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.

콘테크(ConTech) 투자 동향 및 산업 트랜드

최근 AI 기반 ConTech에 대한 투자 유치가 급증하고 있다. Construction Tech는 2021년 초부터 AI 기반 솔루션 VC에서 $3B펀딩이 있었다(Daniel Laboe, 2023.10). 다음 차트는 이를 보여준다.

 

AI 기반 콘테크 스타트업 투자 현황(Built Worlds, 2023.10)

건설 업계는 심각한 숙련 노동력 부족으로 어려움을 겪으며, 생산성을 높이는 AI 기반 디지털 전환 시대를 대비하고 있다. 

AI는 건설 프로젝트에 필요한 부족한 숙련 노동자의 수요를 대응할 수 있다. BuiltWorlds Venture Forum은 스타트업 투자 포트폴리오를 장애물이 낮아진 AI 기반 건설 솔루션, 로보틱스 기술 분야에 집중하고 있다.

ChatGPT와 같은 생성 AI는 건설 산업에서 새로운 DX 솔류션의 가능성을 보여주고 있다. 이미 많은 생성AI기술이 Google, Facebook, OpenAI 연구소에서 오픈소스로 릴리즈되었다. 이런 이유로, 입력한 텍스트에서 이미지, 비디오, 3D 모델 등을 생성하는 일련의 제품들이 Autodesk, Trimble, Bentley와 같은 빅테크 업체에서 조만간 개발될 것이라 충분히 예상할 수 있다.

이미, 이 분야의 선두주자인 Autodesk는 AI를 통해 반복적인 설계 작업을 자동화하는 기술을 공개하였다. 이를 위해, Autodesk는 Blank AI를 인수해, 생성 AI 기술을 자사의 솔류션에 이식시키고 있다. 이 회사는 Autodesk University 2023에서, Autodesk는 Fusion과 AI를 통해 자동으로 도면과 문서를 생성하는 기능을 선보였다.

 

클릭 한번으로 3D 모델에서 완벽한 치수를 포함한 2D도면 생성 기술(Autodesk Fusion, 2023.11)

AI 기반 DX 솔루션은 워크플로와 반복적인 작업을 자동화하여 팀의 효율성을 높이고 프로젝트 완료 시간을 단축할 수 있다. AI 시스템은 일정 및 리소스 할당을 간소화하여 대규모 프로젝트의 수익성과 적시성을 확보할 수 있다. 또한 모델의 구조적 및 기능적 문제를 인식하여, 오류를 조기에 수정하고, 재작업 및 낭비를 줄일 수 있다.

마무리

AI 기반 자동화로 프로젝트 일정이 단축되어 인건비가 절감되고, 더 나은 계획으로 자재 사용이 최적화될 수 있다. 이미 시장에서 소개되고 있는 AI 애플리케이션은 장비 오작동 또는 안전하지 않은 작업 조건의 징후를 찾기 위해 비디오 영상 및 센서 데이터를 스캔하고 현장 관리자에게 실시간으로 시정 조치를 취하도록 경고할 수 있다. AI 도구는 자원 사용을 최적화하고 폐기물을 줄여 건설 회사가 보다 지속 가능한 건설 관행을 채택할 수 있도록 지원할 수 있다.

생성AI는 건축가가 작업하는 프로세스의 전환점이 될 것이다. 생성AI기반 Text-To-Design, 사용자 의도에 따른 3D 모델링, AI기반 설계 대안 시뮬레이션은 AI에서 건축가가 얻을 수 있는 성능의 일부에 불과할 것이다.

레퍼런스

• 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

건설 생산성 향상 75% 개선 사례 - 생성AI 기반 건설테크기업 Togal.AI

지난 수십 년 동안 건설 산업은 클라우드, IoT, BIM 기술을 채택하여 프로세스를 자동화하고, 현장 안전을 개선하고, 복잡한 데이터에서 인사이트를 추출해 왔다. 그럼에도 불구하고, 아직 건설 생산성은 다른 제조 분야에 비해 크게 떨어진다. 

Togal.AI는 플로리다 마이애미에 본사가 있는 건설테크 기업이다. 이 회사는 AI기반 비정형 문서 도면 수량 및 정보 추출 자동화 기술을 개발하고 있다. 이를 통해, 도면에서 필요한 정보를 추출하는 복잡한 수작업 프로세스를 간소화한다. 이 사례를 간략히 나눔해 본다. 

Togal.AI 시스템 스크린샷

현재 시점에서 2년밖에 되지 않은 이 기업은 건설사의 작업량을 40%나 줄여, 사용자가 940%나 증가되었다. 아직 20명이 안되는 회사지만, Coastal Construction 사례에서만 이 회사의 기술로 프로젝트 예산을 100만 달러나 절약하였다. 

이 회사는 생성형 AI를 사용하여 모든 프로젝트에서 엄청난 양의 문서에서 필요한 정보를 찾기 위해 더 이상 시간과 에너지를 낭비하지 않도록 노력하고 있다.

