KR20180115123A - Apparatus and method for predicting workplace accident - Google Patents

Apparatus and method for predicting workplace accident Download PDF

Info

Publication number
KR20180115123A
KR20180115123A KR1020170047383A KR20170047383A KR20180115123A KR 20180115123 A KR20180115123 A KR 20180115123A KR 1020170047383 A KR1020170047383 A KR 1020170047383A KR 20170047383 A KR20170047383 A KR 20170047383A KR 20180115123 A KR20180115123 A KR 20180115123A
Authority
KR
South Korea
Prior art keywords
accident
workplace
information
type
rule model
Prior art date
Application number
KR1020170047383A
Other languages
Korean (ko)
Inventor
박정호
Original Assignee
한국전자통신연구원
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 한국전자통신연구원 filed Critical 한국전자통신연구원
Priority to KR1020170047383A priority Critical patent/KR20180115123A/en
Publication of KR20180115123A publication Critical patent/KR20180115123A/en

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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G06N5/048—Fuzzy inferencing
    • 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
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • 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
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/08—Construction
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Abstract

The present invention relates to an apparatus for predicting a workplace accident and a method thereof. According to an embodiment of the present invention, the apparatus for predicting a workplace accident includes: a workplace information analysis part that receives at least one workplace information generated in a workplace and determines the validity of the workplace information; an accident type analysis part which analyzes the generated workplace accident information and selects at least one accident type exceeding the predetermined possibility of an accident; an accident rule generation part which structures the type of workplace accident based on the selected accident type and generates an accident rule model according to the accident type; and an accident predicting part for probabilistically predicting the probability of the accident at the workplace based on the generated accident rule model and the valid workplace information determined to be valid by the workplace information analysis part. It is possible to prevent accidents.

Description

작업장 사고 예측 장치 및 방법{Apparatus and method for predicting workplace accident}[0001] Apparatus and method for predicting workplace accidents [

본 발명은 작업장 사고 예측 장치 및 방법에 관한 것으로서, 더욱 상세하게는 작업장에서 작업자에게 발생할 수 있는 다양한 사고를 사전에 예측하여 사고를 미연에 방지하기 위한, 작업장 사고 예측 장치 및 방법에 관한 것이다.The present invention relates to an apparatus and method for predicting workplace accidents, and more particularly, to a workplace accident predicting apparatus and method for predicting various types of incidents that can occur in a workplace to prevent accidents in advance.

IT 기술이 발전하면서 작업자에 대한 사고를 방지하기 위한 기술이 다양화되어 작업장에 설치되어 운용되고 있다. 이러한 기술의 대부분은 특정 작업장의 환경에 맞도록 구성되어 있다. 세부적인 기술 및 사용되는 센서의 차이는 있지만 대체로 작업장 환경에서의 위해 요소에 대한 센싱 및 작업자의 이동을 추적하여 위험 관련 정보를 사전에 알려주는 방식을 사용한다.With the development of IT technology, various technologies have been installed and operated in the workplace to prevent accidents to workers. Much of this technology is tailored to the specific workplace environment. Though there is a difference in the technique and the sensor used, it usually uses a method of detecting the risk factor in the workplace environment and tracking the movement of the worker and informing them of the risk related information in advance.

그러나 이러한 사전 위험 경고는 간단한 규칙에 따라 발생되기 때문에 실제 상황을 명확하게 인지하지 못하는 문제가 발행할 수 있다. 즉, 작업장에서 취득되는 데이터는 동일하다고 하여도 이들 데이터를 이용하여 사고가능성을 예측하는 방법에서의 개선이 필요하다고 할 수 있다. However, since these precautionary warnings are generated according to simple rules, problems may arise that do not clearly recognize the actual situation. In other words, even if the data acquired in the workplace are the same, it is necessary to improve the method of predicting the possibility of using the data.

본 발명의 실시 예들은 작업장에서 작업자에게 발생할 수 있는 다양한 사고를 사전에 예측하여 사고를 미연에 방지하기 위한, 작업장 사고 예측 장치 및 방법을 제공하고자 한다.Embodiments of the present invention provide a workplace accident predicting apparatus and method for predicting various types of incidents that may occur to workers in a workplace to prevent accidents in advance.

본 발명의 실시 예들은 작업자의 안전사고 예측을 위한 종래의 문제점을 해결하기 위하여, 작업장에서 취득한 정보와 기구축된 사고관련 데이터베이스를 기반으로 정확하게 사고를 예측할 수 있는, 작업장 사고 예측 장치 및 방법을 제공하고자 한다.Embodiments of the present invention provide a workplace accident predicting apparatus and method capable of accurately predicting an accident based on information acquired in a workplace and an established accident related database in order to solve a conventional problem of safety accident prediction of a worker I want to.

본 발명의 실시 예들은 작업장에서 발생될 수 있는 다양한 사고를 사전에 예측하고 대응할 수 있어서 제조산업의 경쟁력 향상에 큰 도움을 줄 수 있다.The embodiments of the present invention can predict and respond to various incidents that may occur in the workplace, and thus can greatly enhance the competitiveness of the manufacturing industry.

작업장에서 발생되는 작업자의 인명사고의 상당 부분은 인재라고 할 만큼 작업자의 부주의나 안전규칙 위반에 따른 결과가 많지만, 예측할 수 없는 경우도 존재하며 이러한 경우에는 큰 인명사고로 이어지기도 한다. 본 발명의 실시 예들은 인위적으로 예측하기 어려운 작업장 사고에 대해 과거의 정보와 현재의 입력 정보를 기반으로 사전 예측이 가능하여 사고를 미연에 방지할 수 있는, 작업장 사고 예측 장치 및 방법을 제공하고자 한다.A large part of the worker's personal accident that occurs in the workplace is said to be a talent, and there are a lot of consequences due to the negligence of the worker and the violation of the safety rules. However, there are cases that can not be predicted. Embodiments of the present invention provide a workplace accident predicting apparatus and method capable of predicting a workplace accident that is difficult to artificially predicted based on past information and present input information, thereby preventing an accident in advance .

본 발명의 제1 측면에 따르면, 작업장에서 발생하는 적어도 하나 이상의 작업장 정보를 수신하여 작업장 정보의 유효성을 판단하는 작업장 정보 분석부; 기발생된 작업장 사고 정보를 분석하여 기설정된 사고발생 가능성을 초과하는 적어도 하나 이상의 사고유형을 선별하는 사고유형 분석부; 상기 선별된 사고유형을 기반으로 작업장 사고의 형태를 구조화하여 사고유형에 따른 사고 룰 모델을 생성하는 사고 룰 생성부; 및 상기 생성된 사고 룰 모델과 상기 작업장 정보 분석부에서 유효한 것으로 판단된 유효한 작업장 정보를 기반으로 작업장에서의 사고발생 가능성을 확률적으로 예측하는 사고 예측부;를 포함하는 것을 특징으로 하는 작업장 사고 예측 장치가 제공될 수 있다.According to a first aspect of the present invention, there is provided an information processing apparatus comprising: a workplace information analyzer for receiving at least one workplace information generated in a workplace and determining validity of workplace information; An accident type analyzing unit for analyzing the generated workplace accident information and selecting at least one accident type exceeding the predetermined accident occurrence possibility; An accident rule generation unit for structuring a type of workplace accident based on the selected accident type to generate an accident rule model according to the accident type; And an accident predicting unit for probabilistically predicting the probability of occurrence of an accident at the workplace on the basis of the generated accident rule model and valid workplace information determined to be valid by the workplace information analyzing unit. A device may be provided.

상기 장치는, 상기 작업장에서 발생하는 적어도 하나 이상의 작업장 정보를 유선 또는 무선 통신환경을 통해 수신하여 순차적으로 저장하는 작업장 정보 데이터베이스;를 더 포함할 수 있다.The apparatus may further include a workplace information database that receives at least one workplace information generated in the workplace through a wired or wireless communication environment and sequentially stores the information.

