[논문]플랜트 EPC 해외 사업을 위한 입찰단계 시 AI 기반의 ITB Risk 관리 모델 개발

이돈희; 윤건호; 김정준

doi:10.7236/jiibc.2019.19.4.151

플랜트 EPC 해외 사업을 위한 입찰단계 시 AI 기반의 ITB Risk 관리 모델 개발
Development of ITB Risk Mgt. Model Based on AI in Bidding Phase for Oversea EPC Projects 원문보기

The journal of the institute of internet, broadcasting and communication : JIIBC, v.19 no.4, 2019년, pp.151 - 160

이돈희 (SK 주식회사) , 윤건호 (SK 주식회사) , 김정준 (한국산업기술대학교)

초록
AI-Helper

EPC 회사들이 해외에서 계속 사업을 운영하기 위해서는 위험이 더 이상 피할 수있는 것이 아니라 관리 대상이된다는 것이 점점 더 분명 해지고 있다. 입찰 단계에서 입찰 패키지 내의 요구 사항, 사양 및 프로젝트 광고 항목을 자세히 조사하여 비용 초과를 방지하기 위해 다양한 위험 요소를 분석해야한다. 그러나 막대한 양의 입찰 서류를 검토하는 것은 시간이 많이 걸리고 노동 집약적이며 쉬운 작업이 아니며 자동화 된 정보 기술이 도움이 될 수 있다. 이 연구에서는 짧은 시간에 방대한 양의 문서를보다 효과적으로 분석하고 적용 할 수있는 Watson AI 기반의 ITB 분석 모델을 구축하였다. AI 기반 ITB 위험 관리 모델 연구, 학습 절차 및 분석 대상 선택, 성능 평가 기준을 위한 Watson Explorer AI 아키텍처의 구성을 정의하고 시험 연구를 수행하기위한 테스트 베드를 구축하였다. 결과적으로 분석 시간 단축의 효과와 전문가의 결과 및 VOC 운영 품질을 확인하였다.

Abstract ▼ AI-Helper

EPC companies to continue operating overseas, it is increasingly becoming apparent that risk is no longer something to be avoided but a subject to be managed. During the bidding stage, the requirements, specifications and project line items within the bid package must be studied in details to analyze the various risk factors in order to avoid cost overruns. However, reviewing vast quantities of bidding documents is time consuming and labor intensive and is not an easy task and this is where automated information technology can help. For this study, I have constructed an ITB analysis model based on Watson AI that can analyze and apply vast amount of documents more effectively in a short time. Configuration of the Watson Explorer AI architecture for AI-based ITB risk management model research, the selection of learning procedures and analysis subjects, and the performance evaluation criteria were defined, and a test bed was constructed to conduct a pilot research. Consequently, I verified the effectiveness of the analytical time reduction and the quality of its results and VOC operations by professionals.

주제어

표/그림 (14)

그림 그림 1. 인공지능, 머신러닝, 딥러닝 관계 Fig. 1. AI, M/L, D/L Relations
그림 그림 2. 단어 빈도수 Fig. 2. Word Frequency
표 표 1. 기술적 목표 Table 1. Technical Goals
표 표 2. 해결책 Table 2. Problem Solving Method
표 표 3. 인공지능의 특징 Table 3. Characteristics of AI
그림 그림 3. 텍스트 군집화 Fig. 3. Text Clustering
그림 그림 4. 연구 목적 Fig. 4. Research Goals
그림 그림 5. 인공지능 연구 구조도 Fig. 5. Research AI Architecture
그림 그림 6. 학습 방법 Fig. 6. Training Procedure
그림 그림 7. 학습 주제 Fig. 7. Training Topics
그림 그림 8. F1 Score Fig. 8. F1 Score
그림 그림 9. 연구 결과 Fig. 9. Reaserach Results
그림 그림 10. F1 Score Fig. 10. F1 Score
그림 그림 11. 활용 방안 Fig. 11. Utilization Plan

