KR102352658B1 - 건설 사업 정보 관리 시스템 및 이의 제어 방법 - Google Patents

Abstract

본 발명은, 사용자 단말 입력부(110)을 포함하는 사용자 단말 유니트(100)와, 상기 사용자 단말 유니트(100)와 통신을 이루고 입력되는 입력 정보 중 대상 프로젝트의 건설 사업 정보를 건설 사업 정보 데이터로 형성하는 서버 모듈 유니트(320)를 구비하는 서버(300)를 포함하고, 상기 서버 모듈 유니트(320)는 상기 건설 사업 정보 데이터를 복수 개의 차원 필드 및 복수 개의 LOD(level of detail) 필드로 다차원 다수준 데이터 구조화하여 건설 사업 정보 스트럭처링 데이터를 형성하고, 상기 서버 모듈 유니트(320) 측으로 입력되는 입력 정보에는 기성 프로젝트의 건설 사업 정보를 포함하고, 상기 기성 프로젝트 및 상기 대상 프로젝트의 건설 사업 정보로부터의 건설 사업 정보 스트럭처링 데이터를 이용하여 적어도 상기 차원 필드 및 상기 LOD 필드 설정 정보를 표준화시키도록 머신 러닝 실행하는 서버 AI 유니트(360)를 포함하는 것을 특징으로 하는 건설 사업 정보 관리 시스템(1) 및 이의 제어 방법을 제공한다.

Description

건설 사업 정보 관리 시스템 및 이의 제어 방법{A CONSTRUCTION INFORMATION MANAGEMENT SYSTEM AND A METHOD FOR CONTROLLING THE SAME}

본 발명은 방대한 건설사업관리 정보를 수집-분석하여 건설 사업 정보를 데이터화하고 보다 용이하고 신속하게 접근 이용 가능하게 하는 구조화된 데이터베이스를 형성시키는 건설 사업 정보 관리 시스템 및 이의 이용 방법에 관한 것이다.

건설사업관리는 크게 원가, 공정, 품질, 안전관리로 구분할 수 있음. 그 중 내역 및 공정 정보는 상호 밀접하게 연계되어 있을 뿐 아니라, 수치로 표현할 수 있는 객관적 성과지표의 주요 관리항목이다. IT 기술의 발전에도 불구, 실무에서는 정보 동기화가 어려운 다수의 문서 형태로 관리되고 있다.

관계형 데이터베이스 기반 견적 및 내역관리 S/W, Primavera 또는 MS Project 등 공정관리 S/W, 그리고 전자문서의 운영을 위한 PMIS 등이 비용 및 일정관리를 위한 보조적인 수단으로 활용되고, 데이터 간의 정보 연계성-상호운영성 부족으로 정보의 작성-추출-분석 과정 매우 비효율적이며, 실무에서의 체계적 정보관리는 상당한 시간과 노력을 요구되어, 실무에서 성가신 업무로 취급됨으로써, 정보관리 최소화되고, 프로젝트 종료 후 주요 사업관리 정보 손실되는데, 개인 능력에 의존한 사업관리가 이루어지고 있다.

이에 종래 기술의 경우 EVMS(Earned Value Management System)가 개발되었다. EVMS는 객관적인 성과측정의 기준을 제공하기 위한 최적의 방법론으로 인정, “공공 건설사업 효율성 제고를 위한 방안”으로 기법 적용을 의무화되어, EVMS를 수행하기 위해서는 정보 분해와 최하위 수준에서 비용-일정 정보통합의 문제 우선 해결 필수로 요하는데, 이러한 문제를 해결하기 위하여 Percent Allocation Model(1987), Work Element Model(1989), Design Object Model(1989), Work-package Model(1991), Faceted System(1998), Flexible WBS (2004) 등 지난 50년 간 다수의 모델들을 제시하였으나, 아직 정보통합의 기술적인 문제 존재하고 있다.

또한, 과거 EVMS 기술 개발에 엄청난 노력과 투자가 단행됐었음에도 불구, 실무에서 (최)하위 수준까지의 정보통합이 적용된 사례 전무, 그 실효성에 많은 문제가 있다.

또한, 다른 일예로 BIM(Building Information System)의 4D & 5D를 들 수 있다. 이 경우, 컴퓨터 성능과 3차원 설계기술의 발전에 따라 도입된 BIM 기술 중 4D와 5D 기능은 가장 주목받는 분야로서, 독립 관리되었던 비용-일정관리 정보를 3D 객체에 연계, 시간 경과에 따라 진행상황을 시뮬레이션, 3D 객체기반 물량 자동산출, 내역과 실시간 연동된 정보 동기화는 이상적인 기술로 볼 수 있어, 이러한 관심과 기대에 부응하여 국내외적으로 많은 SW 기술(Vico, Synchro 4D, Innovaya, U-mid 시스템, 5D With, Arbiese 등)이 개발, 최근 대기업을 중심으로 많은 투자가 진행되고 있으나, 아직 4D/5D 시스템이 실무 적용에 어려운 원인으로는 객체 중심의 방대한 데이터베이스 구축이 필요하고, EVMS 정보구조 문제점을 그대로 유지되고, 전문 엔지니어링 지식 요구되며, 객체형상정보에 연계된 설계변경, 물량변경, 재료 및 공법 변경 등에 탄력적 대응이 어려움이 있고, 그래픽 메모리에 데이터정보, 연산정보, 시뮬레이션정보를 연동하여 운영하기 위해서는 고기능 SW / HW를 필요, 그 외 느린 처리 속도, 버그, 시스템 오류, 정보 누락-오타-실수에 따른 정합성, 표준화 문제 등 실무 적용 활성화하는데 상당한 문제점이 수반된다.

본 발명은 상기와 같은 종래의 제반 문제점을 해소하고자 창안된 것으로서, 본 발명의 경우, 방대한 건설 사업 정보에 대하여 접근성을 증진시키고, 시스템의 데이터 처리 부하를 저감시켜 장치 유지 보수 관리 비용을 저감시키고 신속한 데이터 이용을 가능하게 하는 건설 사업 정보 관리 시스템 및 이의 제어 방법을 제공하는 것을 목적으로 한다.

상기와 같은 기술적 과제를 달성하기 위한 본 발명은, 사용자 단말 입력부(110)을 포함하는 사용자 단말 유니트(100)와, 상기 사용자 단말 유니트(100)와 통신을 이루고 입력되는 입력 정보 중 대상 프로젝트의 건설 사업 정보를 건설 사업 정보 데이터로 형성하는 서버 모듈 유니트(320)를 구비하는 서버(300)를 포함하고, 상기 서버 모듈 유니트(320)는 상기 건설 사업 정보 데이터를 복수 개의 차원 필드 및 복수 개의 LOD(level of detail) 필드로 다차원 다수준 데이터 구조화하여 건설 사업 정보 스트럭처링 데이터를 형성하는 것을 특징으로 하는 건설 사업 정보 관리 시스템(1)을 제공한다.

상기 건설 사업 정보 관리 시스템(1)에 있어서, 상기 서버 모듈 유니트(320)는: 입력 정보 중 상기 건설 사업 정보를 수집하는 데이터 스크레이핑 모듈(3210)과, 상기 스크레이핑 모듈(3210)에서 수집된 상기 건설 사업 정보로부터 오버올(overall) 건설 사업 정보 데이터를 추출하는 데이터 익스트랙션 모듈(3220)과, 상기 오버올 건설 사업 정보 데이터로부터 데이터 구조화시키도록 복수 개의 차원 필드 및 복수 개의 LOD 필드를 설정하여 필드 건설 사업 정보 데이터로 변환시키는 데이터 변환 모듈(3230)과, 상기 차원 필드 및 상기 LOD 필드 설정 및 상기 차원 필드 및 상기 LOD 필드에 데이터 레코드를 저장 가능한 데이터 저장 모듈(3240)과, 상기 데이터 변환 모듈(3230)에서 변환된 필드 건설 사업 정보 데이터를 맵핑시켜 상기 데이터 저장 모듈(3240)에 저장 구축하는 데이터 맵핑 모듈(3250)를 포함할 수도 있다.

상기 건설 사업 정보 관리 시스템(1)에 있어서, 상기 데이터 변환 모듈(3230)은: 상기 차원 필드 및 상기 LOD 필드를 설정하는 데이터 필드 설정부(3231)와, 상기 오버올 건설 사업 정보 데이터로부터 상기 데이터 필드 설정부(3231)에서 설정한 상기 차원 필드 및 상기 LOD 필드에 대응하는 데이터 필드를 형성하는 데이터 파싱 변환부(3233)를 포함할 수도 있다.

상기 건설 사업 정보 관리 시스템(1)에 있어서, 상기 데이터 필드 설정부(3231)는: 공정 주체 정보(WHO), 공정 일시 정보(WHEN), 공정 장소 정보(WHERE), 공정 대상 정보(WHAT), 공정 유형 정보(HOW), 공정 방법 정보(WHY)를 포함하는 5W1H 다차원 필드 중의 적어도 두 개 이상을 차원 필드로 설정하는 차원 필드 설정부(32311)와, 상기 5W1H 다차원 필드에 대하여 복수 개의 부속 필드를 설정하는 LOD 필드 설정부(32313)를 포함할 수도 있다.

상기 건설 사업 정보 관리 시스템(1)에 있어서, 상기 데이터 저장 모듈(3240)는: 상기 차원 필드 및 상기 LOD 필드 설정 정보를 저장하는 데이터 필드 딕셔너리 저장부(3241)와, 상기 건설 사업 정보 스트럭처링 데이터를 형성하는 상기 차원 필드 및 상기 LOD 필드에 대한 필드 정보 및 상기 차원 필드 및 상기 LOD 필드에 대한 데이터 레코드를 저장하는 데이터 레코드 저장부(3243)를 포함할 수도 있다.

상기 건설 사업 정보 관리 시스템(1)에 있어서, 상기 데이터 저장 모듈(3240)는, 건설정보표준분류체계 데이터를 저장하는 데이터 프리세팅 저장부(3245)를 포함하고, 상기 데이터 맵핑 모듈(3250)은 상기 건설정보표준분류체계 데이터를 이용하여 상기 데이터 변환 모듈(3230)에서 변환된 필드 건설 사업 정보 데이터를 맵핑시킬 수도 있다.

상기 건설 사업 정보 관리 시스템(1)에 있어서, 상기 서버(300)는: 상기 서버 모듈 유니트(320)에 상기 사용자 단말 유니트(100)와 통신을 이루고 입력되는 입력 정보 중 건설 사업 정보를 건설 사업 정보 데이터로 형성하도록 서버 모듈 제어 신호를 인가하는 서버 제어 유니트(350)를 포함할 수도 있다.

상기 건설 사업 정보 관리 시스템(1)에 있어서, 상기 서버 모듈 유니트(320) 측으로 입력되는 입력 정보에는 기성 프로젝트의 건설 사업 정보를 포함할 수도 있다.

상기 건설 사업 정보 관리 시스템(1)에 있어서, 상기 기성 프로젝트 및 상기 대상 프로젝트의 건설 사업 정보로부터의 건설 사업 정보 스트럭처링 데이터를 이용하여 적어도 상기 차원 필드 및 상기 LOD 필드 설정 정보를 표준화시키도록 머신 러닝 실행하는 서버 AI 유니트(360)를 포함할 수도 있다.

상기 건설 사업 정보 관리 시스템(1)에 있어서, 상기 서버 AI 유니트(360)는, 상기 건설 사업 정보 스트럭처링 데이터 및 상기 데이터 필드 딕셔너리 저장부(3241)에 저장되는 상기 차원 필드 및 상기 LOD 필드 설정 정보를 통하여, 상기 대상 프로젝트의 신규 입력되는 차원 필드 및 상기 LOD 필드 설정 정보와 기저장된 상기 차원 필드 및 상기 LOD 필드 설정 정보를 클러스터링 실행 표준화시키는 AI 변환 모듈(3610)을 포함할 수도 있다.

상기 건설 사업 정보 관리 시스템(1)에 있어서, 상기 AI 변환 모듈(3610)은: 상기 대상 프로젝트의 신규 입력되는 차원 필드 및 상기 LOD 필드 설정 정보와 기저장된 상기 차원 필드 및 상기 LOD 필드 설정 정보를 입력받아 복수의 연산을 실행하는 AI 변환 뉴럴 네트워크 모듈(3611)와, 상기 서버 제어 유니트(340)의 학습 제어 신호에 따라 상기 AI 변환 뉴럴 네트워크 모듈(3611)에 AI 학습 신호를 인가하는 AI 변환 러닝 모듈(3613)을 포함할 수도 있다.

상기 건설 사업 정보 관리 시스템(1)에 있어서, 상기 AI 변환 뉴럴 네트워크 모듈(3611)은 적어도 RNN 및 CNN 중 하나를 포함하고, 상기 AI 변환 러닝 모듈(3613)은 상기 AI 변환 뉴럴 네트워크 모듈(3611)을 이용하여 상기 대상 프로젝트의 신규 입력되는 차원 필드 및 상기 LOD 필드 설정 정보와 기저장된 상기 차원 필드 및 상기 LOD 필드 설정 정보를 벡터화 및 유사도 연산을 실행하고, 상기 대상 프로젝트의 신규 입력되는 차원 필드 및 상기 LOD 필드 설정 정보와 기저장된 상기 차원 필드 및 상기 LOD 필드 설정 정보를 분류 클러스터링 실행하여 표준화시킬 수도 있다.

상기 건설 사업 정보 관리 시스템(1)에 있어서, 상기 차원 필드 및 상기 LOD 필드 설정 정보의 벡터화에 대한 유사도 연산은 코사인 유사도를 이용할 수도 있다.

