작업장에서의 안전사고 예방을 위한 스마트 안전관리 시스템 설계

2-1 인공지능(AI)

인공지능(AI; Artificial Intelligence) 기술은 컴퓨터가 데이터를 기반으로 학습하고 새로운 입력 데이터에 따라 기존의 처리방식을 조정하며 문제를 해결하는 기술로, 머신러닝과 딥 러닝 알고리즘을 포함한다. 머신러닝은 데이터를 분석하여 학습하며, 학습한 내용을 기반으로 판단이나 예측을 수행한다. 딥 러닝은 기계가 입력값에 대해 여러 단계의 신경망을 거쳐 자율적인 사고단계를 통해 결론을 내린다. 이러한 기능을 통해 이미지와 영상 인식, 음성 인식, 학습 및 추론 기술에 적용되고 있으며, 의사결정지원 시스템의 코어 알고리즘으로도 활용된다[5].

인공지능은 스마트 재난안전관리체계의 예방이나 탐지 단계에서 사용되는 의사결정, 예측 기능 등에 적용되고 있다. 작업장 안전관리 시스템에서는 작업환경을 판단하고 위험을 예측하는 기술에 적용이 가능하다. 즉, 다양한 IoT 센서로 수집한 데이터를 빅데이터 기술로 처리하고 작업환경 판단 모듈에 인공지능 알고리즘을 적용하여 신속하게 환경 위험 수준을 판단할 수 있다. 또한, 기존의 작업환경 관련 빅데이터를 학습하여 현재 수집되는 데이터의 패턴을 분석하여 사전에 위험요소를 식별하고 위험 발생을 예측할 수 있다. CCTV에 인공지능 알고리즘을 적용한 지능형 AI CCTV는 작업자의 행동 패턴을 분석하여 이상행동을 탐지할 수 있다.

2-2 사물인터넷(IoT)

사물인터넷(IoT; Internet of Things)은 인간과 사물, 서비스 세 가지 분산된 환경 요소가 센싱, 네트워킹, 정보처리 등 지능적 관계를 형성하는 기술이다. 특히, 센서 기술은 정보를 수집하는 도구로 사물 식별, 온/습도, 거리 등 환경 정보 등을 판별하는 센서들로 구성되어 있어 실시간 데이터 수집에 활용되고 있다[6]. IoT 센서에는 환경 정보를 수집할 수 있는 다양한 센서가 있고 실시간 IoT 통신기술을 통해서 데이터를 전송할 수 있기 때문에 재난안전관리체계의 예방 단계에 많이 활용된다. 특히, 화재 예방 분야에서는 불꽃, 연기, 온도 측정 센서가 많이 활용되고 폭발 예방 분야에서는 가스 누출, 압력 측정 센서가 활용되기도 한다. 또한, 하천 수질, 공장 배출 가스, 미세먼지, 악취 등의 탐지할 수 있는 센서를 통해서 환경오염 모니터링이 가능하다[7].

2-3 빅데이터(Big-Data)

빅데이터 기술은 정형 또는 비정형 데이터를 포함한 대용량 데이터를 수집하여 전처리 과정을 통해서 의미 있는 데이터를 추출하고, 다양한 분석 방법을 통해서 도출한 분석 결과를 기반으로 필요한 정보를 얻을 수 있다. 빅데이터의 핵심 기술은 대용량의 데이터 중에서 알려지지 않은 데이터로부터 일정한 패턴을 찾아가는 데이터 분석기술이다[8]. 분석기법에는 데이터 마이닝과 텍스트 마이닝 기법을 비롯한 최적화 기법 등이 있다. 안전 분야에서의 빅데이터 기술은 다양한 IoT 센서로부터 수집된 방대한 데이터를 분석함으로써 사고요인과 관련된 데이터를 식별하고 잠재적인 사고요인까지 발굴함으로써 사고 징후를 탐지하게 한다. 특히, 데이터 분석을 통해서 도출된 패턴은 패턴 분석을 통해서 현재 상황과 미래에 발생 가능한 상황까지 예측함으로써 선제적인 예방 활동을 가능하게 해준다[9].

