[논문]생존분석 모형을 활용한 산업재해 데이터의 분석

백재욱

doi:10.21186/ipr.2020.5.1.001

생존분석 모형을 활용한 산업재해 데이터의 분석
Analysis of Industrial Accidents Data with Survival Model 원문보기

Industry promotion research = 산업진흥연구, v.5 no.1, 2020년, pp.1 - 11

초록
AI-Helper

본 연구에서는 정부정책이 효과가 있었는지 파악하기 위하여 과거 10년간의 산업재해 데이터를 살펴보았다. 이들 데이터로부터 중요한 두 개 또는 세 개의 변수간의 관계를 EDA 방법으로 살펴보았다. 근로자수(사업장규모)와 생존확률 간의 관계를 살펴본 결과 근로자수가 많을수록 시간이 지남에 따라 생존확률이 더욱 더 떨어짐(산업재해가 더 많이 일어남)을 알 수 있다. Cox의 비례위험모형을 적용해본 결과 사업장에서 발생한 총산업재해수가 많을수록 해당 사업장에서 산업재해가 발생할 위험성(hazard)이 높아지고, 근로자수가 적을수록 산업재해가 발생할 위험성이 높으며, 업종별로는 농업, 어업 및 임업이 건설업에 비해 산업재해를 당할 위험성이 더 크다. 공단, 민간 및 고용노동부의 역할은 고용노동부만 효과가 있고, 나머지 두 조직은 효과가 없는 것으로 나온다. recurrent event data를 Cox의 비례위험모델로 분석해본 결과 비슷한 결과가 나온다.

Abstract ▼ AI-Helper

The purpose of this study is to analyze the industrial accidents data with survival model. EDA approach is used to explore the relationship between two variables and among three variables for the past 10 years of industrial accidents data. Survival models are also tried. Survival curve drops more rapidly for the business with fewer employees as time goes by. Industrial accidents occur more often as the total number of industrial accidents gets larger and as the number of employees gets smaller. Agriculture, fishing and forestry have a higher level of industrial accidents than construction while service industry and 'transportation·storage and telecommunication' have a fewer number of industrial accidents than construction. Korea Safety and Health Agency's and Ministry of Employment and Labor's involvement were not effective but Civilian's was. Recurrent event data analysis reveals all most the same result as for non-recurrent data analysis.

주제어

표/그림 (14)

그림 [Fig. 1] Survival probabilities for diverse business categories
그림 [Fig. 2] Survival probabilities for small, medium and large businesses
그림 [Fig. 3] Survival probabilities for those who have not had any involvement from Korea Safety and Health Agency and for those who have had
그림 [Fig. 4] Average number of industrial accidents for each business category
그림 [Fig. 5] Average number of industrial accidents for small, medium and large business
그림 [Fig, 6] Number of involvements from ‘Korea Safety and Health Agency’ for small, medium and large business
그림 [Fig. 7] Survival probabilities for each category of accident proness and accident number
그림 [Fig. 8] Boxplot of the number of industrial accidents for each cetegory of business size and accident proness
표 Example of database for Cox’s PH analysis
표 Results from Cox’s PH analysis
그림 [Fig. 9] Cases where industrial accidents happened twice after start-up
표 Data array of cases where industrial accidents happened twice after start-up
표 Example of recurrent event data
표 Results from recurrent event data analysis

