Professor
Dr. Kang holds an Assistant Professor in Industrial & Management Engineering at INHA University. He is the director of the Technical Approach for Computing Trend Information & Convergence System (TACTICS). Dr. Kang focuses on the optimization of systems where it can actually make advantages in the real world. In order to reach the outcomes his lab explores systems through the acquisition, convergence and mining of large scale data. Dr. Kang received his Ph.D., M.E. (Industrial Engineering) from the Pennsylvania State University in the US, and M.S. (Industrial Engineering) from Myongji University in Korea while he working as a task force team leader at HYNIX semiconductor in Korea. He had his B.S. in Industrial Engineering from Inha University in Korea.
Research Area
Welcome to the TACTICS lab, where performs Technical Approach for Computing Trend Information & Convergence System. This lab explores digitalized data sets from hardware to software in order to search for market trends, equipment health status, and anything related to TRENDS. We develop and analyze convergence systems for both hardware and software by integrating its variables hereby forecasting future status. Therefore, the TACTICS also proposes next generation products in the basis of the past and current status of products. How we do this?
We study traditional Industrial Engineering research topics.
* Time Series
* Optimization
* Decision Makings
* Reliability
* Prognostics and Health Management
* Optimization
* Decision Makings
* Reliability
* Prognostics and Health Management
We study Information Technology research topics.
* Neural Networks
* Natural Language Processing
* 2D/3D Image Mining
* Natural Language Processing
* 2D/3D Image Mining
LG Electronics Target Lab
인하대학교 산업경영공학과 TACTICS 연구실이 2020년부터 LG전자 Target Lab으로 선정되었습니다. Target Lab은 LG전자의 우수 인재선발 Program 으로, LG전자의 미래 인재로서 역량을 키워나갈 수 있습니다. Target Lab으로 선정된 연구실에서 학위를 취득한 대학원생은 입사를 희망할 경우 아래와 같은 특별 채용 과정을 통해 입사 기회가 부여됩니다.
- 인턴기회 부여, 각종 행사 초대 및 소식지 발송
- 학위 취득 중 산학장학생 지원 가능
* 자세한 문의 사항은 아래 메일로 문의하세요.
지도교수 강성우 (kangsungwoo@inha.ac.kr)
- 인턴기회 부여, 각종 행사 초대 및 소식지 발송
- 학위 취득 중 산학장학생 지원 가능
* 자세한 문의 사항은 아래 메일로 문의하세요.
지도교수 강성우 (kangsungwoo@inha.ac.kr)
Project in Progress
Project 1 : 탄약 신뢰성 데이터 수집체계 구축을 통한 수명주기 관리 연구(A Study on Life Cycle Management through the Establishment of Ammunition Reliability Data Collection System)
[Sponsorship: Ministry of National Defense]
탄약은 전쟁 기간 동안 무기체계 운용의 필수적 요소로, 평시에는 일정량을 비축하고 나머지는 전시 동안에 긴급 조달한다. 탄약은 저장 기간이 매우 길고 지속적으로 작동시키지 않지만, 전시 상황에서는 반드시 정상적으로 작동해야 한다. 따라서 탄약의 성능이나 안정성 등을 확인하기 위한 연구가 필수적이다. 본 연구팀은 예측된 저장 신뢰성 데이터를 바탕으로 최적화된 탄약 점검 주기를 결정하는, 인공지능 기반 탄약 점검 주기 의사결정 알고리즘을 개발하고자 한다.
Ammunition is an essential part of the operation of the weapons system during the war, stockpiling a certain amount during peacetime and emergency procurement of the rest during wartime. Ammunition has a very long storage period and does not operate continuously, but must operate normally in wartime situations. Therefore, research is essential to confirm the performance and stability of ammunition. This research team aims to develop an artificial intelligence-based ammunition inspection cycle decision algorithm that determines the optimized ammunition inspection cycle based on the predicted storage reliability data.
