KR102362808B1 - 상황별 근로자위험도 측정 방법 - Google Patents

상황별 근로자위험도 측정 방법 Download PDF

Info

Publication number
KR102362808B1
KR102362808B1 KR1020210037709A KR20210037709A KR102362808B1 KR 102362808 B1 KR102362808 B1 KR 102362808B1 KR 1020210037709 A KR1020210037709 A KR 1020210037709A KR 20210037709 A KR20210037709 A KR 20210037709A KR 102362808 B1 KR102362808 B1 KR 102362808B1
Authority
KR
South Korea
Prior art keywords
data
accident
worker
risk
learning
Prior art date
Application number
KR1020210037709A
Other languages
English (en)
Inventor
최영호
김대일
Original Assignee
(주)유엔이커뮤니케이션즈
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by (주)유엔이커뮤니케이션즈 filed Critical (주)유엔이커뮤니케이션즈
Priority to KR1020210037709A priority Critical patent/KR102362808B1/ko
Application granted granted Critical
Publication of KR102362808B1 publication Critical patent/KR102362808B1/ko

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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G06Q10/063114—Status monitoring or status determination for a person or group
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • 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
    • G06Q10/105—Human resources

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (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)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명의 인공지능 학습에 기반하여 위험도 예측 안전플랫폼 시스템에서 근로자의 위험도를 도출하는 방법은, 적어도 하나의 서버로부터 사고사례 데이터를 전송 받는 단계; 상기 전송 받은 사고사례 데이터를 소정의 사고 데이터 분류 항목에 따라 분류하는 단계; 상기 분류된 사고사례 데이터를 소정의 기준 정보에 따라 학습 데이터로 가공하는 단계; 상기 변환된 학습 데이터를 검증하는 단계; 및 상기 검증된 학습 데이터를 데이터베이스에 저장하는 단계;를 포함할 수 있다.

