KR102564687B1 - 위험요인 분석을 통한 안전사고 예방방법 및 이를 이용한 안전사고 예방시스템 - Google Patents
위험요인 분석을 통한 안전사고 예방방법 및 이를 이용한 안전사고 예방시스템 Download PDFInfo
- Publication number
- KR102564687B1 KR102564687B1 KR1020210041822A KR20210041822A KR102564687B1 KR 102564687 B1 KR102564687 B1 KR 102564687B1 KR 1020210041822 A KR1020210041822 A KR 1020210041822A KR 20210041822 A KR20210041822 A KR 20210041822A KR 102564687 B1 KR102564687 B1 KR 102564687B1
- Authority
- KR
- South Korea
- Prior art keywords
- information
- work
- risk
- safety
- tool
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000000556 factor analysis Methods 0.000 title claims abstract description 27
- 230000002265 prevention Effects 0.000 claims abstract description 34
- 238000013135 deep learning Methods 0.000 claims abstract description 23
- 238000010801 machine learning Methods 0.000 claims abstract description 21
- 238000010276 construction Methods 0.000 claims description 167
- 238000007689 inspection Methods 0.000 claims description 74
- 238000012502 risk assessment Methods 0.000 claims description 44
- 230000006872 improvement Effects 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 17
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 7
- 230000009471 action Effects 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 2
- 239000000306 component Substances 0.000 description 11
- 238000007726 management method Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000011156 evaluation Methods 0.000 description 8
- 238000005097 cold rolling Methods 0.000 description 7
- 230000036541 health Effects 0.000 description 7
- 238000012423 maintenance Methods 0.000 description 6
- 239000000126 substance Substances 0.000 description 5
- 230000007613 environmental effect Effects 0.000 description 4
- 208000031481 Pathologic Constriction Diseases 0.000 description 3
- 230000001681 protective effect Effects 0.000 description 3
- 230000036262 stenosis Effects 0.000 description 3
- 208000037804 stenosis Diseases 0.000 description 3
- 238000009412 basement excavation Methods 0.000 description 2
- 239000003181 biological factor Substances 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004880 explosion Methods 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 239000000383 hazardous chemical Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000003595 mist Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000004804 winding Methods 0.000 description 2
- 206010020751 Hypersensitivity Diseases 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- -1 Vapors Substances 0.000 description 1
- 239000000443 aerosol Substances 0.000 description 1
- 208000026935 allergic disease Diseases 0.000 description 1
- 230000007815 allergy Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 230000035622 drinking Effects 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 231100001261 hazardous Toxicity 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 230000009385 viral infection Effects 0.000 description 1
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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06316—Sequencing of tasks or work
-
- 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
- G06Q10/0633—Workflow analysis
-
- 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Manufacturing & Machinery (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명의 일 측면에 따른 위험요인 분석을 통한 안전사고 예방방법은 작업에 대한 위험요인을 분석하여 안전사고를 예방하기 위한 방법으로서, 머신 러닝(Machine Learning) 및 딥 러닝(Deep Learning) 중 적어도 하나를 통해 상기 작업 중 발생한 사고 사례에 대한 정보인 제1 사고 정보, 상기 작업이 진행되는 환경에 대한 정보인 작업 환경 정보 및 상기 작업의 위험요인에 대한 정보인 위험 정보를 분석하여 상기 작업의 안전 대책에 대한 정보인 작업 안전 대책 정보를 산출하는 단계; 산출된 작업 안전 대책 정보를 포함하는 후보 작업 정보가 사용자의 허가를 통해 안전 대책으로 결정되는 단계;를 포함하는 것을 특징으로 한다.
Description
본 발명은 위험요인 분석을 통한 안전사고 예방방법 및 이를 이용한 안전사고 예방시스템에 관한 것이다.
제조 및 건설 현장에서 발생하는 사고를 예방하기 위해 근로자 안전교육, 위험 평가 제도 시행, 관련 제도 개선, 시설 및 인적 투자 확대, 처벌 강화 등의 노력이 계속되고 있다. 예를 들어, 한국 공개특허 10-2019-0040847(공개일자:2019.04.19)에 기재된 바와 같이, 산업현장에서의 재해를 예방하기 위해 협력사가 작성한 작업일보를 이용하여 작업에 대한 위험성을 평가한다.
특히, 최근에는 제조 및 건설 기술의 발달로 하루에 수천 명의 작업자가 수직 및 수평으로 넓은 공간에 분산되어 작업하고, 수십, 수백 개 이상의 설비의 작업이 복잡하게 진행되어 작업 관리가 어려워지고 있으며, 안전 관리자의 인원을 확충하는데 한계가 있다. 또한, 관리되어야 할 대상이 방대해지고 복잡해지고 있음에도 불구하고 인력을 이용하여 작업의 안전을 관리하는 방식이 유지되고 있다. 인력을 이용한 안전 관리는 관리자의 경험 부족, 문제 인식 부재, 안전 시설물의 무단 해체 또는 이동, 금지구역 통행 및 안전 시설물 부재 등의 문제를 야기할 수 있다.
본 발명은 상술한 문제점을 해결하기 위한 것으로서, 위험요인 분석을 통한 안전사고 예방방법 및 이를 이용한 안전사고 예방시스템을 제공하는 것을 그 기술적 특징으로 한다.
상술한 목적을 달성하기 위한 본 발명의 일 측면에 따른 위험요인 분석을 통한 안전사고 예방방법은 작업에 대한 위험요인을 분석하여 안전사고를 예방하기 위한 방법으로서, 머신 러닝(Machine Learning) 및 딥 러닝(Deep Learning) 중 적어도 하나를 통해 상기 작업 중 발생한 사고 사례에 대한 정보인 제1 사고 정보, 상기 작업이 진행되는 환경에 대한 정보인 작업 환경 정보 및 상기 작업의 위험요인에 대한 정보인 위험 정보를 분석하여 상기 작업의 안전 대책에 대한 정보인 작업 안전 대책 정보를 산출하는 단계; 산출된 작업 안전 대책 정보를 포함하는 후보 작업 정보가 사용자의 허가를 통해 안전 대책으로 결정되는 단계;를 포함하는 것을 특징으로 한다.
본 발명의 일 실시예에 따르면, 작업에 대응되는 사고 사례에 대한 정보, 작업의 환경 정보 및 위험 정보를 기반으로 머신 러닝(Machine Learning) 또는 딥 러닝(Deep Learning)을 통해 통계값 및 패턴을 추출하여 작업에 대한 안전 대책을 산출 및 결정하고, 결정된 안전 대책을 준수하여 작업 진행 중 발생할 수 있는 사고를 방지할 수 있는 효과가 있다.
본 발명의 일 실시예에 따르면, 작업에 대응되는 제1 사고 정보, 환경 정보 및 위험 정보를 머신 러닝(Machine Learning) 또는 딥 러닝(Deep Learning)을 이용하여 분석하여, 작업 안전 대책 정보를 산출하고, 산출된 작업 안전 대책 정보에 대해 사용자의 허가를 받아 안전 대책을 결정한다. 결정된 안전 대책을 기반으로 사고 예방을 위한 교육인 TBM(Tool Box Meeting)에 대한 일지가 생성되고, 생성된 TBM 일지를 이용하여 도급사 및 수급사의 작업 담당자 및 안전 담당자를 교육하여 작업 진행 중 발생할 수 있는 사고를 방지할 수 있는 효과가 있다.
본 발명의 일 실시예에 따르면, 정기적으로 또는 수시로 작업별 위험성을 평가하여 작업에 대한 위험요인을 분류하고, 작업 진행 중 해당 작업의 위험요인에 주의하여 발생 가능성이 있는 사고를 방지할 수 있는 효과가 있다.
본 발명의 일 실시예에 따르면, 공도구 및 건설기계의 법정 안전 검사 기간을 검증하여 법정 안전 검사 기간 내 법정 안전 검사를 미실시한 공도구 및 건설기계의 사용을 방지하고, 정상적인 기계사진, 비정상적인 기계사진, 공도구 및 건설기계의 점검정보 및 사고정보를 머신 러닝(Machine Learning) 또는 딥 러닝(Deep Learning)을 통해 분석하여 공도구 및 건설기계에 대한 안전 대책을 산출함에 따라 작업자 숙련도에 따른 위험요인을 발굴하고, 안전 대책의 수준을 평준화할 수 있는 효과가 있다.
