Hyo-June Lee

Hyo-June Lee

Programmer

안녕하세요, 이효준입니다. 부산대학교 IT응용공학과를 졸업하였으며, 학부 시절 IoT Lab.에 소속했습니다. 현재 항만물류 IT 스타트업 “(주)컨테인어스”에 재직 중입니다.

PDF vCard JSON
Location
부산광역시, South Korea
Email
Website
https://sylvy0815.github.io
LinkedIn
Hyo-June Lee

Experience

– present

Professional at (주)컨테인어스)

(주)컨테인어스는 항만물류 산업의 디지털 전환을 선도하는 IT 기업입니다.

Highlights

  • 항만물류 데이터 조회 OpenAPI 서버 구축
  • 배차 최적화를 위한 AI 연구개발 및 시뮬레이션
  • 항만물류 운송 건 공유 플랫폼 기획/개발
  • 자연어처리를 활용한 항만물류 비정형 데이터 정형화

Volunteer

–

Assistant/PM at 부산대학교

IoT 실습 조교 및 PM

Highlights

  • 아두이노를 활용한 자율주행차 개발

Education

–

Bachelor in Applied IT & Engineering from Pusan National University with GPA of

Courses

  • IT 응용공학은 IT 기술을 의료, 에너지, 자동차, 조선, 건설, 국방 등 다양한 학문 분야에 응융·융합을 추구하는 분야로, 기술발전 축으로 볼 때 초기 단계에 놓여 있으며, 향후 기술 개발의 성과에 따라 인류복지 기여 및 거대 규모의 고부가가치 산업으로 급성장할 것으로 기대됩니다. 현재 국가에서도 IT 응용·융합 분야를 『IT KOREA 미래전략』의 핵심 분야로 선정하여 정부와 민간에서 대대적인 투자를 수행하고 있으며, 향후 한국 경제 성장을 견인할 것으로 예상하고 있습니다. 이에 따라 본 학과의 학문 분야는 국가의 미래 핵심전략 분야로써 다양한 관련 산업 창출이 기대되고, 전문 기술 인력의 수요가 급증할 것으로 예측됩니다.

Publications

강화학습 기반의 화물 운송 차량 배차 방법 및 시스템 (METHOD AND SYSTEM FOR DISPATCHING FREIGHT CAR BASED ON REINFORCEMENT LEARNING) by 이효준, 김동규, 장우석, 강정구, 이성진

본 개시는 정보 처리 시스템의 적어도 하나의 프로세서에 의해 수행되는, 강화학습 기반의 화물 운송 차량 배차 방법에 관한 것이다. 강화학습 기반의 화물 운송 차량 배차 방법은, 화물 운송 기사와 연관된 정보를 수신하는 단계, 운송 예정 화물과 연관된 정보를 수신하는 단계, 항만과 연관된 정보를 수신하는 단계 - 항만은 운송 예정 화물의 출발 위치, 도착 위치 또는 반출입 위치 중 적어도 하나에 해당함- 및 운송 적합도를 산출하도록 학습된 강화학습 모델에 화물 운송 기사와 연관된 정보, 운송 예정 화물과 연관된 정보 및 항만과 연관된 정보를 입력하여 화물 운송 기사의 운송 적합도를 산출하는 단계를 포함한다.

항만 물류 환경에서 유전 알고리즘 기반 물류 자동 배차 최적화 방법 by 이효준, 장우석, 이성진, 김동규

항만 물류는 그 특성 상 다양한 변수와 제약 조건을 동시에 고려해야 하는 복잡한 환경을 지니고 있다. 이런 복잡한 환경에서 효율적인 배차를 위한 기존의 접근 방법들은 한계를 보이기 시작하였다. 차량 경로 문제(VRP)는 이러한 문제점을 해결하려는 다양한 노력 중 하나로, 이 문제를 극복하기 위한 다양한 최적화 전략이 제시되어 왔다. 본 연구에서는 항만 물류 환경의 특성을 깊게 분석하고, 그 특성에 맞게 커스터마이징 된 메타휴리스틱 알고리즘을 제안한다. 특히, 항만 내에서의 공차거리 최소화를 중심으로 유전 알고리즘의 적용 가능성과 효과를 탐구한다.

항만 물류 환경에서 다중 에이전트 강화학습 기반 최적 배차 모델링 방법 by 이효준, 장우석, 이성진, 김동규

항만 물류 환경에서 배차 업무원은 화주가 등록한 컨테이너 화물을 화물 운송 기사에게 매칭하는 배차 업무를 진행한다. 하지만, 사람이 항만 물류 환경에서의 여러 복합적인 요소들을 모두 고려하며 배차하기 어려운 문제가 있다. 이러한 문제를 해결하기 위해 투입할 운송기사, 경로, 순서 등을 결정하는 차량 경로 문제(VRP, Vehicle Routing Problem)가 연구되어 왔고, 여러 가지 제약에 따른 다양한 유형의 문제들이 연구되어 왔다. 본 연구에서는 다양한 유형의 VRP 중 컨테이너 운송기사의 위치 및 컨테이너의 상차 또는 하차 위치를 고려하여 운송기사가 컨테이너를 싣지 않고 이동하는 거리인 공차거리를 최소화하는 연구를 진행하였다. 또한, 본 연구의 확장을 위한 제약 조건 추가를 용이하게 하기 위해 강화학습 기반 최적 배차 모델링 방법을 제안하고 그 분석 결과를 제시한다.

항만 물류 환경에서 다중 에이전트 강화학습 기반 최적 배차 모델링 방법 by 이효준, 장우석, 이성진, 김동규

항만 물류 환경에서 배차 업무원은 화주가 등록한 컨테이너 화물을 화물 운송 기사에게 매칭하는 배차 업무를 진행한다. 이 때, 최대 효율을 위해서는 컨테이너 운송기사의 위치 및 컨테이너의 상차 또는 하차 위치를 고려하여 배차 업무를 수행함으로서 운송거리를 최소화 하는 것이 요구된다. 본 논문에서는 운송 효율을 최대화 하는 강화학습 기반 최적 배차 모델링 방법을 제안하고 그 분석 결과를 제시한다.

Languages

Korean
Fluency: Native speaker
English
Fluency: Limited working proficiency

Skills

Artificial Intelligence
Level: Master
Keywords:
  • tensorflow
  • PyTorch
  • UnityML
  • huggingface
Large Language Model
Level: Master
Keywords:
  • BERT
  • GPT
  • Gemini
  • Groq
  • Prompt Engineering
Big Data
Level: Master
Keywords:
  • Apache Hadoop
  • Apache Kafka
  • Apache Spark
  • Selenium
  • cheerio
Back-end Server Development
Level: Master
Keywords:
  • NodeJS
  • PostgreSQL
Web Development
Level: Master
Keywords:
  • HTML
  • CSS
  • Typescript
  • React

Interests

Game
Keywords:
  • League Of Legends
Instruments
Keywords:
  • Piano
  • MIDI