[학회 후기]

2022년 대한산업공학회 추계학술대회가 11월 4일 인천대학교에서 개최되었다. 입학 후 처음으로 참석하는 학회였는데 다행히 코로나19 상황하에서도 오프라인으로 학회를 경험할 수 있었다. 처음 입학할 당시에는 대강당에서 모든 참여자가 하나의 발표를 지켜보고 질문하는 그러한 발표라고 생각했기에 학회 발표란 것에 대한 부담감이 굉장히 컸었던것 같다. 하지만 실제로 학회를 참가해보니 정말 많은 세션으로 나누어져 있었고 본인이 관심가는 발표를 선택하여 들을 수 있어서 부담도 덜하고 견문을 넓히는데 큰 의미가 있다고 생각되었다. 이번 오프라인 학회 참가 경험을 통해서 많은 것을 보고 느꼈으며 다음 학회는 즐길 수 있을것 같다는 생각이 들었다. 특히 이번에 배정된 발표 세션이 머신러닝, 딥러닝 방법론이 아니라 생산/최적화와 관련된 주제들이어서 전혀 경험해보지 못한 새로운 분야를 보고 접할 수 있는 소중한 기회였다. 각 세션에 따라 질문과 청취하는 분위기가 많이 달랐던것도 신기하였고 유사한 연구를 수행하는 사람들과 같은 장소에 모여 함께 있다는 사실도 의미 있었던것 같다. 하루밖에 되지 않은 짧은 시간이었지만 많은 것을 느낄 수 있었던 학회였으며 향후 더 좋은 연구를 수행하여 다른 학회, 특히 외국에서 개최되는 학회에도 도전해보고 싶다는 생각이 들었다.

[발표 후기]

자기지도학습을 활용한 카메라 해상력 검사 공정 불량 예측이라는 제목으로 발표를 진행하였다. 제조 현장을 비롯한 다양한 산업 현장에서 정형 데이터가 생성되고 있고 해당 데이터의 분석 수요는 여전히 굉장히 높으나, 정형 데이터에 최적화된 비지도학습은 비교적 연구가 부족한 상황이다. 또한 공정에 의하여 절단된 데이터가 생성되는 경우 해당 데이터를 보다 더 잘 이해하기 위한 방법론을 필요로 한다. 이러한 상황하에서 레이블된 데이터를 사용하지 않는 자기지도학습 기반의 방법론을 제안하였다. 본 연구에서는 기존의 발표된 방법론인 SubTab과 VIME을 적절히 결합하여 개선된 방법론을 제안하였으며 실제 현장의 카메라 해상력 검사 공정 데이터 뿐만 아니라 오픈 데이터셋을 통하여 제안 방법론의 성능을 확인하였다. 이를 통하여 다양한 산업 현장에서 정형데이터, 절단데이터, 그리고 레이블된 데이터가 부족한 상황에서 적용가능한 방법론을 제안하였다는데 의의가 있다. 발표 시간이 10분으로 제한되었기 때문에 많은것을 전달하기에는 부족하였고 문제 정의와 제안 방법론의 아이디어에 대해 집중하여 설명하였다. 배정된 세션이 생산/최적화와 관련된 룸이었고 외국인도 많았던 터라 발표 내용이 100% 모두 전달되지는 않은 것 같다고 느꼈다. 하지만 마지막 발표 순서였고 그 이전까지의 발표에서는 아무런 질문이 나오지 않았었던것을 생각했을 때 세션 참여자의 질문을 받았던 것은 이번 발표를 통해 어느 정도 관심과 흥미가 청중에게 전달되었던것 같아 고무적이었다.

질문 1. 과도한 노이즈로 인하여 검사결과(Pass/Fail)를 신뢰할 수 없다고 하였는데 왜 최초 검사 시 Pass된 결과는 신뢰할 수 있나요?

답변 1. 제조 현장에서는 불량인 제품이 Pass로 판정되는것이 불량이 아닌 제품이 Fail로 판정되는것보다 더 큰 Risk이기 때문에 검사 스펙을 허용치보다 더 tight하게 설정하게 되므로 해당 스펙에서의 Pass는 노이즈를 감안하더라도 Pass라고 신뢰할 수 있습니다.

질문 2. 기존 방법론들을 결합하여 새로운 방법론을 제안하였는데 여러 방법론 중 실험을 통하여 선정한 것인지, 문제 상황에 맞추어 해당 방법론을 선택한 것인지?

