선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 따라서 본 연구에서는 철도사고에 내재된 인적오류 분석을 위한 지원시스템의 프레임웍을 제시하고자 한다. 인적 오류 분석을 위한 웹 기반 전산시스템이 구현된다면 사고 분석에 필요한 시간과 인력을 줄이고 체계적인 인적오류 분석이 가능할 것이다.
- 본 연구에서는 철도사고에 내재된 인적오류 분석을 위한 지원시스템의 프레임 웍을 제시하였다. 제안된 지원시스템프레임웍은 인적오류 분석 기능뿐만 아니라 유사사고 검색, 원인요소 추천 등 지능형 의사결정 지원 기능과 원인요소관리와 통계 기능 등으로 구성되어 있다.
제안 방법
- , 1994)는 Netnews와 영화에 대해 협업 필터링을 사용하였다. Netnews를 사용하는 고객들에게 새로운 책, 요리법, 음악, 영화 등의 기사에 대한 평가를 받아 이를 기반으로 목표고객과 다른 고객 간의 유사도를 계산한 후 최근접이 웃을 구성하였다. 웹 기반의 협업 필터링에 의한 추천 시스템으로는 Ringo, Video Recommender(Sarwar et al.
- 경우가 종종 있다. 따라서 직무, 작업환경, 조직, 작업자 등 각 분야별로 상관분석을 실시하였고 그 결과는 표 4에 정리되어 있다. 표 4는 사고의 종류, 분석대상 사고와 사고사례 간의 전체 유사도 및 분야별 유사도를 보여준다.
- 인적 오류 분석을 위한 웹 기반 전산시스템이 구현된다면 사고 분석에 필요한 시간과 인력을 줄이고 체계적인 인적오류 분석이 가능할 것이다. 본 연구에서 제안한 프레임웍은 인적 오류분석 기능뿐만 아니라 유사사고 검색, 원인요소 추천 등 지능형 의사결정 지원 기능과 원인요소관리와 통계 기능 등으로 구성되어 있다.
- 먼저, 분석자가 대상 사고를 분석하는 중간에시스템에게 유사사고 검색을 요청하면 시스템은 사고 사례데이터베이스를 검색하여 대상 사고와 유사한 사례를 찾는다. 본 연구에서는 유사사고 검색을 위해 인적오류 분석 모듈의 한 단계인 '기본상황분석' 결과를 토대로 피어슨 상관계수를 이용하여 유사 사례를 찾는다. 시스템은 Pearson 상관계수의 결과 값을 토대로 유사사고 리스트를 작성하여분석자에게 제공하게 되고, 분석자는 시스템이 제공하는 추가 정보를 활용하여 가장 유사한 사례를 선택, 조회할 수 있다.
- 분석대상 사고와의 유사성을 비교하기 위해 임의로 데이터를 작성하여 가상 사고 사례 A, B, C, D, E를 마련하였다. 표 2는 분석대상 사고와 사고 사례 A, B, C, D, E의 기본상황분석(작업자, 직무, 작업환경, 조직)의 결과인 총 45개의 항목에 대해 사고와의 연관성을 수치화한 결과이다.
- 여기서는 사용된 오류의 수가 적으므로 지지도와 신뢰도만을 사용하여 연관규칙을 도출하였다.
- 프레임 웍을 제시하였다. 제안된 지원시스템프레임웍은 인적오류 분석 기능뿐만 아니라 유사사고 검색, 원인요소 추천 등 지능형 의사결정 지원 기능과 원인요소관리와 통계 기능 등으로 구성되어 있다. 인적오류 분석 모듈은 인적오류 분석을 위한 절차 및 도구, 그리고 보고서 작성을 지원해 주며, 유사사고 검색 모듈은 현재 분석 중인사고와 유사한 사고를 과거사고 사례로부터 검색하여 제공함으로써 분석자가 보다 효과적으로 사고를 분석하도록 한다.
대상 데이터
- 본 연구의 결과는 국토해양부, 한국철도공사 등과 같은 철도사고를 조사 . 분석하는 기관에서도 인적오류 분석을 위한 지원시스템을 개발하고자 할 때에 활용할 수 있다.
- 분석대상 사고는 대구선 고모역 구내 관광열차 탈선사고로 2006년 2월 12일 오전 5시 13분경 강릉역을 떠나 부산역으로 가던 제4513 금강산 관광열차(강릉 22:45 — 부산 07:56)가 대구선 고모역 접근 시 운전취급 계획을 변경하였고, 관제사가 사전 통보 없이 진로를 변경하여 선로전환기가 전환되면서 기관차 및 객차 2량이 궤도에서 이탈된 사고였다.
- 원인요소 추천 모듈을 설명하기 위해 가상으로 5개의 오류 원인분석 결과를 준비하였다. 표 5는 과거에 발생한 인적 오류의 원인분석 결과로부터 도출된 것으로, 인적 오류별로 어떠한 원인요소가 관련되었었는지를 표로 정리한 것이다.
