불필요한 자원 이동 및 운반은 건설 현장 작업 생산성에 부정적인 영향을 미치는 주요 원인 중 하나이다. 이에 따라 레이아웃 관련 연구들은 사이트 수준에서 이뤄지는 자원의 이동 및 운반을 최소화하기 위한 관리 기술과 기법들을 개발하기 위해서 노력하였다. 더불어 건축물이 대형화되고 평면이 복잡해지면서 작업층 내 레이아웃 연구의 필요성도 제기되었으나, 현재 건물 내부 자재 이동 및 운반에 대한 최적화 연구는 활발히 이루어지지 않고 있는 실정이다. 따라서 본 연구에서는 유전 알고리즘을 이용하여 작업층 내 마감 자재의 위치를 최적화할 수 있는 모델을 개발하였다. 구축된 모델은 복잡한 건축 평면 위에서 다양한 자재들의 배치를 계획할 수 있으며, 이때 모델로부터 도출된 최적화된 자재 배치 계획은 작업 당일 작업자에 의한 총 자재 운반 시간을 최소화할 수 있다. 또한 작업과 자재 간 운반거리를 현실적으로 산정하기 위해서 실제 운반 거리 개념을 적용하였다. 개발된 모델의 적용성을 확인하고 기존 방법론과의 비교/분석을 위해서 실제 고층 주상복합 아파트를 대상으로 모델을 적용하였다.
불필요한 자원 이동 및 운반은 건설 현장 작업 생산성에 부정적인 영향을 미치는 주요 원인 중 하나이다. 이에 따라 레이아웃 관련 연구들은 사이트 수준에서 이뤄지는 자원의 이동 및 운반을 최소화하기 위한 관리 기술과 기법들을 개발하기 위해서 노력하였다. 더불어 건축물이 대형화되고 평면이 복잡해지면서 작업층 내 레이아웃 연구의 필요성도 제기되었으나, 현재 건물 내부 자재 이동 및 운반에 대한 최적화 연구는 활발히 이루어지지 않고 있는 실정이다. 따라서 본 연구에서는 유전 알고리즘을 이용하여 작업층 내 마감 자재의 위치를 최적화할 수 있는 모델을 개발하였다. 구축된 모델은 복잡한 건축 평면 위에서 다양한 자재들의 배치를 계획할 수 있으며, 이때 모델로부터 도출된 최적화된 자재 배치 계획은 작업 당일 작업자에 의한 총 자재 운반 시간을 최소화할 수 있다. 또한 작업과 자재 간 운반거리를 현실적으로 산정하기 위해서 실제 운반 거리 개념을 적용하였다. 개발된 모델의 적용성을 확인하고 기존 방법론과의 비교/분석을 위해서 실제 고층 주상복합 아파트를 대상으로 모델을 적용하였다.
Unnecessary transportation of resources are one of the major causes that adversely affect construction site work productivity. Therefore, layout related studies have been conducted with efforts to develop management technologies and techniques to minimize the resource transportation made at site-lev...
Unnecessary transportation of resources are one of the major causes that adversely affect construction site work productivity. Therefore, layout related studies have been conducted with efforts to develop management technologies and techniques to minimize the resource transportation made at site-level. However, although the necessity for floor-level layout planning studies has been increasing as buildings have become larger and floors have become more complicated, studies to optimize the transportation of materials inside buildings are currently not being actively conducted. Therefore, in this study, a model was developed using genetic algorithms(GA) that will enable the optimization of the locations of finishing materials on the work-floor. With the established model, the arrangement of diverse materials on complicated floors can be planned and the optimized material layout planning derived from the model can minimize the total material transportation time spent by laborers during their working day. In addition, to calculate travel distances between work sites and materials realistically, the concept of actual travel distances was applied. To identify the applicability of the developed model and compare it with existing methodologies and analyze it, the model was applied to actual high-rise residential complexes.
