart manufacturing environments, the importance of anomaly detection methods that integrate and analyze heterogeneous multisensor data, e.g., partial discharge images and time-series signals, is becoming increasingly prominent. However, existing high-performance multi-modal models are limited in terms of their deployment in real-time systems or on edge devices due to their large number of parameters and high computational requirements. To address these issues, this paper proposes the knowledge distillation–based lightweight multimodal anomaly detection (KD-LightMAD) framework. The proposed framework is lightweight and achieves sufficient efficiency without compromising performance by inheriting the core feature information from MAD, a teacher model that combines RealNVP -based normalization flow, LIMoE-based expert selection structure, and SupCon-based contrastive learning. Experimental results demonstrate that the proposed KD-LightMAD framework achieves an ultralightweight size of only 15 MB by reducing the number of parameters by more than 98% compared with the teacher model, and it obtained an F1-score of 100.0%, thereby achieving performance that is equal to or better than that of existing state-of-the-art (SOTA) models. For example, the proposed framework realizes exceptional efficiency by reproducing the same performance as a 263-MB SOTA model at approximately 6% of its size. The findings of this study demonstrate that the proposed KD-LightMAD framework effectively fuses high-dimensional complex sensor data while maintaining real-time performance and accuracy, thereby enhancing the practicality and scalability of edge device–based anomaly detection systems for smart manufacturing.

박사과정 박진우, ESCI 논문지(Elsevier - Results in Engineering/Q1, 96.9%) 게재
2025-10-03
박사과정 박진우(지도교수: 정종필)의 연구(LyFormer: A context-aware transformer with progressive preprocessing for accurate detection of small, dense components in SMT manufacturing)가 Elsevier - Results in Engineering Jounrnal(Impact Factor: 7.9 (2024), 5-Year JIF: 7.4)에 게재됐다. https://www.sciencedirect.com/science/article/pii/S2590123025034681 / https://doi.org/10.1016/j.rineng.2025.107413 논문요약 - Accurate detection and counting of small electronic components on printed circuit boards (PCBs) are critical for ensuring product quality and operational efficiency in surface mount technology (SMT) assembly lines. In particular, reliable counting of semiconductor components inside reels using X-ray inspection is essential, as counting errors directly impact downstream manufacturing and quality assurance. However, existing YOLO-based detection frameworks, while effective in general contexts, often fail under complex SMT conditions with low contrast, high density, and noisy imagery. To address this limitation, we propose LyFormer, a YOLOv8s-based framework integrating four specialized modules: the Adaptive Multi-level Preprocessing Module (AMPM) for dynamic image preprocessing, the Spatial Relation-aware Image Segmentation Patch (SRISP) for precise localization, the Fine-grained Cue Extraction Module (FCEM) for enhancing subtle texture cues, and the Context-aware Transformer (CaT) for global–local context integration. Unlike conventional approaches such as FPN, Deformable DETR, and SAHI, LyFormer represents a modular backbone specifically designed for the low-contrast, high-density, and noise-prone characteristics of SMT X-ray imagery. Unlike prior improvements to YOLOv8s, LyFormer introduces four modules explicitly derived from SMT X-ray failure modes: AMPM integrates ROI-aware masking with contrast enhancement, going beyond global methods such as histogram equalization or Retinex; SRISP replaces SAHI's tiling with efficient relation-aware patching inside the backbone; FCEM compensates for the sensitivity of IoU and NWD to localization errors by reinforcing fine-grained cues; and CaT jointly leverages global–local context through ROI-biased attention and variable patch sizing, unlike standard Transformer-based detectors. Experiments on real-world SMT reel X-ray datasets show that LyFormer achieves a mean Average Precision (mAP@0.5) of 0.672, significantly surpassing the YOLOv8s baseline (0.399), while maintaining real-time performance. These results support LyFormer's accuracy, robustness, and practical value for small-object detection and counting in challenging industrial environments.

