Development of Optimal Facility Management (FM) Process Using Spatial-data-based Mean Time Between Failure (MTBF) Analysis

(1)

1. 서론

1.1 연구의 배경 및 목적

건축물의 유지관리 단계에서 건물의 구조, 설비, 마감 등 을 포함한 모든 노후화와 관련된 유지보수는 물론이고 건축 물의 운영에 요구되는 각종 서비스(에너지, 보안, 장비관리, 공간관리 등)을 다루는 활동을 Facility Management (이하 FM)이라고 정의할 수 있다. 건축물 생애주기(Building Life Cycle) 중 FM 활동이 행해지는 유지관리 단계는 경제적인 관 점 및 건물의 가치제고 관점에서 매우 중요한 단계에 해당한 다(Teicholz, 2001). 그럼에도 불구하고, 선제적이고 효과적 인 FM을 위한 FM 프로세스를 제시하는 연구는 기초적인 수 준에 머물러있다. 그간 FM에 대한 산업적, 학술적 관심은 주 로 유지관리 장비의 효율성 증가와 같은 엔지니어링 중심적

관점으로 다뤄져 왔다(Roper & Payant, 2014).

건물의 운영 및 관리 데이터는 FM 프로세스 개선을 위한 많은 정보를 담고 있다(Sabol, 2008). 이러한 FM 데이터를 다양한 IT (Information Technology) 기술들을 활용하여 시 각화 및 정리하려는 시도는 많이 있었으나(Oti et al., 2016;

Shalabi & Turkan, 2016; Park et al., 2011) 이 데이터들을 분석 및 활용하는 방법과 이를 바탕으로 효과적인 FM 프로 세스를 개발하고자하는 시도는 한정적이었다.

여러 FM과 관련된 선행연구에 따르면, FM 데이터는 건 축물의 공간별로 구분될 때 그 패턴과 트렌드가 명확히 드 러나며, 이러한 데이터는 FM 프로세스의 효과성과 효율 성을 개선하기 위한 좋은 기초자료로써의 역할을 할 수 있 다(Akcameta et al., 2010; Eweda et al., 2013; Zgao &

Magoules, 2012).

FM 프로세스에 대한 체계적인 접근의 부재와, FM 데이터 가 그 프로세스 개선에 바탕이 된다는 점을 고려하여, 본 논 문에서는 FM 이력데이터의 효과적인 관리 및 분석을 위한 데이터체계를 구축하고 이를 활용하여, 선제적이고 효과적인 서비스를 제공 할 수 있는 FM 프로세스를 개발하는 것을 최

공간정보 기반 MTBF 분석을 활용한 최적의 FM 프로세스 개발

윤종한¹·차희성^*

1아주대학교 건축공학과

Development of Optimal Facility Management (FM) Process Using Spatial-data-based Mean Time Between Failure (MTBF) Analysis

Yoon, Jonghan

¹

, Cha, Heesung

^*

1Department of Architectural Engineering, Ajou University

Abstract :

Facility Management (FM) phase in building lifecycle management is the most crucial phase concerning building value and life cycle cost management. Nevertheless, systematic and rational FM process is not yet constructed, leading to failure of facility value and cost management from accurate and proactive FM. This is because there has been minimal approach regarding construction of optimal FM process based on rational FM data analysis. The purpose of this study is to provide optimal FM process with quantitative FM data analysis method using spatial data. This study investigated existing FM data structure and derive the limitation of it from both expert interview and practical FM material analysis. As a solution for this limitation, this study provided optimal FM process with MTBF (Mean Time Between Failure), which is quantitative FM data analysis method. The effect of the provided process was validated with a case study. It is expected that this process allows rational and objective FM data analysis, resulting in accurate and proactive FM. And it is expected that it can be used as a useful basic data for developing an effective system for the FM process.

