01서론

지난 호에 이어 인공지능(AI)이 어떻게 HSE(Health, Safety and Environment) 전략을 최적화하는 데 도움이 될 수 있는지 알아보고자 한다. 이것은 기존에 축적된 HSE 데이터를 기반으로 데이터 과학과 인공지능을 적용하여 직업보건안전에 관한 통찰력을 얻는 것이다.

02기존과 현재의 직업보건안전데이터 보고 및 관리

HSE문제를 관리하기 위한 도구와 시스템은 수년에 걸쳐 발전해 왔다. 사업장에서는 중요하고 심각한 HSE 위험이 효과적으로 기록되고 관리할 필요성을 인식하고 있다.

다양한 HSE 프로그램과 디지털 도구로 인해서 엄청난 양의 데이터와 보고서가 생성되고 있다. 이것들은 모두 검토와 분석을 통해 HSE 전략을 최적화하기 위한 통찰력을 얻는데 활용되어야 한다.

그러나 대부분의 사업장에서 통합되지 않은 광대한 데이터로 방치되어 있어서 이를 검토하고 분석하는 것을 어렵게 하고 있다. 사업장에 정말로 중요한 데이터는 표준화되지 않고, 자유롭게 작성된 텍스트에 담겨 있다. 또한 데이터는 종종 중대한 위험을 감지하고 모니터링하기 위해 올바르게 표적을 정하고 있지 못하다. 데이터과학을 사용하여 위험을 학습하고 분석하는 것과 함께 주요 위험에 대한 실시간 모니터링도 중요하다.

이와 같이 지금까지는 사업장에서 HSE 위험데이터를 생성하고 보관·관리하는 종이 기반 HSE 프로세스였기 때문에 유용한 데이터와 통찰력을 기존의 데이터로부터 추출하기도 어려웠으나 앞으로는 데이터과학과 인공지능을 활용하여 HSE 위험 기록을 캡처하고 통찰력을 얻어서 향후 유사한 사고와 질병 발생을 방지하기 위한 관점에서 HSE 위험에 대한 보고와 기록이 되도록 해야 한다. 이는 현재 대부분의 사업장이 기존의 종이 기반 HSE 프로세스에서 디지털화된 HSE 시스템으로 전환하는 과도기적 성숙도 수준에 있음을 의미한다.

HSE 위험 기록 관리는 종이기반 프로세스와 시스템이었던 것(이것을 전통적 시스템이라고 한다)을 과도기적 단계로 디지털화된 HSE 위험데이터의 캡처 시스템으로 전환하고 궁극적으로는 디지탈화된 통합적 HSE 위험데이터 관리를 구현하여 앞으로 발생할 HSE 위험을 예측하고 예방활동을 할 수 있도록 하여야 할 것이다. 이와 같은 혁신에 데이터 과학과 인공지능이 크게 기여할 것이다.

그러나 현재 많은 기업은 어떻게 하면 작업자들로부터 HSE 위험을 감소시킬 수 있는 필요한 데이터를 얻어낼 수 있을까?
기업들은 HSE 위험을 파악할 수 있는 충분한 자원을 가지고 있지 못하다. 또한 관련된 직원들을 교육하고 훈련을 제공하는 방법도 부족하다. 그러다 보니 질병과 사고가 일어날 수 있는 HSE 위험의 실제를 파악하지 못하고, 예방을 위하여 취해야 할 적절한 조치들을 시행하지 못하고, 질병과 사고가 발생한 이후에 보고서를 작성하고 있다. 그렇다면 이렇게 증가하고 있는 HSE 데이터로 무엇을 할 수 있으며 이런 데이터를 어떻게 활용할 수 있는지, 더 큰 통찰력을 얻어서 현재의 종이 기반 HSE 시스템을 첨단 시스템으로 발전시킬 수 있을 것인가?

