건설재해를 예방하기 위한 국가와 학계의 끊임없는 노력에도 불구하고 건설 현장의 안전재해는 감소하지 않고 있다. 건설재해를 예방하기 위하여 건설현장에서는 안전관리계획서, 유해위험방지계획서 등의 안전관리계획을 수립하며, 산업안전보건법에 근간하여 안전관리자를 선임하여 안전관리를 실시한다. 또한 학계에서는 건설재해를 예방하기 위하여 다양한 ICT기술을 활용한 연구가 진행되어 왔으며, 최근에는 대기업을 중심으로 건설현장 내 IoT기술을 적용하여 효율적이고 즉각적인 대처가 가능한 안전관리를 수행하고자 노력하고 있다. 하지만 기존의 선행연구들 및 적용 중인 기술들이 해결하고자 하는 대상은 매우 제한적이고, 한정적이며 단순히 기술의 적용성과 정확성을 확보하는 것이 연구의 목적으로 설정되고 수행되어 실제 현장에서 실효성 있는 효과를 기대하기 어렵다는 한계가 있었다. 또한, 건설현장 내 소수의 안전관리자가 넓은 현장의 모든 부분을 관리하기에는 인원이 부족하며, 안전관리자의 안전관리에 대한 역량에 따라 현장마다 건설재해를 예방하는 정도가 다를 수 있다. 이러한 건설안전관리의 특성에 따라 안전관리자에 대한 관리적 의존도는 매우 높은 실정이며 특히 안전관리자의 시각적 판단에 따른 관리적 특성은 ICT기술 중 이미지 인식 기술의 높은 적용 가능성을 볼 수 있다. 또한 최근 컴퓨터장치 및 기술의 발달에 따른 딥러닝 기반 알고리즘의 대두로 관련 기술들이 많이 등장하고 있다. 따라서 본 연구에서는 이미지 인식 기술을 건설안전관리에 적용하기 위한 선행연구로서 건설현장 위험요인을 분석하고 분류하여 이를 효율적으로 활용할 수 있는 방안을 제안하였다. 본 연구에서는 건설현장 내 위험요인을 발굴하기 위하여 실제 작업이 이루어지는 사업장 내 안전·보건을 위한 세부 조치사항으로 구성된 산업안전보건기준에 관한 규칙을 대상으로 분석을 실시하였으며, 분석결과 이미지 인식 기술의 적용타당성이 있는 ‘타입 1 : 객체 간 양(+)의 상관관계’, ‘타입 2 : 객체 간 음(-)의 상관관계’, ‘타입 3 : 수치적 판단’, ‘타입 4 : 위험구역 설정 및 판단’이 도출되었다. 그 외의 조항은 ‘관리 및 행정관련 조항’, 이미지 인식 기술의 적용이 가능하지만 현재의 센서기술로 충분히 가능하여 개발타당성이 낮다고 판단한 조항은 ‘기타’로 분류되었다. 통계적으로는 총 671조 중 건설산업과 관련된 조항은 277개로 약 41.3%를 차지하고, 이미지 인식 기술 적용 가능한 ‘타입 1’, ‘타입 2’, ‘타입 3’, ‘타입 4’는 총 476개로 건설관련 827개 조문의 약 57.6%를 차지하여 이미지 인식 기술의 적용타당성을 확보할 수 있었다. 이와 같은 분석 결과를 바탕으로 이미지 인식 기술이 최적으로 적용될 수 있도록 안전관리 ...
