KR102584614B1 - Apparatus for generating construction performance index to earthwork process planning and management and method thereof - Google Patents

Apparatus for generating construction performance index to earthwork process planning and management and method thereof Download PDF

Info

Publication number
KR102584614B1
KR102584614B1 KR1020210148023A KR20210148023A KR102584614B1 KR 102584614 B1 KR102584614 B1 KR 102584614B1 KR 1020210148023 A KR1020210148023 A KR 1020210148023A KR 20210148023 A KR20210148023 A KR 20210148023A KR 102584614 B1 KR102584614 B1 KR 102584614B1
Authority
KR
South Korea
Prior art keywords
construction
expected
period
cost
budget
Prior art date
Application number
KR1020210148023A
Other languages
Korean (ko)
Other versions
KR20230063122A (en
Inventor
한승우
정다현
박성봉
이수민
Original Assignee
인하대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 인하대학교 산학협력단 filed Critical 인하대학교 산학협력단
Priority to KR1020210148023A priority Critical patent/KR102584614B1/en
Publication of KR20230063122A publication Critical patent/KR20230063122A/en
Application granted granted Critical
Publication of KR102584614B1 publication Critical patent/KR102584614B1/en

Links

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
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • G06Q10/0633—Workflow analysis
    • 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
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/08—Construction

Abstract

본 발명은 토공사 공정계획 및 관리를 위한 건설성능지표 산출 장치 및 그 방법에 관한 것이다. 본 발명에 따르면, 기 수행된 과거 공사 현장 데이터를 수집하는 단계, 기 수행된 과거 공사 현장 데이터에 포함된 굴착기 및 덤프트럭 대수, 평균 상차 시간, 평균 운반 시간을 기 학습된 웹싸이클론 모델에 적용하여 건설 생산성 지수를 출력하는 단계, 기 수행된 과거 공사 현장 데이터를 입력데이터로 하고, 건설 생산성 지수를 출력데이터로 하는 인공 신경망을 학습시키는 단계, 공사를 수행하기 전, 실제 투입 예정인 공사 현장 데이터를 입력받는 단계, 실제 투입 예정인 공사 현장 데이터를 기 학습된 인공신경망에 적용하여 예상 건설 생산성 지수를 출력하는 단계, 예상 건설 생산성 지수, 토질 및 덤프트럭 적재함 용량에 대응하는 싸이클당 물량을 이용하여 공사전에 예상되는 공사 예상기간 및 공사 예산을 연산하는 단계, 공사를 수행 중인 상태에서, 실제 공사에 투입된 굴착기 및 덤프트럭의 대수와 평균 상차 시간, 평균 운반 시간, 굴착기 및 덤프트럭의 시간당 대여 비용을 상기 웹싸이클론 모델에 적용하여 실제 건설 생산성 지수를 출력하는 단계, 연산된 공사전에 예상되는 공사 예상기간 및 공사 예산, 실제 건설 생산성 지수를 이용하여 총 공사 예상기간 및 총 공사 예상 비용을 예측하는 단계, 그리고 연산된 공사전에 예상되는 공사 예상기간 및 공사 예산, 예측된 총 공사 예상 기간 및 총 공사 예상 비용을 이용하여 건설성능지표를 산출하는 단계를 포함한다. The present invention relates to a construction performance index calculation device and method for earthwork process planning and management. According to the present invention, the step of collecting previously performed past construction site data, applying the number of excavators and dump trucks, average loading time, and average transportation time included in the previously performed past construction site data to the previously learned Web Cyclone model A step of outputting the construction productivity index, a step of learning an artificial neural network using previously performed past construction site data as input data and the construction productivity index as output data, before carrying out construction, construction site data scheduled to be actually input Step of receiving input, step of applying the actual construction site data scheduled to be input to the previously learned artificial neural network to output the expected construction productivity index, step of outputting the expected construction productivity index, soil quality, and volume per cycle corresponding to the capacity of the dump truck before construction. In the step of calculating the expected construction period and construction budget, while the construction is being performed, the number of excavators and dump trucks actually used for construction, average loading time, average transportation time, and hourly rental cost of excavators and dump trucks are listed on the above website. A step of applying the cyclone model to output the actual construction productivity index, a step of predicting the total construction period and total construction cost using the calculated pre-construction construction period and construction budget, and the actual construction productivity index, and It includes the step of calculating construction performance indicators using the calculated pre-construction construction period and construction budget, the predicted total construction period, and the total construction cost.

Description

토공사 공정계획 및 관리를 위한 건설성능지표 산출 장치 및 그 방법{APPARATUS FOR GENERATING CONSTRUCTION PERFORMANCE INDEX TO EARTHWORK PROCESS PLANNING AND MANAGEMENT AND METHOD THEREOF}Construction performance indicator calculation device and method for earthwork process planning and management {APPARATUS FOR GENERATING CONSTRUCTION PERFORMANCE INDEX TO EARTHWORK PROCESS PLANNING AND MANAGEMENT AND METHOD THEREOF}

본 발명은 토공사 공정계획 및 관리를 위한 건설성능지표 산출 장치 및 그 방법에 관한 것으로, 더욱 상세하게는 인공신경망 및 웹싸이클론 모델을 통해 도출된 예상 생산성 및 실제 생산성을 이용하여 건설성능지표를 생성하는 토공사 공정계획 및 관리를 위한 건설성능지표 산출 장치 및 그 방법에 관한 것이다. The present invention relates to a construction performance indicator calculation device and method for earthwork process planning and management. More specifically, construction performance indicators are generated using expected and actual productivity derived through an artificial neural network and web cyclone model. It relates to a construction performance index calculation device and method for earthwork process planning and management.

일반적으로 건축 및 건설의 프로젝트는 다수의 공정으로 이루어지며, 해당 프로젝트의 기획, 설계, 시공, 그리고 총 생애주기 동안에 발생하는 비용과 이와 관련된 사항을 설정하고 적용하는 체계적인 관리가 필요하다.In general, architecture and construction projects are comprised of multiple processes, and systematic management is required to set and apply costs and related matters incurred during the planning, design, construction, and overall life cycle of the project.

그리고, 건설 프로젝트에서는 설계 및 계획 단계 중 집행된 공사 예정 기간과 공사 예산을 공사 수행 단계에서 실제 기간과 비용과의 차이를 최소화하는 것이 매우 중요하다. In addition, in construction projects, it is very important to minimize the difference between the estimated construction period and construction budget executed during the design and planning phase and the actual period and cost during the construction execution phase.

이때, 건설이 진행됨에 따라 공사를 단축하는 경우가 있으며, 경제성 분석 없이 다수의 인력과 자재를 투입하여 공사를 단축시키는 경우, 비용 차이가 더욱 발생된다.At this time, there are cases where the construction is shortened as the construction progresses, and if the construction is shortened by investing a large number of manpower and materials without analyzing the economic feasibility, the cost difference is further increased.

이와 같이, 다수의 인력과 자재를 투입하여 수행된 공사의 작업기간은 투자되는 비용에 비례하여 단축할 수 있지만, 정확하게 공사 기간단축에 대한 경제성 분석에 적용할 수 없어 왜곡된 정보에 의해서 진행될 수밖에 없는 한계점을 가지고 있다.In this way, the work period of construction carried out by investing a large number of manpower and materials can be shortened in proportion to the cost invested, but it cannot be accurately applied to the economic analysis of the shortening of the construction period, so it has no choice but to be carried out based on distorted information. It has limitations.

이러한 문제를 해결하기 위해 공사 기간과 공사 비용을 예측하는 방법으로는 단위기준, 회귀식 모델, 몬테카를로 시뮬레이션, 인공신경망, 사례기반 추론, 표준 데이터베이스를 이용하여 예측하는 방법이 있다. To solve these problems, there are methods for predicting construction period and cost using unit basis, regression model, Monte Carlo simulation, artificial neural network, case-based reasoning, and standard database.

다만, 국내 공사에 관한 비용 관리는 실시설계 이후 단계에 집중되어 있고, 개략견적을 중심으로 실시되는 설계단계에서의 비용 관리는 매우 취약하고 체계적인 시스템을 보유하고 있지 못한 실정이다.However, cost management for domestic construction is focused on the stage after detailed design, and cost management at the design stage, which is conducted based on rough estimates, is very weak and does not have a systematic system.

그리고, 공사 기간을 예측하는 경우에는, 종래의 건설 표준품셈의 수식을 활용하여 대략적인 공사기간을 산정하기 때문에 작업에 필요한 장비의 종류가 두 대 이상일 때의 건설 생산성을 실제로 반영할 수 없다. 예를 들어 흙깎기 작업의 경우 굴착기나 덤프트럭 중 하나의 장비만을 대상으로 수식을 통해 작업량을 산정하기 때문에 실제 건설 현장에서의 다수 대 다수 상태의 건설 생산성을 알 수 없어 공사 기간 산정의 정확성이 높지 않다는 문제점이 있다. In addition, when predicting the construction period, the approximate construction period is calculated using the conventional construction standard product formula, so it cannot actually reflect the construction productivity when there are two or more types of equipment required for the work. For example, in the case of earth-moving work, the amount of work is calculated using a formula targeting only one type of equipment, an excavator or a dump truck, so the construction productivity in a majority-to-many state at the actual construction site cannot be known, so the accuracy of estimating the construction period is not high. There is a problem that it is not.

본 발명의 배경이 되는 기술은 대한민국공개특허공보 제10-2019-0074243호 (2019.06.27 공개)에 개시되어 있다.The technology behind the present invention is disclosed in Korean Patent Publication No. 10-2019-0074243 (published on June 27, 2019).

본 발명이 이루고자 하는 기술적 과제는 인공신경망 및 웹싸이클론 모델을 통해 도출된 예상 생산성 및 실제 생산성을 이용하여 건설성능지표를 생성하는 토공사 공정계획 및 관리를 위한 건설성능지표 산출 장치 및 그 방법을 제공하는 것이다. The technical problem to be achieved by the present invention is to provide a construction performance indicator calculation device and method for earthwork process planning and management that generates construction performance indicators using expected productivity and actual productivity derived through artificial neural network and web cyclone model. It is done.