석사졸업생 류지혁, SCIE 논문지(Elsevier - Computers and Electrical Engineering/Q1, 84.2) 게재
2025-09-19
석사졸업생 류지혁(지도교수: 이채규, 정종필)의 연구(Design and deployment of an integrated network architecture leveraging RabbitMQ for optimizing automation systems in smart logistics)가 Elsevier - Computers and Electrical Engineering Journal(Impact Factor: 4.9 (2024))에 게재됐다. https://www.sciencedirect.com/science/article/pii/S0045790625006640 / https://doi.org/10.1016/j.compeleceng.2025.110721 논문요약 - Modern smart factories exhibit significant complexity due to the interaction of multiple subsystems and intricate network topologies. Such complexity often results in redundant communication processes between subsystems, which hinders communication efficiency, limits real-time responsiveness, and reduces overall system reliability. This study proposes an integrated network architecture utilizing RabbitMQ to eliminate redundant communication paths, thereby improving transfer speeds, enhancing real-time functionality, and strengthening system dependability. Experimental evaluation demonstrated that, under identical conditions, the RabbitMQ-based direct transmission method reduced average delay by approximately 30.9 % compared to the legacy interface, while the RabbitMQ-based Message Queuing Telemetry Transport (MQTT) method achieved an 81.4 % improvement. The architecture is designed to facilitate streamlined maintenance and to simplify future upgrades and expansions, ensuring adaptability to evolving operational requirements. By implementing this integrated framework, transportation subsystems within smart factories can be tangibly optimized, contributing to higher productivity and operational stability. This paper presents a comprehensive examination of the design principles, implementation procedures, and practical benefits of the proposed architecture, providing insights into its applicability in Industry 4.0 environments.

