건설공사의 공사기간은 건설프로젝트의 성공적인 완수를 위하여 중요한 부분을 차지하기 때문에 공사기간에 영향을 미치는 요인들을 체계적으로 관리하는 것이 필요하다. 최근에는 건설 제도적 변화로 건설공사의 공사기간에 대한 관심이 증대되고 있다. 그러나 건설 프로젝트의 공사기간에 미치는 영향요인은 매우 다양하며, 각 요인들 중 어떤 요인이 어느 정도 작업의 생산성에 영향을 미치는지에 대한 데이터의 체계적인 활용이 부족하다. 또한 특정 프로젝트, 특정 작업, 특정 협력업체 등에 영향을 미치는 요인이 무엇인지 또는 전체 프로젝트에 공통적으로 영향을 미치는 요인이 무엇인지를 인식하는 것조차 어려운 경우가 많다. 그러나 데이터 웨어하우스 기술의 다차원 분석을 활용함으로써 다양한 각도에서의 공사기간 영향요인이 미치는 생산성을 파악할 수 있다. 이에 본 연구는 건설공사에서 발생하는 다양한 영향요인에 따른 작업 생산성 데이터를 다차원적으로 분석하고 의사결정에 활용할 수 있는 데이터 마이닝 기술을 적용하여 기존 생산성 데이터들을 효과적으로 활용하는 방법을 제시한다.
건설공사의 공사기간은 건설프로젝트의 성공적인 완수를 위하여 중요한 부분을 차지하기 때문에 공사기간에 영향을 미치는 요인들을 체계적으로 관리하는 것이 필요하다. 최근에는 건설 제도적 변화로 건설공사의 공사기간에 대한 관심이 증대되고 있다. 그러나 건설 프로젝트의 공사기간에 미치는 영향요인은 매우 다양하며, 각 요인들 중 어떤 요인이 어느 정도 작업의 생산성에 영향을 미치는지에 대한 데이터의 체계적인 활용이 부족하다. 또한 특정 프로젝트, 특정 작업, 특정 협력업체 등에 영향을 미치는 요인이 무엇인지 또는 전체 프로젝트에 공통적으로 영향을 미치는 요인이 무엇인지를 인식하는 것조차 어려운 경우가 많다. 그러나 데이터 웨어하우스 기술의 다차원 분석을 활용함으로써 다양한 각도에서의 공사기간 영향요인이 미치는 생산성을 파악할 수 있다. 이에 본 연구는 건설공사에서 발생하는 다양한 영향요인에 따른 작업 생산성 데이터를 다차원적으로 분석하고 의사결정에 활용할 수 있는 데이터 마이닝 기술을 적용하여 기존 생산성 데이터들을 효과적으로 활용하는 방법을 제시한다.
As construction duration significantly influences the performance and the success of construction projects, it is necessary to appropriately manage the impact factors affecting construction duration. Recently, interest in the construction industry has been rising due to the recent change in the cons...
As construction duration significantly influences the performance and the success of construction projects, it is necessary to appropriately manage the impact factors affecting construction duration. Recently, interest in the construction industry has been rising due to the recent change in the construction legal system, and the competition among the construction companies on construction time. However, the impact factors are extremely diverse. The existing productivity data on impact factors is not sufficient to properly identify the impact factor and measure the productivity from various perspectives, such as subcontractor, time, crew, work and so on. In this respect, a multidimensional analysis by a data warehouse is very helpful in order to view the manner in which productivity is affected by impact factors from various perspectives. Therefore, this research proposes a method that effectively takes the diverse productivity data of impact factors, and generates a multidimensional analysis. Decision tree analysis, a data mining technique, is also applied in this research in order to supply construction managers with appropriate productivity data on impact factors during the construction management process.