도 1은 본 발명의 일 실시예에 따른 위험요인 분석을 통한 안전사고 예방시스템의 구성을 개략적으로 보여주는 도면이다.
도 2는 본 발명의 일 실시예에 따른 작업의 위험요인 관리 방법을 나타내는 플로우 차트를 개략적으로 보여주는 도면이다.
도 3은 본 발명의 일 실시예에 따라 생성되는 TBM 일지의 예시를 나타내는 도면이다.
도 4는 본 발명의 일 실시예에 따른 공도구 및 건설기계의 위험요인 관리 방법을 나타내는 플로우 차트를 개략적으로 보여주는 도면이다.
도 5는 본 발명의 일 실시예에 따른 공도구 및 건설기계의 위험요인 관리 방법을 통해 생성된 공도구 및 건설기계의 작업계획서 예시를 나타낸 도면이다.
도 2는 본 발명의 일 실시예에 따른 작업의 위험요인 관리 방법을 나타내는 플로우 차트를 개략적으로 보여주는 도면이다.
도 3은 본 발명의 일 실시예에 따라 생성되는 TBM 일지의 예시를 나타내는 도면이다.
도 4는 본 발명의 일 실시예에 따른 공도구 및 건설기계의 위험요인 관리 방법을 나타내는 플로우 차트를 개략적으로 보여주는 도면이다.
도 5는 본 발명의 일 실시예에 따른 공도구 및 건설기계의 위험요인 관리 방법을 통해 생성된 공도구 및 건설기계의 작업계획서 예시를 나타낸 도면이다.
명세서 전체에 걸쳐서 동일한 참조번호들은 실질적으로 동일한 구성요소들을 의미한다. 이하의 설명에서, 본 발명의 핵심 구성과 관련이 없는 경우 및 본 발명의 기술분야에 공지된 구성과 기능에 대한 상세한 설명은 생략될 수 있다. 본 명세서에서 서술되는 용어의 의미는 다음과 같이 이해되어야 할 것이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
본 발명의 실시예를 설명하기 위한 도면에 개시된 형상, 크기, 비율, 각도, 개수 등은 예시적인 것이므로 본 발명이 도시된 사항에 한정되는 것은 아니다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다. 또한, 본 발명을 설명함에 있어서, 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명은 생략한다.
본 명세서에서 언급된 '포함한다', '갖는다', '이루어진다' 등이 사용되는 경우 '~만'이 사용되지 않는 이상 다른 부분이 추가될 수 있다. 구성 요소를 단수로 표현한 경우에 특별히 명시적인 기재 사항이 없는 한 복수를 포함하는 경우를 포함한다.
구성 요소를 해석함에 있어서, 별도의 명시적 기재가 없더라도 오차 범위를 포함하는 것으로 해석한다.
위치 관계에 대한 설명일 경우, 예를 들어, '~상에', '~상부에', '~하부에', '~옆에' 등으로 두 부분의 위치 관계가 설명되는 경우, '바로' 또는 '직접'이 사용되지 않는 이상 두 부분 사이에 하나 이상의 다른 부분이 위치할 수도 있다.
시간 관계에 대한 설명일 경우, 예를 들어, '~후에', '~에 이어서', '~다음에', '~전에' 등으로 시간적 선후 관계가 설명되는 경우, '바로' 또는 '직접'이 사용되지 않는 이상 연속적이지 않은 경우도 포함할 수 있다.
제1, 제2 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않는다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성요소는 본 발명의 기술적 사상 내에서 제2 구성요소일 수도 있다.
"적어도 하나"의 용어는 하나 이상의 관련 항목으로부터 제시 가능한 모든 조합을 포함하는 것으로 이해되어야 한다. 예를 들어, "제1 항목, 제2 항목 및 제 3 항목 중에서 적어도 하나"의 의미는 제1 항목, 제2 항목 또는 제3 항목 각각 뿐만 아니라 제1 항목, 제2 항목 및 제3 항목 중에서 2개 이상으로부터 제시될 수 있는 모든 항목의 조합을 의미할 수 있다.
본 발명의 여러 실시예들의 각각 특징들이 부분적으로 또는 전체적으로 서로 결합 또는 조합 가능하고, 기술적으로 다양한 연동 및 구동이 가능하며, 각 실시예들이 서로에 대하여 독립적으로 실시 가능할 수도 있고 연관 관계로 함께 실시할 수도 있다.
이하, 도 1을 참조하여, 본 발명의 일 실시예에 따른 위험요인 분석을 통한 안전사고 예방시스템에 대해 상세히 설명한다.
도 1은 본 발명의 일 실시예에 따른 위험요인 분석을 통한 안전사고 예방시스템의 구성을 개략적으로 보여주는 도면이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 안전사고 예방시스템(10)은 위험 평가부(110), 위험 분석부(120), 작업 허가부(130), TBM 일지 생성부(140), 공도구 및 건설기계 데이터베이스(210), 위험 데이터베이스(220), 작업허가 데이터베이스(230) 및 TBM 데이터베이스(240)를 포함한다.
위험 평가부(110)는 정기적으로 또는 수시로 작업별 위험성을 평가한다. 구체적으로, 표 1에 표시된 바와 같이, 위험 평가부(110)는 작업 단계별 위험요인을 분류하고, 분류된 작업 단계별 위험요인은 위험 데이터베이스(220)에 저장된다.
| 분류 | 위험요인 | 분류 | 위험요인 |
| 기계적(설비) 요인 |         |
화학(물질)적 요인 |           |
| 생물학적 요인 |  유전자변형물질(GMO) 위험      |
전기적 요인 |     |
| 작업특성 요인 |  초음파,초저주파음           |
작업환경 요인 |     작업시간 초과     위험 |
| 관리적 요인 |          |
||
또한, 위험 평가부(110)는 분류된 위험요인에 대한 발생 빈도, 위험 강도, 위험도 및 개선 대책을 사용자로부터 입력 받아 위험 데이터베이스(220)에 저장한다. 이때, 위험 평가부(110)는 분류된 위험요인에 대해 개선된 후의 발생 빈도, 위험 강도, 위험도 및 개선 대책을 사용자로부터 입력 받는다. 개선 전후 위험요인에 대한 발생 빈도, 위험 강도, 위험도 및 개선 대책을 이용하여 위험 정보를 생성하여 위험 데이터베이스(220)에 저장할 수 있다.위험 분석부(120)는 머신 러닝(Machine Learning) 또는 딥 러닝(Deep Learning) 중 적어도 하나를 통해 해당 작업에 대한 정보를 분석하여 추출된 통계값 및 패턴 중 적어도 하나를 이용하여 해당 작업에 대한 안전 대책 정보인 작업 안전 대책 정보를 산출한다. 위험 분석부(120)는 산출된 작업 안전 대책 정보를 포함하는 후보 작업 정보를 작업허가 데이터베이스(230)에 저장한다. 구체적으로, 위험 분석부(120)는 머신 러닝(Machine Learning) 및 딥 러닝(Deep Learning) 중 적어도 하나를 통해 해당 작업 중 발생한 사고 사례에 대한 정보인 제1 사고 정보, 해당 작업이 이루어지는 작업 환경에 대한 정보인 작업 환경 정보 및 위험 평가부(110)에서 평가한 위험요인에 대한 정보인 위험 정보를 분석하여 해당 작업의 작업 안전 대책 정보를 산출하고, 산출한 작업 안전 대책 정보를 포함하는 후보 작업 정보를 작업허가 데이터베이스(230)에 저장한다. 이때, 제1 사고 정보는 중대 재해 여부 정보, 최근 사고 빈도 정보 및 사고 결과 정보 중 적어도 하나를 포함할 수 있으며, 작업 환경 정보는 사업장, 부서, 공정, 설비, 작업 장소 및 작업 온도 정보 중 적어도 하나를 포함하고, 위험 정보는 작업 단계별 위험요인, 해당 위험요인의 발생 빈도, 위험 강도, 위험도 정보 및 개선 대책 중 적어도 하나를 포함하고, 작업 안전 대책 정보는 해당 작업에 대한 안전 대책 정보 및 작업자 준수 사항 정보 중 적어도 하나를 포함할 수 있다.