AI 본문요약
AI-Helper

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

문제 정의

하지만 이런 조치가 제대로 효과를 발휘했는지 보기 위해서 기존에는 빈도분석의 방법으로 검증을 했는데, 최근에는 과거 2006∼2015년까지의 산업재해 데이터를 대상으로 case control study, logistic regression, Poisson regression의 방법으로 산업재해에 영향을 미치는 risk factor가 무엇인지 살펴보았다([21]). 본 연구에서는 똑같은 데이터를 가지고 또 다른 분석을 실시하고자 한다. 구체적으로 2절에서는 이들 산업재해 데이터에서 두 변수 간의 관계를 탐색적 자료분석 방법으로 살펴본다.
산업재해와 관련된 데이터는 산업안전보건연구원에서 여러 가지의 형태로 수집하고 분석하고 있다. 본 연구에서는 이들 여러 데이터를 병합한 하나의 파일을 중심으로 산업재해를 분석하고자 한다. 이 파일에는 2006년도에 사업을 개시한 78,743개의 사업장에서 발생한 산업재해정보가 있다.
본 연구에서는 정부정책이 효과가 있었는지 파악하기 위하여 과거 10년간의 산업재해 데이터를 살펴보았다. 이들 데이터로부터 중요한 두 개 또는 세 개의 변수 간의 관계를 탐색적 자료분석방법으로 살펴보았다.
어느 사업장에서나 산업재해는 일어날 수 있다. 이 절에서는 사업장에서 첫 번째 산업재해가 일어나기까지 걸리는 시간에 대한 모델링을 어떻게 할 것인지 살펴보고자 한다. 그런데 본 연구를 위해 살펴보는 파일에서는 사업장에서 첫 번째 산업재해가 일어나기까지 걸리는 시간이 명확히 주어져 있지 않다.

제안 방법

다음으로 여러 변수들 중 산업재해횟수와 다른 변수들 간의 관계를 알고 싶을 수 있다. 구체적으로 사업장을 소, 중, 대기업별로 나누고, 그 다음으로 재해 많은 업종, 재해 보통 업종, 재해 적은 업종으로 나누어 총 9개의 범주로 나누고, 각 cell에 속한 사업장에서 산업재해가 얼마나 많이 일어나는지 알고 싶을 수 있다. [Fig.
다음으로 지금까지의 분석에서는 산업안전보건공단, 민간 및 고용노동부의 지도가 효과가 있었는지 판단할 때 과거 10년간 누적지도횟수를 가지고 판단하였다. 하지만 총 관측기간을 각 기관의 지도 전과 후로 나누어 산업재해의 발생여부 또는 빈도 등을 통계적인 방법으로 비교한다든지 또는 의학통계에서 repeated measure에 대한 효과 분석방법을 이용하여 각 기관의 지도가 효과가 있었는지 판단할 수도 있을 것이다.
따라서 첫 번째 산업재해가 일어날 때까지의 시간뿐만 아니라 순차적으로 일어나는 시간까지 고려할 수 있는 recurrent event data 분석방법이 필요하다. 본 연구에서는 사업장에서 산업재해가 5회까지 일어나는 시간만을 추적한다. 참고로 10년간 산업재해가 5회까지 일어난 사업장은 78,156개의 사업장으로 전체 78,743개 사업장의 99.
본 연구에서는 정부정책이 효과가 있었는지 파악하기 위하여 과거 10년간의 산업재해 데이터를 살펴보았다. 이들 데이터로부터 중요한 두 개 또는 세 개의 변수 간의 관계를 탐색적 자료분석방법으로 살펴보았다. 두 개의 변수들간의 관계를 예로 들면, 근로자수(사업장규모)와 생존확률 간의 관계를 살펴본 결과 근로자수가 많을수록 시간이 지남에 따라 생존확률이 더욱 더 떨어짐(산업재해가 더 많이 일어남)을 알 수 있다.
5 알고리즘을 사용하기 위한 툴로 통계소프트웨어 SAS의 Enterprise Miner를 사용했다. 이외에 CHIAD 알고리즘을 활용하여 정량적 위험성 평가기법이 부재한 제조업에서 산업재해에 대한 정량적 평가가 가능한 특성분석 (feature analysis)을 실시하였다([14, 15]).
하지만 이런 조치가 제대로 효과를 발휘했는지 보기 위해서 기존에는 빈도분석의 방법으로 검증을 했는데, 최근에는 과거 2006∼2015년까지의 산업재해 데이터를 대상으로 case control study, logistic regression, Poisson regression의 방법으로 산업재해에 영향을 미치는 risk factor가 무엇인지 살펴보았다([21]).

데이터처리

어떤 연구자는 C4.5 알고리즘을 이용하여 의사결정 나무를 만들었고([13]), C4.5 알고리즘을 사용하기 위한 툴로 통계소프트웨어 SAS의 Enterprise Miner를 사용했다. 이외에 CHIAD 알고리즘을 활용하여 정량적 위험성 평가기법이 부재한 제조업에서 산업재해에 대한 정량적 평가가 가능한 특성분석 (feature analysis)을 실시하였다([14, 15]).

