• 한국건설관리학회논문집
• /
• 제17권2호
• /
• pp.31-38
• /
• 2016

건설사업비 중 건축물의 유지관리비용이 차지하는 비중이 초기투자비만큼이나 상당하며 국내의 경우 건설공사의 생애주기비용(LCC)관점에서 설계VE검토 업무를 시행하고 있다. 건설산업의 정보화와 고도화 급속히 진행됨에 따라 BIM에 대한 관심이 고조되고 있다. 2012년부터 조달청은 500억원 이상인 공공공사에 BIM적용을 의무화를 시작으로 2016년부터 조달청이 발주하는 모든 공공공사에 BIM적용이 의무화된다. 건축설계의 패러다임이 2D방식에서 3D, 데이터관리 관점의 BIM으로의 전환이 정책적으로 이루어지고 있는 환경에서, LCC측면에서의 BIM활용에 대한 연구는 미흡한 실정이다. 특히, LCC분석 요소 중 하나인 수선교체비 산정을 위한 BIM 소프트웨어는 부재하며 상용화된 BIM저작도구에서 수선교체비 산정을 위한 정보의 전달이 부족하다. 따라서 본 연구에서는 데이터 표준 포맷인 IFC기반 수선교체비 산정을 위한 프로세스를 제안한다. 먼저, 현재 존재하는 수선교체 기준을 분석하고 BIM기반 수선교체비 산정 요구정보를 정의한다. 정의된 요구정보는 각 정보에 해당하는 IFC를 통해 추출되고, BIM기반 수선교체비 산정 요구정보 DB에 저장된다. 이는 외부 DB인 수선교체기준DB와 단가DB와 연계하여 수선교체비를 산정한다. 본 연구가 제시하는 프로세스를 통해 BIM환경에 대응하여 BIM모델을 활용한 수선교체비 산정의 효율화를 기대하며 수선교체비 뿐만 아니라 초기공사비, 에너지비용, 유지관리비용에 이르기까지 향후 LCC분석 요소에 확장하여 적용이 가능할 것이며 BIM기반 LCC분석의 표준화에 기여할 수 있다.

• 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.