- AI is hard (to do well) - AEC Magazine
- AI Copilot for architects launches in beta - AEC Magazine
- How to Make LLMs Work in Construction - AEC Business (aec-business.com)
- AI in Construction Industry Qualification | AEC Training Course (civils.ai)
- Are AI opportunities overwhelming design and construction firms? (bdcnetwork.com)
- Artificial Intelligence in Construction Market | 2032 Statistics Report (gminsights.com)
- Civils.ai - Construction AI & Civil Engineering Automation
BIM principle and Digital transformation
이 블로그는 기존 BIM principle and philosophy 사이트를 개정한 것입니다.
2024년 9월 18일 수요일
생성 AI 건설 기술 트랜드
2024년 5월 9일 목요일
2024년 4월 5일 금요일
건설 산업 생산성, 디지털 전환과 생성 AI 혁명 - 콘테크 투자 동향
지난 수십 년 동안 건설 산업은 클라우드, IoT, AI 기술을 채택하여 프로세스를 자동화하고, 현장 안전을 개선하고, 복잡한 데이터에서 인사이트를 추출해 왔다.
AI 기반 건설 디지털 전환(DX) 솔루션에 대한 수요는 계속 증가하고 있다. 2030년까지 이 시장은 전 세계적으로 미화 50억 달러의 수익을 창출할 것으로 예상한다(Tribe.ai, 2023). 본 글은 건설 산업 생산성 향상을 위해 디지털 전환을 위한 노력, 동향을 소개한다.
건설 산업 생산성, 디지털 전환과 생성 AI 혁명
생성형 AI는 글로벌 산업에 혁신적인 영향을 미칠 것이라고 해도 과언이 아니다. 알고리즘과 훈련된 데이터를 기반으로 새로운 컨텐츠를 생성할 수 있는 생성AI 기술은 전 세계 GDP를 7% 증가시켜 3억개 이상 일자리에 영향을 미칠 것으로 예상된다(McKinsey).
맥킨지(McKinsey) 보고서에 따르면 26세에서 42세 사이의 개인 중 50% 이상이 생성형 AI를 정기적으로 사용한다. 생성형 AI는 향후 20년 동안 노동 생산성을 0.1%에서 0.6%까지 높일 것으로 예상되며, 향후 10년 동안 총 경제 생산성이 50% 이상 증가할 것으로 예상된다.
AI는 LLM(Large Language Model)를 통해, 텍스트, 이미지, 동영상과 같은 다양한 멀티모달 데이터 소스로부터 지식을 학습할 수 있는 수준까지 발전했다.
타 분야에 비해 뒤쳐지고 있는 건설 생산성과 품질을 혁신하려면, IoT, AI, Robotics와 같은 기술을 건설 분야에 녹여낼 수 있는 건설 디지털 전환을 탐구하고 채택해야 할 것이다.
건설 분야에서 AI 채택, 디지털 전환을 위해서는 비즈니스 모델과 유스케이스 발굴, 상당한 기술 투자와 AI 솔루션 개발이 포함된다. 맥킨지(McKinsey)에 따르면 건설업은 다른 산업에 비해 현저히 낮은 약 1%의 기술 투자를 하고 있다고 밝혔다. Bloomberg는 멀지 않은 미래에 AI가 기업의 IT 지출에서 최대 12%를 차지할 것으로 예측하고 있다. 이런 관점에서 건설의 기술투자비는 아직 보수적이다.
2032년까지 기업의 생성AI 기술 투자 예측치(Bloomberg)
LLM기반 AI도구는 클라이언트 서비스 응답 시간 개선 등 업무 프로세스에서 핵심적인 역할을 할 것이다. 이 기술의 잠재력은 훨씬 크다. 머신러닝을 통해, 기존 데이터와 BIM 정보를 활용하여 더 빠르고 효율적인 건설 업무 프로세스를 구축할 수 있다. 설계사와 시공사가 계획을 시각화하고, 보다 지속 가능한 건설 방법을 선택하고, 규제 표준을 자동으로 체크하고, 전생애 주기 동안 건물의 효율성을 개선하는 방법을 시뮬레이션하는 데 도움이 될 수 있을 것이다.