이러한 기술적 과제를 이루기 위한 본 발명의 실시예에 따르면, 건설성능지표 산출 장치를 이용한 건설성능지표 산출 방법에 있어서, 기 수행된 과거 공사 현장 데이터를 수집하는 단계, 상기 기 수행된 과거 공사 현장 데이터에 포함된 굴착기 및 덤프트럭 대수, 평균 상차 시간, 평균 운반 시간을 웹싸이클론 모델에 적용하여 건설 생산성 지수를 출력하는 단계, 상기 기 수행된 과거 공사 현장 데이터를 입력데이터로 하고, 상기 건설 생산성 지수를 출력데이터로 하는 인공 신경망을 학습시키는 단계, 공사를 수행하기 전, 실제 투입 예정인 공사 현장 데이터를 입력받는 단계, 실제 투입 예정인 공사 현장 데이터를 기 학습된 인공신경망에 적용하여 예상 건설 생산성 지수를 출력하는 단계, 상기 예상 건설 생산성 지수, 토질 및 덤프트럭 적재함 용량에 대응하는 싸이클당 물량을 이용하여 공사전에 예상되는 공사 예상기간 및 공사 예산을 연산하는 단계, 공사를 수행 중인 상태에서, 실제 공사에 투입된 굴착기 및 덤프트럭의 대수와 평균 상차 시간, 평균 운반 시간, 굴착기 및 덤프트럭의 시간당 대여 비용을 상기 웹싸이클론 모델에 적용하여 실제 건설 생산성 지수를 출력하는 단계, 상기 연산된 공사전에 예상되는 공사 예상기간 및 공사 예산, 실제 건설 생산성 지수를 이용하여 총 공사 예상기간 및 총 공사 예상 비용을 예측하는 단계, 그리고 상기 연산된 공사전에 예상되는 공사 예상기간 및 공사 예산, 예측된 총 공사 예상 기간 및 총 공사 예상 비용을 이용하여 건설성능지표를 산출하는 단계를 포함한다. According to an embodiment of the present invention for achieving this technical task, in the construction performance index calculation method using a construction performance index calculation device, collecting previously performed past construction site data, the previously performed past construction site data A step of outputting a construction productivity index by applying the number of excavators and dump trucks included, average loading time, and average transportation time to the Web Cyclone model, using the previously performed past construction site data as input data, and calculating the construction productivity index. A step of learning an artificial neural network using output data, a step of receiving construction site data that is actually scheduled to be input before carrying out construction, and applying the construction site data that is actually scheduled to be input to a previously learned artificial neural network to output an expected construction productivity index. Step, calculating the expected construction period and construction budget before construction using the expected construction productivity index, soil quality, and volume per cycle corresponding to the dump truck loading capacity, while the construction is in progress, the excavator used in the actual construction and applying the number of dump trucks, average loading time, average transportation time, and hourly rental cost of excavators and dump trucks to the Web Cyclone model to output an actual construction productivity index, the estimated construction period expected before the calculated construction. and a step of predicting the total construction period and total construction cost using the construction budget and the actual construction productivity index, and the calculated construction period and construction budget, the predicted total construction period, and the total construction estimate. It includes the step of calculating construction performance indicators using costs.

상기 공사 현장 데이터는, 굴착기 대수, 덤프트럭 대수, 평균 상차 시간, 평균 운반 시간, 토질, 굴착기 버킷 용량, 덤프트럭 적재함 용량, 덤프트럭의 운반거리, 도로상태, 주변 교통량, 사토장 진입로 상태, 적재 조건 중에서 적어도 하나를 포함하고, 상기 건설 생산성 지수는, 분당 싸이클 횟수, 싸이클당 비용을 포함할 수 있다. The construction site data includes the number of excavators, number of dump trucks, average loading time, average transportation time, soil quality, excavator bucket capacity, dump truck loading capacity, dump truck transportation distance, road conditions, surrounding traffic volume, sand pit access road status, and loading conditions. It includes at least one of the above, and the construction productivity index may include the number of cycles per minute and the cost per cycle.

상기 웹싸이클론 모델은, 굴착기 및 덤프트럭 대수, 평균 상차 시간, 평균 운반 시간을 입력데이터로 하고, 건설 생산성 지수를 출력데이터로 하여 학습될 수 있다. The Web Cyclone model can be learned using the number of excavators and dump trucks, average loading time, and average transportation time as input data, and the construction productivity index as output data.

상기 공사 예상기간 및 공사 예산을 연산하는 단계는, 상기 예상 건설 생산성 지수와 상기 싸이클당 물량을 다음의 수학식에 적용하여 공사전에 예상되는 공사 예상기간을 연산할 수 있다. In the step of calculating the expected construction period and construction budget, the expected construction period expected before construction can be calculated by applying the expected construction productivity index and the quantity per cycle to the following equation.

상기 공사 예상기간 및 공사 예산을 연산하는 단계는, 상기 공사 예상기간을 다음의 수학식에 적용하여 공사전에 예상되는 공사 예산을 연산할 수 있다. In the step of calculating the expected construction period and construction budget, the expected construction budget before construction can be calculated by applying the expected construction period to the following equation.

상기 총 공사 예상기간 및 예산을 예측하는 단계는, 상기 실제 건설 생산성 지수를 다음의 수학식에 적용하여 공사 중에 예측되는 잔여 공사 예상 기간을 연산하고, In the step of predicting the total construction period and budget, the actual construction productivity index is applied to the following equation to calculate the remaining construction period predicted during construction,

상기 잔여 공사 예상기간을 다음의 수학식에 적용하여 총 공사 예상 기간을 예측할 수 있다. The total expected construction period can be predicted by applying the remaining expected construction period to the following equation.

상기 총 공사 예상기간 및 예산을 예측하는 단계는, 상기 실제 건설 생산성 지수를 다음의 수학식에 적용하여 공사 중에 예측되는 잔여 공사 예상 비용을 연산하고, In the step of predicting the total construction expected period and budget, the actual construction productivity index is applied to the following equation to calculate the estimated remaining construction cost predicted during construction,

상기 잔여 공사 예측 비용을 다음의 수학식에 적용하여 총 공사 예상 비용을 예측할 수 있다. The total estimated construction cost can be predicted by applying the remaining construction estimated cost to the following equation.

상기 건설성능지표는, 상기 공사 단위비용 비율, 공사기간 연장 일수, 공사 예산 차이 금액을 포함하며, 상기 건설성능지표를 산출하는 단계는, 상기 공사전에 예상되는 공사 예산을 이용하여 전체 물량에 따른 계획 단위비용을 실제 물량에 따른 실제 단위비용으로 나누어 단위비용 비율을 연산하는 단계, 공사 수행중인 상태에서 예측된 총 공사 예상 기간에서 상기 공사전에 예상되는 공사 예상 기간을 차감하여 공사기간 연장 일 수를 연산하는 단계, 그리고 상기 공사전에 예상되는 공사 예산에서 상기 공사 수행중인 상태에서 예측된 총 공사 예상 비용을 차감하여 공사 예산 증감 금액을 연산하는 단계를 포함할 수 있다. The construction performance index includes the construction unit cost ratio, the number of days of construction period extension, and the construction budget difference amount, and the step of calculating the construction performance index is a plan according to the total volume using the construction budget expected before construction. Calculating the unit cost ratio by dividing the unit cost by the actual unit cost according to the actual quantity, calculating the number of days to extend the construction period by subtracting the expected construction period before construction from the total construction period predicted while construction is in progress. It may include a step of calculating an increase or decrease in the construction budget by subtracting the total construction cost predicted during the construction from the construction budget expected before the construction.

본 발명의 다른 실시예에 따르면, 토공사 공정계획 및 관리를 위한 건설성능지표 산출 장치에 있어서, 기 수행된 과거 공사 현장 데이터를 수집하고, 상기 기 수행된 과거 공사 현장 데이터에 포함된 굴착기 및 덤프트럭 대수, 평균 상차 시간, 평균 운반 시간을 웹싸이클론 모델에 적용하여 건설 생산성 지수 출력하며, 상기 기 수행된 과거 공사 현장 데이터를 입력데이터로 하고, 상기 건설 생산성 지수를 출력데이터로 하는 인공신경망을 학습시키는 학습부, 공사를 수행하기 전, 실제 투입 예정인 공사 현장 데이터를 입력받고, 실제 투입 예정인 공사 현장 데이터를 상기 기 학습된 인공신경망에 적용하여 예상 건설 생산성 지수를 출력하며, 상기 예상 건설 생산성 지수, 토질 및 덤프트럭 적재함 용량에 대응하는 싸이클당 물량을 이용하여 공사전에 예상되는 공사 예상기간 및 공사 예산을 연산하는 예상 생산성 도출부, 공사를 수행 중인 상태에서, 실제 공사에 투입된 굴착기 및 덤프트럭의 대수와 평균 상차 시간, 평균 운반 시간, 굴착기 및 덤프트럭의 시간당 대여 비용을 상기 웹싸이클론 모델에 적용하여 실제 건설 생산성 지수를 출력하는 실제 생산성 도출부, 상기 연산된 공사전에 예상되는 공사 예상기간 및 공사 예산, 실제 건설 생산성 지수를 이용하여 총 공사 예상기간 및 총 공사 예상 비용을 예측하는 전처리부, 그리고 상기 연산된 공사전에 예상되는 공사 예상기간 및 공사 예산, 예측된 총 공사 예상 기간 및 총 공사 예상 비용을 이용하여 건설성능지표를 산출하는 건설성능지표 산출부를 포함한다. According to another embodiment of the present invention, in a construction performance index calculation device for earthwork process planning and management, previously performed past construction site data is collected, and excavators and dump trucks included in the previously performed past construction site data are used. The number of units, average loading time, and average transportation time are applied to the Web Cyclone model to output a construction productivity index, using the previously performed past construction site data as input data, and learning an artificial neural network that uses the construction productivity index as output data. Before carrying out the construction, the learning department receives data from the construction site that is actually scheduled to be input, applies the data from the construction site that is actually scheduled to be input to the previously learned artificial neural network, and outputs an expected construction productivity index, the expected construction productivity index, An expected productivity derivation unit that calculates the expected construction period and construction budget before construction using the volume per cycle corresponding to soil quality and dump truck loading capacity, and the number of excavators and dump trucks actually used for construction while construction is in progress. and an actual productivity derivation unit that outputs an actual construction productivity index by applying the average loading time, average transportation time, and hourly rental cost of excavators and dump trucks to the Web Cyclone model, and the estimated construction period and construction period expected before construction calculated above. A pre-processing unit that predicts the total construction period and total construction cost using the budget and actual construction productivity index, and the calculated construction period and construction budget, the predicted total construction period and total construction cost. It includes a construction performance indicator calculation unit that calculates construction performance indicators using .