소개 영상

건설 기술 회사인 Togal.AI 의 설립자 겸 CEO인 패트릭 머피(Patrick Murphy)는 '불과 4년 만에 AI의 발전과 당시 사용하던 모델과 알고리즘이 현재 어떻게 개선되었는지 지켜보는 것은 믿을 수 없을 정도"라고 말한다.

그는 데이터에 대한 액세스, 특히 데이터 저장 및 레이블 지정 방법에 대한 발전이 계속해서 빠르게 발전하고 있어, 건설과 같은 전통적인 비즈니스의 운영 방식도 변화시키고 있다고 언급한다.

"청사진, 사양서, 제3자 간의 다양한 계약에 이르기까지 건설에는 많은 정보가 있다."고하면서, 현장 팀이 문서, 사진, 도면, PDF에서 필요한 올바른 정보를 추출하는 기술을 개발하고 있다고 말한다.

최근 이 회사는 ChatGPT와의 통합을 발표하였다. Togal.AI는 이제 일반인 용어로 건설 스펙, 라이브러리와 상호작용할 수 있다 말했다. 예를 들어, '이 건물의 외장재 사양은 어떻게 되나요?', '이 정도 크기의 건물에 화장실이 몇 개나 있나요?' 와 같은 질문을 스펙에 근거해 답변한다.

레퍼런스

• 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

건설 AEC 분야 생성 AI 기술 연구 및 개발 트랜드

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 AEC분야도 Gen AI의 영향력을 보여주는 연구들이 진행되고 있다. 이런 상황에서, 2024년도에는 Gen AI를 이용한 서비스가 AEC 분야에서 유명한 플랫폼 개발사 (Autodesk, Bentley, Trimble 등)에서 출시되리라 예상된다. 이런 관점에서 Gen AI 연구 동향을 간략히 나눔해 본다. 

이 조사를 위해, Google Scholar에 Generative AI Construction AEC LLM 키워드로 검색해, 주요 연구 내용을 확인해 보았다. 다음 내용은 그 결과를 정리한 것이다. 

 

AEC Gen AI 기술 트랜드 조사

• Generative AI design for buliding structures (2024.1)

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. 

생성 AI기반 건물 구조 설계(Feng et al, 2023, Construction bidding case study using generative intelligent structural design)

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.

• Domain-specific language models pre-trained on construction management systems corpora (2024.2)

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. 

1. PDF를 텍스트: Adobe Automation을 사용하여 PDF 파일을 일반 텍스트로 자동 변환한다.
2. URL 제거: 실질적인 콘텐츠를 제공하지 않을 수 있는 웹사이트 링크를 제외한다.
3. 언어 필터: 단락 수준에서 영어 텍스트만 유지하고 인식할 수 없는 문자와 영어가 아닌 콘텐츠는 버린다.
4. 문장 분할: 단락을 별개의 문장으로 나누고 끝 문장 부호가 없는 단락을 제거한다.
5. 짧은 문장 필터: 수식과 표의 흔적을 제거하기 위해 매우 짧은 문장을 제거한다.
6. 참고 문헌 필터링: 문맥이 풍부한 콘텐츠에 초점을 맞추기 위해 논문 내에서 참고 문헌을 제외한다. 참조가 있거나 없는 두 개의 데이터 세트가 생성되었다.
7. 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. 

github에 공개된 연구 데이터 일부

• Residential floor plans: Multi-conditional automatic generation using diffusion models (2024.6)

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. 

• BIM-GPT: a Prompt-Based Virtual Assistant Framework for BIM Information Retrieval (2023.4)

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. 

BIM GPT 프레임웍 및 프롬프트 시나리오

연구 결과 성능 테스트 목표 준비

 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. 

 

• Opportunities and Challenges of Generative AI in Construction Industry: Focusing on Adoption of Text-Based Models (2024.1)

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. 

LLM 개념 프레임웍

이 연구는 활용할 수 있는 사례보다는 도전과제인 도메인 지식 부족 문제, 환각, 일반화 문제 등을 도출하였다.

• Leveraging Generative AI in Construction: Practical Use Cases for Industry Leaders - Matellio Inc

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. 

• Revolutionizing AEC: How AI LLM and Blockchain Integration is Creating New Workstreams for Designers | by archisinal.io | Medium

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.

• Role of ChatGPT and Similar Generative Artificial Intelligence (AI) in Construction Industry by Nitin Rane :: SSRN (2023.11)

이 글은 ChatGPT와 같은 Gen AI 기술을 이용해 건설 산업을 통합하는 방법을 탐구한다. 조사 방식은 앞의 사례와 유사하다.