상기 작업장은, 제조업 공장, 공사현장 및 공사가 완료되어 시험운영중인 건물 중에서 어느 하나의 장소일 수 있다.The worksite may be any one of a manufacturing factory, a construction site, and a building under test construction.

상기 장치는, 작업장의 환경을 센싱하는 적어도 하나 이상의 환경 센서와, 작업장에서 활동중인 작업자의 생체 정보 또는 위치 정보를 획득하는 작업자 센서 중에서 적어도 하나 이상의 센서;를 더 포함할 수 있다.The apparatus may further include at least one environmental sensor for sensing the environment of the workplace, and an operator sensor for acquiring biometric information or positional information of the worker active in the workplace.

상기 장치는, 기발생된 작업장 사고에 대해서, 사고유형, 사고전 작업자 업무 유형, 사고전 작업자 상태, 사고전 작업장 환경 상태 및 사고의 직접적 원인을 데이터베이스화하여 저장하는 사고유형 데이터베이스;를 더 포함할 수 있다.The apparatus further includes an accident type database for storing the accident type, the worker type of work before the accident, the worker status before the accident, the workplace environment status before the accident, and the direct cause of the accident in a database for the generated workplace accident .

상기 장치는, 상기 예측된 사고발생 가능성을 기초로 하여 사고발생 가능성이 기설정된 임계 가능성을 초과하거나 또는 실제 사고 이력과 매칭되는 경우에 대응되는 사고유형 정보를 상기 사고유형 데이터베이스에 저장하는 사고 처리부;를 더 포함할 수 있다.The apparatus comprising: an accident processor for storing accident type information corresponding to a case where the possibility of occurrence of an accident exceeds a predetermined threshold possibility or is matched with an actual accident history on the basis of the predicted occurrence possibility of the accident, in the accident type database; As shown in FIG.

상기 사고유형 분석부는, 기발생된 작업장 사고 정보를 이용하여 사고유형의 패턴을 분석하고, 사고발생 가능성이 최고인 사고를 우선적으로 선별할 수 있다.The accident type analyzing unit analyzes the pattern of the accident type using the previously generated workplace accident information, and can select the accident with the highest probability of occurrence of the accident first.

상기 사고 룰 생성부는, 사고 예측을 판단하기 위한 기반 데이터를 제공하기 위해, 작업장에서 사고가 발생하기 이전의 작업장 정보를 기반으로 직접적인 사고유발 요소를 기반으로 사고 룰 모델을 생성할 수 있다.The accident rule generation unit may generate an accident rule model based on a direct accident-causing element based on the workplace information before an accident occurs in the workplace in order to provide the base data for judging the accident prediction.

상기 사고 예측부는, 작업장 정보가 추가된 사고 룰 모델을 생성하고, 상기 작업장 정보가 추가된 사고 룰 모델과 상기 생성된 사고 룰 모델이 일치하는지 여부를 판단하고, 상기 사고 룰 모델의 판단 결과, 사고 룰 모델이 일치하면 사고발생 가능성을 확률적으로 예측하고, 사고 룰 모델이 일치하지 않으면 사고 룰 모델의 입력 값을 재설정할 수 있다.Wherein the accident predicting unit generates an accident rule model to which workplace information is added and determines whether or not the accident rule model to which the workplace information is added matches the generated accident rule model, If the rule model matches, the possibility of an accident can be predicted stochastically, and if the accident rule model does not match, the input value of the accident rule model can be reset.

상기 사고 예측부는, 퍼지 또는 뉴럴 네트워크가 포함된 인공지능 기반의 사고발생 가능성을 확률적으로 예측할 수 있다.The accident predicting unit can stochastically predict the probability of an accident based on artificial intelligence including a fuzzy or neural network.

한편, 본 발명의 제2 측면에 따르면, 작업장에서 발생하는 적어도 하나 이상의 작업장 정보를 수신하여 작업장 정보의 유효성을 판단하는 단계; 기발생된 작업장 사고 정보를 분석하여 기설정된 사고발생 가능성을 초과하는 적어도 하나 이상의 사고유형을 선별하는 단계; 상기 선별된 사고유형을 기반으로 작업장 사고의 형태를 구조화하여 사고유형에 따른 사고 룰 모델을 생성하는 단계; 및 상기 생성된 사고 룰 모델과 상기 작업장 정보 분석부에서 유효한 것으로 판단된 유효한 작업장 정보를 기반으로 작업장에서의 사고발생 가능성을 확률적으로 예측하는 단계;를 포함하는 것을 특징으로 하는 작업장 사고 예측 방법이 제공될 수 있다.According to a second aspect of the present invention, there is provided a method for controlling a work site, the method comprising: receiving at least one work site information generated in a work site to determine validity of work site information; Analyzing the generated workplace accident information and selecting at least one type of accident exceeding the predetermined accident occurrence possibility; Structuring a type of workplace accident based on the selected type of accident to generate an accident rule model according to the type of accident; And probabilistically predicting the probability of occurrence of an accident at the workplace on the basis of the generated accident rule model and valid workplace information determined to be valid by the workplace information analyzing unit. Can be provided.

상기 방법은, 상기 작업장에서 발생하는 적어도 하나 이상의 작업장 정보를 유선 또는 무선 통신환경을 통해 수신하여 순차적으로 작업장 정보 데이터베이스에 저장하는 단계;를 더 포함할 수 있다.The method may further include receiving at least one workplace information generated in the workplace through a wired or wireless communication environment and sequentially storing the received information in a workplace information database.

상기 작업장은, 제조업 공장, 공사현장 및 공사가 완료되어 시험운영중인 건물 중에서 어느 하나의 장소일 수 있다.The worksite may be any one of a manufacturing factory, a construction site, and a building under test construction.

상기 방법은, 작업장에 설치된 적어도 하나 이상의 환경 센서 및 작업자 센서 중에서 적어도 하나 이상의 작업장 센서를 통해 작업장의 환경을 센싱하거나 작업장에서 활동중인 작업자의 생체 정보 또는 위치 정보를 획득하는 단계;를 더 포함할 수 있다.The method may further include sensing the environment of the workplace through at least one workplace sensor among at least one environmental sensor and worker sensors installed in the worksite or obtaining biometric information or positional information of the worker active in the workplace have.

상기 방법은, 기발생된 작업장 사고에 대해서, 사고유형, 사고전 작업자 업무 유형, 사고전 작업자 상태, 사고전 작업장 환경 상태 및 사고의 직접적 원인을 데이터베이스화하여 사고유형 데이터베이스 저장하는 단계;를 더 포함할 수 있다.The method further includes the step of storing the accident type, the type of worker before the accident, the condition of the worker before the accident, the condition of the workplace before the accident, and the direct cause of the accident, can do.

상기 방법은, 상기 예측된 사고발생 가능성을 기초로 하여 사고발생 가능성이 기설정된 임계 가능성을 초과하거나 또는 실제 사고 이력과 매칭되는 경우에 대응되는 사고유형 정보를 상기 사고유형 데이터베이스에 저장하는 단계;를 더 포함할 수 있다.Storing the type of accident information corresponding to the case where the probability of occurrence of an accident exceeds a predetermined threshold probability or is matched with an actual history of the accident on the basis of the predicted probability of occurrence of an accident, .

상기 사고유형을 선별하는 단계는, 기발생된 작업장 사고 정보를 이용하여 사고유형의 패턴을 분석하고, 사고발생 가능성이 최고인 사고를 우선적으로 선별할 수 있다.In the step of selecting the accident type, the pattern of the accident type can be analyzed using the previously generated workplace accident information, and the accident with the highest possibility of the accident can be preferentially selected.

상기 사고 룰 모델을 생성하는 단계는, 사고 예측을 판단하기 위한 기반 데이터를 제공하기 위해, 작업장에서 사고가 발생하기 이전의 작업장 정보를 기반으로 직접적인 사고유발 요소를 기반으로 제1 사고 룰 모델을 생성할 수 있다.Wherein the step of generating the accident rule model comprises the steps of generating a first accident rule model based on the direct accident occurrence element based on the workplace information before the accident occurred in the workplace in order to provide the base data for judging the accident prediction; can do.

