최근 도심지 고밀화에 따른 공간의 효율적 이용이 요구됨에 따라 대규모의 고층 사무공간이 증가하고 있으며, 이와 함께 주거, 상업, 문화 등 다양한 기능을 밀접하게 연관시킨 고층 복합시설도 점차 늘어가고 있다. 이러한 대형 건설, 프로젝트는 긴 공사기간이 소요되어 공사비 예측이 쉽지 않으며, 막대한 비용이 투입되기 때문에 비용 예측의 중요성이 더욱 증대되고 있다. 이러한 상황에서 최근 극심한 경제변화에 따른 건설자재가격의 변동은 자재비를 포함한 공사비 예측을 어렵게 만드는 주요 원인이다. 따라서 본 연구는 건설자재단가 시계열자료를 활용, 미래의 자재단가 예측을 위한 시계열모델을 구축하고 복잡한 모델 프로세스를 간소화하는 자재별 최적 예측모델 도출시스템을 구축한다. 또한 Building Information Modeling(BIM)의 접근을 통해 자재의 투입시기 및 투입물량을 분석, 시계열모델을 통해 예측한 자재단가 예측 값과 조합함으로써 총 자재비를 포함하는 BIM기반 공사원가 예측 시계열모델을 제시한다. 본 연구는 시계열모델의 하나인 Autoregressive Integrated Moving Average(ARIMA)모델에 대한 예측력 비교를 통해 자재단가 예측을 위한 적합모델을 도출하였다. BIM기반의 원가예측 시계열모델은 자재의 투입시기별 자재단가 변동치를 예측함으로써 급변하는 경제 환경 변화에 대처할 수 있는 도구가 될 것이다.
최근 도심지 고밀화에 따른 공간의 효율적 이용이 요구됨에 따라 대규모의 고층 사무공간이 증가하고 있으며, 이와 함께 주거, 상업, 문화 등 다양한 기능을 밀접하게 연관시킨 고층 복합시설도 점차 늘어가고 있다. 이러한 대형 건설, 프로젝트는 긴 공사기간이 소요되어 공사비 예측이 쉽지 않으며, 막대한 비용이 투입되기 때문에 비용 예측의 중요성이 더욱 증대되고 있다. 이러한 상황에서 최근 극심한 경제변화에 따른 건설자재가격의 변동은 자재비를 포함한 공사비 예측을 어렵게 만드는 주요 원인이다. 따라서 본 연구는 건설자재단가 시계열자료를 활용, 미래의 자재단가 예측을 위한 시계열모델을 구축하고 복잡한 모델 프로세스를 간소화하는 자재별 최적 예측모델 도출시스템을 구축한다. 또한 Building Information Modeling(BIM)의 접근을 통해 자재의 투입시기 및 투입물량을 분석, 시계열모델을 통해 예측한 자재단가 예측 값과 조합함으로써 총 자재비를 포함하는 BIM기반 공사원가 예측 시계열모델을 제시한다. 본 연구는 시계열모델의 하나인 Autoregressive Integrated Moving Average(ARIMA)모델에 대한 예측력 비교를 통해 자재단가 예측을 위한 적합모델을 도출하였다. BIM기반의 원가예측 시계열모델은 자재의 투입시기별 자재단가 변동치를 예측함으로써 급변하는 경제 환경 변화에 대처할 수 있는 도구가 될 것이다.
High-rise buildings have recently increased over the residential, commercial and office facilities, thus an understanding of construction cost for high-rise building projects has been a fundamental issue due to enormous construction cost as well as unpredictable market conditions and fluctuations in...
High-rise buildings have recently increased over the residential, commercial and office facilities, thus an understanding of construction cost for high-rise building projects has been a fundamental issue due to enormous construction cost as well as unpredictable market conditions and fluctuations in the rate of inflation by long-term construction periods of high-rise projects. Especially, recent violent fluctuations of construction material prices add to problems in construction cost forecasting. This research, therefore, develops a time-series model with the Box-Jenkins methodologies and material prices time-series data in Korea in order to forecast future trends of unit prices of required materials. BIM (Building Information Modeling) approaches are also used to analyze injection time of construction resources and to conduct quantity takeoff so that total material price can be forecasted. Comparative analysis of Predictability of tentative ARIMA (Autoregressive Integrated Moving Average) models was conducted to determine optimal time-series model for forecasting future price trends. Proposed BIM based time series forecasting model can help to deal with sudden changes in economic conditions by estimating future material prices.
