Research

연구분야Research Areas

물류·네트워크·생산, 그리고 차세대 최적화 방법론까지 — IO-LAB의 네 가지 연구 축을 소개합니다.Logistics, Network, Production, and Next-Gen Optimization — introducing IO-LAB's four research pillars.

물류 최적화Logistics Optimization

드론 배송, 지하 물류 네트워크, 시뮬레이션 기반 운영 최적화 세 축을 통해 라스트마일 배송의 비용·탄소 배출을 줄이는 연구를 수행합니다.We research drone delivery, underground logistics networks, and simulation-based operations optimization to reduce last-mile delivery costs and carbon emissions.

드론 배송 최적화Drone Delivery Optimization

트럭-드론 복합 경로(FSTSP/mFSTSP), 비행 창고 기반 보충 스케줄링, 다중 비행 수준(FL1 20m / FL2 60m / FL3 120m) 드론 경로 최적화를 연구합니다. MILP·ALNS·ML 에너지 모델을 결합해 페이로드-에너지 의존성과 No-fly zone 제약을 현실적으로 다룹니다.We study truck-drone hybrid routing (FSTSP/mFSTSP), flying warehouse-based replenishment scheduling, and multi-flight-level (FL1 20m / FL2 60m / FL3 120m) drone routing. MILP, ALNS, and ML energy models are combined to realistically handle payload-energy dependencies and No-fly zone constraints.

지하 물류 네트워크Underground Logistics Network

도심 지하를 활용한 화물 캡슐·AGV 터널망과 지상 라스트마일 구간을 통합 설계합니다. 지하-지상 복합 환승 거점 배치, 용량 제약 하의 경로 최적화, 탄소 배출 및 도로 혼잡 비용 동시 절감을 목표로 합니다.We integrate underground freight capsule and AGV tunnel networks with above-ground last-mile segments in urban areas. The goal is to simultaneously reduce carbon emissions and road congestion costs through optimal hub placement and capacity-constrained routing.

운영 최적화 & 시뮬레이션Operations Optimization & Simulation

VRP 및 변형 문제(CVRP, PDPTW 등)를 수리 모델로 정식화하고 ALNS·GRASP 메타휴리스틱으로 대규모 인스턴스를 해결합니다. 시뮬레이션 기반 검증으로 수요 불확실성·차량 고장·교통 혼잡 시나리오를 평가합니다.We formulate VRP variants (CVRP, PDPTW, etc.) as mathematical models and solve large-scale instances with ALNS and GRASP metaheuristics. Simulation-based validation assesses demand uncertainty, vehicle failures, and traffic congestion scenarios.

차량 경로 (VRP)Vehicle Routing (VRP) 드론 배송Drone Delivery 라스트마일Last-Mile 비행 창고Flying Warehouse 지하 물류Underground Logistics 공급망 설계Supply Chain Design

지하 운송 연계 VRP를 위한 그래픽 초록 IEEE Transactions on Intelligent Transportation Systems, 2025

ApplicationsAmazon · UPS · DHL · 스마트시티 플랫폼

네트워크 최적화Network Optimization

기후변화, 공급망 붕괴, EV 대중화 등 복합 리스크가 글로벌 네트워크를 위협하는 시대에, 설계 단계부터 회복력(resilience)을 내재화하는 최적화 방법론을 개발합니다. 식품 공급망, 군사 물류, 스마트그리드 등 임무 중요 분야에 직접 적용됩니다.In an era where compound risks like climate change, supply chain disruption, and EV proliferation threaten global networks, we develop optimization methods that embed resilience from the design stage — applied directly to food supply chains, military logistics, and smart grids.

확률적 프로그래밍, 몬테카를로 시뮬레이션, 강건 최적화가 핵심 방법론입니다.Core methods include stochastic programming, Monte Carlo simulation, and robust optimization.

기후 적응형 공급망 설계Climate-Adaptive Supply Chain Design

기후 시나리오와 작황·시장 교란 시뮬레이션, 확률적 최적화를 결합해 식품 공급망의 조달·재고·용량 결정을 회복력 있게 재설계합니다.We combine climate scenarios, crop and market disruption simulations, and stochastic optimization to redesign procurement, inventory, and capacity decisions in food supply chains for greater resilience.

상호의존 네트워크 회복력Interdependent Network Resilience

물류·인프라·임무 시스템 사이에서 장애가 전파되는 과정을 모델링하고, 제한된 자원하에서 복구 순서·중복성·회복 정책을 최적화합니다.We model failure propagation across logistics, infrastructure, and mission-critical systems, and optimize recovery sequencing, redundancy, and restoration policies under limited resources.

EV-전력망 통합 운영EV-Grid Logistics Operations

차량 경로, 충·방전 스케줄, V2G/G2V 의사결정, 배전망 용량 계획을 통합해 EV 물류가 이동성과 전력망 안정성을 함께 지원하도록 설계합니다.We integrate vehicle routing, charge/discharge scheduling, V2G/G2V decisions, and distribution grid capacity planning to ensure EV logistics supports both mobility and grid stability.

공급망 네트워크Supply Chain Network 기후변화 대응Climate Resilience 군사 네트워크Military Networks 네트워크 회복력Network Resilience 시뮬레이션 최적화Simulation Optimization V2G / G2V EV 물류EV Logistics 배전망 최적화Grid Optimization

회복탄력적 네트워크 최적화를 위한 그래픽 초록 Network resilience and smart-grid logistics research visual

Applications식품 공급망 · 군사 물류 · 스마트그리드 · EV 인프라Food Supply Chain · Defense Logistics · Smart Grid · EV Infrastructure

생산 최적화Production Optimization

반도체 팹 내 OHT·AGV 배차 최적화를 통해 생산 처리량과 흐름 효율을 개선하고, FEM 시뮬레이션과 머신러닝을 결합한 공정 최적화로 열간 단조·딥드로잉의 품질을 향상시킵니다.We improve throughput and flow efficiency in semiconductor fabs via OHT/AGV dispatch optimization, and enhance hot forging and deep drawing quality through FEM-simulation combined with machine learning.

