COVID시대 건설 인공지능 디지털트랜스포메이션 기술 시장전망 및 사례 소개

이 글은 건설 인공지능 기술 시장전망 및 개발사례를 간략히 소개한다.

건설 인공지능 시장 규모

시장조사기관 Global Industry Analysts Inc.(GIA)가 발행한 시장 조사 보고서 "건설 인공지능(AI) - 글로벌 시장"을 발표했다(2021.8.26.). 이 보고서는 크게 변화된 COVID-19 이후 가속화된 디지털트랜스포메이션과 인공지능에 대한 시장기회, 그리고 새로운 관점을 제시한다. 

AI in Construction (StrategyR)

이 보고서에 따르면, 2026년까지 건설 시장의 인공 지능(AI) 글로벌 시장 규모는 40억 달러에 달할 전망이다. 코로나19 위기 속에서 2020년 세계 건설인공지능 시장은 6억 9,440만 달러로 추정되며, 분석 기간 동안 31.2%의 CAGR로 성장하였다. 관련해 향후 7년 동안 33% CAGR가 예상된다. 2021년 미국 건설 시장에서 인공지능기술은 285.8 백만달러 시장규모였다.

이런 상황에서 미국, 유럽 및 중국을 중심으로 관련 스타트업들이 큰 투자를 받고 있으며, 공백 기술을 제공하는 기업끼리 파트너쉽 합작 등의 움직임이 커지고 있다.

건설 인공지능기술 관련 최신 사례

3차원 스캔 기반 품질관리

독일 엔지니어링 서비스 회사인 TÜV SÜD는 영국의 건설사업분석 회사인 Contilio와 협력하여 인공지능 기반 품질 관리 시스템을 개발했다. TÜV SÜD의 부동산 및 인프라 사업부 CEO인 Joachim Birnthaler는 전체 건설 프로젝트의 60%가 상당한 지연을 경험하고 있으며, 건설 비용의 최대 30%가 재작업 및 설치 오류 수정으로 소비되고 있다고 말했다. 

이 시스템은 3D기반 AI 건설품질검사를 지원한다. 예를 들어, 건물 및 인프라 프로젝트에 대한 자동화된 결함 분석 및 품질검증기능을 제공한다. Contilio CEO인 Zara Riahi는 3D AI 기술과 품질검사 전문 지식을 결합해 3D 데이터(LiDAR 등 스캔)에서 실시간 정보를 자동으로 해석한다. 3차원 현장 데이터에서 모든 구조, 건축, MEP를 지능적으로 식별한 후, BIM과 자동으로 이를 비교한다. 

Riahi는 상업용 스캐너, 드론 기반 사진측량 기술을 사용해, 건물 및 인프라 프로젝트의 건설 진행 상황과 설치 품질을 자동으로 추적한다. 이러한 자동 분석 기술은 건설 과정을 디지털 트윈으로 구현할 수 있다. 디지털 트윈을 통해, 건설 진행 과정을 최신 디지털 모델로 유지한다. 이를 통해, 건설 계획, 설치 오류의 차이를 신속하게 감지하고, 민첩하게 대응할 수 있는 정보를 제공한다.

IoT기반 건설 생산성 관리

2016년에 설립되어 캘리포니아 로스 알토스에 본사가 있는 Versatile은 건설 관리자에게 건설 생산성에 대한 신속한 가시성을 제공하는 기술을 개발한다. 이 회사 제품인 CraneView는 AI 및 IoT를 사용해, 수천 개 데이터 포인트를 캡처 후 분석하여, 작업 현장 생산성에 대한 실시간 분석을 제공한다. 이를 통해, 의사 결정을 간소화하고 자재 중복, 건설 진행, 크레인 활용 등에 대한 정보 등 모든 작업 현장의 생산성 데이터를 제공한다.

CraneView

Turner Construction Company의 부사장 겸 최고 혁신 책임자인 Jim Barrett은 CraneView를 건설 프로젝트에 통합함으로써 크레인을 자사의 데이터 자산으로 전환하는 데 성공했다고 말했다. 

CraneView

이러한 노력을 발판으로, Versatile는 얼마전 시리즈B 라운드에서 8천만 달러를 모금에 성공했다. 이 펀딩에는 Procore의 설립자이자 CEO인 Tooey Courtemanche와 PlanGrid의 공동 설립자인 Ralph Gootee를 비롯한 건설 업계 베테랑들도 합류했다.

비전 기반 건물시공현장 모니터링

Buildots는 건설 현장 안전모 장착 카메라, CCTV 등에서 촬영한 이미지 데이터를 사용해, 건설 현장 건물 내부의 작업현장 정보를 수집한다. AI를 사용하여 수집된 이미지를 사용해, 건설 프로젝트 진행 상황 모니터링을 수행한다. 

Buildots

텔아비브와 런던에 본사를 두고 있는 Buildots는 내부 주거 및 상업용 건설 프로젝트에 사용할 수 있으며, 20개 이상의 고객과 12개 국가에서 사용되고 있다. 올해 8월에는 Lightspeed Ventures가 주도하는 3천만 달러의 라운드 B 투자를 받았다. Buildots는 이 자금을 사용하여 글로벌 영업 및 R&D 팀 규모를 두 배로 늘리고 있다.

Buildots 실시간 프로젝트 보고서는 3D 모델링 기술을 적용해, 건물 배선, 벽, 배관 등 현장의 모든 측면을 포착한다. 그런 다음 AI 알고리즘을 사용하여 영상을 분석하고, 원래 프로젝트 계획 및 일정과 비교한다. Buildots 시스템은 안전모에 장착된 360도 GoPro 카메라와 독점 도킹 스테이션을 사용한다. 이 시스템은 직원들이 현장을 걸어갈 때, 작업 현장의 모든 세부 사항을 캡처한 다음 GoPro 카메라를 도킹 스테이션에 연결해, 수집된 정보를 분석하고, 데이터를 서버에 다운로드한다.

Buildots 시스템은 프로세스 최적화, 지연 최소화, 예산 초과 제거를 목표로 한다. 이 기술은 디지털화된 건설 워크플로와 건설 프로세스 가시성을 생성한다. 수집된 데이터는 컴퓨터 비전을 사용해 처리되어, 작업 현장의 디지털 트윈을 생성한다. 건설 관리자와 직원에게 누락된 항목, 아직 진행 중인 항목 및 완료된 항목에 대한 세부 정보를 제공한다. 이를 통해, 전기 소켓 누락, 잘못된 창 설치, 덕트 ​​작업 오류 등 미세한 세부 이슈를 찾을 수 있다.

지난 7월, 로스엔젤레스에 기반을 둔 종합 건설업체인 Build Group은 샌프란시스코 M2 타워 주거 프로젝트를 포함해, 미국 3개의 건설 프로젝트에 Buildots를 사용했다고 발표했다 .

영국에 기반을 둔 Wates Construction의 운영 이사인 Glen Roberts 는 이 기술을 320개 아파트 건설에 사용하고 있다고 말한다. 그는 약 10명의 개별 프로젝트 관리자가 매주 하청업체가 완료하는 작업을 검사하기 위해, 현장에 가야 한다면 많은 시간이 걸릴 것이지만, Buildots 플랫폼의 AI 기술을 사용하면 카메라를 가진 한 사람만을 보내 모든 시공을 검사할 수 있다고 말한다. 카메라가 모든 정보를 포착하고 필요한 대시보드와 시공된 작업에 대한 100% 정확한 사진을 보여준다.

Buildots

과거에는 관리자가 시각적 검사를 통해, 해당 작업을 수행하고, Excel 스프레드시트와 종이 노트에 메모 및 세부 정보를 기록했다고 Roberts는 말했다. 이런 방식은 시간이 많이 걸렸다. Buildots를 사용해, 금요일에 현장에 나가서 데이터 캡처를 수행한 다음, 월요일 아침에 데이터를 분석하면 현장 상황을 정확히 알 수 있다. 그는 현재는 원하는 정보를 얻기까지 36시간 지연이 있으나, 앞으로는 이 지연 시간을 12시간으로 줄이려고 한다. 아울러, 캡쳐된 데이터를 통해, 시공 분쟁 소지 등을 없애나가려 한다.

GIS분석 기반 인프라 공사 모니터링

AI Clearing는 GIS 분석을 통합해, 인프라 건설 진행 정보 생성을 자동화한다. AI Clearing 플랫폼은 항공 이미지, 지리 공간 데이터, CAD, BIM 데이터 등을 분석하여 인프라 시설 프로젝트 진행 상황을 모니터링한다. 

AI Clearing

AI Clearing은 드론 기반 데이터 수집 기술을 사용해, 일반적인 프로세스보다 최대 144배 빠르게 인프라 프로젝트의 진행 상황을 추적할 수 있다. 고속도로, 공장, 태양열 발전소, 지역 사회 기반 시설 프로젝트 및 기타 다양한 요구 사항에 사용할 수 있다. AI Clearing은 건설 프로젝트 진행 상황을 모니터링하고, Alice Technologies는 AI를 사용해 건설 일정 계획, 시뮬레이션 최적화를 수행한다. 