"회사가 천지개벽했다"…삼성과 손 잡고 확 뜯어고치니 '유목민 생활 끝'[AI 자율제조, 미래를 열다] - 박정수 교수
2025-06-23
"천지가 개벽했죠. 완전히 다른 회사가 됐습니다." 지난 12일 충남 천안 한서정공 생산 현장에서 만난 김수한 최고운영책임자(COO)는 생산 설비를 둘러보던 기자에게 이렇게 말했다. 한서정공은 최근 몇 년 새 생산 시스템을 전면적인 스마트 제조 방식으로 뜯어고쳤다. 작업지시는 고도화된 제조실행시스템(MES)을 통해 실시간 전달되고 조립 공정은 컨베이어 벨트 방식을 본떠 정비됐다. 자재를 조립 라인별로 배치하는 '키팅(Kitting)' 방식도 적용했다. 단계별 공정 현황 등 생산과 관련한 대부분의 작업 정보가 모니터로 실시간 공유됐다. 한서정공 작업자들이 삼성전자와 협업해 구축한 MES(제조실행시스템)와 흐름생산 공정 라인을 통해 생산된 차량을 점검하고 있다. 천안=윤동주 기자 한서정공 작업자들이 삼성전자와 협업해 구축한 MES(제조실행시스템)와 흐름생산 공정 라인을 통해 생산된 차량을 점검하고 있다. 천안=윤동주 기자 하루 1대도 못 만들던 시절…'흐름 생산체계'로 전환 2022년만 해도 한서정공의 생산 방식은 일명 '유목민' 형이었다. 직원들이 조립 중인 차량을 따라 몰려다녔고, 자재도 일일이 찾아다녀야 했다. 이에 납기 지연과 자재 혼선, 공정 간 불균형이 심각했다. 당시 특장차 일평균 생산량은 0.9대, 연매출은 352억원, 영업이익은 7억원에 불과했다. 하루에 한 대도 못 만드는 생산성과 납기 대응 능력 모두 한계에 부딪힌 상황이었다. 전환의 계기는 중소벤처기업부·삼성전자 등이 공동 추진하는 '대중소 상생형 스마트공장 구축지원 사업'이었다. 자금 지원과 삼성전자의 멘토링 지원을 바탕으로 2023년 맞춤형 스마트공장 구축에 착수한 것이다. 삼성전자의 멘토들이 많을 땐 20명씩 상주하며 3개월간 밀착 지원을 했다는 게 김 COO의 설명이다. 그 결과, 유목민형이었던 생산 체계가 '흐름 중심 스마트 생산 체계'로 탈바꿈했다. 성과는 괄목할 만하다. 일평균 생산량은 50%가량 증가했고 제조에 소요되는 시간은 약 36% 줄었다. 재고관리의 정확도는 104%나 향상됐다고 한다. 이런 변화에 힘입은 한서정공의 지난해 매출은 436억원, 영업이익은 14억원으로 불어났다. 직원 수도 70명에서 80명으로 늘며 고용이 크게 개선됐다. ICT 활용도에 따라 스마트공장은 기초, 중간 1~2, 고도화 등 네 단계로 나뉘는데 이 기업의 스마트공장 수준은 '중간 2단계'에 해당한다. 김수한 한서정공 경영운영책임자(COO)가 삼성전자와 협업해 제조현장 고도화 작업으로 구축한 흐름 중심 생산 방식에 대해 설명하고 있다. 천안=윤동주 기자 김수한 한서정공 경영운영책임자(COO)가 삼성전자와 협업해 제조현장 고도화 작업으로 구축한 흐름 중심 생산 방식에 대해 설명하고 있다. 천안=윤동주 기자 특히 주목할 점은 한서정공이 삼성의 노하우를 매뉴얼화해 지적자산화했다는 것이다. 특장차에 적용된 신생산 방식은 현재 소방차·농기계 등 전체 제품군으로 확대했다. 최근엔 인공지능(AI) 도입을 통한 추가적인 설비 고도화에 착수했다. '제조의 미래'라고 하는 자율제조 시스템에 조금씩 더 가까워지고 있는 셈이다. 도입률 18.6%…대부분의 중소기업은 '그림의 떡' 한서정공의 변화는 정부의 정책지원과 대기업의 기술지원이 어우러져 일궈낸 대표적인 성공사례로 업계 안팎에서 손꼽힌다. 그런데 문제는 아직 이런 사례가 소수에 불과하다는 점이다. 대부분의 중소기업에 스마트공장 구축 및 자율제조 체계로의 전환은 여전히 언감생심이다. 지난 4월 중소벤처기업부의 '제1차 스마트제조혁신 실태조사'에 따르면 국내 공장을 보유한 중소·중견 제조기업 16만여곳 가운데 스마트공장을 도입한 비율은 18.6%에 그쳤다. 10곳 중 채 2곳도 도입하지 못한 셈이다. 스마트공장 도입의 필요성에 대한 인식 자체는 낮지 않다. 2021년 한국개발연구원(KDI)의 '스마트팩토리(공장)에 대한 중소기업 인식조사'에 따르면 중소기업의 36.6%는 스마트공장 전환 필요성에 '동의한다'고 답했다. '보통이다'는 42.8%, '동의하지 않는다'는 20.6%로 가장 적었다. 생산량 증가(68.0%), 가동률 향상(68.8%), 불량률 감소(61.0%) 등 기대 효과도 분명히 인식하고 있다. 그런데도 기업들이 도입을 망설이는 가장 큰 이유는 '전환비용 부담'이다. 중기부에 따르면 스마트공장 구축에는 평균 11억3000만원, 중소기업도 7억5000만원이 소요된다. 하지만 정부 지원은 기초단계 5000만원, 중간 1단계 이상 최대 2억원에 불과했다. 최근 중기부는 스마트공장 정책 기조를 '양적 확대'에서 '질적 고도화' 중심으로 전환했다. 이는 대중소 상생형 사업 등을 통해 스마트공장 3만개란 양적 목표는 달성이 됐다고 판단한 데 따른 조치다. 이에 따라 이전까지 이뤄지던 기초적인 스마트공장 도입 관련 자금 지원은 다소 오그라드는 흐름이다. 고도화가 이뤄지지 않으면 제조업 전반의 경쟁력 약화는 불가피하다. 단순 자동화를 넘어 AI 기반 분석·예측과 실시간 제어가 가능한 자율제조 체계로의 전환이 지연될수록 글로벌 공급망 경쟁에서 뒤처질 가능성이 커지기 때문이다. 저변 확대가 곧 고도화…산학연 연계도 관건 이 같은 관점에서 정부의 판단에도 나름대로 근거는 있지만, 아직은 양적 확대에 무게를 두고 장기적인 자율제조의 기반을 마련하기 위한 기초 생태계를 조성하는 게 더 시급하다는 주장도 전문가들 사이에서 제기된다. 장기적으로 산업 전반의 자율제조를 유도하기 위한 기초체력의 증진이 여전히 긴요하다는 것이다. 박정수 성균관대 스마트팩토리융합학과 교수는 "3만개 스마트공장의 평균 수준을 끌어올리겠다는 것이 정부의 방침으로 보인다"며 "정부가 자꾸 스타 플레이어를 골라내려는 방식이 문제"라고 했다. 그는 "지금 필요한 건 3만개가 아니라 30만개의 기초 스마트공장"이라고 강조했다. 오영주 중소벤처기업부 장관이 지난해 3월 서울 영등포구 중소기업중앙회에서 열린 '대·중·소 상생형 스마트공장 상생협약식'에서 인사말을 하고 있다. 연합뉴스 오영주 중소벤처기업부 장관이 지난해 3월 서울 영등포구 중소기업중앙회에서 열린 '대·중·소 상생형 스마트공장 상생협약식'에서 인사말을 하고 있다. 연합뉴스 무엇보다 중소기업이 상생형 사업 등을 통해 기초 수준이라도 스마트공장을 도입해 직접 '경험'을 쌓게 해야 한다는 것이 박 교수의 주장이다. 경험이 쌓이면 기업 스스로 변화의 필요성을 인식하고, 이후 고도화로 이어질 수 있다는 설명이다. 박 교수는 "기초 단계를 경험한 기업 가운데 일부는 펀더멘털이 튼튼해져 정부 도움 없이도 고도화로 나아갈 수 있다"며 "그게 기업가 정신이고 진짜 자율제조"라고 말했다. 기초의 저변 확대가 자생적 혁신으로 연결된다는 것이다. 김수영 호서대 AI스마트팩토리융합공학과 교수 역시 "너무 빨리 가고 있는 듯하다. 걷지도 못하는데 하늘을 날라고 하는 셈"이라며 스마트공장 정책이 고도화 중심으로 급격히 이동한 현실을 우려했다. 그는 이어 "기초 단계에서 아날로그·디지털 융합 기반을 제대로 구축하지 않은 채로는 고도화의 의미가 없다"고 꼬집었다. 이들은 아울러 산학연 협력체계를 정비할 필요가 있다고 입을 모았다. 기초 시스템을 경험한 기업들이 기술을 이해하고, 필요한 기술을 스스로 도입할 수 있도록 교육을 통한 역량 강화가 필요하다는 설명이다. 각 거점 대학별로 기업들에 산학연 교육 프로그램을 제공하면 이런 애로를 상당 부분 해소할 수 있다고 두 교수는 제언했다.

