건설 프로젝트는 매우 복잡하고 상호 연결된 사업이다. 건설 산업은 프로젝트 비용과 지연으로 이어질 수밖에 없는 비효율성, 위험성은 프로젝트 규모와 함께 기하 급수적으로 증가된다. 많은 엔지니어링 및 건설 조직은 증가하는 위험, 좁아지는 마진의 압박을 느끼면서 자동화 노력을 했다. 인공지능(AI)은 E&C(Engineering and Construction) 조직이 의사 결정 최적화, 프로젝트 데이터 통찰력 제공, 프로젝트 성공을 촉진할 수 있는 잠재력을 보유하고 있다. 이 글은 건설 데이터 취득, 분석 및 예측 분야에서 최신 인공지능기술 개발 활용 사례를 소개한다. 인공지능 건설 스타트업 한때 미래 지향적인 것으로 간주되었던 인공지능은 OpenSpace, Smartvid.io, Procore, Buildots 와 같은 건설 스타트업을 통해 최근 몇년간 급성장하고 있다.  SmartVid.io 작년 말, 건설을 위한 AI 기반 시뮬레이션 플랫폼인 Alice는 Blackhorn Ventures 및 Lightspeed Venture Partners의 참여로 Series A 펀딩 라운드에서 800만달러를 펀딩받았다. Alice는 AI를 사용하여 작업 현장의 노동 및 장비 흐름을 분석한다. ALICE DPR Construction, Mortenson 및 Parsons와 같은 회사에서 이 기술을 통해 사용자는 다양한 시설물 계획을 실시간으로 분석하고, 주요 결정이 프로젝트 비용 및 기간에 미치는 영향을 예측할 수 있다. 이 회사는 인공지능 기술을 이용해 프로젝트 기간을 16%, 인건비를 거의 15% 줄였다고 말한다. Buildots 건설 프로세스를 간소화하기 위해 건설 현장의 시각 데이터를 캡처하고 비전 처리하는 AI기반 플랫폼 개발사 Disperse는 벤처 캐피탈 회사인 Northzone이 주도하는 라운드에서 1,500만 달러의 Series A 자금을 펀딩받았다. 이 프로그램은 건설 현장의 건설 일정, 2D 도면, 3D 모델 및 포토 스냅 샷을 통합 후, 이를 처리하여 대화형 디지털트윈을 생성한다. 이 시스템은 진행 상황을 수량화하고, 병목 현상을 분석하며, 잠재적 문제의 경고 신호를 표시한다. 런던에 본사를 둔 이 회사는 시스템을 사용하는 감독자와 건설 관리자가 현장 진행 상황보고에 소요되는 시간을 최대 25 %까지 줄이고, 스케줄러는 데이터 수집, 진행 보고서 작성 및 일정 업데이트에 소비하는 시간을 최대 60 %까지 줄였다. 디지털 트랜스포메이션과 인사이트 건설에 디지털화가 진행됨에 따라, 방대한 양의 데이터가 생성되고 있으며, 이를 통해 팀이 데이터로부터 배우고, 더 나은 견적을 만들고, 더 현명하게 계획하고, 위험을 완화 할 수 있는 기회가 생겼다.
데이터에서 기준선, 벤치 마크, 표준 및 KPI (핵심 성과 지표)를 정의 할 수 있으면, 이러한 통찰력을 현장 관리에 적용 할 수 있다.
건설 데이터 예측 비즈니스 인텔리전스(BI) 기술은 일반적으로 프로젝트 데이터에 대한 역방향 보기만 제공했다. 이러한 통찰력은 가치가 있지만 AI기술은 실시간 데이터를 기반으로 한, 새로운 수준의 프로젝트 인텔리전스를 지원해, 통찰력을 제공한다. 이러한 혁신적인 변화는 다음과 같은 변수에 대한 시각을 제공한다.
