[논문]유해화학물질의 시각적 안전관리를 위한 MSDS 지도 개발

신명우; 서용윤

doi:10.14346/jkosos.2019.34.2.48

Abstract ▼ AI-Helper

For preventing the accidents generated from the chemical materials, thus far, MSDS (Material Safety Data Sheet) data have been made to notify how to use and manage the hazardous and chemical materials in safety. However, it is difficult for users who handle these materials to understand the MSDS dat...

For preventing the accidents generated from the chemical materials, thus far, MSDS (Material Safety Data Sheet) data have been made to notify how to use and manage the hazardous and chemical materials in safety. However, it is difficult for users who handle these materials to understand the MSDS data because they are only listed based on the alphabetical order, not based on the specific factors such as similarity of characteristics. It is limited in representing the types of chemical materials with respect to their characteristics. Thus, in this study, a lots of MSDS data are visualized based on relationships of the characteristics among the chemical materials for supporting safety managers. For this, we used the textmining algorithm which extracts text keywords contained in documents and the Self-Organizing Map (SOM) algorithm which visually addresses textual data information. In the case of Occupational Safety and Health Administration (OSHA) in the United States, the guide texts contained in MSDS documents, which include use information such as reactivity and potential risks of materials, are gathered as the target data. First, using the textmining algorithm, the information of chemicals is extracted from these guide texts. Next, the MSDS map is developed using SOM in terms of similarity of text information of chemical materials. The MSDS map is helpful for effectively classifying chemical materials by mapping prohibited and hazardous substances on the developed the SOM map. As a result, using the MSDS map, it is easy for safety managers to detect prohibited and hazardous substances with respect to the Industrial Safety and Health Act standards.

주제어

표/그림 (7)

그림 Fig. 1. Research procedure.
그림 Fig. 2. SOM method.
그림 Fig. 3. Data collection: MSDS data list published by OSHA.
그림 Fig. 4. Result of document-term matrix.
그림 Fig. 5. MSDS map Clustering results.
그림 Fig. 6. Prohibited(top) and permitted hazardous(bottom) substances.
표 Table 1. Summary of hazardous and chemical materials in MSDS map

AI 본문요약
AI-Helper

문제 정의

따라서 본 연구에서는, 일반적인 근로자들도 화학물질에 대한 정보를 용이하게 얻을 수 있도록 화학물질을 특성 또는 관리와 사용방법에 따라 분류하여, 관리되고 있는 화학물질들의 관계를 시각적으로 확인할 수 있는 MSDS 지도를 개발하고자 한다.

제안 방법

특히, SOM을 활용한 기존연구에서는 건설업에 대하여 사고사망의 재해개요를 분석하여 위험요인지도를 작성하는 연구가 진행되었으며, 사고사망에 대한 주요 요인들을 파악하여 효과적인 안전관리 방법을 제시하였다^7,8). 따라서 본 연구에서는, 유해화학물질의 유사물질과 주요요인을 도출하기 위해, SOM을 활용한 MSDS 지도를 개발하여 유해화학물질을 분류하고, 금지물질과 허가물질에 대한 위험성에 따라 MSDS를 검토하는 방안을 제안한다.
방법론적으로, 우선, 텍스트마이닝(textmining)을 활용하여 MSDS에 작성된 guide text 데이터의 키워드를 도출한 후, 자기조직화지도(SOM: Self-Organizing Map)를 이용하여 키워드의 유사도에 따라 물질을 클러스터링하고, 지도 형태로 시각화한다. 작성된 MSDS 지도를 활용하여, 산업안전보건법 기준에 따라 허가대상 유해물질과 금지물질을 매핑 및 분류함으로써, 기존물질은 물론 새로이 추가된 물질을 MSDS 지도에 표시된 화학물질들과 시각적으로 비교하는 관리방법을 제안한다.

대상 데이터

이는 OSHA에서 자체적으로 제공하는 데이터로, guide text에는 MSDS의 기본항목 16가지를 모두 포함하기 보다는, 유해위험성, 응급조치요령, 폭발화재 또는 누출사고 시 대처방법, 취급 및 저장방법, 안전성 및 반응성 등에 대한 정보를 포함하고 있다. 데이터 전처리 과정에서는 모든 문서에 대하여 guide text가 제공되어 있지 않아, guide text가 없는 화학물질자료는 제거하여 800개 중 539개의 문서가 추출되었다. 최종적으로, 539개 문서에 대하여 이름순서대로 labeling을 실시하는 과정을 거쳤다.
화학물질 데이터 수집을 위하여 OSHA Chemical database (https://www.osha.gov/chemicaldata/, 2018년 6월 까지 접속)에서 제공하는 800개의 화학물질 데이터를 수집하였다. OSHA에서 제공하는 데이터도 Fig.