Unnecessary transportation of resources are one of the major causes that adversely affect construction site work productivity. Therefore, layout related studies have been conducted with efforts to develop management technologies and techniques to minimize the resource transportation made at site-level. However, although the necessity for floor-level layout planning studies has been increasing as buildings have become larger and floors have become more complicated, studies to optimize the transportation of materials inside buildings are currently not being actively conducted. Therefore, in this study, a model was developed using genetic algorithms(GA) that will enable the optimization of the locations of finishing materials on the work-floor. With the established model, the arrangement of diverse materials on complicated floors can be planned and the optimized material layout planning derived from the model can minimize the total material transportation time spent by laborers during their working day. In addition, to calculate travel distances between work sites and materials realistically, the concept of actual travel distances was applied. To identify the applicability of the developed model and compare it with existing methodologies and analyze it, the model was applied to actual high-rise residential complexes.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
즉 작업층 내 자재 레이아웃 계획은 작업 생산성에 중요한영향을 미칠 수 있고, 이러한 영향력은 건축물이 고층화, 대형화, 첨단화될수록 증가된다는 것이다(Zouein과 Tommelein 2001, Jang 외 2007). 따라서 본 연구에서는 건물 내부에서의 불필요한 자재 이동 및 운반 작업을 최소화할 수 있는 마감 자재 배치 최적화 모델을 개발한다.
이에 따라 건축 현장에서는 건물 내 자재 이동 및 운반 규모가 증가하여 작업 생산성에 부정적인 영향을 주고 있으나, 작업층 레이아웃 계획 연구에 대한 관심과 노력은 부족한 실정이다. 따라서 본 연구에서는 작업층 내 마감자재 배치 최적화 모델을 개발하였다. 그리고 케이스 스터디를 실시하여 최적화 모델과 프로세스의 적용성을 검토하고, 기존 방법론과의 비교/분석을 수행하였다.
본 연구는 국내 고층 주상복합 건축공종의 마감공사를 대상으로 자재 배치 최적화 모델을 개발하고 적용성을 확인하기 위해서 다음과 같은 절차와 방법으로 진행한다.
7m, 지상 37층(지하 6층) 그리고 건축면적 2,592m2이며, 주거동의 경우 총 136세대로 구성되어있다. 본 연구에서는 공동 주택 구성 세대 중 중간 크기 세대(190.86m2) 내 석고보드 자재 배치를 최적화하였다. 이는 석고보드가 마감공사 자재 중 상대적으로 작업 물량이 많고 작업자에 의한 자재 이동 및 운반이 빈번하기 때문이다.
이와 같은 문제를 해결하고자 본 연구는 유전 알고리즘(Genetic algorithm)을 이용하여 작업층 자재 배치 최적화 모델(Floor-Level Layout Planning Model)을 개발한다. 이 모델은 작업 계획을 고려한 최적의 자재배치 계획을 제공하여 작업자 자재 운반 시간의 최소화를 통한 생산성 최대화를 목적으로 한다.
둘째, 실제 운반거리 산정 방법을 모델에 활용하여 자재를 운반하는 경로를 좀 더 현실적으로 표현하였다. 이러한 측면에서 본 연구는 작업층 내 자재 배치를 최적화하기 위한 효율적인 방법을 제시하고 적용성을 확인하였다는데 큰 의미가 있다.
요컨대 부적절한 자재 배치 계획은 비생산적인 작업(NPW)의 비중을 증가시키는 생산성 저해요소인 것이다(Serpell 외 1995). 이와 같은 문제를 해결하고자 본 연구는 유전 알고리즘(Genetic algorithm)을 이용하여 작업층 자재 배치 최적화 모델(Floor-Level Layout Planning Model)을 개발한다. 이 모델은 작업 계획을 고려한 최적의 자재배치 계획을 제공하여 작업자 자재 운반 시간의 최소화를 통한 생산성 최대화를 목적으로 한다.
제안 방법
선의 형태로 표현된 설치 작업을 단일 직선 단위로 분할한다. 각 분할 작업들의 위치를 해당 직선의 도심으로 선정하며, 운반 물량은 직선 길이와 시공 유형을 고려하여 산출한다. 사례 평면에서 사용된 석고보드의 규격은 모두 0.
첫째, 자재 패킷을 기준으로 작업을 분할하였다. 그리고 이 방법을 마감공사 석고보드 설치 작업에 적용하여 모델의 효용성을 확인하였다. 둘째, 실제 운반거리 산정 방법을 모델에 활용하여 자재를 운반하는 경로를 좀 더 현실적으로 표현하였다.
