[논문]산업용 기계 및 기구 관련 산업재해 원인분석

최기흥

doi:10.14346/jkosos.2018.33.1.16

산업용 기계 및 기구 관련 산업재해 원인분석
Cause Analysis of Accidents Associated with Industrial Machines and Devices 원문보기

한국안전학회지 = Journal of the Korean Society of Safety, v.33 no.1, 2018년, pp.16 - 21

Abstract ▼ AI-Helper

Cause analysis of accidents associated with industrial machines and devices is essential to improve the effectiveness and the efficiency of industrial safety system in Korea. This study focuses on cause analysis of accidents associated with industrial machines and devices. In particular, analysis of abstracts of accidents which are written in descriptive format and, therefore, inherently unstructured and exhibits characteristics of big data is suggested and tested. Automatic analysis of such big data performed in this study reveals the consistent results with the manual analysis results in previous studies. Analysis results also suggest that incorporating transition from the current user-oriented indirect regulations to more manufacturer and user balanced direct regulations will guarantee more effective prevention of industrial accidents at the early stage of generation of danger.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 논문에서는 산업용 기계 및 기구와 연관된 재해 원인분석의 신뢰도 제고를 위해 이전 연구에서 제시된 재해 원인분류 체계에 따라 산업용 기계 및 기구와 관련 재해 원인을 분석하였다. 신뢰도 높은 재해원인 분석을 위해서는 서술형으로 작성된 “재해개요”의 일관성 있는 분석이 필요한 점을 고려하여 Excel 소프트웨어의 키워드 자동검색 기능을 사용하여 “재해개요”의분석을 자동화 하였다.
특히 Excel 소프트웨어의 키워드 자동검색 기능을 사용하여 재해원인 분석을 자동화 하고 향후 빅데이터와의 연계 가능성도 검토한다. 산업용 기계 및 기구 관련 재해원인 분석을 통하여 안전한 사용과 관련된 바람직한 규제의 형태 및 실효성 등을 검토한다.

제안 방법

관리적 재해원인 중 생산, 설치/해체, 정비/보수, 작업준비, 출고전 시운전, 기타 등으로 구분되는 작업내용별 분류의 경우 내용을 단순화 하여 유지/보수, 시운전, 가동 등 순차적 절차에 따라 키워드를 세분화하여 분류하고 관련 재해건수를 추정하였다. 예를 들면, 작업 중 유지/보수(재해원인 코드 214)의 경우 “작업 중”키워드(작업 중, 작동 중 등) 또는 “가동 중”(가동 중/생산 중/제조 중 등) 키워드와 “유지/보수” 키워드(유지/정비/보수/준비, 교체/설치/해체, 청소 등)를 조합하거나 반대로 “유지/보수 중”(유지/정비/보수/준비 중, 교체/설치/해체 중, 청소 중 등) 키워드와 “작업”(작업, 작동 등) 키워드 또는 “가동”(작업, 작동 등) 키워드를 결합하여 재해건수를 추정하였다.
