3.1 배합표

본 연구에 사용한 배합표는 기준 적용 전･후로 평가하였다. 16개 레미콘 제조사의 배합표를 A그룹과 B그룹으로 아래와 같이 구분하여 적용하였다. 또한, 호칭강도 종류는 21, 24, 30, 35 MPa이다. A그룹의 배합표는 Table 1에 B그룹의 배합표는 Table 2에 정리하였다. 본 연구에 사용된 배합표는 실제 현장에 반입된 레미콘 배합으로 제작사의 기술적 노하우 및 지역적 자재 수급 특성이 반영된 것이다.

• A그룹: 단위 수량 품질 기준 적용 전 46개 배합 호칭강도: 21, 24, 30, 35 MPa

• B그룹: 단위 수량 품질 기준 적용 후 15개 배합 호칭강도: 21, 24, 35 MPa

3.2 배합표 분석

3.2.2 호칭강도와 단위 수량 비교

Fig. 1의 결과를 상세히 분석하기 위하여 호칭강도 기준으로 측정된 단위 수량을 기준 전･후로 구분하여 Fig. 2에 추세선과 같이 정리하였다. 단, 단위 수량 기준 적용 전의 단위 수량은 측정 결과가 없어 시방배합의 자료를 사용하였다. 이에 의하면 단위 수량 기준 적용 전에는 호칭강도 30 MPa 이상이 되어도 사용되는 단위 수량은 증가하는 것으로 나타났다. 즉 Fig. 1(a)와 같이 결합재 양이 감소한 것이다. 기준 적용 후에는 호칭강도 21 MPa를 제외하고는 사용되는 단위 수량은 거의 일정한 것으로 나타났다. 그러므로 Fig. 1과 Fig. 2를 보면 물-결합재비와 단위 수량이 과도하게 높거나 낮으면 강도 발현 저하로 콘크리트 품질에 영향을 미칠 수 있을 것으로 예상되므로 보다 많은 자료 수집 및 평가가 필요한 것으로 검토되었다.

Fig. 1 Comparison of nominal strength and water/binder ratio

Fig. 2 Comparison of nominal strength and water content

3.2.3 호칭강도와 시멘트량 비교

이상의 분석 결과를 상세히 분석하기 위하여 호칭강도 기준으로 사용된 시멘트량을 단위 수량 기준 적용 전･후로 구분하여 Fig. 3에 추세선과 같이 정리하였다. 이에 의하면 (a)의 단위 수량 기준 적용 전에는 호칭강도 증가 비례하여 사용 시멘트량도 증가하였으며, 30 MPa 호칭강도의 경우 시멘트량이 급격히 증가하는 것으로 나타났다. 이는 제조사의 시방배합 특성에 의한 것이라 판단되지만, 향후 국내에 사용되는 레미콘의 배합 특성에 대한 신뢰할 만한 데이터가 축적되어야 할 것으로 판단된다. Fig. 3(b)에 나타낸 단위 수량 기준 적용 후 시멘트 사용량은 호칭강도 변화에 따른 큰 차이는 없는 것으로 나타났다. 또한 호칭강도 35 MPa에서 시멘트량이 낮은 274 kg 사용된 것은 제조사의 배합 특성으로 고려하는 것이 적절한 것으로 분석되었다.

Fig. 3 Comparison of nominal strength and cement content

4.1 호칭강도와 현장 측정 단위 수량

단위 수량 품질 기준 적용 전 현장에서 측정한 단위 수량 결과를 호칭강도를 기준(X축), 시방 단위 수량을(Y축)으로 정리하여 Fig. 4에 나타내었다.

