KR102530383B1 - 터널 시공문서 자동 생성 방법 - Google Patents

Abstract

본 발명은 시공기록부, 검측관리부, 작업일보관리부, 폐기물처리관리부 등이 자동화된 시스템을 이용하여 시공기록 관리기록부, 검측의뢰서, 검측결과통보서, 작업일보 및 건설폐기물 위탁처리 작업의뢰서 등 다양한 시공문서를 자동으로 생성할 수 있는 방법 및 그러한 방법이 수행되도록 저장매체에 기록된 프로그램을 제공한다. 특히, 이미지 분석을 통하여 자재 수량의 자동 연산이 가능하며 DFM 기술이 적용되어 보다 유효한 시공문서 생성이 가능하다.

Description

터널 시공문서 자동 생성 방법{Method for generating tunnel construction documents automatically}

본 발명은 터널의 시공과 관련된 각종 문서들을 자동으로 생성할 수 있는 방법 및 이러한 방법이 수행되도록 저장매체에 기록된 프로그램에 관한 것이다.

터널 공사는, 천공, 발파, 버력 정리, 실링 및 숏크리트, 지보, 숏크리트, 록볼트 설치 등의 한 회차 공정이 반복되면서 이루어진다. 평균적으로 매일 2회 정보의 발파 작업이 이루어진다. 다른 건설현장과 마찬가지로 많은 주의가 필요하나, 발파가 이루어짐을 고려하면 특히 세심한 주의가 필요하다.

터널 공사시 60여개 이상의 관련 시공문서를 요구한다. 실제 현장에서는, 현장관리자가 위의 한 회차 공정마다 사진 등을 촬영하고, 검측을 의뢰하거나 실제 계측한 데이터를 기록한 후, 하루의 공사가 마무리되면 사무실에 복귀하여 컴퓨터로 각종 문서 작업을 수행하여 종이 문서를 출력하는 방식으로 시공문서가 작성된다.

이 경우, 다양한 문제가 발생한다.

현장관리자에 의한 기록에 의존하기에 부정확한 문서가 생성될 수 있다. 예컨대, 현장관리자가 록볼트의 개수를 잘못 확인하였다면 이는 그대로 문서화되고 다음 회차의 천공, 발파 등에 있어서 이에 기반한 작업이 이루어지게 된다. 달리 표현하면, 현장관리자의 숙련도에 따라 문서 정확도가 달라지는 문제가 있다.

현장관리자가 문서 작업에 치중할 경우, 이와 관련된 정보 획득, 계측, 사진 촬영 등에 집중하는 등 다양한 이유로 현장관리자 본연의 업무인 시공 현장 관리 감독이 느슨해질 수 있다. 이는 대형 사고의 원인이 될 수도 있다.

현장관리자는 하루 공사가 마무리되어도 야근을 하며 많은 시간을 들여 종이 문서를 작성하여야 한다. 이렇게 작성된 종이 문서는 분실이나 손실의 우려도 있다. 이러한 패턴이 계속된다면 현장관리자의 피로 누적에 의한 시공 현장 관리에도 문제가 발생할 수 있다.

(특허문헌 1) KR 10-1675034

(특허문헌 2) KR 10-2074578

(특허문헌 3) JP 2019-023392A

(특허문헌 4) JP 2018-071165A

(특허문헌 5) KR 10-2009-0020359A

(특허문헌 6) JP 4094770B2

(특허문헌 7) EP 1176393B1

(특허문헌 8) JP 2019-065648A

본 발명은 상기와 같은 문제점을 해결하기 위하여 안출된 것이다.

다양한 시공문서 작성을 자동화하는 방법을 제공하고자 한다.

단순히 날짜나 기상현황이 자동으로 기재되는 것을 너머, 특정 자재의 개수가 자동으로 카운팅되고, 검측의뢰서와 검측결과통보서가 자동으로 동기화되는 등 높은 정확도와 효율성의 문서 작성이 자동으로 가능한 방법을 제공하고자 한다.

현장관리자의 숙련도와 무관하게 정확도 높은 자동 시공문서 생성 방법을 제공하고자 한다. 숙련도가 낮은 현장관리자라고 시스템 내에서 높은 정확도의 문서가 생성될 수 있어야 한다.

DFM 처리 방식을 적용하고자 한다. 이를 통하여, 시공문서에 포함된 이미지는 단순 사진 이미지에서 벗어나서 다양한 정보를 신속하게 제공할 것이다.

상기와 같은 과제를 해결하기 위한 본 발명의 일 실시예는, (a1) 시공기록부(200)가 일반정보를 확인하는 단계; - (a1) 단계의 일반정보는, 사업단, 공사명, 공구, 위치, 방향 및 일시를 포함함, (b1) 상기 시공기록부(200)에, 공종 데이터베이스(810)에 저장된 공종 중 어느 하나의 공종이 입력되어 확인되는 단계; (c1) 이미지관리부(620)에 이미지가 입력되고, 상기 시공기록부(200)가 상기 입력된 이미지를 불러와서 확인하는 단계; (d1) 상기 시공기록부(200)가 자재, 규격 및 그 수량을 확인하는 단계; 및 (e1) 상기 시공기록부(200)가 상기 (a1), (b1), (c1) 및 (d1) 단계에서 확인된 일반정보, 공종, 이미지, 및 자재와 그 규격 및 수량을 이용하여 동산보드를 생성하고, 생성된 동산보드를 더 이용하여 시공기록 관리기록부를 생성하는 단계를 포함하며, 상기 (d1) 단계는, (d11) 자동입력 및 AI 식별이 선택된 경우, 상기 시공기록부(200)가 상기 입력된 공종에 대응되는 것으로 미리 설정된 자재 및 규격을 확인하고, 상기 이미지관리부(620)의 AI 식별 모듈(622)이, 상기 입력된 이미지 분석을 통하여 상기 확인된 규격의 자재를 식별하고 그 수량을 확인하는 단계; (d12) 자동입력 및 RFID 식별이 선택된 경우, 상기 시공기록부(200)가 입력된 공종에 대응되는 것으로 미리 설정된 자재 및 규격을 확인하고, 상기 이미지 관리부(620) 내 RFID 식별 모듈(623)이 수신한 RFID 신호에 근거하여 상기 확인된 규격의 자재의 수량을 확인하는 단계; 및 (d13) 수동입력이 선택된 경우, 상기 시공기록부(200)에 자재, 규격 및 그 수량이 입력되어 확인되는 단계를 포함하는, 방법을 제공한다.

또한, 상기 (c1) 단계는, 상기 이미지관리부(620)에 이미지가 입력되고, DFM(digital face mapping) 모듈(621)에 의해 상기 입력된 이미지가 DFM 처리되고, 상기 시공관리부(200)가 상기 DFM 처리된 이미지를 확인하는 단계를 포함하며, 상기 DFM 모듈(621)이 상기 입력된 이미지를 DFM 처리하는 단계는, 막장면 이미지 정보를 입력층으로 하고 상기 막장면 이미지 정보에 DFM 처리되는 분석 정보를 출력층으로 하는 학습을 이용한 막장면 자동 분석 시스템을 통해, 입력된 막장면 이미지 정보에 대한 분석 정보를 자동으로 출력하는 단계들로서, -여기서, 분석 정보는 암종에 대한 정보, 암질에 대한 정보 및 절리에 대한 정보를 포함함- (A1) 학습용 막장면 이미지 정보 입력부가 학습용으로 미리 준비된 학습용 막장면 이미지 정보를 로딩하고, 학습용 분석 정보 입력부가 상기 막장면 이미지 정보에 대응되는 학습용 분석 정보를 로딩하고, 상기 로딩된 학습용 막장면 이미지 정보와 학습용 분석 정보를 매핑하여, 학습 정보를 설정하는 단계; (A2) 학습 정보 분할부가, 상기 학습 정보를 기 설정된 단위로서 분할(cropping)하여 하나의 학습 정보마다 다수의 분할 학습 정보를 생성하는 단계; (A3) 포맷 변환부가 상기 다수의 분할 학습 정보를 로딩하여 학습용 포맷으로 변환하는 단계; (A4) 학습 수행부가, 상기 포맷 변환된 다수의 분할 학습 정보를 이용하여 하나의 막장면 이미지 정보마다 다수 회의 학습을 수행하는 단계; (A5) 상기 (A1) 내지 (A4) 단계를, 다수의 학습용 막장면 이미지 정보에 대하여 수행함으로써 막장면 자동 분석 시스템을 구축하는 단계; 및 (B) 입력부에 막장면 이미지 정보가 입력되면, 추론부가 상기 막장면 자동 분석 시스템을 이용하여 분석 정보를 추론하고, 출력부가 이를 출력하여, 입력된 이미지를 DFM 처리하는 단계를 포함하는 것이 바람직하다.

