[논문]사고보고문서를 이용한 텍스트 기반 사고발생 유형 및 관계 분석

김범수; 장성록; 서용윤

doi:10.14346/jkosos.2018.33.3.58

사고보고문서를 이용한 텍스트 기반 사고발생 유형 및 관계 분석
Text Analytics for Classifying Types of Accident Occurrence Using Accident Report Documents 원문보기 논문타임라인

한국안전학회지 = Journal of the Korean Society of Safety, v.33 no.3, 2018년, pp.58 - 64

김범수 (부경대학교 안전공학과) , 장성록 (부경대학교 안전공학과) , 서용윤 (부경대학교 안전공학과)

Abstract ▼ AI-Helper

Recently, a lot of accident report documents have accumulated in almost all of industries, including critical information of accidents. Accordingly, text data contained in accident report documents are considered useful information for understanding accident processes. However, there has been a lack of systematic approaches to analyzing accident report documents. In this respect, this paper aims at proposing text analytics approach to extracting critical information on accident processes. To be specific, major causes of the accident occurrence are classified based on text information contained in accident report documents by using both textmining and latent Dirichlet allocation (LDA) algorithms. The textmining algorithm is used to structure the document-term matrix and the LDA algorithm is applied to extract latent topics included in a lot of accident report documents. We extract ten topics of accidents as accident types and related keywords of accidents with respect to each accident type. The cause-and-effect diagram is then depicted as a tool for navigating processes of the accident occurrence by structuring causes extracted from LDA. Further, the trends of accidents are identified to explore patterns of accident occurrence in each of types. Three patterns of increasing to decreasing, decreasing to increasing, or only increasing are presented in the case of a chemical plant. The proposed approach helps safety managers systematically supervise the causes and processes of accidents through analysis of text information contained in accident report documents.

주제어

AI 본문요약
AI-Helper

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

문제 정의

. 따라서 본 연구에서는 LDA 알고리즘을 통해, 사고보고문서 안에 포함되어 있는 단어들을 키워드로 추출하고, 현재 발생하고 있는 주요 사고발생유형을 제시한다. 또한, 사고발생 유형 및 키워드 간의 관계성을 나타내는 특성요인도(cause-and-effect diagram)를 작성하여, 전체적인 관계도를 작성할 것이다.
따라서 본 연구에서는 사고보고문서를 수집하여, 사고발생 원인과 과정을 도출하고 유형화하는 방법을 제시한다. 이를 위해 텍스트마이닝과 토픽 모델링(topic modeling) 기법 중 하나인 잠재 디리클레 할당(LDA:Latent Dirichlet Allocation) 알고리즘을 활용한다.
우선 학술적으로 안전관리 분야에 경험적이고 수치적인 연구를 벗어나, 과학적이고 서술적인 연구를 새롭게 시도할 수 있다. 또한, 실무적으로도 현상을 이해하기 쉬운 텍스트 위주의 정보를 최종결과로 제시함으로써, 안전관리자가 기구축한 특성요인도의 상태를 지속적으로 개선할 수 있는 시사점을 제공한다. 따라서 안전관리자가 LDA 알고리즘 분석을 통해, 사고보고문서 안에 포함되어 있는 주요 사고원인을 분석하여, 작업자와 경영자에게 제시하는 업무를 지원한다는 기여점이 있다.
본 연구는 지속적으로 누적되고 있는 사고보고문서에 포함된 사고발생유형의 텍스트 분석방법을 제시하였다. 또한, 분석결과를 안전관리자가 이해하기 쉽게 사고발생 원인과 유형의 관계를 특성요인도로 시각화하였다.