High-rise buildings have recently increased over the residential, commercial and office facilities, thus an understanding of construction cost for high-rise building projects has been a fundamental issue due to enormous construction cost as well as unpredictable market conditions and fluctuations in the rate of inflation by long-term construction periods of high-rise projects. Especially, recent violent fluctuations of construction material prices add to problems in construction cost forecasting. This research, therefore, develops a time-series model with the Box-Jenkins methodologies and material prices time-series data in Korea in order to forecast future trends of unit prices of required materials. BIM (Building Information Modeling) approaches are also used to analyze injection time of construction resources and to conduct quantity takeoff so that total material price can be forecasted. Comparative analysis of Predictability of tentative ARIMA (Autoregressive Integrated Moving Average) models was conducted to determine optimal time-series model for forecasting future price trends. Proposed BIM based time series forecasting model can help to deal with sudden changes in economic conditions by estimating future material prices.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
특히, 철근 자재를 비롯한 기타 다양한 자재에 대해 위와 같은 과정을 수차례 반복적으로 시행하는 것은 총 자재비 예측과정의 효율을 저해하는 요소이다. 따라서 본 연구는 각 자재별 시계열자료 입력 시 각 자재에 맞는 최적 ARIMA모델을 출력하는 최적 예측모델 도출시스템을 구축한다. 그림 5는 자재 별 최적 ARIMA모델 도출시스템의 Framework이다.
따라서 본 연구는 설계단계에서 자재가격변동에 따른 건설비용 예측을 위해 자재단가변동 시계열자료를 분석, 자재 투입시기 별 구매단가 예측을 위한 대형 건설 프로젝트 공사원가예측 시계열모델 프레임워크를 제안한다. 본 모델은 건설 프로젝트에 투입되는 자재별 적합 시계열모델 도출과정의 간소화 및 표준화를 위한 적합도 판정기준 제시 및 적합모델 도출시스템을 포함한다.
한편, 기존 원가관리 및 예측모델은 2D 도면을 기반으로 구축되어 건설 프로젝트의 자재비 예측을 위한 자재 투입시기, 투입 물량정보 생성에 많은 제약이 있다. 따라서 본 연구의 자재비 중심 공사원가예측 시계열모델은 공사관리 원천정보를 활용한 통합형 공정관리를 위해 Building Information Modeling(이하 BIM) 기반으로 구축된다. BIM을 통해 건축물 구성요소(객체)를 바탕으로 투입자재의 종류, 투입시기, 투입물량에 대한 속성정보를 추출하고 투입시기별 자재단가 예측치를 반영함으로써 건설 프로젝트의 설계단계 원가예측 시계열모델을 개발한다.
본 연구는 시계열모델을 통한 건설 프로젝트의 주요 영향요소 분석방법에 착안하여 건설자재가격 변동 예측 시계열모델을 구축한다. 한편, 기존의 시계열예측모델을 활용한 연구들은 총 공사비지수 등 포괄적인 공사정보 예측이 대부분이었다.
본 연구는 위에 제시한 자재단가변동 예측 시계열모델을 바탕으로 BIM 기반 자재비 예측모델 Framework를 제시한다. BIM 기반 원가예측 시계열모델은 크게 (1) BIM 기반 객체별 속성정보 추출 및 물량산출모듈 (2) 시계열모델을 이용한 자재단가 예측모듈 (3) 객체별 물량정보, 자재의 Activity정보 및 자재입고일 정보, 자재단가 예측치정보 등을 활용한 자재비 중심의 원가예측모듈로 구성된다.
본 연구는 최근 심화되고 있는 자재가격변동에 따른 공사비용 예측오류를 최소화하기 위해 시계열모델을 통한 자재가격변동 예측 중심의 설계단계 공사원가 예측모델 Framework를 제시하였다. 본 모델은 건설 프로젝트에 투입되는 자재별 적합 시계열모델 도출과정의 간소화 및 표준화를 위한 적합도 판정기준 제시 및 최적 예측모델 도출시스템을 포함한다.