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

Project Requirement 파악이 Project 수주 및 수행 경쟁력에 많은 영향을 미치는 글로벌 플랜트 EPC Business 에서, 인공지능(AI) 기술을 적용하여 Project 입찰안내서의 Project Requirement 및 Risk 분석 가능성과 효과성을 검증하고자 한다. 연구의 배경은 해외 EPC 사업의 내부 및 외부 환경을 이해하고 Agile 방법론을 적용하여 Small Good Case를 연구하고자 한다.
그림 4는 본 연구의 목적으로 인공지능에 의한 ITB분석 기술의 가능성을 검증하고 적용 효과성을 도출하고자 한다. 기술검증의 KPI는 정확도(%)로 판단한다.
Project Requirement 파악이 Project 수주 및 수행 경쟁력에 많은 영향을 미치는 글로벌 플랜트 EPC Business 에서, 인공지능(AI) 기술을 적용하여 Project 입찰안내서의 Project Requirement 및 Risk 분석 가능성과 효과성을 검증하고자 한다. 연구의 배경은 해외 EPC 사업의 내부 및 외부 환경을 이해하고 Agile 방법론을 적용하여 Small Good Case를 연구하고자 한다.
그러나 짧은 입찰 기간 동안 방대한 양의 입찰문서를 검토하는 것은 쉽지 않은 상황이며, 이러한 작업을 보다 효과적으로 지원할 수 있는 자동화된 정보기술의 도움이 필요하다. 이에 본 연구에서는 방대한 양의 문서를 단시간 안에 효과적으로 분석 및 적용 가능한 Watson AI 인공지능 기반의 ITB 분석 모델을 구축하여, 해외 건설 플랜트 공사의 입찰정보를 신속히 분석하고, 시사성 있는 정보를 도출하여 사업에 적극 활용하는 방안을 모색하였다. 즉, Project Requirement 파악이 Project 수주 및 수행 경쟁력에 많은 영향을 미치는 EPC ITB 분석 단계에서, 인공지능(AI) 기술을 적용하여 Project 입찰안내서(ITB)의 Risk 분석 가능성과 효과성을 검증하였다.
이에 본 연구에서는 방대한 양의 문서를 단시간 안에 효과적으로 분석 및 적용 가능한 인공지능 기반의 ITB분석 기술을 활용하여 해외건설 플랜트 공사의 입찰정보를 신속히 분석하고, 시사성 있는 정보를 도출하여 사업에 활용하는 방안을 모색하고자 한다.
그러나 짧은 입찰 기간 동안 방대한 양의 입찰문서를 검토하는 것은 쉽지 않은 상황이며 이러한 작업을 보다 효과적으로 지원할 수 있는 자동화된 정보기술(IT)의 지원이 필요하다. 이에 본 연구에서는 방대한 양의 문서를 단시간 안에 효과적으로 분석하고 적용 가능한 인공지능(AI) 기반의 ITB 분석 기술을 활용하여 해외건설 플랜트 공사의 입찰정보를 신속히 분석하고, 시사성 있는 정보를 도출하여 사업에 활용하는 방안을 모색하고자 한다.
기술검증의 KPI는 정확도(%)로 판단한다. 효과성 도출의 KPI는 요구사항 불일치 사항 발견, 입찰 안내서 분석시간 단축, 입찰 안내서 분석 지식 및 노하우 공유 등에 대한 효과성 검증을 목적으로 한다.

제안 방법

주제영역 추출 및 Rule 등록은 그림 7과 같이 기계공종 및 일반 계약관리를 대상으로 적용했다. 기계 공종은 표준 API Standard 표준 규격분석 1종, Equipment 별 Spec 분석 4종, 요구사항분석 5종으로 수행 했다. 또한 일반 계약관리는 32대 항목 97개의 세부 항목으로 주제영역을 선정했다.
본 연구의 순서는 제2장에서 글로벌 EPC 사업의 Risk에 대한 고찰로서 인공지능(AI)의 개념 및 텍스트 마이닝 적용 해외 사례를 살펴보고, Risk 관리 프로세스 모델, 입찰시 수주 실패 원인과 성공요소, ITB 분석 방법의 개선 필요성에 대해 알아본다.
본 AI 연구 Pilot은 Cloud 환경에서 Watson Explorer를 API 형식으로 활용한다. 약 4개월간 TF Team을 AI, 방법론, 사업관리, 현업 전문가로 구성해 Agile 방식으로 수행한다. 마지막으로 연구 결과에 대해 ITB 분석 시간 저감, 품질 측면의 효과성을 검증하고 전문가의 VOC를 수행하면서 연구를 마무리한다.
학습 결과 부적합 부분 도출 시에는 반복 학습을 수행한다. 인공지능 효과성 검증 부분은 학습에 사용되지 않은 ITB를 활용하여 수행한다.
입찰 시 핵심 성공요인을 크게 프로젝트 인지단계, 입찰준비단계, 입찰단계로 분류로 하여 알아보고자 한다. 인지단계(Project Identification Phase)는 전(全)입찰업무의 첫 번째 단계로서프로젝트 수행 국가 및 지역에 대해 조사하고, 발주자의 요구(Needs)를 파악해 프로젝트에서 무엇을 수행해야 할지 인지하는 단계이다.
그림 11에 연구모델의 단.장기 활용 방안을 도출하였다.
즉, Project Requirement 파악이 Project 수주 및 수행 경쟁력에 많은 영향을 미치는 EPC ITB 분석 단계에서, 인공지능(AI) 기술을 적용하여 Project 입찰안내서(ITB)의 Risk 분석 가능성과 효과성을 검증하였다.