[Sponsorship: Ministry of National Defense]
탄약은 전쟁 기간 동안 무기체계 운용의 필수적 요소로, 평시에는 일정량을 비축하고 나머지는 전시 동안에 긴급 조달한다. 탄약은 저장 기간이 매우 길고 지속적으로 작동시키지 않지만, 전시 상황에서는 반드시 정상적으로 작동해야 한다. 따라서 탄약의 성능이나 안정성 등을 확인하기 위한 연구가 필수적이다. 본 연구팀은 예측된 저장 신뢰성 데이터를 바탕으로 최적화된 탄약 점검 주기를 결정하는, 인공지능 기반 탄약 점검 주기 의사결정 알고리즘을 개발하고자 한다.
Ammunition is an essential part of the operation of the weapons system during the war, stockpiling a certain amount during peacetime and emergency procurement of the rest during wartime. Ammunition has a very long storage period and does not operate continuously, but must operate normally in wartime situations. Therefore, research is essential to confirm the performance and stability of ammunition. This research team aims to develop an artificial intelligence-based ammunition inspection cycle decision algorithm that determines the optimized ammunition inspection cycle based on the predicted storage reliability data.
Project 2 : 승강로 설치 작업 자동화 장비 개발 연구(Development of Automation Equipment for Elevator Hoistway Installation)
[Sponsorship: HYUNDAI Elevator]
승강기 설치 작업 시 작업자들은 저층부터 고층까지의 승강로 작업 중 추락, 충돌, 협착, 낙하 등 위험한 작업 환경에 노출된다. 또한, 생산인구 감소로 인해 작업 인력 부족 현상이 심화되고 있으며, 이를 해결하기 위해 승강기 업계에서는 AI 기반 승강기 설치 자동화 로봇 연구를 진행하고 있는 추세이다. 본 연구는 작업자 안전 증진 및 인력 부족 현상에 대한 대응, 승강기 설치 기간 단축 및 효율성 증대를 위해 승강로 내 설치물 고정을 위한 앵커 홀(hole)의 드릴 작업 및 앵커 볼트 고정 설치 기능을 갖는 승강기 설치 자동화 시스템을 개발하고자 한다.
Workers are exposed to dangerous working environments such as falls, collisions, stenosis, and falls during elevator installation work from low to high floors. In addition, the shortage of workers is intensifying due to the decrease in the production population, and to solve this problem, the elevator industry is conducting AI-based elevator installation automation robot research. This study aims to develop an elevator installation automation system with an anchor hole drill operation and anchor bolt fixing installation function to improve worker safety, respond to manpower shortages, shorten elevator installation period, and increase efficiency.
[Sponsorship: HYUNDAI Elevator]
승강기 설치 작업 시 작업자들은 저층부터 고층까지의 승강로 작업 중 추락, 충돌, 협착, 낙하 등 위험한 작업 환경에 노출된다. 또한, 생산인구 감소로 인해 작업 인력 부족 현상이 심화되고 있으며, 이를 해결하기 위해 승강기 업계에서는 AI 기반 승강기 설치 자동화 로봇 연구를 진행하고 있는 추세이다. 본 연구는 작업자 안전 증진 및 인력 부족 현상에 대한 대응, 승강기 설치 기간 단축 및 효율성 증대를 위해 승강로 내 설치물 고정을 위한 앵커 홀(hole)의 드릴 작업 및 앵커 볼트 고정 설치 기능을 갖는 승강기 설치 자동화 시스템을 개발하고자 한다.
Workers are exposed to dangerous working environments such as falls, collisions, stenosis, and falls during elevator installation work from low to high floors. In addition, the shortage of workers is intensifying due to the decrease in the production population, and to solve this problem, the elevator industry is conducting AI-based elevator installation automation robot research. This study aims to develop an elevator installation automation system with an anchor hole drill operation and anchor bolt fixing installation function to improve worker safety, respond to manpower shortages, shorten elevator installation period, and increase efficiency.