본 연구모델은 건설자재 중 가장 큰 변동 폭을 보이는 철근단가에 대한 시계열자료를 바탕으로 최적 시계열예측 프로세스를 통해 자재에 적합한 ARIMA모델을 도출하고, 사후예측 함으로써 철근단가의 향후 12개월 변동 치에 대한 예측력을 비교ᆞ평가하였다. 예측 값은 BIM 기반 원가예측모델에 반영되어 총 공사비변동을 파악하는 데 활용될 수 있다.
또한, 자재단가 예측값을 도출하더라도 이를 활용하기 위해서는 자재의 투입 시기 및 투입물량 등의 공사정보와 연계해야 하는 어려움이 있다. 이러한 문제점을 해결하기 위한 노력의 일환으로, 본 연구는 각 시계열모델의 표준화 된 적합도 판정절차를 제시하고, 복잡하고 반복적인 프로세스를 간소화하는 자재별 적합모델 도출시스템을 개발한다. 또한, BIM 기반의 공사원가 예측모델 프레임워크를 제안함으로써 자재단가 예측정보의 활용도를 극대화하고 공사정보와의 연계방안을 도출한다.
제안 방법
따라서 본 연구의 자재비 중심 공사원가예측 시계열모델은 공사관리 원천정보를 활용한 통합형 공정관리를 위해 Building Information Modeling(이하 BIM) 기반으로 구축된다. BIM을 통해 건축물 구성요소(객체)를 바탕으로 투입자재의 종류, 투입시기, 투입물량에 대한 속성정보를 추출하고 투입시기별 자재단가 예측치를 반영함으로써 건설 프로젝트의 설계단계 원가예측 시계열모델을 개발한다.
이는 앞서 기존 시계열 프로세스를 통해 잠정적으로 결정한 결과와 같다. 결정된 두 가지 모델은 적합도 Score에서 큰 차이를 나타내지 않으므로 모델 사후예측을 통한 예측력 비교를 통해 최종 모델을 결정한다.
한편, 그림 11은 BIM 기반 원가예측 시계열모델의 실제 활용 예시를 나타낸다. 그림의 원가예측 모델 Framework에 대한 적용성을 검증하기 위해 ArchiCAD 13을 활용한 서울 망우 철도부지 활용 보금자리 주택건설사업 설계안 중 일부에 대한 모델링파일을 활용하였다. 본 연구의 원가예측모델에는 BIM 기반 모델링파일에서 추출한 각 객체의 속성정보가 입력되어 있다.
본 모델은 건설 프로젝트에 투입되는 자재별 적합 시계열모델 도출과정의 간소화 및 표준화를 위한 적합도 판정기준 제시 및 최적 예측모델 도출시스템을 포함한다. 또한 본 모델은 예측된 자재단가정보의 추출 및 입력과정에서의 활용도를 높이기 위해 객체의 속성정보를 활용하는 BIM 기반으로 구축되었다.
이러한 문제점을 해결하기 위한 노력의 일환으로, 본 연구는 각 시계열모델의 표준화 된 적합도 판정절차를 제시하고, 복잡하고 반복적인 프로세스를 간소화하는 자재별 적합모델 도출시스템을 개발한다. 또한, BIM 기반의 공사원가 예측모델 프레임워크를 제안함으로써 자재단가 예측정보의 활용도를 극대화하고 공사정보와의 연계방안을 도출한다.
먼저 위에 설명한 것과 같이 BIM 기반 3D모델을 통해 객체의 자재, 작업위치, 물량에 대한 속성정보를 추출하고 이를 통해 월별 투입물량을 산출한다. 시계열모델을 통해 각 자재의 시계열자료 예측에 적합한 ARIMA모델을 추정 및 검진하고 선택된 각 자재별 적합 ARIMA모델을 통해 자재투입시기 별 단가예측 값을 추출한다.
모델 예측력 비교단계는 자재단가변동 예측을 위한 최적 모델 결정의 마지막 단계로서 위에 결정된 두 종류의 모델인 ARIMA(1,1,0) 및 ARIMA(0,1,2) 모델에 대한 사후예측을 통해 예측력을 비교∙분석 한다. 예측력 비교는 철근단가의 2009년 8월 이후 값에 대한 예측치를 실제데이터(한국물가정보 2010)와 비교함으로써 이루어진다.