성능/효과

다음으로 산업재해 데이터에 대해 Cox의 비례위험모형을 적용해본 결과 사업장에서 발생한 총산업재해수가 많을수록 해당 사업장에서 산업재해가 발생할 위험성(hazard)이 높아지고, 근로자수가 적을수록 산업재해가 발생할 위험성이 높으며, 업종별로는 농업, 어업 및 임업이 건설업에 비해 산업재해를 당할 위험성이 더 크며, ‘기타의 사업(서비스업)’과 ‘운수ㆍ창고 및 통신업’이 건설업에 비해 산업재해를 당할 위험성이 더 작다.
이들 데이터로부터 중요한 두 개 또는 세 개의 변수 간의 관계를 탐색적 자료분석방법으로 살펴보았다. 두 개의 변수들간의 관계를 예로 들면, 근로자수(사업장규모)와 생존확률 간의 관계를 살펴본 결과 근로자수가 많을수록 시간이 지남에 따라 생존확률이 더욱 더 떨어짐(산업재해가 더 많이 일어남)을 알 수 있다. 세 변수들간의 관계를 예로 들면, 사업장규모별 그리고 재해 다수업종별 산업재해횟수를 boxplot으로 그려본 결과, 대기업일수록 그리고 재해가 많이 나는 업종일수록 산업재 해가 더욱 많이 일어난다는 것을 알 수 있다.
마지막으로 recurrent event data를 Cox의 비례위험모델로 분석해본 결과 사업장에서 발생한 총산업재해수가 많을수록 그리고 근로자수가 많을수록 해당 사업장에서 연속적으로 산업재해가 발생할 위험성(hazard)이 높아지고, 업종별로는 광업, 농업, 어업 및 임업이 건설업에 비해 산업재해를 당할 위험성이 더 크며, ‘기타의 사업(서비스업)’, ‘전기ㆍ가스 및 상수도업’ 및 제조업이 건설업에 비해 산업재해를 당할 위험성이 더 작다.
사업장의 입장에서는 사업기간 동안에 재해가 한 번 이상 발생할 수 있다. 사실 전체 78,743개의 사업장 중에서 2006년부터 2015년까지 10년간 64,408개의 사업장에서는 산업재해가 한 번도 일어나지 않았지만 8,750개의 사업장에서는 산업재해가 한 번 일어났고, 2,892개의 사업장에서는 산업재해가 2번 일어났으며, 1,202개의 사업장에서는 산업재해가 3번 일어났다. 따라서 첫 번째 산업재해가 일어날 때까지의 시간뿐만 아니라 순차적으로 일어나는 시간까지 고려할 수 있는 recurrent event data 분석방법이 필요하다.
두 개의 변수들간의 관계를 예로 들면, 근로자수(사업장규모)와 생존확률 간의 관계를 살펴본 결과 근로자수가 많을수록 시간이 지남에 따라 생존확률이 더욱 더 떨어짐(산업재해가 더 많이 일어남)을 알 수 있다. 세 변수들간의 관계를 예로 들면, 사업장규모별 그리고 재해 다수업종별 산업재해횟수를 boxplot으로 그려본 결과, 대기업일수록 그리고 재해가 많이 나는 업종일수록 산업재 해가 더욱 많이 일어난다는 것을 알 수 있다.
첫 번째 예로 업종별로 재해가 가장 많은 업종(임업, 광업, 제조업, 농업), 재해가 보통인 업종(건설업, 어업, ‘운수ㆍ창고 및 통신업’, ‘전기ㆍ가스 및 상수도업’), 재해가 가장 적은 업종{기타의 사업(서비스업), 무응답, ‘금융 및 보험업’}으로 나누고, 그 다음으로 산업재해수를 적음(1회 이하), 보통(1회 보다 많지만 10회 이하), 많음(10회 보다 많음)으로 나누어 총 9개의 범주로 세분화 하여, 각 cell에 속하는 사업장의 ‘첫 번째 산업재해가 발생할 때까지의 시간’을 survival probability로 나타내고 싶을 수 있다.