상기 건설 사업 정보 관리 시스템(1)에 있어서, 상기 서버 AI 유니트(360)는, 상기 기성 프로젝트의 건설 사업 정보에 대한 건설 사업 정보 스트럭처링 데이터 및 상기 데이터 필드 딕셔너리 저장부(3241)에 저장되는 상기 차원 필드 및 상기 LOD 필드 설정 정보를 통하여 상기 대상 프로젝트의 건설 사업 정보 데이터로부터 건설 사업 정보 스트럭처링 데이터를 형성하기 위한 제안 차원 필드 및 제안 LOD 필드를 형성하는 것을 특징으로 하는 Ai 필드 제안 모듈(3620)을 포함할 수도 있다.

상기 건설 사업 정보 관리 시스템(1)에 있어서, 상기 서버 AI 유니트(360)는, 상기 기성 프로젝트의 건설 사업 정보 스트럭처링 데이터를 이용하여 프로젝트 견적액과 상기 기성 프로젝트의 상기 차원 필드 및 상기 LOD 필드 간 산출되는 상관 관계 및 상기 대상 프로젝트의 건설 사업 정보 스트럭처링 데이터로부터 상기 대상 프로젝트의 대상 프로젝트 견적액을 도출하는 AI 에스티메이션 모듈(3630)을 포함할 수도 있다.

상기 건설 사업 정보 관리 시스템(1)에 있어서, 상기 서버 AI 유니트(360)는, 상기 대상 프로젝트 공정율 관리를 실행하도록, 상기 기성 프로젝트의 건설 사업 정보 스트럭처링 데이터를 이용하여 프로젝트 공정율과 상기 기성 프로젝트의 상기 차원 필드 및 상기 LOD 필드 간 산출되는 상관 관계 및 상기 대상 프로젝트의 건설 사업 정보 스트럭처링 데이터로부터 상기 대상 프로젝트의 대상 프로젝트 예상 공정율을 도출하는 AI 매니징 모듈(3640)을 포함할 수도 있다.

본 발명의 다른 일면에 따르면, 본 발명은 사용자 단말 입력부(110)을 포함하는 사용자 단말 유니트(100)와, 상기 사용자 단말 유니트(100)와 통신을 이루고 입력되는 입력 정보 중 대상 프로젝트의 건설 사업 정보를 건설 사업 정보 데이터로 형성하는 서버 모듈 유니트(320)를 구비하는 서버(300)를 포함하는 건설 사업 정보 관리 시스템(1)을 제공하는 제공 단계(S10)와, 대상 프로젝트의 건설 사업 정보가 적어도 사용자 단말 유니트(100) 내지 건설 사업 정보 데이터 서버(200) 중 하나를 통하여 상기 서버(300)로 입력되는 입력 단계(S20)와, 상기 서버 모듈 유니트(320)는 상기 건설 사업 정보 데이터를 복수 개의 차원 필드 및 복수 개의 LOD(level of detail) 필드로 다차원 다수준 데이터 구조화하여 건설 사업 정보 스트럭처링 데이터를 형성하는 데이터 다차원 스트럭처링 단계(S30)를 포함하는 건설 사업 정보 관리 시스템 제어 방법을 제공한다.

상기 건설 사업 정보 관리 시스템 제어 방법에 있어서, 상기 데이터 다차원 스트럭처링 단계(S30)는: 상기 입력 단계(S20)에서 입력되는 건설 사업 정보 내지 건설 사업 정보 데이터로부터 상기 스크레이핑 모듈(3210)이 적어도 텍스트 정보를 취합하는 데이터 스크래핑 단계(S31)와, 상기 데이터 스크래핑 단계(S31)에서 취합되는 텍스트 정보 중 데이터 익스트랙션 모듈(3220)이 건설 사업 정보로부터 오버올(overall) 건설 사업 정보 데이터를 추출하는 데이터 추출 단계(S33)와, 상기 오버올 건설 사업 정보 데이터로부터 데이터 구조화시켜 다차원 다수준화된 데이터 구조를 얻도록 복수 개의 차원 필드 및 복수 개의 LOD 필드를 설정하여 필드 건설 사업 정보 데이터로 변환시키는 데이터 변환 단계(S35)와, 상기 데이터 변환 모듈(3230)에서 변환된 필드 건설 사업 정보 데이터를 데이터 맵핑 모듈(3250)이 맵핑시켜 데이터 저장 모듈(3240)에 저장 구축하여 건설 사업 정보 스트럭처링 데이터의 도출시키는 데이터 맵핑 단계(S37)를 포함할 수도 있다.

상기 건설 사업 정보 관리 시스템 제어 방법에 있어서, 상기 데이터 변환 단계(S35)는: 상기 데이터 변환 모듈(3230)의 데이터 필드 설정부(3231)이 차원 필드 및 LOD 필드를 설정하는 데이터 필드 설정 단계(S351)와, 상기 데이터 변환 모듈(3230)의 데이터 파싱 변환부(3233)가 오버올 건설 사업 정보 데이터로부터 상기 데이터 필드 설정부(3231)에서 설정한 차원 필드 및 LOD 필드에 대응하는 데이터 레코드로서의 데이터 필드를 확인 도출하는 데이터 파싱 변환 단계(S353)을 포함할 수도 있다.

상기 건설 사업 정보 관리 시스템 제어 방법에 있어서, 상기 데이터 파싱 변환 단계(S353)는: 상기 데이터 변환 모듈(3230)의 데이터 파싱 변환부(3233)가 오버올 건설 사업 정보 데이터로부터 상기 데이터 필드 설정부(3231)에서 설정한 차원 필드 및 LOD 필드에 대응하는 데이터 레코드로서의 데이터 필드를 확인하는 데이터 파싱 필드 확인 단계(S3531)와, 상기 확인된 데이터 필드와 데이터 저장 모듈(3240)의 데이터 필드 딕셔너리 저장부(3241)에 저장된 데이터 필드를 비교하는 필드 비교 단계(S3533)와, 상기 서버(300)의 서버 AI 유니트(360)는 AI 변환 모듈(3610)이 건설 사업 정보 스트럭처링 데이터 및 데이터 필드 딕셔너리 저장부(3241)에 저장되는 차원 필드 및 LOD 필드 설정 정보를 통하여, 대상 프로젝트의 신규 입력되는 차원 필드 및 LOD 필드 설정 정보와 기저장된 차원 필드 및 LOD 필드 설정 정보를 클러스터링 실행 표준화시키는 데이터 필드 AI 변환 단계(S3535)와, 상기 데이터 필드 AI 변환 단계(S3535)에서 클러스터링 실행 표준화되는 데이터 필드를 확인하는 데이터 필드 확인 단계(S3537)을 포함할 수도 있다.

상기 건설 사업 정보 관리 시스템 제어 방법에 있어서, 상기 데이터 필드 AI 변환 단계(S3535)는: 적어도 대상 프로젝트의 신규 입력되는 차원 필드 및 LOD 필드 설정 정보를 벡터화시키는 파싱 필드 벡터화 단계(S35351)와, 적어도 대상 프로젝트의 신규 입력되는 차원 필드 및 LOD 필드 설정 정보의 벡터화된 벡터 데이터와 데이터 필드 딕셔너리 저장부(3241)에 저장된 차원 필드 및 LOD 필드 설정 정보의 벡터 데이터로부터 유사도를 산출하는 유사도 산출 단계(S35353)와, 상기 유사도 산출 단계(S35353)에서 산출되는 유사도 값은 정렬이 이루어져 유사도 순위 산출이 형성되는 유사도 비교 단계(S35355)와, 상기 유사도 비교 단계(S35355)에서 산출된 유사도 순위에 따라 해당 대상 프로젝트의 신규 입력되는 차원 필드 및 LOD 필드 설정 정보에 대하여 유사도가 제일 높은 데이터 필드 딕셔너리 저장부(3241)에 저장된 차원 필드 및 LOD 필드 설정 정보의 벡터 데이터 정보로 맵핑시키는 추천 필드 확인(S35357)를 포함할 수도 있다.

상기 건설 사업 정보 관리 시스템 제어 방법에 있어서, 상기 추천 필드 확인(S35357)는: 상기 유사도 비교 단계(S35355)에서 비교된 유사도 순위 중 유사도 최대값의 개수가 복수 개인지 여부를 확인하는 유사도 최대값 개수 비교 단게(S353571)와, 상기 유사도 최대값 개수 비교 단게(S353571)에서 유사도 최대값의 개수가 복수 개라고 판단된 경우 대상 프로젝트의 LOD 필드 및 유사도 최대값의 차원 필드 및 LOD 필드 설정 정보의 상위 및 하위 레벨 필드를 비교하는 인접 LOD 필드 비교 단계(S353573)와, 상기 인접 LOD 필드 비교 단계(S353573)에서 비교된 대상 프로젝트의 LOD 필드 및 유사도 최대값의 차원 필드 및 LOD 필드 설정 정보의 상위 및 하위 레벨 필드의 동일 인접 LOD 필드를 확인하는 동일 인접 LOD 필드 확인 단계(S353575)와, 동일 인접 LOD 필드 확인 단계(S353575)에서 확인된 동일 인접 LOD 필드를 갖는 차원 필드 및 LOD 필드를 추천 제안하는 추천 필드 확정 단계(S353577)를 포함할 수도 있다.

상기 건설 사업 정보 관리 시스템 제어 방법에 있어서, 상기 건설 사업 정보 서버 AI 유니트(360)의 AI 에스티메이션 모듈(3630)이 기성 프로젝트의 건설 사업 정보 스트럭처링 데이터를 이용하여 프로젝트 견적액과 공사 규모와 관련된 기성 프로젝트의 차원 필드 및 LOD 필드 및 레코드 필드 간 산출되는 상관 관계 및 대상 프로젝트의 건설 사업 정보 스트럭처링 데이터로부터 대상 프로젝트의 대상 프로젝트 견적액을 산출하는 대상 프로젝트 에스티메이션 단계(S40)를 포함할 수도 있다.

상기 건설 사업 정보 관리 시스템 제어 방법에 있어서, 상기 AI 에스티메이션 모듈(3630)의 AI 에스티메이션 추천 형성 모듈(3631)이 기성 건설 사업 정보 스트럭처링 데이터 중 차원 필드 및 LOD 필드와, 레코드 필드 중 공사 비용, 장소와 관련된 값 및 견적액을 벡터 데이터로 형성하는 대상 프로젝트 에스티메이션 벡터 단계(S41)와, 기성 건설 사업 정보에 대한 상기 프로젝트 에스티메이션 벡터가 상기 AI 에스티메이션 모듈(3630)의 AI 에스티메이션 뉴럴 네트워크 모듈(3633)에서 머신 러닝 학습되는 프로젝트 에스티메이션 학습 단계(S43)와, 현재 대상 프로젝트의 건설 사업 정보 스트럭처링 데이터 중 차원 필드 및 LOD 필드와, 레코드 필드 중 공사 비용, 장소와 관련된 값의 벡터 데이터가 상기 AI 에스티메이션 뉴럴 네트워크 모듈(3633)에 입력되어 적어도 예상 견적액을 산출하는 프로젝트 에스티메이션 산출 단계(S45)를 포함할 수도 있다.

상기 건설 사업 정보 관리 시스템 제어 방법에 있어서, 상기 대상 프로젝트 에스티메이션 벡터 단계(S41)에서 상기 벡터 데이터는 최종 공사 비용을 포함하고, 상기 프로젝트 에스티메이션 산출 단계(S45)에서 현재 대상 프로젝트의 건설 사업 정보 스트럭처링 데이터 중 차원 필드 및 LOD 필드와, 레코드 필드 중 공사 비용, 장소와 관련된 값의 벡터 데이터가 상기 AI 에스티메이션 뉴럴 네트워크 모듈(3633)에 입력되어 예상 견적액과 예상 최종 공사 금액간의 예상 차이값도 산출할 수도 있다.

상기 건설 사업 정보 관리 시스템 제어 방법에 있어서, 상기 건설 사업 정보 서버 AI 유니트(360)의 AI 에스티메이션 모듈(3630)이 기성 프로젝트의 건설 사업 정보 스트럭처링 데이터를 이용하여 프로젝트 공정율과 기성 프로젝트의 차원 필드 및 LOD 필드 간 산출되는 상관 관계 및 대상 프로젝트의 건설 사업 정보 스트럭처링 데이터로부터 대상 프로젝트의 대상 프로젝트 예상 공정율을 산출하는 대상 프로젝트 매니징 단계(S50)를 포함할 수도 있다.

상기와 같이 구성되는 본 발명의 건설 사업 정보 관리 시스템 및 이의 제어 방법은 다음과 같은 효과를 수반한다.

첫번째, 본 발명의 건설 사업 정보 관리 시스템 및 이의 제어 방법은 데이터 베이스의 다차원 다수준 데이터 구조화를 이룬 건설 사업 정보 스트럭처링 데이터의 도출을 가능하게 하여, 보다 용이하고 신속하게 원하는 데이터의 도출을 가능하게 한다.

두번째, 본 발명의 건설 사업 정보 관리 시스템 및 이의 제어 방법은 데이터 베이스의 다차원 다수준 데이터 구조화를 이룬 건설 사업 정보 스트럭처링 데이터의 도출을 가능하게 하여, 건설 사업 정보 스트럭처링 데이터를 저장 운용하는 시스템의 요구 부하 상태를 저감시켜 제조 유지 보수 관리 비용을 최소화시킬 수도 있다.

세번째, 본 발명의 건설 사업 정보 관리 시스템 및 이의 제어 방법은 데이터 베이스의 다차원 다수준 데이터 구조화를 이룬 건설 사업 정보 스트럭처링 데이터의 도출 과정에서 AI 내지 머신러닝을 이용하여 데이터 구조화를 보다 용이할 수도 있다.

