Journal Archive

산업재해 예측과 관련된 대부분의 선행연구는 특정 업종을 한정을 지어 연구하거나, 전통적인 기계 학습 방법을 활용하여 연구하였다. 특정 업종으로 예측 모델을 개발한 경우에는 다른 업종에는 적용할 수 없다는 한계가 있다[4],[5],[8]. 또한 건설업을 대상으로 산업재해를 예측하는 연구가 많이 이뤄지고 있는데 이는 업종 특성상 건설업에서 산업재해 발생이 많기 때문이다. 전체 업종에 대하여 기계 학습 방법을 활용하여 산업재해 예측 모델을 개발한 연구가 있었으나, 해당 연구는 모델 결과에 대한 해석이 부족하다는 한계점을 지닌다[9]. 결론적으로 기존 연구들은 업종을 한정지어 연구하거나, 그 모델이 어떠한 과정에 의해 결과가 도출되었는지 알 수 없다는 한계가 있었다. 이에 따라, 본 연구에서는 전체 업종을 대상으로 다양한 기계 학습 기법을 활용하여 더욱 정확하고 여러 업종에서 적용할 수 있는 예측 모델을 개발하고, 예측 결과를 해석하여 설명할 수 있도록 한다.

설명 가능한 인공지능(XAI)은 인공지능에 의해 예측된 결과를 설명하여, 사용자가 결과를 이해할 수 있도록 돕는 것을 말한다. 이는 결과에 미치는 주요 요인들을 찾아내어 기계 학습 모델의 예측 결과를 어떤 근거로 의사 결정을 내렸는지를 알 수 있게 하며, 예측 결과에 대해 사람이 이해할 수 있는 직관적인 설명을 가능하게 한다[22].

SHAP(SHapley Additive exPlanations)은 기계 학습 모델의 출력을 설명하기 위해 게임 이론의 섀플리 값(Shapley Values)을 기반으로 한 알고리즘이다. 섀플리 값은 하나의 변수에 대한 중요도를 알기 위해 여러 변수들의 조합을 구성한 후 해당 변수의 유무에 따른 평균적인 변화를 통해 얻어낸 값이다[23]. 학습 데이터와 학습된 모델을 바탕으로 설명 가능한 모델을 생성하고 새로 입력된 데이터에 대해 예측 결과에 대한 영향력을 방향과 크기로 표현한 섀플리 값을 계산한다. 이를 통해, 입력 변수가 학습된 모델의 출력값에 어느 정도의 공헌도를 가지는지 설명한다.

기존의 변수 중요도(Feature Importance) 기법은 순열(Permutaion) 방법을 사용해서 변수가 모델에 미치는 영향을 측정한다. 이 방법은 계산 속도가 빠르다는 장점이 있지만, 변수들이 서로 의존적일 때는 결과가 왜곡될 수 있다. 또한, 음(-)의 영향력은 계산하지 못한다. 따라서 실제 영향력보다 특정 변수의 가치가 높게 책정될 수 있다. 반면에 SHAP 기법은 변수들이 서로 영향을 미칠 가능성을 고려하고 음(-)의 영향력을 계산할 수 있다. 그래서 속도가 느리다는 단점이 있지만, 변수 중요도 기법보다 정확한 영향력을 측정한다고 볼 수 있다[24].

한국산업안전보건공단은 근로자의 안전을 보장하고 사업주가 재해예방에 관심을 두게 하여 국민 경제발전에 이바지하기 위해 1987년 12월에 설립된 고용노동부 산하 준정부기관이다. 산업안전보건연구원에서는 사업장의 안전보건활동에 대한 실태 파악을 위해 전국 17개 시·도, 약 5,000개 사업장을 대상으로 산업안전보건 실태조사를 실시하고 있다. 본 연구에서는 한국산업안전보건공단에서 제공하는 2018년도 산업안전보건 실태 설문조사 결과를 분석에 사용하였다. 각 문항은 사업장의 위험 요소 및 안전보건관리 현황에 관한 내용으로 전체 12개 파트와 각 파트별 세부 문항들로 구성되어 있으며, 본 연구에서는 총 44개의 문항과 5,219개의 설문 결과를 사용하였다. 44개의 문항 중 “산업재해 발생 여부(Q11_2)”를 예측 변수로 선정하였으며 변수 설명은 다음 표 2와 같다.