대상 데이터

기계 공종은 표준 API Standard 표준 규격분석 1종, Equipment 별 Spec 분석 4종, 요구사항분석 5종으로 수행 했다. 또한 일반 계약관리는 32대 항목 97개의 세부 항목으로 주제영역을 선정했다. 학습된 AI의 Rule의 종류는 기계공정 100개, 일반 계약관리 200개 등 총 300개로 표현 할 수 있다.
총 12종의 ITB중 학습 ITB는 10종, 검증 ITB는 2종으로 적용했다. 연구 기간은 약4개월로 현업 전문가 4명의 도움을 받아 수행했다. 주제영역 추출 및 Rule 등록은 그림 7과 같이 기계공종 및 일반 계약관리를 대상으로 적용했다.
총 12종의 ITB중 학습 ITB는 10종, 검증 ITB는 2종으로 적용했다. 연구 기간은 약4개월로 현업 전문가 4명의 도움을 받아 수행했다.

이론/모형

Topic 선정 현업전문가의 경험과 프로젝트 실패 사례(L&L)에 기반을 두고 1차도출후 2차 최종 선정은 Delphi 기법 방식을 적용하였다.
또한, 학습 ITB와 검증 ITB는 각각 분리하여 Overfitting 과 Underfitting을 사전에 예방한다. 본 AI 연구 Pilot은 Cloud 환경에서 Watson Explorer를 API 형식으로 활용한다. 약 4개월간 TF Team을 AI, 방법론, 사업관리, 현업 전문가로 구성해 Agile 방식으로 수행한다.
본 연구에서는 인공지능 기술 중 Watson AI를 적용한다. Watson은 새로운 컴퓨팅 시대인 코그니티브 시스템으로의 첫 걸음으로 상징된다.
연구결과의 효과성 검증연구의 성능 평가를 위해 그림 8과 같이 정밀도(Precision), 재현율(Recall), F1 score(F-measure)를 적용하였다. Precision은 정답이라고 예상한 것들 중 True Answer인 것들의 비율을 의미하며, Recall은 True Answer중에서 모델이 정답으로 예측한 것들의 비율을 의미한다.

성능/효과

따라서 단어들간의 공통된 관계를 파악하기 위해 빈출 상위 단어들에 대한클러스터링을 그림3과 같이 실시 하였다. 군집화된 경우를 제외한 나머지 세 가지 군집의 단어들의 조합에서 계약서에 언급된 공사 관련 기한등에 대한 군집과 설계도서에 대한 군집, 시방서 및 특수계약조건과 관련된 군집으로 단어들이 조합된 것을 확인할 수 있었다. 본 연구를 통해 텍스트 마이닝을 활용한 해외건설공사 입찰 정보 분석을 통해 직접 개별 문서의 내용을 확인하지 않고도 많은 양의 문서들을 종합적으로 파악할 수 있는 방안을 제시했다는 점에서 의미를 찾을 수 있다(Lee, J.
기존에 수주간 소요되는 ITB 분석시간을 31% 단축하는 효과가 있었다. AI System 사용의 익숙도 향상 및 사용자 화면(UI/UX) 개선 시 분석시간은 더욱 단축될 것으로 예상된다.
마지막으로 업무 전문가의 VOC(Voice Of Customer) 결과 입찰안내서 분석 정확도는 추가 학습을 할 경우 높일 수 있고, 분석의 효율(시간, 품질 등)을 향상시킬 수 있으며, 또한 발주처와의 요구 사항 Clarification 시간을 상당수 단축할 수 있음을 확인 하였다. 그림 9, 10에서 연구 결과에 대한 정량적, 정성적 효과성을 요약하였다.
즉, Project Requirement 파악이 Project 수주 및 수행 경쟁력에 많은 영향을 미치는 EPC ITB 분석 단계에서, 인공지능(AI) 기술을 적용하여 Project 입찰안내서(ITB)의 Risk 분석 가능성과 효과성을 검증하였다. 본 연구 Project 수행 결과 인공지능을 이용한 입찰안내서 분석에 시간, 품질에 가시적인 효과성과 지식공유라는 정성적인 효과성이 있었다. 그림 11에 연구모델의 단.
연구 Project 수행 결과 인공지능을 이용한 입찰안내서 분석에 시간 및 품질에 가시적인 효과성이 있었고 전문가의 지식 공유가 가능하였다.
정확도(F1 Score)는 수작업 분석(Human 분석)의 경우는 78%였으나 AI 분석 결과는 약 85%를 나타냈다. 훈련 과정에서 학습하지 않은 내용이 검증용 ITB에서 발견되었고, 표(Table)로 되어 있는 부분에 대한 입력/분석이 미흡한 것으로 확인되었다.
통상 ITB 분석은 8~9년차 정도의 Engineer가 수행 가능하나 본 연구 결과 1년차 Engineer가 80%의 정확도로 ITB를 분석하였다. 즉, 해당 입찰안내서 및 국제표준에 경험이 부족한 1년차 Engineer도 8~9년차의 Senior와 유사한 분석 결과를 도출하였다.

