KR102350038B1 - Work management system for determining risk of target work and method there of - Google Patents
Work management system for determining risk of target work and method there of Download PDFInfo
- Publication number
- KR102350038B1 KR102350038B1 KR1020200136258A KR20200136258A KR102350038B1 KR 102350038 B1 KR102350038 B1 KR 102350038B1 KR 1020200136258 A KR1020200136258 A KR 1020200136258A KR 20200136258 A KR20200136258 A KR 20200136258A KR 102350038 B1 KR102350038 B1 KR 102350038B1
- Authority
- KR
- South Korea
- Prior art keywords
- information
- risk
- job
- target
- artificial intelligence
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0633—Workflow analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
본 개시는 대상 작업의 위험성을 평가하는 방법 및 이를 수행하는 작업 관리 시스템에 관한 것이다. 보다 상세하게는 인공 지능 알고리즘을 기반으로 대상 작업을 전반적으로 관리할 수 있는 작업 관리 방법 및 이를 수행하는 작업 관리 시스템에 관한 것이다.The present disclosure relates to a method for evaluating the risk of a target job and a job management system for performing the same. More particularly, it relates to a task management method capable of overall management of a target task based on an artificial intelligence algorithm, and a task management system for performing the same.
일반적으로 산업 현장 또는 작업 현장에서 수행되는 일련의 작업 또는 작업에 수반되는 공정들은 다양한 위험성을 내포하고 있으며, 이러한 위험성 및 작업이 수행되는 현장의 환경 관리를 통해 근로자의 안전 및 작업 효율을 동시에 향상시키기 위한 다양한 기술들이 개발되고 있다.In general, a series of tasks or processes performed at an industrial site or work site contain various risks, and it is necessary to improve worker safety and work efficiency at the same time through environmental management of these risks and the site where the work is performed. Various technologies are being developed for
이러한 작업 관리 플랫폼의 실시 예로 공정 관리, BIM(빌딩 정보 모델링), 위험성평가, 현장 모니터링, 환경 모니터링 기술들이 활발하게 연구되고 있으며, 이를 통하여 근로자들의 안전 및 작업 효율을 함께 향상시키려는 다방면의 시도가 이루어지고 있다.As an example of such a work management platform, process management, BIM (building information modeling), risk assessment, on-site monitoring, and environmental monitoring technologies are being actively studied. is losing
그러나, 종래의 안전관리 기술 내지 위험성 평가 기술은 작성자의 경험과 역량 등과 같이 주관적 기준에 의해 수립되는 한계가 있었고, 주관적 기준에 따라 수립된 평가 기준으로 인해 안전 관리가 효율적으로 되지 않는 한계가 있었다.However, the conventional safety management technology or risk assessment technology had limitations established by subjective standards such as the experience and competency of the creator, and there was a limit in that safety management was not effective due to the evaluation standards established according to the subjective standards.
또한, 종래의 위험성 평가 기술은 작업반에 의한 최초 위험 요인이 도출된 이후에도, 경험 및 역량이 객관적으로 인증되지 않는 관리 감독자, 위험 공증에 대한 공학적 지식이 부족한 안전 관리자 및 일관성이 결여된 주관적 기준을 가진 안전 보건 총괄 책임자에 의해, 작업에 대한 위험성이 평가됨으로써 작업 체계하에서 객관적으로 작업의 위험성을 평가할 수 없는 문제점이 있다.In addition, the conventional risk assessment technology has a management supervisor whose experience and competency are not objectively certified even after the initial risk factor is derived by the working group, a safety manager who lacks engineering knowledge about risk notarization, and a subjective standard that lacks consistency. There is a problem in that it is impossible to objectively evaluate the risk of work under the work system because the risk to work is evaluated by the person in charge of safety and health.
따라서, 작업자의 주관적 기준이 아닌, 객관적인 데이터 분석 결과에 기초하여 대상 작업의 위험성을 평가하고 관리하기 위한 기술 개발이 요구되고 있다.Therefore, there is a demand for technology development for evaluating and managing the risk of a target job based on an objective data analysis result rather than a subjective criterion of an operator.
일 실시 예에 따르면, 대상 작업의 위험성을 평가하는 방법 및 이를 수행하는 작업 관리 시스템이 제공될 수 있다.According to an embodiment, a method for evaluating the risk of a target task and a task management system for performing the same may be provided.
일 실시 예에 의하면, 인공 지능 모델을 기반으로 대상 작업의 위험성을 객관적으로 평가하는 작업 관리 시스템 및 이의 동작 방법이 제공될 수 있다.According to an embodiment, a task management system for objectively evaluating the risk of a target task based on an artificial intelligence model and an operation method thereof may be provided.
상술한 기술적 과제를 달성하기 위한 본 개시의 일 실시 예에 따라, 작업 관리 시스템이 대상 작업의 위험성을 평가하는 방법은 상기 대상 작업과 관련된 텍스트 또는 이미지 중 적어도 하나를 포함하는 평가 대상 정보를 획득하는 단계; 상기 평가 대상 정보를 제1 인공 지능 모델에 입력함으로써 상기 제1 인공 지능 모델로부터 상기 평가 대상 정보에 대응되는 상기 대상 작업 정보를 획득하는 단계; 및 상기 대상 작업 정보를, 상기 식별된 대상 작업 정보가 입력되면 상기 대상 작업 정보에 대한 위험성 평가를 정보를 출력하는 제2 인공 지능 모델에 입력함으로써, 상기 제2 인공 지능 모델로부터 위험성 평가 정보를 획득하는 단계; 를 포함할 수 있다.According to an embodiment of the present disclosure for achieving the above-described technical problem, the method for the task management system to evaluate the risk of the target task is to obtain evaluation target information including at least one of text or an image related to the target task step; obtaining the target task information corresponding to the evaluation target information from the first artificial intelligence model by inputting the evaluation target information into a first artificial intelligence model; And by inputting the target job information, when the identified target job information is input, a risk assessment for the target job information is outputted to a second artificial intelligence model that outputs information, thereby obtaining risk assessment information from the second artificial intelligence model to do; may include
또한, 상기 기술적 과제를 해결하기 위한 본 개시의 또 다른 실시 예에 따라, 작업 관리 시스템은 상기 작업 관리 시스템이 관리하는 작업 공간 내에 미리 배치되는 IOT 디바이스들; 및 상기 작업 IOT 디바이스들로부터 획득되는 모니터링 정보에 기초하여 상기 작업 공간 내에서 수행되거나 수행될 작업과 관련된 위험성 평가를 수행하는 전자 장치; 를 포함하고, 상기 전자 장치는 상기 IOT 디바이스들과 통신하기 위한 네트워크 인터페이스; 하나 이상의 인스트럭션을 저장하는 메모리; 및 적어도 하나의 프로세서; 를 포함하며, 상기 적어도 하나의 프로세서는 상기 하나 이상의 인스트럭션을 실행함으로써, 상기 대상 작업과 관련된 텍스트 또는 이미지 중 적어도 하나를 포함하는 평가 대상 정보를 획득하고, 상기 평가 대상 정보를 제1 인공 지능 모델에 입력함으로써 상기 제1 인공 지능 모델로부터 상기 평가 대상 정보에 대응되는 상기 대상 작업 정보를 획득하고, 상기 대상 작업 정보를, 상기 식별된 대상 작업 정보가 입력되면 상기 대상 작업 정보에 대한 위험성 평가를 정보를 출력하는 제2 인공 지능 모델에 입력함으로써, 상기 제2 인공 지능 모델로부터 위험성 평가 정보를 획득할 수 있다.In addition, according to another embodiment of the present disclosure for solving the technical problem, the work management system includes IOT devices that are pre-arranged in the work space managed by the work management system; and an electronic device for performing risk assessment related to a task to be performed or to be performed in the workspace based on monitoring information obtained from the work IOT devices. comprising: a network interface for communicating with the IOT devices; a memory storing one or more instructions; and at least one processor; including, wherein the at least one processor obtains evaluation target information including at least one of a text or an image related to the target task by executing the one or more instructions, and provides the evaluation target information to the first artificial intelligence model. Obtaining the target job information corresponding to the evaluation target information from the first artificial intelligence model by inputting the target job information, when the identified target job information is input By inputting the outputted second artificial intelligence model, risk assessment information may be obtained from the second artificial intelligence model.
또한, 상기 기술적 과제를 해결하기 위한 본 개시의 또 다른 실시 예에 따라, 작업 관리 시스템이 대상 작업의 위험성을 평가하는 방법에 있어서, 상기 대상 작업과 관련된 텍스트 또는 이미지 중 적어도 하나를 포함하는 평가 대상 정보를 획득하는 단계; 상기 평가 대상 정보를 제1 인공 지능 모델에 입력함으로써 상기 제1 인공 지능 모델로부터 상기 평가 대상 정보에 대응되는 상기 대상 작업 정보를 획득하는 단계; 및 상기 대상 작업 정보를, 상기 식별된 대상 작업 정보가 입력되면 상기 대상 작업 정보에 대한 위험성 평가를 정보를 출력하는 제2 인공 지능 모델에 입력함으로써, 상기 제2 인공 지능 모델로부터 위험성 평가 정보를 획득하는 단계; 를 포함하는, 방법을 수행하도록 하는 프로그램이 저장된 컴퓨터로 읽을 수 있는 기록 매체가 제공될 수 있다.In addition, according to another embodiment of the present disclosure for solving the technical problem, in a method for a task management system to evaluate the risk of a target task, an evaluation target including at least one of text or an image related to the target task obtaining information; obtaining the target task information corresponding to the evaluation target information from the first artificial intelligence model by inputting the evaluation target information into a first artificial intelligence model; And by inputting the target job information, when the identified target job information is input, a risk assessment for the target job information is outputted to a second artificial intelligence model that outputs information, thereby obtaining risk assessment information from the second artificial intelligence model to do; A computer-readable recording medium in which a program for performing the method is stored, including the may be provided.
도 1은 일 실시 예에 따른 작업 관리 시스템이 대상 작업을 관리하는 과정을 개략적으로 설명하기 위한 도면이다.
도 2는 일 실시 예에 따른 대상 작업의 위험성을 평가하는 방법의 흐름도이다.
도 3은 일 실시 예에 따른 작업 관리 시스템이 적어도 하나의 인공 지능 모델을 이용하여 위험성 평가 정보를 결정하는 과정을 설명하기 위한 도면이다.
도 4는 일 실시 예에 따른 작업 관리 시스템이 평가 대상 정보로부터 대상 작업 정보를 결정하는 과정을 나타내는 도면이다.
도 5는 일 실시 예에 따른 작업 관리 시스템이 대상 작업 정보에 따른 작업에 대하여 위험성 평가 정보를 결정하는 방법을 나타내는 도면이다.
도 6은 일 실시 예에 따른 작업 관리 시스템이 대상 작업 정보에 따른 작업에 대하여 위험성 평가 정보를 결정하는 구체적인 방법을 나타내는 도면이다.
도 7은 일 실시 예에 따라 작업 관리 시스템이 이용하는 인공 지능 모델의 학습 과정을 설명하기 위한 도면이다.
도 8은 일 실시 예에 따른 작업 관리 시스템 내 IOT 디바이스, 전자 장치 및 서버가 서로 연동함으로써 대상 작업의 위험성 평가 방법을 수행하는 과정을 나타내는 도면이다.
도 9는 일 실시 예에 따른 전자 장치의 블록도이다.
도 10은 또 다른 실시 예에 따른 전자 장치의 블록도이다.
도 11은 일 실시 예에 따른 서버의 블록도이다.
도 12는 일 실시 예에 따른 IOT 디바이스의 블록도이다.1 is a diagram schematically illustrating a process in which a job management system manages a target job according to an embodiment.
2 is a flowchart of a method for evaluating a risk of a target task according to an exemplary embodiment.
3 is a diagram for explaining a process of determining risk assessment information using at least one artificial intelligence model by the task management system according to an embodiment.
4 is a diagram illustrating a process in which the job management system determines target job information from evaluation target information according to an embodiment.
5 is a diagram illustrating a method of determining risk assessment information for a job according to target job information by the job management system according to an embodiment.
6 is a diagram illustrating a specific method of determining risk assessment information for a job according to target job information by the job management system according to an embodiment.
7 is a diagram for explaining a learning process of an artificial intelligence model used by a task management system according to an embodiment.
8 is a diagram illustrating a process of performing a risk assessment method of a target job by interworking with an IOT device, an electronic device, and a server in a job management system according to an embodiment.
9 is a block diagram of an electronic device according to an exemplary embodiment.
10 is a block diagram of an electronic device according to another embodiment.
11 is a block diagram of a server according to an embodiment.
12 is a block diagram of an IOT device according to an embodiment.
본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 본 개시에 대해 구체적으로 설명하기로 한다. Terms used in this specification will be briefly described, and the present disclosure will be described in detail.
본 개시에서 사용되는 용어는 본 개시에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 개시에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 개시의 전반에 걸친 내용을 토대로 정의되어야 한다. The terms used in the present disclosure have been selected as currently widely used general terms as possible while considering the functions in the present disclosure, but these may vary depending on the intention or precedent of a person skilled in the art, the emergence of new technology, and the like. In addition, in a specific case, there is a term arbitrarily selected by the applicant, and in this case, the meaning will be described in detail in the description of the corresponding invention. Therefore, the terms used in the present disclosure should be defined based on the meaning of the term and the contents of the present disclosure, rather than the simple name of the term.
명세서 전체에서 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다. 또한, 명세서에 기재된 "...부", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다.In the entire specification, when a part "includes" a certain element, this means that other elements may be further included, rather than excluding other elements, unless otherwise stated. In addition, terms such as "...unit" and "module" described in the specification mean a unit that processes at least one function or operation, which may be implemented as hardware or software, or a combination of hardware and software. .
아래에서는 첨부한 도면을 참고하여 본 개시의 실시예에 대하여 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 개시는 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다. 그리고 도면에서 본 개시를 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.Hereinafter, with reference to the accompanying drawings, the embodiments of the present disclosure will be described in detail so that those of ordinary skill in the art to which the present disclosure pertains can easily implement them. However, the present disclosure may be implemented in several different forms and is not limited to the embodiments described herein. And in order to clearly explain the present disclosure in the drawings, parts irrelevant to the description are omitted, and similar reference numerals are attached to similar parts throughout the specification.
도 1은 일 실시 예에 따른 작업 관리 시스템이 대상 작업을 관리하는 과정을 개략적으로 설명하기 위한 도면이다.1 is a diagram schematically illustrating a process in which a job management system manages a target job according to an embodiment.
