• 한국건설관리학회논문집
• /
• 제12권6호
• /
• pp.65-78
• /
• 2011

건설사업은 복합, 중장기적인 사업특성상 프로젝트의 기획부터 시공 완료 단계까지 정확한 공사비 예측 및 확인, 정산 절차가 매우 중요하며, 기획에서 실시설계, 물량산출의 전 단계에 이르기까지 공사비와 관계된 리스크요인의 검토와 판단이 강조되고 있다. 그러나 공공주택의 입낙찰 금액의 심사 및 실행예산 편성 시 실적데이터에 의한 공사비 초과요인에 대한 검토와 조치, 공사비 리스크의 적절한 대응이 이루어지지 않고 있는 실정이다. 이에 본 연구에서는 2004년~2010년 준공분 공공주택 40개 현장의 준공정산서를 대상으로 세부공종별 실적공사비 항목을 사업초기 실행예산을 기준으로 비교하여, 실적공사비의 변동관계에서 나타나는 편차 및 변동 폭을 분석함으로써 불규칙적 공사비 리스크요인을 파악하고 정량적 분석을 실시하였다. 연구결과 연도별, 연면적별, 지역별, 공사금액별, 분양/임대방식별 다양한 공사비 리스크 요인 및 결과를 도출하였다. 연도별 정책과 경기 변동에 따른 공사비 리스크를 알 수 있었으며, 지역별, 연면적별 공사특성에 따른 공사비 리스크 항목을 도출하였다. 공사금액별 리스크 분석에서는 최저가낙찰제의 문제점을 알 수 있었으며, 공사비 초과 리스크 비중은 외주비와 자재비 항목에서 가장 크게 발생하는 것으로 나타났다. 직접공사비 중 외주비 리스크는 지붕공사와 타일공사가 높게 나타났고, 자재비 리스크는 철근, 시멘트가 높게 나타났다. 본 연구결과는 향후 공공주택 실행예산 편성 시 분류 방식에 따라서 공사비 리스크 검토 공종 및 관리요소 분석을 위한 자료로 활용할 수 있을 것으로 판단된다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제12권11호
• /
• pp.471-480
• /
• 2023

국내 건설수주 규모는 2013년 91.3조원에서 2021년 총 212조원으로 특히 민간부문에서 크게 성장하였다. 국내외 시장 규모가 성장하면서, EPC(Engineering, Procurement, Construction) 프로젝트의 규모와 복잡성이 더욱 증가되고, 이에 프로젝트 관리 및 ITB(Invitation to Bid) 문서의 위험 관리가 중요한 이슈가 되고 있다. EPC 프로젝트 발주 이후 입찰 절차에서 실제 건설 회사에게 부여되는 대응 시간은 한정적일 뿐만 아니라, 인력 및 비용의 문제로 ITB 문서 계약 조항의 모든 리스크를 검토하는데 매우 어려움이 있다. 기존 연구에서는 이와 같은 문제를 해결하고자 EPC 계약 문서의 위험 조항을 범주화하고, 이를 AI 기반으로 탐지하려는 시도가 있었으나, 이는 레이블링 데이터 활용의 한계와 클래스 불균형과 같은 데이터 측면의 문제로 실무에서 활용할 수 있는 수준의 지원 시스템으로 활용하기 어려운 상황이다. 따라서 본 연구는 기존 연구와 같이 위험 조항 자체를 정의하고 분류하는 것이 아니라, FIDIC Yellow 2017(국제 컨설팅엔지니어링 연맹 표준 계약 조건) 기준 계약 조항을 세부적으로 분류할 수 있는 AI 모델을 개발하고자 한다. 프로젝트의 규모, 유형에 따라서 세부적으로 검토해야 하는 계약 조항이 다를 수 있기 때문에 이와 같은 다중 텍스트 분류 기능이 필요하다. 본 연구는 다중 텍스트 분류 모델의 성능 고도화를 위해서 최근 텍스트 데이터의 컨텍스트를 효율적으로 학습할 수 있는 ELECTRA PLM(Pre-trained Language Model)을 사전학습 단계부터 개발하고, 해당 모델의 성능을 검증하기 위해서 총 4단계 실험을 진행했다. 실험 결과, 자체 개발한 ITB-ELECTRA 모델 및 Legal-BERT의 앙상블 버전이 57개 계약 조항 분류에서 가중 평균 F1-Score 기준 76%로 가장 우수한 성능을 달성했다.