교육적 원인에 의한 재해건수 추정의 경우도 마찬가지로 재해개요 중 교육(교육, 훈련, 트레이닝 등)과 연관된 다양한 키워드를 활용하여 재해와 안전교육간 연관성을 검색하고 관련 재해건수를 추정하였다.
일반적으로 모든 재해는 기술적, 관리적 또는 교육적 재해원인의 해소를 통해 예방이 가능하나 기계 및 기구의 결함을 개선하는 것은 위험원의 제거를 통한 근원적 예방이 가능한 경우이다. 기계 및 기구의 결함개선으로 기술적 재해요인의 해소를 통한 예방이 기대효과가 클 것으로 판단되므로 본 연구에서는 이전 연구(2)에서와 같이 이를 따로 분리하여 분석하였다. 예방이 가능한 재해는 기계, 기구 또는 보호구 등 자체의결함(재해원인코드 110, 111, 112, 113, 114, 119)과 안전/방호장치 설치 후 작동불량(재해원인 코드 120)으로제한하여 재해예방 가능여부를 분석하였다.
방호장치 결함의 경우“방호” 또는 “안전” 키워드에 “기구” 키워드를 결합하고 여기에 “결함” 키워드를 중복, 결합하여 재해건수를 추정하였다.
본 논문에서는 이전 연구²⁾에서 제시된 산업재해 원인분류 체계를 산업용 기계 및 기구 관련 재해 원인분석에 적용한다. 특히 Excel 소프트웨어의 키워드 자동검색 기능을 사용하여 재해원인 분석을 자동화 하고 향후 빅데이터와의 연계 가능성도 검토한다.
본 연구에서는 앞으로 산업안전보건과 연관된 빅데이터의 분석과 활용, 그리고 궁극적으로는 인공지능기법의 적용이 활성화된다는 전제하에서 Excel 소프트웨어의 COUNTIF() 함수를 활용한 키워드 자동검색 기능을 사용하여 재해개요를 자동분석하고 재해원인을 재해석하였다. 즉, Table 2, 3 및 4에 주어진 분류체계에 따라 안전보건공단에서 제공한 2009년도 산업용 기계 및 기구관련 재해 데이터(Excel 자료)를 기초로 다음과 같이 재해개요를 자동분석하였다.
신뢰도 높은 재해원인 분석을 위해서는 서술형으로 작성된 “재해개요”의 일관성 있는 분석이 필요한 점을 고려하여 Excel 소프트웨어의 키워드 자동검색 기능을 사용하여 “재해개요”의분석을 자동화 하였다.
예를 들면, COUNTIF(, “*기계*결함*”), COUNTIF(, “*기계*고장*”), COUNTIF(, “*기계*불량*”), COUNTIF(, “*기계*이상*”)과 같이 기계관련 결함건수를 독립적으로 추정한 후 합산하였으며 기계관련 동의어인 “설비”, “시설” 또는 “기구”(장치, 장구, 기구, 도구 등) 등에도 각각 동일하게 “결함”(결함, 고장, 불량, 이상 등) 키워드를 독립적으로 결합, 적용하여 관련 재해건수를 추정하였다.
기계 및 기구의 결함개선으로 기술적 재해요인의 해소를 통한 예방이 기대효과가 클 것으로 판단되므로 본 연구에서는 이전 연구(2)에서와 같이 이를 따로 분리하여 분석하였다. 예방이 가능한 재해는 기계, 기구 또는 보호구 등 자체의결함(재해원인코드 110, 111, 112, 113, 114, 119)과 안전/방호장치 설치 후 작동불량(재해원인 코드 120)으로제한하여 재해예방 가능여부를 분석하였다. 분석결과에 따르면 2009년도 예방가능하다고 판단된 재해건수는 15,933건(56.
전기적 결함(Code 112)의 경우에도 “전기”(전기, 전자, 통신, 네트워크 등) 키워드와 “결함” 키워드를 결합하여 재해건수를 추정하였다.
본 연구에서는 앞으로 산업안전보건과 연관된 빅데이터의 분석과 활용, 그리고 궁극적으로는 인공지능기법의 적용이 활성화된다는 전제하에서 Excel 소프트웨어의 COUNTIF() 함수를 활용한 키워드 자동검색 기능을 사용하여 재해개요를 자동분석하고 재해원인을 재해석하였다. 즉, Table 2, 3 및 4에 주어진 분류체계에 따라 안전보건공단에서 제공한 2009년도 산업용 기계 및 기구관련 재해 데이터(Excel 자료)를 기초로 다음과 같이 재해개요를 자동분석하였다.

