KR101955550B1 - Information Service System to Support Life-Cycle Risk Management of Construction Projects - Google Patents
Information Service System to Support Life-Cycle Risk Management of Construction Projects Download PDFInfo
- Publication number
- KR101955550B1 KR101955550B1 KR1020170055097A KR20170055097A KR101955550B1 KR 101955550 B1 KR101955550 B1 KR 101955550B1 KR 1020170055097 A KR1020170055097 A KR 1020170055097A KR 20170055097 A KR20170055097 A KR 20170055097A KR 101955550 B1 KR101955550 B1 KR 101955550B1
- Authority
- KR
- South Korea
- Prior art keywords
- construction
- data
- risk factor
- information
- risk
- Prior art date
Links
- 238000010276 construction Methods 0.000 title claims abstract description 224
- 238000000034 method Methods 0.000 claims abstract description 27
- 238000007405 data analysis Methods 0.000 claims description 30
- 238000012423 maintenance Methods 0.000 claims description 18
- 238000007726 management method Methods 0.000 claims description 14
- 230000001788 irregular Effects 0.000 claims description 8
- 238000010586 diagram Methods 0.000 claims description 7
- 239000000284 extract Substances 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 6
- 230000000052 comparative effect Effects 0.000 claims description 5
- 238000007689 inspection Methods 0.000 claims description 5
- 238000013480 data collection Methods 0.000 claims description 4
- 230000007246 mechanism Effects 0.000 claims description 3
- 230000003449 preventive effect Effects 0.000 claims description 3
- 230000000737 periodic effect Effects 0.000 claims 1
- 238000005065 mining Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 230000009193 crawling Effects 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
건설 프로젝트의 전주기 위험요인 지식정보 서비스 시스템 및 건설 프로젝트의 전주기 위험요인 지식정보 제공 방법이 개시된다. 본 발명의 실시예에 따른 건설 프로젝트의 전주기 위험요인 지식정보 제공 방법은 건설 프로젝트의 위험요인과 관련되고 다양한 유형의 비정형 텍스트 데이터를 포함하는 건설 관련 데이터를 이용하여, 건설 프로젝트의 위험요인 관련 용어와 비정형 텍스트 데이터 사이의 의미적 상관관계를 학습하는 단계; 의미적 상관관계를 기반으로, 복수의 시계열적 단계별로 소정의 검색어와 비정형 텍스트 데이터의 관련도를 산출하여, 검색어와 연관된 위험요인 관련 데이터를 추출하는 단계; 및 위험요인 관련 데이터를 건설 프로젝트의 복수의 시계열적 단계별로 비교, 분석 및 요약하여 건설 위험요인 정보를 생성하는 단계를 포함한다.A method for providing knowledge information service system and all-round risk factor knowledge information of a construction project is disclosed. The method of providing knowledge information of all-round risk factors of a construction project according to an embodiment of the present invention uses construction-related data including various types of unstructured text data related to a risk factor of a construction project, Learning a semantic correlation between atypical text data and unstructured text data; Calculating a degree of association between a predetermined search term and unstructured text data in a plurality of time series steps based on a semantic correlation and extracting risk factor related data associated with the search term; And generating risk risk factor information by comparing, analyzing and summarizing the risk factor related data in a plurality of time series steps of the construction project.
Description
본 발명은 건설 프로젝트의 전주기 위험요인 지식정보 서비스 시스템 및 건설 프로젝트의 전주기 위험요인 지식정보 제공 방법에 관한 것이다.The present invention relates to a full-cycle risk factor knowledge information service system of a construction project and a full-cycle risk factor knowledge information providing method of a construction project.
세계 건설 시장 규모는 지속적으로 성장하여 2019년 약 $8조 규모를 형성할 것으로 전망된다. 이에 따라, 국내 건설 기업들은 생존을 위한 돌파구로서 해외건설 시장 진출확대를 위해 많은 노력을 하고 있다. 현대의 불확실한 경제 환경에서 지식정보는 지속 가능한 성장과 경쟁우위를 지속시켜주는 원천이다. 지식경영시스템은 이러한 지식정보 관리를 실현하는 도구로써 다양한 건설 기업에서 사용되어 왔다. 현재 건설 산업이 직면하고 있는 문제점 중 하나는 프로젝트 기반의 최종성과물 또는 프로젝트 수행 과정에서 발생하는 지식정보 및 기술들이 사장되거나 비효율적으로 관리되고 있는 점이다.The global construction market is expected to grow steadily, reaching $ 8 trillion by 2019. As a result, domestic construction companies are making efforts to expand their presence in the overseas construction market as a breakthrough for survival. In today's uncertain economic environment, knowledge information is a sustainable source of sustainable growth and competitive advantage. The knowledge management system has been used in various construction companies as a tool to realize such knowledge information management. One of the problems faced by the construction industry is the fact that knowledge and information generated from project-based final products or project execution are either obsoleted or inefficiently managed.
국내외에서 개발 및 운영되고 있는 대부분의 지식경영시스템은 행정 위주의 업무 처리로 인해 활용 목적이 명확하지 않은 지식을 저장하는 데이터 웨어하우스(data warehouse) 수준에 머무르고 있다. 건설 프로젝트 위험요인 관리 및 대응의 성공 및 실패 원인에 대한 평가와 사업수행 이후의 정보축적은 매우 미흡한 실정이며, 시스템으로부터 지식정보 생산을 통한 재활용 사례는 극히 제한적이다. 가치 있는 지식정보를 창출할 수 있는 전문 인력의 부족과, 건설 프로젝트의 긴박성으로 인해, 프로젝트 수행과정에서 생산되는 다양한 정보를 프로젝트 종료 후 정리, 분석할 여력이 없어, 대부분의 고급 정보가 데이터베이스 내에 사장되고 있다. 또한, 종래의 지식경영시스템은 기획, 설계, 발주, 시공, 유지관리 전주기에 걸쳐 위험요인을 정확하게 분석하지 못하였으며, 사업관리 시스템에 상당한 정보가 입력되어야만 사용자가 분석 결과를 확보할 수 있는 문제점도 있다.Most knowledge management systems developed and operated at home and abroad are at the level of a data warehouse that stores knowledge that is not intended to be used due to administration-oriented business processes. The evaluation of the success and failure cause of risk factor management and response of the construction project and the accumulation of information after the project implementation are insufficient, and the case of recycling through knowledge information production from the system is extremely limited. Due to the lack of skilled personnel capable of creating valuable knowledge and the urgency of construction projects, there is no way to organize and analyze various information produced during project execution after project termination. . In addition, the conventional knowledge management system can not accurately analyze the risk factors over the entire period of planning, design, ordering, construction and maintenance, and it is necessary to input the information into the business management system There is also.
본 발명은 건설 프로젝트의 전주기 위험요인 지식정보를 효과적이고 효율적으로 제공할 수 있는 건설 프로젝트의 전주기 위험요인 지식정보 서비스 시스템 및 건설 프로젝트의 전주기 위험요인 지식정보 제공 방법을 제공한다.The present invention provides a full-period risk factor knowledge information service system for a construction project and a method for providing full-cycle risk factor knowledge information of a construction project, which can effectively and efficiently provide knowledge information on all-round risk factors of a construction project.
본 발명이 해결하고자 하는 과제는 이상에서 언급된 과제로 제한되지 않는다. 언급되지 않은 다른 기술적 과제들은 이하의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.The problems to be solved by the present invention are not limited to the above-mentioned problems. Other technical subjects not mentioned will be apparent to those skilled in the art from the description below.
본 발명의 일 측면에 따른 건설 프로젝트의 전주기 위험요인 지식정보 서비스 시스템은 건설 프로젝트의 위험요인과 관련되고 다양한 유형의 비정형 텍스트 데이터를 포함하는 건설 관련 데이터를 수집하여 데이터베이스를 구축하는 데이터 수집부; 수집된 상기 건설 관련 데이터를 이용하여 건설 프로젝트의 위험요인 관련 용어와 상기 비정형 텍스트 데이터 사이의 의미적 상관관계를 학습하는 데이터 학습부; 학습된 상기 의미적 상관관계를 기반으로, 복수의 시계열적 단계별로 소정의 검색어와 상기 비정형 텍스트 데이터의 관련도를 산출하여, 상기 건설 관련 데이터 중에서 상기 검색어와 연관된 위험요인 관련 데이터를 추출하는 데이터 추출부; 및 추출된 상기 위험요인 관련 데이터를 건설 프로젝트의 복수의 시계열적 단계별로 비교, 분석 및 요약하여 건설 위험요인 정보를 생성하는 데이터 분석부를 포함한다.The risk information of a construction project according to one aspect of the present invention includes a data collection unit for collecting construction-related data including various types of unstructured text data related to a risk factor of a construction project and constructing a database; A data learning unit that learns a semantic correlation between a risk factor related term of the construction project and the irregular text data using the collected construction related data; Extracting data for extracting risk factor-related data associated with the search term from the construction-related data by calculating a relation between the predetermined search term and the irregular text data based on the learned semantic correlation; part; And a data analysis unit for comparing the extracted risk factor data with a plurality of time series steps of the construction project to generate construction hazard information.
