기계학습을 통한 커튼월 시공단계에서의 3D 레이저 스캐너 측정 방안 제안 및 효용성 검증

Abstract

최근 건설 프로젝트의 품질 관리에 대한 중요성이 대두되고 있지만, 적정 품질 확보 실패로 공기 지연 및 공사비 증가 등의 문제가 지속되고 있다. 건설공사의 특성상 결과물의 상황을 파악하기 어려운 작업의 사후 품질 관리보다 실시간 품질관리의 필요성이 제기되고 있다. 실시간 품질관리를 위해서는 작업 결과의 인력에 의한 수동측정보다 3D 레이저 스캐너와 같은 디지털 기기를 도입해 측정할 필요가 있다. 여러 시공 공정들 중에 커튼월 공사는 커튼월 발주 이전에 기존 시공현장을 사전에 검측 하는 단계가 매우 중요하다. 하지만 기존 연구고찰결과 커튼월 공사의 사전 검측단계에서 빈번히 오차가 일어나 품질관리가 제대로 이루어지지 않고 있다는 것을 확인하였다. 이에 따라 커튼월 공사에서 사전 검측 단계의 품질관리를 효율적으로 진행해 생산성과 품질을 동시에 높일 수 있는 방안의 필요성이 제기 되고 있다.

이에 본 논문은 3D 레이저 스캐너를 도입해 커튼월 공정에서의 품질관리 효율을 높이고, 기존의 인력 검측 방식에 비해 높은 생산성을 보일 수 있는 방안을 제안한 후 그 효과를 검증한다. 관련 연구를 통해 3D 레이저 스캐너의 상세 정보를 파악하고, 현장 규모에 따라 3D 레이저 스캐너의 활용방식을 산정한다. 이 후, 3D 레이저 스캐너 도입 이후의 효과를 검증하기 위해 기계학습을 통해 3D 레이저 스캐너의 공사 기간 단축 효과를 예측한다. 기계학습은 사전의 데이터를 기반으로 새로운 정보를 예측하는 것에 유용한 도구이다. 따라서 본 논문은 기존 인력 검측 방식을 통해 사전 검측을 진행한 자료와 3D 레이저 스캐너를 이용한 자료를 수집하여 과거 공사 자료를 구축하고, 이를 기계학습 모델에 학습시킨다. 그 중 인력 검측 방식을 이용했던 공사에 3D 스캐너를 사용한다고 가정한 뒤에 3D 스캐너 활용방안을 설정한다. 이를 통해 기존 인력 검측 방식의 공사에서 3D 레이저 스캐너를 사용했을 시의 공사 기간을 예측하고 기존 자료와 비교를 통해 그 효과를 검증한다. 기계학습 모델은 다중선형회귀, 의사결정나무, 랜덤포레스트의 총 3가지 모델을 사용하였고 그 중 가장 예측 정확도가 높은 모델을 선정하였다.

본 연구에서 취득한 데이터를 기준으로 랜덤포레스트 모델이 가장 높은 정확도를 보였다. 또한 랜덤포레스트 모델을 통해 3D 레이저 스캐너를 사용한 방식에서의 공사 기간과 기존 인력 검측 방식을 비교했을 때, 단순 일수로는 평균 7.5일의 기간이 단축 가능한 것으로 예측되었고, 백분율로 계산할 시 평균 11.6%의 공사 기간이 단축 가능하다는 것을 예측하였다.

본 연구에서 제시하는 3D 레이저 스캐너의 측정 방안 및 효용성 검증을 통해 기존 커튼월 공사에서의 품질관리를 효율적으로 진행하고 동시에 생산성을 높이는 효과를 기대할 수 있고, 실무에 적용하기 위해 그 효과를 검증해서 의사결정판단 도구로 유용하게 활용될 수 있을 것으로 기대된다.