[논문]사망사고와 부상사고의 산업재해분류를 위한 기계학습 접근법

강성식; 장성록; 서용윤

doi:10.14346/jkosos.2021.36.5.52

[국내논문] 사망사고와 부상사고의 산업재해분류를 위한 기계학습 접근법
Machine Learning Approach to Classifying Fatal and Non-Fatal Accidents in Industries 원문보기

한국안전학회지 = Journal of the Korean Society of Safety, v.36 no.5, 2021년, pp.52 - 60

강성식 (부경대학교 안전공학과) , 장성록 (부경대학교 안전공학과) , 서용윤 (동국대학교(서울캠퍼스) 산업시스템공학과)

Abstract ▼ AI-Helper

As the prevention of fatal accidents is considered an essential part of social responsibilities, both government and individual have devoted efforts to mitigate the unsafe conditions and behaviors that facilitate accidents. Several studies have analyzed the factors that cause fatal accidents and compared them to those of non-fatal accidents. However, studies on mathematical and systematic analysis techniques for identifying the features of fatal accidents are rare. Recently, various industrial fields have employed machine learning algorithms. This study aimed to apply machine learning algorithms for the classification of fatal and non-fatal accidents based on the features of each accident. These features were obtained by text mining literature on accidents. The classification was performed using four machine learning algorithms, which are widely used in industrial fields, including logistic regression, decision tree, neural network, and support vector machine algorithms. The results revealed that the machine learning algorithms exhibited a high accuracy for the classification of accidents into the two categories. In addition, the importance of comparing similar cases between fatal and non-fatal accidents was discussed. This study presented a method for classifying accidents using machine learning algorithms based on the reports on previous studies on accidents.

주제어

표/그림 (6)

그림 Fig. 1. Flowchart for the methodology.
그림 Fig. 2. Partition of data set.
표 Table 1. Confusion matrix
표 Table 2. Confusion matrix and degree of accuracy for each methodology
표 Table 3. Classification factors of logistic regression
표 Table 4. Definition of misclassification and implications of prediction and management

참고문헌 (20)

H. W. Heinrich, "Industrial Accident Prevention: A Scientific Approach", McGraw-Hill, 1931.
KOSHA, "Statistical Survey and Analysis of Industrial Disasters", 2019.
S. Kang and Y. Suh, "On the Development of Risk Factor Map for Accident Analysis using Textmining and SelfOrganizing Map(SOM) Algorithms", J. Korean Soc. Saf., Vol. 33, No. 6, pp. 77-84, 2018.

원문보기 상세보기
G. Ahn, M. Seo and S. Hur, "Development of Accident Classification Model and Ontology for Effective Industrial Accident Analysis based on Textmining", Journal of The Korean Society of Safety, Vol. 32, No. 5, pp. 179-185, 2017.

원문보기 상세보기
Y. M. Goh and C. U. Ubeynarayana, "Construction Accident Narrative Classification: An Evaluation of Text Mining Techniques", Accident Analysis and Prevention, Vol. 108, pp. 122-130, 2017.

상세보기
G. Salton and M. McGill, "Introduction to Modern Information Retrieval", McGraw-Hill, NY, 1983.
S. Wold, K. Esbensen and P. Geladi, "Principal Component Analysis", Chemometrics and Intelligent Laboratory Systems, Vol. 2, No. 1-3, pp. 37-52, 1987.

상세보기
MOEL, "Classification of Causes of Deaths in Industrial Accidents", 2017.
B. Kim, S. Chang and Y. Suh, "Text Analytics for Classifying Types of Accident Occurrence Using Accident Report Documents", J. Korean Soc. Saf., Vol. 33, No. 3, pp. 58-64, 2018.

원문보기 상세보기
J. Jeong, M. Jee, M. Go, H. Kim, H. Lim, Y. Lee, and W. Kim, "Related Documents Classification System by Similarity between Documents", Journal of Broadcast Engineering, Vol. 24, No. 1, pp. 77-86, 2019.

원문보기 상세보기
D. Pak, M. Hwang, M. Lee, S. Woo, S. Hahn, Y. J. Lee, and J. Hwang, "Application of Text-Classification Based Machine Learning in Predicting Psychiatric Diagnosis", Korean Journal of Biological Psychiatry, Vol. 27, No. 1, pp. 18-26, 2020.
W. Lee, "A deep learning analysis of the KOSPI's directions", Journal of the Korean Data and Information Science Society, Vol. 28, No. 2, pp. 287-295, 2017.

원문보기 상세보기
R. Kostoff, D. Toothman, H. Eberhart, and J. Jumenik, "Textmining Using Database Tomography and Bibliometrics: A Review", Technological Forecasting and Social Change, Vol. 68, No. 3, pp. 223-252, 2001.

상세보기
M. Leblanc and R. Tibshirani, "Combining Estimates in Regression and Classification", Journal of the American Statistical Association, Vol. 91, No. 436, pp. 1641-1650, 1994.

상세보기
S. Dreiseitl and L. Ohno-Machado, "Logistic Regression and Artificial Neural Network Classification Models", Journal of Biomedical Informatics, Vol. 35, pp. 352-359, 2002.

상세보기
Y. Song and Y. LU, "Decision Tree Methods: Applications for Classification and Prediction", Shanghai Arch Psychiatry, Vol. 25, No. 2, pp. 130-135, 2015.
R. Feraud and F Clerot, "A Methodology to Explain Neural Network Classification", Neural Networks, Vol. 15, No. 2, pp. 237-246, 2002.

상세보기
J. P. Bigus, "Data Mining with Neural Networks", Macgraw-Hill, pp. 61-97, 1996.
A. Mathur and G. M. Foody, "Multiclass and Binary SVM Classification: Implications for Training and Classification Users", IEEE Geoscience and Remote sensing Letters, Vol. 5, No. 2, pp. 241-245, 2008.

상세보기
J. Han, J. Pei and M. Kamber, "Data Mining: Concepts and Techniques", Elsevier, 2011.

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

[국내논문] 사망사고와 부상사고의 산업재해분류를 위한 기계학습 접근법
Machine Learning Approach to Classifying Fatal and Non-Fatal Accidents in Industries 원문보기

Abstract ▼ AI-Helper

주제어

표/그림 (6)

표/그림 (6)

참고문헌 (20)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

[국내논문] 사망사고와 부상사고의 산업재해분류를 위한 기계학습 접근법 Machine Learning Approach to Classifying Fatal and Non-Fatal Accidents in Industries 원문보기

Abstract ▼ AI-Helper

주제어

표/그림 (6) 모든 표/그림 보기

표/그림 (6) 슬라이드로 보기

참고문헌 (20)

이 논문을 인용한 문헌

저자의 다른 논문 :

장성록 (109)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

[국내논문] 사망사고와 부상사고의 산업재해분류를 위한 기계학습 접근법
Machine Learning Approach to Classifying Fatal and Non-Fatal Accidents in Industries 원문보기

표/그림 (6)

표/그림 (6)