• 전산구조공학
• /
• 제13권4호
• /
• pp.71-85
• /
• 2000

• 한국건축시공학회:학술대회논문집
• /
• 한국건축시공학회 2021년도 봄 학술논문 발표대회
• /
• pp.61-62
• /
• 2021

Exterior wall molding, which is widely applied as a design element of the exterior wall of domestic apartment, should be applied as a nonflammable or semi-nonflammable material grade according to the rules on standards for evacuation/fire protection structures of buildings. For this reason, stone and AL sheet are mainly used, but stone is expensive and design autonomy is low. Inorganic reinforced CLC nonflammable molding was applied to the exterior wall of the building through tests of nonflammable performance, noise reduction, and installation stability.

• 자연, 터널 그리고 지하공간
• /
• 제25권3호
• /
• pp.46-57
• /
• 2023

• 지질공학
• /
• 제32권2호
• /
• pp.221-239
• /
• 2022

플랜트, 토목 및 건축 사업에서 말뚝 설계 시 어려움을 겪는 주된 요인은 지반 특성의 불확실성이다. 특히 표준관입시험을 통해 구한 N치가 설계 시 주요 입력값이나 짧은 입찰기간과 광범위한 구역에서 다수의 현장시험을 실시하는 것은 실제적으로 어려운 상황이다. 본 연구에서는 인공지능(AI)을 가지고 회귀분석을 적용하여 N치를 예측하는 연구를 수행하였으며, 최소한의 시추자료를 학습시킨 후 표준관입시험을 실시하지 못한 곳에서 N치를 예측하는데 그 목적이 있다. AI의 학습 성능을 높이기 위해서는 빅 데이터가 중요하며, 금회 연구 시 부족한 시추자료를 빅 데이터화 하는데 '원형증강법'을 적용하여 시추반경 2 m까지 가상 N치를 생성시키는 작업을 선행하였다. AI 모델 중 인공신경망, 의사결정 나무, 오토 머신러닝을 각각 적용하였으며 이 중 최적의 모델을 선택하였다. 최적의 모델을 선택하는 방법은 세 가지의 예측된 AI 모델 중 최소 오차값을 가지는 것이다. 이를 위해 폴란드, 인도네시아, 말레이시아에서 수행한 6개 프로젝트를 대상으로 표준관입시험의 실측N치와 AI의 예측N치를 비교하여 타당성 여부를 연구하였고, 연구 결과 AI 예측값에 대한 신뢰도가 높은 것으로 분석되었다. AI 예측값을 가지고 미시추 구간에서 지반특성을 파악 할 수 있었으며 3차원 N치 분포도를 사용하면 최적의 구조물 배치가 가능함을 확인하였다.

• 한국공간구조학회논문집
• /
• 제22권2호
• /
• pp.19-27
• /
• 2022

Visual inspection methods have limitations, such as reflecting the subjective opinions of workers. Moreover, additional equipment is required when inspecting the high-rise buildings because the height is limited during the inspection. Various methods have been studied to detect concrete cracks due to the disadvantage of existing visual inspection. In this study, a crack detection technology was proposed, and the technology was objectively and accurately through AI. In this study, an efficient method was proposed that automatically detects concrete cracks by using a Convolutional Neural Network(CNN) with the Orthomosaic image, modeled with the help of UAV. The concrete cracks were predicted by three different CNN models: AlexNet, ResNet50, and ResNeXt. The models were verified by accuracy, recall, and F1 Score. The ResNeXt model had the high performance among the three models. Also, this study confirmed the reliability of the model designed by applying it to the experiment.

• NEWSLETTER 전기공업
• /
• 96-22호통권167호
• /
• pp.48-52
• /
• 1996

• Journal of Advanced Marine Engineering and Technology
• /
• 제22권2호
• /
• pp.127-138
• /
• 1998

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2001년도 봄 학술발표논문집 Vol.28 No.1 (A)
• /
• pp.331-333
• /
• 2001

현재 사용되고 있는 라우팅 프로토콜들은 정적인 인자를 사용하여 최단 거리 경로를 설정하기 때문에 혼잡(Congestion)이 자주 발생 할 뿐 아니라 최단 거리 경로를 설정하는 이들 라우팅 프로토콜로는 혼잡상황을 해결하기 어렵다. 이를 해결하기 위해서 트래픽 엔지니어링 기법이 등장하게 되었다. 트랙픽 엔지니어링을 위해서는 네트워크의 동적인 상태를 반영하는 정보를 저장하는 트래픽 엔지니어링 데이터베이스가 필요하다. 현대 NS-2에는 프래픽 엔지니어링에 필요한 정보를 제공하고, 네트워크의 상태에 따라 동적으로 경로를 설정하는 라우팅 프로토콜이 구현되어 있지 않다. 본 논문에서는 NS-2에 구현되어 있는 rtProtoLS라는 Link-State Protocol을 수정하여 플러딩(Flooding) 하는 정보에 동적인 인자의 하나인 가용 대역폭을 정보를 실어서 트래픽 엔지니어링 데이터베이스에 제공 할 수 있도록 하고, 가용 대역폭 정보를 기반으로 하여 동적으로 새로운 경로를 계산 할 수 있는 기능을 추가한 QoS를 고려한 Link-State Protocol(QLS)을 구현하였다. 그리고 본 논문에서는 기존의 라우팅 기법 중 거리 백터 프로토콜(Distance Vector Protocol) 라우팅과 QLS 라우팅의 성능을 Throughput 측면에서 비교, 분석했다.

• 월간 기계설비
• /
• 통권234호
• /
• pp.45-53
• /
• 2010

지난 1988년 2월 남극반도 남쉐틀랜드 군도의 킹조지섬과 넬슨섬으로 둘러싸인 맥스웰만 연안에 건설된 남극세종과학기지. 우리나라는 지구상의 유일한 비오염 지역인 극지 연구를 위해 세종기지를 건설하고 연구활동을 벌이고 있다. 세종기지 건설은 현대그룹의 현대건설, 현대엔지니어링, 현대중공업이 수행했다. 세종기지는 과학사적 의미와 함께 혹독한 자연환경을 극복하고 건설에 성공했다는 점에서 국내 건설사의 한 페이지를 장식하는 시설물이다. 이제 제2남극대륙기지 건설이 추진 중이다. 현재 건설 후보지 정밀 조사 중으로 정밀조사가 끝나면 건설사 선정 등 사업이 본격적으로 진행될 예정이다. 제2남극대륙기지 건설에 어떤 건설사 및 설비건설업체가 참여할지 주목된다. 한국해양연구원 극지연구소가 제공한 자료와 건설사 취재 등을 토대로 세종과학기지 건설과정을 살펴보고 제2남극대륙기지 건설계획을 전망해본다.

• 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.