또한, (a2) 검측관리부(300)가 일반정보를 확인하는 단계; - (a2) 단계의 일반정보는, 공사명, 공구, 검측요청일시 및 검측번호를 포함함, (b2) 상기 검측관리부(300)에, 상기 공종 데이터베이스(810)에 저장된 공종 중 어느 하나의 공종이 입력되어 확인되는 단계; (c2) 상기 검측관리부(300)에 특기사항 및 관련도면이 입력되어 확인되는 단계; (d2) 상기 검측관리부(300)에 상기 공종 데이터베이스(810)로 저장된 세부공종 중 어느 하나 이상의 세부공종이 선택되어 검측체크리스트로 확인되는 단계; (e2) 상기 이미지관리부(620)에 이미지가 입력되고, 상기 검측관리부(300)가 상기 입력된 이미지를 불러와서 확인하는 단계; 및 (f2) 상기 검측관리부(300)가 상기 (a2), (b2), (c2), (d2) 및 (e2) 단계에서 확인된 일반정보, 공종, 특기사항, 관련도면 및 검측체크리스트를 이용하여 검측의뢰서를 생성하는 단계를 더 포함하는 것이 바람직하다.

또한, (a3) 상기 검측관리부(300)가 일반정보를 불러와서 확인하는 단계; - (a3) 단계의 일반정보는 공사명, 공구, 접수일자, 수신인을 포함함, (b3) 상기 검측관리부(300)에 검측자정보, 검측결과 및 조치요구사항이 입력되어 확인되는 단계; 및 (c3) 상기 검측관리부(300)가 상기 (a3) 및 (b3) 단계에서 확인된 일반정보, 검측자정보, 검측결과 및 조치요구사항을 이용하여 검측결과통보서를 생성하는 단계를 더 포함하는 것이 바람직하다.

또한, (a4) 작업일보관리부(400)가 일반정보를 불러와서 확인하는 단계; - (a4) 단계의 일반정보는 공사명, 공구, 금일과 명일 일시, 기상현황을 포함함, (b4) 상기 작업일보관리부(400)에 금일계획 및 명일계획이 입력되어 확인되는 단계; (c4) 상기 작업일보관리부(400)에 터널굴진현황, 공정현황, 투입인원, 예정인원, 투입장비 및 예정장비가 입력되어 확인되는 단계; (d4) 상기 작업일보관리부(400)가 터널굴진현황 누계, 인원투입 누계 및 장비투입 누계를 연산하여 확인하는 단계; 및 (e4) 상기 작업일보관리부(400)가 상기 (a4), (b4), (c4) 및 (d4) 단계에서 확인된 일반정보, 금일계획, 명일계획, 터널굴진현황, 공정현황, 투입인원, 예정인원, 투입장비, 예정장비, 터널굴진현황 누계, 인원투입 누계 및 장비투입 누계를 이용하여 작업일보를 생성하는 단계를 더 포함하며, 상기 (d4) 단계는, (d41) 작일 작업일보가 있는 경우, 상기 작업일보관리부(400)가 작일 작업일보 상 터널굴진현황 누계, 투입인원 누계 및 투입장비 누계를 확인하고, 여기에 상기 (c4) 단계에서 입력된 터널굴진현황, 투입인원 및 투입장비를 각각 합산하여 터널굴진현황 누계, 인원투입 누계 및 장비투입 누계를 연산하는 단계; 및 (d42) 작일 작업일보가 없는 경우, 상기 (c4) 단계에서 입력된 터널굴진현황, 투입인원 및 투입장비를 각각 터널굴진현황 누계, 인원투입 누계 및 장비투입 누계로 연산하는 단계를 포함하는 것이 바람직하다.

또한, (a5) 폐기물처리관리부(500)가 일반정보를 확인하는 단계; - (a5) 단계의 일반정보는, 공사명, 공구 및 위탁번호를 포함함, (b5) 상기 폐기물처리관리부(500)에 위탁폐기물 종류, 위탁처리 요청 일시, 발생장소 및 준비상태가 입력되는 단계; (c5) 상기 이미지관리부(620)에 이미지가 입력되고, 상기 폐기물처리관리부(500)가 상기 입력된 이미지를 불러와서 확인하는 단계; (d5) 상기 폐기물처리관리부(500)가 상기 (a5), (b5) 및 (c5) 단계에서 확인된 일반정보, 위탁폐기물 종류, 위탁처리 요청 일시, 발생장소, 준비상태 및 이미지를 이용하여 건설폐기물 위탁처리 작업의뢰서를 생성하는 단계를 더 포함하는 것이 바람직하다.

상기와 같은 과제를 해결하기 위한 본 발명의 다른 실시예는 전술한 방법들이 수행되도록, 저장매체에 기록된, 프로그램을 제공한다.

본 발명은 다음과 같은 장점이 갖는다.

첫째, 실제 시공 현장에서 작성 시간이 많이 필요한 시공문서를 자동 생성함으로써, 현장관리자의 과중한 업무 시간을 줄이고 현장관리자 본연의 업무인 현장 관리에 집중하게 할 수 있어서, 안전한 현장 관리가 가능하다.

둘째, 다양한 시공문서의 정확도가 상승한다. 예컨대, 자재 수량이 AI 또는 RFID 기술에 의해 자동 확인됨으로써 자재 수량 부정확성 문제가 해소된다. 검측의뢰서에 기재된 세부공종들이 검측결과통보서에 적용되므로 체크리스트 일부가 검측되지 않는 문제가 해소된다. 시공문서가 정확해지면, 건설 및 시공 안정성도 증가한다.

셋째, DFM 처리된 이미지 제공을 통해, 이미지가 필요한 모든 종류의 시공문서에서 다양한 정보가 제공될 수 있다. 예컨대, 모든 문서에서 암종, 암질 구역 등이 제공되며 RQD의 제공도 가능하다. 이러한 문서는 현장 작업자들에게 공유됨으로써, 불측의 사고를 미연에 방지할 수 있고, 다양한 아이디어 영감을 제공할 수도 있다.

넷째, 현장관리자가 입력하는 것이 유리한 정보는 입력을 유도하고, 그 외의 정보는 모두 자동 처리되는, 높은 편의성의 UI를 제공한다.

도 1은 본 발명에 따른 방법을 수행하기 위한 시스템을 개략적으로 도시한다.
도 2는 본 발명에 따른 방법의 제 1 실시예를 설명하는 순서도이다.
도 3은 본 발명에 따른 DFM 처리를 설명하는 순서도이다.
도 4는 본 발명에 따른 방법의 제 2 실시예를 설명하는 순서도이다.
도 5는 본 발명에 따른 방법의 제 3 실시예를 설명하는 순서도이다.
도 6은 본 발명에 따른 방법의 제 4 실시예를 설명하는 순서도이다.
도 7은 본 발명에 따른 방법의 제 5 실시예를 설명하는 순서도이다.
도 8a 및 도 8b는 본 발명에 따른 제 1 실시예에 의해 자동 생성되는 시공기록 관리기록부의 일례를 도시한다.
도 9a 내지 도 9h는 본 발명에 따른 DFM 처리를 설명하기 위한 도면이다.
도 10은 본 발명에 따른 제 2 실시예에 의해 자동 생성되는 검측의뢰서의 일례를 도시한다.
도 11은 본 발명에 따른 제 3 실시예에 의해 자동 생성되는 검측결과통보서의 일례를 도시한다.
도 12는 본 발명에 따른 제 4 실시예에 의해 자동 생성되는 작업일보의 일례를 도시한다.
도 13은 본 발명에 따른 제 5 실시예에 의해 자동 생성되는 건설폐기물 위탁처리 작업의뢰서의 일례를 도시한다.
도 14 내지 도 20은, 본 발명에 따른 방법이 수행되도록 저장매체에 기록된 프로그램의 UI를 도시한다.