따라서 본 연구는 설계단계에서 자재가격변동에 따른 건설비용 예측을 위해 자재단가변동 시계열자료를 분석, 자재 투입시기 별 구매단가 예측을 위한 대형 건설 프로젝트 공사원가예측 시계열모델 프레임워크를 제안한다. 본 모델은 건설 프로젝트에 투입되는 자재별 적합 시계열모델 도출과정의 간소화 및 표준화를 위한 적합도 판정기준 제시 및 적합모델 도출시스템을 포함한다.
본 연구는 최근 심화되고 있는 자재가격변동에 따른 공사비용 예측오류를 최소화하기 위해 시계열모델을 통한 자재가격변동 예측 중심의 설계단계 공사원가 예측모델 Framework를 제시하였다. 본 모델은 건설 프로젝트에 투입되는 자재별 적합 시계열모델 도출과정의 간소화 및 표준화를 위한 적합도 판정기준 제시 및 최적 예측모델 도출시스템을 포함한다. 또한 본 모델은 예측된 자재단가정보의 추출 및 입력과정에서의 활용도를 높이기 위해 객체의 속성정보를 활용하는 BIM 기반으로 구축되었다.
본 연구는 자재비 예측을 위한 BIM 기반 원가예측모델 구축의 일환으로 자재단가변동 예측 값에 대한 속성정보 추출을 위해 시계열모델을 구축한다. 본 모델은 Box–Jenkins의 ARIMA모델을 활용, 자재단가의 과거 시계열자료를 통해 미래의 값 예측에 가장 적합한 ARIMA(p,d,q)모델을 도출한다.
따라서 각 객체는 기하학적 형상정보 뿐만 아니라 원가, 물량 등 속성정보와 같은 비공간적 정보, 그리고 그들의 파라미터와 규칙에 의해 표현된다. 본 연구에서는 BIM으로 설계된 건물 객체에 입력된 속성정보 중 자재정보, 자재의 물량정보, 자재가 사용되는 Activity 정보, Activity의 Start Time 속성정보, 자재의 입고일 정보를추출한다. 이후 시계열 모델을 통해 예측된 자재의 구매예정일 별 단가 예측치 정보를 조합, 각 시기별 자재비용을 분석 및 예측함으로써 총 자재가격 예측치를 판단하는 모델을 구축한다.
먼저 위에 설명한 것과 같이 BIM 기반 3D모델을 통해 객체의 자재, 작업위치, 물량에 대한 속성정보를 추출하고 이를 통해 월별 투입물량을 산출한다. 시계열모델을 통해 각 자재의 시계열자료 예측에 적합한 ARIMA모델을 추정 및 검진하고 선택된 각 자재별 적합 ARIMA모델을 통해 자재투입시기 별 단가예측 값을 추출한다. BIM 기반 속성정보 추출모듈 및 시계열모델에서 추출한 각 객체의 자재정보, 자재의 월별 투입물량정보, 자재의 투입시기별 단가예측 값 정보는 원가예측모듈에 반영된다.
이 경우 자연로그 변환 (Logarithmic transformation) 또는 Box–Cox 멱변환 (Power trasformation) 등을 통해 분산을 정상화 하는데 본 모델에서는 가장 일반적이고 단순한 방법인 자연로그 변환을 통해 그림 4와 같이 분산을 정상화 시킨다.
(3) 검진단계에서는 추정된 모델의 통계적 적합성을 결정하는 단계로 잔차의 백색잡음과정(평균이 0 이고 분산이 일정한 시계열과정)의 검증을 주로 한다. 이러한 절차를 만족하는 ARIMA 모델 중 사후예측을 통한 예측력 비교를 통해 시계열 자료의 미래 값 예측을 위한 최종모델로 결정한다.
본 연구에서는 BIM으로 설계된 건물 객체에 입력된 속성정보 중 자재정보, 자재의 물량정보, 자재가 사용되는 Activity 정보, Activity의 Start Time 속성정보, 자재의 입고일 정보를추출한다. 이후 시계열 모델을 통해 예측된 자재의 구매예정일 별 단가 예측치 정보를 조합, 각 시기별 자재비용을 분석 및 예측함으로써 총 자재가격 예측치를 판단하는 모델을 구축한다.