2-4 지능형 CCTV

최근 CCTV의 기능은 방범, 교통 감시 기능뿐만 아니라 화재, 범람 등 인간이 감시하기 어려운 지역에서의 화재나 하천 범람 등과 같은 재해를 감시하는 영역까지 넓혀가고 있다. 특히, IoT 센서기술과 인공지능 기술이 접목되면서 기존의 감시 역할에서 스스로 영상을 분석하거나 사물의 움직임, 이상 인식 및 물체 검출 등 지능화된 기능도 수행한다. 딥러닝을 적용한 행위 기반 객체 검출이나 DNN 기반 객체 검출 기능을 추가하여 사고요인을 탐지하기도 한다[10]. 지능형 CCTV는 작업장 안전관리 감시에도 활용범위를 넓혀가고 있는데, 공구나 장비의 불안정한 위치, 작업자의 정상적인 패턴을 벗어난 행위를 감지하여 사고를 미연에 방지할 수도 있다.

4-1 기존 작업장 안전관리 시스템의 분석

정경권의 ‘IoT 기반 실내 환경 모니터링 시스템[13]’ 연구에서는 IoT 센서를 이용하여 온도, 습도, 이산화탄소 등 실내 환경 요소를 측정하여 클라우드 서버에 저장하는 실내 환경 모니터링 시스템을 제안하였다. 제안한 시스템은 실내 환경 요소를 측정하여 서버에 저장하는 시스템이지만, 환경 요소별 위험 기준치에 대한 정의가 없으며, 초과 시에 처리하는 절차를 제시하지 않고 있다. 우리 연구에서 제안하는 시스템은 실시간으로 작업자의 생체신호 변화 및 작업 동선, 작업장 환경과 작업 도구의 위치에 따른 데이터를 수집하여 정상 범위를 벗어날 경우에 경고를 발생시키도록 제안한다.

박정호의 ‘고위험 작업장에서의 작업자 안전사고 예측 방법[14]’ 연구에서는 작업자와 작업장의 상태 정보를 기반으로 작업자의 안전 상태를 예측하고 관리자에게 제공하여 신속한 의사결정을 할 수 있는 시스템을 제안하였다. 안전 상태 예측을 단순한 추론 엔진을 사용하여 규칙 기반으로 상태를 예측하기 때문에 판단에 오류가 발생할 수 있다. 그렇기 때문에 보다 복잡한 추론을 하거나 학습할 수 있는 인공지능 알고리즘이 필요하다. 우리 연구에서 제안하는 시스템은 작업자나 작업장의 상태 데이터를 빅데이터 분석과 인공지능 기술을 활용하여 위험 수준을 판단하고 앞으로 위험 발생 가능성도 예측할 수 있도록 한다.

송창헌의 ‘근로자 안전활동 모니터링을 위한 검지모듈 및 스마트폰 어플의 구현[15]’ 연구에서는 가속도 센서, VoCs 센서 등을 통해 작업자와 작업장 내 공기 오염도를 측정하여 근로자의 스마트폰 어플로 전송하는 시스템을 개발하였다. 이는 예방보다는 사고 이후에 의학적 골든타임 내에 사고자를 발견할 수 있도록 하는 사망사고 예방 기술이다. 우리 연구에서는 4차 산업혁명기술을 활용하여 사고를 판단하고 예측함으로써 사고를 미연에 방지하는 사고 예방 기술을 제안한다.

4-2 스마트 안전관리 시스템의 프레임워크

본 연구에서는 작업장 환경과 작업자의 작업 행동을 4차 산업혁명 기술을 감지 센서, 분석 및 예측 기능에 접목하여 위험요소를 식별하는 작업장 안전감시 시스템과 작업자의 위험감지 시스템을 포함한 스마트 안전관리 시스템의 설계를 제안하고자 한다. 아래 그림은 스마트 안전관리 시스템의 프레임워크를 보여준다.

Fig. 1.

Framework of Smart Safety Management System

제안하는 시스템의 요구사항은 첫째, 현재 수집되는 데이터뿐만 아니라 과거 데이터까지 포함하여 데이터 분석이 이루어져야 한다. 둘째, 작업장의 환경 상태를 24시간 지속적으로 모니터링하고 환경 상태를 예측해야 한다. 셋째, 작업자의 작업행위를 감시하고 작업자의 이상 행위를 예측할 수 있어야 한다. 마지막으로 이러한 모든 과정이 실시간으로 이루어지고 위험 징후 발생시에 경고해야 한다[16].