시스템은 항상 최신상태이며, 기계학습 모델 기반으로 시간이 지남에 따라 더 똑똑해지고 정확도가 향상된다. 일정, 비용, 예산, 품질, 안전, 위험 및 협업과 같은 중요한 영역을 포함해, 건설 프로젝트 관리의 거의 모든 측면에 가치를 더하는 통찰력을 제공한다. 일정 프로젝트 일정은 프로젝트 관리자의 생명선이다. 지연될 가능성이 가장 높은 프로젝트, 잠재적 일정 지연의 가능성, 범위, 지연을 유발할 가능성이 가장 높은 활동을 식별하여 정확성을 향상시킬 수 있다. 내부 데이터에는 과거 일정, 하청 업체 지연, 재 작업 내역, 누락 된 배송 날짜, 정보 요청 (RFI) 병목 현상, 실제 프로젝트 기간과 예상 프로젝트 기간, 작업 분류 구조 등이 포함될 수 있다. 이를 일기예보, 이력, 공급망 중단 및 인력 중단과 같은 외부 데이터와 결합하면 보다 정확한 일정을 만들고, 사전에 위험을 줄일 수 있다. 비용 / 예산 예산을 예측하는 수 많은 변수가 더 나은 예산을 설정하고 잠재적 문제를 조기에 발견할 수 있다. 변경 요청 내역, 하청 업체 성과, 지리적 고려 사항 및 프로젝트 유형등을 활용하여, 처음부터 더 나은 예산을 설정 할 수 있다. 위험 추가 비용, 규정 준수 위반, 소송 및 안전을 포함하여, 건설에서 다양한 위험을 고려할 수 있다. 자연어 처리 기능을 사용하여, 감정을 분석하고, 계약 업체 및 하청 업체와 같은 두 당사자 간의 충돌 징후를 조기에 감지 할 수 있다. 특정 문제에 대한 서신의 양과 특정 하도급 업체와의 작업 지연 내역 및 결과를 고려한 후, AI는 잠재적 문제가 발생하기 전에 조기 경보를 제공 할 수 있다. 품질 재료 공급 업체, 하청 업체 성능에 대한 데이터를 활용하여, 제작에서 재료 무결성에 이르기까지 작업 품질을 향상시킬 수 있다. 예를 들어 자연어 처리는 서신, 목록, 검사 보고서, 변경 요청 및 작업 주문과 같은 다양한 데이터를 마이닝하여 잠재적 품질 문제를 감지 할 수 있다. 사물인터넷(IoT) 센서와 풍부한 데이터는 작업 품질을 향상시킬 수 있는 방법에 점점 더 많은 역할을 할 수 있다. 안전 프로젝트에 참여하는 모든 사람의 건강과 안전이 항상 최우선 순위이다. 잠재적 안전 문제를 조직에 경고 할 수 있다. 작업 현장의 이미지, 센서 데이터, 안전 보고서, 서신, 교육 로그, 과거 사건 등을 분석하여 잠재적 문제를 감지하는 데 도움이 될 수 있다. 이를 통해 조직은 새로운 안전 문제를 조기에 경고하여 사전에 해결할 수 있다. 협업 프로젝트 관리자는 프로젝트 성공을 위해 협업에 의존한다. 이는 개방적이고 투명한 공급망에서 시작된다. 정보 병목 현상, 파트너 간의 상호 종속성을 쉽게 식별할 수 있다. 오토데스크의 AI 기반 프로젝트 데이터 분석 기술 개발 사례 약 3 년간 테스트 끝에 Autodesk는 대규모 프로젝트 데이터를 분석하여, 위험 수준별로 안전 및 품질 문제를 평가하는 기계 학습 도구인 BIM 360 Construction IQ 버전을 출시했다(2019). 알고리즘은 BIM 360을 사용하는 프로젝트에서 수백 또는 수천 개의 문제를 분류하여, 일일 위험 평가 대시 보드를 생성한다.  프로젝트 형식을 사용하면 감독자 또는 프로젝트 관리자가 하청 업체 및 특정 프로젝트 문제와 관련된 위험 수준을 볼 수 있으며, 경영진 형식은 운영 부사장 또는 품질 책임자에 정보를 제공하여 모든 프로젝트에서 위험을 비교할 수 있다. 계약 업체 BAM Ireland는 현장의 품질 및 안전 문제를 20% 줄였다고 언급했다. 