선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 따라서, 본 연구에서는 건설 생산성 데이터와 영향요인간의 관계를 보다 객관적이고도 실증적인 데이터로서 분석할 수 있도록 하고 여러 현장에서 축적된 생산성 데이터를 사용자 중심에서 다양한 각도로 분석 및 예측할 수 있도록 하는 방안을 제안하고자 하며, 데이터웨어하우스에서의 OLAP, 데이터마이닝, 신경망 알고리즘 모델을 적용한 건설 생산성 관리시스템을 제안하고자 한다.
- 본 연구에서는 건설 생산성 관리를 통한 체계적인 공사관리 및 합리적인 공사계획 수립을 위해 건설 생산성 영향요인을 도출하고 데이터웨어하우스, OLAP, 데이터 마이닝 기술 등을 활용하여 생산성 데이터를 축적, 분석 및 예측할 수 있는 건설 생산성 관리 시스템을 제안하였다. 개발 시스템이 건설 현장에 적극 활용될 경우 건설 생산성 분석의 유연성 제고를 통한 건설 생산성 관리, 합리적인 건설 사업의 성과 측정뿐만 아니라 향후 유사 프로젝트에 있어 생산성 예측을 통한 보다 신뢰성 있는 공사계획 등이 가능할 것으로 기대된다.
- 생산성 데이터의 축적 및 분석이 이루어져야 한다. 본 연구에서는 공동주택 구체공사를 대상으로 기존 문헌 고찰 및 현장관리자와의 인터뷰를 통해 건설 생산성에 영향을 미치는 정량적 · 정성적 요인을 도출하고, PDA, 바코드, 데이터웨어하우스, OLAP, 데이터마이닝 등의 정보기술을 활용하여 수집된 생산성데이터를 관리자가 다양한 관점에서 분석 및 예측할 수 있는 건설 생산성 관리 시스템을 제시하고자 한다.
- 건설 생산성예측은 다양한 인자(생산성 영향요인)가 상호 복합적인 영향을 받아 정량적 데이터로 표현하는 것을 의미하기 때문에 데이터의 일정한 패턴을 추출하는 과정이 필요하다. 본 연구에서는 데이터마이닝을 적용하여 건설 생산성 예측 모델을 제시하고자 하며 데이터 마이닝의 다양한 기법 중 데이터 예측에 우수한 성능을 가진 인공 신경망(artificial neural network) 기법을 활용하고자 한다. 인공 신경망은 인간의 뇌 구조의 형태를 통해 학습능력을 가진 수리모델을 모델링 하는 것으로 매우 복잡한 구조를 가진 데이터 사이의 관계나 패턴을 찾아내는데 유용한 비선형 모형이다.
- 본 연구에서는 데이터웨어하우스, OLAP, 데이터마이닝 기술을 수집된 생산성 영향요인 및 생산성 데이터에 적용하고 이를 통해 건설 생산성 데이터의 축적 및 분석과 예측 모델을 제시하기 위한 방법론을 제안하고자 한다. 이는 보다 효율적이고 다차원적인 생산성 분석이 가능한 건설 생산성 관리 시스템을 개발하는 것을 의미하며 개발 시스템이 건설 현장에 적극 활용될 경우, 건설 생산성 분석의 유연성 제고를 통한 생산성 관리, 합리적인 건설 사업의 성과 측정뿐만 아니라 향후 유사 프로젝트에 있어 생산성 예측을 통한 보다 신뢰성 있는 공사계획 수립 등이 가능할 것이다.
- 본 연구에서는 선행 연구(오세욱, 2005)를 통해 수집된 2개 공동주택 현장의 작업 정보 주 아래 표 4와 같은 1개 현장에서 수집된 생산성 데이터를 토대로 건설 생산성 데이터의 분석 및 예측을 위한 개발 시스템의 효용성을 시험적으로 검증하였다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.