이와 같이 본 발명에 따르면, 인공지능 및 웹싸이클론 모델을 통해 생산성을 공정 분석함으로써, 정량화된 생산성 데이터를 제공할 수 있고, 제공된 데이터를 이용하여 효율적으로 자원 투입 계획을 수행할 수 있다. In this way, according to the present invention, quantified productivity data can be provided by analyzing productivity through process analysis through artificial intelligence and web cyclone models, and resource input planning can be performed efficiently using the provided data.

또한, 생산성 데이터가 누적될수록 공정계획의 신뢰성이 향상되며, 계획 단계에서 실측 데이터를 기반으로 공사기간과 예산을 예측하여 기존의 공정계획보다 정확성을 높이고 공사 수행 중 공정계획과의 차이를 최소화할 수 있다. In addition, as productivity data accumulates, the reliability of the process plan improves, and by predicting the construction period and budget based on actual measurement data at the planning stage, it is possible to increase accuracy compared to existing process plans and minimize differences with the process plan during construction. there is.

그리고, 현장 관리자의 의사결정을 지원하기 위한 건설성능지표를 제공하여 공정계획과 관리의 정확성과 편의성을 향상시키고, 다른 공사에도 효율적으로 활용 가능하여 공사가 시작하기 전에 정확도가 높아진 공정계획을 기반으로 효율적인 공사 운영에 도움을 줄 수 있다. In addition, it provides construction performance indicators to support the decision-making of site managers, improving the accuracy and convenience of process planning and management, and can be efficiently used for other construction projects, based on a process plan with increased accuracy before construction begins. It can help with efficient construction operation.

도 1은 본 발명의 실시예에 따른 토공사 공정계획 및 관리를 위한 건설성능지표 산출 장치의 구성을 설명하기 위한 도면이다.
도 2는 본 발명의 실시예에 따른 인공신경망을 학습하는 과정을 설명하기 위한 순서도이다.
도 3는 도 2의 S220 단계를 설명하기 위한 예시도이다.
도 4는 도 2의 S230 단계를 설명하기 위한 예시도이다.
도 5는 본 발명의 실시예에 따른 건설성능지표 산출 장치를 이용한 건설성능지표 산출 방법을 설명하기 위한 순서도이다.
도 6은 도 5의 S540 단계를 설명하기 위한 예시도이다.Figure 1 is a diagram illustrating the configuration of a construction performance index calculation device for earthwork process planning and management according to an embodiment of the present invention.
Figure 2 is a flowchart for explaining the process of learning an artificial neural network according to an embodiment of the present invention.
Figure 3 is an example diagram for explaining step S220 of Figure 2.
Figure 4 is an example diagram for explaining step S230 of Figure 2.
Figure 5 is a flowchart for explaining a method of calculating construction performance indicators using a construction performance indicator calculation device according to an embodiment of the present invention.
Figure 6 is an example diagram for explaining step S540 of Figure 5.

아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시 예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.Below, with reference to the attached drawings, embodiments of the present invention will be described in detail so that those skilled in the art can easily implement the present invention. However, the present invention may be implemented in many different forms and is not limited to the embodiments described herein. In order to clearly explain the present invention in the drawings, parts that are not related to the description are omitted, and similar parts are given similar reference numerals throughout the specification.

명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.Throughout the specification, when a part is said to “include” a certain element, this means that it may further include other elements rather than excluding other elements, unless specifically stated to the contrary.

그러면 첨부한 도면을 참고로 하여 본 발명의 실시 예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다.Then, with reference to the attached drawings, embodiments of the present invention will be described in detail so that those skilled in the art can easily implement the present invention.

이하에서는 도 1을 이용하여 본 발명의 실시예에 따른 토공사 공정계획 및 관리를 위한 건설성능지표 산출 장치(100)의 구성을 설명한다.Hereinafter, the configuration of the construction performance index calculation device 100 for earthwork process planning and management according to an embodiment of the present invention will be described using FIG. 1.

도 1은 본 발명의 실시예에 따른 토공사 공정계획 및 관리를 위한 건설성능지표 산출 장치의 구성을 설명하기 위한 도면이다.Figure 1 is a diagram illustrating the configuration of a construction performance index calculation device for earthwork process planning and management according to an embodiment of the present invention.

도 1에서 도시한 바와 같이, 본 발명의 실시예에 따른 건설성능지표 산출 장치(100)는 학습부(110), 예상 생산성 도출부(120), 실제 생산성 도출부(130), 전처리부(140) 및 건설성능지표 산출부(150)를 포함한다.As shown in FIG. 1, the construction performance index calculation device 100 according to an embodiment of the present invention includes a learning unit 110, an expected productivity derivation unit 120, an actual productivity derivation unit 130, and a preprocessing unit 140. ) and a construction performance index calculation unit 150.

먼저, 학습부(110)는 기 수행된 과거 공사 현장 데이터를 수집하고, 공사 현장 데이터에 포함된 굴착기 및 덤프트럭 대수, 평균 상차 시간, 평균 운반 시간을 웹싸이클론 모델에 적용하여 건설 생산성 지수 출력한다.First, the learning unit 110 collects data from past construction sites and applies the number of excavators and dump trucks, average loading time, and average transportation time included in the construction site data to the Web Cyclone model to output a construction productivity index. do.

이때, 공사 현장 데이터는 굴착기 대수, 덤프트럭 대수, 평균 상차 시간, 평균 운반 시간, 토질, 굴착기 버킷 용량, 덤프트럭 적재함 용량, 덤프트럭의 운반거리, 도로상태, 주변 교통량, 사토장 진입로 상태, 적재 조건 중에서 적어도 하나를 포함하고, 건설 생산성 지수는 분당 싸이클 횟수, 싸이클당 비용을 포함한다.At this time, construction site data includes the number of excavators, number of dump trucks, average loading time, average transportation time, soil quality, excavator bucket capacity, dump truck loading capacity, dump truck transportation distance, road conditions, surrounding traffic volume, sand pit access road status, and loading conditions. It includes at least one of the following, and the construction productivity index includes the number of cycles per minute and cost per cycle.

여기서, 웹싸이클론 모델은 입력 데이터에 대해 생산성을 출력하는 시뮬레이션 툴을 의미하며, 건설성능지표 산출 장치(100)는 굴착기 및 덤프트럭 대수, 평균 상차 시간, 평균 운반 시간을 웹싸이클론 모델에 적용하여 건설 생산성 지수를 출력할 수 있다. Here, the Web Cyclone model refers to a simulation tool that outputs productivity for input data, and the construction performance index calculation device 100 applies the number of excavators and dump trucks, average loading time, and average transportation time to the Web Cyclone model. Thus, the construction productivity index can be output.

그리고, 학습부(110)는 기 수행된 과거 공사 현장 데이터를 입력데이터로 하고, 건설 생산성 지수를 출력데이터로 하는 인공신경망을 학습시킨다.Then, the learning unit 110 trains an artificial neural network that uses previously performed past construction site data as input data and the construction productivity index as output data.

즉, 학습부(110)는 굴착기 대수, 덤프트럭 대수, 토질, 굴착기 버킷 용량, 덤프트럭 적재함 용량, 덤프트럭의 운반거리, 도로상태, 주변 교통량, 사토장 진입로 상태, 적재 조건 중에서 적어도 하나를 인공신경망에 적용하여 건설 생산성 지수를 출력하도록 학습시킨다. That is, the learning unit 110 uses an artificial neural network to determine at least one of the number of excavators, the number of dump trucks, soil quality, excavator bucket capacity, dump truck load capacity, dump truck transportation distance, road conditions, surrounding traffic volume, sand field access road status, and loading conditions. It is taught to output the construction productivity index by applying it to .

다음으로, 예상 생산성 도출부(120)는 공사를 수행하기 전에 실제 투입 예정인 공사 현장 데이터를 입력받고, 실제 투입 예정인 공사 현장 데이터를 기 학습된 인공신경망에 적용하여 예상 건설 생산성 지수를 출력한다. Next, the expected productivity deriving unit 120 receives construction site data that is actually scheduled to be input before performing construction, and applies the construction site data that is actually scheduled to be input to a previously learned artificial neural network to output an expected construction productivity index.

그리고, 예상 생산성 도출부(120)는 예상 건설 생산성 지수, 토질 및 덤프트럭 적재함 용량에 대응하는 싸이클당 물량을 이용하여 공사전에 예상되는 공사 예상기간 및 공사 예산을 연산한다.In addition, the expected productivity deriving unit 120 calculates the expected construction period and construction budget before construction using the expected construction productivity index, soil quality, and volume per cycle corresponding to the dump truck loading capacity.

즉, 예상 생선성 도출부(120)는 싸이클당 물량, 전체 물량 및 예상 건설 생산성 지수에 포함된 예상 분당 싸이클 횟수를 이용하여 공사전에 예상되는 공사 예상기간을 연산하고, 굴착기 및 덤프트럭의 예상 대여비용 및 공사전에 예상된 공사 예상기간을 이용하여 공사전에 예상되는 공사 예산을 연산한다. That is, the expected productivity deriving unit 120 calculates the expected construction period before construction using the expected number of cycles per minute included in the quantity per cycle, total quantity, and expected construction productivity index, and predicts rental of excavators and dump trucks. Calculate the estimated construction budget prior to construction using the cost and estimated construction period prior to construction.