석사과정 공석현, SCIE 논문지(MDPI applied sciences/Q1) 게재
2025-05-07
석사과정 공석현 학생(지도교수: 정종필)의 연구(SPT-AD: Self-Supervised Pyramidal Transformer Network-Based Anomaly Detection of Time Series Vibration Data)가 MDPI applied sciences(Impact Factor: 2.5 (2023); 5-Year Impact Factor: 2.7 (2023))에 게재됐다. https://www.mdpi.com/2076-3417/15/9/5185 / https://doi.org/10.3390/app15095185 논문요약 - Bearing fault diagnosis is a key factor in maintaining the stability and performance of mechanical systems, necessitating reliable methods for anomaly detection and prediction. Unlike traditional conservative maintenance approaches, the importance of predictive maintenance where real-time condition monitoring enables proactive preventive measures has been growing steadily. In this study, we propose a deep learning method that effectively discriminates between normal and abnormal bearing conditions, while predicting potential faults in advance. To achieve this, we develop a time series anomaly detection model based on a supervised learning transformer architecture. Our proposed model tackles the data imbalance issue by generating four types of synthetic anomalies from normal vibration data and incorporates a pyramid-structured attention module to reduce computational costs and enhance the handling of long-term dependencies. Experimental results on real bearing vibration datasets demonstrate improved F1-scores over 6%p compared to existing models and demonstrate a significant reduction in computational costs in specific experimental environments. By reliably identifying and predicting bearing faults at an early stage, this research contributes to reducing maintenance costs and improving system stability. Furthermore, it is expected to have wide applicability for state monitoring and anomaly detection in various rotating machinery systems.