건설재해를 예방하기 위한 국가와 학계의 끊임없는 노력에도 불구하고 건설 현장의 안전재해는 감소하지 않고 있다. 건설재해를 예방하기 위하여 건설현장에서는 안전관리계획서, 유해위험방지계획서 등의 안전관리계획을 수립하며, 산업안전보건법에 근간하여 안전관리자를 선임하여 안전관리를 실시한다. 또한 학계에서는 건설재해를 예방하기 위하여 다양한 ICT기술을 활용한 연구가 진행되어 왔으며, 최근에는 대기업을 중심으로 건설현장 내 IoT기술을 적용하여 효율적이고 즉각적인 대처가 가능한 안전관리를 수행하고자 노력하고 있다. 하지만 기존의 선행연구들 및 적용 중인 기술들이 해결하고자 하는 대상은 매우 제한적이고, 한정적이며 단순히 기술의 적용성과 정확성을 확보하는 것이 연구의 목적으로 설정되고 수행되어 실제 현장에서 실효성 있는 효과를 기대하기 어렵다는 한계가 있었다. 또한, 건설현장 내 소수의 안전관리자가 넓은 현장의 모든 부분을 관리하기에는 인원이 부족하며, 안전관리자의 안전관리에 대한 역량에 따라 현장마다 건설재해를 예방하는 정도가 다를 수 있다. 이러한 건설안전관리의 특성에 따라 안전관리자에 대한 관리적 의존도는 매우 높은 실정이며 특히 안전관리자의 시각적 판단에 따른 관리적 특성은 ICT기술 중 이미지 인식 기술의 높은 적용 가능성을 볼 수 있다. 또한 최근 컴퓨터장치 및 기술의 발달에 따른 딥러닝 기반 알고리즘의 대두로 관련 기술들이 많이 등장하고 있다. 따라서 본 연구에서는 이미지 인식 기술을 건설안전관리에 적용하기 위한 선행연구로서 건설현장 위험요인을 분석하고 분류하여 이를 효율적으로 활용할 수 있는 방안을 제안하였다. 본 연구에서는 건설현장 내 위험요인을 발굴하기 위하여 실제 작업이 이루어지는 사업장 내 안전·보건을 위한 세부 조치사항으로 구성된 산업안전보건기준에 관한 규칙을 대상으로 분석을 실시하였으며, 분석결과 이미지 인식 기술의 적용타당성이 있는 ‘타입 1 : 객체 간 양(+)의 상관관계’, ‘타입 2 : 객체 간 음(-)의 상관관계’, ‘타입 3 : 수치적 판단’, ‘타입 4 : 위험구역 설정 및 판단’이 도출되었다. 그 외의 조항은 ‘관리 및 행정관련 조항’, 이미지 인식 기술의 적용이 가능하지만 현재의 센서기술로 충분히 가능하여 개발타당성이 낮다고 판단한 조항은 ‘기타’로 분류되었다. 통계적으로는 총 671조 중 건설산업과 관련된 조항은 277개로 약 41.3%를 차지하고, 이미지 인식 기술 적용 가능한 ‘타입 1’, ‘타입 2’, ‘타입 3’, ‘타입 4’는 총 476개로 건설관련 827개 조문의 약 57.6%를 차지하여 이미지 인식 기술의 적용타당성을 확보할 수 있었다. 이와 같은 분석 결과를 바탕으로 이미지 인식 기술이 최적으로 적용될 수 있도록 안전관리 PDCA 사이클 전범위에서 활용이 가능한 방안을 제시하였다. 본 연구에서는 안전관리단계를 크게 안전계획단계(Plan)와 시공단계(Do–Check -Action)로 구분하였으며, 안전계획단계(Plan)에서는 시공단계에서 이미지 인식 기술이 효율적으로 활용될 수 있도록 CCTV 등의 카메라의 고정 위치를 자동으로 제안하는 방안을 제시하였다. 우선, 객체에 공종, 재료, 장비, 도구 등의 정보가 포함된 4D-BIM에서 IFC 규격을 바탕으로 해당 정보를 추출하고, 본 연구에서 분류된 타입별 분류와 매칭한다. 그 다음 Add-on을 통해 특정위치와 시기에 발생가능성이 있는 안전재해를 예상하여 중점적으로 관리해야할 장소에 카메라 설치 위치를 BIM 모델 상에 나타낸다. 시공단계(Do-Check-Action)에서는 안전관리자의 순회점검 프로세스인 ‘(1) 순회점검 중 위험요인 발견, (2) 시각에 의한 위험 판단 과정, (3) 조치업무 지시, (4) 위험제거’ 과정에 따라서 ‘(1) 이미지입력, (2) 이미지분석, (3) 위험분류, (4) 위험요인 발견 및 알람’의 과정을 거치는 이미지기술을 활용한 CCTV 모니터링 시스템을 제안하였다. 본 연구는 기존에 한정적이고 제한적이었던 이미지 인식 기술의 위험요인으로서의 인식대상을 확대시켰기에 후속연구들의 토대가 될 것이라고 판단되며, 건설안전관리 프로세스의 자동화를 통해 안전관리자의 업무부하를 경감시키고, 건설현장 내의 재해를 예방하고 감소시킬 수 있다고 판단된다.