Description

상황별 근로자위험도 측정 방법{Method for Measuring Worker Risk by Situation}
본 발명은 상황별 근로자위험도 측정 방법에 관한 것이고, 머신러닝/딥러닝 학습에 관한 것이다.
매년 산업재해 중 가장 많은 비중을 건설업이 차지하고 있으며, 정부정책상으로도 건설안전부문에 있어 건설교통부의 최우선 과제로 건설업에서 생기는 산업재해를 최우선적으로 낮추는 것에 중점을 잡고 있다.
종래에 건설안전분야의 스마트 안전기술은 IoT 센싱과 그를 뒷받침되는 기술 위주로 발전되어 왔다. 또한 근로자 위치확인, 안전고리 센서, 장비접근 센서 등 건설현장에 일어날 수 있는 다양한 사고를 감지하기 위한 위주로 나오고 있다. 또한, 이를 구축하기 위한 각종센서 설치와 센서에 대한 이해도를 갖추기 위해 건설현장에서는 많은 비용과 시간을 들여야 하기 때문에 현장에서는 조심스러워 하는 면이 있다.
또한 상기 센서들의 설치는 실질 사고를 예방하는 것이 아니라 단지 사고가 난 후에 처리를 신속하게 함에 좀 더 치중되어 있다는 한계가 존재한다.
본 발명의 목적은 현장사고 건설 현장 등에서 사고를 미연에 방지할 수 있는 상황별 근로자위험도 예측을 위한 데이터 가공 방법을 제공하는 것이다.
본 발명의 다른 목적은 센서에 기반하지 않고도 효과적으로 근로자의 안전 관리를 수행할 수 있도록 근로자 정보를 기반으로 위험도를 산정하는 방법을 제공하는 것이다.
상기의 기술적 과제를 해결하기 위해 고안된 본 발명의 인공지능 학습에 기반하여 위험도 예측 안전플랫폼 시스템에서 근로자의 위험도를 도출하는 방법은, 적어도 하나의 서버로부터 사고사례 데이터를 전송 받는 단계; 상기 전송 받은 사고사례 데이터를 소정의 사고 데이터 분류 항목에 따라 분류하는 단계; 상기 분류된 사고사례 데이터를 소정의 기준 정보에 따라 학습 데이터로 가공하는 단계; 상기 가공된 학습 데이터를 검증하는 단계; 및 상기 검증된 학습 데이터를 데이터베이스에 저장하는 단계;를 포함할 수 있다.
그리고 상기 저장된 학습 데이터를 기반으로 인공지능 학습을 통해 상기 사고 데이터 분류 항목별 가중치를 산정하는 단계;를 더 포함할 수 있다.
그리고 상기 사고 데이터 분류 항목은 공사종류 정보, 공종 정보, 월 정보, 요일 정보, 날씨 정보, 작업 정보를 포함하는 복수의 데이터 속성을 포함하고, 상기 분류하는 단계는, 상기 전송 받은 사고사례 데이터로부터 상기 복수의 데이터 속성을 추출하는 단계; 및 상기 사고사례 데이터로부터 상기 복수의 데이터 속성의 각각에 대응하는 값들을 구분하여 추출하는 단계;를 포함할 수 있다.
그리고 상기 소정의 기준 정보는, 사고 발생 가능성 항목 및 사고 심각도 항목을 포함하고, 상기 가공하는 단계는, 상기 복수의 데이터 속성의 각각에 대하여 상기 사고 발생 가능성 항목 및 상기 사고 심각도 항목별로 상기 추출된 값들을 합산하여 각각 단계화된 지수로 변환하는 단계; 및 상기 변환된 지수들을 합산하는 연산에 기반하여 상기 데이터 속성별로 사고에 미치는 영향도를 산출하는 단계;를 포함할 수 있다.
그리고 상기 가중치를 산정하는 단계는, 상기 산출된 영향도를 기반으로 상기 가중치를 산정할 수 있다.
본 발명의 일 실시 예에 따르면, 공공기관 등에 축적되어 있는 사고사례보고서의 데이터들을 소정의 분류 기준을 기반으로 수집 및 가공하여 실제 건설 현장의 위험도 산정에 적용되는 데이터로 변환하는 것을 통해 해당 데이터를 통하여 근로자의 실제 위험도를 측정할 수 있게 된다.
본 발명의 일 실시 예에 따르면, 사용자는 별도의 수고 없이 근로자의 정보와 현장정보를 입력하는 것만으로 해당 현장의 위험도를 측정할 수 있게 된다.
도 1은 본 발명의 일 실시예에 따른 상황별 근로자위험도 예측 안전플랫폼 시스템의 구성을 나타내는 블록도이다.
도 2는 본 발명의 일 실시예에 따른 상황별 근로자위험도 측정 방법의 구성을 나타내는 순서도이다.