현장에 반입되는 공도구 및 건설기계는 『산업안전보건법 제93조』에 의거하여 법정 안전 검사 기간에 대해 관리되어야 한다. 이에 따라, 위험 분석부(120)는 공도구 및 건설기계 데이터베이스(210)에 저장된 공도구 및 건설기계의 기본적인 정보인 공도구 및 건설기계 기본정보를 이용하여 해당 공도구 및 건설기계의 법정 안전 검사 기간을 검증한다. 해당 공도구 및 건설기계가 법정 안전 검사 기간 내에 안전 검사를 실시한 것으로 판별된 경우, 위험 분석부(120)는 해당 공도구 및 건설기계의 공도구 및 건설기계 기본정보를 유효 공도구 및 건설기계 기본정보로 건설기계 데이터베이스(210)에 저장한다. 이때, 공도구 및 건설기계 기본정보 및 유효 공도구 및 건설기계 기본정보는 『산업안전보건기준에 관한 규칙 제38조』에 의거한 작업계획서, 장비명, 검사 유효기간, 모델명, 사양, 운전원 등의 정보 중 적어도 하나를 포함한다.
또한, 위험 분석부(120)는 머신 러닝(Machine Learning) 및 딥 러닝(Deep Learning) 중 적어도 하나를 통해 법정 안전 검사 기간이 검증된 공도구 및 건설기계의 정상적인 사진, 비정상적인 사진, 유효 공도구 및 건설기계 기본정보, 해당 공도구 및 건설기계에 대한 점검에 대한 정보인 점검 정보 및 해당 공도구 및 건설기계에서 발생한 사고 사례에 대한 정보인 제2 사고 정보를 분석하여 공도구 및 건설기계 안전 대책 정보를 산출한다. 유효 공도구 및 건설기계 기본정보, 점검 정보, 제2 사고 정보 및 공도구 및 건설기계 안전 대책 정보는 후보 작업 정보에 포함되고, 이러한 후보 작업 정보는 공도구 및 건설기계 데이터베이스(210)에 저장할 수 있다. 이때, 유효 공도구 및 건설기계 기본정보는, 전술한 바와 같이, 『산업안전보건기준에 관한 규칙 제38조』에 의거한 작업계획서, 장비명, 검사 유효기간, 모델명, 사양, 운전원 등의 정보 중 적어도 하나를 포함하고, 점검 정보는 각 공도구 및 건설기계의 점검 이력 및 점검에 따른 개선 조치 정보 중 적어도 하나를 포함하고, 제2 사고 정보는 각 공도구 및 건설기계의 사고 개요 정보 및 사고 결과 정보 중 적어도 하나를 포함하고, 공도구 및 건설기계 안전 대책 정보는 해당 공도구 및 건설기계에 대한 안전 대책 정보 및 작업자 준수 사항 정보 중 적어도 하나를 포함할 수 있다. 이에 대해서는, 도 4 및 도 5를 참조하여 상세히 후술한다.
작업 허가부(130)는 위험 분석부(120)에 의해 작업허가 데이터베이스(230)에 저장된 작업 안전 대책 정보 및 공도구 및 건설기계 안전 대책 정보를 포함하는 후보 작업 정보에 대해 사용자로부터 허가를 받으면, 후보 작업 정보는 허가 작업 정보로 작업허가 데이터베이스(230)에 저장된다. 이때, 후보 작업 정보는 작업 구분, 해당 작업의 기본 정보, 해당 작업의 제1 사고 정보, 위험 정보, 작업 안전 대책 정보, 해당 작업에서 이용되는 공도구 및 건설기계의 공도구 및 건설기계 기본정보, 점검 정보, 제2 사고 정보 및 공도구 및 건설기계 안전 대책 정보 중 적어도 하나를 포함한다. 작업 구분은 작업의 종류를 나타내는 정보이고, 작업의 기본 정보는 해당 작업의 작업명, 작업 내용, 작업 공정명, 작업 장소, 작업 부서, 작업 담당 및 작업 업체에 대한 정보 중 적어도 하나를 포함하고, 제1 사고 정보는 중대 재해 여부 정보, 최근 사고 빈도 정보 및 사고 결과 정보 중 적어도 하나를 포함할 수 있으며, 작업 환경 정보는 사업장, 부서, 공정, 설비, 작업 장소 및 작업 온도 정보 중 적어도 하나를 포함하고, 위험 정보는 작업 단계별 위험요인 및 해당 위험요인의 위험 빈도, 강도 및 위험도 정보 중 적어도 하나를 포함하고, 작업 안전 대책 정보는 해당 작업의 기본 정보, 제1 사고 정보 및 위험 정보로 산출되고, 공도구 및 건설기계 기본정보는『산업안전보건기준에 관한 규칙 제38조』에 의거한 작업계획서, 공도구 및 건설기계의 장비명, 검사 유효 기간, 제조사, 모델명, 사양, 운전원 정보 중 적어도 하나를 포함하고, 점검 정보는 공도구 및 건설기계의 점검 이력 및 점검에 따른 개선 조치 정보를 포함하고, 제2 사고 정보는 공도구 및 건설기계의 사고 개요 정보 및 사고 결과 정보를 포함하고, 공도구 및 건설기계 안전 대책 정보는 공도구 및 건설기계 기본정보, 점검 정보 및 제2 사고 정보를 통해 산출된 정보일 수 있다.
TBM(Tool Box Meeting)은 사고예방을 위한 교육으로, 구체적으로, TBM은 작업에 대한 위험요인 및 안전 대책에 대한 교육이며, 해당 작업 담당자가 참석하고, 이와 같은 정보는 TBM 일지에 기록된다.
TBM 일지 생성부(140)는 위험 데이터베이스(220) 및 작업허가 데이터베이스(230)에 저장된 정보를 TBM 데이터베이스(240)에 연동시킨다. 구체적으로, TBM 일지 생성부(140)는 위험 데이터베이스(220)에 저장된 위험 정보, 작업 환경 정보 및 제1 사고 정보, 작업허가 데이터베이스(230)에 저장된 허가 작업 정보 중 적어도 하나를 TBM 데이터베이스(240)에 저장할 수 있다. 이에 따라, TBM 일지 생성부(140)는 TBM 데이터베이스(240)에 저장된 위험 정보, 작업 환경 정보, 제1 사고 정보 및 허가 작업 정보 중 적어도 하나를 이용하여 TBM 일지를 생성한다.
본 발명의 일 실시예에 따르면, 머신 러닝(Machine Learning) 또는 딥 러닝(Deep Learning)를 통해 작업에 대응되는 제1 사고 정보, 작업 환경 정보 및 작업의 위험 정보를 분석하여, 제1 사고 정보, 작업 환경 정보 및 위험 정보에 대한 통계값 및 패턴이 추출되고, 추출된 작업에 대한 안전 대책을 기반으로 사고 예방을 위한 교육인 TBM(Tool Box Meeting)에 대한 일지가 생성된다. 생성된 TBM 일지를 이용하여 도급사 및 수급사의 작업 담당자 및 안전 담당자를 교육하여, 작업 진행 중 발생할 수 있는 사고를 방지할 수 있다.
공도구 및 건설기계 데이터베이스(210)는 공도구 및 건설기계 기본정보, 유효 공도구 및 건설기계 기본정보 및 공도구 및 건설기계 안전 대책 정보를 저장할 수 있다. 이때, 공도구 및 건설기계 기본정보는 공도구 및 건설기계에 대한 기본정보를 포함하고, 유효 공도구 및 건설기계 기본정보는 법정 안전 검사 기간이 검증된 공도구 및 건설기계에 대한 공도구 및 건설기계 기본정보를 포함하고, 공도구 및 건설기계 기본정보는『산업안전보건기준에 관한 규칙 제38조』에 의거한 작업계획서, 공도구 및 건설기계의 장비명, 검사 유효 기간, 제조사, 모델명, 사양, 운전원 정보 중 적어도 하나를 포함하고, 공도구 및 건설기계 안전 대책 정보는 전술한 바와 같이, 공도구 및 건설기계의 공도구 및 건설기계 기본정보, 공도구 및 건설기계의 점검 이력 및 점검에 따른 개선 조치 정보를 포함하는 점검 정보, 공도구 및 건설기계의 사고 개요 정보 및 사고 결과 정보를 포함하는 제2 사고 정보를 통해 산출된 안전 대책에 대한 정보일 수 있다.