As construction duration significantly influences the performance and the success of construction projects, it is necessary to appropriately manage the impact factors affecting construction duration. Recently, interest in the construction industry has been rising due to the recent change in the construction legal system, and the competition among the construction companies on construction time. However, the impact factors are extremely diverse. The existing productivity data on impact factors is not sufficient to properly identify the impact factor and measure the productivity from various perspectives, such as subcontractor, time, crew, work and so on. In this respect, a multidimensional analysis by a data warehouse is very helpful in order to view the manner in which productivity is affected by impact factors from various perspectives. Therefore, this research proposes a method that effectively takes the diverse productivity data of impact factors, and generates a multidimensional analysis. Decision tree analysis, a data mining technique, is also applied in this research in order to supply construction managers with appropriate productivity data on impact factors during the construction management process.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구의 절차와 방법은 Figure 1과 같다. 데이터 웨어하우스 기술의 OLAP 기술의 정의와 특징을 살펴보고 공사 기간의 영향요인에 따른 생산성 정보를 활용할 수 있는 지에 대한 가능성을 살펴본다.
이에 데이터 웨어하우스 기술의 다차원 분석을 활용함으로써 다양한 각도에서의 공사기간 영향요인이 미치는 생산성을 파악할 수 있다. 본 연구는 건설공사에서 발생하는 다양한 영향요인에 따른 작업 생산성 데이터를 OLAP기술의 다차원 분석을 실시하고 의사결정에 활용할 수 있는 데이터 모델링, 데이터 마이닝 모델, 데이터 마이닝 기술 중 의사결정 트리분석을 적용하여 생산성 데이터들을 효과적으로 활용하는 방법을 제시한다.
본 연구의 기대효과로 건설공사 관리자가 건설공사 수행 중에 발생하는 공사기간 영향요인에 대한 체계적인 생산성 정보를 확인할 수 있다. 본 연구의 다차원 분석과 의사결정 트리 분석을 통하여 공사기간의 영향요인에 따른 생산성 정보를 다차원적으로 제공하고 이에 대한 대책을 수립할 수 있다. 또한 의사결정자는 공사기간 영향요인에 대한 다차원 정보에 기반하여 데이터에 숨겨져 있는 정보를 데이터 마이닝 기술로 도출할 수 있다.
의사결정트리 분석을 통하여 공사기간의 영향요인에 따른 생산성 데이터에 함축된 정보를 도출하여 데이터 마이닝의 적용 가능성을 제시한다. 결론으로 본 연구의 결과 및 성과를 서술한다.
이에 데이터 웨어하우스 기술의 다차원 분석을 활용함으로써 다양한 각도에서의 공사기간 영향요인이 미치는 생산성을 파악할 수 있다. 본 연구는 건설공사에서 발생하는 다양한 영향요인에 따른 작업 생산성 데이터를 OLAP기술의 다차원 분석을 실시하고 의사결정에 활용할 수 있는 데이터 모델링, 데이터 마이닝 모델, 데이터 마이닝 기술 중 의사결정 트리분석을 적용하여 생산성 데이터들을 효과적으로 활용하는 방법을 제시한다.
가설 설정
첫째, 분석을 위해 활용되는 정보의 형태는 다차원이다. 다차원 정보는 사용자들에 의해 이해되는 기업의 실제 차원(기간, 협력업체, 자재, 작업자, 지역 등)을 반영한다.
제안 방법
건설공사의 공사기간 관리를 위한 주요 영향요인과 다차원 정보를 제공할 수 있는 차원을 도출하고 다차원 분석과 데이터마이닝이 가능한 데이터 모델링과 데이터 마이닝 모델을 구축하였다. 실제로 공사 관리자가 건설공사의 기간관리에 필요한 다양한 차원에서 어떻게 정보를 추출할 수 있는 지에 대한 방법을 제시하였다.
공사기간의 영향요인에 따른 생산성에 영향을 미치는 요인에 대하여 참여주체별로 구분하여 살펴보고 영향요인에 따른 생산성 정보를 다차원으로 분석한다.