일 실시 예에 의하면 작업 관리 시스템(1000)은 전자 장치(2000), 전자 장치(3000), IOT 디바이스들(140, 160)을 포함할 수 있다. 그러나, 이에 한정되는 것은 아니며 작업 관리 시스템(1000)은 더 많은 구성 요소를 포함할 수도 있고, 더 적은 구성 요소를 포함할 수도 있다. 예를 들어, 작업 관리 시스템(1000)은 종래의 작업 관리 시스템이 관리자의 역량 또는 수준과 같은 주관적 기준에 따라 대상 작업의 위험성을 평가하고 관리하던 것과는 달리, 인공지능 모델을 기반으로 주어진 데이터를 분석함으로써 통합 개발 환경(Integrated Development Environment, IDLE) 하 최적화된 작업 관리 서비스를 제공할 수 있다.According to an embodiment, the
일 실시 예에 의하면, 작업 관리 시스템(1000)은 실시간으로 IOT 디바이스들과 통신 연결될 수 있고, IOT 디바이스들로부터 수신되는 모니터링 정보에 기초하여 작업 환경 내에서 수행되고 있는 작업 전반에 대한 공정, 위험 요인을 관리할 수 있다. 일 실시 예에 의하면, 작업 관리 시스템(1000)은 종래 현장 관리자(112) 또는 건설사 담당자(114)등과 같은 인력의 주관적 기준에 따라 작업을 관리하는 것이 아니라, 통계학적 데이터 분석 결과에 기초하여 근로자들(141, 142, 143)에게 최적의 작업 환경을 제공할 수 있다.According to an embodiment, the
일 실시 예에 의하면, 작업 관리 시스템(1000)은 대상 작업의 공정을 관리하고, 대상 작업의 위험성을 평가하며, 평가된 위험성을 구성하는 위험 요인별 대책을 결정함으로써 작업 환경 내 안전 관리를 효과적으로 수행할 수 있을 뿐만 아니라, 작업 환경 내 환경에 대한 데이터를 실시간으로 수집함으로써 작업 공간 내 전반적인 환경 상황을 관리할 수도 있다.According to one embodiment, the
일 실시 예에 의하면, 작업 관리 시스템(1000)은 적어도 하나의 전자 장치를 포함할 수 있다. 또 다른 실시 예에 의하면 작업 관리 시스템(1000)은 하나의 전자 장치만을 포함할 수도 있고, 더 많은 수의 전자 장치를 포함할 수 있음은 물론이다. 일 실시 예에 의하면, 작업 관리 시스템(1000)내 전자 장치는 네트워크(130)를 통하여 IOT 디바이스들과 연결됨으로써, IOT 디바이스들로부터 모니터링 정보를 획득하고, 획득된 모니터링 정보를 분석하기 위한 AI 프로그램이 탑재되는 스마트폰, 태블릿 PC, 스마트 TV, 휴대폰, 미디어 플레이어, 서버, 마이크로 서버, 기타 모바일 또는 비모바일 컴퓨팅 장치일 수 있으나, 이에 제한되지 않는다.According to an embodiment, the
일 실시 예에 의하면, 작업 관리 시스템(1000)내 노트북과 같은 휴대용 전자 장치(3000)도 네트워크(130)를 통하여 IOT 디바이스들에 액세스할 수 있고, IOT 디바이스들로부터 송수신되는 모니터링 정보에 기초하여, 본 개시에 따른 작업 관리 서비스 내지 대상 작업에 대한 위험성 평가 서비스를 제공할 수 있다. 또 다른 실시 예에 의하면, 작업 관리 시스템(1000)은 데스크탑 또는 고정형 서버와 같은 전자 장치(2000)를 이용하여 본 개시에 따른 대상 작업에 대한 위험성 평가 서비스 내지 작업 관리 서비스를 사용자들에게 제공할 수 있다.According to an embodiment, the portable
일 실시 예에 의하면, 전자 장치(2000)는 데스크 본체(110) 및 작업 관제 화면(120)을 표시하기 위한 디스플레이 장치를 포함할 수 있다. 전자 장치(2000)는 네트워크(130)를 통하여 획득되는 모니터링 정보를 실시간으로 분석함으로써 작업에 대한 전반적인 스케쥴, 상기 작업이 수행되는 작업 환경에 대한 3차원 모델링 정보, 상기 작업 또는 상기 작업이 수행되는 환경에 대한 도면들을 함께 표시할 수 있다. 또한, 전자 장치(2000)는 네트워크(130)를 통하여 IOT 디바이스들로부터 모니터링 정보를 획득하고, 획득된 모니터링 정보에 기초하여 현재 진행되는 작업의 진척 정도, 현재 수행되는 작업에 대한 위험성 평가 결과, 작업 도중 발생한 긴급 사고 내지 이슈에 대한 정보들을 출력할 수도 있다.According to an embodiment, the
일 실시 예에 의하면, 전자 장치(2000) 및 전자 장치(3000)는 네트워크(130)를 통하여 IOT 디바이스들과 연결될 수 있다. 일 실시 예에 의하면, IOT 디바이스들은 제1 타입의 IOT 디바이스들(140)과 제2 타입의 IOT 디바이스들(160)을 포함할 수 있다. 일 실시 예에 의하면, 제1 타입의 IOT 디바이스들(140)은 작업 관리 시스템이 관리하는 작업 공간 내에 설치되고, 네트워크(130)를 통하여 통신할 수 있는 네트워크 인터페이스를 포함하는 센서 장치 또는 모니터링 디바이스를 의미할 수 있다. 또한, 일 실시 예에 의하면, 제2 타입의 IOT 디바이스들(160)은 작업 공간과 상호 작용 가능한 작업 공간 주변의 작업 환경 내에 설치되는 센서 장치, 모니터링 디바이스를 의미할 수 있다.According to an embodiment, the
일 실시 예에 의하면, 제1 타입의 IOT 디바이스들(140)은 작업 공간에 설치되는 화재 감지기(156), 작업 공간을 모니터링하는 CCTV (152, 154), 작업 공간에서 작업을 수행하는 근로자(141, 142, 143)에 부착되는 웨어러블 디바이스(145, 147)을 포함할 수 있다. 또한, 일 실시 예에 의하면, 제2 타입의 IOT 디바이스들(160)은 작업 환경에 설치되는 유해가스 농도 측정기(162), 기상 물질 감지 센서(166), 타워크레인 변위 감지기(164) 등을 포함할 수 있으나, 이에 한정되는 것은 아니며, 기타 목적의 IOT 센서 장치들을 더 포함할 수도 있다.According to an embodiment, the first type of
일 실시 예에 의하면, 작업 관리 시스템(1000)내 전자 장치(2000), 전자 장치(3000) 및 IOT 디바이스들(140, 160)이 연결되는 네트워크는 근거리 통신망(Local Area Network; LAN), 광역 통신망(Wide Area Network; WAN), 부가가치 통신망(Value Added Network; VAN), 이동 통신망(mobile radio communication network), 중 적어도 하나의 조합을 포함할 수 있다. 본 개시에 따른 작업 관리 시스템(1000)내 전자 장치(2000), 전자 장치(3000) 및 IOT 디바이스들(140, 160)은 상술한 서버 구성 외에도, 도 1에 도시된 각 네트워크 구성 주체(예컨대 전자 장치 또는 IOT 디바이스들)가 서로 원활하게 통신을 할 수 있도록 하는 포괄적인 의미의 데이터 통신망과, 유선 인터넷, 무선 인터넷 및 모바일 무선 통신망 자체를 포함할 수 도 있다.According to an embodiment, a network to which the
일 실시 예에 따르면, 작업 관리 시스템(1000)은 네트워크(130)를 통하여 제1 타입의 IOT 디바이스들(140)로부터 제1 모니터링 정보를 획득하고, 제2 타입의 IOT 디바이스들(160)로부터 제2 모니터링 정보를 획득할 수 있다. 제1 모니터링 정보 및 제2 모니터링 정보는 각각 모니터링 정보가 획득된 위치 정보를 포함할 수 있다. According to an embodiment, the
또한, 작업 관리 시스템(1000)은, 작업 관리 시스템이 관리하는 작업 공간 및 작업 공간 주변의 환경에 대한 지도 정보(예컨대, 설계도, 3D 모델링 지도 등)를 미리 저장할 수 있고, 제1 모니터링 정보 및 제2 모니터링 정보를 기 저장된 지도 정보에 매칭시킬 수 있다. 또한, 일 실시 예에 의하면, 작업 관리 시스템(1000)은 작업 공간 또는 작업 공간 주변의 환경에서 수행되는 작업의 위험성 정도에 따라 작업 공간 또는 주변 환경에 대한 공간 위험성 점수를 미리 설정해둘 수 있다. 일 실시 예에 의하면 위험성이 높은 작업이 수행되는 작업 공간 내지 환경 일수록 높은 공간 위험성 점수가 할당될 수 있다. In addition, the
작업 관리 시스템(1000)은 제1 모니터링 정보에 포함된 위치 정보에 기초하여, 제1 모니터링 정보와 제1 작업 공간을 매칭시키고, 제2 모니터링 정보에 포함된 위치 정보에 기초하여 제2 모니터링 정보와 제2 환경 공간을 매칭시킬 수 있다. 또한, 작업 관리 시스템(1000)은 제1 모니터링 정보에 기초하여 제1 위험성 점수를 결정한 후, 결정된 제1 위험성 점수에 제1 작업 공간에 미리 할당된 공간 위험성 점수를 곱함으로써 제1 가중치 위험성 점수를 결정할 수 있다. 또한, 작업 관리 시스템(1000)은 제2 모니터링 정보에 기초하여 제2 위험성 점수를 결정한 후, 결정된 제2 위험성 점수에 제2 환경 공간에 미리 할당된 공간 위험성 점수를 곱함으로써 제2 가중치 위험성 점수를 결정할 수 있다. 작업 관리 시스템(1000)은 상술한 모니터링 정보에 따라 결정된 가중치 위험 점수를, 위험성 평가 정보에 적용함으로써 위험성 평가 정보를 조정할 수 있다.The
예를 들어, 작업 관리 시스템(1000)은 평가 대상 정보(예컨대 텍스트나 이미지)를 획득하고, 평가 대상 정보를 제1 인공 지능 모델에 입력함으로써 대상 작업 정보를 식별한다. 또한, 작업 관리 시스템(1000)은 대상 작업 정보를 제2 인공 지능 모델에 입력함으로써 위험성 평가 정보를 획득한다. 작업 관리 시스템(1000)은 제1 인공 지능 모델에서 출력된 대상 작업 정보에 따라 특정되는 작업이 수행되는 작업 공간을 식별하고, 식별된 작업 공간으로부터 실시간으로 모니터링 정보를 획득한다. 작업 관리 시스템(1000)은 평가 대상 정보로부터 대상 작업이 식별되면, 대상 작업이 수행되는 작업 공간에 미리 배치된 IOT 디바이스들을 통하여 실시간으로 모니터링 정보를 획득한 후, 상술한 방법에 따라 가중치 위험성 점수를 결정한다. 작업 관리 시스템(1000)은 결정된 가중치 위험성 점수를, 위험성 평가 정보에 적용함으로써 위험성 평가 정보를 조정하고, 조정된 위험성 평가 정보를 최종 위험성 평가 정보로써 출력할 수 있다.For example, the
또한, 일 실시 예에 의하면, 작업 관리 시스템(1000)과 연결되는 서버 내지 IOT 디바이스들은 클라우드 기반 서버 장치들일 수 있고, 통계학적 분석 결과에 기초하여 통합 개발 환경 (IDLE) 알고리즘에 따라 설계되거나, 구조화될 수 있다. 따라서, 작업 관리 시스템(1000)은 실제 오프라인 상에 유형의 장치 없이도, 클라우드 환경하에서 언제 어디서나 대상 작업의 위험성 평가를 수행할 수 있다.Also, according to an embodiment, the server or IOT devices connected to the
도 2는 일 실시 예에 따른 대상 작업의 위험성을 평가하는 방법의 흐름도이다.2 is a flowchart of a method for evaluating a risk of a target task according to an exemplary embodiment.
S210에서, 작업 관리 시스템(1000)은 대상 작업과 관련된 텍스트 또는 이미지 중 적어도 하나를 포함하는 평가 대상 정보를 획득할 수 있다. 일 실시 예에 의하면, 평가 대상 정보는 대상 작업에 관련된 텍스트, 정지 영상 또는 동영상 중 적어도 하나를 포함할 수 있다. 예를 들어, 작업 관리 시스템(1000)은 특정 작업 명칭에 관한 텍스트를, 작업 관리 시스템 내 사용자 인터페이스에 대한 제1 사용자 입력에 기초하여 획득할 수 있다. 또 다른 실시 예에 의하면 작업 관리 시스템(1000)은 특정 작업에 관련된 이미지(예컨대 정지 영상) 또는 동영상을 작업 관리 시스템 내 사용자 인터페이스에 대한 제2 사용자 입력에 기초하여 획득할 수도 있다. In S210 , the
S220에서, 작업 관리 시스템(1000)은 평가 대상 정보를 제1 인공 지능 모델에 입력함으로써 제1 인공 지능 모델로부터 평가 대상 정보에 대응되는 대상 작업 정보를 획득할 수 있다. 일 실시 예에 의하면, 제1 인공 지능 모델은 텍스트 인식 모델 또는 기타 이미지 또는 영상을 처리하기 위한 인공 지능 모델일 수 있다. 일 실시 예에 의하면, 제1 인공 지능 모델은 심층 신경망(DNN:Deep Neural Network)를 포함할 수 있으며, 예를 들어, CNN (Convolutional Neural Network), DNN (Deep Neural Network), RNN (Recurrent Neural Network), RBM (Restricted Boltzmann Machine), DBN (Deep Belief Network), BRDNN(Bidirectional Recurrent Deep Neural Network) 또는 심층 Q-네트워크 (Deep Q-Networks) 등을 포함할 수 있으나, 이에 한정되는 것은 아니다.In S220 , the
일 실시 예에 의하면, 제1 인공 지능 모델은 대상 작업과 관련된 텍스트로부터 해당 대상 작업의 종류를 식별할 수 있다. 또 다른 실시 예에 의하면, 제1 인공 지능 모델은 대상 작업과 관련된 이미지 내지 영상을 분석함으로써, 해당 대상 작업의 종류를 식별할 수 있다. 본 개시에 따른 제1 인공 지능 모델은 상술한 대상 작업의 종류에 관한 정보를 대상 작업 정보로써 출력할 수 있다.According to an embodiment, the first artificial intelligence model may identify the type of the target job from the text related to the target job. According to another embodiment, the first artificial intelligence model may identify the type of the target job by analyzing an image or an image related to the target job. The first artificial intelligence model according to the present disclosure may output information about the type of the above-described target job as target job information.
또한, 일 실시 예에 의하면, 제1 인공 지능 모델은 대상 작업 정보에 따라 식별된 작업과 관련된 텍스트 데이터, 뉴스 데이터, 상기 작업과 관련된 이미지 데이터, 상기 작업과 관련된 영상 데이터에 기초하여 미리 학습될 수 있다.Also, according to an embodiment, the first artificial intelligence model may be pre-trained based on text data, news data, image data related to the job, and image data related to the job identified according to the target job information. have.