데이터처리

키워드 추출은 R 프로그램을 이용하여 tm package와 NLP package를 통하여 실시하였다. 전처리 과정에서 접속사․지시어 등 불용어(stopwords)를 제거하고 데이터가 포함되지 않은 데이터를 제거한 후 텍스트마이닝을 수행하였다.

성능/효과

결과적으로, MSDS 지도를 통해 화학물질 취급 사업장에서 화학물질 정보를 얻기 어려웠던 목록형태의 화학물질 관리방법을 관리자뿐만 아니라 근로자에게도 화학물질 정보에 대하여 위험성을 시각적으로 표현할 수 있는 새로운 관리방법을 제시하였다.
또한, 화학물질의 특성별로 클러스터링 된 지도를 통하여 산업안전보건법 기준에 따라 분류하여 분석하였다. 그 결과 위험도가 높은 금지물질과 같은 셀의 분류된 물질 239가지에 대하여 재검토가 필요한 것을 확인하였고, 기존의 물질별 특성과 상관없이 알파벳순으로 제공되는 목록 형태의 MSDS에 비해, 유사성이 높은 MSDS 물질들을 시각적으로 표현하여 관리자와 근로자 모두에게 유해화학물질을 관리하는데 도움을 줄 것으로 기대된다.

후속연구

무엇보다도, 본 연구는 물성정보와는 관계없이 MSDS에서 제시하고 있는 관리 및 사용방법, 위험성 위주로 분석한 한계점이 있다. 따라서 향후, 전문가 자문을 통해 구축된 MSDS 지도에 물성정보도 같이 반영할 수 있는 형태로의 개발 프로세스도 추가적으로 수행할 필요가 있다.
그러나 본 연구에서는 전처리 과정에서 불용어를 제거하지 않고 실시하여 지시어, 상황 등에 대한 키워드 중복이 많았으며, OSHA의 800가지 화학물질 중에서도 guide text가 없는 문서를 제외하면 539가지 화학 물질에 대한 자료로 수행하여 텍스트마이닝을 거쳐 키워드를 추출하였지만, 데이터가 부족하여 키워드 분석으로는 어려워 문서를 재검토하여 클러스터링 하는 과정을 거쳤다. 또한, 한국산업안전보건공단에서 제시하는 국내 MSDS의 각 유해물질문서들은 OSHA와는 다른 구성으로 제시되어 있다는 점도 국내 실무에 적용하기 위해서 추가적으로 고려해야할 부분이다. 무엇보다도, 본 연구는 물성정보와는 관계없이 MSDS에서 제시하고 있는 관리 및 사용방법, 위험성 위주로 분석한 한계점이 있다.

질의응답

핵심어	질문	논문에서 추출한 답변
	MSDS 지도란 무엇인가?	구체적으로, OSHA (Occupational Safety and Health Administration)의 MSDS 자료에 포함된 위험성, 취급방법, 응급처치방법 등을 제시하고 있는 가이드 데이터 (guide text)를 이용하여 물질의 정성적 정보 키워드를 도출하고, 키워드 간의 관계를 분석 및 시각화하여 MSDS 지도(MSDS map)를 개발한다. MSDS 지도는 유해화학물질의 취급방법, 위험성, 응급처치방법 등의 연관성을 보여주는 도구로 정의한다. 방법론적으로, 우선, 텍스트마이닝(textmining)을 활용하여 MSDS에 작성된 guide text 데이터의 키워드를 도출한 후, 자기조직화지도(SOM: Self-Organizing Map)를 이용하여 키워드의 유사도에 따라 물질을 클러스터링하고, 지도 형태로 시각화한다.
	MSDS 지도를 작성하는 방법은 무엇인가?	MSDS 지도는 유해화학물질의 취급방법, 위험성, 응급처치방법 등의 연관성을 보여주는 도구로 정의한다. 방법론적으로, 우선, 텍스트마이닝(textmining)을 활용하여 MSDS에 작성된 guide text 데이터의 키워드를 도출한 후, 자기조직화지도(SOM: Self-Organizing Map)를 이용하여 키워드의 유사도에 따라 물질을 클러스터링하고, 지도 형태로 시각화한다. 작성된 MSDS 지도를 활용하여, 산업안전보건법 기준에 따라 허가대상 유해물질과 금지물질을 매핑 및 분류함으로써, 기존물질은 물론 새로이 추가된 물질을 MSDS 지도에 표시된 화학물질들과 시각적으로 비교하는 관리방법을 제안한다.
	텍스트마이닝이 쓰이는 분야는 어디인가?	텍스트마이닝은 텍스트로 구성된 데이터에서 자연어 처리 기술을 기반하여 유용한 정보를 추출 및 가공하는 방법이며, 문서의 연계성 파악, 분류 혹은 군집화, 요약 등 빅데이터에 숨겨진 의미있는 정보를 발견하는 것이다. 현재 텍스트마이닝은 특허분석, 고객요구분석, 감석 분석 같은 사회과학분야에서 다양하게 사용 되고 있다6.7).

