서론

스마트 공장 구축에 필요하며, 직업보건 관리에 적용하여 새로운 산업보건 서비스를 생산, 전달 및 활용하기 위한 스마트의 기술 요소들을 알아보고 있다.

그 중에서 ① 산업용 사물인터넷(IIOT), ② 센서(Sensor), ③ 협동로봇(Cobot), ④ 사이버물리시스템(Cyber-Physical System), ⑤ 가상현실(VR)과 증강현실(AR), ⑥ 3D 프린팅, ⑦ 5G, ⑧ 빅데이터(big data), ⑨ 클라우드 컴퓨팅에 대하여 소개하였다.

• 
• 
• 
• 
• 
• 
• 
• 
• 

그리고 인공지능(Artificial Intelligence, AI)에 대하여 소개하고 있다.

인공지능(AI)은 직업보건 안전에서 비교적 새로운 개념이다. AI는 인간처럼 기본적으로 의사 결정, 기계학습, 자연어 처리 및 시각적 인식과 같은 인간 지능이 필요한 작업을 수행하는 기계 또는 컴퓨터의 능력을 나타낸다. 기계학습, 컴퓨터 비전, 자연어 처리, 데이터 마이닝, 챗봇을 결합한 포괄적인 용어이기도 하다. 인공지능의 막대한 잠재력은 쾌적한 작업환경 조성과 근로자의 건강 보호와 같은 문제를 해결하는데 적용하여 직업보건 관리의 발전에 기여할 것으로 기대된다. AI는 스마트 산업보건의 핵심 기술 요소라고 할 수 있다. 이 기술은 응용 프로그램의 범위가 넓으며 회사의 요구 사항에 따라 복잡한 작업을 수행하거나 특정 비즈니스 작업을 수행하는 데 사용할 수 있다.

AI가 직업보건 관리에 기여할 수 있는 분야로 직업보건 분야의 입법 준수 및 AI 비서관(HSE AI Assistant), 방대한 직업보건 데이터로부터 직업보건 관리의 통찰력 추출, 직업보건 상황의 모니터링 및 근로자의 정신건강 위험, 작업장 위험 모니터링, 위험의 예측과 처방, HSE 전략 최적화, AI가 활용될 수 있는 직업보건 안전 사례, 위험한 작업의 자동화, 의사결정용 전문가 시스템(Expert systems) 등에 대하여 알아보았다.

HSE 분야에서 AI의 활용은 슈퍼 컴퓨팅(많은 AI 응용 프로그램에 필요한)의 비용이 급격히 하락한 반면, 새로운 센서 기술의 개발, 대용량 데이터베이스의 가용성, 소형화(miniaturisation) 및 대량 생산을 통한 비용 절감과 같은 다른 분야의 발전에 의존하여 확대될 것이다. HSE 응용 프로그램이 AI의 최전선에 있지는 않지만, 다른 분야의 발전 과정을 흡수할 수 있는 유리한 위치에 있을 수 있다.

시간이 지남에 따라 기업 내 HSE 관리를 돕기 위해 다양한 시스템과 도구가 도입되고 개발되었다. 보다 최근에는 기술 및 데이터 과학의 발전으로 인해 HSE 내에서 인공지능(AI)이 트렌드로 등장했다. AI는 "인간처럼 생각하고 행동을 모방하도록 프로그래밍된 기계에서 인간 지능의 시뮬레이션"을 의미한다. 또한 Google의 DeepMind 또는 IBM의 Watson과 같이 학습 및 문제 해결과 같이 인간의 마음과 관련된 특성을 나타내는 모든 시스템을 나타낸다. 결과적으로 HSE는 변혁의 길을 가고 있으며 특히 제조업은 이를 수용하고 있다.

01작업환경위험 노출 추적을 위한 이상 감지 머신러닝(Machine learning)

AI는 이미 HSE 산업에 진입하여 상당한 수의 이점과 개선 사항을 제공하고 있다. 우선 기존 시스템을 AI, 머신러닝, 딥러닝 등으로 개선해 시스템 내부의 데이터에서 보다 가치있는 통찰력(insights)를 얻을 수 있다.
많은 기업이 작업환경의 유해인자 발생 및 노출 규정을 준수해야 한다. 기존 시스템을 AI로 개선한다는 것은 시스템이 지속가능성 데이터를 분석한 뒤 분석가보다 더 효과적으로 고려해야 할 오류나 영역을 탐지하기 위해 규정된 매개 변수와 비교하는 것을 의미한다.
머신러닝은 그 이상으로 데이터를 소비하는 것을 "학습"하므로 다음에 오류를 감지할 때 더 똑똑해진다. 같은 원리를 적용할 수 있다.
이러한 시스템은 노출 기준을 초과하거나 일부 이상이 감지 되는 경우에는 경고할 수 있다. 이를 통해 엔지니어, 규정 준수 관리자 또는 산업보건 관리자는 AI 시스템이 문제가 없는 것으로 표시한 영역을 확인하는 데 시간을 낭비하지 않고 업무와 핵심 문제에 집중할 수 있다.

02예측 기반(Predictive-based) 직업보건 관리(머신러닝, 딥러닝)

AI가 효율성을 입증하는 또 다른 분야는 예측 기반 직업보건 관리이다. 생성된 데이터를 기반으로 AI 시스템은 권장 사항을 제공하고 오류 또는 질병 발생 및 사고를 예측할 수 있다. 위험한 환경에서 이 기회를 과대평가하는 것은 문제가 아니다. AI 기반 기술은 작업환경 유해인자 노출 모니터링, 건강관리 및 사고관리를 개선하여 효율성을 높이고 비용을 절감하며 시간과 자원을 보다 효과적으로 관리할 수 있다.
선도적인 HSE 소프트웨어 제공업체는 이미 사업장의 주요 수치를 개선하기 위해 데이터 마이닝 및 머신러닝과 같은 다양한 AI 도구를 구현했다. 데이터 마이닝 도구의 도움으로 HSE 소프트웨어 개발자는 일상적으로 근로자를 위험에 빠뜨릴 수 있는 높은 수준의 노출 문제를 해결한다. AI 기술을 사용하면 운영 프로세스를 추적하고 노출수준을 모니터링하여 문제 영역과 이상 현상을 실시간으로 감지할 수 있다. AI 기반 예측 가능한 운영 모델은 입력 데이터를 기반으로 노출수준을 추정하고 잠재적 문제의 경고 신호를 식별하고 문제가 발생하기 전에 이를 사전에 해결하여 사람의 개입을 최소화할 수 있다.

03개인보호장비 모니터링을 위한 컴퓨터 비전(Computer vision) 및 머신러닝

컴퓨터 비전 및 머신러닝의 가능성을 사용하여 근로자의 개인보호장비(PPE) 착용을 관리할 수 있다.
AI 소프트웨어는 실시간 비디오 분석 및 머신러닝을 사용하여 근로자의 개인보호장비 착용상황을 모니터링한다. 작업환경으로의 출입을 추적함으로써 시스템은 근로자의 개인보호장비(PPE)의 적합성을 평가할 수 있다. 근로자가 요구 사항을 준수하지 않는 경우(안전모, 고글 및 안전화 착용을 잊음) 시스템이 신호를 보내고 적절한 장비를 갖추기 전까지 작업장 접근이 거부된다. 이러한 시스템을 통해 수동 PPE 점검에 비해 인적 오류를 방지하고 근로자의 보호를 향상 시킬 수 있다.

04충돌 방지를 위한 컴퓨터 비전

사업장에서는 근로자와 차량의 충돌로 인해 많은 사고가 발생한다. 컴퓨터 비전의 가능성을 사용하면 이러한 유형의 사고 위험을 최소화할 수 있다. 공장, 건설물자, 유류 가스 지역의 카메라에서 확보한 데이터를 이용하여 작업자가 위험한 장비 및 차량 근처에 있는지 즉시 감지하고 신호를 통해 알려준다.

05HSE에 사용하는 최고의 AI 기술

• 1) 머신러닝(Machine learning, 기계학습)

  머신러닝(ML)은 인간의 개입 없이 컴퓨터나 장치가 입력 데이터에서 학습할 수 있도록 하는 AI의 하위 분야이다. 머신러닝 알고리즘은 특별히 프로그래밍된 알고리즘으로 인해 새로운 데이터에 적응하고 지속적으로 개선할 수 있다. 이 기술은 HSE 업무의 의사 결정 프로세스를 향상하고 위험을 줄이며 환경, 인간 건강, 안전 및 환경보호는 물론 심지어 생명까지 구하는 데 도움이 될 수 있다. 예를 들어 ML 알고리즘을 기반으로 하는 음성, 이미지 및 텍스트 인식은 방대한 양의 시각적 및 언어적 데이터를 분석하고 오류를 감지하며 사용자에게 잠재적 위험을 경고할 수 있기 때문에 HSE 규정을 더 잘 준수할 수 있도록 한다.

• 2) 딥러닝(deep learning)

  딥 러닝(deep learning)은 머신러닝(ML)의 하위 섹션으로, 인간의 신경계와 같은 방식으로 설계된 인공 신경망 및 알고리즘을 의미한다. 이 기술은 매우 많은 양의 데이터에서 학습할 수 있다. 기업의 데이터를 분석하고 분류함으로써 시스템은 작업장의 직업보건 관리 및 위험 평가를 처리하고 직업보건을 개선하며 운영 효율성을 향상 시킬 수 있다.

• 3) 비디오 분석을 위한 컴퓨터 비전

  각 회사는 카메라를 통해 엄청난 양의 데이터를 수집한다. 이 데이터는 규범 위반 여부를 결정하기 위해 자동으로 분석될 수 있다. 문제가 있는 상황이 감지되는 경우 해당 위반 사항에 대해 감독관에게 즉시 통보된다.

• 4) 예측 분석을 위한 데이터 마이닝(Data Mining for Predictive Analytics)

  데이터 마이닝, 텍스트 마이닝, 보고 모델링 및 통계와 같은 기술을 사용한 예측 분석은 잠재적 위험을 식별하고 가장 가능성 있는 결과를 예측할 수 있다.