- 강태욱, 2022, 뉴노멀 디지털 트랜스포메이션, CIR출판사
- Statista, 2024, Artificial intelligence (AI) market size worldwide in 2021 with a forecast until 2030
- Bloomberg, 2023, Up to 12% of tech spend will be going towards generative AI by 2032.
- Fobes, Generative AI In The Construction Sector: Taking Building Technology To New Heights
- Zacua ventures, 2023.9, The Evolution of Technology Adoption in Construction
- Autodesk, 2024.1, How Generative AI in Construction Will Level-Up Design and Collaboration
- Kajima, 2023.10, Kajima ChatAI
- Autodesk, 2023.11, Autodesk expands Fusion to unlock AI for design and make
- Tribe AI, Applied AI: AI in Construction in 2023: Use Cases and Benefits | Tribe AI
- Hammad Chaudhry, 2024.1, Shifting the Construction Paradigm: The Rise of Technology in Building the Future, LinkedIn
- Autodesk University, Reflections on AI, PLM, and more from Autodesk University
- Daniel Laboe, 2023.10, The Transformational Impact Of AI On ConTech, BuiltWorlds
- Autodesk Forma, 2023.11, a deep dive into the data lake - AEC Magazine
2024년 3월 20일 수요일
건설 생산성 향상 75% 개선 사례 - 생성AI 기반 건설테크기업 Togal.AI
- 강태욱, 2022, 뉴노멀 디지털 트랜스포메이션, CIR출판사
- Statista, 2024, Artificial intelligence (AI) market size worldwide in 2021 with a forecast until 2030
- Bloomberg, 2023, Up to 12% of tech spend will be going towards generative AI by 2032.
- Fobes, Generative AI In The Construction Sector: Taking Building Technology To New Heights
- Money Mobility and Embedded Payments Recast the Concept of Banking
2024년 1월 23일 화요일
건설 AEC 분야 생성 AI 기술 연구 및 개발 트랜드
AEC 분야 디지털 자동화 기술 저널인 automation in construction 의 최신 논문 중 하나인 'Generative AI design for buliding structures' 이 있다. 이 논문은 건축 구조 설계시 생성 AI (Gen AI)를 이용한 방법을 조사(Web of Science Core Collection), 탐구한다. Gen AI의 최근 연구와 동향을 분석하고, 데이터 표현 방법, 알고리즘 등을 분석해 비교 검토한다.
기존 연구는 GAN, GNN(Graph based NN), VAE(Variational Autoencoder), ANN을 이용해, 각각 도면 이미지, 디자인 벡터 공간 표현, 파라메터 학습을 실행한다. 이외, CNN, LSTM등을 이용해 Generative Design에 필요한 파라메터를 제공하는 연구가 수행되었다. 강화학습을 이용해, 철근콘크리트 최적 설계를 수행한 연구도 있었다.
전단벽 레이아웃 설계 연구 사례는 생성 AI 사용시 기존 방법보다 10-15배 생산성 향상을 보였다(Feng et al). 철골 구조물 단면 치수 생성을 위해, GNN, NeuralSim, NeuralSizer등을 사용한 연구가 있었다.
아울러, Gen AI 적용 수준의 명확성을 위해, CMM과 유사한 레벨을 정의하였다.
이 연구는 Gen AI의 엔지니어링 분야 적용 시 문제 해결 과제를 1) 제한된 훈련 데이터 2) 희소한 특징 학습 3) 다중 제약 조건 4) 복잡한 표현 5) 엄격한 품질 지표 6) 신뢰성을 꼽았다.
현재 개발된 LLM 모델은 특정 분야에 전문적인 결과물을 생성할 때 정확도가 낮을 수 있다. 건설은 80%정도가 비정형 도메인 전문적인 자료를 기반으로 관리된다. 이런 이유는 LLM을 바로 건설분야에 응용하는 데 챌린지다. 이 논문은 CMS(construction management system) 구현 시 이런 장애요인을 극복하기 위해, 건설분야에 특화된 말뭉치(corpora)를 별도 구축하여, 이를 BERT로 학습한 후, 기존 모델과 비교해, 문서의 의미를 얼마나 정확히 예측하는 지, TC(Text classification), NER(Named entituy recoginition) 정확도 제시한다.