이하에서, "터널 시공문서"는 터널 시공과정에서 생성해야 하는 각종 문서를 의미한다. 본 발명에서는, 시공기록 관리기록부, 검측의뢰서, 검측결과통보서, 작업일보 및 건설폐기물 위탁처리 작업의뢰서를 포함하는 것으로 설명하여 이를 예시로 들어 기술하나, 이러한 문서에 제한되지 않으며, 본 발명에 따른 방법을 이용하여 생성할 수 있는 다양한 문서를 모두 포함하는 개념으로 이해되어야 한다.

이하에서, "학습(learning)"은 컴퓨터 등의 정보처리기기가 입력 정보를 입력층으로 인가하면 소정의 훈련을 거쳐 이에 해당하는 출력 정보를 자동으로 추론하여 출력층으로 이를 출력하는 알고리즘을 구축하기 위해 수행되는 데이터 처리 기법을 의미하며 인공 지능의 일종이다. 기계 학습(machine learning)이 포함될 수 있다. 학습은 입력층과 출력층이 결정된 다수의 훈련 세트(training set)를 이용한 훈련(train)으로 이루어진다. 학습은 소정의 알고리즘을 이용하여 정보처리기기가 주체가 되어 수행되는 것이며, 다수의 학습 수행이 이루어져서 알고리즘이 구축되면, 이후 사용자에 의해 입력된 정보에 따라 정해진 방식으로 추론을 자동으로 수행할 수 있게 된다. 여기에 사용되는 알고리즘은 다양할 수 있다. 아래에서는 사용되는 학습 알고리즘으로서 인셉션(inception)이 예시적으로 제안된다.

이하에서, "디지털 페이스 매핑(DFM; digital face mapping)"은 촬영된 이미지 상에 디지털화된 정보를 매핑함을 의미한다. 본 발명에 따른 DFM에 의해, 카메라 등으로 사용자가 촬영한 막장면 이미지 상에 암종, 암질, 절리 등에 대한 정보가 디지털 매핑된다. 다시 말해, 사용자가 본 발명에 따른 방법을 이용하여 막장면 이미지를 입력하면 분석 정보가 자동으로 추론되고 이미지에 중첩되어 출력되는데, 이러한 분석 결과가 DFM 결과이다. 도 9g의 상단과 같이 절리가 선분으로 도시되거나, 도 9g의 하단과 같이 암종(예를 들어, 화강암 등)과 암질(예를 들어, 심한 풍화 등)의 구역이 구분되어 도시될 수 있다.

시스템의 설명

본 발명에 따른 방법을 수행하기 위한 시스템은, 시공기록부(200), 검측관리부(300), 작업일보관리부(400), 폐기물처리관리부(500), 일반정보관리부(610), 이미지분석부(620), 문서출력부(710), 결재관리부(720), 공종 데이터베이스(810) 및 기상현황 데이터베이스(820)를 포함한다.

시공기록부(200)는 시공기록 관리기록부의 자동 생성과 관련된 기능을 수행하고, 검측관리부(300)는 검측의뢰서 및 검측결과통보서의 자동 생성과 관련된 기능을 수행하고, 작업일보관리부(400)는 작업일보의 자동 생성과 관련된 기능을 수행하고, 폐기물처리관리부(500)는 건설폐기물 위탁처리 작업의뢰서의 자동 생성과 관련된 기능을 수행한다. 구체적인 내용은 아래의 제 1~5 실시예에서 설명한다.

일반정보관리부(610)는 각각의 문서에 포함되는 일반정보를 관리한다. 일반정보는 전체 공사 또는 구간 공사(공구)마다 소정의 기준으로 기재되는 정보로서 구체적 공사 관련 정보 이외의 정보를 의미한다. 예컨대, 사업단(시공자), 공사명(터널명), 공구(구간), 위치, 방향, 일시, 기상현황, 작성자, 수신인 등을 포함할 수 있다. 일반정보는 각 문서의 양식마다 다를 수 있다. 본 발명의 예시에서 설명하는 일반정보는 다음의 표와 같다. 다만, 이는 예시적인 것에 불과하고, 설명하는 시공문서의 양식이나 포맷을 변화한다면 얼마든지 추가 내지 삭제가 가능함을 주의하여야 한다.

시공기록 관리기록부	사업단, 공사명, 공구, 위치, 방향, 일시
검측의뢰서	공사명, 공구, 검측요청일시, 검측번호
검측결과통보서	공사명, 공구, 접수일자, 수신인
작업일보	공사명, 공구, 일시, 기상현황
건설폐기물 위탁처리 작업의뢰서	공사명, 공구, 위탁번호

이와 같은 일반정보 중 실시간 탐지가 필요한 일시, 기상현황을 제외하면 사용자가 사전에 입력한 것이 바람직하다.

다른 실시예에서, 공종에 대한 개별 고유 코드와 함께 정보처리되어 공종 데어터베이스(810)에서 함께 관리될 수도 있다. 즉, 특정 공종을 일시 및 회차와 함께 입력 또는 선택하거나, 공종에 대한 개별 고유 코드를 입력 또는 선택하면, 이와 관련된 일반정보들(예컨대, 사업단, 공사명, 공구, 위치, 방향 등)이 함께 불러와질 수 있다. 이에 대해서는, 공종 데이터베이스(810)에 관련하여 후술한다.

이미지분석부(620)는 유선 또는 무선으로 연결된 카메라(20)를 이용하여 시스템이 직접 이미지를 획득하거나, 또는 사용자가 업로드한 이미지를 이용하여 다양한 분석을 수행한다.

이미지분석부(620)는 DFM 모듈(621), AI 식별 모듈(622), RFID 식별 모듈(623)을 포함한다.

DFM 식별 모듈(621)은 입력된 이미지에 대하여 암종, 암질, 절리 등에 대한 정보를 디지털 매핑을 수행한다. 구체적인 수행 방법은 아래에서 후술한다.

AI 식별 모듈(622)은 입력된 이미지에 대해 특정 물체를 찾아내는 AI를 적용함으로써, 해당 이미지에서 해당 물체의 개수를 자동 산출한다. 예컨대, 막장 이미지가 입력되면 해당 이미지에서 특정 규격의 록볼트(10)가 몇 개가 확인되는지를 자동으로 산출할 수 있다. 사용되는 AI은 어느 것이든 무방하다.

RFID 식별 모듈(623)은 입력된 이미지에 대한 촬영시 획득되는 RFID 신호를 식별함으로써, 해당 이미지에서(정확히, 그 촬영 시점에서) 해당 물체의 개수를 자동 산출한다. 이를 위하여, 해당 물체에는 RFID 태그(14)가 이미 부착되어 있으며 RFID 식별 모듈(623)은 이를 리딩하는 RFID 리더(15)와 유선 또는 무선으로 연결된다. 예컨대, 도 1을 참조하여, 록볼트 몸체(11)와 지압판(12)과 너트(13)로 구성된 록볼트(10)가 다수 매립된 후 이미지를 획득하는 시점에 RFID 리더(15)가 해당 막장을 리딩하고 리딩된 RFID 신호들이 이미지와 동기화될 수 있다. 이 경우, RFID 식별 모듈(623)에 이미지가 입력되면 동기화된 RFID 신호가 확인된다. RFID 식별 모듈(623)은 확인된 RFID 신호를 분석하면, 어떠한 물체에서 송출한 신호인지 식별할 수 있기에, 해당 이미지에 어떠한 자재가 몇 개 구비되어 있는지를 확인하게 된다.

문서출력부(710)는 본 발명에 따른 방법에 의해 작성된 문서를 종이 출력할 필요가 있는 경우 이를 수행한다.

결재관리부(720)는 본 발명에 따른 방법에 의해 작성된 문서를 결재하거나 결재된 문서를 송신하는 기능을 수행하며, 여기에서의 결재는 전자 결재일 수 있다.

공종 데이터베이스(810)에는 공종 및 그 세부공종이 저장되어 있다. 데이터베이스화된 공종 명칭을 사용함으로써 어떠한 문서에서든 공종 명칭이 통일되고 새로운 공법이 개발된 경우에도 입력이 자유롭다. 세부공종은, 검측의뢰시 기록되어야 하는 검측체크리스트 선택을 위해 필요한 정보이다.

