Industrial IoT
Industrial IoT
센서와 현장 설비 데이터를 수집하고 이를 서비스와 연결하기 위한 IoT 플랫폼과 응용기술 연구. ## 연구 배경 제조·물류 현장의 설비와 센서는 MQTT, OPC-UA, Modbus 등 서로 다른 프로토콜을 사용하는 경우가 많습니다. 이 연구는 이런 이기종 프로토콜을 하나의 일관된 데이터 스트림으로 통합하는 Edge Gateway 구조와, 수집된 데이터를 실시간으로 처리·전달하는 파이프라인 설계를 다룹니다. ## 핵심 주제 - MQTT/OPC-UA/Modbus 등 산업 프로토콜 통합 및 Edge Gateway 설계 - Edge Computing 기반 실시간 데이터 처리 (판단은 현장에서, 심층 분석은 서버에서) - 센서·설비 데이터 수집 구조와 표준화 - AIoT 서비스 아키텍처 설계
AI & Knowledge
AI & Knowledge
LLM과 기업 내부 지식을 연결하기 위한 RAG, GraphRAG, Knowledge Graph 및 Ontology 기반 AI 연구. ## 연구 배경 RAG(Retrieval-Augmented Generation)는 질의 시점에 외부 지식을 검색해 LLM의 답변 근거를 최신 자료에 고정시키는 방식입니다. 여기서 한 단계 더 나아간 GraphRAG는 단순 텍스트 유사도 검색을 넘어, 개체(entity)와 관계(relationship)를 그래프로 모델링해 더 풍부한 맥락과 신뢰도 높은 답변을 제공합니다. 이때 Ontology는 그래프에 어떤 종류의 노드와 관계가 존재할지 정의하는 설계도 역할을 합니다. ## 핵심 주제 - RAG/GraphRAG 아키텍처 설계 및 비교 - Knowledge Graph·Ontology 기반 기업 지식 모델링 - LLM과 내부 문서·데이터를 연결하는 지식 검색 구조 - AI Agent를 통한 지식 활용 및 업무 자동화
Smart Manufacturing
Smart Manufacturing
제조공정 데이터를 활용하여 설비상태, 공정 이상, 품질 및 생산성을 분석하는 제조 AI 연구 및 교육. ## 연구 배경 예지보전(Predictive Maintenance)은 설비의 진동·온도·전류 등 센서 데이터를 시계열로 분석해 고장 시점을 사전에 예측하는 기술로, 예기치 못한 다운타임과 과잉 정비를 동시에 줄이는 것을 목표로 합니다. 이상탐지(Anomaly Detection)는 정상 데이터만으로 모델을 학습시켜, 정상 패턴에서 벗어나는 불량·이상 징후를 자동으로 찾아내는 방식이 널리 쓰입니다. ## 핵심 주제 - 설비 데이터 기반 예지보전 (진동·온도·전류 시계열 분석) - 비전/센서 데이터 기반 이상탐지 및 불량 자동검출 - 공정 조건과 품질 사이의 관계 분석 및 품질예측 - 생산성 지표 분석과 공정 최적화
Smart Logistics
Smart Logistics
RFID, IoT, 물류보안, Green Logistics, Cold Chain 및 물류정보시스템 연구. ## 연구 배경 RFID 기반 스마트 물류는 태그를 통해 입출고 상태를 자동으로 관리하고, 화물의 종류·수량·배송 정보·차량 위치를 실시간으로 추적할 수 있게 합니다. 콜드체인(Cold Chain)은 신선식품·의약품 등 온도에 민감한 제품을 생산부터 소비까지 일정 온도로 유지·관리하는 것으로, 관리가 미흡할 경우 유통 과정에서 상당량의 신선식품이 폐기되는 것으로 알려져 있어 온도 모니터링의 중요성이 큽니다. ## 핵심 주제 - RFID/IoT 기반 화물 추적 및 입출고 자동화 - Cold Chain 온도 모니터링 및 품질관리 - 물류정보 동기화 기반 SCM(공급망관리) 모델 - 수요예측 기반 재고·생산 계획 연계 - 물류보안 및 Green Logistics
Edge & Physical AI
Edge & Physical AI
AI가 Cloud를 넘어 Device와 Physical World에서 동작하기 위한 Edge AI, On-device AI 및 Physical AI 연구. ## 연구 배경 TinyML은 연산 자원이 제한된 소형 저전력 디바이스에 경량화된 모델을 배포해, 클라우드로 데이터를 보내지 않고도 현장에서 실시간으로 판단하게 하는 기술입니다. 지연시간 감소·프라이버시 보호·에너지 효율이라는 클라우드 AI의 한계를 보완합니다. 여기에 VLM(Vision-Language Model), 나아가 시각·언어 입력을 로봇의 행동으로 직접 연결하는 VLA(Vision-Language-Action) 모델이 결합되면서, AI가 화면 밖 물리 세계에서 인지하고 판단하고 행동하는 Physical AI/Embodied AI로 확장되고 있습니다. ## 핵심 주제 - TinyML 기반 On-device AI 모델 경량화 및 배포 - Edge AI의 저지연·프라이버시·에너지 효율 설계 - VLM 기반 시각-언어 인지 모델 활용 - VLA 기반 로봇 행동 제어와 Physical AI 적용