상기 사고발생 가능성을 확률적으로 예측하는 단계는, 작업장 정보가 추가된 사고 룰 모델을 생성하고, 상기 생성된 작업장 정보가 추가된 사고 룰 모델과 상기 사고 룰 모델이 일치하는지 여부를 판단하는 단계; 상기 사고 룰 모델의 판단 결과, 사고 룰 모델이 일치하면 사고발생 가능성을 확률적으로 예측하는 단계; 및 사고 룰 모델이 일치하지 않으면 사고 룰 모델의 입력 값을 재설정하는 단계;를 포함할 수 있다.The step of stochastically predicting the probability of occurrence of the accident includes the steps of generating an accident rule model to which workplace information is added and judging whether the accident rule model to which the generated workplace information is added matches the accident rule model; Estimating probability of occurrence of an accident probabilistically when the accident rule model is matched with the accident rule model; And resetting the input values of the accident rule model if the accident rule model does not match.

상기 사고발생 가능성을 확률적으로 예측하는 단계는, 퍼지 또는 뉴럴 네트워크가 포함된 인공지능 기반의 사고발생 가능성을 확률적으로 예측할 수 있다.The step of stochastically predicting the probability of occurrence of the accident can stochastically predict the probability of occurrence of an accident based on artificial intelligence including a fuzzy or neural network.

본 발명의 실시 예들은 작업장에서 작업자에게 발생할 수 있는 다양한 사고를 사전에 예측하여 사고를 미연에 방지할 수 있다.Embodiments of the present invention can prevent an accident in advance by predicting various incidents that may occur to a worker in a workplace.

본 발명의 실시 예들은 작업자의 안전사고 예측을 위한 종래의 문제점을 해결하기 위하여, 작업장에서 취득한 정보와 기구축된 사고관련 데이터베이스를 기반으로 정확하게 사고를 예측할 수 있다.Embodiments of the present invention can accurately predict an accident based on information acquired in a workplace and an established accident-related database in order to solve a conventional problem of safety accident prediction of an operator.

본 발명의 실시 예들은 작업장에서 발생될 수 있는 다양한 사고를 사전에 예측하고 대응할 수 있어서 제조산업의 경쟁력 향상에 큰 도움을 줄 수 있다.The embodiments of the present invention can predict and respond to various incidents that may occur in the workplace, and thus can greatly enhance the competitiveness of the manufacturing industry.

작업장에서 발생되는 작업자의 인명사고의 상당 부분은 인재라고 할 만큼 작업자의 부주의나 안전규칙 위반에 따른 결과가 많지만, 예측할 수 없는 경우도 존재하며 이러한 경우에는 큰 인명사고로 이어지기도 한다. 본 발명의 실시 예들은 인위적으로 예측하기 어려운 작업장 사고에 대해 과거의 정보와 현재의 입력 정보를 기반으로 사전 예측이 가능하여 사고를 미연에 방지할 수 있다.A large part of the worker's personal accident that occurs in the workplace is said to be a talent, and there are a lot of consequences due to the negligence of the worker and the violation of the safety rules. However, there are cases that can not be predicted. Embodiments of the present invention can predict a workplace accident, which is difficult to artificially predict, based on past information and present input information, thereby preventing an accident in advance.

도 1은 본 발명의 실시 예에 따른 작업장 사고 예측 장치의 구성도이다.
도 2는 본 발명의 실시 예에 따른 사고유형 데이터베이스의 데이터 구성요소를 나타낸 도면이다.
도 3은 본 발명의 실시 예에 따른 작업장 사고 예측 방법에 대한 흐름도이다.1 is a block diagram of a workplace accident predicting apparatus according to an embodiment of the present invention.
2 is a diagram illustrating data components of an incident type database according to an embodiment of the present invention.
3 is a flowchart of a workplace accident prediction method according to an embodiment of the present invention.

이하, 본 발명의 실시 예를 첨부된 도면을 참조하여 설명한다. 본 발명에 따른 동작 및 작용을 이해하는 데 필요한 부분을 중심으로 상세히 설명한다. 본 발명의 실시 예를 설명하면서, 본 발명이 속하는 기술 분야에 익히 알려졌고 본 발명과 직접적으로 관련이 없는 기술 내용에 대해서는 설명을 생략한다. 이는 불필요한 설명을 생략함으로써 본 발명의 요지를 흐리지 않고 더욱 명확히 전달하기 위함이다.Hereinafter, embodiments of the present invention will be described with reference to the accompanying drawings. The present invention will be described in detail with reference to the portions necessary for understanding the operation and operation according to the present invention. In describing the embodiments of the present invention, description of technical contents which are well known in the art to which the present invention belongs and which are not directly related to the present invention will be omitted. This is for the sake of clarity of the present invention without omitting the unnecessary explanation.

또한, 본 발명의 구성 요소를 설명하는 데 있어서, 동일한 명칭의 구성 요소에 대하여 도면에 따라 다른 참조부호를 부여할 수도 있으며, 서로 다른 도면임에도 동일한 참조부호를 부여할 수도 있다. 그러나 이와 같은 경우라 하더라도 해당 구성 요소가 실시 예에 따라 서로 다른 기능을 갖는다는 것을 의미하거나, 서로 다른 실시 예에서 동일한 기능을 갖는다는 것을 의미하는 것은 아니며, 각각의 구성 요소의 기능은 해당 실시 예에서의 각각의 구성 요소에 대한 설명에 기초하여 판단하여야 할 것이다.In describing the constituent elements of the present invention, the same reference numerals may be given to constituent elements having the same name, and the same reference numerals may be given to different drawings. However, even in such a case, it does not mean that the corresponding component has different functions according to the embodiment, or does not mean that it has the same function in different embodiments, and the function of each component is different from that of the corresponding embodiment Based on the description of each component in FIG.

도 1은 본 발명의 실시 예에 따른 작업장 사고 예측 장치의 구성도이다.1 is a block diagram of a workplace accident predicting apparatus according to an embodiment of the present invention.

도 1에 도시된 바와 같이, 본 발명의 실시 예에 따른 작업장 사고 예측 장치(100)는 작업장 정보 분석부(110), 사고유형 분석부(120), 사고 룰 생성부(130) 및 사고 예측부(140)를 포함한다.1, a workplace accident predicting apparatus 100 according to an embodiment of the present invention includes a workplace information analyzing unit 110, an accident type analyzing unit 120, an accident rule generating unit 130, (140).

여기서, 본 발명의 실시 예에 따른 작업장 사고 예측 장치(100)는 작업장 정보 데이터베이스(111), 환경 센서 및 작업자 센서 중에서 적어도 하나 이상의 센서, 사고유형 데이터베이스(151) 및 사고 처리부(150)를 더 포함할 수 있다.Here, the workplace accident predicting apparatus 100 according to the embodiment of the present invention further includes at least one of a workplace information database 111, an environment sensor, and an operator sensor, an accident type database 151 and an accident processing unit 150 can do.

이러한 구성을 통해, 본 발명의 실시 예에 따른 작업장 사고 예측 장치(100)는 작업장에서 취득한 작업장 정보와 기구축된 사고관련 사고유형 데이터베이스(151)를 기반으로 정확하게 사고를 예측할 수 있다. 즉, 작업장 사고 예측 장치(100)는 인위적으로 예측하기 어려운 작업장 사고에 대해 과거의 정보와 현재의 입력 정보를 기반으로 사전 예측이 가능하여 사고를 미연에 방지할 수 있다.With this configuration, the workplace accident predicting apparatus 100 according to the embodiment of the present invention can accurately predict an accident based on the workplace information acquired in the workplace and the prebuilt accident-related accident type database 151. In other words, the workplace accident predicting apparatus 100 can predict a workplace accident, which is difficult to artificially predict, based on past information and present input information, thereby preventing an accident in advance.