S230에서, 작업 관리 시스템(1000)은 상기 획득된 대상 작업 정보를, 상기 대상 작업 정보가 입력되면 대상 작업 정보에 대한 위험성 평가 정보를 출력하는 제2 인공 지능 모델에 입력함으로써, 상기 제2 인공 지능 모델로부터 위험성 평가 정보를 획득할 수 있다. 일 실시 예에 의하면, 제2 인공 지능 모델은 제1 인공 지능 모델과 다른 인공 지능 모델로써, 심층 신경망(DNN:Deep Neural Network)를 포함할 수 있으며, 예를 들어, CNN (Convolutional Neural Network), DNN (Deep Neural Network), RNN (Recurrent Neural Network), RBM (Restricted Boltzmann Machine), DBN (Deep Belief Network), BRDNN(Bidirectional Recurrent Deep Neural Network) 또는 심층 Q-네트워크 (Deep Q-Networks) 등을 포함할 수 있으나, 이에 한정되는 것은 아니다. In S230, the
일 실시 예에 의하면 제2 인공지능 모델은 상기 작업 관리 시스템이 관리하는 작업 공간의 위험성 평가 데이터, 위험등급 산정 데이터, 위험 요인 제거 대책 데이터, 사고 사례 데이터, 작업에 관련된 공정 정보 데이터, 상기 작업에 관련된 위험 요인 데이터, 상기 작업 공간에 대한 현장 정보 데이터, 보건 데이터 정보, 정부 정책 데이터 정보 중 적어도 하나에 기초하여, 미리 학습될 수 있다. 일 실시 예에 따른 작업 관리 시스템(1000)은 위험성 평가 정보를 결정하는 방법은 후술하는 도 5 내지 6을 참조하여 구체적으로 설명하기로 한다.According to an embodiment, the second artificial intelligence model includes risk assessment data, risk rating calculation data, risk factor removal countermeasure data, accident case data, work-related process information data, and the work of the work space managed by the work management system. Based on at least one of related risk factor data, field information data about the work space, health data information, and government policy data information, it may be learned in advance. A method of determining the risk assessment information in the
본 개시의 일 실시 예에 따른 제1 인공 지능 모델 및 제2 인공 지능 모델은 적어도 하나의 레이어들 및 상기 적어도 하나의 레이어들의 연결 강도에 관한 가중치(weight)를 포함할 수 있다. 또한, 일 실시 예에 의하면, 제1 인공 지능 모델은 평가 대상 정보가 입력되면 상기 평가 대상 정보에 대응되는 대상 작업 정보를 출력하도록 상기 가중치를 수정 및 갱신함으로써 미리 학습될 수 있고, 제2 인공 지능 모델은 상기 대상 작업 정보가 입력되면 상기 대상 작업 정보에 대한 위험성 평가 정보를 출력하도록 상기 가중치를 수정 및 갱신함으로써 미리 학습될 수 있다.The first artificial intelligence model and the second artificial intelligence model according to an embodiment of the present disclosure may include at least one layer and a weight regarding connection strength of the at least one layer. In addition, according to an embodiment, the first artificial intelligence model may be pre-learned by correcting and updating the weight to output target task information corresponding to the evaluation target information when the evaluation target information is input, and the second artificial intelligence When the target job information is input, the model may be trained in advance by modifying and updating the weight to output risk assessment information for the target job information.
도 2에는 도시되지 않았지만, 일 실시 예에 따른 작업 관리 시스템(1000)은 S230에서 획득된 위험성 평가 정보를 출력할 수 있다. 또한, 일 실시 예에 의하면, 작업 관리 시스템(10900)은 출력된 위험성 평가 정보와 함께 조치 정보를 더 출력할 수도 있다. 예를 들어, 작업 관리 시스템(1000)은 대상 작업에 대한 위험성 평가 정보에 따라, 위험성을 경감시키기 위한 일련의 조치 리스트를 저장할 수 있고, 획득된 위험성 평가 정보에 따라 소정의 조치들을, 미리 저장된 조치 리스트로부터 획득할 수 있다. 작업 관리 시스템(1000)은 결정된 위험성 평가 정보를 출력함과 함께 조치 리스트에서 획득된 소정의 조치들에 관한 정보를 함께 출력할 수 있다.Although not shown in FIG. 2 , the
도 2에는 도시되지 않았지만, 일 실시 예에 따른 작업 관리 시스템(1000)은 위험성 평가 정보 및 조치 정보에 따른 작업 수행 결과에 대한 점검 정보를 획득할 수도 있다. 예를 들어, 작업 관리 시스템(1000)은 작업 관리 시스템의 사용자의 사용자 입력에 기초하여, 위험성 평가 정보 및 조치 정보에 대한 피드백 결과로써 점검 정보를 획득할 수 있다. 일 실시 예에 의하면 점검 정보는, 일련의 공정의 진척 정도, 작업 완성 정도, 작업 수행 시 새롭게 발생한 위험 요인에 대한 정보를 포함할 수 있으나, 이에 한정되는 것은 아니다.Although not shown in FIG. 2 , the
또한, 일 실시 예에 따른 작업 관리 시스템(1000)은 위험성 평가 정보, 조치 정보 및 상기 점검 정보에 기초하여 피드백 정보를 생성할 수 있다. 작업 관리 시스템(1000)은 대상 작업에 대하여 출력된 다양한 정보들을 피드백 정보로 생성하고, 생성된 피드백 정보를 학습 데이터로 사용할 수 있다. 예를 들어, 작업 관리 시스템(1000)은 피드백 정보를 이용하여 기 학습된 인공 지능 모델을 다시 학습시킬 수 있다. 예를 들어, 작업 관리 시스템(1000)는 피드백 정보를 이용하여 인공 지능 모델 내 레이어들 및 레이어들의 연결 강도에 관한 가중치들을 수정 및 갱신할 수 있다.Also, the
또한, 도 2에는 도시되지 않았지만, 일 실시 예에 따른 작업 관리 시스템(1000)은 작업 관리 시스템이 관리하는 작업 공간에 미리 설치된 현장 모니터링 디바이스들(예컨대 제1 타입의 IOT 디바이들)로부터 현장 모니터링 정보를 실시간으로 획득하고, 획득된 현장 모니터링 정보에 기초하여 출력된 위험성 평가 정보를 조정하며, 조정된 위험성 평가 정보를 출력할 수 있다.In addition, although not shown in FIG. 2 , the
예를 들어, 작업 관리 시스템(1000)은 작업 공간에서 일하고 있는 근로자의 상의에 부착된 웨어러블 디바이스로부터 심박수에 관한 정보를 획득하고, 심박수가 기 설정된 임계치 이상으로 식별되는 경우, 해당 작업 공간의 위치 정보 및 근로자 식별 정보를 관제 화면에 출력할 수 있다. 또한, 작업 관리 시스템(1000)은 해당 근로자의 웨어러블 디바이스로 안내 정보 또는 심박수 이상과 관련된 경고 정보를 전송할 수도 있다. 즉 본 개시에 따른 작업 관리 시스템(1000)은 실시간으로 현장 모니터링 정보를 획득하고, 획득된 모니터링 정보에 따라 이미 출력된 위험성 평가 정보를 조정함으로써, 작업 현장을 효과적으로 관리하도록 할 수 있다. For example, the
또한, 일 실시 예에 의하면, 작업 관리 시스템(1000)은 작업 관리 시스템이 관리하는 작업 공간에 미리 설치된 환경 모니터링 디바이스들(예컨대 제2 타입의 IOT 디바이스들)로부터 환경 모니터링 정보를 실시간으로 획득하고, 획득된 환경 모니터링 정보에 기초하여 출력된 위험성 평가 정보를 조정하며, 조정된 위험성 평가 정보를 출력할 수 있다.In addition, according to an embodiment, the
예를 들어, 작업 관리 시스템(1000)은 작업 공간 또는 작업 공간 주변의 환경에 미리 설치된 기상 물질 감지 센서로부터 알림 정보를 획득되면, 해당 작업 공간의 위치 정보 및 해당 작업 공간의 대피 명령에 관한 경고 정보를 관제 화면에 출력할 수도 있다.For example, when the
또 다른 실시 예에 의하면, 작업 관리 시스템(1000)은 정부 정책 또는 법규에 대한 정보를 저장하는 외부 서버와 연결될 수 있으며, 위험성 평가와 관련된 법규 정보 또는 정부 정책에 대한 정보가 갱신되는지 여부를 식별할 수 있다. 작업 관리 시스템(1000)은 위험성 평가와 관련된 정부 정책 내지 법규 정보가 갱신되는 경우, 갱신된 정부 정책 및 법규 정보에 기초하여 출력된 위험성 평가 정보를 조정할 수 있다. 따라서, 본 개시에 따른 작업 관리 시스템(1000)은 최신의 산업 안전 관리에 관한 정책, 법규 및 법 정보에 기초하여, 대상 작업에 대한 실효성 있는 위험성 평가를 수행할 수 있다.According to another embodiment, the
또 다른 실시 예에 의하면, 작업 관리 시스템은 적어도 하나의 외부 서버와 연결되고, 외부 서버를 통하여 인터넷 정보에 액세스할 수 있다. 예를 들어, 작업 관리 시스템(1000)은 대상 작업 정보를 식별하고, 식별된 대상 작업 정보가 나타내는 작업과 관련된 뉴스, SNS, 재난, 재해 정보를 포함하는 인터넷 정보들을 실시간으로 획득할 수 있다. 작업 관리 시스템(1000)은 인터넷 정보들 중 대상 작업과의 관련성이 소정의 임계치 이상으로 식별되는 인터넷 정보들을 추출하고, 추출된 인터넷 정보들을 실시간으로 관제 화면에 출력할 수 있다.According to another embodiment, the job management system may be connected to at least one external server and access Internet information through the external server. For example, the
또한, 일 실시 예에 의하면, 작업 관리 시스템(1000)은 상술한 위험성 평가 정보, 조치 정보를 누적하여 저장할 수 있다. 작업 관리 시스템(1000)는 상술한 위험성 평가 정보, 조치 정보 등을 일, 주, 월 또는 년 별과 같은 소정의 시간 주기에 따라 누적하여 저장해둘 수 있다. 작업 관리 시스템(1000)은 누적하여 저장된 위험성 평가 정보 및 조치 정보를 미리 설정된 주기에 따른 누적 그래프로 표시함으로써, 작업 관리자가 소정의 기간 동안의 안전 관리 이력을 쉽게 관리하도록 할 수 있다.Also, according to an embodiment, the
도 3은 일 실시 예에 따른 작업 관리 시스템이 적어도 하나의 인공 지능 모델을 이용하여 위험성 평가 정보를 결정하는 과정을 설명하기 위한 도면이다.3 is a diagram for explaining a process of determining risk assessment information using at least one artificial intelligence model by the task management system according to an embodiment.
일 실시 예에 의하면, 작업 관리 시스템(1000)은 적어도 하나의 인공 지능 모델을 포함하고, 인공 지능 모델을 이용하여 대상 작업에 관한 위험성 평가 정보(312)를 출력할 수 있다. 예를 들어, 작업 관리 시스템(1000)은 대상 작업에 관한 평가 대상 정보(302, 304)를 텍스트 형식 또는 이미지 형식으로 획득할 수 있다. 작업 관리 시스템(1000)은 평가 대상 정보가 획득되면, 획득된 평가 대상 정보를 제1 인공 지능 모델(306)에 입력할 수 있다. According to an embodiment, the
일 실시 예에 의하면, 제1 인공 지능 모델(306)은 텍스트 또는 이미지 형식의 평가 대상 정보로부터 평가 대상 정보가 나타내는 작업의 종류를 식별하기 위한 정보인 작업 식별 정보를 출력할 수 있다. 또한, 일 실시 예에 의하면, 제1 인공 지능 모델(306)은 작업 식별 정보에 따라 특정되는 소정의 작업을 수행하기 위한 일련의 공정에 대한 정보를 포함하는 작업 공정 정보를 더 출력할 수도 있다. 본 개시에 따른 작업 관리 시스템(1000)은 제1 인공 지능 모델(306)로부터 출력된 작업 식별 정보 및 작업 공정 정보를 대상 작업 정보(310)로써 획득할 수 있다.According to an embodiment, the first
본 개시에 따른 작업 관리 시스템(1000)은 획득된 대상 작업 정보(310)를 미리 학습된 제2 인공 지능 모델에 입력할 수 있다. 제2 인공 지능 모델(308)은 대상 작업 정보가 입력되면, 대상 작업 정보가 나타내는 작업에 대한 위험성 평가 정보(312)를 출력할 수 있다. 일 실시 예에 의하면, 제2 인공 지능 모델(308)은 대상 작업의 위험 요인, 대상 작업을 수행하기 위한 일련의 공정 별 위험 요인, 상술한 위험 요인을 해결하기 위한 작업 대책 또는 상기 대상 작업의 위험 등급 중 적어도 하나를 위험성 평가 정보로써 획득할 수 있다. 작업 관리 시스템(1000)은 제2 인공 지능 모델(308)로부터 획득된 위험성 평가 정보를 출력할 수 있다.The
도 4는 일 실시 예에 따른 작업 관리 시스템이 평가 대상 정보로부터 대상 작업 정보를 결정하는 과정을 나타내는 도면이다.4 is a diagram illustrating a process in which the job management system determines target job information from evaluation target information according to an embodiment.
도 4를 참조하여 작업 관리 시스템(1000)이 텍스트 또는 이미지를 포함하는 평가 대상 정보로부터 대상 작업 정보를 결정하는 과정을 구체적으로 설명하기로 한다. S410에서, 작업 관리 시스템(1000)은 제1 인공 지능 모델로부터 평가 대상 정보가 나타내는 작업에 관련된 정보로써 작업 식별 정보를 획득할 수 있다. 예를 들어, 작업 식별 정보는 특정 작업을 식별하기 위한 식별 코드를 포함할 수 있다. 일 실시 예에 의하면, 작업 관리 시스템(1000)은 작업 공간 내에서 수행될 수 있는 작업의 종류 및 상기 작업의 종류 별로 매칭된 식별 코드를 포함하는 작업 분류 테이블을 저장할 수 있다. 작업 관리 시스템(1000)은 제1 인공 지능 모델이 텍스트 또는 이미지를 분석함으로써 특정 작업에 대한 클래스 정보(예컨대 작업의 종류)를 출력하면, 출력된 클래스 정보를 작업 분류 테이블 내 클래스 정보와 매칭함으로써 작업 식별 정보(예컨대 작업 식별 코드)를 획득할 수 있다.A process in which the
S420에서, 작업 관리 시스템(1000)은 획득된 작업 식별 정보에 따른 작업을 수행하기 위한 작업 공정 정보를 획득할 수 있다. 예를 들어, 작업 관리 시스템(1000)이 관리하는 작업을 수행하기 위해서는 일련의 공정들이 수반될 수 있고, 일련의 공정들의 수행이 완료되면, 해당 작업은 완료될 수 있다. 일 실시 예에 의하면, 작업 관리 시스템(1000)은 특정 작업에 포함되는 일련의 공정 리스트를 미리 저장할 수 있다. 따라서, 작업 관리 시스템(1000)은 제1 인공 지능 모델로부터 작업 식별 정보가 획득되면, 작업 식별 정보가 특정하는 작업을 미리 저장된 공정 리스트와 비교함으로써, 작업에 필요한 일련의 작업 공정 정보를 획득할 수 있다.In S420 , the
S430에서, 작업 관리 시스템(1000)은 제1 인공 지능 모델을 이용하여 평가 대상 정보를 분석함으로써, 작업 식별 정보에 기초하여 식별된 작업 별 또는 상기 S420단계에서 식별된 작업에 따른 공정 별 잠재 위험 요인을 획득할 수 있다. 예를 들어, 작업 관리 시스템(1000)은 작업 또는 공정 별로 발생 가능한 위험 요인 리스트를 미리 저장하고, 저장된 위험 요인 리스트를 이용하여 식별된 작업 또는 공정에 대한 위험 요인들을 식별할 수 있다. 그러나 또 다른 실시 에에 의하면, 작업 관리 시스템(1000)은 이미지 또는 텍스트를 포함하는 평가 대상 정보를 인공 지능 모델을 이용하여 분석함으로써, 현재 평가 대상 정보가 나타내는 작업 또는 작업 공정 별 내재될 수 있는 잠재 위험 요인을 획득할 수도 있다.In S430, the
도 5는 일 실시 예에 따른 작업 관리 시스템이 대상 작업 정보에 따른 작업에 대하여 위험성 평가 정보를 결정하는 방법을 나타내는 도면이다.5 is a diagram illustrating a method of determining risk assessment information for a job according to target job information by the job management system according to an embodiment.