참고문헌 (13)

J. Yang, C. Lim and S. Park, "A Study on the Priority for the Hazard and Risk Evalution of Chemicals(HREC) according to the Industrial Safety and Health Act(ISHA)", Journal of Korean Society of Occupational and Environmental Hygiene, Vol. 22, No. 1, pp. 73-81, 2012.
J. Park, S. Ham, S. Kim, K. Lee, K. Ha, D. Park and C. Yoon, "Study on the Chemical Management - 1. Chemical Characteristics and Occupational Exposure Limits under Occupational Safety and Health Act of Korea", Journal of Korean Society of Occupational and Environmental Hygiene, Vol. 25, No. 1, pp. 45-57, 2015.

원문보기 상세보기
B. Song, S. Choi, Y. Kang, G. Lyu, Y. Jo, H. Im, J. Kwon and K. Park, "Safety Management System for Emergency Handling of Environmental Toxic Gas Release", Korean Journal of Hazardous Materials, Vol. 2, No. 2, pp. 27-31, 2014.
Ministry of Environment, Chemistry Safety Clearinghouse, https://csc.me.go.kr/
C. Yoon, S. Ham, J. Park, S. Kim, S. Lee, K. Lee and D. Park, "Comparison between the Chemical Management Contents of Laws Pertaining to the Ministry of Environment and the Ministry of the Employment and Labor", Journal of Environmental Health Sciences, Vol. 40, No. 5, pp. 331-345, 2014.
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.
S. Kang and Y. Suh, "On the Development of Risk Factor Map for Accident Analysis using Textmining and Self-Organizing Map(SOM) Algorithms", J. Korean Soc. Saf., Vol.33, No. 6, pp. 77-84, 2018.
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
T. Kohonen, "The Self-Organizing Map", Neurocomputing, Vol. 21, No. 1-3, pp. 1-6, 1998.

상세보기
T. Kohonen, "Self-Organization and Associative Memory", Springer-Verlag, Berlin, Heidelberg, 2012.
T. Kohonen, "Essentials of the Self-Organizing Map", Neural Networks, Vol. 37, pp. 52-65, 2013.

상세보기
J. Vesanto and E. Allhoniemi, "Clustering of the Self-Organizing Map", IEEE Transactions on Neural Network, Vol. 11, No. 3, pp. 586-600, 2000.

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

상세보기

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

유해화학물질의 시각적 안전관리를 위한 MSDS 지도 개발
Development of MSDS Map for Visual Safety Management of Hazardous and Chemical Materials 원문보기

Abstract ▼ AI-Helper

주제어

표/그림 (7)

표/그림 (7)

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

성능/효과

후속연구

질의응답

참고문헌 (13)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

유해화학물질의 시각적 안전관리를 위한 MSDS 지도 개발 Development of MSDS Map for Visual Safety Management of Hazardous and Chemical Materials 원문보기

Abstract ▼ AI-Helper

주제어

표/그림 (7) 모든 표/그림 보기

표/그림 (7) 슬라이드로 보기

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

성능/효과

후속연구

질의응답

참고문헌 (13)

이 논문을 인용한 문헌

저자의 다른 논문 :

서용윤 (9)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

유해화학물질의 시각적 안전관리를 위한 MSDS 지도 개발
Development of MSDS Map for Visual Safety Management of Hazardous and Chemical Materials 원문보기

표/그림 (7)

표/그림 (7)

AI 본문요약
AI-Helper