이하, 도 1의 본 발명의 실시 예에 따른 작업장 사고 예측 장치(100)의 각 구성요소들의 구체적인 구성 및 동작을 설명한다.Hereinafter, the specific configuration and operation of each component of the workplace accident predicting apparatus 100 according to the embodiment of the present invention shown in FIG. 1 will be described.

작업장 정보 분석부(110)는 작업장에서 발생하는 적어도 하나 이상의 작업장 정보를 수신하여 작업장 정보의 유효성을 판단한다. 작업장 정보 분석부(110)는 기본적으로 작업장 정보 데이터베이스(111)에 저장된 정보의 유효성을 판단하며 불필요한 정보를 제거한다. 또한, 작업장 정보 분석부(110)에서 처리된 정보는 사고 예측을 위한 룰 모델링에 활용되기 때문에 작업장 정보는 사고 룰 생성부(130)로 전달된다. The workplace information analyzer 110 receives at least one workplace information generated in the workplace and determines the validity of the workplace information. The workplace information analyzer 110 basically determines the validity of information stored in the workplace information database 111 and removes unnecessary information. In addition, since the information processed by the workplace information analysis unit 110 is utilized for rule modeling for accident prediction, the workplace information is transmitted to the accident rule generation unit 130.

여기서, 작업장은 제조업 공장, 공사현장 및 공사가 완료되어 시험운영중인 건물 중에서 어느 하나의 장소일 수 있다. 즉, 본 발명의 실시를 위하여, 작업장 사고 예측 장치(100)의 사용대상인 작업장은 일반적인 제조업 공장뿐만 아니라, 공사현장 및 공사가 완료되어 시험운영중인 건물 등을 대상으로 한다고 가정한다.Here, the workplace may be any one of a manufacturing factory, a construction site, and a building under test construction. That is, for the implementation of the present invention, it is assumed that the work site to be used by the workplace accident predicting apparatus 100 is not only a general manufacturing factory, but also a construction site and a building under test construction.

또한, 본 발명의 실시를 위하여 작업장에는 사전에 작업장 환경을 센싱할 수 있는 각종 센서들과 작업장에서 활동중인 작업자 및 일반 근로자의 상태, 즉 생체 정보나 움직임에 따른 위치 정보를 얻을 수 있는 장치가 설치되어 있어야 한다. 작업장 정보 분석부(110)는 이러한 각종 센서들로부터 작업장 환경을 센싱한 정보, 작업자의 생체 정보나 위치 정보 등을 획득할 수 있다.Also, in order to carry out the present invention, there is installed in the workplace various sensors capable of sensing the workplace environment in advance, a device capable of obtaining the status of workers and general workers active in the workplace, . The workplace information analyzing unit 110 can acquire information on the workplace environment sensing, biometric information and positional information of the worker from the various sensors.

이와 관련하여, 작업장에서 센싱된 각종 정보는 유무선 통신환경을 통해 작업장 정보 DB(110)에 순차적으로 저장되고 관리된다. In this regard, various kinds of information sensed in the workplace are sequentially stored and managed in the workplace information DB 110 through the wired / wireless communication environment.

사고유형 분석부(120)는 기발생된 작업장 사고 정보를 분석하여 기설정된 사고발생 가능성을 초과하는 적어도 하나 이상의 사고유형을 선별한다. 여기서, 사고유형 분석부(120)는 기발생된 작업장 사고 정보를 이용하여 사고유형의 패턴을 분석하고, 사고발생 가능성이 최고인 사고를 우선적으로 선별할 수 있다. 즉, 사고유형 분석부(120)는 기존에 발생된 다양한 사고유형의 패턴을 분석하여 사고 가능성이 가장 큰 사고를 우선적으로 선별하여 사고 룰 생성부(130)로 전달하게 된다. The accident type analyzing unit 120 analyzes the generated workplace accident information and selects at least one type of accident exceeding the predetermined accident occurrence possibility. Here, the accident type analyzing unit 120 analyzes patterns of the accident type using the generated workplace accident information, and can select the accident with the highest probability of occurrence of the accident preferentially. That is, the accident type analyzing unit 120 analyzes patterns of various types of accidents that have occurred, selects the accident most likely to occur, and transmits the selected accidents to the accident rule generating unit 130 in a preferential manner.

사고 룰 생성부(130)는 사고유형 분석부(120)에서 선별된 사고유형을 기반으로 작업장 사고의 형태를 구조화하여 사고유형에 따른 사고 룰 모델(131)을 생성한다. 여기서, 사고 룰 생성부(130)는 사고 예측을 판단하기 위한 기반 데이터를 제공하기 위해, 작업장에서 사고가 발생하기 이전의 작업장 정보를 기반으로 직접적인 사고유발 요소를 기반으로 사고 룰 모델(131)을 생성할 수 있다.The incident rule generation unit 130 generates an accident rule model 131 according to an accident type by structuring the type of the workplace accident based on the selected accident type in the accident type analysis unit 120. [ Here, in order to provide the base data for judging the accident prediction, the accident rule generating unit 130 generates an accident rule model 131 based on the accident inducing element based on the workplace information before the accident occurred in the workplace Can be generated.

사고 룰 모델(131)을 구체적으로 살펴보면, 사고 룰 모델(131)은 사고 예측을 판단하기 위한 기반 데이터를 제공한다. 이러한 기반 데이터는 사고유형 분석부(120)에서 입력되는 과거에 발생한 사고유발 요소 정보를 기반으로 생성되기 때문에 데이터가 방대할수록 예측 정확도는 더욱 높아지게 된다. 일반적인 룰 모델의 형태는 "IF (X1 is Y1 and X2 is Y2 ... Xn is Yn) then Zm" 와 같이 입력 형태(Xn)에 근접한 정보(Yn)를 매칭하여 원하는 결과(Zm)를 찾는 형태로 구성된다.Specifically, the accident rule model 131 provides the foundation data for judging the accident prediction. Since the base data is generated on the basis of the accident-causing element information that has been input in the accident type analyzing unit 120 in the past, the prediction accuracy becomes higher as the data becomes larger. The general form of the rule model is to match information (Y n ) close to the input form (X n ) such as "IF (X 1 is Y 1 and X 2 is Y 2 ... X n is Y n ) then Z m " To find the desired result (Z m ).

사고 예측부(140)는 사고 룰 생성부(130)에서 생성된 사고 룰 모델(131)과 작업장 정보 분석부(110)에서 유효한 것으로 판단된 유효한 작업장 정보를 기반으로 작업장에서의 사고발생 가능성을 확률적으로 예측한다. 여기서, 사고 예측부(140)는 작업장 정보가 추가된 사고 룰 모델을 생성하고, 작업장 정보가 추가된 사고 룰 모델과 사고 룰 생성부(130)에서 생성된 사고 룰 모델(131)이 일치하는지 여부를 판단한다. 사고 예측부(140)는 사고 룰 모델의 판단 결과, 사고 룰 모델이 일치하면 사고발생 가능성을 확률적으로 예측하고, 사고 룰 모델이 일치하지 않으면 사고 룰 모델의 입력 값을 재설정할 수 있다.The accident predicting unit 140 estimates the probability of occurrence of an accident in the workplace based on valid workplace information determined to be valid in the accident rule model 131 and the workplace information analyzing unit 110 generated by the accident rule generating unit 130 Predict as enemy. Here, the accident predicting unit 140 generates an accident rule model to which the workplace information is added, and determines whether the accident rule model to which the workplace information is added matches the accident rule model 131 generated by the accident rule generation unit 130 . As a result of the determination of the accident rule model, the accident predicting unit 140 can stochastically predict the possibility of an accident if the accident rule model is matched, and reset the input value of the accident rule model if the accident rule model does not match.