기준 적용 전 Fig. 4(a), 기준 적용 후 Fig. 4(b)를 보면 흥미로운 결과가 보이는데 단위 수량 기준 전의 경우 단위 수량의 변화는 미미하지만, 일정량 증가하는 것으로 나타나, 물이 실제보다 적게 투입되었다는 것으로 판단된다. 또한, 단위 수량은 160 kg/m³ 이내로 산정되었다. 그렇지만 단위 수량 기준 후의 경우 단위 수량의 변동은 매우 큰 것으로 평가할 수 있으나, 범위는 품질 기준 185±20 kg/m³ 이내인 것으로 확인되었다. 납품되는 레미콘의 배합표 및 품질 시험 데이터(단위 수량, 압축강도)는 기준 전 측정된 단위 수량과 배합표상 수량의 상대비는 427개 데이터 기준 평균 0.73, 표준편차 0.09로 평가되었다. 즉, 배합표상 단위 수량보다 현장에서 측정된 단위 수량이 약 0.73배라는 것으로 의미하는 것이다. 반면, 단위 수량 기준 후 측정된 단위 수량과 배합표상 단위수량의 상대 비는 167개 데이터 기준 평균 1.04, 표준편차 0.04로 평가되었다. 즉, 배합표상 사용된 물의 양과 현장에서 측정된 물의 양은 거의 유사한 것으로 판단할 수 있다. 또한, 표준편차가 0.04로 매우 낮아 단위 수량 관리가 이루어지는 것으로 예상된다. 그러므로 현장에서 신뢰할 수 있는 단위 수량 관리가 될 수 있다는 것을 의미한다고 분석된다. 향후 현장 측정 단위 수량 데이터를 보완하고 측정 장비의 정밀도를 향상 시킨다면 신뢰할 수 있는 현장 타설 콘크리트의 품질관리 기준이 될 수 있으리라 판단된다.

Fig. 4 Comparison of nominal strength and field test unit water content

4.2 압축강도와 현장 측정 단위 수량

현장 레미콘 받아들이기 시험 시 제작된 공시체의 28일 표준 압축강도를 기준으로 현장 측정 단위 수량과 추세선을 Fig. 5에 정리하였다.

Fig. 5(a)의 단위 수량 기준 전 분석에 의하면 단위 수량과 압축강도의 비례적인 관계는 유추할 수 없는 것으로 나타났다. Fig. 5(b)의 단위 수량 기준 후 분석에 의하면 단위 수량과 압축강도의 신뢰할 만한 상관은 유추할 수 없지만, 거의 일정한 수준의 단위 수량을 나타내어 효율적인 압축강도 예측이 가능할 수도 있을 것으로 판단된다. 그래서 호칭강도에 대한 28일 압축강도 상대비 기준으로 단위 수량 기준 전 강도 데이터를 평가한 결과, 427개 데이터 기준 평균 1.32, 표준편차 0.11로 평가되었다. 이는 호칭강도보다 압축강도가 약 1.32배 크게 평가되는 것을 의미한다. 반면 단위 수량 기준 후 호칭강도에 대한 28일 압축강도 상대비는 167개 데이터 기준 평균 1.16, 표준편차 0.08로 평가되었다. 이는 단위 수량 품질기준 적용 후에는 현장 타설 콘크리트의 압축강도는 신뢰할 수 있는 수준으로 관리가 될 수 있다는 것을 의미한다. 향후 보다 많은 현장 표준양생 28일 압축강도의 데이터베이스를 구축하고 이를 평가 적용한다면 현장 타설 콘크리트의 품질관리가 용이할 것으로 분석하였다.

Fig. 5 Comparison of compressive strength and field test unit water content

5.1 랜덤 포레스트 개요

4장에서와 같이 단위 수량 품질 기준 전후에 있어 28일 표준양생 압축강도는 호칭강도와 상당한 분산이 있는 것으로 판단되어, 보다 정밀한 데이터 처리 과정이 필요한 것으로 판단된다. 본 연구에서는 국내 건설 학계에서도 연구가 시작된 머신러닝 알고리즘인 랜덤 포레스트(random forest) 알고리즘을 적용한 연구를 진행하고자 한다. 일반적으로 머신러닝 알고리즘을 이용하여 많은 양의 데이터를 학습하고 분석한 후, 예측 되어진 분석 결과를 바탕으로 여러 단계를 거친 후 어떠한 문제를 결정하거나 예측한다. 따라서 머신러닝은 정확한 데이터의 양이 많을수록 정확하고 높은 분석 성능을 보여줄 수 있다. 이중 Fig. 6과 같은 랜덤 포레스트는 비선형적 특성, 변수 간 상호작용, 노이즈 내성 등으로 콘크리트 강도 예측에서 매우 강력한 성능을 제공한다. 특히 시험 데이터가 많고 변동성이 큰 건설 분야에서 높은 신뢰성과 해석을 통해 품질관리에 유용하게 활용될 수 있다.