공종 데이터베이스(810)는 본 발명에 따른 방법이 수행되는 시스템 내에 내포된 것일 수도 있으나, 별도의 외부 시스템과 연계된 것일 수 있다.

전술한 바와 같이, 공종 데이터베이스(810)에 저장된 공종(예컨대, 종래기술에서 설명한 7개의 공종)은 사용자가 드랍 다운 방식으로 직접 선택할 수 있는 형식으로 저장될 수도 있지만, 다른 실시예에서는 일별 및 회차별로 각각 더 구분되어 개별 고유 코드가 부여되어 함께 저장될 수 있다. 예컨대, 5월 19일 2회차 록볼트 공종의 경우, "051902A07"과 같은 코드가 부여될 수 있는 것이다. 따라서, 공종 데이터베이스(810)에 접근하여 사용자가 공종과 날짜와 회차를 선택 또는 입력하거나, 또는 개별 고유 코드를 선택 또는 입력하면 해당 공종에 관련된 정보들이 모두 불러와지게 되며, 후술할 바와 같이 시공문서 작성에 필요한 부분에 각각 기록된다. 여기서 해당 공종에 관련된 정보들에는 전술한 일반정보도 포함된다. 예컨대, "051902A07"과 같은 코드만 입력하거나 선택하여도, 사업단(시공자), 공사명(터널명), 공구(구간), 위치, 방향, 일시, 기상현황 등 다양한 정보들 중 해당 시공문서 작성에 필요한 정보들이 자동으로 불러와지며 필요한 위치에 기록된다.

이와 같은 공종 데이터베이스(810)의 정보 저장 및 처리 방식에 의해, 어느 하나의 공사에서 변수가 발생하여 전체 공종에 영향을 준 경우 데이터베이스에 저장된 전체 데이터가 수정될 수 있으므로, 변수 발생을 모르는 다른 사용자가 해당 공종 또는 코드를 선택하거나 입력하면 수정된 데이터 출력이 가능하다. 또한, 후술하는 공정현황 등에 실시간 업데이트될 수 있다. 다른 실시예에서는, 데이터 수정이 이루어진 경우 관련된 사용자들에게 자동으로 알림이 발송될 수 있다.

기상현황 데이터베이스(820)는 유선 또는 무선으로 기상청 등의 데이터베이스와 연계되어 원하는 날짜의 기상을 불러와서 기록 저장하며, 이는 일반정보로서 다양한 시공문서에 활용된다.

제 1 실시예 - 시공기록 관리기록부

도 2의 순서도를 참조하여 제 1 실시예를 설명한다. 도 8a 및 도 8b는 본 발명에 따라 작성된 실제 시공기록 관리기록부를 도시하며, 함께 참조한다.

먼저, 시점에 기초하여 일시를 확인할 수 있다. 시공기록 관리기록부에 필요한 일반정보는 시공기록부(200)가 일반정보관리부(610)로부터 일반정보를 불러와서 확인한다(S210). 일반정보관리부(610)는 기초가 되는 정보, 예컨대 사업단, 공사명, 공구, 위치, 방향을 이미 포함하고 있으며, 불러온, 사업단, 공사명, 공구, 위치, 방향 및 일시를 포함하나, 추가 또는 삭제가 자유로움은 설명한 바와 같다.

다음, 시공기록부(200)에, 공종 데이터베이스(810)에 저장된 공종 중 어느 하나의 공종이 입력되어 확인된다(S220). 전술한 바와 같이, 공종명 자체가 입력되거나 선택되는 방식, 또는 공종에 대한 개별 고유 코드가 입력되거나 선택되는 방식으로 확인될 수 있다. 이 경우, 일반정보를 불러오는 S210 단계와 S220 단계는 동시에 진행될 것이다.

이제, 이미지관리부(620)에 이미지가 입력된다. 시스템의 카메라(20)에 의해 직접 촬영된 것일 수도 있으며, 사용자가 업로드한 것일 수도 있다. 시공기록부(200)는 입력된 이미지를 불러와서 확인한다(S230).

다음, 해당 공종에 대응되는 특정 규격의 자재의 수량을 확인하여야 한다. 사용자에 의해 자동입력 또는 수동입력이 선택될 수 있으며, 자동입력인 경우라면 AI 식별 또는 RFID 식별이 선택될 수 있다(S240).

자동입력 및 AI 식별이 선택된 경우, 시공기록부(200)가 입력된 공종에 대응되는 것으로 미리 설정된 자재 및 규격을 확인하고(S250), 이미지관리부(620)의 AI 식별 모듈(622)은 입력된 이미지 분석을 통하여 앞서 확인된 규격의 자재를 식별하고 그 수량을 확인한다(S260, S261).

자동입력 및 RFID 식별이 선택된 경우, 시공기록부(200)가 입력된 공종에 대응되는 것으로 미리 설정된 자재 및 규격을 확인하고(S250), 이미지 관리부(620) 내 RFID 식별 모듈(623)이 이미지 촬영시 수신한 것으로 동기화된 RFID 신호에 근거하여 이를 분석함으로써 확인된 규격의 자재의 수량을 확인한다(S260, S262).

수동입력이 선택된 경우, 시공기록부(200)에 자재, 규격 및 그 수량이 직접 입력되어 확인된다(S263).

다음, 시공기록부(200)가 확인된 일반정보, 공종, 이미지, 및 자재와 그 규격 및 수량을 이용하여 동산보드를 생성하고(S270), 생성된 동산보드를 더 이용하여 시공기록 관리기록부를 자동으로 생성한다(S280).

도 8a와 도 8b에 자동 생성된 시공기록 관리기록부의 예시가 도시된다. 도 8a는 AI 식별 모듈(622)을 사용한 경우로서 114mm 강관이 41개 포함됨이 자동으로 식별되어(적색 원) 개수가 기재되었으며, 도 8b는 RFID 식별 모듈(623)을 사용한 경우로서 50X20X30 지보가 1개 설치됨이 RFID 신호를 통하여 확인되어 기재되었다. 각 이미지마다 좌하단에 동산보드가 추가됨이 확인된다.

한편, 본 발명의 다른 실시예에서는 일반 이미지가 아닌 DFM 처리된 이미지가 시공문서에 포함될 수도 있는바, 이를 설명한다.

DFM 모듈

DFM은 AI에 기반한 것으로, 이를 수행하기 위해 학습 정보를 준비하는 방법을 먼저 설명한다.

입력층인 학습용 막장면 이미지 정보와 이를 분석한 출력층인 학습용 분석 정보를 준비한다. 학습용 분석 정보는 전문가에 의해 검증된 정보인 것이 바람직하다. 학습용 막장면 이미지 정보와 학습용 분석 정보는 서로 매핑되어 있다.

학습용 막장면 이미지 정보와 이에 대응하는 학습용 분석 정보가 N개 준비되어 있다면, 그 중 일부(A개)는 학습에 사용하고 나머지(N-A개)는 검증에 사용한다(N>A).

실제 구현 시스템에서 1000개의 학습용 막장면 이미지 정보 중 900개를 학습에 사용하였고, 나머지 100개가 검증에 사용하였다.

학습용 막장면 이미지 정보 입력부가 학습용으로 미리 준비된 학습용 막장면 이미지 정보를 로딩하고, 학습용 분석 정보 입력부가 상기 막장면 이미지 정보에 대응되는 학습용 분석 정보를 로딩한다. 이와 같이 준비된 학습용 막장면 이미지 정보와 학습용 분석 정보를 학습 정보로 지칭한다(S311)(도 9a).

이를 그대로 학습하는 것이 아니라 분할하여 학습하는 것이 중요하다. 연산량을 감소시켜 많은 학습 정보를 신속하게 학습하기 위함이다. 이를 위해, 학습 정보 분할부가, 준비된 학습 정보를 기 설정된 단위로서 분할(cropping)하여 하나의 막장면 이미지 정보마다 다수의 분할 학습 정보를 생성한다(S312).

실제 구현 시스템에서 픽셀 단위 30X30으로 분할하여 저장하였다(도 9b). 학습 정보로서 다수의 막장면 이미지 정보와 이에 대응된 분석 정보를 매핑히여 획득하고 분할된 정보는 개별 파일로 학습 정보 데이터베이스에 저장된다.

다음, 학습 방법을 설명한다.

