학과소식 게시판목록 | 성균관대학교 스마트팩토리융합학과

본문 바로가기
주메뉴 바로가기
서브메뉴 바로가기

커뮤니티
학과소식

커뮤니티

학과소식

[학생] RISE 사업으로 지역 제조 혁신 이끌 미래 인재 양성... 학부-대학원 융합 연구 결실

RISE 사업으로 지역 제조 혁신 이끌 미래 인재 양성... 학부-대학원 융합 연구 결실 - 캡스톤디자인 연계로 기업 난제 해결, 학부생 참여 논문 세계적 권위지 게재 - ‘설명하는 AI’ 기술 개발로 지산학 협력 모델의 새로운 이정표 제시 스마트팩토리융합학과 정종필 교수 연구팀이 지역 혁신 중심 대학지원체계(RISE) 사업의 일환으로 수행된 융합 연구를 통해, 산업 현장의 제조 결함을 자연어로 설명하는 차세대 멀티모달 인공지능(AI) 기술을 개발했다. 이번 성과는 단순한 기술 개발을 넘어, 학부생과 대학원생이 머리를 맞대어 지역 기업의 실제 고민을 해결한 교육적 혁신 사례로 주목받고 있다. 이번 연구는 ‘2025 스마트팩토리 캡스톤디자인’ 수업에서 시작되었다. 캡스톤디자인이란 학생들이 배운 이론을 바탕으로 실제 산업 현장의 문제를 해결하는 작품을 기획·제작하는 실무형 교육 과정이다. 정종필 교수의 지도 아래 하태원 석사과정생과 황채선 학부생은 팀을 이루어, 대학원과 학부의 경계를 허문 긴밀한 협력을 진행했다. 이는 성균관대학교가 지향하는 ‘지산학(지자체·산업체·대학) 협력’의 대표적인 성공 모델로 평가받는다.
- 작성일 2026-01-22
- 조회수 12
[연구] 석사과정 하태원, SCIE 논문지(Springer - Journal of Intelligent Manufacturing/Q1, 86.6%) 게재

석사과정 하태원 학생(지도교수: 정종필)의 연구(CLIP-MDC: CLIP encoder based multimodal defect classification with synthetic anomaly generation for real-time surface defect detection)가 Springer - Journal of Intelligent Manufacturing (Impact Factor: 7.4 (2024))에 게재됐다. https://doi.org/10.1007/s10845-025-02773-4 논문요약 - In this study, using various text prompts that combine objects and defect types, we establish a semantic space linking images and texts, enabling explainable defect predictions using natural language. We introduce contrastive language–image pre-training-based multimodal defect classification (CLIP-MDC), a framework designed for multimodal defect detection and classification in smart manufacturing. The model integrates a lightweight backbone network with contrastive language–image pre-training (CLIP) encoders to perform both pixel-level anomaly segmentation and image-level defect classification effectively in supervised and weakly supervised settings. Additionally, we incorporate a Perlin noise-based synthetic anomaly generation technique to facilitate learning in environments with limited labeled data, and the dual prediction architecture enables accurate simultaneous inference of defect location and type. In experiments on the MVTec AD and KSDD2 datasets, the model achieved outstanding performance with an area under the receiver operating characteristic curve (AUROC) of 99.9%, an area under the per-region overlap curve (AUPRO) of 98.6%, a pixel-level AUROC (P-AUROC) of 99.9%, and an average precision for localization of 87.6%. It also demonstrated real-time capability, registering an average inference speed of 6.6ms on an A100 GPU. CLIP–MDC uses a semantic-based multimodal learning framework that combines visual and linguistic information to deliver accuracy, explainability, generalization, and real-time efficiency in defect detection, making it a practical and scalable solution for industrial defect analysis in real-world manufacturing environments.
- 작성일 2026-01-19
- 조회수 343
[학생] [Best Paper Award] ISAAC & ICACT & ICKAI 2025 - 강건욱 박사과정

우수논문상(Best Paper Award) 수상 - 강건욱 박사과정 ISAAC & ICACT & ICKAI 2025 -The 13th International Symposium on Advanced and Applied Convergence (ISAAC) -The 13th International Conference on Advanced Culture Technology (ICACT) -The 5th International Conference on Knowledge and Artificial Intelligence (ICKAI) Incheon, Korea (Nov 13 - 15, 2025) "Korea Virtual Railway Connection (KVRC): Immersive XR Experience and Physical AI for Inter-Korean Railway Reconnection"
- 작성일 2025-12-23
- 조회수 276
[교육·세미나] 성균관대, ‘산업 현장 밀착형 AI 전문가’ 배출…K-Digital Training 성료

