• 한국건설관리학회논문집
• /
• 제4권1호
• /
• pp.97-105
• /
• 2003

건설실패에 관련된 정보는 연구문헌, 사례집, 보고서 등에서 제공하고 있지만, 실패정보에 대한 체계적인 분류가 구축되어 있지 않아, 정보의 활용에 많은 문제점이 있다. 따라서 본 논문에서는 국내$\cdot$외의 건설실패연구 관련기관 및 문헌을 조사$\cdot$분석하여 건설실패정보 분류체계를 제안하였는데, 시설물 일반정보, 실패상황정보, 실패원인정보, 실패대책정보의 4개의 대분류로 구성되어 있다. 그리고 각각의 대분류항목은 중분류항목과 소분류항목으로 구성하였다. 본 연구에서 제시한 건설실패분류 체계는 실패사례의 정형화$\cdot$표준화를 통하여 건설산업 참여주체들이 실패정보를 공유함으로써 실패의 재발을 방지하는 유용한 자료로 활용될 수 있을 것이다.

• 한국건설관리학회논문집
• /
• 제9권6호
• /
• pp.257-267
• /
• 2008

국내 건설 산업에서 실패정보는 사례중심의 비체계적인 문서형태로 관리되고, 통계적 분석결과 정보수준의 자료로 제시되고 있다. 이는 건설실패정보의 활용을 통하여 건설프로세스가 지속적으로 개선될 수 있다는 긍정적인 측면을 간과한 건설실무자의 인식의 부재에 기인한다. 이에 본 연구는 건설실패정보의 관리 및 활용에 대한 문제점을 인식하고, 반복적으로 발생되는 건설실패를 사전에 예방할 수 있도록 실패정보를 체계적으로 관리, 공유, 학습, 활용할 수 있는 웹 기반 건설실패사례 정보시스템을 구축하기 위한 목적으로 수행되었다. 본 연구에서 개발된 건설실패사례 정보시스템은 웹과 사례기반추론기법을 이용하여 가장 유사한 과거 사례가 검색될 수 있도록 구현하였으며, 건설실패정보를 체계적으로 관리할 수 있고, 실패사례를 통한 간접적 지식습득 및 미래의 건설프로젝트의 실패발생 예방대책을 수립하는데 활용될 수 있을 것이다.

• 한국건설관리학회논문집
• /
• 제13권3호
• /
• pp.78-88
• /
• 2012

국내의 건설실패 관련 연구는 체계화된 실패정보 분류체계 및 실패정보의 활용을 위한 방안을 제시하는 것에 초점을 맞추고 있다. 그러나, 건설현장의 한정된 관리자가 건설실패를 유발하는 다양한 원인에 대한 예방대책을 수립하는 것은 한계가 있다. 따라서, 효율적인 건설실패 예방활동이 이루지기 위해서는 많은 실패원인에 대한 정량적 평가를 통해 우선순위를 정하여 효율적인 예방대책이 수립되어야 한다. 이에 본 연구는 정량적인 평가를 통해 실패를 유발하는 핵심관리요인을 도출 할 수 있도록 FMEA(Failure Mode and Effect Analysis) 기법을 활용한 건설실패 핵심관리요인 선정방법을 제시하고, 공동주택 골조공사를 대상으로 핵심관리요인을 분석하는 것을 목적으로 하였다. 이를 위해 FMEA 기법의 위험도를 실패 위험성과 예방성으로 구분하여 평가할 수 있도록 하였다. 본 연구에서 제시한 핵심관리요인 평가방법은 건설실패의 사전예방대책을 효율적으로 수립하는데 활용될 수 있으며, 향후 유사한 연구를 통해 프로젝트 수행 단계별 혹은 다양한 시설 및 공종에 대한 핵심관리요인을 도출하는데 활용될 수 있을 것으로 기대된다.