가설 설정

1. Concept of LDA.

제안 방법

결과적으로 10개의 주제들은 해당 화학 플랜트에서 주로 발생한 사고유형들로서, 해당 키워드들을 바탕으로 사고유형주제를 해석하였다. (1) 화학물질 저장 및 보관, (2) 물질 제거 및 설비 분리, (3) 공정 가압, (4) 실린더 취급, (5) 안전스위치 작동, (6) 배관 유체 흐름, (7) 공정 배관, (8) 가스 감지기, (9) 환기 시스템, (10) 전력공급 계통들로 도출되었다.
예를 들어, 1번 주제에 가장 높은 확률을 가지고 있는 문서들은 다른 주제에 대해 상대적으로 낮은 확률을 가지고 있음을 보여주고 있다. 또한 키워드 수는 분석자가 주제를 적절히 해석할 수 있는 수를 주관적으로 설정하였다. 본 연구에서는 정보를 기억하고 구별하기용이한 개수로 알려진 7개로 설정하였다.
따라서 본 연구에서는 LDA 알고리즘을 통해, 사고보고문서 안에 포함되어 있는 단어들을 키워드로 추출하고, 현재 발생하고 있는 주요 사고발생유형을 제시한다. 또한, 사고발생 유형 및 키워드 간의 관계성을 나타내는 특성요인도(cause-and-effect diagram)를 작성하여, 전체적인 관계도를 작성할 것이다. 이는 안전관리자가 상황을 이해하기 쉬운 자연어 기반의 텍스트 정보를 추출했다는 점에서, 사고원인의 발생구조를 쉽게 파악할 수 있다.
또한, 분석결과를 안전관리자가 이해하기 쉽게 사고발생 원인과 유형의 관계를 특성요인도로 시각화하였다. 마지막으로 시간에 따른 사고발생 유형의 변화와 경향을 정리하였다. 이는 기존의 단순히 문서를 직접 검토하던 작업에서 벗어나, 사고보고문서에 포함된 텍스트 데이터를 분석하면, 현재 발생하고 있는 주요 사고발생 원인과, 유형, 관계를 도출하고, 안전관리자가 특성요인도를 효과적으로 작성할 수 있도록 지원한다.
이는 안전관리자가 상황을 이해하기 쉬운 자연어 기반의 텍스트 정보를 추출했다는 점에서, 사고원인의 발생구조를 쉽게 파악할 수 있다. 마지막으로 시간에 따른 사고발생유형의 빈도수 변화에 따른 사고경향을 분석한다. 이 결과는 안전관리자로 하여금, 시간에 따라 관리해야할 주요사고유형을 결정하도록 지원하리라 기대된다.
사고의 추세와 관리 정도를 확인하기 위해 주제별로 도출된 사고발생유형들을 시간에 따라 변화되는 양상을 분기에 따라 분석하였다. Table 2는 3개월마다의 각 주제별 사고의 변화 추세를 나타낸다.
사고 발생 유형은 설비, 공정 및 휴먼에러 등으로 구분되어 있지만, 내용에 대한 구체적인 설명이나, 사고의 전반적인 주요원인들에 대한 체계적이고 정량적인 접근은 부족한 실정이다. 이를 위해 텍스트마이닝과 LDA를 활용하여 사고발생유형을 분류하고, 그 유형들의 관계를 토대로 특성요인도를 구조화한다. 또한, 각 유형들이 시간에 따라 변화하는 추세를 살펴보고, 유지보수의 필요성이 있거나 미래에 집중적으로 다루어야 할 사고발생유형을 제시한다.
화학 플랜트에서 수집된 127건의 사고보고문서를 텍스트마이닝과 LDA를 수행한 결과, Table 1과 같이 10개의 주제와 관련 키워드 7개씩을 도출하였다. 텍스트마이닝과 LDA는 각각 R의 tm 패키지와 topicmodels 패키지를 활용하였다. 주제의 수(10개)는 전체적인 확률분포의 차이를 최대화하는 결과치로 결정하였다.