따라서 본 연구에서는 작업층 내 마감자재 배치 최적화 모델을 개발하였다. 그리고 케이스 스터디를 실시하여 최적화 모델과 프로세스의 적용성을 검토하고, 기존 방법론과의 비교/분석을 수행하였다.
넷째, 케이스 스터디 결과를 기존 연구 현실태와 비교 분석하여 유효성을 확인하다.
첫째, 우선 각 자재별설치 위치를 2차원 그리드 좌표 위에 기하학의 기초 도형인 선과 면의 형태로 표현한다. 둘째, 각 자재별로 자재 특성 및 설치 형태를 고려하여 단위 길이 혹은 단위 면적 당 물량을 산출한다. 셋째, 전체 도형을 해당 자재의 패킷 물량을 기준으로 유니트화(Unitization)한다.
둘째, 마감자재 배치 최적화 모델을 위한 가용 공간, 작업 위치, 운반 거리 모델링 방법과 최적화 알고리즘을 제시한다.
그리고 이 방법을 마감공사 석고보드 설치 작업에 적용하여 모델의 효용성을 확인하였다. 둘째, 실제 운반거리 산정 방법을 모델에 활용하여 자재를 운반하는 경로를 좀 더 현실적으로 표현하였다. 이러한 측면에서 본 연구는 작업층 내 자재 배치를 최적화하기 위한 효율적인 방법을 제시하고 적용성을 확인하였다는데 큰 의미가 있다.
첫째, 자재 배치가 가능한 공간을 구분하기 위해 가용 공간을 모델링한다. 둘째, 자재 이동 및 운반 시간을 산정하기 위해서 출발 지점과 도착 지점, 운반 물량, 운반 횟수 그리고 운반 경로 등을 모델링한다. 셋째, 유전 알고리즘을 활용하여 작업층 내 작업자에 의한 자재 이동 및 운반 시간을 최소화할 수 있는 최적 자재배치 계획을 도출한다.
따라서 본 연구에서 개발한 최적화 모델은 고층 주상복합 주거세대 마감공사 석고보드 설치 작업에 적용하였다. 해당 모델을 일반화하기 위해서는 전체 마감공사 작업에 대한 사례 적용 및 비교분석이 필요하다.
이어서, 최적화 알고리즘을 실행하여 모델이 제시한 결과와 실제 배치계획을 비교하였다. 또한 기존 연구에서 제시했던 직선 운반거리 산정 방법을 적용한 결과와도 비교하였다. 각 적용 방법에 따른 자재 운반 거리 및 시간은 표 5와 같이 정리할 수 있다.
셋째, 자재 운반 거리를 산정하기 위해 자재 운반 경로를 모델링한다. 마지막으로 유전 알고리즘을 이용하여 자재 이동 및 운반 시간을 최소화할 수 있는 최적 자재 배치계획을 도출한다.
위치가 변화하는 비가용 공간을 설정하기 위해서 자재 설치 위치와 작업 공간을 모델링한다. 먼저 세부 자재별 설치 작업을 선의 형태로 표현하고 해당 현장의 석고보드 설치 작업 공간 기준(설치 위치면에서 1m 이내)을 반영하여 석고보드 배치 가능 공간을 모델링한다.
석고보드 이동 및 운반 작업을 모델링하기 위해서 작업 위치와 운반 물량을 산출한다. 선의 형태로 표현된 설치 작업을 단일 직선 단위로 분할한다.
둘째, 자재 및 작업 운반 관련 정보를 활용하여 설치 작업을 유닛화한다. 셋째, 자재 운반 거리를 산정하기 위해 자재 운반 경로를 모델링한다. 마지막으로 유전 알고리즘을 이용하여 자재 이동 및 운반 시간을 최소화할 수 있는 최적 자재 배치계획을 도출한다.
둘째, 건식 벽체, 주방 설비, 냉/난방 설비 등과 같이 작업이 진행됨에 따라서 자재 배치 및 운반이 불가능한 공간으로 해당 작업의 진도에 따라 도면 정보를 기반으로 설정한다. 셋째, 작업층 내 동시에 진행되는 작업들의 작업 공간과 이동 공간으로 관리자가 작업의 특성을 고려하여 직접 설정한다.