사고 예측 과정에 대해서 구체적으로 살펴보면, 사고 예측부(140)는 작업장에서 실시간으로 입력되는 현장정보 즉, 작업자의 위치, 작업자의 생체정보, 작업장의 다양한 환경정보와, 과거 사고에 대한 정보인 사고 룰 모델(131)을 기반으로 현 상황에서 사고가 일어날지 예측하는 기능을 담당한다. 예측을 위한 단계별 알고리즘을 도 3에 나타나 있다. 결과적으로 사고 예측부(140)는 현재와 과거의 사고환경 정보의 상관관계를 이용하여 사고를 예측한다.In detail, the accident predicting unit 140 estimates the incident information in real time in the workplace, that is, information on the location of the worker, biometric information of the worker, various environmental information of the workplace, Based on the model 131, it is responsible for predicting the occurrence of an accident in the current situation. A step-by-step algorithm for prediction is shown in FIG. As a result, the accident predicting unit 140 predicts the accident using the correlation between the current and past accident environment information.

한편, 사고 예측부(140)는, 퍼지 또는 뉴럴 네트워크가 포함된 인공지능 기반의 사고발생 가능성을 확률적으로 예측할 수 있다.Meanwhile, the accident predicting unit 140 can stochastically predict the probability of occurrence of an artificial intelligence-based accident including a fuzzy or neural network.

한편, 작업장 정보 데이터베이스(111)는 작업장에서 발생하는 적어도 하나 이상의 작업장 정보를 유선 또는 무선 통신환경을 통해 수신하여 순차적으로 저장한다.On the other hand, the workplace information database 111 receives at least one workplace information generated in the workplace through a wired or wireless communication environment and sequentially stores the information.

본 발명의 실시 예에 따른 작업장 사고 예측 장치(100)는 환경 센서 및 작업자 센서 중에서 적어도 하나 이상의 센서를 포함할 수 있다. 환경 센서는 작업장의 환경을 센싱한다. 또한, 작업자 센서는 작업장에서 활동중인 작업자의 생체 정보 또는 위치 정보를 획득한다.The workplace accident predicting apparatus 100 according to an embodiment of the present invention may include at least one of an environmental sensor and a worker sensor. The environmental sensor senses the environment of the workplace. Further, the worker sensor acquires biometric information or positional information of the worker who is active in the workplace.

한편, 사고유형 데이터베이스(151)는 기발생된 작업장 사고에 대해서, 사고유형, 사고전 작업자 업무 유형, 사고전 작업자 상태, 사고전 작업장 환경 상태 및 사고의 직접적 원인을 데이터베이스화하여 저장한다.On the other hand, the accident type database 151 stores the accident type, accident type of the worker before the accident, worker condition before the accident, environmental condition of the workplace before the accident, and direct cause of the accident.

여기서, 사고 처리부(150)는 사고 예측부(140)에서 예측된 사고발생 가능성을 기초로 하여 사고발생 가능성이 기설정된 임계 가능성을 초과하거나 또는 실제 사고 이력과 매칭되는 경우를 확인한다. 이를 통해, 사고 처리부(150)는 이러한 경우에 대응되는 사고유형 정보를 사고유형 데이터베이스(151)에 저장한다.Here, the accident processing unit 150 confirms the case where the probability of occurrence of the accident exceeds the predetermined threshold possibility or matches with the actual accident history based on the possibility of occurrence of the accident predicted by the accident predicting unit 140. [ In this way, the accident handling unit 150 stores the accident type information corresponding to this case in the accident type database 151.

이와 같이, 사고 처리부(150)는 사고 예측부(140)에서 사고발생 가능성이 매우 크거나 또는 실제 사고로 이어지는 경우를 고려하여 사고를 처리하고 처리 결과를 사고유형 데이터베이스(151)에 저장시킨다. 이러한 정보는 또 다른 사고를 예측하기 위한 기반 정보로 활용하기 위해 사고 처리부(150)를 통해 사고유형 데이터베이스(151)로 저장된다.In this way, the accident processing unit 150 processes the accident in consideration of the case where the possibility of occurrence of an accident is very high or leads to an actual accident in the accident predicting unit 140, and stores the processing result in the accident type database 151. This information is stored in the accident type database 151 through the accident handling unit 150 as a base information for predicting another accident.

도 2는 본 발명의 실시 예에 따른 사고유형 데이터베이스의 데이터 구성요소를 나타낸 도면이다.2 is a diagram illustrating data components of an incident type database according to an embodiment of the present invention.

도 2를 참조하면, 본 발명의 실시 예에 따른 사고유형 데이터베이스(151)는 사고유형의 패턴을 분석하기 위한 기반 데이터를 저장하고 있다. 사고유형 데이터베이스(151)의 데이터 구성은 도 2와 같다. 즉, 사고유형 데이터베이스(151)는 기발생된 작업장 사고에 대해서, 사고유형, 사고전 작업자 업무 유형, 사고전 작업자 상태, 사고전 작업장 환경 상태 및 사고의 직접적 원인을 데이터베이스화하여 저장한다.Referring to FIG. 2, an accident type database 151 according to an embodiment of the present invention stores base data for analyzing a pattern of an accident type. The data configuration of the accident type database 151 is shown in Fig. That is, the accident type database 151 stores a database of the accident type, accident type of the worker before the accident, worker condition before the accident, environmental condition of the workplace before the accident, and direct cause of the accident.

사고유형 데이터베이스(151)는 사고가 발생하기 이전의 상황을 기반으로 직접적인 사고유발 요소를 판단하기 위한 정보를 제공하게 된다.The accident type database 151 provides information for determining a direct accident-causing element based on the situation before the accident occurs.

사고유형을 살펴보면, 사고유형 데이터베이스(151)에 저장된 사고유형 항목에는 추락, 충돌, 질식, 끼임 등이 포함될 수 있다.As for the accident type, the accident type items stored in the accident type database 151 may include crashes, collisions, asphyxia, pincer and the like.

사고전 작업자 업무 유형을 살펴보면, 사고유형 데이터베이스(151)에 저장된 사고전 작업자 업무 유형에는 용접, 드릴, 페인트, 조립 등이 포함될 수 있다.Looking at the worker type of work before the accident, the pre-accident worker type of work stored in the type of accident database 151 may include welding, drilling, painting, assembly, and the like.

사고전 작업자 상태를 살펴보면, 사고유형 데이터베이스(151)에 저장된 사고전 작업자 상태에는 체온, 심장박동수, 혈압, 안전장구 착용 여부, 작업위치 등이 포함될 수 있다.The pre-accident worker state stored in the accident type database 151 may include body temperature, heart rate, blood pressure, safety gear wear, work position, and the like.

사고의 직접적 원인을 살펴보면, 사고유형 데이터베이스(151)에 저장된 사고의 직접적 원인에는 신체적 문제, 판단착오, 안전장구 미착용, 유해가스노출, 원인 불명 등이 포함될 수 있다.The direct cause of the accident, which is stored in the accident type database 151, may include physical problems, misjudgment, insufficient safety equipment, exposure to harmful gas, unknown cause.

도 3은 본 발명의 실시 예에 따른 작업장 사고 예측 방법에 대한 흐름도이다.3 is a flowchart of a workplace accident prediction method according to an embodiment of the present invention.

도 3을 참조하면, 본 발명의 실시 예에 따른 작업장 사고 예측 장치(100)는 작업장 환경 등의 정보가 포함된 작업장 정보를 입력받는다(S101).Referring to FIG. 3, the workplace accident predicting apparatus 100 according to an embodiment of the present invention receives workplace information including information such as a workplace environment (S101).

그리고 작업장 사고 예측 장치(100)는 작업장 정보가 유효한 정보인지를 확인한다(S102).Then, the workplace accident predicting apparatus 100 confirms whether the workplace information is valid information (S102).

상기 확인 결과(S102), 작업장 정보가 유효한 정보가 아니면, 작업장 사고 예측 장치(100)는 유효하지 않은 작업장 정보를 삭제하고 다시 작업장 정보를 입력받는다.If the workplace information is not valid information (S102), the workplace accident predicting apparatus 100 deletes invalid workplace information and receives workplace information again.