대상 데이터

Table 5, 6 및 7은 각각 Table 2, 3 및 4에 주어진 재해 원인 분류체계에 따라 2009년도 산업용 기계 및 기구관련 재해 데이터(Excel 자료)를 기초로 재해원인을 분석한 결과이다. 특히, 이전 연구^4,5)와의 비교 및 분석을 위해 2009년도 자료가 활용되었다. 최근 10년간 산업재해 추이를 보면 재해율과 사망자수 등이 다소 감소추세에 있으므로 산업용 기계 및 기구와 관련된 재해건수와 재해강도도 다소 완화되었을 것으로 추정된다.

후속연구

특히, “재해개요”는 스몰데이터성격의 관계형 데이터베이스(Excel 파일) 내의 데이터이나 서술형으로 작성된 데이터임을 고려하면 빅데이터 성격을 지니고 있다. 따라서, 본 연구에서 제시된 재해개요의 자동분석 사례는 산업안전보건 빅데이터의 분석과 이를 활용한 인공지능 기법의 적용을 가능케 한다. 또한, 이를 확장하면 보다 체계적이고 효율적인 산업안전보건 정책확립을 위한 빅데이터와의 연계도 가능하다.
산업용 기계 및 기구 관련 재해원인 분석결과에 따르면 제조단계에서 산업용 기계 및 기구의 안전성 확보가 필요하며 사용단계에서 방호장치 설치 등을 통한 사용자 대상의 간접규제보다 제조자와 사용자 모두를 대상으로 하는 균형 있는 직접규제가 재해예방에 더 필요함을 다시 한번 입증하였다. 또한, 제안된 재해분석 방법과 더불어 안전인증, 안전검사, 안전관리 그리고 안전교육 등이 서로 연동된 체계적인 제도 하에서 산업재해 예방은 극대화할 수 있을 것으로 판단된다.
기계에 의해 생성되는 비체계적 데이터의 예로는 각종 이미지 데이터, 과학/기술 데이터, 사진/영상 정보, 레이터/탐지기 정보 등을 들 수 있으며 사람이 생성하는 비체계적 정보의 예로는 모든 형태의 문자정보(Text Information),SNS 데이터(Facebook, LinkedIn, Twitter 등), 웹페이지콘텐트 등이 있다. 이러한 비제계적인 빅데이터는 양이 방대하기 때문에 분석이 어렵다는 이유로 그동안 방치되거나 큰 주목을 받지 못하였으나 최근 다양한 데이터분석기술의 발달로 향후 큰 활용이 기대되기도 한다. 안전보건공단에서 제공한 산업용 기계 및 기구관련 재해 데이터(Excel 자료)는 산업재해보상보험법 적용사업체에서 발생한 산업재해 중 산업재해보상보험법에 의한 업무상 사고 및 질병으로 승인을 받은 사망 또는 4일 이상 요양을 요하는 재해를 대상으로 산업재해 조사표와 요양신청서에 근거하여 작성된다.
에서 제시된 산업재해 원인분류 체계를 산업용 기계 및 기구 관련 재해 원인분석에 적용한다. 특히 Excel 소프트웨어의 키워드 자동검색 기능을 사용하여 재해원인 분석을 자동화 하고 향후 빅데이터와의 연계 가능성도 검토한다. 산업용 기계 및 기구 관련 재해원인 분석을 통하여 안전한 사용과 관련된 바람직한 규제의 형태 및 실효성 등을 검토한다.
향후 본 연구에서 제시된 산업용 기계 및 기구 관련 재해 원인분석 결과와 체계적으로 분류된 산재예방 예산을 기초로 인공지능 기법을 적용하고 이를 통해 산재예방 예산 또는 정책의 효용성(Effectiveness)과 효율성(Efficiency)의 추정하는 연구를 수행할 예정이다. 감사의 글: 본 연구는 한성대학교 교내연구비 지원에 의해 이루어졌습니다.

질의응답

핵심어	질문	논문에서 추출한 답변
	빅데이터의 데이터 형태의 예로는 무엇이 있나?	반면에 빅데이터는 대부분의 경우 체계적으로 정리되지 않은비제계적(Unstructured) 데이터를 말한다. 기계에 의해 생성되는 비체계적 데이터의 예로는 각종 이미지 데이터, 과학/기술 데이터, 사진/영상 정보, 레이터/탐지기 정보 등을 들 수 있으며 사람이 생성하는 비체계적 정보의 예로는 모든 형태의 문자정보(Text Information),SNS 데이터(Facebook, LinkedIn, Twitter 등), 웹페이지콘텐트 등이 있다. 이러한 비제계적인 빅데이터는 양이 방대하기 때문에 분석이 어렵다는 이유로 그동안 방치되거나 큰 주목을 받지 못하였으나 최근 다양한 데이터분석기술의 발달로 향후 큰 활용이 기대되기도 한다.
	스몰데이터란?	데이터는 크게 보아 “스몰데이터(Small 또는 Little Data)”와 “빅데이터(Big Data)”로 구분할 수 있다. 스몰데이터는 매우 체계적 형태(Structured)로 기능하고 사용되는 데이터를 말한다. 체계적 데이터는 데이터의 형태를 미리 정의하고 기계에 의한 자동 입, 출력이 가능하며 관계형 데이터베이스(Relational Database)의 형태로 분류, 저장 또는 분석이 용이한 장점이 있다.
	데이터는 어떻게 구분될 수 있나?	데이터는 크게 보아 “스몰데이터(Small 또는 Little Data)”와 “빅데이터(Big Data)”로 구분할 수 있다. 스몰데이터는 매우 체계적 형태(Structured)로 기능하고 사용되는 데이터를 말한다.

참고문헌 (6)

Yearly Industrial Accident Analysis Report, KOSHA, 2008-2014.
G. H. Choi, "Improvement of Reliability in Cause Analysis of Industrial Accidents", J. Korean Soc. Saf., Vol. 29, No. 6, pp. 1-8, 2014.
Ministry of Employment and Labor, Korea. "Classification of Causes of Deaths in Industrial Accidents", 2014.
G. H. Choi, "Balance and Effectiveness of Direct Regulations on Manufacturers and Users of Industrial Machines", J. Korean Soc. Saf., Vol. 30, No. 1, pp.1-7, 2015.
G. H. Choi, "Effectiveness of Direct Safety Regulations on Manufacturers and Users of Industrial Machines: Its Implications on Industrial Safety Policies in the Republic of Korea", SHAW, Vol. 8, No.1, pp. 59-66, 2017.
G. H. Choi, "Effectiveness and Balance of Compulsory and Voluntary Safety Certification of Industrial Machines and Devices", J. Korean Soc. Saf., Vol. 31, No. 1, pp. 7-12, 2016.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증