$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

건설산업에서의 스마트 웨어러블 기술동향
Smart Wearable Technologies in Construction 원문보기

건설관리 : 한국건설관리학회 학회지 = Construction engineering and management, v.19 no.4, 2018년, pp.58 - 63  

서준오 (Hong Kong Polytechnic University, Department of Building and Real Estate)

초록이 없습니다.

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 신체 각 부위에 착용이 가능한 웨어러블 센서들은 건설 작업중에 작업자의 행동, 생리 및 인지반응과 관련된 데이터를 실시간으로 수집하고 분석함으로써 건설 작업에서의 문제점을 규명하고, 필요시에는 관리자나 작업자에게 실시간 피드백을 줄 수 있게 해준다. 궁극적으로는 건설작업자들이 언제 (when), 어디에서 (where), 어떤 작업 (what)을 수행하는지 이해하고, 작업과정에서 노출되는 안전보건 관련 리스크를 실시간으로 규명 및 제거함으로써 보다 안전하고 생산성 높은 작업 환경을 구현하는 것을 목표로 한다. 아직까지는 현장에 직접 적용된 사례는 많지 않지만, 특히 학계에서는 다양한 활용방안에 대한 연구가 지속적으로 이루어지고 있으며 최근들어 건설 산업계에서도 많은 관심을 보이고 있다.
  • 대표적으로 활용되는 기술로서 시선추적 (Eye Tracking) 기술와 뇌파 (Electroencephalogram, EEG) 센서가 있다 (그림 2 참조). 시선추적 기술은 스마트 글래스 등에 부착된 카메라를 이용하여 안구의 움직임을 실시간으로 추적, 분석함으로써 사람의 어디를 바라보는지는 측정하는 것이 목적이다. 실제로 눈의 움직임은 사람의 인지프로세스를 이해하는데 큰 도움이 된다.
  • 건설산업에서 추락 위험은 떨어짐 (falls from height)과 넘어짐 (falls on the same level)로 구분할 수 있는데, 실제 사고율은 넘어짐이 월등히 높은 편이다. 이 연구에서는 넘어짐을 유발하는 다양한 행위 (미끄러짐, 걸림 및 헛디딤 등)들에 따른 특정한 신발 압력 패턴을 분석함으로써 작업자의 넘어짐 행위를 실시간으로 찾아냄으로써 넘어짐의 원인이 되는 환경적인 요소들 (미끄러운 바닥, 보행통로 상의 장애물 등)을 빠른 시간 안에 제거하는 것을 목표로 한다.
  • (2017)은 웨어러블 센서에서 수집된 심박수, 피부온도, 피부 전도도 등의 생체신호 데이터와 설문을 통해 수집된 작업자가 느끼는 실제 감정 상태 (피로도 등) 간의 강한 상관관계를 규명함으로써 건설작업자 안전보건관리에 있어서 웨어러블 센서의 유효성을 검증하였다. 이러한 연구들은 궁극적으로는 잠재적으로 작업자의 건강에 악영향을 미치는 작업 종류 및 환경을 규명하거나, 과도한 작업으로 인해 건강상에 이상이 있는 작업자를 조기에 발견하는 함으로써 작업자의 생산성을 향상시킴과 동시에 안전보건관련 리스크를 줄이는데 그 목적이 있다.
  • 이러한 문제점들을 해결하고자 학계 및 산업계에서는 스마트 웨어러블 기술의 활용을 위한 다양한 시도들을 하고 있다. 이에 본 고에서는 스마트 웨어러블 기술 동향 및 이를 활용한 건설 작업자 생산성 향상 및 안전보건 관리와 관련된 최신 연구에 대하여 간략히 소개하고자 한다.
  • 인체생리반응에 대한 연구는 헬스케어나 인간공학, 스포츠 공학 등의 분야에서 오래전부터 연구되어 오던 주제이다. 특히 산업분야에는 작업자의 인체생리반응을 수집 및 분석함으로써 작업 및 작업 환경이 작업자의 건강 또는 심리상태에 미치는 영향을 이해하고, 보다 쾌적하고 안전한 작업 환경을 구축하는데 그 목적이 있다. 기존에는 인체생리반응 수집을 위해서는 실험실에서 작업 환경을 구현하고 소수의 실험자를 대상으로 데이터를 수집하였는데, 이러한 방식은 작업자의 다양한 특성 및 작업 환경 등을 반영하기에 어려움이 따랐다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
건설산업 분야에서 스마트 웨어러블 기술의 목적은 무엇인가? 기존 연구동향들을 살펴보면 건설산업 분야에서의 스마트 웨어러블 기술들은 작업자에 대한 실시간 데이터 수집 및 분석이 주요 목적이다. 신체 각 부위에 착용이 가능한 웨어러블 센서들은 건설 작업중에 작업자의 행동, 생리 및 인지반응과 관련된 데이터를 실시간으로 수집하고 분석함으로써 건설 작업에서의 문제점을 규명하고, 필요시에는 관리자나 작업자에게 실시간 피드백을 줄 수 있게 해준다.
인간의 인지프로세스에 대한 이해를 바탕으로 웨어러블 기술들을 이용한 위험인지 방안은 무엇이 있는가? 이러한 문제점들을 극복하고자 인간의 인지프로세스에 대한 이해를 바탕으로 웨어러블 기술들을 이용한 위험인지 방안들이 최근 들어 많이 소개되고 있다. 대표적으로 활용되는 기술로서 시선추적 (Eye Tracking) 기술와 뇌파 (Electroencephalogram, EEG) 센서가 있다 (그림 2 참조). 시선추적 기술은 스마트 글래스 등에 부착된 카메라를 이용하여 안구의 움직임을 실시간으로 추적, 분석함으로써 사람의 어디를 바라보는지는 측정하는 것이 목적이다.
웨어러블 기기란 무엇인가? MIT 미디어랩 (MIT Media Lab)에 따르면, 웨어러블 기기를 “신체에 부착하여 컴퓨팅 행위를 할 수 있는 모든 전자기기를 지칭하며, 일부 컴퓨팅 기능을 수행할 수 있는 어플리케이션까지 포함”하는 것으로 정의하고 있으며, 일반적으로 사용자가 이동 및 활동 중에도 사용가능하도록 신체나 의복에 착용가능하도록 개발된 차세대 전자기기를 일컫는다 (연구성과실용화진흥원 2015). 웨어러블 기술 및 관련 기기들은 주로 헬스케어/의료 및 피트니스 분야에서 많이 사용되어 왔으며, 최근 들어 산업계에서도 적극적으로 활용이 되고 있다.
질의응답 정보가 도움이 되었나요?