Alice Technologies

이 기술은 이미지를 AI Clearing 플랫폼에 가져와 건설 프로젝트의 상태를 분석한다. 데이터를 업로드하기만 하면 몇 시간 안에 전체 건설 현장을 분석할 수 있다. 대부부의 건설 프로젝트는 예산을 초과한다. 정부는 건설 지연의 핵심적인 이유를 100마일에 달하는 고속도로나 거대한 태양광 발전소 등을 건설할 때, 인간으로 정확하게 검사하거나 제어할 수 없다고 생각한다. 이러한 검사를 일반적으로 수행하는 측량사를 포함한 건설 노동자는 부족하다. 이 기술은 최근 승인된 미국 연방 시설 법안으로 더욱 유용해 질 수 있다.

AI Clearing

마무리
데이터 분석 컨설팅 회사인 TDWI 수석 연구 이사인 James Kobielus는 "AI가 더 이상 건설 산업에서 사용되고 있다는 사실에 놀라지 않다."라고 말했다. 이제, 건설 업계는 AI 기반 스마트 센서, 스캔, 스마트 카메라를 사용하여 프로젝트를 3차원으로 재구성하고, 실시간으로 평가, 계획, 매핑, 측량 및 모니터링하고 있다. Kobielus는 미래에는 AI 기반 로봇, 원격 협업, 디지털 트윈 도구를 사용하는 건설 회사도 볼 수 있을 것이라 예상한다.

레퍼런스

• Cision, 2021.8, A $4 Billion Global Opportunity for Artificial Intelligence (AI) in Construction by 2026 - New Research from Strategy
• Todd R, 2021.9, AI, Drones, 360-Degree Cameras Providing New Building Tools for the Construction Industry 
• Mike Hayes, 2021.9, AI release promises construction quality control leap
• NoCamels Team, 2021.9.15, Israeli AI Construction Tech Firm Versatile Raises $80M

디지털 트랜스포메이션 실행 전략 레퍼런스

  이 글은 디지털 트랜스포메이션 실행 전략과 관련된 레퍼런스를 정리한다.

• Digital Transformation, A Guide for Texas Government

Civil BIM 에 대해

posted Jan 7, 2012, 8:24 PM by Taewook Kang   [ updated Oct 6, 2017, 9:31 AM ]

안녕하세요. 오늘은 Civil engineering BIM에 대한 이야기를 해 보겠습니다.

관련해 BIM digest podcast 방송에 등록되어 있으니 참고하시길 바랍니다. 아울러, What does BIM mean for civil engineers? 이란 유명한 글도 함께 참고해 보시면 좋을 듯 합니다. 

새해부터 진행되는 BIM발주(500억 이상 공사)에 대해 이런 저런 이야기들이 많은 것 같습니다.

건축에서는 이미 많은 부분들이 진행되고 있는 듯하지만, 특히 토목분야는 기술, 제도, 환경이 아직 부족한 상태에서 진행되고 있는 중이라 더욱 그러한 듯 보입니다. 제가 알고 있는 범위에서 토목에서 BIM기술 적용에 대한 방향성을 나름 이야기해보겠습니다.

우선 BIM기술을 사용했다는 것이 어떤 의미를 가지는 지 이야기해 볼 필요가 있습니다. 그리고 4D, 5D와도 좀 구분해 보도록 하겠습니다. 

제 개인적인 생각으로는 기존 전통적 프로세스에 기반한 엔지니어링 기술과 BIM 기술은 크게 몇가지 차이점이 있습니다.

첫째, 정보 재활용성

디자인된 모델의 재활용성을 강조합니다. 기본설계, 실시설계, 시공, 유지보수로 프로세스와 Task가 구분되어 있는 경우 기존 것을 재활용하지 않고 다시 만들고, Copy&Paste 하면서 만들어 나갔지만, BIM은 이렇게 작업하지 않고, 선 작업 결과물의 변경이 후 작업물 결과에 그대로 자연스럽게 반영되도록 하는 기술을 지원합니다. 설계변경시 수량까지 연계되는 노가다를 최대한 줄여주도록 도구와 기술이 개발되고 있으며, 이는 유지보수단계에 활용될 모델까지 안계되도록 합니다. 

Fig. LEGO Digital Designer 

둘째, 상호 운용성

모델링에 참여한 전문가, 전문가가 활용하고 있는 도구, 도구가 만들어낸 정보 간의 상호운용성을 지원하도록 합니다. 이를 위해 IFC같은 표준을 도입해 정보를 상호운용할 수 있도록 합니다. 아직 토목분야에서는 국제표준이 마땅히 있지는 않지만, LandXML, iModel(Bentley)같은 특정 벤더의 포맷을 활용할 수도 있습니다. 

상호운용을 위해서는 정보뿐 아니라 프로세스간에서도 어떻게 정보를 전달하고 주고 받을지에 대한 메뉴얼이 필요합니다. 이를 IDM(Information Delivery Manual)이라고 합니다. 이런 기술들을 지원합니다.

Fig. BuildingSmart Technology for interoperability

셋째, 객체모델링 중심

기존에는 형상 모델링(모양만 디자인하는 것)과 정보 모델링(속성-수량/견적/시공/단가 등등)이 별개로 이루어 졌습니다. 어떤 형상에 어떤 형식의 재료나 수량이 들어가는 지 함께 모델링한 것이 아니고, 형상을 먼저 디자인한 후, 후 처리로 도면에서 수량을 뽑고, 공종, 재료에 따라 다시 견적을 하는 방식이였습니다. BIM은 형상을 만들때 이런 관련된 정보를 형상안에 포함시키는 것을 지향하고 있습니다. 그러므로 설계변경시 BIM 모델이 수정되면, 다시 이런 정보를 만들필요 없이 추출만 해 재활용하는 방식으로 모델링할 수 있도록 BIM 기술이 발전하고 있습니다. 즉, BIM에서 말하는 객체는 형상에 속성이 내포되어 함께 다뤄지고 재활용되는 방식으로 작업이 분산되지 않고, 이런 객체를 중심으로 작업이 이뤄집니다.

Fig. UML for modeling Object model.

넷째, 협업 모델링 시스템

위에 언급한 기술들은 모두 협업을 통한 생산성과 품질 향상을 지원하는 기술입니다. 프로세스가 파편화된 기존 프로세스 방식은 어떤 프로젝트 규모에서는 편리할 수 있으나, 복잡하고 다양화되고 있으며, 지속적인 정보 관리가 요구되는 프로젝트에서는 문제가 많은 방식입니다. 협업을 통해 미리 가상으로 Mockup을 해 볼 수 있으며, 문제가 될 만한 점을 각분야 전문가들이 검토해 설계변경 이슈를 줄여나갈 수 있습니다. 

이런 잇점을 얻기 위해 협업 모델링 시스템(제도)를 지향하고 있으며, IPD(Integrated Project Delivery)와 같은 발주제도가 이슈화되고 있습니다. BIM기술은 협업 시스템이 없이는 사회적 가치를 창출하는 데 한계가 있다고 생각합니다.

 

Fig. Inside the “iRoom” where construction teams for Turner Construction’s projects coordination meetings. 

(Image courtesy of Turner Construction Company.)

이런 4가지 관점에서 보았을 때, 기존 프로세스는 큰 차이를 가지고 있으며, 4D/5D는 기존 2D모델링을 3D모델링하여 정보를 모델링한 것이므로 상호 운용성이나 협업 시스템과 같은 부분에서 차이가 있다고 생각합니다. 