도 1은 본 발명의 일실시예에 따른 건설 사업 정보 관리 시스템의 개략적인 구성도이다.
도 2는 본 발명의 일실시예에 따른 건설 사업 정보 관리 시스템의 서버의 구성도이다.
도 3은 본 발명의 일실시예에 따른 건설 사업 정보 관리 시스템의 서버 모듈 유니트의 구성도이다.
도 4는 본 발명의 일실시예에 따른 건설 사업 정보 관리 시스템의 데이터 변환 모듈의 구성도이다.
도 5는 본 발명의 일실시예에 따른 건설 사업 정보 관리 시스템의 데이터 저장 모듈의 구성도이다.
도 6은 본 발명의 일실시예에 따른 건설 사업 정보 관리 시스템의 사용자 단말의 구성도이다.
도 7은 본 발명의 일실시예에 따른 건설 사업 정보 관리 시스템의 건설 정보 서버의 구성도이다.
도 8은 본 발명의 일실시예에 따른 건설 사업 정보 관리 시스템의 다차원 다수준의 큐브화된 데이터 구조화 선도이다.
도 9는 본 발명의 일실시예에 따른 건설 사업 정보 관리 시스템의 다차원 다수준 데이터의 테이블화된 구조화 선도이다.
도 10은 본 발명의 다른 일실시예에 따른 건설 사업 정보 관리 시스템의 서버의 구성도이다.
도 11은 본 발명의 다른 일실시예에 따른 건설 사업 정보 관리 시스템의 서버 AI 유니트의 구성도이다.
도 12는 본 발명의 다른 일실시예에 따른 건설 사업 정보 관리 시스템의 서버 제어 유니트의 구성도이다.
도 13은 본 발명의 다른 일실시예에 따른 건설 사업 정보 관리 시스템의 AI 변환 모듈의 구성도이다.
도 14는 본 발명의 다른 일실시예에 따른 건설 사업 정보 관리 시스템의 AI 필드 설정 모듈의 구성도이다.
도 15는 본 발명의 다른 일실시예에 따른 건설 사업 정보 관리 시스템의 AI 에스티메이션 모듈의 구성도이다.
도 16은 본 발명의 다른 일실시예에 따른 건설 사업 정보 관리 시스템의 AI 매니징 모듈의 구성도이다.
도 17은 본 발명의 또 다른 일실시예에 따른 건설 사업 정보 관리 시스템의 사용자 단말 유니트의 구성도이다.
도 18 내지 도 22a는 본 발명의 일실시예에 따른 건설 사업 정보 관리 시스템 제어 방법의 흐름도이다.
도 23 내지 도 24는 본 발명의 다른 일실시예에 따른 건설 사업 정보 관리 시스템 제어 방법의 흐름도이다.

이하, 도면을 참조하여 본 발명의 건설 작업자 안전 모니터링 시스템 및 그 방법의 구성을 실시하기 위한 구체적인 내용을 실시예에 기초하여 설명한다. 이들 실시예는 당업자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명한다. 본 발명의 다양한 실시예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다.

예를 들어, 여기에 기재되어 있는 특정 형상, 구조 및 특성은 일 실시예에 관련하여 본 발명의 정신 및 범위를 벗어나지 않으면서 다른 실시예로 구현될 수도 있다. 또한, 각각의 개시된 실시예 내의 개별 구성요소의 위치 또는 배치는 본 발명의 정신 및 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 취하려는 것이 아니며, 본 발명의 범위는 적절하게 설명된다면 그 청구항들이 주장하는 것과 균등한 모든 범위와 더불어 첨부된 청구항에 의해서만 한정된다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 기능을 지칭한다.

다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있는 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백히 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.

본 발명의 건설 사업 정보 관리 시스템(1)은 건설 사업 정보를 이용하여 데이터의 활용성을 증진시키고 사용자가 원하는 데이터의 도출을 보다 빠르게 하여 저장 부하를 경감시켜 소요 비용을 최소화할 수 있는 시스템을 제공한다.

여기서, 건설 사업 정보는 각종 건설 사업 문서 내지 전자화된 문서 등에 포함되는 정보를 지칭하며, 본 발명에서 이러한 각종 건설 사업 문서에 포함되는 건설 사업 정보는 공사 현장에서 진행되는 개별 프로젝트의 원가 정보, 공정 정보, 작업 보고정보, 성과정보, 자원정보 및 노무정보를 포함하는 총체적 정보를 지칭하는 것이며, 이러한 건설 사업 정보는 각종 건설 사업 문서에 내재된다.

본 실시예에서 이러한 각종 건설 사업 데이터로 전환되는 건설 사업 정보를 포함하는 건설 사업 정보 문서로는 다음과 같은 형태를 예시화할 수 있다.

예를 들어, 건설 사업 정보 중 원가 정보를 포함하는 건설 사업 문서로는 공사예산보고서, 표준원가계산서, 수량산출서, 견적서, CBS(Cost Breakdown System), 공사일보, 계약 및 변경현황 보고서, 하도급계약서, 선급금사용내역서, 설계변경내역서, 표준품셈 및 일위대가 등을 포함하고, 건설 사업 정보 중 공정정보를 포함하는 건설 사업 문서로는 시공계획서, 공종분류 단계별 일정보고서, 주공정보고서, 전체/월간/주간 공정표, 자원일정 보고서, 공정회의록, 공정종합분석서, 부진 및 만회대책 보고서 등을 포함한다. 또한, 건설 사업 정보 중 작업자의 해당 작업정보보고를 위한 작업 보고 정보를 포함하는 건설 사업 문서로는 일일(월간)작업보고서, 일일(월간)공정점검표, 일일작업량계획표, 일일점검확인서 등을 들 수 있고, 건설 사업 정보 중 성과정보를 포함하는 건설 사업 문서로는 작업실적보고서, 공사진척보고서, 기성부분감리조서, 기성검사결과보고서, 공정진척도(S-curve), EVMS(Earned Value Management System,공정-공사비 통합관리), 공사추진계획 및 실적 보고서, 기성산출내역서, 종합기성보고서 등을 들 수 있고, 건설 사업 정보 중 자원정보를 포함하는 건설 사업 문서로는 자원별 잔여 물량 집계표, 기자재 구매조달 일정계획, 자재반입보고서, 기자재 공급원 승인 및 제작 요청서, 작업장인수계획서, 공사일보, 시방서, 수량산출서 등을 들 수 있으며, 건설 사업 정보 중 노무정보를 포함하는 건설 사업 문서로는 하도급승인 신청서, 노무투입계획서, 인력배치계획서, 근로자 연명부, 신규채용자 관리계획서, 일일출역관리보고서 등을 들 수 있다.

이러한 각종 데이터 및 각종 데이터를 포함하는 문서는 사용자 단말 유니트(100) 등을 통하여 서버(300)로 데이터화되어 전달된다.

즉, 본 발명의 일실시예에 따른 건설 사업 정보 관리 시스템(1)은 사용자 단말 유니트(100)와 서버(300)를 포함하는데, 경우에 따라 건설 정보 데이터 서버(200)및/또는 하나 이상의 현장 단말 유니트(400)를 더 포함할 수도 있다.

여기서 사용되는 사용자 단말 유니트(100)는 PC, 태블릿, 기타 입력 장치 및 입력 장치 소프트웨어 프로그램 및 하드웨어를 포함할 수 있으며, 서버는 다양한 소프트웨어 프로그램 및/또는 메모리부에 저장되어 있는 명령어 세트를 실행하여 후술하는 본 발명에 소요되는 여러 기능을 수행하는, 중앙처리장치, 사용자 I/F, 운영체제(미도시) 및 각종 필요 데이터를 저장하는 메모리, 외부 통신포트, 인쇄장치 I/F 등을 포함하는 하드웨어와 이를 구동하는 소프트웨어의 집합체 형태로 독자적인 기기나 범용 처리장치의 일부로 구현될 수도 있다. 또한, 본 발명에서 사용되는 통신, 통신망 내지 통신 네트워크는 예를 들어, 셀룰러 통신 프로토콜로서, 예를 들어 LTE, LTE-A, 5G, WCDMA, CDMA, UMTS, Wibro, GSM 중 적어도 하나를 포함할 수 있다. 또한, 통신 네트워크는 유선 및 무선 등과 같은 통신 유형을 가리지 않고 구성될 수 있으며, 단거리 통신망(PAN;Personal Area Network), 근거리 통신망(LAN;Local Area Network), 도시권 통신망(MAN;Metropolitan Area Network_, 광역 통신망(WAN;Wide Area Network) 등 다양한 통신망으로 구현될 수 있고, 통신, 통신망, 통신 네트워크는 공지의 월드와이드웹(WWW;World Wide Web)일 수도 있고, 적외선(Infrared Data Association;IrDA) 또는 블루투스(Bluetooth) 내지 저전력 블루투스(Bluetooth Lowenergy)와 RF 무선 통신을 다양한 통신 방법을 포함한다.

보다 구체적으로 사용자 단말 유니트(100)는 사용자 단말 입력부(110)을 포함하는데, 보다 구체적으로 사용자 단말 유니트(100)는 사용자 단말 입력부(110) 이외에도 사용자 단말 제어부(120)와, 사용자 단말 저장부(130)와, 사용자 단말 연산부(140)와 사용자 단말 출력부(150)를 포함할 수 있다.

사용자 단말 입력부(110)는 사용자 단말 베이직 입력부(115)와, 사용자 단말 광학 입력부(111)와 사용자 단말 포트 입력부(113)를 포함할 수 있는데, 정보의 입력 수단을 구성하는 범위에서 다양한 변형이 가능하다.

사용자 단말 베이직 입력부(115)는 키보드 등의 통상적인 입력 장치를 포함하고, 사용자 단말 광학 입력부(111)는 스캐너, 카메라 등의 광학적 수단을 통하여 건설 사업 정보를 입력받아 건설 사업 정보 데이터로 전환 가능하도록 한다.

사용자 단말 포트 입력부(113)는 외부 저장 장치와의 전기적 소통을 이루어 외부 저장 장치에 저장된 건설 사업 정보를 건설 사업 정보 데이터의 형태로 직접 입력받는 구조를 취할 수도 있다. 여기서, 사용자 단말 포드 입력부(113)는 유선 포트 형태로 기술되었으나, 후술되는 사용자 단말 통신부(150)를 통한 무선 연결 구조를 취할 수도 있음은 본 발명에서 명백하며 건설 사업 정보 및/또는 건설 사업 정보 데이터를 입력받는 범위에서 다양한 변형이 가능하다.

사용자 단말 제어부(120)는 사용자 단말 입력부(110)를 통하여 입력되는 건설 사업 정보를 건설 사업 정보 데이터로 변환시켜 서버(300)로 전달하거나, 직접 입력되는 건설 사업 정보 데이터를 서버(300) 측으로 직접 전달한다.

사용자 단말 제어부(120)는 사용자 단말 저장부(130) 및 사용자 단말 연산부(140)와 전기적 소통을 이루는데, 사용자 단말 저장부(130)는 사용자 단말 제어부(120)의 사용자 단말 저장 제어 신호에 따라 입력되는 건설 사업 정보 내지 건설 사업 정보 데이터를 임시 저장하거나 사전 설정 저장된 활용 데이터를 저장할 수 있고, 사용자 단말 연산부(140)는 사용자 단말 제어부(120)의 사용자 단말 연산 제어 신호에 따라 소정의 연산 동작을 실행할 수도 있다.

사용자 단말 통신부(150)는 사용자 단말 제어부(120)의 사용자 단말 통신 제어 신호에 따라 작동하여 사용자 단말 유니트(100)를 통하여 입력되어 변환되거나 직접 데이터의 형태로 입력된 건설 사업 정보 데이터를 서버(300) 측으로 전달하는데, 사용자 단말 통신부(150)는 사용자 단말 유선 통신부(151)와 사용자 단말 무선 통신부(153)를 포함할 수 있다. 사용자 단말 유선 통신부(151)는 이더넷 통신프로토콜을 통한 근거리 통신망(LAN) 내지 광역 통신망 등을 통하여 인터넷 네트워크에 접속되는 구조를 취할 수도 있고, 별도의 셀룰러 통신 프로토콜을 통한 접속 구조를 이룰 수도 있는 등 다양한 변형이 가능하다.

사용자 단말 출력부(160)는 디스플레이 등으로 구현되어 사용자가 입력하는 사항 내지 서버(300)와의 통신을 통하여 전달되는 데이터의 화상 출력을 이룰 수 있다.

서버(300)는 사용자 단말 유니트(100)와 통신을 이루고, 적어도 사용자 단말 유니트(100)로부터 입력되는 입력 정보 중 대상 프로젝트의 건설 사업 정보를 건설 사업 정보 데이터로 형성하는 서버 모듈 유니트(320)를 구비한다. 즉, 서버 모듈 유니트(320)는 사용자 단말 유니트(100) 내지 건설 사업 정보 데이터 서버(200)로부터 입력되는 건설 사업 정보 데이터를 구조화하는데, 서버 모듈 유니트(320)에 의한 건설 사업 정보 데이터의 구조화는 다차원 다수준화된다.

보다 구체적으로, 서버(300)는 서버 통신 유니트(310)와, 서버 모듈 유니트(320)와, 서버 제어 유니트(330)와, 서버 저장 유니트(340)와, 서버 연산 유니트(350)를 포함한다. 서버 통신 유니트(310)는 사용자 단말 유니트(100)의 사용자 단말 통신부(110)와 및/또는 건설 사업 정보 데이터 서버(200) 측과 데이터 통신을 이루어 변환된 건설 사업 정보 데이터 및 기변환 축적된 건설 사업 정보 데이터를 전달받는다.

서버 제어 유니트(330)는 서버 통신 유니트(310), 서버 저장 유니트(340), 서버 연산 유니트(350)와 전기적 소통을 이루며 각각에 제어 신호를 인가하여 서버(300)의 전체적 동작을 제어한다. 즉, 서버 제어 유니트(330)는 서버 통신 유니트(310)에 서버 통신 제어 신호를 인가하여 사용자 단말 유니트(100) 및/또는 건설 사업 정보 데이터 서버(200)와의 통신을 이루고, 서버 저장 유니트(340)에 서버 저장 제어 신호를 인가하여 입력 처리되는 데이터의 저장 상태를 형성할 수 있으며, 서버 제어 유니트(330)의 서버 연산 제어 신호에 따라 서버 연산 유니트(350)는 소정의 데이터 연산 과정을 실행할 수도 있다.