반면, 상기 확인 결과(S102), 작업장 정보가 유효한 정보이면, 작업장 사고 예측 장치(100)는 작업장에서의 사고 예측을 시작하는 신호를 출력한다(S103).On the other hand, if the workplace information is valid information (S102), the workplace accident predicting apparatus 100 outputs a signal for starting the accident prediction in the workplace (S103).

그리고 작업장 사고 예측 장치(100)는 사고 유형에 따른 사고 룰 모델(131)을 생성한다(S104).Then, the workplace accident predicting apparatus 100 generates an accident rule model 131 according to the accident type (S104).

이어서, 작업장 사고 예측 장치(100)는 작업장 정보가 추가된 사고 룰 모델을 생성한다(S105).Subsequently, the workplace accident predicting apparatus 100 generates an accident rule model to which workplace information is added (S105).

이후, 작업장 사고 예측 장치(100)는 작업장 정보가 추가된 사고 룰 모델과 기생성된 사고 룰 모델(131)이 서로 일치하는지를 확인한다(S106).Thereafter, the workplace accident predicting apparatus 100 confirms whether the accident rule model to which the workplace information is added matches the pre-generated accident rule model 131 (S106).

상기 확인 결과(S106), 작업장 정보가 추가된 사고 룰 모델과 기생성된 사고 룰 모델(131)이 서로 일치하지 않으면, 작업장 사고 예측 장치(100)는 사고 룰 모델의 입력 값을 재설정한다(S107). 그리고 작업장 사고 예측 장치(100)는 작업장 정보가 추가된 사고 룰 모델을 생성하는 S105 과정을 다시 수행한다.As a result of the check (S106), if the accident rule model to which the workplace information is added and the accident rule model 131 that has already been created do not coincide with each other, the workplace accident predicting apparatus 100 resets the input value of the accident rule model ). Then, the workplace accident predicting apparatus 100 again performs step S105 of generating an accident rule model to which the workplace information is added.

반면, 상기 확인 결과(S106), 작업장 정보가 추가된 사고 룰 모델과 기생성된 사고 룰 모델(131)이 서로 일치하면, 작업장 사고 예측 장치(100)는 인공지능 기반의 사고 가능성 확률을 예측한다(S108). 이와 같이, 작업장 사고 예측 장치(100)는 인공지능(AI: artificial intelligence) 기반의 사고 가능성 확률을 예측할 수 있다. 작업장 사고 예측 장치(100)는 AI(인공지능) 방식은 퍼지 및 뉴럴 네트워크 등 일반적으로 공개된 추론 방식이 활용될 수 있으며, 특정 인공지능 방식으로 한정되지 않는다. 즉, AI 분야에서 기능 및 성능이 입증된 어떠한 기술도 적용될 수 있다.On the other hand, if it is determined in step S106 that the accident rule model to which the workplace information has been added matches the pre-generated accident rule model 131, the workplace accident predicting apparatus 100 predicts an accident probability probability based on artificial intelligence (S108). In this manner, the workplace accident predicting apparatus 100 can predict the probability of an accident probability based on artificial intelligence (AI). In the workplace accident predicting apparatus 100, AI (artificial intelligence) method can utilize a generally disclosed reasoning method such as fuzzy and neural network, and is not limited to a specific artificial intelligence method. That is, any technology with proven functionality and performance in the AI field can be applied.

그리고 작업장 사고 예측 장치(100)는 예측된 결과를 기초로 하여 사고 예측 결과를 도출하게 된다(S109).Then, the workplace accident predicting apparatus 100 derives an accident prediction result based on the predicted results (S109).

이와 같이, 이전에 작업장에서 발생하는 사고를 예방하기 위한 다양한 장치 및 시스템은 현장에서 발생하는 다양한 신호에 기반하여 작업자에게 1회성의 경보를 주는 형태였다. 하지만, 본 발명의 실시 예에 따른 작업장 사고 예측 장치(100)는 과거에 발생한 다양한 사고를 분석하고 작업장에서 입력된 실제 데이터를 활용하여 사고 가능성을 예측하여 사고를 미연에 방지하는 기능을 제공할 수 있다. In this way, various devices and systems for preventing accidents in the workplace were given a one-time warning to workers based on various signals generated in the field. However, the workplace accident predicting apparatus 100 according to the embodiment of the present invention can provide a function of analyzing various incidents that occurred in the past and using the actual data inputted at the workplace to predict the possibility of an accident, have.

작업장에서의 사고는 생산력 저하에 따른 산업 경쟁력 약화로 이어지기 때문에 향후 제조업 전반에 걸쳐 사고를 예방하기 위한 IT 기반의 시스템이 장착될 것으로 전망되어, 본 발명의 실시 예에 따른 작업장 사고 예측 장치(100)는 실제로 대형 작업장에서는 유용하게 이용될 수 있다.It is expected that an IT-based system for preventing accidents throughout the entire manufacturing industry will be installed in the future, so that the workplace accident predicting apparatus 100 according to the embodiment of the present invention ) May actually be useful in larger workplaces.

이상에서 설명한 실시 예들은 그 일 예로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명에 개시된 실시 예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시 예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.It will be apparent to those skilled in the art that various modifications and variations can be made in the present invention without departing from the spirit or essential characteristics thereof. Therefore, the embodiments disclosed in the present invention are intended to illustrate rather than limit the scope of the present invention, and the scope of the technical idea of the present invention is not limited by these embodiments. The scope of protection of the present invention should be construed according to the following claims, and all technical ideas within the scope of equivalents should be construed as falling within the scope of the present invention.

100: 작업장 사고 예측 장치
10: 작업장
110: 작업장 정보 분석부
111: 작업장 정보 데이터베이스
120: 사고유형 분석부
130: 사고 룰 생성부
131: 사고 룰 모델
140: 사고 예측부
150: 사고 처리부
151: 사고유형 데이터베이스100: Workplace accident prediction device
10: Workshop
110: workplace information analysis section
111: workplace information database
120: Incident type analysis section
130: accident rule generating unit
131: Thinking Rule Model
140:
150:
151: Incident type database

Claims (20)

