종합 안전지수 평가체계 수립을 위한 스마트디바이스 기반 HSE 모니터링 시스템에 관한 연구 A Study on the HSE Monitoring System based on Smart Device for Establishing Evaluation System of the Combined Safety Index원문보기
본 연구에서는 조선소에서 작업자의 안전 확보를 위하여 스마트디바이스를 기반으로 동작, 체온, 외부온도, 맥박, 호흡, 청각적 기능을 탑재하였고, 이로부터 획득되는 정보들을 취합하여 서버 컴퓨터로 보내기 위한 클라이언트/서버 프로그램을 개발하였다. 또한, 작업자의 안전 상태를 진단할 수 있는 종합안전지수의 개념을 제시하였고 실제 선박에 탑승하여 센서모듈 및 스마트디바이스 테스트를 수행을 통해 획득된 데이터들에 대한 상관관계분석 및 다중 회귀분석을 통해 결과데이터와 센서 값 사이에 유의미한 상관관계를 가지고 있음을 확인하였다.
본 연구에서는 조선소에서 작업자의 안전 확보를 위하여 스마트디바이스를 기반으로 동작, 체온, 외부온도, 맥박, 호흡, 청각적 기능을 탑재하였고, 이로부터 획득되는 정보들을 취합하여 서버 컴퓨터로 보내기 위한 클라이언트/서버 프로그램을 개발하였다. 또한, 작업자의 안전 상태를 진단할 수 있는 종합안전지수의 개념을 제시하였고 실제 선박에 탑승하여 센서모듈 및 스마트디바이스 테스트를 수행을 통해 획득된 데이터들에 대한 상관관계분석 및 다중 회귀분석을 통해 결과데이터와 센서 값 사이에 유의미한 상관관계를 가지고 있음을 확인하였다.
In this paper, smartphone based measuring device was developed by integration of several sonsors such as moving, temperature, pulsation, respiration and hearing and sever/client programs was developed for the data acquisition and communication between smartphone and server computer. Then, the concep...
In this paper, smartphone based measuring device was developed by integration of several sonsors such as moving, temperature, pulsation, respiration and hearing and sever/client programs was developed for the data acquisition and communication between smartphone and server computer. Then, the concept of CSI(combined safety index) was proposed for the comprehensive diagnositcs of workers status. For the validation of the proposed concept, the real data was acquired by boarding at training ship of korea maritime and ocean university. The acquired data was analyzed with the stochastical method of regressionn, then the meaningful result was driven that could explain the relation between the risky situation and the measured chronical data.
In this paper, smartphone based measuring device was developed by integration of several sonsors such as moving, temperature, pulsation, respiration and hearing and sever/client programs was developed for the data acquisition and communication between smartphone and server computer. Then, the concept of CSI(combined safety index) was proposed for the comprehensive diagnositcs of workers status. For the validation of the proposed concept, the real data was acquired by boarding at training ship of korea maritime and ocean university. The acquired data was analyzed with the stochastical method of regressionn, then the meaningful result was driven that could explain the relation between the risky situation and the measured chronical data.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구는 MES의 일부분으로, 현대인의 필수품으로 자리매김하고 있는 스마트디바이스와 생체공학적 기능을 접목시켜 작업자의 주변 환경데이터를 실시간으로 수집하고 분석하여 안전한 작업환경을 구축하고자 한다. 또한 이를 수치화하여 안전에 대해 경각심을 일깨우고, 작업자 스스로가 안전에 능동적으로 대처할 수 있도록 하고자 한다.
조선업에서도 ERP와 MES의 구축을 통해 실시간으로 공정을 모니터링하고, Raw 레벨 하위 정보를 수집하고 분석하는 방법에 대한 연구가 지속적으로 진행되고 있다(Heo, 2010). 본 연구는 MES의 일부분으로, 현대인의 필수품으로 자리매김하고 있는 스마트디바이스와 생체공학적 기능을 접목시켜 작업자의 주변 환경데이터를 실시간으로 수집하고 분석하여 안전한 작업환경을 구축하고자 한다. 또한 이를 수치화하여 안전에 대해 경각심을 일깨우고, 작업자 스스로가 안전에 능동적으로 대처할 수 있도록 하고자 한다.