다음에는 실제 BIM기술을 토목분야에 적용한 해외사례에 대해 이야기를 해보겠습니

Platform

 posted Sep 13, 2011, 7:49 AM by Taewook Kang

안녕하세요. 강태욱입니다. 추석 잘 보내셨는지요. 오늘은 간단하지만, 자주 혼동되는 단어에 대해 짚어보도록 하겠습니다.   요즘, BIM에서 생산성과 품질을 획득하기 위해 단순히 Revit, Civil3D와 같은 도구를 사용한다고 생각하는 분들은 많지는 않을 거라 생각합니다. 이중작업이 될 수도 있고, 잘 못하면 예전 보다 못할 수도 있습니다.   그래서 언급되는 용어가 Platform과 IPD입니다. 얼마전 페이스북에서도 언급되었던 내용입니다. 이 두가지는 제대로 된 BIM을 완성하기 위해 필요한 것입니다. 그 중 오늘은 Platform에 대한 이야기만 해보도록 하겠습니다.   Platform이 무엇인가?   얼마전 구글이 모토롤라를 인수하면서 국내 모바일 업체들이 뒷통수를 맞았었죠. 그때 언론이 하나같이 위기라 이야기했던 것이 OS와 소프트웨어의 기술 부재였습니다. 여기서 OS는 아시다시피 어플리케이션을 돌리기 위한 소프트웨어 입니다. Platform은 이와 같이 어떤 무엇을 만들어 세우기 위해 필요한 것들을 제공해 주는 것을 말하며, 간단히 말해 아래 그림과 같은 하나의 평평한 판을 만들어 그 위에서 어떤 작업이나 모델, 프로그램을 쌓기 쉽게 하는 역활을 해주는 것을 말합니다.   [그림] Platform   플랫폼이 중요한 이유는 무엇일까요?   플랫폼이 없으면, 그 위에 무엇을 올바르게 쌓기가 어렵습니다. 울퉁불퉁한 곳 위에 보다 평평하게 다져진 플랫폼위에 무엇을 쌓는 것이 훨씬 많이 쌓고, 똑바로 보기좋게 쌓을 수 있을 겁니다. 플랫폼은 생산성과 품질에 직접적인 영향을 미칩니다.     BIM과 Platform   플랫폼은 일을 제대로 빠르게 잘 되도록 만들어 줍니다. 그러므로 이것과 관련된 소프트웨어, 하드웨어, 모델 방법론, 프로세스, 사례, 규칙 등 모든 것을 포괄합니다.   이런 이유로 BIM에서도 플랫폼이 중요한 것이고, 플랫폼을 정의하지 않고 시작한 BIM은 단순히 3차원 모델링 차원에서 크게 벗어나지 못하는 것입니다.   플랫폼은 무엇을 쌓아 나가느냐에 따라 플랫폼의 구성요소가 달라질 수 있습니다. 모바일 플랫폼에서는 하드웨어 뿐 아니라 OS까지도 플랫폼으로 정의할 수 있습니다. BIM에서는 BIM 모델링을 위한 SW, HW, 프로세스, 사례, 리소스 등 모든 것을 포함합니다.   우리는 아직 BIM을 이야기하면서 플랫폼은 이야기한 적이 없습니다. 다만, Revit, Archicad, civil3d, navisworks 와 같은 도구 사용법만 많이 이야기할 뿐입니다. 이런 플랫폼은 회사마다, 조직마다, 비지니스 모델마다 달라질 수 있습니다. 하지만, 매번 달라지는 비지니스마다 플랫폼을 만들기는 많은 비용이 소요될 것입니다. 유사한 부분은 공통 플랫폼으로, 조금씩 다른 부분은 Tailoring해서 사용할 수 있겠지요.       결론   플랫폼은 매우 중요합니다. 모바일제국 노키아가 불타고 있으며, 삼성이 애플에 절대적으로 밀리고 있는 이유는 플랫폼 경쟁력이 전혀 없기 때문입니다. 이는 어느 분야나 적용할 수 있는 비지니스 불변원칙 중 하나 입니다. 예전 마이크로소프트가 애플을 어떻게 이겼는지 잘 생각해 보십시요. BIM은 플랫폼 경쟁력이 있는 업체가 선두에 서게 될 것입니다. 그렇지 않은 업체들은 단순히 3차원 모델링하는 수많은 회사중 하나로 전락할 가능성이 크겠지요. 플랫폼은 그 위에 다양한 품질 좋은 모델을 쉽게 만들 수 있도록 해주고, 비지니스를 좀 더 세련되게 만들어 줍니다.   어떤 일이든 시작할 때는 먼저 그 땅을 살피고 고르는 것이 첫번째 덕목인 것 같습니다.

posted Nov 20, 2011, 9:21 AM by Taewook Kang 얼마전 아는 분께 Ecology와 VE에 대한 좋은 메시지를 남아 남기기 위해 기록합니다. 이 글은 Ecology 관점의 Value Engineering에 대해 핵심적인 부분만 정리합니다. VE는 Benefit / Cost 로 나타낼 수 있습니다. 이는 Ecology 관점에서 풀어나갈 수 있습니다. BIM를 예로 든다면, BIM의 도구 B/C는 당연하겠지만, 핵심적인 좋은 기능을 주인에게 제공해주고, 비용을 낮춘다면 좋은 도구가 될 수 있습니다. Ecology 관점에서 생물체도 마찬가지 입니다. 사람도 많은 효용을 제공해 주는 데신 상대방에 대한 부담을 줄여준다면(겸손) 가치 공학을 하고 있는 셈이지요. 무엇을 하든 간에 이런 Ecology 철학을 잊으면 안될 것 같습니다. BIM이 B/C가 낮다면 굳이 할 필요는 없을 것입니다. BIM을 하면서 오히려 부서가 많아지고, 비용이 더 들어가며 생산성에 효과가 없다면 왜 BIM 기술을 사용해야 하나요? 얼마전 DPR IPD나 대림산업에서 용인체육시민공원 사례 발표와 같이 B/C를 제공하지 않는 BIM은 Ecology 적으로 소멸될 수 밖에 없을 것입니다. 이는 모든 생명체나 에너지를 가지고 있는 모든 것에 해당 된다고 봅니다. 아래 그림은 이 철학을 표현한 것입니다.(*주: 혹시 상세한 내용이 궁금하시다면 메일 주시길 바랍니다. 소개시켜 드리겠습니다.^^) [그림] Value Engineering based on Ecology(우제윤 박사)

 posted Nov 20, 2011, 9:21 AM by Taewook Kang

얼마전 아는 분께 Ecology와 VE에 대한 좋은 메시지를 남아 남기기 위해 기록합니다. 이 글은 Ecology 관점의 Value Engineering에 대해 핵심적인 부분만 정리합니다.  VE는 Benefit / Cost 로 나타낼 수 있습니다. 이는 Ecology 관점에서 풀어나갈 수 있습니다. BIM를 예로 든다면, BIM의 도구 B/C는 당연하겠지만, 핵심적인 좋은 기능을 주인에게 제공해주고, 비용을 낮춘다면 좋은 도구가 될 수 있습니다. Ecology 관점에서 생물체도 마찬가지 입니다. 사람도 많은 효용을 제공해 주는 데신 상대방에 대한 부담을 줄여준다면(겸손) 가치 공학을 하고 있는 셈이지요.  무엇을 하든 간에 이런 Ecology 철학을 잊으면 안될 것 같습니다. BIM이 B/C가 낮다면 굳이 할 필요는 없을 것입니다. BIM을 하면서 오히려 부서가 많아지고, 비용이 더 들어가며 생산성에 효과가 없다면 왜 BIM 기술을 사용해야 하나요? 얼마전 DPR IPD나 대림산업에서 용인체육시민공원 사례 발표와 같이 B/C를 제공하지 않는 BIM은 Ecology 적으로 소멸될 수 밖에 없을 것입니다. 이는 모든 생명체나 에너지를 가지고 있는 모든 것에 해당 된다고 봅니다.  아래 그림은 이 철학을 표현한 것입니다.(*주: 혹시 상세한 내용이 궁금하시다면 메일 주시길 바랍니다. 소개시켜 드리겠습니다.^^) [그림] Value Engineering based on Ecology(우제윤 박사)

BIM forum behind story

 posted Nov 20, 2011, 8:51 AM by Taewook Kang   [ updated Nov 20, 2011, 9:01 AM ]