‘Industrial AI Expert Projects with Deep Learning’ 과정, 수료율 100% 달성 제조·의료·농업 등 실제 산업 데이터 기반 프로젝트 수행으로 실무 역량 입증 성균관대학교(총장 유지범)는 지난 13일 경기도 수원시 자연과학캠퍼스 제1공학관에서 ‘K-Digital Training(KDT): Industrial AI Expert Projects with Deep Learning’ 과정의 최종발표회 및 수료식을 성황리에 개최했다고 밝혔다. 이번 행사는 4차 산업혁명 시대를 이끌어갈 실무형 인공지능(AI) 인재를 양성하고, 그간의 교육 성과를 공유하기 위해 마련됐다. 이번 교육 과정은 성균관대 ICT명품인재양성사업단과 스마트팩토리융합학과, 산학협력단, 그리고 RISE사업단이 공동 주관했으며, 과학기술정보통신부 정보통신기획평가원(IITP)과 고용노동부 직업능력평가원이 지원하는 다부처 협력 사업으로 진행됐다. 이날 행사에는 고용노동부 및 직업능력심사평가원 주요 관계자를 비롯 최승진, 추현승, 정종필, 이채규 교수 등 성균관대의 AI 분야 주요 교수진과 교육 수료생들이 참석해 자리를 빛냈다. 본 과정은 지난 7월부터 약 5개월간 진행된 장기 교육 프로그램으로, 제조, 의료, 농업 등 다양한 산업 현장에서 급증하는 디지털 전환(DX) 수요에 대응하기 위해 기획됐다. 교육의 핵심 목표는 단순한 이론 학습을 넘어, AI 및 딥러닝(Deep Learning) 기술을 활용해 실제 산업 현장의 데이터를 분석하고 구체적인 문제를 해결하는 ‘실무형 고급 인재’를 양성하는 데 있다. 특히 이번 과정은 재직자들을 대상으로 진행됐음에도 불구하고, 놀라운 참여 열기를 보였다. 전체 수강생 30명 전원이 출석률 80% 이상 및 최종 프로젝트 발표 참여라는 까다로운 수료 기준을 모두 충족해 ‘수료율 100%’라는 괄목할 만한 성과를 달성했다. 또한, 업무와 학업을 병행하는 어려움 속에서도 평균 출석률 98%를 기록하며 교육에 대한 높은 만족도와 몰입도를 입증했다. 이날 최종발표회에서는 총 10개 팀이 지난 5개월간 수행한 프로젝트 결과물을 발표했다. 수료생들은 기업이 실제로 직면한 과제를 주제로 선정하고, 문제 정의부터 데이터 전처리, 모델 구현에 이르는 전 과정을 주도적으로 수행하는 프로젝트 기반 학습(PBL)을 통해 현장 적응력을 극대화했다. 참가 팀들은 △이미지 분석에 특화된 CNN △시계열 데이터 처리에 강한 RNN △최신 자연어 처리 모델인 Transformer 등 딥러닝 핵심 기술을 적재적소에 활용했으며, 고성능 GPU 클라우드 환경을 통해 수준 높은 결과물을 도출해 심사위원들의 이목을 집중시켰다. 심사위원단은 각 팀의 발표뿐만 아니라 데모 시연을 직접 참관하며 기술의 완성도와 실무 투입 가능성을 면밀히 검증했다. 우수한 성과를 보인 프로젝트 팀에게는 시상이 이루어졌으며, 과정을 성공적으로 마친 수료생 전원에게는 성균관대학교 명의의 수료증이 수여됐다. 행사를 총괄한 정종필 성균관대 교수는 “이번 K-Digital Training 과정은 단순한 지식 전달을 넘어, 산업 현장에서 즉시 활용 가능한 실전 문제 해결 역량을 확보하는 데 중점을 다”며 “앞으로도 정부 및 유관기관과의 긴밀한 협력을 통해 AI 전문 인재 생태계를 탄탄히 구축하고, 수료생들의 커리어 개발과 고용 연계까지 적극적으로 지원하겠다”고 포부를 밝혔다. □ 한편, 성균관대는 이번 교육 과정의 성공적인 운영 성과를 바탕으로 스마트팩토리 분야를 넘어 다양한 산업군으로 교육 및 협력 범위를 확대해 나갈 예정이다. 이를 통해 국가 산업 경쟁력을 강화하고 미래 사회를 선도하는 산학협력의 모범 사례를 지속적으로 창출해 나갈 계획이다.
- 작성일 2025-12-16
- 조회수 42
[교육·세미나] 경기-충북 잇는 ‘초광역 지산학’ 협력 시동… 코스메카코리아서 현장 실습 진행

https://www.skku.edu/skku/campus/skk_comm/news.do?mode=view&articleNo=132702 경기-충북 잇는 ‘초광역 지산학’ 협력 시동… 코스메카코리아서 현장 실습 진행 - 수도권(경기)과 비수도권(충북) 잇는 스마트 제조·K-뷰티 산업 역량 연결 - 코스메카코리아 R&D 및 스마트팩토리 혁신 사례 공유… 실무형 인재 양성 - 대학-기업 공동 문제해결형 프로그램 ‘Co-op Insight’ 통한 동반 성장 생태계 구축
- 작성일 2025-12-14
- 조회수 19
[기업] 성균관대, 삼성전자·삼성디스플레이 협력사 위한 스마트팩토리 트랙 신설

