자동화된 철근 적산: AI가 구조도면에서 누락된 수량을 잡아내는 영역

철근 산출은 건설 물량 산출에서 가장 오류가 발생하기 쉬운 작업 중 하나입니다. 물량 정보는 구조 도면, 상세도, 단면도, 일람표 등에 분산되어 있으며, 중규모 프로젝트의 경우 40~50장의 도면에 걸쳐 있기도 합니다. 상세 도면을 놓치거나 배근 일람표를 잘못 읽는 일은 빈번하게 발생하며, 누락된 모든 물량은 시공 중 비용 문제로 직결됩니다.

문제의 규모

애틀랜타의 한 철근 가공업체는 2년간 200개 프로젝트에 걸쳐 산출 정확도를 추적했습니다. 평균적으로 수작업 물량 산출은 실제 철근 물량보다 8.4% 과소 산정되었습니다. 누락은 무작위가 아니었습니다. 예측 가능한 영역에 집중되었는데, 상세 도면에만 표시된 개구부 추가 보강근, 단면도에는 명시되어 있지만 평면도에는 표시되지 않은 다웰 및 스타터 바, 그리고 구조 노트에 기재되어 있지만 어디에도 도면화되지 않은 보충 보강근 등이었습니다.

비용 영향은 상당합니다. 5억 원 규모의 철근 패키지에서 8% 과소 산정은 4천만 원의 미입찰 철근을 의미합니다. 가공업체는 비용을 자체 부담하거나, 종합건설사와의 관계에 부담을 주는 설계변경을 협상하거나, 또는 둘 다를 감수해야 합니다. 200개 프로젝트에 걸쳐 해당 가공업체는 물량 과소 산정만으로 2년간 약 16억 원을 손해 본 것으로 추정했습니다.

AI 철근 산출의 작동 방식

AI 접근 방식은 구조 도면뿐만 아니라 전체 도면 세트를 수집하는 것에서 시작합니다. 소프트웨어는 광학 문자 인식과 패턴 인식을 결합하여 모든 도면에서 철근 사양의 모든 인스턴스를 식별합니다. 배근 일람표를 읽고, 단면 상세를 해석하며, 평면도에서 보강근 표기를 식별하고, 모든 것을 상호 참조합니다.

상호 참조가 진정한 가치가 발생하는 부분입니다. 50장의 도면 세트를 작업하는 인간 산출사는 주요 구조 도면을 꼼꼼히 확인하고, 가장 눈에 띄는 상세 도면을 검토하며, 모든 보충 상세를 발견할 수도 있고 그렇지 못할 수도 있습니다. AI는 모든 도면을 동일한 주의력으로 확인합니다. 한 도면에서 참조된 상세의 실제 보강근 일람표가 30페이지 떨어진 다른 도면에 있는 경우도 식별합니다.

한 AI 플랫폼은 150개 상업 프로젝트에 걸쳐 성능을 기록했습니다. 프로젝트당 평균 14개의 철근 항목이 수작업 산출에서 완전히 누락되었거나 20% 이상 과소 산정된 것으로 확인되었습니다. 가장 흔히 누락된 항목은 다음과 같습니다: 기초 전환부의 토판 슬래브 단부 보강근(프로젝트의 62%에서 누락), MEP 관통부 추가 보강근(54%에서 누락), 그리고 철근 길이를 변경하는 내진 갈고리 상세(41%에서 누락)였습니다.

검토할 가치가 있는 정확도 수치

80개 프로젝트 샘플에서 AI 철근 산출과 실제 가공 물량을 비교한 결과, AI는 실제 물량 대비 평균 2.6% 과대 산정한 반면, 수작업 산출은 실제 물량 대비 평균 7.8% 과소 산정했습니다. AI는 모든 명시된 철근을 계수하기 때문에 약간 과대 산정하는 경향이 있는데, 여기에는 시공 도면 검토 과정에서 VE(가치공학)로 제거되거나 대체되는 일부 철근도 포함됩니다. 수작업 산출은 항목을 누락하기 때문에 과소 산정됩니다.

입찰 관점에서 AI의 약간의 과대 산정은 수작업 방식의 상당한 과소 산정보다 실제로 더 바람직합니다. 철근에서 2.6% 높은 입찰가는 여전히 경쟁력이 있습니다. 7.8% 낮은 입찰가는 손실 프로젝트 또는 설계변경 분쟁으로 이어집니다.