Keywords :

Facilty Management, Data Analysis, FM Process, MTBF (Mean Time Between Failure)

* Corresponding author: Cha, Heesung, Department of Architectural Engineering, Ajou University, Suwon, Korea E-mail: [email protected]

Received September 18, 2017: January 26, 2018 accepted February 19, 2018

(2)

먼저, 효과적이고 선제적인 FM 프로세스 구축을 위한 데 이터 추출 및 분석을 위해 충분한 FM 이력데이터를 갖고 있 는 대규모 Commercial Office Building을 연구를 위한 건축 물의 타입으로 한정한다. 본 연구에서는 기존의 FM 데이터 관리 현황분석 및 전문가 인터뷰를 통해 그 한계점을 분석하 고, 도출된 한계점을 극복하기 위한 방법으로써 공간별 FM 이력데이터 분석에 기초한 FM 프로세스를 구축하였다. 또 한, 제안된 프로세스는 정량적 유지관리 이력데이터 분석방 법인 MTBF를 활용함으로써, 전문가의 주관적 견해와 경험 칙에 의존하던 기존 FM 프로세스의 의사결정의 한계점을 개 선하여 보다 객관적인 데이터 분석에 근거한 의사결정이 가 능하도록 하였다. 마지막으로, 사례적용을 통해 제안된 프로 세스가 기존의 프로세스와 어떤 차이점이 있는지 밝히고, 그 개선사항을 가상의 시나리오를 통해 검증하였다. 연구의 방 법을 도식화 하면 다음 <Fig. 1>과 같다.

Fig. 1. Research flowchart

FM Books

Facility design and

management handbook Teichholz (2001) Facility Management Managing

Maintenance for buildings and facilities

Joel Levitt (2013)

Academic Papers

Integrated Facility Management Kincaid (1994) A study of favility management

strategy: the case of commercial banks in Thailand

Chotipanich &

Lertariyanun (2011) FM Report 2 Types of G-Building FM Data

Analysis Report

M Company (2015, 2016)

먼저, FM 관련 전문 서적과 FM 데이터체계 관련 선행 연구 검토를 통해 FM 공종과 그에 따른 담당 부서 별 세부 업무 데이터를 구조화 하였다<Fig. 2>. Chotipanich and Lertariyanun (2011)에 따르면, FM 공종에 따른 데이터는 크게 두 가지로 분류할 수 있다. 1) 이용 공간(공용, 전용공 간) FM 관리 데이터 2) FM 장비관리 데이터. 예를 들어 이 용 공간관리 데이터는 건축물 노후화에 따른 건축요소(ex.

문, 화장실, 구조체)나 마감재의 파손과 같은 Hardware의 유 지 및 보수 관리와 출입문 보안이나 누수와 같은 건축물 이 용자를 위한 방재관리와 관련된 데이터를 통틀어 포함한다.

건물 이용자의 만족도와 직결되며 노후도 평가를 위한 데이 터로써 활용 가능하다. FM 장비관리 데이터는 건축물 운영 (Building Operation)을 위한 장비들에 대한 유지 및 보수 관 리데이터를 의미한다. 크게 전기장비와 기계장비 데이터로 나뉠 수 있으며 전기 장비는 조명, E/V, 전력과 관련된 장비 를 포함하고 기계장비는 HVAC (Heating Vantilating and Air-Conditioning), Pump, 가스, 자동제어와 관련된 장비를 포함한다. FM 부서는 위와 같은 업무의 종류에 따라 분할되 며, 각 부서별 상세업무에 따른 FM 데이터가 월간 보고서에 기록된다. 각 부서별 상세업무는 Roper and Payant (2014) 의 Facility Management Handbook의 업무 분류를 참고하 였다.