맞춤형 석·박사 인력 양성, AI분야 교육·연구 활성화 등 협력 협력사협의회와 산학협력 MOU 체결 성균관대학교는 지난 8일 경기도 수원시 자연과학캠퍼스 제2공학관에서 삼성전자·삼성디스플레이 협력사 협의회(이하 협성회)와 '지역산업 혁신 및 제조경쟁력 강화를 위한 산·학 협력 업무협약(MOU)'을 맺었다고 9일 밝혔다. 이날 협약식에는 성균관대 유지범 총장, 구자춘 산학협력단장, 정종필 스마트팩토리융합학과 교수, 김선식 산학교수와 협성회 김영재(대덕전자 대표이사) 회장, 이동선 사무국장 등이 참석했다. 협성회는 삼성전자와 삼성디스플레이의 1차 협력회사 200여 개로 구성된 단체다. 회원사의 총매출 규모는 약 60조 원, 고용 인원은 25만 명에 달하는 국내 최대 규모의 부품·소재·장비 기업 협의체다. 이번 협약을 통해 양 기관은 ▲협성회 임직원 대상 맞춤형 석·박사 인력 양성 ▲일반대학원 스마트팩토리융합학과 전용 트랙 신설 ▲삼성전자·삼성디스플레이 협력사 제조경쟁력 향상을 위한 기술 협력 ▲인공지능(AI) 분야 교육·연구 활성화 등 다각적인 협력을 추진키로 합의했다. 성균관대는 세계적 수준의 축적된 교육·연구 역량을 바탕으로 협력회사의 제조 현장에 특화된 실무형 교육과정을 제공할 계획이다. 양성된 전문 인력은 급변하는 제조 환경 속에서 협력회사들의 기술 혁신을 주도할 핵심 인재로 활약하게 된다. 양 기관은 앞으로 다양한 산업 분야로 협력 범위를 확대해 나갈 예정이다. 유지범 총장은 "국내 전자 산업의 근간을 이루는 협성회와 협력하게 돼 뜻깊다"며 "성균관대의 우수한 교육 인프라를 활용해 협성회 회원사의 제조 경쟁력 강화에 기여하고 나아가 국가 산업 발전을 이끄는 산·학 협력의 모범 사례가 되도록 적극 지원하겠다"고 말했다. 김영재 회장은 "글로벌 제조 경쟁력 확보를 위해서는 AI와 스마트팩토리 기술을 갖춘 전문 인재가 필수"라며 "성균관대와 긴밀히 협력해 회원사의 기술 역량을 한 단계 높이고, 대학과 기업이 동반 성장하는 성공 모델을 만들어 가겠다"고 강조했다.
- 작성일 2025-12-09
- 조회수 16
[연구] 석사과정 강정흔, SCIE 논문지(IEEE Access/Q2, 64.1%) 게재

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.
- 작성일 2025-10-22
- 조회수 723
[연구] 박사과정 박진우, ESCI 논문지(Elsevier - Results in Engineering/Q1, 96.9%) 게재

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.
- 작성일 2025-10-03
- 조회수 992
[연구] 석사졸업생 류지혁, SCIE 논문지(Elsevier - Computers and Electrical Engineering/Q1, 84.2) 게재

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.
- 작성일 2025-09-19
- 조회수 816
[교수] "회사가 천지개벽했다"…삼성과 손 잡고 확 뜯어고치니 '유목민 생활 끝'[AI 자율제조, 미래를 열다] - 박정수 교수

"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.
- 작성일 2025-06-23
- 조회수 362
[연구] 석사과정 공석현, SCIE 논문지(MDPI applied sciences/Q1) 게재

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.
- 작성일 2025-05-07
- 조회수 1154
[교수] 'AI 에이전트경제' 시대가 온다

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.
- 작성일 2025-03-27
- 조회수 1208
[기업] 코스메카코리아, 성균관대와 스마트팩토리 인재 양성 협약 체결

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)
- 작성일 2025-03-04
- 조회수 342
[연구] 박사과정 최항서, SCIE 논문지(MDPI Processes/Q2) 게재

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.
- 작성일 2025-02-27
- 조회수 1220
[연구] 석사과정 이윤정, SCIE 논문지(MDPI Energies/Q1) 게재

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.
- 작성일 2025-02-07
- 조회수 1254
[연구] 박사과정 최항서, SCIE 논문지(MDPI machines/Q2) 게재

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.
- 작성일 2025-01-25
- 조회수 1035
[교수] 25년 트랜드는 '인공지능 에이전트 경제 시대' - 스마트팩토리융합학과 박정수 교수