- 유사사고 검색 모듈을 설명하기 위해 국내 철도사고 사례 중 인적오류로 인한 사고 사례를 분석대상 사고로 적용해보았다. 분석대상 사고는 대구선 고모역 구내 관광열차 탈선사고로 2006년 2월 12일 오전 5시 13분경 강릉역을 떠나 부산역으로 가던 제4513 금강산 관광열차(강릉 22:45 — 부산 07:56)가 대구선 고모역 접근 시 운전취급 계획을 변경하였고, 관제사가 사전 통보 없이 진로를 변경하여 선로전환기가 전환되면서 기관차 및 객차 2량이 궤도에서 이탈된 사고였다.
데이터처리
- 셋째, 유사사고 검색 모듈과 원인요소 추천 모듈에 대해 향후 사고 사례가 일정 개수 이상 모여졌을 때 사용자의 선택사항을 반영하여 좀 더 정교한 추천 및 검색이 가능한 학습 메커니즘에 대한 연구가 필요하다. 마지막으로, 사고 분석을 CAS-HEAR에 적용한 분석 결과와 분석 전문가들과의 인터뷰를 통해 도출된 분석 결과와의 비교. 분석을 통해 CAS-HEAR의 신뢰성을 검증하는 것이 필요하다.
이론/모형
- 위와 같은 방법으로 이웃을 찾은 후에는 예측에 사용될 이웃의 수를 결정하기 위하여 Thresholding 기법과 Best- n-neighborhood 기법을 사용한다. Thresholding 기법은 예측된 값 중 일정 값 이상의 대상만을 사용하도록 제안하는 것이고, Best-n-neighborhood 기법은 n 명의 대상만을 사용해서 예측하도록 제안하는 방법이다(이기현 등, 2002; Resnick et al.
- 수행한 결과를 보여준다. 직무, 작업환경, 그리고 조직 관련 기본상황분석도 이러한 형태의 상황분석표를 이용하여 분석한다. 분석자는 상황분석표에 있는 각 항목들의 내용을 분석하고 사고와의 연관성을 5단계로 평가하도록 되어 있다(매우 낮음: 1, 낮음: 2, 보통: 3, 높음: 4, 매우 높음: 5).
성능/효과
- 824)를 가지고 있으며 이는 통계적으로도 매우 유의하다. 기본상황분석 결과를 비교한 결과 분석대상 사고와 사례 E는 강한 양의 상관관계를 갖고 있다는 것을 알 수 있다.
- 원인요소 관리 모듈은 크게 4가지 기능을 가지고 있는데, 첫 번째로 원인요소 추가 기능은 새로운 원인요소를 데이터베이스에 추가함으로써 원인요소가 추가된 이후부터는 분석자가 사고 분석 시에 추가된 원인요소를 사용할 수 있도록 한다. 두 번째로, 원인요소 삭제 기능은 기존에 저장되어 있던 원인요소 중 일부 항목을 삭제하는 기능으로 더 이상 사용하지 않는 원인요소를 데이터베이스부터 삭제하는 기능이다. 세 번째로 원인요소 수정 기능은 기존의 원인요소에 대한 이름, 설명 등의 정보를 새로운 내용으로 변경하는 기능으로 시간의 흐름을 반영하여 원인요소의 정보를 업데이트 할 수 있도록 한다.
- 따라서 유사사고 모듈에서 사용하는 기본상황분석의 항목별 가중치를 다르게 부여하는 연구가 필요하다. 둘째, 원인요소추천 모듈의 경우 원인요소 항목이 149개로 상당히 많아, 인적오류 분석 사례가 적은 경우 유효한 수준 이상의 연관성 값을 도출하기 어려울 것으로 예상된다. 이러한 문제는 인적 오류 분석 사례가 축적되어 가면서 어느 정도 해결될 것으로 기대되나 이에 대한 보다 정교한 방법의 개발이 필요하다.
- 256으로 낮은 편이지만 사고가 발생한 직무 관련 상황만을 고려한 경우 유사한 측면이 있음을 알 수 있다. 또한 작업환경 분야의 분석 결과에서는 사례 日가 분석대상 사고와 유의한 양의 상관관계가 있음을 알 수 있다. 이와 같이 기본상황분석 전체 및 세부분야별 유사도를 함께 고려하는 것은 과거 사례로부터 유사한 사례를 검색하는데 유용한 정보를 제공한다.
- 분석 DB에 저장된다. 또한, 분석 DB 에 저장된 분석 결과는 분석 결과 보고 단계에서 자동으로 보고서를 생성할 수 있도록 지원하고, 분석자가 요청할 경우 조회가 가능하다.
- 사례 검증 결과를 보면, 분석대상 사고와 사례 A, C는 음의 상관관계(—.610, —.605)가 있다. 분석대상 사고와 사례 B, D는 상관관계가 낮은 편이지만(.