위험 데이터베이스(220)는 작업에 대한 위험 정보, 작업 환경 정보 및 제1 사고 정보 중 적어도 하나를 저장할 수 있다. 이때, 위험성 평가 정보는 작업 단계별 위험요인 정보를 포함하고, 작업 환경 정보는 사업장, 부서, 공정, 설비, 작업명, 작업 장소 및 온도 정보 중 적어도 하나를 포함하고, 제1 사고 정보는 중대 재해 여부 정보, 최근 사고 빈도 정보 및 사고 결과 정보 중 적어도 하나를 포함할 수 있다.
작업허가 데이터베이스(230)는 후보 작업 정보 및 허가 작업 정보를 저장할 수 있다. 이때, 후보 작업 정보는 사용자로부터 허가를 받지 않은 작업 정보이고, 허가 작업 정보는 후보 작업 정보 중 사용자로부터 허가를 받은 작업 정보로, 후보 작업 정보 및 허가 작업 정보는 각각 작업명, 작업 내용, 작업 공정명, 장소, 부서/담당, 작업업체, 해당 작업의 위험요인, 작업 안전 대책 정보 및 공도구 및 건설기계 안전 대책 정보 중 적어도 하나를 포함할 수 있다.
TBM 데이터베이스(240)는 위험 데이터베이스(220) 및 작업허가 데이터베이스(230)와 연동되어 위험 데이터베이스(220)의 제1 사고 정보, 위험 정보 및 작업 환경 정보, 작업허가 데이터베이스(230)의 허가 작업 정보를 저장할 수 있다.
이하, 도 2 내지 도 3을 참조하여, 본 발명의 일 실시예에 따른 작업의 위험요인 분석을 통한 안전사고 예방 방법에 대해 상세히 설명한다.
도 2는 본 발명의 일 실시예에 따른 작업의 위험요인 분석을 통한 안전사고 예방 방법을 나타내는 플로우 차트를 개략적으로 보여주는 도면이고, 도 3은 본 발명의 일 실시예에 따라 생성되는 TBM 일지의 예시를 나타내는 도면이다.
도 2를 참조하면, 본 발명의 일 실시예에 따른 작업의 위험요인 분석을 통한 안전사고 예방 방법은 위험성 평가 단계(S410), 작업 허가 등록 및 승인 단계(S420) 및 TBM 일지 생성 단계(S430)를 포함한다.
| 단계 | 구분 | 내용 | 예시 |
| 위험성 평가 | 위험성 평가명 | BAF 유틸리티 위험성 평가 | |
| 작업단계별 위험요인 분류 | 위험요인 기계적(설비) 요인 >협착(감김.끼임) 등 작업특성요인 > 소음 등 전기적 요인> 감전 등 관리적 요인> 안전수칙 및 표지판 미게시 |
BAF 유틸리티 교체작업의 위험요인은 "감전"으로 분류 | |
| 개선 전/후 위험 빈도/강도/위험도 |
점수(Point)로 평가 | 감전 : 개선전 빈도 (2) 강도(3) 위험도 (6),개선후 빈도 (1) 강도(1) 위험도 (2) | |
| 위험요인 등록 | 작업조건에 따른 위험요인 등록 | 작업조건: 공정, 설비, 작업명, 작업장소 | 공정명: BAF 설비: BAF 유틸리티 설비 작업명: BAF 유틸리티 교체작업 장소: 냉연부 1냉연공장 →위험요인 "감전" 등록 |
| 안전 대책 및 작업 허가 등록/신청 |
작업구분 등록 | 밀폐공간,일반위험, 화기, 굴착, 유해물질 취급, 전기정전, 고소, 중량물공사, 제한구역 출입, 기타 | “일반위험 " |
| 기본정보 등록 | 작업명, 작업내용, 작업공정명 ,장소 부서 /담당 작업업체 |
작업명: BAF 유틸리티 교체작업 작업내용 : BAF 유틸리티 교체공사 작업허가 공정명: BAF 장소: 냉연부 1냉연공장 부서/담당 : 냉연부 정비담당 작업업체 : 가나정비 |
|
| 안전 대책 및 작업자 준수 사항 등 등록 | ※위험요인에 따라 안전 대책 등록 예) 협착 안전표지판 설치 소음 귀마개 및 보호구 착용 감전 작업 전 통전 확인 |
안전 대책 : 차단전 검전기 사용(통전 확인)으로 감전사고 예방작업자 준수 사항 : 현장 작업 시 안전장갑 및 절연보호구 착용 | |
| TBM 생성 | 위험 DB의 위험/대책 정보가 TBM 자동연계 | 작업명/장소/내용,TBM 참석 협력사명, 참석자, 위험요인 및 개선대책 등 연계 |
TBM 참석 협력사 : 가나정비 TBM 참석/교육 이수자: A 반장, B 대리 |
위험성 평가 단계(S410)에서, 위험 평가부(110)는 정기적으로 또는 수시로 표 2에 표시된 바와 같이, 작업별 위험성을 평가한다. 예를 들어, 기계적(설비) 요인, 생물학적 요인, 전기적 요인, 작업특성 요인 등의 대분류에 따라 위험요인이 분류되어 각 위험요인의 위험성이 평가될 수 있다. 구체적으로, 위험 평가부(110)는 작업의 각 위험요인에 대한 발생 빈도, 위험 강도 및 위험도를 평가한다. 위험 평가부(110)는 작업단계 별로 평가된 위험요인에 대한 발생 빈도, 위험 강도 및 위험도를 이용하여 위험 정보를 생성하고 위험 데이터베이스(220)에 저장할 수 있다. 작업 허가 등록 및 승인 단계(S420)에서, 위험 분석부(120)는 작업에 대한 위험요인에 대한 안전 대책을 산출하고, 작업 허가부(130)는 위험 분석부(120)에 의해 산출된 안전 대책을 사용자로부터 허가를 받을 수 있다.
작업 허가 등록 및 승인 단계(S420)에서, 위험 분석부(120)는 머신 러닝(Machine Learning) 및 딥 러닝(Deep Learning) 중 적어도 하나를 통해 제1 사고 정보, 작업 환경 정보 및 위험 정보를 분석하여 제1 사고 정보, 작업 환경 정보 및 위험 정보에 대한 통계값 및 패턴을 추출하고, 추출된 통계값 및 패턴을 이용하여 해당 작업의 작업 안전 대책 정보를 산출한다(S421). 이때, 제1 사고 정보는 중대 재해 여부, 최근 사고 빈도 정보 중 적어도 하나를 포함하고, 작업 환경 정보는 사업장, 부서, 공정, 설비, 작업 장소 및 작업 온도 정보 중 적어도 하나를 포함하고, 위험 정보는 작업 단계별 위험요인 및 해당 위험요인의 발생 빈도, 위험 강도 및 위험도 정보 중 적어도 하나를 포함할 수 있다. 예를 들어, 표 2에 표시된 바와 같이, 위험 분석부(120)는 BAF 공정의 BAF 유틸리티 설비를 이용하고 "냉연부 1냉연공장"에서 진행되고 "감전"이라는 위험요인을 갖는"BAF 유틸리티 교체작업"에 대해 머신 러닝(Machine Learning) 및 딥 러닝(Deep Learning) 중 적어도 하나를 이용한 분석을 통해 해당 작업에 대해 "차단 전 검전기 사용(통전 확인)"이라는 작업 안전 대책 정보를 산출할 수 있다.
이후, 작업 허가 등록 및 승인 단계(S420)에서, 위험 분석부(120)는 해당 작업에 대해 산출된 작업 안전 대책 정보 및 공도구 및 건설기계 안전 대책 정보를 포함하는 후보 작업 정보를 작업허가 데이터베이스(230)에 저장한다(S422). 구체적으로, 위험 분석부(120)는 해당 작업 중 발생한 사고 사례에 대한 정보인 제1 사고 정보, 해당 작업이 이루어지는 작업 환경에 대한 정보인 작업 환경 정보, 위험 평가부(110)에서 평가한 위험요인에 대한 정보인 위험 정보를 이용하여 산출된 작업 안전 대책 정보를 포함하는 후보 작업 정보를 작업 허가 데이터베이스(230)에 저장한다. 이때, 후보 작업 정보는 해당 작업에서 이용되는 공도구 및 건설기계의 공도구 및 건설기계 안전 대책 정보를 포함할 수 있다.