지난해가 AI 도입의 해였다면 올해는 AI 혁신의 해라 할 수있다. 인공지능 기반 혁신(AI based innovation)은 △사물(IoT)의 스마트화 △생각과 사고의 새로운 디자인(Thinking Design) 역량 △모든 시스템 지능화, 생산활동 수행·서비스 점진적 혹은 급진적 변화를 일컫는다. 이러한 혁신의 결과를 새로운 경험과 발명이라 한다. AI는 조직 경쟁력을 생성해주는 핵심 역량이자 자동화의 새로운 재정의, 자율 제조 활동부터 의료 서비스 혁신까지 산업 전반에 걸쳐 도약을 거듭하고 있다. 인공지능 에이전트(AI Agent)는 모든 산업에서 인공지능을 활용할 때 개념(PoC)에서 실행(PoW)으로 전환함에 있어 2025년 주목해야 할 트렌드로 떠오르고 있다. 환경과 상호 작용하고 데이터를 수집하고 데이터를 사용하고 사전 결정된 목표를 달성하기 위해 필요한 작업을 스스로 결정해 수행할 수 있는 소프트웨어 프로그램이다. 사람이 목표를 설정하면 AI 에이전트는 목표를 달성하기 위해 필요한 최적의 조치를 독립적으로 선택한다. 고객 문의를 해결해야 하는 상담센터 AI 상담원을 생각해 보자. 상담원은 자동으로 고객에게 질문을 하고 내부 문서 정보를 조회하고 해결책을 찾아 대응한다. 고객의 대답에 따라 고객 문의 자체를 해결할 수 있는지 아니면 사람에게 전달해야 하는지 결정한다. 소프트웨어, 개발자 결정작업 자율적 완료 AI 에이전트를 정의하는 주요 원칙은 모든 소프트웨어는 소프트웨어 개발자가 결정한 작업을 자율적으로 완료한다. AI 또는 지능형 에이전트가 특별한 이유는 무엇일까. AI 에이전트는 합리적인 에이전트다. AI 에이전트는 자신이 인지한 내용과 데이터를 기반으로 합리적인 결정을 내려 최적의 성과와 결과를 도출한다. AI 에이전트는 물리적 또는 소프트웨어 인터페이스로 환경을 감지한다. 예를 들어 로봇 에이전트가 센서 데이터를 수집하고 챗봇은 고객 쿼리를 입력으로 사용한다. 그 후 AI 에이전트가 이러한 데이터를 적용해 정보에 입각한 결정을 내린다. AI 에이전트는 수집된 데이터를 분석해 사전 결정된 목표를 뒷받침하는 최상의 결과를 예측한다. AI 에이전트 구축 관점에서 사용자 지정 자율 에이전트를 어떻게 만들 것인가. 이러한 시스템은 단순한 자동화에 그치지 않고 복잡한 다단계 작업을 자율적으로 처리할 수 있어야 한다. 기업들은 운영을 간소화하고 고객 경험을 개선하며 개개인이나 팀이 전략적 업무에 집중할 수 있도록 AI 에이전트를 도입하고 있다. 플랫폼 경제와 AI 에이전트 경제의 가장 큰 차이점은 연결 방식과 주도권에 있다. 플랫폼 경제는 플랫폼이 중심이 돼 정보와 서비스를 제공하고 사용자들은 플랫폼이 설정한 규칙과 알고리즘에 따라 상호 작용한다. 플랫폼은 사용자들을 연결하고 정보와 서비스를 제공하지만 플랫폼이 설정한 규칙과 알고리즘에 따라 사용자 활동이 제한될 수 있다. 택시 호출 플랫폼에서 사용자가 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 대표적인 예다. AI에이전트, 사용자 대신 콘텐츠 제작 수익 창출 반면 AI 에이전트 경제에서는 분산화된 연결, 개인 중심의 주도권으로 개인이 AI 에이전트를 통해 정보와 서비스에 접근하고, 에이전트가 사용자의 목표 달성을 위해 주도적으로 활동한다. AI 에이전트 경제는 개인이 AI 에이전트를 통해 정보와 서비스에 접근하며 에이전트가 사용자의 목표 달성을 위해 주도적으로 활동한다. 사용자는 자신의 목표와 선호도에 따라 AI 에이전트를 선택하고 활용할 수 있으며 에이전트는 사용자를 대신해 정보를 수집하고 분석하고 협상하며 거래를 생성할 수 있다. 쇼핑 AI 에이전트는 사용자 취향과 예산에 맞는 상품을 찾아 추천하고 최적 가격으로 협상해 구매를 대행할 수 있다. AI 에이전트는 사용자를 대신해 투자 하거나 콘텐츠를 제작해 수익을 창출할 수 있다. 그러나 AI 에이전트 경제로 전환을 위해서는 기회와 과제가 상존한다. AI 에이전트 경제는 플랫폼 경제의 문제점, 즉 플랫폼의 독점과 정보 비대칭 문제를 해결하고 개인에게 더 많은 선택권과 권한을 부여할 수 있는 잠재력을 가지고 있다. 하지만 AI 에이전트 경제가 성공적으로 안착하기 위해 몇 가지 과제를 해결해야 한다. AI 에이전트 신뢰성과 안전성이 확보되어야 한다. AI 에이전트가 사용자의 이익을 위해 책임감 있게 행동하도록 윤리적인 개발과 규제도 필요하다. 결론적으로 AI 에이전트 경제는 정보와 서비스에 대한 접근 방식과 주도권을 변화시키며 새로운 경제 패러다임을 제시한다. AI 에이전트 경제의 성공 여부는 앞서 언급된 과제들을 해결하고 인간과 AI 에이전트의 협력을 통해 새로운 가치를 창출하는 데 있다. 초개인화 시대에 따른 개별적인 맞춤형 AI 에이전트, 개인 맞춤형 영업 지원, 개인 맞춤형 AI 쇼핑객은 이제 기업이 개인의 요구를 충족하는 몇 가지 방법일 뿐이다. 초개인화는 차세대 차별화 요소다. 위탁생산과 유통, 의료, 금융 등의 업계에서는 고객 참여를 강화하고 충성도를 구축하기 위해 초개인화를 도입해야 한다. 개인화된 쇼핑 여정부터 맞춤형 금융 조언까지 모든 디지털 상호 작용은 고유한 기능을 갖추게 됐다. AI 발전이 개인화된 고객 경험으로 이어지고 있으며 기업들은 AI를 활용해 개인의 선호도에 맞게 상호작용해 서비스를 맞춤화하고 있다. 2025년에는 더 많은 기업이 AI에 투자함에 따라 이러한 개인화 기능은 더욱 확대될 것으로 전망된다.
- 작성일 2025-01-23
- 조회수 364
[연구] 석사과정 김태용, SCIE 논문지(MDPI machines/Q2) 게재