다음으로, 실제 생산성 도출부(130)는 공사를 수행 중인 상태에서 실제 공사에 투입된 굴착기 및 덤프트럭의 대수와 평균 상차 시간, 평균 운반 시간, 굴착기 및 덤프트럭의 시간당 대여 비용을 웹싸이클론 모델에 적용하여 실제 건설 생산성 지수를 출력한다.Next, the actual productivity derivation unit 130 calculates the number of excavators and dump trucks used in the actual construction while the construction is being performed, the average loading time, average transportation time, and hourly rental cost of the excavator and dump trucks into the Web Cyclone model. Apply it to output the actual construction productivity index.

이때, 웹싸이클론 모델은 건설장비의 대수, 각 장비의 작업 소요 시간, 시간당 대여 비용을 입력하는 경우에 시뮬레이션을 통해 건설 생산성 지수를 도출하도록 학습될 수 있다. At this time, the Web Cyclone model can be learned to derive a construction productivity index through simulation when entering the number of construction equipment, work time for each equipment, and hourly rental cost.

이와 같이, 도출된 건설 생산성 지수는 분당 싸이클 횟수 및 싸이클당 비용을 포함한다. In this way, the derived construction productivity index includes the number of cycles per minute and cost per cycle.

다음으로, 전처리부(140)는 공사전에 예상된 공사 예상기간 및 공사 예산과 실제 건설 생산성 지수를 이용하여 공사가 수행중인 상태에서 예상되는 총 공사 예상기간 및 총 공사 예상 비용을 예측한다.Next, the pre-processing unit 140 predicts the total construction period and total construction cost expected while construction is in progress using the estimated construction period and budget expected before construction and the actual construction productivity index.

이때, 전처리부(140)는 잔여물량, 싸이클당 물량 및 실제 건설 생산성 지수에 포함된 실제 분당 싸이클을 이용하여 공사 중에 예측되는 잔여 공사 예상 기간을 연산한 후, 잔여 공사 예상 기간 및 소요된 공사 기간을 이용하여 공사가 수행중인 상태에서의 총 공사 예상 기간을 예측할 수 있다.At this time, the pre-processing unit 140 calculates the remaining construction period predicted during construction using the remaining quantity, quantity per cycle, and actual cycles per minute included in the actual construction productivity index, and then calculates the estimated remaining construction period and the required construction period. You can use to predict the total expected construction period while construction is in progress.

그리고, 전처리부(140)는 싸이클당 비용 및 실제 분당 싸이클을 이용하여 공사 중에 예측되는 잔여 공사 예상 비용을 연산한 후, 잔여 공사 예상 비용 및 소요된 공사 비용을 이용하여 공사가 수행중인 상태에서 예측되는 총 공사 예상 비용을 연산할 수 있다. In addition, the pre-processing unit 140 calculates the estimated remaining construction cost predicted during construction using the cost per cycle and actual cycles per minute, and then predicts the remaining construction cost while construction is in progress using the estimated remaining construction cost and the required construction cost. The total estimated cost of construction can be calculated.

다음으로, 건설성능지표 산출부(150)는 공사전에 예상된 공사 예상기간 및 공사 예산과 공사가 수행중인 상태에서 예측된 총 공사 예상 기간 및 총 공사 예상 비용을 이용하여 건설성능지표를 산출한다.Next, the construction performance index calculation unit 150 calculates the construction performance index using the estimated construction period and construction budget predicted before construction and the total construction period and total construction cost predicted while construction is in progress.

이때, 건설성능지표는 해당 공사의 생산성을 나타내는 것으로, 현자 관리자의 입장에서 공정계획과 실제 공사 착수 후의 생산성을 비교하여 장비 추가 투입과 같은 의사결정을 지원할 수 있는 지표를 나타낸다.At this time, the construction performance index indicates the productivity of the relevant construction work, and from the perspective of a wise manager, it represents an index that can support decision-making such as adding additional equipment by comparing the process plan and productivity after the actual start of construction.

본 발명의 실시예에서 건설성능지표는 공사 단위비용 비율, 공사기간 연장 일수, 공사 예산 차이 금액을 포함한다.In an embodiment of the present invention, the construction performance index includes the construction unit cost ratio, the number of days of extension of the construction period, and the construction budget difference amount.

그리고, 건설성능지표 산출부(150)는 공사전에 예상된 공사 예산을 이용하여 전체 물량에 따른 계획 단위비용을 실제 물량에 따른 실제 단위비용으로 나누어 단위비용 비율을 연산하고, 공사중에 예측된 총 공사 예상 기간에서 공사전에 예상된 공사 예상 기간을 차감하여 공사기간 연장 일 수를 연산한다.In addition, the construction performance index calculation unit 150 calculates the unit cost ratio by dividing the planned unit cost according to the total volume by the actual unit cost according to the actual volume using the construction budget predicted before construction, and calculates the unit cost ratio during the total construction project predicted during construction. The number of days to extend the construction period is calculated by subtracting the estimated construction period prior to construction from the expected period.

또한, 건설성능지표 산출부(150)는 공사 중에 예상된 공사 예산에서 공사중에 예측된 총 공사 예상 비용을 차감하여 공사 예산 증감 금액을 연산한다.Additionally, the construction performance index calculation unit 150 calculates the construction budget increase/decrease amount by subtracting the total construction cost predicted during construction from the construction budget expected during construction.

이하에서는 도 2 내지 도 4를 이용하여 본 발명의 실시예에 따른 인공신경망을 학습하는 과정을 설명한다. Below, the process of learning an artificial neural network according to an embodiment of the present invention will be described using FIGS. 2 to 4.

도 2는 본 발명의 실시예에 따른 인공신경망을 학습하는 과정을 설명하기 위한 순서도이다.Figure 2 is a flowchart for explaining the process of learning an artificial neural network according to an embodiment of the present invention.

먼저, 본 발명의 실시예에 따른 건설성능지표 산출 장치(100)는 기 수행된 과거 공사 현장 데이터를 수집한다(S210).First, the construction performance index calculation device 100 according to an embodiment of the present invention collects data from past construction sites that have already been performed (S210).

하기의 표 1는 공사 현장 데이터를 나타낸 것이다.Table 1 below shows construction site data.

표 1에서 도시한 바와 같이, 건설성능지표 산출 장치(100)는 굴착기 대수, 덤프트럭 대수, 평균 상차 시간, 평균 운반 시간, 토질, 굴착기 버킷용량, 덤프트럭 적재함 용량, 도로 상태, 주변 교통량, 덤프트럭 운반거리, 사토장 진입로 상태, 적재조건을 포함하는 과거 공사 현장 데이터를 수집한다.As shown in Table 1, the construction performance index calculation device 100 includes the number of excavators, number of dump trucks, average loading time, average transportation time, soil quality, excavator bucket capacity, dump truck load capacity, road condition, surrounding traffic volume, and dump truck. Collect past construction site data, including truck transport distance, soil access road conditions, and loading conditions.

그리고, 본 발명의 실시예에 따른 건설성능지표 산출 장치(100)는 기 수행된 과거 공사 현장 데이터에 포함된 굴착기 및 덤프트럭 대수, 평균 상차 시간, 평균 운반 시간을 웹싸이클론 모델에 적용하여 건설 생산성 지수를 출력한다(S220).In addition, the construction performance indicator calculation device 100 according to an embodiment of the present invention applies the number of excavators and dump trucks, average loading time, and average transportation time included in previously performed past construction site data to the web cyclone model to construct construction. Print the productivity index (S220).

도 3는 도 2의 S220 단계를 설명하기 위한 예시도이다.Figure 3 is an example diagram for explaining step S220 of Figure 2.

도 3에서 도시한 바와 같이 건설성능지표 산출 장치(100)는 평균 상차 시간, 굴착기 대수, 덤프트럭 대수, 평균 운반 시간을 웹싸이클론 모델에 적용하여 건설 생산성 지수를 출력한다.As shown in FIG. 3, the construction performance index calculation device 100 outputs a construction productivity index by applying the average loading time, number of excavators, number of dump trucks, and average transportation time to the web cyclone model.

여기서, 웹싸이클론 모델은 시뮬레이션 툴로서, 굴착기 및 덤프트럭 대수, 평균 상차 시간, 평균 운반 시간을 입력하여 특정 공정에 대한 웹싸이클론 코딩을 제시하여 공정에 대한 생산성 지수를 출력한다. Here, the Web Cyclone model is a simulation tool that inputs the number of excavators and dump trucks, average loading time, and average transportation time, suggests Web Cyclone coding for a specific process, and outputs a productivity index for the process.

그리고, 건설 생산성 지수는 분당 싸이클 횟수(Productivity Per Unit Time), 싸이클당 비용(Cost Per Prod. Unit)을 포함한다. Additionally, the construction productivity index includes the number of cycles per minute (Productivity Per Unit Time) and cost per cycle (Cost Per Prod. Unit).

다음으로, 본 발명의 실시예에 따른 건설성능지표 산출 장치(100)는 기 수행된 과거 공사 현장 데이터를 입력데이터로 하고, 건설 생산성 지수를 출력데이터로 하는 인공 신경망을 학습시킨다(S230).Next, the construction performance index calculation device 100 according to an embodiment of the present invention trains an artificial neural network using previously performed past construction site data as input data and the construction productivity index as output data (S230).

도 4는 도 2의 S230 단계를 설명하기 위한 예시도이다.Figure 4 is an example diagram for explaining step S230 of Figure 2.

도 4에서 도시한 바와 같이, 건설성능지표 산출 장치(100)는 굴착기 대수, 덤프트럭 대수, 토질, 굴착기 버킷 용량, 덤프트럭 적재함 용량, 덤프트럭의 운반거리, 도로상태, 주변 교통량, 사토장 진입로 상태, 적재조건을 인공신경망에 적용하여 건설 생산성 지수를 출력하도록 학습시킨다. As shown in FIG. 4, the construction performance index calculation device 100 measures the number of excavators, the number of dump trucks, soil quality, excavator bucket capacity, dump truck load capacity, dump truck transportation distance, road conditions, surrounding traffic volume, and sand field access road status. , loading conditions are applied to an artificial neural network and learned to output a construction productivity index.

이하에서는 도 5 및 도 6을 이용하여 본 발명의 실시예에 따른 건설성능지표 산출 장치(100)를 이용한 건설성능지표를 산출하는 방법을 설명한다. Hereinafter, a method of calculating a construction performance index using the construction performance index calculation device 100 according to an embodiment of the present invention will be described using FIGS. 5 and 6.