셋째, 제시된 모델의 타당성 검증을 위해 실제 사례를 이용, 케이스 스터디를 실시한다.
평면 내 위치가 변하지 않는 구조 벽체, 계단실, 개구부 등을 비가용 공간으로 설정한다. 위치가 변화하는 비가용 공간을 설정하기 위해서 자재 설치 위치와 작업 공간을 모델링한다. 먼저 세부 자재별 설치 작업을 선의 형태로 표현하고 해당 현장의 석고보드 설치 작업 공간 기준(설치 위치면에서 1m 이내)을 반영하여 석고보드 배치 가능 공간을 모델링한다.
이상과 같이 본 연구에서 제시한 자재배치 최적화 모델에 실제 사례를 적용, 작업을 분할하고 배치 가능 공간을 모델링하였다. 이어서, 최적화 알고리즘을 실행하여 모델이 제시한 결과와 실제 배치계획을 비교하였다.
이상과 같이 본 연구에서 제시한 자재배치 최적화 모델에 실제 사례를 적용, 작업을 분할하고 배치 가능 공간을 모델링하였다. 이어서, 최적화 알고리즘을 실행하여 모델이 제시한 결과와 실제 배치계획을 비교하였다. 또한 기존 연구에서 제시했던 직선 운반거리 산정 방법을 적용한 결과와도 비교하였다.
첫째, 선행연구를 분석하여 레이아웃 계획을 정의하고 기존 연구의 시사점과 한계를 분석한다.
본 연구에서 제안하는 자재 배치 최적화 모델의 프로세스는 다음과 같다. 첫째, 자재 배치가 가능한 공간을 구분하기 위해 가용 공간을 모델링한다. 둘째, 자재 이동 및 운반 시간을 산정하기 위해서 출발 지점과 도착 지점, 운반 물량, 운반 횟수 그리고 운반 경로 등을 모델링한다.
본 연구는 다음과 같은 측면에서 기존 연구와의 차별성을 찾을 수 있다. 첫째, 자재 패킷을 기준으로 작업을 분할하였다. 그리고 이 방법을 마감공사 석고보드 설치 작업에 적용하여 모델의 효용성을 확인하였다.
대상 데이터
본 연구에서 제시한 자재 배치 최적화 모델의 유효성 검증을 위해 A사에 의해 시공 중인 서울 소재 고층 주상복합 아파트를 적용사례로 선정하였다. 해당 건축물은 높이 119.
실제 현장에서는 해당 세대의 석고보드 설치를 완료하는데 1일 동안 6명의 작업인원이 투입되었다. 해당 현장에서는 운반경로가 협소한 관계로 한 개의 석고보드를 2명이 한 팀으로 운반함에 따라서 1일 작업 시간 중 자재 운반에 소요되는 시간이 약 2.
본 연구에서 제시한 자재 배치 최적화 모델의 유효성 검증을 위해 A사에 의해 시공 중인 서울 소재 고층 주상복합 아파트를 적용사례로 선정하였다. 해당 건축물은 높이 119.7m, 지상 37층(지하 6층) 그리고 건축면적 2,592m2이며, 주거동의 경우 총 136세대로 구성되어있다. 본 연구에서는 공동 주택 구성 세대 중 중간 크기 세대(190.
데이터처리
이는 석고보드가 마감공사 자재 중 상대적으로 작업 물량이 많고 작업자에 의한 자재 이동 및 운반이 빈번하기 때문이다. 최적화 알고리즘 프로그램은 Evolver 4.0을 사용하였으며, 초기 개체집단 100∙변이율 0.1로 설정하였다. 이때 교배는 균등 교차(uniform crossover) 연산을 적용하였으며, 임계 확률은 0.
이론/모형
본 연구에서 제시한 자재 배치 최적화 모델은 자재 이동 및 운반 작업을 현실적으로 모델링하기 위해서 실제 운반 거리 개념(Actual Travel Distance)을 도입한다(Sanad 외 2008). 작업자는 출발점(I)에서 도착점(F)으로 자재 이동 및 운반 시 육체적인 노동을 최소화하기 위해 그림 8의 좌측에서 보는 바와 같이 최단 경로를 따라 이동한다(Rilett와 Park 2006).