작업장에서 발생하는 적어도 하나 이상의 작업장 정보를 수신하여 작업장 정보의 유효성을 판단하는 작업장 정보 분석부;
기발생된 작업장 사고 정보를 분석하여 기설정된 사고발생 가능성을 초과하는 적어도 하나 이상의 사고유형을 선별하는 사고유형 분석부;
상기 선별된 사고유형을 기반으로 작업장 사고의 형태를 구조화하여 사고유형에 따른 사고 룰 모델을 생성하는 사고 룰 생성부; 및
상기 생성된 사고 룰 모델과 상기 작업장 정보 분석부에서 유효한 것으로 판단된 유효한 작업장 정보를 기반으로 작업장에서의 사고발생 가능성을 확률적으로 예측하는 사고 예측부;
를 포함하는 것을 특징으로 하는 작업장 사고 예측 장치.
A workplace information analyzer for receiving at least one workplace information generated in the workplace and judging the validity of the workplace information;
An accident type analyzing unit for analyzing the generated workplace accident information and selecting at least one accident type exceeding the predetermined accident occurrence possibility;
An accident rule generation unit for structuring a type of workplace accident based on the selected accident type to generate an accident rule model according to the accident type; And
An accident predicting unit for probabilistically predicting the probability of an accident occurring in the workplace on the basis of the generated accident rule model and valid workplace information judged to be valid by the workplace information analyzing unit;
Wherein the workplace accident prediction device comprises:
제1항에 있어서,
상기 작업장에서 발생하는 적어도 하나 이상의 작업장 정보를 유선 또는 무선 통신환경을 통해 수신하여 순차적으로 저장하는 작업장 정보 데이터베이스;
를 더 포함하는 것을 특징으로 하는 작업장 사고 예측 장치.
The method according to claim 1,
A workplace information database that receives at least one workplace information generated in the workplace through a wired or wireless communication environment and sequentially stores the information;
And estimating the accident occurrence rate of the workplace accident.
제1항에 있어서,
상기 작업장은,
제조업 공장, 공사현장 및 공사가 완료되어 시험운영중인 건물 중에서 어느 하나의 장소인 것을 특징으로 하는 작업장 사고 예측 장치.
The method according to claim 1,
The workshop includes:
A factory, a construction site, and a building in which a construction is completed and a trial operation is performed.
제1항에 있어서,
작업장의 환경을 센싱하는 적어도 하나 이상의 환경 센서와, 작업장에서 활동중인 작업자의 생체 정보 또는 위치 정보를 획득하는 작업자 센서 중에서 적어도 하나 이상의 센서;
를 더 포함하는 것을 특징으로 하는 작업장 사고 예측 장치.
The method according to claim 1,
At least one environmental sensor for sensing the environment of the workplace, and an operator sensor for acquiring biometric information or positional information of the worker active in the workplace;
And estimating the accident occurrence rate of the workplace accident.
제1항에 있어서,
기발생된 작업장 사고에 대해서, 사고유형, 사고전 작업자 업무 유형, 사고전 작업자 상태, 사고전 작업장 환경 상태 및 사고의 직접적 원인을 데이터베이스화하여 저장하는 사고유형 데이터베이스;
를 더 포함하는 것을 특징으로 하는 작업장 사고 예측 장치.
The method according to claim 1,
Incident type database which stores the accident type, accident type of worker before accident, worker condition before accident, environmental condition of workplace before accident, and direct cause of accident in a database for the generated workplace accident.
And estimating the accident occurrence rate of the workplace accident.
제5항에 있어서,
상기 예측된 사고발생 가능성을 기초로 하여 사고발생 가능성이 기설정된 임계 가능성을 초과하거나 또는 실제 사고 이력과 매칭되는 경우에 대응되는 사고유형 정보를 상기 사고유형 데이터베이스에 저장하는 사고 처리부;
를 더 포함하는 것을 특징으로 하는 작업장 사고 예측 장치.
6. The method of claim 5,
An accident processor for storing the accident type information corresponding to the case where the probability of occurrence of an accident exceeds a predetermined threshold possibility or is matched with an actual accident history on the basis of the predicted probability of occurrence of an accident in the accident type database;
And estimating the accident occurrence rate of the workplace accident.
제1항에 있어서,
상기 사고유형 분석부는,
기발생된 작업장 사고 정보를 이용하여 사고유형의 패턴을 분석하고, 사고발생 가능성이 최고인 사고를 우선적으로 선별하는 것을 특징으로 하는 작업장 사고 예측 장치.
The method according to claim 1,
The accident type analyzing unit,
And analyzing the pattern of the accident type using the generated workplace accident information and preferentially selecting the accident with the highest probability of occurrence of an accident.
제1항에 있어서,
상기 사고 룰 생성부는,
사고 예측을 판단하기 위한 기반 데이터를 제공하기 위해, 작업장에서 사고가 발생하기 이전의 작업장 정보를 기반으로 직접적인 사고유발 요소를 기반으로 사고 룰 모델을 생성하는 것을 특징으로 하는 작업장 사고 예측 장치.
The method according to claim 1,
The accident rule generation unit may include:
Wherein an accident rule model is generated based on a direct accident-inducing element based on workplace information before an accident occurs in the workplace, in order to provide the base data for judging the accident prediction.
제1항에 있어서,
상기 사고 예측부는,
작업장 정보가 추가된 사고 룰 모델을 생성하고, 상기 작업장 정보가 추가된 사고 룰 모델과 상기 생성된 사고 룰 모델이 일치하는지 여부를 판단하고, 상기 사고 룰 모델의 판단 결과, 사고 룰 모델이 일치하면 사고발생 가능성을 확률적으로 예측하고, 사고 룰 모델이 일치하지 않으면 사고 룰 모델의 입력 값을 재설정하는 것을 특징으로 하는 작업장 사고 예측 장치.
The method according to claim 1,
The accident predicting unit,
Wherein the information processing apparatus generates an accident rule model to which workplace information is added and judges whether or not the accident rule model to which the workplace information is added matches the generated accident rule model. Estimating the probability of occurrence of the accident stochastically, and resetting the input value of the accident rule model if the accident rule model does not match.
제1항에 있어서,
상기 사고 예측부는,
퍼지 또는 뉴럴 네트워크가 포함된 인공지능 기반의 사고발생 가능성을 확률적으로 예측하는 것을 특징으로 하는 작업장 사고 예측 장치.
The method according to claim 1,
The accident predicting unit,
Wherein the probability of occurrence of an accident based on an artificial intelligence including a fuzzy or neural network is stochastically predicted.
작업장에서 발생하는 적어도 하나 이상의 작업장 정보를 수신하여 작업장 정보의 유효성을 판단하는 단계;
기발생된 작업장 사고 정보를 분석하여 기설정된 사고발생 가능성을 초과하는 적어도 하나 이상의 사고유형을 선별하는 단계;
상기 선별된 사고유형을 기반으로 작업장 사고의 형태를 구조화하여 사고유형에 따른 사고 룰 모델을 생성하는 단계; 및
상기 생성된 사고 룰 모델과 상기 작업장 정보 분석부에서 유효한 것으로 판단된 유효한 작업장 정보를 기반으로 작업장에서의 사고발생 가능성을 확률적으로 예측하는 단계;
를 포함하는 것을 특징으로 하는 작업장 사고 예측 방법.
Receiving at least one workplace information generated in the workplace and determining validity of the workplace information;
Analyzing the generated workplace accident information and selecting at least one type of accident exceeding the predetermined accident occurrence possibility;
Structuring a type of workplace accident based on the selected type of accident to generate an accident rule model according to the type of accident; And
Stochastically predicting the probability of occurrence of an accident at the workplace based on the generated accident rule model and valid workplace information determined to be valid by the workplace information analysis unit;
And estimating a workplace accident.
제11항에 있어서,
상기 작업장에서 발생하는 적어도 하나 이상의 작업장 정보를 유선 또는 무선 통신환경을 통해 수신하여 순차적으로 작업장 정보 데이터베이스에 저장하는 단계;
를 더 포함하는 것을 특징으로 하는 작업장 사고 예측 방법.
12. The method of claim 11,
Receiving at least one workplace information generated in the workplace through a wired or wireless communication environment and sequentially storing the received information in a workplace information database;
Further comprising the steps of:
제11항에 있어서,
상기 작업장은,
제조업 공장, 공사현장 및 공사가 완료되어 시험운영중인 건물 중에서 어느 하나의 장소인 것을 특징으로 하는 작업장 사고 예측 방법.
12. The method of claim 11,
The workshop includes:
A manufacturing factory, a construction site, and a building under test construction completion.
제11항에 있어서,
작업장에 설치된 적어도 하나 이상의 환경 센서 및 작업자 센서 중에서 적어도 하나 이상의 작업장 센서를 통해 작업장의 환경을 센싱하거나 작업장에서 활동중인 작업자의 생체 정보 또는 위치 정보를 획득하는 단계;
를 더 포함하는 것을 특징으로 하는 작업장 사고 예측 방법.
12. The method of claim 11,
Sensing environment of the workplace through at least one workplace sensor among at least one environment sensor and worker sensor installed in the workplace, or acquiring biometric information or positional information of the worker active in the workplace;
Further comprising the steps of:
제11항에 있어서,
기발생된 작업장 사고에 대해서, 사고유형, 사고전 작업자 업무 유형, 사고전 작업자 상태, 사고전 작업장 환경 상태 및 사고의 직접적 원인을 데이터베이스화하여 사고유형 데이터베이스 저장하는 단계;
를 더 포함하는 것을 특징으로 하는 작업장 사고 예측 방법.
12. The method of claim 11,
Storing the accident type database in the database of the accident type, the type of the worker before the accident, the condition of the worker before the accident, the condition of the workplace before the accident, and the direct cause of the accident;
Further comprising the steps of:
제15항에 있어서,
상기 예측된 사고발생 가능성을 기초로 하여 사고발생 가능성이 기설정된 임계 가능성을 초과하거나 또는 실제 사고 이력과 매칭되는 경우에 대응되는 사고유형 정보를 상기 사고유형 데이터베이스에 저장하는 단계;
를 더 포함하는 것을 특징으로 하는 작업장 사고 예측 방법.
16. The method of claim 15,
Storing the type of accident information corresponding to the case where the probability of occurrence of an accident exceeds a preset threshold probability or is matched with an actual history of the accident on the basis of the predicted occurrence possibility of the accident in the accident type database;
Further comprising the steps of:
제11항에 있어서,
상기 사고유형을 선별하는 단계는,
기발생된 작업장 사고 정보를 이용하여 사고유형의 패턴을 분석하고, 사고발생 가능성이 최고인 사고를 우선적으로 선별하는 것을 특징으로 하는 작업장 사고 예측 방법.
12. The method of claim 11,
The step of selecting the type of accident comprises:
Wherein a pattern of an accident type is analyzed using the generated workplace accident information, and an accident with the highest probability of occurrence of an accident is preferentially selected.
제11항에 있어서,
상기 사고 룰 모델을 생성하는 단계는,
사고 예측을 판단하기 위한 기반 데이터를 제공하기 위해, 작업장에서 사고가 발생하기 이전의 작업장 정보를 기반으로 직접적인 사고유발 요소를 기반으로 제1 사고 룰 모델을 생성하는 것을 특징으로 하는 작업장 사고 예측 방법.
12. The method of claim 11,
Wherein the step of generating the incident rule model comprises:
Wherein the first accident rule model is generated based on the direct accident occurrence element based on the workplace information before the accident occurs in the workplace in order to provide the foundation data for judging the accident prediction.
제11항에 있어서,
상기 사고발생 가능성을 확률적으로 예측하는 단계는,
작업장 정보가 추가된 사고 룰 모델을 생성하고, 상기 생성된 작업장 정보가 추가된 사고 룰 모델과 상기 사고 룰 모델이 일치하는지 여부를 판단하는 단계;
상기 사고 룰 모델의 판단 결과, 사고 룰 모델이 일치하면 사고발생 가능성을 확률적으로 예측하는 단계; 및
사고 룰 모델이 일치하지 않으면 사고 룰 모델의 입력 값을 재설정하는 단계;
를 포함하는 것을 특징으로 하는 작업장 사고 예측 방법.
12. The method of claim 11,
The step of probabilistically predicting the probability of occurrence of the accident includes:
Creating an accident rule model to which workplace information is added, and determining whether the accident rule model to which the created workplace information is added matches the accident rule model;
Estimating probability of occurrence of an accident probabilistically when the accident rule model is matched with the accident rule model; And
Resetting the input values of the accident rule model if the accident rule model does not match;
And estimating a workplace accident.
제11항에 있어서,
상기 사고발생 가능성을 확률적으로 예측하는 단계는,
퍼지 또는 뉴럴 네트워크가 포함된 인공지능 기반의 사고발생 가능성을 확률적으로 예측하는 것을 특징으로 하는 작업장 사고 예측 방법.
12. The method of claim 11,
The step of probabilistically predicting the probability of occurrence of the accident includes:
A method for predicting workplace accidents, characterized by stochastically predicting the probability of an accident based on an artificial intelligence including a fuzzy or neural network.
KR1020170047383A 2017-04-12 2017-04-12 Apparatus and method for predicting workplace accident KR20180115123A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170047383A KR20180115123A (en) 2017-04-12 2017-04-12 Apparatus and method for predicting workplace accident