'AI 에이전트경제' 시대가 온다
2025-03-27
2024년이 인공지능(AI) 도입의 해였다면 2025년은 피지컬(Physical) AI 기반 인공지능 혁신의 해이다. 인공지능 기반 혁신은 사물인터넷(IoT)의 스마트화, 생각과 사고의 새로운 디자인 역량, 모든 시스템의 지능화, 생산활동의 수행 및 서비스에서의 점진적 혹은 급진적인 변화를 일컫는 말이다. 이러한 혁신 결과를 새로운 경험과 발명이라고 한다. 따라서 AI는 모든 조직의 경쟁력을 생성해주는 핵심 역량이자 자동화의 새로운 재정의, 더 나아가 자율 제조 활동부터 의료 서비스 혁신에 이르기까지 산업 전반에 걸쳐 큰 도약을 거듭하고 있다. 목표달성 위한 최적 조치 스스로 선택 AI 에이전트는 모든 산업에서 인공지능을 활용할 때 반드시 주목해야 할 트렌드로 떠오르고 있다. 인공지능 에이전트는 환경과 상호 작용하고, 데이터를 수집하고, 데이터를 사용하여 사전 결정된 목표를 달성하기 위해 필요한 작업을 스스로 결정해서 수행할 수 있는 소프트웨어 프로그램이다. 사람이 목표를 설정하면 AI 에이전트는 목표를 달성하기 위해 필요한 최적의 조치를 독립적으로 선택한다. 예를 들어 고객 문의를 해결해야 하는 상담 센터 AI 상담원을 생각해 보자. 상담원은 자동으로 고객에게 여러 질문을 하고, 내부 문서의 정보를 조회하고, 해결책을 찾아 대응한다. 고객의 대답에 따라 고객 문의 자체를 해결할 수 있는지 아니면 사람에게 전달해야 하는지 결정한다. 기업의 새로운 혁신 관점에서 데이터를 처리하고, 의사 결정을 내리고, 지속적으로 학습하는 AI 에이전트의 능력은 조직의 효율성과 혁신에 대한 접근 방식을 변화시키고 있다. 따라서 AI 에이전트는 응용 AI의 차세대 진화이자 혁신의 시작이다. 동시에 지식 기반 도구에서 복잡한 다단계 워크플로를 실행할 수 있는 시스템으로 전환하는 생성형 AI의 차세대 개척자이다. 또한 가트너는 2025년까지 AI 에이전트가 사람의 안내 없이 기업 관련 업무를 수행하는 최고의 기술 트렌드가 될 것으로 전망했다. 뿐만 아니라 IBM은 AI 에이전트가 환경과 더욱 풍부하게 상호작용하도록 진화하고 있으며, 이를 통해 기업이 비즈니스 목표를 보다 효과적으로 달성할 수 있다고 강조한다. 더 나아가 포레스터(Forrester)는 AI 에이전트를 AI 혁신의 새로운 단계로 설명하고 있으며 2025년까지 AI의 가장 떠오르는 애플리케이션으로 꼽았다. 플랫폼 경제와 AI 에이전트 경제의 가장 큰 차이점은 연결 방식과 주도권에 있다. 플랫폼 경제에서는 플랫폼이 중심이 되어 정보와 서비스를 제공하고, 사용자들은 플랫폼이 설정한 규칙과 알고리즘에 따라 상호 작용한다. 또한 플랫폼은 사용자들을 연결하고 정보와 서비스를 제공하지만, 플랫폼이 설정한 규칙과 알고리즘에 따라 사용자 활동이 제한될 수 있다. 예를 들어, 택시 호출 플랫폼에서는 사용자가 직접 택시 기사를 선택하거나 협상할 수 없고, 플랫폼이 제공하는 정보와 알고리즘에 의존해야 한다. 그 밖에 플랫폼 경제의 아마존, 쿠팡, 이베이, 당근마켓, 인스타그램과 같은 플랫폼이 중앙 집중식 연결을 제공하는 대표적 예이다. 신뢰성·안전성 확보돼야 성공적 안착 AI 에이전트 경제에서는 개인이 AI 에이전트를 통해 정보와 서비스에 접근하며, 에이전트가 사용자의 목표 달성을 위해 주도적으로 활동한다. 예를 들어, 쇼핑 AI 에이전트는 사용자의 취향과 예산에 맞는 상품을 찾아 추천하고, 최적의 가격으로 협상하여 구매를 대행할 수 있다. 또한 AI 에이전트는 사용자를 대신하여 투자하거나 콘텐츠를 제작하여 수익을 창출할 수도 있다. AI 에이전트 경제는 플랫폼 경제의 문제점, 즉 플랫폼의 독점과 정보 비대칭 문제를 해결하고, 개인에게 더 많은 선택권과 권한을 부여할 수 있는 잠재력을 가지고 있다. AI 에이전트 경제가 성공적으로 안착하기 위해서는 몇 가지 과제를 해결해야 한다. 이를 위해 AI 에이전트의 신뢰성과 안전성이 확보되어야 한다. AI 에이전트가 사용자의 이익을 위해 책임감 있게 행동하도록 윤리적인 개발과 규제도 필요하다. 특히 데이터 프라이버시 보호 관점에서 AI 에이전트가 사용자 데이터를 안전하게 관리하고 개인 정보를 침해하지 않도록 하는 기술적, 제도적 장치도 중요하다. 또 다른 측면은 새로운 비즈니스 모델 개발이다. AI 에이전트 개발 및 운영 비용을 감당하고 지속 가능한 수익을 창출할 수 있는 새로운 비즈니스 모델을 개발해야 한다.