본 연구는 스마트디바이스와 다양한 센서들을 사용하여 조선 및 해양플랜트 생산 공정에서 작업자의 상태를 실시간으로 모니터링 할 수 있는 시스템을 구현하고자 하였다. 생산현장의 작업자에서 발생할 수 있는 안전사고를 능동적으로 대처하고 사전에 예방하기 위해 6가지 센서를 탑재한 센서모듈을 개발하였고 어플리케이션을 통해 환경데이터를 서버로 전송하도록 하였으며 서버와 모니터링 프로그램을 연동하여 실시간으로 작업자 환경정보를 모니터링 할 수 있도록 시스템을 구현하였다.
동일한 방법으로 환경데이터를 가지고 있는 모든 작업자 케이스에 대해 작업을 수행하고, 각각의 작업자마다 분석하고자하는 재해결과 데이터를 매칭해준 뒤 SPSS 통계 툴을 사용하여 상관분석 및 추세분석을 하게 된다. 본 연구에서 활용한 재해결과 데이터는 난수를 활용하여 임의로 생성한 것으로, 환경데이터와 재해결과 데이터의 상관관계 도출을 위한 방법론을 설명하고자 함이다.
스마트디바이스와 센서모듈을 통해 수집된 데이터들을 바탕으로 작업자들의 안전 상태를 정량적으로 파악하기 위하여 본 연구에서는 종합 안전지수(Combined Safety Index)라는 새로운 개념의 용어를 정의하고자 한다.
또한 센서를 통해 입력되는 데이터를 인지공학 관점에서 처리하고, 이 정보를 기반으로 종합 안전지수 평가 체계에 대한 연구를 수행하였다. 작업자의 안전 및 신체 상태는 체온, 맥박 등의 어느 한 조건만으로 결정될 수 없기 때문에 동작 및 모든 감각 정보를 종합적으로 판단하여 작업자의 상태를 가장 적합하게 진단할 수 있는 평가체계를 연구하였다.
본 연구를 통해 개발한 센서모듈과 어플리케이션을 한국해양대학교 실습선인 한나라호에 탑승하여 테스트를 수행하였다. 테스트 목적은 작업현장에서 센서모듈의 활용가능성을 높이고 실제 데이터의 효용성을 검증하기 위해 실시하였다. 테스트를 수행하기 전 센서모듈과 어플리케이션을 신체에 부착하기 위해 암 밴드와 안전모를 Fig.
가설 설정
11. Concept of moving average.
제안 방법
C#과 MySQL의 연동을 위해 mysql.data를 참조하였고 mysqlConnection 객체를 선언한 뒤 MysqlCommand를 통해 SQL문을 사용할 수 있도록 하고 업데이트 하는 방식으로 구현하였다. 그래프의 경우 오픈 소스인 Zedgraph 라이브러리를 참조해서 사용하였다.
Fig. 7을 바탕으로 사람의 인지 감각 별로 위험 요소들을 측정할 수 있는 센서를 선정하였는데, 먼저 청각(Auditory)의 경우 소음센서를 이용하여 작업자 주변의 소음을 측정하였다. 후각(Olfactory)의 경우 유해가스 센서와 습도센서를, 촉각(Tactile)의 경우 맥박센서와 온도센서를, 동작의 경우 자이로스코프 센서를 이용하여 작업자의 기울임 상태나 움직임을 판단하고 관리하도록 하였다(Table 2).
DB관리 프로그램으로는 현재 Java에서 가장 많이 사용하고 있는 MySQL를 사용하였다. Java에서 DB에 접속하기 위해 Java API(JDBC)를 사용하여 서버가 직접 DB에 있는 자료를 호출하거나 업데이트할 수 있도록 개발하였다. MySQL의 경우 트랜잭션(Transactions)이나 트리거(Triggers) 등의 기능을 지원하고 있지는 않는 단점을 가지고 있지만 대신 다른 DB보다 속도가 빠르고 표준SQL문을 충실히 지원한다는 장점을 가지고 있다.