예측 값은 BIM 기반 원가예측모델에 반영되어 총 공사비변동을 파악하는 데 활용될 수 있다. 즉, BIM 모델 내 객체위치 및 작업구역 등의 속성정보를 통해 자재 투입시기 및 투입물량에 관한 속성정보를 추출하고, 시계열모델에서 추출한 자재단가 예측 치 속성정보와 조합함으로써 모델을 구성하였다. 이에 따라 미래의 자재단가변동을 반영할 수 있어 원가예측의 정확도를 높일 수 있다.
분석 결과 두 모델 모두 철근단가 실제 값과의 예측오차를 보이기는 하나, 변동 추세의 유사성을 보이는 것으로 분석된다. 즉, 사후예측에서 ARIMA(1,1,0)모델과 ARIMA(0,1,2)모델의 예측력 차이는 없는 것으로 판단되어 본 연구에서는 더 높은 적합도 Score를 갖는 ARIMA(0,1,2)모델을 통해 철근단가 변동을 예측한다.
표 2의 적합도 결과에 따라 본 연구에서는 철근단가 예측모델로 ARIMA(1,1,0) 및 ARIMA(0,1,2) 모델을 잠정적으로 채택하였다. 채택된 두 가지 모델의 각 계수에 대한 모수추정 값 및 관련 통계량은 표 3과 같다.
대상 데이터
한편, 현재 BIM 모델링 소프트웨어는 철근 배근 모델링에 기술적 한계가 있으며, 이에 따라 3D모델 자체에서 철근물량에 대한 산출이 쉽지 않고, 산출한다 하더라도 정확성 측면에서 문제가 발생할 수 있다. 따라서 본 연구에서는 제시된 모델 Framework의 검증을 위해 3D모델 내의 자재 크기정보에 따른 물량산출이 상대적으로 용이한 콘크리트를 선정하였다. 이중 RMC 35Mpa(슬럼프 18, 사용골재 25mm, 서울 기준)의 1㎥당 가격에 대한 2000년 12월부터 2010년 8월까지의 시계열 자료를 이용한다(한국물가정보 2010).
따라서 본 연구에서는 제시된 모델 Framework의 검증을 위해 3D모델 내의 자재 크기정보에 따른 물량산출이 상대적으로 용이한 콘크리트를 선정하였다. 이중 RMC 35Mpa(슬럼프 18, 사용골재 25mm, 서울 기준)의 1㎥당 가격에 대한 2000년 12월부터 2010년 8월까지의 시계열 자료를 이용한다(한국물가정보 2010). 콘크리트 단가 시계열자료를 앞서 제시한 최적 시계열모델 도출시스템에 입력한 결과 ARIMA(1,1,1)모델이 적합모델로 출력되었으며, 2011년 3월 입고 예정인 구조벽 SW–009부분의 0.
한편, 본 연구에서는 시계열예측방법 중 단변량 시계열예측을 위한 Box–Jenkins의 자기회귀이동평균모델(ARIMA: Autoregressive Integrated Moving Average)을 사용한다. 자재단가 예측모델을 위한 건설자재로는 최근 10년 간 가장 큰 변동 폭을 보인 철강재 이형철근을 선정하였으며, BIM 기반 자재비 예측모델 검증을 위해 레미콘(35MPa)의 자재단가 시계열자료를 활용한다.
본 모델은 Box–Jenkins의 ARIMA모델을 활용, 자재단가의 과거 시계열자료를 통해 미래의 값 예측에 가장 적합한 ARIMA(p,d,q)모델을 도출한다. 자재단가 예측모델을 위해 선정한 철강재 이형철근 중 고장력 철근 SD400(D51, 15.9Kg/m, 서울 기준)의 ton당 가격에 대한 2000년 12월부터 2010년 8월까지의 시계열 자료를 이용한다. 이중 2009년 6월 이후의 값은 도출된 모델의 예측력 비교를 위해 활용한다.