실제 FM 데이터 보고서분석을 통해 앞서 설명한 FM 데이 터에 대한 분석 및 활용체계를 조사했다. 실무 FM 보고서는 서울시 G 빌딩의 두 가지 타입의 2015, 2016년도 FM 보고서

(3)

를 활용했다. 보고서 분석에 따르면, FM 이력데이터는 공종 별 구분을 기초로 FM 문제발생내역을 그 발생순으로 기록한 다. 해당 문제발생 층과 세부구역 및 문제발생 상세 내역을 기록한다. 이러한 방식으로 기록된 FM데이터들은 문제발생 의 패턴 및 트렌드 분석을 위해 공종별로 데이터를 다시 정리 한다. 공종별로 다시 정리된 데이터는 월별 문제발생 빈도수 와, 공종별 특징을 고려한 구분 방식에 따라 전월 대비 해당 월의 문제 발생 빈도를 비교한다. 예를 들어, 건축의 경우 공 간 타입 별로, 기계, 전기의 경우 장비별로 방재의 경우 업무 별로 FM 문제발생 빈도를 기록한다. 이러한 공종별 문제발 생 빈도 데이터를 통해 FM 매니저는 특별히 이상을 보이는 구역 혹은 장비에 대한 점검 계획, 장비교체와 같은 FM 의사 결정을 내린다.

2.2 현행 FM 데이터 분석 및 활용의 한계점 위와 같은 현행 FM 데이터 분석 및 활용의 한계점을 찾기 위해, 2017년 4월부터 6월까지 총 4회에 걸쳐 5년 이상의 FM 경력을 갖고 있는 전문가와 인터뷰를 실시하였다<Table 2>.

인터뷰에 참여한 모든 FM 전문가가 앞서 분석한 FM 보고서 의 데이터 분석방식과 유사한 분석방식을 채용하고 있음을 밝혔다. 총 네 번의 인터뷰를 통해 분석된 현행 FM데이터 분 석 및 활용의 한계점은 다음과 같다.

· 데이터 분석을 기반으로 한 선제적 FM 계획 미흡

- 공간별 패턴 및 트랜드 분석 미흡으로 인한 예방점검의 효과 감소(ex. 선제적 대응 불가, 안전사고 유발 가능)

· 공간별 특성을 고려한 정교한 FM 서비스 제공 미흡 - FM 사항들에 대한 공간 단위 분석 미흡으로 인한 FM 서 비스 품질 저하(ex. 공간별로 요구하는 HVAC 운영 기준 파 악 미흡)

· 건물 운영 및 관리 상태에 대한 공간단위 평가 미흡 - 대규모 공간을 기준으로 한 건물의 노후도 평가, 운영상 태 에 따른 잘못된 FM 의사결정 (ex. 불필요한 리모델링 혹 은 에너지사용 계획)

결국, 공간단위의 FM 데이터분석이 능동적인 FM 계획 과 정교한 FM 서비스제공 그리고 정확한 건축물 운영상태 평가를 가능하게 하며 곧 신뢰할만한 FM (Reliable FM) 서 비스 제공으로 이어질 수 있음을 확인하였다. 이렇게 도출 된 현행 FM데이터 분석 및 활용의 한계점을 바탕으로 신뢰 할 만한 FM 서비스 제공에 대한 최종 영향요인도(Influence Diagram)를 작성하였다<Fig. 3>.

Table 2. Summary of FM Expert Interview

No. Date of Interview Affiliation Number of Years involved in FM

1 2017-06-13 S University Above 5 years 2 2017-05-23 Serveone Above 5 years 3 2017-04-25 Samsung S1 Above 10 years

4 2017-04-25 CBRE Above 15 years

영향요인도에 따르면, 공간 및 위치기반 FM 이력데이터에 기반 한 문제발생의 패턴 및 트랜드 분석이 Reliable 한 FM 서비스 제공을 위한 FM 프로세스의 기초가 되어야함을 확인 할 수 있다.

Fig. 3. Influence Diagram on reliable FM service

Fig. 2. FM working type and detailed practice data structure

(4)

al., 2012).

