경영과학(Management Science) 본 교과목은 선형계획법과 네트워크 이론을 포함하는 주요 최적화 기법에 관해 학습한다. 학습내용에는 최적해법, 쌍대이론 등 이론적인 내용뿐만 아니라 이를 정보통신, 생산/제조 등 현실시스템에 응용하여 활용할 수 있는 모형화 및 설계 능력을 제고하는 내용이 포함된다. 본 교과목에는 엑셀 및 관련 소프트웨어를 모델링 및 해법에 이용한다
데이터마이닝(Data Mining) 대용량의 데이터로부터 이들 데이터 내에 존재하는 관계, 패턴, 규칙 등을 탐색하고 찾아내어 모형화하는 방법을 배운다. 그리고 이로부터 유용한 지식을 추출하는 일련의 과정을 컴퓨터 통계패키지를 이용하여 분석한다.
신뢰성공학(Reliability Engineering) 확률 이론을 바탕으로 신뢰성 및 보수성의 기본 개념과 분석/평가하는 기법을 이론적으로 전개하여, 간단한 부품에서부터 복잡한 System에 이르기까지의 신뢰성 문제를 분석/설계 및 검사하는 방법에 관하여 이해를 갖도록 한다.
실험계획법(Design of Experiments) 실험의 효율적인 계획 방법, 즉 인자 선택, 수준의 결정, 실험 결과의 통계적 분석 이론에 대해 다룬다. 주요 내용은 일원배치법, 다원배치법, 난괴법, 분할법, 지분실험법, 일부실시법, 교락법, 직교배열표에 의한 실험계획법, 다구치 방법 등이다.
인공지능(Artificial Intelligence) 인공지능(AI)은 인간의 지능적인 행동을 컴퓨터로 실현하는 방법을 연구하는 연구 분야이다. AI의 목표는 문제를 자율적으로 배우고, 계획하고, 해결할 수 있는 것이다. AI의 주요 연구 내용은 문제 해결, 추론, 계획, 자연 언어 이해, 컴퓨터 비전, 딥러닝, 기계 학습 등을 포함한다. 본 교과목에서는 인공지능을 이해하기 위한 가장 기본적인 지식을 학습한다. 이를 위해 문제 해결을 위한 몇 가지 기본적인 검색 알고리즘, 지식 표현 및 추론, 패턴 인식 및 신경망을 소개한다.
통계적품질관리(Statistical Quality Control) 통계적 품질관리는 통계적 기법을 적용하여 품질관리를 수행하는 방법이다. 주요 내용은 측정시스템분석, 공정능력분석, 관리도, 샘플링검사, 강건설계 등이다.
기술경영(Technology Management) 기술들을 효과적으로 획득.관리.활용하는 방법을 습득하는 과정으로 지적재산의 획득과 보존, 기술가치평가, 기술전략 및 실행, 기술혁신과 기업전략, 조직의 설계와 운영에 관련된 기술경영의 최근사례와 이론, 경영기법 등을 다룬다.
의사결정설계및분석(Design & Analysis of Decision Making) 생산, 정보통신 등 현실 시스템의 성능 분석 및 예측활동에 필요한 확률 및 경영과학의 여러 가지 이론적 지식을 습득함으로써, 첨단 산업 시스템의 설계/관리 기술능력 및 시스템적 사고 능력을 배양한다.
6시그마(Six Sigma) 6시그마 경영혁신의 배경 및 개념과 통계적 이론과 방법들을 적용한 정의, 측정, 분석, 개선, 통제(DMAIC) 등의 추진전략을 배우고, 실질적인 사례를 통해 적응력을 기른다.
컴퓨터시뮬레이션및실습(508710) Computer Simulation and Laboratory) 컴퓨터 시뮬레이션의 기초 이론을 학습하고 시뮬레이션 소프트웨어의 사용법을 익혀서 생산 현장 및 물류시스템, 공공시스템 등의 실제 문제의 모델링 실습, 시뮬레이션 수행 결과의 분석 방법 등을 학습한다.
빅데이터분석(Analysis of Big Data) 최근 빅데이터는 정부뿐만 아니라 산업체의 다양한 분야에서 중요한 많은 데이터가 발생됨으로써 유용한 정보를 얻기 위한 중요한 키워드로 자리매김하고 있다. 본 교과목에서는 빅데이터가 어떤 분야에서 어떻게 사용되며, 어떤 과정을 거쳐 수행되는 지에 대해서 빅데이터분석에 대한 전반적인 내용을 다룬다. 또한 SAS, R 등 다양한 패키지를 사용하여 빅데이터의 처리 과정을 실습함으로써 빅데이터분석의 전문가를 육성하는데 목적을 둔다.
빅데이터기술(Technique Of Big Data) 본 교과목에서는 빅데이터가 어떻게 수집, 저장, 처리되는 지에 대한 내용의 전반적인 내용을 다룬다. 빅데이터 수집을 위해서 크롤링(crawling)을 위한 R, RSS reader, API 등에 대한 내용을 다루며, 저장 및 처리 기술로서 하둡분산파일시스템, 맵 리듀스, 클라우드 파일저장기술 등을 다룬다. 이러한 내용을 다룰 수 있는 기술을 습득하여 빅데이터의 기술전문가를 육성하는데 목적을 둔다.