데이터처리
본 후보군은 0~2 까지의 값을 갖는 p, d, q 값의 조합으로 생성된 모델 중 모수 추정 값 및 잔차들의 자기상관검증에서 통계적으로 유의하지 않은 모델을 제외하였다. 모델 적합도 판정을 위해 작을수록 적합도가 높은 평균제곱오차제곱근(RMSE), 평균절대백분위오차(MAPE), 정규화 된 BIC 및 클수록 적합도가 높은 정상 R 제곱 값을 활용하였다. 또한 적합 ARIMA모델은 잔차들이 이론적으로 독립이어야 하기 때문에 잔차 자기상관검증 Q–통계량의 유의확률이 0.
이론/모형
본 모델은 Box–Jenkins의 ARIMA모델을 활용, 자재단가의 과거 시계열자료를 통해 미래의 값 예측에 가장 적합한 ARIMA(p,d,q)모델을 도출한다.
본 연구는 자재비 예측을 위한 BIM 기반 원가예측모델 구축을 위해 시계열예측방법을 활용한다. 시계열(Time–series) 이란 시간의 흐름에 따라 일정한 간격으로 관측되어 기록되는 자료이다.
본 연구에서 활용하는 단변량 시계열 방법 중 Box–Jenkins의 ARIMA모델은 확률 및 수리통계 원리에 근거하여 과거 관측 값들의 추세 및 순환요인, 계절성 등을 파악하여 미래에 대한 예측 값을 결정한다(정동빈 2009).
(2) 추정단계에서는 식별단계에서 잠정적으로 결정된 모델의 계수 값을 추정하고 통계적 유의성 검증을 통해 모델의 적합성을 판단한다. 이 과정에서는 잔차제곱합(Sum of Squared Residual: SSR)을 최소로 만드는 값을 찾는 최소제곱법이 사용된다. 또한 추정된 계수값의 유의성을 검증하기 위해 평균제곱오차의 제곱근(RMSE), 정상 R제곱 값 등과 정규화된 BIC (Normalized Bayesian Information Criterion)값 등을 고려한다(정동빈 2009).
한편, 본 연구에서는 시계열예측방법 중 단변량 시계열예측을 위한 Box–Jenkins의 자기회귀이동평균모델(ARIMA: Autoregressive Integrated Moving Average)을 사용한다.
성능/효과
이에 따라 미래의 자재단가변동을 반영할 수 있어 원가예측의 정확도를 높일 수 있다. 또한 본 연구모델은 활용 편의성을 위해 사용자가 단가변동이 크고 투입량이 많은 자재에 대하여 선택적으로 단가를 예측할 수 있다.
이와 같이 차분에 의해 변환된 자료를 통해 평균의 정상성을 확인할 수 있다. 본 자료에서는 특별한 계절성을 판별할 수 없기 때문에 계절변환은 요구되지 않으나 분산의 비정상성을 확인할 수 있다. 이 경우 자연로그 변환 (Logarithmic transformation) 또는 Box–Cox 멱변환 (Power trasformation) 등을 통해 분산을 정상화 하는데 본 모델에서는 가장 일반적이고 단순한 방법인 자연로그 변환을 통해 그림 4와 같이 분산을 정상화 시킨다.
분석 결과 두 모델 모두 철근단가 실제 값과의 예측오차를 보이기는 하나, 변동 추세의 유사성을 보이는 것으로 분석된다. 즉, 사후예측에서 ARIMA(1,1,0)모델과 ARIMA(0,1,2)모델의 예측력 차이는 없는 것으로 판단되어 본 연구에서는 더 높은 적합도 Score를 갖는 ARIMA(0,1,2)모델을 통해 철근단가 변동을 예측한다.
그림 8은 ARIMA(0,1,2)모델을 통해 예측한 2010년 9월부터의 철근단가변동 그래프이다. 분석결과 철근단가변동에 대한 예측은 쉽지 않으나 평균적인 추세를 관찰할 때 지속적으로 증가하는 것을 볼 수 있다. 다만 2007년 말과 같은 자재단가의 급등은 없을 것으로 분석되며, 증가세는 현재 경제상황을 반영할 것으로 나타났다.
이처럼 본 시스템은 통계적 검증에 따른 모델의 유의성 판정절차에 따라 적합모델 후보군을 자동으로 걸러내고, 적합도 판정기준에 대해 적합도 Score를 부여함으로써 최적의 적합모델을 객관적∙시스템적으로 도출할 수 있다. 뿐만 아니라 자재단가 시계열 자료 입력 시 각 자재에 맞는 최적모델이 바로 출력되기 때문에 다양한 자재들에 대해 활용도를 높일 수 있고 예측과정에 소요되는 시간과 노력을 최소화 할 수 있다.