상기 데이터 추출부는 상기 시계열적 단계별로 학습된 상기 의미적 상관관계를 기반으로, 상기 복수의 시계열적 단계별로 상이한 위험요인 관련 데이터를 추출할 수 있다.The data extractor may extract different risk factor related data for each of the plurality of time series based on the semantic correlation learned in each of the time series steps.
상기 복수의 시계열적 단계는 건설 프로젝트 기획 단계, 건설 시공 단계 및 시설물 유지관리 단계 중의 적어도 두 단계를 포함할 수 있다.The plurality of time series steps may include at least two stages of a construction project planning stage, a construction construction stage, and a facility maintenance stage.
상기 비정형 텍스트 데이터는 건설 현장 안전보고서, 작업 일보, 시설물 운영 및 유지관리 보고서 및 건설공사 리스크 데이터, 뉴스 기사, 사설, 학술지, 민원자료, 소셜네트워크서비스(SNS) 데이터를 포함할 수 있다.The atypical text data may include a construction site safety report, a work day report, a facility operation and maintenance report, construction construction risk data, a news article, an editorial, a journal, a complaint data, and a social network service (SNS) data.
상기 데이터 분석부는 텍스트, 그래프 및 도표를 활용하여 상기 건설 위험요인 정보를 시각화하고, 상기 복수의 시계열적 단계별로 상기 건설 위험요인 정보의 용어 선택을 변경하여 요약문을 생성할 수 있다.The data analyzer may visualize the construction risk factor information using text, a graph and a chart, and may generate a summary by changing the term selection of the construction risk factor information for each of the plurality of time series steps.
상기 데이터 추출부는 상기 건설 위험요인 정보에 포함된 건설 위험요인에 대한 의미적 관련도가 기준 값보다 낮은 비교대상 데이터를 상기 건설 관련 데이터에서 추출하고, 상기 데이터 분석부는 상기 위험요인 관련 데이터와 상기 비교대상 데이터를 비교하여, 상기 건설 위험요인의 발생원인 및 대처방안을 분석할 수 있다.Wherein the data extracting unit extracts, from the construction-related data, the comparison-object data in which the semantic relation of the construction risk factor included in the construction risk factor information is lower than the reference value, and the data analysis unit compares the risk- It is possible to analyze the causes of the construction risk factors and the countermeasures.
상기 데이터 분석부는 상기 건설 위험요인에 대해 복수의 대처방안이 존재하는 경우, 상기 복수의 대처방안별로 위험정도를 평가하여 가장 위험정도가 낮은 대처방안을 결정할 수 있다.The data analysis unit may determine the most dangerous countermeasures by evaluating the degree of risk for each of the plurality of countermeasures when there are a plurality of countermeasures against the construction risk factors.
상기 데이터 분석부는 상기 건설 위험요인 정보에 복수의 건설 위험요인이 포함된 경우, 상기 복수의 건설 위험요인별 위험수준을 평가하여 관리 우선순위를 결정할 수 있다.If the construction risk information includes a plurality of construction risk factors, the data analysis unit may determine the management priorities by evaluating the risk levels of the plurality of construction risk factors.
상기 데이터 분석부는 상기 위험요인 관련 데이터의 단어가 의미적 유사도를 갖는 용어들을 포함하는 경우, 상기 검색어와 유사도가 가장 높은 용어로 변환하여 상기 건설 위험요인 정보를 생성할 수 있다.When the words of the risk factor-related data include terms having semantic similarity, the data analyzer may convert the risk factor data into terms having the highest degree of similarity with the keyword to generate the construction risk factor information.
본 발명의 다른 측면에 따르면, 건설 프로젝트의 위험요인과 관련되고 다양한 유형의 비정형 텍스트 데이터를 포함하는 건설 관련 데이터를 이용하여, 건설 프로젝트의 위험요인 관련 용어와 상기 비정형 텍스트 데이터 사이의 의미적 상관관계를 학습하는 단계; 상기 의미적 상관관계를 기반으로, 복수의 시계열적 단계별로 소정의 검색어와 상기 비정형 텍스트 데이터의 관련도를 산출하여, 상기 검색어와 연관된 위험요인 관련 데이터를 추출하는 단계; 및 상기 위험요인 관련 데이터를 건설 프로젝트의 복수의 시계열적 단계별로 비교, 분석 및 요약하여 건설 위험요인 정보를 생성하는 단계를 포함하는 건설 프로젝트의 전주기 위험요인 지식정보 제공 방법이 제공된다.According to another aspect of the present invention, there is provided a risk management system for a construction project, which uses construction-related data related to risk factors of a construction project and includes various types of unstructured text data, ; Extracting risk factor related data associated with the search term by calculating a relevance of a predetermined search term and the irregular text data in a plurality of time series steps based on the semantic correlation; And generating construction risk information by comparing, analyzing, and summarizing the risk factor related data in a plurality of time series steps of the construction project.
상기 위험요인 관련 데이터를 추출하는 단계는 상기 시계열적 단계별로 학습된 의미적 상관관계를 기반으로, 상기 복수의 시계열적 단계별로 상이한 위험요인 관련 데이터를 추출할 수 있다.In the step of extracting the risk factor-related data, different risk factor-related data may be extracted for each of the plurality of time-series steps based on the semantic correlation learned during the time-series steps.
상기 건설 위험요인 정보를 생성하는 단계는 텍스트, 그래프 및 도표를 활용하여 상기 건설 위험요인 정보를 시각화하고, 상기 복수의 시계열적 단계별로 상기 건설 위험요인 정보의 용어 선택을 변경하여 요약문을 생성할 수 있다.The step of generating the construction risk factor information may visualize the construction risk factor information using text, a graph and a chart, and generate a summary statement by changing the term selection of the construction risk factor information for each of the plurality of time series steps have.
상기 위험요인 관련 데이터를 추출하는 단계는 상기 건설 위험요인 정보에 포함된 건설 위험요인에 대한 의미적 관련도가 기준 값보다 낮은 비교대상 데이터를 상기 건설 관련 데이터에서 추출하고, 상기 건설 위험요인 정보를 생성하는 단계는 상기 위험요인 관련 데이터와 상기 비교대상 데이터를 비교하여, 상기 건설 위험요인의 발생원인 및 대처방안을 분석할 수 있다.Wherein the step of extracting the risk factor-related data comprises the steps of: extracting, from the construction-related data, comparative data having a semantic degree of relevance with respect to a construction risk factor included in the construction risk factor information that is lower than a reference value; The generating step may analyze the cause of the construction risk factor and the countermeasure by comparing the risk factor data with the comparison object data.
본 발명의 또 다른 측면에 따르면, 상기 건설 프로젝트의 전주기 위험요인 지식정보 제공 방법을 실행시키는 프로그램이 기록된 컴퓨터로 판독 가능한 기록 매체가 제공된다.According to another aspect of the present invention, there is provided a computer-readable recording medium having recorded thereon a program for executing the method for providing the knowledge of all-risk factors of the construction project.
본 발명의 실시예에 의하면, 건설 프로젝트의 전주기 위험요인 지식정보를 효과적이고 효율적으로 제공하는 건설 프로젝트의 전주기 위험요인 지식정보 서비스 시스템 및 건설 프로젝트의 전주기 위험요인 지식정보 제공 방법이 제공된다.According to an embodiment of the present invention, there is provided a full-cycle risk factor knowledge information service system for a construction project and a full-cycle risk factor knowledge information provision method for a construction project, which effectively and efficiently provide knowledge information on all- .
본 발명의 효과는 상술한 효과들로 제한되지 않는다. 언급되지 않은 효과들은 본 명세서 및 첨부된 도면으로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확히 이해될 수 있을 것이다.The effects of the present invention are not limited to the effects described above. Unless stated, the effects will be apparent to those skilled in the art from the description and the accompanying drawings.
도 1은 본 발명의 일 실시예에 따른 건설 프로젝트의 전주기 위험요인 지식정보 서비스 시스템을 보여주는 개념도이다.