Eweda et al. (2013)는 건축물 유지관리 프로세스의 일환 으로써 건축물의 공간별 정량적 노후도 측정방법을 제시하였 다. 건축물의 노후도가 공간별로 달라질 수 있음을 확인하고 정확한 노후도 평가를 위해 공간의 타입을 고려한 측정방법 을 제시하였다. 그러나 이 연구는 노후도 측정방법을 제시할 뿐, 측정된 공간별 노후도 데이터를 분석 및 활용할 수 있는 프로세스는 제시하지 못하였다. Grussing and Liu (2013)은 FM 이력데이터 분석을 통해 건물의 Life cycle cost를 최소화 하고 Facility Performance를 극대화 하는 장비별 유지보수 방안을 제시하였다. 그러나 이 연구의 FM 데이터 분석은 FM 장비 유지보수에 한정되며 건물 내 공간별로 발생한 전반적 인 FM 문제발생 이력데이터 분석방법을 제시 하지 못하였다.

Shalabi and Turkan (2016)은 IFC (Industry Foundation Classes)를 활용하여 BIM (Building Information Modeling) 을 통해 보다 정확한 FM 데이터를 수집 및 시각화 할 수 있 는 방안을 제시하였다. 그러나 이 연구는 정확한 데이터 수집 방안에 그 연구범위를 한정하였으며, 수집된 데이터를 어떻 게 분석하고 FM 프로세스 내에서 어떻게 활용 할 지에 대한 고찰이 부족하였다.

FM 데이터는 공간별로 그 데이터를 규합 및 분석할 때 그 패턴과 트렌드가 확인 가능하다(Akcamete et al., 2010;

Zhao & Magoules, 2012). 더불어, Renovation이나 수선 및 교체에 관한 FM 의사결정 역시 실, 층과 같은 특정 공간에 따라 이루어진다(Yoon & Cha, 2017). 따라서 효과적인 FM 유지관리 의사결정 프로세스는 공간별로 발생한 FM 문제에 대한 이력데이터의 수집과 분석을 바탕으로 구성해야하며, 이렇게 수집된 데이터를 어떻게 분석하여 의사결정에 활용할 수 있을지에 대한 구체적인 프로세스가 제시되어야 함을 알 수 있다.

김수미 외 (2012) 연구는 Commercial Office Building 의 공간을 전용공간과 공용공간으로 크게 두 분류로 나눈다

<Fig. 4>. 공용공간은 다수가 공통의 목적을 가지고 사용하 는 공간으로써 E/V, Toilet, Lobby and Hallway, Parking Lot이 포함될 수 있다. 전용공간은 단체 혹은 개인이 특정한 목적을 가지고 사용하는 공간을 뜻한다. Commercial Office Building의 경우 각각의 임대 Office공간이 전용공간이라 할 수 있다.

FM 공간단위 데이터 분석을 위해 FM데이터는 공간별 로 저장되어야 한다. 따라서 앞서 설명한 공간의 타입이 FM Data 분류 기준에 가장 우선한다. 이에 따라, FM Data 분류 체계를 개발하였다<Fig. 5>. FM 공종별 업무수행 데이터는 전용공간과 공용공간에 포함된 각각의 공간에 따라 저장되어 지며 이를 통해 공간단위 Data 분석이 가능 할 것이다.

Fig. 4. Space Classification

4.2 MTBF를 활용한 FM데이터 분석

MTBF는 Reliability Centered Maintenance (RCM) 연구 분야에서 주로 사용하는 기계 및 설비 장비에 대한 정량적 신

(5)

뢰성 평가 도구이다. 전체 장비 운용기간과 고장빈도를 고려 하여, 한 장비가 고장이 나기까지의 평균 시간을 계산한 값이 다. 고장의 패턴과 트렌드를 분석하는 정량적 도구로써 주로 사용 된다. MTBF 계산식은 아래와 같다.

(1)

본 연구에서는 이 정량적 도구를 활용한 FM 데이터분석 방법을 제안한다. 앞서 제시한 공간구분을 추가한 데이터체 계를 활용하여 FM데이터를 저장 및 기록할 시, 공간별로 FM 공종별 고장 빈도를 도출할 수 있다. 이렇게 도출 된 공간별 고장빈도 데이터를 활용하여 MTBF 값 계산이 가능하고 그 결과를 통해 아래 세 가지 분석이 가능하다.