후속연구

약 4개월간 TF Team을 AI, 방법론, 사업관리, 현업 전문가로 구성해 Agile 방식으로 수행한다. 마지막으로 연구 결과에 대해 ITB 분석 시간 저감, 품질 측면의 효과성을 검증하고 전문가의 VOC를 수행하면서 연구를 마무리한다.
대량의 ITB 문서(약 5만 페이지)에서 요구사항간 불일치 사항을 수작업으로 점검한다는 것은 대단히 어려운 사항이다. 본 연구결과로 불일치 사항 2건을 수분 이내에 발견해 Risk 조기 발견에 따른 대응력 향상 및 입찰안내서 분석의 표준화(불일치 해소)가 가능할 것으로 판단된다.
향후 추가 연구과제로는 기계 공종을 포함한 전공종에 대한 분석모델 구성(기계, 계장, 배관, 전기, 토목, 건축, P&ID), Table Reading 보강, OCR을 통한 이미지 인식, 사용상 편의를 위한 UI/UX개선, AI 입찰 분석 프로세스 개선을 들 수 있다.

질의응답

핵심어	질문	논문에서 추출한 답변
	Watson Explorer의 특징은?	ITB 분석에는 Watson AI중 Watson Explorer API(Application Programming Interface) 중심의 연구를 수행한다. Watson Explorer(WEX)는 텍스트 및 자연어 분석(Natural Language Processing) 기술을 기반으로 다양한 형태의 비정형 데이터를 수집하여 다각화된 분석을 수행하고 도출된 분석 결과를 시각화하여 목적에 맞는 통찰력(Insight)을 제공하는 분야에 탁월하다고 할 수 있다[3-7].
	입찰 단계에서 해야하는 것은?	EPC 회사들이 해외에서 계속 사업을 운영하기 위해서는 위험이 더 이상 피할 수있는 것이 아니라 관리 대상이된다는 것이 점점 더 분명 해지고 있다. 입찰 단계에서 입찰 패키지 내의 요구 사항, 사양 및 프로젝트 광고 항목을 자세히 조사하여 비용 초과를 방지하기 위해 다양한 위험 요소를 분석해야한다. 그러나 막대한 양의 입찰 서류를 검토하는 것은 시간이 많이 걸리고 노동 집약적이며 쉬운 작업이 아니며 자동화 된 정보 기술이 도움이 될 수 있다.
	Watson AI 기반의 ITB 분석 모델을 구축하게 된 배경은?	입찰 단계에서 입찰 패키지 내의 요구 사항, 사양 및 프로젝트 광고 항목을 자세히 조사하여 비용 초과를 방지하기 위해 다양한 위험 요소를 분석해야한다. 그러나 막대한 양의 입찰 서류를 검토하는 것은 시간이 많이 걸리고 노동 집약적이며 쉬운 작업이 아니며 자동화 된 정보 기술이 도움이 될 수 있다. 이 연구에서는 짧은 시간에 방대한 양의 문서를보다 효과적으로 분석하고 적용 할 수있는 Watson AI 기반의 ITB 분석 모델을 구축하였다.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증