대시보드가 제공하는 추세에 대한 가시성 덕분에 프로젝트 위험 문제를 해결하는 데 25% 더 많은 시간이 소모될 수 있음을 발견했다. Paric Construction 기술 혁신 부사장인 Andy Leek는 프로젝트 관리자, 엔지니어가 매일 약 50 개의 항목으로 체크리스트를 작성하고, 현장에서 관찰한 모든 문제를 보고한다. 보고서를 생성하는 대신 체크리스트는 대시 보드에 자동으로 입력되는 모든 문제를 수집하고 정보를 제공한다. 다만, Autodesk는 알고리즘 결정이 항상 올바른 것은 아니며, 일부 고위험 문제가 감지되지 않을 수 있다는 면책 조항을 포함한다. 도구를 개발할 때 Autodesk는 알고리즘이 실행되는 방법을 밝히고 싶었다. 예측에서 AI는 사람들에게 블랙 박스이다. 그러므로, 이를 신뢰해야 하는지 이해하지 못한다. BIM 360 Enterprise Products 이사인 Pat Keaney는 "우리는 위험성이 높은 품질 문제를 식별하는 데 필요한 몇 가지 핵심 사항을 간단하게 보여주는 사용자 인터페이스를 개발했다."고 말했다. 사용자는 드릴다운하여 문제를 더 깊이 탐색할 수 있다. AI기반 지형 스캔 조사 및 분석 기술 개발 사례 Nye Veier는 노르웨이 트론헤임 인근 도로 건설 프로젝트에서 EMerald Geomodelling 지형 스캐닝 조사 기술 및 머신 러닝 알고리즘을 사용하여 1년 간 지반 공학 조사 기간을 절약하고, 2억 5천만 NOK 도로 건설 비용을 절감했다. Kvithammar 마을과 Åsen 마을 사이에 새로운 고속도로를 건설하고 설계하기 전에, 프로젝트 소유자인 Nye Veier는 지반 상태를 조사해야 했다. EMerald Geomodelling이 참여하기 전에 몇 가지 지질 공학 조사가 수행되었다. 지반 시추는 기반 시설이 건설될 지면 조건에 대한 충분한 정보를 얻기 위한 기술로, 시간 소모적인 방법이다. EMerald Geomodelling의 기술과 솔루션을 사용하여 이 문제를 대폭 줄 일 수 있었다. EMerald Geomodelling은 NGI의 하청 업체로 일하며, 수석 엔지니어 Alf Kristian Lund와 긴밀하게 협력한다. 시추는 충분한 자료를 얻기 위해 1년이 걸렸지만, 이 프로젝트의 지반 스캐닝 조사는 단 며칠 만에 수행되었다. 헬리콥터, 드론과 같은 항공 기술을 사용하는 가장 큰 장점은 짧은 시간에 넓은 지역의 데이터를 수집 할 수 있다는 것이다. 적은 수의 전략적 시추와 지오 스캐닝 기술을 결합하면 프로젝트 초기에 전체 영역을 보다 포괄적으로 파악할 수 있다.  EMerald Geomodelling에서 개발한 지오 스캐닝(Geo scanning) 및 기계 학습 알고리즘을 사용하여 제한된 시추공 사이의 지면 상태를 비행 스캔 후 2주 이내에 모델링되었다. 3D 모델은 암반 함몰이 처음에 예상했던 것보다 더 깊다는 것을 보여주었다. 그러한 조건에서 건설하는 것은 매우 많은 비용이 소모된다. 이를 고려해, 계획된 경로가 프로젝트 초기에 이동되었고, 우리는 덜 최적된 경로를 따라 도로가 건설되는 것을 피했다. 이러한 절감액은 약 2억 5천만 NOK로 추산된다. 참고로, 10년 이상, Andi A. Pfaffhuber는 NGI의 기존 지반 조사 과정을 단순화하는 방법에 대한 연구를 주도했다. 마무리 AI 머신러닝은 건설 산업의 흐름을 바꾸고 있다. 오늘날 AI를 통해 우리는 미래를 내다보고 의사 결정을 개선할 수 있다. 물론, 이러한 기술 활용을 위해서는 현장의 적절한 디지털 트랜스포메이션과 명확한 요구사항, 그리고 진지한 기술 활용의 자세가 있어야 할 것이다. 레퍼런스
|
댓글 없음:
댓글 쓰기