본 연구의 분석 과정은 그림 1과 같다. 제공받은 설문조사 데이터 전처리를 거쳐 결측치, 이상치를 처리하고 파생변수 생성을 수행한다. 설문조사 데이터의 특성상 다지선다형 문항들이 많아 분석에 사용하면 차원이 커져 ‘차원의 저주(Curse of dimensionality)’ 문제를 초래할 수 있다[25]. ‘차원의 저주’란 데이터의 변수가 많아져서 학습 모델의 성능이 저하되는 현상을 일컫는다. 학습하려는 데이터의 분포가 고차원 공간을 형성하고 있다면 데이터 포인트 간 거리가 멀어져 비슷한 변수를 가지는 패턴을 찾기 어려워진다. 따라서, 설문조사 문항별 유사한 의미를 갖는 보기는 하나로 묶어서 분석에 사용하였다.

Fig. 1. 
Data Analysis Process

또한, 모델링 과정에서는 트리 기반 앙상블 모델인 Random Forest, XGBoost, LightGBM, CatBoost를 사용하여 모델을 구축하였다. 그리고 K-중첩 교차검증(K-fold Cross Validation)을 통해 앙상블 모델들의 초매개변수를 조정하여 최적화를 진행하였다[15].

마지막으로 분류 성능 평가 지표로는 정확도(Accuracy), 특이도(Specificity), 정밀도(Precision), F1 score, ROC-AUC score 등이 있으며 본 연구에서는 정확도를 사용하였다. 이후, XAI기법을 통해 각 예측 모델의 변수 영향도를 확인하였다.

예측 모델을 구축하기 위해 무작위로 8:2 비율의 훈련 데이터와 테스트 데이터를 나누었다. 훈련 데이터는 K-중첩 교차검증을 통해 모델 평가 및 검증하였으며 각 모델의 최적 초매개변수를 찾았다. 모델 구축에는 Python 모듈인 Scikit-Learn[26]을 사용하였고, 베이지안 최적화(Bayesian Optimization)를 이용하여 각각의 초매개변수를 탐색했다. 베이지안 최적화란 임의의 목적함수를 최대로 하는 매개변수를 찾는 방법이다[27]. 매개변수를 탐색하는 과정에서 이전의 매개변수로부터 얻은 목적함수의 추정값을 활용하여 다음 매개변수의 값을 찾기 때문에 사전지식을 반영한다는 장점이 있다. 그리고 모델 검증 결과 최종 선정된 초매개변수는 표 3과 같다.

최적화된 모델을 바탕으로 산업재해 발생 여부 예측을 진행하였다. 산업재해 발생 여부는 산업재해가 발생한 경우는 1, 발생하지 않은 경우는 0으로 분류하는 문제이며, 본 연구에서 모델의 분류 성능 지표로 정확도를 사용하였다. 모델별 예측 성능 비교는 표 4와 같으며, LightGBM의 성능이 87.9%로 가장 높은 것을 확인할 수 있다. 따라서, 본 연구에서는 LightGBM 모델을 선정하여 결과를 해석하였다.

SHAP을 통한 LightGBM의 각 변수가 모델에 미치는 절대 영향도는 그림 2와 같다. 산업재해 발생에 가장 큰 영향을 미치는 변수는 ‘위험한 기구 존재 여부(Q10_6_1)’이며, 다음으로는 ‘상시근로자 수(SQ3)’, ‘안전보건 지출 비용(Q18_1)’, ‘위험성 평가제도 여부(Q24_1)’ 등이다. 전반적으로 위험 요소 유무에 대한 문항들이(‘Q10_6_1’, ‘Q10_3_1’, ‘Q10_4_1’) 산업재해 발생에 많은 영향을 미치는 것을 확인할 수 있다.

Fig. 2. 
Visualize the absolute impact of shapley values by variable

그림 3은 SHAP 요약 그래프(SHAP summary plot)로, 각 독립 변수가 산업재해 예측에 미치는 영향 정도를 나타내는 시각화이다. 붉은색 점은 그 지점에 해당하는 변수가 산업재해 발생에 양(+)의 영향력을 미쳤음을 의미한다. 노란색 점은 변수가 산업재해 발생에 음(-)의 영향력을 미쳤다는 의미다. 예를 들어, ‘위험한 기구의 존재(Q10_6_1)’가 있으면(1) 산업재해 발생 확률이 커진다는 것을 의미하고 없으면(0) 산업재해 발생 확률이 낮아진다는 것을 뜻한다.