작업허가 데이터베이스(230)에 저장된 후보 작업 정보는 사용자에 의해 허가될 수 있다(S422). 작업 허가부(130)는 허가된 후보 작업 정보를 허가 작업 정보로 작업허가 데이터베이스(230)에 저장한다. 구체적으로, 이때 허가 작업 정보는 표 2에 표시된 바와 같이, 하나의 작업에 대해 "밀폐 공간", "일반 위험", "화기", "굴착", "유해물질 취급", "전기정전", "고소", "중량물공사", "제한구역 출입", "기타" 중 적어도 하나의 작업 구분, 해당 작업의 작업명, 작업 내용, 작업 공정명, 작업 장소, 작업 부서, 작업 담당 및 작업 업체에 대한 정보를 포함하는 해당 작업의 기본 정보, 및 위험 분석부(120)에 의해 산출된 해당 작업에 대한 위험요인의 안전 대책 및 작업자 준수 사항을 포함하는 작업 안전 대책 정보를 포함한다.
예를 들어, 표 2에 표시된 바와 같이, 작업 허가부(130)는 전술한 BAF 유틸리티 교체작업의 작업 구분을"일반 위험"으로 작업명으로 "BAF 유틸리티 교체작업"을, 작업내용으로 "BAF 유틸리티 교체공사 작업허가"를, 공정명으로 "BAF"를, 장소로 "냉연부 1냉연공장"을, 부서/담당으로 "냉연부 정비담당"을, 작업업체로 "가나정비"를 작업허가 데이터베이스(230)에 저장하고, 해당 작업에 대한 안전 대책으로 "차단전 검전기 사용(통전 확인)으로 감전사고 예방"을, 작업자 준수 사항으로 "현장 작업시 안전장갑 및 절연보호구 착용"을 작업허가 데이터베이스(230)에 저장할 수 있다.
또한, 표 2에 표시되지는 않았으나, 허가 작업 정보는 해당 작업에서 이용되는 공도구 및 건설기계의 공도구 및 건설기계 안전 대책 정보를 포함할 수 있다.
TBM 일지 생성 단계(S430)에서, TBM 일지 생성부(140)는 위험 정보, 작업 환경 정보 및 허가 작업 정보를 TBM 데이터베이스(240)에 연동시키고, TBM 데이터베이스(240)에 저장된 정보를 이용하여 TBM 일지를 생성한다. 구체적으로, TBM 일지 생성부(140)는 위험 데이터베이스(220)에 저장된 위험 정보, 작업 환경 정보 및 제1 사고 정보 및 작업허가 데이터베이스(230)에 저장된 허가 작업 정보를 TBM 데이터베이스(240)에 연동시켜, 위험 데이터베이스(220)에 저장된 위험 정보, 작업 환경 정보 및 제1 사고 정보 및 작업허가 데이터베이스(230)에 저장된 허가 작업 정보를 TBM 데이터베이스(240)에 저장한다. 예를 들어, 표 2에 표시된 바와 같이, TBM 일지 생성부(140)는 작업명으로 "BAF 유틸리티 교체작업"을, 장소로 "냉연부 1냉연공장"을, TBM 참여 협력사로 "가나 정비"를, TBM 참석/교육 이수자로 "A 반장, B 대리"를, 위험요인으로 "감전"을, 안전 대책으로 "차단전 검전기 사용(통전 확인)으로 감전사고 예방"을, 작업자 준수 사항으로 "현장 작업시 안전장갑 및 절연보호구 착용"을 TBM 데이터베이스(240)에 저장할 수 있다.
또한, TBM 일지 생성부(140)는 TBM 데이터베이스(240)에 저장된 정보를 이용하여 도 3에 도시된 바와 같이, TBM 일지를 생성한다. TBM 일지는 작업명, 장소, TBM 참여 협력사, TBM 참석/교육 이수자, 위험요인, 안전 대책 및 작업자 준수 사항 중 적어도 하나를 포함할 수 있다. 이에 따라, 해당 작업이 진행될 때, 해당 작업에 대해 산출된 작업 안전 대책 정보를 담당자들과 TBM을 통해 공유하여 해당 작업이 진행됨에 따라 발생할 수 있는 사고를 예방할 수 있다.
이하, 도 4 내지 도 5를 참조하여, 본 발명의 일 실시예에 따른 공도구 및 건설기계의 위험요인 관리 방법에 대해 상세히 설명한다.
도 4는 본 발명의 일 실시예에 따른 공도구 및 건설기계의 위험요인 관리 방법을 나타내는 플로우 차트를 개략적으로 보여주는 도면이고, 도 5는 본 발명의 일 실시예에 따른 공도구 및 건설기계의 위험요인 관리 방법을 통해 생성된 공도구 및 건설기계의 작업계획서 예시를 나타낸 도면이다.
도 4를 참조하면, 본 발명의 일 실시예에 따른 공도구 및 건설기계의 위험요인 분석을 통한 안전사고 예방 방법은 공도구 및 건설기계 정보 입력 단계(S210), 법정 안전 검사 기간 검증 단계(S220), 기계별 위험요인 및 대책 정보 입력 단계(S230) 및 기계별 위험요인 조회 단계(S240)를 포함한다. 이러한 공도구 및 건설기계 위험요인 분석을 통한 안전사고 예방 방법은 전술한 작업의 위험요인 분석을 통한 안전사고 예방 방법 실행 전 또는 동시에 실행될 수 있다.
| 단계 | 구분 | 내용 | 예시 |
| 공도구 및 건설기계 정보 입력 | 공도구 및 건설기계 분류 | 건설기계>타워크레인 건설기계>트럭 건설기계> 지게차 공도구> 드라이버 공도구>망치 공도구> 글라인더 차량계하역운반기계> 구내운반차 등 |
건설기계> 지게차 |
| 공도구 및 건설기계 정보 | 장비명, 검사유효기간, 제조사, 모델명, 사양, 운전원 | 장비명: 지게차, 검사유효기간: 3년 제조사: 현대, 모델명: 180D9 사양: 적재능력 18,000kg, 운전원: 김일 |
|
| 법적 안전 검사 주기 자동 검증 | 건설기계 대상 및 유효기간 | 굴착기(1년), 로더(2년), 지게차(2년), 덤프트럭(1년) 등 | 지게차(2년) |
| 건설기계 대상 및 유효기간 | 고소작업대(2년), 국소배기장치(3년), 리프트(2년) 등 | N/A | |
| 기계 관련 위험요인/대책 입력 | 반입하는 기계에 대한 위험요인과 안전 대책 | 위험요인 기계적 요인 > 기계.설비 설계 결함 기계적 요인 > 방호장치 불량 기계적 요인 > 사용 유틸리티 결함 기계적 요인 > 설비를 이용한 운반수단의 결함 물질.환경 요인 > 작업공간 불량 물질.환경 요인 > 가스,증기,미스트 및 취급 화학물질불량 인적 요인 >근로자 작업자세,동작 결함 관리적요인> 안전수칙 및 표지판 미게시 등 ※위험요인에 따라 안전 대책 등록 예) 운반수단의 결함→작업장 전.후.좌.우 시야 확보 |
(위험요인)운반수단의 결함 : 차량과 작업자의 충돌, 지반의 부동침하에 따른 차량 전복 (안전 대책) 백밀러 및 CCTV 등을 통해 후진 시 선명한 시야 확보, 유도자를 배치하여 지반의 부동침하를 방지함 |
우선, 공도구 및 건설기계 정보 입력 단계(S210)에서, 위험 분석부(120)는 법정 안전 검사 기간이 검증되지 않은 공도구 및 건설기계의 공도구 및 건설기계 기본정보를 공도구 및 건설기계 데이터베이스(210)에 저장할 수 있다. 이때, 표 3 및 도 5에 도시된 바와 같이, 공도구 및 건설기계 기본정보는 『산업안전보건기준에 관한 규칙 제38조』에 의거한 작업계획서, 공도구 및 건설기계의 장비명, 검사 유효 기간, 제조사, 모델명, 사양, 운전원 등의 정보 중 적어도 하나를 포함하고, 점검 정보 및 제2 사고 정보를 포함할 수 있다. 법정 안전 검사 기간 검증 단계(S220)에서, 위험 분석부(120)는 공도구 및 건설기계 데이터베이스(210)에 저장된 공도구 및 건설기계 기본정보를 이용하여 해당 공도구 및 건설기계의 법정 안전 검사 기간을 검증한다(S221). 현장에 반입되는 공도구 및 건설기계는 『산업안전보건법 제93조』에 의거하여 검사 유효기간에 대해 관리되어야 한다. 예를 들어, 표 3에 표시된 바와 같이, 굴착기는 1년의 검사 유효기간을 갖고, 로더는 2년의 검사 유효기간을 갖고, 지게차는 2년의 검사 유효기간을 갖고 덤프트럭은 1년의 검사 유효기간을 갖고, 고소 작업대는 2년의 검사 유효기간을 갖고, 국소배기장치는 3년의 검사 유효기간을 갖고, 리프트는 2년의 검사 유효기간을 갖는다. 이에 따라, 위험 분석부(120)는 기계별 법정 안전 검사 기간을 기준으로 공도구 및 건설기계 데이터베이스(210)에 저장된 공도구 및 건설기계 기본정보를 이용하여 법정 안전 검사 기간을 검증한다. 이때, 해당 기계의 법정 안전 검사 기간이 만료된 것으로 판별된 경우, 경고가 발생하고 유효 공도구 및 건설기계 기본정보로 저장되지 않을 수 있다(S222). 한편, 해당 공도구 및 건설기계의 법정 안전 검사 기간이 만료되지 않은 것으로 판별된 경우, 즉 해당 공도구 및 건설기계가 법정 안전 검사 기간 내에 안전 검사를 실시한 것으로 판별된 경우, 해당 기계의 공도구 및 건설기계 기본정보가 유효 공도구 및 건설기계 기본정보로 저장된다. 즉, 법정 안전 검사 기간이 유효한 공도구 및 건설기계에 대한 공도구 및 건설기계 정보만 유효 공도구 및 건설기계 기본정보로 공도구 및 건설기계 데이터베이스(210)에 저장될 수 있다.