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170047383A KR20180115123A (en) 2017-04-12 2017-04-12 Apparatus and method for predicting workplace accident

Publications (1)

Publication Number Publication Date
KR20180115123A true KR20180115123A (en) 2018-10-22

Family

ID=64102524

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170047383A KR20180115123A (en) 2017-04-12 2017-04-12 Apparatus and method for predicting workplace accident

Country Status (1)

Country Link
KR (1) KR20180115123A (en)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020209400A1 (en) * 2019-04-10 2020-10-15 양경옥 Method and apparatus for generating safety information by using daily operation report
KR20210041954A (en) * 2019-10-08 2021-04-16 (주)이지정보기술 System and method for providing harmful environment notification service through collection and analysis of working environment information and biometrics information of workers
KR20210073895A (en) * 2019-12-11 2021-06-21 인하대학교 산학협력단 System for predicting risk of worker reflecting field conditions and previous accident cases and method thereof
KR102362808B1 (en) * 2021-03-24 2022-02-14 (주)유엔이커뮤니케이션즈 Method for Measuring Worker Risk by Situation
KR20230004019A (en) 2021-06-30 2023-01-06 한국전력공사 System and Method for diagnosing workshop risk in real time
KR102526571B1 (en) 2022-05-17 2023-04-28 김철중 Confined space suffocation prevention system based on smart sensor using artificial intelligence and big data

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020209400A1 (en) * 2019-04-10 2020-10-15 양경옥 Method and apparatus for generating safety information by using daily operation report
KR20210041954A (en) * 2019-10-08 2021-04-16 (주)이지정보기술 System and method for providing harmful environment notification service through collection and analysis of working environment information and biometrics information of workers
KR20210073895A (en) * 2019-12-11 2021-06-21 인하대학교 산학협력단 System for predicting risk of worker reflecting field conditions and previous accident cases and method thereof
KR102362808B1 (en) * 2021-03-24 2022-02-14 (주)유엔이커뮤니케이션즈 Method for Measuring Worker Risk by Situation
KR20230004019A (en) 2021-06-30 2023-01-06 한국전력공사 System and Method for diagnosing workshop risk in real time
KR102526571B1 (en) 2022-05-17 2023-04-28 김철중 Confined space suffocation prevention system based on smart sensor using artificial intelligence and big data

Similar Documents

Publication Publication Date Title
KR20180115123A (en) Apparatus and method for predicting workplace accident
EP3270252B1 (en) Equipment control based on failure determination
KR101910480B1 (en) Closed-space monitoring system based on IoT network
CN110832416A (en) Integrity monitoring in an automation system
EP3059676B1 (en) A method and apparatus for analyzing the availability of a system, in particular of a safety critical system
KR101563511B1 (en) Security incident anomalous event detection system and method using trend analytic technique of a support vector based on time series
US20180174694A1 (en) Abnormality diagnosis system and abnormality diagnosis method
EP3660612B1 (en) Method and system for elimination of fault conditions in a technical installation
KR102327385B1 (en) System for predicting risk of worker reflecting field conditions and previous accident cases and method thereof
CN112185050B (en) Security level confirmation method and device and fire fighting system
JP2008158879A (en) Unit, method and program for calculating evacuation path
WO2021064144A1 (en) Method and system for continuous estimation and representation of risk
CN112488488A (en) Behavior processing method and device based on work ticket, computer and storage medium
JP6812312B2 (en) Plant support evaluation system and plant support evaluation method
CN110023861A (en) System and method for monitoring manufacturing works
KR101573500B1 (en) Wireless communication data logger, plant monitoring system and methods using the same
Athalye et al. A tale of two testbeds: a comparative study of attack detection techniques in cps
EP2998814A1 (en) System for predicting abnormality occurrence using plc log data
Al Farooq et al. Detecting safety and security faults in plc systems with data provenance
KR102562723B1 (en) Safety work system and method applying blockchain in a closed space
Edrei et al. Construction site safety control with medium-accuracy location data
KR102013745B1 (en) System for managing safety of radiation workers and method for managing safety of radiation workers using the same
CN116310521A (en) Abnormality detection method, abnormality detection device, abnormality detection storage medium, abnormality detection electronic device, abnormality detection system, abnormality detection program, and recording medium
Stockle et al. Automated vehicular safety systems: robust function and sensor design
KR20200119359A (en) Apparatus for Monitoring Facilities with Mixed Reality