Curriculum 교육과정

교과목 개요

전공선택

  • 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).