도 5는 본 발명의 실시예에 따른 건설성능지표 산출 장치를 이용한 건설성능지표 산출 방법을 설명하기 위한 순서도이다. Figure 5 is a flowchart for explaining a method of calculating construction performance indicators using a construction performance indicator calculation device according to an embodiment of the present invention.

먼저, 본 발명의 실시예에 따른 건설성능지표 산출 장치(100)는 공사를 수행하기 전에 실제 투입 예정인 공사 현장 데이터를 입력받는다(S510).First, the construction performance index calculation device 100 according to an embodiment of the present invention receives construction site data that is actually scheduled to be input before performing construction (S510).

하기의 표 2는 실제 투입 예정인 공사 현장 데이터를 나타낸 것이다.Table 2 below shows the actual construction site data scheduled to be used.

표 2에서 도시한 바와 같이, 건설성능지표 산출 장치(100)는 굴착기 대수를 4대, 덤프트럭 대수를 6대, 평균 상차 시간은 5분, 평균 운반 시간은 30분, 토질은 발파암, 굴착기 버킷용량은 1m3, 덤프트럭 적재함 용량은 15t, 도로상태는 포장, 주변 교통량은 원활, 덤프트럭 운반거리는 15km, 사토장 진입로 상태는 협소, 적재조건은 양호로 입력받을 수 있다. As shown in Table 2, the construction performance indicator calculation device 100 has 4 excavators and 6 dump trucks, the average loading time is 5 minutes, the average transportation time is 30 minutes, and the soil quality is blast rock and excavator bucket. Capacity is 1m3 , dump truck loading capacity is 15 tons, road condition is paved, surrounding traffic is smooth, dump truck transportation distance is 15 km, sand field access road is narrow, and loading conditions are good.

다음으로, 본 발명의 실시예에 따른 건설성능지표 산출 장치(100)는 실제 투입 예정인 공사 현장 데이터를 기 학습된 인공신경망에 적용하여 예상 건설 생산성 지수를 출력한다(S520).Next, the construction performance index calculation device 100 according to an embodiment of the present invention applies actual construction site data scheduled to be input to a previously learned artificial neural network and outputs an expected construction productivity index (S520).

이때, 건설성능지표 산출 장치(100)는 표 2의 굴착기 대수, 덤프트럭 대수, 토질, 굴착기 버킷용량, 덤프트럭 적재함 용량, 도로 상태, 주변 교통량, 덤프트럭 운반거리, 사토장 진입로 상태, 적재조건을 포함하는 공사 현장 데이터를 인공신경망에 적용하여 예상 건설 생산성 지수를 출력한다. At this time, the construction performance indicator calculation device 100 calculates the number of excavators, number of dump trucks, soil quality, excavator bucket capacity, dump truck loading box capacity, road condition, surrounding traffic volume, dump truck transportation distance, sand field access road status, and loading conditions as shown in Table 2. The included construction site data is applied to an artificial neural network to output the expected construction productivity index.

다음으로, 본 발명의 실시예에 따른 건설성능지표 산출 장치(100)는 예상 건설 생산성 지수, 토질 및 덤프트럭 적재함 용량에 대응하는 싸이클당 물량을 이용하여 공사전에 예상되는 공사 예상기간 및 공사 예산을 연산한다(S530).Next, the construction performance index calculation device 100 according to an embodiment of the present invention determines the expected construction period and construction budget before construction using the expected construction productivity index, soil quality, and volume per cycle corresponding to the dump truck loading capacity. Calculate (S530).

하기의 표 3은 토질 및 덤프트럭 적재함 용량에 대응하는 싸이클당 물량을 나타낸 것이다.Table 3 below shows the volume per cycle corresponding to soil quality and dump truck bed capacity.

표 3에서 도시한 바와 같이, 해당 공사 현장의 토질이 발파암이고, 덤프트럭 적재 용량이 15ton이라고 가정하면, 싸이클당 물량은 5.77(m3/cycle)로 설정한다.As shown in Table 3, assuming that the soil at the construction site is blast rock and the dump truck loading capacity is 15 tons, the volume per cycle is set to 5.77 (m 3 /cycle).

그리고, 건설성능지표 산출 장치(100)는 S520 단계에서 출력된 예상 건설 생산성 지수, 전체 물량(m3)과 싸이클당 물량(m3/cycle)을 다음의 수학식 1에 적용하여 공사 예상기간을 연산한다. In addition, the construction performance index calculation device 100 calculates the expected construction period by applying the expected construction productivity index, total volume (m 3 ), and volume per cycle (m 3 /cycle) output in step S520 to the following equation 1: Calculate.

예를 들어, 예상 분당 싸이클 횟수가 0.0728(cycle/min)이고, 전체물량이 10,000(m3)이며, 싸이클당 물량이 5.77(m3/cycle)라고 가정하면, 건설성능지표 산출 장치(100)는 공사 예상 기간을 약 50일로 연산할 수 있다. For example, assuming that the expected number of cycles per minute is 0.0728 (cycle/min), the total volume is 10,000 (m 3 ), and the volume per cycle is 5.77 (m 3 /cycle), the construction performance index calculation device (100) The estimated construction period can be calculated as approximately 50 days.

그 다음, 건설성능지표 산출 장치(100)는 연산된 공사 예상기간을 다음의 수학식 2에 적용하여 공사전에 예상되는 공사 예산을 연산한다.Next, the construction performance index calculation device 100 calculates the expected construction budget before construction by applying the calculated expected construction period to Equation 2 below.

예를 들어, 공사 예상기간이 50일이고, 굴착기 예상 대여비용 및 덤프트럭 예상 대여비용이 각각 100,000원이라고 가정하면, 건설성능지표 산출 장치(100)는 공사전에 예상되는 공사 예산을 약 1천만원으로 연산할 수 있다. For example, assuming that the expected construction period is 50 days and that the expected rental cost of an excavator and the expected rental cost of a dump truck are each 100,000 won, the construction performance indicator calculation device 100 sets the expected construction budget before construction to about 10 million won. It can be calculated.

다음으로, 본 발명의 실시예에 따른 건설성능지표 산출 장치(100)는 공사를 수행중인 상태에서 실제 공사에 투입된 굴착기 및 덤프트럭의 대수와 평균 상차 시간, 평균 운반 시간, 굴착기 및 덤프트럭의 시간당 대여 비용을 웹싸이클론 모델에 적용하여 실제 건설 생산성 지수를 출력한다(S540).Next, the construction performance indicator calculation device 100 according to an embodiment of the present invention calculates the number of excavators and dump trucks actually used for construction while performing construction, average loading time, average transportation time, and hourly operation of excavators and dump trucks. The rental cost is applied to the Web Cyclone model to output the actual construction productivity index (S540).

도 6은 도 5의 S540 단계를 설명하기 위한 예시도이다.Figure 6 is an example diagram for explaining step S540 of Figure 5.

도 6에서 도시한 바와 같이, 건설성능지표 산출 장치(100)는 공정의 작업 순서, 각 장비의 작업 소요 시간, 장비 대수, 장비 종류, 시간당 장비 대여 비용을 웹싸이클론 모델에 입력하여 다음의 표 4와 같이 실제 건설 생산성 지수를 출력할 수 있다.As shown in FIG. 6, the construction performance index calculation device 100 inputs the work order of the process, work time for each equipment, number of equipment, type of equipment, and equipment rental cost per hour into the Web Cyclone model, and calculates them in the following table. The actual construction productivity index can be output as shown in Figure 4.

예를 들어, 실제 공사에 투입된 굴착기가 1대이고, 25t 덤프트럭은 2대이고, 평균 상차 시간이 3분이며, 평균 운반 시간이 36분이고, 굴착기의 시간당 대여 비용이 11,200원이고, 덤프트럭의 시간당 대여 비용이 14,000원이라고 가정하면, 건설성능지표 산출 장치(100)는 웹싸이클론 모델을 통해 표 4와 같이 분당 싸이클 횟수(Productivity Per Unit Time), 싸이클당 비용(Cost Per Prod. Unit)을 포함하는 실제 건설 생산성 지수를 출력한다. For example, there is one excavator used in the actual construction, two 25-ton dump trucks, the average loading time is 3 minutes, the average transportation time is 36 minutes, the hourly rental cost of the excavator is 11,200 won, and the dump truck cost is 11,200 won. Assuming that the rental cost per hour is 14,000 won, the construction performance index calculation device 100 calculates the number of cycles per minute (Productivity Per Unit Time) and cost per cycle (Cost Per Prod. Unit) as shown in Table 4 through the web cyclone model. Outputs the actual construction productivity index including.

다음으로, 본 발명의 실시예에 따른 건설성능지표 산출 장치(100)는 공사전에 예상된 공사 예상기간 및 공사 예산, 실제 건설 생산성 지수를 이용하여 공사가 수행중인 상태에서의 총 공사 예상기간 및 총 공사 예상 비용을 예측한다(S550).Next, the construction performance indicator calculation device 100 according to an embodiment of the present invention uses the expected construction period and construction budget before construction and the actual construction productivity index to determine the total expected construction period and total construction time while construction is in progress. Predict the estimated construction cost (S550).

예를 들어, 공사를 시작한지 20일째 되는 날이고, 남은 물량이 5,000(m3)이라고 가정한다. For example, assume that it is the 20th day since construction began and that the remaining quantity is 5,000 (m 3 ).

그리고, 건설성능지표 산출 장치(100)는 S530 단계를 통해 연산된 공사 예상기간(50일), 공사 예산(1천만원), 실제 분당 싸이클 횟수(0.0713(cycle/min)), 싸이클당 물량(5.77(m3/cycle))을 다음의 수학식 3에 적용하여 공사 중에 예상되는 잔여 공사 예상 기간을 연산한다.In addition, the construction performance indicator calculation device 100 calculates the estimated construction period (50 days), construction budget (10 million won), actual number of cycles per minute (0.0713 (cycle/min)), and quantity per cycle (5.77 days) calculated through step S530. (m 3 /cycle)) is applied to the following equation 3 to calculate the estimated remaining construction period expected during construction.