후속연구

다음으로 지금까지는 사업장에 대한 분석을 실시했는데, 새로운 산업재해 데이터베이스에 사람 위주로 산업재해와 관련된 정보를 데이터베이스화 할 수 있다면 지금까지 사업장을 대상으로 실행해온 분석을 사람을 대상으로 실행하여 여러 가지 유용한 정보들을 얻을 수 있을 것이다. 아울러 각 사업장 또는 각 사람의 지리정보까지 산업재해 데이터베이스에 넣을 수 있다면 공간 분석까지도 가능할 것이다.
마지막으로 본 프로젝트는 주로 산업예방정책이 효 과가 있었는지 판단할 수 있는 모델의 구축에 중점을 두 었는데, 이런 모델을 더욱 발전시켜 tree 구조의 모델 또 는 support vector machine을 만들어 산업재해가 가장 잘 일어날 것 같은 사업체 또는 사람을 산업재해가 발생 하기 전에 미리 발견(예측)하여 그 사업체 또는 사람에 게 feedback을 사전에 줄 수 있는 시스템을 구축할 수 있다면 더욱 좋을 것이다.
마지막으로 본 프로젝트는 주로 산업예방정책이 효 과가 있었는지 판단할 수 있는 모델의 구축에 중점을 두 었는데, 이런 모델을 더욱 발전시켜 tree 구조의 모델 또 는 support vector machine을 만들어 산업재해가 가장 잘 일어날 것 같은 사업체 또는 사람을 산업재해가 발생 하기 전에 미리 발견(예측)하여 그 사업체 또는 사람에 게 feedback을 사전에 줄 수 있는 시스템을 구축할 수 있다면 더욱 좋을 것이다.
다음으로 지금까지는 사업장에 대한 분석을 실시했는데, 새로운 산업재해 데이터베이스에 사람 위주로 산업재해와 관련된 정보를 데이터베이스화 할 수 있다면 지금까지 사업장을 대상으로 실행해온 분석을 사람을 대상으로 실행하여 여러 가지 유용한 정보들을 얻을 수 있을 것이다. 아울러 각 사업장 또는 각 사람의 지리정보까지 산업재해 데이터베이스에 넣을 수 있다면 공간 분석까지도 가능할 것이다.
이외에 재해자에 대한 정보, 사고와 관련된 상황 정보, ‘공단, 민간, 고용노동부의 정책활동 내역 및 실시일’, 사업장 지리정보 등 산업재해와 관련된 정보 등을 산업재해 데이터베이스로 구축할 수 있다면 보다 다양한 분석을 할 수 있을 것이다.
다음으로 지금까지의 분석에서는 산업안전보건공단, 민간 및 고용노동부의 지도가 효과가 있었는지 판단할 때 과거 10년간 누적지도횟수를 가지고 판단하였다. 하지만 총 관측기간을 각 기관의 지도 전과 후로 나누어 산업재해의 발생여부 또는 빈도 등을 통계적인 방법으로 비교한다든지 또는 의학통계에서 repeated measure에 대한 효과 분석방법을 이용하여 각 기관의 지도가 효과가 있었는지 판단할 수도 있을 것이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	데이터 마이닝 기법을 활용하는 이유는?	데이터 마이닝 기법은 대량의 과거 데이터로부터 미래를 예측하기 위해 활용된다. 기존의 데이터 마이닝 기법은 이동통신사의 이탈 고객 예측, 취업고객 분석 및 예측, 의학적 진단 예측 등에 활용되었다([16]).
	Cox의 비례위험모델이란 무엇인가?	Cox의 비례위험모델{proportional hazard(PH) model}은 수명에 대한 실험에서 특정 사건이 일어날 때까지 걸리는 시간에 대해 모델링할 때 많이 적용하는 모델이다. 산업재해가 처음 발생할 위험은 해당 사업장이 처해 있는 업종, 근로자수, 그리고 해당 사업장에서 발생한 총 산업재해수 등에 의해 영향을 받을 수 있다.
	탐색적 자료분석방법을 통해 확인한 산업재해 데이터가 시사하는 것은?	이들 데이터로부터 중요한 두 개 또는 세 개의 변수 간의 관계를 탐색적 자료분석방법으로 살펴보았다. 두 개의 변수들간의 관계를 예로 들면, 근로자수(사업장규모)와 생존확률 간의 관계를 살펴본 결과 근로자수가 많을수록 시간이 지남에 따라 생존확률이 더욱 더 떨어짐(산업재해가 더 많이 일어남)을 알 수 있다. 세 변수들간의 관계를 예로 들면, 사업장규모별 그리고 재해 다수업종별 산업재해횟수를 boxplot으로 그려본 결과, 대기업일수록 그리고 재해가 많이 나는 업종일수록 산업재 해가 더욱 많이 일어난다는 것을 알 수 있다.