이 연구에서 말뭉치를 개발하기 위해, 기존 건설 규정 관련 PDF파일을 이용해, 데이터 수집, 중복 텍스트 삭제, 문장 정리한 후, BERT 사전훈련 학습모델을 파인튜닝하였다.
말뭉치 개발 과정은 다음과 같다.
- PDF를 텍스트: Adobe Automation을 사용하여 PDF 파일을 일반 텍스트로 자동 변환한다.
- URL 제거: 실질적인 콘텐츠를 제공하지 않을 수 있는 웹사이트 링크를 제외한다.
- 언어 필터: 단락 수준에서 영어 텍스트만 유지하고 인식할 수 없는 문자와 영어가 아닌 콘텐츠는 버린다.
- 문장 분할: 단락을 별개의 문장으로 나누고 끝 문장 부호가 없는 단락을 제거한다.
- 짧은 문장 필터: 수식과 표의 흔적을 제거하기 위해 매우 짧은 문장을 제거한다.
- 참고 문헌 필터링: 문맥이 풍부한 콘텐츠에 초점을 맞추기 위해 논문 내에서 참고 문헌을 제외한다. 참조가 있거나 없는 두 개의 데이터 세트가 생성되었다.
- 중복 제거: 중복을 제거하여 각 문장의 고유성을 보장한다.
정리 후 원래 데이터 세트에 있는 단어의 약 5%가 제거되었다. 참조 필터링 과정에서 단어 수가 추가로 20% 감소하는 것이 관찰되었다.
TC와 NER를 위해, 말뭉치는 적절히 라벨링되어, BERT모델에 제공된다
개발 결과는 정확도 F1=5.9% 개선되었으며(참고), 상세는 다음과 같다.
이 연구는 일부 연구 내용을 github에 공개하였다(*주. 건설 분야에서 본인의 기술 개발 결과를 일부라도 공개하는 경우는 매우 드물다). 그럼에도 불구하고, 실제로 공개된 것은 PDF를 전처리한 텍스트 데이터 정도라 아쉬움이 있다.
스테이블 디퓨전을 이용해 다중 컨디션이 가능한 거주자 평면도를 생성하는 연구가 있었다. 이 연구는 조건에 따른 데이터 생성을 위한 데이터셋을 구축하고, 이를 스테이블 디퓨전 모델로 학습하는 과정을 제시하였다.
GPT 3.5+ 버전의 OPEN API를 이용해, BIM과 접목하는 방법론과 프레임웍을 개발한 거의 최초 연구이다. 스텐포트 CIFE 센터 마틴피셔 교수 연구팀이 개발에 참여했다.
BIM 데이터베이스의 효과적인 검색 방법 연구는 BIM QUERY 등 다양하게 진행되어 왔다. 이 논문은 GPT를 이용한다. 이를 위해, 프롬프트 엔지니어링을 위한 BIM GPT 프레임웍을 제안한다. QA 시나리오를 준비하고, BIM GPT 수행 후 비교할 성능 지표를 계산한다.
이 연구에서 준비한 QA 시나리오는 다음과 같다.
- 주어진 BIM 모델에서 펌프 객체를 확인
- 확인된 객체의 속성 리스트 항목 10개까지 확인
- 리스트에서 14569값을 가진 펌프 ID 검색
- 해당 펌프가 있는 위치 검색. 예. 'The manufacturer of pump 14569 is PACO. It is located in room 06-470 on level 6 and is part of the hydronic return and power systems.'
- 해당 위치를 VA(Virtual Assistant)에 의해 사용자에게 보여줌
연구 결과 성능은 제로샷(Zero shot), 퓨샷(Few shot)으로 테스트되어, confusion matric로 예측 정확도를 계산해 표현되었다. 연구 결과 시스템+DB+TASK+FEW 으로 진행된 방식이 직접 사람이 입력하는 프롬프트 방식에 비해 성능이 뛰어남(제로샷=83.5%, 퓨샷=99.5 정확도)을 보여준다.