대상 데이터

또한 키워드 수는 분석자가 주제를 적절히 해석할 수 있는 수를 주관적으로 설정하였다. 본 연구에서는 정보를 기억하고 구별하기용이한 개수로 알려진 7개로 설정하였다.
사고 데이터는 울산 및 경기지역에 입지한 원료화학제품을 생산하는 외국계 기업의 화학 플랜트 1년 동안(2015.10.~2016.09.)의 사고보고문서를 수집하였다. 1년 동안 아차사고 및 공정사고를 포함한 사고보고 수는 총 127건이었으며, 각 사고보고문서는 사고 날짜, 내용, 유형 및 원인 분석과 대책 등을 포함하고 있다.
화학 플랜트에서 수집된 127건의 사고보고문서를 텍스트마이닝과 LDA를 수행한 결과, Table 1과 같이 10개의 주제와 관련 키워드 7개씩을 도출하였다. 텍스트마이닝과 LDA는 각각 R의 tm 패키지와 topicmodels 패키지를 활용하였다.

이론/모형

토픽 모델링은 자연어 처리 기법 중 문서 분석에 특화된 방법으로, 많은 문서 안에서 나타나고 있는 잠재 주제(latent topic)들을 도출하는 방법이다. 그 중에서도 가산자료의 이산다항-디리클레 분포를 이용하는 잠재 디리클레할당(LDA) 알고리즘을 활용한다¹¹⁾. 디리클레 할당 분포는 각 확률변수의 값이 1이면서, 확률변수의 모양을 결정할 수 있는 형태모수를 가진 확률분포로, 단어나 문서 등 셀 수 있는 다양한 키워드 변수를 가산다항변수로 분석하는데 효과적으로 활용될 수 있다.
따라서 본 연구에서는 사고보고문서를 수집하여, 사고발생 원인과 과정을 도출하고 유형화하는 방법을 제시한다. 이를 위해 텍스트마이닝과 토픽 모델링(topic modeling) 기법 중 하나인 잠재 디리클레 할당(LDA:Latent Dirichlet Allocation) 알고리즘을 활용한다.