본 발명의 일 실시예에 따르면, 공도구 및 건설기계의 법정 안전 검사 기간을 검증하여 법정 안전 검사 기간이 만료된 공도구 및 건설기계의 사용을 방지하여 이에 따른 사고를 예방할 수 있다.
기계별 위험요인 및 대책 정보 입력 단계(S230)에서, 위험 분석부(120)는 공도구 및 건설기계에 대한 위험요인을 이용하여 공도구 및 건설기계 안전 대책 정보를 산출하고, 산출된 공도구 및 건설기계 안전 대책 정보를 공도구 및 건설기계 데이터베이스(210)에 저장한다. 구체적으로, 위험 분석부(120)는 머신 러닝(Machine Learning) 및 딥 러닝(Deep Learning) 중 적어도 하나를 통해 정상적인 기계사진, 비정상적인 기계사진, 유효 공도구 및 건설기계 기본정보, 공도구 및 건설기계의 점검정보 및 제2 사고정보를 분석하여, 공도구 및 건설기계 안전 대책 정보를 산출하여 공도구 및 건설기계 데이터베이스(210)에 저장한다. 공도구 및 건설기계의 점검정보는 공도구 및 건설기계의 점검 이력 및 점검에 따른 개선 조치 정보 중 적어도 하나를 포함하고, 공도구 및 건설기계의 제2 사고 정보는 공도구 및 건설기계의 사고 개요 정보 및 사고 결과 정보 중 적어도 하나를 포함할 수 있다.
예를 들어, 화물자동차에 대한 공도구 및 건설기계 안전 대책 정보를 산출하기 위해, 위험 분석부(120)는 머신 러닝(Machine Learning) 및 딥 러닝(Deep Learning) 중 적어도 하나를 통해 해당 화물자동차의 정상적인 기계사진, 비정상적인 기계사진, 공도구 및 건설기계 기본정보를 포함하는 유효 공도구 및 건설기계 기본정보, 점검정보 및 제2 사고정보를 분석하여 화물자동차의"차량과 작업자의 충돌" 및 "지반의 부동침하에 따른 차량 전보"등의 위험요인에 대해"백미러 및 CCTV 등을 통해 후진시 선명한 시야 확보"및 "유도자를 배치하여 지반의 부동침하를 방지"의 공도구 및 건설기계 안전 대책 정보를 산출할 수 있다. 산출된 공도구 및 건설기계 안전 대책 정보는 공도구 및 건설기계 데이터베이스(210)에 저장되고, 산출된 공도구 및 건설기계 안전 대책 정보는 후보 작업 정보에 포함되고, 후보 작업 정보는 작업허가 데이터베이스(230)에 저장될 수 있다.
본 발명의 일 실시예에 따르면, 머신 러닝(Machine Learning) 및 딥 러닝(Deep Learning) 중 적어도 하나를 통해 정상적인 기계사진, 비정상적인 기계사진, 공도구 및 건설기계 기본정보를 포함하는 유효 공도구 및 건설기계 기본정보, 공도구 및 건설기계의 점검정보 및 제2 사고정보를 분석하여 공도구 및 건설기계에 대한 표준화된 안전 대책을 산출함에 따라 작업자의 숙련도에 따른 위험요인을 발굴하고, 해당 작업에 이용되는 공도구 및 건설기계에 대한 안전 대책의 수준을 평준화할 수 있다.
공도구 및 건설기계별 위험요인이력 조회 단계(S240)에서, 공도구 및 건설기계 데이터베이스(210)에 저장된 기계별 위험요인의 이력 및 공도구 및 건설기계 안전 대책 정보를 조회한다.
본 발명의 일 실시예에 따르면, 작업에 사용되는 각 공도구 및 건설기계별 위험요인 및 안전 대책을 산출하여, 해당 공도구 및 건설기계를 이용하여 작업이 진행되는 경우 해당 기계의 안전 대책을 준수하여 해당 공도구 및 건설기계의 위험요인에 의해 발생할 수 있는 사고를 예방할 수 있다.
본 발명이 속하는 기술분야의 당업자는 상술한 본 발명이 그 기술적 사상이나 필수적 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다.
그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로 이해해야만 한다. 본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 등가 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
본 명세서에 설명되어 있는 모든 개시된 방법들 및 절차들은, 적어도 부분적으로, 하나 이상의 컴퓨터 프로그램 또는 구성요소를 사용하여 구현될 수 있다. 이 구성요소는 RAM, ROM, 플래시 메모리, 자기 또는 광학 디스크, 광메모리, 또는 그 밖의 저장매체와 같은 휘발성 및 비휘발성 메모리를 포함하는 임의의 통상적 컴퓨터 판독 가능한 매체 또는 기계 판독 가능한 매체를 통해 일련의 컴퓨터 지시어들로서 제공될 수 있다. 상기 지시어들은 소프트웨어 또는 펌웨어로서 제공될 수 있으며, 전체적 또는 부분적으로, ASICs, FPGAs, DSPs, 또는 그 밖의 다른 임의의 유사 소자와 같은 하드웨어 구성에 구현될 수도 있다. 상기 지시어들은 하나 이상의 프로세서 또는 다른 하드웨어 구성에 의해 실행되도록 구성될 수 있는데, 상기 프로세서 또는 다른 하드웨어 구성은 상기 일련의 컴퓨터 지시어들을 실행할 때 본 명세서에 개시된 상기 방법들 및 절차들의 모두 또는 일부를 수행하거나 수행할 수 있도록 한다.