회귀분석은 SPSS의 선형회귀분석 기능을 사용하여 구할 수 있다. Pitching(종동요), Rolling(횡동요), Noise(소음), Outside Temperature(대기온도), Body Temperature(체온), Oxygen(산소), Carbon Monoxide(일산화탄소), Carbon Dioxide(이산화탄소), Pulse(맥박), Humidity(습도)는 독립변수로 호흡기 질환은 종속변수로 설정하여 회귀분석 하였다.
안전점수란 작업 환경에 대한 점수로 임의의 기준치를 충족하지 못하였을 경우 100점에서 감점하는 방식으로 점수가 매겨진다. 감점방식은 앞서 언급했던 이동평균 개념을 사용하여 이동평균의 값이 기준치를 벗어난 시간을 계산하여 감점하는데 이동평균 표본 범위는 10초로 설정하였다.
우선 작업자 한 사람 당 하루 동안의 데이터를 합산하여 안전점수를 산출한다. 관측하고자 하는 기간을 설정하고 이 기간 동안의 안전점수들을 수집하여 평균을 계산한다. 동일한 방법으로 환경데이터를 가지고 있는 모든 작업자 케이스에 대해 작업을 수행하고, 각각의 작업자마다 분석하고자하는 재해결과 데이터를 매칭해준 뒤 SPSS 통계 툴을 사용하여 상관분석 및 추세분석을 하게 된다.
조선소에서 선박 또는 해양플랜트를 건조하는 공정은 가공, 조립, 탑재, 도장, 의장 등 다양한 종류의 공정들이 혼재되어 있기 때문에 다양한 유형의 재해가 발생한다. 따라서 조선소에서 빈번하게 발생하고 있는 재해 유형 및 요인을 먼저 분석하고, 조선소의 여러 환경들을 감지할 센서를 선정하였다.
또한 센서를 통해 입력되는 데이터를 인지공학 관점에서 처리하고, 이 정보를 기반으로 종합 안전지수 평가 체계에 대한 연구를 수행하였다. 작업자의 안전 및 신체 상태는 체온, 맥박 등의 어느 한 조건만으로 결정될 수 없기 때문에 동작 및 모든 감각 정보를 종합적으로 판단하여 작업자의 상태를 가장 적합하게 진단할 수 있는 평가체계를 연구하였다.
센서모듈로 측정된 환경데이터를 스마트디바이스의 화면에 출력하는 기능의 경우, 스마트디바이스에서 센서모듈의 블루투스 신호를 검색하고, 연결하여 데이터를 수신 및 표시할 수 있도록 하였다. 또한 작업자의 안전이 위험할 때 발생하는 경고 기능의 경우 이동평균의 개념을 사용하였다(Fig. 11). 이동평균은 시계열의 각 항에 대하여 그것을 중심으로 하는 전후 일정한 개수의 평균값을 연결하여 경향선을 구하는 방법으로, 전송되는 데이터들의 추세를 통해 현재 작업자의 지속적인 상태를 알기 위함이다.
작업자 주변의 소음측정은 Media Recorder 기능을 사용해 주변 소음을 녹음한 뒤 페어링하여 데시벨 값으로 나타낸다. 마지막으로 온도측정은 스마트디바이스에 내장된 온도센서를 이용하여 작업자 주변 온도를 측정하였다. 반면 체온 측정은 센서모듈에 탑재한 온도센서를 신체와 밀착시켜 작업자의 체온을 측정하였다.
모니터링 프로그램은 작업자 상태를 실시간으로 감지해야하기 때문에 멀티스레드 방식으로 작동되도록 구현하였다. 이때 스레드 작동 간격을 좁히면 정밀한 관측이 가능하지만 시스템의 부화가 커지는 단점이 있다.
마지막으로 온도측정은 스마트디바이스에 내장된 온도센서를 이용하여 작업자 주변 온도를 측정하였다. 반면 체온 측정은 센서모듈에 탑재한 온도센서를 신체와 밀착시켜 작업자의 체온을 측정하였다.
이때 스레드 작동 간격을 좁히면 정밀한 관측이 가능하지만 시스템의 부화가 커지는 단점이 있다. 반면에 스레드 간격을 넓히게 되면 정밀한 분석을 할 수 없기 때문에 본 연구에서는 스레드 작동 시간 간격을 1초로 설정하고 테스트를 수행하였다(Fig. 13).