건설재해를 예방하기 위한 국가와 학계의 끊임없는 노력에도 불구하고 건설 현장의 안전재해는 감소하지 않고 있다. 건설재해를 예방하기 위하여 건설현장에서는 안전관리계획서, 유해위험방지계획서 등의 안전관리계획을 수립하며, 산업안전보건법에 근간하여 안전관리자를 선임하여 안전관리를 실시한다. 또한 학계에서는 건설재해를 예방하기 위하여 다양한 ICT기술을 활용한 연구가 진행되어 왔으며, 최근에는 대기업을 중심으로 건설현장 내 IoT기술을 적용하여 효율적이고 즉각적인 대처가 가능한 안전관리를 수행하고자 노력하고 있다. 하지만 기존의 선행연구들 및 적용 중인 기술들이 해결하고자 하는 대상은 매우 제한적이고, 한정적이며 단순히 기술의 적용성과 정확성을 확보하는 것이 연구의 목적으로 설정되고 수행되어 실제 현장에서 실효성 있는 효과를 기대하기 어렵다는 한계가 있었다. 또한, 건설현장 내 소수의 안전관리자가 넓은 현장의 모든 부분을 관리하기에는 인원이 부족하며, 안전관리자의 안전관리에 대한 역량에 따라 현장마다 건설재해를 예방하는 정도가 다를 수 있다. 이러한 건설안전관리의 특성에 따라 안전관리자에 대한 관리적 의존도는 매우 높은 실정이며 특히 안전관리자의 시각적 판단에 따른 관리적 특성은 ICT기술 중 이미지 인식 기술의 높은 적용 가능성을 볼 수 있다. 또한 최근 컴퓨터장치 및 기술의 발달에 따른 딥러닝 기반 알고리즘의 대두로 관련 기술들이 많이 등장하고 있다. 따라서 본 연구에서는 이미지 인식 기술을 건설안전관리에 적용하기 위한 선행연구로서 건설현장 위험요인을 분석하고 분류하여 이를 효율적으로 활용할 수 있는 방안을 제안하였다. 본 연구에서는 건설현장 내 위험요인을 발굴하기 위하여 실제 작업이 이루어지는 사업장 내 안전·보건을 위한 세부 조치사항으로 구성된 산업안전보건기준에 관한 규칙을 대상으로 분석을 실시하였으며, 분석결과 이미지 인식 기술의 적용타당성이 있는 ‘타입 1 : 객체 간 양(+)의 상관관계’, ‘타입 2 : 객체 간 음(-)의 상관관계’, ‘타입 3 : 수치적 판단’, ‘타입 4 : 위험구역 설정 및 판단’이 도출되었다. 그 외의 조항은 ‘관리 및 행정관련 조항’, 이미지 인식 기술의 적용이 가능하지만 현재의 센서기술로 충분히 가능하여 개발타당성이 낮다고 판단한 조항은 ‘기타’로 분류되었다. 통계적으로는 총 671조 중 건설산업과 관련된 조항은 277개로 약 41.3%를 차지하고, 이미지 인식 기술 적용 가능한 ‘타입 1’, ‘타입 2’, ‘타입 3’, ‘타입 4’는 총 476개로 건설관련 827개 조문의 약 57.6%를 차지하여 이미지 인식 기술의 적용타당성을 확보할 수 있었다. 이와 같은 분석 결과를 바탕으로 이미지 인식 기술이 최적으로 적용될 수 있도록 안전관리 PDCA 사이클 전범위에서 활용이 가능한 방안을 제시하였다. 본 연구에서는 안전관리단계를 크게 안전계획단계(Plan)와 시공단계(Do–Check -Action)로 구분하였으며, 안전계획단계(Plan)에서는 시공단계에서 이미지 인식 기술이 효율적으로 활용될 수 있도록 CCTV 등의 카메라의 고정 위치를 자동으로 제안하는 방안을 제시하였다. 우선, 객체에 공종, 재료, 장비, 도구 등의 정보가 포함된 4D-BIM에서 IFC 규격을 바탕으로 해당 정보를 추출하고, 본 연구에서 분류된 타입별 분류와 매칭한다. 그 다음 Add-on을 통해 특정위치와 시기에 발생가능성이 있는 안전재해를 예상하여 중점적으로 관리해야할 장소에 카메라 설치 위치를 BIM 모델 상에 나타낸다. 시공단계(Do-Check-Action)에서는 안전관리자의 순회점검 프로세스인 ‘(1) 순회점검 중 위험요인 발견, (2) 시각에 의한 위험 판단 과정, (3) 조치업무 지시, (4) 위험제거’ 과정에 따라서 ‘(1) 이미지입력, (2) 이미지분석, (3) 위험분류, (4) 위험요인 발견 및 알람’의 과정을 거치는 이미지기술을 활용한 CCTV 모니터링 시스템을 제안하였다. 본 연구는 기존에 한정적이고 제한적이었던 이미지 인식 기술의 위험요인으로서의 인식대상을 확대시켰기에 후속연구들의 토대가 될 것이라고 판단되며, 건설안전관리 프로세스의 자동화를 통해 안전관리자의 업무부하를 경감시키고, 건설현장 내의 재해를 예방하고 감소시킬 수 있다고 판단된다.
Despite continuous efforts by the government and professionals from academia to prevent construction accidents, the number of safety accidents at construction are still exists. To prevent construction incidents, safety managers are hired for making safety management plans based on "Occupational Safe...
Despite continuous efforts by the government and professionals from academia to prevent construction accidents, the number of safety accidents at construction are still exists. To prevent construction incidents, safety managers are hired for making safety management plans based on "Occupational Safety and Health Act (KOSHA)". In addition, extensive research has been carried out to adopt various ICT technologies in order to prevent construction accidents, and large construction companies are currently devoted to implement safety management that enables efficient and immediate response by applying IoT technologies in their job sites. Previous researches only focused on application of emerging technologies in the specific domains of construction safety. However, construction industry is still unable to adopt that research in real sites due to its limited nature and purposes. Moreover, the literature discussed the applicability and accuracy of these innovative technologies. On the contrary, monitoring and controlling of each part in a wide construction sites is impossible for a small number of safety