스마트 안전관리 시스템은 작업 공간과 환경 그리고 작업자 행동을 24시간 감시하고 이상 징후가 식별될 경우에 작업자 행동 분석과 작업 공간 및 환경 분석을 통해서 위험을 예측하고 수준을 판단한다. 이러한 모든 데이터는 빅데이터 데이터베이스에 기록된다. 작업 공간과 환경 분석은 작업장 자동화 안전감시 시스템에서 수행하고 작업자 행동 분석은 작업자 위험 감지 시스템에서 수행한다.

4-3 작업장 자동화 안전감시 시스템

작업장 자동화 안전감시 시스템은 작업장 내부의 모든 환경을 IoT 센서, 지능형 CCTV의 촬영 영상을 통해 24시간 동안 감시하면서 위험요소를 인지하고 위험을 예측하는 시스템이다. 안전감시 시스템은 안전감독 책임자가 모바일 기기를 통해서 실시간으로 현장 상황을 파악하고 알림을 받을 수 있도록 감시 인터페이스와 연동한다. 또한, 통합 안전관리 플랫폼과도 연동하여 작업장의 모든 상황 정보를 공유한다. 다음 그림은 작업장 안전감시 시스템의 설계를 보여준다.

Fig. 2.

Safety Monitoring System in the Workplace

안전감시 시스템은 작업장 모든 환경과 상황을 감시할 수 있도록 지능형 CCTV와 가스∙연기∙불꽃∙온도∙방사선∙소음 등을 감시하는 센서 등을 설치하여 영상정보와 다양한 센싱 정보를 수집한다. 특히, 지능형 CCTV를 이용하면 기계, 설비, 장비 등에서 발생하는 열을 감지하여 물체의 이상 여부 인지가 가능하고 적외선, 열상, 방사선, 초음파 등을 측정하여 야간에도 사물을 식별할 수 있다. 이러한 기능을 이용하여 작업장 상태를 지속적으로 감시하고 인공지능 기술을 결합하여 앞으로 발생할 위험을 예측할 수 있다.

작업장 자동화 안전감시 시스템은 데이터 수집 모듈, 감시항목 관리모듈, 영상분석 모듈, 센싱 데이터 분석 모듈, 감시 기록관리 모듈, 통신 모듈로 구성된다.

데이터 수집 모듈은 다양한 IoT 센서의 센싱 데이터와 지능형 CCTV의 촬영 영상을 수신하여 데이터 전처리 과정을 걸쳐서 분석 모듈에서 사용 가능한 형태로 변환하고 영상분석 모듈과 센싱 데이터 분석 모듈로 전송한다. 지능형 CCTV는 인공지능이 결합되어 있어서 1차적으로 위험요소를 식별할 수 있다. 위험요소가 식별되면 분석 모듈에 관련 정보를 우선적으로 전송하고 작업장 감시 인터페이스를 통해서 안전감독 책임자에게 바로 경고를 송신한다.

영상분석 모듈은 데이터 수집 모듈로부터 수신한 멀티 스펙트럼 영상을 분석하여 장비, 도구, 온도, 불꽃 연기 등 안전사고 위험요소를 추출한다. 영상으로부터 위험요소를 식별하거나 비인가 출입자 추적을 위한 재인식을 위하여 합성곱 신경망(CNN; Convolution Neural Network) 기술이나 컴퓨터 비전 및 패턴 인식 기술에 심층신경망(DNN; Deep Neural Network) 기반 러닝을 접목한 기술 등을 사용한다. 이외에도 다양하고 복잡한 주변 환경에 따른 분석 정확도 개선을 위해서 영상 내 전경과 배경을 분리하는 전경/배경 분리 기술, 2차원 영상 내 개체 정보를 인식하고 공간 내 구역과 카메라 위치를 자동 계산하여 장비나 도구의 위치나 방향 등을 정확하게 인지하기 위한 2차원 기반 3차원 정보처리 기술, 다중 카메라를 연결하여 공간을 입체적으로 인식하고 움직이는 개체에 대한 연속적인 분석을 수행하는 기술 등이 적용될 수 있다. 또한, 동영상 내 프레임들의 시간적 연속성을 추출하고 분석하기 위하여 LSTM(Long Short Term Memory) 기법도 활용된다.

센싱 데이터 분석 모듈은 데이터 수집 모듈로부터 수신한 데이터를 심층신뢰망(DBN; Deep Belief Network) 기술로 분석하여 기계, 설비의 결함과 불량, 진동으로 인한 장비 낙하, 불꽃으로 인한 화재 발생, 유독가스 여부를 감지할 뿐만 아니라 영상분석 모듈과 연동하여 위험요소를 식별하여 위험을 예측한다.