오늘은 그냥 편하게 최근 다양한 컨퍼런스에서 나온 뒷 이야기를 좀 해보도록 하겠습니다. 이번달은 BIM과 관련된 매우 많은 행사들이 있었습니다. 생각나는 것만 대략 나열만 해보면. 1) CAD/CAM Conference, Cad & graphics 주관 2) DPR IPD 사례 발표, LH공사 디자인포럼 주관 3) MustBIM 세미나, MustBIM 및 알피건축사무소 주관 4) 테클라 구조 세미나, 테클라 5) CM학회 세미나(연세대), CM학회,   6) 한국BIM 국제컨퍼런스(한양대) 및 동대문 플라자 현장 방문, 한국BIM 이 정도였던 것 같고, 이외로 가상건설 연구결과 최종발표회 등이 있었던 정신없던 11월이였습니다.(*주: 그래도 아직 10일이나 남았습니다.) 한주에 두세개 대형 학회, 포럼 발표가 있다보니 즐거운 시간이였지만, 한편으로는 따라다니기 벅찼네요. 이 글에서는 공식 내용이 아닌 개인적으로 들어본 비하인드 스토리나 느낀점만 간단히 이야기해 보겠습니다. 1) CAD/CAM Conference 처음 한국캐드캠 학회에서 진행한 줄 알았더니 캐드&그래픽스에서 주관하였더군요. 지식TV방속으로 잘 알려진 조형식 박사님이 PLM관련 지식을 나눔하셨답니다.(*주: 이 학회보다는 IPD사례에 관심이 있어 가는 중간에 패스~햇네요) 2) DPR IPD 사례 발표, LH공사 디자인포럼 주관 처음 도착해보니 맨 뒷줄에 반가운 얼굴들이 보였습니다. 오토데스크 김진희 이사님, 정태승 부장님이 미리 와 계시더군요. 그리고 개인적으로 이런 저런 도움을 받았던 토탈페이브사 분들도 참여하셨습니다. 앞쪽에는 삼성물산에서 많이 오신것 같았고, 특히 Denis Leff란 잘생기신 외국분이 인상적이였습니다.(*주: 키아누 리브스 좀 닮음.) 제가 앉은 자리 옆에 바로 이병해 원로교수님이 앉아 계셨네요. 세미나 내내 전혀 모르고 있다가 나중에 알았습니다. 이런 행운이... DPR IPD에서는 개성이 강하신 건축분야 교수님들이 많이 참여하셨는 데요, 특히 김길채 교수님이 인상적인 멘트를 남기셔서 적어봅니다. '올해 발표 중 최고네' 저도 동감할 수 밖에 없었네요.  발표를 들으며 내내 DPR사 플랫폼이 무엇인지 매우 궁금하더군요. 발표 끝나자 마자 PPT를 구하기 위해 발표하신 인도분을 만나 달라고 했었습니다. PPT자료와 정보 줄수 있냐고 물었는데 OK.(*주: 약간 건성으로 대답하셔서 불안하더니 역시나 아직까지 답장이 없네요-.-;;;) 혹시 몰라 처장님한테도 달라고 부탁. 그러나 LH에서도 DPR사에서 받지를 못했다고 했습니다. 약간 낙담하고 에릭 램 CEO의 비지니스 카드 받으려 접근했으나 다떨어졌다는 말만 듣고 아쉽지만 담을 기약하고 혼자서 파보고 있는 중입니다.  [그림] DPR's Big room 3) MustBIM 세미나, MustBIM 및 알피건축사무소 주관 머스트빔 세미나는 국내 사례 발표중엔 최고였던것 같습니다. DPR IPD사례가 워낙 인상적이라(*주: 2005년부터 프로젝트에 관한 생산성 수치를 메트릭스화해 보여주었습니다.) 머스트빔에서는 많은 기대는 하지 않고 갔었지만, 용인체육시민공원 실무 사례 및 싱가포르 BIM 어워드 관련 2일동안 BIM 작품 작업 사례, 특히 협업을 기반으로 한 각 참여자의 작업 모습을 4~5개의 화면으로 나눠 동시에 보여주는 장면은 정말 잘 만들었던군요.  BIM execution plan에 관련된 소프트웨어 솔류션 및 플랫폼 소개는 충분히 인상적이였습니다. 또 하나 인상적이였던 것은 그곳에 계시던 어느 교수님 말씀처럼 영화처럼 진행되는 세미나 모습이였습니다. 매우 프로페셔널하다는 느낌을 주더군요. 개인적으로 알게된 사실은 동영상 음향 트랙 편집 같은 경우 Final cut이란 iOS 기반 편집 프로그램 등을 사용했다는 것이고, 머스트 빔 스탭분들이 프로그램 다루는 것은 매우 능숙하다는 것이였습니다.  [그림] MustBIM 세미나중 BiM Platform 관련 화면 4) 테클라 구조 세미나, 테클라 테클라 구조 세미나는 NEC사와 이병해 교수님 주관으로 진행되었습니다. 근처에 일이 있어 갔다가 잠깐 들려 내용을 보았네요. 강사님이 테클라는 동일한 표현에서 Revit보다 1/100 정도 가볍게 돌아간다고 하시네요. 이를 위해 NURBS와 같은 비정형 곡면 처리는 제외시키고 모델 압축 기법을 최대한 활용하였던 것 같습니다. 더불어 테클라 모델에서 2D도면과 수량을 뽑는 시연까지 보았습니다.(*주: 3rd와 변환 프로그램을 c#과 같은 언어를 이용해 개발한 듯 보였습니다.) 5) CM학회 세미나(연세대), CM학회,   토요일날 있었던 이 세미나는 좀 늦게 가서 좋은 내용을 많이 보진 못하였습니다. 다만, 포스터의 1/3 이상이 BIM에 대한 것으로 차있을 만큼 BIM에 대해 많은 고민과 연구를 하고 있다는 인상을 받았었습니다.  6) 한국BIM 국제컨퍼런스(한양대) 및 동대문 플라자 현장 방문, 한국BIM 사실 컨퍼런스보단 동대문 플라자 방문이 더 실질적이였다는 여론이였던 것 같습니다. 시공 현장을 돌아보면서 비정형 모델이 어떻게 시공과 연계되는 지 파악할 수 있었고, 비정형 모델 시공에서 목공의 위력을 잘 느낄 수 있었습니다. [그림] 동대문 디자인 플라자(방문 및 감상이 가능한 전시장이 있음.) 제일 기억에 남는 것은 현장소장님께 던진 두가지 질문과 프로세스였네요. 프로세스에 사용하는 도구가 우연히도 제가 사용했던 것과 같아서 급 궁금해졌었습니다. 프로세스상에서 7명의 Rhino 디자이너와 2명의 DP Coordinator가 협업을 하고 있었는데, 이를 위해 형상관리 도구를 활용하고 있었습니다. 형상관리도구는 비싸면 몇천만원이 넘어가기도 하며, 싸게 한다면 SVN과 같이 오픈소스 기반 프로그램도 활용해 적용할 수 있습니다. 여기서는 SVN를 활용하였더군요. 두가지 질문은 첫째, SVN왜 사용하셨나요? 둘째, 왜 DP를 디자이너가 사용안했나요? 였습니다. SVN은 IPD 스터디에서 언급한 내용과 동일한 말씀을 하셨고 매우 강조하셨습니다.(*주: 역시 형상관리는 필수일 수밖에 없습니다.) 그리고 두번째 답변은 그냥 어려워서였습니다. 기존에 잘 사용하는 모델러 도구가 있다면 그것을 사용하면 되고, 형상정보만 출력해 DP에서 Import하여 조정하면 된다는 것이죠. 첨에는 이것 때문에 약간 혼선이 있었던 것 같습니다. 저녁 식사는 나름 분위기 있는 이곳 전시장에서 와인과 함께 부페식을 하였으며 감사폐도 전달하고 나름 화기애애한 분위기에서 한두시간동안 있었네요. 한국 오토데스크사에서 크게 한턱 쏘셨습니다.(*주: 감사드립니다.^^)  오늘은 이 정도로 정리를 하겠습니다. 동대문 사례는 사진을 얻는 즉시 포스팅하도록 하겠습니다.

최신 디지털 건설 솔류션 분석 및 적용 사례

 

