초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

2016년 기준 인구주택총조사 전수집계 결과에 따르면 전체 주택유형에서 공동주택이 60.1%를 차지하기 때문에, 공동주택의 하자는 우리나라 주거환경에서 가장 중요한 문제 중 하나이다. 공동주택 하자와 관련한 연구가 국제학술지보다 국내학술지에 집중되어 있는 점도 이를 증명한다. 그동안 공동주택의 하자 연구는 하자유형 및 요인 분석을 중심으로 진행되었다. 하자유형 연구는 하자를 공종별 또는 증상별로 분류하였다. 하자요인 연구는 주로 전용면적, 평면유형, 외기 노출면수, 층수, 주동형태, 구조공법 등과 하자의 관련성을 분석하였다. 하지만 기존 연구는 단기간의 데이터를 분석하였고 기술통계에만 그치는 등 체계적인 통계 분석이 부족하였으며, 하자 데이터에 대한 하자유형 분류체계도 달라 정보 처리에 통일성이 부족하다는 한계점이 있다.
본 연구의 목적은 하자 ...

2016년 기준 인구주택총조사 전수집계 결과에 따르면 전체 주택유형에서 공동주택이 60.1%를 차지하기 때문에, 공동주택의 하자는 우리나라 주거환경에서 가장 중요한 문제 중 하나이다. 공동주택 하자와 관련한 연구가 국제학술지보다 국내학술지에 집중되어 있는 점도 이를 증명한다. 그동안 공동주택의 하자 연구는 하자유형 및 요인 분석을 중심으로 진행되었다. 하자유형 연구는 하자를 공종별 또는 증상별로 분류하였다. 하자요인 연구는 주로 전용면적, 평면유형, 외기 노출면수, 층수, 주동형태, 구조공법 등과 하자의 관련성을 분석하였다. 하지만 기존 연구는 단기간의 데이터를 분석하였고 기술통계에만 그치는 등 체계적인 통계 분석이 부족하였으며, 하자 데이터에 대한 하자유형 분류체계도 달라 정보 처리에 통일성이 부족하다는 한계점이 있다.
본 연구의 목적은 하자 빅데이터를 구축하고 기존 하자발생 연구 재검증을 통하여 하자 발생과 관련된 평면특성 및 공종 도출을 하고 추후 정보의 활용을 가능하도록 하는 것이다. 본 연구는 2002년부터 2010년까지 공사를 진행한 국내 8개의 공동주택에서 입주후 발생한 3만건의 하자 접수 및 처리 자료를 연구의 대상으로 하였다. 그리고 기존 연구에서는 통일되지 않았던 하자 분류체계를 정리하여 하자 빅데이터를 구축하였다. 이렇게 구축된 하자 데이터로 기존의 연구 결과를 재검증하여 각 평면특성별 주요 하자발생 요인 및 관련 공종을 도출하였다.
본 연구에서는 다음 가설을 통하여 평면특성의 하자발생 영향에 관한 기존 연구의 가설을 재검증하였다. 기존 연구 결과의 재검증이 필요한 이유는 다음과 같다. 1) 기존 가설들은 설계, 시공관리, 아파트 유지관리 등에 있어서 중요하다고 파악된 가설이다. 2) 그러나 기술통계에 의존하였던 기존 데이터 분석의 한계로 교차분석, 다수의 변수를 이용한 분석이 부족하여 재검증을 통한 통계적 신뢰성 확보가 필요하다. 3) 기존 연구 결과를 토대로 하자 관리시 유의해야할 평면특성 및 공종을 도출할 필요성이 있다. 4) 시대에 따라 공동주택과 관련된 기술이 변천하여 이전 연구 결과가 유효한지 재검증이 필요하다.
H1: 전용면적이 넓을수록 하자발생빈도수가 증가할 것이다.
H2: 평면형태가 복잡할수록 하자발생빈도수가 증가할 것이다.
H3: 복잡한 평면(매스중첩형)은 시간의 흐름에 따라서 하자 발생이 줄어들 것이다.
H4: 외기 노출면수가 많을수록 습기 관련 하자의 수가 증가할 것이다.
H5: 시간이 지날수록 외기 노출면수와 습기 관련 하자의 상관관계는 낮아질 것이다.
H6: 층 구간(저층, 중층, 고층)별로 하자 발생률이 다를 것이다.
H7: 주동형태가 복잡할수록 하자 발생률이 증가할 것이다.
H8: 탑상형은 시간의 흐름에 따라서 하자 발생이 줄어들 것이다.
H9: 탑상형은 다른 주동형태에 비해서 습기 관련 하자 발생이 많을 것이다.
H10: SRC 공법과 RC 공법을 적용한 세대는 하자 발생률이 다를 것이다.
H11: RC 공동주택은 시간의 흐름에 따라서 하자 발생이 줄어들 것이다.
하자 빅데이터 가설 검증 결과, 전용면적(‘하자 발생수/세대수/방개수’기준: r=0.690, n=29, p=0.000), 평면유형(‘하자 발생수/세대수/방개수’기준: r=0.609, n=17, p=0.010, ‘하자 발생수/세대수/전용면적’기준: r=0.635, n=17, p=0.006), 주동형태(하자 발생수/세대수/방개수’기준: r=0.427, n=1805, p=0.000, ‘하자 발생수/세대수/전용면적’기준: r=0.361, n=1805, p=0.000) 등은 하자발생빈도와 상관관계를 가지며, SRC 공법이 RC 공법이 적용된 세대보다 약 2배 하자발생확률이 높았다. 반면 외기 노출면수, 층수는 하자발생빈도와 상관관계가 없었다.
다양한 분석 결과 H1, H2, H7, H9, H10에 대한 가설은 통계적으로 유의한 것으로 나타났으며, H3, H4, H5, H6, H8 가설은 기각되었다. 본 연구는 평면특성에 따른 하자발생 연구 결과를 재검증하여 각 평면특성에서 나타나는 하자의 공종 중심으로 하자관리를 할 것을 제안한다. 또한 통계 신뢰성 문제를 해결하고 지속적으로 발생하는 하자에 대한 빅데이터를 구축하였다는 점에 의의를 둔다.
본 연구의 기여점은 3만건의 공동주택 빅데이터를 구축하고, 분석을 통하여 하자발생에 큰 영향을 미치는 평면 특성은 평면유형, 주동형태이며, 설계단계에서부터 이와 관련된 특성에 주의해야 한다는 점을 규명한 것이다. 또한 시간별 분석을 통하여 하자 발생은 기술의 발전 보다는 설계단계부터의 예방이나 지속적 관리가 더 중요하다는 것을 밝혔다.