본 연구에서 제작된 센서모듈과 블루투스 연결을 통해 사용된 스마트디바이스는 Galaxy S4이고, Eclipse를 사용하여 서버와 클라이언트 어플리케이션을 개발하였다. 모니터링 프로그램은 Visual studio C#을 사용하였으며, MySQL을 사용하여 서버와 데이터베이스, 데이터베이스와 모니터링 프로그램을 연동하였다.
센서모듈과 스마트디바이스에 내장된 센서를 통해 11가지의 환경데이터가 수집되면 각각의 데이터들은 소켓통신을 통해 서버로 전송된다. 본 연구에서는 환경데이터 전송시간을 1초 간격으로 설정하여 서버로 전송하였다. Fig.
해당 연구에서는 선체 블록 내, 외부에서 통신이 가능한 위치추적 기술은 RFID를 이용한 근거리 위치추적기술인 Cell-ID와 RSSI(Recevied Signal Strength Indicator)을 제시하였다. 블라스팅 셀 내의 환경에 적용한 결과, 선체 블록 내에서의 위치추적은 오차범위 5~10 cm 이내로 확인이 되었고 이를 기반으로 작업자 안전 시스템을 구성하였다. 이러한 연구를 바탕으로 무선 네트워크 기술과 센서기술의 상호작용을 통해 새로운 생산 부가가치를 창출할 수 있는 영역이 발굴되고 현재까지 많은 연구가 진행되고 있다.
본 연구는 스마트디바이스와 다양한 센서들을 사용하여 조선 및 해양플랜트 생산 공정에서 작업자의 상태를 실시간으로 모니터링 할 수 있는 시스템을 구현하고자 하였다. 생산현장의 작업자에서 발생할 수 있는 안전사고를 능동적으로 대처하고 사전에 예방하기 위해 6가지 센서를 탑재한 센서모듈을 개발하였고 어플리케이션을 통해 환경데이터를 서버로 전송하도록 하였으며 서버와 모니터링 프로그램을 연동하여 실시간으로 작업자 환경정보를 모니터링 할 수 있도록 시스템을 구현하였다.
센서모듈 제작은 먼저 센서 종류를 선정하고 그 규격에 맞춰 회로도를 작성한 뒤, PCB를 제작하여 납땜하는 방식으로 수행하였다. 설계 툴은 Dip Trace를 사용하였는데, Dip Trace의 경우 대표적인 기판 설계 프리웨어로써 사용법이 비교적 간단하고 레이아웃 에디터 기능이 뛰어난 장점이 있다.
앞서 선정한 센서를 기준으로 상용 스마트디바이스에 탑재되어 있지 않는 가스 센서와 맥박센서, 온도센서를 아두이노를 이용하여 하나의 모듈 형태로 개발하였다. 가스 센서의 경우 산소, 일산화탄소, 이산화탄소센서를 탑재하였는데, 이는 위의 3가지 가스가 작업자의 질식과 관련된 중요한 요소이기 때문이다(Yoo et al.
앞서 수행한 상관분석을 통해 재해결과와 환경데이터 사이의 관계를 분석함으로써 재해와 관련된 환경요소들을 찾는 연구를 수행하였다. 회귀분석의 경우 한 변수를 종속 변수로 그리고 다른 변수를 독립변수로 설정하여 이들 간의 관계를 분석하게 되는데(Lee and Im, 2015), 환경데이터를 독립변수로 재해결과데이터를 종속변수로 두고 이들의 관계를 일반화할 수 있다면 임의의 환경데이터에 대한 재해결과를 예측하는데 회귀분석을 사용할 수 있다.
작업관리자가 환경데이터의 저장과 관리를 쉽게 할 수 있도록 테이블 형태로 데이터베이스(이하 DB)를 구축하였다. 외부와 데이터베이스간의 중개역할을 하는 서버는 Java언어를 사용하여 제작하였고, DB가 구축된 PC에서 실행되도록 하였다. DB관리 프로그램으로는 현재 Java에서 가장 많이 사용하고 있는 MySQL를 사용하였다.