이때 각 자재별 공간 할당에는 자재 종류, 크기 및 규모에 따라 수많은 조합이 존재한다. 이러한 조합 중 생산성을 최대화할 수 있는 최적 배치조합 결정이 요구되는데, 이때 최적화 알고리즘의 방법론인 유전 알고리즘을 사용한다.
이럴 경우 직선거리와 실제 운반 거리의 차는 자재 운반 횟수, 평면의 복잡성 그리고 장애물 개수 등과 비례하여 증가하게 되므로, 배치모델 결과의 신뢰성에 부정적인 영향을 미칠 수 있다(Sanad 외 2008). 이에 본 연구에서는 정확한 이동경로 모델링을 위해 실제 운반 거리 산정 방법(Actual travel distance method)을 적용한다.
성능/효과
하지만 실제 현장의 작업층 내에는 자재, 설비, 가설 및 구조 벽체 그리고 엘리베이터 홀과 같은 장애물들이 항상 존재한다. 따라서 평면이 복잡하고 자재 운반 횟수 그리고 장애물의 크기 혹은 수가 증가할수록 직선 운반거리 개념을 적용한 모델보다 실제 운반거리 개념을 적용한 모델의 최적화 결과가 더 신뢰성이 더 높다.
첫째, 작업층 마감자재 배치 최적화 모델은 비생산적인 작업을 최소화함으로써 작업 생산성을 향상시킬 수 있다. 사례 평면 내 석고보드 이동 및 운반 소요 시간은 총 작업 시간의 31%에 해당하였으며, 이 중 49%가 자재 배치 최적화를 통해서 제거되었다. 둘째, 실제 운반 거리 산정 개념은 자재 배치 최적화 결과의 신뢰성을 높인다.
둘째, 실제 운반 거리 산정 개념은 자재 배치 최적화 결과의 신뢰성을 높인다. 사례 평면의 경우 직선 거리 개념을 적용한 최적화 결과는 실제 최적안보다 불필요한 자재 이동 및 운반거리를 18%나 증가시켰다. 즉, 평면 내 장애물의 크기와 수와 증가할수록 실제 운반 거리 개념을 적용한 최적화 결과가 직선 운반 거리 개념을 적용한 결과보다 더 신뢰성이 높을 것으로 판단된다.
8(min)이다. 산출 결과를 토대로 현장에서는 약 4,300(m) 정도의 불필요한 자재 운반거리가 발생함을 확인할 수 있었다.
둘째, 자재 이동 및 운반 시간을 산정하기 위해서 출발 지점과 도착 지점, 운반 물량, 운반 횟수 그리고 운반 경로 등을 모델링한다. 셋째, 유전 알고리즘을 활용하여 작업층 내 작업자에 의한 자재 이동 및 운반 시간을 최소화할 수 있는 최적 자재배치 계획을 도출한다. 해당 최적화 모델을 고층 주상복합 아파트 마감공사에 적용하여 비교/분석한 결과는 다음과 같다.
둘째, 각 자재별로 자재 특성 및 설치 형태를 고려하여 단위 길이 혹은 단위 면적 당 물량을 산출한다. 셋째, 전체 도형을 해당 자재의 패킷 물량을 기준으로 유니트화(Unitization)한다. 이때, 작업 위치는 분할된 도형의 도심으로 설정하고, 운반(작업) 물량은 분할 도형의 크기(길이 혹은 넓이)를 활용하여 산출한다.
2시간(15%)이 불필요한 자재 운반 거리에 의해 발생하였음을 확인할 수 있다. 이는 작업층 내 자재 배치 문제가 작업 생산성에 큰 영향을 주고 있으며, 자재 배치 최적화 모델을 적용하면 사례 현장에서의 석고보드 운반거리 및 시간의 약 49%가 절감될 수 있음을 확인하였다.