머리말 이 글은 건설에서 확산되고있는 디지털 솔루션의 기술 생태계를 분석한 후 매핑한 내용을 정리한 것이다. 가장 눈에 띄는 기술은 모듈러, 로봇 공학, 비전, 디지털 트윈 기술, 인공 지능 (AI) 및 분석, 공급망 최적화 시장이다.  건설 기술 맵핑(맥킨지) 건설 디지털 솔류션 카테고리 디지털 트윈 기술 집합에는 드론 지원 현장 모니터링, 레이저 스캐닝, 가상 설계 시뮬레이션, 디지털 협업 기술이 포함된다. 장기적으로 AI는 E&C에서 무한한 잠재 사용 사례를 가지고 있다.  모듈러 및 로봇 공학 기술을 일관되게 사용하면 해당 부문의 생산성이 5 배에서 10 배까지 향상 될 수 있다. 여기에는 2D 도면 또는 3D 모델을 조립식 건물 구성 요소로 전환하는 완전 자동화된 사전 제작 프로세스 및 응용 프로그램이 포함된다. 벽돌 쌓기 로봇, 용접 로봇과 같은 건설 로봇, 자율 주행 중장비, 작업자의 이동성을 개선위한 외골격 및 웨어러블 로봇은 노동력 부족을 고려할 때 특히 중요한다.  디지털 트윈 기술은 투명성과 사전 예방 문제 해결에 도움이 된다. 디지털 트윈 플랫폼 및 리얼리티 캡처 솔루션을 사용하면 이해 관계자가 진행 상황을 실시간으로 비교하여 현장에서 재작업을 최소화할 수 있다. 드론 및 위성 이미지, LiDAR 기반 솔루션은 핵심 구성 요소이다. 트윈 모델의 가장 흥미로운 응용 분야는 사물 인터넷 센서를 사용하여 모니터링되는 실시간 핵심 성과 지표 관리와 드론 이미지로 생성된 3D 모델의 완벽한 통합에서 찾을 수 있다. 사용자는 3D 설계와 준공을 결합한 "혼합 현실"모델 및 가상 모델과 상호 작용할 수 있다. 프로젝트 일정 및 예산 업데이트의 완전 자동화를 통해 건설 프로젝트의 의사 결정주기를 월 단위에서 일 단위로 줄일 수 있다. 현재 자재, 장비 및 인력 조달은 대부분 수동적이고 번거로운 프로세스이다. 이제 상품 구매 및 판매와 고용을위한 마켓 플레이스 플랫폼을 제공하는 스타트업이 관심을 끌기 시작했다. 공급과 수요를 일치시킬 수 있도록 함으로써 마켓 플레이스는 공급망을 최적화 할 수있는 엄청난 잠재력을 가지고 있다. 건설 분야에서 이러한 시장은 향후 프로젝트와 진행중인 프로젝트 모두에서 비용과 자재, 노동력 및 장비 가용성에 대한 투명성을 개선함으로써 경쟁 입찰의 효율성을 강화할 수 있다.  디지털 전환 사례 - 비전 기반 광산 채굴 시스템 관리 채석장에서 나온 광석은 공장 또는 광석 창고로 직접 운송되고 그곳에서 공장으로 운송된다.  운송은 대형 덤프 트럭과 컨베이어 또는 결합 된 방법으로 수행 할 수 있다. 이후 작업은 광석을 허용 가능한 분율로 분쇄하는 것이다(공장에서 가장 비싼 작업). 채굴 및 광석 분쇄기 광산 굴삭기 성능 저하, 그라인더, 버킷 자체 손상은 상당한 비용 손실 위험이다. 이러한 문제를 해결하기 위해 비전에 기반한 솔루션이 적용된다. 감시 카메라는 운전자에게 굴삭기의 모든 측면을 볼 수 있도록한다. 시스템이 수집한 모든 정보는 운전자 운전실의 모니터에 표시되며 적시에 문제를 감지하고, 버킷 탑재 하중을 평가할 수 있다.  동선관리 및 모니터링 비전 시스템을 사용하여 광석 입자 크기를 자동으로 측정하다. 입자 크기 분포를 추적하고 크기가 큰 객체 제거를 위한 전략을 만들 수 있다. 입자분석 직업에서 운전자는 또한 많은 시간을 일한다. 사고의 주요 원인은 운전 중 잠들기, 운전 방해, 움직임 제어 상실 등이었다. 비디오 레코더처럼 보이는 장치가 자동차의 운전실에 설치되어 있다. 이 소프트웨어는 운전자의 표정, 머리 회전 및 눈의 움직임에 반응한다. 측정 항목이 운전자가 잠들거나 통제에서 산만 함을 나타 내기 시작하면 소리 신호가 방출된다. 그 후 운전자는 도로를 응시하고 버튼을 눌러 자신의 상태를 확인해야하다. 마무리 건설 유스케이스부터 기술 상세 구현까지 실제 경험한 디지털 인재를 찾는 것은 업계의 경영진에게 중요한 관심사이다. 이는 건설 디지털화 성공에 매우 중요하다. 이런 인재에 사업을 투자하면 디지털화 성공 확률이 2.5배 높아진다(맥킨지). AEC 회사는 E&C 산업 외부에서도 디지털 네이티브 회사의 인재 풀을 탐색 할 수 있다.  디지털 기반 건설 프로젝트는 IPD (Integrated Project Delivery) 같은 계약 실행 시스템을 모방할 필요가 있다. 이는 결과와 책임을 명확히 할 뿐만 아니라, 적대적인 계약 환경을 피할 수 있다. 이러한 기술 적용이 성공하기 위해서는 IPD와 같은 문화와 실천이 중요할 것이다. 레퍼런스 Vision-based volumetric measurements via deep learning-based point cloud segmentation for material management in jobsites On Applying Machine Learning and Simulative Approaches to Railway Asset Management: The Earthworks and Track Circuits Case Studies Improvement of 3D Modeling Efficiency and Accuracy of Earthwork Site by Noise Processing Using Deep Learning and Structure from Motion Deep Reinforcement Learning with Fully Convolutional Neural Network to Solve an Earthwork Scheduling Problem Deep learning-based Context Documentation for Earthmoving Productivity Simulation  Hazard analysis: A deep learning and text mining framework for accident prevention Deep Learning Model Comparison for Vision-Based Classification of Full/Empty-Load Trucks in Earthmoving Operations An improved extreme gradient boosting approach to vehicle speed prediction for construction simulation of earthwork A geometric deep learning approach for checking element-to-entity mappings in infrastructure building information models  POND CONSTRUCTION Machine Learning and Computer Vision in the Mining Industry Seizing opportunity in today’s construction technology ecosystem

SLAM 기반 스캔 및 하이브리드 포인트 클라우드 데이터 처리

 

건설, 플랜트 분야에서 스캐닝 기술을 적극적으로 활용하는 사례가 많아짐에 따라, SLAM, LiDAR, UAV(Unmanned Aerial Vehicle) 캡처 기술 개발 투자가 계속되고 있다. 레이저 스캐닝은 AEC(Architecture, Engineering and Construction) 내에서 빠르게 채택되는 기술이 되고 있다. 이는, 전통적으로 측량 영역이었지만, 더 작고 저렴한 스캔 장치가 개발되고, 현장에 실용성과 효과가 검증되어 점차 활용사례가 많아지고 있다. SLAM과 하이브리드 스캔 데이터 처리 기술 SLAM(Simultaneous localization and mapping) 기술과 같은 스캔 기술의 혁신은 고정식 삼각대를 옮겨가며 스캔을 하는 반복 작업에서 엔지니어를 해방시킬 수 있다. SLAM은 실시간 스캔 데이터 캡쳐가 가능해, 작업 비용을 낮춘다. 이 경우에는 어느 정도 정확도를 희생해야 했다. SLAM 기반 스캔(NavVis VLX) SLAM 기반 스캔 방식이 활용되면서, 엔지니어는 프로젝트에서 스캐닝 기술을 서로 혼합하여 사용하기 시작했다. 이를 위해, SLAM 과 같은 스캔 밀도가 다른 데이터 스캔 방식과 고밀도 스캔 데이터를 자동 정합하고, 고밀도 데이터를 확인 및 검수하는 기능이 필요하다. Correvate(영국 런던)는 중복된 스캔 데이터들 간에 자동 정합을 지원하는 클라우드 플랫폼인 Vercator 서비스를 릴리즈했다. University College London의 전자 공학 연구소에서 개발한 기술을 사용하는 포인트 클라우드 자동 정합 기술은 다양한 밀도의 스캔 데이터를 자동으로 정합한다. Correvate 데이터 정합 과정 Correvate는 수동 정합보다 60-80% 더 빠르며, 신뢰성있는 결과를 제공했다. 이 기술은 SLAM데이터 처리 기능을 통합했다. 이 회사의 CEO는 엔지니어들이 다양한 스캔 장치를 사용하고 있다는 것에 주목했다. 트림블, Leica, Faro 등 정적 방식의 스캐너를 사용하던 회사는 특정 프로젝트에서 GeoSLAM, Paracosm 스캐너를 함께 운영하기 시작했다. 다양한 프로젝트 요구 사항에 맞게 다양한 데이터 LoD(Level of Detail), 다양한 정확도, 허용 오차를 캡처하기 위한 수요가 증가했다. 만약, 소프트웨어적인 포인트 클라우드 데이터 노이즈 필터링, 정합 등이 특정 요구수준에 맞게 처리된다면, 몇천만원 수준의 스캔 솔류션으로 7천만원 이상의 스캔 솔류션을 대치할 수 있다.  이를 위해, 해당 소프트웨어는 몇가지 전략을 사용한다. 예를 들어, SLAM의 약점은 기다란 선형 스캔 프로젝트이다. 이 경우, 데이터 캡쳐 구간을 나누어 처리한다. 지금까지 데이터 처리 솔류션은 기존 글로벌 스캐너 개발 업체의 전용 소프트웨어를 사용하거나, CloudCompare 같은 불편한 오픈소스 기반 솔류션을 사용해야 했다.  회사 CEO는 많은 업체에서 모바일 데이터, 드론, 휴대용 스캐너에서 캡처한 SLAM 데이터를 가지고 와서 이 모든 것을 함께 정렬하기를 원하였다고 말한다. 만약, SLAM을 사용하면, 스캔 시 오차가 누적되는 문제가 발생하지만, 정합 알고리즘을 향상해, 100% 성공률로 변환시킬 수 있다. SLAM 데이터와 정적 스캔 데이터에 대한 자동 정합이 가능하다. Hybrid registration on cloud(Correvate) 정합은 클라우드에서 진행된다. 앞서 언급된 플랫폼은 짧은 시간에 분할된 스캔 데이터를 클라우드로 전송한다. 데이터의 타임스탬프에서 실제로 스캔 순서를 얻고, 정합 알고리즘을 실행한다. Scan To BIM 포인트 클라우드가 자동으로 BIM(Building Information Modeling)으로 변환되는 Scan-to-BIM은 현재로서는 어려운 장애물이 많다. 전세계에 이를 현실화하기 위해 노력하는 회사가 많이 있다. 그 중 하나인 이 회사는 데이터 연금술로 스캔 데이터인 3D 포인트를 벽, 문 및 창으로 맵핑하는 기술을 개발하고 있다.  Scan To BIM(NAVVIS) BIM으로 맵핑하려면, 스캐너에서 최대한 많은 데이터를 가져오는 것이 중요한다. 이를 위해서는 API, 컬러 등에 대한 데이터 접근이 필요하다. 일부 스캐닝 회사는 고가의 포인트 클라우드 소프트웨어에 대해 매우 방어적이다. 이 회사는 스캔 데이터 분석을 통해 개선된 기능의 제품을 개발할 계획이다. 마무리 스캐너의 가격은 점점 저렴해지고, 기능은 강력해 지고 있다. Faro는 약 3천만원에 휴대성이 뛰어난 스캐너를 시장에 출시했고, Leica도 저렴한 가격의 BLK360을 출시했지만, 처리하기 매우 어려운 포인트 클라우드 지원 소프트웨어 플랫폼을 상품화하기 위해 서두르지는 않았다. 이제 아이폰과 같은 휴대폰, 태블릿에서 LiDAR 데이터를 얻을 수 있지만, 전문 응용 목적에 필요한 정확도와 밀도의 데이터를 얻는 것과는 거리가 멀다. 현재 시장은 목적에 따라 하이브리드 방식의 스캔 데이터 처리 기술을 채택하고, 필요에 따라 값비싼 최고의 기술을 사용하고 있다. SLAM 시장은 생산성에 강점이 있어 틈새시장을 개척하고 있다. Correvate의 Vercator 클라우드와 같은 서비스들은 이런 다양한 스캔 데이터를 처리할 수 있도록 진화하고 있다. 레퍼런스 Vercator, LiDAR data, processed on the cloud AEC Magazine, 2021.2, Vercator SLAMs the cloud: point cloud processing