Jung(2013)은 6LoWPAN을 이용해 글로벌 네트워크 기반의 모바일 헬스케어 시스템을 구현하였다. 인체의 심전도와 용적맥파 측정을 위해 저전력 웨어러블 센서를 제작하고, M2M 노드를 통해 모바일 기기와 서버로 전송하여 자율 신경계의 활동에 대한 시간 영역 및 주파수 영역에서의 심박변이도 분석을 실시하였다. 해당연구에서는 이와 같이 최신 IT기술을 헬스케어에 접목한 연구로 착용자의 상태정보를 실시간으로 모니터링 할 수 있는 가능성을 보여주었다.
작업관리자가 환경데이터의 저장과 관리를 쉽게 할 수 있도록 테이블 형태로 데이터베이스(이하 DB)를 구축하였다. 외부와 데이터베이스간의 중개역할을 하는 서버는 Java언어를 사용하여 제작하였고, DB가 구축된 PC에서 실행되도록 하였다.
테이블은 전송되는 센서 종류별로 Column(열)을 만들고 추가적으로 사용자의 정보를 나타내는 Column(열)과 데이터 수신시간 Column(열)을 만들어 총 13개의 Column(열)으로 구성하였다. 또한 수신시간을 Primary Key(주요키)로 지정하여 중복된 데이터라도 저장이 가능하도록 하여 데이터의 누락을 방지하였다.
4). 해당 연구에서는 선체 블록 내, 외부에서 통신이 가능한 위치추적 기술은 RFID를 이용한 근거리 위치추적기술인 Cell-ID와 RSSI(Recevied Signal Strength Indicator)을 제시하였다. 블라스팅 셀 내의 환경에 적용한 결과, 선체 블록 내에서의 위치추적은 오차범위 5~10 cm 이내로 확인이 되었고 이를 기반으로 작업자 안전 시스템을 구성하였다.
(2013)은 스마트디바이스를 활용하여 조선생산품질관리 및 공정관리 지원시스템을 개발하는 연구를 수행하였다. 해당연구에서는 기존의 수기 및 구두에 의해 수행되던 품질 및 공정관리 업무를 스마트디바이스를 활용하여 현장작업자 및 관리자가 실시간으로 작업에 관련된 정보를 확인 및 입력, 수정을 할 수 있도록 하여 시간과 장소의 제약 없이 작업지시를 내릴 수 있고, 수행결과를 조회할 수 있도록 하는 연구를 수행하였다(Fig. 5). 이러한 연구는 조선 산업에서 스마트디바이스의 활용가능성을 보여주었고, 일반제조업에서도 진행상황을 실시간 모니터링 하는 것에 대한 중요성을 보여준 사례이다.
(2013)은 스마트디바이스를 HSE(Health, Safety and Environment) 관리 지원시스템에 적용하는 연구를 수행하였다. 해당연구에서는 현재 HSE 관리시스템의 기능을 분석하고 그것을 바탕으로 안전관리 시스템의 기능을 도출한 뒤 모바일 어플리케이션을 개발하였다(Fig. 6). 이는 현재 조선소의 HSE 관련 업무 수행 시 시간과 공간의 제약 없이 데이터베이스에 접속하여 입력 및 수정, 삭제를 가능하게 하여 안전관리 업무의 효율성과 생산성 향상의 가능성을 보여준 것이다.
대상 데이터
외부와 데이터베이스간의 중개역할을 하는 서버는 Java언어를 사용하여 제작하였고, DB가 구축된 PC에서 실행되도록 하였다. DB관리 프로그램으로는 현재 Java에서 가장 많이 사용하고 있는 MySQL를 사용하였다. Java에서 DB에 접속하기 위해 Java API(JDBC)를 사용하여 서버가 직접 DB에 있는 자료를 호출하거나 업데이트할 수 있도록 개발하였다.
data를 참조하였고 mysqlConnection 객체를 선언한 뒤 MysqlCommand를 통해 SQL문을 사용할 수 있도록 하고 업데이트 하는 방식으로 구현하였다. 그래프의 경우 오픈 소스인 Zedgraph 라이브러리를 참조해서 사용하였다. 그래프에는 과거부터 현재까지의 전반적인 작업자상태 변화 추이를 알 수 있도록 하여 단순히 숫자로 나타내는 것 보다 작업관리자가 인지하기 쉬운 장점이 있다.
