건설 프로젝트에서 공정관리는 프로젝트의 성공적인 수행에 있어 중요한 업무범위이며 공사계약 체결, 공사비 산정 등의 중요한 사항을 좌우한다. 현재 건설 프로젝트의 공기산정 방식은 다양하며, 적정 공사기간 산정에 대하여 건설관련 법령에 명문화된 규정이 없어 이전에 행해진 공사기록이나 공사기간 산정식, 그리고 공사관리자의 경험으로 인한 주관적인 판단 등에 의하여 산정되고 있다. 그러나 이러한 공사기간 산정방식은 기업이나 공사관리자 개인의 역량에 따라 달라질 수 있으며 정해진 기준이 없어 적정한 공사기간 산정이 어려운 실정이다. 또한 부적정한 공사기간 산정은 공사기간 부족 및 발주자의 불합리한 공사기간 단축 요구 등으로 인하여 공사시설물의 품질 저하 및 안전사고 발생 등의 심각한 문제가 발생할 수 있다. 이에 따라 국토교통부에서는 훈령으로 ‘공공 건설공사의 공기 산정기준’을 제정하여 대표공종을 대상으로 기준을 제시하였으나, 세부공종의 순작업일수에 대한 기준은 명확히 제시되지 않았다. 따라서 본 연구에서는 순공사기간 산정에 대하여 공사관리자의 주관적인 공사기간 산정방식이 아닌, 기존에 시행되었던 다량의 공사내역 속에서 패턴을 발견하고 스스로 학습하여 종합적인 판단 및 예측하는 딥러닝 알고리즘을 적용하여 건설공사 세부공종별 순공사기간을 예측하는 방법론을 제시한다. 이를 위해 순공사기간에 영향을 주는 영향요인을 도출하고, 영향요인을 고려한 ...
건설 프로젝트에서 공정관리는 프로젝트의 성공적인 수행에 있어 중요한 업무범위이며 공사계약 체결, 공사비 산정 등의 중요한 사항을 좌우한다. 현재 건설 프로젝트의 공기산정 방식은 다양하며, 적정 공사기간 산정에 대하여 건설관련 법령에 명문화된 규정이 없어 이전에 행해진 공사기록이나 공사기간 산정식, 그리고 공사관리자의 경험으로 인한 주관적인 판단 등에 의하여 산정되고 있다. 그러나 이러한 공사기간 산정방식은 기업이나 공사관리자 개인의 역량에 따라 달라질 수 있으며 정해진 기준이 없어 적정한 공사기간 산정이 어려운 실정이다. 또한 부적정한 공사기간 산정은 공사기간 부족 및 발주자의 불합리한 공사기간 단축 요구 등으로 인하여 공사시설물의 품질 저하 및 안전사고 발생 등의 심각한 문제가 발생할 수 있다. 이에 따라 국토교통부에서는 훈령으로 ‘공공 건설공사의 공기 산정기준’을 제정하여 대표공종을 대상으로 기준을 제시하였으나, 세부공종의 순작업일수에 대한 기준은 명확히 제시되지 않았다. 따라서 본 연구에서는 순공사기간 산정에 대하여 공사관리자의 주관적인 공사기간 산정방식이 아닌, 기존에 시행되었던 다량의 공사내역 속에서 패턴을 발견하고 스스로 학습하여 종합적인 판단 및 예측하는 딥러닝 알고리즘을 적용하여 건설공사 세부공종별 순공사기간을 예측하는 방법론을 제시한다. 이를 위해 순공사기간에 영향을 주는 영향요인을 도출하고, 영향요인을 고려한 딥러닝예측 모델을 구축하여 실제 공사기간과 예측 공사기간의 비교와 분석을 통하여 딥러닝 모델의 적정성을 평가한다. 본 연구에서 제시한 공사기간 예측 모델을 통하여 해당 실제 세부공종의 순공사기간의 예측에 적용한다면 기존의 공기산정방법보다 객관적이고 적정한 공사기간을 도출할 수 있으며, 이를 바탕으로 건설공사 공정관리 프로세스에서 딥러닝 적용 절차 모형의 활용을 기대할 수 있을 것으로 사료된다.