성능/효과

결과적으로 10개의 주제들은 해당 화학 플랜트에서 주로 발생한 사고유형들로서, 해당 키워드들을 바탕으로 사고유형주제를 해석하였다. (1) 화학물질 저장 및 보관, (2) 물질 제거 및 설비 분리, (3) 공정 가압, (4) 실린더 취급, (5) 안전스위치 작동, (6) 배관 유체 흐름, (7) 공정 배관, (8) 가스 감지기, (9) 환기 시스템, (10) 전력공급 계통들로 도출되었다. 주제들에 포함된 키워드들은 사고를 발생시킨 설비(machine), 미디어(media), 공정 및 운전조건(process)들을 주로 포함한다.
이보다 더 중요한 추세로는 지속적으로 증가하고 있는 사고 유형이다. (2)번과 (4)번은 증가추세지만, 그 증가 수가 미비하고, 해당 기간의 전체 사고 대비해서는 감소 추세에 있다. 그러나 (8)번 사고발생유형의 경우 3회 발생하던 사고가 마지막 3개월에 8회로 증가하였으며, 전체 사고의 20%를 초과할 정도로 높은 비율을 차지할 만큼 변화하였다.
두 번째로, {감소→증가} 추세를 보이는 사고발생유형으로는 (5)번, (9) 번, (10)번으로 나타났다.
둘째, 미디어와 관련된 키워드는 Chemicals (주제 1), Materials (주제 2, 7), Mixture (주제 3, 5, 10)에서 주로 도출되었다. 각각의 항목에 포함되어 있는 물질정보를 보면, Chemicals에서는 Gas 1, Gas 2, 물(water) 및 폐기물(waste)이 도출되었으며, Materials에서는 Gas 3과 흄의 관련성이 높게 구조화되었다.
우선, 자연어 위주의 텍스트로 이루어진 정보를 기술적으로 처리하여, 재해통계에서 알 수 없는 사고요인들을 사고의 서술 혹은 텍스트를 통해 도출할 수 있다^4-6). 또한, 텍스트 정보로 유의한 결과를 제시하기 위한 데이터 분석론이 활성화되면서, 사고보고문서를 보다 용이하게 분석이 가능하게 되었다. 데이터 과학의 발전으로 텍스트마이닝(textmining), 데이터마이닝(datamining), 확률모델(stochastic model) 등 다양한 데이터 처리 및 분석 알고리즘이 개발되면서, 과학적이고 체계적으로 분석하지 못했던 텍스트 데이터와 같은 비정형 데이터의 활용가치가 점점 높아지고 있다^7-8).
각각의 항목에 포함되어 있는 물질정보를 보면, Chemicals에서는 Gas 1, Gas 2, 물(water) 및 폐기물(waste)이 도출되었으며, Materials에서는 Gas 3과 흄의 관련성이 높게 구조화되었다. 마지막으로 Mixture는 탱크에 포함된 Gas 4 혼합물일 가능성이 높으며, 탱크저장 및 운반 과정에서의 사고로 도출되었다.
마지막으로 공정 및 운전조건에서는 원료 및 제품의 보관/저장 방법 (주제 1), 설비의 연결 및 분리 방법(주제 2), 공정 조건(압력)의 변경 (주제 3), 용기 및 기기의 취급 요령 (주제 4), 설비의 가동 (주제 5), 공정설비 (배관) 및 운전상태(유량)의 불안정 (주제 6, 7), 설비 및 공정조건의 점검 및 감지 (주제 8, 9, 10)시의 오류로 인한 사고들이 도출되었다. 이 주제들은 공정설비와 원료/제품의 투입 및 취급 과정과 밀접하며, 보다 현실적으로는 근로자의 작업환경과도 연결될 수 있는 정보라는 점에서 중요하다.
이는 화학물질 저장/보관, 공정 가압, 공정배관 내 유체 흐름이 관리 체계에 들어가, 사고가 줄어든 경우로 고려할 수 있다. 비율 측면에서는 (4)번의 실린더 취급 관련 사고도 해당 기간의 전체 사고 대비해서는 감소 추세에 있음을 확인할 수 있다. 두 번째로, {감소→증가} 추세를 보이는 사고발생유형으로는 (5)번, (9) 번, (10)번으로 나타났다.
전체적으로 1년 동안 가장 자주 발생한 사고발생유형은 (8)번 가스 감지기와 관련한 사항 (20건, 15.7%)으로 나타났으며, (5)번 안전스위치 작동 (15건, 11.8%), (7)번과 (9)번의 공정 배관 및 환기 시스템 (각 14건, 11.0%), (4)번 실린더 취급(13건, 10.2%) 순서로 나타났다. 이를 토대로 볼 때, 해당 사업장에서는 전체 사고 관련 주제의 1/4을 초과하는 공정 상태 (누출, 압력, 유량 등) 감지장치(detector)와 관련된 (8)번과 (9)번 (34건, 26.
첫 번째로, 사고 수와 비율 두 가지 모두 {증가→감소} 추세를 보이는 사고발생유형은 (1)번, (3)번, (6)번으로 나타났다.