감시항목 관리 모듈은 작업장 내의 감시 대상이나 감시 정보의 임계치 등을 설정하고 관리한다.

감시기록 관리 모듈은 감시 영상과 센싱 데이터를 저장하고 중요 이벤트를 저장하며 저장된 내용을 검색하고 조회하는 등의 관리를 위한 모듈이다. 빅데이터 기술을 활용하여 모든 감시 영상과 센싱 데이터 및 이벤트 등을 관리하고 연관 검색 등을 수행한다.

통신 모듈은 안전감독 책임자에게 감시 상황 정보를 전송할 때 감시 인터페이스와 연동하고 통합 안전관리 플랫폼으로 위험요소 영상/센싱 분석 데이터를 전송하는 역할을 한다. 통신대상 장치의 종류와 거리, 전송량 등에 따라 블루투스, ZigBee, KNX, WiMAX, Wifi 등의 무선통신 기술을 이용할 수도 있다.

4-4 작업자 위험감지 시스템

작업자 위험감지 시스템은 IoT/AI/빅데이터/지능형 CCTV를 활용하여 작업장에서 작업자로 인한 위험요소를 식별하고 위험을 예측하는 시스템이다. IoT 센서와 지능형 CCTV를 활용하여 작업자의 부주의하거나 과도한 작업 행위로 인한 위험요소와 웨어러블 생체신호 수집 장비를 통해서 불안정한 신체 상태를 감지한다. 다음 그림은 작업자 위험감지 시스템의 설계를 보여준다.

Fig. 3.

Risk Detection System on Workers

제안한 시스템은 시각적으로 판단할 수 있는 위험요소를 식별하기 위해서 지능형 CCTV를 설치하여 영상정보를 지속적으로 수집하며, 작업자의 작업복 등에 부착된 웨어러블 장비를 통해 맥파, 호흡수, 심전도 등을 수집한다. 웨어러블 장비는 생체정보를 인식할 수 있도록 IoT 센서 기술을 적용한다. 손목에 착용하는 웨어러블 장비를 통해 맥파를 측정할 수 있는 센서 기술로는 주로 적외선이나 적생광, 녹생광을 이용한 광용적맥파 계측 기술이 있으며, 피부로부터 측정한 전기적 신호의 차이를 통해 심전도를 측정하는 기술이 있다. 호흡수는 광용적맥파 계측 기술과 가슴 부위에 착용한 웨어러블 장비를 통해 폐의 움직임을 관측하는 기술로 측정한다.

작업자 위험 감지 시스템은 크게 데이터 수집 모듈, 위험 감지 기준 관리 모듈, 영상분석 모듈, 생체신호 분석 모듈, 생체신호 관리 모듈, 통신 모듈로 구성된다.

데이터 수집 모듈은 지능형 CCTV의 영상정보와 작업자가 착용한 웨어러블 장비부터 수집한 생체신호를 수신하여 각 분석 모듈에서 이용할 수 있는 데이터로 변환하여 전송하는 역할을 한다.

영상분석 모듈은 지능형 CCTV로부터 수신한 영상정보를 분석하여 작업자가 평소와 다른 이상 작업 행위, 작업자가 정상적인 작업 경로를 수시로 이탈하는 행위, 위험 구역 내부에서의 이상 행위, 그리고 장비나 도구의 원래 위치가 아닌 다른 위치로 이동시킨다거나 작업대에서의 불안정한 위치 등을 감지한다. 이때 CCTV의 영상은 합성곱 신경망 모델 중에서도 객체 검출 알고리즘인 Faster R-CNN(faster Region-Convolution Neural Network), SSD(Single Shot Multi-box Detector), R-FCN(Region-based Fully Convolutional Network) 모델을 사용하여 위험한 요소들을 식별하고 각 요소들의 위치 관계를 입력으로 하는 단순 퍼셉트론이나 합성곱 신경망을 중첩 적용하여 위험도를 분석함으로써 위험 발생을 예측할 수 있다. 또한, 센싱 데이터들을 순환 신경망(RNN; Recurrent Neural Network) 기술을 통해 분석함으로써 작업자의 위험 상태 등을 감지하고 예측할 수 있다.