S510에서, 작업 관리 시스템(1000)은 제2 인공 지능 모델에 따른 대상 작업 정보를 입력함으로써 작업 식별 정보에 따른 작업 별 또는 작업 공정 정보에 따른 상기 작업을 수행하기 위한 일련의 공정 별 위험 요인을 식별할 수 있다. 그러나 또 다른 실시 예에 의하면, 작업 관리 시스템(1000)은 미리 저장된 위험 요인 리스트에 액세스하고, 액세스된 위험 요인 리스트를 이용하여, 작업 별 위험 요인을 식별할 수도 있다. 그러나 또 다른 실시 예에 의하면, 제2 인공 지능 모델은 특정 작업을 수행하는 동안 발생할 수 있는 위험 요인을 출력하도록, 미리 학습될 수 있고, 작업 관리 시스템(1000)은 제2 인공 지능 모델에 대상 작업 정보를 입력함으로써 해당 작업에 대한 위험 요인을 식별할 수도 있다.In S510, the
S520에서, 작업 관리 시스템(1000)은 제2 인공 지능 모델로부터 식별된 위험 요인 별 적어도 하나의 작업 대책을 식별할 수 있다. 예를 들어, 제2 인공 지능 모델은 특정 위험 요인 작업 관리 시스템(1000)은 위험 요인을 감소하거나, 해결하기 위한 적어도 하나의 작업 대책을 출력하도록 미리 학습될 수 있고, 작업 관리 시스템(1000)은 제2 인공 지능 모델로부터 위험 요인 별 적어도 하나의 작업 대책을 식별할 수 있다.In S520 , the
S530에서, 작업 관리 시스템(1000)은 제2 인공 지능 모델로부터 상기 작업 식별 정보에 따른 작업의 위험 등급을 식별할 수 있다. 예를 들어, 제2 인공 지능 모델은 특정 작업에 대한 정보가 입력되면, 미리 학습된 데이터에 기초하여, 대상 작업에 대한 위험 등급을 출력하도록 미리 학습될 수 있다.In S530, the
S540에서, 작업 관리 시스템(1000)은 식별된 위험 요인, 적어도 하나의 작업 대책 및 상기 위험 등급을 포함하는 정보를 위험성 평가 정보로써 획득할 수 있다. 그러나 또 다른 실시 예에 의하면, 작업 관리 시스템(1000)이 제2 인공 지능 모델로부터 획득하는 위험성 평가 정보는 대상 작업에 대한 위험 조치 정보, 대상 작업과 관련된 뉴스, SNS, 재난, 재해 정보를 포함하는 인터넷 정보들을 더 포함할 수도 있다.In S540 , the
또한, 도 5에는 도시되지 않았지만, 작업 관리 시스템(1000)은 미리 설정된 위험 요인 리스트를 참조하여 상기 식별된 위험 요인과 유사한 유사 위험 요인을 식별하고, 식별된 유사 위험 요인 및 상기 잠재 위험 요인 별로 적어도 하나의 작업 대책을 식별하며, 유사 위험 요인, 상기 잠재 위험 요인, 상기 유사 위험 요인 및 상기 잠재 위험 요인 별 적어도 하나의 작업 대책 및 상기 위험 등급을 상기 위험성 평가 정보로써 획득할 수도 있다.In addition, although not shown in FIG. 5 , the
예를 들어, 작업 관리 시스템(1000)은 작업 별 또는 작업을 이루는 공정 별 위험 요인 리스트를 미리 저장할 수 있다. 작업 관리 시스템(1000)이 저장하는 위험 요인 리스트는 위험 요인 상호간의 관련성을 나타내는 유사도 거리를 더 포함할 수 있다. 따라서, 작업 관리 시스템(1000)은 위험 요인 리스트상 유사도 거리에 기초하여, 위험 요인 리스트 내의 2개 위험 요인간의 유사성을 식별하고, 식별된 유사성에 기초하여, 상술한 식별된 위험 요인과 유사한 유사 위험 요인을 결정할 수 있다. For example, the
또한, 상술한 바와 같이, 작업 관리 시스템(1000)은 제1 인공 지능 모델을 이용하여 텍스트 또는 이미지를 포함하는 평가 대상 정보로부터, 해당 작업에 대한 잠재 위험 요인을 식별할 수도 있었다. 작업 관리 시스템(1000)은 유사 위험 요인 및 잠재 위험 요인 별로 적어도 하나의 작업 대책을 식별할 수도 있다. 작업 관리 시스템(1000)은 유사 위험 요인, 잠재 위험 요인, 상기 유사 위험 요인 또는 잠재 위험 요인 별 적어도 하나의 작업 대책 및 위험 등급을 위험성 평가 정보로써 출력할 수도 있다.Also, as described above, the
도 6은 일 실시 예에 따른 작업 관리 시스템이 대상 작업 정보에 따른 작업에 대하여 위험성 평가 정보를 결정하는 구체적인 방법을 나타내는 도면이다.6 is a diagram illustrating a specific method of determining risk assessment information for a job according to target job information by the job management system according to an embodiment.
S610에서, 작업 관리 시스템(1000)은 미리 획득되는 사업 현장에 대한 환경 정보, 보건 데이터 정보, 정부 정책 정보에 기초하여, 상기 제2 인공 지능 모델로부터 식별된 적어도 하나의 작업 대책에 대한 우선 순위를 결정할 수 있다. 예를 들어, 작업 관리 시스템(1000)은 특정 작업에 대한 위험 요인 별 적어도 하나의 대책들을 식별하고, 식별된 적어도 하나의 대책에 대한 우선 순위를 결정할 수 있다. 보다 상세하게는, 제2 인공 지능 모델은 적어도 하나의 대책 별 실효성 점수를 함께 출력할 수 있고, 작업 관리 시스템(1000)은 실효성 점수에 기초하여, 위험 요인 별 대책들에 대한 우선 순위를 결정할 수 있다.In S610, the
S620에서, 작업 관리 시스템(1000)은 위험 요인 별 대책들에 대한 우선순위에 기초하여, 대책들 중 일부의 작업 대책을 선택할 수 있다. 일 실시 예에 의하면, 작업 관리 시스템(1000)은 위험 요인 별 2개의 작업 대책을 선별할 수도 있으나, 이에 한정되는 것은 아니다. 본 개시에 따른 작업 관리 시스템(1000)은 선별된 대책을 특정 작업에 대한 위험성 평가 정보로써 출력할 수 있다.In S620 , the
도 7은 일 실시 예에 따라 작업 관리 시스템이 이용하는 인공 지능 모델의 학습 과정을 설명하기 위한 도면이다.7 is a diagram for explaining a learning process of an artificial intelligence model used by a task management system according to an embodiment.
일 실시 예에 따른 작업 관리 시스템(1000)내 전자 장치(2000)는 서버(4000)와 연동함으로써 제1 인공 지능 모델 및 제2 인공 지능 모델을 학습시킬 수 있다. 예를 들어, 전자 장치(2000)는 작업과 관련된 텍스트 형식의 학습 데이터(702) 및 작업과 관련된 정지 영상 또는 동영상 형식의 학습 데이터(704)를 획득하고, 획득된 학습 데이터에 기초하여 제1 인공 지능 모델(712)을 학습시킬 수 있다. 그러나, 또 다른 실시 예에 의하면, 전자 장치(2000)는 스스로 제1 인공 지능 모델을 학습시킬 수도 있지만, 서버(4000)로부터, 서버(4000)에 의해 미리 학습된 제1 인공 지능 모델을 획득할 수도 있다. 예를 들어, 서버(4000)는 학습 데이터(702) 및 학습 데이터(704)에 기초하여 평가 대상 정보로부터 대상 작업의 종류를 출력하는 제1 인공 지능 모델을 학습시킬 수 있다. 서버(4000)는 제1 인공 지능 모델을 학습 시킨 후, 제1 인공 지능 모델에 대한 정보(예컨대 구조 정보, 하이퍼 파라미터, 가중치 값 등)를 전자 장치(2000)로 전송할 수도 있다.The
일 실시 예에 의하면, 전자 장치(2000)는 작업 관리 시스템(1000)과 연결된 적어도 하나의 외부서버로부터 대상 작업과 관련된 위험성을 평가하기 위한 위험성 평가 사례 데이터를 획득하고, 획득된 위험성 평가 사례 데이터에 기초하여, 제2 인공 지능 모델(714)을 학습시킬 수 있다.According to an embodiment, the
일 실시 예에 의하면, 전자 장치(2000)는 작업 관리 시스템(1000)과 연결된 적어도 하나의 외부 서버와 연결될 수 있고, 적어도 하나의 외부 서버로부터 위험 등급 산정 데이터(722), 위험성 평가 데이터(724), 위험 요인 제거 대책 데이터(726), 사고 사례 데이터(728), 작업 관련 공정 정보 데이터(730), 현장 정보 데이터(732), 보건 데이터(734) 및 정부 정책 데이터(736)을 획득할 수도 있다. 일 실시 예에 의하면 작업 관리 시스템(1000)이 연결되는 적어도 하나의 외부 서버는 정부 정책 내지 법규 정보를 관리하는 공공 기관 서버, 금융 기관 서버 등을 포함할 수 있으나, 이에 한정되는 것은 아니다.According to an embodiment, the
일 실시 예에 의하면, 위험 등급 산정 데이터 (722)는 과거 대상 작업, 대상 작업에 대한 일련의 공정 별로 산정된 위험 등급 이력에 대한 데이터를 포함할 수 있다. 또한, 위험성 평가 데이터 (724)는 과거 대상 작업에 대하여 결정되었던 위험성 평가 데이터, 위험 요인 데이터, 위험 요인 별 대책에 대한 데이터를 포함할 수 있다. 위험 요인 제거 대책 데이터(726)는 위험성 평가 데이터 중, 위험 요인 별 적어도 하나의 대책에 대한 데이터를 포함할 수 있다. 사고 사례 데이터 (728)는 인터넷 뉴스 정보들에 기초하여 과거 대상 작업과 관련하여 발생된 사건 사고들에 대한 뉴스 정보들을 포함할 수 있다.According to an embodiment, the risk grade calculation data 722 may include data on a past target job and a risk grade history calculated for each series of processes for the target job. In addition, the risk assessment data 724 may include risk assessment data, risk factor data, and data on countermeasures for each risk factor that have been determined for a past target task. The risk factor removal countermeasure data 726 may include data on at least one countermeasure for each risk factor among risk assessment data. Accident case data 728 may include news information about incidents and accidents that have occurred in relation to a past target task based on Internet news information.
또한, 작업 관련 공정 정보 데이터(730)는 대상 작업을 수행하기 위해 필요한 일련의 공정들에 대한 정보를 포함할 수 있다. 현장 정보 데이터 (732)는 대상 작업이 수행되는 작업 공간에 대한 정보로써, 작업 공간의 배치도, 3D 모델링 도면, 작업 공간의 설계도, 작업 공간에 배치된 IOT 디바이스들에 대한 정보를 포함할 수 있다. 또한, 보건 데이터 (734)는 대상 작업과 관련된 의학 이슈들, 보건 이슈들, 의학 또는 보건과 관련된 법규에 대한 데이터를 포함할 수 있다. 정부 정책 데이터 (736)는 대상 작업과 관련된 정부 부처들의 공문, 갱신된 관련 법규 정보 등을 포함할 수 있다.In addition, the work-related process information data 730 may include information on a series of processes required to perform a target job. The field information data 732 is information about a workspace in which a target work is performed, and may include a layout diagram of the workspace, a 3D modeling drawing, a design drawing of the workspace, and information on IOT devices disposed in the workspace. In addition, the health data 734 may include data on medical issues related to the subject task, health issues, and laws related to medicine or health. Government policy data 736 may include official notices of government departments related to the target work, updated relevant legal information, and the like.
본 개시에 따른 전자 장치(2000)는 외부 서버로부터 획득된 평가 사례 데이터에 기초하여 제2 인공 지능 모델 내 가중치를 수정 및 갱신함으로써 제2 인공 지능 모델을 직접 학습시킬 수 있다. 그러나, 또 다른 실시 예에 의하면, 전자 장치(2000)는 작업 관리 시스템과 연결된 서버(4000)에 의해 미리 학습된 제2 인공 지능 모델을 서버(4000)로부터 획득할 수도 있다. 본 개시에 따른 전자 장치(1000)는 상술한 제1 인공 지능 모델을 이용하여 평가 대상 정보에 포함된 대상 작업을 자체적으로 식별할 수 있을 뿐만 아니라, 제2 인공 지능 모델을 이용함으로써 식별된 대상 작업과 관련된 위험성 평가에 대한 객관적인 평가를 수행할 수 있다.The
도 8은 일 실시 예에 따른 작업 관리 시스템 내 IOT 디바이스, 전자 장치 및 서버가 서로 연동함으로써 대상 작업의 위험성 평가 방법을 수행하는 과정을 나타내는 도면이다.8 is a diagram illustrating a process of performing a risk assessment method of a target job by interworking with an IOT device, an electronic device, and a server in a job management system according to an embodiment.
S802에서, 작업 공간 내 IOT 디바이스들(5000)은 작업 공간을 모니터링함으로써 모니터링 정보를 획득할 수 있다. S804에서, 전자 장치(2000)는 평가 대상 정보로부터 대상 작업 정보를 식별하기 위한 제1 인공 지능 모델을 생성할 수 있다. S806에서, 서버(4000)는 대상 작업 정보로부터 관련된 위험성 평가 정보를 출력하기 위한 제2 인공 지능 모델을 생성할 수 있다.In S802, the
S808에서, 사용자 장치(6000)는 사용자 입력에 기초하여 평가 대상 정보를 획득할 수 있다. 예를 들어 평가 대상 정보는 대상 작업과 관련된 텍스트 또는 대상 작업과 관련된 이미지 또는 영상을 포함할 수 있다. In S808 , the user device 6000 may obtain evaluation target information based on the user input. For example, the evaluation target information may include text related to the target job or an image or video related to the target job.