서버 제어 유니트(330)는 서버 모듈 유니트(320)에 사용자 단말 유니트(100)와 통신을 이루고 입력되는 입력 정보 중 건설 사업 정보를 건설 사업 정보 데이터로 형성하도록 서버 모듈 제어 신호를 인가한다.

서버 모듈 유니트(320)는 앞서 기술된 바와 같이 서버 제어 유니트(330)의 서버 모듈 제어 신호에 따라 데이터 변환 신호 처리 과정을 실행하여 수많은 데이터의 보다 신속한 로딩 도출을 가능하게 하는 데이터 구조체의 형성을 가능하게 한다.

서버 모듈 유니트(320)는 건설 사업 정보 데이터를 건설 사업 정보 스트럭처링 데이터로 변환 형성하는데, 건설 사업 정보 스트럭처링 데이터는 다차원 다수준 데이터로 구조화된다. 즉, 건설 사업 정보 스트럭처링 데이터는 복수 개의 차원 필드(Multi-dimensional field)로 형성되는 다차원 구조를 취하고, 각각의 차원 필드에 대하여 복수 개의 레벨 수준 데이터 세부 분류로서의 복수 개의 LOD(level of detail) 필드로 형성된다.

보다 구체적으로, 서버 모듈 유니트(320)는 데이터 스크레이핑 모듈(3210)과, 데이터 익스트랙션 모듈(3220)과, 데이터 변환 모듈(3230)과, 데이터 저장 모듈(3240)과, 데이터 맵핑 모듈(3250)를 포함한다. 먼저, 데이터 스크레이핑 모듈(3210)은 사용자 단말 유니트(100) 및/또는 건설 사업 정보 데이터 서버(200)로부터의 입력 정보 중 건설 사업 정보를 수집하는데, 불필요한 정보 등은 배제시키고 필요한 정보들을 취합하여 서버(300)의 운용 부하를 최소화시킬 수 있다.

데이터 익스트랙션 모듈(3220)은 필요한 건설 사업 정보 데이터로서의 오버올(overall) 건설 사업 정보 데이터를 추출하는데, 보다 구체적으로 데이터 익스트랙션 모듈(3220)은 스크레이핑 모듈(3210)에서 수집된 건설 사업 정보로부터 오버올(overall) 건설 사업 정보 데이터를 추출한다.

데이터 변환 모듈(3230)은 오버올 건설 사업 정보 데이터로부터 데이터 구조화시켜 다차원 다수준화된 데이터 구조를 얻도록 복수 개의 차원 필드 및 복수 개의 LOD 필드를 설정하여 필드 건설 사업 정보 데이터로 변환시킨다.

데이터 저장 모듈(3240)은 차원 필드에 대한 설정과, LOD 필드 설정과, 그리고 차원 필드 및 LOD 필드에 해당하는 데이터 레코드를 저장할 수 있으며, 이러한 필드 건설 사업 정보 데이터는 사용자 단말 유니트(100) 내지 건설 사업 정보 데이터 서버(300)로 전달 이용 보관될 수 있다.

데이터 맵핑 모듈(3250)은 데이터 변환 모듈(3230)에서 변환된 필드 건설 사업 정보 데이터를 맵핑시켜 데이터 저장 모듈(3240)에 저장 구축하여 최종적인 건설 사업 정보 스트럭처링 데이터의 도출을 가능하게 한다.

보다 구체적으로, 데이터 변환 모듈(3230)은 데이터 필드 설정부(3231)와, 데이터 파싱 변환부(3233)를 포함한다.

데이터 필드 설정부(3231)은 차원 필드 및 LOD 필드를 설정하는데, 이러한 데이터 필드의 설정은 사용자에 의하여 표준화된 차원 필드 및 LOD 필드를 사용하여 필드를 분류할 수 있고, 경우에 따라 후술되는 바와 같이 필드의 추천 과정을 통하여 제시되는 추천 필드에 따른 다차원 다수준 필드 분류 기준이 제시될 수도 있다.

또한, 본 발명의 데이터 파싱 변환부(3233)는 오버올 건설 사업 정보 데이터로부터 데이터 필드 설정부(3231)에서 설정한 차원 필드 및 LOD 필드에 대응하는 데이터 레코드로서의 데이터 필드를 확인한다.

본 발명의 일실시예에 따른 건설 사업 정보 관리 시스템(1)의 데이터 필드 설정부(3231)는 차원 필드 설정부(32311)와, LOD 필드 설정부(32313)를 포함한다. 본 발명의 차원 필드 설정부(32311)는 적어도 두 개 이상의 차원 필드를 설정하는데, 차원 필드 설정부(32311)는 공정 주체 정보(WHO), 공정 일시 정보(WHEN), 공정 장소 정보(WHERE), 공정 대상 정보(WHAT), 공정 유형 정보(HOW), 공정 방법 정보(WHY)를 포함하는 5W1H 다차원 필드 중의 적어도 두 개 이상을 차원 필드로 설정하고, LOD 필드 설정부(32313)는 5W1H 다차원 필드에 대하여 복수 개의 부속 필드를 설정한다. 즉, 종래의 단순한 계층적 구조의 데이터 배열 구조에서 벗어나, 다차원의 차원 필드 및 다수준의 LOD 필드 설정을 이루어 필요로 하는 데이터의 조합 및 대응 데이터 도출을 용이하게 신속하게 하여 연산 부하를 최소화를 이루는 데이터 관리 구조를 이루며, 공정 주체 정보(WHO), 공정 일시 정보(WHEN), 공정 장소 정보(WHERE), 공정 대상 정보(WHAT), 공정 유형 정보(HOW), 공정 방법 정보(WHY)를 포함하는 5W1H 다차원 필드 중의 적어도 두 개 이상을 차원 필드로 설정하는 직관적인 데이터 차원 필드 제공을 통해 요구되는 데이터 필드의 좁합을 보다 용이하고 효율적으로 형성, 관리 및 이용을 가능하게 한다.

도 8 및 도 9에는 본 발명의 차원 필드 및 LOD 필드 구조 관련 도면이 도시되는데, 도 8에는 본 발명의 차원 필드를 큐브 타입으로 개념화시켰을 때 이를 전개도 형식으로 펼친 상태를 나타내는 개념 전개도로서, 면(facet)은 차원 필드를 나타내고, 각 면에 세분화된 레벨은 LOD 필드를 도시하고, 도 9에는 본 발명의 예시적인 차원 필드 및 이에 대한 LOD 필드의 다수준화를 나타내는 구성도이다. 여기서, 다수준의 LOD 필드는 경우에 따라 5레벨까지 형성되었으나, 이는 일예로서 LOD 필드의 레벨 수준은 설계 사양에 따라 다양한 변형이 가능하다.

여기서, 후술하는 데이터 저장 모듈(3240)는, 건설정보표준분류체계 데이터를 저장하는 데이터 프리세팅 저장부(3245)를 포함할 수 있는데, 본 실시예에서의 차원 필드 설정부(32311)와 LOD 필드 설정부(32313)의 차원 필드 및 부속 필드 설정은 설정된 방식을 따라 실시되며 각각의 차원 필드에 대한 세부 부속 필드로서의 LOD(Level of Details) 필드는 후술되는 데이터 저장 모듈 등에 저장 가능한 사전 설정 데이터로서 Metadate의 역할을 수행할 수 있는 표준정보분류체계의 건설정보표준분류체계 데이터를 통하여 결정되는 설정 흐름으로 구성할 수 있는데, 예를 들어 공정 일시 정보(WHEN) 차원 필드에 대하여 공정표 작업 상의 특정일이 결정되면, 년 > 분기 > 월 > 주 > 특정일의 흐름과 같이 공정 일시 정보(WHEN) 차원 필드의 세부 LOD 필드는 년/분기/월/주/일의 구분으로 자동 설정될 수 있다.

본 발명의 데이터 저장 모듈(3240)은 데이터 필드 딕셔너리 저장부(3241)와, 데이터 레코드 저장부(3243)를 포함할 수 있는데, 데이터 필드 딕셔너리 저장부(3241)는 차원 필드 및 LOD 필드 설정 정보를 저장하고, 데이터 레코드 저장부(3243)는 건설 사업 정보 스트럭처링 데이터를 형성하는 차원 필드 및 상기 LOD 필드에 대한 필드 정보 및 차원 필드 및 LOD 필드 및 결과값에 대한 데이터 레코드를 저장한다.

본 발명의 서버(300)의 서버 모듈 유니트(320)에 포함되는 데이터 맵핑 모듈(3250)은 건설정보표준분류체계 데이터를 이용하여 데이터 변환 모듈(3230)에서 변환된 필드 건설 사업 정보 데이터를 맵핑시킬 수 있다.

일예로서, 건설 사업 정보 문서로서 수량산출서(부재별 산출기준) 내에 "아시아폴리스 4차-401동-70A,84A,84B-1층"이라는 텍스트 데이터가 스크랩핑, 익스트랙션되는 경우 차원 필드 설정부(32311)는 공간 장소 정보(WHERE)가 차원 필드로 설정되고 각각의 LOD 필드로서 L1,L2,L3,L4의 세부화된 순서의 LOD 필드를 LOD 필드 설정부(32313)가 L1 프로젝트(아시아폴리스 4차) > L2 동(401동) > L3 타입(70A+84A+B) > L4 층(1)의 순서로 LOD 필드를 레벨링 설정하는데, 여기서 아시아폴리스 4차, 401동, 70A+84A+B, 1층 등의 각각의 내용과 이들의 최종적인 결과값은 각각의 차원 필드 및 이의 세부화된 LOD 필드에 해당되는 데이터 레코드로 추출 변환된다.

변수	다차원	다수준(상위정보 계열화)
독립변수	WHERE	아시아폴리스 4차) > L2 동(401동) > L3 타입(70A+84A+B) > L4 층(1)
	WHAT	구조체 > 지상구조체 > 기둥 > C101
	WHEN	2017년 > 1분기 > 4월 > 16주 > 4일
	HOW	건축공사 > 철근콘크리트공사 > 거푸집공사 > 유로폼 > 규격 30
종속변수	RESULT	10.58M2(물량), 10,230원(재료비), 20,500원(인건비), 0원(경비), 325,123.5원(공사비)

이러한 방식을 통하여, 본 발명의 일실시에에 따른 건설 사업 정보 관리 시스템의 서버 모듈 유니트(320)의 데이터 변환 모듈(3230)는 수량산출서 이외에 내역서/공정표 등과 같은 다른 건출 사업 정보 문서로부터 건설 사업 정보 데이터를 추출 파싱하여 건설 사업 정보 스트럭처링 데이터를 형성할 수 있다. 이러한 차원 필드 설정부(32311)와 LOD 필드 설정부(32313)의 차원 필드 및 부속 필드 설정은 사용자에 의하여 사전 설정될 수도 있고, 후술하는 바와 같이 머신 러닝을 통한 학습을 통하여 추천되는 필드의 설정이 이루어질 수도 있는 등 설게 사양에 따라 다양한 변형이 가능하다.

이와 같이 본 발명의 건설 사업 정보 관리 시스템(1)은 건설 사업 정보 데이터를 다차원 다수준화된 데이터 구조의 건설 사업 정보 스트럭처링 데이터로 변환함으로써, OLAP(Online Analytical Processing)의 Slice, Dice, Rotation, Rollup, Drill-down 기능 활용이 가능하지고, 다양한 프로그램 툴, 예를 들어 가장 용이하게 접속 가능하고 손쉬운 마이크로소프트 엑셀 등의 프로그램을 통하여 마우스 Drag & Drop 방식, 다차원(Multi-Perspective)-다수준(Multi-Level of Detail) 정보 추출 및 분석을 용이하게 제공 가능하게 할 수도 있다.

한편, 본 발명의 건설 사업 정보 관리 시스템(1)이 건설 사업 정보 스트럭처링 데이터로 형성하는 대상은 현재 진행 중인 대상 프로젝트이외에도 기성 프로젝트의 건설 사업 정보를 포함할 수 있다. 즉, 서버 모듈 유니트(320) 측으로 입력되는 입력 정보에는 기성 프로젝트의 건설 사업 정보를 포함할 수 있는데, 대상 프로젝트 이외에도 기성 프로젝트의 건설 사업 정보를 변환하여 빅데이터로 축적 가능하며, 이러한 축적된 변환된 건설 사업 정보 스트럭처링 데이터는 서버(300) 내지 건설 사업 정보 데이터 서버(200)에 저장되고 소정의 통신을 통하여 인출 저장 과정을 통해 별도의 데이터 처리 과정이 추가 진행될 수도 있다.

즉, 본 발명의 건설 사업 정보 관리 시스템(1)의 서버(300)는 서버 AI 유니트(360)를 포함하는데, 본 발명의 서버 AI 유니트(360)는 건설 사업 정보를 건설 사업 정보 스트럭처링 데이터로 전환하는 데이터 변환 처리 과정 시 머신 러닝 AI 학습을 통한 데이터 구조화 실시를 구현할 수도 있고, 경우에 따라 기성 프로젝트의 건설 사업 정보에 대한 건설 사업 정보 스트럭처링 데이터를 통한 머신 러닝을 통하여 현재 진행 중인 대상 프로젝트에 대한 진행 단계별 활용 결과물 도출 내지 관리 실행하기 위한 구성요소를 포함할 수도 있다.

보다 구체적으로, 본 발명의 건설 사업 정보 관리 시스템(1)의 서버(300)가 구비하는 서버 AI 유니트(360)는 기성 프로젝트의 건설 사업 정보로부터의 건설 사업 정보 스트럭처링 데이터 및 대상 프로젝트의 건설 사업 정보로부터의 건설 사업 정보 스트럭처링 데이터를 이용하여, 적어도 차원 필드 및 LOD 필드 설정 정보를 표준화시키도록 머신 러닝 실행할 수 있다.