도 2는 본 발명의 일 실시예에 따른 건설 프로젝트의 전주기 위험요인 지식정보 서비스 시스템의 구성도이다.
도 3은 본 발명의 일 실시예에 따른 건설 프로젝트의 전주기 위험요인 지식정보 제공 방법의 흐름도이다.
도 4는 본 발명의 실시예에 따라 건설 프로젝트의 전주기 위험요인을 분석한 요약문을 개략적으로 보여주는 예시도이다.
도 5는 본 발명의 일 실시예에 따라 건설 프로젝터의 전주기 위험요인을 비교, 분석하는 것을 보여주는 흐름도이다.1 is a conceptual diagram showing an all-round risk factor knowledge information service system of a construction project according to an embodiment of the present invention.
FIG. 2 is a configuration diagram of a full-cycle risk factor knowledge information service system of a construction project according to an embodiment of the present invention.
FIG. 3 is a flowchart of a method for providing knowledge information on all-round risk factors of a construction project according to an embodiment of the present invention.
FIG. 4 is a schematic diagram illustrating a summary of a risk factor of a construction project according to an exemplary embodiment of the present invention.
5 is a flow chart illustrating comparing and analyzing the full-cycle risk factors of a construction projector in accordance with an embodiment of the present invention.
본 발명의 다른 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술하는 실시예를 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예에 한정되지 않으며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 만일 정의되지 않더라도, 여기서 사용되는 모든 용어들(기술 혹은 과학 용어들을 포함)은 이 발명이 속한 종래 기술에서 보편적 기술에 의해 일반적으로 수용되는 것과 동일한 의미를 갖는다. 공지된 구성에 대한 일반적인 설명은 본 발명의 요지를 흐리지 않기 위해 생략될 수 있다. 본 발명의 도면에서 동일하거나 상응하는 구성에 대하여는 가급적 동일한 도면부호가 사용된다. 본 발명의 이해를 돕기 위하여, 도면에서 일부 구성은 다소 과장되거나 축소되어 도시될 수 있다.Other advantages and features of the present invention and methods of achieving them will be apparent by referring to the embodiments described hereinafter in detail with reference to the accompanying drawings. However, the present invention is not limited to the embodiments disclosed below, and the present invention is only defined by the scope of the claims. Although not defined, all terms (including technical or scientific terms) used herein have the same meaning as commonly accepted by the generic art in the prior art to which this invention belongs. A general description of known configurations may be omitted so as not to obscure the gist of the present invention. In the drawings of the present invention, the same reference numerals are used as many as possible for the same or corresponding configurations. To facilitate understanding of the present invention, some configurations in the figures may be shown somewhat exaggerated or reduced.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다", "가지다" 또는 "구비하다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.The terminology used in this application is used only to describe a specific embodiment and is not intended to limit the invention. The singular expressions include plural expressions unless the context clearly dictates otherwise. In the present application, the terms "comprises", "having", or "having" are intended to specify the presence of stated features, integers, steps, operations, components, Steps, operations, elements, parts, or combinations thereof, whether or not explicitly described or implied by the accompanying claims.
본 명세서 전체에서 사용되는 '~부'는 적어도 하나의 기능이나 동작을 처리하는 단위로서, 예를 들어 소프트웨어, FPGA 또는 ASIC과 같은 하드웨어 구성요소를 의미할 수 있다. 그렇지만 '~부'가 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. '~부'는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다.Used throughout this specification may refer to a hardware component such as, for example, software, FPGA or ASIC, as a unit for processing at least one function or operation. However, "to" is not meant to be limited to software or hardware. &Quot; to " may be configured to reside on an addressable storage medium and may be configured to play one or more processors.
일 예로서 '~부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함할 수 있다. 구성요소와 '~부'에서 제공하는 기능은 복수의 구성요소 및 '~부'들에 의해 분리되어 수행될 수도 있고, 다른 추가적인 구성요소와 통합될 수도 있다.As an example, the term '~' includes components such as software components, object-oriented software components, class components and task components, and processes, functions, attributes, procedures, Routines, segments of program code, drivers, firmware, microcode, circuitry, data, databases, data structures, tables, arrays, and variables. The functions provided by the components and components may be performed separately by a plurality of components and components, or may be integrated with other additional components.
본 발명의 실시예에 따른 건설 프로젝트의 전주기 위험요인 지식정보 서비스 시스템은 대형화되고 복잡해진 건설 프로젝트의 전주기에 걸쳐 발생할 수 있는 위험요인을 선제적으로 관리, 대응하는데 도움을 줄 수 있는 지식정보를 효과적이고 효율적으로 지원하기 위해 제공된다.The knowledge information service system of the whole-cycle risk factor of the construction project according to the embodiment of the present invention is a knowledge information service system which can help to preemptively manage and cope with the risk factors that may occur over the entire period of a large- To provide effective and efficient support.
건설 산업에서의 위험요인(risk)은 건설 프로젝트의 성공적인 수행에 영향을 미치는 불확실성을 내포한 모든 요인을 통칭하며, 결과에 부정적인 영향을 초래할 수 있는 발생 가능한 사건을 의미할 수 있다.Risk in the construction industry refers to all the factors that have uncertainty affecting the successful performance of a construction project, and may refer to possible events that could have a negative impact on the outcome.
본 발명의 실시예에 따른 건설 프로젝트의 전주기 위험요인 지식정보 제공 방법은 건설 프로젝트의 위험요인과 관련되고 다양한 유형의 비정형 텍스트 데이터를 포함하는 건설 관련 데이터를 이용하여, 건설 프로젝트의 위험요인 관련 용어와 비정형 텍스트 데이터 사이의 의미적 상관관계를 학습하는 단계; 의미적 상관관계를 기반으로, 복수의 시계열적 단계별로 소정의 검색어와 비정형 텍스트 데이터의 관련도를 산출하여, 검색어와 연관된 위험요인 관련 데이터를 추출하는 단계; 및 위험요인 관련 데이터를 건설 프로젝트의 복수의 시계열적 단계별로 비교, 분석 및 요약하여 건설 위험요인 정보를 생성하는 단계를 포함한다.The method of providing knowledge information of all-round risk factors of a construction project according to an embodiment of the present invention uses construction-related data including various types of unstructured text data related to a risk factor of a construction project, Learning a semantic correlation between atypical text data and unstructured text data; Calculating a degree of association between a predetermined search term and unstructured text data in a plurality of time series steps based on a semantic correlation and extracting risk factor related data associated with the search term; And generating risk risk factor information by comparing, analyzing and summarizing the risk factor related data in a plurality of time series steps of the construction project.
도 1은 본 발명의 일 실시예에 따른 건설 프로젝트의 전주기 위험요인 지식정보 서비스 시스템을 보여주는 개념도이다. 본 실시예에 따른 건설 프로젝트의 전주기 위험요인 지식정보 서비스 시스템(100)은 단말기들(10,20,30)과 네트워크 연결되어 건설 관련 데이터를 수집하고, 수집된 건설 관련 데이터를 이용하여 건설 프로젝트의 전주기에 걸친 건설 위험요인 정보를 제공한다.1 is a conceptual diagram showing an all-round risk factor knowledge information service system of a construction project according to an embodiment of the present invention. 20, and 30 to collect construction-related data and collect the construction-related data using the collected construction-related data, And provides information on construction risk factors over the entire cycle.
도 2는 본 발명의 일 실시예에 따른 건설 프로젝트의 전주기 위험요인 지식정보 서비스 시스템의 구성도이다. 도 1 및 도 2를 참조하면, 본 실시예에 따른 건설 프로젝트의 전주기 위험요인 지식정보 서비스 시스템(100)은 데이터 수집부(110), 데이터 학습부(120), 데이터 추출부(130) 및 데이터 분석부(140)를 포함한다.FIG. 2 is a configuration diagram of a full-cycle risk factor knowledge information service system of a construction project according to an embodiment of the present invention. 1 and 2, the whole-cycle risk factor knowledge
도 3은 본 발명의 일 실시예에 따른 건설 프로젝트의 전주기 위험요인 지식정보 제공 방법의 흐름도이다. 도 1 내지 도 3을 참조하면, 데이터 수집부(110)는 건설 프로젝트의 위험요인과 관련되는 다양한 유형의 비정형 텍스트 데이터와 정형 데이터를 포함하는 건설 관련 데이터를 수집하여 데이터베이스를 구축한다(S10).FIG. 3 is a flowchart of a method for providing knowledge information on all-round risk factors of a construction project according to an embodiment of the present invention. 1 to 3, the
비정형 텍스트 데이터는 워드프로세서, e-mail, 프레젠테이션, 스프레드시트, PDF와 같은 복합문서 및 인터넷 페이지 등의 비정형 텍스트 형태로 제공될 수 있으며, 위험요인에 대한 설명, 관리 및 대응 방법, 그에 대한 효과 분석 등의 정보가 포함될 수 있다.Unstructured text data can be provided in the form of unstructured text such as word processing, e-mail, presentation, spreadsheet, PDF and other complex documents and internet pages. Explain the risk factors, manage and respond to them and analyze their effects. And the like may be included.