S810에서, 전자 장치(2000)는 IOT 디바이스(5000)에 모니터링 정보를 요청할 수 있다. S812에서, IOT 디바이스(5000)는 모니터링 정보를 전자 장치(2000)로 전송함과 함께 서버(4000)로도 모니터링 정보를 전송할 수 있다. S814에서, 사용자 장치(6000)는 S808에서 획득된 평가 대상 정보를 전자 장치(2000)로 전송할 수 있다.In S810 , the
S816에서, 전자 장치(2000)는 제1 인공 지능 모델을 이용하여 평가 대상 정보로부터 대상 작업 정보를 결정할 수 있다. S818에서, 전자 장치(1000)는 제1 인공 지능 모델로부터 출력된 대상 작업 정보를 서버(4000)로 전송할 수 있다. S820에서, 서버(4000)는 제2 인공 지능 모델을 이용하여 대상 작업 정보에 대한 위험성 평가 정보를 결정할 수 있다. S822에서, 서버(4000)는 위험성 평가 정보를 전자 장치(2000)로 전송할 수 있다. In S816 , the
S824에서, 전자 장치(2000)는 서버(4000)로부터 획득된 위험성 평가 정보를 IOT 디바이스(5000)로 전송할 수 있다. S826에서, 전자 장치(2000)는 서버(4000)로부터 획득된 위험성 평가 정보를 사용자 장치(6000)로 전송할 수 있다. S828에서, 사용자 장치(6000)는 위험성 평가 정보에 따라 근로자가 작업을 완료하면, 사용자 입력에 기초하여 작업 수행 결과를 획득할 수 있다. In S824 , the
S830에서, 사용자 장치(6000)는 작업 수행 결과를 전자 장치(2000)로 전송할 수 있다. S832에서, 사용자 장치(6000)는 작업 수행 결과를 서버(4000)로 전송할 수 있다. S834에서, 전자 장치(2000)는 사용자 장치(6000)로부터 획득된 작업 수행 결과를 피드백 정보로 활용함으로써, 제1 인공 지능 모델을 수정 및 갱신할 수 있다. S836에서, 서버(4000)는 사용자 장치(6000)로부터 획득된 작업 수행 결과에 기초하여 제2 인공 지능 모델을 수정 및 갱신할 수 있다. 보다 상세하게는 전자 장치(2000) 및 서버(4000)는 피드백 정보에 기초하여 인공 지능 모델 내 가중치들을 수정 및 갱신함으로써, 인공 지능 모델을 실시간으로 재학습 시킬 수 있다. In S830 , the user device 6000 may transmit the job performance result to the
일 실시 예에 의하면 도 8에 도시된 사용자 장치(6000)는 IOT 디바이스(5000)에 포함될 수 있다. 도 8에서 도시된 바와 같이, 본 개시에 따른 작업 관리 시스템(1000)내 전자 장치(2000)는 서버(4000) 및 기타 IOT 디바이스들(5000)과 연동함으로써 대상 작업에 대한 위험성 평가를 수행할 수 있다. 전자 장치(2000)는 복수의 인공 지능 모델을 사용하여 대상 작업에 대한 위험성 평가를 할 수 있다. 또한, 본 개시에 따른 전자 장치(2000)는 복수의 인공 지능 모델을 사용하여 단독으로 평가 대상 정보로부터 대상 작업을 식별하고, 식별된 대상 작업에 대한 위험성 평가를 수행할 수도 있지만, 대상 작업에 대한 위험성 평가 동작은 서버(4000)에 의해 수행함으로써 효과적으로 대상 작업 관리를 수행할 수 있다.According to an embodiment, the user device 6000 shown in FIG. 8 may be included in the
도 9는 일 실시 예에 따른 전자 장치의 블록도이다.9 is a block diagram of an electronic device according to an exemplary embodiment.
도 10은 또 다른 실시 예에 따른 전자 장치의 블록도이다.10 is a block diagram of an electronic device according to another embodiment.
도 9에 도시된 바와 같이, 일 실시 예에 따른 전자 장치(2000)는 프로세서(1300), 네트워크 인터페이스(1500) 및 메모리(1700)를 포함할 수 있다. 그러나, 도시된 구성 요소가 모두 필수구성요소인 것은 아니다. 도시된 구성 요소보다 많은 구성 요소에 의해 전자 장치(2000)가 구현될 수도 있고, 그 보다 적은 구성 요소에 의해서도 전자 장치(2000)는 구현될 수도 있다.As shown in FIG. 9 , the
예를 들어, 도 10에 도시된 바와 같이, 전자 장치(2000)는 프로세서(1300), 네트워크 인터페이스(1500) 및 메모리(1700)외에, 사용자 입력 인터페이스(1100), 출력부(1200), 센싱부(1400), 네트워크 인터페이스(1500) 및 A/V 입력부(1600)를 더 포함할 수도 있다.For example, as shown in FIG. 10 , the
사용자 입력 인터페이스(1100)는, 사용자가 전자 장치(2000)를 제어하기 위한 데이터를 입력하는 수단을 의미한다. 예를 들어, 사용자 입력 인터페이스(1100)에는 키 패드(key pad), 돔 스위치 (dome switch), 터치 패드(접촉식 정전 용량 방식, 압력식 저항막 방식, 적외선 감지 방식, 표면 초음파 전도 방식, 적분식 장력 측정 방식, 피에조 효과 방식 등), 조그 휠, 조그 스위치 등이 있을 수 있으나 이에 한정되는 것은 아니다. 사용자 입력 인터페이스(1100)는, 근로자, 작업 관리자 등으로부터 평가 대상 작업과 관련된 텍스트, 이미지 또는 영상과 같은 평가 대상 정보를 획득할 수 있다. The
출력부(1200)는, 오디오 신호 또는 비디오 신호 또는 진동 신호를 출력할 수 있으며, 출력부(1200)는 디스플레이부(1210), 음향 출력부(1220), 및 진동 모터(1230)를 포함할 수 있다. The
디스플레이부(1210)는 전자 장치(2000)에서 처리되는 정보를 표시 출력하기 위한 화면(예컨대 관제 화면)을 포함한다. 또한, 화면은 영상을 디스플레이 할 수 있다. 예를 들면, 디스플레이부(1210)는 대상 작업의 스케쥴 정보, 대상 작업이 수행되는 작업 공간의 설계도, 3D 모델링 정보, 대상 작업 공간 주변의 환경에 대한 날씨 정보, 위험성 평가 정보, 대상 작업의 위험 등급, 조치 정보 중 적어도 하나를 출력할 수 있다.The
음향 출력부(1220)는 네트워크 인터페이스(15000)로부터 수신되거나 메모리(1700)에 저장된 오디오 데이터를 출력한다. 또한, 음향 출력부(1220)는 위험성 평가 정보를 출력하거나, 기 출력된 위험성 평가 정보가 조정되거나, 위험성 평가 정보와 관련된 법규 또는 이슈들이 갱신되는 경우 경고음을 출력할 수도 있다. 또한, 음향 출력부(1220)는 전자 장치(2000)에서 수행되는 기능(예를 들어, 호신호 수신음, 메시지 수신음, 알림음)과 관련된 음향 신호를 출력할 수도 있다.The
프로세서(1300)는 통상적으로 전자 장치(2000)의 전반적인 동작을 제어한다. 예를 들어, 프로세서(1300)는, 메모리(1700)에 저장된 프로그램들을 실행함으로써, 사용자 입력 인터페이스(1100), 출력부(1200), 센싱부(1400), 네트워크 인터페이스(1500), A/V 입력부(1600) 등을 전반적으로 제어할 수 있다. 또한, 프로세서(1300)는 메모리(1700)에 저장된 프로그램들을 실행함으로써, 도 1 내지 도 9에 기재된 전자 장치(2000)의 기능을 수행할 수 있다.The
일 실시 예에 의하면, 프로세서(1300)는 상기 하나 이상의 인스트럭션을 실행함으로써, 상기 대상 작업과 관련된 텍스트 또는 이미지 중 적어도 하나를 포함하는 평가 대상 정보를 획득하고, 상기 평가 대상 정보를 제1 인공 지능 모델에 입력함으로써 상기 제1 인공 지능 모델로부터 상기 평가 대상 정보에 대응되는 상기 대상 작업 정보를 획득하고, 상기 대상 작업 정보를, 상기 식별된 대상 작업 정보가 입력되면 상기 대상 작업 정보에 대한 위험성 평가를 정보를 출력하는 제2 인공 지능 모델에 입력함으로써, 상기 제2 인공 지능 모델로부터 위험성 평가 정보를 획득할 수 있다.According to an embodiment, the
또한, 일 실시 예에 의하면, 프로세서(1300)는 하나 이상의 인스트럭션을 실행함으로써 획득된 위험성 평가 정보를 출력하고, 상기 출력된 위험성 평가 정보와 관련된 조치 정보를 출력하고, 상기 출력된 위험성 평가 정보 및 상기 조치 정보에 따른 작업 수행 결과에 대한 점검 정보를 획득할 수도 있다.In addition, according to an embodiment, the
센싱부(1400)는, 전자 장치(2000)의 상태 또는 전자 장치(1000) 주변의 상태를 감지하고, 감지된 정보를 프로세서(1300)로 전달할 수 있다. 센싱부(1400)는 전자 장치(1000)의 사양 정보, 전자 장치(1000)의 상태 정보, 전자 장치(1000)의 주변 환경 정보, 사용자의 상태 정보 및 사용자의 디바이스 사용 이력 정보 중 일부를 생성하는데 이용될 수 있다. The
센싱부(1400)는, 지자기 센서(Magnetic sensor)(1410), 가속도 센서(Acceleration sensor)(1420), 온/습도 센서(1430), 적외선 센서(1440), 자이로스코프 센서(1450), 위치 센서(예컨대, GPS)(1460), 기압 센서(1470), 근접 센서(1480), 및 RGB 센서(illuminance sensor)(1490) 중 적어도 하나를 포함할 수 있으나, 이에 한정되는 것은 아니다. 각 센서들의 기능은 그 명칭으로부터 당업자가 직관적으로 추론할 수 있으므로, 구체적인 설명은 생략하기로 한다.The
네트워크 인터페이스(1500)는 전자 장치(2000)가 다른 장치(미도시), IOT 디바이스들(5000) 및 서버(4000)와 통신을 하게 하는 하나 이상의 구성요소를 포함할 수 있다. 다른 장치(미도시)는 전자 장치(2000)와 같은 컴퓨팅 장치이거나, 센싱 장치일 수 있으나, 이에 제한되지 않는다. 예를 들어, 네트워크 인터페이스(1500)는, 근거리 통신부(1510), 이동 통신부(1520), 방송 수신부(1530)를 포함할 수 있다. The
근거리 통신부(short-range wireless communication unit)(1510)는, 블루투스 통신부, BLE(Bluetooth Low Energy) 통신부, 근거리 무선 통신부(Near Field Communication unit), WLAN(와이파이) 통신부, 지그비(Zigbee) 통신부, 적외선(IrDA, infrared Data Association) 통신부, WFD(Wi-Fi Direct) 통신부, UWB(ultra wideband) 통신부 등을 포함할 수 있으나, 이에 한정되는 것은 아니다. Short-range
이동 통신부(1520)는, 이동 통신망 상에서 기지국, 외부의 단말, 서버 중 적어도 하나와 무선 신호를 송수신한다. 여기에서, 무선 신호는, 음성 호 신호, 화상 통화 호 신호 또는 문자/멀티미디어 메시지 송수신에 따른 다양한 형태의 데이터를 포함할 수 있다.The
방송 수신부(1530)는, 방송 채널을 통하여 외부로부터 방송 신호 및/또는 방송 관련된 정보를 수신한다. 방송 채널은 위성 채널, 지상파 채널을 포함할 수 있다. 구현 예에 따라서 전자 장치(1000)가 방송 수신부(1530)를 포함하지 않을 수도 있다. 또한, 네트워크 인터페이스(1500)는, IOT 디바이스들로부터 모니터링 정보를 획득하거나, 서버(4000)로부터 위험성 평가와 관련된 사례 데이터들을 수신할 수도 있다. 또한, 네트워크 인터페이스(1500)는 사용자 장치로부터 대상 작업과 관련된 평가 대상 정보를 획득할 수도 있다. 일 실시예에 따르면, 네트워크 인터페이스(1500)는 전자 장치(2000)가 결정한 대상 작업에 대한 위험성 평가 정보를 사용자 장치, IOT 디바이스들 또는 서버로 전송할 수도 있다.The
A/V(Audio/Video) 입력부(1600)는 오디오 신호 또는 비디오 신호 입력을 위한 것으로, 이에는 카메라(1610)와 마이크로폰(1620) 등이 포함될 수 있다. 카메라(1610)는 화상 통화모드 또는 촬영 모드에서 이미지 센서를 통해 정지영상 또는 동영상 등의 화상 프레임을 얻을 수 있다. 이미지 센서를 통해 캡쳐된 이미지는 프로세서(1300) 또는 별도의 이미지 처리부(미도시)를 통해 처리될 수 있다. The A/V (Audio/Video)
마이크로폰(1620)은, 외부의 음향 신호를 입력 받아 전기적인 음성 데이터로 처리한다. 예를 들어, 마이크로폰(1620)은 외부 디바이스 또는 사용자로부터 음향 신호를 수신할 수 있다. 마이크로폰(1620)은 사용자의 음성 입력을 수신할 수 있다. 마이크로폰(1620)은 외부의 음향 신호를 입력 받는 과정에서 발생 되는 잡음(noise)을 제거하기 위한 다양한 잡음 제거 알고리즘을 이용할 수 있다. The
메모리(1700)는, 프로세서(1300)의 처리 및 제어를 위한 프로그램을 저장할 수 있고, 전자 장치(2000)로 입력되거나 전자 장치(2000)로부터 출력되는 데이터를 저장할 수도 있다. 또한, 메모리(1700)는 평가 대상 정보로부터 대상 작업을 식별하기 위한 제1 인공 지능 모델 및 위험성 평가를 수행하기 위한 제2 인공 지능 모델에 대한 정보를 더 저장할 수도 있다.The
일 실시 예에 의하면, 메모리(1700)에는 전자 장치(2000)가 이용하는 적어도 하나의 인공 지능 모델에 대한 파라미터 정보를 더 저장할 수도 있다. 예를 들어, 메모리(1700)는 적어도 하나의 신경망 모델 내 레이어들, 노드들, 상기 레이어들의 연결 강도에 관한 가중치 값들을 저장할 수 있다. 또한, 전자 장치(2000)는 인공 지능 모델을 학습시키기 위한 다양한 학습 데이터등을 더 저장할 수도 있다.According to an embodiment, parameter information on at least one artificial intelligence model used by the
메모리(1700)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(RAM, Random Access Memory) SRAM(Static Random Access Memory), 롬(ROM, Read-Only Memory), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다. The
메모리(1700)에 저장된 프로그램들은 그 기능에 따라 복수 개의 모듈들로 분류할 수 있는데, 예를 들어, UI 모듈(1710), 터치 스크린 모듈(1720), 알림 모듈(1730) 등으로 분류될 수 있다.Programs stored in the
UI 모듈(1710)은, 애플리케이션 별로 전자 장치(1000)와 연동되는 특화된 UI, GUI 등을 제공할 수 있다. 터치 스크린 모듈(1720)은 사용자의 터치 스크린 상의 터치 제스처를 감지하고, 터치 제스처에 관한 정보를 프로세서(1300)로 전달할 수 있다. 일부 실시 예에 따른 터치 스크린 모듈(1720)은 터치 코드를 인식하고 분석할 수 있다. 터치 스크린 모듈(1720)은 컨트롤러를 포함하는 별도의 하드웨어로 구성될 수도 있다.The
알림 모듈(1730)은 전자 장치(1000)의 위험성 평가와 관련된 이벤트 발생을 알리기 위한 신호를 발생할 수 있다. 전자 장치(1000)에서 발생되는 이벤트의 예로는 호 신호 수신, 메시지 수신, 키 신호 입력, 일정 알림 등이 있다. 알림 모듈(1730)은 디스플레이부(1210)를 통해 비디오 신호 형태로 알림 신호를 출력할 수도 있고, 음향 출력부(1220)를 통해 오디오 신호 형태로 알림 신호를 출력할 수도 있고, 진동 모터(1230)를 통해 진동 신호 형태로 알림 신호를 출력할 수도 있다.The
도 11은 일 실시 예에 따른 서버의 블록도이다.11 is a block diagram of a server according to an embodiment.