석사과정 김태용 학생(지도교수: 정종필)의 연구(A Novel FS-GAN-Based Anomaly Detection Approach for Smart Manufacturing)가 MDPI machines(Impact Factor: 2.1 (2023); 5-Year Impact Factor: 2.2 (2023))에 게재됐다. https://doi.org/10.3390/machines13010021 or https://www.mdpi.com/2075-1702/13/1/21 논문요약 - In this study, we present the few-shot generative adversarial network (FS-GAN) model, which integrates few-shot learning and a generative adversarial network with an unsupervised learning approach (AnoGAN) to address the challenges of anomaly detection in smart-factory manufacturing environments. Manufacturing processes often encounter malfunctions or defective parts that disrupt production and compromise product quality. However, collecting and labeling sufficient data to detect anomalies is time-intensive, and abnormal data are rare, leading to data imbalances. The FS-GAN model leverages few-shot learning to enable accurate predictions with minimal data and uses the generative capabilities of AnoGAN to mitigate the scarcity of abnormal data by generating synthetic normal data. Experimental results demonstrate that FS-GAN outperforms existing models in terms of accuracy and learning speed, even with limited datasets, effectively addressing the data imbalance problem inherent in manufacturing. The model reduces dependency on extensive data collection and labeling efforts, making it suitable for real-world applications. Through reliable and efficient anomaly detection, FS-GAN contributes to production reliability, product quality, and operational efficiency in smart factories. This study highlights the potential of FS-GAN to provide a cost-effective and high-performance solution to the challenges of anomaly detection in the manufacturing industry.
- 작성일 2025-01-02
- 조회수 1274
[교수] '개방형 혁신' 시대의 생존전략 - 스마트팩토리융합학과 박정수 교수

정보통신 발달로 세상이 초연결 사회가 되고 4차 산업혁명 영향으로 산업 사이의 경계가 허물어지고 있다. 산업과 업종의 구분이 모호해지는 것을 ‘빅블러(Big Blur) 현상’이라고 한다. 산업과 업종이 명확했던 전통적 비즈니스 모델이 수명을 다하고 경계없는 비즈니스가 개방형 혁신을 통해 자리를 채워나가고 있다. 빅블러는 생산자 역할, 소비자 역할, 기업 관심사, 서비스 역할, 비즈니스 모델, 산업 장벽, 경쟁 범위 등 다양한 측면에서 사용자와 소비자의 경험 디자인(UX-Design)에 의해서 작용하는 동시다발적 새로운 힘을 나타내고 있다. 산업·업종 구분 모호한 ‘빅블러’ 가속화 사람과 사물(공간·생물·정보·비즈니스 등)이 물리·가상공간의 경계 없이 서로 유기적으로 연결되어 소통하고 상호작용하는 만물인터넷(Internet of Everything)이 보편화되는 사회를 ‘초연결사회’라고 한다. 이런 시대를 배경으로 사물인터넷(IoT), 핀테크, 생성형·적응형 인공지능(AI)이 등장했다. 빅블러 현상의 핵심은 업(業)의 확장이다. 빅블러 현상에서 사물인터넷, 핀테크, 생성형·적응형 AI는 대표적 예시다. 핀테크는 금융 기술 혁신으로, 금융 서비스와 기술의 융합으로 경계가 모호해지며 송금, 대출, 투자 등에서 변화가 발생하고 융합되는 서비스이다. 더 나아가 핀테크를 앞세운 스타트업은 전통적 금융 서비스의 경계를 무너뜨린다. 첫째, 온라인으로 도서를 팔던 아마존의 변신은 빅블러 시대의 대표적 사례다. 아마존은 정보기술을 기반으로 전자상거래는 물론, 미디어 유통기업을 넘어 세계 1위 클라우드 기업으로 떠오르고 있다. 여기에 더해서 금융사로의 확장도 이뤄지고 있다. 전자상거래 플랫폼에서 지급결제, 은행 계좌, 대출보험 등 경계를 넘는 서비스를 제공하며 축적한 1억4000만 명의 고객은 아마존이 언제든 금융사로 변신할 수 있는 기반으로 평가받는다. 둘째, 커피전문점으로 78개국에 진출해 있는 스타벅스도 빅블러 사례를 보여준다. 스타벅스 모바일 결제 시스템 ‘사이렌 오더(Siren Order)’ 이용자 수는 미국에서만 2340만 명을 돌파했다. 이들이 사이렌 오더에 충전한 금액은 약 20억 달러(한화 약 2조8000억 원)를 넘어선 것으로 추정된다. 스타벅스는 이 예치금으로 아르헨티나 은행 방코 갈리시아와 파트너 계약을 맺었고, 실제 오프라인 은행지점을 오픈하며 글로벌 핀테크 기업으로 거듭나고 있다. 셋째, 전기차 제조사인 테슬라는 미국에서 자동차 보험사업을 기존 보험사와 다른 차별화로 보험사업을 키우고 있다. 여기에 AI 기술로 차량의 주행데이터를 분석, 개별 운전자의 사고 위험을 계산해 보험료를 책정한다. 사고율을 낮추는 보험 서비스를 제공하면서 테슬라 자동차 판매 충성도까지 높이고 있다. ‘AI 전환’으로 산업 주도권 선점해야 끝으로, 애플은 온라인동영상서비스(OTT)인 애플TV+를 출시했을 뿐만 아니라 전 세계적으로 재생 에너지 활용 범위를 확장하겠다는 새로운 발전 계획을 발표했다. 애플은 미국과 유럽에서 태양광 에너지 부문에 새로 투자해 소비자가 애플 기기를 충전하고 켜는 데 사용하는 전력을 재생 에너지로 대체하고자 한다. 스마트폰 제조사의 친환경 투자로 성과에 박차를 가하는 에너지 정책(RE100)은 지속가능한 고객만족 경영의 새로운 ESG(환경·사회·지배구조) 경영이다. 기업들이 적극적으로 디지털 전환을 넘어 인공지능 전환을 추진해 빅블러 생존전략으로 글로벌 산업 주도권을 선점해야 한다는 목소리가 나오는 까닭이다.
- 작성일 2024-11-26
- 조회수 419
[연구] 석사과정 정민준, SCIE 논문지(MDPI Electronics/Q2) 게재