학습 모듈은 학습 정보 생성 모듈에서 준비된 분할 학습 정보를 이용하여 학습을 수행한다.

먼저, 포맷 변환부가 다수의 분할 학습 정보를 로딩하여 학습용 포맷으로 변환한다(S313).

실제 구현 실시예에서, 텐서플로우(tensorflow)의 TF-Slim을 이용하여 학습을 진행할 수 있도록 학습 정보를 .tfrecord로 변환하였으며, 여기에는 막장면 이미지 정보에서 확인되는 이미지의 넓이, 높이, 깊이, 라벨(label), 로 이미지(image raw) 등이 포함된다.

다음, 학습 수행부가, 상기 포맷 변환된 다수의 분할 학습 정보를 이용하되 학습률(learning rate)과 훈련 단계(train step)를 기 설정된 수회 동안 변환하면서 하나의 분할 학습 정보마다 다수 회의 학습을 수행한다(S314). 이 과정에서 학습 파라미터 설정부는 연산량이 최소가 되도록 최적의 파라미터를 설정할 수 있다(S315). 최적의 파라미터는 아래에서 후술한다.

이러한 과정으로 하나의 분할 학습 정보마다 수 회의 학습이 수행되고, 분할 학습 정보 다수 개가 모인 학습 정보 각각에 대하여서도 수 회의 학습이 수행된다.

실제 구현 실시예에서 학습 수행부가 이용한 학습 방법은 인셉션(Inception)이다. 딥러닝(deep learning) 네트워크는 깊고 층(layer)이 넓을수록 성능이 좋아지지만 연산량 역시 지수적으로 증가하기에 본 발명과 같은 막장면 분석을 위한 학습 진행에 적합하지 않다. 인셉션은 연산량 감소를 위하여 노드 사이의 연결은 줄이고 행렬 연산은 dense 연산이 되도록 한다. 본 발명과 같은 막장면 이미지 분석의 특수성(이미지 자체의 크기는 넓고, 암종 및 암질의 경계 파악이 중요하며, 절리와 같은 선분 구분이 중요한 특성)을 고려하여 인셉션 알고리즘을 채택한 것이다.

인셉션은 1X1 컨벌루션 연산으로 이미지 채널을 줄여 3X3 및 5X5 컨벌루션 층의 파라미터 개수를 줄이는 방식이다. 이에 따라 CNN(Convolutional Neural Networks)보다 깊은 네트워크를 구성하면서도 파라미터가 줄어들어 연산량이 감소하게 된다.

구체적으로, 일반적인 인셉션에서는, 이전 층(previous layer)에 대하여 (1) 1X1 컨벌루션, (2) 1X1 컨벌루션과 3X3 컨벌루션, (3) 1X1 컨벌루션과 5X5 컨벌루션 및 (4) 3X3 맥스풀링(max pooling)과 1X1 컨불루션의 4가지 종류의 연산을 수행하고 하나로 합쳐 학습을 진행한다.

본 발명은 인셉션을 사용하면서도, 첫 번째 층(stem layer)에서 7X7 컨벌루션 연산을 수행하여야 하는 것을 3x3 컨벌루션 3회 연산으로 대체하였고, 옵티마이저(Optimizer)를 RMSProp으로 설정하였고, 마지막 층(fully connected layer)에 batch normalization(BN)을 적용하였다. 여기에 추가하여 커널을 개선하여 연산량 및 시간을 더욱 감소시키고자 Factorization을 적용하여, 5X5 컨벌루션 연산 1회 대신 3X3 컨벌루션 연산을 2회 수행하고, 3X3 컨벌루션 1회 대신 3X1 컨벌루션 연산 2회 수행함으로써 커널을 개선하였다. 그 결과 약 2.78배의 연산량 감소를 이루어진 것을 확인하였다. 도 9c는 이러한 방식으로 사용된 네트워크를 개략적으로 도시한다.

한편, 학습률과 훈련 단계를 변환하면서 학습을 수행한 결과에 따라 학습 파라미터 설정부가 최종 파라미터를 설정한다. 여기서 설정되는 파라미터는 최적화 파라미터와 학습 파라미터로 구분할 수 있다.

최적화 파라미터(optimizer parameter)로 weight_decay, Optimizer, opt_epsilon, rmsprop_momentum, rmsprop_decay 등을 들 수 있다.

weight_decay는 모델의 손실 함수를 최적화하기 위한 가중치를 의미한다. 여기에서 최적화 결과에 따라 0.00004로 설정하였다.

opt_epsilon은 계산 값이 0이 되는 경우를 방지하기 위한 가장 작은 값이다. 여기에서 최적화 결과에 따라 1로 설정하였다.

rmsprop_momentum는 RMSPropOptimizer의 momentum(운동량) 값이다. 여기에서 최적화 결과에 따라 0.9로 설정하였다.

rmsprop_decay은 업데이트 마다 적용되는 확률의 감소율이다. 여기에서 최적화 결과에 따라 0.9로 설정하였다.

학습 파라미터(learning parameter)로 learning_rate, max_number_of_steps, learning_rate_decay_type, num_epochs_per_decay, replicas_to_aggregate, moving_average_decay 등을 들 수 있다.

learning_rate는 초기 학습 속도이다. 여기에서 최적화 결과에 따라 0.0001로 설정하였다.

max_number_of_steps는 최대 훈련 단계 수이다. 여기에서 최적화 결과에 따라 1000로 설정하였다.

여기서, learning_rate와 max_number_of_steps은 주요 파라미터이다. 적합한 학습 속도와 학습 단계를 찾기 위하여 learning_rate를 0.0001, 0.001, 0.01, 0.1로 변경하면서 학습을 진행하였으며, max_number_of_steps의 경우는 1,000 ~ 10,000(1,000씩 증가) 변경하면서 학습을 진행하였다.

learning_rate_decay_type는 학습 속도를 감소하는 방법을 지정하는 파라미터이다. fixed, exponential, polynomial 등을 들 수 있다. 여기에서 최적화 결과에 따라 fixed로 설정하였다.

num_epochs_per_decay는 학습 속도가 감소한 이후의 에포크 수이다. 여기에서 최적화 결과에 따라 2로 설정하였다.

replicas_to_aggregate는 매개 변수를 업데이트하기 전에 수집할 그라디언트 수이다. 여기에서 최적화 결과에 따라 1로 설정하였다.

moving_average_decay는 이동 평균에 사용되는 감소 속도이다. 여기에서 최적화 결과에 따라 None으로 설정하였다. 이러한 방식으로 하나의 학습용 막장면 이미지 정보에서의 분할 학습 정보마다 수 회의 학습이 수행되고, 이러한 학습을 다수의 학습용 막장면 이미지 정보에 대하여 수행함으로써 막장면 자동 분석 시스템을 구축하게 된다(S316).

유효성 검증부가 준비된 학습 정보 중 사용하지 않은 다른 막장면 이미지 정보를 이용하여 유효성을 검증(validation)함으로써 구축된 시스템을 확인한다(S317).

실제 구현 실시예에서 확인한 결과 70% 이상의 정확도를 확인하여 비교적 정확도가 높음을 확인하였다. 인셉션이 아닌 다른 학습 알고리즘을 사용한 경우와 비교하여 큰 차이를 나타냈다.

학습 알고리즘	정확도
Softmax classification	30.6%
SVM	47.8%
인셉션	66.8%
인셉션(실제 적용)	71.8%

이제 사용자는 구축된 막장면 자동 분석 시스템을 이용하여, 막장면 이미지 정보를 입력함으로써 암종, 암질, 절리 등 분석 정보를 자동으로 획득할 수 있다.

먼저, 입력부에 막장면 이미지 정보가 입력된다(S321). 사용자는 통신 기능과 카메라가 구비된 정보처리기기를 사용하면서, 직접 카메라로 촬영하여 막장면 이미지 정보를 획득하고 입력할 수도 있으며, 또는 정보처리기기 내 메모리에 저장된 이미지를 선택하여 입력부를 통해 입력할 수도 있다. 현장에서는 정보처리기기만 있으면 족한 것이며, 별도의 장비가 필요하지 않다.

이미지 수정부는 입력될 이미지를 몇 가지 방법으로 수정한다.