건설 프로젝트에서 공정관리는 프로젝트의 성공적인 수행에 있어 중요한 업무범위이며 공사계약 체결, 공사비 산정 등의 중요한 사항을 좌우한다. 현재 건설 프로젝트의 공기산정 방식은 다양하며, 적정 공사기간 산정에 대하여 건설관련 법령에 명문화된 규정이 없어 이전에 행해진 공사기록이나 공사기간 산정식, 그리고 공사관리자의 경험으로 인한 주관적인 판단 등에 의하여 산정되고 있다. 그러나 이러한 공사기간 산정방식은 기업이나 공사관리자 개인의 역량에 따라 달라질 수 있으며 정해진 기준이 없어 적정한 공사기간 산정이 어려운 실정이다. 또한 부적정한 공사기간 산정은 공사기간 부족 및 발주자의 불합리한 공사기간 단축 요구 등으로 인하여 공사시설물의 품질 저하 및 안전사고 발생 등의 심각한 문제가 발생할 수 있다. 이에 따라 국토교통부에서는 훈령으로 ‘공공 건설공사의 공기 산정기준’을 제정하여 대표공종을 대상으로 기준을 제시하였으나, 세부공종의 순작업일수에 대한 기준은 명확히 제시되지 않았다. 따라서 본 연구에서는 순공사기간 산정에 대하여 공사관리자의 주관적인 공사기간 산정방식이 아닌, 기존에 시행되었던 다량의 공사내역 속에서 패턴을 발견하고 스스로 학습하여 종합적인 판단 및 예측하는 딥러닝 알고리즘을 적용하여 건설공사 세부공종별 순공사기간을 예측하는 방법론을 제시한다. 이를 위해 순공사기간에 영향을 주는 영향요인을 도출하고, 영향요인을 고려한 딥러닝 예측 모델을 구축하여 실제 공사기간과 예측 공사기간의 비교와 분석을 통하여 딥러닝 모델의 적정성을 평가한다. 본 연구에서 제시한 공사기간 예측 모델을 통하여 해당 실제 세부공종의 순공사기간의 예측에 적용한다면 기존의 공기산정방법보다 객관적이고 적정한 공사기간을 도출할 수 있으며, 이를 바탕으로 건설공사 공정관리 프로세스에서 딥러닝 적용 절차 모형의 활용을 기대할 수 있을 것으로 사료된다.
In construction projects, process control is an important scope for successful project performance. It also determines important matters such as signing construction contracts and calculating construction costs. Currently, the methods of calculating the construction duration for construction project...
In construction projects, process control is an important scope for successful project performance. It also determines important matters such as signing construction contracts and calculating construction costs. Currently, the methods of calculating the construction duration for construction projects vary, and there is no policy for calculating the appropriate construction duration. Therefore, the calculation is made based on the construction records, the calculation ceremony, and the judgment of the construction manager. However, this method of calculating the construction duration may vary depending on the competence of the company or the construction manager. And due to the lack of a set standard, it is difficult to calculate the proper construction duration. Accordingly, the Ministry of Land, Infrastructure and Transport established the 'Standard for Estimating the Construction Duration of Public Construction Projects' to present the criteria for representative construction. However, the criteria for the net working days of the detailed process were not clearly provided. Therefore, in this study, a deep learning algorithm is applied to detect patterns in the construction details that were previously implemented, and to determine and predict them on their own. Through this, this paper propose a methodology for predicting the net construction duration for each construction subcontract type. To this end, the influence factors affecting the net construction duration are derived, and the deep learning prediction model considering the influence factors is established. To this end, the influence factors of net construction duration are derived and the deep learning prediction model is established, and the appropriateness of the deep learning model is evaluated by comparing and analyzing the actual construction duration and the prediction construction duration. If applied to the prediction of actual net construction duration through the construction duration prediction model presented in this study, it is possible to derive an objective and appropriate construction duration than existing methods. Based on this, it can be expected to use the deep learning application model in the construction process management process.
In construction projects, process control is an important scope for successful project performance. It also determines important matters such as signing construction contracts and calculating construction costs. Currently, the methods of calculating the construction duration for construction projects vary, and there is no policy for calculating the appropriate construction duration. Therefore, the calculation is made based on the construction records, the calculation ceremony, and the judgment of the construction manager. However, this method of calculating the construction duration may vary depending on the competence of the company or the construction manager. And due to the lack of a set standard, it is difficult to calculate the proper construction duration. Accordingly, the Ministry of Land, Infrastructure and Transport established the 'Standard for Estimating the Construction Duration of Public Construction Projects' to present the criteria for representative construction. However, the criteria for the net working days of the detailed process were not clearly provided. Therefore, in this study, a deep learning algorithm is applied to detect patterns in the construction details that were previously implemented, and to determine and predict them on their own. Through this, this paper propose a methodology for predicting the net construction duration for each construction subcontract type. To this end, the influence factors affecting the net construction duration are derived, and the deep learning prediction model considering the influence factors is established. To this end, the influence factors of net construction duration are derived and the deep learning prediction model is established, and the appropriateness of the deep learning model is evaluated by comparing and analyzing the actual construction duration and the prediction construction duration. If applied to the prediction of actual net construction duration through the construction duration prediction model presented in this study, it is possible to derive an objective and appropriate construction duration than existing methods. Based on this, it can be expected to use the deep learning application model in the construction process management process.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.