도 3은 본 발명의 일 실시예에 따른 상황별 근로자위험도 측정 방법의 구성을 나타내는 순서도이다.
도 4는 본 발명의 일 실시예에 따른 상황별 근로자위험도 측정 방법의 구성을 나타내는 순서도이다.
도 5는 본 발명의 일 실시예에 따른 상황별 근로자위험도 예측 안전플랫폼 시스템을 기반으로 수행되는 서비스를 설명하기 위한 도면이다.
도 6은 본 발명의 일 실시예에 따른 상황별 근로자위험도 예측 안전플랫폼 시스템을 기반으로 수행되는 서비스의 흐름을 나타내는 순서도이다.
이하의 내용은 단지 본 발명의 원리를 예시한다. 그러므로 당업자는 비록 본 명세서에 명확히 설명되거나 도시되지 않았지만 본 발명의 원리를 구현하고 본 발명의 개념과 범위에 포함된 다양한 장치를 발명할 수 있는 것이다. 또한, 본 명세서에 열거된 모든 조건부 용어 및 실시 예들은 원칙적으로, 본 발명의 개념이 이해되도록 하기 위한 목적으로만 명백히 의도되고, 이와 같이 특별히 열거된 실시 예들 및 상태들에 제한적이지 않는 것으로 이해되어야 한다.
또한, 본 발명의 원리, 관점 및 실시 예들뿐만 아니라 특정 실시 예를 열거하는 모든 상세한 설명은 이러한 사항의 구조적 및 기능적 균등물을 포함하도록 의도되는 것으로 이해되어야 한다. 또한 이러한 균등물들은 현재 공지된 균등물 뿐만 아니라 장래에 개발될 균등물 즉 구조와 무관하게 동일한 기능을 수행하도록 발명된 모든 소자를 포함하는 것으로 이해되어야 한다.
따라서, 예를 들어, 본 명세서의 블럭도는 본 발명의 원리를 구체화하는 예시적인 회로의 개념적인 관점을 나타내는 것으로 이해되어야 한다. 이와 유사하게, 모든 흐름도, 상태 변환도, 의사 코드 등은 컴퓨터가 판독 가능한 매체에 실질적으로 나타낼 수 있고 컴퓨터 또는 프로세서가 명백히 도시되었는지 여부를 불문하고 컴퓨터 또는 프로세서에 의해 수행되는 다양한 프로세스를 나타내는 것으로 이해되어야 한다.
프로세서 또는 이와 유사한 개념으로 표시된 기능 블럭을 포함하는 도면에 도시된 다양한 소자의 기능은 전용 하드웨어뿐만 아니라 적절한 소프트웨어와 관련하여 소프트웨어를 실행할 능력을 가진 하드웨어의 사용으로 제공될 수 있다. 프로세서에 의해 제공될 때, 상기 기능은 단일 전용 프로세서, 단일 공유 프로세서 또는 복수의 개별적 프로세서에 의해 제공될 수 있고, 이들 중 일부는 공유될 수 있다.
또한 프로세서, 제어 또는 이와 유사한 개념으로 제시되는 용어의 명확한 사용은 소프트웨어를 실행할 능력을 가진 하드웨어를 배타적으로 인용하여 해석되어서는 아니되고, 제한 없이 디지털 신호 프로세서(DSP) 하드웨어, 소프트웨어를 저장하기 위한 롬(ROM), 램(RAM) 및 비 휘발성 메모리를 암시적으로 포함하는 것으로 이해되어야 한다. 주지관용의 다른 하드웨어도 포함될 수 있다.
본 명세서의 청구범위에서, 상세한 설명에 기재된 기능을 수행하기 위한 수단으로 표현된 구성요소는 예를 들어 상기 기능을 수행하는 회로 소자의 조합 또는 펌웨어/마이크로 코드 등을 포함하는 모든 형식의 소프트웨어를 포함하는 기능을 수행하는 모든 방법을 포함하는 것으로 의도되었으며, 상기 기능을 수행하도록 상기 소프트웨어를 실행하기 위한 적절한 회로와 결합된다. 이러한 청구범위에 의해 정의되는 본 발명은 다양하게 열거된 수단에 의해 제공되는 기능들이 결합되고 청구항이 요구하는 방식과 결합되기 때문에 상기 기능을 제공할 수 있는 어떠한 수단도 본 명세서로부터 파악되는 것과 균등한 것으로 이해되어야 한다.
상술한 목적, 특징 및 장점은 첨부된 도면과 관련한 다음의 상세한 설명을 통하여 보다 분명해질 것이며, 그에 따라 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 본 발명의 기술적 사상을 용이하게 실시할 수 있을 것이다. 또한, 본 발명을 설명함에 있어서 본 발명과 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에 그 상세한 설명을 생략하기로 한다.