Project 3 : 제조 공정 데이터 기반 웹 플랫폼 개발(Development Process Data-based Web platform)
[Sponsorship : LG Electronics]
본 연구는 제조 공정 데이터(사출 공정, 프레스 공정, 생산 계획 데이터 등) 기반으로, 공정 관리의 효율을 증가시키는 웹 플랫폼 개발을 목적으로 한다. 플랫폼은 Java Spring 기반으로 구성되며, 데이터 분석 알고리즘 모델을 적용시키고 도메인, 호스팅 등 모든 서비스의 전반적인 비즈니스 로직을 구현한 백엔드와 백엔드 API에서 가져온 데이터의 입출력을 통한 비즈니스 로직 구성, 사용자 편의성을 위한 인터페이스를 포함한 프론트엔드를 포함한다. 기 진행된 사출 공정 고장률 개선 알고리즘에 본 플랫폼을 사용하면 더 짧은 시간에, 더 많은 데이터 분석을 쉽게 빌드할 것으로 기대된다.
This study aims to develop a web platform that increases the efficiency of orbital management based on manufacturing process data (injection process, press process, production plan data, etc.). The platform is based on Java Spring and includes a backend that applies a data analysis algorithm model and implements the overall business logic of all services such as domain and hosting, and a front end that includes a business logic configuration through input and output of data from the backend API, and an interface for user convenience. Using this platform for advanced injection process failure rate improvement algorithms is expected to make it easier to build more data analysis in a shorter time.
[Sponsorship : LG Electronics]
본 연구는 제조 공정 데이터(사출 공정, 프레스 공정, 생산 계획 데이터 등) 기반으로, 공정 관리의 효율을 증가시키는 웹 플랫폼 개발을 목적으로 한다. 플랫폼은 Java Spring 기반으로 구성되며, 데이터 분석 알고리즘 모델을 적용시키고 도메인, 호스팅 등 모든 서비스의 전반적인 비즈니스 로직을 구현한 백엔드와 백엔드 API에서 가져온 데이터의 입출력을 통한 비즈니스 로직 구성, 사용자 편의성을 위한 인터페이스를 포함한 프론트엔드를 포함한다. 기 진행된 사출 공정 고장률 개선 알고리즘에 본 플랫폼을 사용하면 더 짧은 시간에, 더 많은 데이터 분석을 쉽게 빌드할 것으로 기대된다.
This study aims to develop a web platform that increases the efficiency of orbital management based on manufacturing process data (injection process, press process, production plan data, etc.). The platform is based on Java Spring and includes a backend that applies a data analysis algorithm model and implements the overall business logic of all services such as domain and hosting, and a front end that includes a business logic configuration through input and output of data from the backend API, and an interface for user convenience. Using this platform for advanced injection process failure rate improvement algorithms is expected to make it easier to build more data analysis in a shorter time.
Project 4 : 발전 설비 수명 및 고장 예측 AI 품질관리 Tool 개발(Development of AI Quality Management Tool for Life and Failure Prediction of Power Generation Facilities)
[Sponsorship : Korea Midland Power Co., Ltd.]
발전소는 전력 생성과 공급을 목표로 하는 시설로, 발전 설비의 고장은 안정적인 전력 공급에 문제를 일으킬 뿐만 아니라, 작업자의 인명 피해와 같은 심각한 사고를 초래할 수 있다. 따라서 발전 설비의 모니터링 및 유지보수 작업은 필수적이다. 그러나 발전소에서 보유하는 고장 기록 데이터는 대부분 비정형 데이터로, 표준화된 데이터 정제 프로세스가 없기에 데이터 관리 및 분석에 어려움이 있다. 본 연구는 AI 기반 비정형 데이터의 고장 내역 표준화 및 정비 관련 가이드라인 제시를 목적으로 한다.
A power plant is a facility aimed at generating and supplying power, and a failure of a power generation facility not only causes problems with stable power supply, but can also cause serious accidents such as loss of workers' lives. Therefore, monitoring and maintenance work of power generation facilities is essential. However, most of the fault record data held by power plants is unstructured, and data management and analysis are difficult because there is no standardized data purification process. The purpose of this study is to present guidelines related to standardization and maintenance of failure history of AI-based unstructured data.
[Sponsorship : Korea Midland Power Co., Ltd.]