참고문헌 (24)

  1. 연구성과실용회진흥원 (2015) "웨어러블 디바이스 기술 및 시장 동향" S&T Market Report 

  2. 한국산업안전공단 (2004) 불안전한 행동 재해의 예방 

  3. Antwi-Afari, M. F., Li, H., Seo, J., Lee, S., Edwards, D. J., & Wong, A. Y. L. Wearable Insole Pressure Sensors for Automated Detection and Classification of Slip-Trip-Loss of Balance Events in Construction Workers. In Construction Research Congress 2018 (pp. 73-83). 

  4. Bhoir, S. A., Hasanzadeh, S., Esmaeili, B., Dodd, M. D., & Fardhosseini, M. S. (2015). Measuring construction workers' attention using eye-tracking technology. In Proc., ICSC15: The Canadian Society for Civil Engineering 5th Int./11th Construction Specialty Conf. Univ. of British Columbia, Vancouver, Canada. 

  5. Chen, J., Ren, B., Song, X., & Luo, X. (2015, January). Revealing the "Invisible Gorilla" in Construction: Assessing Mental Workload through Timefrequency Analysis. In ISARC. Proceedings of the International Symposium on Automation and Robotics in Construction (Vol. 32, p. 1). Vilnius Gediminas Technical University, Department of Construction Economics & Property. 

  6. Gatti, U. C., Schneider, S., & Migliaccio, G. C. (2014). Physiological condition monitoring of construction workers. Automation in Construction, 44, 227-233. 

  7. Guo, H., Yu, Y., Xiang, T., Li, H., & Zhang, D. (2017). The availability of wearable-device-based physical data for the measurement of construction workers' psychological status on site: From the perspective of safety management. Automation in Construction, 82, 207-217. 