무엇보다도 웹서버 구축에 사용되는 PHP와 함께 사용하기 가장 좋은 데이터베이스이다(Jung, 2001). 그렇기 때문에 차후 진행될 모니터링 시스템의 웹 서비스 구현을 대비하여 MySQL을 선정하였다.
온도센서의 경우 스마트 디바이스에 기본적으로 탑재되어 있지만, 작업자의 체온을 측정할 수 있는 센서가 필요하기 때문에 센서모듈에 체온측정센서를 탑재하였다. 맥박센서는 귓불이나 피부 층이 얇은 곳에 부착시킬 경우 감도가 증가하는 특징을 가지고 있는 광원투과식 맥박센서를 사용하였다. 센서모듈에 탑재된 센서들의 사양 및 모델은 Table 3과 같다.
본 연구를 통해 개발한 센서모듈과 어플리케이션을 한국해양대학교 실습선인 한나라호에 탑승하여 테스트를 수행하였다. 테스트 목적은 작업현장에서 센서모듈의 활용가능성을 높이고 실제 데이터의 효용성을 검증하기 위해 실시하였다.
스마트디바이스에 내장된 센서 중 사용되는 센서는 총 3가지로 자이로스코프 센서, 소음센서, 온도센서이다. 자이로스코프 센서의 경우 6자유도 운동 중 작업자의 움직임을 판단할 수 있는 요소, 즉 Heading(작업자가 바라보는 방향), Rolling(작업자의 좌우 기울임 상태), Pitching(작업자의 전후 기울임 상태)의 3축 운동을 측정한다.
데이터처리
SPSS 통계 프로그램을 이용하여 상관관계분석 및 사고 예측 모델을 구성하기 위한 회귀분석을 수행하였고 이를 통해 제조 환경 개선에 통찰력을 주기위한 통계 분석 방법론을 제시하였다.
관측하고자 하는 기간을 설정하고 이 기간 동안의 안전점수들을 수집하여 평균을 계산한다. 동일한 방법으로 환경데이터를 가지고 있는 모든 작업자 케이스에 대해 작업을 수행하고, 각각의 작업자마다 분석하고자하는 재해결과 데이터를 매칭해준 뒤 SPSS 통계 툴을 사용하여 상관분석 및 추세분석을 하게 된다. 본 연구에서 활용한 재해결과 데이터는 난수를 활용하여 임의로 생성한 것으로, 환경데이터와 재해결과 데이터의 상관관계 도출을 위한 방법론을 설명하고자 함이다.
상관분석 기법은 Pearson 상관관계, Spearman 서열 상관관계, Phi-coefficient 등 여러 가지가 있는데, 본 연구에서는 가장 보편적으로 사용되는 Pearson 상관분석을 활용하였다(Lee and Im, 2015). 상관분석은 SPSS의 이변량 상관계수를 이용하면 되는데 분석결과는 Table 5와 같다.
성능/효과
SPSS의 상관분석을 통해 상관계수(Pearson Coefficient)를 얻을 수 있는데 이는 변수들 사이의 관계를 나타내는 계수로 1에 가까울수록 정비례 관계 가지고 –1에 가까울수록 반비례 관계를 가진다는 것을 알 수 있다.
안드로이드 기반 어플리케이션의 주요기능은 크게 3가지로 구분할 수 있다. 먼저 센서모듈에서 측정한 환경데이터를 스마트디바이스로 가져오는 기능, 스마트디바이스에서 측정한 환경데이터와 센서모듈로부터 전송받은 환경데이터를 서버로 전송하는 기능, 마지막으로 환경데이터 값이 작업자의 안전에 위험할 정도로 초과하였을 경우 경고하는 기능이다. 센서모듈로 측정된 환경데이터를 스마트디바이스의 화면에 출력하는 기능의 경우, 스마트디바이스에서 센서모듈의 블루투스 신호를 검색하고, 연결하여 데이터를 수신 및 표시할 수 있도록 하였다.