• Integrating ChatGPT, Bard, and Leading-edge Generative Artificial Intelligence in Building and Construction Industry: Applications, Framework, Challenges, and Future Scope by Nitin Rane, Saurabh Choudhary, Jayesh Rane :: SSRN (2023.11)

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 

ChatGPT 기반 안전 모니터링

에너지 최적화 기반 건설 건축물 설계

• A New Era of Automation in the Construction Industry: Implementing Leading-Edge Generative Artificial Intelligence, such as ChatGPT or Bard by Nitin Rane, Saurabh Choudhary, Jayesh Rane :: SSRN (2024.1)

이 글도 앞서 조사된 연구 방법론과 유사하게 수행된다. 이 연구는 BIM 협업에 초점을 맞춰서, GPT를 사용해 문제를 해결할 수 있는 방법론 조사에 초점을 맞춘다.

GPT / Bard 기반 건설 센서 데이터 기반 의사결정 지원

• GPT models in construction industry: Opportunities, limitations, and a use case validation - ScienceDirect (2024.3)

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. 

• Automated Detailing of Exterior Walls Using Nadia: Natural-Language-Based Architectural Detailing Through Interaction with Ai, SSRN (2023.12)

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. 

벽체 최적설계 흐름도

• 기타 연구 

기타 다음과 같은 연구가 있었다. 

• YOLO and Faster R-CNN Object Detection in Architecture, Engineering and Construction (AEC): Applications, Challenges, and Future Prospects, SSRN (2023.11)

이 연구는 AEC 분야를 혁신하기 위해, 딥러닝 기반 컴퓨터 비전 기술 중 킬러 기술인 YOLO 등을 살펴보고, Gen AI와 같은 트랜드를 탐구한다. 

•  GPT models in construction industry: Opportunities, limitations, and a use case validation (2023.12)

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.

• Daddy Makers: ChatGPT와 같은 생성AI 서비스 개발을 위한 간단한 LLAMA-2 설치와 사용법
• mac999/gen_ai_gpt: gen_ai_gpt
• Daddy Makers: GPT 기반 디지인 도구 OpenAI for Grasshopper 소개 
• Daddy Makers: ChatGPT-3 인공지능 기반 자동 프로그래밍 사용기, 장점과 단점 
• Daddy Makers: 생성(Generative) AI 오픈소스 딥러닝 모델 Stable Diffusion, ControlNet 개념 및 ComfyUI 사용 방법  

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)

아직, 초기단계이며, 관련 연구가 많지 않다. AEC분야에서는 Gen AI를 내재화하지 못한 상황이다. 하지만, 앞으로 이와 관련된 연구는 더욱 많아질 것이라 예상한다. 특히, 2024년도 중에 Gen AI를 이용한 기능 및 서비스가 AEC 분야에서 유명한 플랫폼 개발사 (Autodesk, Bentley, Trimble 등)에서 출시되리라 예상한다. 

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

미국 조달청 GSA의 BIM 프로젝트 템플릿 및 도구 소개

이 글은 미국 조달청 GSA의 BIM 프로젝트 템플릿 및 도구를 간단히 소개한다.

Templates | GSA

GSA에서 제공하는 템플릿 파일은 모든 CAD 플랫폼을 사용할 때 실무적으로 사용될 수 있도록 개발되었다. 예를 들어, 도면 템플릿에는 기본 객체 선 가중치 및 스타일, 시스템 정의, 뷰 템플릿, 플로팅 기본값 및 검색기 조직 구성이 포함된다. GSA에서 제공하는 템플릿은 지속적으로 개선된다. 

GSA에는 이외에도 품질체크를 위한 솔리브리 체커 기반 도구 및 애드인을 제공하고 있다.

GSA 조달청 제공 템플릿 도구 사이트

도구에 포함된 관련 규칙 파일 예시

레퍼런스

• Templates | GSA
• BIM Model Checkers | GSA

2023년 하반기 해외 스마트건설 및 BIM 기술 트랜드

디지털 트랜스포메이션 시대에서 스마트 건설 솔루션은 인프라 분야의 게임 체인저가 되고 있다. 스마트 건설 솔루션은 인공 지능(AI), 사물 인터넷(IoT), 디지털트윈, 3D 스캔과 비전 기술, 로보틱스, 빌딩 정보 모델링(BIM)과 같은 첨단 기술을 건설 프로세스에 통합한다. 이를 통해, 건설 프로세스의 효율성을 높이고, 비용을 절감할 수 있다. 스마트건설 기술은 건설 프로젝트의 생산성, 안전, 품질 및 지속 가능성을 개선할 수 있지만, 아직은 여러 도전과제들이 존재하기 때문에, 우리는 이런 기술의 한계를 경험하고 있는 중이다. 다소의 시간이 걸리겠지만, 이런 장애물들은 하나씩 해결될 것이라 예상한다.

스마트건설 기술 현장 유스케이스 예시(Rajant Corporation, 2022)

이와 관련해, 이 글은 2023년 하반기 해외 스마트건설 및 BIM 기술 트랜드를 정리한다. 

스마트건설을 향한 여정

건설산업은 온실감축 감축과 같은 강화된 환경규정, 보건안전법규의 제약 하에서 근로자 생산성, 효율성을 높여야 하는 큰 도전과제를 해결해 나가야 한다. 예를 들어, 일본은 2030년까지 건설업에서 약 백만 명 이상의 근로자가 감소할 것으로 예상한다. 스마트건설 솔류션은 첨단 기술을 활용하여 건설산업의 전통적인 문제를 해결하고자 한다. 