일 실시예로, 비정형 텍스트 데이터는 건설 현장 안전보고서, 작업 일보, 시설물 운영 및 유지관리 보고서, 건설공사 리스크 데이터, 뉴스 기사, 사설, 학술지, 민원자료, 소셜네트워크서비스(SNS) 데이터 등을 포함할 수 있다.In one embodiment, the unstructured text data may include construction site safety reports, work daily reports, facility operation and maintenance reports, construction risk data, news articles, editorials, journals, complaints data, social network service (SNS) .
위험요인과 관련된 비정형 텍스트 데이터의 수집 및 활용을 용이하게 하기 위하여, 데이터베이스는 NoSQL(Not Only Structured Query Language) 데이터베이스로 제공될 수 있다.In order to facilitate the collection and utilization of unstructured text data associated with risk factors, the database may be provided as a NoSQL (Not Structured Query Language) database.
NoSQL 데이터베이스는 테이블의 스키마가 유동적이고, 대용량의 데이터를 저장할 수 있으며, 데이터를 여러 대의 서버에 분산해 저장하는 분산형 구조를 가지므로, 본 발명의 데이터베이스 구조로 적합하다.The NoSQL database is suitable for the database structure of the present invention because the schema of the table is flexible and can store a large amount of data and has a distributed structure in which data is distributed and stored in a plurality of servers.
이와 같이, 빅데이터 오픈소스 기반으로, 건설 산업에 산재되어 웹상에 분산되어 있는 다양한 유형의 비정형 텍스트 데이터를 수집하고, 방대한 양의 건설 관련 데이터를 자동 검색하여 데이터베이스를 구축 및 자동 확장함으로써, 사용자가 반드시 상당한 정보를 입력하지 않더라도 전주기 위험요인과 관련하여 유의미한 결과를 얻을 수 있다.Thus, by collecting various types of unstructured text data scattered on the web and scattered in the construction industry based on the Big Data open source, automatically constructing and automatically expanding a large amount of construction-related data, Significant results can be obtained with respect to risk factors for all-round risk without necessarily entering substantial information.
일 실시예로, 데이터 수집부(110)는 크롤링(crawling), 웹마이닝(web mining), RSS Reader, Open API를 이용한 프로그래밍 등의 방법에 의해 자동으로 건설 관련 데이터를 수집하여 데이터베이스를 구축할 수 있다.In one embodiment, the
일 실시예로, 건설 관련 데이터는 복잡하고 다양한 형태의 비정형 텍스트 데이터 외에, 객관적 사실을 정형화된 형태로 전달하는 정형 데이터를 포함할 수 있다.In one embodiment, construction-related data may include structured data that conveys objective facts in a formalized form in addition to complex and various types of unstructured text data.
데이터 학습부(120)는 데이터 수집부(110)에 의해 수집된 건설 관련 데이터를 이용하여 건설 프로젝트의 위험요인 관련 용어와 비정형 텍스트 데이터에 포함된 단어들 간에 전후 문맥을 고려한 의미적 관련성을 나타내는 의미적 상관관계를 학습한다(S20).The
위험요인 관련 용어는 건설 프로젝트의 위험요인과 관련된 용어로서, 건설 산업의 전문 용어, 사전에 포함된 용어, 건축 종사자나 일반인에게 사용되는 자연어 등을 포함할 수 있다. 위험요인 관련 용어는 예를 들면, 유찰, 사고, 붕괴, 손상, 재해, 재난, 이와 의미적으로 유사한 용어들을 포함할 수 있다.Risk-related terms are terms related to the risk factors of a construction project, which may include technical terms in the construction industry, pre-contained terms, and natural language used by construction workers or the general public. Risk-related terms may include, for example, trivia, accident, collapse, damage, disaster, disaster, and terms similar in meaning to them.
데이터 학습부(120)는 머신러닝(machine learning)에 의해 건설 관련 데이터를 기반으로 학습을 수행하는 과정을 반복하여 건설 프로젝터의 전주기 위험요인 지식정보 제공 성능을 지속적으로 향상시킬 수 있다.The
일 실시예로, 데이터 학습부(120)는 다층구조 형태의 신경망 알고리즘을 기반으로 높은 수준의 추상화 모델을 구축하는 딥러닝(deep learning)을 활용하여 건설 프로젝트의 위험요인 관련 용어와 비정형 텍스트 데이터 간의 의미적 상관관계를 학습할 수 있다.In one embodiment, the
건설 프로젝터에서 위험요인은 건설 프로젝트의 전주기(기획, 설계, 발주, 시공, 유지관리)에 걸쳐 존재하며, 대표적인 단계별 위험요인으로는 기획 단계의 해외건설 위험요인, 시공 단계의 건설현장 안전 위험요인, 유지관리 단계의 시설물 유지관리 위험요인 등이 있다.Risk factors in construction projectors exist throughout the entire cycle (planning, design, ordering, construction and maintenance) of the construction project. Typical risk factors include risk factors for overseas construction at the planning stage, , And facility maintenance risk factors in the maintenance phase.
일 실시예로, 의미적 상관관계의 학습은 예를 들어, 건설 프로젝트의 단계마다 별개로 수행될 수 있으며, 그에 따라 건설 프로젝트의 시계열적 단계별로 특정 용어와 건설 관련 데이터 간의 의미적 상관관계는 상이하게 학습될 수 있다.In one embodiment, the learning of the semantic correlation can be performed separately for each stage of the construction project, for example, so that the semantic correlation between the specific term and the construction-related data in a time- Can be learned.
다른 실시예로, 다층구조 형태의 신경망 알고리즘의 변수들에 건설 프로젝트의 시계열적 단계들을 포함시켜 위험 요인 관련 용어와 건설 관련 데이터의 단어들 간 의미적 상관관계를 학습할 수도 있다.In another embodiment, the variables of the neural network algorithm in the form of a multilayer structure may include time-series steps of the construction project to learn the semantic correlations between the terms of the risk factor and the words of construction-related data.
데이터 추출부(130)는 데이터 학습부(120)에 의해 학습된 의미적 상관관계를 기반으로, 복수의 시계열적 단계별로 소정의 검색어와 비정형 텍스트 데이터의 관련도를 산출하여, 건설 관련 데이터 중에서 검색어와 연관된 위험요인 관련 데이터를 추출한다(S30).The
검색어는 사용자의 단말기에 마련된 키보드, 마우스, 터치패드 등의 입력 수단을 통해 입력될 수 있다. 사용자에 의해 입력된 하나 이상의 검색어는 건설 위험요인 정보 제공을 요청하는 메시지와 함께 건설 프로젝트의 전주기 위험요인 지식정보 서비스 시스템으로 전송될 수 있다.The search term may be input through input means such as a keyboard, a mouse, and a touch pad provided in the terminal of the user. One or more search terms entered by the user may be transmitted to the full-cycle risk factor knowledge information service system of the construction project together with a message requesting construction risk information provision.
검색어는 예를 들어, 건설 프로젝트의 지역, 업종, 시기 등 프로젝트 특성을 나타내는 정보를 포함할 수 있다. 일 실시예에 있어서, 상기 복수의 시계열적 단계는 건설 프로젝트의 기획 단계, 건설 시공 단계 및 건설 시공 완료 후의 시설물 유지관리 단계를 포함할 수 있다.The search terms may include information indicating project characteristics such as, for example, the region, industry type, and timing of the construction project. In one embodiment, the plurality of time series steps may include a planning stage of a construction project, a construction construction stage, and a facility maintenance stage after the construction completion.