사용자가 직접 촬영한 입력 이미지는 막장면뿐만 아니라 주변 벽체 등 경계오브젝트에 대한 정보를 더 포함하게 되는데(도 9d의 좌하단 참조), 본 발명은 막장면에 대한 이미지를 추출하는 수정 기능을 제공한다. 즉, 이미지가 입력되고(도 9d의 상단) 이미지 수정부에 의해 입력된 막장면 이미지 정보 상에서 터널 경계면 노드가 입력될 수 있으며(도 9d의 좌하단), 입력된 터널 경계면 노드가 연결되고, 연결된 면적만 추출됨으로써(도 9d의 우하단), 막장면 이미지 정보가 수정된다(S322). 종래 기술에서 대부분 이미지에서 일부를 선택하는 방식이 아닌 이미지를 수정하는 방식을 선택하는데, 이 경우 이미지에 왜곡이 발생할 수 있으며, 막장면 분석에서의 왜곡은 다음 발파 공정에서 심각한 영향을 줄 수 있기에, 본 발명은 노드에 의한 면적 추출 방식을 선택한 것이다.

또한, 도 9e와 같이 이미지 수정부가 워터쉐드(watershed) 기법을 이용하여 입력된 막장면 이미지 정보를 다수의 영역으로 분할할 수 있다(S323). 이는 입력층으로서 입력된 막장면 이미지 정보 입력시 연산량을 줄여서 후술하는 추론부에서 신속한 연산 및 추론이 가능하게 한다. 종래 기술에서 설명한 바와 같이, 막장면 이미지 분석에 있어서 신속성은 매우 중요하다.

다음, 추론부가 분할된 영역별로 구축된 시스템을 이용해서 분석 정보를 추론하고, 분석 정보를 통합하여 입력된 막장면 이미지 정보에 대한 상기 디지털 페이스 매핑된 분석 정보를 추론한다(S324). 즉, 추론부는 막장면 이미지 정보를 구축된 막장면 자동 분석 시스템의 입력층으로 입력하고, 인공 지능에 의한 출력층을 확인하면 이를 분석 정보로 추론하는 것이다.

한편, 본 발명의 다른 실시예에서, 절리 추출이 별도로 이루어질 수 있다. 절리 추출부가 캐니 엣지 디텍션(canny edge detection) 기법을 이용하여 입력된 막장면 이미지 정보에서 선분을 추출한다(도 9f의 (a)). 다음, 절리 추출부가, 추출된 선분마다 기 설정된 소정의 테스트를 수행하여 노이즈를 제거할 수 있으며(도 9f의 (b)), 또한, 선분의 길이가 기 설정된 픽셀값 이하인 경우 추출 결과에서 제거할 수도 있다(도 9f의 (c)). 이제, 남은 선분들이 절리로서 출력될 것이다(S325).

이와 같은 과정으로 모든 분석 정보가 정리되면, 출력부는 분석 정보를 결과물로서 출력한다(도 9g). 이와 같은 방식의 결과물은 DFM 데이터베이스에 저장될 수 있으며, 후술하는 사용자 수정 과정을 거칠 수 있고, 학습 정보로서 다시 활용되어 정확도를 상승시킬 수 있다. 도 9g의 우하단과 같이 레포트 형식으로 출력될 수도 있다.

본 발명의 다른 실시예에서, RQD(rock quality designation; 암질지수)가 계산되어 더 출력될 수 있다. RQD 계산은 널리 알려진 어떠한 방법을 수행하여도 가능하나, 중요한 것은 RQD 조사선 중심을 자동으로 설정하는 것이다. 즉, RQD 계산부가 RQD 조사선 중심을 설정하는 단계와, RQD 조사선 중심을 이용하여 RQD를 계산하여 출력하는 단계를 포함하게 된다(S326).

RQD 계산부가, RQD 조사선 중심을 설정하는 방법으로, 본 발명은 네 개의 방법을 제공한다. 첫째, 분석 정보 중 절리를 구성하는 점들의 중심으로 RQD 조사선 중심을 설정할 수 있다(도 9h의 좌상단). 둘째, 분석 정보 중 절리를 구성하는 선분들의 중심점의 중심으로 RQD 조사선 중심을 설정할 수 있다(도 9h의 우상단). 즉, 밀집 지역을 중심으로 설정하는 것이다. 셋째, 분석 정보 중 절리를 구성하는 선분들 중에서 길이가 가장 긴 선분의 중심으로 RQD 조사선 중심을 설정할 수 있다(도 9h 의 좌하단). 넷째, 막장면 이미지 정보 상에서 설정된 다수의 수평 조사선 중에서, 분석 정보 중 절리와 가장 많이 교차하는 수평 조사선의 중심으로 RQD 조사선 중심을 설정할 수 있다(도 9h 의 우하단).

DFM 처리가 마무리되면 출력된 정보는 일부 수정될 수 있으며(S327), 이와 같이 확인된 정보들은 다시 학습 정보로서 S311 단계에서 활용될 수도 있다(S328).

이와 같은 방식으로, DFM 모듈(621)은 입력된 이미지를 DFM 처리할 수 있어서 그 결과물은 예컨대 도 9g에 도시된 바와 같을 수 있으며, 이와 같이 DFM 처리된 이미지는 도 8a 및 도 8b에 도시된 시공기록 관리기록부 상에 이미지로서 인가될 수 있다.

제 2 실시예 - 검측의뢰서

도 4의 순서도를 참조하여 제 2 실시예를 설명한다. 도 10는 본 발명에 따라 작성된 실제 검측의뢰서를 도시하며, 함께 참조한다.

먼저, 검측관리부(300)가 일반정보를 확인한다(S410). 전술한 바와 같이, 검측의뢰서의 일반정보는 공사명, 공구, 검측요청일시 및 검측번호를 포함할 수 있으나, 추가되거나 수정될 수 있다. 검측번호는 일련번호로서 정해진 규칙에 따라 자동 생성될 수 있다.

다음, 검측관리부(300)에, 공종 데이터베이스(810)에 저장된 공종 중 어느 하나의 공종이 입력되어 확인된다(S420). 전술한 바와 같이, 공종명 자체가 입력되거나 선택되는 방식, 또는 공종에 대한 개별 고유 코드가 입력되거나 선택되는 방식으로 확인될 수 있다. 이 경우, 일반정보를 불러오는 S410 단계와 S420 단계는 동시에 진행될 것이다. 또한, 특기사항 및 관련도면이 입력되어 확인된다(S430).

검측의뢰서에는 세부공종이 선택되어 검측체크리스트로 활용되어야 하는바, 검측관리부(300)에 공종 데이터베이스(810)에 기반한 세부공종이 선택되어 입력되고 이는 검측체크리스트로 확인된다(S440)(도 17 참조).

다음, 이미지관리부(620)에 이미지가 입력되고, 검측관리부(300)가 입력된 이미지를 불러와서 확인한다(S450). 전술한 DFM 처리된 이미지가 활용될 수도 있다.

이제, 검측관리부(300)가 확인된 일반정보, 공종, 특기사항, 관련도면 및 검측체크리스트를 이용하여 검측의뢰서를 생성한다(S460).

도 10은 본 발명에 의해 자동 생성된 검측의뢰서의 일례를 도시한다.

제 3 실시예 - 검측결과통보서

도 5의 순서도를 참조하여 제 3 실시예를 설명한다. 도 11은 본 발명에 따라 작성된 실제 검측결과 통보서를 도시하며, 함께 참조한다.

검측관리부(300)가 일반정보를 불러와서 확인한다(S510). 검측결과 통보서의 일반정보는 공사명, 공구, 접수일자, 수신인을 포함할 수 있으나, 추가되거나 삭제될 수 있다.

다음, 검측관리부(300)에 검측자정보, 검측결과 및 조치요구사항이 입력되어 확인된다(S520).

이제, 검측관리부(300)가 확인된 일반정보, 검측자정보, 검측결과 및 조치요구사항을 이용하여 검측결과통보서를 생성한다(S530).

도 11은 본 발명에 의해 자동 생성된 검측결과통보서의 일례를 도시한다. 검측체크리스트가 세부공정의 코드명으로 기재됨을 확인할 수 있으며, 그 옆의 검측결과로서 각각의 세부공정마다의 결과가 기재될 것이다.

제 4 실시예 - 작업일보

도 6의 순서도를 참조하여 제 4 실시예를 설명한다. 도 12는 본 발명에 따라 작성된 실제 작업일보를 도시하며, 함께 참조한다.