managers. Apart from wide nature of jobsites, degree of accidents prevention at different sites may be unique depending on safety management capability of the safety manager such as qualification, training and experience of them. Due to these characteristics, the management highly relies on safety managers and the visual judgment of those managers plays vital role in safety process. Hence, visual judgement of safety mangers can be replaced with image recognition technology to enhance safety in construction. Recent advancement in computer science made the development of image recognition with deep learning technologies possible. Therefore, this study proposed a new approach to analyze, classify and utilize the risk factors of practical construction sites as a preliminary study for effective application of image recognition technology in construction. The "Rules on Stand for Occupational Safety and Health" by Korea Occupational Safety and Health Agency (KOSHA) were deeply analyzed)" which consist of detailed measures for safety and health in construction site. The analysis results was obtained and classified in four types: 'Type 1 : positive relation between objects' ,'Type 2 : negative relation between objects', 'Type 3 : numerical judgment', and 'Type 4 : determination of risk zones'. Rest of the remaining clauses was classified in two more types such as 'Clauses related to managerial and administrative issues' and 'Others', which deemed to be sufficiently available with current sensor technology. Statistically, the articles related with construction industry accounted for 41.3% of the total 671 articles were classified. And these articles were classified as 'Type 1', 'Type 2', 'Type 3' and 'Type 4' that accounted for 476 clauses applicable to the image technology, making up about 57.6% of the 827 construction-related clauses. Based on these analysis results, this study proposed the effective safety management system for optimal application of image technology through safety management PDCA cycle. Furthermore, safety management process was divided into the safety planning stage (Plan) and the construction execution phase (Do-Check-Action), the automatic way to suggest where to install the CCTV cameras was proposed in safety planning stage for efficient use of the image technology during execution phase. In safety planning stage, firstly the object is extracted from the 4D-BIM that contains information such as work types, materials, equipment, and tools based on the IFC and matched with the type classification proposed from this study. The camera installation location is then represented on the BIM model in a place to focus on, anticipating a possible incident at a specific location and time through Add-In. In construction execution phase, the safety manager's site inspection follows the process of : (1) spotting risk factors during site inspection, (2) visual judgement by sight, (3) order of action to deal with it, (4) risk elimination. This process was replaced with new proposed process that (1) Input image data, (2) image processing, (3) classification of risk, (4) detection of risk factors and alarms. This study contributes to be the initial research step for further studies as it broadens the target of image recognition technology, which was previously narrow and limited. Automating the construction safety management process, it could significantly mitigate the workload of safety managers and reduce accidents effectively in construction sites.