발전소는 전력 생성과 공급을 목표로 하는 시설로, 발전 설비의 고장은 안정적인 전력 공급에 문제를 일으킬 뿐만 아니라, 작업자의 인명 피해와 같은 심각한 사고를 초래할 수 있다. 따라서 발전 설비의 모니터링 및 유지보수 작업은 필수적이다. 그러나 발전소에서 보유하는 고장 기록 데이터는 대부분 비정형 데이터로, 표준화된 데이터 정제 프로세스가 없기에 데이터 관리 및 분석에 어려움이 있다. 본 연구는 AI 기반 비정형 데이터의 고장 내역 표준화 및 정비 관련 가이드라인 제시를 목적으로 한다.
A power plant is a facility aimed at generating and supplying power, and a failure of a power generation facility not only causes problems with stable power supply, but can also cause serious accidents such as loss of workers' lives. Therefore, monitoring and maintenance work of power generation facilities is essential. However, most of the fault record data held by power plants is unstructured, and data management and analysis are difficult because there is no standardized data purification process. The purpose of this study is to present guidelines related to standardization and maintenance of failure history of AI-based unstructured data.
Completed Project
Project 1 : 인천광역시 버스 노선 관리 시스템 개편 및 효율성 연구(Incheon Metropolitan City Bus Route Management System Reorganization and Efficiency Research)
[Sponsorship : Incheon Metropolitan City]
Project 2 : 자산관리를 적용한 스마트 조선소 구현(Implementation of Smart Shipyard with Asset Management)
[Sponsorship : Ministry of Trade, Industry and Energy]
Project 3 : 소셜 미디어 데이터를 활용한 영화 관객 수 예측 알고리즘 개발(Development of an Algorithm for Predicting the Number of Movie Audiences using Social Media Data)
[Sponsorship : National Research Foundation of Korea]
Project 4 : 열화상 카메라를 활용한 원자력 발전소 발전설비 진단(Diagnosis of Nuclear Power Plant Power Generation Facilities using Thermal Imaging Camera)
[Sponsorship : Korea Hydro & Nuclear Power Co.,Ltd]
Project 5 : 공유 모빌리티를 활용한 스마트 경로 추천 알고리즘 개발(Development of Smart Route Recommendation Algorithm using Shared Mobility)
[Sponsorship : National Research Foundation of Korea]
Project 6 : 승강기 가용시간 증가를 위한 운영 및 관리 기술 개발(Development of Operation and Management Service Technology to Increase The Available Elevator Time))
[Sponsorship : Korea Evaluation Institute of Industrial Technology]
Project 7 : 보행 분석을 통한 퇴행성 관절염 진행 단계 예측 알고리즘 개발(Development of an Algorithm to Predict the Progression of Degenerative Arthritis through Gait Analysis
[Sponsorship : TIPS Institute]
Project 8 : 빅데이터 기반 사출공정 불량률 개선 알고리즘 개발(Development of Big Data-based Injection Process Defect Rate Improvement Algorithm
[Sponsorship : LG Electronics]
Project 9 : AI 기반 OLED 시뮬레이션(AI Based Organic Light Emitting Diode(OLED) Simulation)
[Sponsorship : LG Display]
Project 10 : 빅데이터 기반 발전설비 고장정지 예측 알고리즘 개발(Development of Big Data-based Power Generation Facility Failure Stop Prediction Algorithm)
[Sponsorship : Korea Midland Power Co.,Ltd.]