석사과정 정민준 학생(지도교수 : 정종필)의 연구(Hybrid-DC: A Hybrid Framework Using ResNet-50 and Vision Transformer for Steel Surface Defect Classification in the Rolling Process)가 MDPI Electronics(Impact Factor: 2.6 (2023); 5-Year Impact Factor: 2.6 (2023))에 게재됐다. https://www.mdpi.com/2079-9292/13/22/4467 / https://doi.org/10.3390/electronics13224467 논문요약 - This study introduces Hybrid-DC, a hybrid deep-learning model integrating ResNet-50 and Vision Transformer (ViT) for high-accuracy steel surface defect classification. Hybrid-DC leverages ResNet-50 for efficient feature extraction at both low and high levels and utilizes ViT’s global context learning to enhance classification precision. A unique hybrid attention layer and an attention fusion mechanism enable Hybrid-DC to adapt to the complex, variable patterns typical of steel surface defects. Experimental evaluations demonstrate that Hybrid-DC achieves substantial accuracy improvements and significantly reduced loss compared to traditional models like MobileNetV2 and ResNet, with a validation accuracy reaching 0.9944. The results suggest that this model, characterized by rapid convergence and stable learning, can be applied for real-time quality control in steel manufacturing and other high-precision industries, enhancing automated defect detection efficiency.
- 작성일 2024-11-21
- 조회수 1138
[학생] 2024 캡스톤디자인 경진대회 수상 - 이지은, 김태용, 공석현 연구원

성균관대학교 스마트팩토리융합학과, 2024년 캡스톤디자인 경진대회 성료 성균관대학교 LINC 3.0 사업단은 '2024년도 캡스톤디자인(Capstone Design) 경진대회'를 열고 우수 작품에 대한 시상식을 개최했다. LINC 3.0 사업단은 창의적 종합설계 능력을 갖춘 우수한 현장 전문가를 양성할 취지로 재학생을 대상으로 'LINC3.0 2024년도 캡스톤디자인(Capstone Design) 경진대회'를 열었다. 이 날 창의적인 작품을 출품하여 스마트팩토리융합학과 AI Factory팀이 입상했다. 학과에서는 학생들이 창의력, 팀워크, 리더십을 더욱 키울 수 있도록 캡스톤디자인 성과 확산과 교육 활성화, 우수사례 공유 등을 추진해 나갈 방침이다. ▲ 성균관대학교 AI Factory팀 수상 내역
- 작성일 2024-11-12
- 조회수 1555
[연구] 석사과정 조예창, SCIE 논문지(MDPI machines/Q2) 게재

석사과정 조예창 학생(지도교수: 노상도)의 연구(Design and Implementation of Digital Twin Factory Synchronized in Real-Time Using MQTT)가 MDPI machines(Impact Factor: 2.1 (2023); 5-Year Impact Factor: 2.2 (2023))에 게재됐다. https://www.mdpi.com/2075-1702/12/11/759 / https://doi.org/10.3390/machines12110759 논문요약 - As information technology progresses, the need for digital transformation within the industrial sector has become increasingly apparent, and digital twin technology has emerged as a significant trend in manufacturing. Digital twins synchronize physical and digital environments, overcoming spatial and temporal limitations to create various added values that are unattainable in reality. This paper presents a model that integrates digital twin technology with production and operational technologies at manufacturing sites, enabling remote, centrally controlled manufacturing services that transcend physical constraints. Specifically, by utilizing Message Queuing Telemetry Transport (MQTT) for real-time synchronization, this approach ensures efficient and timely data transfer between physical and digital environments. While traditional approaches often encounter challenges due to high investment costs and design complexities, this paper proposes a cost-effective and practical solution that reflects actual factory conditions.
- 작성일 2024-10-29
- 조회수 1386
[교수] 인간처럼 사고하는 인공지능은 가능한가 - 스마트팩토리융합학과 박정수 교수