건설공사의 공사기간에 영향을 미치는 요인은 다양하다. 그 요인은 분류방식에 따라 다양할 것이나 본 연구는 공사 기간에 영향을 미치는 요인이 어떤 차원들에 따라 영향을 받는지에 대한 다차원 분석을 위한 것이므로 참여주체에 따라 분류하였다.
데이터 마이닝 알고리즘으로는 의사결정 트리1), 클러스터링, Naive Bayes, 신경망, 로지스틱 회귀 등이 있으며 본 연구에서는 의사결정 트리로 데이터 마이닝을 수행하였다.
이와 같이 다양한 질문에 대한 답변은 여러 차원들을 조합하여 구성된 큐브의 셀 정보를 활용함으로써 가능하다. 따라서 본 연구의 다차원 분석을 위하여 사용된 차원은 공기영향요인, 작업, 자재, 시간, 협력업체, 작업조, 작업공간 차원 등으로 규정하였다.
그러나 다차원 생산성 정보는 단순한 생산성 수치 정보만을 제공하지만 어떤 영향요인이 어떤 협력업체, 어떤 작업, 어떤 작업조 등에 얼마나 영향을 미치는 지에 대한 정보를 제공하지는 못하였다. 따라서 본 장에서는 다차원 분석에서 도출된 데이터로부터 숨겨진 정보를 추론하는 데이터 마이닝의 의사결정 트리분석을 실시하였다.
실제로 공사 관리자가 건설공사의 기간관리에 필요한 다양한 차원에서 어떻게 정보를 추출할 수 있는 지에 대한 방법을 제시하였다. 또한 의사결정트리 분석을 통하여 공사기간의 영향요인에 따른 생산성 데이터에 함축된 정보를 도출하였다.
본 장에서는 공사 관리자가 의사결정에 활용할 수 있는 다양한 측면(차원)에서 영향요인이 미치는 생산성 다차원 분석을 실시하였다. 생산성은 완료물량/작업자수이며 완료물량은 작업한 양의 합이다.
정적 모델이란 사용자들의 대화식 참여가 거의 없고 정형화된 모델이며 동적 모델은 다차원 질의, What If분석, Goal Seeking에 해당한다. 사용자는 기업환경의 다양한 각도에서 정보를 분석한다. 따라서 OLAP 모델은 다차원 데이터 분석능력을 갖고 다차원적 관점에서 사용자들이 다차원 데이터 모델을 쉽고 직관적으로 조작 및 분석할 수 있다.
본 연구의 데이터 웨어하우스 기술의 다차원 분석을 적용하기 위하여 Microsoft SQL Server 2005와 SQL Server Business Intelligence(BI) 2005를 활용하였다. 세부 공사 기간 영향요인의 차원별 생산성 다차원 분석은 다양하나 본 연구에서는 상기한 다차원 질문의 답변이 될 수 있는 사례를 8가지로 정리하였다.
셋째, 최종사용자는 대화식(Interactive)으로 정보를 분석한다. 하나의 질의는 또 하나의 질의를 이끌어 낸다.
건설공사의 공사기간 관리를 위한 주요 영향요인과 다차원 정보를 제공할 수 있는 차원을 도출하고 다차원 분석과 데이터마이닝이 가능한 데이터 모델링과 데이터 마이닝 모델을 구축하였다. 실제로 공사 관리자가 건설공사의 기간관리에 필요한 다양한 차원에서 어떻게 정보를 추출할 수 있는 지에 대한 방법을 제시하였다. 또한 의사결정트리 분석을 통하여 공사기간의 영향요인에 따른 생산성 데이터에 함축된 정보를 도출하였다.
연구는 데이터 웨어하우스의 OLAP 기술의 특징 중 하나인 다차원 분석 기술과 의사결정트리 데이터마이닝을 통하여 건설공사의 공사기간에 영향을 미치는 요인을 체계적으로 관리할 수 있는 방법을 제시하였다. 본 연구를 통한 성과를 정리하면 다음과 같다.