후속연구

현재 연구는 기업 단위의사고보고문서 분석을 수행하여, 많은 데이터를 확보하지 못하였다. 그러나 안전보건공단 등 공공과 산업 차원에서 대량의 데이터 분석이 가능한 사고보고문서를 수집한다면, 기업이 아닌 건설, 화학, 제조, 조선 등 산업별 사고원인유형과 경향을 효과적으로 제시할 수 있을 것으로 기대된다. 마지막으로, 사고보고문서 수집의 기간의 한계점이 있다.
그러나 이와 같은 기여점과 시사점에도 불구하고, 실질적인 측면의 문제점을 개선하고, 실무에서 활용하기 위한 향후 연구가 필요하다. 첫째, 사고보고문서 데이터의 질(quality)의 문제이다.
이를 위해 텍스트마이닝과 LDA를 활용하여 사고발생유형을 분류하고, 그 유형들의 관계를 토대로 특성요인도를 구조화한다. 또한, 각 유형들이 시간에 따라 변화하는 추세를 살펴보고, 유지보수의 필요성이 있거나 미래에 집중적으로 다루어야 할 사고발생유형을 제시한다.
마지막으로, 사고보고문서 수집의 기간의 한계점이 있다. 사고보고문서를 보다 장기간 수집하였다면, 사고발생유형의 변화여부를 통계적으로 검정하여 보다 유의한 결과를 제시하리라 기대된다. 이는 사고발생유형 동적변화분석의 향후 연구로 수행될 필요가 있다.
Table 2는 3개월마다의 각 주제별 사고의 변화 추세를 나타낸다. 이 결과는 수집한 전체적인 사고 수가 많지 않아 통계적으로 유의미한 변화를 해석하기보다는, 단순히 증감추세와 비율변화 정도만을 확인할 수밖에 없는 한계점이 있다. 그럼에도 불구하고, 사고 수나 재해비율이 기간별로 증가 혹은 감소의 경향성을 가지는 결과 자체는 검토해볼 의의가 있다.
마지막으로 시간에 따른 사고발생유형의 빈도수 변화에 따른 사고경향을 분석한다. 이 결과는 안전관리자로 하여금, 시간에 따라 관리해야할 주요사고유형을 결정하도록 지원하리라 기대된다.
사고보고문서를 보다 장기간 수집하였다면, 사고발생유형의 변화여부를 통계적으로 검정하여 보다 유의한 결과를 제시하리라 기대된다. 이는 사고발생유형 동적변화분석의 향후 연구로 수행될 필요가 있다.
이와 같이 사고보고문서를 이용한 텍스트 기반의 분석은 새로운 안전관리 시스템을 설계하기 위해 학술적․실무적으로 중요한 역할을 제공하리라 기대된다. 우선 학술적으로 안전관리 분야에 경험적이고 수치적인 연구를 벗어나, 과학적이고 서술적인 연구를 새롭게 시도할 수 있다.
사고보고문서의 사고개요와 장소, 위험성 등과 관련한 서술 내용이 비체계적으로 작성되고 있으며, 그 내용도 상세하지 못하다는 점이다. 자연어 분석 및 텍스트 분석은 불확정한 서술 내용임에도 유효한 분석결과를 제공하지만, 사고보고문서의 내용이 더욱 체계적이고 상세하다면 보다 유의한 결과를 제공할 것이다. 둘째, 사고보고문서 데이터의 양(quantity)의 문제이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	다양한 데이터 처리 및 분석 알고리즘에는 어떤것들이 있는가?	또한, 텍스트 정보로 유의한 결과를 제시하기 위한 데이터 분석론이 활성화되면서, 사고보고문서를 보다 용이하게 분석이 가능하게 되었다. 데이터 과학의 발전으로 텍스트마이닝(textmining), 데이터마이닝(datamining), 확률모델(stochastic model) 등 다양한 데이터 처리 및 분석 알고리즘이 개발되면서, 과학적이고 체계적으로 분석하지 못했던 텍스트 데이터와 같은 비정형 데이터의 활용가치가 점점 높아지고 있다7-8).
	텍스트마이닝은 어떤 분야에 활용되는가?	텍스트마이닝은 문서 형태의 정보를 컴퓨터에서 처리할 수 있는 데이터 형태(data format)로 변환하고, 문서에 포함된 텍스트 키워드 정보를 추출(keyword extraction)하기 위해 사용한다. 텍스트마이닝은 자연어처리와 같은 기술적인 알고리즘 분야뿐만 아니라 특허 분석, 의료정보 데이터 분석과 같은 응용분야에도 널리 활용되고 있다6,9-10).
	산업재해조사표의 작성이 법적 의무화됨에 따른 효과는 무엇인가?	빈번히 발생하는 유사사고나 위험성이 큰 중대사고를 조사하고 예방하기 위하여 산업재해조사표의 작성이 법적 의무화되고 있다. 이에 따라 산업재해의 발생상황이나 원인 및 과정, 재발방지 계획 등의 사고보고문서 자료가 지속적으로 누적되고 관리되고 있다.