Despite continuous efforts by the government and professionals from academia to prevent construction accidents, the number of safety accidents at construction are still exists. To prevent construction incidents, safety managers are hired for making safety management plans based on "Occupational Safety and Health Act (KOSHA)". In addition, extensive research has been carried out to adopt various ICT technologies in order to prevent construction accidents, and large construction companies are currently devoted to implement safety management that enables efficient and immediate response by applying IoT technologies in their job sites. Previous researches only focused on application of emerging technologies in the specific domains of construction safety. However, construction industry is still unable to adopt that research in real sites due to its limited nature and purposes. Moreover, the literature discussed the applicability and accuracy of these innovative technologies. On the contrary, monitoring and controlling of each part in a wide construction sites is impossible for a small number of safety managers. Apart from wide nature of jobsites, degree of accidents prevention at different sites may be unique depending on safety management capability of the safety manager such as qualification, training and experience of them. Due to these characteristics, the management highly relies on safety managers and the visual judgment of those managers plays vital role in safety process. Hence, visual judgement of safety mangers can be replaced with image recognition technology to enhance safety in construction. Recent advancement in computer science made the development of image recognition with deep learning technologies possible. Therefore, this study proposed a new approach to analyze, classify and utilize the risk factors of practical construction sites as a preliminary study for effective application of image recognition technology in construction. The "Rules on Stand for Occupational Safety and Health" by Korea Occupational Safety and Health Agency (KOSHA) were deeply analyzed)" which consist of detailed measures for safety and health in construction site. The analysis results was obtained and classified in four types: 'Type 1 : positive relation between objects' ,'Type 2 : negative relation between objects', 'Type 3 : numerical judgment', and 'Type 4 : determination of risk zones'. Rest of the remaining clauses was classified in two more types such as 'Clauses related to managerial and administrative issues' and 'Others', which deemed to be sufficiently available with current sensor technology. Statistically, the articles related with construction industry accounted for 41.3% of the total 671 articles were classified. And these articles were classified as 'Type 1', 'Type 2', 'Type 3' and 'Type 4' that accounted for 476 clauses applicable to the image technology, making up about 57.6% of the 827 construction-related clauses. Based on these analysis results, this study proposed the effective safety management system for optimal application of image technology through safety management PDCA cycle. Furthermore, safety management process was divided into the safety planning stage (Plan) and the construction execution phase (Do-Check-Action), the automatic way to suggest where to install the CCTV cameras was proposed in safety planning stage for efficient use of the image technology during execution phase. In safety planning stage, firstly the object is extracted from the 4D-BIM that contains information such as work types, materials, equipment, and tools based on the IFC and matched with the type classification proposed from this study. The camera installation location is then represented on the BIM model in a place to focus on, anticipating a possible incident at a specific location and time through Add-In. In construction execution phase, the safety manager's site inspection follows the process of : (1) spotting risk factors during site inspection, (2) visual judgement by sight, (3) order of action to deal with it, (4) risk elimination. This process was replaced with new proposed process that (1) Input image data, (2) image processing, (3) classification of risk, (4) detection of risk factors and alarms. This study contributes to be the initial research step for further studies as it broadens the target of image recognition technology, which was previously narrow and limited. Automating the construction safety management process, it could significantly mitigate the workload of safety managers and reduce accidents effectively in construction sites.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.