일본 국토교통성은 "i-Construction" 프로그램을 통해, 이런 문제를 해결하고자 한다. 코마츠 건설은 NTT Communications Corporation, Sony Semiconductor Solutions 및 Nomura Research Institute, Ltd.와 파트너십을 맺고 비전 기술, 장비 간 연결 플랫폼 및 애플리케이션을 포함한 건설 디지털 솔루션을 개발하고 있다. 

EarthBrain 프로젝트 (코마츠 건설)

코마츠 건설의 주도하에 진행되고 있는 EARTHBRAIN은 건설 장비들 간 연결을 통한 운영관리와 데이터 통찰력을 얻는 오픈 플랫폼이다. 이 플랫폼은 비전 기술과 관련해 소니에서 센서를 개발하고, NTT Communications Corporation은 연결성을 지원하는 통신기술, Nomura Research Institute는 프로젝트 관리 기술, 코마츠는 건설 장비, 관련 데이터와 노하우를 제공한다. EARTHBRAIN 개발 키트는 이미 운용 중인 기존 건설 기계를 디지털화할 수 있다. 이 개발 키트를 통해 기존 노후 장비들을 디지털 전환할 수 있다. 

EARTHBRAIN 컨소시엄 (Komatsu, 2021)

장기간 야외에서 진행되는 건설산업의 특성상 예측불가능성은 또 다른 도전과제이다.  AI와 기계 학습은 예측 분석에 도움이 될 수 있다. 이 기술을 통해, 건설 엔지니어는 잠재적인 문제를 예측하고, 정보에 입각한 결정을 내릴 수 있다. IoT 장치는 장비와 작업자 간의 안전이나 환경 관리 KPI(Key Performance Indicator)를 실시간으로 모니터링할 수 있다. 

IoT는 건물 에너지 절약, 폐기물 관리 및 보안 강화를 지원하는 스마트 빌딩 개발을 가능하게 했다. AI와 IoT의 출현은 반복적인 작업을 자동화하는 것부터 구조적 문제를 예측하는 것이 가능해졌다. 자율 주행이 되는 건설 차량에서 시공 로봇에 이르기까지, 건설 로봇이 점점 더 많이 현장에 배치되고 있다.

 

스마트건설에서 BIM은 건설에 스마트기술을 활용한 초창기 도구였다. BIM을 통해 건물에 대한 모든 필수 정보를 디지털화한 가상 3D 모델을 만들 수 있었다. 이를 통해, 다양한 이해관계자 간의 협업이 강화되어 효율적인 건설 프로세스를 가능하게 했다. 

디지털 트윈 기술은 스마트 건설을 새로운 차원으로 끌어 올릴 수 있다. 물리적 인프라 시설물의 디지털 복제본을 생성함으로써, 시뮬레이션, 실시간 모니터링, 시나리오 테스트가 컴퓨터에서 가능하게 되었다. 이는 시설물 운영에 대한 더 나은 통찰과 의사 결정으로 이어진다.

이제, 스마트건설 솔류션 트랜드를 좀 더 자세히 살펴보자.

구체화되고 있는 디지털 트윈

디지털 트윈은 VDC(Virtual Design and Construction)이라 불리는 건설 설계 시공 시뮬레이션의 새로운 차원을 보여주고 있다. 디지털 트윈은 물리적 자산의 디지털 구현이므로 이해 관계자가 다양한 시나리오에서 시설물 시공, 운영이 어떻게 가능할 수 있는 지 분석할 수 있다. 디지털 트윈은 실시간 데이터를 제공함으로써, 더 나은 의사 결정을 내리고, 성능을 최적화하며, 유지 관리 이슈가 발생하기 전에 사전 예측할 수 있다.

BIM 프로세스는 증강 현실 기술의 출현으로 영향을 받고 있다. 이들은 BIM 데이터를 시각화하고 상호 작용하는 새로운 방법을 제공하면서 건설 산업에 점점 더 통합되고 있다. 이러한 기술은 건설 프로젝트를 구상하고 시뮬레이션하는 데 사용할 수 있으므로 이해 관계자는 건설 전에 프로젝트를 더 잘 이해할 수 있다. 디지털트윈 모델 기반 가상 증강 현실을 통해 대규모 3D 모델을 더 빠르고 쉽게 검사할 수 있다. 

Spatial Data AI 솔류션은 스캔된 포인트 클라우드에서 디지털트윈 모델에 필요한 형상을 생성하는 Scan to Geometry 기술을 보유하고 있다. 이 기술은 벤틀리의 iTwin 모델을 기반으로 동작하므로, 디지털트윈 전환을 통한 데이터 분석과 BIM으로의 기능 확장이 가능하다.