코스메카코리아, 성균관대와 스마트팩토리 인재 양성 협약 체결
2025-03-04
뷰티 산업의 디지털 혁신(DX) 기반 마련…글로벌 시장 경쟁력 강화 AI · 데이터 기반 스마트팩토리 구축…산학 협력 통해 전문 인력 양성 [팜뉴스=김태일 기자] 코스메카코리아(대표이사 조임래)가 성균관대학교와 협력해 스마트팩토리 구축을 위한 핵심 인재 양성에 나선다. 코스메카코리아는 지난 달 28일 성균관대학교와 협약을 체결하고, AI 및 데이터 기반 제조 혁신을 주도할 전문 인력 양성에 협력하기로 했다. 이번 협약을 통해 산업 현장에서 요구되는 첨단 기술 역량을 갖춘 인재를 배출하고, 스마트팩토리 기술 도입을 가속화함으로써 글로벌 경쟁력을 한층 강화할 계획이다. 특히, 이번 협약의 핵심인 채용조건형 석사 과정은 기업 실무와 학업을 병행할 수 있도록 설계됐다. 코스메카코리아는 해당 과정에 참여하는 학생들에게 졸업 후 기업에서 DX(디지털 전환) 관련 실무 경험을 쌓을 수 있는 기회를 제공한다. 코스메카코리아는 이번 협약을 계기로 △생산 공정 자동화 △빅데이터 기반 분석 △AI를 활용한 생산 최적화 등 첨단 기술을 접목해 생산성과 품질을 극대화하고, 글로벌 시장에서의 입지를 더욱 공고히 할 방침이다. 코스메카코리아 관계자는 “AI 기반 제조 혁신을 이끌 차세대 인재를 확보함으로써 스마트팩토리 기술력을 한층 고도화하고, 이를 통해 글로벌 시장에서의 도약을 가속화 할 것”이라며 “코스메카코리아는 미래형 제조 기술과 지속가능한 생산방식을 결합해 글로벌 뷰티 산업을 선도하는 기업으로 자리매김하겠다”고 말했다. 출처 : 팜뉴스(https://www.pharmnews.com)

박사과정 최항서, SCIE 논문지(MDPI Processes/Q2) 게재
2025-02-27
박사과정 최항서 학생(지도교수 : 정종필)의 연구(Domain-Specific Manufacturing Analytics Framework: An Integrated Architecture with Retrieval-Augmented Generation and Ollama-Based Models for Manufacturing Execution Systems Environments)가 MDPI Processes(Impact Factor: 2.8 (2023); 5-Year Impact Factor: 3.0 (2023))에 게재됐다. https://www.mdpi.com/2227-9717/13/3/670 or https://doi.org/10.3390/pr13030670 논문요약 - To support data-driven decision-making in a Manufacturing Execution System (MES) environment, a system that can quickly and accurately analyze a wide range of production, quality, asset, and material information must be deployed. However, existing MES data management approaches rely on predefined queries or report templates that lack flexibility and limit real-time decision support. In this paper, we proposes a domain-specific Retrieval-Augmented Generation (RAG) architecture that extends LangChain’s capabilities with Manufacturing Execution System (MES)-specific components and the Ollama-based Local Large Language Model (LLM). The proposed architecture addresses unique MES requirements including real-time sensor data processing, complex manufacturing workflows, and domain-specific knowledge integration. It implements a three-layer structure: an application layer using FastAPI for high-performance asynchronous processing, an LLM layer for natural language understanding, and a data storage layer combining MariaDB, Redis, and Weaviate for efficient data management. The system effectively handles MES-specific challenges such as schema relationships, temporal data processing, and security concerns without exposing sensitive factory data. This is an industry-specific, customized approach focusing on problem-solving in manufacturing sites, going beyond simple text-based RAG. The proposed architecture considers the specificity of data sources, real-time and high-availability requirements, the reflection of domain knowledge and workflows, compliance with security and quality control regulations, and direct interoperability with MES systems. The architecture can be further enhanced through integration with various manufacturing systems, an advanced LLM, and distributed processing frameworks while maintaining its core focus on MES domain specialization.