대상 데이터
본 연구의 데이터 웨어하우스 기술의 다차원 분석을 적용하기 위하여 Microsoft SQL Server 2005와 SQL Server Business Intelligence(BI) 2005를 활용하였다. 세부 공사 기간 영향요인의 차원별 생산성 다차원 분석은 다양하나 본 연구에서는 상기한 다차원 질문의 답변이 될 수 있는 사례를 8가지로 정리하였다.
데이터처리
” 등에 대한 다차원적 답변이 필요하다는 관점에서 다차원 분석을 실시하였다.
성능/효과
넷째, OLAP의 목적은 최종사용자가 조직의 전반적인 상황을 이해할 수 있게 하고 의사결정을 지원하는 데 있다. OLTP는 매일의 데이터를 입력하고 활용할 수 있도록 하지만, OLAP는 장기적인 관점에서 조직이 나아가야 할 방향을 설정할 수 있게 한다.
본 연구의 기대효과로 건설공사 관리자가 건설공사 수행 중에 발생하는 공사기간 영향요인에 대한 체계적인 생산성 정보를 확인할 수 있다. 본 연구의 다차원 분석과 의사결정 트리 분석을 통하여 공사기간의 영향요인에 따른 생산성 정보를 다차원적으로 제공하고 이에 대한 대책을 수립할 수 있다.
질의응답
핵심어
질문
논문에서 추출한 답변
발주자 공사기간 영향 요인에는 무엇이 있는가?
발주자 공사기간 영향 요인은 크게 발주자가 계약상의 책임을 완수하지 못한 결과로 인한 요인, 계약상에 지정된 작업에 변화를 유발, 원도급자의 작업 방해, 작업의 비협조 등이다. 일반적인 발주자의 계약상의 책임은 프로젝트 부지, 승인, 재정, 설계와 계약의 이행과 관련이 있다.
원도급자와 협력업체의 공사기간 영향 요인은 어떻게 구분할 수 있는가?
원도급자와 협력업체의 공사기간 영향 요인은 대지조사와 설계검토의 부족, 계약 검토 부족, 자금, 자재, 노무 등의 부적절한 자원관리, 시공 결함, 외주 관리 부족 등으로 구분할 수 있다.
정적 모델과 동적 모델은 어떤 것인가?
정적 모델이란 사용자들의 대화식 참여가 거의 없고 정형화된 모델이며 동적 모델은 다차원 질의, What If분석, Goal Seeking에 해당한다. 사용자는 기업환경의 다양한 각도에서 정보를 분석한다.
참고문헌 (12)
Ryu HG, Kim SK, Lee HS. A Competitive advantage analysis of construction duration through the comparison of actual data of domestic construction firms-focused on mix-use residential building and officetel building-. Korea Institute of Construction Engineering and Management 2006; 7(1):138-147.
Ryu HG. A method for calculating schedule delay considering lost productivity [MS dissertation]. Seoul: Seoul National University; 2003.
Codd EF, Codd SB, Salley CT. Providing OLAP (On-line Analytical Processing) to User-Analysts: An IT Mandate, Sunnyvale: Codd & Associates. 1993.
Chau KW, Cao Y, Anson M, Zhang J. Application of data warehouse and decision support system in construction management. Automation in Construction 2003; 12(2):213-224.
Lee JK. Preliminary system prototype of construction data warehouse. Korea Institute of Construction Engineering and Management 2004; 5(3): 165-173.
Ahmad I, Azhar S, Lukauskis P. Development of a decision support system using data warehousing to assist builders/developers in site selection. Automation in Construction 2004; 13(4):525-542.
Zhiliang M, Wong KD, Heng L, Jun Y. Utilizing exchanged documents in construction projects for decision support based on data warehousing technique. Automation in Construction 2005; 14(3):405-412.
Oh SW, Kim MH, Kim YS. The application of data warehouse for developing construction productivity management system. Korea Institute of Construction Engineering and Management 2006; 7(2): 127-137.
Fan H, Kim H, Zaiane OR. Data warehousing for construction equipment management. Canadian Journal of Civil Engineering 2006; 33:1480-1489.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.