현실적인 실용가능성을 확인하기 위해, Autodesk Forge, MongoDB, ChatGPT API를 이용하여 다음과 같은 VA(Virtual Assistant) 프로로타입을 개발하고, 여러 조건에 따른 답변 예측 정확도를 논의한다.
BIM GPT 프로토타입 시스템 구현 결과
- LLM-FuncMapper: Function Identification for Interpreting Complex Clauses in Building Codes via LLM (2023.8)
이 연구는 LLM을 이용해, IFC에서 원하는 정보를 찾는 함수로 질의를 맵핑하는 방법을 보여준다. 이 연구는 LLAMA2, IFCOPENSHELL을 이용해, 질의 정보를 함수 코드로 변환한다.
이 연구는 LLM(Large Language Model. 대형언어모델) 조사 필요성을 강조하고, GenAI의 잠재적 기회와 과제를 확인한다. 방법론은 Google Scholar에서 검색 키워드로 검토를 수행한 후, 클러스터링한다. Linkedin에서 전문가 글을 조사하고, 관련 키워드와 의견을 식별한다. 이를 통해, 워드 클라우드 분석, 빈도 분석 등을 텍스트 마이닝 기술을 이용해, 개념적 프레임웍을 설계하고 제안하였다. 이 논문은 최초에 GAN부터 시작한 기술발전의 역사를 간략히 따라간다.
이 연구는 활용할 수 있는 사례보다는 도전과제인 도메인 지식 부족 문제, 환각, 일반화 문제 등을 도출하였다.
이 글은 연구는 아니나, 전반적으로 Gen AI의 활용 사례를 소개하고 있다. 이 글은 디자인 개선, 프로젝트 일정 및 계획, 비용 수량 견적, 부지 선정 및 분석, 안전 계획 수립, 건설 재료 선택, 에너지 효율 최적화, 장비 유지보수, 리스크 관리, 환경영향평가, 품질관리, 측량 및 조사, 계약 문서 검토 및 문서화 등에 영향을 미칠 수 있음을 언급한다.
이 글은 Gen AI와 블록체인 기술에 대한 잠재력을 다룬다. 블록체인은 데이터 신뢰성을 확보할 수 있다. 스마트계약 등의 기반 인프라로 사용된다. 그러므로, 계약을 생성할 때, LLM은 많은 사례를 바탕으로, 계약을 검증하거나, 템플릿을 생성하는 보조 수단 등으로 사용될 수 있다.
이 글은 ChatGPT와 같은 Gen AI 기술을 이용해 건설 산업을 통합하는 방법을 탐구한다. 조사 방식은 앞의 사례와 유사하다.
이 글도 앞의 조사와 비슷한 연구이다. 다만, 에너지 최적화와 같은 건물 최적 설계에 좀 더 집중해, Gen AI 방법론을 탐구한다. 안전 체크와 같은 사례는 LangChain과 같은 프롬프트 체인과 기존 모니터링 시스템을 연계한 어플리케이션 수행 플로우차트를 제시한다.
ChatGPT 기반 견적 모델
이 글도 앞서 조사된 연구 방법론과 유사하게 수행된다. 이 연구는 BIM 협업에 초점을 맞춰서, GPT를 사용해 문제를 해결할 수 있는 방법론 조사에 초점을 맞춘다.
이 연구는 건설산업에서 LLM에 대한 연구 전망을 제시한다. 이 연구는 문헌검토, 델파이 설문조사를 통한 비판적 검토, 전문가 토론 및 사례 연구 순서로 진행된다. 전문가는 최소 10년 이상 경력을 가진 도메인 실무자 7명이 선정된다. 문헌 조사에서는 BIM-GPT 연구(BIM정보 검색, 2023), RoboGPT(로봇기반 조립에서 시퀀스 생성), 건설 작업 일정 생성, 위험 인식 등만 분석된다. BIM-GPT 연구에서는 ChatGPT에서 이해하기 쉬운 JSON형식을 사용하였으며, 이를 위해, BIM에서 객체 속성을 추출하고, MongoDB에 저장하여, 이를 ChatGPT API에 제공하는 방식을 사용하였다. 나머지 연구는 텍스트 프롬프트만 사용되었다.