본 발명의 시스템(10)은 머신러닝/딥러닝 학습에 대한 기술분야로 안전보건공단과 국토안전관리원과 같은 기관 등의 사고사례보고서를 토대로 사고사례 관련 문서들을 수집하고 각 수집된 문서를 학습항목에 따른 분류 작업을 진행한다.
그 후 수집 및 분류 작업이 완료된 항목을 학습용 데이터 형태로 변환 작업을 실행한 후 검증 후 해당 자료를 데이터화 하여 축적하고,
축적된 데이터를 기반으로 위험도 산정 기준을 도출하고 이를 이용하여 실제 사고데이터를 근간으로 한 안전 관리 서비스를 수행한다.
이하, 첨부된 도면을 참조하여 본 발명의 다양한 실시 예를 상세히 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 상황별 근로자위험도 예측 안전플랫폼 시스템의 구성을 나타내는 블록도이다.
도 1에 도시된 바와 같이, 본 발명의 예측 안전플랫폼 시스템(10)은, 제1 단말기(100), 제2 단말기(200) 및 메인 컴퓨터(500)를 포함할 수 있다.
상기 제1 단말기(100)는 건설 현장의 현장 관리자(안전보건 담당자를 포함한다)가 소지하는 단말기일 수 있다.
상기 제2 단말기(200)는 건설 현장의 근로자가 소지하는 단말기일 수 있다.
상기 제1 단말기(100) 및 제2 단말기(200)는 스마트폰이나 태블릿 컴퓨터와 같은 휴대 및 원격 데이터 송수신 및 데이터 처리/표시가 가능한 단말기 형태로 구비될 수 있다.
본 발명의 일 실시 예에 따른 플랫폼은 상기 메인 컴퓨터(500)와 연동되는 서버(미도시)를 포함할 수 있다.
상기 메인 컴퓨터(500) 및 상기 서버(미도시) 중 적어도 하나는 근로자별 위험도를 산출하기 위한 로직 및 데이터를 포함할 수 있다.
상기 로직에 따라 상기 메인 컴퓨터(500) 및 상기 서버(미도시) 중 적어도 하나는 아래와 같은 작업을 수행할 수 있다.
정부 기관 등에서 제공하는 과거사고사례의 사고보고서에 포함된 데이터 속성 키워드를 도출할 수 있다.
상기 데이터 속성 키워드는 공사종류, 공종, 월, 요일 날씨, 작업 등등을 포함할 수 있다.
보다 구체적으로, 상기 데이터 속성 키워드는 공사종류, 기본공종, 기타공종, 월별, 요일별, 날씨(체감온도-여름철), 날씨(체감온도-여름철제외), 날씨(불쾌지수), 날씨(동파지수), 날씨(바람), 근로자질병, 공정률, 공사금액, 현장규모, 근로자나이, 작업종류, 지역, 근로자 건설업근무경력, 성별의 19개 항목을 포함할 수 있다.
일반건축물을 건설하는 공사와 항만공사의 보수보강 공사나 항만건설 공사, 또는 반도체 공장을 건설하는 사업의 경우 현장특성에 맞는 작업과 공종들이 필요하게 된다.
이에 본 발명의 상기 공종은 기본공종 과 사용자정의 공종으로 구분될 수 있다.
이러한 사용자가 정의한 공종과 그에 따른 현장의 데이터는 저장되고 새로운 위험도의 산정에 이용될 수 있다.
또한 데이터 속성 별 사고가능성, 사고 심각도를 기준으로 데이터를 카운팅할 수 있다.
또한 사고가능성은 5단계, 사고심각도는 부상자수, 사망자수를 기준으로 3단계로 지수화될 수 있다.
또한 사고가능성, 부상자수, 사망자수 지수를 합산하여 개별 데이터 속성별 영향도를 도출할 수 있다.
또한 데이터 속성별 사고에 미치는 영향도를 기준으로 가중치를 산정할 수 있다.
또한 현장 투입3개월 미만, 투입작업구간의 현장평가 위험도, 동일작업 연속 투입 근로자의 경우 가중치(10~15%)를 기반으로 근로자별 위험도를 가산할 수 있다.
상기의 작업 구간은 상기 메인 컴퓨터(500) 및 상기 서버(미도시) 중 적어도 하나에서 사전에 위/경도 좌표 기준으로 구축될 수 있다.
도 2는 본 발명의 일 실시예에 따른 상황별 근로자위험도 측정 방법의 구성을 나타내는 순서도이다.