참고문헌 (21)

Kim, H. Y. and Heo, T. Y. (2010). "An Analysis of relative injury risk by industry and estimation of a circular distribution model for industrial injury". Seoul City Research, 11, 127-138.
Ju, J. H. (1997). "An analysis of factors and structure affecting industrial accidents in Korea". Kyungsung University Ph.D. Dissertation.
Kim, H. S. (2008). "A Study on the relations between industrial accident insurance and the automobile insurance". Labour Law, 26, 303-325.
Park, J. S. (2006). "Occupational accidents due to colleague's abusive act and right to reimbursement of industrial accidents compensation insurance". Labour Law, 22, 363-386.
Kim, S. K (1998). "A status of the report for industrial injuries and illnesses at an automobile related plant". Annals of Occupational and Environmental Medicine, 10, 562-570.
Lee, C. J., Jun, Y. U., Choi, Y. H. and Jo, A. (2002). "Causes and preventive measures for low back pain industrial accidents suffered by automobile assembly workers". Korea Ergonomics Society Conference Proceeding, 119-123.
Lee, J. C., Shin, S. W. and Lee C. S. (2007). "Accident analysis of middle-aged & advanced-aged construction workers". Korea Architecture Association Conference Proceeding(Structural System), 27, 797-800.
Lee, K. S. and Jung, B. Y. (2008). "An analysis of industrial accidents in small-scale fiber business". Korea Ergonomics Society Spring Conference Proceeding, 252-255.
Park, H. J. (2007). "Research on industrial disaster in hospital". Korea Ergonomics Society Fall Conference Proceeding, 492-495.
Lee, G. S. et al (2006). "Relationship between Injury Occurrence and Workplace Organization in Small-sized Manufacturing Factories". Korea Industrial Medicine Society, 18, 73-86.
Lee, S. W., Kim, K. S. and Kim, T. W. (2008). "The status and characteristics of industrial accidents for migrant workers in Korea compared with native workers". Korea Industrial Medicine Society, 20, 351-361.
Kim, H. H. et al (2009). "An analysis of characteristics of musculoskeletal disorders risk factors". Korea Ergonomics Society, 28, 17-25.
Leem, Y. M, Kwag, J. K. and Hwang, Y. S. (2005). "A feature analysis of industrial accidents using C4.5 algorithm". Korea Safety Society, 20, 130-137.
Leem, Y. M. and Hwang, Y. S. (2006). "Data Analysis of Industrial Accidents in Manufacturing Industries Using CHIAD Algorithm". Korea Safety Management Society/Korea Cyber Terrorism Information Transfer Society Spring Conference Proceeding, 45-50.
Song, J. M. and Yoon, S. U. (2004). "A study on split selection algorithms in decision tree". Yonsei University Master's Thesis.
Lee, K. N. and Lee, H. C. (2003). "A Study on the combined decision tree(C4.5) and neural network algorithm for classification of mobile telecommunication customer". Korea Intelligence Information System Society, 9, 139-155.
Leem, Y. M. and Ryu, C. H. (2006). "A comparison of data mining techniques for predicting model of industrial accidents". Korea Industrial Management System Society Conference Proceeding, 107-113.
Jung, W. I. and Jun, Y. I. (2014). "Working conditions and industrial accidents in accordance with safety and health environment in the workplace". Korea Crisis Management Society, 10, 323-344.
Korea Labor Institute. (2018). Report on Labor Force survey at establishments.
Baek, E. M. and Jung, H. S. (2019). "A study of factors impacting work-related health problems in different work-hour groups", Journal of Korean Society Occupational Environmental Hygiene, 29, 383-393.
Kim, Y. S., Jo, J. N. and Baik, J. W. (2016). "Comparative study of working conditions of Korea and Europe", Journal of the Korean Data & Information science Society, 27, 1-21.

원문보기 상세보기

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