작업일보관리부(400)가 일반정보를 불러와서 확인한다(S610). 작업일보의 일반정보는 공사명, 공구, 금일과 명일 일시, 기상현황을 포함할 수 있으나, 추가되거나 삭제될 수 있다.

다음, 작업일보관리부(400)에 금일계획 및 명일계획이 입력되어 확인된다(S620).

또한, 작업일보관리부(400)에 터널굴진현황, 공정현황, 투입인원, 예정인원, 투입장비 및 예정장비가 입력되어 확인된다(S630, S640, S650). 여기서, 투입인원 및 투입장비는 금일 수행한 공사의 인원과 장비이고, 예정인원 및 예정장비는 명일 계획된 공사의 인원과 장비를 의미한다.

다음, 작업일보관리부(400)가 터널굴진현황 누계, 인원투입 누계 및 장비투입 누계를 연산하여 확인하는데, 이는 작일 작업일보가 존재하는지 여부를 통해 구분할 수 있다.

작일 작업일보가 존재하는 경우, 작업일보관리부(400)가 작일 작업일보 상 터널굴진현황 누계, 투입인원 누계 및 투입장비 누계를 확인하고, 여기에 S630 및 S650 단계에서 입력된 터널굴진현황, 투입인원 및 투입장비를 각각 합산하여 터널굴진현황 누계, 인원투입 누계 및 장비투입 누계를 연산한다(S660, S661).

작일 작업일보가 존재하지 않는 경우, 즉 공사 첫날인 경우, S630 및 S650 단계에서 입력된 터널굴진현황, 투입인원 및 투입장비를 각각 터널굴진현황 누계, 인원투입 누계 및 장비투입 누계로 연산한다(S660, S662).

다음, 작업일보관리부(400)는 확인된 일반정보, 금일계획, 명일계획, 터널굴진현황, 공정현황, 투입인원, 예정인원, 투입장비, 예정장비, 터널굴진현황 누계, 인원투입 누계 및 장비투입 누계를 이용하여 작업일보를 생성한다(S670).

도 12는 본 발명에 의해 자동 생성된 작업일보의 일례를 도시한다.

제 5 실시예 - 건설폐기물 위탁처리 작업의뢰서

도 7의 순서도를 참조하여 제 5 실시예를 설명한다. 도 13은 본 발명에 따라 작성된 실제 건설폐기물 위탁처리 작업의뢰서를 도시하며, 함께 참조한다.

폐기물처리관리부(500)가 일반정보를 확인한다(S710). 건설폐기물 위탁처리 작업의뢰서의 일반정보는, 공사명, 공구 및 위탁번호를 포함한다. 위탁번호는 일련번호로서 정해진 규칙에 따라 자동 생성될 수 있다.

다음, 폐기물처리관리부(500)에 위탁폐기물 종류, 위탁처리 요청 일시, 발생장소 및 준비상태가 입력된다(S720).

이미지관리부(620)에 폐기물 관련된 이미지가 입력되고, 폐기물처리관리부(500)가 상기 입력된 이미지를 불러와서 확인한다(S730).

이제, 폐기물처리관리부(500)가 앞서 확인된 일반정보, 위탁폐기물 종류, 위탁처리 요청 일시, 발생장소, 준비상태 및 이미지를 이용하여 건설폐기물 위탁처리 작업의뢰서를 생성한다.

도 13은 본 발명에 의해 자동 생성된 건설폐기물 위탁처리 작업의뢰서의 일례를 도시한다. 여기에는 이미지를 활용한 건설폐기물 보관 수량산출서가 포함될 수 있다.

UI의 설명

도 14 내지 도 20을 참조하여 본 발명에 따른 방법이 수행되도록 저장매체에 기록된 프로그램의 일 구현예의 UI(User Interface)를 설명한다.

도 14는 프로그램의 메인 화면이다. 공정률, 투입인력, 예정인력, 투입장비, 예정장비 등이 나타나는데, 이는 작업일보관리부(400)가 확인하거나 연산한 정보를 나타내는 것이다. 또한, 기상현황은 기상현황 데이터베이스(820)에서 확인되는 것이다. 본 발명에 따른 자동 생성된 다양한 문서들의 링크 및 현재 상태가 화면 하단에 도시된다.

도 15는 시공기록부(200)에 의해 시공기록 관리기록부를 생성하기 위한 화면이다. 좌측에 입력 가능한 인덱스가 나타나고 우측에 이미지가 나타난다.

도 16은 검측관리부(300)에 의해 검측의뢰서를 생성하기 위한 화면이다. 특히, 도 17에서 도시되는 바와 같이, 공종 데이터베이스(810)로부터 세부공종을 선택하는 화면이 팝업될 수 있으며, 여기에서 선택되면 코드명으로서 검측체크리스트로 검측의뢰서에 기재되고, 기재된 코드명이 검측결과통보서에서 그대로 활용될 것이다. 특히, 도 17에서 검측의뢰서 생성시 검측결과를 입력하는 테이블이 비활성화됨을 확인할 수 있다.

도 18은 검측관리부(300)에 의해 검측결과통보서를 생성하기 위한 화면이다. 일반정보를 비롯하여 검측체크리스트 상의 코드명 등 검측 의뢰에 따른 정보는 검측의뢰서에서 그대로 로딩된다.

도 19는 작업일보관리부(400)에 의해 작업일보를 생성하기 위한 화면이다.

도 20은 폐기물처리관리부(500)에 의해 건설폐기물 위탁처리 작업의뢰서를 생성하기 위한 화면이다.

이상, 본 명세서에는 본 발명을 당업자가 용이하게 이해하고 재현할 수 있도록 도면에 도시한 실시예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 당업자라면 본 발명의 실시예로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서 본 발명의 보호범위는 특허청구범위에 의해서 정해져야 할 것이다.

10: 록볼트
11: 록볼트 몸체
12: 지압판
13: 너트
14: RFID 태그
15: RFID 리더
20: 카메라
200: 시공기록부
300: 검측관리부
400: 작업일보관리부
500: 폐기물처리관리부
610: 일반정보관리부
620: 이미지분석부
621: DFM 모듈
622: AI 식별 모듈
623: RFID 식별 모듈
710: 문서출력부
720: 결재관리부
810: 공종 데이터베이스
820: 기상현황 데이터베이스

Claims (7)

1. 터널 시공기록을 관리하기 위한 방법으로서,
   자재에 RFID 태그(14)가 미리 부착되는 단계;
   (a1) 시공기록부(200)가 일반정보를 확인하는 단계; - (a1) 단계의 일반정보는, 사업단, 공사명, 공구, 위치, 터널 굴진 방향 및 일시를 포함함
   (b1) 상기 시공기록부(200)에, 공종 데이터베이스(810)에 저장된 공종 중 어느 하나의 공종이 입력되어 확인되는 단계;
   (c1) 이미지관리부(620)에 카메라에 의해 촬영된 터널 시공 현장의 이미지와 상기 이미지의 촬영 시점이 함께 입력되고, 상기 이미지가 촬영되는 시점에 RFID 리더(15)가 상기 터널 시공 현장에 배치된 자재의 RFID 태그(14)를 리딩하고 리딩된 RFID 신호들이 이미지와 동기화 되며, 상기 시공기록부(200)가 상기 입력된 이미지를 불러와서 확인하는 단계;
   (d1) 상기 시공기록부(200)가 자재, 규격 및 그 수량을 확인하는 단계; 및
   (e1) 상기 시공기록부(200)가 상기 (a1), (b1), (c1) 및 (d1) 단계에서 확인된 일반정보, 공종, 이미지, 및 자재와 그 규격 및 수량을 이용하여 동산보드를 생성하고, 생성된 동산보드를 더 이용하여 시공기록 관리기록부를 생성하는 단계를 포함하며,
   상기 (d1) 단계는,
   (d11) 자동입력 및 AI 식별이 선택된 경우, 상기 시공기록부(200)가 상기 입력된 공종에 대응되는 것으로 미리 설정된 자재 및 규격을 확인하고, 상기 이미지관리부(620)의 AI 식별 모듈(622)이, 상기 입력된 이미지 분석을 통하여 상기 터널 시공 현장에 사용된 상기 확인된 규격의 자재를 식별하고 그 수량을 확인하는 단계;
   (d12) 자동입력 및 RFID 식별이 선택된 경우, 상기 시공기록부(200)가 입력된 공종에 대응되는 것으로 미리 설정된 자재 및 규격을 확인하고, 상기 이미지 관리부(620) 내 RFID 식별 모듈(623)이 RFID 신호를 수신하고, 상기 (c1) 단계에서의 이미지 입력시 동기화되어 기록된 RFID 신호 및 상기 수신한 RFID 신호에 근거하여 상기 확인된 규격의 자재의 수량을 확인하게 됨으로써, 상기 이미지 관리부(620)가 상기 입력된 이미지를 불러오면 상기 이미지가 촬영된 시점과 촬영된 장소에서의 상기 확인된 규격의 자재의 수량이 자동으로 산출될 수 있는 단계; 및
   (d13) 수동입력이 선택된 경우, 상기 시공기록부(200)에 자재, 규격 및 그 수량이 입력되어 확인되는 단계를 포함하는,
   방법.
   