상기의 기술적 과제를 해결하기 위해 고안된 본 발명의 인공지능 학습에 기반하여 위험도 예측 안전플랫폼 시스템(10)에서 근로자의 위험도를 도출하는 방법, 즉 상황별 근로자위험도 측정 방법은, 적어도 하나의 서버로부터 사고사례 데이터를 전송 받는 단계(S10)를 포함할 수 있다.
상기의 상황별 근로자위험도 측정 방법은 상기 전송 받은 사고사례 데이터를 소정의 사고 데이터 분류 항목에 따라 분류하는 단계(S20)를 포함할 수 있다.
상기의 상황별 근로자위험도 측정 방법은 상기 분류된 사고사례 데이터를 소정의 기준 정보에 따라 학습 데이터로 가공하는 단계(S30)를 포함할 수 있다.
상기 학습 데이터는 머신러닝, 딥러닝 등 인공지능 모델 학습을 위해 활용되는 데이터를 의미한다. 상기 학습 데이터를 형성하는 과정은 데이터를 획득하고 라벨링하는 등의 과정을 포함할 수 있다.
상기의 상황별 근로자위험도 측정 방법은 상기 변환된 학습 데이터를 검증하는 단계(S40);를 포함할 수 있다.
상기의 상황별 근로자위험도 측정 방법은 상기 검증된 학습 데이터를 데이터베이스에 저장하는 단계(S50);를 포함할 수 있다.
상기의 상황별 근로자위험도 측정 방법은 상기 저장된 학습 데이터를 기반으로 인공지능 학습을 통해 사고 데이터 분류 항목별 가중치를 산정하는 단계(S60)를 더 포함할 수 있다.
도 3은 본 발명의 일 실시예에 따른 상황별 근로자위험도 측정 방법의 구성을 나타내는 순서도이다.
상기 사고 데이터 분류 항목은 공사종류 정보, 공종 정보, 월 정보, 요일 정보, 날씨 정보, 작업 정보를 포함하는 복수의 데이터 속성을 포함할 수 있다.
보다 구체적으로 상기의 복수의 데이터 속성은 공사종류, 기본공종, 기타공종, 월별, 요일별, 날씨(체감온도-여름철), 날씨(체감온도-여름철제외), 날씨(불쾌지수), 날씨(동파지수), 날씨(바람), 근로자질병, 공정률, 공사금액, 현장규모, 근로자나이, 작업종류, 지역, 근로자 건설업근무경력, 성별의 19개 항목으로 이루어 질 수 있다.
상기 분류하는 단계(S20)는, 상기 전송 받은 사고사례 데이터로부터 상기 복수의 데이터 속성을 추출하는 단계(S21) 및 상기 사고사례 데이터로부터 상기 복수의 데이터 속성의 각각에 대응하는 값들을 구분하여 추출하는 단계(S22)를 포함할 수 있다.
도 4는 본 발명의 일 실시예에 따른 상황별 근로자위험도 측정 방법의 구성을 나타내는 순서도이다.
상기 소정의 기준 정보는, 사고 발생 가능성 항목 및 사고 심각도 항목을 포함할 수 있다.
상기 가공하는 단계(S30)는, 상기 복수의 데이터 속성의 각각에 대하여 상기 사고 발생 가능성 항목 및 상기 사고 심각도 항목별로 상기 추출된 값들을 합산하여 각각 단계화된 지수로 변환하는 단계(S31) 및 상기 변환된 지수들을 합산하는 연산에 기반하여 상기 데이터 속성별로 사고에 미치는 영향도를 산출하는 단계(S32)를 포함할 수 있다.
본 발명은 인공지능 학습, 즉 머신러닝/딥러닝 학습을 통해 위험도를 측정하는 기준을 분류하며, 정부 기관 등의 사고사례보고서 데이터 등을 근간으로 하여 각 데이터 구분별로 위험도를 지수화하는 것을 포함한다.
상기 가중치를 산정하는 단계(S60)는, 상기 산출된 영향도를 기반으로 상기 사고 데이터 분류 항목별 가중치를 산정할 수 있다.
상기 가중치는 상기 지수화된 위험도를 산출하기 위한 기반 Factor 가 될 수 있다.
본 발명에서 상기 근로자별 위험도는 1~100 사이의 숫자로 산출될 수 있다.
또한 이를 기준으로 사용자에게는 1~50은 정상, 51~70은 주의, 71~90은 경고, 91~100은 위험으로 산정하여 보여질 수 있다.
도 5는 본 발명의 일 실시예에 따른 상황별 근로자위험도 예측 안전플랫폼 시스템을 기반으로 수행되는 서비스를 설명하기 위한 도면이다.
도 5에 도시된 바와 같이, 현장 관리자는 특정의 근로자가 출근한 경우 상기 제1 단말기(100)에서 구동되는 관리자앱으로 상기 근로자의 안면을 인식하도록 하여 근로자 등록을 하도록 할 수 있다.