- 두 번째로, 원인요소 삭제 기능은 기존에 저장되어 있던 원인요소 중 일부 항목을 삭제하는 기능으로 더 이상 사용하지 않는 원인요소를 데이터베이스부터 삭제하는 기능이다. 세 번째로 원인요소 수정 기능은 기존의 원인요소에 대한 이름, 설명 등의 정보를 새로운 내용으로 변경하는 기능으로 시간의 흐름을 반영하여 원인요소의 정보를 업데이트 할 수 있도록 한다. 마지막 기능은 원인요소 History 관리 기능으로 각각의 원인요소에 대해 추가, 삭제, 변경된 사항들에 대한 과거 이력을 관리함으로써, 원인요소 항목의 변화 추이를 통한 예방 교육을 강화할 수 있다.
- 유의한 상관성이 있는 것으로 나타났다. 즉, 분석대상사고와 사례 D는 사고의 종류가 각각 탈선 사고와 건널목 사고로 상이하고 전체 유사도도 0.256으로 낮은 편이지만 사고가 발생한 직무 관련 상황만을 고려한 경우 유사한 측면이 있음을 알 수 있다. 또한 작업환경 분야의 분석 결과에서는 사례 日가 분석대상 사고와 유의한 양의 상관관계가 있음을 알 수 있다.
- 표 3과 같이 기본상황분석 전체 결과를 가지고 분석했을 때는 사례 E만 유의한 값을 가졌으나, 표 4의 분야별 유사도에서 직무 분야만을 가지고 분석을 했을 때에는 사례 D 도 유의한 상관성이 있는 것으로 나타났다. 즉, 분석대상사고와 사례 D는 사고의 종류가 각각 탈선 사고와 건널목 사고로 상이하고 전체 유사도도 0.
후속연구
- , 1999), 사용자 기반 협업 필터링은 사용자 간의 연관관계를 파악한 후 이를 기반으로 추천하는 알고리즘이다. 따라서 사용자집단의 선호도가 비슷할수록 상대적으로 높은 예측력을 보이고 사용자 집단의 선호도가 상이할수록 예측의 정확성이 떨어진다는 한계점을 가지고 있다. 아이템 기반 협업 필터링은 아이템 간의 유사성, 즉 고객이 선호도 등급을 입력한 기존 상품들과 추천하고자 하는 상품들 간의 유사성을 측정하여 어떤 특정 고객이 어떤 상품을 선호하는지 예측하여 추천하는 방식이다(홍태호 등, 2005).
- 따라서 인적오류 분석체계를 전산화하여 효율적인 인적 오류 분석을 지원하고, 적절한 정보를 담은 분석보고서의 자동 도출 등을 통해 분석자의 분석 노력을 절감시키고, 효과적인 인적행위 연구 및 대응방안 수립이 가능하도록 지원하는 전산시스템의 개발이 필요하다.
- 이러한 문제는 인적 오류 분석 사례가 축적되어 가면서 어느 정도 해결될 것으로 기대되나 이에 대한 보다 정교한 방법의 개발이 필요하다. 셋째, 유사사고 검색 모듈과 원인요소 추천 모듈에 대해 향후 사고 사례가 일정 개수 이상 모여졌을 때 사용자의 선택사항을 반영하여 좀 더 정교한 추천 및 검색이 가능한 학습 메커니즘에 대한 연구가 필요하다. 마지막으로, 사고 분석을 CAS-HEAR에 적용한 분석 결과와 분석 전문가들과의 인터뷰를 통해 도출된 분석 결과와의 비교.
- 둘째, 원인요소추천 모듈의 경우 원인요소 항목이 149개로 상당히 많아, 인적오류 분석 사례가 적은 경우 유효한 수준 이상의 연관성 값을 도출하기 어려울 것으로 예상된다. 이러한 문제는 인적 오류 분석 사례가 축적되어 가면서 어느 정도 해결될 것으로 기대되나 이에 대한 보다 정교한 방법의 개발이 필요하다. 셋째, 유사사고 검색 모듈과 원인요소 추천 모듈에 대해 향후 사고 사례가 일정 개수 이상 모여졌을 때 사용자의 선택사항을 반영하여 좀 더 정교한 추천 및 검색이 가능한 학습 메커니즘에 대한 연구가 필요하다.
- 인적 오류 분석을 위한 웹 기반 전산시스템이 구현된다면 사고 분석에 필요한 시간과 인력을 줄이고 체계적인 인적오류 분석이 가능할 것이다. 본 연구에서 제안한 프레임웍은 인적 오류분석 기능뿐만 아니라 유사사고 검색, 원인요소 추천 등 지능형 의사결정 지원 기능과 원인요소관리와 통계 기능 등으로 구성되어 있다.
- 첫째, 연구의 한계점으로 유사사고 검색 모듈의 경우, 기본상황분석 결과를 값으로 변환하여 사용하는데 각각의 항목들 간의 가중치를 동일하게 계산한다는 한계점이 있다. 따라서 유사사고 모듈에서 사용하는 기본상황분석의 항목별 가중치를 다르게 부여하는 연구가 필요하다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.