이 연구는 ChatGPT가 학습된 문서와 데이터를 기반으로 한 전문가로써 활용될 수 있음을 설명한다. 예를 들어, 수많은 계약 서류 분쟁 항목 자동 확인 및 제안, 규정 준수, 환경영향평가, 안전 및 폐기물 관리 위험항목 확인 등이 그것이다.
이 연구는 ChatGPT와 연계된 디지털트윈 프로토타입을 구현한다. 이 프로토타입의 목적은 프롬프트에 의해 에너지 효율적인 벽체 물성을 제안하도록 하고, 이를 기반으로 불합리적으로 설계된 부분을 찾아서, 사용자에게 해당 BIM 요소를 보여주거나, 반대로, BIM 속성을 이용해, 취약한 부분을 제안해 주는 것이 가능함을 보이는 목적이다. 이 개발을 위해, Autodesk Forge, MongoDB, ChatGPT API, Python 등이 사용되었다.
이 연구는 ChatGPT API와 프롬프트 엔지니어링을 내장해 개발된 시스템을 통해, 기존 BIM 모델을 열 성능 표준을 만족하는 외벽으로 업데이트하는 방법과 프로토타입을 보여준다. 이 연구는 앞서 사용한 기술에 Revit API를 이용한 플러그인을 통해, 생성된 벽체 물성 JSON 파일을 받아, 벽체의 상세 속성을 갱신하여, 이를 구현한다.
- 기타 연구
기타 다음과 같은 연구가 있었다.
이 연구는 AEC 분야를 혁신하기 위해, 딥러닝 기반 컴퓨터 비전 기술 중 킬러 기술인 YOLO 등을 살펴보고, Gen AI와 같은 트랜드를 탐구한다.
이 연구는 2018년 이후로 퍼지기 시작한 LLM에 대해 언급하고, 전문가 토론을 통해, 이기술을 통한 건설 분야의 기회, 챌린지를 확인한다.
생성 AI 오픈소스 기술 및 도구
앞서 조사한 연구들은 대부분 Gen AI 오픈소스나 ChatGPT에서 제공하는 API를 사용한다. 이와 관련된 도구들은 다음과 같다.
이외에도 매우 많은 유명한 도구들이 있다. 특히, Huggingface에서는 이런 도구들을 오픈소스로 배포하고 있으므로, 관련 라이브러리를 참고하면 개발을 쉽게 할 수 있다.
- Daddy Makers: 트랜스포머 생성AI로 다국어 번역기, 문장 분류, 이미지 설명 텍스트 생성 프로그램 개발해보기
- Daddy Makers: 어텐션 기반 트랜스포머 딥러닝 모델 이해, 활용 사례 및 파치토치를 통한 간단한 사용방법 소개
마무리
현재 시점의 최신 AEC Gen AI 연구 동향은 다음과 같다.