일 실시 예에 의하면 서버(4000)는 프로세서(3300), 네트워크 인터페이스(3500) 및 데이터 베이스(3700)를 포함할 수 있다. 그러나, 상술한 예에 한정되는 것은 아니며, 서버(4000)는 더 많은 구성을 포함할 수도 있고, 더 적은 구성 요소를 포함할 수도 있다. 일 실시 예에 의하면, 프로세서(3300)는 서버(4000)의 전반적인 동작을 제어할 수 있다. 예를 들어, 프로세서(3300)는 전자 장치(2000), IOT 디바이스들(5000) 또는 사용자 장치(미도시)로부터 평가 대상 정보, 대상 작업에 관련된 위험성 평가 정보를 획득하도록 네트워크 인터페이스(3500)를 제어할 수도 있다.According to an embodiment, the
또한, 일 실시 예에 의하면, 프로세서(3300)는 데이터 베이스(3700)에 저장된 하나 이상의 인스트럭션을 실행함으로써 도 1 내지 도 8에 기재된 작업 관리 시스템(1000)의 대상 작업의 위험성 평가 방법 중 일부를 수행할 수 있다. 예를 들어, 프로세서(3300)는 평가 대상 정보를 획득하고, 획득된 평가 대상 정보에 포함된 대상 작업 정보를 식별하며, 식별된 대상 작업에 대한 위험성 평가를 수행할 수 있다.In addition, according to an embodiment, the
네트워크 인터페이스(3500)는 사용자 장치 또는 IOT 디바이스들로부터 모니터링 정보를 획득할 수 있다. 또한, 네트워크 인터페이스(3500)는 작업 관리 시스템으로부터 평가 대상 정보에 포함된 대상 작업을 특정하기 위한 대상 작업 정보를 획득할 수도 있다. 또한, 네트워크 인터페이스(3500)는 서버와 연결된 다른 서버 장치로부터 인공 지능 모델을 갱신하기 위한 기타 평가 사례 정보들을 획득할 수 있다. 네트워크 인터페이스(3500)는 서버에 의해 학습된 인공 지능 모델에 대한 정보 또는 인공 지능 모델을 이용하여 대상 작업에 대하여 수행한 위험성 평가 결과에 대한 정보를 전자 장치 또는 IOT 디바이스로 전송할 수 있다.The
데이터 베이스(3700)는 도 10에 기재된 전자 장치의 메모리에 대응될 수 있다. 예를 들어, 데이터 베이스(3700)는 위험성 평가 방법을 수행하기 위한 하나 이상의 인스트럭션을 저장할 수 있다. 또한, 데이터 베이스(3700)는 대상 작업에 대한 위험성 평가 방법을 수행하기 위한 인공 지능 모델에 대한 정보를 더 저장할 수도 있다.The
도 12는 일 실시 예에 따른 IOT 디바이스의 블록도이다.12 is a block diagram of an IOT device according to an embodiment.
일 실시 예에 의하면 IOT 디바이스는 프로세서(4300), 출력부(4200), 센싱부(4400), 네트워크 인터페이스(4500), 메모리(4700) 및 A/V 입력부(4700)를 포함할 수 있다. 그러나, 상술한 예에 한정되는 것은 아니고 IOT 디바이스는 더 많은 구성을 포함할 수도 있고, 더 적은 구성 요소로 마련될 수도 있다.According to an embodiment, the IOT device may include a
출력부(4200)는, 오디오 신호 또는 비디오 신호 또는 진동 신호를 출력할 수 있으며, 출력부(4200)는 디스플레이부(4210)를 포함할 수 있다. 디스플레이부(4210)는 IOT 디바이스(5000)에서 처리되는 정보를 표시 출력하기 위한 화면(예컨대 관제 화면)을 포함한다. 또한, 화면은 작업 관리 시스템으로부터 수신되는 컨텐츠(예컨대 경고 화면)를 디스플레이 할 수 있다. 음향 출력부(4220)는 네트워크 인터페이스(4500)로부터 수신되거나 메모리(4700)에 저장된 오디오 데이터를 출력한다. 또한, 음향 출력부(4220)는 작업 관리 시스템(1000)으로부터 수신된 알람 정보에 기초하여 경고 음을 출력할 수도 있다. The output unit 4200 may output an audio signal, a video signal, or a vibration signal, and the output unit 4200 may include a display unit 4210 . The display unit 4210 includes a screen (eg, a control screen) for displaying and outputting information processed by the
일 실시 예에 의하면 프로세서(4300)는 통상적으로 IOT 디바이스(5000)의 전반적인 동작을 제어한다. 예를 들어, 프로세서(4300)는, 메모리(4700)에 저장된 프로그램들을 실행함으로써, 출력부(4200), 센싱부(4400), 네트워크 인터페이스(4500), A/V 입력부(4700) 등을 전반적으로 제어할 수 있다. 또한, 프로세서(4300)는 메모리(4700)에 저장된 프로그램들을 실행함으로써, 도 1 내지 도 9에 기재된 위험성 평가 정보를 결정하기 위한 모니터링 정보를 획득하고, 획득된 모니터링 정보를 작업 관리 시스템(1000)으로 전달할 수 있다.According to an embodiment, the
센싱부(4400)는, IOT 디바이스(5000)의 상태 또는 IOT 디바이스(5000)주변의 상태를 감지하고, 감지된 정보를 프로세서(4300)로 전달할 수 있다. 센싱부(4400)는 지자기 센서(Magnetic sensor)(4410), 가속도 센서(Acceleration sensor)(4420), 온/습도 센서(4430), 적외선 센서(4440), 자이로스코프 센서(4450), 위치 센서(예컨대, GPS)(4460), 기압 센서(4470), 근접 센서(4480), 및 RGB 센서(illuminance sensor)(4490) 중 적어도 하나를 포함할 수 있으나, 이에 한정되는 것은 아니다. 각 센서들의 기능은 그 명칭으로부터 당업자가 직관적으로 추론할 수 있으므로, 구체적인 설명은 생략하기로 한다.The sensing unit 4400 may detect a state of the
네트워크 인터페이스(4500)는 IOT 디바이스(5000)가 다른 IOT 디바이스(미도시), 작업 관리 시스템(1000) 및 서버(4000)와 통신을 하게 하는 하나 이상의 구성 요소를 포함할 수 있다. The
A/V(Audio/Video) 입력부(4600)는 오디오 신호 또는 비디오 신호 입력을 위한 것으로, 이에는 카메라(4610)와 마이크로폰(4620) 등이 포함될 수 있다. 카메라(4610)는 화상 통화모드 또는 촬영 모드에서 이미지 센서를 통해 정지영상 또는 동영상 등의 화상 프레임을 얻을 수 있다. 이미지 센서를 통해 캡쳐된 이미지는 프로세서(4300) 또는 별도의 이미지 처리부(미도시)를 통해 처리될 수 있다. The A/V (Audio/Video) input unit 4600 is for inputting an audio signal or a video signal, and may include a camera 4610 and a microphone 4620 . The camera 4610 may obtain an image frame such as a still image or a moving image through an image sensor in a video call mode or a shooting mode. The image captured through the image sensor may be processed through the
마이크로폰(4620)은, 외부의 음향 신호를 입력 받아 전기적인 음성 데이터로 처리한다. 예를 들어, 마이크로폰(4620)은 외부 디바이스 또는 사용자로부터 음향 신호를 수신할 수 있다. 마이크로폰(4620)은 사용자의 음성 입력을 수신할 수 있다. 마이크로폰(4620)은 외부의 음향 신호를 입력 받는 과정에서 발생 되는 잡음(noise)을 제거하기 위한 다양한 잡음 제거 알고리즘을 이용할 수 있다. The microphone 4620 receives an external sound signal and processes it as electrical voice data. For example, the microphone 4620 may receive an acoustic signal from an external device or a user. The microphone 4620 may receive a user's voice input. The microphone 4620 may use various noise removal algorithms for removing noise generated in the process of receiving an external sound signal.
메모리(4700)는, 프로세서(4300)의 처리 및 제어를 위한 프로그램을 저장할 수 있고, IOT 디바이스(5000)로 입력되거나 IOT 디바이스로부터 출력되는 데이터를 저장할 수 있다. The
일 실시예에 따른 대상 작업의 위험성을 평가하는 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 개시를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. The method for evaluating the risk of a target task according to an embodiment may be implemented in the form of program instructions that can be executed through various computer means and recorded in a computer-readable medium. The computer-readable medium may include program instructions, data files, data structures, etc. alone or in combination. The program instructions recorded on the medium may be specially designed and configured for the present disclosure, or may be known and available to those skilled in the art of computer software.
또한, 상기 일 실시 예에 다른 방법을 수행하도록 하는 프로그램이 저장된 기록매체를 포함하는 컴퓨터 프로그램 장치가 제공될 수 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. In addition, according to the embodiment, a computer program apparatus including a recording medium storing a program for performing another method may be provided. Examples of the computer-readable recording medium include magnetic media such as hard disks, floppy disks and magnetic tapes, optical media such as CD-ROMs and DVDs, and magnetic such as floppy disks. - includes magneto-optical media, and hardware devices specially configured to store and execute program instructions, such as ROM, RAM, flash memory, and the like. Examples of program instructions include not only machine language codes such as those generated by a compiler, but also high-level language codes that can be executed by a computer using an interpreter or the like.
이상에서 본 개시의 실시예에 대하여 상세하게 설명하였지만 본 개시의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 개시의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 개시의 권리범위에 속한다.Although the embodiments of the present disclosure have been described in detail above, the scope of the present disclosure is not limited thereto, and various modifications and improved forms of the present disclosure are also provided by those skilled in the art using the basic concept of the present disclosure as defined in the following claims. belong to the scope of the right.
Claims (20)
상기 서버가 상기 대상 작업과 관련된 텍스트 형식의 학습 데이터 및 상기 대상 작업과 관련된 정지 영상 또는 동영상 형식의 학습 데이터에 기초하여, 평가 대상 정보가 입력되면, 대상 작업 정보를 출력하는 제1 인공 지능 모델을 학습시키는 단계;
상기 전자 장치가 상기 서버로부터, 상기 학습된 상기 제1 인공 지능 모델에 대한 정보를 획득하는 단계;
상기 전자 장치가 상기 대상 작업과 관련된 텍스트 또는 이미지 중 적어도 하나를 포함하는 평가 대상 정보를 획득하는 단계;
상기 평가 대상 정보를 상기 서버로부터 획득된 상기 제1 인공 지능 모델에 대한 정보에 따른 제1 인공 지능 모델에 입력함으로써 상기 제1 인공 지능 모델로부터 상기 평가 대상 정보에 대응되는 상기 대상 작업 정보를 획득하는 단계; 및
상기 대상 작업 정보를, 상기 대상 작업 정보가 입력되면 상기 대상 작업 정보에 대한 위험성 평가를 정보를 출력하는 제2 인공 지능 모델에 입력함으로써, 상기 제2 인공 지능 모델로부터 위험성 평가 정보를 획득하는 단계; 를 포함하고,
상기 대상 작업 정보를 획득하는 단계는
상기 제1 인공 지능 모델로부터 상기 평가 대상 정보가 나타내는 작업에 관련된 정보로써 작업 식별 정보를 획득하는 단계;
상기 획득된 작업 식별 정보에 따른 작업을 수행하기 위한 작업 공정 정보를 획득하는 단계; 및
상기 제1 인공 지능 모델을 이용하여 평가 대상 정보를 분석함으로써, 상기 작업 식별 정보에 따른 작업 별 또는 상기 작업 공정 정보에 따른 상기 작업 공정 별 잠재 위험 요인을 상기 대상 작업 정보로써 더 획득하는 단계; 를 포함하며,
상기 위험성 평가 정보를 획득하는 단계는
상기 제2 인공 지능 모델에 상기 대상 작업 정보를 입력함으로써 상기 작업 식별 정보에 따른 작업 별 또는 상기 작업 공정 정보에 따른 상기 작업을 수행하기 위한 일련의 공정 별 위험 요인을 식별하는 단계;
상기 제2 인공 지능 모델로부터 상기 식별된 위험 요인 별 적어도 하나의 작업 대책을 식별하는 단계;
상기 제2 인공 지능 모델로부터, 상기 작업 식별 정보에 따른 작업의 위험 등급을 식별하는 단계; 및
상기 식별된 위험 요인, 상기 적어도 하나의 작업 대책 및 상기 위험 등급을 포함하는 정보를 상기 위험성 평가 정보로써 획득하는 단계; 를 포함하고,
상기 방법은
상기 대상 작업 정보를 획득하는 단계 이후, 상기 대상 작업 정보에 기초하여 대상 작업이 수행되는 작업 공간을 식별하는 단계;
상기 식별된 작업 공간 내에 미리 설치된 제1 타입의 IOT 디바이스들 및 상기 식별된 작업 공간과 상호 작용 가능한 작업 공간 주변의 작업 환경 내에 설치되는 제2 타입의 IOT 디바이스들 각각으로부터 제1 모니터링 정보 및 제2 모니터링 정보를 획득하는 단계;
상기 제1 모니터링 정보에 기초하여 결정되는 제1 위험성 점수를, 상기 제1 모니터링 정보에 매칭되는 작업 공간에 미리 할당된 공간 위험성 점수를 곱함으로써 제1 가중치 위험 점수를 결정하는 단계;
상기 제2 모니터링 정보에 기초하여 결정되는 제2 위험성 점수를, 상기 제2 모니터링 정보에 매칭되는 환경 공간에 미리 할당된 공간 위험성 점수를 곱함으로써 제2 가중치 위험 점수를 결정하는 단계;
상기 결정된 제1 가중치 위험 점수 및 상기 제2 가중치 위험 점수를 상기 제2 인공 지능 모델로부터 출력된 위험성 평가 정보에 적용함으로써 상기 위험성 평가 정보를 조정하는 단계; 및
상기 조정된 위험성 평가 정보와 기 저장된 위험성을 경감시키기 위한 일련의 조치 리스트에서 획득된 조치 정보를 함께 출력하는 단계; 를 포함하는, 방법.A method for a task management system including an electronic device and a server to evaluate the risk of a target task, the method comprising:
When the server receives evaluation target information based on training data in text format related to the target job and training data in a still image or video format related to the target job, a first artificial intelligence model that outputs target job information learning;
obtaining, by the electronic device, information on the learned first artificial intelligence model from the server;
obtaining, by the electronic device, evaluation target information including at least one of a text and an image related to the target task;
Obtaining the target task information corresponding to the evaluation target information from the first artificial intelligence model by inputting the evaluation target information into a first artificial intelligence model according to the information on the first artificial intelligence model obtained from the server step; and
obtaining risk assessment information from the second artificial intelligence model by inputting the target job information into a second artificial intelligence model that outputs information about risk assessment for the target job information when the target job information is input; including,
The step of obtaining the target job information is
obtaining job identification information as information related to a job indicated by the evaluation target information from the first artificial intelligence model;
obtaining work process information for performing a work according to the obtained work identification information; and
further acquiring, as the target job information, potential risk factors for each job according to the job identification information or for each job process according to the work process information by analyzing the evaluation target information using the first artificial intelligence model; includes,
The step of obtaining the risk assessment information
identifying risk factors for each job according to the job identification information or a series of process-specific risk factors for performing the job according to the work process information by inputting the target job information into the second artificial intelligence model;
identifying at least one work countermeasure for each identified risk factor from the second artificial intelligence model;
identifying, from the second artificial intelligence model, a risk level of a task according to the task identification information; and
acquiring information including the identified risk factor, the at least one work measure and the risk grade as the risk assessment information; including,
the method
after acquiring the target job information, identifying a workspace in which a target job is performed based on the target job information;
First monitoring information and second from each of the first type of IOT devices pre-installed in the identified working space and the second type of IOT devices installed in the working environment around the working space interactable with the identified working space, respectively obtaining monitoring information;
determining a first weighted risk score by multiplying a first risk score determined based on the first monitoring information by a space risk score pre-allocated to a workspace matching the first monitoring information;
determining a second weighted risk score by multiplying a second risk score determined based on the second monitoring information by a spatial risk score previously allocated to an environment space matching the second monitoring information;
adjusting the risk assessment information by applying the determined first weighted risk score and the second weighted risk score to the risk assessment information output from the second artificial intelligence model; and
outputting the adjusted risk assessment information and the action information obtained from a series of actions list for reducing the pre-stored risk together; A method comprising
상기 작업 관리 시스템의 사용자의 제1 사용자 입력에 기초하여 상기 대상 작업과 관련된 텍스트를 획득하는 단계; 및
상기 작업 관리 시스템의 사용자의 제2 사용자 입력에 기초하여 상기 대상 작업과 관련된 이미지를 획득하는 단계; 를 포함하는, 방법.The method of claim 1, wherein the obtaining of the evaluation target information comprises:
obtaining text related to the target task based on a first user input of a user of the task management system; and
acquiring an image related to the target task based on a second user input of a user of the task management system; A method comprising
상기 제1 인공 지능 모델 및 상기 제2 인공 지능 모델은, 적어도 하나의 레이어들 및 상기 적어도 하나의 레이어들의 연결 강도에 관한 가중치(weight)를 포함하고,
상기 제1 인공 지능 모델은 상기 평가 대상 정보가 입력되면 상기 평가 대상 정보에 대응되는 대상 작업 정보를 출력하도록 상기 가중치를 수정 및 갱신함으로써 미리 학습되며,
상기 제2 인공 지능 모델은 상기 대상 작업 정보가 입력되면 상기 대상 작업 정보에 대한 위험성 평가 정보를 출력하도록 상기 가중치를 수정 및 갱신함으로써 미리 학습되는 것을 특징으로 하는, 방법.According to claim 1,
The first artificial intelligence model and the second artificial intelligence model include at least one layer and a weight for connection strength of the at least one layer,
The first artificial intelligence model is pre-learned by correcting and updating the weight to output target task information corresponding to the evaluation target information when the evaluation target information is input,
The second artificial intelligence model is characterized in that, when the target job information is input, it is characterized in that it is learned in advance by modifying and updating the weight to output risk assessment information for the target job information.
