$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

빌딩 운영(Building Operation) 및 유지관리(FM)에서의 머신러닝 (Machine Learning) 적용에 관한 최근 연구동향 및 활성화 방안 원문보기

건설관리 : 한국건설관리학회 학회지 = Construction engineering and management, v.22 no.2, 2021년, pp.17 - 20  

홍성일 (Georgia Institute of Technology)

초록이 없습니다.

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 하지만, 그 성능과 효과에도 불구하고 유지관리(FM) 영역에서 머신러닝이 잘 활용되지 않고 있다. 따라서, 머신러닝 적용의 활성화를 위해 요구되는 노력에 대해서 논의해 보고자 한다.
  • 머신러닝 기술은 기존의 데이터를 기반으로 수치 예측부터 프로세스 자동화까지 광범위하게 활용이 가능하므로 빌딩 관리 및 운영시 해당 기술의 적용이 필수적이다. 본 고에서는 빌딩 운영을 하는 과정에서 발생하는 데이터 기반의 의사결정을 위해 머신러닝이 어떻게 적용될 수 있는지에 대한 최근 연구동향과 함께 활성화 방안까지 살펴보고자 한다.
본문요약 정보가 도움이 되었나요?

참고문헌 (10)

  1. Abergel, T., Delmastro, C., & Lane, K. (2020). Tracking Buildings 2020. International Energy Agency (IEA). https://www.iea.org/reports/tracking-buildings-2020 

  2. Ahmed, V., Tezel, A., Aziz, Z., & Sibley, M. (2017). The future of big data in facilities management: opportunities and challenges. Facilities. https://doi.org/https://doi.org/10.1108/f-06-2016-0064 

  3. Bishop, C. M. (2006). Pattern recognition and machine learning. Springer. 

  4. Duncan, S., Balchanos, M., Sung, W., Kim, J., Li, Y., Issac, Y., & Mavris, D. (2014). Towards a Data Calibrated, Simulation-Based Campus Energy Analysis Environment for Situational Awareness and Future Energy System Planning. Proceedings of the ASME 2014 8th International Conference on Energy Sustainability, 1-10. https://doi.org/10.1115/ES2014-6695 

  5. Gao, X., Pishdad-Bozorgi, P., Shelden, D. R., & Shu, T. (2019). Machine Learning-based Life-cycle Cost Analysis for Educational Facilities. 55th ASC Annual International Conference, October, 393-400. https://www.researchgate.net/publication/334262496_Machine_Learning-based_Life-cycle_Cost_Analysis_for_Educational_Facilities 

  6. Hong, S., Kim, J., & Yang, E. (2020). Automated Text Classification of Historical Maintenance Data of Higher Education Buildings using Text Mining and Machine Learning Methods. Manuscript Submitted for Publication. 

  7. Hunt, R. A., Killen, M. C. P., Bosch, V. G., & Enriquez, F. T. (2005). TQM and QFD: exploiting a customer complaint management system. International Journal of Quality & Reliability Management . https://doi.org/https://doi.org/10.1108/02656710510572977 

  8. Mamidi, S., Chang, Y.-H., & Maheswaran, R. (2012). Improving building energy efficiency with a network of sensing, learning and prediction agents. Proceedings of the 11th International Conference on Autonomous Agents and Multiagent Systems-Volume 1, 45-52. 

  9. Pyon, C. U., Woo, J. Y., & Park, S. C. (2011). Service improvement by business process management using customer complaints in financial service industry. Expert Systems with Applications, 38(4), 3267-3279. https://doi.org/10.1016/j.eswa.2010.08.112 

  10. Rai, P., Nassif, N., Eaton, K., & Rodrigues, A. (2019). Applications of Machine Learning in Building Energy Prediction and Savings. Energy , 1, 1-2. https://doi.org/10.3844/erjsp.2019 

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로