석사과정 이윤정, SCIE 논문지(MDPI Energies/Q1) 게재
2025-02-07
석사과정 이윤정 학생(지도교수 : 정종필)의 연구(TSMixer- and Transfer Learning-Based Highly Reliable Prediction with Short-Term Time Series Data in Small-Scale Solar Power Generation Systems)가 MDPI Energies(Impact Factor: 3.0 (2023); 5-Year Impact Factor: 3.0 (2023))에 게재됐다. https://www.mdpi.com/1996-1073/18/4/765 or https://doi.org/10.3390/en18040765 논문요약 - With the surge in energy demand worldwide, renewable energy is becoming increasingly important. Solar power, in particular, is positioning itself as a sustainable and environmentally friendly alternative, and is increasingly playing a role not only in large-scale power plants but also in small-scale home power generation systems. However, small-scale power generation systems face challenges in the development of efficient prediction models because of the lack of data and variability in power generation owing to weather conditions. In this study, we propose a novel forecasting framework that combines transfer learning and dynamic time warping (DTW) to address these issues. We present a transfer learning-based prediction system design that can maintain high prediction performance even in data-poor environments. In the process of developing a prediction model suitable for the target domain by utilizing multi-source data, we propose a data similarity evaluation method using DTW, which demonstrates excellent performance with low error rates in the MSE and MAE metrics compared with conventional long short-term memory (LSTM) and Transformer models. This research not only contributes to maximizing the energy efficiency of small-scale PV power generation systems and improving energy independence but also provides a methodology that can maintain high reliability in data-poor environments.

박사과정 최항서, SCIE 논문지(MDPI machines/Q2) 게재
2025-01-25
박사과정 최항서 학생(지도교수: 정종필)의 연구(A Conceptual Framework for a Latest Information-Maintaining Method Using Retrieval-Augmented Generation and a Large Language Model in Smart Manufacturing: Theoretical Approach and Performance Analysis)가 MDPI machines(Impact Factor: 2.1 (2023); 5-Year Impact Factor: 2.2 (2023))에 게재됐다. https://doi.org/10.3390/machines13020094 or https://www.mdpi.com/2075-1702/13/2/94 논문요약 - In the modern manufacturing environment, the ability to collect and refine data in real time to deliver high-quality data is increasingly important in maintaining a competitive advantage and operational efficiency. This paper proposes a conceptual architectural framework for the continuous knowledge updating of Retrieval-Augmented Generation-Large Language Model-based systems in a smart factory environment. The proposed framework provides theoretical models and validation methodologies, laying the groundwork for future practical implementations. Existing Retrieval-Augmented Generation-Large Language Model systems rely on static knowledge bases that are not able to effectively reflect new information in a real-time, changing manufacturing environment. The proposed framework design uses a data stream processing layer, a data integration layer, and a continuous learning layer as core components; in particular, the knowledge integration layer provides a mechanism for the efficient processing of real-time data and continuous learning. This study is significant in that it presents a mathematical model and a systematic verification methodology that can quantitatively predict the performance and scalability of the proposed architecture, thus providing practical design guidance for the implementation of Retrieval-Augmented Generation-Large Language Model systems in smart factory environments. This paper is organized as follows: Materials and Methods provides a detailed description of the architecture and methodology. Theoretical Analysis and Discussion covers the theoretical analysis and discussion, including performance prediction models, validation methodologies, and their practical implications. Finally, Conclusions summarizes the research findings and outlines directions for future work.

prev next

Schedule

오늘의 행사 이달의 행사

Read More

read more

SKKU Movie

SKKU News & Notice

News
Notice
Press
Research

Link