첨단 제조 현장의 스마트팩토리 전환에 기여하는 연구입니다.This research contributes to smart factory transformation in advanced manufacturing environments.

팹 물류 디지털 트윈Fab Logistics Digital Twin

반도체 팹의 OHT·AGV·AMR 배차, 경로, 교통 제어를 이산사건 시뮬레이션으로 재현해 혼잡을 줄이고 장비 가동률과 처리량을 높입니다.We replicate OHT/AGV/AMR dispatching, routing, and traffic control in semiconductor fabs via discrete-event simulation to reduce congestion and improve equipment utilization and throughput.

FEM+ML 공정 최적화FEM + ML Process Optimization

유한요소 해석과 DNN-GA-MCS 프레임워크를 결합해 블랭크홀더 하중, 온도, 변형률 속도 등 핵심 공정 파라미터를 다목적으로 조정합니다.Finite element analysis is combined with a DNN-GA-MCS framework to multi-objectively tune key process parameters such as blank holder force, temperature, and strain rate.

지능형 제조 제어Intelligent Manufacturing Control

불안정도 맵, 강화학습, 품질 지표를 연결해 열간 단조·스탬핑 공정의 결함을 줄이고 실시간 제어 정책을 설계합니다.We link instability maps, reinforcement learning, and quality indicators to reduce defects in hot forging and stamping processes, and to design real-time control policies.

열간 단조Hot Forging 스탬핑Stamping 유한요소법 (FEM)FEM 공정 최적화Process Optimization 품질 제어Quality Control 지능형 제조Intelligent Manufacturing

반도체 팹 물류·생산 최적화 시뮬레이션 Fab logistics, digital twin, FEM, and ML optimization

Applications반도체 팹 · 스마트팩토리 · 자동차 부품 제조Semiconductor Fab · Smart Factory · Automotive Manufacturing

차세대 최적화Next-Gen Optimization

NP-hard 조합 최적화 문제(TSP, VRP 등)를 기존 알고리즘보다 빠르고 범용적으로 풀기 위해 메타러닝, 강화학습, 양자 컴퓨팅을 운영과학에 접목합니다.We integrate meta-learning, reinforcement learning, and quantum computing into operations research to solve NP-hard combinatorial optimization problems (TSP, VRP, etc.) faster and more generally than existing algorithms.

새로운 문제 유형에 즉각 적응하는 AI 솔버는 물류, 스케줄링, 네트워크 설계 전반에서 패러다임을 바꿀 잠재력을 지닙니다.AI solvers that instantly adapt to new problem types have the potential to transform logistics, scheduling, and network design.

메타러닝 해법기Meta-Learning Solvers

문제 특성에 따라 ALNS 연산자와 탐색 전략을 자동 선택하는 메타러닝 기반 솔버를 설계해 새로운 인스턴스에 빠르게 적응합니다.We design meta-learning-based solvers that automatically select ALNS operators and search strategies based on problem characteristics, enabling rapid adaptation to new instances.

강화학습 최적화Reinforcement Learning Optimization

신경망 정책과 보상 설계를 활용해 경로, 스케줄, 네트워크 설계 문제의 순차적 의사결정을 학습하고 대규모 문제로 일반화합니다.Using neural network policies and reward design, we learn sequential decision-making for routing, scheduling, and network design problems and generalize to large-scale instances.

양자 영감 최적화Quantum-Inspired Optimization

QAOA와 양자 영감 탐색을 조합 최적화 모델에 적용해 고전적 휴리스틱과 비교하고, 하이브리드 솔버의 활용 가능성을 평가합니다.We apply QAOA and quantum-inspired search to combinatorial optimization models, benchmarking against classical heuristics and evaluating the potential of hybrid solvers.

메타러닝Meta-Learning 강화학습Reinforcement Learning 딥러닝Deep Learning 양자 컴퓨팅Quantum Computing 조합 최적화Combinatorial Optimization 인공지능Artificial Intelligence

차세대 AI 최적화 솔버 시각화 AI solver, adaptive operators, RL, and quantum-inspired optimization

Applications물류 라우팅 · 생산 스케줄링 · 네트워크 설계Logistics Routing · Production Scheduling · Network Design

Dept. of Industrial and Management Systems Engineering

연구분야Research Areas

물류 최적화Logistics Optimization

드론 배송 최적화Drone Delivery Optimization

지하 물류 네트워크Underground Logistics Network

운영 최적화 & 시뮬레이션Operations Optimization & Simulation

관련 논문Related Publications

네트워크 최적화Network Optimization

기후 적응형 공급망 설계Climate-Adaptive Supply Chain Design

상호의존 네트워크 회복력Interdependent Network Resilience

EV-전력망 통합 운영EV-Grid Logistics Operations

관련 논문Related Publications

생산 최적화Production Optimization

팹 물류 디지털 트윈Fab Logistics Digital Twin

FEM+ML 공정 최적화FEM + ML Process Optimization

지능형 제조 제어Intelligent Manufacturing Control

관련 논문Related Publications

차세대 최적화Next-Gen Optimization

메타러닝 해법기Meta-Learning Solvers

강화학습 최적화Reinforcement Learning Optimization

양자 영감 최적화Quantum-Inspired Optimization

관련 논문Related Publications

연구실Lab

연구 성과Research

바로가기Links