논문명 |
Deep Learning 기반 공동주택 마감공사 단위작업별 생산성 예측모델 개발 / 내장공사를 중심으로 / The Development of Productivity Prediction Model for Interior Finishes of Apartment using Deep Learning Techniqeus |
저자명 |
이기륜(Lee, Giryun) ; 한충희(Han, Choong-Hee) ; 이준복(Lee, Junbok) |
발행사 |
한국건설관리학회 |
수록사항 |
한국건설관리학회 논문집, Vol.20 No.2 (2019-03) |
페이지 |
시작페이지(3) 총페이지(10) |
ISSN |
2005-6095 |
주제분류 |
시공(적산) |
주제어 |
생산성 ; 예측모델 ; 생산성 영향요인 ; 딥러닝 ; 마감공사//Productivity ; Prediction Model ; Productivity Impacting Factors ; Deep Learning ; Interior Finishes |
요약1 |
국내 건설산업에서 생산성 정보는 중요성과 그 기능에도 불구하고 생산성 데이터의 수집 및 분석 방법이 체계화되어 있지 못하다. 또한 생산성 관리는 대부분 현장관리자의 경험과 직관에 의존하고 있으며 생산성 데이터를 공사계획 및 관리에 적극 활용하지 못하고 있는 상황이다. 따라서 본 연구에서는 공동주택 마감공사의 생산성 예측 및 생산성 영향요인을 분석할 수 있는 기반을 마련하기 위해 단위작업별 생산성 관련 데이터를 수집하여 딥러닝 기반의 생산성 예측모델을 개발하고자 한다. 연구결과인 딥러닝 기반의 공동주택 단위작업별 생산성 예측모델은 신뢰할 수 있는 생산성 정보 데이터에 딥러닝을 적용하여 향후 데이터가 축적될수록 발전되는 기술로 공동주택 프로젝트 관리시스템의 기본 모듈이 될 수 있다. 또한 과거 유사한 프로젝트의 생산성 데이터를 통한 개산견적, 공정계획을 위한 작업일수 산정, 투입인원 산정 등과 같은 프로젝트 엔지니어링 과정에 활용 가능하며 공사 진행 중 예측과 다른 생산성 발견 시 원인 분석에 용이하여 신속한 대응 및 향후 예방이 가능할 것으로 기대된다. |
요약2 |
Despite the importance and function of productivity information, in the Korean construction industry, the method of collecting and analyzing productivity data has not been organized. Also, in most cases, productivity management is reliant on the experience and intuitions of field managers, and productivity data are rarely being utilized in planning and management. Accordingly, this study intends to develop a prediction model for interior finishes of apartment using deep learning techniques, so as to provide a foundation for analyzing the productivity impacting factors and predicting productivity. The result of the study, productivity prediction model for interior finishes of apartment using deep learning techniques, can be a basic module of apartment project management system by applying deep learning to reliable productivity data and developing as data is accumulated in the future. It can also be used in project engineering processes such as estimating work, calculating work days for process planning, and calculating input labor based on productivity data from similar projects in the past. Further, when productivity diverging from predicted productivity is discovered during construction, it is expected that it will be possible to analyze the cause(s) thereof and implement prompt response and preventive measures. |
소장처 |
한국건설관리학회 |