그러면, 건설성능지표 산출 장치(100)는 잔여 공사 예상 기간을 25일로 연산할 수 있다.Then, the construction performance index calculation device 100 can calculate the remaining expected construction period as 25 days.

그리고, 건설성능지표 산출 장치(100)는 잔여 공사 예상 기간을 이용하여 공사가 수행중인 상태에서 예측되는 총 공사 예상 기간을 다음의 수학식 4를 통하여 연산할 수 있다. In addition, the construction performance index calculation device 100 can use the remaining construction expected period to calculate the total expected construction period predicted while construction is in progress using Equation 4 below.

예를 들어, 소요 공사 기간이 20일이고, 수학식 3을 통해 연산된 잔여 공사 예상 기간이 25일이라고 가정하면, 건설성능지표 산출 장치(100)는 총 공사 예상 기간을 45일로 예측할 수 있다. For example, assuming that the required construction period is 20 days and the expected remaining construction period calculated through Equation 3 is 25 days, the construction performance index calculation device 100 can predict the total expected construction period to be 45 days.

또한, 건설성능지표 산출 장치(100)는 실제 분당 싸이클 횟수, 싸이클당 비용을 다음의 수학식 5에 적용하여 공사중에 예상되는 잔여 공사 예상 비용을 연산할 수 있다.In addition, the construction performance index calculation device 100 can calculate the estimated remaining construction cost expected during construction by applying the actual number of cycles per minute and cost per cycle to the following equation 5.

예를 들어, 실제 분당 싸이클 횟수는 0.0713(cycle/min)이고, 싸이클당 비용은 46.6667(cost/cycle)이라고 가정하면, 건설성능지표 산출 장치(100)는 수학식 5에 의해 잔여 공사중에 예상되는 공사 예상 비용을 연산할 수 있다.For example, assuming that the actual number of cycles per minute is 0.0713 (cycle/min) and the cost per cycle is 46.6667 (cost/cycle), the construction performance index calculation device 100 calculates the expected number of cycles during remaining construction according to Equation 5. The estimated cost of construction can be calculated.

그리고, 건설성능지표 산출 장치(100)는 잔여 공사 예상 비용을 다음의 수학식 6에 적용하여 공사가 수행중인 상태에서 예상되는 총 공사 예상 비용을 연산할 수 있다. In addition, the construction performance index calculation device 100 can calculate the total estimated construction cost expected while construction is in progress by applying the remaining construction estimated cost to the following Equation 6.

즉, 건설성능지표 산출 장치(100)는 수학식 5에 의해 연산된 잔여 공사 예상 비용과 소요 공사 비용을 더하여 총 공사 예상 비용을 예측할 수 있다. In other words, the construction performance index calculation device 100 can predict the total expected construction cost by adding the remaining construction estimated cost calculated by Equation 5 and the required construction cost.

다음으로, 본 발명의 실시예에 따른 건설성능지표 산출 장치(100)는 공사전에 예상된 공사 예상기간 및 공사 예산, 공사중에 예상된 총 공사 예상 기간 및 총 공사 예상 비용을 이용하여 건설성능지표를 산출한다(S560).Next, the construction performance index calculation device 100 according to an embodiment of the present invention calculates the construction performance index using the estimated construction period and construction budget expected before construction, the total construction period expected during construction, and the total construction cost. Calculate (S560).

여기서, 건설성능지표는 공사 단위비용 비율, 공사기간 연장 일수, 공사 예산 차이 금액을 포함한다.Here, construction performance indicators include construction unit cost ratio, number of days extended construction period, and construction budget difference amount.

먼저, 건설성능지표 산출 장치(100)는 전체 물량에 따른 계획 단위비용을 다음의 수학식 7을 이용하여 연산한다.First, the construction performance index calculation device 100 calculates the planned unit cost according to the total quantity using Equation 7 below.

예를 들어, 수학식 2에 의해 공사전에 예상된 공사 예산이 1천만원이고, 전체 물량이 10,000(m3)이라고 가정하면, 계획 단위비용은 1,000(\/m3)으로 연산할 수 있다. For example, assuming that the estimated construction budget before construction is 10 million won and the total volume is 10,000 (m 3 ) according to Equation 2, the planned unit cost can be calculated as 1,000 (\/m 3 ).

그리고, 건설성능지표 산출 장치(100)는 실제 물량에 따른 실제 단위비용을 을 다음의 수학식 8을 이용하여 연산한다.And, the construction performance index calculation device 100 calculates the actual unit cost according to the actual quantity using Equation 8 below.

예를 들어, 수학식 2에 의해 공사전에 예상된 공사 예산이 1천만원이고, 실제 물량이 9,000(m3)이라고 가정하면, 실제 단위비용은 1,111(\/m3)으로 연산할 수 있다. For example, assuming that the estimated construction budget before construction according to Equation 2 is 10 million won and the actual volume is 9,000 (m 3 ), the actual unit cost can be calculated as 1,111 (\/m 3 ).

그러면, 건설성능지표 산출 장치(100)는 전체 물량에 따른 계획 단위비용을 실제 물량에 따른 실제 단위비용으로 나누어 단위비용 비율을 연산한다.Then, the construction performance index calculation device 100 calculates the unit cost ratio by dividing the planned unit cost according to the total quantity by the actual unit cost according to the actual quantity.

즉, 건설성능지표 산출 장치(100)는 수학식 7에 의해 연산된 계획 단위비용(1,000(\/m3))을 실제 물량에 따른 실제 단위비용(1,111(\/m3))을 나누어 단위비용 비율을 0.9로 연산할 수 있다.In other words, the construction performance indicator calculation device 100 divides the planned unit cost (1,000(\/m 3 )) calculated by Equation 7 by the actual unit cost (1,111(\/m 3 )) according to the actual quantity to obtain a unit The cost ratio can be calculated as 0.9.

이때, 계획 단위비용을 실제 단위비용으로 나눈 값이 1보다 작은 경우, 현장 관리자는 현재 공정 비용이 예상보다 많이 소요되고 있는 것으로 판단하고, 계획 단위비용을 실제 단위비용으로 나눈 값이 1보다 큰 경우, 현장 관리자는 현재 공정 비용이 예상보다 적게 소요되고 있는 것으로 판단하며, 계획 계획 단위비용을 실제 단위비용으로 나눈 값이 1인 경우, 현장 관리자는 현재 공정 비용이 예상과 동일하게 소요되고 있는 것으로 판단할 수 있다. At this time, if the value divided by the planned unit cost by the actual unit cost is less than 1, the site manager determines that the current process cost is consuming more than expected, and if the value divided by the planned unit cost by the actual unit cost is greater than 1. , the site manager determines that the current process cost is consuming less than expected, and if the planned unit cost divided by the actual unit cost is 1, the site manager determines that the current process cost is consuming the same as expected. can do.

그리고, 건설성능지표 산출 장치(100)는 공사중에 예측된 총 공사 예상 기간에서 공사전에 예상된 공사 예상 기간을 차감하여 공사 기간 연장 일 수를 연산한다.In addition, the construction performance index calculation device 100 calculates the number of days to extend the construction period by subtracting the expected construction period predicted before construction from the total expected construction period predicted during construction.

예를 들어, 수학식 4에 의해 예측된 총 공사 예상 기간이 45일이고, 수학식 1에 연산된 공사 예상 기간이 50일이라고 가정하면, 건설성능지표 산출 장치(100)는 5일 단축된 것으로 연산할 수 있다.For example, assuming that the total expected construction period predicted by Equation 4 is 45 days and the expected construction period calculated by Equation 1 is 50 days, the construction performance index calculation device 100 is shortened by 5 days. It can be calculated.

그리고, 건설성능지표 산출 장치(100)는 공사전에 예상된 공사 예산에서 공사중에 예측된 총 공사 예상 비용을 차감하여 공사 예산 증감 금액을 연산한다.Additionally, the construction performance index calculation device 100 calculates the construction budget increase/decrease amount by subtracting the total construction cost estimated during construction from the construction budget estimated before construction.

예를 들어, 수학식 2에 의해 연산된 공사 예산이 1천만원이고, 수학식 6에 의해 예측된 총 공사 예상 비용을 9백만원이라고 가정하면, 건설성능지표 산출 장치(100)는 공사 예산 증감 금액을 1백만원으로 연산할 수 있다. For example, assuming that the construction budget calculated by Equation 2 is 10 million won and the total construction cost predicted by Equation 6 is 9 million won, the construction performance index calculation device 100 calculates the construction budget increase or decrease amount. It can be calculated as 1 million won.

이와 같이 본 발명의 실시예에 따르면, 인공지능 및 웹싸이클론 모델을 통해 생산성을 공정 분석함으로써, 정량화된 생산성 데이터를 제공할 수 있고, 제공된 데이터를 이용하여 효율적으로 자원 투입 계획을 수행할 수 있다. 또한, 생산성 데이터가 누적될수록 공정계획의 신뢰성이 향상되며, 계획 단계에서 실측 데이터를 기반으로 공사기간과 예산을 예측하여 기존의 공정계획보다 정확성을 높이고 공사 수행 중 공정계획과의 차이를 최소화할 수 있다. 그리고, 현장 관리자의 의사결정을 지원하기 위한 건설성능지표를 제공하여 공정계획과 관리의 정확성과 편의성을 향상시키고, 다른 공사에도 효율적으로 활용 가능하여 공사가 시작하기 전에 정확도가 높아진 공정계획을 기반으로 효율적인 공사 운영에 도움을 줄 수 있다.As such, according to an embodiment of the present invention, quantified productivity data can be provided by analyzing productivity through process analysis through artificial intelligence and Web Cyclone models, and resource input planning can be performed efficiently using the provided data. . In addition, as productivity data accumulates, the reliability of the process plan improves, and by predicting the construction period and budget based on actual measurement data at the planning stage, it is possible to increase accuracy compared to existing process plans and minimize differences with the process plan during construction. there is. In addition, it provides construction performance indicators to support the decision-making of site managers, improving the accuracy and convenience of process planning and management, and can be efficiently used for other construction projects, based on a process plan with increased accuracy before construction begins. It can help with efficient construction operations.