자산관리에 사용되는 디지털트윈 모델(Spatial Data AI)

AR 및 VR은 현장 충돌 테스트 속도를 높이고 원격 현장 관리를 향상시킬 수 있기 때문에 일반 계약자가 프로젝트를 효율적으로 계획하고 제공하는 데 도움이 될 수 있다. 마지막으로 두 기술자를 사용하여 직원을 교육하고 건물의 가상 투어를 통해 고객을 안내할 수 있다.

확장 현실(XR)은 이해 관계자 간의 커뮤니케이션 및 협업을 개선하는 데 사용되고 있다. XR은 실제 현장에서 디지털 모델을 오버레이하여, 시공성을 체크하고, 시공 품질을 감리하는 데 사용할 수 있다. 또한, XR은 가상목업을 수행할 수 있으므로 시공 오류와 재작업을 줄이는 데 도움이 될 수 있다. 

모듈러 사전제작 XR(e-Frame)

건설 자동화와 Prefabrication

건설 자동화는 디지털 프로세스, 로보틱스 기술을 사용하여 최소한의 인적투입으로 건설 작업을 수행하는 것이다. 자동화에는 여러 이익이 있으며, 그 중 하나는 안전 위험 감소이다. 건설 자동화는 로봇 공학, 센서 및 AI와 같은 자동화 기술을 사용한다. 

두산은 2019년 한국에서 세계 최초로 건설, 채석, 광산 현장을 위한 무인 자동화 통합 관제 솔루션인 Concept-X를 선보였다. XiteCloud는 Concept-X 상용화의 첫 번째 단계이다.

XiteCloud를 통해 고객은 단일 플랫폼에서 측량, 지형 분석, 기계 구매, 장비 운영 및 시공 관리와 같은 여러 작업을 관리할 수 있으므로 시공 비용을 절감하고 시간을 절약하는 동시에 작업 정확도를 높여 생산성을 높일 수 있다. 또한 XiteCloud를 통해 고객은 단일 플랫폼에서 여러 프로젝트를 관리하여 향후 의사 결정/비즈니스에 활용할 수 있는 데이터를 축적하고 관리할 수 있다.

Bauma 2022에서 두산 부스 이노베이션센터 방문객들은 Xitecloud 시스템을 기반으로 한 스마트 건설을 위한 새로운 올인원 플랫폼을 볼 수 있다. 올인원 플랫폼은 XiteCloud 시스템의 일부를 구성하는 다양한 새로운 솔루션을 도입한다.

XiteCore는 모든 XiteCloud 솔루션을 연결하는 클라우드 기반의 개방형 통합 대시보드 시스템으로, 건설 프로젝트 수행에 필요한 정보를 제공하고 프로젝트 관리 및 제어를 한 눈에 쉽게 할 수 있다.

이 시스템은 사용자가 프로젝트의 특정 특성(카드 종류, 위치, 크기 등)에 따라 대시보드를 유연하게 설정할 수 있는 카드형 인터페이스를 적용한 개방형 플랫폼으로 프로젝트 참여자 간의 협업/소통 기회를 제공한다. 또한 날씨, 인력, 장비, 기기, CCTV 및 기타 측면에 대한 실시간 모니터링과 XiteFleet, XiteAnalyst 등과 같은 XiteCloud 내의 다른 솔루션과의 연결을 통합한다.

두산건설 XiteCloud 기반 스마트건설

Trimble은 토공 다짐을 위한 건설 장비 제어 플랫폼인 Trimble Earthworks 플랫폼을 출시하였다. 이 장치는 토공 장비를 제어하는 건설기사가 높은 정확도로 토공 작업을 끝마칠 수 있도록 지원한다. Trimble 장비는 건설장비 유압전자제어모듈(ECM)을 통해 디지털 방식으로 연결되지만, ECM이 장착되지 않은 구형 장비를 위해 Trimble 기술자가 유압장치를 직접 마운트하는 머신가이던스 시스템을 설치할 수 있다.

Trimble 의 건설장비 가이던스 Earthworks 플랫폼 

사전제작(Prefab) 방식은 시설물 구성요소를 건설 현장이 아닌 공장과 같은 외부에서 생산한 다음 현장에서 조립하는 프로세스이다.

이 방식을 BIM과 같이 사용하면 효율성, 정확성이 향상될 수 있다. BIM은 CAM(Computer-Aided Manufacturing) 기계를 직접 제어할 수 있는 제조 수준의 제어 데이터 정보를 생성한다. 이를 통해, 건설 부재를 높은 정밀도로 가공할 수 있다. 

Prefab 시공 예시(Urwish Engineers, 2022)

최초의 3D 프린팅 옹벽 프로젝트가 있었다. Cornwall에 있는 National Highways의 A30 Chiverton to Carland Cross 업그레이드 건설 프로젝트에서, 프리캐스트 콘트리트 구조로 만들어지는 옹벽을 시험적으로 3D 프린팅 방식으로 적용해 보기로 하였다. 