작업층 레이아웃계획의 현황 파악을 위해 국내 12 개소 건설현장을 조사한 결과, 대부분의 현장이 생산성을 고려한 계획없이 해당 층 수직 운반장비(리프트카) 출입구 근처에 자재를 보관하고 있었다. 또한 일부 현장의 몇몇 자재는 특정 층에 수개 층 혹은 수일 분량의 자재를 미리 보관한 후 필요 시 작업 위치로 운반되고 있었다.
사례 평면의 경우 직선 거리 개념을 적용한 최적화 결과는 실제 최적안보다 불필요한 자재 이동 및 운반거리를 18%나 증가시켰다. 즉, 평면 내 장애물의 크기와 수와 증가할수록 실제 운반 거리 개념을 적용한 최적화 결과가 직선 운반 거리 개념을 적용한 결과보다 더 신뢰성이 높을 것으로 판단된다.
해당 최적화 모델을 고층 주상복합 아파트 마감공사에 적용하여 비교/분석한 결과는 다음과 같다. 첫째, 작업층 마감자재 배치 최적화 모델은 비생산적인 작업을 최소화함으로써 작업 생산성을 향상시킬 수 있다. 사례 평면 내 석고보드 이동 및 운반 소요 시간은 총 작업 시간의 31%에 해당하였으며, 이 중 49%가 자재 배치 최적화를 통해서 제거되었다.
직선 운반거리 개념을 적용한 자재 배치 최적안은 그림 10(b)와 같다. 하지만 해당 배치안을 본 연구에서 제시한 모델에 입력한 결과는 총 자재 운반거리는 5,359(m), 소요시간은 267.93(min)으로 실제 운반거리 개념을 적용한 최적안의 결과와 상당한 차이(18%)를 보인다. 이는 평면 내 장애물이 없다고 가정하고 운반거리를 산정하였기 때문이다.
실제 현장에서는 해당 세대의 석고보드 설치를 완료하는데 1일 동안 6명의 작업인원이 투입되었다. 해당 현장에서는 운반경로가 협소한 관계로 한 개의 석고보드를 2명이 한 팀으로 운반함에 따라서 1일 작업 시간 중 자재 운반에 소요되는 시간이 약 2.5시간(31%)이며, 이 중 약 1.2시간(15%)이 불필요한 자재 운반 거리에 의해 발생하였음을 확인할 수 있다. 이는 작업층 내 자재 배치 문제가 작업 생산성에 큰 영향을 주고 있으며, 자재 배치 최적화 모델을 적용하면 사례 현장에서의 석고보드 운반거리 및 시간의 약 49%가 절감될 수 있음을 확인하였다.
후속연구
해당 모델을 일반화하기 위해서는 전체 마감공사 작업에 대한 사례 적용 및 비교분석이 필요하다. 즉, 다양한 건축 용도, 평면, 공종, 자재 등에 대한 추가적인 연구를 통해서 적용 범위를 확대할 필요가 있다.
질의응답
핵심어
질문
논문에서 추출한 답변
레이아웃계획은 무엇인가?
레이아웃계획은 필요한 자원을 적절히 배치하여 공사 기간 중 접근과 사용을 용이하게 하고, 자원이 제 기능을 발휘하도록 하는 공간 관리(Space management)의 한 분야이다(Zouein과 Tommelein 1999). 좋은 레이아웃계획은 공사 기간 중 이동 시간, 운반 비용, 작업 간 간섭 그리고 안전 사고를 최소화할 수 있으며, 무분별한 자재 배치로 인한 작업 지연을 사전에 예방할 수 있다(Tommelein 외 1992).
건설 공사에서 자원 투입을 늘리거나 동시 수행 작업수를 증가하는 방법의 문제점은?
최근 건설 공사는 발주자의 요구, 민원 등과 같은 이유로 공사기간 단축이 요구되며, 이를 해결하기 위해 자원 투입을 늘리거나 동시 수행 작업수를 증가하는 방법을 사용한다. 그러나 이 방법은 작업 필수 자원의 소요 공간(Space demand)과 단위 시간 당 자원 이동 및 운반의 규모를 증가시키는 문제가 있다(Akinci 외 2002). 이처럼 건설 공사는 제한된 공간에서 많은 작업이 동시에 이루어지기 때문에, 공간 관리가 미흡한 경우 단위 시간 당 자원 이동 및 운반 규모의 증가를 일으켜 시간과 비용의 비효율을 초래할 수 있다.