즉, 본 발명의 일실시예에 따른 서버 AI 유니트(360)는 AI 변환 모듈(3610)을 포함하는데, AI 변환 모듈(3610)는 건설 사업 정보 스트럭처링 데이터 및 데이터 필드 딕셔너리 저장부(3241)에 저장되는 차원 필드 및 LOD 필드 설정 정보를 통하여, 대상 프로젝트의 신규 입력되는 차원 필드 및 LOD 필드 설정 정보와 기저장된 차원 필드 및 LOD 필드 설정 정보를 클러스터링 실행 표준화시킨다.

AI 변환 모듈(3610)은 AI 변환 뉴럴 네트워크 모듈(3611)와 AI 변환 러닝 모듈(3613)을 포함하고, AI 변환 뉴럴 네트워크 모듈(3611)은 대상 프로젝트의 신규 입력되는 차원 필드 및 LOD 필드 설정 정보와 기저장된 차원 필드 및 LOD 필드 설정 정보를 입력받아 복수의 연산을 실행하고, AI 변환 러닝 모듈(3613)는 서버 제어 유니트(340)의 학습 제어 신호에 따라 AI 변환 뉴럴 네트워크 모듈(3611)에 AI 학습 신호를 인가한다.

즉, AI 변환 뉴럴 네트워크 모듈(3611)은 대상 프로젝트의 신규 입력되는 차원 필드 및 LOD 필드 설정 정보와 기저장된 차원 필드 및 LOD 필드 설정 정보를 입력받아 복수의 연산을 실행하는데, 이러한 AI 변환 뉴럴 네트워크 모듈(3611)에서 복수의 연산 방식은 다양한 선택이 가능하다. 본 실시예에서는 AI 변환 뉴럴 네트워크 모듈(3611)로 RNN(Recurrent Neural Network;순환 신경망)를 사용하는데, 본 발명은 설계 사양에 따라 다양한 구성이 가능하다.

대상 프로젝트의 신규 입력되는 차원 필드 및 LOD 필드 설정 정보는 벡터화되어, RNN으로 구현되는 AI 변환 뉴럴 네트워크 모듈(3611)에 입력된다. 이때, AI 변환 뉴럴 네트워크 모듈(3611)은 일대다의 입출력 구조를 구비하며 출력 측은 기저장된 차원 필드 및 LOD 필드 설정 정보의 벡터 정보로 형성되며, 순환 구조를 통하여 하나의 입력에 대한 다수 개의 출력 간 상관 관계가 연산될 수 있다.

본 발명의 건설 사업 정보 관리 시스템은 대상 프로젝트의 신규 입력되는 차원 필드 및 LOD 필드 설정 정보와, 차원 필드 및 LOD 필드 설정 정보의 벡터 정보는 다양한 벡터화 방식을 통하여 이루어질 수 있으나, 본 실시예에서는 TF-IDF(용어 출현빈도-문서 출현 빈도 역수, Term Frequency-Inverse Document Frequency) 방식으로 벡터화되는 방식을 취한다. 단어 토큰, 즉 차원 필드 및 LOD 필드가 건설 사업 정보 문서 내지 해당 문서를 데이터화한 건설 사업 정보 데이터 내 출현 빈도수와, 차원 필드 및 LOD 필드가 출현한 건설 사업 정보 문서 내지 해당 문서의 빈도수의 역수(역 문서 빈도;Inverse Document Frequency)를 사용하여 차원 필드 및 LOD 필드 마다 중요도에 따른 가중치를 부여한다.

여기서, TF-IDF는 TF(t,d)와 IDF를 곱한 값을 의미하는데, d는 문서, 즉 차원 필드 및 LOD 필드가 건설 사업 정보 문서 내지 해당 문서를 데이터화한 건설 사업 정보 데이터를, t는 단어, 즉 차원 필드 및 LOD 필드를, n은 문서의 개수, 즉 차원 필드 및 LOD 필드가 건설 사업 정보 문서 내지 해당 문서를 데이터화한 건설 사업 정보 데이터의 총 개수이며, TF(d,t)는 특정 문서 d에서의 특정 단어 t의 출현 빈도수를, 그리고 df(d,t)는 특정 단어 t가 출현하는 문서의 개수이다.

본 발명의 대상 프로젝트의 신규 입력되는 파싱된 차원 필드 및 LOD 필드 설정 정보와, 차원 필드 및 LOD 필드 설정 정보의 벡터 정보는 AI 변환 뉴럴 네트워크 모듈(3611)으로 출력되는 벡터 데이터의 유사도를 측정 산출하여 일대다 유사도 비교를 통해 데이터 필드에 대한 AI 변환 과정을 실행한다.

이와 동시에 입력되는 대상 프로젝트의 신규 입력되는 차원 필드 및 LOD 필드 설정 정보와, 차원 필드 및 LOD 필드 설정 정보의 벡터 정보는 가공되어 학습 데이터로서 AI변환 러닝 모듈(3613)을 통하여 딥러닝 학습 처리되어 모델의 파라미터를 업데이트 갱신된다.

유사도의 산출은 데이터 저장 모듈(3240)의 데이터 필드 딕셔너리 저장부(3241)에 저장된 차원 필드 및 LOD 필드 설정 정보, 예를 들어 기성 프로젝트 내 차원 필드 및 LOD 필드 설정 정보를 이용하여 이루어질 수 있는데, TF-IDF의 벡터 정보가 AI 변환 뉴럴 네트워크 모듈(3611)를 통하여 반환된 벡터 데이터는 데이터 필드 딕셔너리 저장부(3241)에 저장된 차원 필드 및 LOD 필드 설정 정보의 벡터 데이터와의 비교를 통하여 유사도가 측정된다. 벡터 데이터 간의 유사도 측정은, 유크리드 거리, 레벤슈타인 거리, 코사인 유사도(cosine similarity) 등의 방식 등이 사용될 수 있는데, 코사인 유사도는 다음과 같은 식으로 표현된다.

여기서, A,B는 각각의 벡터 데이터, 즉 벡터 정보를 나타낸다.

본 실시예에서는 코사인 유사도를 이용하여 벡터 정보 간의 유사도 산출을 이룬다. 즉, 코사인 유사도를 통한 유사도 산출은 임의의 값 이내의 유사도에 있는 대상 차원 필드 및 LOD 필드 및 데이터 필드 딕셔너리 저장부(3241)에 저장된 차원 필드 및 LOD 필드 설정 정보의 벡터 데이터 정보 들 간의 거리 및 방향 계산이 이루어진다.

산출되는 유사도 값은 정렬이 이루어져 유사도 순위 산출이 형성되고, 산출된 유사도 순위에 따라 해당 대상 프로젝트의 신규 입력되는 차원 필드 및 LOD 필드 설정 정보에 대하여 유사도가 제일 높은 데이터 필드 딕셔너리 저장부(3241)에 저장된 차원 필드 및 LOD 필드 설정 정보의 벡터 데이터 정보로 맵핑시킨다. 이때, 만약 유사도가 동일한 값이 복수 개가 형성되는 경우, 해당 필드의 상위 레벨 내지 하위 레벨의 필드 정보를 비교하여 하나의 필드 정보를 선택한다.

앞서 필드 용어의 오타 내지 표준화 과정을 보다 구체적으로 설명하면, 각종 건설 현장 프로젝트의 경우 건설 사업 정보 문서로는 공사예산보고서, 표준원가계산서, 수량산출서, 견적서, CBS(Cost Breakdown System), 공사일보, 계약 및 변경현황 보고서, 하도급계약서, 선급금사용내역서, 설계변경내역서, 표준품셈 및 일위대가 등 각종 다양한 문서가 존재하며, 이러한 동종의 문서라 하더라도 각종 건설 현장 프로젝트 마다 이러한 문서 상의 표현 방식이 표준화되지 못하고 일정한 범주 내에서 다양한 형태로 기술 내지 기재될 수 있다.

예를 들어, 현재 대상 프로젝트 내 건설 사업 정보 문서로서 수량산출서 내에 '컨크리트'라고 기재되고, 기성 프로젝트의 건설 사업 정보 문서로부터 축적되어 데이터 저장 모듈(3240) 내 데이터 필드 딕셔너리 저장부(3241)에 저장된 대응 메타데이터로서의 LOD 필드 정보가 '콘크리트','CON', 'Concrete' 등으로 표현 형성되는 경우, 본 발명의 일실시예에 따른 AI 변환 모듈(3610)은 앞서 기술한 TF-IDF 방식으로 필드 정보를 벡터 정보로 변환하고 이를 AI 변환 네트워크 모듈(3611)로 형성한 경우, '컨크리트'의 TF-IDF 변환된 벡터 정보가 AI 변환 네트워크 모듈(3611)을 통하여 산출된 벡터 정보는 -11.481047이고, 데이터 저장 모듈(3240) 내 데이터 필드 딕셔너리 저장부(3241)에 저장된 대응 메타데이터로서의 LOD 필드 정보가 '콘크리트','CON', 'Concrete'의 벡터 정보는 -11.728275, -7.62542, -10.48597, -12.803160의 값을 갖는 경우, 코사인 유사도 정보는 0.8488,0.4824,0.7745,0.7987 등의 값을 나타낸다. 이때, 유사도 정보의 순위 정보 중 제일 값이 큰 '콘크리트'가 현재 대상 프로젝트 내 건설 사업 정보 문서로서 수량산출서 내에 '컨크리트'를 대체하는 추천 필드로 제시될 수 있다.

이러한 과정의 입력되는 대상 프로젝트의 신규 입력되는 파싱된 차원 필드 및 LOD 필드 설정 정보에 대한 데이터 및 맵핑 결과는 다시 AI 변환 러닝 모듈(3613)을 통하여 소정의 학습 과정을 갱신하여 최종적으로 입력 데이터로서의 대상 프로젝터의 신규 입력되는 차원 필드 및 LOD 필드 설정 정보에 대하여 오탈자 수정 내지 표준환 필드 정보를 추천하는 과정을 실행할 수 있다.

즉, AI 변환 뉴럴 네트워크 모듈(3611)은 적어도 RNN 및 CNN 중 하나를 포함할 수 있고, AI 변환 러닝 모듈(3613)은 AI 변환 뉴럴 네트워크 모듈(3611)을 이용하여 대상 프로젝트의 신규 입력되는 차원 필드 및 LOD 필드 설정 정보와 기저장된 차원 필드 및 LOD 필드 설정 정보를 벡터화 및 유사도 연산을 실행하고, 대상 프로젝트의 신규 입력되는 차원 필드 및 LOD 필드 설정 정보와 기저장된 차원 필드 및 LOD 필드 설정 정보를 분류 클러스터링 실행하여 표준화시킨다.

앞선 실시예에서 본 발명은 오탈자 내지 표준화되지 않은 차원 필드 및 LOD 필드의 수정 추천 제안 과정을 제시하는 것을 기술되었는데, 본 발명의 서버 AI 유니트(360)는 건설 사업 정보를 활용하는 범위에서 다양한 변형이 가능하다. 즉, 본 발명의 건설 사업 정보 서버 AI 유니트(360)는 Ai 필드 제안 모듈(3620)를 포함할 수 있다. 본 발명의 Ai 필드 제안 모듈(3620)는 기성 프로젝트의 건설 사업 정보에 대한 건설 사업 정보 스트럭처링 데이터 및 데이터 필드 딕셔너리 저장부(3241)에 저장되는 차원 필드 및 LOD 필드 설정 정보를 통하여 대상 프로젝트의 건설 사업 정보 데이터로부터 건설 사업 정보 스트럭처링 데이터를 형성하기 위한 제안 차원 필드 및 제안 LOD 필드를 형성할 수 있다.

AI 필드 제안 모듈(3620)은 AI 필드 추천 형성 모듈(3621)와, AI 필드 뉴럴 네트워크 모듈(3623)와 AI 필드 러닝 모듈(3625)을 포함한다. AI 필드 뉴럴 네트워크 모듈(3621)은 입력되는 데이터를 신호 처리하여 출력 데이터를 출력하기 위한 다양한 뉴럴 네트워크 모델이 설정될 수 있는데, CNN(Convolutional Neural Network) 등이 설정될 수도 있고, RNN 등이 설정될 수도 있는 등 설계 사양에 따라 다양한 변형이 가능하다.

예를 들어, 본 발명의 기성의 건설 사업 정보 스트럭처링 데이터 중 차원 필드 및 LOD 필드와, 레코드 필드 중 공사 비용, 장소 등과 관련된 값과 각 기성 건설 사업 스트럭처링 데이터의 차원 필드 및 LOD 필드의 개수를 벡터 데이터로 형성한다. 즉, 머신 러닝을 통하여 소정의 기계 학습을 실행하여 차원 필드 및 LOD 필드 개수와 공사 규모와 관련된 건설 사업 정보 스트럭처링 데이터 중 공사 규모와 관련된 레코드 정보를 연관시키는 상관 관계를 학습하여, 현재 대상 프로젝트의 공사 장소, 공사 비용 등에 대하여 머신 러닝 기계 학습된 필드 데이터와의 상관 관계로부터 도출되는 제안 차원 필드 및 LOD 필드에 대한 정보를 도출할 수 있다.

보다 구체적으로, 본 발명의 AI 필드 추천 형성 모듈(3621)은 본 발명의 기성의 건설 사업 정보 스트럭처링 데이터 중 차원 필드 및 LOD 필드와, 레코드 필드 중 공사 비용, 장소 등과 관련된 값과 각 기성 건설 사업 스트럭처링 데이터의 차원 필드 및 LOD 필드의 개수를 벡터 데이터로 형성한다.