본 발명은 도면에 도시된 실시예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 다른 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 특허청구범위의 기술적 사상에 의하여 정해져야 할 것이다.The present invention has been described with reference to the embodiments shown in the drawings, but these are merely exemplary, and those skilled in the art will understand that various modifications and equivalent other embodiments are possible therefrom. Therefore, the true scope of technical protection of the present invention should be determined by the technical spirit of the attached patent claims.

100: 건설성능지표 산출 장치, 110: 학습부,
120: 예상 생산성 도출부, 130: 실제 생산성 도출부,
140: 전처리부, 150: 건설성능지표 산출부100: Construction performance index calculation device, 110: Learning department,
120: expected productivity derivation unit, 130: actual productivity derivation unit,
140: Preprocessing unit, 150: Construction performance index calculation unit

Claims (16)

건설성능지표 산출 장치를 이용한 건설성능지표 산출 방법에 있어서,
기 수행된 과거 공사 현장 데이터를 수집하는 단계,
상기 기 수행된 과거 공사 현장 데이터에 포함된 굴착기 및 덤프트럭 대수, 평균 상차 시간, 평균 운반 시간을 웹싸이클론 모델에 적용하여 건설 생산성 지수를 출력하는 단계,
상기 기 수행된 과거 공사 현장 데이터를 입력데이터로 하고, 상기 건설 생산성 지수를 출력데이터로 하는 인공 신경망을 학습시키는 단계,
공사를 수행하기 전, 실제 투입 예정인 공사 현장 데이터를 입력받는 단계,
실제 투입 예정인 공사 현장 데이터를 기 학습된 인공신경망에 적용하여 예상 건설 생산성 지수를 출력하는 단계,
상기 예상 건설 생산성 지수, 토질 및 덤프트럭 적재함 용량에 대응하는 싸이클당 물량을 이용하여 공사전에 예상되는 공사 예상기간 및 공사 예산을 연산하는 단계,
공사를 수행 중인 상태에서, 실제 공사에 투입된 굴착기 및 덤프트럭의 대수와 평균 상차 시간, 평균 운반 시간, 굴착기 및 덤프트럭의 시간당 대여 비용을 상기 웹싸이클론 모델에 적용하여 실제 건설 생산성 지수를 출력하는 단계,
상기 연산된 공사전에 예상되는 공사 예상기간 및 공사 예산, 실제 건설 생산성 지수를 이용하여 총 공사 예상기간 및 총 공사 예상 비용을 예측하는 단계, 그리고
상기 연산된 공사전에 예상되는 공사 예상기간 및 공사 예산, 예측된 총 공사 예상 기간 및 총 공사 예상 비용을 이용하여 건설성능지표를 산출하는 단계를 포함하는 건설성능지표 산출 방법.In the method of calculating construction performance indicators using a construction performance indicator calculation device,
A step of collecting data from past construction sites that have already been performed,
Applying the number of excavators and dump trucks, average loading time, and average transportation time included in the previously performed past construction site data to the Web Cyclone model to output a construction productivity index;
Learning an artificial neural network using the previously performed past construction site data as input data and the construction productivity index as output data,
Before carrying out construction, the step of receiving data from the construction site that is actually scheduled to be used,
A step of applying actual construction site data scheduled to be used to a previously learned artificial neural network to output an expected construction productivity index;
Calculating the expected construction period and construction budget prior to construction using the volume per cycle corresponding to the expected construction productivity index, soil quality, and dump truck loading capacity;
While construction is in progress, the actual construction productivity index is output by applying the number of excavators and dump trucks used in the actual construction, average loading time, average transportation time, and hourly rental cost of excavators and dump trucks to the Web Cyclone model. step,
Predicting the total construction period and total construction cost using the calculated pre-construction construction period, construction budget, and actual construction productivity index, and
A construction performance index calculation method including the step of calculating a construction performance index using the calculated construction period and construction budget, the predicted total construction period, and the total construction cost. 제1항에 있어서,
상기 공사 현장 데이터는,
굴착기 대수, 덤프트럭 대수, 평균 상차 시간, 평균 운반 시간, 토질, 굴착기 버킷 용량, 덤프트럭 적재함 용량, 덤프트럭의 운반거리, 도로상태, 주변 교통량, 사토장 진입로 상태, 적재 조건 중에서 적어도 하나를 포함하고,
상기 건설 생산성 지수는,
분당 싸이클 횟수, 싸이클당 비용을 포함하는 건설성능지표 산출 방법.According to paragraph 1,
The construction site data is,
Includes at least one of the following: number of excavators, number of dump trucks, average loading time, average transportation time, soil quality, excavator bucket capacity, dump truck loading capacity, dump truck transportation distance, road condition, surrounding traffic volume, sand field access road condition, and loading conditions. ,
The construction productivity index is,
Construction performance index calculation method including number of cycles per minute and cost per cycle. 제1항에 있어서,
상기 웹싸이클론 모델은,
굴착기 및 덤프트럭 대수, 평균 상차 시간, 평균 운반 시간을 입력데이터로 하고, 건설 생산성 지수를 출력데이터로 하여 학습되는 건설성능지표 산출 방법.According to paragraph 1,
The Web Cyclone model is,
A construction performance index calculation method that is learned using the number of excavators and dump trucks, average loading time, and average transportation time as input data, and the construction productivity index as output data. 제1항에 있어서,
상기 공사 예상기간 및 공사 예산을 연산하는 단계는,
상기 예상 건설 생산성 지수와 상기 싸이클당 물량을 다음의 수학식에 적용하여 공사전에 예상되는 공사 예상기간을 연산하는 건설성능지표 산출 방법.
According to paragraph 1,
The step of calculating the estimated construction period and construction budget is,
A construction performance index calculation method that calculates the expected construction period before construction by applying the expected construction productivity index and the quantity per cycle to the following equation.
 제4항에 있어서,
상기 공사 예상기간 및 공사 예산을 연산하는 단계는,
상기 공사 예상기간을 다음의 수학식에 적용하여 공사전에 예상되는 공사 예산을 연산하는 건설성능지표 산출 방법.
According to paragraph 4,
The step of calculating the estimated construction period and construction budget is,
A construction performance index calculation method that calculates the expected construction budget before construction by applying the above expected construction period to the following equation.
 제5항에 있어서,
상기 총 공사 예상기간 및 예산을 예측하는 단계는,
상기 실제 건설 생산성 지수를 다음의 수학식에 적용하여 공사 중에 예측되는 잔여 공사 예상 기간을 연산하고,

상기 잔여 공사 예상기간을 다음의 수학식에 적용하여 총 공사 예상 기간을 예측하는 건설성능지표 산출 방법.
According to clause 5,
The step of predicting the total construction period and budget is,
Calculate the estimated remaining construction period predicted during construction by applying the actual construction productivity index to the following equation,

A construction performance index calculation method that predicts the total expected construction period by applying the above expected remaining construction period to the following equation.
 제6항에 있어서,
상기 총 공사 예상기간 및 예산을 예측하는 단계는,
상기 실제 건설 생산성 지수를 다음의 수학식에 적용하여 공사 중에 예측되는 잔여 공사 예상 비용을 연산하고,

상기 잔여 공사 예상 비용을 다음의 수학식에 적용하여 총 공사 예상 비용을 예측하는 건설성능지표 산출 방법.
According to clause 6,
The step of predicting the total construction period and budget is,
The actual construction productivity index is applied to the following equation to calculate the estimated remaining construction cost predicted during construction,