Project 11: 예측모델 기반 사출공정 최적조건 자동추천 AI 알고리즘 개발(Development of AI algorithms for automatic recommendation of optimal conditions for injection process based on predictive model)
[Sponsorship : LG Electronics]
[Sponsorship : Incheon Metropolitan City]
Project 2 : 자산관리를 적용한 스마트 조선소 구현(Implementation of Smart Shipyard with Asset Management)
[Sponsorship : Ministry of Trade, Industry and Energy]
Project 3 : 소셜 미디어 데이터를 활용한 영화 관객 수 예측 알고리즘 개발(Development of an Algorithm for Predicting the Number of Movie Audiences using Social Media Data)
[Sponsorship : National Research Foundation of Korea]
Project 4 : 열화상 카메라를 활용한 원자력 발전소 발전설비 진단(Diagnosis of Nuclear Power Plant Power Generation Facilities using Thermal Imaging Camera)
[Sponsorship : Korea Hydro & Nuclear Power Co.,Ltd]
Project 5 : 공유 모빌리티를 활용한 스마트 경로 추천 알고리즘 개발(Development of Smart Route Recommendation Algorithm using Shared Mobility)
[Sponsorship : National Research Foundation of Korea]
Project 6 : 승강기 가용시간 증가를 위한 운영 및 관리 기술 개발(Development of Operation and Management Service Technology to Increase The Available Elevator Time))
[Sponsorship : Korea Evaluation Institute of Industrial Technology]
Project 7 : 보행 분석을 통한 퇴행성 관절염 진행 단계 예측 알고리즘 개발(Development of an Algorithm to Predict the Progression of Degenerative Arthritis through Gait Analysis
[Sponsorship : TIPS Institute]
Project 8 : 빅데이터 기반 사출공정 불량률 개선 알고리즘 개발(Development of Big Data-based Injection Process Defect Rate Improvement Algorithm
[Sponsorship : LG Electronics]
Project 9 : AI 기반 OLED 시뮬레이션(AI Based Organic Light Emitting Diode(OLED) Simulation)
[Sponsorship : LG Display]
Project 10 : 빅데이터 기반 발전설비 고장정지 예측 알고리즘 개발(Development of Big Data-based Power Generation Facility Failure Stop Prediction Algorithm)
[Sponsorship : Korea Midland Power Co.,Ltd.]
Project 11: 예측모델 기반 사출공정 최적조건 자동추천 AI 알고리즘 개발(Development of AI algorithms for automatic recommendation of optimal conditions for injection process based on predictive model)
[Sponsorship : LG Electronics]
Research Team
2023
IN-Plant (Completion of Second project)
IN-ISP (Completion of First project)
IN-Ammunition (Completion of First project)
IN-Platform (Completion of First project)
IN-Semicion (Completion of First project)
2022
I-Plant (Completion of First project)
I-PYP (Completion of First project)
I-Elevator (Completion of Second project)
I-PPD (Completion of Forth project)
I-MaaS (Completion of Sixth project)
2021
I-Elevator (Completion of First project)
I-PPD (Completion of Tertiary project)
I-CINEMA (Completion of Forth project)
TPM (Completion of Second project)
I-MaaS (Completion of Fifth project)
2020
I-CINEMA (Completion of Tertiary project)
TPM (Completion of First project)
MaaS-er (Completion of Forth project)
2019
I-CINEMA (Completion of Second project)
I-PPD (Completion of Second project)
I-BUS (Completion of Tertiary project)
2018
I-CINEMA (Completion of First project)
I-PPD (Completion of First project)
I-BUS (Completion of Second project)
2017
I-BUS (Completion of First project)
IN-Plant (Completion of Second project)
IN-ISP (Completion of First project)
IN-Ammunition (Completion of First project)
IN-Platform (Completion of First project)
IN-Semicion (Completion of First project)
2022
I-Plant (Completion of First project)
I-PYP (Completion of First project)
I-Elevator (Completion of Second project)
I-PPD (Completion of Forth project)
I-MaaS (Completion of Sixth project)
2021
I-Elevator (Completion of First project)
I-PPD (Completion of Tertiary project)
I-CINEMA (Completion of Forth project)
TPM (Completion of Second project)
I-MaaS (Completion of Fifth project)
2020
I-CINEMA (Completion of Tertiary project)
TPM (Completion of First project)
MaaS-er (Completion of Forth project)
2019
I-CINEMA (Completion of Second project)
I-PPD (Completion of Second project)
I-BUS (Completion of Tertiary project)
2018
I-CINEMA (Completion of First project)
I-PPD (Completion of First project)
I-BUS (Completion of Second project)
2017
I-BUS (Completion of First project)