테스트 후 생성된 데이터들의 분석을 수행하였는데(Fig. 16), 우선 동작정보의 경우 선박의 낮은 천정과 좁은 통로로 인해 Rolling과 Pitching값이 급격하게 변화하는 현상이 많았고 온도 또한 기관실에서는 급격하게 상승하고 갑판에서는 급격히 내려가는 현상을 보였다. 이와 같이 작업현장에서 생성되어 전송되는 환경데이터를 통해 작업관리자가 작업자의 상태를 파악할 수 있을 것이다.
후속연구
다중 회귀식이 실제로 작업자의 정확한 추세를 반영하기 위해서는 본 연구에서 사용한 102개의 데이터보다 훨씬 많은 수의 데이터가 필요하다고 본다. 데이터의 축적이 많아질수록 더 변수들 사이의 관계를 더욱 명확히 정의할 수 있을 것이고 점차 조선소 전체의 추세가 아닌 작업장별 또는 공정별 특성을 반영한 특성화된 회귀식을 사용할 수 있을 것으로 기대한다.
다중 회귀식이 실제로 작업자의 정확한 추세를 반영하기 위해서는 본 연구에서 사용한 102개의 데이터보다 훨씬 많은 수의 데이터가 필요하다고 본다. 데이터의 축적이 많아질수록 더 변수들 사이의 관계를 더욱 명확히 정의할 수 있을 것이고 점차 조선소 전체의 추세가 아닌 작업장별 또는 공정별 특성을 반영한 특성화된 회귀식을 사용할 수 있을 것으로 기대한다.
16), 우선 동작정보의 경우 선박의 낮은 천정과 좁은 통로로 인해 Rolling과 Pitching값이 급격하게 변화하는 현상이 많았고 온도 또한 기관실에서는 급격하게 상승하고 갑판에서는 급격히 내려가는 현상을 보였다. 이와 같이 작업현장에서 생성되어 전송되는 환경데이터를 통해 작업관리자가 작업자의 상태를 파악할 수 있을 것이다.
후각(Olfactory)의 경우 유해가스 센서와 습도센서를, 촉각(Tactile)의 경우 맥박센서와 온도센서를, 동작의 경우 자이로스코프 센서를 이용하여 작업자의 기울임 상태나 움직임을 판단하고 관리하도록 하였다(Table 2). 하지만 시각 센서의 경우 작업자의 작업 상태를 판단하는데 중요한 요소 중 하나이지만, 본 연구에서는 모바일 계열의 스마트디바이스로 선정하였기 때문에 웨어러블 계열의 스마트디바이스에 탑재되어있거나 탑재될 수 있는 동공인식 센서는 차후 연구에서 진행하도록 하였다.
인체의 심전도와 용적맥파 측정을 위해 저전력 웨어러블 센서를 제작하고, M2M 노드를 통해 모바일 기기와 서버로 전송하여 자율 신경계의 활동에 대한 시간 영역 및 주파수 영역에서의 심박변이도 분석을 실시하였다. 해당연구에서는 이와 같이 최신 IT기술을 헬스케어에 접목한 연구로 착용자의 상태정보를 실시간으로 모니터링 할 수 있는 가능성을 보여주었다.
향후 개발된 디바이스 및 인프라를 기반으로 감지 데이터에 대한 Calibration 연구를 수행하고, 실제 조선소 또는 해양플랜트 구조물 환경에서 다양한 테스트를 통해 신뢰성 있는 종합 안전지수를 개발할 예정이다.
질의응답
핵심어
질문
논문에서 추출한 답변
스마트디바이스에 내장된 센서 중 사용되는 센서는 무엇인가?
스마트디바이스에 내장된 센서 중 사용되는 센서는 총 3가지로 자이로스코프 센서, 소음센서, 온도센서이다. 자이로스코프 센서의 경우 6자유도 운동 중 작업자의 움직임을 판단할 수 있는 요소, 즉 Heading(작업자가 바라보는 방향), Rolling(작업자의 좌우 기울임 상태), Pitching(작업자의 전후 기울임 상태)의 3축 운동을 측정한다.