A construction performance index calculation method that predicts the total construction cost by applying the remaining construction estimated cost to the following equation.
 제7항에 있어서,
상기 건설성능지표는,
공사 단위비용 비율, 공사기간 연장 일수, 공사 예산 차이 금액을 포함하며,
상기 건설성능지표를 산출하는 단계는,
상기 공사전에 예상된 공사 예산을 이용하여 전체 물량에 따른 계획 단위비용을 실제 물량에 따른 실제 단위비용으로 나누어 단위비용 비율을 연산하는 단계,
공사 수행중인 상태에서 예측된 총 공사 예상 기간에서 상기 공사전에 예상된 공사 예상 기간을 차감하여 공사기간 연장 일 수를 연산하는 단계, 그리고
상기 공사전에 예상된 공사 예산에서 상기 공사 수행중인 상태에서 예측된 총 공사 예상 비용을 차감하여 공사 예산 증감 금액을 연산하는 단계를 포함하는 건설성능지표 산출 방법. In clause 7,
The construction performance indicators are,
Includes construction unit cost ratio, number of days extended construction period, and construction budget difference amount.
The step of calculating the construction performance index is,
Calculating a unit cost ratio by dividing the planned unit cost according to the total volume by the actual unit cost according to the actual volume using the construction budget estimated before the construction,
Calculating the number of days to extend the construction period by subtracting the estimated construction period predicted before construction from the total construction period predicted while construction is in progress, and
A construction performance index calculation method comprising calculating the construction budget increase/decrease amount by subtracting the total construction cost predicted during the construction from the construction budget expected before the construction. 토공사 공정계획 및 관리를 위한 건설성능지표 산출 장치에 있어서,
기 수행된 과거 공사 현장 데이터를 수집하고, 상기 기 수행된 과거 공사 현장 데이터에 포함된 굴착기 및 덤프트럭 대수, 평균 상차 시간, 평균 운반 시간을 웹싸이클론 모델에 적용하여 건설 생산성 지수 출력하며, 상기 기 수행된 과거 공사 현장 데이터를 입력데이터로 하고, 상기 건설 생산성 지수를 출력데이터로 하는 인공신경망을 학습시키는 학습부,
공사를 수행하기 전, 실제 투입 예정인 공사 현장 데이터를 입력받고, 실제 투입 예정인 공사 현장 데이터를 상기 기 학습된 인공신경망에 적용하여 예상 건설 생산성 지수를 출력하며, 상기 예상 건설 생산성 지수, 토질 및 덤프트럭 적재함 용량에 대응하는 싸이클당 물량을 이용하여 공사전에 예상되는 공사 예상기간 및 공사 예산을 연산하는 예상 생산성 도출부,
공사를 수행 중인 상태에서, 실제 공사에 투입된 굴착기 및 덤프트럭의 대수와 평균 상차 시간, 평균 운반 시간, 굴착기 및 덤프트럭의 시간당 대여 비용을 상기 웹싸이클론 모델에 적용하여 실제 건설 생산성 지수를 출력하는 실제 생산성 도출부,
상기 연산된 공사전에 예상되는 공사 예상기간 및 공사 예산, 실제 건설 생산성 지수를 이용하여 총 공사 예상기간 및 총 공사 예상 비용을 예측하는 전처리부, 그리고
상기 연산된 공사 예상기간 및 공사 예산, 예측된 총 공사 예상 기간 및 총 공사 예상 비용을 이용하여 건설성능지표를 산출하는 건설성능지표 산출부를 포함하는 건설성능지표 산출 장치. In the construction performance indicator calculation device for earthwork process planning and management,
Collect previously performed past construction site data, apply the number of excavators and dump trucks, average loading time, and average transportation time included in the previously performed past construction site data to the Web Cyclone model to output a construction productivity index, A learning unit that trains an artificial neural network using previously performed past construction site data as input data and the construction productivity index as output data,
Before carrying out construction, the construction site data scheduled for actual input is input, and the actual construction site data scheduled for input is applied to the previously learned artificial neural network to output the expected construction productivity index, and the expected construction productivity index, soil quality, and dump truck are calculated. An expected productivity derivation unit that calculates the expected construction period and construction budget prior to construction using the quantity per cycle corresponding to the loading box capacity;
While construction is in progress, the actual construction productivity index is output by applying the number of excavators and dump trucks used in the actual construction, average loading time, average transportation time, and hourly rental cost of excavators and dump trucks to the Web Cyclone model. Actual productivity derivation part,
A pre-processing unit that predicts the total construction period and total construction cost using the calculated construction period, construction budget, and actual construction productivity index, and
A construction performance index calculation device including a construction performance index calculation unit that calculates a construction performance index using the calculated expected construction period and construction budget, the predicted total construction period, and the total construction estimated cost. 제9항에 있어서,
상기 공사 현장 데이터는,
굴착기 대수, 덤프트럭 대수, 평균 상차 시간, 평균 운반 시간, 토질, 굴착기 버킷 용량, 덤프트럭 적재함 용량, 덤프트럭의 운반거리, 도로상태, 주변 교통량, 사토장 진입로 상태, 적재 조건 중에서 적어도 하나를 포함하고,
상기 건설 생산성 지수는
분당 싸이클 횟수, 싸이클당 비용을 포함하는 건설성능지표 산출 장치.According to clause 9,
The construction site data is,
Includes at least one of the following: number of excavators, number of dump trucks, average loading time, average transportation time, soil quality, excavator bucket capacity, dump truck loading capacity, dump truck transportation distance, road condition, surrounding traffic volume, sand field access road condition, and loading conditions. ,
The construction productivity index is
A construction performance index calculation device including the number of cycles per minute and cost per cycle. 제9항에 있어서,
상기 웹싸이클론 모델은,
상기 굴착기 및 덤프트럭 대수, 평균 상차 시간, 평균 운반 시간 중에서 적어도 하나를 입력데이터로 하고, 건설 생산성 지수를 출력데이터로 하여 학습되는 건설성능지표 산출 장치.According to clause 9,
The Web Cyclone model is,
A construction performance index calculation device that is learned using at least one of the number of excavators and dump trucks, average loading time, and average transportation time as input data, and the construction productivity index as output data. 제9항에 있어서,
상기 예상 생산성 도출부는,
상기 예상 건설 생산성 지수와 상기 싸이클당 물량을 다음의 수학식에 적용하여 공사전에 예상되는 공사 예상기간을 연산하는 건설성능지표 산출 장치.
According to clause 9,
The expected productivity derivation part,
A construction performance index calculation device that calculates the expected construction period before construction by applying the expected construction productivity index and the quantity per cycle to the following equation.
 제12항에 있어서,
상기 예상 생산성 도출부는,
상기 공사 예상기간을 다음의 수학식에 적용하여 공사전에 예상되는 공사 예산을 연산하는 건설성능지표 산출 장치.
According to clause 12,
The expected productivity derivation part,
A construction performance index calculation device that calculates the expected construction budget before construction by applying the above expected construction period to the following equation.
 제13항에 있어서,
상기 전처리부는,
상기 실제 건설 생산성 지수를 다음의 수학식에 적용하여 공사 중에 예측되는 잔여 공사 예상 기간을 연산하고,

상기 잔여 공사 예상기간을 다음의 수학식에 적용하여 총 공사 예상 기간을 예측하는 건설성능지표 산출 장치.
According to clause 13,
The preprocessor,
Calculate the estimated remaining construction period predicted during construction by applying the actual construction productivity index to the following equation,

A construction performance index calculation device that predicts the total expected construction period by applying the remaining expected construction period to the following equation.
 제14항에 있어서,
상기 전처리부는,
상기 실제 건설 생산성 지수를 다음의 수학식에 적용하여 공사 중에 예측되는 잔여 공사 예상 비용을 연산하고,

상기 잔여 공사 예상 비용을 다음의 수학식에 적용하여 총 공사 예상 비용을 예측하는 건설성능지표 산출 장치.
According to clause 14,
The preprocessor,
The actual construction productivity index is applied to the following equation to calculate the estimated remaining construction cost predicted during construction,

A construction performance index calculation device that predicts the total construction cost by applying the remaining construction estimated cost to the following equation.
 제15항에 있어서,
상기 건설성능지표는,
공사 단위비용 비율, 공사기간 연장 일수, 공사 예산 차이 금액을 포함하며,
상기 건설성능지표 산출부는,
상기 공사전에 예상된 공사 예산을 이용하여 전체 물량에 따른 계획 단위비용을 실제 물량에 따른 실제 단위비용으로 나누어 단위비용 비율을 연산하고, 공사 수행중인 상태에서 예측된 총 공사 예상 기간에서 상기 공사전에 예상된 공사 예상 기간을 차감하여 공사기간 연장 일 수를 연산하며, 상기 공사전에 예상된 공사 예산에서 상기 공사 수행중인 상태에서 예측된 총 공사 예상 비용을 차감하여 공사 예산 증감 금액을 연산하는 건설성능지표 산출 장치.
According to clause 15,
The construction performance indicators are,
Includes construction unit cost ratio, number of days extended construction period, and construction budget difference amount.
The construction performance indicator calculation unit,
Using the construction budget predicted before construction, calculate the unit cost ratio by dividing the planned unit cost according to the total volume by the actual unit cost according to the actual volume, and calculate the unit cost ratio from the total construction period predicted during construction. Calculate the construction performance index by calculating the number of days to extend the construction period by subtracting the estimated construction period, and calculating the increase or decrease in the construction budget by subtracting the total construction cost predicted during the construction from the construction budget expected before construction. Device.
KR1020210148023A 2021-11-01 2021-11-01 Apparatus for generating construction performance index to earthwork process planning and management and method thereof KR102584614B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210148023A KR102584614B1 (en) 2021-11-01 2021-11-01 Apparatus for generating construction performance index to earthwork process planning and management and method thereof

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210148023A KR102584614B1 (en) 2021-11-01 2021-11-01 Apparatus for generating construction performance index to earthwork process planning and management and method thereof

Publications (2)

Publication Number Publication Date
KR20230063122A KR20230063122A (en) 2023-05-09
KR102584614B1 true KR102584614B1 (en) 2023-10-04

Family

ID=86408427

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210148023A KR102584614B1 (en) 2021-11-01 2021-11-01 Apparatus for generating construction performance index to earthwork process planning and management and method thereof

Country Status (1)

Country Link
KR (1) KR102584614B1 (en)

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101560447B1 (en) * 2013-07-23 2015-10-16 인하대학교 산학협력단 Method and apparatus for suggesting the construction performance
KR101775628B1 (en) * 2015-12-30 2017-09-06 경북대학교 산학협력단 System for information providing of excavator combination and method for thereof
KR20190074243A (en) * 2017-12-19 2019-06-27 한양대학교 산학협력단 System for analyzing productivity of construction equipment and Method thereof

Also Published As

Publication number Publication date
KR20230063122A (en) 2023-05-09

Similar Documents

Publication Publication Date Title
Salem et al. Risk-based life-cycle costing of infrastructure rehabilitation and construction alternatives
Lee et al. Performance-based value engineering application to public highway construction
Krantz et al. Analysis of alternative road construction staging approaches to reduce carbon dioxide emissions
US20070100775A1 (en) Method for estimating the cost of a future project
Schexnayder et al. Describing a beta probability distribution function for construction simulation
Yi et al. Mixed-Integer linear programming–based sensitivity analysis in optimization of temporary haul road layout design for earthmoving operations
Chang et al. The use of a multiple risk level model to tackle the duration of risk for construction activity
Alvanchi et al. Improving materials logistics plan in road construction projects using discrete event simulation
Moniri-Morad et al. A methodology for truck allocation problems considering dynamic circumstances in open pit mines, case study of the sungun copper mine
Moniri-Morad et al. Production capacity insurance considering reliability, availability, and maintainability analysis
Zarghami Forecasting project duration in the face of disruptive events: A resource-based approach
Adey A process to enable the automation of road asset management
KR102400093B1 (en) System for predicting carbon dioxide emission from construction equipment using artificial neural network analysis and method thereof
KR102584614B1 (en) Apparatus for generating construction performance index to earthwork process planning and management and method thereof
Jrade et al. An economical operation analysis optimization model for heavy equipment selection
Torabi et al. An integrated simulation-DEA approach to multi-criteria ranking of scenarios for execution of operations in a construction project
Marzouk et al. Quantifying weather impact on formwork shuttering and removal operation using system dynamics
Globerson Using the earned value approach for controlling overhead cost in construction projects
Krause Shovel-truck cycle simulation methods in surface mining
Mirkovic The impact of failure types in construction production systems on economic risk assessments in the bidding phase
Montaser et al. Adaptive forecasting in earthmoving operation using DES and site captured data
Aziz et al. Suitably selection for earthwork equipment in Egyptian sites
Batouli et al. A simulation framework for network level cost analysis in infrastructure systems
Papathanasiou et al. D3. 6 Risk Assessment Methodology
Abdelmassih et al. Optimizing earthmoving operations with minimal emissions cost

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant