공동주택 방화문의 하자 텍스트 데이터를 인공지능으로 자동 분류하는 연구 결과가 학계에 공개됐다. 대한건축학회 논문집(JAIK) 2025년 11월호(제41권 제11호)에 게재된 「공동주택 방화문 하자리스트의 텍스트 마이닝을 이용한 하자유형 분류」가 그 주인공이다. 해당 논문은 KCI 등재 학술지에 2025년 11월 27일 등록됐으며, DOI는 10.5659/JAIK.2025.41.11.353이다.
이 연구는 방화문 하자 텍스트 데이터를 대상으로 머신러닝 및 딥러닝 기반의 다양한 분류 방법을 제안하고 비교 분석했다. 연구에 따르면, 방화문 결함 데이터는 작업자의 작업 관리, 보수 작업의 우선순위 선정 등 실무에서 폭넓게 활용될 수 있음에도 불구하고, 기존 연구에서 방화문 결함 텍스트를 자동으로 분류하는 시도는 전무했다. 이 연구는 해당 공백을 처음으로 채운 선행 연구로 평가된다.
N-gram·LR 결합 모델, 최고 정확도 기록
대한건축학회 논문집에 게재된 해당 연구에 따르면, 연구진은 방화문 하자 텍스트 데이터에 다양한 벡터화 방법과 분류 알고리즘을 적용해 성능을 비교했다. 실험에 활용된 기법은 머신러닝 계열의 로지스틱 회귀(LR), 서포트 벡터 머신(SVM) 등과 딥러닝 계열 모델을 포함한다. 벡터화 방식으로는 N-gram을 비롯한 복수의 방법이 검토됐다. 비교 분석 결과, N-gram 벡터화와 로지스틱 회귀(LR)를 결합한 방법이 가장 높은 분류 정확도를 보였으며, 테스트 데이터셋에 적용했을 때 평균 82.18%의 정확도를 달성했다. 이는 방화문 하자 텍스트라는 특수한 도메인 데이터에서 단순한 머신러닝 기법이 복잡한 딥러닝 모델에 비해 경쟁력 있는 성능을 발휘할 수 있음을 보여준 결과다.
방화문 업계 실무 적용 가능성
이 연구는 방화문 하자 진단, 텍스트 마이닝, 벡터화 방법, 인공지능, 딥러닝을 핵심 키워드로 삼고 있으며, 공동주택 유지관리 현장에서 축적되는 방대한 하자 기록 데이터를 자동으로 분류·처리하는 실용적 기반을 제시한다. 방화문 제조·시공·유지관리 업계 입장에서 이 연구의 시사점은 적지 않다. 현재 공동주택 방화문 하자 접수는 대부분 작업자가 수기로 기록한 비정형 텍스트 형태로 관리된다. 이를 수작업으로 분류하고 우선순위를 정하는 과정은 인력과 시간이 상당히 소요되며, 분류 기준의 일관성도 담보하기 어렵다. 이번 연구에서 제안된 자동 분류 모델이 실무에 도입될 경우, 하자 유형별 통계 산출, 반복 하자 패턴 조기 감지, 보수 작업 우선순위 자동화 등이 가능해진다. 나아가 방화문 제조사와 시공사가 품질 개선 데이터를 체계적으로 축적하고 분석하는 기반이 마련될 수 있다. 방화문은 화재 시 인명 보호의 최전선에 있는 핵심 안전 설비인 만큼, 하자 관리의 정밀도를 높이는 기술 혁신은 안전 수준 향상과 직결된다. 업계에서는 이번 연구를 계기로 AI 기반 하자 진단 시스템의 상용화 논의가 본격화될 것으로 전망된다.
출처: 대한건축학회 논문집, 셔터뉴스 편집국