(1) Breakdown pattern and trend analysis

공간별 FM 고장 빈도데이터를 Input Data로써 사용함으 로 써, 그 패턴과 트렌드가 발생하며 이에 대한 분석이 가능 해진다.

(2) Abnormal symptoms analysis

공간별 MTBF값 간의 비교를 통해 특별한 FM 이상 징후를 보이는 공간을 감지 할 수 있다.

(3) Elaborate building aging estimation

한 공간의 시기별 MTBF를 추적하여, 공간별 로 FM 장비 및 공간 노후도 측정이 가능하다.

4.3 공간정보기반 FM 데이터 분석을 통한 최적 의 FM 프로세스

본 연구에서 제안하는 공간정보기반 FM 데이터분석을 활 용하여 다음의 최적의 FM 프로세스를 도출하였다. 먼저, 부 서별 FM Personnel들은 해당 FM 업무에 대한 Data를 공간 별로 기록한다. 이렇게 공간별로 기록된 Data들을 바탕으로 MTBF값을 산출하고 그 결과를 분석한다. 분석 결과를 바탕 으로 한 선제적 FM 실행계획, 공간별 적합한 FM service 제 공, 공간별 장비 및 공간노후도 측정에 따른 FM 의사결정 등 을 계획한다. 최종적으로 이러한 계획에 기반 한 Reliable FM

Fig. 5. FM Data Structure for spatial data based FM data analysis

Fig. 6. Proactive and effective FM process including locational-data-based MTBF analysis

(6)

을 기반으로 하지 않아 그 정확도가 떨어 질 수 있다. 그러나 공간단위의 트렌드 분석에 기반 한 정기점검일을 산출함으로 써 이러한 단점을 개선 할 수 있을 것으로 기대된다. 또한, 기 존의 정기점검은 그 편의성을 고려하여 여러 공간을 한데 묶 어 실시 한다(ex. 저층부, 고층부 ...). 그러나 공간단위 패턴 분석시 점검이 요구되는 공간을 중심으로 한 정기점검 계획 이 가능하기 때문에 이에 따른 효과적인 FM 인력 운용이 가 능해 질 것으로 기대한다. 두 번째로, 공간별로 요구되는 FM service를 정확하게 이해하고 그에 맞는 최적의 FM service 제공 계획을 고안할 수 있다. 예를 들어, 현행 냉, 난방 시스 템 운용 방식의 경우 건물 전체 온도를 기준으로 한다. 만일, 특정한 공간의 온도로 인한 불편함 발생시, 해당 공간의 온도 를 차후에 따로 수정하여 제공하는 방식이다. 그러나 공간단 위 FM데이터 분석 시, 공간별로 요구되는 최적의 HVAC 요 구 조건을 측정하고 이를 바탕으로 한 FM 서비스를 제공하 는 것이 가능하다. 이러한 정교한 FM 서비스 제공이 건물의 이용자 만족도 상승에 기여할 것이라 기대한다. 세 번째로, 비정상적인 FM 이상을 보이는 공간에 대한 감지가 가능하 다. 공간별 MTBF 값의 비교를 통해 현저한 빈도로 FM 문제 가 발생하는 구역을 감지 할 수 있다. 이러한 공간단위의 FM 성능분석을 이용하여 공간별로 최적화된 FM 계획을 작성할 수 있다. 공간단위로 데이터를 분석할 수 없는 기존의 데이터 분석방식에 기인한 FM 프로세스로는 이러한 최적화된 FM 서비스 제공이 불가능 하다. 네 번째로 공간별 MTBF값 분석 을 통해 공간단위 노후도 측정이 가능하다. 기존의 노후도 측 정의 경우 건물 전체를 기준으로 한다. 예를 들어, 건물 외장 마감재 파손으로 외견상 건물이 낡아 보인다거나, 다수의 공 간에서 동시에 설비적 문제가 발생할 시 건물의 노후화로 판 단하여 리모델링이나 재건축을 결정하기도 한다. 그러나 노 후도는 공간에 따라 다를 수 있다. 공간별 MTBF를 시기별로 분석하여 공간단위의 노후도 측정이 가능하다. 이러한 공간 단위의 노후도 측정은 불필요한 리모델링, 재건축 계획을 방 지하고 노후화된 공간별 시기적절한 유지보수를 통해 전반적 인 건물의 수명연장을 가능하게 할 것이다.