이 프로젝트는 Costain이 파트너 회사인 Versarien, 케임브리지 대학과 함께 주도하는 공동 작업이다. 이 프로젝트는 Digital Roads of the Future Partnership의 일부로 영국 주요 A 도로 및 고속도로에 혁신적인 디지털 기술을 건설에 적용하여, 그 효과를 분석한다. 이를 위해, 컨소시엄은 Roads Research Alliance를 구성하여, 관련 정보를 공유하고 있다. 

Digital Roads of the Future Partnership 프로젝트 사례

사물 인터넷(IoT)과 인공지능

IoT 센서의 도움으로, 시설물 사용자는 시설물이 어떻게 운영되고 있는지에 대한 중요한 통찰력을 얻을 수 있다. 건설 현장의 IoT는 시설물을 모니터링 제어하고, 유지보수 작업을 자동화하며, 작업 안전을 강화하는 데 사용할 수 있다.

IoT 센서를 시설물과 통합함으로써, 시설물 성능과 유지관리에 대한 실시간 데이터를 수집할 수 있다. 이 데이터는 시설물 상태를 개선하고, 성능을 최적화하며, 문제를 예측하는 데 사용할 수 있다.

2023년 스마트건설기술의 주요발전 중 하나는 솔루션 중심에서 데이터 중심 건설 프로젝트 관리로의 전환이다. 건설사는 AI 알고리즘을 사용하여 프로젝트 데이터를 분석하고, 인프라 성능에 대한 통찰력을 얻을 수 있다.

ChatGPT와 같은 AI기술을 사용하면, 코딩 기술이 없는 건축가와 엔지니어가 필요에 따라 데이터 분석 업무와 설계 작업에 대한 자동화 솔류션을 더 쉽게 구현할 수 있다. 설계 엔지니어링 프로세스 내에서 반복적인 작업을 제거하고, 품질 검사 또는 규칙 기반 설계 분석과 같은 워크플로를 자동화할 수 있다. 이는 컨설팅 업체가 생산성 향상을 제안할 때 특히 중요하다

건설 산업에서 AI는 성능을 모니터링하고, 문제가 발생하기 전에 감지하는 데 도움이 된다. 이는 품질 관리 방식을 개선하는 데 도움이 될 수 있으며, 많은 양의 데이터를 분석하여 프로세스를 최적화하는 데 사용될 수 있다. ChatGPT와 같은 챗봇 AI 도구는 이해 관계자의 질문에 대한 빠른 답변을 얻는 데 도움이 될 수 있다.

퀘벡에 본사를 둔 60년 경력의 건설사 Pomerleau는 설계-시공에 이르는 여러 시스템을 연결해 데이터를 추출하고, 이를 기반으로 프로젝트 성공에 필요한 통찰력을 제공하는 솔류션을 개발중이다. 이 솔류션은 AI 신경망 모델, 3D 스캔, 로보틱스 기술을 적용해, 건설 프로젝트 프로세스 KPI 예측과 대안을 제안해, 생산성을 높이고 위험을 줄이고자 한다.

3D 스캔 AI 기반 스마트 인스펙션(Pomerleau)

3D 레이저 스캐닝과 비전

3D 레이저 스캐너를 사용하면 물리적 인프라 시설물의 형상과 특성을 정확히 기록할 수 있다. 스캐너는 이 정보를 BIM 소프트웨어로 가져올 수 있는 포인트 클라우드 데이터로 변환할 수 있다.

3D 레이저 스캐닝은 몇 가지 이점을 제공한다. 사람들이 할 수 있는 것보다 훨씬 빠르게 정확한 3차원 정보를 기록하므로, 시간을 절약할 수 있다. 자동화된 데이터 수집으로 인해 휴먼에러가 발생하지 않다. 이미 잘 알려진 3D 레이저 스캐닝의 응용 분야는 드론과 로버 기반 측량이다. 이를 통해 시설물 형상을 안전한 방식으로 3D 모델을 추출할 수 있다. 드론은 사람이 쉽게 접근할 수 없는 위험한 위치에서 데이터를 빠르게 수집할 수 있다. 

유럽 혁신 수도 중 하나인 루벤시는 XenomatiX가 개발한 전체 도로 네트워크 3D 디지털 모델을 사용해, 도로 수리가 필요한 시점과 장소를 빠르고 효율적으로 예측한다. XenomatiX는 도로 라이더 시스템을 사용하여 28,000개의 레이저 빔으로 도로 상태를 측정하고, 단 며칠 만에 디지털 매핑하여, 150km의 3차원 모델을 생성할 수 있다. 이 시스템은 도로 표면을 완전히 디지털화하고, 포장 상태, 평탄도, 포트홀, 스폴링, 균열 유형 등에 대한 데이터를 자동으로 수집한다.