일 실시예로, 검색어와 비정형 텍스트 데이터의 관련도는 검색어와 비정형 텍스트 데이터에 포함된 단어들 간의 의미적 유사도를 산출하여 결정될 수 있다. 의미적 유사도는 데이터 학습부(120)의 의미적 상관관계 학습 결과에 의해 좌우될 수 있다.In one embodiment, the relevance of the search term to the unstructured text data may be determined by calculating the semantic similarity between the search term and the words included in the unstructured text data. The semantic similarity may be determined by the semantic correlation learning result of the
데이터 추출부(130)는 사용자의 검색 의도를 파악하여 맞춤형 지식정보를 제공하기 위해, 의미 기반 검색에 의해 건설 관련 데이터 중에서 위험요인 관련 데이터를 검색할 수 있다. 의미 기반 검색에 의해, 건설 용어나 건설 관련 문서에 포함된 문장의 뜻을 전후 문맥을 고려하여 논리적으로 추론해, 상황에 맞는 결과를 찾을 수 있다.The
일 실시예에서, 사용자 검색어 의미 파악을 위한 코퍼스(corpus)가 구축될 수 있으며, 의미 기반 검색을 위해 대규모의 문서에서 텍스트 데이터를 분석하여 의미 있는 정보를 추출하는 텍스트마이닝(text mining)이 활용될 수 있다.In one embodiment, a corpus for semantic recognition of user queries can be constructed, and text mining for extracting meaningful information by analyzing text data in a large document for semantic-based retrieval is utilized .
데이터 추출부(130)는 텍스트마이닝을 위해, 비정형 텍스트 데이터와 정형 데이터를 포함하는 건설 관련 데이터에 대해 형태 분석, 의미 분석, 대화 분석 등을 통해 건설 산업의 언어적 특성을 반영할 수 있는 자연어 처리(natural language processing)를 수행하여 컴퓨터가 인식해서 처리할 수 있도록 하며, 건설 관련 데이터를 의미 기반으로 분석하여 위험요인 관련 데이터를 검색할 수 있다.The
일 실시예에서, 데이터 추출부(130)는 시계열적 단계별로 학습된 의미적 상관관계를 기반으로, 복수의 시계열적 단계별로 상이한 위험요인 관련 데이터를 추출할 수 있다.In one embodiment, the
복수개의 검색어가 입력되는 경우, 해당 검색어들의 우선 순위는 복수의 시계열적 단계별로 상이하게 결정될 수 있다. 그에 따라 시계열적 단계별로 상이한 위험요인 관련 데이터가 검색될 수 있다. 시계열적 단계별 검색어들의 우선 순위는 데이터 학습부(120)에 의해 학습될 수 있다.When a plurality of search terms are input, the priority of the search terms may be determined differently for each of a plurality of time series steps. Accordingly, different risk factor-related data can be retrieved in a time-stepwise manner. The priority of the temporal step-by-step search terms can be learned by the
데이터 분석부(140)는 데이터 추출부(130)에 의해 추출된 위험요인 관련 데이터를 건설 프로젝트의 복수의 시계열적 단계별로 비교, 분석 및 요약하여 건설 위험요인 정보를 생성한다(S40).The
일 실시예로, 데이터 분석부(140)는 위험요인 관련 데이터의 단어가 의미적 유사도를 갖는 용어들을 포함하는 경우, 검색어와 유사도가 가장 높은 용어로 변환하여 건설 위험요인 정보를 생성할 수 있다. 의미적 유사도는 건설 프로젝트의 시계열적 단계별로 다르게 산출될 수 있다.In one embodiment, when the words of the risk factor-related data include terms having semantic similarity, the
일 실시예로, 데이터 분석부(140)는 사용자의 이해를 돕기 위해, 건설 위험요인 정보를 텍스트, 그래프 및 도표를 활용하여 재가공하여 시각화하고, 복수의 시계열적 단계별로 건설 위험요인 정보의 용어 선택을 변경하여 요약문을 생성 및 출력함으로써, 사용자 맞춤형 검색 결과를 제공한다(S50).In one embodiment, the
본 명세서에서, 시각화(data visualization)는 데이터 분석 결과를 그래프, 도표, 이미지 등의 형태로, 사용자가 쉽게 이해할 수 있도록 시각적으로 표현하고 전달하는 처리를 의미할 수 있다.In the present specification, data visualization may refer to a process of visually expressing and transmitting data analysis results in the form of graphs, charts, images, etc. so that the user can easily understand them.
도 4는 본 발명의 실시예에 따라 건설 프로젝트의 전주기 위험요인을 분석한 요약문을 개략적으로 보여주는 예시도이다. 요약문(40)은 위험요인을 텍스트로 요약한 요약정보 항목(42)과, 위험요인을 비교, 분석하여 도표나 그래프 등으로 시각화한 위험요인분석 항목(44)을 포함할 수 있다.FIG. 4 is a schematic diagram illustrating a summary of a risk factor of a construction project according to an exemplary embodiment of the present invention. The
일 실시예로, 데이터 분석부(140)는 로봇저널리즘(robot journalism)에 의해 요약문을 생성할 수 있다. 로봇저널리즘은 텍스트마이닝을 활용하여 개발한 소프트웨어를 통해 자동으로 기사를 작성하는 기술을 의미한다.In one embodiment, the
일 실시예로, 데이터 분석부(140)는 웹과 건설 현장에서 발생하는 비정형 텍스트 데이터에 대해 텍스트마이닝을 활용하여 통계적 수치를 도출하여 의미와 가치를 판단하고, 사용자의 검색 내용에 대하여 가장 효과적으로 지식정보를 전달할 수 있다고 판단되는 구성을 선택할 수 있다.In one embodiment, the
데이터 분석부(140)는 지식정보의 전달 방식이 정해지면 시각화된 자료에 구체적인 정보를 붙이고, 구축된 데이터베이스와 코퍼스의 건설 산업 특화 언어를 활용하여, 사용자가 이해할 수 있는 유용한 지식정보를 배열한다. 이때, 건설 프로젝트의 단계 및 유형에 따라 용어 선택이 달라진다.The
일 실시예에서, 사용자에게 제공된 지식정보 결과 내용은 데이터베이스에 다시 자동으로 축적되어 활용되므로, 이후 유사 검색어 입력 시 검색 성능을 향상시킬 수 있으며, 건설 현장의 데이터 수집 및 활용의 선순환 구조를 확립할 수 있다.In one embodiment, since the contents of the knowledge information provided to the user are automatically accumulated and utilized in the database, search performance can be improved at the time of input of a similar keyword, and a virtuous cycle structure of data collection and utilization at the construction site can be established have.
일 예로, 해외건설의 기획 단계에서 건설 위험요인 정보는 계약 진행, 사후 관리 등의 진행시 잘못 사용될 수 있는 용어의 예시, 권장되는 전문 용어의 예시, 위험이슈가 적은 국가 등이 포함될 수 있다.For example, construction risk information at the planning stage of overseas construction may include examples of terminology that can be misused when conducting contracts and follow-up management, examples of recommended terminology, and countries with low risk issues.
건설현장 안전관리 단계에서 건설 위험요인 정보는 사례별 위험요인, 주요 발생 원인, 방지 대책 등이 포함될 수 있으며, 현장시공 작업자가 정확하게 이해할 수 있도록 시공 과정의 장비 또는 작업 관련 용어를 기반으로 건설 위험요인 정보가 제공될 수 있다.In the safety management stage of the construction site, the construction risk information may include risk factors, major causes, and preventive measures for each case. In order to ensure that the construction worker understands correctly, construction risk factors Information can be provided.
시설물 유지관리 단계에서 건설 위험요인 정보는 손상 종류, 손상 발생 메커니즘, 손상 원인 등이 포함될 수 있으며, 유지보수 작업자가 정확하게 이해할 수 있도록 점검 이력, 점검 부재 관련 기술적 용어를 기반으로 건설 위험요인 정보가 제공될 수 있다.Construction risk information at the facility maintenance stage may include type of damage, mechanism of damage, cause of damage, and construction risk information is provided based on the inspection history and technical terms related to the inspection member so that the maintenance worker can understand it correctly. .
본 발명의 실시예는 해외건설 프로젝트의 기획 단계에서 활용되어, 해외건설 프로젝트의 전주기에 걸친 주요 위험요인을 파악하여 위험요인을 집중 관리하고, 선제적 대응에 활용될 수 있다.The embodiment of the present invention can be utilized in the planning stage of an overseas construction project to identify the main risk factors over the entire period of the overseas construction project, to centrally manage the risk factors, and to utilize for the preemptive response.
또한, 건설 프로젝트의 특정 공법 및 공종에 대한 위험요인 사전 검토로 건설현장의 안전사고 발생을 미연에 방지하고, 건설 안전사고 예방체계 확립에 활용될 수 있다. 뿐만 아니라, 건설 시공 후 시설물 유지관리 시 발생하는 주요 위험요인을 파악하여 최적의 시설물 유지관리를 위한 의사결정 지원에 활용될 수 있다.In addition, preliminary examination of risk factors for specific construction methods and construction types of construction projects can prevent the occurrence of safety accidents at the construction site and can be utilized in establishing the construction safety accident prevention system. In addition, it can be used to support decision making for optimal maintenance of facilities by identifying the major risk factors in maintenance of facilities after construction.