- AEC 활용 관점에서 Gen AI의 기술, 방법, 잠재력, 도전과제 조사
- 프롬프트 엔지니어링을 이용한 가능성 제시 (예. 건설 문서 검토, 생성 등)
- ChatGPT API 등을 활용한 프로토타입을 통한 가능성 제시 (예. BIM 질의 및 일부 속성 생성)
레퍼런스
- Generative AI Powered BIM
- BIM-GPT: a Prompt-Based Virtual Assistant Framework for BIM Information Retrieval
- Construction x Technology: Integration of AI into BIM, Steph Fulton, Kim Rosenberg (freshfields.com)
- The Future of BIM: How AI is Driving Innovation in the Industry | Maket
- TileGPT: Generative AI Tools for Intuitive Building Design Exploration | Autodesk University
- Applications of Generative AI in the Architecture, Engineering, and Construction (AEC) Industry | by Lecture Factory | Jan, 2024 | Medium
- How to Use Generative AI Without Building a Large Language Model (LLM)? | Solunus Technologies
- Multidisciplinary design optimization in Architecture, Engineering, and Construction: a detailed review and call for collaboration | Structural and Multidisciplinary Optimization (springer.com)
- ifcXML-Implementation-Guide-v2-0.pdf (buildingsmart.org)
- ifcOWL - buildingSMART Technical
- buildingsmart-community/ifcJSON: Repository containing the specification for IFC.JSON (github.com)
- LLM Ontology-prompting for Knowledge Graph Extraction | LinkedIn
- Harnessing the Power of Knowledge Graphs: Enriching an LLM with Structured Data | by Steve Hedden | Towards Data Science
- From human experts to machines: An LLM
- SPARQL Generation
- ifcWOD (Web Of Data) - Semantically Adapting IFC Model Relations into OWL Properties | PPT (slideshare.net)
- Large Language Models and Knowledge Graphs (arxiv.org), lm-kbc.github.io, lm-kbc/dataset2023 (github.com)
- BenzclyZhang/IfcSTEP-to-IfcOWL-converters: Roundtrip converters from IFC STEP files to IfcOWL RDF files (github.com)
- automatic_generation_of_structural_models_from_bim_models_using_semantics_and_machine_learning.pdf (ucl.ac.uk)
- nlp-cfg/nlp-cfg.ipynb at master · naufalhilmiaji/nlp-cfg (github.com)
- Applied Sciences | Free Full-Text | In-House Knowledge Management Using a Large Language Model: Focusing on Technical Specification Documents Review (mdpi.com)
- Towards a generalized digital twin definition (ec-3.org)
- jyrkioraskari/IFCtoLBD: IFCtoLBD converts IFC (Industry Foundation Classes STEP formatted files into the Linked Building Data ontologies. (github.com)
- Open BIM GPT
2023년 9월 23일 토요일
미국 조달청 GSA의 BIM 프로젝트 템플릿 및 도구 소개
이 글은 미국 조달청 GSA의 BIM 프로젝트 템플릿 및 도구를 간단히 소개한다.
2023년 8월 19일 토요일
2023년 하반기 해외 스마트건설 및 BIM 기술 트랜드
- 과도한 투자비용 - 소규모 건설사에게 스마트건설 기술의 적용이란 큰 도전과제로 다가온다. 스마트건설 기술은 관련 전문가, 고급 하드웨어, 소프트웨어에 대한 상당한 투자 뿐 아니라, 이러한 새로운 기술을 적절하게 활용할 수 있는 인력도 재교육해야 한다. 유지비용과 정기적인 업그레이드 문제는 이미 막대한 초기 투자에 재정적 부담으로 다가온다. 실질적인 이익보다 지출이 많은 스마트건설 기술은 시장에서 환영받지 못한다.
- 무결성이 확보되지 않은 건설 데이터 - 몇몇 국가들은 불투명한 건설 계약, 기성 처리 관행으로 인해, 건설 엔지니어링 프로세스에서 생성된 데이터 그 자체의 무결성이 확보되지 않는다. 이런 문제는 앞서 언급한 데이터로 구동되는 기술들을 무용지물로 만들어 버린다. 예를 들어, 전면발주되고 있는 BIM과 같은 설계 데이터에 무결성이 확보되지 않은 경우, 이를 사용한 프로젝트의 성공에 큰 악영향을 줄 수 있다. 건설 기성, 물량, 품질과 같은 중요 데이터가 투명하지 않다면, 스마트건설 기술의 적용은 큰 의미가 없다. 어차피, 수집된 데이터에서 얻은 정보는 사용되지 않을 것이기 때문에 투자비는 손실로 연결될 것이다. 계약제도와 프로젝트 수행방식이 투명하지 않고, 유연하지 못한 국내에서는 이런 기술들이 적용될 유스케이스가 많지 않을 수 있다.
- 열악한 기술 운영 환경과 비현실적인 기대 - 스마트건설 기술은 프로젝트에 따라 현실적이지 않을 수 있다. 예를 들어, 어떤 스마트건설 기술은 안정적인 인터넷 연결을 필요로 할 수도 있다. IoT기술은 외딴 지역의 건설 프로젝트에서 실현 가능한 것이 아니다.