Fig. 3. 
SHAP values plot explaining the LightGBM prediction

표 5와 그림 4는 LightGBM에서 실험 데이터(Test Data)로 얻은 결과 예시이다. 해당 변수들이 예측 결과에 어느 정도의 크기 및 방향으로 영향을 주었는지 알 수 있다. 붉은색은 산업재해가 발생하도록 영향을 주는 변수들이며 노란색은 산업재해가 발생하지 않도록 영향을 주는 변수들이다. 예를 들어, 첫 번째 실험 데이터의 산업재해 발생 여부는 ‘발생 안 한다(0)’로 추정되며, 이때 산업재해 발생에 음(-)의 영향을 준 요소는 ‘Q10_6_1(위험 기구 존재 여부)’이 가장 크다고 해석된다. 즉, 사업장에 위험 기구가 없는 경우(Q10_6_1 = 0) 산업재해가 발생할 확률이 낮다고 볼 수 있다. 두 번째 실험 데이터에서는 산업재해가 발생할 것으로 추정되었는데, 이때 산업재해 발생에 양(+)의 영향을 준 요소는 ‘Q14_15.1_15.8(안전보건 관리자 수)’가 가장 크다고 해석된다.

Fig. 4. 
Shap value impact plot in test data

본 연구는 전체 업종에 대해 SHAP 기법을 사용하여 설명가능한 예측 모델을 개발하여 다양한 업종에서 활용할 수 있는 보편적인 산업재해 예측 모델을 구축하였다. 기계 학습 알고리즘은 Random Forest, XGBoost, LightGBM, CatBoost를 사용하였고, 정확도로 성능을 비교하였을 때, LightGBM이 가장 우수했다.

이후, 그림 2와 그림 3의 변수 영향도 결과를 종합해 보았을 때, 사업장 내 위험한 기계·기구가 존재하는 경우와 안전보건 비용 지출이 많을수록 산업재해 발생 가능성이 높은 것으로 나타났다. 이는 선행연구[28]에서 제시한 산업재해 발생 요인 중 하나인 ‘위험물 노출상태’와 동일한 결과를 도출하였다. 또한, 근로자 관련 항목으로는 상시근로자 수가 적을수록, 업무 교대 근로자 비율이 높을수록, 비정규직 근로자 및 신규 근로자 수가 많을수록 산업재해 발생 가능성이 높은 것으로 나타났다. 이 또한 선행연구에서 산업재해 발생의 중요 요인이라고 제시한 “2교대 근무가 정상 근무에 비해 1.48배 높은 산재 발생 위험이 있는 점”[29], “근로자 숙련도”[28] 및 “재해자의 50%가 근속기간 6개월 미만이고, 67%가 근속기간 1년 미만 근로자”[30]라는 선행연구 결과와 같은 의미를 도출했다.

마지막으로 안전예방활동과 관련하여 안전보건 프로그램(위험성 평가 제도)을 실시하는 기업과 안전보건 인력의 수가 많을수록 산업재해 발생 가능성이 낮다고 해석된다. 안전교육의 중요성은 재해 발생 요인으로 제기된 선행연구[28]와 같은 결과를 가진다.

본 연구는 2018년도에 시행된 산업안전보건 실태 설문조사를 대상으로 했기 때문에 한 해의 데이터만 활용했다는 한계점을 지닌다. 향후 연구에서는 2년 마다 시행되는 산업안전보건 실태 설문조사 데이터를 추가하여 모델을 고도화하거나, 추가적으로 활용 가능한 외부 변수들을 결합하여 모델링 한다면 더욱 정확한 모델이 될 수 있을 것이다.

본 연구가 갖는 학술적 시사점은 다음과 같다. 첫째, 특정 지역이나 산업군에 국한되지 않고 전체 업종에 대한 모델을 구축함으로써 더욱 많은 업종에서 적용할 수 있는 보편적인 모델을 개발하였다. 둘째, 모델의 예측 결과를 설명 가능하게 했다는 점이다. 본 연구에서는 SHAP 기법을 활용하여 성능이 가장 높았던 모델에 대해 연구 결과를 설명하였다.

실무적 시사점으로는 “중대재해처벌법”이 실행되기 이전에 개발된 예측 모델을 활용하여 해당 기업의 데이터를 적용하면 해당 기업의 산업재해 위험 수준을 미리 파악하고 예방할 수 있다. 이는 산업재해 예방을 가능하게 하여 기업의 불필요한 산업재해 비용을 절감할 수 있고, 더욱 안정적인 운영을 할 수 있도록 할 것이다.