Abstract ▼ AI-Helper

According to the population census of 2016, apartment housing makes up 60.1% of all
housing types. One of the most pressing problems among apartment tenants is defects in the
apartments where they live. The existing research on housing defects is focused on domestic
rather than internati...

According to the population census of 2016, apartment housing makes up 60.1% of all
housing types. One of the most pressing problems among apartment tenants is defects in the
apartments where they live. The existing research on housing defects is focused on domestic
rather than international studies. The existing studies on apartment defects have focused on the
types of defects and factors for improving them. The research related to defect type classifies
the defects by construction work or symptom. These defect studies mainly analyze whether
defects are related to factors such as area, type of plane, number of exposed surfaces, floors,
shape of building, and structure. However, existing studies lack systematic statistical analysis,
so they have lower reliability than desired. In addition, these studies are limited by the lack of a
uniform defect classification system.
The purpose of this study is to construct a defect big data system, enable information to be
recycled, and re-verify the existing defect studies by analyzing defect occurrences by apartment
characteristics. In order to overcome the limitations of previous studies, this study examined
data of 30,000 defects in 8 apartment buildings in South Korea from 2002 to 2010. This study
organized a defect classification system, which had not been unified in the previous studies, and
constructed a defect big data system. Using this constructed defect big data, we re-examined the
existing research results and derived the factors to be considered for each apartmentcharacteristic. Our results will be helpful for contractors to prevent and manage defects in the
future by examining the defect big data.
The reasons for re-verification of the existing research results are as follows. 1) The existing
hypotheses are considered to be important for design, construction management, and apartment
maintenance. 2) It is necessary to secure reliability through re-verification using ANOVA tests,
t-tests, etc., because the existing data analysis is limited by its reliance on descriptive statistics.
3) Based on the results of the existing research, it is necessary to draw out the factors for careful
management of defects. 4) Apartment design technology changes with time, so it is still
necessary to revalidate the previous research results.
This study re-examined the hypotheses of previous studies on whether apartment
characteristics affect defects through the following hypotheses.
H1: Larger areas will have a greater frequency of defects.
H2: The complexity of the floorplan shape will increase the frequency of defects.
H3: Complex planes (mass overlap type) will have fewer defects as time passes.
H4: A greater number of exposed surfaces will cause a greater number of moisture-related
defects.
H5: As time passes, the correlation between moisture-related defects and the number of exposed
surfaces will decrease.
H6: The rate of defects will differ for each floor section (low, middle, high).
H7: The more complicated the shape of the building, the higher the defect rate will be.
H8: The tower type will have fewer defects as time passes.
H9: The tower type will have more moisture-related defects than the other village arrangement
types.
H10: Apartments with SRC and RC structures will have different defects.
H11: In RC apartments, defects will decrease with time.
As a result of the defect big data hypothesis testing, the frequency of defects was only found
to have a high correlation with the area (“Number of defects/Number of households/Number of
rooms”: r = 0.690, n = 29, p = 0.000), plan type (“Number of defects/Number of
households/Number of rooms”: r = 0.609, n = 17, p = 0.010, “Number of defects/Number of
households/Area”: r = 0.635, n = 17, p = 0.006), and the shape of the building (“Number of
defects/Number of households/Number of rooms”: r = 0.427, n = 1805, p = 0.000, “Number of
defects/Number of households/Area”: r = 0.361, n = 1805, p = 0.000). The SRC structure was
about twice as likely to have defects as the RC structure. The number of exposed surfaces and
the floor type were not correlated with the frequency of defects.
The results for H1, H2, H7, H9, and H10 were statistically significant, and hypotheses H3,
H4, H5, H6, and H8 were rejected. This study verifies the results of defect occurrence according
to apartment characteristics through big data analysis and suggests defect management as a
center of defects in each apartment characteristic. In addition, it is meaningful that the study has
solved the statistical reliability problem of previous studies and constructed a defect big data
system.
This study has contributed to identifying the factors (floorplan, tower type) that affect the
occurrence of defects. The study also found that attention should be paid to shape-related
characteristics in the design stage. Also, through the analysis of time, it was revealed that defects
must be prevented from the design phase or steadily managed rather than solved through the
development of technology.
Acknowledgments
This work was supported by “Human Resources Program in Energy Technology” of the Korea
Institute of Energy Technology Evaluation and Planning (KETEP), granted financial resource
from the Ministry of Trade, Industry & Energy, Republic of Korea. (No.20174010201320)

주제어