상기 메인 컴퓨터(500)는 상기 근로자의 출근 정보를 기반으로 상기 근로자의 근로자별 위험도를 예측할 수 있다. 상기 위험도의 예측 과정에는 안전점검결과 정보가 반영될 수 있다.
상기 제1 단말기(100)는 상기 현장 관리자의 입력에 따라 상기 근로자의 작업배정을 수행하고 상기 근로자의 당일 출역장소/공종/작업을 설정할 수 있다.
상기 메인 컴퓨터(500) 및 상기 제1 단말기(100) 중 적어도 하나는 상기 근로자의 근로자별 위험도를 표시할 수 있다.
상기 메인 컴퓨터(500) 및 상기 제1 단말기(100) 중 적어도 하나는 상기 근로자의 근로자별 위험도에 더하여 작업구간별 최적의 순찰경로를 표시할 수 있다.
상기 작업구간은 건설 현장을 작업의 단위별로 구분하여 형성한 구간일 수 있다.
상기 메인 컴퓨터(500)는 디스플레이(550)를 포함하여 상기 근로자별 위험도 및 작업구간별 최적의 순찰경로를 표시할 수 있다.
현장 관리자는 근로자별 위험도를 기반으로 안전점검활동을 수행할 수 있다.
상기 메인 컴퓨터(500)는 상기 근로자의 출역 정보에 따라서 상기 제2 단말기(200)에 근로자별 위험도 및 안전교육자료 중 적어도 하나를 자동 전달할 수 있다.
상기 제2 단말기(200)에서 구동되는 근로자앱은 근로자별 위험도 및 안전교육자료 중 적어도 하나를 표시할 수 있다.
상기 메인 컴퓨터(500)는 제1 메인 컴퓨터(510)와 제2 메인 컴퓨터(520)로 구분되어 구비될 수 있다.
상기 현장 관리자는 상기 건설 현장에서 상기 제1 메인 컴퓨터(510)에서 구동되는 현장Web을 통하여 담당 현장의 근로자 상황을 확인 가능하다.
상기 건설 현장과 떨어져 있는 본사의 감독관은 전체 건설 현장들의 상황을 본사Web Program을 통하여 확인 가능하다.
도 6은 본 발명의 일 실시예에 따른 상황별 근로자위험도 예측 안전플랫폼 시스템을 기반으로 수행되는 서비스의 흐름을 나타내는 순서도이다.
도 6에 도시된 바와 같이, 건설 현장의 안전보건 담당자는 제1 단말기(100)에서 구동되는 관리자앱을 통해 근로자 등록, 근로자에 대한 출입 관리 및 교육, 위험도 확인 및 조치 업무를 수행할 수 있다.
상기 조치 업무는 상기 근로자에 대한 작업 재배정 업무를 포함할 수 있다.
상기 근로자는 제2 단말기(200)에서 구동되는 근로자앱을 통해 스스로 출입 및 작업배정 업무를 수행할 수 있다. 또한 교육 및 당일의 작업 안내를 받을 수 있고 본인의 근로자별 위험도를 확인할 수 있다. 또한 본인의 업무 결과를 보고하고 현장 관리자가 조치한 업무 재배정 등의 조치 내용을 수신할 수 있다.
한편, 상술한 본 발명의 다양한 실시 예들에 따른 제어 방법은 프로그램 코드로 구현되어 다양한 비일시적 판독 가능 매체(non-transitory computer readable medium)에 저장된 상태로 각 서버 또는 기기들에 제공될 수 있다.
비일시적 판독 가능 매체란 레지스터, 캐쉬, 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 구체적으로는, 상술한 다양한 어플리케이션 또는 프로그램들은 CD, DVD, 하드 디스크, 블루레이 디스크, USB, 메모리카드, ROM 등과 같은 비일시적 판독 가능 매체에 저장되어 제공될 수 있다.
또한, 이상에서는 본 발명의 바람직한 실시 예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시 예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어져서는 안될 것이다.
10: 건설 현장 상황별 근로자위험도 예측 안전플랫폼 시스템
100: 제1 단말기 200: 제2 단말기
300: 제3 단말기
500: 메인 컴퓨터 510: 제1 메인 컴퓨터
520: 제2 메인 컴퓨터