콘크리트 단가 시계열자료를 앞서 제시한 최적 시계열모델 도출시스템에 입력한 결과 ARIMA(1,1,1)모델이 적합모델로 출력되었으며, 2011년 3월 입고 예정인 구조벽 SW–009부분의 0.54㎥에 해당하는 콘크리트는 약 68,200원/㎥의 단가를 보일 것으로 예측되었다.
후속연구
이에 따라 철근물량산출이 쉽지 않거나, 산출량에 있어 큰 오차를 보이기도 한다. 따라서 철근에 대한 BIM 기반 3D모델링 소프트웨어 발달이 선행되어야 본 연구모델의 활용도가 증대될 수 있다.
본 연구에서 제시한 모델은 자재단가변동 기반의 공사원가 예측모델로서, 향후 모델의 활용도를 증가시키고 신뢰성 있는 예측력을 확보하기 위해 몇 가지 향후 연구가 필요하다. 먼저, 자재단가의 변동에 영향을 미치는 외부 경제변수들이 존재하는 바, 변수 간 연관관계를 분석하고 영향변수를 도출한 후에 다변량 시계열 모델을 구축할 필요가 있다.
또한, 복잡하고 반복적인 예측과정 절차를 표준화한 자재별 최적 적합모델 도출시스템에 자재단가 시계열자료 입력할 경우 각 자재에 맞는 최적모델이 바로 출력되기 때문에 모델링 과정에서 모델러의 자의적 결정을 최소화하고, 다양한 자재들에 대해 활용도를 높일 수 있으며, 예측 과정에 소요되는 시간과 노력을 줄일 수 있다. 뿐만 아니라 BIM 기반의 모델구축은 물량 산출이 어려운 비정형 구조 건축 공사에도 활용도가 높을 것으로 기대된다.
본 연구모델은 건설자재 중 가장 큰 변동 폭을 보이는 철근단가에 대한 시계열자료를 바탕으로 최적 시계열예측 프로세스를 통해 자재에 적합한 ARIMA모델을 도출하고, 사후예측 함으로써 철근단가의 향후 12개월 변동 치에 대한 예측력을 비교ᆞ평가하였다. 예측 값은 BIM 기반 원가예측모델에 반영되어 총 공사비변동을 파악하는 데 활용될 수 있다. 즉, BIM 모델 내 객체위치 및 작업구역 등의 속성정보를 통해 자재 투입시기 및 투입물량에 관한 속성정보를 추출하고, 시계열모델에서 추출한 자재단가 예측 치 속성정보와 조합함으로써 모델을 구성하였다.
먼저, 자재단가의 변동에 영향을 미치는 외부 경제변수들이 존재하는 바, 변수 간 연관관계를 분석하고 영향변수를 도출한 후에 다변량 시계열 모델을 구축할 필요가 있다. 이후 단변량 시계열 모델과 다변량 시계열모델의 예측력을 비교ᆞ분석하여 최적의 모델을 도출한다면 자재단가 예측 가능성에 대한 타당성을 더욱 확보할 수 있을 것이다. 뿐만 아니라 현재 BIM 모델링 소프트웨어는 철근배근 모델링에 많은 비용과 시간이 투자되며 기술적 한계가 발생하고 있다.
이 같은 과정에 의해 수정된 총 공사원가 예측치는 실 공사원가 투입량과 잔여 요구원가 예측치의 합으로 업데이트 된다. 즉, 본 연구의 BIM 기반 공사원가 예측모델은 설계단계의 공사원가 예측 뿐 아니라 공사 진행 중 원가 예측치 변동을 파악하는 데에도 활용될 수 있다.
본 공사원가 예측 시계열모델은 투입자원의 단가변동을 예측함으로써 급변하는 경제 환경 변화에 대처할 수 있는 도구가 될 수 있다. 특히 투입물량이 막대하고 긴 공사기간에 따른 건설환경 변동 가능성이 큰 초고층 프로젝트에 가장 적합할 것으로 판단된다. 또한, 복잡하고 반복적인 예측과정 절차를 표준화한 자재별 최적 적합모델 도출시스템에 자재단가 시계열자료 입력할 경우 각 자재에 맞는 최적모델이 바로 출력되기 때문에 모델링 과정에서 모델러의 자의적 결정을 최소화하고, 다양한 자재들에 대해 활용도를 높일 수 있으며, 예측 과정에 소요되는 시간과 노력을 줄일 수 있다.
한편, 현재 2001년 이후부터 공개되어 있는 건설 투입자원 단가에 대한 시계열자료는 자재단가의 급등 또는 급락 등 다양한 변동성 및 장기적 경제순환 사이클을 반영하지 못하는 제약이 있다. 향후 투입자원의 시계열자료가 체계적으로 축적되고 관리된다면 더욱 정확한 예측 값을 얻을 수 있을 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
Box-Jenkins의 ARIMA모델은 어떻게 미래에 대한 예측 값을 결정하는가?
본 연구에서 활용하는 단변량 시계열 방법 중 Box-Jenkins의 ARIMA모델은 확률 및 수리통계 원리에 근거하여 과거 관측 값들의 추세 및 순환요인, 계절성 등을 파악하여 미래에 대한 예측 값을 결정한다(정동빈 2009). ARIMA 모델의 분석 및 예측 프로세스는 그림 1과 같다.
BIM은 무엇인가?
BIM은 객체 기반 파라매트릭(Parametric) 모델링 방법으로 벽과 창문 등 건물 구성요소들의 분류를 정의함으로써 건축 모델을 생성, 전달, 분석하는 과정들의 집합이다(Eastman et al. 2007).
Box-Jenkins의 ARIMA모델은 무엇을 갖는 자료에 적용되는 모델인가?
ARIMA모델은 자료 계열의 평균이 정상성(Stationary)을 갖는 자료에 적용되는 모델로서 (1) 식별 - (2) 추정 - (3) 검진의 절차를 통해 시계열 자료 예측에 활용된다. 먼저, (1) 식별단계에서는 시계열자료의 정상성을 판단하고 ARIMA(p,d,q)를 구성하는 자기회귀(Autoregresssive: AR) 요소 p와 이동평균(Moving Average: MA) 요소 q를 임시 결정한다(정동빈 2009, Ng et al.
Ashuri, B. and Lu, J. (2010). "Forecasting ENR Construction Cost Index: A Time Series Analysis Approach", Construction Research Congress 2010, ASCE, pp.1345-1355.
Eastman, C. Teicholz, P., Sacks, R., and Liston, K. (2008). BIM Handbook: A Guide to Building Information Modeling for Owners, Managers, Designers, Engineers, and Contractors, John Whiley & Sons Inc., USA, pp.25-64.
Issa, R. A. (2000). "Application of Artificial Neural Networks to Predicting Construction Material Prices", Proceedings of the Eighth International Conference on Computing in Civil and Building Engineering, ASCE, pp.1129-1132.
Jrade, A. and Alkass, S. (2007). "Computer-Integrated for Estimating the Costs of Building Project", The Journal of Architectural Engineering, 13(4), pp.205-223.
Ng, S. T., Cheung, S. O., Skitmore, M., and Wong, T. C. (2004). "An Integrated Regression Analysis and Time Series Model for Construction Tender Price Index Forecasting", Construction Management and Economics, 22(5), pp.483-493.
Shaheen, A. A., Fayek, A. R., and Abourizk, S. M. (2007). "Fuzzy Numbers in Cost Range Estimating", The Journal of Construction Engineering and Management, 133(4), pp.325-334.
Shane, J. S., Molenaar, K. R., Anderson, S., and Schexnayder, C. (2009). "Construction Project Cost Escalation Factors", Journal of Management in Engineering, 25(4), pp.221-229.
Stoy, C., Pollalis, S., and Schalcher, H. (2008). "Drivers for Cost Estimating in Early Design: Case Study of Residential Construction", The Journal of Construction Engineering and Management, 134(1), pp.32-39.
Trost, S. and Oberlender, G. (2003). "Predicting Accuracy of Early Cost Estimates Using Factor Analysis and Multivariate Regression", The Journal of Construction Engineering and Management, 29(2), pp.198-204.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.