2. 제 1 항에 있어서,
   상기 (c1) 단계는, 상기 이미지관리부(620)에 이미지가 입력되고, DFM(digital face mapping) 모듈(621)에 의해 상기 입력된 이미지가 DFM 처리되고, 상기 시공기록부(200)가 상기 DFM 처리된 이미지를 확인하는 단계를 포함하며,
   상기 DFM 모듈(621)이 상기 입력된 이미지를 DFM 처리하는 단계는,
   막장면 이미지 정보를 입력층으로 하고 상기 막장면 이미지 정보에 DFM 처리되는 분석 정보를 출력층으로 하는 학습을 이용한 막장면 자동 분석 시스템을 통해, 입력된 막장면 이미지 정보에 대한 분석 정보를 자동으로 출력하는 단계들로서, -여기서, 분석 정보는 암종에 대한 정보, 암질에 대한 정보 및 절리에 대한 정보를 포함함-
   (A1) 학습용 막장면 이미지 정보 입력부가 학습용으로 미리 준비된 학습용 막장면 이미지 정보를 로딩하고, 학습용 분석 정보 입력부가 상기 막장면 이미지 정보에 대응되는 학습용 분석 정보를 로딩하고, 상기 로딩된 학습용 막장면 이미지 정보와 학습용 분석 정보를 매핑하여, 학습 정보를 설정하는 단계;
   (A2) 학습 정보 분할부가, 상기 학습 정보를 기 설정된 단위로서 분할(cropping)하여 하나의 학습 정보마다 다수의 분할 학습 정보를 생성하는 단계;
   (A3) 포맷 변환부가 상기 다수의 분할 학습 정보를 로딩하여 학습용 포맷으로 변환하는 단계;
   (A4) 학습 수행부가, 상기 포맷 변환된 다수의 분할 학습 정보를 이용하여 하나의 막장면 이미지 정보마다 다수 회의 학습을 수행하는 단계;
   (A5) 상기 (A1) 내지 (A4) 단계를, 다수의 학습용 막장면 이미지 정보에 대하여 수행함으로써 막장면 자동 분석 시스템을 구축하는 단계; 및
   (B) 입력부에 막장면 이미지 정보가 입력되면, 추론부가 상기 막장면 자동 분석 시스템을 이용하여 분석 정보를 추론하고, 출력부가 이를 출력하여, 입력된 이미지를 DFM 처리하는 단계를 포함하는,
   방법.
   
3. 제 1 항에 있어서,
   (a2) 검측관리부(300)가 일반정보를 확인하는 단계; - (a2) 단계의 일반정보는, 공사명, 공구, 검측요청일시 및 검측번호를 포함함
   (b2) 상기 검측관리부(300)에, 상기 공종 데이터베이스(810)에 저장된 공종 중 어느 하나의 공종이 입력되어 확인되는 단계;
   (c2) 상기 검측관리부(300)에 특기사항 및 관련도면이 입력되어 확인되는 단계;
   (d2) 상기 검측관리부(300)에 상기 공종 데이터베이스(810)로 저장된 세부공종 중 어느 하나 이상의 세부공종이 선택되어 검측체크리스트로 확인되는 단계;
   (e2) 상기 이미지관리부(620)에 이미지가 입력되고, 상기 검측관리부(300)가 상기 입력된 이미지를 불러와서 확인하는 단계; 및
   (f2) 상기 검측관리부(300)가 상기 (a2), (b2), (c2), (d2) 및 (e2) 단계에서 확인된 일반정보, 공종, 특기사항, 관련도면 및 검측체크리스트를 이용하여 검측의뢰서를 생성하는 단계를 더 포함하는,
   방법.
   
4. 제 3 항에 있어서,
   (a3) 상기 검측관리부(300)가 일반정보를 불러와서 확인하는 단계; - (a3) 단계의 일반정보는 공사명, 공구, 접수일자, 수신인을 포함함
   (b3) 상기 검측관리부(300)에 검측자정보, 검측결과 및 조치요구사항이 입력되어 확인되는 단계; 및
   (c3) 상기 검측관리부(300)가 상기 (a3) 및 (b3) 단계에서 확인된 일반정보, 검측자정보, 검측결과 및 조치요구사항을 이용하여 검측결과통보서를 생성하는 단계를 더 포함하는,
   방법.
   
5. 제 1 항에 있어서,
   (a4) 작업일보관리부(400)가 일반정보를 불러와서 확인하는 단계; - (a4) 단계의 일반정보는 공사명, 공구, 금일과 명일 일시, 기상현황을 포함함
   (b4) 상기 작업일보관리부(400)에 금일계획 및 명일계획이 입력되어 확인되는 단계;
   (c4) 상기 작업일보관리부(400)에 터널굴진현황, 공정현황, 투입인원, 예정인원, 투입장비 및 예정장비가 입력되어 확인되는 단계;
   (d4) 상기 작업일보관리부(400)가 터널굴진현황 누계, 인원투입 누계 및 장비투입 누계를 연산하여 확인하는 단계; 및
   (e4) 상기 작업일보관리부(400)가 상기 (a4), (b4), (c4) 및 (d4) 단계에서 확인된 일반정보, 금일계획, 명일계획, 터널굴진현황, 공정현황, 투입인원, 예정인원, 투입장비, 예정장비, 터널굴진현황 누계, 인원투입 누계 및 장비투입 누계를 이용하여 작업일보를 생성하는 단계를 더 포함하며,
   상기 (d4) 단계는,
   (d41) 작일 작업일보가 있는 경우, 상기 작업일보관리부(400)가 작일 작업일보 상 터널굴진현황 누계, 투입인원 누계 및 투입장비 누계를 확인하고, 여기에 상기 (c4) 단계에서 입력된 터널굴진현황, 투입인원 및 투입장비를 각각 합산하여 터널굴진현황 누계, 인원투입 누계 및 장비투입 누계를 연산하는 단계; 및
   (d42) 작일 작업일보가 없는 경우, 상기 (c4) 단계에서 입력된 터널굴진현황, 투입인원 및 투입장비를 각각 터널굴진현황 누계, 인원투입 누계 및 장비투입 누계로 연산하는 단계를 포함하는,
   방법.
   
6. 제 1 항에 있어서,
   (a5) 폐기물처리관리부(500)가 일반정보를 확인하는 단계; - (a5) 단계의 일반정보는, 공사명, 공구 및 위탁번호를 포함함
   (b5) 상기 폐기물처리관리부(500)에 위탁폐기물 종류, 위탁처리 요청 일시, 발생장소 및 준비상태가 입력되는 단계;
   (c5) 상기 이미지관리부(620)에 이미지가 입력되고, 상기 폐기물처리관리부(500)가 상기 입력된 이미지를 불러와서 확인하는 단계;
   (d5) 상기 폐기물처리관리부(500)가 상기 (a5), (b5) 및 (c5) 단계에서 확인된 일반정보, 위탁폐기물 종류, 위탁처리 요청 일시, 발생장소, 준비상태 및 이미지를 이용하여 건설폐기물 위탁처리 작업의뢰서를 생성하는 단계를 더 포함하는,
   방법.
   
7. 제 1 항 내지 제 6 항 중 어느 한 항에 따른 방법이 수행되도록, 컴퓨터로 판독가능한 저장매체에 기록된, 프로그램.

Images