  8. Hasanzadeh, S., Esmaeili, B., & Dodd, M. D. (2016). Measuring construction workers' real-time situation awareness using mobile eyetracking. In Construction Research Congress 2016 (pp. 2894-2904). 

  9. Hasanzadeh, S., Esmaeili, B., & Dodd, M. D. (2017). Measuring the impacts of safety knowledge on construction workers' attentional allocation and hazard detection using remote eye-tracking technology. Journal of Management in Engineering, 33(5), 04017024. 

  10. Hwang, S., & Lee, S. (2017). Wristband-type wearable health devices to measure construction workers' physical demands. Automation in Construction, 83, 330-340. 

  11. Hwang, S., Jebelli, H., Choi, B., Choi, M., & Lee, S. (2018). Measuring Workers' Emotional State during Construction Tasks Using Wearable EEG. Journal of Construction Engineering and Management, 144(7), 04018050. 

  12. Jebelli, H., Ahn, C. R., and Stentz, T. L. (2016) Comprehensive Fall-Risk Assessment of Construction Workers Using Inertial Measurement Units: Validation of the Gait-Stability Metric to Assess the Fall Risk of Iron Workers, Journal of Computing in Civil Engineering, Vol. 30, No. 3, pp. 04015034. DOI: http://dx.doi.org/10.1061/(ASCE)CP.1943-5487.0000511. 

  13. Jebelli, H., Hwang, S., & Lee, S. (2018). EEG-based workers' stress recognition at construction sites. Automation in Construction, 93, 315-324. 

  14. Joshua, L., & Varghese, K. (2010). Accelerometer-based activity recognition in construction. Journal of computing in civil engineering, 25(5), 370-379. 

  15. Joshua, L., & Varghese, K. (2014). Automated recognition of construction labour activity using accelerometers in field situations. International Journal of Productivity and Performance Management, 63(7), 841-862. 

  16. Ryu, J., Seo, J., Liu, M., Lee, S., & Haas, C. T. (2015) Action Recognition Using a Wristband-Type Activity Tracker: Case Study of Masonry Work. In Construction Research Congress 2016 (pp. 790-799). 

  17. Seo, J., Alwasel, A., Lee, S., Abdel-Rahman, E. M., & Haas, C. (2017). A comparative study of in-field motion capture approaches for body kinematics measurement in construction. Robotica, 1-19. 

  18. Taneja, S., Akinci, B., Garrett, J. H., Soibelman, L., Ergen, E., Pradhan, A., ... & Shahandashti, S. M. (2010). Sensing and field data capture for construction and facility operations. Journal of construction engineering and management, 137(10), 870-881. 

  19. Teizer, J., Allread, B. S., Fullerton, C. E., & Hinze, J. (2010). Autonomous pro-active real-time construction worker and equipment operator proximity safety alert system. Automation in construction, 19(5), 630-640. 

  20. Teizer, J., Cheng, T., & Fang, Y. (2013). Location tracking and data visualization technology to advance construction ironworkers' education and training in safety and productivity. Automation in Construction, 35, 53-68. 

  21. Wang, D., Chen, J., Zhao, D., Dai, F., Zheng, C., & Wu, X. (2017). Monitoring workers' attention and vigilance in construction activities through a wireless and wearable electroencephalography system. Automation in Construction, 82, 122-137. 

  22. Wu, W., Yang, H., Chew, D. A., Yang, S. H., Gibb, A. G., & Li, Q. (2010). Towards an autonomous real-time tracking system of near-miss accidents on construction sites. Automation in Construction, 19(2), 134-141. 

  23. Yan, X., Li, H., Li, A. R., & Zhang, H. (2017). Wearable IMU-based realtime motion warning system for construction workers' musculoskeletal disorders prevention. Automation in Construction, 74, 2-11. 

  24. Yang, K., Ahn, C. R., Vuran, M. C., and Kim, H. (2017) Collective Sensing of Workers' Gait Patterns to Identify Fall Hazards in Construction, Automation in Construction, Vol. 82, pp. 166-178. DOI: https://doi.org/10.1016/j.autcon.2017.04.010. 

저자의 다른 논문 :

관련 콘텐츠

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로