도 5는 본 발명의 일 실시예에 따라 건설 프로젝터의 전주기 위험요인을 비교, 분석하는 것을 보여주는 흐름도이다. 도 2 및 도 5를 참조하면, 데이터 추출부(130)는 건설 위험요인 정보에 포함된 건설 위험요인에 대한 의미적 관련도가 기준 값보다 낮은 비교대상 데이터를 건설 관련 데이터에서 추출한다(S42). 데이터 분석부(140)는 위험요인 관련 데이터와 비교대상 데이터를 비교 대조하여, 건설 위험요인의 발생원인 및 대처방안을 분석한다(S44, S46).5 is a flow chart illustrating comparing and analyzing the full-cycle risk factors of a construction projector in accordance with an embodiment of the present invention. Referring to FIGS. 2 and 5, the
예를 들어, 위험요인 관련 데이터와 비교대상 데이터 사이에 시공 방법에 차이가 있고, 비교대상 데이터의 위험요인이 적은 것으로 판단되면, 위험요인이 적은 것으로 평가된 비교대상 데이터의 시공 방법을 대안으로 제시할 수 있다.For example, if there is a difference in construction method between the risk factor data and the comparative data, and if it is judged that the risk factors of the comparative data are small, an alternative method of the comparative data evaluated as less risky is presented can do.
일 실시예로, 데이터 분석부(140)는 건설 위험요인에 대해 복수의 대처방안이 존재하는 경우, 복수의 대처방안별로 위험정도(위험스코어)를 평가하여 가장 위험정도가 낮은 대처방안을 결정하여 추천할 수 있다.In one embodiment, when there are a plurality of countermeasures against the construction risk factors, the
이때, 대처방안별 위험정도는 해당 대처방안이 적용된 경우의 사례들을 건설 관련 데이터에서 추출하고, 추출된 사례들에서 위험 발생 빈도, 위험 손실 정도(비용 손실 등) 등의 텍스트 정보를 추출하여 예측될 수 있다.In this case, the degree of risk for each countermeasure is extracted from the data related to the construction when the countermeasure is applied, and the text information such as the frequency of occurrence of risk and the degree of risk loss (cost loss, etc.) .
다른 실시예로, 데이터 분석부(140)는 건설 위험요인 정보에 복수의 건설 위험요인이 포함된 경우, 복수의 건설 위험요인별 위험수준을 평가하여 관리 우선순위를 결정할 수 있다. 이 경우, 건설 위험요인별 위험수준은 예를 들어, 건설 위험요인별 발생 확률, 위험 손실 정도(비용 손실 등) 등을 예측하여 평가될 수 있다.In another embodiment, when a plurality of construction risk factors are included in the construction risk information, the
본 발명의 실시예에 따른 방법은 예를 들어 컴퓨터에서 실행될 수 있는 프로그램으로 작성 가능하고, 컴퓨터로 읽을 수 있는 기록매체를 이용하여 상기 프로그램을 동작시키는 범용 디지털 컴퓨터에서 구현될 수 있다. 컴퓨터로 읽을 수 있는 기록매체는 SRAM(Static RAM), DRAM(Dynamic RAM), SDRAM(Synchronous DRAM) 등과 같은 휘발성 메모리, ROM(Read Only Memory), PROM(Programmable ROM), EPROM(Electrically Programmable ROM), EEPROM(Electrically Erasable and Programmable ROM), 플래시 메모리 장치, PRAM(Phase-change RAM), MRAM(Magnetic RAM), RRAM(Resistive RAM), FRAM(Ferroelectric RAM)과 같은 불휘발성 메모리, 플로피 디스크, 하드 디스크 또는 광학적 판독 매체 예를 들어 시디롬, 디브이디 등과 같은 형태의 저장매체일 수 있으나, 이에 제한되지는 않는다.The method according to an embodiment of the present invention can be realized in a general-purpose digital computer that can be created as a program that can be executed by a computer and operates the program using a computer-readable recording medium. The computer readable recording medium may be a volatile memory such as SRAM (Static RAM), DRAM (Dynamic RAM), SDRAM (Synchronous DRAM), ROM (Read Only Memory), PROM (Programmable ROM), EPROM (Electrically Programmable ROM) Non-volatile memory such as EEPROM (Electrically Erasable and Programmable ROM), flash memory device, Phase-change RAM (PRAM), Magnetic RAM (MRAM), Resistive RAM (RRAM), Ferroelectric RAM But are not limited to, optical storage media such as CD ROMs, DVDs, and the like.
이상의 실시예들은 본 발명의 이해를 돕기 위하여 제시된 것으로, 본 발명의 범위를 제한하지 않으며, 이로부터 다양한 변형 가능한 실시예들도 본 발명의 범위에 속하는 것임을 이해하여야 한다. 본 발명의 기술적 보호범위는 특허청구범위의 기술적 사상에 의해 정해져야 할 것이며, 본 발명의 기술적 보호범위는 특허청구범위의 문언적 기재 그 자체로 한정되는 것이 아니라 실질적으로는 기술적 가치가 균등한 범주의 발명에 대하여까지 미치는 것임을 이해하여야 한다.It is to be understood that the above-described embodiments are provided to facilitate understanding of the present invention, and do not limit the scope of the present invention, and it is to be understood that various modified embodiments are also within the scope of the present invention. It is to be understood that the technical scope of the present invention should be determined by the technical idea of the claims and the technical scope of protection of the present invention is not limited to the literary description of the claims, To the invention of the invention.
100: 건설 프로젝트의 전주기 위험요인 지식정보 서비스 시스템
110: 데이터 수집부
120: 데이터 학습부
130: 데이터 추출부
140: 데이터 분석부100: Risk factors of the entire cycle of construction project Knowledge Information Service System
110: Data collecting unit
120: Data learning unit
130:
140: Data analysis section
Claims (15)
수집된 상기 건설 관련 데이터를 이용하여 건설 프로젝트의 위험요인 관련 용어와 상기 비정형 텍스트 데이터 사이의 의미적 상관관계를 학습하는 데이터 학습부;
학습된 상기 의미적 상관관계를 기반으로, 복수의 시계열적 단계별로 소정의 검색어와 상기 비정형 텍스트 데이터의 관련도를 산출하여, 상기 건설 관련 데이터 중에서 상기 검색어와 연관된 위험요인 관련 데이터를 추출하는 데이터 추출부; 및
추출된 상기 위험요인 관련 데이터를 건설 프로젝트의 복수의 시계열적 단계별로 비교, 분석 및 요약하여 건설 위험요인 정보를 생성하는 데이터 분석부를 포함하고,
상기 데이터 추출부는 상기 시계열적 단계별로 학습된 상기 의미적 상관관계를 기반으로, 건설 프로젝트 기획 단계, 건설 시공 단계 및 시설물 유지관리 단계를 포함하는 상기 복수의 시계열적 단계별로 상이한 위험요인 관련 데이터를 추출하고,
상기 데이터 추출부는 상기 건설 위험요인 정보에 포함된 건설 위험요인에 대한 의미적 관련도가 기준 값보다 낮은 비교대상 데이터를 상기 건설 관련 데이터에서 추출하고,
상기 데이터 분석부는 상기 위험요인 관련 데이터와 상기 비교대상 데이터를 비교 대조하여, 상기 건설 위험요인의 발생원인 및 대처방안을 분석하고,
상기 데이터 분석부는 상기 위험요인 관련 데이터의 단어가 의미적 유사도를 갖는 용어들을 포함하는 경우, 상기 검색어와 유사도가 가장 높은 용어로 변환하여 상기 건설 위험요인 정보를 생성하고,
상기 데이터 분석부는 상기 건설 위험요인에 대해 복수의 대처방안이 존재하는 경우, 상기 복수의 대처방안별로 위험정도를 평가하여 가장 위험정도가 낮은 대처방안을 결정하고,
상기 데이터 분석부는 상기 건설 위험요인 정보에 복수의 건설 위험요인이 포함된 경우, 상기 복수의 건설 위험요인별 위험수준을 평가하여 관리 우선순위를 결정하고,
상기 데이터 분석부는 상기 복수의 시계열적 단계별로 상기 건설 위험요인 정보의 용어 선택을 변경하여 요약문을 생성하고,
상기 건설 프로젝트 기획 단계의 상기 건설 위험요인 정보는, 계약 및 사후 관리시에 잘못 사용될 수 있는 용어의 예시, 권장되는 전문 용어의 예시, 위험이슈가 적은 국가 정보를 포함하고,
상기 건설 시공 단계의 상기 건설 위험요인 정보는, 사례별 위험요인, 주요 발생 원인 및 방지 대책 정보를 포함하되, 시공 과정의 장비 및 작업 관련 용어를 기반으로 상기 건설 위험요인 정보가 제공되고,
상기 시설물 유지관리 단계의 상기 건설 위험요인 정보는, 손상 종류, 손상 발생 메커니즘 및 손상 원인 정보를 포함하되, 점검 이력 및 점검 부재 관련 기술적 용어를 기반으로 상기 건설 위험요인 정보가 제공되는 건설 프로젝트의 전주기 위험요인 지식정보 서비스 시스템.A data collection unit for collecting construction related data including various types of unstructured text data related to the risk factors of the construction project and building a database;
A data learning unit that learns a semantic correlation between a risk factor related term of the construction project and the irregular text data using the collected construction related data;
Extracting data for extracting risk factor-related data associated with the search term from the construction-related data by calculating a relation between the predetermined search term and the irregular text data based on the learned semantic correlation; part; And
And a data analysis unit for comparing the extracted risk factor data with a plurality of time series steps of the construction project to generate construction risk factor information,
The data extracting unit extracts different risk factor-related data for each of the plurality of time-series steps including a construction project planning step, a construction construction step, and a facility maintenance step based on the semantic correlation learned in each of the time series steps and,
Wherein the data extracting unit extracts, from the construction-related data, comparative data whose semantic relevance to a construction risk factor included in the construction risk factor information is lower than a reference value,
Wherein the data analyzing unit compares the risk factor data with the comparison data to analyze causes of the construction risk factors and countermeasures,
Wherein the data analysis unit converts the risk factor related data into a term having the highest degree of similarity to the keyword when the words of the risk factor related data include terms having semantic similarity,
Wherein the data analysis unit evaluates the risk level for each of the plurality of countermeasures to determine a countermeasure having the lowest risk level when a plurality of countermeasures exist for the construction risk factor,