시간 절감도 상당합니다. 숙련된 철근 산출사는 일반적으로 중층 상업 프로젝트의 완전한 물량 산출에 20~30시간이 필요합니다. AI는 1~3시간의 처리 시간으로 초기 산출을 생성하고, 산출사는 검토 및 조정에 4~6시간을 소요합니다. 총 산출사 소요 시간은 약 75% 감소합니다.

AI 철근 산출이 어려움을 겪는 부분

포스트텐션 콘크리트는 여전히 과제입니다. AI는 PT 슬래브의 일반 보강근은 잘 처리하지만, PT 스트랜드 및 텐던 배치는 긴장 순서, 마찰 손실, 신장량 계산에 대한 전문 지식이 필요하며, 현재 AI 도구는 이를 완전히 다루지 못합니다. 대부분의 산출사는 PT 물량을 수작업으로 또는 전문 PT 소프트웨어로 처리합니다.

리모델링 프로젝트는 또 다른 어려움을 제시합니다. 정확할 수도 있고 그렇지 않을 수도 있는 준공 도면에 기존 보강근이 표시되어 있고, 새로운 보강근이 기존 것과 통합되어야 할 때, AI는 잔존하는 기존 철근과 새로 설치할 철근을 구분하는 데 어려움을 겪습니다. 리모델링 경험이 있는 인간 산출사가 이러한 모호성을 더 잘 처리합니다.

비표준 상세도 AI를 가끔 혼란시킵니다. 독특한 건축적 특징, 특이한 기초 조건, 또는 특수 구조 요소를 위한 맞춤형 보강근 구성은 AI가 학습한 패턴과 일치하지 않을 수 있습니다. 숙련된 산출사의 검토 단계에서 이러한 문제를 발견하며, 이것이 하이브리드 워크플로우가 여전히 중요한 이유입니다.

가공과의 연결

AI 철근 산출이 특히 흥미로워지는 부분은 가공과의 연결입니다. AI 출력은 일반적으로 구조화된 데이터로, 철근 마크, 규격, 길이, 절곡 유형, 수량이 가공 시공 도면 소프트웨어에 직접 입력할 수 있는 형식으로 제공됩니다. 이는 산출과 가공 사이의 수동 재입력 단계를 제거하며, 이 단계 역시 흔한 오류 발생원입니다.

AI 기반 건설 워크플로우를 사용하는 가공업체들은 AI 산출이 시공 도면 시스템에 직접 입력될 때 산출에서 가공까지의 파이프라인이 약 40% 더 빠르게 진행된다고 보고합니다. 데이터 형식의 일관성은 가공 단계에서의 해석 오류를 줄여, 잘못 절곡된 철근과 부정확한 절단 길이로 인한 낭비를 감소시킵니다.

실질적인 도입 고려사항

AI 철근 도구의 학습 곡선은 보통 수준입니다. 산출사는 AI가 무엇을 잘하는지 충분히 이해하여 검토 시간을 어디에 집중해야 하는지 알아야 합니다. 이는 일반적으로 5~8개 프로젝트를 거쳐야 산출사가 AI에 인간의 판단이 필요한 부분에 대한 신뢰할 수 있는 감각을 개발합니다.

도면 품질은 AI 성능에 상당한 영향을 미칩니다. 일관된 주석이 있는 깔끔하고 잘 정리된 구조 도면이 최상의 결과를 제공합니다. 수기 수정 표시, 일관성 없는 상세 참조, 또는 오래된 프로젝트의 낮은 스캔 품질이 있는 도면은 AI 정확도를 저하시킵니다. 품질이 낮은 도면 세트를 정기적으로 다루는 시공사의 경우 검토 시간이 증가하지만, 여전히 일반적으로 완전한 수작업 산출보다는 적습니다.

철근 산출 도구는 건설 AI에서 가장 명확한 ROI 사례 중 하나를 대표합니다. 누락된 물량 발견, 산출 시간 단축, 경쟁 입찰의 정확도 향상이 결합되어 대부분의 철근 집약적 시공사가 처음 몇 개 프로젝트 내에서 정량화할 수 있는 가치를 창출합니다.