으며, 지상 45층 지하 8층으로 구성된 건물이다. 건물 연면적 은 대략 212,000 이며 총 13명의 FM Manager와 48명의 FM service implemeter들이 이 건물의 FM을 담당하고 있는 대규모 상업 오피스 건물이다.

5.2 공간정보기반 데이터 분석을 통한 최적의 FM 프로세스

제안된 FM 프로세스의 효과성 검증을 위해 사례 건물의 두 가지 시나리오를 통해 검토하고자 한다.

첫 번째 시나리오에서는, 해당 사례 건물의 특정 층, 오피 스 공간별 MTBF값 도출과 이 값들에 대한 비교를 통한 FM 이 상 징후 점검과 이를 바탕으로 한 FM 계획 작성을 시도한다.

검증을 위해 사례건물 5층에 위치한 오피스 공간별 전기 FM공종 데이터 24개월 치를 분석하였다<Fig. 7>. 총 9개 의 오피스의 전기 공종 문제발생 빈도를 토대로 각 공간별 MTBF를 도출하였다. 5층에 위치한 오피스들의 평균 MTBF 값은 약 7.84이며 이는 평균적으로 7.84개월 마다 전기적 문 제가 발생함을 뜻한다. I 오피스는 0.56의 가장 낮은 MTBF 값을 보였다. 이는 약 0.56개월 마다 문제가 발생함을 의미하 며 평균에 비해 14배나 잦은 고장을 보임을 뜻한다. 위의 분 석을 통해 I 오피스가 전기적 고장이 잦음을 확인하였고, 이 에 따라 해당 문제의 상세 내역을 살펴보았다. I 오피스의 잦 은 전기 고장은 주로 안정기 문제였으며 이는 누전 및 화재로 이어질 수 있는 가능성을 갖고 있다. 따라서 I 오피스 공간에 대한 전기정밀점검을 실시하여, 혹시 모를 사고에 대비해야

Fig. 7. Electric MTBF by Each Office Room

(7)

Fig. 8. HVAC MTBF by Each Office Room

함을 확인했다. 또한, 공간별로 그 문제 발생 시기가 다르기 에 정기점검 계획 역시 이를 기반으로 이루어져야 함을 확인 했다. 이는 위의 결과를 바탕으로 FM 인력 운용을 보다 효율 적이고 효과적으로 계획 할 수 있음을 의미한다.

위의 분석결과 및 그에 따른 FM 조치 계획의 프로세스는 기존의 FM 데이터분석 보고서를 통해서는 계획 할 수 없던 사항이었다. 이러한 공간별 FM 데이터분석을 활용한 최적의 FM 프로세스는, 시나리오에서 검토한 전기 공종 뿐 아니라 다른 공종에서도 유사하게 적용하여 이상 징후를 보이는 특 정 공간을 감지하고, 그에 대한 FM 조치를 계획하는데 활용 가능할 것으로 사료된다.

두 번째 시나리오로써, 건물 전체 공간 중 HVAC 운영 문 제 발생을 공간별로 분석하여 MTBF값 도출을 하고 이 결과 에 대한 분석을 통한 정확한 HVAC 서비스 제공을 시도한다.