다트머스 인공지능 워크샵

 이 글은 최초의 인공지능 연구 회의인 다트머스 인공지능 워크샵에 대한 자료이다.

SLAM의 핵심 ICP 최신 연구

 이 글은 SLAM(Simultaneous localization and mapping)의 핵심 기술인 ICP(Iterative Closest Point)의 최신 연구 기술을 살펴본다.

ICP의 가장 간단한 구현은 아래 링크를 참고한다.

• ICP using Euclidean distance

다음은 관련 연구 기술이다.

• A Lean and Efficient Library for Point Cloud Data Processing
• GICP-based fast point cloud registration algorithms
• Iterative Closest Point algorithm with global optimal matching and hybrid metric
• SLAM graph optimization framework g2o
• Dynamic Robot Localization
• Iterative Probabilistic Data Association (IPDA)

Dynamic Robot Localization

iPhone 12 Pro LiDAR와 Total Station 측량 정확도 비교 사례

 이 글은 iPhone 12 Pro LiDAR(아이폰 라이다)와 Total Station(토탈 스테이션) 측량 정확도 비교 사례를 소개한다. 이 사례는 Rami Tamimi 교수가 집과 잔디밭을 대상으로 스캔한 결과를 비교한 것이다. 

iPhone 12 Pro LiDAR와 Total Station 측량 정확도 비교 테스트

각 두 장비에서 얻은 데이터를 Autodesk Recap에서 측정하였다. 결론적으로, 다음과 같은 내용을 알 수 있다. 

• 방과 같이 사각형 형태의 좁은 영역에서는 정확도가 높다. 사례에서 최대 오차는 0.2피트(0.6 미터. 5피트 폭 및 거리) 차이이다.
• 긴 직선 구간같이, 스캔을 선형으로 길게 해야 하는 경우 정확도가 급격히 떨어진다. 드리프트(drift) 문제 발생하며, 사례에서 오차는 최대 0.89피트(2.7 미터. 200피트 거리) 차이가 발생한다.

비교 사례를 보면, 아이폰 라이다는 집과 같이 좁은 영역에서는 어느 정도 정확도 내에서 사용 가능하나, 길이가 긴 직선 구간이 포함되어 있는 대상물인 경우에는 사용하기 쉽지 않다는 것이다. 이런 직선 구간의 예는 복도, 계단, 도로, 길이가 긴 시설물이다. 

좀 더 상세한 내용은 다음 영상을 참고하기를 바란다.

200 피트 선형에서 스캔 정확도 테스트

좁은 영역에서 스캔 정확도 테스트

아이폰 라이다를 이용해 테스트한 결과들을 보면, 오차가 적은 상황은 사각형과 같이 스스로 폐합되는 스캔 경로를 가진 대상물일 경우인 것을 알 수 있다. 아래는 이와 관련된 테스트 영상이다. 이 사례에서는 60미터 길이를 가진 폐합 루프에서 20cm 오차가 발생하였다. 

결론적으로, 아이폰 라이다는 집과 같이 사각형으로 폐합되는 스캔 경로를 가진 경우, 어느 정도 정확도를 보장하지만, 크기가 커지고, 스캔 경로가 선형으로 길어질때는 오차가 누적되는 문제가 있다.

최신 Visual SLAM 개발 프로젝트 조사

 

이 글은 최신 Visual SLAM 개발 프로젝트 조사 내용이다. 관련해 이 자료를 참고하였다. OpenVSLAM: A Versatile Visual SLAM Framework ORB-SLAM3: An Accurate Open-Source Library for Visual, Visual-Inertial and Multi-Map SLAM ElasticFusion using RGB-D camera maplab Open VINS

해외 건설 테크 분야 스타트업 소개 사이트

 이 글은 해외 건설 테크 분야 스타트업 소개 AEC STARTUPS 사이트를 간략히 설명한다.

이 사이트는 현재 80개 정도의 대표적인 건설 테크 스타트업을 소개하고 있으며, 프로젝트 관리, 인공지능, 로보틱스 등 10개 이상의 카테고리로 이들을 분류하고 있다. 아울러, 각 스타트업의 펀딩 규모를 함께 표시하고 있어, 어떤 기술에 투자자들이 관심이 많은지를 확인할 수 있다.

건설 자동화를 위한 오픈소스 로보틱스 프레임웍 COMPAS 소개

 이 글은 건설 자동화를 위해 스위스 취리히 공대(ETH)에서 개발한 오픈소스 로보틱스 프레임웍인 COMPAS를 간단히 소개한다.

COMPAS 응용 예시(ETH)

소개

COMPAS는 건설 엔지니어링 현장에서 로보틱스 기술을 사용하기 위해 필요한 도구, 소프트웨어 및 개발 프레임웍을 제공한다. 참고로, COMPAS는 ETH Zurich에 있는 Institute of Technology in Architecture(ITA)의 BRG(Block Research Group) 공동 책임자인 Tom Van Mele 박사와 Philippe Block박사의 주도아래 개발되었다. Tom 박사는 계산 기하학, 로보틱스 수학 기술 개발을 이끌었고, 박사후 연구원 팀을 감독하며, 프레임웍 개발을 조언하였다. 그는 Empa 모듈러 연구, NEST 혁신 건물 건설 자동화를 위해 BRG에서 개발한 HiLo 모듈을 개발한 프로젝트 리더이다.

COMPAS 1.0은 2021년 1월 릴리즈 되었으며, 건설 자동화, PREFAB, 로봇기반 인스펙션과 같은 어플리케이션 개발에 필요한 오픈 소스 파이썬 프레임워크이다. 

이 프레임웍의 목표는 AEC(Architecture Engineering and Construction) 연구에서 건설, 기계, 소프트웨어 분야간 협업 작업을 단순화하고, 개발 소스의 공유 및 재사용을 제공하는 것이다.

라이브러리는 특정 CAD에 의존되지 않는 컴퓨터 계산 기하학 처리(곡선 및 곡면 교차 계산, 점군 처리, 메쉬 처리, 선형대수 등) 기본 데이터 구조 지원, 로봇 공학, 수치 해석 방법 등을 제공할 뿐만 아니라, 확장 가능한 JSON 데이터 직렬화, 다양한 파일 형식을 지원한다.

건축 로보틱스

기하학 커널은 Python 스크립팅 엔진이 있는 모든 환경에서 지원된다. 프레임워크에는 Rhino, Grasshopper 및 Blender와 통합을 위한 전용 패키지가 함께 제공된다.

이와 같은 핵심 라이브러리 외에도 ROS(Robot Operating System), CGAL, libigl, Abaqus, ANSYS, SOFISTIK, Pybullet 등 애드인 확장성을 제공한다. 

설치하기

COMPAS 설치는 여기를 참고한다. 아나콘다가 설치되어 있다면, 아래와 같이 명령을 입력하면 된다.

conda install -c conda-forge compas

사용하기

그래스호퍼 등 다양한 모델링 도구에서 애드인을 제공하고 있다. 아래는 그래스호퍼에서 컴파스를 실행하는 기본 코드이다. 

import compas

from compas.datastructures import Mesh

from compas_ghpython.artists import MeshArtist

mesh = Mesh.from_obj(compas.get('faces.obj'))

a = MeshArtist(mesh).draw()

컴파스는 건설 현장에서 로봇을 제어하기 위한 다양한 API를 제공한다. 아래는 로봇암을 제어할 때 사용하는 API 예시이다.

from compas.geometry import Frame, Point, Vector

frame = Frame([0, 0, 0], [1, 0, 0], [0, 1, 0])

frame.point

frame = Frame(Point(0, 0, 0), Vector(1, 0, 0), Vector(0, 1, 0))

마무리

컴파스를 개발하고 프로젝트를 주도하고 있는 Tom 박사는 특이한 이력의 소유자이다. 그는 벨기에 브뤼셀에 있는 Vrije Universiteit Brussel에서 건축 및 구조 공학을 공부했다. 미국 뉴욕에서 프리랜서 건축가, 구조 엔지니어 및 프로그래밍 개발자로 2년을 보낸 후, Tom은 교육 플랫폼 eQUILIBRIUM을 개발하기 위해 2010년 박사후 연구원으로 BRG에 합류했다. 이는 ETH Innovedum 보조금 지원으로 개발되었다. 