Claims (5)

  1. 인공지능 학습에 기반하여 위험도 예측 안전플랫폼 시스템에서 근로자의 위험도를 도출하는 방법에 있어서,
    적어도 하나의 서버로부터 사고사례 데이터를 전송 받는 단계;
    상기 전송 받은 사고사례 데이터를 소정의 사고 데이터 분류 항목에 따라 분류하는 단계;
    상기 분류된 사고사례 데이터를 소정의 기준 정보에 따라 학습 데이터로 가공하는 단계;
    상기 가공된 학습 데이터를 검증하는 단계;
    상기 검증된 학습 데이터를 데이터베이스에 저장하는 단계; 및
    상기 저장된 학습 데이터를 기반으로 인공지능 학습을 통해 상기 사고 데이터 분류 항목별 가중치를 산정하는 단계;를 포함하며,
    상기 전송 받은 사고사례 데이터를 소정의 사고 데이터 분류 항목에 따라 분류하는 단계는,
    상기 전송 받은 사고사례 데이터를 공사종류, 기본공종, 기타공종, 월별, 요일별, 날씨(체감온도-여름철), 날씨(체감온도-여름철제외), 날씨(불쾌지수), 날씨(동파지수), 날씨(바람), 근로자질병, 공정률, 공사금액, 현장규모, 근로자나이, 작업종류, 지역, 근로자 건설업근무경력, 및 성별을 포함하는 복수의 데이터 속성을 상기 전송 받은 사고사례 데이터로부터 추출하는 단계; 및
    상기 사고사례 데이터로부터 상기 복수의 데이터 속성의 각각에 대응하는 값들을 구분하여 추출하는 단계를 포함하며,
    상기 분류된 사고사례 데이터를 소정의 기준 정보에 따라 학습 데이터로 가공하는 단계는,
    상기 복수의 데이터 속성의 각각에 대하여 사고 발생 가능성 항목 및 사고 심각도 항목별로 상기 추출된 값들을 합산하여 각각 단계화된 지수로 변환하는 단계; 및
    상기 변환된 지수들을 합산하는 연산에 기반하여 상기 데이터 속성별로 사고에 미치는 영향도를 산출하는 단계;를 포함하는 것을 특징으로 하는 상황별 근로자위험도 측정 방법.
  2. 삭제
  3. 삭제
  4. 삭제
  5. 제 1 항에 있어서,
    상기 가중치를 산정하는 단계는,
    상기 산출된 영향도를 기반으로 상기 가중치를 산정하는 것을 특징으로 하는 상황별 근로자위험도 측정 방법.
KR1020210037709A 2021-03-24 2021-03-24 상황별 근로자위험도 측정 방법 KR102362808B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210037709A KR102362808B1 (ko) 2021-03-24 2021-03-24 상황별 근로자위험도 측정 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210037709A KR102362808B1 (ko) 2021-03-24 2021-03-24 상황별 근로자위험도 측정 방법