이미 세계는 인공지능이 정복했거나 지배할 것이다. 강한 인공지능(Strong AI)은 어떤 문제를 실제로 사고하고 해결할 수 있는 컴퓨터 기반의 인공적인 지능을 만들어 내는 것에 관한 영역이다. 즉, 인공지능의 강한 형태는 지각력이 있고, 자동화를 넘어 자율 주행 로봇(Autonomous Mobile Robot)처럼 스스로를 인식하는 것이라고 말할 수 있다. 인공지능이 노벨상을 수상했다. 1982년 '타임즈(Times)'가 올해의 인물로 사람이 아닌 컴퓨터(PC)를 선정한 이후 42년만에 인공지능이 인류사회에 공헌한 공로를 인정받은 셈이다. 2024년 노벨상은 인공지능 연구자들이 휩쓸고 있다. 노벨물리학상에는 인공 신경망 연구의 기초를 닦은 석학 존 홉필드(John J. Hopfield) 프린스턴대 명예교수와 제프리 힌튼(Geoffrey Hinton) 토론토대 교수가 선정되었고, 노벨화학상 역시 데이비드 베이커(David Baker) 워싱턴대 교수, 데미스 허사비스(Sir Demis Hassabis) 구글 딥마인드 최고경영자, 존 점퍼(John M. Jumper) 딥마인드 수석연구원 등 인공지능 융합연구자들에게 수여되었다. 특히 스웨덴 왕립과학원 노벨위원회는 노벨물리학 수상자들에 대하여 “물리학에서 신소재 개발 등 광범위한 분야에서 인공 신경망을 사용한다”는 점에서 이들의 노력은 인류에게 큰 혜택을 주었다고 평가했다. 노벨화학상 수상자들에 대하여 “신약 후보 물질 발굴의 강력한 게임체인저로 떠오른 단백질 3차원 구조를 예측하는 인공지능을 개발하였다”고 그 공로를 설명했다. 노벨상 수상자들에게 공통적으로 보여지는 중요한 특징은, 무엇보다도 인공지능을 활용한 기존 시스템과의 접목과 융합연구로 인류에게 혜택을 제공하고 있다는 점이다. 데이비드 베이커가 뉴턴의 명언을 인용해서 말했듯이 “거인들의 어깨 위에 올라서 있었기 때문에” 노벨상을 받았다는 그의 소감은 단지 겸양의 미덕만은 아닐 것이다. 앞선 선각자들과 과학자들로부터 지식과 경험과 지혜를 얻고 이어가는데 특정 학문과 경계에 대한 집착이 무슨 소용이 있을까? 모든 경계를 뛰어넘어 오로지 잘 계승하고 융합하는 것이 중요할 것이다. 그런 점에서 2024년 인공지능 관련한 노벨상 수상자들 역시 경계를 초월한 ‘초융합의 달인’이라고 하겠다. (대학에서 공부하여 딴 학위를 넘어서) 좁은 학문의 경계를 허물고 현실의 문제해결을 위해 학제적·초융합의 방법으로 임하고 있다는 점, 또 인류가 직면한 현실적인 문제해결을 위한 인공지능을 필수적으로 사용하거나 개발하고 있다는 점에서 찬사를 받고 있다. 젠슨 황 엔비디아 창업자 겸 최고경영자(CEO)가 인공지능(AI)이 5년 내로 인간이 치르는 모든 시험을 통과할 수 있을 것으로 전망했다(24.03). 그는 “목표를 어떻게 정의하느냐에 따라 답이 크게 달라진다”면서 “'인간처럼 생각하는 것'을 ‘인간의 시험을 통과할 수 있는 능력’으로 정의하면 인간 수준의 인식을 가진 ‘범용 인공지능(AGI: Artificial General Intelligence)이 곧 등장할 것”이라고 말했다. 따라서 범용 인공지능(AGI)가 바로 강한 인공지능(Strong AI)이다. 더 나아가 AGI(범용 인공지능)를 이해하기 위해서는 특정 목적 인공지능(Narrow AI)에 대한 이해가 우선 필요하다. 특정 목적만을 수행하기 위해 개발된 특정 목적 인공지능(Narrow AI)은 주어진 특정 분야나 한정된 작업에 대해 인간 수준 혹은 그 이상의 성능을 보여주는 인공지능을 일컫는다. 즉 인간의 역량으로 수행하기 어려운 방대한 양의 데이터 분석, 반복적이고 복잡한 수학적인 연산 등을 컴퓨터 파워를 활용하기 위해 인공지능 모델을 만들어내는 것이 '특정 목적 인공지능(Narrow AI)'의 일반적인 생각이다. 반면 '범용 인공지능(AGI)'는 다양한 분야에서 인간과 유사한 학습, 이해, 추론 능력을 지닌 지능의 형태를 지향(志向)한다. 이런 의미에서 범용 인공지능(AGI)는 Full AI 혹은 'Strong AI'라고도 불린다. 인간은 언어 학습, 예술 창작, 문제 해결 등 다양한 분야에서 일정 수준의 능력을 발휘할 수 있는데, 범용 인공지능(AGI)의 목표는 이러한 인간의 일반적인 지능을 컴퓨터에서 재현하는 것이다. 궁극적으로 컴퓨터 파워가 인간과 동등한 수준의 창의적 사고와 문제 해결 능력을 유연하게 가지게 하는 것을 포함한다. 이처럼 인공지능은 경쟁 구도를 바꾸는 빅데이터의 힘을 증명하고 있다. 특히 합성생물학 분야, 즉 미래 화장품과 제약 산업 뿐만 아니라 산업 전반에 새로운 '게임 체인저'로 등장해서 그 실력을 입증한 셈이다. 따라서 기존에 하던 걸 인공지능으로 대체하는 범용 인공지능(AGI) 시대를 준비해야 한다. 왜냐하면 그것이 지속가능한 '경험 기반의 기능 가치(MX-based Design)'이기 때문이다. 박정수 성균관대학교 스마트팩토리 융합학과 교수 ※ 외부 인사 원고는 본지의 편집 방향과 일치하지 않을 수 있습니다.
- 작성일 2024-10-29
- 조회수 427
[연구] 석사과정 위태욱, SCIE 논문지(MDPI applied sciences/Q1) 게재