10: 안전사고 예방시스템 110: 위험 평가부
120: 위험 분석부 130: 작업 허가부
140: TBM 일지 생성부 210: 공도구 및 건설기계 데이터베이스
220: 위험 데이터베이스 230: 작업허가 데이터베이스
240: TBM 데이터베이스
120: 위험 분석부 130: 작업 허가부
140: TBM 일지 생성부 210: 공도구 및 건설기계 데이터베이스
220: 위험 데이터베이스 230: 작업허가 데이터베이스
240: TBM 데이터베이스
Claims (18)
- 작업에 대한 위험요인을 분석하여 안전사고를 예방하기 위한 방법으로서,
위험 분석부에서, 머신 러닝(Machine Learning) 및 딥 러닝(Deep Learning) 중 적어도 하나를 통해 상기 작업 중 발생한 사고 사례에 대한 정보인 제1 사고 정보, 상기 작업이 진행되는 환경에 대한 정보인 작업 환경 정보 및 상기 작업의 위험요인에 대한 정보인 위험 정보를 분석하여 통계값 및 패턴 중 적어도 하나를 추출하고, 추출된 통계값 및 패턴 중 적어도 하나를 이용하여 상기 작업의 안전 대책에 대한 정보인 작업 안전 대책 정보를 산출하는 단계;
상기 위험 분석부에서, 상기 작업에 사용되는 공도구 및 건설기계의 공도구 및 건설기계 기본정보를 이용하여 법정 안전 검사 기간을 검증하는 단계;
작업 허가부에서, 산출된 작업 안전 대책 정보를 포함하는 후보 작업 정보가 사용자의 허가를 통해 안전 대책으로 결정되는 단계; 및
TBM 일지 생성부가 상기 안전 대책으로 결정된 후보 작업 정보를 포함하는 허가 작업 정보를 이용하여 TBM 일지를 생성하는 단계; 를 포함하고,
상기 TBM 일지는 작업명, 장소, TBM 참여 협력사, TBM 참석/교육 이수자, 위험요인, 안전 대책 및 작업자 준수 사항 중 적어도 하나를 포함하는 것을 특징으로 하는 위험요인 분석을 통한 안전사고 예방방법. - 삭제
- 제1항에 있어서,
상기 제1 사고 정보는 중대 재해 여부 정보, 최근 사고 빈도 정보 중 적어도 하나를 포함하고, 상기 작업 환경 정보는 사업장, 부서, 공정, 설비, 작업 장소 및 작업 온도 정보 중 적어도 하나를 포함하고, 상기 위험 정보는 작업 단계별 위험요인 및 해당 위험요인의 발생 빈도, 위험 강도 및 위험도 정보 중 적어도 하나를 포함하는 것을 특징으로 하는 위험요인 분석을 통한 안전사고 예방방법. - 삭제
- 제1항에 있어서,
상기 위험 분석부에서, 상기 작업 안전 대책 정보를 산출하는 단계에서,
상기 후보 작업 정보는 작업허가 데이터베이스에 저장되고,
상기 산출된 작업 안전 대책 정보를 포함하는 허가 작업 정보가 안전 대책으로 결정되는 단계에서,
상기 허가 작업 정보는 상기 작업허가 데이터베이스에 저장되는 것을 특징으로 하는 위험요인 분석을 통한 안전사고 예방방법. - 제1항에 있어서,
상기 위험 분석부에서, 머신 러닝(Machine Learning) 및 딥 러닝(Deep Learning) 중 적어도 하나를 통해 공도구 및 건설기계의 정상적인 사진, 비정상적인 사진, 상기 공도구 및 건설기계 기본정보를 포함하는 유효 공도구 및 건설기계 기본정보, 점검 정보 및 제2 사고 정보를 분석하여 공도구 및 건설기계 안전 대책 정보를 산출하는 단계;를 포함하는 것을 특징으로 하는 위험요인 분석을 통한 안전사고 예방방법. - 제6항에 있어서,
상기 공도구 및 건설기계 기본정보는 공도구 및 건설기계의 장비명, 검사 유효기간, 모델명, 사양, 운전원 정보 중 적어도 하나를 포함하고, 상기 점검 정보는 각 공도구 및 건설기계의 점검 이력 및 점검에 따른 개선 조치 정보 중 적어도 하나를 포함하고, 상기 제2 사고 정보는 각 공도구 및 건설기계의 사고 개요 정보 및 사고 결과 정보 중 적어도 하나를 포함하는 것을 특징으로 하는 위험요인 분석을 통한 안전사고 예방방법. - 제6항에 있어서,
상기 위험 분석부에서, 상기 공도구 및 건설기계의 법정 안전 검사 기간을 검증하는 단계에서,
상기 위험 분석부에서, 상기 공도구 및 건설기계가 상기 법정 안전 검사 기간 내에 안전 검사를 실시한 것으로 판별한 경우, 상기 공도구 및 건설기계 기본정보는 유효 공도구 및 건설기계 기본정보로 공도구 및 건설기계 데이터베이스에 저장하는 것을 특징으로 하는 위험요인 분석을 통한 안전사고 예방방법. - 제8항에 있어서,
상기 위험 분석부에서, 상기 작업 안전 대책 정보를 산출하는 단계에서,
산출된 공도구 및 건설기계 안전 대책 정보는 상기 공도구 및 건설기계 데이터베이스에 저장되고,
상기 작업 안전 대책 정보 및 상기 공도구 및 건설기계 안전 대책 정보를 포함하는 후보 작업 정보는 작업허가 데이터베이스에 저장되는 것을 특징으로 하는 위험요인 분석을 통한 안전사고 예방방법. - 작업에 대한 위험요인을 분석하여 안전사고를 예방하기 위한 시스템으로서,
작업별 및 작업 단계별 위험을 평가하여 위험 정보를 생성하는 위험 평가부;
머신 러닝(Machine Learning) 및 딥 러닝(Deep Learning) 중 적어도 하나를 통해 상기 작업 중 발생한 사고 사례에 대한 정보인 제1 사고 정보, 상기 작업이 진행되는 환경에 대한 정보인 작업 환경 정보 및 상기 위험 정보를 분석하여 상기 작업에 대한 통계값 및 패턴 중 적어도 하나를 추출하고, 추출된 통계값 및 패턴 중 적어도 하나를 해당 작업의 안전 대책에 대한 정보인 작업 안전 대책 정보를 산출하고, 상기 작업 안전 대책 정보를 포함하는 후보 작업 정보를 생성하는 위험 분석부;
상기 후보 작업 정보에 대한 허가 작업 정보를 생성하는 작업 허가부; 및
상기 허가 작업 정보를 TBM(Tool Box Meeting) 데이터베이스에 연동시키고, 상기 TBM 데이터베이스에 저장된 허가 작업 정보를 이용하여 TBM 일지를 자동을 생성하는 TBM 일지 생성부; 를 포함하고,
상기 위험 분석부는,
상기 작업에 이용되는 공도구 및 건설기계에 대한 기본적인 정보를 포함하는 공도구 및 건설기계 기본정보를 이용하여 해당 공도구 및 건설기계의 법정 안전 검사 기간을 검증하고,
상기 TBM 일지는 작업명, 장소, TBM 참여 협력사, TBM 참석/교육 이수자, 위험요인, 안전 대책 및 작업자 준수 사항 중 적어도 하나를 포함하는 것을 특징으로 하는 위험요인 분석을 통한 안전사고 예방시스템. - 삭제
- 제10항에 있어서,
상기 위험 정보는 작업별 및 작업 단계별 위험요인, 해당 위험요인의 위험 빈도, 강도, 위험도 및 해당 위험요인에 대응하는 안전 대책 중 적어도 하나를 포함하는 것을 특징으로 하는 위험요인 분석을 통한 안전사고 예방시스템. - 제10항에 있어서,
상기 위험 정보는 위험 데이터베이스에 저장되고, 상기 후보 작업 정보는 작업허가 데이터베이스에 저장되는 것을 특징으로 하는 위험요인 분석을 통한 안전사고 예방시스템. - 제10항에 있어서,
상기 제1 사고 정보는 중대 재해 여부 정보, 최근 사고 빈도 정보 중 적어도 하나를 포함하고, 상기 작업 환경 정보는 사업장, 부서, 공정, 설비, 작업 장소 및 작업 온도 정보 중 적어도 하나를 포함하는 것을 특징으로 하는 위험요인 분석을 통한 안전사고 예방시스템. - 삭제
- 제10항에 있어서,
상기 위험 분석부는,
해당 공도구 및 건설기계가 법정 안전 검사 기간 내에 안전 검사를 실시한 것으로 판별된 경우, 해당 공도구 및 건설기계의 상기 공도구 및 건설기계 기본정보는 유효 공도구 및 건설기계 기본정보로 상기 공도구 및 건설기계 데이터베이스에 저장되는 것을 특징으로 하는 위험요인 분석을 통한 안전사고 예방시스템. - 제16항에 있어서,
상기 위험 분석부는,
머신 러닝(Machine Learning) 및 딥 러닝(Deep Learning) 중 적어도 하나를 통해 공도구 및 건설기계의 정상적인 사진, 비정상적인 사진, 상기 유효 공도구 및 건설기계 기본정보, 점검 정보 및 제2 사고 정보를 분석하여 공도구 및 건설기계 안전 대책 정보를 산출하고, 산출된 공도구 및 건설기계 안전 대책 정보를 공도구 및 건설기계 데이터베이스에 저장하고,
상기 후보 작업 정보는 산출된 공도구 및 건설기계 안전 대책 정보를 포함하는 것을 특징으로 하는 위험요인 분석을 통한 안전사고 예방시스템. - 제17항에 있어서,
상기 점검 정보는 각 공도구 및 건설기계의 점검 이력 및 점검에 따른 개선 조치 정보 중 적어도 하나를 포함하고, 상기 제2 사고 정보는 각 공도구 및 건설기계의 사고 개요 정보 및 사고 결과 정보 중 적어도 하나를 포함하는 것을 특징으로 하는 위험요인 분석을 통한 안전사고 예방시스템.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210041822A KR102564687B1 (ko) | 2021-03-31 | 2021-03-31 | 위험요인 분석을 통한 안전사고 예방방법 및 이를 이용한 안전사고 예방시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210041822A KR102564687B1 (ko) | 2021-03-31 | 2021-03-31 | 위험요인 분석을 통한 안전사고 예방방법 및 이를 이용한 안전사고 예방시스템 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20220135741A KR20220135741A (ko) | 2022-10-07 |
| KR102564687B1 true KR102564687B1 (ko) | 2023-08-07 |
Family
ID=83595800
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210041822A KR102564687B1 (ko) | 2021-03-31 | 2021-03-31 | 위험요인 분석을 통한 안전사고 예방방법 및 이를 이용한 안전사고 예방시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102564687B1 (ko) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102565424B1 (ko) * | 2022-12-29 | 2023-08-08 | 현대건설(주) | 증강현실 기반 건설장비의 안전교육 시스템 및 방법 |
| CN116151629B (zh) * | 2023-04-23 | 2023-07-18 | 山东佰腾云智能科技有限公司 | 一种基于人工智能的工程******及方法 |
| KR102672719B1 (ko) | 2023-05-26 | 2024-06-05 | 주식회사 바른건설 | 인공지능에 기반한 작업자 행동 패턴에 기반한 재해 예방 시스템 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101652099B1 (ko) | 2015-12-15 | 2016-08-29 | 한국가스안전공사 | 위험지도 기반 사고대응 및 사고예방 시스템 |
| JP2018049349A (ja) | 2016-09-20 | 2018-03-29 | イカリ消毒株式会社 | 事故予防管理システム |
| KR101983265B1 (ko) | 2018-10-10 | 2019-09-09 | (주)미래산업안전기술원 | 작업 현장의 안전 진단 관리 시스템 및 그 구동방법 |
| KR102195174B1 (ko) | 2020-06-08 | 2020-12-28 | 주식회사 휴랜 | 웨어러블 카메라를 이용한 건설안전 모니터링 시스템 |
| KR102235036B1 (ko) * | 2020-08-14 | 2021-04-01 | 주식회사 이도 | 건설 현장 안전 관리 시스템 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20120067468A (ko) * | 2010-12-16 | 2012-06-26 | 현대중공업 주식회사 | 선박 건조시 발생하는 안전사고 예방 시스템 |
| KR20120107195A (ko) * | 2011-03-21 | 2012-10-02 | 현대중공업 주식회사 | 선박 건조 시 발생하는 안전사고를 예방하기 위한 내/외업 안전관리시스템 |
| KR101955550B1 (ko) * | 2017-04-28 | 2019-03-08 | 서울대학교 산학협력단 | 건설 프로젝트의 전주기 위험요인 지식정보 서비스 시스템 |
| KR102214869B1 (ko) * | 2019-03-22 | 2021-02-10 | 안치상 | Tbm 전산화 및 안전 시스템 및 그의 제어 방법 |
-
2021
- 2021-03-31 KR KR1020210041822A patent/KR102564687B1/ko active IP Right Grant
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101652099B1 (ko) | 2015-12-15 | 2016-08-29 | 한국가스안전공사 | 위험지도 기반 사고대응 및 사고예방 시스템 |
| JP2018049349A (ja) | 2016-09-20 | 2018-03-29 | イカリ消毒株式会社 | 事故予防管理システム |
| KR101983265B1 (ko) | 2018-10-10 | 2019-09-09 | (주)미래산업안전기술원 | 작업 현장의 안전 진단 관리 시스템 및 그 구동방법 |
| KR102195174B1 (ko) | 2020-06-08 | 2020-12-28 | 주식회사 휴랜 | 웨어러블 카메라를 이용한 건설안전 모니터링 시스템 |
| KR102235036B1 (ko) * | 2020-08-14 | 2021-04-01 | 주식회사 이도 | 건설 현장 안전 관리 시스템 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20220135741A (ko) | 2022-10-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102564687B1 (ko) | 위험요인 분석을 통한 안전사고 예방방법 및 이를 이용한 안전사고 예방시스템 | |
| Holt | Principles of construction safety | |
| Reniers et al. | Developing an external domino accident prevention framework: Hazwim | |
| Chua et al. | Incident causation model for improving feedback of safety knowledge | |
| Aneziris et al. | Quantification of occupational risk owing to contact with moving parts of machines | |
| EP0803098A1 (en) | Computer-aided methods and apparatus for assessing an organizational process or system | |
| KR20220135742A (ko) | 안전 관리비 통합 관리부를 포함하는 작업 안전 관리 시스템 및 그 방법 | |
| Supriyatna et al. | Occupational safety and health risk in building construction project: literature review | |
| Mei Dina et al. | Occupational Health and Safety Risk Analysis in Construction Projects: A Systematic Literature Review | |
| Hasheminejad et al. | Hazard Identification and Risk Assessment of Occupational Activities in Golgohar Mining Company, Southeast Iran (2021) | |
| Abduladeem et al. | Occupational Health and Safety, Risk Assessment, and Management in the Machinery Sector | |
| SARKHEIL et al. | An innovative neglected invisible hazard identification (NIHI) at workplaces; the case of athletics Hall boroujen-Iran | |
| KR20070099380A (ko) | 설비 위험등급 평가시스템 | |
| Bluff et al. | Enforcing upstream: Australian health and safety inspectors and upstream duty holders | |
| Erdil | The importance of workplace-occupational safety in the perspective of enterprise sustainable development and performance | |
| Othman et al. | HSE Management System for Hotwork Operation at High Elevation in Shipbuilding Project | |
| Chhillar et al. | Safety Management with Application of Internet of Things, Artificial Intelligence, and Machine Learning for Industry 4.0 Environment | |
| Othman et al. | HSE management system at high elevation in shipbuilding project | |
| Swartz | Job hazard analysis: a guide to identifying risks in the workplace | |
| Karimi | Understanding the Control of Hazardous Energies on Machinery: Using Lockout and Alternative Methods in Organizations and Developing A Selfaudit Tool | |
| Yoon et al. | Establishment of safety management measures for major construction workers through the association rule mining analysis of the data on construction accidents in Korea | |
| Prakoso et al. | Occupational health and safety risk analysis on crane operation at PT. X using the structured What-If technique method | |
| Sinha et al. | Prevention through Design in major construction projects–Case study from Tata Steel | |
| Panta et al. | A new managerial approach to safety at workplace in warehousing systems: A case study | |
| Nowak-Senderowska et al. | Using the potential of the employees' expertise and awareness of occupational hazards in the mining industry |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| AMND | Amendment | ||
| E601 | Decision to refuse application | ||
| AMND | Amendment | ||
| X701 | Decision to grant (after re-examination) | ||
| GRNT | Written decision to grant |