검증을 위해 사례건물 모든 전용공간에서 2년간 접수된 난 방 문제관련 FM 데이터를 분석하였다<Fig. 8>. 총 15개의 전 용공간으로부터의 난방관련 FM 데이터 MTBF가 도출되었 다. 사례건물의 난방관련 평균 MRBF 값은 약 5.11이며 이보 다 약 두 배 정도 잦은 난방관련 문제를 호소하는 공간은 3 층, 5층, 22층으로 확인되었다. 이 세 공간의 상세한 FM데이 터를 확인한 결과, 3층 공간의 경우 겨울철 실내온도가 상대 적으로 낮음을 호소하고 있는 반면 5층 과 22층은 겨울철 실 내온도가 상대적으로 높음을 호소하고 있었다. 이러한 결과 를 바탕으로 특정한 공간에 대한 온도 제공 계획을 수정하여 공간별로 최적화된 온도를 공급할 수 있으며, 이를 통해 합리 적인 에너지 사용과, 건물 이용자의 이용 만족도 향상에 기여 할 수 있을 것으로 사료된다.

상기 두 시나리오에 따른 프로세스 적용을 통해 기존의 데 이터분석 방법에 기반 한 FM 프로세스에서는 불가능 하였던 FM계획이 가능함을 확인하였다. 공간별 MTBF 분석을 바탕 으로 한 FM프로세스가 기존의 데이터분석을 통한 FM프로세 스에 비해 보다 선제적이고 정교한 FM 서비스를 제공할 수 있음을 검증해보았다.

6. 결론

본 연구는 공간별 FM 이력데이터 분석을 바탕으로 한 FM 프로세스의 프로토타입을 제안하였다. 제안된 프로세스는 공 간별로 FM 이력데이터 분석을 가능하게 함으로써, FM 문제 발생의 패턴과 트랜드에 대한 정확한 인식과 이를 바탕으로 한 선제적 FM, 정확한 공간별 노후도 측정을 통해 보다 효과 적인 FM 서비스를 계획 할 수 있을 것이라 기대된다. 또한, 제안된 프로세스는 FM 데이터 분석도구인 MTBF를 활용하 여 정량적이고 합리적인 의사결정을 가능하게 함으로써, 전 문가의 경험칙에 의존하던 기존의 의사결정 방식의 합리성과 신뢰성을 개선하였다. 마지막으로, 본 연구는 이러한 프로세 스의 효과성을 실제 사례에 대입하여, 공간별 FM 트렌드 분 석을 바탕으로 한 선제적 FM 계획, 효율적 FM 인력운용계획 및 건축물 에너지 사용계획 등이 가능함을 검증 하였다.

본 연구에서 제시하는 결과물의 학술적 가치는 다음과 같 다. 본 연구는 FM 데이터관리 연구의 기초연구로써, 효과적 인 데이터 관리를 위한 데이터 구조를 개발하고 공간별 데이 터 분석의 효과성을 실증적 데이터를 통해 검증함으로써 FM 데이터관리 연구가 나아가야 할 방향을 실증적으로 제시하였 다. 또한, 데이터 관리 관련 선행연구들의 다음 단계로써, 정 량적 분석도구인 MTBF를 포함한 FM 프로세스의 프로토타 입을 제안함으로써 해당프로세스를 활용한 FM 데이터관리 시스템 개발 연구를 위한 초석을 제공하였다.

본 연구에서 제시하는 결과물의 산업적 가치는 다음과 같 다. 본 연구는 기존의 FM 프로세스에서 활용하지 못하였던 FM 이력데이터의 효과적인 활용 방안(공간별 데이터분석)을 제시함으로써 선제적인 FM 계획 그리고 공간별 노후도 분석 에 따른 정교한 FM 계획이 가능하도록 하였다. 결국, 제시된 FM프로세스가 대규모 Commercial Office Building의 FM의 전반적인 효율성 및 효과성을 증진 시킬 수 있는 방안이 될 수 있을 것으로 기대한다.