미리 설정된 위험 요인 리스트를 참조하여 상기 식별된 위험 요인과 유사한 유사 위험 요인을 식별하는 단계;
상기 식별된 유사 위험 요인 및 상기 잠재 위험 요인 별로 적어도 하나의 작업 대책을 식별하는 단계; 및
상기 유사 위험 요인, 상기 잠재 위험 요인, 상기 유사 위험 요인 및 상기 잠재 위험 요인 별 적어도 하나의 작업 대책 및 상기 위험 등급을 상기 위험성 평가 정보로써 획득하는 단계; 를 더 포함하는, 방법.According to claim 1, wherein the step of obtaining the risk assessment information
identifying similar risk factors similar to the identified risk factors by referring to a preset risk factor list;
identifying at least one work countermeasure for each of the identified similar risk factors and the potential risk factors; and
obtaining, as the risk assessment information, at least one work measure and the risk level for each of the similar risk factor, the potential risk factor, the similar risk factor and the potential risk factor; A method further comprising:
미리 획득되는 사업 현장에 대한 환경 정보, 보건 데이터 정보, 정부 정책 정보에 기초하여, 상기 제2 인공 지능 모델로부터 식별된 적어도 하나의 작업 대책에 대한 우선 순위를 결정하는 단계;
상기 결정된 우선 순위에 기초하여 상기 식별된 적어도 하나의 작업 대책 중 일부의 작업 대책을 선택하는 단계; 및
상기 선택된 작업 대책을 상기 위험성 평가 정보로써 획득하는 단계; 를 더 포함하는, 방법.According to claim 1, wherein the step of obtaining the risk assessment information
determining a priority for at least one work countermeasure identified from the second artificial intelligence model based on environmental information, health data information, and government policy information acquired in advance for a business site;
selecting some work measures from among the identified at least one work measure based on the determined priority; and
acquiring the selected work measure as the risk assessment information; A method further comprising:
상기 획득된 위험성 평가 정보를 출력하는 단계;
상기 출력된 위험성 평가 정보와 관련된 조치 정보를 출력하는 단계; 및
상기 출력된 위험성 평가 정보 및 상기 조치 정보에 따른 작업 수행 결과에 대한 점검 정보를 획득하는 단계; 를 더 포함하는, 방법.The method of claim 1, wherein the method
outputting the obtained risk assessment information;
outputting action information related to the output risk assessment information; and
obtaining inspection information on a result of performing a task according to the output risk assessment information and the action information; A method further comprising:
상기 출력된 위험성 평가 정보, 상기 조치 정보 및 상기 점검 정보에 기초하여 피드백 정보를 생성하는 단계; 및
상기 생성된 피드백 정보를 학습 데이터로 사용함으로써 상기 제1 인공 지능 모델 및 상기 제2 인공 지능 모델의 가중치를 수정 및 갱신하는 단계; 를 더 포함하는, 방법.10. The method of claim 9, wherein the method
generating feedback information based on the output risk assessment information, the action information, and the inspection information; and
modifying and updating weights of the first artificial intelligence model and the second artificial intelligence model by using the generated feedback information as training data; A method further comprising:
정부 정책 및 위험성 평가와 관련된 법규 정보의 갱신을 식별하는 단계;
상기 식별된 정부 정책 및 상기 위험성 평가와 관련된 갱신된 법규 정보에 기초하여 상기 출력된 위험성 평가 정보를 조정하는 단계; 및
상기 조정된 위험성 평가 정보를 출력하는 단계; 를 포함하는, 방법.10. The method of claim 9, wherein the method
identifying updates to statutory information related to government policy and risk assessment;
adjusting the output risk assessment information based on the identified government policy and updated legal information related to the risk assessment; and
outputting the adjusted risk assessment information; A method comprising
상기 작업 관리 시스템은 적어도 하나의 외부 서버와 연결되고,
상기 방법은
상기 식별된 대상 작업 정보에 따른 작업과 관련된 뉴스, SNS, 재난, 재해 정보를 포함하는 인터넷 정보들을 실시간으로 획득하는 단계; 및
상기 실시간으로 획득된 인터넷 정보들을 출력하는 단계; 를 더 포함하는, 방법.10. The method of claim 9,
The job management system is connected to at least one external server,
the method
acquiring, in real time, Internet information including news, SNS, disaster, and disaster information related to a job according to the identified target job information; and
outputting the Internet information obtained in real time; A method further comprising:
상기 출력된 위험성 평가 정보 및 조치 정보를 누적하여 저장하는 단계; 및
상기 누적하여 저장된 위험성 평가 정보 및 조치 정보를 기 설정된 주기에 따른 누적 그래프로 표시하는 단계; 를 포함하는, 방법.10. The method of claim 9, wherein the method
accumulating and storing the output risk assessment information and action information; and
displaying the accumulated and stored risk assessment information and action information as a cumulative graph according to a preset period; A method comprising
상기 대상 작업 정보에 따라 식별된 작업과 관련된 텍스트 데이터, 뉴스 데이터, 상기 작업과 관련된 이미지 데이터, 상기 작업과 관련된 영상 데이터에 기초하여 미리 학습되는 것을 특징으로 하는, 방법.The method of claim 9, wherein the first artificial intelligence model is
Method, characterized in that pre-learned based on text data, news data, image data related to the job, and image data related to the job identified according to the target job information.
상기 작업 관리 시스템이 관리하는 작업 공간의 위험성 평가 데이터, 위험등급 산정 데이터, 위험 요인 제거 대책 데이터, 사고 사례 데이터, 작업에 관련된 공정 정보 데이터, 상기 작업에 관련된 위험 요인 데이터, 상기 작업 공간에 대한 현장 정보 데이터, 보건 데이터 정보, 정부 정책 데이터 정보 중 적어도 하나에 기초하여, 미리 학습되는 것을 특징으로 하는, 방법.The method of claim 9, wherein the second artificial intelligence model is
Risk assessment data, risk rating calculation data, risk factor removal countermeasure data, accident case data, process information data related to work, risk factor data related to the work, site for the work space managed by the work management system A method, characterized in that the pre-learned based on at least one of information data, health data information, and government policy data information.
서버;
상기 작업 관리 시스템이 관리하는 작업 공간 내에 미리 배치되는 IOT 디바이스들; 및
상기 IOT 디바이스들로부터 획득되는 모니터링 정보에 기초하여 상기 작업 공간 내에서 수행되거나 수행될 대상 작업과 관련된 위험성 평가를 수행하는 전자 장치; 를 포함하고,
상기 서버는 상기 대상 작업과 관련된 텍스트 형식의 학습 데이터 및 상기 대상 작업과 관련된 정지 영상 또는 동영상 형식의 학습 데이터에 기초하여, 대상 작업 정보를 출력하는 제1 인공 지능 모델을 학습시키고,
상기 전자 장치는
상기 IOT 디바이스들과 통신하기 위한 네트워크 인터페이스;
하나 이상의 인스트럭션을 저장하는 메모리; 및
적어도 하나의 프로세서; 를 포함하며,
상기 적어도 하나의 프로세서는 상기 하나 이상의 인스트럭션을 실행함으로써,
상기 서버로부터 상기 학습된 제1 인공 지능 모델에 대한 정보를 획득하고,
상기 대상 작업과 관련된 텍스트 또는 이미지 중 적어도 하나를 포함하는 평가 대상 정보를 획득하고,
상기 평가 대상 정보를, 상기 서버로부터 획득된 상기 제1 인공 지능 모델에 대한 정보에 따른 제1 인공 지능 모델에 입력함으로써 상기 제1 인공 지능 모델로부터 상기 평가 대상 정보에 대응되는 상기 대상 작업 정보를 획득하고,
상기 대상 작업 정보를, 식별된 대상 작업 정보가 입력되면 상기 대상 작업 정보에 대한 위험성 평가를 정보를 출력하는 제2 인공 지능 모델에 입력함으로써, 상기 제2 인공 지능 모델로부터 위험성 평가 정보를 획득하며,
상기 적어도 하나의 프로세서는
상기 제1 인공 지능 모델로부터 상기 평가 대상 정보가 나타내는 작업에 관련된 정보로써 작업 식별 정보를 획득하고,
상기 제1 인공 지능 모델로부터 상기 작업 식별 정보에 따른 작업을 수행하기 위한 작업 공정 정보를 획득하며,
상기 제1 인공 지능 모델을 이용하여 평가 대상 정보를 분석함으로써, 상기 작업 식별 정보에 따른 작업 별 또는 상기 작업 공정 정보에 따른 상기 작업 공정 별 잠재 위험 요인과, 상기 작업 식별 정보 및 상기 작업 공정 정보를 상기 대상 작업 정보로 획득하고,
상기 적어도 하나의 프로세서는
상기 제2 인공 지능 모델에 상기 대상 작업 정보를 입력함으로써 상기 작업 식별 정보에 따른 작업 별 또는 상기 작업 공정 정보에 따른 상기 작업을 수행하기 위한 일련의 공정 별 위험 요인을 식별하고,
상기 제2 인공 지능 모델로부터 상기 식별된 위험 요인 별 적어도 하나의 작업 대책을 식별하고,
상기 제2 인공 지능 모델로부터, 상기 작업 식별 정보에 따른 작업의 위험 등급을 식별하고,
상기 식별된 공정별 위험 요인, 상기 위험 요인 별 적어도 하나의 작업 대책 및 상기 위험 등급을 포함하는 정보를 상기 위험성 평가 정보로써 획득하며,
상기 적어도 하나의 프로세서는
상기 대상 작업 정보를 획득하는 단계 이후, 상기 대상 작업 정보에 기초하여 대상 작업이 수행되는 작업 공간을 식별하고,
상기 식별된 작업 공간 내에 미리 설치된 제1 타입의 IOT 디바이스들 및 상기 식별된 작업 공간과 상호 작용 가능한 작업 공간 주변의 작업 환경 내에 설치되는 제2 타입의 IOT 디바이스들 각각으로부터 제1 모니터링 정보 및 제2 모니터링 정보를 획득하고,
상기 제1 모니터링 정보에 기초하여 결정되는 제1 위험성 점수를, 상기 제1 모니터링 정보에 매칭되는 작업 공간에 미리 할당된 공간 위험성 점수를 곱함으로써 제1 가중치 위험 점수를 결정하고,
상기 제2 모니터링 정보에 기초하여 결정되는 제2 위험성 점수를, 상기 제2 모니터링 정보에 매칭되는 환경 공간에 미리 할당된 공간 위험성 점수를 곱함으로써 제2 가중치 위험 점수를 결정하고,
상기 결정된 제1 가중치 위험 점수 및 상기 제2 가중치 위험 점수를 상기 제2 인공 지능 모델로부터 출력된 위험성 평가 정보에 적용함으로써 상기 위험성 평가 정보를 조정하고,
상기 조정된 위험성 평가 정보와 기 저장된 위험성을 경감시키기 위한 일련의 조치 리스트에서 획득된 조치 정보를 함께 출력하는, 작업 관리 시스템.In the work management system for evaluating the risk of the target work,
server;
IOT devices pre-arranged in the work space managed by the work management system; and
an electronic device that performs risk assessment related to a target task to be performed or to be performed in the workspace based on monitoring information obtained from the IOT devices; including,
The server learns a first artificial intelligence model for outputting target job information, based on the training data in the text format related to the target job and the training data in the still image or video format related to the target job,
the electronic device
a network interface for communicating with the IOT devices;
a memory storing one or more instructions; and
at least one processor; includes,
The at least one processor by executing the one or more instructions,
Obtaining information about the learned first artificial intelligence model from the server,
Obtaining evaluation target information including at least one of a text or an image related to the target task,
Obtaining the target task information corresponding to the evaluation target information from the first artificial intelligence model by inputting the evaluation target information into a first artificial intelligence model according to the information on the first artificial intelligence model obtained from the server do,
Obtaining risk assessment information from the second artificial intelligence model by inputting the target job information into a second artificial intelligence model that outputs information about risk assessment for the target job information when the identified target job information is input,
the at least one processor
Obtaining job identification information as information related to the job indicated by the evaluation target information from the first artificial intelligence model,
Obtaining work process information for performing a task according to the task identification information from the first artificial intelligence model,
By analyzing the evaluation target information using the first artificial intelligence model, the potential risk factors for each job according to the job identification information or the work process according to the work process information, the job identification information and the work process information Obtained as the target job information,
the at least one processor
By inputting the target job information into the second artificial intelligence model, each job according to the job identification information or a series of process-specific risk factors for performing the job according to the work process information are identified,
identifying at least one work countermeasure for each identified risk factor from the second artificial intelligence model;
From the second artificial intelligence model, identify the risk level of the task according to the task identification information,
Obtaining information including the identified risk factors for each process, at least one work measure for each risk factor, and the risk grade as the risk assessment information,
the at least one processor
After acquiring the target job information, based on the target job information, identify a workspace in which a target job is performed,
First monitoring information and second information from each of IOT devices of a first type pre-installed in the identified workspace and IOT devices of a second type installed in a working environment around the workspace interactable with the identified workspace to obtain monitoring information;
Determine a first weighted risk score by multiplying a first risk score determined based on the first monitoring information by a space risk score pre-allocated to a workspace matching the first monitoring information,
A second weighted risk score is determined by multiplying a second risk score determined based on the second monitoring information by a spatial risk score previously allocated to an environment space matching the second monitoring information,
adjusting the risk assessment information by applying the determined first weighted risk score and the second weighted risk score to the risk assessment information output from the second artificial intelligence model;
A work management system for outputting the adjusted risk assessment information and the action information obtained from a series of action lists for reducing the pre-stored risk together.