생체신호 분석 모듈은 수신한 작업자의 생체신호를 통해 작업자의 현재 신체 상태의 흐름을 정상적인 기준치와 비교 분석한다. 이를 위하여 평소 작업자의 신체 상태를 심층 신경망, 심층 신뢰망 등의 인공지능 기반으로 학습하여 개인 신체 상태와 관련한 인공 신경망을 생성한 후, 실시간으로 수신한 작업자의 신체 상태 정보를 인공 신경망에 입력하여 정상 여부를 판단하고 안전 기준에 따른 위험 수준별 알람을 생성한다.

위험 감지 기준 관리 모듈은 작업 중 위험 감지를 위해 감시되어야 할 대상이나 감시 정보의 임계치 등을 설정하고 관리하는 모듈이다.

생체신호 관리 모듈은 작업자의 평상시 정상적인 생체 리듬 범위와 생체신호 데이터를 관리한다. 또한, 잦은 음주로 인한 숙취 작업자, 미숙련 작업자 등 위험 발생 가능성이 높은 작업자의 생체신호는 별도로 관리한다. 이러한 생체신호 데이터는 빅데이터 기술을 활용하여 작업자의 작업 내역 및 생체정보 이력을 연관하여 저장하고 관리함으로써 작업자의 현재 상태를 신속하게 분석할 수 있게 한다.

통신 모듈은 웨어러블 장비와 지능형 CCTV로부터 수신한 데이터 전송, 감시 페이스와의 연동, 통합 안전관리 플랫폼을 분석결과 전송 등 데이터 통신을 위해 사용된다. 작업장 안전감시 시스템과 마찬가지로 통신대상 장치의 종류와 거리, 전송량 등에 따라 블루투스, ZigBee, KNX, WiMAX, Wifi 등의 무선통신 기술을 이용한다.

4-5 제안 시스템의 기대 효과

본 연구에서 제안한 작업장 내의 스마트 안전관리 시스템은 기존의 작업장 내의 안전관리 시스템에 비해서 다음과 같은 장점을 갖는다.

첫째, 센서뿐만 아니라 지능형 CCTV를 활용하여 작업장 내의 도구와 장비 위치를 확인하고 작업자의 작업 동선을 파악한다. 지능형 CCTV는 특정 객체나 행위를 감지하여 자동으로 식별할 수 있는 기능이 있기 때문에 작업장 내에서 도구와 장비가 불안전한 공간에 위치하거나 작업자가 비정상적인 작업 행위나 작업 동선을 벗어날 경우에 이를 감지할 수 있다.

둘째, 작업자와 작업장 상태 데이터를 빅데이터 분석 기술을 이용하여 실시간으로 분석하고 인공지능 알고리즘을 적용하여 현재 상태뿐만 아니라 앞으로 위험이 발생할 가능성도 예측한다. 기존의 안전관리 시스템은 과거의 상태 데이터를 기반으로 현 상태를 판단하지만, 제안한 시스템은 인공지능 기술의 다양한 알고리즘을 활용하여 현 상태를 학습하고 추론하여 발생할 위험을 예측함으로써 사고를 미연에 방지할 수 있다.

셋째, 웨어러블 장비를 이용하여 작업자의 생체신호를 수집 및 분석함으로써 작업자의 사회 심리적 위험요소도 감시할 수 있다. 기존의 시스템은 작업자의 인간공학적 위험요소인 불안정한 자세, 과도한 신체 사용 등에 집중하여 감시하였지만, 제안한 시스템은 생체신호를 통해서 감지할 수 있는 불안, 초조, 긴장 등의 심리적 위험요소에서 비롯된 사고도 방지할 수 있다.

마지막으로 모든 감시 과정은 통신 모듈을 통해서 통합 안전관리 플랫폼과 연동되어 실시간으로 감시 사항을 확인할 수 있다. 제안한 시스템은 센서, 지능형 CCTV, 웨어러블 장비를 통해 획득한 데이터, 영상, 이미지, 생체신호 분석 결과를 통합 안전관리 플랫폼을 통해서 실시간으로 확인할 수 있다. 또한, 통합 안전관리 플랫폼에서는 유사한 작업장에 동일한 장비나 도구의 위치, 작업자의 작업 동선 등을 동시에 감시할 수 있기 때문에 한 작업장에서 위험 경고가 발생할 경우에 유사한 작업장에도 주의를 강조함으로써 유사한 안전사고 발생 확률을 줄일 수 있다.