03HSE 위험 데이터 수집·관리의 주요 과제

HSE 전략을 최적화하여 질병과 사고를 사전에 예측하고 이를 감소시키기 위해서는 데이터 과학과 인공지능 기술을 HSE 시스템에 적용하는 것이 필요하다. 이를 위해서 기업에서는 기존의 HSE 위험 데이터의 기록, 보고 및 관리하는 시스템을 바꾸어야 한다. 이러한 준비를 할 때 효과적으로 인공지능 기술을 HSE 프로세스와 시스템에 적용할 수 있다.

많은 기업에서는 HSE 위험데이터를 여전히 매우 임시적이고 매우 수동적이며 표준화되지 않은 방법으로 다루고 있다. 따라서 기업이 질병과 사고를 캡처 및 기록하는 동안 모든 안전 데이터를 수집 및 이해하고 새로운 위험 및 안전 문제를 명확하게 식별하는 데 어려움을 겪고 있다. 이러한 기업은 종종 가장 일반적인 문제를 방지하기 위해 완화 전략을 마련하는 데 어려움을 겪으면서 유사한 질병과 사고를 반복적으로 경험하고 있다.

기업들의 HSE 관리의 일반적인 문제는 다음과 같다.

• 조직화되지 않은 HSE 데이터의 과부하

  대부분의 기업은 질병과 사고 및 보건안전 활동 보고서를 통해서 방대한 양의 데이터를 수집하지만 이 데이터를 검토하고 분석하여 현장에 적용할 시간이나 자원이 없기 때문에 직원들이 매일 직면하는 위험에 대한 이해가 부족하다.

• 통합 HSE 프로세스 및 시스템의 부재

  고위험 산업을 운영하는 회사는 종종 개별 HSE 절차를 갖추고 있지만 전체 시스템은 여전히 ​​매우 고립되어 있다. 그들은 행동적으로, 지리적으로, 역사적으로 전체 조직에서 더 큰 그림을 볼 수 없다.

• 자원 및 노동 집약적인 관리시스템

  보건안전 데이터 분석은 종종 노동 집약적이고 매우 비효율적이므로 HSE 전략과 예방 및 완화 활동을 개발하기 위한 확실한 데이터 기반의 실행 가능한 통찰력이 부족하다. 이러한 이유로 회사 데이터의 대부분을 쉽게 분석할 수 없다.

다가오는 위험을 식별하고 기존 HSE 시스템을 발전시키는 대신 변화를 두려워하고 거부하는 기존 방식에 익숙한 사고와 기존 관행을 고수하려는 운영 방식때문에 보건안전 데이터의 표준화, 수집 및 디지털화가 어려워진다.

데이터에 대한 통찰력을 구별하는 것이 시급하다. 대부분의 기업은 많은 HSE 데이터를 보유하고 있지만 대부분 통찰력이 없거나 질병과 사고 발생을 사전에 예측하기 위한 검토와 분석을 못하고 있으며, 모니터링해야 할 대상을 정확하게 지정하지 않고 있다. 보건안전 데이터의 대부분은 잘못된 것(즉, 저위험 활동)을 측정하고 보고하는 경우도 많다.

이러한 상황에서 기업은 HSE 관리, 규정 준수 및 비즈니스 개선의 목표를 달성하는 데 있어 많은 어려움에 직면해 있다. 이러한 기업들은 먼저 HSE 위험을 수집, 보고, 검토 및 분석하기 위하여 데이터를 인간 중심 접근 방식으로 위험을 관리할 수 있도록 기존의 HSE 프로세스와 시스템을 전환하는 작업을 해야 한다. 아울러 스마트한 4차 산업혁명을 가능하게 하는 모든 기술 요소들을 HSE 프로세스와 시스템에 적용하여 위험성 평가와 위험에 대응하는 균형 있는 의사결정 및 위험관리를 할 수 있도록 사고방식과 업무 프로세스를 바꾸어나가는 것이 필요하다.