• 지능정보연구
• /
• 제9권1호
• /
• pp.227-249
• /
• 2003

부도예측모형의 구축은 은행 등 금융기관이 신용평가시스템 혹은 심사역 의사결정지원시스템을 구축하는데 중요한 기반이 된다. 많은 선행연구들에서는 기업의 부도예측을 위하여 전통적으로 다변량 판별분석이나 로짓분석과 같은 통계기법이 많이 사용되었으나, 최근에는 많은 연구들에 의해 그 우수성이 보고되고 있는 인공신경망, 귀납적 학습방법 등 인공지능 기법이 부도예측분야에 많이 응용되고 있다. 일반적으로 인공신경망 기법을 응용한 부도예측모형에서는 기업의 재무정보 및 비재무 정보를 입력변수로 주고 기업의 부도여부를 출력변수로 설정하여 학습을 통해 이들의 관계를 추출하고 있다. 그러므로 입력변수의 선정은 모형의 정확도에 커다란 영향을 미치며, 입력변수가 잘못 선정된 경우 예측 정확도는 현저히 낮아진다. 그러나 최적의 입력변수군을 선정하는 문제는 매우 어려운 과제 중 하나로, 선행 연구들에서는 주로 전문가의 의견을 반영하거나, 문헌을 통해 도출, 혹은 통계적 기법을 활용하여 입력변수를 선정하는 것이 일반적이었다. 본 연구에서는 많은 선행 연구에서 모형구축에의 한계점으로 명시하고 있는 입력변수 선정의 문제에 대해 유전자 알고리즘을 이용한 최적화를 통하여 입력 변수군을 도출하는 방법론을 제시하였고, 이 방법론이 다른 통계기법이나 전문가에 의한 변수 선택 방법론에 비해 우수함을 인공신경망 모형에 적용한 결과를 비교함으로 보여 주었으며, 이들간의 예측력의 차이가 유의함을 통계적 검증하였다. 모형의 실험을 위하여 총 528개사의 재무정보를 활용하였는데, 이는 1995년부터 1997년까지 3년간 부도가 발생한 일반법인 제조업체 중 외감법인 이상 264개사와 동수의 건전기업의 재무 데이터로 구성하였다. 기업이 도산에 이르기까지 많은 변인들이 다양하게 작용하게 된다. 그러나 이러한 변인들을 모두 모형에 적용하는 것은 비효율적이며, 인공신경망 모형에서 과다 입력변수를 사용하는 경우 수렴과 일반화 모두에 바람직하지 않은 결과가 나타난다. 따라서 적절한 입력변수군의 선택은 인공신경망 모형의 효율성과 성능을 향상시키게 되고, 이는 부도 예측율의 향상으로 이어질 수 있다. 이에 인공신경망 모형을 위한 최적의 입력변수군을 선정하고자 한 본 연구는 결국 기업의 부도 예측율을 높이기 위한 방법론을 제시했다는 점에 그 의의가 있다.

• 한국지반환경공학회 논문집
• /
• 제16권4호
• /
• pp.5-12
• /
• 2015

사면붕괴의 위험성이 있는 다양한 실계측 데이터들이 토목기술자들에게 주어졌지만 이를 해석, 가공 후 실시간 사면거동양상을 분석하고 사면안정에 대한 결론을 유도하는 일은 결코 쉬운 일이 아니다. 최근 많은 연구기관들이 실시간 계측시스템을 위험 사면 현장에 설치하고 이를 계측하고 있으나, 대부분이 하드웨어 시스템의 설치에 초점을 맞추고 있어 이들 계측시스템에서 구한 실시간 계측자료를 해석하는 소프트웨어는 상대적으로 약하다고 할 수 있다. 그러므로 이 연구는 시간에 따라 변위가 지속적으로 증가하는 사면거동에 대한 계측자료들이 서로 어떤 상호관련성이 있고 군집화되는지를 보여주고자 하는 데 목적이 있다. 실시간 계측자료들을 분류함에 있어 저자들은 세 가지의 수학적 개념을 사용하고자 한다. 즉 평균변위차지수($AD_{i,j}$), 평균상대변위차($\overline{RD}_{i,j}$) 및 평균상대좌표시스템($\overline{RD}$, AD)을 사용하고자 한다. 이 세 가지 개념은 통계학적 방법 및 사면파괴거동에 토대를 두고 있다. 그러므로 이 방법들은 파괴거동을 일으키는 같은 대상 사면영역의 군집특성을 보여준다.