그는 실제 실무 경험에서 우러나온 기술 개발을 통해, ETH의 BRG 그룹을 이끌고 있으며, AEC 분야에서 로보틱스 기술이 쉽게 스며들기 위한 방법을 연구하고 있다. 그의 이력은 기술 연구에 대한 명확한 목표, 열정과 실무 경험이 합쳐질 때 컴파스와 같은 실무에서 사용 가능한 플랫폼 기술이 세상에 자신있게 릴리즈될 수 있다는 것을 증명한다.

ETH BRG

레퍼런스

• COMPAS, an open source python framework for AEC
• Compas website and Github
• ETH BRG

성공적인 디지털전환 전략개발 방법

 이 글은 성공적인 디지털전환 전략개발 방법에 대한 기사 내용을 간략히 정리한 것이다. 

머리말

디지털혁신은 중요한 주제이지만 대부분의 리더는 그 의미의 전체 범위를 이해하지 못한다. Microsoft의 기술임원인 April Walker는 다음과 같이 정의했다. 

"디지털 혁신은 오늘날의 디지털 경제에서 비즈니스를 의도적이고 전략적으로 재포지셔닝하는 것이다.” 

중소기업들은 이미 HR, 거버넌스 및 사이버 보안, 고객 관계 관리(CRM), 전사적 자원 관리(ERP), 재무 및 위험과 같은 광범위한 비즈니스 기능에 걸쳐 시스템을 설치하였지만, 아직, AI 또는 예측 분석에 대한 투자는 하지 못했다. 계속 열심히 노력하고 있음에도 불구하고 고객 이탈, 유지 및 유지와 같은 비즈니스 운영에 중요한 기본 KPI 질문에 대한 정보를 얻는 데는 여전히 예상보다 시간이 더 걸린다. 

디지털혁신을 위해서는 리더십 팀에 전문적인 비즈니스 분석 전문 지식이 필요하고, 조직이 의사 결정을 내리는 방식을 바꿔야 한다는 점이다.

데이터 기반 의사 결정 문화

2020년 4월 옥스포드 경제연구는 19개국에 걸쳐 조사된 2,000개의 중소기업을 대상으로 인터뷰 조사를 수행하였다. 이 결과 다수가 디지털 전환에 준비되지 않은 상태를 발견했다. 설문 참가자의 약 절반이 팬데믹이 파트너와 신뢰를 구축하는 부분에 문제를 일으켰다고 보고했다. 40% 미만이 분석 기반 의사 결정을 지원하는 데 필요한 모든 데이터를 보유하고 있다고 말했다. 

오늘날의 디지털 세계에서 목표를 달성하고, 수익성을 높이며, 성공을 주도하는 비즈니스 인텔리전스 전략을 개발하기 위해서는 데이터 과학자의 전문 지식이 필요하다. 

첫째, 문제 해결 및 비즈니스 성장을 가속화하기 위해 데이터가 양호한 상태인지 확인한다. 이들은 기술 아키텍처 계획을 개발할 것이다. AWS 또는 Azure와 같은 확장성이 뛰어나고 비용 효율적이며 안전한 클라우드 환경을 고려한다.

측정 가능한 목표 또는 KPI를 기반으로 올바른 데이터로 작업하고 있는지 확인하고 추세를 이해하고 기회를 찾고 수익성에 장애가 되기 전에 문제를 식별할 수 있다. 또한 패턴을 분석하고 이를 활용하여 여러 영역에서 비즈니스에 도움이 되는 전략과 활동을 개발한다.

많은 경쟁업체가 AI 기반 소프트웨어 및 챗봇을 사용하여 고객 상호 작용을 개인화하고 로봇을 통해 효율성을 높이기 시작함에 따라 프로세스 자동화는 중요해진다. 특히, 많은 산업 분야의 공급망은 이러한 기술을 사용하여 전략적으로 재배치된 고객 중심 조직을 강화하고 있다. 기존의 비즈니스 접근 방식을 뛰어넘어 리더는 보다 탄력적인 공급망, 높은 수준의 혁신, 고객 및 직원 만족도 향상, 전반적인 효율성 및 재무 성장 개선을 지속적으로 제공할 수 있다.

데이터와 분석을 자산으로 취급하고, 비즈니스 가치를 창출하고, 데이터 공유를 늘리고, 조직의 의사 결정이 데이터 기반임을 보장한다면 산업에서 성공할 것이다. 이러한 일이 실제로 일어나기 위해서는 전체 리더십 팀이 그들과 협력하고 지원하며 그들의 성공을 보장하는 데 적극적인 역할을 해야 한다. 

디지털혁신 로드맵

최근 McKinsey 설문조사에  따르면 B2B 고객의 2/3가 제품 구매 시 원격 인력 지원 또는 디지털 서비스를 선호하는 것으로 나타났다. 

디지털에서 기회를 살펴보기 전에 리더는 먼저 기업의 전반적인 디지털 전략과 가치 제안을 모두 살펴보고 조직의 디지털 비전을 개발해야 한다. 자신의 능력을 평가하고, 필요한 자원을 추정하고, 목표를 달성하는 데 도움이 될 수 있는 잠재적인 파트너십을 고려해야 한다. 

로드맵을 개발할 때 산업체는 디지털 온라인 판매가 증가함에 따라 오프라인 유통 채널의 중단을 포함하여 기존 비즈니스에 대한 전략적 가치를 고려해야 한다. 예를 들어 기업은 유통업체가 새로운 디지털 채널에서 어떤 역할을 할 것인지를 결정해야 한다. 

선택한 디지털 전략을 기반으로 기업은 고객과 직접 거래할 고객, 유통업체 또는 제3자 물류 제공업체를 통해 서비스를 제공할 고객, 거래 및 이행 규칙을 고려해야 한다. 그리고, 온라인 플랫폼을 통해 판매할 제품을 결정해야 한다. B2B 가격 책정은 고객과 회사의 전략적 관계, 주문 규모를 비롯한 다양한 요인에 따라 크게 달라질 수 있다. 

디지털전환 로드맵을 구현하기 전에 리더는 디지털 조직에 필요한 핵심 역할을 식별하고, 디지털기술에 능숙한 내부 인재를 확인해야 한다. 

관련해 다음 영역을 포괄해야 한다.

전략

리더는 먼저 인재 요구 사항을 평가하고 현재와 격차를 식별해야 한다. 그런 다음 직원의 기술 향상, 전략적 파트너십 형성 또는 외부 직원 채용을 통해 빈 자리를 채울 수 있는지 등을 결정해야 한다. 최상의 결과를 위해 회사 인센티브 시스템은 직원이 디지털 목표를 달성하도록 장려해야 한다. 

구조

디지털 팀원을 조직에 통합하기 위해 새로운 구조와 배포 모델이 필요한다. 이 팀은 디지털 이니셔티브를 감독하는 CEO에게 직접 보고하도록 하는 것이 좋다. 일부 회사에서는 이 역할의 직함이 최고 디지털 책임자일 수 있다. 주요 책임에는 비용을 절감하고, 디지털 이니셔티브에서 실질적인 영향을 생성하는 것이 포함된다. 

기술

조직 전반에 걸쳐 지식과 ​​능력을 향상시키기 위해 디지털 학습 프로그램을 도입해야 한다. 또한 직원들이  지속적인 학습을 가능하게 하고, 성장 마인드셋 을 수용하도록 장려해야 한다. 

시스템

워크플로 관리 도구와 같은 시스템 및 애플리케이션은 생산성을 높이며 인적 오류를 줄이는 데 도움이 된다. 

메시지

전체 가치 사슬에서 역량을 강화하고 문화적 변화를 촉진한다. 예를 들어 외부 리더를 초대하여 직원들에게 혁신과 성장에 대해 이야기하도록 할 수 있다. 

애자일 방법론

민첩한 조직에서는 협력적인 접근 방식과 빈번한 회의가 필요한다. 그리고, 학제 간 팀이 아이디어와 정보를 공유한다. 기업은 새로운 접근 방식이나 기술을 신속하게 테스트한 다음 고객 피드백을 기반으로 반복적으로 개선할 수 있는 환경을 조성해야 한다.

디지털 기술 환경으로의 전환

새로운 기술 기능은 모든 디지털 혁신의 기초를 형성한다. 이상적으로 로드맵에서 이러한 기능을 설명하고 상거래 백본 서비스, 프런트 엔드, 통합 아키텍처, 프런트 엔드 및 백엔드 통합, 개발 및 운영을 위한 디지털 플랫폼 등을 제공해야 한다.

데이터 관리 및 강화

통찰력을 얻기 위해 데이터를 마이닝할 때 몇 가지 공통적인 문제에 직면한다. 

예를 들어, 정보의 대부분은 집계 형식으로만 사용 가능하거나, 데이터 흐름을 관리하고 통합하기 위한 일관되지 않은 프로세스가 있을 수 있다. Excel에서 친숙하지 않은 비즈니스 인텔리전스 도구를 통해 보고서를 생성해야할 수도 있다. 

데이터 아키텍처 요구 사항은 무엇이며 어떻게 격차를 해결할 수 있을까? 어떤 종류의 데이터 거버넌스가 필수적인가? 그리고 그들은 데이터 솔루션의 우선 순위를 어떻게 정해야 하나?

데이터 관리를 위해서는 명확한 대답이 필요하다.

기능 개발과 제품 혁신

고객이 현장에서 제품을 실제로 어떻게 사용하는지에 대한 데이터를 가지고 있다면, 이 정보는 서비스 개선을 위한 개발에 도움이 될 수 있다. 

디지털 이니셔티브의 채택 및 확장

디지털 파일럿은 견고한 수익을 창출할 수 있지만 산업체는 실제 영향을 미치기 위해 전체 조직에 프로그램을 구현해야 한다. 확장에는 새로운 전사적 비즈니스 프로세스가 필요한다. 

데이터는 무결성없는 "깨끗한" 데이터를 보장해야 한다. 이러한 통제가 없으면, 산업체는 고객 및 제품 정보의 무결성을 보장하는 데 큰 어려움을 겪을 것이다.

지침 원칙

이러한 모든 구성 요소는 디지털화에 필수적이지만 성공을 보장하지는 않는다. 변화를 구현할 때 개별 부문에 대한 사일로 솔루션을 개발하기보다는, 통합된 디지털 생태계를 만드는 데 중점을 두어야 한다. 한 팀이 모든 디지털 이니셔티브를 감독하고 많은 움직이는 부품을 조정하는 항공 관제사 역할을 해야 한다. 프로그램을 소유하고 회사 문화, 프로세스 및 운영 모델을 변화시키면서 항상 비즈니스 및 고객 요구에 초점을 맞출 것이다.

산업계는 이러한 복잡한 변화를 혼자서 수행할 수 없다는 사실을 받아들여야 한다. 독립적으로 작업하는 데 익숙할 수 있지만 다른 산업 분야에서 디지털화 경험이 있는 외부 전문가 및 플랫폼 파트너를 참여시키는 것을 고려해야 한다. 이러한 협력은 기업이 디지털화 노력을 시작하고 가치를 높이며 영향을 미치는 시간을 단축할 때 직면하는 많은 일반적인 함정을 피하는 데 도움이 될 것이다.

디지털 트랜스포메이션

디지털 트랜스포메이션은 중소기업에서 대기업에 이르기까지 모든 비즈니스에 필수적이다. 많은 비즈니스 리더에게 명확하지 않은 것은 디지털 혁신이 무엇을 의미하는지이다. 클라우드로 이동하는 것인가? 우리가 취해야 할 구체적인 단계는 무엇인가? 디지털 혁신을 위한 프레임워크를 설계해야 하는가? 아니면 컨설팅 서비스를 고용해야 하는가? 비즈니스 전략의 어떤 부분을 변경해야 하는가? 그만한 가치가 있는가?

COVID-19 대유행은 디지털 혁신 목표를 달성하는 데 새로운 시급성을 가져왔고 많은 조직에서 혁신 작업의 속도를 높여야 했었다. 그러나 IT 리더는 예산 책정 , 인재 확보, 문화 변화 등의 문제와 계속 씨름하고 있다 . 

디지털 트랜스포메이션은 회사마다 다르게 보일 것이기 때문에 모든 회사에 적용되는 정의를 정확히 찾아내기 어려울 수 있다. 그러나 일반적으로 우리는 디지털 혁신을 비즈니스의 모든 영역에 디지털 기술을 통합하여 비즈니스 운영 방식과 고객에게 가치를 제공하는 방식에 근본적인 변화를 가져오는 것으로 정의한다. 

디지털 혁신 - 코끼리에게 춤추는 법 가르키기

명확한 목표로 시작해야한다. 

2020년 5월 IDC (International Data Corporation ) Worldwide Digital Transformation 지출 가이드에 따르면, 비즈니스 관행, 제품 및 조직의 디지털 혁신(DX)에 대한 지출은 COVID-19 팬데믹으로 인한 어려움에도 불구하고 견고한 속도로 증가되었다고 말한다. IDC는 DX 기술 및 서비스에 대한 전 세계 지출이 2020년에 10.4% 증가한 1조 3000억 달러에 이를 것으로 예측한다. 

McKinsey 데이터에 따르면, 스트리밍 및 온라인로 가속화된 전환이 영구적으로 유지될 가능성이 있다고 Zemmel은 말한다. 온라인 식료품 쇼핑은 과거보다 소비자들에게 더 인기를 끌 것이다. 현금 없는 거래도 활기를 띠고 있다. 

Equinix 의 솔루션 아키텍처 수석 이사인 Mark Anderson은 올해를 "우리가 생각해 보았지만, 시도하지 않은 많은 것들에 대한 강제적인 테스트"라고 설명했었다. 많은 기업들이 블록체인 및 IoT와 같은 기술을 살펴보기 시작했다고 말했다.

오늘날 인력의 상당 부분이 원격으로 이동하면서 디지털 기술에 대한 직원의 경험은 "있으면 좋은" 것에서 "일을 완료하는 유일한 방법"으로 바뀌었다. 

디지털 트랜스포메이션 문화

최근 몇 년 동안 IT의 역할은 근본적으로 바뀌었다. CEO들은 점점 더 CIO가 조직의 수익 창출에 도움을 주기를 원한다. 4,600명 이상의 CIO 를 대상으로 한 2018 Harvey Nash/KPMG CIO 설문조사 에 따르면 CIO의 우선순위는 "비즈니스 프로세스 개선"이다. 그러나 '디지털 리더' CIO 최우선 순위는 "혁신적인 신제품 개발"이다.

IT는 비용 절감에 초점을 맞추기보다 비즈니스 혁신의 주요 동인이 되었다. 이러한 변화를 수용하려면 회사의 모든 사람이 일상적인 경험에서 IT의 역할과 영향을 재고해야 한다.

디지털 트랜스포메이션의 중요한 요소는 물론 기술이다. 그러나 종종 새로운 기술을 채택하는 것보다 오래된 프로세스와 레거시 기술을 폐기하는 것이 더 중요한다. 

기업 IT에서 레거시 기술이 널리 퍼져 있기 때문에 CIO가 디지털 혁신 전략을 성공적으로 착수하는 데 여전히 걸림돌이 되고 있다. 기존의 기술은 변환에 비용이 많이 드는 장벽이 될 수 있다. Devin은 "IT 예산의 70~80%를 레거시 시스템을 운영하고 유지 관리하는 데 지출하고 있다면 새로운 기회를 포착하고 비즈니스를 발전시킬 수 있는 여지가 많지 않다. 그리고 이 지출은 기술이 노후화되고 취약해짐에 따라 증가할 것이다"라고 말한다. .

최근 딜로이트 조사 에 따르면 레거시 업그레이드를 이끄는 중요한 요소는 기술 관련성이라고 말한다. "기존 솔루션은 유연성이 부족하고 오래된 언어, 데이터베이스(및) 아키텍처로 인해 상당한 기술 부채가 있다."라고 딜로이트가 발표했었다. 이러한 문제로 인해 많은 조직이 분석, 실시간 트랜잭션 및 디지털 경험을 발전시키고 지원하지 못하게 된다(참고).

디지털 트랜스포메이션의 핵심 트렌드

비즈니스 및 IT 리더가 2020년에 인지해야 하는 8가지 주요 디지털 혁신 트렌드는 다음과 같다.

• 디지털 운영 모델의 신속한 채택
• 빅 데이터 거버넌스 및 분석
• AI 및 기계 학습의 사용
• IT 아웃소싱 업계의 지속적인 인수합병
• 새로운 디지털 파트너십을 형성
• 퍼블릭 클라우드 채택 확대
• 디지털 혁신 성공 메트릭.

디지털 트랜스포메이션이 성공만을 가져오지는 않는다. 앞서 언급했듯, 많은 비용이 소모될 수 있다. 그래서, 목표를 명확히 하고, KPI와 RoI를 계산하는 것은 중요하다. 아울러, 디지털 트랜스포메이션의 예산은 요구사항, 변환 규모, 시장에서 예상하는 가치에 따라 책정되어야 한다.

레퍼런스

• Implementing a digital transformation at industrial companies
• Cynthia A. Conway and Mitch CodkindBusiness Management, 2021, Where Digital Transformations Go Wrong in Small and Midsize Companies
• enterprisersproject.com, What is digital transformation?