그러나 본 연구는 FM 데이터 분석 방안과 이를 활용한 프 로세스 개발에 한정되었다. 컴퓨터 프로그램 등을 활용한 FM 데이터 입력 및 분석결과 도출 체계 개발을 통해 실제 로 FM 현장에서 활용 가능한 시스템을 제시하지 못했다는 데에 그 한계점이 있다. Revit이나 Arichi-Cad와 같은 BIM (Building Information Modeling) Program은 FM 데이터 를 공간 및 장비별로 정보를 저장, 분석하기에 좋은 플랫폼이 다(Becerik-Gerber et al., 2011). 또한, 최근 BIM을 활용한 FM 정보관리에 대한 연구가 다수 제시되고 있다. 본 연구를 통해 제안한 FM프로세스를 바탕으로 BIM을 활용한 실제적 FM 데이터 분석 시스템 개발에 대한 후속 연구가 필요할 것 으로 사료된다.

(8)

for planning maintenance activities.” Proceedings of the international conference on computing in civil and building engineering.

Becerik-Gerber, B., Jazizadeh, F., Li, N., and Calis, G. (2011). “Application areas and data requirements for BIM-enabled facilities management.” Journal of construction engineering and management, 138(3), pp. 431-442.

Chotipanich, S., and Lertariyanun, V. (2011). “A study of facility management strategy: the case of commercial banks in Thailand.” Journal of Facilities Management, 9(4), pp. 282-299.

Eweda, A., Zayed, T., and Alkass, S. (2013). “Space- Based Condition Assessment Model for Buildings:

Case Study of Educational Buildings.” Journal of Performance of Constructed Facilities, 29(1), 04014032.

Grussing, M. N., and Liu, L. Y. (2013). “Knowledge- based optimization of building maintenance, repair, and renovation activities to improve facility life cycle investments.” Journal of Performance of Constructed Facilities, 28(3), pp. 539-548.

Levitt, J. (2013). Facilities Management: Managing Maintenance for Buildings and Facilities, Momentum Press, New York.

Kincaid, D. (1994). “Integrated facility management.”

Facilities, 12(8), pp. 20-23.

Lai, J. H. (2014). “Maintenance Performance:

Examination of the Computer-Aided Maintenance Data of a Large Commercial Building.” Journal of Performance of Constructed Facilities, 29(4), 04014118.

Liu, L. Y., Stumpf, A. L., Kim, S. S., and Zbinden, F.

M. (1994). “Capturing as-built project information for facility management.” Computing in Civil

Roper, O. K., and Payant, P. R. (2014). The facility management handbook 4th Edition, AMACOM (Division of American Management Association), New York.

Sabol, L. (2008). “Building information modeling &

facility management.” IFMA World Workplace, pp.

2-13.

Shalabi, F., and Turkan, Y. (2016). “IFC BIM-Based Facility Management Approach to Optimize Data Collection for Corrective Maintenance.” Journal of Performance of Constructed Facilities, 31(1), 04016081.

Smith, R., and Mobley, R. K. (2011). Rules of thumb for maintenance and reliability engineers. Butterworth- Heinemann, UK.

Teicholz, E. (2001). Facility design and management handbook. McGraw Hill Professional, New York.

William East, E., Nisbet, N., and Liebich, T. (2012).

“Facility management handover model view.”

Journal of computing in civil engineering, 27(1), pp.

61-67.

Yoon, J. H., and Cha, H. S. (2017). “Location-based Facility Management System Framework Using 3D-BIM on Commercial Office Buildings.” In ISARC.

Proceedings of the International Symposium on Automation and Robotics in Construction, 34.

Zhao, H. X., and Magoulès, F. (2012). “A review on the prediction of building energy consumption.”

Renewable and Sustainable Energy Reviews, 16(6), pp. 3586-3592.

Kim, S., and Shim, W. (2012). “Study on the utilization ways and planning characteristics common spaces in commercial multi-complexes in korea.” Journal of Architectural Institude of Korea, 28(5), pp. 13-22.

(9)

요약 :