04첨단 HSE 시스템의 구축

기업은 이제 디지털 데이터 및 분석의 스마트한 기술요소들을 사용하여 기존 HSE 시스템을 첨단 예측 HSE 솔루션을 제공하기 위해 데이터 기반 통찰력과 인공 지능을 결합한 최첨단 HSE 관리 시스템으로 발전시킬 수 있다.
스마트 기술 및 데이터 과학의 발전과 더불어 빅 데이터, 강력한 컴퓨팅, 머신 러닝 및 인공지능(AI)을 통한 향상된 알고리즘의 가용성으로 이제 HSE 위험 데이터에 내재된 가능성을 분석해내고 활용하여 HSE 전략을 위한 최첨단 예측 접근 방식을 만들 수 있다. 이것은 HSE 위험을 이해할 수 있는 문서데이터 형식으로 생성하고 기록하고 보고하는 것에서부터 출발한다. 이렇게 수집·생성된 데이터를 정리하고 검토하고 분석하고 관리하는 데이터 플랫폼을 구축한다. 이 플랫폼은 인간중심적인 HSE 위험데이터 구조를 설계하여 구축하는 것이 필요하다. 또한 자유로운 텍스트로 작성된 자료도 데이터베이스화할 수 있는 플랫폼을 구축하는 것이 중요하다. 다음으로 이들 데이터의 검토와 분석을 통해 새로운 통찰력을 획득하는 것이다. 획득된 통찰력을 가시화하여 공유할 수 있도록 하여야 한다. 이와 같은 변화와 과정을 통해서 종이 기반의 HSE 시스템을 과도기적인 데이터 캡처를 통한 HSE 프로세스와 시스템으로 바꿔나가는 것이다. 최종적으로는 데이터 과학과 인공지능의 최첨단 기능을 적용하여 HSE 위험을 사전에 예측하여 예방활동을 할 수 있는 통찰력을 도출하고 모니터링하여야 할 대상을 선정하고 모니터링을 할 수 있는 시스템을 갖추는 것이다. 이에 대해서 하나하나 보다 구체적으로 살펴보면 다음과 같다.

• 형식을 갖춘 데이터 통합

  디지털화를 통해 여러 형식에 걸쳐 격리된 데이터 세트를 데이터 레이크(필요할 때까지 원시 데이터의 방대한 양을 네이티브 형식으로 보관하는 스토리지 저장소)로 원활하게 통합할 수 있으며, 기존 조직 데이터에서 추가적인 통찰력을 얻을 수 있다.

• 추가 센서 데이터로 현재 데이터의 보강

  풍부한 컨텍스트(context)를 통해 리스크에 대한 더 큰 통찰력과 예측이 가능하다. HSE 위험에 대한 보고를 통해 명확한 정보를 입수하지만, 추가 이미지와 신체 상태 모니터링은 HSE 위험과 질병 및 사고 관리에 대한 실행 가능하고 실시간 통찰력을 제공하는 데 도움이 된다.

• 예측 분석의 적용

  고급 데이터 및 디지털 도구를 사용하여 질병과 사고의 직접적인 원인을 식별하고 규모에 따라 분석하여 HSE 노력을 집중해야 하는 위치에 대한 보다 명확한 그림을 얻을 수 있다. 여기에는 시각적 기록과 신체 상태를 포착하기 위한 센서가 포함될 수 있다. 이러한 통찰력은 이전에는 알 수 없었던 문제를 식별하고 질병과 사고를 방지할 수 있도록 도와준다.

• AI 사용

  사고의 50~80%는 사람에 의해 발생하지만, 인간의 행동은 전통적으로 측정하기 어려웠다. 텍스트 분석, 비전 분석 및 활력징후 분석을 위한 자연어 처리와 같은 AI를 사용하여 피로와 열 소모를 모니터링함으로써 숨겨진 통찰력을 식별하고 위험 설정을 이해하여 HSE 프로세스에서 이전에는 얻을 수 없었던 세분화된 실행 가능한 통찰력을 제공할 수 있다. 이를 통해 인간 상호 작용을 대상으로 할 수 있는 효율적인 HSE 전략을 배치할 수 있다.

• 대시보드 사용

  새로운 대시보드 기술을 통해 주요 통찰력을 식별, 조사 및 전달하여 의사 결정 및 통찰력 획득 노력을 지원할 수 있다. 혼합 환경에 고급 분석을 추가하면 새로운 위험과 패턴을 식별할 수 있는 강력한 도구가 생성된다.