Publications (1)

Publication Number Publication Date
KR102362808B1 true KR102362808B1 (ko) 2022-02-14

Family

ID=80254232

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210037709A KR102362808B1 (ko) 2021-03-24 2021-03-24 상황별 근로자위험도 측정 방법

Country Status (1)

Country Link
KR (1) KR102362808B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102507442B1 (ko) * 2021-12-16 2023-03-09 박영란 환경 안전 보건 관리 방법 및 시스템

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180060317A (ko) * 2016-11-28 2018-06-07 한국전력공사 심층 신경망 기반 수용가 전력 수요 예측 장치 및 방법
KR101877177B1 (ko) * 2017-07-12 2018-07-10 경북대학교 산학협력단 건설 안전관리 시스템 및 방법
KR20180115123A (ko) * 2017-04-12 2018-10-22 한국전자통신연구원 작업장 사고 예측 장치 및 방법
KR20200036544A (ko) * 2018-09-28 2020-04-07 진현미 건설현장 작업환경 개선시스템 및 그 제공방법
KR20200072178A (ko) * 2018-12-12 2020-06-22 고등기술연구원연구조합 동적 위험성 평가 시스템 및 평가 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180060317A (ko) * 2016-11-28 2018-06-07 한국전력공사 심층 신경망 기반 수용가 전력 수요 예측 장치 및 방법
KR20180115123A (ko) * 2017-04-12 2018-10-22 한국전자통신연구원 작업장 사고 예측 장치 및 방법
KR101877177B1 (ko) * 2017-07-12 2018-07-10 경북대학교 산학협력단 건설 안전관리 시스템 및 방법
KR20200036544A (ko) * 2018-09-28 2020-04-07 진현미 건설현장 작업환경 개선시스템 및 그 제공방법
KR20200072178A (ko) * 2018-12-12 2020-06-22 고등기술연구원연구조합 동적 위험성 평가 시스템 및 평가 방법

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102507442B1 (ko) * 2021-12-16 2023-03-09 박영란 환경 안전 보건 관리 방법 및 시스템

Similar Documents

Publication Publication Date Title
JP6770125B2 (ja) 建築物改装に伴う損害防止の推定
US10909647B2 (en) Damage data propagation in predictor of structural damage
Harirchian et al. ML-EHSAPP: A prototype for machine learning-based earthquake hazard safety assessment of structures by using a smartphone app
US11392841B2 (en) System to monitor and process water-related data
Corbane et al. Pan-European seismic risk assessment: a proof of concept using the Earthquake Loss Estimation Routine (ELER)
JP2015072612A (ja) 早期状況把握方法、および装置
CN104636449A (zh) 基于lsa-gcc的分布式大数据系统风险识别方法
US11004001B1 (en) Analysis of structural-damage predictions caused by an earthquake to identify areas with high damage levels
CN113591824B (zh) 交通违法数据录入异常检测方法和装置
Kwon et al. Risk analysis and visualization for detecting signs of flood disaster in Twitter
Weng et al. Cluster-based lognormal distribution model for accident duration
CN114418175A (zh) 一种人员管理方法、装置、电子设备及存储介质
KR102362808B1 (ko) 상황별 근로자위험도 측정 방법
CN109791677A (zh) 用于在社区中对交通工具数据进行地理参考和评分的系统和方法
Kurkcu et al. Crowdsourcing incident information for disaster response using twitter
WO2021042905A1 (zh) 车辆信息处理方法、装置、计算机设备和存储介质
CN111523830B (zh) 基于多维度数据指导市场监督的方法、装置、设备及介质
CN114118628A (zh) 一种基于循环神经网络模型的灾害预警方法及相关设备
KR102457765B1 (ko) 공사 유형에 따른 소요 자원 예측 방법 및 시스템
Kadar et al. Towards a burglary risk profiler using demographic and spatial factors
KR102488348B1 (ko) 건설 현장 상황별 근로자위험도 예측 안전플랫폼 시스템
CN112949442A (zh) 一种异常事件预识别方法、装置、电子设备及监控系统
KR101835778B1 (ko) 공공데이터 개방 인터페이스 제공 장치 및 방법
US20220386414A1 (en) System to monitor and process risk relationship sensor data
TWI634508B (zh) 使用多維度評級制判定實體未來商業存活力之系統和方法

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant