2021년 9월 21일 화요일

실시간 건설 현장 플랜트 장비 분석 기술 Aquila 개발 사례

 

이 글은 실시간 건설 현장 플랜트 장비 분석 기술인 Aquila 개발 사례를 간략히 소개한다. 

머리말
2019년, 영국 BIM 아카데미는 BuildstreamCostain 및 Northumbria University와 공동으로 건설 현장 타당성 조사(SiteView)하였다. 이 연구에서 BIM과 4D 스케줄링을 결합하고, 현장 플랜트 장비의 시퀀싱, 타이밍 및 운영 관리를 개선 할 수 있는 방법을 도출하였다. 그 결과 BIM Academy는 2020년 Innovate UK 펀딩을 받았으며 "Aquila"개발이 시작되었다.

이 연구에서 플랜트 장비의 활용도가 낮다는 것을 알게 되었다. 이는 불필요한 지출을 의미했으며(플랜트 장비의 활용도는 전 세계적으로 연간 최대 1 천억 파운드까지 낭비 추정됨), 환경적으로 배기오염 등의 문제를 일으킨다(건설 부문은 전 세계 배출량의 약 5 분의 1을 차지). 플랜트 장비에 대한 실시간 모니터링 및 분석은 이 두 영역 모두에서 효율성을 개선할 수 있다.

플랜트 장비, 굴삭기, 불도저 및 덤프 트럭과 같은 무거운 토공 장비는 상업 프로젝트에서 10%, 고속도로, 철도 및 에너지 프로젝트와 같은 주요 인프라 프로젝트에서 최대 50%에 이르는 건설 프로젝트의 주요 비용 요소이다.

연구에서 건설 단계 전반에 걸쳐 플랜트 장비 활용도를 높여 현장 생산성을 15% 이상 향상시킬 수 있는 기회를 확인했다. 2021년 초 영국이 2050년까지 지구 온난화에 영향을 주는 모든 원인을 없애는 법을 제정했다고 발표하면서, 새로운 목표는 2035년까지 탄소 배출량을 78% 감소시키는 것으로 설정되었다. 가능한 한 빨리 모든 온실 가스 배출량을 제로로 만들어야 한다.

개발 기술
Aquila는 실시간 데이터를 사용하여 건설 플랜트 장비 운영을 최적화하기 위해 개발되었다. 토공을 예측하고, 인공지능 기계 학습 알고리즘을 통해 플랜트 및 장비의 생산성을 자동으로 계산한다. 플랜트 장비에 대한 프로젝트 일정을 정확하게 설정하고, 사용 중, 가동 중지 시간 및 탄소 배출량을 모니터링 및 측정 할 수 있다. 

예상치 못한 고장으로 인한 프로젝트 지연에서부터 귀중한 공간을 차지하는 유휴 장비 공간에 이르기까지 장비 중지 결과는 심각 할 수 있다. 이는 모두 프로젝트 예산의 초과 지출에 영향을 준다.

Aquila는 장비 작동을 감지하기 위해 스마트한 플러그 앤 플레이(plug&play) 모바일 기술을 사용 한다. IoT는 사람의 개입없이 무선 네트워크를 통해 데이터를 수집하고 전송할 수 있다. 하지만, 전통적인 IoT 하드웨어는 일반적으로 비용이 많이 들고 설치 시 건설 현장 작업에 지장을 준다. Aquila는 이 부분을 스마트 플러그 앤플레이 기술로 개선했다.

Aquila는 프로젝트 팀이 4D 모델을 통해 현장에서 일어나는 일을 검토하고 향후 일정의 영향을 예측한다. 4D 모델을 사용하면 설계자와 프로젝트 팀이 프로젝트 순서를 시각화하고 계획의 오류를 식별하며 최적의 건설 경로를 최적화 할 수 있다. 

Aquila는 각 건설 장비를 모델에 직접 연결하여 위치를 매핑 할 수 있도록 한다. 각 차량에는 고유한 참조가 제공되는 Aquila 추적 장치가 있다. 이것은 위치, 속도, 공회전 시간, 가속 또는 제동, 연료 소비, 차량 결함, 배출량 등을 캡쳐한다. 이 추적기의 텔레매틱은 차량 데이터를 전송, 수신 및 저장할 수 있다. 차량에 설치된 모바일 장치를 통해 연결되어 무선 네트워크를 통한 통신이 가능하다.

Aquila 장치는 GPS 데이터와 다른 차량 데이터를 수집하여, 위성 통신 시스템을 통해 Aquila 플랫폼의 중앙 서버로 전송한다. Aquila는 데이터를 해석하여 프로젝트 팀에 전달된다. 이 데이터는 모두 현장에서 스마트 폰과 태블릿에서 볼 수 있다. 데이터 분석을 제공하기 위해, 반응적인 웹 기반 프로그램이 개발되었다.

Autodesk ForgeVue.Js를 사용해 개발되었다. 이를 통해, 변경 사항이 실시간으로 응용 프로그램의 다른 모든 부분이 정보를 공유하는 반응 환경을 제공한다. 이를 통해, 건설 작업의 예상 메트릭과 비교할 수 있는 정확한 실시간 데이터를 제공한다. 예를 들어, 프로그램은 특정 굴삭기가 실제로 해당 구역에 있는지, 얼마나 오래 작업하고 있는지 확인할 수 있다.

프로젝트의 데이터 요구 사항은 목적에 따라 관리하기가 매우 복잡 할 것이다. 추적하고 저장할 데이터의 양도 엄청날 수 있다. 따라서 모든 프로젝트 데이터 요구 사항을 처리하기 위해 정교하고 강력한 백엔드 시스템을 개발해야 했다.

재사용성과 유연성을 극대화하기 위해 성숙된 표준을 사용하는 것이 중요했다. 데이터 엔드 포인트에는 OpenAPI를 사용하고, 위치 데이터 저장 및 관리에는 GeoJSON 및 PostGIS를 사용한다. 이러한 기술은 장비의 실제 위치를 캡쳐하고, 그 정보를 프로젝트 모델에 연결하여, 디지털 모델에 정확하게 배치 할 수 있는 기능을 제공한다.

마무리
건설 현장을 실시간 모니터링, 분석하는 기술은 향후 인프라 또는 건설 프로젝트에서 필수적인 부분이 될 것이다. 이 기술은 플랜트 장비를 사용하는 방식을 변화시켜, 건설 분야를 스마트하고 친환경적이게 할 것이다.

레퍼런스

댓글 없음:

댓글 쓰기

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...