Wherein the data analysis unit evaluates the risk level of each of the plurality of construction risk factors to determine the management priority when the construction risk factor information includes a plurality of construction risk factors,
Wherein the data analysis unit generates a summary statement by changing a term selection of the construction risk factor information for each of the plurality of time series steps,
The construction risk factor information of the construction project planning stage includes examples of terminology that can be misused during contract and follow-up management, examples of recommended terminology, country information with low risk issues,
The construction risk factor information in the construction construction phase includes risk factors for each case, main causes of occurrence, and preventive measures information, and the construction risk factor information is provided based on equipment and work related terms in the construction process,
The construction risk factor information of the facility maintenance stage includes information on the type of damage, damage mechanism, and cause of damage, and includes information on the construction history of the construction project in which the construction risk information is provided based on the inspection history and technical terms related to the inspection member Periodic risk factor knowledge information service system.
상기 비정형 텍스트 데이터는 건설 현장 안전보고서, 작업 일보, 시설물 운영 및 유지관리 보고서 및 건설공사 리스크 데이터, 뉴스 기사, 사설, 학술지, 민원자료, 소셜네트워크서비스(SNS) 데이터를 포함하는 건설 프로젝트의 전주기 위험요인 지식정보 서비스 시스템.The method according to claim 1,
The above-mentioned unstructured text data is used for the construction project including construction site safety report, work daily report, facility operation and maintenance report and construction construction risk data, news articles, editorials, journals, complaints data and social network service (SNS) Risk Factor Knowledge Information Service System.
상기 데이터 분석부는 텍스트, 그래프 및 도표를 활용하여 상기 건설 위험요인 정보를 시각화하는 건설 프로젝트의 전주기 위험요인 지식정보 서비스 시스템.The method according to claim 1,
Wherein the data analyzer visualizes the construction risk factor information using text, graphs and charts.
데이터 추출부에 의해, 상기 의미적 상관관계를 기반으로, 복수의 시계열적 단계별로 소정의 검색어와 상기 비정형 텍스트 데이터의 관련도를 산출하여, 상기 검색어와 연관된 위험요인 관련 데이터를 추출하는 단계; 및
데이터 분석부에 의해, 상기 위험요인 관련 데이터를 건설 프로젝트의 복수의 시계열적 단계별로 비교, 분석 및 요약하여 건설 위험요인 정보를 생성하는 단계를 포함하고,
상기 위험요인 관련 데이터를 추출하는 단계는, 상기 데이터 추출부에 의해, 상기 시계열적 단계별로 학습된 의미적 상관관계를 기반으로, 건설 프로젝트 기획 단계, 건설 시공 단계 및 시설물 유지관리 단계를 포함하는 상기 복수의 시계열적 단계별로 상이한 위험요인 관련 데이터를 추출하고,
상기 위험요인 관련 데이터를 추출하는 단계는, 상기 데이터 추출부에 의해, 상기 건설 위험요인 정보에 포함된 건설 위험요인에 대한 의미적 관련도가 기준 값보다 낮은 비교대상 데이터를 상기 건설 관련 데이터에서 추출하고,
상기 건설 위험요인 정보를 생성하는 단계는, 상기 데이터 분석부에 의해, 상기 위험요인 관련 데이터와 상기 비교대상 데이터를 비교 대조하여, 상기 건설 위험요인의 발생원인 및 대처방안을 분석하고,
상기 건설 위험요인 정보를 생성하는 단계는, 상기 데이터 분석부에 의해, 상기 위험요인 관련 데이터의 단어가 의미적 유사도를 갖는 용어들을 포함하는 경우, 상기 검색어와 유사도가 가장 높은 용어로 변환하여 상기 건설 위험요인 정보를 생성하고,
상기 건설 위험요인 정보를 생성하는 단계는, 상기 데이터 분석부에 의해, 상기 건설 위험요인에 대해 복수의 대처방안이 존재하는 경우, 상기 복수의 대처방안별로 위험정도를 평가하여 가장 위험정도가 낮은 대처방안을 결정하고,
상기 건설 위험요인 정보를 생성하는 단계는, 상기 데이터 분석부에 의해, 상기 건설 위험요인 정보에 복수의 건설 위험요인이 포함된 경우, 상기 복수의 건설 위험요인별 위험수준을 평가하여 관리 우선순위를 결정하고,
상기 건설 위험요인 정보를 생성하는 단계는, 상기 데이터 분석부에 의해, 상기 복수의 시계열적 단계별로 상기 건설 위험요인 정보의 용어 선택을 변경하여 요약문을 생성하고,
상기 건설 프로젝트 기획 단계의 상기 건설 위험요인 정보는, 계약 및 사후 관리시에 잘못 사용될 수 있는 용어의 예시, 권장되는 전문 용어의 예시, 위험이슈가 적은 국가 정보를 포함하고,
상기 건설 시공 단계의 상기 건설 위험요인 정보는, 사례별 위험요인, 주요 발생 원인 및 방지 대책 정보를 포함하되, 상기 데이터 분석부에 의해, 시공 과정의 장비 및 작업 관련 용어를 기반으로 상기 건설 위험요인 정보가 제공되고,
상기 시설물 유지관리 단계의 상기 건설 위험요인 정보는, 손상 종류, 손상 발생 메커니즘 및 손상 원인 정보를 포함하되, 상기 데이터 분석부에 의해, 점검 이력 및 점검 부재 관련 기술적 용어를 기반으로 상기 건설 위험요인 정보가 제공되는 건설 프로젝트의 전주기 위험요인 지식정보 제공 방법.The data learning unit learns the semantic correlation between the risk factor related terms of the construction project and the unstructured text data by using construction related data related to the risk factors of the construction project and including various types of unstructured text data ;
Extracting a risk factor-related data item associated with the search term by calculating a relevance degree of a predetermined search word and the irregular text data in a plurality of time series steps based on the semantic correlation by a data extracting unit; And
Analyzing and summarizing the risk factor related data in a plurality of time series steps of a construction project by a data analysis unit to generate construction risk factor information,
Wherein the step of extracting the risk factor-related data comprises the steps of: constructing, by the data extracting unit, a construction project planning step, a construction construction step, and a facility maintenance step based on the semantic correlation learned in the time- Extracting different risk factor-related data in a plurality of time-series steps,
The step of extracting the risk factor-related data may include extracting, by the data extracting unit, comparison target data having a semantic degree of relevance with respect to a construction risk factor included in the construction risk factor information lower than a reference value from the construction- and,
Wherein the step of generating the construction risk factor information comprises the steps of: comparing the risk factor-related data with the comparison-object data by the data analysis unit, analyzing a cause of the construction risk factor and countermeasures,
Wherein the step of generating the construction risk factor information comprises the steps of: when the word of the risk factor related data includes terms having semantic similarity, the data analysis unit converts the risk factor information into a term having the highest degree of similarity with the keyword, Generate risk information,
Wherein the step of generating the construction risk factor information comprises the steps of: when the plurality of countermeasures against the construction risk factor are present by the data analysis unit, evaluating the degree of risk for each of the plurality of countermeasures, In addition,
Wherein the step of generating the construction risk factor information includes the steps of: when the construction risk factor information includes a plurality of construction risk factors, the data analysis unit evaluates the plurality of construction risk factors, And,
Wherein the step of generating the construction risk factor information comprises the steps of: generating, by the data analysis unit, a summary statement by changing a term selection of the construction risk factor information for each of the plurality of time series steps;
The construction risk factor information of the construction project planning stage includes examples of terminology that can be misused during contract and follow-up management, examples of recommended terminology, country information with low risk issues,
The construction risk factor information in the construction construction phase includes a risk factor for each case, a main cause of occurrence, and preventive measures information, and the data analysis unit analyzes the construction risk factor Information is provided,
The construction risk factor information of the facility maintenance step includes information on a type of damage, a damage mechanism, and damage cause information, and the data analysis unit analyzes the construction risk information based on the maintenance history and technical terms related to the inspection member A method of providing information on risk factors of construction projects in the whole period provided.
