• 한국건설관리학회논문집
• /
• 제21권6호
• /
• pp.113-124
• /
• 2020

노후화된 공동주택을 리모델링을 통하여 성능개선을 하고자 하는 사회적 움직임이 포착되고 있다. 이를 위해 리모델링의 공사비 분석, 구조 분석, 정치제도적 검토등이 진행되어 리모델링을 활성화방안이 제시되고 있다. 그러나 현재 공동주택 리모델링의 공사비 분석방법이 연구상으로 제시되고 있으나, 실무적 활용가능성에서 한계점이 존재하는 상황이다. 구체적으로, 실무적으로 활용되기 위해서는 현재 진행되었거나 진행 중인 사례에는 적용가능하지만 향후 발생할 사례 또한 공사비분석에 활용되기에 분석방법의 지속 가능성이 결여되어 있다. 따라서 본 연구에서는 공동주택 리모델링 공사비견적의 지속가능성을 위해 자동화된 견적방법을 제시하고자 한다. 공사비견적의 지속가능성을 위해서 Deep-Learning을 견적절차에 도입하였다. 구체적으로, 공동주택 리모델링에서 발생할 수 있는 설계요소,공종, 공사비 상승계수의 관계를 자동적으로 찾는 방안을 제시하였다. 추가적으로 Artificial Neural Network기반 견적의 태생적인 한계점인 불확실성 미반영을 보완하고자 Monte Carlo Simulation을 견적절차에 산입하였다. 사례가 누적될수록 더 높은 정확도를 제시하기 위하여 견적결과를 기존의 누적데이터와 비교를 하여 더 높은 정확도를 산출하는 방안 또한 제시되었다. 본 연구에서 제안한 자동화된 개산견적의 지속가능성을 검토하고자 13개 사례의 학습절차와 추가 2개 사례의 누적절차를 거쳤다. 결과적으로 추가된 2개 프로젝트의 특성이 반영된 새로운 공사비견적절차가 자동적으로 제시되었다. 본 연구에서는 15개의 사례를 활용하여 개산견적의 방안을 활용하였으나, 사례가 누적되어 반영될 경우 본 연구의 기대효과는 더욱 높아질 것으로 사료된다.

• 한국건설관리학회논문집
• /
• 제20권2호
• /
• pp.3-12
• /
• 2019

국내 건설산업에서 생산성 정보는 중요성과 그 기능에도 불구하고 생산성 데이터의 수집 및 분석 방법이 체계화되어 있지 못하다. 또한 생산성 관리는 대부분 현장관리자의 경험과 직관에 의존하고 있으며 생산성 데이터를 공사계획 및 관리에 적극 활용하지 못하고 있는 상황이다. 따라서 본 연구에서는 공동주택 마감공사의 생산성 예측 및 생산성 영향요인을 분석할 수 있는 기반을 마련하기 위해 단위작업별 생산성 관련 데이터를 수집하여 딥러닝 기반의 생산성 예측모델을 개발하고자 한다. 연구결과인 딥러닝 기반의 공동주택 단위작업별 생산성 예측모델은 신뢰할 수 있는 생산성 정보 데이터에 딥러닝을 적용하여 향후 데이터가 축적될수록 발전되는 기술로 공동주택 프로젝트 관리시스템의 기본 모듈이 될 수 있다. 또한 과거 유사한 프로젝트의 생산성 데이터를 통한 개산견적, 공정계획을 위한 작업일수 산정, 투입인원 산정 등과 같은 프로젝트 엔지니어링 과정에 활용 가능하며 공사 진행 중 예측과 다른 생산성 발견 시 원인 분석에 용이하여 신속한 대응 및 향후 예방이 가능할 것으로 기대된다.