국제저널 International Journal of Industrial Engineering-Theory, Application, Practice (IJIE-TAP) 연계한 IJIE 국제학술대회는 금년 10월 10-12일 일정으로 서울에서 개최되었다. 산업공학 내 다양한 분야의 발표 세션이 구성되었으며, 특히 생산 분야와 스케쥴링, 물류 관련한 최적화 연구가 인상 깊었다.

이번 학회에 참석하여 발표한 주제는, 'An Inductive Algorithm to Combine Data and Expert Knowledge for Fault Interpretations in Multivariate Monitoring' 이다. 이 연구는 다변량 모니터링 중 탐지된 이상치에 대한 해석 정확성을 높이기 위한 귀납적 학습 알고리즘을 제안한다. 최근 많은 분야에서 각광을 받고 있는 data-driven approach에 부가적으로 knowledge-based approach 방식을 결합하여, 데이터 분석 시 현업 전문가의 지식을 추가 반영하자는 것이 주요 골자이다. 데이터 기반 학습방법으로는 causal analysis tool로 자주 활용되는 Bayesian network(이하 BN)를 활용하였다. 하지만 BN 알고리즘은 구조학습 문제가 NP-complete에 속하여 휴리스틱 알고리즘을 주로 채택하는데 이 점에서 causal analysis tool로 사용하는데 문제가 있다. 휴리스틱 기법에 기반하여 학습된 BN 구조는 그 인과지도 결과가 해석적으로 문제가 있을 경우가 잦아서, 있는 그대로 해석 도구로 사용하기에는 어려움이 많기 때문이다. 또한, 부족한 학습 데이터량(lack of training data)은 의미론적으로 무의미한 결과가 나올 확률이 높아진다고 볼 수 있다. 

본 연구에서는 현업 전문가의 지식을 기반으로 BN 알고리즘의 인과지도 결과를 귀납적 학습(inductive algorithm)하는 알고리즘을 제안하였다. 발표를 듣는 청중들에게 내 연구의 문제상황과 제안 알고리즘에 대해 흥미를 갖도록 만들어주고 싶었는데 말을 쉽게 풀지 못하여 아쉬움이 남는다. 보다 즐겁고 집중력 있는 발표를 하기 위해 더 준비가 필요할 것 같다. 다음 기회에는 더 감명을 주는 발표를 보여주겠다. 발표 후 별도로 찾아온 참가자로부터 제안 알고리즘의 상세 메커니즘에 대한 질문과 함께, 다변량 모니터링에 대한 간단한 질문이 있었다.

------------------------------------------------------------------------------------------------------------

Developing IOT Data Anomalies Response Model Toward Smart Factory Performance Measurement
본 연구는 IoT 기반의 스마트 팩토리 구축 시 필요한 이상탐지체계(IoT failure)의 프로토타입에 초점을 맞추고 있다. (그 당위성에서 설명하지는 않았지만,) workflow 기반의 모델을 구축하여 이상상황을 빠르고 정확하게 집계하는데 연구의 기여도가 있어 보였다. BPMN으로 모델링하고 BPEL로 구축한듯 보였으며 통신부에서도 B2MML 표준언어를 따른 듯 싶다. 표준 규약을 접목시켜 프로토타입을 구축할 경우, 실제 현장 적용에 쉬이 적용할 수 있는 장점이 있고, 국내외 표준화 연구를 주도하고 있는 출연기관에서 많은 관심을 보이지 않을까 싶다. 현장 경험이 전무할 수 있는 학생이 이 정도의 문제의식과 나름의 아키텍트를 구축한 것은 인상 깊었다. 단, 이상상황으로 정의한 범위(service fail in middleware or resource/device fail)가 너무 적은 상황을 시나리오로 삼았고, 실제 정량적 실험분석을 거치지 않은 점은 추후연구를 통해 보완해야 할 것이다. 또한, 포괄적인 이상탐지에 실제 대응하기에는 알고리즘 연구부분이 다소 기대에 못미쳐 좀 더 집중해야 할 것으로 보인다.
 
Location of Congested Immobile Multi-server Facilities: Modeling and Solution Heuristics
현재 휴리스틱 기반 근사 최적화 탐색 기법 응용연구를 수행 중이라, 유사한 최적화 응용연구에 보다 관심을 갖게 되었다. 이 연구발표에서 주어진 문제는 여러 지역에 존재할 수 있는 고객을 대응할 수 있도록 몇 개의 상가를 세우고, 상가를 어디에 위치할지 결정하는 문제이다. 기본적으로 FLP(Facility location problem, 설비배치) 문제의 또 다른 유형으로 볼 수 있으며, NP-hard problem에 해당하여 주로 메타 휴리스틱 알고리즘을 적용하여 근사 최적값을 탐색하는 연구가 지배적이다. 본 연구에서는 M/G/1 기본 대기모형을 목적식에 적용하여 고객 waiting time 최소화를 꾀하였다. tabu search와 simulated annealing을 사용하였고, tabu search에서 더 준수한 결과가 나왔음을 실험연구를 통해 보여주었다. 발표 후 내가 했던 질문은, mini-size 문제에서 최적화 값과의 충분한 비교를 거쳤는지, 둘째로 대기모형을 적용한 것 외에는 전형적인 CFLP(Capacitated FLP)의 formulation을 따를 것 같은데, 모델링이 좀 더 단순화 될 수 있지 않을까 질문했다. 발표자가 두 질문 모두 감안하여 실험을 진행한 듯 하여 추가 질문은 하지 않았다. 이와 같은 다양한 문제 유형에 대한 응용연구 내용을 자주 접할수록, 보다 나은 모델링 아이디어를 얻을 수 있을 것 같다.

Street Washing Truck Routing With Intermediate Refill Facilities
흥미롭게 경청한 발표내용이었다. 대만의 Ching-Jung Ting 교수님의 발표였는데, 지도학생의 집안에서 운영하고 있는 도로 청소차량의 최적 운영 알고리즘에 대한 연구를 소개해주었다. CARP(Capiciated arc routing problem)의 유형으로, 정해진 물을 수통에 채운 차량을 정해진 도로에 주행토록 하면서, 최소한의 차량으로 주어진 거리를 최소한으로 주행토록 하는 방법에 관한 연구이다. 이러한 문제 유형으로 SWPIR(Street washing truck routing problem with intermediate refill points)라는 문제가 있다는 것도 처음 알게 되었다. SWPIR 또한 NP-hard 문제 유형이므로, ant colony algorithm에 기반한 휴리스틱 알고리즘을 제안하였다. 새로운 문제 유형과 더불어 ant colony optimization 기법에 대한 이해도를 높일 수 있어서 유익하였다. 발표 이후, 도로의 거리만을 cost로 반영할 것이 아니라 교통체증을 반영한다면 새로운 유형의 문제가 될 수 있지 않을까 질문드렸다. 교수님께서 본 문제는 현실적으로 정부로부터 거리 기반으로 비용을 정산해서 받는 운영정책이므로 무관하긴 하지만, 제안한 바는 문제를 보다 흥미롭게 바꿀 수 있을 것 같다고 받아주셨다.