랜덤 포레스트는 다수의 결정 트리를 생성 및 향상하게 시키는 기법이다. 이는 분류와 회귀 문제에 사용할 수 있으며, 분류의 경우에는 개별 트리의 결과를 다수결로, 회귀 경우에는 평균으로 최종 결과를 예측할 수 있다. 즉 나무(tree)가 모여서 숲(forest)이 되는 알고리즘이다. 본 연구에 있어서 데이터 학습법으로는 훈련 세트와 테스트 세트로 분할하였다. 훈련 세트는 모델 학습에 사용되며, 테스트 세트는 모델의 성능을 평가하는 데 사용된다. 전체 데이터의 80 %는 훈련 세트로, 나머지 20 %는 테스트 세트로 할당되었다. 훈련 세트는 모델이 데이터의 패턴을 학습하는 데 사용되며, 테스트 세트는 학습된 모델의 예측 성능을 검증하는 데 사용된다. 데이터 분할 과정에서 데이터의 무작위성을 유지하기 위해 랜덤 시드가 설정되었다. 모델 성능을 보다 정확히 평가하기 위해 5-Fold 교차 검증(5-Fold cross-validation)을 수행하였다. 이를 통해 모델의 과적합(over-fitting)을 방지하고, 일반화 성능(generalization ability)을 높였다. 데이터의 학습은 시방 단위 수량, 현장측정 단위 수량, 슬럼프, 공기량, 염화물, 압축강도 개체로 진행하였다.

Fig. 6 Sample of random forest by ^{Rita Angelou (2025)}

5.2 압축강도 평가

4장과 마찬가지로 기준 전･후의 28일 표준양생 압축강도를 랜덤 포레스트 표현 방법 중 박스 플롯(box plot)으로 Fig. 7에 나타내었다. 여기서 상자 안의 중앙선은 중앙값(median), 상자 위아래로 뻗어나가는 선은 데이터의 최솟값과 최댓값, 이상치(outliers)는 수염의 끝보다 더 멀리 떨어져 있는 값은 점으로 표시된다. 사용 데이터는 단위 수량 기준 전 동일 현장에 적용된 427개 압축강도 시험 결과를 기반으로 한 것이며. 단위 수량 기준 후 자료 또한 동일 현장에 적용된 102개 압축강도 시험 결과를 기반으로 한 것이다. 향후 많은 자료의 보완 및 및 분석 등으로 본 연구 결과를 보완하면, 랜덤 포레스트 기법을 적용한 실용적이고 안전한 콘크리트의 강도 및 품질관리가 가능할 것으로 분석되었다.

Fig. 7(a)의 단위 수량 기준 전 결과의 경우, 배합표의 호칭강도가 21~35 MPa이나 28일 압축강도 시험 결과는 25~52 MPa로 변동 폭이 큰 것으로 나타났다. 여기서 최솟값은 25 MPa이고 최댓값은 52 MPa이며 중간값은 40 MPa이다. Fig. 7(b)의 단위 수량 기준 후 결과에 의하면, 배합표의 호칭강도가 21 MPa이나 28일 압축강도 시험 결과는 24~29 MPa로 변동 폭이 작은 것으로 나타났다. 여기서 최솟값은 24 MPa이고 최댓값은 29 MPa이며 중간값은 27 MPa이다. Fig. 7(c)의 단위 수량 기준 후 결과에 의하면, 배합표의 호칭강도가 24 MPa이나 28일 압축강도 시험 결과는 27~33 MPa로 변동 폭이 작은 것으로 나타났다. 여기서 최솟값은 27 MPa이고 최댓값은 33 MPa이며 중간값은 30 MPa이다. Fig. 7(d)의 단위 수량 기준 후 결과에 의하면, 배합표의 호칭강도가 27~35 MPa이나 28일 압축강도 시험 결과는 31~41 MPa로 변동 폭이 작은 것으로 나타났다. 여기서 최솟값은 31 MPa이고 최댓값은 41 MPa이며 중간값은 37 MPa이다.

Fig. 7 Comparison of compressive strength by use of random forest