상기 건설 위험요인 정보를 생성하는 단계는 상기 데이터 분석부에 의해, 텍스트, 그래프 및 도표를 활용하여 상기 건설 위험요인 정보를 시각화하는 건설 프로젝트의 전주기 위험요인 지식정보 제공 방법.11. The method of claim 10,
Wherein the step of generating the construction risk factor information visualizes the construction risk factor information by utilizing the text, the graph and the diagram by the data analysis unit.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170055097A KR101955550B1 (en) | 2017-04-28 | 2017-04-28 | Information Service System to Support Life-Cycle Risk Management of Construction Projects |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170055097A KR101955550B1 (en) | 2017-04-28 | 2017-04-28 | Information Service System to Support Life-Cycle Risk Management of Construction Projects |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20180122491A KR20180122491A (en) | 2018-11-13 |
| KR101955550B1 true KR101955550B1 (en) | 2019-03-08 |
Family
ID=64397839
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020170055097A KR101955550B1 (en) | 2017-04-28 | 2017-04-28 | Information Service System to Support Life-Cycle Risk Management of Construction Projects |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101955550B1 (en) |
Families Citing this family (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102167776B1 (en) * | 2018-12-31 | 2020-10-20 | 호서대학교 산학협력단 | An apparatus for evaluating the risk of Hydrogen Energy Stations, a method therefor, and a computer recordable medium storing a program to perform the method |
| WO2020209405A1 (en) * | 2019-04-10 | 2020-10-15 | 양경옥 | Method and apparatus for generating safety information using progress schedule |
| KR102282518B1 (en) * | 2019-04-18 | 2021-07-27 | 박동현 | Method for providing information about managing construction equipment and user equpment therefor |
| KR102363481B1 (en) * | 2019-09-20 | 2022-02-16 | 주식회사 헥사콘 | Apparatus and method for processing unstructured construction data |
| CN111369107B (en) * | 2020-02-18 | 2024-09-24 | 平安科技（深圳）有限公司 | Object risk early warning method, management terminal and storage medium |
| KR102291193B1 (en) * | 2020-10-08 | 2021-08-20 | 주식회사 에코시안 | Automatic device and method for recommending risk and safety information based on artificial intelligence |
| KR102313479B1 (en) * | 2020-12-23 | 2021-10-18 | 주식회사 케이씨씨건설 | System for providing guide based on safety standard using artificial intelligence model |
| KR20220104361A (en) * | 2021-01-18 | 2022-07-26 | 주식회사 세이프디 | Industrial site danger prevention automatic generation platform base Artificial Intelligence |
| KR102583020B1 (en) * | 2021-01-22 | 2023-09-27 | 한양대학교 산학협력단 | Bim-based drill-blasting tunnel information modeling framework |
| KR102457965B1 (en) * | 2021-02-18 | 2022-10-24 | 한국전자기술연구원 | Apparatus and method for integrating fragmented data |
| KR102316632B1 (en) * | 2021-03-17 | 2021-10-22 | (주)엘다임 | Method for estimating risk of construction field |
| KR102564687B1 (en) * | 2021-03-31 | 2023-08-07 | 주식회사 포스코디엑스 | Method and System for Preventing Safety Accident Through Danger Factor Analysis |
| KR102474545B1 (en) * | 2021-12-01 | 2022-12-05 | 사단법인 코티티시험연구원 | Apparatus for integrated management of active injury information and method thereof |
| KR20240124534A (en) * | 2023-02-09 | 2024-08-19 | 충북대학교 산학협력단 | Construction Accident Information Calculation System and Calculation Method |
| CN118230983B (en) * | 2024-03-15 | 2024-10-01 | 中山大学肿瘤防治中心（中山大学附属肿瘤医院、中山大学肿瘤研究所） | Risk medicine identification method and system based on medicine feedback mining |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101547032B1 (en) * | 2013-12-30 | 2015-08-25 | 연세대학교 산학협력단 | System and method for initial profit prediction model for overseas construction project |
-
2017
- 2017-04-28 KR KR1020170055097A patent/KR101955550B1/en active IP Right Grant
Non-Patent Citations (2)
| Title |
|---|
| 이지희 외 2인, ‘R프로그래밍 기반의 비정형 건설 데이터 분석’, 대한건축학회 논문집-구조계, 32(5), pp37~44 (2016.05)* |
| 한상규 외 5인, ‘성공적인 시공 책임형 건설 사업관리를 위한 빅 데이터 프로세스 모델 제안’, 한국건설관리학회 전국 대학생 학술발표대회 논문집, 제10권, pp172~175 (2015.11)* |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20180122491A (en) | 2018-11-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101955550B1 (en) | Information Service System to Support Life-Cycle Risk Management of Construction Projects | |
| US10977293B2 (en) | Technology incident management platform | |
| Aggarwal et al. | Detecting duplicate bug reports with software engineering domain knowledge | |
| KR101545215B1 (en) | system and method for automatically manageing fault events of data center | |
| US20200293946A1 (en) | Machine learning based incident classification and resolution | |
| Karray et al. | ROMAIN: Towards a BFO compliant reference ontology for industrial maintenance | |
| US9459950B2 (en) | Leveraging user-to-tool interactions to automatically analyze defects in IT services delivery | |
| Fleischhacker et al. | Mining RDF data for property axioms | |
| Kubiak et al. | An overview of data-driven techniques for IT-service-management | |
| US20230351222A1 (en) | Service providing system, business analysis support system, and method | |
| Navinchandran et al. | Discovering critical KPI factors from natural language in maintenance work orders | |
| US9489379B1 (en) | Predicting data unavailability and data loss events in large database systems | |
| KR102392359B1 (en) | Hyper-automation solution system based on artificial intelligence | |
| US20140149417A1 (en) | Causal topic miner | |
| KR102682244B1 (en) | Method for learning machine-learning model with structured ESG data using ESG auxiliary tool and service server for generating automatically completed ESG documents with the machine-learning model | |
| Winter et al. | Assessing the compliance of business process models with regulatory documents | |
| US9443214B2 (en) | News mining for enterprise resource planning | |
| US20180336242A1 (en) | Apparatus and method for generating a multiple-event pattern query | |
| Klöpper et al. | Integrated search for heterogeneous data in process industry applications—A proof of concept | |
| CN112199573B (en) | Illegal transaction active detection method and system | |
| CN110727767B (en) | Method and system for expanding text sample | |
| US10878012B2 (en) | Intelligent plant operator log book information retrieval mechanism using latent semantic analysis and topic modeling for connected plants | |
| D’Cruze et al. | A Case Study on Ontology Development for AI Based Decision Systems in Industry | |
| Gaspoz et al. | Ontology driven feedforward risk management | |
| KR20160088737A (en) | System and Method for Bug Fixing Developers Recommendation and Bug Severity Prediction based on Topic Model and Multi-Feature |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| AMND | Amendment | ||
| E601 | Decision to refuse application | ||
| AMND | Amendment | ||
| E902 | Notification of reason for refusal | ||
| AMND | Amendment | ||
| X701 | Decision to grant (after re-examination) |