도로 네트워크 스캔 및 비전 인식 시스템(XenomatiX)

건설 프로젝트 계약자 지원을 위해, RICOH THETA는 작업 현장을 디지털화하는 플랫폼을 개발했다. RICOH360 프로젝트를 통해 팀은 작업 현장에서 촬영한 360도 이미지를 플랫폼으로 업로드, 공유할 수 있다. 팀 구성원은 360도 데이터를 기반으로 협업하고, 변경해야 할 사항에 대해 의견을 달 수 있다. 이를 통해, 사이트를 방문하는 횟수를 크게 줄일 수 있다.

RICOH360 project

건설 비전 기술 리더 중 하나인 OpenSpace는 열화상 및 적외선 이미징 카메라 리더인 FLIR과 통합된 플랫폼을 제공한다. OpenSpace의 제품 담당 부사장인 Neel Sheth는 MEP 계약자가 잘못된 사양으로 인해 연결된 전기 계통에 과열되었는지 확인하기 위해, 패널을 스캔해 시운전 중 벽 뒤나 창문 주변의 누출을 식별하는 것을 도와준다. 

OpenSpace Capture 기술 사례(OpenSpace)

BIM 의무화 증가와 클라우드 기반 협업

BIM 시장 규모는 2022년에서 27년 사이에 19.61%로(CAGR) 성장할 것으로 예상된다. 시장 규모는 6억 631,73만 달러 증가할 것이다. 시장은 대규모 프로젝트 관리에 대한 필요성 증가, 글로벌 건설 시장의 성장을 비롯한 여러 요인에 영향을 받고 있다. 

대규모 프로젝트 관리에 대한 필요성 증가는 BIM 소프트웨어 시장의 성장을 이끄는 핵심 요인이다. BIM 솔루션 구축의 주요 목표는 리소스를 효과적으로 관리하고, 품질을 만족하는 프로세스의 결과를 시각화, 자동화하는 것이다. 자동화된 서비스는 이기종 팀과 시스템간의 연결성을 향상시켜 프로젝트 관련 이슈를 빠르고 효율적으로 대응할 수 있는 방법을 제공한다

전면발주와 같은 BIM 의무화는 선택 사항이 아닌 필수사항이 되고 있다. BIM 채택은 2023년에도 계속 증가할 것으로 예상된다. 

이러한 추세는 기술 발전뿐 아니라 국가 건설 경쟁력 개선, 생산성을 향상시키려는 정치적 노력에 의해 주도된다. 이런 이유로, 건설업체는 BIM 표준 및 규정을 준수하기 위해 노력하고 있다. 업계는 BIM 기술을 업무에 통합하기 위해 기존 관행을 개선하고 있다. 

클라우드 기반 BIM은 협업 개선, 실시간 업데이트 등 많은 이점을 제공한다. 이 기술을 통해 프로젝트 개발에 관련된 이해관계자는 전 세계 어디에서나 건설 정보 모델에 접근하고 업데이트할 수 있다. 또한 실시간 업데이트를 제공하여 팀이 프로젝트 변경 및 진행 상황을 파악하는 데 도움이 될 수 있다. 

협업 클라우드 기반 플랫폼을 통해 BIM 모델, 2D 도면 및 비그래픽 문서를 관리할 수 있다. 이를 통해 사용자는 2D 도면과 3D 모델을 공유하고 사용 가능한 모든 문서를 BIM 모델의 올바른 객체에 연결할 수 있다. 인공지능(AI)과 머신러닝의 통합은 어떤 도면이 어떤 프로젝트에 속하는지 자동으로 결정하고, 최소한의 입력으로 모델을 생성하게 할 수 있다.

커넥티드(Connected) BIM은 디지털트윈에서 중요한 기술 중 하나이다. 커넥티드 BIM은 인프라 자산의 전체 수명 주기 동안 데이터를 연결하는 기능을 지원한다. 이는 BIM, 클라우드 컴퓨팅 및 IoT 센서에 의해 구현된다. 이 기술은 건물 수명주기 단계에서 정보를 분석하고 시각화하여 통찰력을 얻고 더 나은 결정을 내린다. 

일부 특정 커뮤니티에서 퍼지기 시작한 오픈소스 이니셔티브는 현재 BIM 소프트웨어 시장에 영향을 미치고 있다. 건설 시장에서 디지털화에 대한 수요가 증가함에 따라 기업은 가성비있는 오픈소스 솔류션에 대한 니즈가 높아졌다. 많은 건설 중소기업과 신흥기업이 상용 소프트웨어에 투자하는 대신, 오픈소스 솔류션들을 사용한다.

오픈소스 솔루션의 채택이 증가함에 따라 상업용 솔류션 공급업체의 이익 마진이 감소할 수 있다. Autodesk, Bentley, GRAPHISOFT 등 주요 벤더사는 이런 트랜드에 대응하기 위해 노력 중이다. IFC와 같은 오픈포맷의 지원이 늘고 있는 현상은 이를 고려한 것이다. 