- 건설 디지털전환 인재 부족 - 건설 디지털화는 복잡한 IT 인프라에 크게 의존한다. 이러한 솔류션을 적용하기 위해서는 스마트 기술과 건설 양쪽을 잘 이해하고 있는 인재가 필요하다. 하지만, 이런 인력을 고용시장에서 얻는 것은 쉽지 않다.
- 기술에 대한 저항 - 전통 건설 분야에서 노동 집약적인 부문은 새로운 기술을 기존 관행에 통합하는 것에 대해 회의적이거나, 불안해할 수 있는 인력이 있을 수 있다. 이런 직원들의 심리적 저항은 스마트 기술의 채택을 늦춘다.
- 법적 제도, 규제, 보험 문제 - 스마트건설은 AI, IoT, 로봇 공학과 같은 기술의 사용을 수반하기 때문에 현재 규정은 노무, 안전, 보험 등 여러 문제로 인해 적용 자체를 불가능하게 할 수도 있다. 법적 개선뿐만 아니라 업계 내에서 관련 표준 및 지침의 수립이 필요할 수 있다.
- Digital Journal, 2023, Architectural BIM Software Market Share Size 2023 : Top Players, Market Share, Future Growth by 2029
- BIMobject, 2023, The future of BIM: Emerging trends and technologies
- Nemetschek Group, 2023, Top 7 Trends for AECO in 2023
- Neuroject, 2023.5, Smart Construction Solutions in 2023
- bimspot, BIM Trend in 2023
- Smart construction news
- Construction Pros.com, 2023, Top 20 Most Read Construction Technology Stories of 2022 | For Construction Pros
- World Folio, 2023, The Worldfolio: Komatsu paves the way for digital transformation in the construction industry
- Digital Journal, 2023, Smart Construction Market Share, Size and Forecast to 2030
- PE News, 2022, Doosan Unveils ‘All-In-One Platform’ For Smart Construction - Plant & Equipment News
- Komatsu, 2023, Accelerating to achieve safe, highly productive, smart and clean workplaces of the future - Developed a remote control system for construction equipment and began offering it to customers
- Komatsu, 2023, Komatsu, NTT DOCOMO, Sony Semiconductor Solutions and Nomura Research Institute to Launch “EARTHBRAIN”
- Pomerleau, 2021, POMiCapture: An integrated data acquisition application for construction job sites
- Smart Construction IO, Homepage - Smart Construction
- Rajant Corporation, 2022, 3 Things Holding Back Widespread Autonomous Vehicle Implementation In Construction
- Bosch Digital Blog, Bosch Singapore campus: smart building concept turned reality (bosch-digital.com)
- Alicia Hearns, 2019, The Impact of the Labor Shortage in the Construction Industry | Giatec (giatecscientific.com)
- Urwish Engineers, 2022, Use of Prefabrication Construction in 12 Different Structures!
생성 AI 건설 기술 트랜드
이 글은 생성 AI 건설 기술 트랜드를 간략히 정리한다. 레퍼런스 AI is hard (to do well) - AEC Magazine AI Copilot for architects launches in beta - AEC Magazine How to...
-
이 글은 최근 해외 선진국 인프라 디지털트윈 연구개발 사례에 대한 간략한 소개이다. 머리말 건물정보모델링(BIM)을 통해 조직은 자산의 디지털 표현을 생성하고 정보를 관리할 수 있다. 이 기술은 잘 활용하기에 따라 프로젝트의 설계 및 건설 단계에 새로...
-
이 글은 디지털트윈 컨소시엄, 디지털트윈 기술언어 및 리얼리티 캡쳐 기술을 간단히 소개한다. 디지털트윈 컨소시엄(DTC)은 디지털트윈 기술을 발굴하고, 적용하기 위해 노력하는 해외 산학연 연합체이다. DTC는 2020년 5월 Ansys, Autodes...
-
이 글은 건설 분야 생성 AI 최신 연구 트랜드를 간략히 나눔한다. AEC(Architecture, Engineering and Construction)분야에서는 Gen AI은 아직 초기단계이나, 관련 업계에서는 뜨거운 관심을 받고 있다. 최근 AEC...