교내 교육

ad 학부 과정(undergraduate course)

 1. 생산 공정 관리 (IIE3104-01-00)

본 생산공정관리 강의에서는 MES(Manufacturing Execution System)를 구축하는데 필요한 산업공학의 핵심 로직을 다룬다. 제조 회사의 생산 과정을 계측적으로 구분해 보면 맨 위의 레이어(Layer)가 공급망 관리(SCM: Supply Chain Management)이고 중간 레이어가 생산 계획(Production Planning)이며 가장 아래 레이어가 생산공정관리인 MES이다. 생산공정관리는 공장에서 발생하는 여러 가지 상황을 다양한 산업공학 기법을 이용하여 최적으로 제어하여 수율과 생산성을 향상시키는데 목적이 있다. 현재 우리 나라에서는 삼성과 LG 같은 대기업에서 생산공정관리에 많은 투자를 하고 있다. 이런 추세에 발맞춰 본 강의에서는 생산공정관리에 필요한 MES의 기본 개념, 데이터 모델, 스케줄링을 배우고 나아가 데이터 마이닝 기법을 응용한 공정결함 탐지 및 분류 (FDC: Fault Detection & Classification), 선진 공정 제어(APC: Advanced Process Control), 및 설비 유지보수 관리(Equipment Maintenance) 절차 및 알고리즘을 소개하여 학생들이 기업에 취업했을 때 경쟁력을 갖추도록 한다.

A production process control lecture covers the critical logic of industrial engineering to build MES(Manufacturing Execution System). Looking at production process of manufacturing company as a hierachical view, SCM(Supply Chain Management) is on the top layer, production planning is on the middle layer and on the bottom, MES. The object of production planning is to upgrade yield and productivity by controlling variety situations in a plant using industrial engineering methods. Recently major companies like Samsung, LG, have made a lot of efforts to the production process control. This lecture cover an introduction of MES, data model, scheduling for production process control, and also FDC(Fault Detection and Classification), APC(Advanced Process Control) and equipment maintenance by applying data mining.

2. 정보 산업 확률 통계(IIE2109-01-00)

정보산업공학 분야에 응용을 목적으로 한 확률 개론 수업으로 랜덤 변수의 수학적 모델과 기대값 분포(이산, 연속 변수), 결합 확률(joint) / 조검부 확률 분포, 큰 수의 법칙, 중심 극한 정리, 샘플 분포, 모수 추정 등을 다룬다.

An introduction to probability with a view toward applications. This course covers basic concepts for mathematical models for random variables and expectation(discrete and continuous) distributions, joint and conditional distributions, law of large numbers, central limit theorem, sample distributions, and estimation for population parameters.



ad 대학원 과정(graduate course)

1. 고등지능정보공학 1  (IIE8550-01)

이 수업의 목적은 수많은 데이터 셋으로부터 자동으로 숨겨진 정보를 찾는 기술인 기계 학습(데이터 마이닝)을 배우는 것이다. 이 수업은 의사 결정 나무, 인공 신경망, 사례 기반 학습, 유전 알고리즘과 베이지안 통계 기법과 같은 고등 통계 방법론, 그리고 주성분 분석 등 인공 지능 기술을 다룬다.

The objective of this course is to learn machine learning (or data mining) techniques that automatically hidden knowledge from massive data sets. This course provides artificial intelligence techniques such as decision tree, artificial neural networks, instance based learning, genetic algorithm and advanced statistical methods such as Bayesian learning and principal component analysis.

 

2. 고등지능정보공학 2 (IIE8001-01)

본 과목은 고등지능정보공학 1의 후속 과목으로 Deep learning과 Image processing 및 Object recognition에 대해 사례와 함께 학습한다.

This lecture is the follow-up Advanced intelligence information engineering course(IIE8550-01), provide Deep learning, Image processing and Object recognition with case study.

3.  스케줄링 이론 (IIE7501-01)

일정 계획은 제한된 자원의 사용 일정을 수리적 방법을 적용하여 최적으로 생성하는 운용 과학의 준요한 분야이다. 이번 강의는 학생들에게 수리적 사고 방식을 요구하며, 최적의 일정 계획을 생성하는 다양한 알고리즘을 배운다. 강의에서 다양한 성능 지표와 제한을 둔 단일 기계 스케줄링, 기본 병렬 기계 스케줄링, 흐름 작업장과 개별 작업(job shop) 스케줄링, tabu search, simulated annealing and genetic algorithm과 같은 휴리스틱 기법 등을 다룬다.

Scheduling is a one of the classical operation research areas that aims to time-tabling resources of limited capacity so that performance measures are optimized. This lecture demands students to have strong backgrounds on mathematical thinking and proof procedures. The topic covered through this course are scheduling terminology and basic results, single machine scheduling with different performance measures and constraints, basic parallel machine scheduling, flow-shop and job shop scheduling, and some representative meta heuristics, such as tabu search, simulated annealing and genetic algorithm, for generating near optimal solutions.