SCM(Supply chain Management) 전체시스템의 효율화를 위한 공급사슬망의 설계, 계획, 운영과 관련된 내용을 다룬다. 공급사슬망의 분석, 설계, 수요와 조달관련 예측과 계획, 재고 보충과 관리, 외주관리, 수.배송 및 가격결정, 불확실성의 최소화와 비용절감, 이익의 극대화를 위한 공급사슬망의 상호협력 방안과 합리적 수준 등을 학습한다.
생산운용관리(Production & Operations Management) 생산/제조 시스템의 운영관리에 대한 것으로 관련 최신 기술 및 이론적인 내용을 학습한다. 본 교과목은 기업의 경쟁우위 확보에 유용한 POM 분야로 알려진 공장/공정 계획, 생산시스템 설계 및 계획, 재고관리, 수요예측 등의 분야에서 이용되는 이론적인 방법론과 도구에 대해 중점을 둔다.
스마트제조시스템(Smart Manufacturing System) 스마트제조시스템은 제품개발, 생산, 유통, 물류 등 전체 제조단계에서 도면, 설비, 자재, 작업자, 서비스 등이 사물인터넷(IoT), 사이버물리시스템(CPS)을 기반으로 한 정보통신기술(ICT)과 결합하여 생산성, 품질과 원가, 고객만족도를 획기적으로 향상시킨 지능화된 유연생산시스템을 뜻한다. 본 강좌에서는 스마트제조시스템 개요, 실시간 4M 모니터링 및 제어, 공정품질 예측 및 공정제어, 상태기반 유지보수 운영 최적화, 가상/증강현실 기반 작업지원, 가치사슬 연계 물류 최적화 등을 다룬다.
예측분석론(Prediction Analysis) 원인과 결과 사이의 함수관계를 찾아내는 통계적방법인 회귀모형 및 시계열 자료의 예측모형에 대하여 알아보고 예측모형식의 추정 및 검정, 그리고 이를 통한 예측방법을 강의한다.
전공캡스톤디자인(Major capstone design) 이 과목은 학생들이 팀프로젝트 수행을 통하여 생산정보기술공학의 제반이론을 산업현장에서 응용할 수 있는 종합설계능력을 배양하는 것을 목적으로 한다. 특히 이 과목을 통하여 팀원 간의 의사소통 및 발표능력도 향상시키도록 한다.
제조원가관리(Accounting and Cost Control) 부기의 개념, 자산과 자본, 계정조직, 장부 구성, 손익 계산 및 결산 방법, 법규, 회사의 종류 및 그 특성, 회계 방법 및 재무제표, 그리고 제품의 생산에 따른 원가의 계산 방법 등을 다룬다.
통계자료분석및실습(Statistical Data Analysis & Practice) 공학통계자료에 대한 통계적 분석방법과 해석을 다룬다. 통계자료의 분석과 정리, 통계적 추정 및 검정, 회귀분석, 통계적 공정관리 기법, 실험계획법, 비모수통계 등의 통계적 분석 방법을 다루고, 통계분석 소프트웨어의 사용법과 결과의 해석에 중점을 둔다.
창의캡스톤디자인 다른 학부 또는 다른 단과대학의 학생들과 함께 팀을 이루어 창의적인 아이디어를 도출하고 이를 설계, 제작하여 완성품을 발표한다. 제안서, 문헌 조사, 제작, 평가, 보고서 작성 등 프로젝트 전 과정을 진행해 본다.
빅데이터정보보안(Bigdata Information Security) 빅데이터정보보안은 4차 산업혁명의 핵심영역으로서 모든 기반기술 구현에 있어서 반드시 고려되어야 하는 기술이다. 정보보안 개론을 통해 인터넷과 같은 개방형 네트워크 환경에서 전자상거래 등 인터넷 기반의 서비스 구현을 위해서 필요한 정보보호 기술의 이론적인 배경에 대해 학습한다. 구체적으로 고전 및 현대 암호화 기술 및 공개키 암호 시스템, 전자 서명, 인증 기술 등에 대해 학습하여 전자지불, 네트워크 보호 및 침입 탐지 기술과 같은 응용 분야에서 활용한다.
데이터사이언스(Data Science) 본 교과목은 통계적인 방법론과 빅데이터의 기법들을 이용하여 예측을 수행하기 위한 실제 데이터분석에 초점을 둔다. 본 교과목에서는 다음의 다섯 가지 내용을 다룬다. 즉, (1) 자료 수집(데이터 샘플링 및 정제), (2) 데이터 관리(신속하고 신뢰성있는 접근), (3) 탐색적 데이터 분석(가설 생성 및 직관적인 사고 능력 배양), (4) 예측 또는 통계 학습, (5) 결과요약(시각화, 소통 및 해석 가능한 통계적 요약).