답변 2. 실험 초기에는 문제 상황에 정확히 맞는 방법론을 구성하기가 어려우므로 다양한 방법론을 실험하면서 높은 성능의 결과와 이유를 해석하며 새로운 방법론을 만들어가는 방법으로 연구를 진행했습니다.

[청취 후기]

1. 도심 통합물류센터를 이용한 배달과 수거 차량경로문제 (박형빈, 정봉주 - 연세대학교 산업공학과)

우리의 생활과 밀접한 물류(택배)의 효율적인 운영을 위하여 차량 배송 문제를 해결하는 연구였다. 특히 대형 물류 센터와 도심에 위치한 중간 단계 소형 물류 센터를 활용한 2단계 배송 문제로 기존에도 다양한 연구가 진행되고 있는 주제였다. 해당 발표는 기존 문헌의 연구를 요약 정리하면서 개선된 물류 계획을 도출하였다. 제안하는 방법은 물류의 배송과 수거를 동시에 수행하면서 물류의 흐름 또한 고려하는 방법론이었다. 해당 최적화 문제를 풀기 위해서 굉장히 많은 변수와 제약식, 그리고 파라미터를 사용하였는데 너무 많았기에 발표중에 각각을 이해하는 것은 어려웠다. 또한 목적식으로 표현되는 수리적 모델의 경우만 5 page 장표를 차지할 정도였기에 관련 배경 지식이 없는 상태에서 이해하기는 어려웠지만 연구의 목적과 여러 제약상황들, 그리고 어떻게 해당 문제를 해결하고자 했는지는 대략 이해할 수 있었다. 보통 딥러닝 관련 논문을 읽을때도 목적식과 같은 수식을 포함하여 다양하게 제안하고자 하는 내용을 수식으로 표현한 경우가 많이 있는데 이번 학회에 내가 발표했던 내용에는 수식이 전혀 포함되어 있지 않았다. 전세계 공통으로 모든 사람이 이해할 수 있고 제안 방법론을 직관적으로 설명할 수 있는 언어가 수학적 수식인 만큼 향후 개인 연구를 진행할 때 조금 더 mathmatical하게 풀어가는 것도 좋지 않을까라는 생각이 들었다.

2. DISRUPTED SUPPLY CHAIN PLANNING CONSIDERING MULTIPLE STATE STOCHASTIC SCENARIOS (Maryam Khairunissa, Hyunsoo Lee - Kumoh National Institute of Technology)

재난과 같은 상황이 발생하였을 때 물품을 어떻게 수집하고, 분배하는 것이 좋은지 많은 연구가 진행되고 있다. 해당 발표에서는 긴급한 재난 상황이 발생하였을 때 여러가지의 조건과 시나리오를 설정하고 가장 효율적인 자원 분배 네트워크를 만들고자 하였다. 기존의 구호물폼 분배 네트워크의 단점과 한계점을 언급하면서 보다 효율적인 분배 네트워크를 제안하였다. 특히 몇몇의 supplier가 사라지는 가정하에서도 수요에 모두 효과적으로 대응할 수 있는 네트워크를 만드는 것이 가장 중요한 개선점이었다. 새로 제안한 네트워크의 목적식은 수요를 충족시키지 못하는 경우를 최소화 하는 방법으로 진행되었는데 굉장히 복잡하게 얽혀있을 네트워크를 하나의 수식으로 목적식을 정의할 수 있다는게 굉장히 신기하다고 느껴졌다. 해당 목적식에서 사용하는 변수와 확률은 모두 실생활에 접목되는 항목으로서 더 와닿았다. 해당 연구에서 제안하는 네트워크를 검증하기 위하여 2가지의 시나리오를 생성하였고 각각에 대해서 구호 물품이 shortage가 생기는지에 대한 실험 결과를 보여주었다. 최근들어 재난상황을 대비하는것이 주목받는 상황에서 이러한 네트워크를 개발하고 연구하는것은 굉장히 의미 있는 일로 느껴졌으며, 이러한 연구가 지속되고 고도화되는것이 사회에 큰 정책결정과 방향에 영향을 줄 수 있다고 생각하니 발표의 무게가 새롭게 다가왔다. 뿐만 아니라 영어로 발표가 진행되었기에 제대로 이해하고 질문하기 위해서 영어 또한 열심히 해야겠다는 동기부여가 되는 좋은 연구/발표였다.