안드로이드 기반 어플리케이션의 주요기능은 어떻게 구분할 수 있는가?
안드로이드 기반 어플리케이션의 주요기능은 크게 3가지로 구분할 수 있다. 먼저 센서모듈에서 측정한 환경데이터를 스마트디바이스로 가져오는 기능, 스마트디바이스에서 측정한 환경데이터와 센서모듈로부터 전송받은 환경데이터를 서버로 전송하는 기능, 마지막으로 환경데이터 값이 작업자의 안전에 위험할 정도로 초과하였을 경우 경고하는 기능이다. 센서모듈로 측정된 환경데이터를 스마트디바이스의 화면에 출력하는 기능의 경우, 스마트디바이스에서 센서모듈의 블루투스 신호를 검색하고, 연결하여 데이터를 수신 및 표시할 수 있도록 하였다.
이동평균개념이란 무엇인가?
11). 이동평균은 시계열의 각 항에 대하여 그것을 중심으로 하는 전후 일정한 개수의 평균값을 연결하여 경향선을 구하는 방법으로, 전송되는 데이터들의 추세를 통해 현재 작업자의 지속적인 상태를 알기 위함이다. 가령 체온의 기준치가 36°C일 경우 5분간 측정한 작업자의 체온 평균값 이 36°C보다 낮을 경우 작업자에게 경고음과 경고메시지를 발생시켜 주의를 환기하도록 하는 것이다.
참고문헌 (14)
Global smartphone subscriptions to reach 5.6 billion by 2019(2013), Ericsson Mobility Report, http://www.ericsson.com.
Heo, J. W.(2010), The Implementation of The Optimum Production Process Management System By The Manufacturing Execution System Solution, Ulsan University Library, Ulsan, Korea, pp. 1-43.
Industrial accident rate and death 10-thousand person rate(2015), http://www.kosha.or.kr/board.do?menuId554.
Jeon, J. A., N. S. Kim, J. G. Go, T. J. Park, H. Y. Gang and C. S. Pyo(2014), IoT device product and technology trend, Journal of The Korean Institute of Communication and Information Sciences, Vol. 31, No. 4, pp. 44-52.
Jung, J. W.(2001), Building on Internet Survey System Using Apache PHP Mysql and Application to Webmining, Hanyang University, Seoul, Korea, pp. 1-28.
Jung, S. J.(2013), Mobile Healthcare System using Wearable Physiological Sensors in Global M2M Networks, Pukyong National University, Busan, Korea, pp. 1-186.
Lee, H. S. and J. H. Im(2015), SPSS 22 Manual, Seoul, Korea, JypHuunJae, pp. 298-363.
Oh, H. S., S. R. Chang and D. J. Kim(2013), Smart Work Based Development of HSE Management System, Bulletin of the Society of Naval Architects of Korea, Vol. 50, No. 2, pp. 38-43.
Park, J. Y., H. S. Oh and S. Y. Moon(2013), Smart Device Based Quality Management and Process Management of Shipyard Production, Bulletin of the Society of Naval Architects of Korea, Vol. 50, No. 2, pp. 26-32.
Park, S. T.(2005), A study for Understanding of Actual Condition and Prevention Countermeasures Regarding Industrial Disaster in Shipbuilding Industry, Ulsan University, Ulsan, Korea, pp. 1-56.
Statistical Data of Shipbuilding Industrial Disaster(2015), http://www.bls.gov/iif/.
Woo, J. H., M. J. Sung and G. H. Kim(2013), Research on the HSE Application with Smart Device and Biometrics, Proceedings of the Society of CAD/CAM Engineers Conference, pp. 259-267.
Yoo, K. M., H. H. Park and K. J. Chung(2009), A Study on Statistics for Accidents in Confined Space in Korea, Korean Industrial Hygiene Association Journal, Vol. 19, No. 4, pp. 363-369.
Yun, W. J., Y. S. Ro and S. B. Cho(2010), A Study on Safety System for Blasting Workers using Real Time Location System in the Shipyard, Journal of the Society of Naval Architects of Korea, Vol. 47, No. 6, pp. 836-842.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.