인공지능시대와 건설 산업의 고민

 인공지능시대에서 건설산업의 고민을 잘 보여주는 글이 있어 소개한다(레퍼런스 참고). 

건설 산업은 미국 GDP의 4%를 차지하며, 경제의 가장 큰 분야 중 하나이다. 그러나 연간 3.6%의 성장률을 보이는 제조업에 비해 연간 1%의 느린 생산성 증가로 어려움을 겪고 있다. 건설 산업은 디지털화도 가장 낮다. 기술 및 혁신이 가장 낮은 산업 중 하나이다.

건설 산업은 비용 초과 및 일정 지연으로 어려움을 겪고 있다. 일정이 빡빡한 메가 프로젝트와 수십억 달러 규모의 프로그램이 증가하고 있다. 건설사는 건물 및 정보 관리 프로세스의 효율성을 높이기 위한 기술을 찾고 있다.

기계 학습(ML. Machine Learning)은 시공 프로세스의 효율성을 높일 수 있는 잠재력이 있다. 인공지능의 대표적 기술인 기계학습은 많은 학습 데이터가 필요하다. 업계는 세계에서 가장 단편화(silo)된 산업 중 하나이다. 빅데이터에 대한 접근이 ML 구현의 가장 큰 과제이다. 학습 알고리즘을 훈련시키기 위해서는 많은 양의 구조화된 데이터가 필요하다. 빅데이터에 액세스 할 수 있는 조직은 ML 알고리즘을 활용하고 업계를 발전시킬 수 있다.

Skanska는 11개국에서 운영되는 세계 최대의 건설 및 개발 회사 중 하나로서 2017년에 4만명의 직원과 188억 달러의 매출을 달성했다. 이 조직은 ML 알고리즘을 훈련시키고 향후 작업을 자동화하는 데 사용할 수 있는 방대한 양의 프로젝트 데이터에 액세스 할 수 있다.

Skanska는 Smartvid.io와 같은 클라우드 기반 플랫폼을 사용하여 ML을 구현하기 시작했다. 특정 건설 ​​현장에서 현장 팀은 사진과 비디오를 통해 방대한 양의 데이터를 수집한다. 역사적으로이 모든 사진 데이터를 수집, 저장 및 라벨링하는 작업은 시간이 많이 걸리는 작업이었으며, 건설 회사는 멀티 비스타와 같은 컨설턴트에게 작업을 아웃소싱했다. 

Smartvid.io 플랫폼은 모바일, 태블릿 및 UAV를 포함한 다양한 소스의 사진 및 비디오 데이터 수집하고, 무제한 저장 공간을 제공하며, 사용자의 라벨링을 통해 지속적으로 학습한다. 이를 통해 학습 알고리즘이 전문가 라벨링을 통해 학습하고 사진에서 안전 위험을 자동으로 식별하여 건설 현장 안전을 지원할 수 있다. 예를 들어, 작업자가 안전모를 착용하지 않았거나 필요한 안전 장비를 사용하지 않는지 식별 할 수 있다.

건설 업계의 많은 부분이 여전히 하드 카피 문서와 스프레드 시트를 통해 정보교환을 한다. 수십억 달러 규모의 인프라 프로젝트 팀은 보다 체계적인 프로젝트 관리 시스템보다는 전자 메일 및 스프레드 시트를 사용한다. Skanska를 포함한 건설 회사는 ML을 구현할 수 있도록 비정형 데이터를 구조화하는 데 주력해 왔다. 클라우드 기반 프로젝트 관리 시스템 및 BIM 관리 소프트웨어 기술을 통해 조직은 훨씬 더 많은 데이터를 분석하고 학습할 수 있다.

ML의 향후 응용 분야는 다음과 같다.

프로젝트 견적을 자동으로 계산 – 건설 비용 추정은 건설 회사 데이터베이스 및 직원 경험에 의존합니다. 견적 담당자는 수량 산출을 수행하고 유사한 프로젝트에 대한 회사 데이터베이스를 검색하고 거래 업체에 연락하여 최신 시장 가격을 확인한다. 프로세스는 반복적이고 시간이 많이 걸리며 사람의 실수가 발생하기 쉽다. ML은 견적 프로세스의 속도와 정확성을 높이기 위해 회사의 방대한 포트폴리오에서 비용 구조와 분석을 비교하는 데 견적을 지원할 수 있다.

 

프로젝트 일정을 자동으로 계산 – 계획자는 시공 활동 시퀀스를 시각화하고 Gantt 차트 및 4D 모델을 통해 계획을 프로젝트 팀에 전달하는 데 상당한 시간을 소비한다. ML은 실제 시공 시퀀스의 4D 모델, 비디오 및 사진 캡처를 결합하여 과거 프로젝트의 데이터베이스에서 이를 학습함으로써 현실적인 일정을 자동으로 생성하고 4D 모델을 생성 할 수 있다.

 

ML은 실시간 성능 측정, 공급망 관리, 생성 설계 및 자연어 처리 응용 프로그램을 통한 규정 준수 검사 자동화를 지원할 수 있다.

하지만, 적대적인 건설 계약 구조, 단편화된 건설 산업에서 서로 다른 회사가 데이터를 공유하고 ML을 발전시킬 동기는 거의 없다. 그래서, IT 기술 회사는 새로운 경쟁의 승자가 될 수 있다. 

앞으로 건설 산업이 무엇을 할 수 있는 지 생각해 볼 필요가 있다.

레퍼런스

• Machine Learning in the Fragmented Construction Industry
• U.S. Department Of Commerce. Bureau Of Economic Analysis. Value Added By Industry As A Percentage Of Gross Domestic Product. 2018. https://apps.bea.gov/iTable/iTable.cfm?ReqID=51&step=1
• McKinsey Global Institute. 2017. “Reinventing Construction: A Route To Higher Productivity” Https://Www.Mckinsey.Com/~/Media/Mckinsey/Industries/Capital%20projects%20and%20infrastructure/Our%20insights/Reinventing%20construction%20through%20a%20productivity%20revolution/Mgi-Reinventing-Construction-A-Route-To-Higher-Productivity-Full-Report.Ashx
• McKinsey & Company. 2016. Capital Projects & Infrastructure. “Imagining Construction’s Digital Future”. https://www.mckinsey.com/industries/capital-projects-and-infrastructure/our-insights/imagining-constructions-digital-future
• World Economic Forum. 2016. “Shaping the Future of Construction”. http://www3.weforum.org/docs/WEF_Shaping_the_Future_of_Construction_full_report__.pdf
• Skanska. 2018. https://www.skanska.com/
• Caulfield, John. 2018. “Tech Report 5.0: AI Arrives”. Building Design and Construction. https://www.bdcnetwork.com/tech-report-50-ai-arrives
• Multi-vista. 2018. https://www.multivista.com/construction-photo-documentation/