플랜트 건설에서 딥러닝 기반 작업 위험성평가 모델 구축 연구

초록

연구목적: 본 연구는 플랜트 건설현장에서 유해·위험요인을 체계적으로 식별하고 평가할 수 있는 딥러닝 기반 작업 위험성평가 모델을 구축하는 데 목적이 있다. 특히, 경험과 지식이 부족한 근로자도 쉽게 활용할 수 있도록 체계적인 시스템을 설계하여, 기존의 경험기반 평가 방식의 문제를 해결하고자 한다. 연구방법: 국내 플랜트 건설사인 A사의 976,140건의 위험성평가 데이터를 기반으로 데이터 정제 및 전처리를 수행하고, LDA 기반 토픽 모델링과 심층 신경망(DNN)을 활용하여 위험성 평가 모델을 구축하였다. 데이터셋 18,000개를 사용하여 학습 및 테스트를 진행했으며, 최종 검증은 1,026건의 신규 위험성평가 데이터를 활용하였다. 연구결과: 개발된 모델은 작업조건에 따라 유해·위험 요인과 재해 유형 등을 체계적으로 추천하였고, 추천 결과의 95.6% 이상이 전문가에 의해 적합하다고 평가되었다. 최종 검증을 통해 8개 공종의 위험성평가 1,026개에 대해 추천된 6,380개 전체가 추천 적합도 80 이상으로 모델 설계 기준을 만족하였고, 전 공종에서 일관된 추천 품질과 높은 적합성을 지님을 입증하였다. 결론: 대규모 비정형 안전 데이터를 정형화하여 데이터 기반의 체계적인 위험성평가 모델을 구축함으로써, 기존의 경험 및 주관적인 평가 방식에 한계를 보완하였다. AI 기술을 활용을 통해 위험 요소 도출의 일관성과 효율성을 제고하고 위험성 평가의 실효성을 높였다. 이는 근로자의 참여 확대, 안전 전문가 부족 문제 등의 해결과 데이터 기반 안전관리 체계를 구축하는데 기여할 것으로 기대된다.

키워드