Predictive Analytics (예측 분석)

Predictive Analytics

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 개발2. 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.

Process Analytics (프로세스 분석)

Process Analytics

Process analytics는 각 요소와 요소 간 연관관계를 정의 및 설명하고 시각화 함으로써 비즈니스 프로세스를 이해하고 관리와 개선에 활용되는 분석 방법론입니다. 이를 과거에 발생한 데이터를 바탕으로 하여 분석을 진행하면 문서상으로 알 수 없는 실제 현장의 정보를 얻을 수 있습니다. 현장의 현황을 배경으로 분석이 진행됨으로써 실질적으로 문제를 해결할 수 있습니다. 이에 따라 본 연구실에서는 1. 데이터 기반 프로세스 시각화, 분석시점 다양화, 모델 추출 방법 연구, 2. 프로세스 모델의 정합도 분석과 이를 활용한 결손 데이터 및 이상치 처리 방법론 개발, 3. 추출된 프로세스 및 분석 결과 기반 프로세스 최적화와 시뮬레이션 에 관한 연구를 진행하며, 이를 통해 다양한 방법으로 프로세스를 살펴보고, 도출된 결과의 활용 방안을 모색합니다.

  • 데이터 기반 프로세스 시각화, 분석 시점 다양화, 모델 추출 방법 연구
    • 프로세스 내 존재하는 이벤트를 정의하고, 메타데이터의 구성요소의 표준화를 통해 프로세스 분석에 사용되는 고정 요소 결정 및 최적 고정 프로세스 도출
    • 실제 프로세스가 진행되는 현장에서 급박한 변화의 발생 시 즉각적으로 프로세스 모델을 추출하고 분석하는 방법론 개발.
    • 직관적인 분석 결과 표현으로 현장 전문가도 쉽게 이해 및 활용할 수 있으며, 현장과 실시간 연동되는 프로세스 분석 및 시각화 알고리즘 연구.

  • 프로세스 모델의 정합도 분석과 이를 활용한 결손 데이터 및 이상치 처리 방법론 개발
    • 기존에 활용되던 프로세스 정합도 분석 방법론과의 동질성은 유지하면서, 통계를 기반으로 데이터의 축약 또는 단순화를 통한 안정적인 비교를 제공하는 알고리즘 고안.
    • 프로세스 모델을 활용하여 데이터 내 순차성과 연계성을 고려한 운영 데이터의 결손 혹은 이상 처리.
    • 현장 데이터에 연계된 외부 환경의 프로세스 분석, 예측 및 로그데이터 생성 결과를 반영하여 결측 혹은 이상 데이터 처리의 정확도를 제고할 수 있는 처리 방법론 개발.

  • 추출된 프로세스 및 분석 결과 기반 프로세스 최적화와 시뮬레이션
    • 로그 데이터를 실시간으로 반영하여 새로운 스케줄링의 필요한 경우를 판단 및 재 스케줄링을 통한 유연한 프로세스 운영 지원.
    • 프로세스 마이닝을 기반으로 의사결정 사안을 가정 및 적용된 시뮬레이션 도구 개발로 프로세스 최적화를 위한 최적 운영 환경 도출 보조.
    • 인공지능 혹은 강화학습을 도입한 로그데이터 기반 스케줄링 방법론 개발로 계획을 자동으로 관리하고 유연성 증대.

Data Infrastructure (데이터 인프라)

Data Infrastructure (데이터 인프라)

최근에 이르러 발생되는 데이터의 양이 많아 짐에 따라, 이를 효율적으로 처리하기 위해 필요한 자원의 수도 이에 비례하여 증가하고 있습니다. 동시에 이를 다루기 위한 방법론의 복잡도 역시 높아지면서, 다른 분야의 전문가들이 그에 대한 전문지식 없이 접근하기가 쉽지 않아졌습니다. 하지만 빅데이터 활용에 대한 연구와 적용이 사회 전반에 중요한 관심사가 되면서, 방대한 데이터를 시간에 구애 받지 않고 자유롭게 활용할 수 있도록 돕는 다양한 플랫폼을 관심을 갖고 제공하는 기업도 많아지고 있습니다. 이와 더불어 필요로 하는 것을 제공하기 위해 클라우드가 활용되며, 사용자들은 클라우드를 통해 보다 손쉽고 적은 비용으로 데이터를 활용한 시도를 해볼 수 있게 되었습니다. 산업에서 데이터를 활용의 기반이 되는 데이터 인프라에 대한 필요성이 대두됨에 따라, 본 연구실에서는 1. 최적의 데이터 활용 환경 제공을 위한 빅데이터 플랫폼 구축, 2. 데이터 처리 혹은 분석에 활용할 수 있는 클라우드 서비스 개발 과 같은 연구를 진행하고 있습니다.

  • 최적의 데이터 활용 환경 제공을 위한 빅데이터 플랫폼 구축
    • 웹 브라우저 상에서 이전에는 처리가 불가능했던 대용량의 로그 데이터를 재생할 수 있는 이벤트 로그 분할 재생 알고리즘 연구.
    • 데이터 웨어하우스보다 확장된 데이터 저장 구조인 데이터 레이크에서 사용자의 큰 노력 없이 자유자재로 데이터를 조회, 추출, 탐색, 가공 및 분석하는 서비스 개발 .

  • 데이터 처리 혹은 분석에 활용할 수 있는 클라우드 서비스 개발
    • 운영 빅데이터를 기반으로 하는 시뮬레이션 분석 도구를 웹 기반의 서비스로 구축.
    • 직관적인 데이터 분석 평가 지표 개발과 예측 분석 과정의 정형화를 통하여 데이터 예측 분석을 필요로 하는 누구나 쉽게 활용할 수 있는 클라우드 기반 예측 분석 서비스 개발 .
    • 표준화된 기계학습 기반의 데이터 분석 서비스 설계와 맞춤 분석에 필요한 모델 구조의 모듈화로 짧은 시간 내에 쉽게 활용할 수 있는 수요자 맞춤 분석 서비스 제공 기반 구축.