스마트 빌딩

싱가포르는 F2(Fusionopolis Two)라는 획기적인 프로젝트를 통해 BIM, 스마트 건설의 통합을 보여주었다. 이 프로젝트는 싱가포르 과학기술연구청의 요구를 충족하기 위해 JTC Corporation(JTC) 형식으로 진행되었다. 이 건물은 진동에 민감하고, 오염 물질 없는 환경을 요구하는 클린룸 시설에 대한 엄격한 요구사항이 있다. BIM 기술은 이러한 요구를 달성하는 데 중요한 역할을 했으며, 건물의 상세한 3D 모델을 제공했다. 이를 통해 효과적인 인프라 시공 계획, 설계, 건설 및 최종 관리가 가능해졌다. 그 결과 훨씬 빠르고 효율적인 건설 프로세스가 가능해졌다.

F2와 연계된 바이오폴리스 인프라는 공공 부문과 민간 부문의 공생 관계를 만들고자 하는 싱가포르의 목표를 상징한다. 이 프로젝트를 통해, 싱가포르는 긍정적인 경제적, 사회적 결과를 창출하려 한다. BIM과 스마트 건설 기술을 활용한 F2 프로젝트의 성공적인 실행은 효율성, 혁신 및 지속 가능성의 균형을 추구하는 향후 건설 프로젝트의 청사진 역할을 하고 있다.

F2 프로젝트(ZinCo Green Roof)

보쉬(Bosch)의 싱가로프 커넥티트 캠퍼스 프로젝트는 개방형 스마트 빌딩 기술의 지향점을 보여준다. 보쉬는 스마트 빌딩 개념을 구현하기 위해, IoT, AI, 비전 기술을 사용하고 있다. 스마트 빌딩을 구성하는 시스템은 개방형 표준인 BACNET, IoT 산업표준, BEMS 표준과 호환되는 API(Application Program Interface)를 제공한다. 이를 통해,  기존 BMS(Building Management System)등과 쉽게 연결될 수 있었다. 

보쉬의 커넥티트 빌딩 기술은 자동화된 조명제어, 자산 추적 및 관리, 접근 및 안전 관리, 비전 기반 객체 인식, 주차 관리, 공기질 관리, 에너지 관리 서비스를 제공한다. 

보쉬의 커넥티트 빌딩 데쉬 보드(Bosch)

ESG 경영과 친환경 건설

건설 산업은 세계 기후 변화에 대처해야 하는 요구에 따라 지속 가능한 기술을 채택해 왔다. 세계는 ESG(Environmental, social, and governance) 경영을 이슈화하고 있다. 관련 요구와 규제가 시작됨에 따라, 세계적인 건설사는 현재 친환경 건물, 에너지 효율적인 설계, 폐기물 최소화 솔류션 제공을 높은 우선순위로 여긴다. 

ESG 트랜드(친환경 빌딩, Kamran Arabi, 2023) 

친환경 건설은 건축물 시공 과정의 환경영향에 대한 인식이 높아지고, 에너지 소비와 온실 가스 배출 감소 요구에 영향을 받는다. 통계적으로 현재 모든 탄소 배출량의 거의 40%가 건설 산업에 의해 발생되고 있다. 아울러, 모든 건설 자재의 20%가 낭비되고 있다.

제로 에너지 건물은 태양열, 풍력, 에너지 효율적인 에너지 저장 시스템과 같은 기술의 사용을 통해 리소스를 절약함으로써 인기를 끌 것이다. 에너지 소비를 줄이고, 실내 공기질을 개선하는 데 도움이 될 수 있는 자연환기와 같은 패시브 디자인 기술도 더욱 보편화될 것이다. 이 산업 분야의 리더들은 최적의 에너지 효율성을 위한 건물 성능 및 관리 기술 적용에 초점을 둘 것이며, 이는 디지털화의 증가 추세를 강화할 것이다. 

한계와 도전

스마트건설 솔루션을 현장에 적용하는 것은 장기적으로 유익하지만, 한계가 없는 것은 아니다. 두드러진 문제는 상당한 초기 투자 비용, 열악하고 복잡한 건설 엔지니어링 작업 환경, 불투명한 업무 프로세스로 인한 건설 데이터의 무결성 문제 그 자체이다. 

• 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. 

실제 건설 현장의 모습(시간, 비용, 환경적 제약. Alicia Hearns, 2019)

• 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.

 

결론

AI와 같은 기술의 급속한 발전은 우리 삶의 모든 영역의 디지털 전환을 가속화하고 있다. 이런 관점에서 스마트 건설은 효율성, 안전 및 지속 가능성을 주도하는 트렌드에 의해 발전될 것이다. 

기존의 전통적인 건설 엔지니어링 분야들은 스마트건설 테크기업들의 목표가 되고 있다. 아직, 스마트건설기술은 많은 도전과제들을 해결해야 한다. 건설현장에서는 여러가지 문제들로 인해 완벽하게 동작하지 않는 경우가 많다. 하지만, 결국에는 이런 문제들은 시간이 지나면 해결될 것이라 예상한다. 그러므로, 건설은 디지털 트랜스포메이션 웨이브를 미리 준비해야 할 것이다.

레퍼런스

• 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!