유전 알고리즘은 어떤 방법인가?
유전 알고리즘은 다윈의 적자 생존 원리와 자연 도태의 법칙을 적용한 통계학적 검색 방법으로 주로 최적화 문제를 해결하기 위해 사용되어 왔다(Goldberg 1989). 유전 알고리즘을 구현하는 기본 구조는 염색체(Chromosome)이며, 최소 단위인 유전자(Gene)들의 조합으로 표현된다.
참고문헌 (20)
문병로 (2008). 쉽게 배우는 유전 알고리즘, 초판, 한빛미디어, 서울, pp.23-34
Alarcon, L. (1993). Modeling waste and performance in construction. Lean Construction, A.A. Balkema, The Netherlands, pp. 51-66.
Akinci, B., Fischer, M. and Kunz, J. (2002). "Automated Generation of Work Space Required by Construction Activities." Journal of Construction Engineering and Management, 128(4), pp.306-315.
Cheng, M. Y., and O' Connor, J. T. (1996). ""ArcSite: Enhanced GIS for construction site layout"" Journal of Construction Engineering & Management, 122(4), pp. 329-336
El-Rayes, K. and Said, H. (2009). "Dynamic Site Layout Planning Using Approximate Dynamic Programming." Journal of Computing in Civil Engineering, 23(2), pp. 119-127.
Goldberg, D. E. (1989). Genetic Algorithms in Search, Optimization, and Machine Learning, Addison-Wesley, U.S.A., pp. 1-24.
Guo, S. (2002). "Identification and Resolution of Work SpaceConflicts in Building Construction."Journal of Construction Engineering and Management, 128(4), pp. 287-295.
Hegazy, T., and Elbeltagi, E. (2009)." EVOSITE: Evolution- Based Model for Site Layout Planning."Journal of Computing in Civil Engineering, 13(3), pp. 198-206.
Jang, H. (2003) "Construction Materials Allocation with Genetic Algorithm." Architectural Research, 5(1), pp.77-83.
Jang, H. Lee, S., and Choi, S. (2007). "Optimization of floor-level construction material layout using Genetic Algorithms."Automation in Construction, 16, pp.531-545.
Li, H., and Love, P. E. D. (2000). "Genetic search for solving construction site-level unequal area facility layout problems." Automation in Construction, 9, pp.217-226.
Rilett, L. R. and Park, D. (2001). "Incorporating uncertainty and multiple objectives in real-time route selection." Journal of Transportation and Engineering. 127(6). pp.531-539.
Sanad, H. M., Ammar, M.. A., and E. lbrahim, M. (2008). "Optimal Construction Site Layout Considering Safety and Environment Aspects."Journal of Construction Engineering and Management, 134(7), pp.536-544.
Serpell, A., Venturi, A., and Contreras, J. (1995). Characterization of waste in building construction projects. Lean Construction, A.A. Balkema, The Netherlands, pp.67-77.
Thomas, H. R., Horman, M. D., de Souza, U., and Zavoski, I. (2002). "Reducing variability to improve performance as a lean construction principle."Journal of Construction Engineering and Management, 128(2), 144-154.
Tommelein, I. D., Levitt, R. E., and Hayes-Roth, B. (1992). "Sight Plan model for site layout."Journal of Construction Engineering and Management, 128(3), pp. 220-231
Zouein, P. P., and Tommelein, I. D. (1999)." Dynamic Layout Planning Using a Hybrid Incremental Solution Method."Journal of Construction Engineering and Management, 125(6), pp.400-408.
Zouein, P. P., and Tommelein, I. D. (2001). "Improvement Algorithms for Limited Space Scheduling."Journal of Construction Engineering and Management, 127(2), pp.116-124.
Zouein, P. P., Harmanani, H., and Hajar, A. (2002). "Genetic Algorithm for Solving Site Layout Problem with Unequal-Size and Constrained Facilities." Journal of Computing in Civil Engineering, 16(2), pp.143-151.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.