김태완 교수

건설 현장의 인력 부족과 생산성 저하 문제를 해결하기 위해 오프사이트 건설(OSC) 방식과 프리캐스트 콘크리트(PC) 생산·설치 공정의 최적화 연구를 진행했습니다. 강화학습 기반 경로 계획 알고리즘을 설계하여 PC부재 운송 경로를 효율화했으며, 자체 개발한 클라우드 기반 운송 관리 소프트웨어 '플리트'를 통해 PC부재 운송 최적화 시스템을 구축했습니다. 특허 등록번호 1020210175766으로 등록된 PC부재 할당계획 자동화 기술을 개발하여 생산 계획 수립 과정의 효율성을 높였습니다. PC 부품 객체 검출을 위한 딥러닝 모델을 구축하고, 이를 검증하기 위해 PC 부품 객체 검출 데이터셋(PCCODA)을 구축하여 정확도 0.88~0.97을 확보했습니다. 이러한 기술은 PC부재 운송 최적화, PC부재 할당계획 자동화, PC 설치 동작 인식 등 실제 현장 업무에 적용되었으며, 현장 적용 시 공기를 약 30% 단축하는 효과를 입증했습니다. 딥러닝 기반 PC 설치 동작 인식 연구는 국제 학술지 Automation in Construction(2025년)에 게재되어 인용 5회를 기록했습니다. 해당 기술의 기술성숙도는 TRL 6-7 수준으로 실증 단계에 있습니다.

기존 현장 관리자의 직관과 경험에 의존하던 건설현장 배치계획의 한계를 극복하기 위해 AI 및 클라우드 기반 정보 모델을 활용한 스마트 현장 배치계획 연구를 수행했습니다. 자체 개발한 소프트웨어 '델브'를 통해 작업자 동선, 소음, 안전 요소를 종합적으로 시뮬레이션하는 기술을 구축했으며, 이를 기반으로 스마트 건설현장 배치계획시스템을 개발했습니다. 디지털트윈 기술을 활용해 현장 성능을 사전에 평가하고, 작업자 동선을 시뮬레이션하여 최적의 자재 및 장비 배치를 도출하는 연구를 진행했습니다. 이 기술은 스마트 건설현장 배치계획시스템, 디지털트윈 기반 현장 성능평가, 작업자 동선 시뮬레이션 등 다양한 현장관리 업무에 적용되고 있습니다. 이러한 연구 성과를 바탕으로 스마트 CSLP 시스템을 실제 현장에 구축했으며, 관련 논문은 학계에서 30회 이상 인용되며 연구의 실효성을 입증했습니다. 해당 기술의 기술성숙도는 TRL 6-7 수준으로 실증 단계에 있습니다.

건설업의 높은 재해율 문제를 해결하기 위해 디지털 정보모델 기반 위험 구역 자동 식별 및 작업자 위치추적 기술 연구를 수행했습니다. 2D 디지털 모델 기반 위험 구역 식별 기술과 비전 기반 작업 인식 기술을 개발했으며, 비콘(Beacon) 기반 위치추적 시스템을 통해 작업자의 실시간 위치를 파악하는 기술을 구축했습니다. MEP 정보 모델을 기반으로 안전 구역을 식별하는 기술과 특허 등록번호 1029653260000으로 등록된 불안전 공간 자동 인식 장치를 개발했습니다. 이러한 기술은 실시간 사고 예방 시스템, 작업 위험성 자동평가, 불안전 공간 자동 인식 등 건설현장 안전관리 업무에 적용되었습니다. 2D 디지털 모델 기반 위험 구역 자동 식별 연구는 국제 학술지 Automation in Construction(2024년)에 게재되었습니다. 해당 기술의 기술성숙도는 TRL 5-7 수준입니다.