이와 같이 형성된 필드 추천 관련 벡터 데이터는 AI 필드 러닝 모듈(3625)을 통하여 소정의 머신 러닝 학습 동작을 실행하는데, 서버 저장 유니트(340)의 머신 러닝 제어 신호에 따라 AI 필드 러닝 모듈(3625)은 AI 필드 뉴럴 네트워크 모듈(3623)를 이용하여 소정의 머신 러닝 내지 AI 학습 동작을 실행할 수 있다.

이와 같은 학습 동작을 통하여, 신규 입력 데이터로서의 현재 대상 프로젝트의 건설 사업 정보 스트럭처링 데이터가 입력되는 경우, 이중 공사 규모와 관련되어 AI 필드 추천 형성 모듈(3621)이 기성 프로젝트에 대하여 형성된 벡터 데이터에 상응하는 벡터 데이터를 추출하고, AI 필드 러닝 모듈(3625)은 AI 필드 뉴럴 네트워크 모듈(3623)를 통하여 학습되어 추출 추천되는 차원 필드 및 LOD 필드의 개수 및 필드 데이터의 유형을 도출할 수 있다. 이때, 차원 필드 및 LOD 필드의 개수뿐만 아니라, 차원 필드 및 LOD 필드의 유형과의 상관관계를 통하여 개수에 상응하는 필드 데이터를 제안하는 구조를 취할 수도 있다. 즉, AI 필드 러닝 모듈(3625)은 AI 필드 뉴럴 네트워크 모듈(3623)를 통하여 공사 규모 관련된 차원 필드 및 LOD 필드의 개수만이 아니라 공사 규모 관련 레코드 필드값과 차원 필드 및 LOD 필드의 개수에 따른 차원 필드 및 LOD 필드의 설정과 관련된 우선 순위와의 상관 관계가 도출되며, 이로부터 동일 개수의 차원 필드 및 LOD 필드에 대하여 공사 규모 관련 벡터 데이터로부터 학습된 상관관계에 의하여 도출되는 공사 규모에 따른 데이터 필드의 우선 순위 도출이 형성되어, AI 필드 추천 형성 모듈(3621)은 해당 개수의 차원 필드 및 LOD 필드에 대하여 추천되는 필드 데이터가 사용자에게 제안된다.

뿐만 아니라, 본 발명은 기성 프로젝트의 건설 사업 공사 정보를 이용하여 현재 진행 중인 대상 프로젝트의 공정 일정관련하여 다양한 변형이 가능하다. 즉, 본 발명의 건설 사업 정보 관리 시스템(1)은 데이터 스트럭처링 이외 건설 사업의 진행 주기별 관리 과정을 실행하는 구조를 취할 수동 있다.

즉, 본 발명의 서버 AI 유니트(360)는 건설 사업 정보를 활용하는 범위로서 건설 사업 정보가 관리가 요구되는 현재 대상 프로젝트의 수주 비딩 시점에서의 활용도 가능하다. 본 발명의 건설 사업 정보 서버 AI 유니트(360)는 AI 에스티메이션 모듈(3630)을 포함할 수 있다. 본 발명의 AI 에스티메이션 모듈(3630)은 기성 프로젝트의 건설 사업 정보 스트럭처링 데이터를 이용하여 프로젝트 견적액과 공사 규모와 관련된 기성 프로젝트의 차원 필드 및 LOD 필드 및 이에 대응하는 레코드 필드 간 산출되는 상관 관계 및 대상 프로젝트의 건설 사업 정보 스트럭처링 데이터로부터 대상 프로젝트의 대상 프로젝트 견적액을 도출할 수 있다.

AI 에스티메이션 모듈(3630)은 AI 에스티메이션 추천 형성 모듈(3621)과, AI 에스티메이션 뉴럴 네트워크 모듈(3633)와 AI 에스티메이션 러닝 모듈(3635)을 포함한다. AI 에스티메이션 뉴럴 네트워크 모듈(3621)은 입력되는 데이터를 신호 처리하여 출력 데이터를 출력하기 위한 다양한 뉴럴 네트워크 모델이 설정될 수 있는데, CNN(Convolutional Neural Network) 등이 설정될 수도 있고, RNN 등이 설정될 수도 있는 등 설계 사양에 따라 다양한 변형이 가능하다.

예를 들어, 본 발명의 기성의 건설 사업 정보 스트럭처링 데이터 중 차원 필드 및 LOD 필드와, 레코드 필드 중 공사 비용, 장소 등과 관련된 값 그리고 공사의 수주시 제시된 프로젝트 견적액으로서 공사 계획 비용과 각 기성 건설 사업 스트럭처링 데이터의 차원 필드 및 LOD 필드의 개수를 벡터 데이터로 형성한다. 즉, 머신 러닝을 통하여 소정의 기계 학습을 실행하여 차원 필드 및 LOD 필드 개수와 공사 규모와 관련된 건설 사업 정보 스트럭처링 데이터 중 공사 규모와 관련된 레코드 정보를 연관시키는 상관 관계를 학습하여, 현재 대상 프로젝트의 공사 장소, 공사 비용 등에 대하여 머신 러닝 기계 학습된 프로젝트 견적액 및 필드 데이터와의 상관 관계로부터 도출되는 프로젝트 견적액의 학습 결과가 형성되고, 이로부터 현재 대상 프로젝트의 대상 프로젝트 견적액의 도출이 가능하다.

보다 구체적으로, 본 발명의 AI 에스티메이션 추천 형성 모듈(3631)은 본 발명의 기성의 건설 사업 정보 스트럭처링 데이터 중 차원 필드 및 LOD 필드와, 레코드 필드 중 공사 비용, 장소 등과 관련된 값 및 견적액을 벡터 데이터로 형성한다.

이와 같이 형성된 필드 추천 관련 벡터 데이터는 AI 에스티메이션 러닝 모듈(3635)을 통하여 소정의 머신 러닝 학습 동작을 실행하는데, 서버 저장 유니트(340)의 머신 러닝 제어 신호에 따라 AI 에스티메이션 러닝 모듈(3635)은 AI 에스티메이션 뉴럴 네트워크 모듈(3633)를 이용하여 소정의 머신 러닝 내지 AI 학습 동작을 실행할 수 있다.

이와 같은 학습 동작을 통하여, 신규 입력 데이터로서의 현재 대상 프로젝트의 건설 사업 정보 스트럭처링 데이터가 입력되는 경우, 이중 공사 규모 및 견적액 또는 공사 계획 비용과 관련되어 AI 필드 추천 형성 모듈(3621)이 기성 프로젝트에 대하여 형성된 벡터 데이터에 상응하는 벡터 데이터를 추출하고, AI 필드 러닝 모듈(3625)은 AI 필드 뉴럴 네트워크 모듈(3623)를 통하여 학습되어 추출 추천되는 견적액 데이터의 유형을 도출할 수 있다. 이때, 견적액 뿐만 아니라, 실제 공사가 완료된 후 최종 공사 금액 내지 견적액과 최종 공사 금액 간의 차이에 대한 데이터도 앞서 AI 에스티메이션 추천 형성 모듈(3631)에서 형성되는 벡터 데이터에 포함될 수 있다.

즉, AI 에스티메이션 러닝 모듈(3635)은 AI 에스티메이션 뉴럴 네트워크 모듈(3633)를 통하여 견적액만이 아니라 공사 규모 관련 레코드 필드값 내지 최종 공사 금액 내지 이들의 차이와 관련된 우선 순위와의 상관 관계가 도출되며, 이로부터 공사 수주 시점에 제시된 견적액과 최종 공사 금액 간의 차이가 머신 러닝 학습이 이루어져, 현재 대상 프로젝트의 공사 견적액의 비딩시 공사 금액 변동의 리스크에 대한 정보를 함께 제공되어 수주자의 능동적 대처 기회를 제공할 수도 있다.

한편, 본 발명의 일실시예에 따른 건설 사업 정보 관리 시스템(1)의 건설 사업 정보 서버 AI 유니트(360)는 AI 매니징 모듈(3640)를 포함할 수 있는데, 대상 프로젝트 공정율 관리를 실행하도록, 기성 프로젝트의 건설 사업 정보 스트럭처링 데이터를 이용하여 프로젝트 공정율과 기성 프로젝트의 차원 필드 및 LOD 필드 간 산출되는 상관 관계 및 대상 프로젝트의 건설 사업 정보 스트럭처링 데이터로부터 대상 프로젝트의 대상 프로젝트 예상 공정율을 도출할 수 있다.

앞선 실시예에서는 본 발명의 서버 AI 유니트(360)는 건설 사업 정보를 활용하는 범위로서 건설 사업 정보 관리가 요구되는 현재 대상 프로젝트의 수주 후 실제 공정 관리 시점에서의 활용도 가능하다. 본 발명의 건설 사업 정보 서버 AI 유니트(360)는 AI 매니징 모듈(3640)을 포함할 수 있다. 본 발명의 AI 매니징 모듈(3640)은 대상 프로젝트 공정율 관리를 실행하도록, 기성 프로젝트의 건설 사업 정보 스트럭처링 데이터를 이용하여 프로젝트 공정율과 기성 프로젝트의 차원 필드 및 LOD 필드 및 레코드 데이터 간 산출되는 상관 관계 및 대상 프로젝트의 건설 사업 정보 스트럭처링 데이터로부터 대상 프로젝트의 대상 프로젝트 예상 공정율을 도출할 수 있다.

보다 구체적으로, 본 발명의 AI 매니징 모듈(3640)은 기성 프로젝트의 건설 사업 정보 스트럭처링 데이터를 이용하여 프로젝트 공정율과 공정율과 관련된 기성 프로젝트의 차원 필드 및 LOD 필드 및 이에 대응하는 레코드 필드 간 산출되는 상관 관계 및 대상 프로젝트의 건설 사업 정보 스트럭처링 데이터로부터 대상 프로젝트의 대상 프로젝트 예상 공정율을 도출할 수 있는데, AI 매니징 모듈(3640)은 AI 매니징 추천 형성 모듈(3641)과, AI 매니징 뉴럴 네트워크 모듈(3643)와 AI 매니징 러닝 모듈(3645)을 포함한다. AI 매니징 뉴럴 네트워크 모듈(3641)은 입력되는 데이터를 신호 처리하여 출력 데이터를 출력하기 위한 다양한 뉴럴 네트워크 모델이 설정될 수 있는데, CNN(Convolutional Neural Network) 등이 설정될 수도 있고, RNN 등이 설정될 수도 있는 등 설계 사양에 따라 다양한 변형이 가능하다.

예를 들어, 본 발명의 기성의 건설 사업 정보 스트럭처링 데이터 중 차원 필드 및 LOD 필드와, 레코드 필드 중 공정율 등과 관련된 값과 각 기성 건설 사업 스트럭처링 데이터 및 기성 건설 사업 스트럭처링 데이터의 목표 공정율 및 실제 이행 공정율, 자제 수급율 등을 벡터 데이터로 형성한다. 즉, 머신 러닝을 통하여 소정의 기계 학습을 실행하여 공정율과 관련된 건설 사업 정보 스트럭처링 데이터 중 공사 규모와 관련된 레코드 정보를 연관시키는 상관 관계를 학습하여, 현재 대상 프로젝트의 공사 장소, 공사 비용, 공정율 등에 대하여 머신 러닝 기계 학습된 프로젝트 목표 공정율과 실제 공정율간의 상관 관계로부터 도출되는 프로젝트 공정율의 학습 결과가 형성되고, 이로부터 현재 대상 프로젝트의 대상 프로젝트 공정율의 예상값 도출이 가능하다.

보다 구체적으로, 본 발명의 AI 매니징 추천 형성 모듈(3641)은 기성의 건설 사업 정보 스트럭처링 데이터 중 차원 필드 및 LOD 필드와, 레코드 필드 중 공정율 등과 관련된 값과 각 기성 건설 사업 스트럭처링 데이터 및 기성 건설 사업 스트럭처링 데이터의 목표 공정율 및 실제 이행 공정율, 자제 수급율 등을 벡터 데이터로 형성하며, 이와 같이 형성된 필드 추천 관련 벡터 데이터는 AI 매니징 러닝 모듈(3645)을 통하여 소정의 머신 러닝 학습 동작을 실행하는데, 서버 저장 유니트(340)의 머신 러닝 제어 신호에 따라 AI 매니징 러닝 모듈(3645)은 AI 매니징 뉴럴 네트워크 모듈(3643)를 이용하여 소정의 머신 러닝 내지 AI 학습 동작을 실행할 수 있다.

이와 같은 학습 동작을 통하여, 신규 입력 데이터로서의 현재 대상 프로젝트의 건설 사업 정보 스트럭처링 데이터가 입력되는 경우, 공정율, 즉 실제 이행 공정율과 목표 공정율과 관련되어 AI 매니징 추천 형성 모듈(3641)이 기성 프로젝트에 대하여 형성된 벡터 데이터에 상응하는 벡터 데이터를 추출하고, AI 매니징 러닝 모듈(3645)은 AI 매니징 뉴럴 네트워크 모듈(3643)를 통하여 학습되어 추출 추천되는 공정율과 관련된 데이터의 유형을 도출할 수 있다.

즉, AI 매니징 러닝 모듈(3645)은 AI 매니징 뉴럴 네트워크 모듈(3643)를 통하여 공사율과 관련된 목표 공사율과 실제 공사율간의 이격차 및 다른 레코드 필드와의 상관 관계를 도출하며, 이로부터 레코드 필드 중 공정율에 영향을 미치는 상관 관계를 갖는 피처로서 필드를 도출하고, 이들의 관계가 머신 러닝 학습이 이루어져, 현재 대상 프로젝트의 공정율과 다른 레코드 필드가 입력되고 이로부터 예상되는 예상 목표 공정율이 도출되고, 현재 진행 대상 프로젝트의 목표 공정율과의 괴리도가 사전 설정값을 초과하는 경우 이상 예상 상태에 대한 어러트 기능을 수행하고 이상 예상 상태를 형성하는 레코드 필드로서 위험 피처라고 판단한 정보의 제공을 통하여 작업자가 현재 대상 프로젝트의 건설 사업 정보 관리를 보다 치밀하게 실행하여 대상 프로젝트의 사업 관리를 보다 안정적으로 실행할 수도 있다.

이하에서는 도면을 참조하여 본 발명의 건설 사업 정보 관리 시스템 제어 방법을 설명한다. 본 발명의 건설 사업 정보 관리 시스템 제어 방법은 제공 단계(S10)와, 입력 단계(S20)와, 데이터 다차원 스트럭처링 단계(S30)를 포함한다.

먼저, 제공 단계(S10)에서 사용자 단말 입력부(110)을 포함하는 사용자 단말 유니트(100)와, 사용자 단말 유니트(100)와 통신을 이루고 입력되는 입력 정보 중 대상 프로젝트의 건설 사업 정보를 건설 사업 정보 데이터로 형성하는 서버 모듈 유니트(320)를 구비하는 서버(300)를 포함하는 건설 사업 정보 관리 시스템(1)을 제공하는데, 건설 사업 정보 관리 시스템(1)에 대하여는 상기 기재 사항을 대체한다. 제공 단계(S10)가 실행된 후 입력 단계(S20)가 실행되는데, 입력 단계(S20)에서 대상 프로젝트의 건설 사업 정보가 적어도 사용자 단말 유니트(100) 내지 건설 사업 정보 데이터 서버(200) 중 하나를 통하여 서버(300)로 입력된다.

그런 후, 데이터 다차원 스트럭처링 단계(S30)가 실행되는데, 데이터 다차원 스트럭처링 단계(S30)에서 서버 모듈 유니트(320)는 건설 사업 정보 데이터를 복수 개의 차원 필드 및 복수 개의 LOD(level of detail) 필드로 다차원 다수준 데이터 구조화하여 건설 사업 정보 스트럭처링 데이터를 형성한다.

보다 구체적으로 데이터 다차원 스트럭처링 단계(S30)는 데이터 스크래핑 단계(S31)와, 데이터 추출 단계(S33)와, 데이터 변환 단계(S35)와, 데이터 맵핑 단계(S37)를 포함한다.

데이터 스크래핑 단계(S31)에서는 입력 단계(S20)에서 입력되는 건설 사업 정보 내지 건설 사업 정보 데이터로부터 스크레이핑 모듈(3210)이 적어도 텍스트 정보를 취합한다. 이렇게 스크래핑 단계(S31)에서 취합된 텍스트 정보를 이용하여 데이터 추출 단계(S33)를 실행하는데, 데이터 추출 단계(S33)에서는 데이터 스크래핑 단계(S31)에서 취합되는 텍스트 정보 중 데이터 익스트랙션 모듈(3220)이 건설 사업 정보로부터 오버올(overall) 건설 사업 정보 데이터를 추출한다.

데이터 추출 단계(S33)가 실행된 후 데이터 변환 단계(S35)가 실행되는데, 데이터 변환 단계(S35)에서는 오버올 건설 사업 정보 데이터로부터 데이터 구조화시켜 다차원 다수준화된 데이터 구조를 얻도록 복수 개의 차원 필드 및 복수 개의 LOD 필드를 설정하여 필드 건설 사업 정보 데이터로 변환시킨다. 즉, 데이터 변환 단계(S35)에서 불필요한 데이터까지 포함된 오버올 건설 사업 정보 데이터를 구조화시켜 다차원 다수준의 데이터 구조 획득을 가능하게 하도록 설정된 복수 개의 차원 필드 및 LOD 필드를 갖는 필드 건설 사업 정보 데이터로 변환시킨다.

그런 후 데이터 맵핑 단계(S37)가 실행되는데, 데이터 맵핑 단계(S37)에서는 데이터 변환 모듈(3230)에서 변환된 필드 건설 사업 정보 데이터를 데이터 맵핑 모듈(3250)이 맵핑시켜 데이터 저장 모듈(3240)에 저장 구축하여 건설 사업 정보 스트럭처링 데이터를 도출시킨다.

한편, 데이터 변환 단계(S35)는 데이터 필드 설정 단계(S351)와 데이터 파싱 변환 단계(S353)를 포함한다. 데이터 필드 설정 단계(S351)에서는 데이터 변환 모듈(3230)의 데이터 필드 설정부(3231)가 차원 필드 및 LOD 필드를 설정한다.

그런 후 데이터 파싱 변환 단계(S353)가 실행되는데, 데이터 파싱 변환 단계(S353)에서는 데이터 변환 모듈(3230)의 데이터 파싱 변환부(3233)가 오버올 건설 사업 정보 데이터로부터 데이터 필드 설정부(3231)에서 설정한 차원 필드 및 LOD 필드에 대응하는 데이터 레코드로서의 데이터 필드를 확인 도출한다.

보다 구체적으로 데이터 파싱 변환 단계(S353)는 데이터 파싱 필드 확인 단계(S3531)와, 필드 비교 단계(S3533)와, 데이터 필드 AI 변환 단계(S3535)와, 데이터 필드 확인 단계(S3537)를 포함하는데, 먼저, 데이터 파싱 필드 확인 단계(S3531)에서는 데이터 변환 모듈(3230)의 데이터 파싱 변환부(3233)가 오버올 건설 사업 정보 데이터로부터 데이터 필드 설정부(3231)에서 설정한 차원 필드 및 LOD 필드에 대응하는 데이터 레코드로서의 데이터 필드를 확인한다.

데이터 파싱 필드 확인 단계(S3531)에서 데이터 필드 설정부(3231)에서 설정한 차원 필드 및 LOD 필드에 대응하는 데이터 레코드로서의 데이터 필드가 확인된 후, 필드 비교 단계(S3533)가 실행된다.

필드 비교 단계(S3533)에서 확인된 데이터 필드와 데이터 필드 딕셔너리 저장부(3241)에 저장된 데이터 필드가 비교된 후, 데이터 필드 AI 변환 단계(S3535)가 실행되는데, 데이터 필드 AI 변환 단계(S3535)에서 서버(300)의 서버 AI 유니트(360)의 AI 변환 모듈(3610)이 필드를 표준화시킨다. 즉, 서버 AI 유니트(360)는 대상 프로젝트의 신규 입력되는 차원 필드 및 LOD 필드 설정 정보와 기저장된 차원 필드 및 LOD 필드 설정 정보를 클러스터링 실행 표준화시키는데, 이러한 표준화 과정은 건설 사업 정보 스트럭처링 데이터 및 데이터 필드 딕셔너리 저장부(3241)에 저장되는 차원 필드 및 LOD 필드 설정 정보를 통하여 이루어진다.

데이터 필드 AI 변환 단계(S3535)가 완료된 후, 데이터 필드 확인 단계(S3537)가 실행되는데, 데이터 필드 확인 단계(S3537)에서는 데이터 필드 AI 변환 단계(S3535)에서 클러스터링 실행 표준화되는 데이터 필드가 확인된다.

보다 구체적으로, 데이터 필드 AI 변환 단계(S3535)는 파싱 필드 벡터화 단계(S35351)와, 유사도 산출 단계(S35353)와, 유사도 비교 단계(S35355)와, 추천 필드 확인 단계(S35357)를 포함한다. 먼저, 파싱 필드 벡터화 단계(S35351)에서 적어도 대상 프로젝트의 신규 입력되는 차원 필드 및 LOD 필드 설정 정보가 벡터화되는데, 파싱 필드 벡터화 단계(S35351)에서 벡터화된 필드 설정 정보를 이용하여 유사도 산출 단계(S35353)가 실행된다. 유사도 산출 단계(S35353)에서는 적어도 대상 프로젝트의 신규 입력되는 차원 필드 및 LOD 필드 설정 정보의 벡터화된 벡터 데이터와 데이터 필드 딕셔너리 저장부(3241)에 저장된 차원 필드 및 LOD 필드 설정 정보의 벡터 데이터로부터 유사도가 산출된다.

본 실시예에서 유사도 산출 단계(S35353)에서 코사인 유사도 산출 방식이 사용되나, 앞서 기술한 바와 같이 이는 일예로서 본 발명은 이에 국한되지 않고 유크리드 거리, 레벤슈타인 거리 등의 방식이 사용될 수도 있는 등 벡터 데이터 간의 유사도 측정은 설계 사양에 따라 다양한 변형이 가능하다.

유사도 비교 단계(S35355)에서는 유사도 산출 단계(S35353)에서 산출된 유사도 값의 정렬이 이루어져 유사도 순위 산출이 형성된다. 본 실시예에서는 코사인 유사도 방식으로 산출된 벡터 데이터 간 유사도 값의 크기 순서로 정렬한다.

유사도 비교 단계(S35355)가 완료된 후 추천 필드 확인(S35357)가 실행되는데, 산출되어 비교된 유사도 순위에 따라 해당 대상 프로젝트의 신규 입력되는 차원 필드 및 LOD 필드 설정 정보에 대하여 유사도가 제일 높은 데이터 필드 딕셔너리 저장부(3241)에 저장된 차원 필드 및 LOD 필드 설정 정보의 벡터 데이터 정보로 맵핑시킨다.

추천 필드 확인(S35357)는 유사도 최대값 개수 비교 단계(S353571)와, 인접 LOD 필드 비교 단계(S353573)와, 동일 인접 LOD 필드 확인 단계(S353575)와, 추천 필드 확정 단계(S353577)를 포함한다.

유사도 최대값 개수 비교 단계(S353571)에서는 유사도 비교 단계(S35355)에서 비교된 유사도 순위 중 유사도 최대값의 개수가 복수 개인지 여부를 확인하고 인접 LOD 필드 비교 단계(S353573)가 실행된다. 인접 LOD 필드 비교 단계(S353573)에서는 유사도 최대값 개수 비교 단계(S353571)에서 유사도 최대값의 개수가 복수 개라고 판단된 경우 대상 프로젝트의 LOD 필드 및 유사도 최대값의 차원 필드 및 LOD 필드 설정 정보의 상위 및 하위 레벨 필드를 비교한다.

동일 인접 LOD 필드 확인 단계(S353575)에서는 인접 LOD 필드 비교 단계(S353573)에서 비교된 대상 프로젝트의 LOD 필드 및 유사도 최대값의 차원 필드 및 LOD 필드 설정 정보의 상위 및 하위 레벨 필드의 동일 인접 LOD 필드를 확인하고, 추천 필드 확정 단계(S353577)를 실행한다.

추천 필드 확정 단계(S353577)에서는 동일 인접 LOD 필드 확인 단계(S353575)에서 확인된 동일 인접 LOD 필드를 갖는 차원 필드 및 LOD 필드를 추천 제안한다.

이와 같은 과정을 거처, 복수 개의 동일한 유사도 최대값을 갖는 필드 중 상위 및 하위 레벨 벨드의 비교를 통하여 상하위 레벨 필드와 연관성 내지 상관성이 높은 필드를 추천 필드로 선택하는 과정을 실행한다.

이러한 머신 러닝의 복합 연산을 통한 상관성을 산출하여 복수 개의 히든 레이어 상의 비선형 활성함수의 계층적 구조 하에서 역전파 원리 등을 이용하여 설계되는데, 하나의 히든 레이어의 출력값에 가중치 내지 매개변수 프로덕트를 적용하여 다음 히든 레이어의 입력값으로 사용하여 손실함수를 최소화시키는 방향으로 업데이트되도록 하는 가중치를 찾는 신경망 방식의 머신 러닝으로 적용된다.

이러한 서버 AI 유니트는 상기 실시예에서 차원 필드 내지 LOD 필드의 명칭을 표준화하여 클러스터링하는 과정에 사용되었으나, 본 발명은 이에 국한되지 않고 다차원 다수준 구조화된 건설 사업 스트럭처링 데이터를 이용하여 다양한 유형으로 구현될 수도 있다.

즉, 본 발명의 건설 사업 정보 서버 AI 유니트(360)은 AI 에스티메이션 모듈(3630)를 포함할 수 있는데, AI 에스티메이션 모듈(3630)에서 대상 프로젝트 에스티메이션 단계(S40)가 실행된다. 대상 프로젝트 에스티메이션 단계(S40)에서 AI 에스티메이션 모듈(3630)은 기성 프로젝트의 건설 사업 정보 스트럭처링 데이터를 이용하여 프로젝트 견적액과 공사 규모와 관련된 기성 프로젝트의 차원 필드 및 LOD 필드 및 레코드 필드 간 산출되는 상관 관계 및 대상 프로젝트의 건설 사업 정보 스트럭처링 데이터로부터 대상 프로젝트의 대상 프로젝트 견적액을 산출한다.

대상 프로젝트 에스티메이션 단계(S40)는 대상 프로젝트 에스티메이션 벡터 단계(S41)와, 프로젝트 에스티메이션 학습 단계(S43)와, 프로젝트 에스티메이션 산출 단계(S45)를 포함한다.

대상 프로젝트 에스티메이션 벡터 단계(S41)에서는 AI 에스티메이션 모듈(3630)의 AI 에스티메이션 추천 형성 모듈(3631)이 기성 건설 사업 정보 스트럭처링 데이터 중 차원 필드 및 LOD 필드와, 레코드 필드 중 공사 비용, 장소와 관련된 필드의 값 및 견적액을 벡터 데이터로 형성한다.

프로젝트 에스티메이션 학습 단계(S43)에서는 기성 건설 사업 정보에 대한 상기 프로젝트 에스티메이션 벡터가 AI 에스티메이션 모듈(3630)의 AI 에스티메이션 뉴럴 네트워크 모듈(3633)에서 머신 러닝 학습된다.

프로젝트 에스티메이션 학습 단계(S43)가 실행된 후, 프로젝트 에스티메이션 산출 단계(S45)가 실행되는데, 현재 대상 프로젝트의 건설 사업 정보 스트럭처링 데이터 중 차원 필드 및 LOD 필드와, 레코드 필드 중 공사 비용, 장소와 관련된 값의 벡터 데이터가 AI 에스티메이션 뉴럴 네트워크 모듈(3633)에 입력되어 적어도 예상 견적액을 산출한다.

이때, 대상 프로젝트 에스티메이션 벡터 단계(S41)에서 벡터 데이터는 최종 공사 비용을 포함하고, 프로젝트 에스티메이션 산출 단계(S45)에서 현재 대상 프로젝트의 건설 사업 정보 스트럭처링 데이터 중 차원 필드 및 LOD 필드와, 레코드 필드 중 공사 비용, 장소와 관련된 값의 벡터 데이터가 AI 에스티메이션 뉴럴 네트워크 모듈(3633)에 입력되어 예상 견적액과 예상 최종 공사 금액간의 예상 차이값도 산출한다. 이와 같이 단순한 예상 견적액의 산출 이외에 기성 프로젝트에서 얻어지는 견적액과 최종 공사 금액 간의 차이의 복합적 연산 과정을 거친 학습을 통하여 얻어지는 상관 관계로부터 도출되는 예상 견적액과 예상 최종 공사 금액 간의 예상 차이값을 이용하여 발주 건설 사업 프로젝트에 대한 비딩 준비 과정에서 견적액의 레퍼런스 조정 레인지를 참조하여 비딩 상황에 따른 견적액 선택의 폭을 제공하여 비딩 결과에 도움을 제공하는 구조를 취할 수도 있다.

또한, 본 발명의 서버 AI 유니트는 상기 실시예에서 차원 필드 내지 LOD 필드의 명칭을 표준화하여 클러스터링하는 과정과 견적액 산출에 사용되었으나, 본 발명은 이에 국한되지 않고 다차원 다수준 구조화된 건설 사업 스트럭처링 데이터를 이용하여 현재 대상 프로젝트의 공정 관리에 사용될 수도 있다.

즉, 본 발명의 건설 사업 정보 서버 AI 유니트(360)의 AI 매니징 모듈(3640)이 포함될 수 있고, 대상 프로젝트 매니징 단계(S50)에서 AI 매니징 모듈(3640)이 기성 프로젝트의 건설 사업 정보 스트럭처링 데이터를 이용하여 프로젝트 공정율과 기성 프로젝트의 차원 필드 및 LOD 필드 간 산출되는 상관 관계 및 대상 프로젝트의 건설 사업 정보 스트럭처링 데이터로부터 대상 프로젝트의 대상 프로젝트 예상 공정율을 산출하여, 사용자, 즉 건설 프로젝트 관리자 내지 현장에서의 현장 관리자 등에게 현재 진행되는 대상 프로젝트의 목표 공정율과 현재 공정율 그리고 AI 매니징 모듈(3640)을 통한 예상 공정율의 정보 제공을 통하여, 목표 공정율과 예상 공정율의 괴리차이를 줄이도록 실제 대상 프로젝트의 현재 시점에서의 공정 관리를 실행할 수 있다.

이상, 본 발명을 본 발명의 원리를 예시하기 위한 바람직한 실시예와 관련하여 도시하고 설명하였으나, 본 발명은 그와 같이 도시되고 설명된 그대로의 구성 및 작용으로 한정되는 것이 아니다. 오히려 첨부된 청구범위의 사상 및 범위를 일탈함이 없이 본 발명에 대한 다수의 변경 및 수정이 가능함을 당업자들은 잘 이해할 수 있을 것이다.

Claims (21)

1. 삭제
2. 삭제
3. 삭제
4. 삭제
5. 삭제
6. 삭제
7. 삭제
8. 삭제
9. 삭제
10. 삭제
11. 삭제
12. 삭제
13. 삭제
14. 삭제
15. 사용자 단말 입력부(110)을 포함하는 사용자 단말 유니트(100)와, 상기 사용자 단말 유니트(100)와 통신을 이루고 입력되는 입력 정보 중 대상 프로젝트의 건설 사업 정보를 건설 사업 정보 데이터로 형성하는 서버 모듈 유니트(320)를 구비하는 서버(300)를 포함하는 건설 사업 정보 관리 시스템(1)을 제공하는 제공 단계(S10)와, 대상 프로젝트의 건설 사업 정보가 적어도 사용자 단말 유니트(100) 내지 건설 사업 정보 데이터 서버(200) 중 하나를 통하여 상기 서버(300)로 입력되는 입력 단계(S20)와, 상기 서버 모듈 유니트(320)는 상기 건설 사업 정보 데이터를 복수 개의 차원 필드 및 복수 개의 LOD(level of detail) 필드로 다차원 다수준 데이터 구조화하여 건설 사업 정보 스트럭처링 데이터를 형성하는 데이터 다차원 스트럭처링 단계(S30)를 포함하고,
    상기 데이터 다차원 스트럭처링 단계(S30)는: 상기 입력 단계(S20)에서 입력되는 건설 사업 정보 내지 건설 사업 정보 데이터로부터 상기 서버 모듈 유니트(320)의 스크레이핑 모듈(3210)이 적어도 텍스트 정보를 취합하는 데이터 스크래핑 단계(S31)와, 상기 데이터 스크래핑 단계(S31)에서 취합되는 텍스트 정보 중 상기 서버 모듈 유니트(320)의 데이터 익스트랙션 모듈(3220)이 건설 사업 정보로부터 오버올(overall) 건설 사업 정보 데이터를 추출하는 데이터 추출 단계(S33)와, 상기 오버올 건설 사업 정보 데이터로부터 데이터 구조화시켜 다차원 다수준화된 데이터 구조를 얻도록 복수 개의 차원 필드 및 복수 개의 LOD 필드를 설정하여 필드 건설 사업 정보 데이터로 변환시키는 데이터 변환 단계(S35)와, 상기 서버 모듈 유니트(320)의 데이터 변환 모듈(3230)에서 변환된 필드 건설 사업 정보 데이터를 데이터 맵핑 모듈(3250)이 맵핑시켜 데이터 저장 모듈(3240)에 저장 구축하여 건설 사업 정보 스트럭처링 데이터의 도출시키는 데이터 맵핑 단계(S37)를 포함하고,
    상기 데이터 변환 단계(S35)는: 상기 데이터 변환 모듈(3230)의 데이터 필드 설정부(3231)이 차원 필드 및 LOD 필드를 설정하는 데이터 필드 설정 단계(S351)와, 상기 데이터 변환 모듈(3230)의 데이터 파싱 변환부(3233)가 오버올 건설 사업 정보 데이터로부터 상기 데이터 필드 설정부(3231)에서 설정한 차원 필드 및 LOD 필드에 대응하는 데이터 레코드로서의 데이터 필드를 확인 도출하는 데이터 파싱 변환 단계(S353)을 포함하고,
    상기 데이터 파싱 변환 단계(S353)는: 상기 데이터 변환 모듈(3230)의 데이터 파싱 변환부(3233)가 오버올 건설 사업 정보 데이터로부터 상기 데이터 필드 설정부(3231)에서 설정한 차원 필드 및 LOD 필드에 대응하는 데이터 레코드로서의 데이터 필드를 확인하는 데이터 파싱 필드 확인 단계(S3531)와, 상기 확인된 데이터 필드와 데이터 저장 모듈(3240)의 데이터 필드 딕셔너리 저장부(3241)에 저장된 데이터 필드를 비교하는 필드 비교 단계(S3533)와, 상기 서버(300)의 서버 AI 유니트(360)는 AI 변환 모듈(3610)이 건설 사업 정보 스트럭처링 데이터 및 데이터 필드 딕셔너리 저장부(3241)에 저장되는 차원 필드 및 LOD 필드 설정 정보를 통하여, 대상 프로젝트의 신규 입력되는 차원 필드 및 LOD 필드 설정 정보와 기저장된 차원 필드 및 LOD 필드 설정 정보를 클러스터링 실행 표준화시키는 데이터 필드 AI 변환 단계(S3535)와, 상기 데이터 필드 AI 변환 단계(S3535)에서 클러스터링 실행 표준화되는 데이터 필드를 확인하는 데이터 필드 확인 단계(S3537)을 포함하고,
    상기 데이터 필드 AI 변환 단계(S3535)는: 적어도 대상 프로젝트의 신규 입력되는 차원 필드 및 LOD 필드 설정 정보를 벡터화시키는 파싱 필드 벡터화 단계(S35351)와, 적어도 대상 프로젝트의 신규 입력되는 차원 필드 및 LOD 필드 설정 정보의 벡터화된 벡터 데이터와 데이터 필드 딕셔너리 저장부(3241)에 저장된 차원 필드 및 LOD 필드 설정 정보의 벡터 데이터로부터 유사도를 산출하는 유사도 산출 단계(S35353)와, 상기 유사도 산출 단계(S35353)에서 산출되는 유사도 값은 정렬이 이루어져 유사도 순위 산출이 형성되는 유사도 비교 단계(S35355)와, 상기 유사도 비교 단계(S35355)에서 산출된 유사도 순위에 따라 해당 대상 프로젝트의 신규 입력되는 차원 필드 및 LOD 필드 설정 정보에 대하여 유사도가 제일 높은 데이터 필드 딕셔너리 저장부(3241)에 저장된 차원 필드 및 LOD 필드 설정 정보의 벡터 데이터 정보로 맵핑시키는 추천 필드 확인(S35357)를 포함하고,
    상기 추천 필드 확인(S35357)는:
    상기 유사도 비교 단계(S35355)에서 비교된 유사도 순위 중 유사도 최대값의 개수가 복수 개인지 여부를 확인하는 유사도 최대값 개수 비교 단게(S353571)와,
    상기 유사도 최대값 개수 비교 단게(S353571)에서 유사도 최대값의 개수가 복수 개라고 판단된 경우 대상 프로젝트의 LOD 필드 및 유사도 최대값의 차원 필드 및 LOD 필드 설정 정보의 상위 및 하위 레벨 필드를 비교하는 인접 LOD 필드 비교 단계(S353573)와,
    상기 인접 LOD 필드 비교 단계(S353573)에서 비교된 대상 프로젝트의 LOD 필드 및 유사도 최대값의 차원 필드 및 LOD 필드 설정 정보의 상위 및 하위 레벨 필드의 동일 인접 LOD 필드를 확인하는 동일 인접 LOD 필드 확인 단계(S353575)와,
    동일 인접 LOD 필드 확인 단계(S353575)에서 확인된 동일 인접 LOD 필드를 갖는 차원 필드 및 LOD 필드를 추천 제안하는 추천 필드 확정 단계(S353577)
    를 포함하는 것을 특징으로 하는 건설 사업 정보 관리 시스템 제어 방법.
    
16. 삭제
17. 삭제
18. 제 15항에 있어서,
    상기 건설 사업 정보 서버 AI 유니트(360)의 AI 에스티메이션 모듈(3630)이 기성 프로젝트의 건설 사업 정보 스트럭처링 데이터를 이용하여 프로젝트 견적액과 공사 규모와 관련된 기성 프로젝트의 차원 필드 및 LOD 필드 및 레코드 필드 간 산출되는 상관 관계 및 대상 프로젝트의 건설 사업 정보 스트럭처링 데이터로부터 대상 프로젝트의 대상 프로젝트 견적액을 산출하는 대상 프로젝트 에스티메이션 단계(S40)를 포함하는 것을 특징으로 하는 건설 사업 정보 관리 시스템 제어 방법.
    
19. 제 18항에 있어서,
    상기 AI 에스티메이션 모듈(3630)의 AI 에스티메이션 추천 형성 모듈(3631)이 기성 건설 사업 정보 스트럭처링 데이터 중 차원 필드 및 LOD 필드와, 레코드 필드 중 공사 비용, 장소와 관련된 값 및 견적액을 벡터 데이터로 형성하는 대상 프로젝트 에스티메이션 벡터 단계(S41)와,
    기성 건설 사업 정보에 대한 상기 프로젝트 에스티메이션 벡터가 상기 AI 에스티메이션 모듈(3630)의 AI 에스티메이션 뉴럴 네트워크 모듈(3633)에서 머신 러닝 학습되는 프로젝트 에스티메이션 학습 단계(S43)와,
    현재 대상 프로젝트의 건설 사업 정보 스트럭처링 데이터 중 차원 필드 및 LOD 필드와, 레코드 필드 중 공사 비용, 장소와 관련된 값의 벡터 데이터가 상기 AI 에스티메이션 뉴럴 네트워크 모듈(3633)에 입력되어 적어도 예상 견적액을 산출하는 프로젝트 에스티메이션 산출 단계(S45)를 포함하는 것을 특징으로 하는 건설 사업 정보 관리 시스템 제어 방법.
    
20. 제 19항에 있어서,
    상기 대상 프로젝트 에스티메이션 벡터 단계(S41)에서 상기 벡터 데이터는 최종 공사 비용을 포함하고,
    상기 프로젝트 에스티메이션 산출 단계(S45)에서 현재 대상 프로젝트의 건설 사업 정보 스트럭처링 데이터 중 차원 필드 및 LOD 필드와, 레코드 필드 중 공사 비용, 장소와 관련된 값의 벡터 데이터가 상기 AI 에스티메이션 뉴럴 네트워크 모듈(3633)에 입력되어 예상 견적액과 예상 최종 공사 금액간의 예상 차이값도 산출하는 것을 특징으로 하는 건설 사업 정보 관리 시스템 제어 방법.
    
21. 제 15항에 있어서,
    상기 건설 사업 정보 서버 AI 유니트(360)의 AI 에스티메이션 모듈(3630)이 기성 프로젝트의 건설 사업 정보 스트럭처링 데이터를 이용하여 프로젝트 공정율과 기성 프로젝트의 차원 필드 및 LOD 필드 간 산출되는 상관 관계 및 대상 프로젝트의 건설 사업 정보 스트럭처링 데이터로부터 대상 프로젝트의 대상 프로젝트 예상 공정율을 산출하는 대상 프로젝트 매니징 단계(S50)를 포함하는 것을 특징으로 하는 건설 사업 정보 관리 시스템 제어 방법.
    
    
    
    
    
    

Images