석사과정 위태욱 학생(지도교수: 정종필)의 연구(D2-SPDM: Faster R-CNN-Based Defect Detection and Surface Pixel Defect Mapping with Label Enhancement in Steel Manufacturing Processes)가 MDPI applied sciences(Impact Factor: 2.5 (2023); 5-Year Impact Factor: 2.7 (2023))에 게재됐다. https://www.mdpi.com/2076-3417/14/21/9836 / https://doi.org/10.3390/app14219836 논문요약 - The steel manufacturing process is inherently continuous, meaning that if defects are not effectively detected in the initial stages, they may propagate through subsequent stages, resulting in high costs for corrections in the final product. Therefore, detecting surface defects and obtaining segmentation information is critical in the steel manufacturing industry to ensure product quality and enhance production efficiency. Specifically, segmentation information is essential for accurately understanding the shape and extent of defects, providing the necessary details for subsequent processes to address these defects. However, the time-consuming and costly process of generating segmentation annotations poses a significant barrier to practical industrial applications. This paper proposes a cost-efficient segmentation labeling framework that combines deep learning-based anomaly detection and label enhancement to address these challenges in the steel manufacturing process. Using ResNet-50, defects are classified, and faster region convolutional neural networks (faster R-CNNs) are employed to identify defect types and generate bounding boxes indicating the defect locations. Subsequently, recursive learning is performed using the GrabCut algorithm and the DeepLabv3+ model based on the generated bounding boxes, significantly reducing annotation costs by generating segmentation labels. The proposed framework effectively detects defects and accurately defines them, even in randomly collected images from the steel manufacturing process, contributing to both quality control and cost reduction. This study presents a novel approach for improving the quality of the steel manufacturing process and is expected to enhance overall efficiency in the steel manufacturing industry.
- 작성일 2024-10-28
- 조회수 1370
[연구] 석사과정 정수현, SCIE 논문지(MDPI applied sciences/Q1) 게재

석사과정 정수현 학생(논문지도: 정종필)의 연구(BAT-Transformer: Prediction of Bus Arrival Time with Transformer Encoder for Smart Public Transportation System)가 MDPI applied sciences(Impact Factor: 2.5 (2023); 5-Year Impact Factor: 2.7 (2023))에 게재됐다. https://www.mdpi.com/2076-3417/14/20/9488 / https://doi.org/10.3390/app14209488 논문요약 - In urban public transportation systems, the accuracy of bus arrival time prediction is crucial to reduce passenger waiting time, increase satisfaction, and ensure efficient transportation operations. However, traditional bus information systems (BISs) rely on neural network models, which have limited prediction accuracy, and some public transportation systems have non-fixed or irregular arrival times, making it difficult to directly apply traditional prediction models. Therefore, we used a Transformer Encoder model to effectively learn the long-term dependencies of time series data, and a multi-headed attentional mechanism to reduce the root mean square error (RMSE) and lower the mean absolute percentage error (MAPE) compared to other models to improve prediction performance. The model was trained on real bus-operation data collected from a public data portal covering the Gangnam-gu area of Seoul, Korea, and data preprocessing included missing value handling, normalization and one-hot encoding, and resampling techniques. A linear projection process, learnable location-encoding technique, and a fully connected layer were applied to the transformer-encoder model to capture the time series data more precisely. Therefore, we propose BAT-Transformer, a method that applies a linear projection process, learnable location-encoding technique, and a fully connected layer using bus data. It is expected to help optimize public transportation systems and show its applicability in various urban environments.
- 작성일 2024-10-17
- 조회수 1414

등록