참고문헌 (15)
타임라인 바로가기

H. S. Lee and J. P. Yim, "A Study on Prevention Measure Establishment through Cause Analysis of Chemical-Accidents", J. Korean Soc. Saf., Vol. 32, No. 3, pp. 21-27, 2017.
D. H. Choi, J. W. Choi and W. C. Shin, "Accident Analysis and Research on Risk of the Actual Conditions", J. Korean Soc. Saf., Vol. 27, No. 5, pp. 111-116, 2012.
G. H. Choi, "Cause Analysis of Accidents Associated with Industrial Machines and Devices", J. Korean Soc. Saf., Vol. 33, No. 1, pp. 16-21, 2018.
F. Abdat, S. Leclercq, X. Cuny and C. Tissot, Extracting Recurrent Scenarios from Narrative Texts Using a Bayesian Network: Application to Serious Occupational Aaccidents with Movement Disturbance, Accident Analysis and Prevention, Vol. 70, pp. 155-166. 2014.

상세보기 타임라인에서 보기
R. Moura, M. Beer, E. Patelli and J. Lewis, "Learning from Major Accidents: Graphical Representation and Analysis of Multi-attribute Events to Enhance Risk Communication", Safety Science, Vol. 99, pp. 58-70, 2017.

상세보기 타임라인에서 보기
G. Ahn, M. Seo and S. Hur, "Development of Accident Classification Model and Ontology for Effective Industrial Accident Analysis based on Textmining", J. Korean Soc. Saf., Vol. 32, No. 5, pp. 179-185, 2017.
Y. Suh, "Data Analytics for Social Risk Forecasting and Assessment of New Technology, J. Korean Soc. Saf., Vol. 32, No. 3, pp. 83-89, 2017.
Q. Fang, H. Li, X. Luo, L. Ding, T. M. Rose, W. An and Y. Yu, "A Deep Learning-Based Method for Detecting Non-certified Work on Construction Sites", Advanced Engineering Informatics, Vol. 35, pp. 56-68, 2018.

상세보기 타임라인에서 보기
F. Palamara, F. Piglione and N. Piccinini, "Self-Organizing Map and Clustering Algorithms for the Analysis of Occupational Accident Databases", Safety Science, Vol. 49, pp. 1215-1230, 2011.

상세보기 타임라인에서 보기
H. Kwon, J. Kim and Y. Park, "Applying LSA Text Mining Technique in Envisioning Social Impacts of Emerging Technologies: The Case of Drone Technology", Technovation, Vol. 60-61, pp. 15-28, 2017.

상세보기 타임라인에서 보기
D. M. Blei, A. Y. Ng and M. I. Jordan, "Latent Dirichlet Allocation". Journal of Machine Learning Research, Vol. 3, pp. 993-1022, 2003.
S. Moro, P. Cortez and P. Rita, "Business Intelligence in Banking: A Literature Analysis from 2002 to 2013 Using Text Mining and Latent Dirichlet Allocation", Expert Systems with Applications, Vol. 42, No. 3, pp. 1314-1324, 2015.

상세보기 타임라인에서 보기
S. Tirunillai and G. J. Tellis, "Mining Marketing Meaning from Online Chatter: Strategic Brand Analysis of Big Data Using Latent Dirichlet Allocation". Journal of Marketing Research, Vol. 51, No. 4, pp. 463-479, 2014.

상세보기 타임라인에서 보기
D. E. Brown, "Text Mining the Contributors to Rail Accidents", IEEE Transactions on Intelligent Transportation Systems, Vol. 17, No. 2, pp. 346-355, 2016.

상세보기 타임라인에서 보기
Wei, Xing, and W. Bruce Croft., "LDA-Based Document Models for Ad-hoc Retrieval", Proceedings of the 29th Annual International ACM SIGIR Conference on Research and Development in Information Retrieval, pp. 178-185, 2006.

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