상기 획득된 위험성 평가 정보를 출력하고,
상기 출력된 위험성 평가 정보와 관련된 조치 정보를 출력하고,
상기 출력된 위험성 평가 정보 및 상기 조치 정보에 따른 작업 수행 결과에 대한 점검 정보를 획득하는, 작업 관리 시스템.19. The method of claim 18, wherein the at least one processor comprises:
Output the obtained risk assessment information,
Outputs the action information related to the output risk assessment information,
A work management system for acquiring inspection information on a work performance result according to the output risk assessment information and the action information.
상기 서버가 상기 대상 작업과 관련된 텍스트 형식의 학습 데이터 및 상기 대상 작업과 관련된 정지 영상 또는 동영상 형식의 학습 데이터에 기초하여, 평가 대상 정보가 입력되면, 대상 작업 정보를 출력하는 제1 인공 지능 모델을 학습시키는 단계;
상기 전자 장치가 상기 서버로부터, 상기 학습된 상기 제1 인공 지능 모델에 대한 정보를 획득하는 단계;
상기 전자 장치가 상기 대상 작업과 관련된 텍스트 또는 이미지 중 적어도 하나를 포함하는 평가 대상 정보를 획득하는 단계;
상기 평가 대상 정보를, 상기 서버로부터 획득된 상기 제1 인공 지능 모델에 대한 정보에 따른 제1 인공 지능 모델에 입력함으로써 상기 제1 인공 지능 모델로부터 상기 평가 대상 정보에 대응되는 상기 대상 작업 정보를 획득하는 단계; 및
상기 대상 작업 정보를, 식별된 대상 작업 정보가 입력되면 상기 대상 작업 정보에 대한 위험성 평가를 정보를 출력하는 제2 인공 지능 모델에 입력함으로써, 상기 제2 인공 지능 모델로부터 위험성 평가 정보를 획득하는 단계; 를 포함하고,
상기 대상 작업 정보를 획득하는 단계는
상기 제1 인공 지능 모델로부터 상기 평가 대상 정보가 나타내는 작업에 관련된 정보로써 작업 식별 정보를 획득하는 단계;
상기 획득된 작업 식별 정보에 따른 작업을 수행하기 위한 작업 공정 정보를 획득하는 단계; 및
상기 제1 인공 지능 모델을 이용하여 평가 대상 정보를 분석함으로써, 상기 작업 식별 정보에 따른 작업 별 또는 상기 작업 공정 정보에 따른 상기 작업 공정 별 잠재 위험 요인을 상기 대상 작업 정보로써 더 획득하는 단계; 를 포함하며,
상기 위험성 평가 정보를 획득하는 단계는
상기 제2 인공 지능 모델에 상기 대상 작업 정보를 입력함으로써 상기 작업 식별 정보에 따른 작업 별 또는 상기 작업 공정 정보에 따른 상기 작업을 수행하기 위한 일련의 공정 별 위험 요인을 식별하는 단계;
상기 제2 인공 지능 모델로부터 상기 식별된 위험 요인 별 적어도 하나의 작업 대책을 식별하는 단계;
상기 제2 인공 지능 모델로부터, 상기 작업 식별 정보에 따른 작업의 위험 등급을 식별하는 단계; 및
상기 식별된 위험 요인, 상기 적어도 하나의 작업 대책 및 상기 위험 등급을 포함하는 정보를 상기 위험성 평가 정보로써 획득하는 단계; 를 포함하고,
상기 방법은
상기 대상 작업 정보를 획득하는 단계 이후, 상기 대상 작업 정보에 기초하여 대상 작업이 수행되는 작업 공간을 식별하는 단계;
상기 식별된 작업 공간 내에 미리 설치된 제1 타입의 IOT 디바이스들 및 상기 식별된 작업 공간과 상호 작용 가능한 작업 공간 주변의 작업 환경 내에 설치되는 제2 타입의 IOT 디바이스들 각각으로부터 제1 모니터링 정보 및 제2 모니터링 정보를 획득하는 단계;
상기 제1 모니터링 정보에 기초하여 결정되는 제1 위험성 점수를, 상기 제1 모니터링 정보에 매칭되는 작업 공간에 미리 할당된 공간 위험성 점수를 곱함으로써 제1 가중치 위험 점수를 결정하는 단계;
상기 제2 모니터링 정보에 기초하여 결정되는 제2 위험성 점수를, 상기 제2 모니터링 정보에 매칭되는 환경 공간에 미리 할당된 공간 위험성 점수를 곱함으로써 제2 가중치 위험 점수를 결정하는 단계;
상기 결정된 제1 가중치 위험 점수 및 상기 제2 가중치 위험 점수를 상기 제2 인공 지능 모델로부터 출력된 위험성 평가 정보에 적용함으로써 상기 위험성 평가 정보를 조정하는 단계; 및
상기 조정된 위험성 평가 정보와 기 저장된 위험성을 경감시키기 위한 일련의 조치 리스트에서 획득된 조치 정보를 함께 출력하는, 방법을 수행하도록 하는 프로그램이 저장된 컴퓨터로 읽을 수 있는 기록 매체.A method for a task management system including an electronic device and a server to evaluate the risk of a target task, the method comprising:
When the server receives evaluation target information based on training data in text format related to the target job and training data in a still image or video format related to the target job, a first artificial intelligence model that outputs target job information learning;
obtaining, by the electronic device, information on the learned first artificial intelligence model from the server;
obtaining, by the electronic device, evaluation target information including at least one of a text and an image related to the target task;
Obtaining the target task information corresponding to the evaluation target information from the first artificial intelligence model by inputting the evaluation target information into a first artificial intelligence model according to the information on the first artificial intelligence model obtained from the server to do; and
Obtaining risk assessment information from the second artificial intelligence model by inputting the target job information into a second artificial intelligence model that outputs information about the risk assessment for the target job information when the identified target job information is input ; including,
The step of obtaining the target job information is
obtaining job identification information as information related to a job indicated by the evaluation target information from the first artificial intelligence model;
obtaining work process information for performing a work according to the obtained work identification information; and
further acquiring, as the target job information, potential risk factors for each job according to the job identification information or for each job process according to the work process information by analyzing the evaluation target information using the first artificial intelligence model; includes,
The step of obtaining the risk assessment information
identifying risk factors for each job according to the job identification information or a series of process-specific risk factors for performing the job according to the work process information by inputting the target job information into the second artificial intelligence model;
identifying at least one work countermeasure for each identified risk factor from the second artificial intelligence model;
identifying, from the second artificial intelligence model, a risk level of a task according to the task identification information; and
acquiring information including the identified risk factor, the at least one work measure and the risk grade as the risk assessment information; including,
the method
after obtaining the target job information, identifying a working space in which a target job is performed based on the target job information;
First monitoring information and second information from each of IOT devices of a first type pre-installed in the identified workspace and IOT devices of a second type installed in a working environment around the workspace interactable with the identified workspace obtaining monitoring information;
determining a first weighted risk score by multiplying a first risk score determined based on the first monitoring information by a space risk score pre-allocated to a workspace matching the first monitoring information;
determining a second weighted risk score by multiplying a second risk score determined based on the second monitoring information by a spatial risk score previously allocated to an environment space matching the second monitoring information;
adjusting the risk assessment information by applying the determined first weighted risk score and the second weighted risk score to the risk assessment information output from the second artificial intelligence model; and
A computer-readable recording medium storing a program for performing a method for outputting the adjusted risk assessment information and the action information obtained from a series of actions list for reducing the pre-stored risk together.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020200136258A KR102350038B1 (en) | 2020-10-20 | 2020-10-20 | Work management system for determining risk of target work and method there of |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020200136258A KR102350038B1 (en) | 2020-10-20 | 2020-10-20 | Work management system for determining risk of target work and method there of |
Publications (1)
Publication Number | Publication Date |
---|---|
KR102350038B1 true KR102350038B1 (en) | 2022-01-11 |
Family
ID=79355465
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020200136258A KR102350038B1 (en) | 2020-10-20 | 2020-10-20 | Work management system for determining risk of target work and method there of |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102350038B1 (en) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102482126B1 (en) * | 2022-07-20 | 2022-12-30 | (주)하이브시스템 | Method and appratus for managing noxious gas leak situation based on artificial intelligence model |
CN116383026A (en) * | 2023-06-05 | 2023-07-04 | 阿里巴巴(中国)有限公司 | Data processing method and server based on large model |
CN116882767A (en) * | 2023-09-08 | 2023-10-13 | 之江实验室 | Risk prediction method and device based on imperfect heterogeneous relation network diagram |
CN116911618A (en) * | 2023-09-07 | 2023-10-20 | 北京网藤科技有限公司 | Artificial intelligence decision-making system and method for safety production risk |
CN117078021A (en) * | 2023-10-13 | 2023-11-17 | 北京建工环境修复股份有限公司 | Safety operation and protection-based early warning method for human health risk in production park |
CN117196322A (en) * | 2023-11-06 | 2023-12-08 | 深圳市明心数智科技有限公司 | Intelligent wind control method, intelligent wind control device, computer equipment and storage medium |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002015107A (en) * | 2000-04-27 | 2002-01-18 | Shibaura Institute Of Technology | Method and system for estimating risk and risk estimation program |
KR101210729B1 (en) * | 2012-03-06 | 2012-12-11 | 한국가스안전공사 | Predicting method and system of real-time risk sign for energy plants using intelligent risk sign pattern model |
KR20180124307A (en) * | 2017-05-11 | 2018-11-21 | 한국전자통신연구원 | Apparatus and method for energy safety management |
KR20190090534A (en) * | 2018-01-25 | 2019-08-02 | 주식회사 에프에스솔루션 | Apparatus and method for predicting degree of risk by forward vehicle |
KR102033118B1 (en) * | 2018-05-31 | 2019-10-16 | (주)엠디자인 | Apparatus for warning of a work site risk, a method therefor and a computer recordable medium storing program to perform the method |
KR102140830B1 (en) | 2019-11-13 | 2020-08-04 | 주식회사 무하기술 | System for monitoring a emergent situation using a working schedule and a smart helmet and the method thereof |
JP2020166703A (en) * | 2019-03-29 | 2020-10-08 | 株式会社Nttドコモ | Risk estimating apparatus |
-
2020
- 2020-10-20 KR KR1020200136258A patent/KR102350038B1/en active IP Right Grant
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002015107A (en) * | 2000-04-27 | 2002-01-18 | Shibaura Institute Of Technology | Method and system for estimating risk and risk estimation program |
KR101210729B1 (en) * | 2012-03-06 | 2012-12-11 | 한국가스안전공사 | Predicting method and system of real-time risk sign for energy plants using intelligent risk sign pattern model |
KR20180124307A (en) * | 2017-05-11 | 2018-11-21 | 한국전자통신연구원 | Apparatus and method for energy safety management |
KR20190090534A (en) * | 2018-01-25 | 2019-08-02 | 주식회사 에프에스솔루션 | Apparatus and method for predicting degree of risk by forward vehicle |
KR102033118B1 (en) * | 2018-05-31 | 2019-10-16 | (주)엠디자인 | Apparatus for warning of a work site risk, a method therefor and a computer recordable medium storing program to perform the method |
JP2020166703A (en) * | 2019-03-29 | 2020-10-08 | 株式会社Nttドコモ | Risk estimating apparatus |
KR102140830B1 (en) | 2019-11-13 | 2020-08-04 | 주식회사 무하기술 | System for monitoring a emergent situation using a working schedule and a smart helmet and the method thereof |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102482126B1 (en) * | 2022-07-20 | 2022-12-30 | (주)하이브시스템 | Method and appratus for managing noxious gas leak situation based on artificial intelligence model |
CN116383026A (en) * | 2023-06-05 | 2023-07-04 | 阿里巴巴(中国)有限公司 | Data processing method and server based on large model |
CN116383026B (en) * | 2023-06-05 | 2023-09-01 | 阿里巴巴(中国)有限公司 | Data processing method and server based on large model |
CN116911618A (en) * | 2023-09-07 | 2023-10-20 | 北京网藤科技有限公司 | Artificial intelligence decision-making system and method for safety production risk |
CN116911618B (en) * | 2023-09-07 | 2023-12-05 | 北京网藤科技有限公司 | Artificial intelligence decision-making system and method for safety production risk |
CN116882767A (en) * | 2023-09-08 | 2023-10-13 | 之江实验室 | Risk prediction method and device based on imperfect heterogeneous relation network diagram |
CN116882767B (en) * | 2023-09-08 | 2024-01-05 | 之江实验室 | Risk prediction method and device based on imperfect heterogeneous relation network diagram |
CN117078021A (en) * | 2023-10-13 | 2023-11-17 | 北京建工环境修复股份有限公司 | Safety operation and protection-based early warning method for human health risk in production park |
CN117196322A (en) * | 2023-11-06 | 2023-12-08 | 深圳市明心数智科技有限公司 | Intelligent wind control method, intelligent wind control device, computer equipment and storage medium |
CN117196322B (en) * | 2023-11-06 | 2024-03-26 | 深圳市明心数智科技有限公司 | Intelligent wind control method, intelligent wind control device, computer equipment and storage medium |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102350038B1 (en) | Work management system for determining risk of target work and method there of | |
CN112805743A (en) | System and method for providing content based on knowledge graph | |
KR20180055708A (en) | Device and method for image processing | |
US20220188545A1 (en) | Augmented reality enhanced situational awareness | |
US11164565B2 (en) | Unsupervised learning system and method for performing weighting for improvement in speech recognition performance and recording medium for performing the method | |
US11551699B2 (en) | Voice input authentication device and method | |
US20210279822A1 (en) | Generating and Presenting Scripts Related to Different Portions of Construction Plans | |
KR20190117837A (en) | Device and method for providing response message to user input | |
US11481551B2 (en) | Device and method for providing recommended words for character input | |
CN106573376A (en) | Activity monitoring of a robot | |
US11386804B2 (en) | Intelligent social interaction recognition and conveyance using computer generated prediction modeling | |
KR20190089628A (en) | Method and system for processing Neural network model using a plurality of electronic devices | |
KR20190088086A (en) | Electronic device and Method for controlling the electronic device thereof | |
US11769521B1 (en) | Providing a condition-specific data collection sequence | |
EP3816917A1 (en) | Electronic device for updating artificial intelligence model, server, and operation method therefor | |
EP3800561A1 (en) | Electronic device and control method for electronic device | |
KR102464906B1 (en) | Electronic device, server and method thereof for recommending fashion item | |
EP3806506A1 (en) | Intelligent accident detection system | |
KR20200039407A (en) | Electronic device and operating method for detecting a messenger phishing or a voice phishing | |
US11195404B2 (en) | Interpreting reactions of other people for physically impaired during an emergency situation | |
US20210004702A1 (en) | System and method for generating information for interaction with a user | |
CN113678148A (en) | Dynamic message management for a PPE | |
KR102507442B1 (en) | Environmental safety and health management methods and systems | |
JP2021531576A (en) | Methods, systems, and computer program products for role- and skill-based authority in Intelligent Industry Assistant | |
KR102138006B1 (en) | Method for controlling a security robot, apparatus for supporting the same |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |