WO2022265375A1 - 건설 현장 위험성 예측 방법 및 이를 실행하는 서버 - Google Patents

건설 현장 위험성 예측 방법 및 이를 실행하는 서버 Download PDF

Info

Publication number
WO2022265375A1
WO2022265375A1 PCT/KR2022/008439 KR2022008439W WO2022265375A1 WO 2022265375 A1 WO2022265375 A1 WO 2022265375A1 KR 2022008439 W KR2022008439 W KR 2022008439W WO 2022265375 A1 WO2022265375 A1 WO 2022265375A1
Authority
WO
WIPO (PCT)
Prior art keywords
risk
work
type
accident
construction site
Prior art date
Application number
PCT/KR2022/008439
Other languages
English (en)
French (fr)
Inventor
안재현
장현
조재연
김영환
김철민
정재웅
안예빈
이아미
허동영
홍초희
Original Assignee
에스케이에코플랜트(주)
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 에스케이에코플랜트(주) filed Critical 에스케이에코플랜트(주)
Publication of WO2022265375A1 publication Critical patent/WO2022265375A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/248—Presentation of query results
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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

Definitions

  • the present invention relates to a construction site risk prediction method and a server that executes the same. It relates to a construction site risk prediction method and a server that executes the method.
  • construction sites Unlike other work sites where major work is performed in a certain space, construction sites have a very difficult safety management problem due to various space and environmental conditions, such as a vast external space, location conditions for working at heights, and closed spaces such as manholes. .
  • the prior art provides personal use of expensive devices such as a separate smartphone, PDA or tablet PC for wireless communication to workers who do not use smartphones or who have limited ability to use smartphones during actual working hours. There is a problem that it is practically impossible to pay separately.
  • the prior art has a problem in that it is difficult to immediately propagate such a dangerous situation when the worker's smart phone only receives a danger signal and recognizes the dangerous situation of the worker himself or the surrounding workers or the construction site individually.
  • the present invention enables to improve the reliability of work risk assessment information such as risk factors, risk levels, and safety measures for each type of work through analysis of past accident cases, and in particular, to reflect the changing construction method and industrial environment according to the times, the latest three-year accident
  • An object of the present invention is to provide a construction site risk prediction method that evaluates risk by giving weight to cases and a server that executes the method.
  • the present invention is a construction site risk prediction that predicts the risk of the corresponding (unit) construction site by inputting variables (site type, site size, construction progress rate, climate, etc.) that can reflect the site characteristics that change every day.
  • An object of the present invention is to provide a method and a server that executes the method.
  • the construction site risk prediction server stores accident risk assessment information for each type of work, and updates the public data of accident cases on a monthly basis to continuously revise the accident risk assessment database.
  • a risk assessment unit that extracts risk factors and safety measures corresponding to the risk assessment level, generates evaluation result data, and then stores the data in the new risk assessment database.
  • the construction site risk prediction method executed on the construction site risk prediction server receives keywords corresponding to construction site conditions and work contents, and accident risk assessment information for each work type is stored, and accident case public data is updated on a monthly basis. Extracting risk assessment information corresponding to the keyword from an accident risk assessment database that is continuously modified, calculating a risk assessment grade for each work type by applying a weight determined according to the accident occurrence time for each work type to the risk assessment information, Step of calculating the risk assessment grade for each work type, Step of generating evaluation result data by extracting risk factors and safety measures corresponding to the risk evaluation grade for each work type from the risk evaluation standard model in which risk factors and safety measures corresponding to each risk evaluation grade are stored, and the evaluation result data and storing in a new risk assessment database.
  • the risk of the corresponding (unit) construction site can be predicted by the user inputting variables (site type, site size, construction progress rate, climate, etc.) that can reflect the daily changing site characteristics. there is.
  • FIG. 1 is a network configuration diagram illustrating a construction site risk prediction system according to an embodiment of the present invention.
  • FIG. 2 is a network configuration diagram illustrating a construction site risk prediction system according to another embodiment of the present invention.
  • FIG. 3 is a network configuration diagram illustrating a construction site risk prediction system according to another embodiment of the present invention.
  • FIG. 4 is a network configuration diagram illustrating a construction site risk prediction system according to another embodiment of the present invention.
  • FIG. 5 is a block diagram for explaining the internal structure of a construction site risk prediction server according to an embodiment of the present invention.
  • FIG. 6 is a flowchart for explaining an embodiment of a construction site risk prediction method according to the present invention.
  • FIG. 7 to 10 are exemplary diagrams for explaining a construction site risk prediction process according to the present invention.
  • FIG. 11 is a flowchart for explaining another embodiment of a construction site risk prediction method according to the present invention.
  • FIG. 1 is a network configuration diagram illustrating a construction site risk prediction system according to an embodiment of the present invention.
  • the construction site risk prediction system includes a construction site risk prediction server 100 , a worker terminal 200 and a manager terminal 300 .
  • the construction site risk prediction server 100 includes an education completion information database 110, a license database 111, a career information database 112, a worker database 113, and a health examination database 114.
  • the construction site risk prediction server 100 receives and stores worker profile information from the worker terminal 200 through communication with the worker terminal 200 .
  • worker profile information may include personal information, career, education history, health checkup history, and the like.
  • the construction site risk prediction server 100 provides a training completion information registration process to the worker terminal 200 before the worker goes to work, and receives training completion information through the training completion information registration process.
  • the education completion information may include a name, a date of birth, a registration number, a date of completion, a photograph of the certificate of completion, and the like for each certificate of education completion.
  • the above training certificate is a certificate issued after completing training on construction site safety management, and may include a basic health certificate.
  • an authenticity determination code for determining authenticity may be inserted into the above education certificate and issued. That is, when printed by an educational completion issuing institution, pixel spaces of different sizes corresponding to authenticity/counterfeit codes are output together and issued.
  • the construction site risk prediction server 100 can determine the authenticity of the education certificate by using the authenticity determination code received from the education certificate issuing institution server.
  • the construction site risk prediction server 100 analyzes the pixels in the process of scanning to determine the authenticity of the education certificate, the pixel space corresponding to the authenticity determination code can be extracted because the values of the pixels are different. .
  • the construction site risk prediction server 100 extracts a plurality of pixel spaces from the training certificate in the process of scanning and analyzing the training certificate, and then generates a genuine/false discrimination code using binary values indicated by the dotted dots in the plurality of pixel spaces. can do.
  • the construction site risk prediction server 100 extracts 1 pixel space composed of 4 points and 6 pixel spaces composed of 8 points, the pixel space composed of 4 points is recognized as 1, and 8 By recognizing a pixel space made up of dots as 0, the authenticity determination code “1000000” can be generated.
  • the construction site risk prediction server 100 extracts 2 pixel spaces of 6 points and 3 pixel spaces of 8 points, the pixel space of 6 points is recognized as 1, and 8 A pixel space composed of points is recognized as 0 to generate the authenticity determination code “11000”.
  • the construction site risk prediction server 100 may compare the authenticity determination code and the previously received authenticity determination code to determine the authenticity of the training certificate.
  • the construction site risk prediction server 100 calculates the effective time and training time for each training using the training completion information recorded on the training completion certificate after determining whether the training completion certificate is authentic, and then lists the training types for each worker. And the authentication time is stored in the education completion information database 110 .
  • the accumulated education time is updated by reflecting the education time to the previously accumulated accumulated education time.
  • the construction site risk prediction server 100 After that, the construction site risk prediction server 100 generates a worker education list and provides the worker education list to the workplace terminal 200 through the manager terminal 300 .
  • the worker training list may include a manager, company, site, date, name, date of birth, whether or not a new person has completed training, an effective period, whether to go to work, a list of required training, whether or not required training has been completed.
  • the construction site risk prediction server 100 receives attendance authentication information from the worker terminal 200, and after the worker's training is performed according to the worker training list from the manager terminal 300, the training proof photo and training proof information A training completion confirmation request message including a is received.
  • the attendance certification information may include the name of the worker and the name of the supervisor, and the training proof information is the training category, training target, work type name, training date, training location, training time, training manager (manager, etc.), training content etc. may be included.
  • the construction site risk prediction server 100 certifies attendance by using the attendance authentication information in the training completion confirmation request message, extracts training evidence information, and then provides training for each worker stored in the training completion information database 110 using the training evidence information. Updates the type list and cumulative time.
  • the construction site risk prediction server 100 calculates the effective time and training time for each training using the training evidence information, updates the training type list for each worker using the training type, and calculates the accumulated time using the certification time. It is updated and stored in the education completion information database 110 for each worker.
  • the construction site risk prediction server 100 provides a qualification acquisition information registration procedure to the worker terminal 200, receives the qualification acquisition information through the qualification acquisition information registration procedure, and transfers the qualification acquisition information for each worker to the qualification database 111. save to
  • the certificate acquisition information includes essential and optional information for each certificate, and the essential information includes title, name, nationality, resident registration number, address, nationality, date of issuance, aptitude test, expiration date, license in possession, and photo evidence
  • the selection information may include an insurance policy, a business registration certificate, an equipment registration certificate (eg, a result of a non-destructive test of a crane, a pump car, etc.), a photograph of evidence, and the like.
  • the above qualification is a qualification issued after certification of technology usable at a construction site through a test, and may include a mechanical pilot and the like.
  • an authenticity determination code for determining authenticity may be inserted and issued. That is, when a certificate is issued by an institution, pixel spaces of different sizes corresponding to authenticity/counterfeiting codes are output together and issued.
  • the construction site risk prediction server 100 can determine whether the certificate is authentic or not by using the authenticity determination code received from the certificate test host organization server.
  • the construction site risk prediction server 100 analyzes pixels to determine the authenticity of an evidence photo such as a license, the pixel space corresponding to the authenticity determination code can be extracted because the values of the pixels are different.
  • the construction site risk prediction server 100 extracts a plurality of pixel spaces from the proof photos, such as license certificates, in the process of scanning and analyzing proof photos, such as license certificates, and then uses binary values indicated by dotted dots in the plurality of pixel spaces. Thus, an authenticity determination code can be generated.
  • the construction site risk prediction server 100 extracts 1 pixel space composed of 4 points and 6 pixel spaces composed of 8 points, the pixel space composed of 4 points is recognized as 1, and 8 By recognizing a pixel space made up of dots as 0, the authenticity determination code “1000000” can be generated.
  • the construction site risk prediction server 100 extracts 2 pixel spaces of 6 points and 3 pixel spaces of 8 points, the pixel space of 6 points is recognized as 1, and 8 A pixel space composed of points is recognized as 0 to generate the authenticity determination code “11000”.
  • the construction site risk prediction server 100 may compare the authenticity determination code and the previously received authenticity determination code to determine authenticity of the certificate. As described above, the construction site risk prediction server 100 stores certification acquisition information for each worker in the certification database 111 after the authenticity of the certification is determined.
  • the construction site risk prediction server 100 uses the certification acquisition information for each worker stored in the certification database 111 to determine if the period remaining until the expiration date of each valid period of certification or equipment registration is less than a specific period, the manager terminal 300 ) can provide a notification message for the expiration of the validity period of the license.
  • the construction site risk prediction server 100 receives a past career registration request message including career information from the worker terminal 200, after extracting career information from the past career registration request message, the career information for each worker is stored in the career information database. Save to (112).
  • the career information may include the number of days worked, type of work, ordering party (eg, company), type of project (eg, civil engineering, construction, plant, etc.), manager, detailed type of work, and the like.
  • the construction site risk prediction server 100 when receiving the experienced person search request message from the manager terminal 300, extracts workers from the career information database 112 according to the experienced person search request message, and then guides the experienced person including the career information. provide a message. In this way, the construction site risk prediction server 100 provides career information together so that business operators can refer to the project arrangement of workers based on the career information.
  • the construction site risk prediction server 100 checks the career and updates the career information for each worker stored in the career information database 112 .
  • the construction site risk prediction server 100 generates a list of workers using the worker information for each worker stored in the worker database 113 and the health checkup target stored in the health checkup database 114, and then the hospital server ( Not shown) provides a health checkup reservation message for reserving a health checkup for workers on the worker list.
  • the list of workers may include a checkup type for each worker, a next checkup date, a scheduled checkup institution, a desired checkup reservation date, and the like.
  • the construction site risk prediction server 100 recognizes the examination result document issued by the hospital server 500, generates examination results from the examination result document, and then stores the examination results for each worker in the worker database 113 .
  • FIG. 2 is a network configuration diagram illustrating a construction site risk prediction system according to another embodiment of the present invention.
  • the construction site risk prediction system includes a construction site risk prediction server 100 , a manager terminal 300 and a Korea Meteorological Administration server 400 .
  • the construction site risk prediction server 100 includes an accident risk assessment database 120, a risk assessment standard model 121, a risk assessment database 122, a site risk characteristic prediction model 123, and an accident case database 124. .
  • the construction site risk prediction server 100 generates risk evaluation results for each type of work based on the accident risk evaluation database 120 and the risk evaluation standard model 121 .
  • the accident risk evaluation database 120 stores accident frequency ratios for each work type, accident occurrence intensity ratios for each work type, and details for each disaster.
  • the details of each disaster may include the process, artifact, accident type, unit work, number of victims (death/injury), site location, construction type, construction amount, and completion rate.
  • Risk factors for each type of work and safety measures for each risk factor are stored in the risk evaluation standard model 121 .
  • the accident risk assessment database 120 corresponds to an accident by work type corresponding to the keyword. Extract the frequency ratio, accident intensity ratio by work type, and details by disaster.
  • the above keywords may be determined by process, accident person, accident type, unit work content, and the like.
  • the construction site risk prediction server 100 calculates the risk evaluation result for each work type using the accident frequency ratio and accident intensity ratio for each work type.
  • the construction site risk prediction server 100 measures the risk for each work type by using the accident occurrence frequency ratio for each work type and the accident occurrence intensity ratio for each work type extracted from the new risk evaluation database 122 based on [Equation 1]. ratings can be calculated.
  • the risk evaluation database 122 stores the accident frequency ratio and accident intensity ratio for each work type, and may be automatically updated as the application is used.
  • Part_Danger_level Risk evaluation level by work type
  • the accident frequency rate (Danger_fre_rate) by work type is calculated by [Equation 2] below
  • the accident intensity rate (Danger_str_rate) by work type is calculated by [Equation 3] below
  • the weight (Danger_W) determined by the time of accident for each construction type is assigned a higher weight as the time of accident is closer to the present time for cases where the time of accident does not exceed 3 years from the present time.
  • a pre-determined weight (e.g., “1”) is assigned to cases in which the current time exceeds 3 years.
  • part_victim accident index by work type
  • the accident index (part_victim) and the total accident index (total_victim) for each type of work may be determined by the details of each disaster (ie, the number of victims) extracted from the new risk assessment database 122.
  • part_dead_people_rate Calculated by [Equation 4] as the death rate for each type of work
  • part_injured_people_rate Calculated by [Equation 5] as the ratio of injured people by work type
  • part_dead_people_rate (part_dead_people / total_dead_people) ⁇ 100
  • part_dead_people_rate Rate of death by type of work
  • part_dead_people Number of deaths by type of work
  • total_dead_people total number of dead people
  • the number of deaths by type of work (part_dead_people) and the total number of deaths (total_dead_people) may be determined by the details of each disaster extracted from the new risk assessment database 122 (ie, deaths among the number of victims).
  • part_dead_people_rate Percentage of injured people by work type
  • part_dead_people Number of injured people by type of work
  • total_dead_people total number of dead people
  • the number of injured people by work type (part_dead_people) and the total number of injured people (total_dead_people) may be determined by the details of each disaster extracted from the new risk assessment database 122 (ie, the injured among the number of injured people).
  • the risk evaluation grade for each type of work calculated through [Equation 1] to [Equation 5] may be as shown in [Table 1] below.
  • the construction site risk prediction server 100 determines the risk factor corresponding to the risk evaluation grade for each work type in the risk evaluation standard model 121. and safety measures for each risk factor are extracted.
  • the construction site risk prediction server 100 generates risk evaluation result data using risk evaluation grades, risk factors, and safety measures for each risk factor, and then stores the risk evaluation result data in the new risk evaluation database 124. do.
  • the construction site risk prediction server 100 predicts risk by reflecting the risk evaluation result data, site information, and risk evaluation index for each construction cycle based on the site risk characteristic prediction model. generate data
  • the site information above may include site address, construction type, construction scale (amount), construction period, master schedule/construction permit information for each construction cycle: site location, actual start date, main use code name, etc.
  • the site risk characteristic prediction model 123 is the site location, construction type, construction scale, weather, process progress, delay, patrol data by work type (Patrol Data), patrol data by accident type (Patrol Data), compared to all workers The safety score ratio for each site worker and work team is stored.
  • ConstructionPeriod_Danger_value PastPart_Danger_value + weight
  • ConstructionPeriod_Danger_value Risk evaluation index for each construction period
  • PastPart_Danger_value risk evaluation index for each construction type in the past
  • the field risk characteristic weight may be changed according to fixed factors, variable factors, and field inappropriate matters.
  • Fixed factors include site location, type of construction, and scale of construction, and variable factors include weather information received from the Korea Meteorological Administration server 400 and progress and delay against a predetermined schedule.
  • Site nonconformities refer to site nonconformities pointed out by the site manager.
  • field nonconformities may include failure to fasten safety rings.
  • the risk evaluation index for each construction cycle is changed by changing the site risk characteristic weight according to the fixed factor, the variable factor, and the field unsuitability.
  • FIG. 3 is a network configuration diagram illustrating a construction site work management system according to another embodiment of the present invention.
  • the construction site work management system includes a construction site work management server 100 and an inspector terminal 500, and the inspector terminal 500 includes a manager terminal 300 and a supervisor terminal 600. .
  • the construction site work management server 100 includes a work permit database 130 and a site subscriber database 131 .
  • the construction site work management server 100 provides a work permit work procedure to the manager terminal 300 based on the work permit database 130 and the site subscriber database 131 .
  • the work permit database 130 includes a checklist for each work permit
  • the field subscriber database 131 stores the names and affiliations of each manager and the names and affiliations of each worker.
  • the construction site work management server 100 creates a work permit list using the work permit.
  • the work permit generated by the manager may include the permit number, date, company name, work details for each type of work, work place, input number of people, work hours, work conductor, input device, workers, and the like.
  • the construction site work management server 100 provides work details, work places, input personnel, work hours, work conductors, input devices, workers, and work permit targets (ie, dangerous work permits, general work permits) for each work type of the work permit. , permit types (ie, special, hazardous, general), construction company inspection personnel, etc. are used to create a list of work permits.
  • This list of work permits is a table in which lists are created for each type of work permit so that work permits can be intuitively checked.
  • the construction site work management server 100 when the work permit list is approved by the manager, the construction site work management server 100 generates a work permit approval list and stores it in the work permit database 130, and then sends the work permit assignment details to the inspector terminal 900 ) is provided.
  • the construction site work management server 100 receives the work permit checklist generated according to the work permit assignment details, it stores the work permit checklist in the work permit database 130 .
  • the work permit database 130 includes work permit inspection results, inspectors, inspection time, photos, details, and the like.
  • the construction site work management server 100 provides a work termination request message to the manager terminal 300 when the work permit check is completed, and after work termination is registered, the work permit termination details are stored in the work permit database 130. Save.
  • the manager terminal 300 selects a work stop or correction request through a nonconformity registration procedure when a nonconformity is found during inspection of a specific work on the work permit list received from the construction site work management server 100 .
  • the manager terminal 300 If, after a nonconformity is found, the manager terminal 300 provides a work stop request message to different manager terminals if work stop is selected after a nonconformity is found, and if a correction request is selected after a nonconformity is found, a correction request message is sent to different administrators. provided to the terminal.
  • the manager terminal 300 After receiving the work permit work procedure from the construction site risk prediction server 100, the manager terminal 300 generates a work permit through the work permit work procedure. At this time, the manager terminal 300 inputs the permit number, date, company name, work details for each type of work, work place, input number of people, work time, work conductor, input device, and workers through the work permit work procedure to generate a work permit.
  • the inspector terminal 900 performs an inspection based on the list of work permits received from the construction site risk prediction server 100 .
  • the inspector terminal 900 inputs a detailed check list, photos, and inspection results through an inspection result input procedure for each inspection target item for each work type based on the work permit. After that, the inspector terminal 900 may provide any one of an inspection completion message, a work suspension notification message, and a work partial supplement request message to different manager terminals according to the inspection result.
  • the inspector terminal 900 may provide an inspection completion message to the corresponding work type manager terminal and worker terminals when the inspection result is “good”.
  • the inspector terminal 900 may provide a work stop notification message to the corresponding process manager terminal and worker terminals when the inspection result is “defective”.
  • the inspector terminal 900 may provide a part of work supplementation request message to the corresponding process manager terminal and worker terminals when the inspection result is "when supplementing other".
  • FIG. 4 is a network configuration diagram illustrating a construction site risk prediction system according to another embodiment of the present invention.
  • the construction site risk prediction system includes a construction site risk prediction server 100 and an inspector terminal 500, and the inspector terminal 500 includes a manager terminal 300 and an inspector terminal 600. .
  • the construction site risk prediction server 100 provides an unsafe behavior input procedure for each worker stored in the worker database 113 to the inspector terminal 500 .
  • the unsafe behavior input procedure for each worker is a procedure for inputting the unsafe behavior of the worker when a behavior corresponding to a predetermined unsafe behavior is found among the behaviors of the worker working at the construction site.
  • the predetermined unsafe behavior refers to an behavior capable of increasing the probability of occurrence of a disaster type based on the disaster type.
  • the unsafe behavior input procedure can input the manager, work team, worker, accident type, details, photos, etc. hitting an object, bumping into, unbalanced and unreasonable motion, lack of oxygen, cutting/cutting/cutting, fire/explosion), a list of unsafe behaviors corresponding to the type of accident is provided, At least one non-safety action can be selected.
  • the construction site risk prediction server 100 displays “1) not wearing a safety belt or not fastening a safety ring when working at a height of 2m or more as a list of unsafe actions corresponding to “falling”. ) Arbitrary disassembly of safety facilities in the fall hazard area”, etc., so that workers can select at least one unsafe behavior corresponding to the unsafe behavior.
  • the construction site risk prediction server 100 provides “1) unauthorized access within the working radius of the equipment” as a list of unsafe actions corresponding to “getting in” when “getting in” is selected among the types of disasters, so that workers At least one unsafe behavior corresponding to the unsafe behavior may be selected.
  • the construction site risk prediction server 100 provides “1) trespassing to confined spaces” as a list of unsafe actions corresponding to “oxygen deficiency” when “oxygen deficiency” is selected among the types of disasters to prevent workers from At least one unsafe behavior corresponding to the unsafe behavior may be selected.
  • the construction site risk prediction server 100 receives corrective action information (eg, manager, work team) from the manager terminal 300 among the inspector terminals 500. , disaster type, before and after action photos) are received and stored in the action item database 140 . Conversely, the construction site safety management server 100 provides a procedure for deregistering nonconformities when it is determined that the content pointed out as nonconformity is unreasonable.
  • corrective action information eg, manager, work team
  • the construction site safety management server 100 provides a procedure for deregistering nonconformities when it is determined that the content pointed out as nonconformity is unreasonable.
  • the construction site risk prediction server 100 provides a safety report report procedure to the worker terminal 1300, receives details, photos, and safety accident-related contents through the safety report report procedure and provides them to the manager terminal 300. do.
  • the manager terminal 300 of the inspector terminal 500 receives the unsafe behavior input procedure for each worker from the construction site risk prediction server 100, the manager, work team, worker, accident type, and details are entered through the unsafe behavior input procedure for each worker. Receive content, photos, etc.
  • the manager terminal 300 among the inspector terminals 500 generates a corrective action document based on the information received through the unsafe behavior input procedure for each worker, and then provides the corrective action document to the manager terminal 300 .
  • the manager terminal 300 among the inspector terminals 500 generates a corrective action document for preventing the occurrence of the corresponding accident type based on the accident type received through the unsafe behavior input procedure for each worker, and then writes the corrective action document. It is provided to the manager terminal 300 .
  • the manager terminal 300 among the inspector terminals 500 creates corrective action information (eg, manager, work team, type of disaster, before and after action photos) and constructs It is provided to the site risk prediction server 100.
  • corrective action information eg, manager, work team, type of disaster, before and after action photos
  • the inspector terminal 500 and the manager terminal 300 generate safety inspection diaries using the unsafe behavior and input information collected through the unsafe behavior input procedure.
  • the inspector terminal 500 and the manager terminal 300 reflect the unsafe behavior input by the manager among the supervisors in the safety inspection log of the corresponding worker, and reflect the corrective actions input by the inspection team among the supervisors in the safety inspection log. .
  • manager terminal 300 among the inspector terminals 500 receives details, photos, and safety accident-related contents from the construction site risk prediction server 100 through the safety reporting report procedure, it is determined whether to adopt the safety reporting report and construction It is provided to the site risk prediction server 100.
  • the contents of the safety report are stored in the corresponding worker database 113, and the contents of the safety report (that is, site, whether to be adopted, disaster type, detailed contents, photos, etc.) are stored in the safety newspaper database 411.
  • the manager terminal 300 among the inspector terminals 500 generates a corrective action document for preventing the occurrence of the corresponding disaster type based on the matched disaster type through a disaster type matching process, and then writes the corrective action document to the manager terminal ( 300) is provided.
  • the manager terminal 300 among the inspector terminals 500 creates corrective action information (eg, manager, work team, type of disaster, before and after action photos) and constructs It is provided to the site risk prediction server 100.
  • corrective action information eg, manager, work team, type of disaster, before and after action photos
  • the construction site risk prediction server 100 stores the unsafe behavior in the database of the worker providing the cause or the corresponding company entered together when the relevant negligence information is input.
  • FIG. 5 is a block diagram for explaining the internal structure of a construction site risk prediction server according to an embodiment of the present invention.
  • the construction site risk prediction server 100 includes an accident risk evaluation database 120, a risk evaluation standard model 121, a new risk evaluation database 122, a site risk characteristic prediction model 123, and a new risk It includes an evaluation database 124, a risk evaluation unit 125, and a site risk prediction unit 126.
  • the accident risk evaluation database 120 stores accident frequency ratios for each work type, accident intensity ratios for each work type, and details for each disaster.
  • the details of each disaster may include the process, artifact, accident type, unit work, number of victims (death/injury), site location, construction type, construction amount, and completion rate.
  • Risk factors for each type of work and safety measures for each risk factor are stored in the risk evaluation standard model 121 .
  • Risk factors for each type of work and safety measures for each risk factor are stored in the risk evaluation standard model 121 .
  • the risk assessment database 122 stores accident risk assessment information for each type of work.
  • the site risk characteristics prediction model (123) includes site location, construction type, construction scale, weather, process progress, delay, patrol data by work type, patrol data by accident type, and field workers compared to all workers. and safety score ratios for each work team are stored.
  • the new risk evaluation database 124 stores risk evaluation result data including risk evaluation grades, risk factors, and safety measures for each risk factor.
  • the accident risk assessment database 120 corresponds to the accident frequency rate by work type, accident intensity rate by work type, and details by disaster. extract the content
  • the above keywords may be determined by process, accident person, accident type, unit work content, and the like.
  • the risk evaluation unit 125 calculates the risk evaluation result for each work type using the accident frequency ratio and accident intensity ratio for each work type.
  • the risk evaluation unit 125 may calculate the risk evaluation grade for each work type using the accident frequency ratio and accident intensity ratio for each work type extracted from the risk evaluation database 122 .
  • the risk evaluation unit 125 calculates the accident frequency ratio for each work type according to the accident frequency ratio for each work type, the accident index for each work type, and the total accident index.
  • the above accident index for each type of work and the total disaster index may be determined by the details of each disaster (ie, the number of victims) extracted from the risk evaluation database 122 .
  • the risk assessment unit 125 calculates an accident intensity rate for each work type using the fatality rate for each work type and the injured person rate for each work type.
  • the above fatality rate by work type is calculated according to the number of deaths by work type and the total number of deaths, and the number of deaths by work type and the total number of deaths (total_dead_people) are details of each disaster extracted from the risk assessment database 122 (ie, among the number of injured persons). death) can be determined.
  • the above ratio of injured persons by work type is calculated according to the number of injured persons by work type and the total number of injured persons, and the number of injured persons by work type and the total number of injured persons are calculated according to the details of each disaster extracted from the risk assessment database 122 (ie, injured among the number of injured persons). can be determined by
  • the risk evaluation unit 125 determines the risk evaluation level for each work type based on the accident risk evaluation database 120, the risk factor corresponding to the risk evaluation level for each work type in the risk evaluation standard model 121 and safety measures for each risk factor are extracted.
  • the risk evaluation unit 125 generates risk evaluation result data using risk evaluation grades, risk factors, and safety measures for each risk factor, and then stores the risk evaluation result data in the new risk evaluation database 124 .
  • the site risk prediction unit 126 After generating the risk evaluation result data through the above process, the site risk prediction unit 126 reflects the risk evaluation result data, site information, and risk evaluation index for each construction cycle based on the site risk characteristic prediction model 123. Generate risk prediction data.
  • the site information above may include site address, construction type, construction scale (amount), construction period, master schedule/construction permit information for each construction cycle: site location, actual start date, main use code name, etc.
  • the site risk characteristic prediction model 123 is the site location, construction type, construction scale, weather, process progress, delay, patrol data by work type (Patrol Data), patrol data by accident type (Patrol Data), compared to all workers The safety score ratio for each site worker and work team is stored.
  • the site risk prediction unit 126 calculates the risk evaluation index for each construction cycle using the risk evaluation index for each construction type and the site risk characteristic weight in the past.
  • the site risk characteristic weight may be changed according to fixed factors and variable factors. Fixed factors include site location, type of construction, and scale of construction, and variable factors include weather information received from the Korea Meteorological Administration server 400 and progress and delay against a predetermined schedule.
  • FIG. 6 is a flowchart for explaining an embodiment of a construction site risk prediction method according to the present invention.
  • the construction site risk prediction server 100 receives keywords corresponding to construction site conditions and work contents
  • the accident risk evaluation database corresponding to the keywords in which accident risk evaluation information for each work type is stored is stored. Risk assessment information is extracted (step S610).
  • the construction site risk prediction server 100 calculates a risk evaluation grade for each work type using the risk evaluation information (step S620).
  • the construction site risk prediction server 100 extracts risk factors and safety measures corresponding to the risk evaluation grade for each work type from the risk evaluation standard model in which risk factors and safety measures corresponding to the risk evaluation grade for each work type are stored, and the evaluation result Data is generated (step S630).
  • the construction site risk prediction server 100 stores the evaluation result data in a new risk evaluation database (step S640).
  • FIG. 7 to 10 are exemplary diagrams for explaining a construction site risk prediction process according to the present invention.
  • the construction site risk prediction server 100 displays the current status of corrective actions corresponding to the worker site for each worker, the current status of dangerous work, etc. for each worker, as shown in FIG. 7 (a).
  • the construction site risk prediction server 100 allows worker sites to be added for each worker as shown in FIGS. 7(b) and 8(a), and information such as FIG. 7(a) may be provided for each worker site. let it be
  • the construction site risk prediction server 100 provides a user interface as shown in FIG. 9 (a), and when risk assessment is selected among the user interfaces, the risk assessment interface of FIG. 9 (b) is provided.
  • the construction site risk prediction server 100 allows to check past creation history (eg, earth retaining work) through the risk assessment interface of FIG. 9 (b), and to create a new risk assessment as shown in FIG. 10.
  • FIG. 11 is a flowchart for explaining another embodiment of a construction site risk prediction method according to the present invention.
  • An embodiment of FIG. 11 relates to an embodiment in which a gastric fibrous evaluation grade may be calculated through evaluation modeling after basic data for gastric fibrous evaluation are collected.
  • the construction site risk prediction server 100 inputs the basic data for risk assessment, and if the basic data of the Occupational Safety and Health Agency is not input, the national land Enter the Ministry of Transportation disaster case.
  • the construction site risk prediction server 100 updates the accident risk assessment database.
  • the accident risk assessment database stores accident risk assessment information for each type of work, and it is continuously modified by updating public data of accident cases on a monthly basis.
  • the present invention enables safety management work to be carried out effectively using construction site data, and is a technology that can be widely used in the construction industry to realize its practical and economical value.

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Databases & Information Systems (AREA)
  • General Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명의 일 실시예에 따른 위한 건설 현장 위험성 예측 서버에서 실행되는 건설 현장 위험성 예측 방법은 건설 현장 상황 및 작업 내용 각각에 해당하는 키워드를 수신하면, 공종 별 사고 위험도 평가 정보가 저장되어 있고 월 단위 사고 사례 공공 데이터를 업데이트하여 지속 수정되는 사고 위험도 평가 데이터베이스에서 상기 키워드에 해당하는 위험도 평가 정보를 추출하는 단계, 상기 위험도 평가 정보에 공종 별 사고 발생 시기에 따라 결정된 가중치를 적용하여 공종 별 위험도 평가 등급을 산출하는 단계, 상기 공종 별 위험도 평가 등급에 해당하는 위험 요인 및 안전 대책이 저장되어 있는 위험성 평가 표준 모델에서 상기 공종 별 위험도 평가 등급에 해당하는 위험 요인 및 안전 대책을 추출하여 평가 결과 데이터를 생성하는 단계 및 상기 평가 결과 데이터를 신규 위험성 평가 데이터베이스에 저장하는 단계를 포함한다.

Description

건설 현장 위험성 예측 방법 및 이를 실행하는 서버
본 발명은 건설 현장 위험성 예측 방법 및 이를 실행하는 서버에 관한 것으로, 보다 구체적으로 과거 사고 사례 분석을 통해 공종 별 작업 위험성 평가 정보의 신뢰성을 향상시킬 수 있도록 하는 빅 데이터를 구축하고 인공지능을 활용한 건설 현장 위험성 예측 방법 및 이를 실행하는 서버에 관한 것이다.
건설 현장은 일정 공간에서 주요 작업이 이루어지는 다른 작업 현장과는 달리 광활한 외부 공간과, 고소에서 작업하는 위치 조건과, 맨홀과 같은 폐쇄 공간 등 다양한 공간과 환경 조건으로 인하여 안전 관리가 매우 어려운 문제가 있다.
특히, 건설 현장은 다수의 근로자와 건설 기계가 다양한 종류의 작업을 복합적으로 진행하며, 소음과 진동과 매연과 수분, 그리고 분진 등 극한의 작업 환경에 작업자들이 지속적으로 노출되기 때문에 원활한 안전 관리에 방해가 되었다.
최근, 우리나라에서 200여만 명에 가까운 건설업 종사자들의 상당수가 고령화되었고, 다수의 일용직과 외국인 근로자가 종사하고 있는 현실에서 안전 사고 방지를 위한 예방 노력에 많은 어려움이 있는 것 또한 현실이다.
아울러, 건설 현장은 구조물이나 기계장치 또는 건설 장비 등과 같은 작업 시설이 고정적이지 않으며, 가시설 사용과 건설 단계별로 작업 환경의 변화가 매우 빠르고 다양하게 이루어지기 때문에 근로자들의 위험 요소를 사전에 인지하기 어려운 문제점이 있다.
건설 현장에서 발생하는 안전 사고의 발생 원인 중에서 대부분은 전술한 바와 같은 여건 속에서 불가피하게 근로자 개인의 안전하지 않은 행동이 유발됨으로 인하여 발생되므로, 위험 경고 장치를 통한 불안전한 행동 유발을 예방하게 된다면, 안전 사고 발생을 미연에 방지함과 동시에 안전 사고의 발생율도 저하시킬 수 있을 것이다.
상기와 같은 관점에서 안출된 것으로, 공개특허 제10-2017-0006095호의 "건설현장 및 산업현장의 안전관리 시스템 및 그 방법" 등과 같은 것을 들 수 있다.
선행기술은 스마트폰을 이용하여 위험 지역에서의 사고를 방지하고 근로자의 안전을 도모하기 위한 것들이지만, 다음과 같은 이유로 실제 건설 현장에 적용하기 쉽지 않은 상황이다.
우선, 선행기술은 스마트폰 미사용자가 많거나 실제 작업 시간 동안 스마트폰을 사용할 여력이나 사용에 제한을 받는 근로자들에게 무선 통신을 위한 별도의 스마트폰이나 PDA 또는 태블릿 PC 등과 같은 고가의 장치를 개인별로 지급하는 것이 현실적으로 불가능한 문제점이 있는 것이다.
그리고, 선행기술은 여러가지 정보를 주고받을 때 항시 휴대해야 하는 개인용 단말 장치, 즉 전술한 바와 같은 스마트폰이나 PDA 또는 태블릿 PC 등과 같은 장치의 경우 실제 건설 현장에서는 휴대가 불편한 크기일 수 밖에 없으며, 건설 현장에서 외부로부터 물리 또는 화학적 충격에 취약한 문제점이 있었던 것이다.
또한, 선행기술은 근로자가 가진 스마트폰이 위험 신호만 수신할 뿐 근로자 자신이나 주위의 근로자 또는 건설현장의 위험 상황을 개별로 인지할 경우 이러한 위험 상황을 즉각적으로 전파하기 힘든 문제점이 있었다.
본 발명은 과거 사고 사례 분석을 통해 공종 별 위험 요인, 위험도, 안전 대책 등과 같은 작업 위험성 평가 정보의 신뢰성을 향상시킬 수 있도록 하고 특히 시대에 따라 변화하는 공법 및 산업환경을 반영하기 위해서 최신 3개년 사고사례에 가중치를 주어 위험도를 평가하는 건설 현장 위험성 예측 방법 및 이를 실행하는 서버를 제공하는 것을 목적으로 한다.
또한, 본 발명은 매일 변화하는 현장 특성을 반영할 수 있는 변수(현장 유형, 현장 규모, 공사 진척률, 기후 등)를 사용자가 입력하여 해당(단위) 건설 현장의 위험성을 예측하는 건설 현장 위험성 예측 방법 및 이를 실행하는 서버를 제공하는 것을 목적으로 한다.
본 발명의 목적들은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 본 발명의 다른 목적 및 장점들은 하기의 설명에 의해서 이해될 수 있고, 본 발명의 실시예에 의해 보다 분명하게 이해될 것이다. 또한, 본 발명의 목적 및 장점들은 특허 청구 범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 쉽게 알 수 있을 것이다.
이러한 목적을 달성하기 위한 건설 현장 위험성 예측 서버는 공종 별 사고 위험도 평가 정보가 저장되어 있고 월 단위 사고 사례 공공 데이터를 업데이트하여 지속 수정되는 사고 위험도 평가 데이터베이스, 공종 별 위험도 평가 등급에 해당하는 위험 요인 및 안전 대책이 저장되어 있는 위험성 평가 표준 모델, 사용자로부터 수신되며 사용자 간 공유할 수 있는 공종 별 위험 요인 및 안전 대책이 저장되어 있는 신규 위험성 평가 데이터베이스 및 건설 현장 상황 및 작업 내용 각각에 해당하는 키워드를 수신하면 상기 사고 위험도 평가 데이터베이스에서 상기 키워드에 해당하는 위험도 평가 정보를 추출한 후, 상기 위험도 평가 정보에 공종 별 사고 발생 시기에 따라 결정된 가중치를 적용하여 공종 별 위험도 평가 등급을 산출하고, 상기 위험성 평가 표준 모델에서 상기 위험도 평가 등급에 해당하는 위험 요인 및 안전 대책을 추출하여 평가 결과 데이터를 생성한 후 상기 신규 위험성 평가 데이터베이스에 저장하는 위험성 평가부를 포함한다.
또한, 건설 현장 위험성 예측 서버에서 실행되는 건설 현장 위험성 예측 방법은 건설 현장 상황 및 작업 내용 각각에 해당하는 키워드를 수신하면, 공종 별 사고 위험도 평가 정보가 저장되어 있고 월 단위 사고 사례 공공 데이터를 업데이트하여 지속 수정되는 사고 위험도 평가 데이터베이스에서 상기 키워드에 해당하는 위험도 평가 정보를 추출하는 단계, 상기 위험도 평가 정보에 공종 별 사고 발생 시기에 따라 결정된 가중치를 적용하여 공종 별 위험도 평가 등급을 산출하는 단계, 상기 공종 별 위험도 평가 등급에 해당하는 위험 요인 및 안전 대책이 저장되어 있는 위험성 평가 표준 모델에서 상기 공종 별 위험도 평가 등급에 해당하는 위험 요인 및 안전 대책을 추출하여 평가 결과 데이터를 생성하는 단계 및 상기 평가 결과 데이터를 신규 위험성 평가 데이터베이스에 저장하는 단계를 포함한다.
전술한 바와 같은 본 발명에 의하면, 과거 사고 사례 분석을 통해 공종 별 위험 요인, 위험도, 안전 대책 등과 같은 작업 위험성 평가 정보의 신뢰성을 향상시킬 수 있도록하고 특히 시대에 따라 변화하는 공법 및 산업환경을 반영하기 위해서 최신 3개년 사고사례에 가중치를 주어 위험도를 평가한다는 장점이 있다.
또한 본 발명에 의하면, 매일 변화하는 현장 특성을 반영할 수 있는 변수(현장 유형, 현장 규모, 공사 진척률, 기후 등)를 사용자가 입력하여 해당(단위) 건설 현장의 위험성을 예측할 수 있다는 장점이 있다.
도 1은 본 발명의 일 실시예에 따른 건설 현장 위험성 예측 시스템을 설명하기 위한 네트워크 구성도이다.
도 2는 본 발명의 다른 일 실시예에 따른 건설 현장 위험성 예측 시스템을 설명하기 위한 네트워크 구성도이다.
도 3은 본 발명의 또 다른 일 실시예에 따른 건설 현장 위험성 예측 시스템을 설명하기 위한 네트워크 구성도이다.
도 4는 본 발명의 또 다른 일 실시예에 따른 건설 현장 위험성 예측 시스템을 설명하기 위한 네트워크 구성도이다.
도 5는 본 발명의 일 실시예에 따른 건설 현장 위험성 예측 서버의 내부 구조를 설명하기 위한 블록도이다.
도 6은 본 발명에 따른 건설 현장 위험성 예측 방법의 일 실시예를 설명하기 위한 흐름도이다.
도 7 내지 도 10은 본 발명에 따른 건설 현장 위험성 예측 과정을 설명하기 위한 예시도이다.
도 11은 본 발명에 따른 건설 현장 위험성 예측 방법의 다른 일 실시예를 설명하기 위한 흐름도이다.
<부호의 설명>
100: 건설 현장 위험성 예측 서버
200: 근로자 단말
300: 관리자 단말
400: 기상청 서버
500: 점검자 단말
600: 감시단 단말
전술한 목적, 특징 및 장점은 첨부된 도면을 참조하여 상세하게 후술되며, 이에 따라 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명의 기술적 사상을 용이하게 실시할 수 있을 것이다. 본 발명을 설명함에 있어서 본 발명과 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 상세한 설명을 생략한다. 이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 실시예를 상세히 설명하기로 한다. 도면에서 동일한 참조부호는 동일 또는 유사한 구성요소를 가리키는 것으로 사용된다.
도 1은 본 발명의 일 실시예에 따른 건설 현장 위험성 예측 시스템을 설명하기 위한 네트워크 구성도이다.
도 1을 참조하면, 건설 현장 위험성 예측 시스템은 건설 현장 위험성 예측 서버(100) 및 근로자 단말(200) 및 관리자 단말(300)을 포함한다. 건설 현장 위험성 예측 서버(100)는 교육 이수 정보 데이터베이스(110), 자격증 데이터베이스(111), 경력 정보 데이터베이스(112), 근로자 데이터베이스(113) 및 건강 검진 데이터베이스(114)를 포함한다.
건설 현장 위험성 예측 서버(100)는 근로자 단말(200)과의 통신을 통해 근로자 단말(200)로부터 근로자 프로필 정보를 수신하여 저장한다. 이때, 근로자 프로필 정보는 신상 정보, 경력, 교육 이력 및 건강 검진 이력 등을 포함할 수 있다.
먼저, 건설 현장 위험성 예측 서버(100)는 근로자가 출근하기 이전에 근로자 단말(200)에 교육 이수 정보 등록 절차를 제공하고, 교육 이수 정보 등록 절차를 통해 교육 이수 정보를 수신한다.
이때, 교육 이수 정보는 교육 이수증 별로 이름, 생년월일, 등록번호, 이수일자, 이수증 증빙 사진 등을 포함할 수 있다. 상기의 교육 이수증은 건설 현장 안전 관리에 관한 교육을 이수한 후 발급되는 증명서로, 기초 보건 이수증 등을 포함할 수 있다.
상기의 교육 이수증에는 교육 이수 발급 기관에 의해 발급될 때 진위 여부를 판별하기 위한 진위 판별 코드가 삽입되어 발급될 수 있다. 즉, 교육 이수 발급 기관에 의해 인쇄될 때 진위 판별 코드에 해당하는 서로 다른 크기의 픽셀 공간을 함께 출력하여 발급되도록 한다.
상기와 같이, 교육 이수 발급 기관에 의해 교육 이수증이 발급될 때 교육 이수증에 삽입된 진위 판별 코드는 교육 이수 발급 기관 서버로부터 수신되어 미리 저장된다. 따라서, 건설 현장 위험성 예측 서버(100)는 교육 이수 발급 기관 서버로부터 수신된 진위 판별 코드를 이용하여 교육 이수증의 진위 여부를 판별할 수 있는 것이다.
상기의 교육 이수증에 삽입되어 있는 서로 다른 크기의 픽셀 공간은 교육 이수증의 배경 화면과 유사한 색(즉, 배경 화면의 RGB 값이 특정 값 이상이거나 이하인 값에 해당하는 색)으로 설정되어 있기 때문에 사용자의 눈에는 보이지 않지만, 건설 현장 위험성 예측 서버(100)가 교육 이수증의 진위 여부를 판단하기 위해 스캔하는 과정에서 픽셀 분석하면 픽셀의 값이 다르기 때문에 진위 판별 코드에 해당하는 픽셀 공간이 추출될 수 있는 것이다.
따라서, 건설 현장 위험성 예측 서버(100)는 교육 이수증을 스캔하여 분석하는 과정에서 교육 이수증에서 복수의 픽셀 공간을 추출한 후, 복수의 픽셀 공간이 망점이 지시하는 이진수 값을 이용하여 진위 판별 코드를 생성할 수 있다.
예를 들어, 건설 현장 위험성 예측 서버(100)는 4개의 점으로 이루어진 픽셀 공간 1개와 8개의 점으로 이루어진 픽셀 공간 6개를 추출한 경우, 4개의 점으로 이루어진 픽셀 공간을 1로 인식하고, 8개의 점으로 이루어진 픽셀 공간을 0으로 인식하여 진위 판별 코드 "1000000"를 생성할 수 있다.
다른 예를 들어, 건설 현장 위험성 예측 서버(100)는 6개의 점으로 이루어진 픽셀 공간 2개와 8개의 점으로 이루어진 픽셀 공간 3개를 추출한 경우, 6개의 점으로 이루어진 픽셀 공간을 1로 인식하고, 8개의 점으로 이루어진 픽셀 공간을 0으로 인식하여 진위 판별 코드 "11000"를 생성한다.
그런 다음, 건설 현장 위험성 예측 서버(100)는 진위 판별 코드 및 미리 수신된 진위 판별 코드를 비교하여 교육 이수증의 진위 여부를 판별할 수 있다.
상기와 같이, 건설 현장 위험성 예측 서버(100)는 교육 이수증의 진위 여부가 판별된 후 교육 이수증을 기록된 교육 이수 정보를 이용하여 교육 별 유효 시간 및 교육 시간을 산출한 후, 근로자 별로 교육 종류 리스트 및 인증 시간을 교육 이수 정보 데이터베이스(110)에 저장한다.
이때, 교육 이수 정보 데이터베이스(110)에 근로자에 해당하는 누적 교육 시간이 존재하는 경우 기존에 누적된 누적 교육 시간에 교육 시간을 반영하여 누적 교육 시간을 갱신한다.
그 후, 건설 현장 위험성 예측 서버(100)는 근로자 교육 리스트를 생성하고, 근로자 교육 리스트를 관리자 단말(300)을 통해 근로지 단말(200)에 제공한다.
이때, 근로자 교육 리스트는 관리자, 업체, 현장, 날짜, 이름, 생년월일, 신규자 교육 이수 여부, 유효기간, 출근여부, 필수 교육 리스트, 필수 교육 이수 여부 등을 포함할 수 있다.
그런 다음, 건설 현장 위험성 예측 서버(100)는 근로자 단말(200)로부터 출석인증 정보를 수신하고, 관리자 단말(300)로부터 근로자 교육 리스트에 따라 근로자의 교육이 실시된 후 교육 증빙 사진 및 교육 증빙 정보를 포함하는 교육 이수 확인 요청 메시지를 수신한다.
이때, 출석 인증 정보는 근로자 이름 및 관리 감독자 이름을 포함할 수 있고, 교육 증빙 정보는 교육 구분, 교육 대상, 작업 공종 명, 교육 일자, 교육 장소, 교육 시간, 교육 담당(관리자 등), 교육 내용 등을 포함할 수 있다.
건설 현장 위험성 예측 서버(100)는 교육 이수 확인 요청 메시지 중 출석 인증 정보를 이용하여 출석을 인증하고 교육 증빙 정보를 추출한 후, 교육 증빙 정보를 이용하여 교육 이수 정보 데이터베이스(110)에 저장된 근로자 별로 교육 종류 리스트 및 누적 시간을 갱신한다.
즉, 건설 현장 위험성 예측 서버(100)는 교육 증빙 정보를 이용하여 교육 별 유효 시간 및 교육 시간을 산출한 후, 교육 종류를 이용하여 근로자 별로 교육 종류 리스트를 갱신하고 인증 시간을 이용하여 누적 시간을 갱신하여 근로자 별로교육 이수 정보 데이터베이스(110)에 저장한다.
또한, 건설 현장 위험성 예측 서버(100)는 근로자 단말(200)에 자격증 취득 정보 등록 절차를 제공하고, 자격증 취득 정보 등록 절차를 통해 자격증 취득 정보를 수신하여 근로자 별 자격증 취득 정보를 자격증 데이터베이스(111)에 저장한다.
이때, 자격증 취득 정보는 자격증 별로 필수 정보 및 선택 정보를 포함하고, 필수 정보는 제호, 성명, 국적, 주민등록번호, 주소, 국적, 발급 일자, 적성 검사, 유효 기간, 소지 면허, 증빙 사진을 포함하고, 선택 정보는 보험 증권, 사업자 등록증, 장비 등록증(예를 들어, 크레인, 펌프카 등의 비파괴 검사 결과), 증빙 사진 등을 포함할 수 있다. 상기의 자격증은 건설 현장에서 활용가능한 기술을 시험을 통해 인증된 후에 발급되는 자격증으로, 기계 조종사 등을 포함할 수 있다.
상기의 자격증은 건설 현장에서 활용가능한 기술을 시험을 주관하는 기관에 의해 발급될 때 진위 여부를 판별하기 위한 진위 판별 코드가 삽입되어 발급될 수 있다. 즉, 기관에 의해 자격증이 발급될 때 진위 판별 코드에 해당하는 서로 다른 크기의 픽셀 공간을 함께 출력하여 발급되도록 한다.
상기와 같이, 자격증이 발급될 때 자격증에 삽입된 진위 판별 코드는 자격증 시험 주최 기관 서버로부터 수신되어 미리 저장된다. 따라서, 건설 현장 위험성 예측 서버(100)는 자격증 시험 주최 기관 서버로부터 수신된 진위 판별 코드를 이용하여 자격증의 진위 여부를 판별할 수 있는 것이다.
상기의 자격증에 삽입되어 있는 서로 다른 크기의 픽셀 공간은 교육 이수증의 배경 화면과 유사한 색(즉, 배경 화면의 RGB 값이 특정 값 이상이거나 이하인 값에 해당하는 색)으로 설정되어 있기 때문에 사용자의 눈에는 보이지 않지만, 건설 현장 위험성 예측 서버(100)가 자격증 등과 같은 증빙 사진의 진위 여부를 판단하기 위해 픽셀 분석하면 픽셀의 값이 다르기 때문에 진위 판별 코드에 해당하는 픽셀 공간이 추출될 수 있는 것이다.
따라서, 건설 현장 위험성 예측 서버(100)는 자격증 등과 같은 증빙 사진을 스캔하여 분석하는 과정에서 자격증 등과 같은 증빙 사진에서 복수의 픽셀 공간을 추출한 후, 복수의 픽셀 공간이 망점이 지시하는 이진수 값을 이용하여 진위 판별 코드를 생성할 수 있다.
예를 들어, 건설 현장 위험성 예측 서버(100)는 4개의 점으로 이루어진 픽셀 공간 1개와 8개의 점으로 이루어진 픽셀 공간 6개를 추출한 경우, 4개의 점으로 이루어진 픽셀 공간을 1로 인식하고, 8개의 점으로 이루어진 픽셀 공간을 0으로 인식하여 진위 판별 코드 "1000000"를 생성할 수 있다.
다른 예를 들어, 건설 현장 위험성 예측 서버(100)는 6개의 점으로 이루어진 픽셀 공간 2개와 8개의 점으로 이루어진 픽셀 공간 3개를 추출한 경우, 6개의 점으로 이루어진 픽셀 공간을 1로 인식하고, 8개의 점으로 이루어진 픽셀 공간을 0으로 인식하여 진위 판별 코드 "11000"를 생성한다.
그런 다음, 건설 현장 위험성 예측 서버(100)는 진위 판별 코드 및 미리 수신된 진위 판별 코드를 비교하여 자격증의 진위 여부를 판별할 수 있다. 상기와 같이, 건설 현장 위험성 예측 서버(100)는 자격증의 진위 여부가 판별된 후 자격증 데이터베이스(111)에 근로자 별 자격증 취득 정보를 저장한다.
따라서, 건설 현장 위험성 예측 서버(100)는 자격증 데이터베이스(111)에 저장된 근로자 별 자격증 취득 정보를 이용하여 자격증 유효 기간 또는 장비 등록증 각각의 유효 기간의 만료까지 남은 기간이 특정 기간 이하이면 관리자 단말(300)에 자격증 유효 기간 만료 안내 메시지를 제공할 수 있는 것이다.
또한, 건설 현장 위험성 예측 서버(100)는 근로자 단말(200)로부터 경력 정보를 포함하는 과거 경력 등록 요청 메시지를 수신하면, 과거 경력 등록 요청 메시지에서 경력 정보를 추출한 후 근로자 별 경력 정보를 경력 정보 데이터베이스(112)에 저장한다. 이때, 경력 정보는 근무 일수, 공종, 발주처(예를 들어, 회사), 프로젝트 종류(예를 들어, 토목, 건축, 플랜트 등), 관리자, 세부 공종 등을 포함할 수 있다.
그 후, 건설 현장 위험성 예측 서버(100)는 관리자 단말(300)로부터 경력자 검색 요청 메시지를 수신하면, 경력자 검색 요청 메시지에 따라 경력 정보 데이터베이스(112)에서 근로자를 추출한 후 경력 정보를 포함하는 경력자 안내 메시지를 제공한다. 이와 같이, 건설 현장 위험성 예측 서버(100)는 경력 정보를 함께 제공함으로써 사업자가 경력 정보를 기초로 근로자의 프로젝트 배치 시 참고할 수 있도록 한다.
만일, 건설 현장 위험성 예측 서버(100)는 근로자가 사업자에 의해 고용되어 프로젝트에 참여하게 되면, 경력을 확인하여 경력 정보 데이터베이스(112)에 저장된 근로자 별 경력 정보를 갱신한다.
또한, 건설 현장 위험성 예측 서버(100)는 근로자 데이터베이스(113)에 저장되어 있는 근로자 별 근로자 정보 및 건강 검진 데이터베이스(114)에 저장되어 있는 건강 검진 대상을 이용하여 근로자 리스트를 생성한 후 병원 서버(미도시됨)에 근로자 리스트 상의 근로자의 건강 검진을 예약하는 건강 검진 예약 메시지를 제공한다. 이때, 근로자 리스트는 근로자 별 검진 종류, 다음 검진 일자, 예정 검진 기관, 희망 검진 예약일 등을 포함할 수 있다.
그 후, 건설 현장 위험성 예측 서버(100)는 병원 서버(500)에 의해 발급된 검진 결과 문서를 인식하여 검진 결과 문서에서 검진 결과를 생성한 후 근로자 별 검진 결과를 근로자 데이터베이스(113)에 저장한다.
도 2는 본 발명의 다른 일 실시예에 따른 건설 현장 위험성 예측 시스템을 설명하기 위한 네트워크 구성도이다.
도 2를 참조하면, 건설 현장 위험성 예측 시스템은 건설 현장 위험성 예측 서버(100), 관리자 단말(300) 및 기상청 서버(400)를 포함한다. 건설 현장 위험성 예측 서버(100)는 사고 위험도 평가 데이터베이스(120), 위험성 평가 표준 모델(121), 위험도 평가 데이터베이스(122), 현장 위험 특성 예측 모델(123) 및 사고 사례 데이터베이스(124)를 포함한다.
건설 현장 위험성 예측 서버(100)는 사고 위험도 평가 데이터베이스(120) 및 위험성 평가 표준 모델(121)을 기초로 공종 별 위험성 평가 결과를 생성한다.
상기의 사고 위험도 평가 데이터베이스(120)에는 공종 별 사고발생빈도 비율, 공종 별 사고발생강도 비율, 재해 별 세부 내용이 저장되어 있다. 이때, 재해 별 세부 내용은 공정, 기인물, 사고유형, 단위작업, 재해자수(사망/부상), 현장위치, 공사종류, 공사금액, 공정율을 포함할 수 있다. 상기의 위험성 평가 표준 모델(121)에는 공종 별 위험 요인 및 위험 요인 별 안전 대책이 저장되어 있다.
먼저, 건설 현장 위험성 예측 서버(100)는 건설 현장 상황(즉, 공사 규모,공사 유형, 공정률, 기후 등)에 해당하는 키워드를 수신하면 사고 위험도 평가 데이터베이스(120)에서 키워드에 해당하는 공종 별 사고발생빈도 비율, 공종 별 사고발생강도 비율 및 재해 별 세부 내용을 추출한다. 상기의 키워드는 공정, 사고기 인물, 사고 유형, 단위 작업 내용 등으로 결정될 수 있다.
그런 다음, 건설 현장 위험성 예측 서버(100)는 공종 별 사고발생빈도 비율 및 공종 별 사고발생강도 비율을 이용하여 공종 별 위험도 평가 결과를 산출한다.
일 실시예에서, 건설 현장 위험성 예측 서버(100)는 [수학식 1]을 기초로 신규 위험도 평가 데이터베이스(122)에서 추출한 공종 별 사고발생빈도 비율 및 공종 별 사고발생강도 비율을 이용하여 공종 별 위험도 평가 등급을 산출할 수 있다. 이때, 위험도 평가 데이터베이스(122)에는 공종 별 사고발생빈도 비율 및 공종 별 사고발생강도 비율이 저장되어 있으며, 어플리케이션을 사용함에 따라 자동으로 업데이트될 수 있다.
[수학식 1]
Part_Danger_level = (Danger_fre_rate + Danger_str_rate) * Danger_W
Part_Danger_level: 공종 별 위험도 평가 등급
Danger_fre_rate: 공종 별 사고발생빈도 비율로서 [수학식 2]에 의해 산출,
Danger_str_rate: 공종 별 사고발생강도 비율로서 [수학식 3]에 의해 산출
Danger_W: 공종 별 사고발생 시기에 따라 결정되는 가중치
[수학식 1]에서 공종 별 사고발생빈도 비율(Danger_fre_rate)은 하기의 [수학식 2]에 의해 산출되고, 공종 별 사고발생강도 비율(Danger_str_rate)은 하기의 [수학식 3]에 의해 산출되며, 공종 별 사고발생시기에 따라 결정되는 가중치(Danger_W)는 사고발생시기가 현재 시점을 기준으로 3년을 초과하지 않는 사례에 대해서 사고발생시기가 현재 시점에 가까울수록 높은 가중치가 할당되며, 사고발생시기가 현재 시점을 기준으로 3년를 초과한 사례에 대해서는 미리 결정된 가중치(예를 들어, “1”)가 할당된다.
[수학식 2]
Danger_fre_rate = (part_victim / total_victim) ×100
Danger_fre_rate: 공종 별 사고발생빈도 비율,
part_victim: 공종 별 재해지수,
total_victim: 전체 재해지수
[수학식 2]에서 공종 별 재해지수(part_victim) 및 전체 재해지수(total_victi)는 신규 위험도 평가 데이터베이스(122)에서 추출한 재해 별 세부 내용(즉, 재해자수)에 의해 결정될 수 있다.
[수학식 3]
Danger_str_rate
= (part_dead_people_rate × 3) + part_injured_people_rate
Danger_str_rate: 공종 별 사고발생강도 비율,
part_dead_people_rate: 공종 별 사망자 비율로서 [수학식 4]에 의해 산출,
part_injured_people_rate: 공종 별 부상자 비율로서 [수학식 5]에 의해 산출
[수학식 3]에서 공종 별 사망자 비율(part_dead_people_rate)은 [수학식 4]에 의해 산출되고, 공종 별 부상자 비율(part_injured_people_rate)은 [수학식 5]에 의해 산출된다.
[수학식 4]
part_dead_people_rate = (part_dead_people / total_dead_people) ×100
part_dead_people_rate: 공종 별 사망자 비율,
part_dead_people: 공종 별 사망자 수,
total_dead_people: 전체 사망자 수
[수학식 4]에서 공종 별 사망자 수(part_dead_people) 및 전체 사망자 수(total_dead_people)는 신규 위험도 평가 데이터베이스(122)에서 추출한 재해 별 세부 내용(즉, 재해자수 중 사망자)에 의해 결정될 수 있다.
[수학식 5]
part_injured_people_rate
= (part_injured_people / total_injured_people) ×100
part_dead_people_rate: 공종 별 부상자 비율,
part_dead_people: 공종 별 부상자 수,
total_dead_people: 전체 부상자 수
[수학식 5]에서 공종 별 부상자 수(part_dead_people) 및 전체 부상자 수(total_dead_people)는 신규 위험도 평가 데이터베이스(122)에서 추출한 재해 별 세부 내용(즉, 재해자수 중 부상자)에 의해 결정될 수 있다.
상기의 [수학식 1] 내지 [수학식 5]를 통해 산출된 공종 별 위험도 평가 등급은 하기의 [표 1]과 같을 수 있다.
[표 1]
Figure PCTKR2022008439-appb-I000001
상기와 같이, 건설 현장 위험성 예측 서버(100)는 사고 위험도 평가 데이터베이스(120)를 기초로 공종 별 위험도 평가 등급이 결정되면, 위험성 평가 표준 모델(121)에서 공종 별 위험도 평가 등급에 해당하는 위험 요인 및 위험 요인 별 안전 대책을 추출한다.
그 후, 건설 현장 위험성 예측 서버(100)는 위험도 평가 등급, 위험 요인 및 위험 요인 별 안전 대책을 이용하여 위험성 평가 결과 데이터를 생성한 후, 위험성 평가 결과 데이터를 신규 위험성 평가 데이터베이스(124)에 저장한다.
상술한 과정을 통해 위험성 평가 결과 데이터를 생성한 후, 건설 현장 위험성 예측 서버(100)는 현장 위험 특성 예측 모델을 기초로 위험성 평가 결과 데이터, 현장 정보 및 공사 주기 별 위험도 평가 지수를 반영하여 위험도 예측 데이터를 생성한다.
상기의 현장 정보는 현장주소, 공사종류, 공사규모(금액), 공사기간, 공사주기별 Master Schedule/ 건축인허가 정보: 대지위치, 실제착공일, 주용도코드명 등을 포함할 수 있다.
이때, 현장 위험 특성 예측 모델(123)은 현장 위치, 공사 종류, 공사 규모, 날씨, 공정 진척도, 지연도, 공종 별 순찰 데이터(Patrol Data), 사고 유형 별 순찰 데이터(Patrol Data), 전 근로자 대비 현장 근로자 및 작업팀 별 안전 스코어(safety score) 비율이 저장되어 있다.
[수학식 6]
ConstructionPeriod_Danger_value = PastPart_Danger_value + weight
ConstructionPeriod_Danger_value: 공사 주기 별 위험도 평가 지수,
PastPart_Danger_value: 과거 공종 별 위험도 평가 지수,
weight: 현장 위험 특성 가중치
상기의 [수학식 6]에서 현장 위험 특성 가중치는 고정 요인, 변동 요인 및 현장 부적합 사항에 따라 변경될 수 있다. 고정 요인은 현장 위치, 공사 종류, 공사 규모를 포함하고, 변동 요인은 기상청 서버(400)로부터 수신된 날씨 정보, 미리 결정된 스케쥴 대비 진척도 및 지연도를 포함한다.
현장 부적합 사항은 현장을 관리하는 관리자에 의해 지적된 현장의 부적합 사항을 의미한다. 예를 들어, 현장 부적합 사항은 안전고리 미체결 등을 포함할 수 있다. 상기와 같이, 고정 요인, 및 변동 요인 및 현장 부적합 사항에 따라 현장 위험 특성 가중치를 변경함으로써 공사 주기 별 위험도 평가 지수가 변경되도록 한다.
도 3은 본 발명의 또 다른 일 실시예에 따른 건설 현장 작업 관리 시스템을 설명하기 위한 네트워크 구성도이다.
도 3을 참조하면, 건설 현장 작업 관리 시스템은 건설 현장 작업 관리 서버(100) 및 점검자 단말(500)을 포함하고, 점검자 단말(500)은 관리자 단말(300) 및 감시단 단말(600)을 포함한다.
건설 현장 작업 관리 서버(100)는 작업 허가서 데이터베이스(130) 및 현장 가입자 데이터베이스(131)를 포함한다.
건설 현장 작업 관리 서버(100)는 작업 허가서 데이터베이스(130) 및 현장 가입자 데이터베이스(131)를 기초로 작업 허가서 작업 절차를 관리자 단말(300)에 제공한다. 이때, 작업 허가서 데이터베이스(130)에는 작업 허가서 별 체크리스트를 포함하고, 현장 가입자 데이터베이스(131)에는 관리자 별 이름 및 소속 그리고 근로자 별 이름 및 소속이 저장되어 있다.
그 후, 건설 현장 작업 관리 서버(100)는 관리자 단말(300)로부터 작업 허가서 작업 절차를 통해 작업 허가서가 생성되면, 작업 허가서를 이용하여 작업 허가서 목록표를 생성한다. 이때, 관리자에 의해 생성된 작업 허가서는 허가서 번호, 일자, 업체명, 공종 별 작업 내용, 작업 장소, 투입 인원, 작업 시간, 작업 지휘자, 투입 장치, 근로자 등을 포함할 수 있다.
따라서, 건설 현장 작업 관리 서버(100)는 작업 허가서의 공종 별로 작업 내용, 작업 장소, 투입 인원, 작업 시간, 작업 지휘자, 투입 장치, 근로자, 작업 허가서 대상(즉, 위험작업허가, 일반작업허가), 허가서 종류(즉, 특별, 위험, 일반), 시공사 점검 담당자 등을 이용하여 작업 허가서 목록표를 생성한다. 이러한 작업 허가서 목록표는 작업 허가서를 직관적으로 확인 가능하도록 작업 허가서의 공종 별로 목록들이 표로 생성된 것이다.
이때, 건설 현장 작업 관리 서버(100)는 관리자에 의해 작업 허가서 목록표에 대한 승인이 되면, 작업 허가서 승인 목록을 생성하여 작업 허가서 데이터베이스(130)에 저장한 후, 작업 허가서 배정 내역을 점검자 단말(900)에 제공한다.
만일, 건설 현장 작업 관리 서버(100)는 작업 허가서 배정 내역에 따라 생성된 작업 허가서 점검표를 수신하면, 작업 허가서 점검표를 작업 허가서 데이터베이스(130)에 저장한다. 이때, 작업 허가서 데이터베이스(130)에는 작업 허가서 점검 결과, 점검자, 점검 시간, 사진, 세부 내용 등을 포함한다.
그 후, 건설 현장 작업 관리 서버(100)는 작업 허가서 점검이 완료되면 작업 종결 요청 메시지를 관리자 단말(300)에 제공하여 작업 종결이 등록된 후 작업 허가서의 종결 내용을 작업 허가서 데이터베이스(130)에 저장한다.
관리자 단말(300)은 건설 현장 작업 관리 서버(100)로부터 수신된 작업 허가서 목록표 상의 특정 작업에 대한 점검 시 부적합 사항이 발견되면 부적합 사항 등록 절차를 통해 작업 중지 또는 시정 요청을 선택한다.
만일, 관리자 단말(300)은 부적합 사항이 발견된 후 작업 중지가 선택되면 작업 중지 요청 메시지를 서로 다른 관리자 단말에 제공하고, 부적합 사항이 발견된 후 시정 요청이 선택되면 시정 요청 메시지를 서로 다른 관리자 단말에 제공한다.
관리자 단말(300)은 건설 현장 위험성 예측 서버(100)로부터 작업 허가서 작업 절차를 수신한 후, 작업 허가서 작업 절차를 통해 작업 허가서를 생성한다. 이때, 관리자 단말(300)은 작업 허가서 작업 절차를 통해 허가서 번호, 일자, 업체명, 공종 별 작업 내용, 작업 장소, 투입 인원, 작업 시간, 작업 지휘자, 투입 장치 및 근로자를 입력하여 작업 허가서를 생성할 수 있다.
점검자 단말(900)은 건설 현장 위험성 예측 서버(100)로부터 수신된 작업 허가서 목록표를 기초로 점검을 진행한다.
먼저, 점검자 단말(900)은 작업 허가서를 기초로 공종 별 점검 대상 항목 각각에 대한 점검 결과 입력 절차를 통해 상세 체크 리스트, 사진 및 점검 결과를 입력한다. 그 후, 점검자 단말(900)은 점검 결과에 따라 서로 다른 관리자 단말에 점검 완료 메시지, 작업 중지 알림 메시지 및 작업 일부 보완 요청 메시지 중 어느 하나의 메시지를 제공할 수 있다.
예를 들어, 점검자 단말(900)은 점검 결과 “양호 시”, 해당 공종 관리자 단말 및 근로자 단말에 점검 완료 메시지를 제공할 수 있다.
다른 예를 들어, 점검자 단말(900)은 점검 결과 “불량 시”, 해당 공정 관리자 단말 및 근로자 단말에 작업 중지 알림 메시지를 제공할 수 있다.
또 다른 예를 들어, 점검자 단말(900)은 점검 결과 “기타 보완 시”, 해당 공정 관리자 단말 및 근로자 단말에 작업 일부 보완 요청 메시지를 제공할 수 있다.
도 4는 본 발명의 또 다른 일 실시예에 따른 건설 현장 위험성 예측 시스템을 설명하기 위한 네트워크 구성도이다.
도 4를 참조하면, 건설 현장 위험성 예측 시스템은 건설 현장 위험성 예측 서버(100) 및 점검자 단말(500)을 포함하고, 점검자 단말(500)은 관리자 단말(300) 및 감시단 단말(600)을 포함한다.
건설 현장 위험성 예측 서버(100)는 근로자 데이터베이스(113)에 저장되어 있는 근로자 별 불안전 행동 입력 절차를 점검자 단말(500)에 제공한다. 이때, 근로자 별 불안전 행동 입력 절차는 건설 현장에 근무하는 근로자의 행동 중 미리 결정된 불안전 행동에 해당하는 행동이 발견되면 해당 근로자의 불안전 행동을 입력하는 절차이다. 상기의 미리 결정된 불안전 행동은 재해 유형을 기초로 재해 유형이 발생될 확률을 높일 수 있는 행동을 의미한다.
즉, 불안전 행동 입력 절차는 관리자, 작업팀, 근로자, 재해 유형, 상세 내용, 사진 등을 입력할 수 있으며, 감시자에 의해 재해 유형(예를 들어, 감전, 깔림, 끼임, 넘어짐, 떨어짐, 무너짐, 물체에 맞음, 부딪힘, 불균형 및 무리한 동작, 산소결핍, 절단/베임/잘림, 화재폭발)이 선택되면 해당 재해 유형에 해당하는 불안전 행동 리스트를 제공하여 불안전 안전 행동 리스트 중 근로자의 불안전 행동에 해당하는 적어도 하나의 불안전 안전 행동을 선택하도록 할 수 있다.
예를 들어, 건설 현장 위험성 예측 서버(100)는 재해 유형 중 “떨어짐”이 선택되면, “떨어짐”에 해당하는 불안전 행동 리스트로 “1) 2m 이상 고소 작업 시 안전대 미착용 또는 안전고리 미체결, 2) 추락 위험 구간 안전 시설물 임의 해체” 등을 제공하여 근로자의 불안전 행동에 해당하는 적어도 하나의 불안전 안전 행동을 선택하도록 할 수 있다.
다른 예를 들어, 건설 현장 위험성 예측 서버(100)는 재해 유형 중 “끼임”이 선택되면, “끼임”에 해당하는 불안전 행동 리스트로 “1) 장비 작업반경 내 무단출입”등을 제공하여 근로자의 불안전 행동에 해당하는 적어도 하나의 불안전 안전 행동을 선택하도록 할 수 있다.
또 다른 예를 들어, 건설 현장 위험성 예측 서버(100)는 재해 유형 중 “산소 결핍”이 선택되면 “산소 결핍”에 해당하는 불안전 행동 리스트로 “1) 밀폐공간 무단출입”등을 제공하여 근로자의 불안전 행동에 해당하는 적어도 하나의 불안전 안전 행동을 선택하도록 할 수 있다.
그 후, 건설 현장 위험성 예측 서버(100)는 시정 조치서에 의거하여 관리자에 의해 시정이 완료되면, 점검자 단말(500) 중 관리자 단말(300)로부터 시정 조치 정보(예를 들어, 관리자, 작업팀, 재해 유형, 조치 전후 사진)를 수신하여 조치 사항 데이터베이스(140)에 저장한다. 반대로, 건설 현장 안전 관리 서버(100)는 부적합 사항으로 지적된 내용이 합당하지 않다고 판단되는 경우 부적합 사항 등록 취소 절차를 제공한다.
또한, 건설 현장 위험성 예측 서버(100)는 안전 신문고 제보 절차를 근로자 단말(1300)에 제공하고, 안전 신문고 제보 절차를 통해 세부내용, 사진, 안전 사고 관련 내용을 수신하여 관리자 단말(300)에 제공한다.
점검자 단말(500) 중 관리자 단말(300)은 건설 현장 위험성 예측 서버(100)로부터 근로자 별 불안전 행동 입력 절차를 수신하면, 근로자 별 불안전 행동 입력 절차를 통해 관리자, 작업팀, 근로자, 재해 유형, 상세 내용, 사진 등을 수신한다.
그 후, 점검자 단말(500) 중 관리자 단말(300)은 근로자 별 불안전 행동 입력 절차를 통해 수신된 정보를 기초로 시정 조치서를 생성한 후 시정 조치서를 관리자 단말(300)에 제공한다.
일 실시예에서, 점검자 단말(500) 중 관리자 단말(300)은 근로자 별 불안전 행동 입력 절차를 통해 수신된 재해 유형을 기초로 해당 재해 유형의 발생을 예방하기 위한 시정 조치서를 생성한 후 시정 조치서를 관리자 단말(300)에 제공한다.
점검자 단말(500) 중 관리자 단말(300)은 시정 조치서에 의거하여 관리자에 의해 시정이 완료되면, 시정 조치 정보(예를 들어, 관리자, 작업팀, 재해 유형, 조치 전후 사진)을 생성하여 건설 현장 위험성 예측 서버(100)에 제공한다.
그 후, 점검자 단말(500) 및 관리자 단말(300)은 불안전 행동 입력 절차를 통해 수집된 불안전 행동 및 입력 정보를 이용하여 안전 점검 일지를 생성한다. 이때, 점검자 단말(500) 및 관리자 단말(300)은 감시자 중 관리자가 입력한 불안전 행동은 해당 근로자의 안전점검일지에 반영하고, 감시자 중 감시단이 입력한 시정 조치한 내용을 안전점검일지에 반영한다.
또한, 점검자 단말(500) 중 관리자 단말(300)은 건설 현장 위험성 예측 서버(100)로부터 안전 신문고 제보 절차를 통해 세부내용, 사진, 안전 사고 관련 내용을 수신하면, 안전 신문고 채택 여부를 결정하여 건설 현장 위험성 예측 서버(100)에 제공한다.
이에 따라, 건설 현장 위험성 예측 서버(100)는 안전 신문고로 채택된 경우 해당 안전 신문고의 내용을 해당 근로자 데이터베이스(113)에 저장하고, 안전 신문고의 내용(즉, 현장, 채택 여부, 재해 유형, 상세 내용, 사진 등)을 안전 신문고 데이터베이스(411)에 저장한다.
그 후, 점검자 단말(500) 중 관리자 단말(300)은 재해 유형의 매칭 과정을 통해 매칭되는 재해 유형을 기초로 해당 재해 유형의 발생을 예방하기 위한 시정 조치서를 생성한 후 시정 조치서를 관리자 단말(300)에 제공한다.
점검자 단말(500) 중 관리자 단말(300)은 시정 조치서에 의거하여 관리자에 의해 시정이 완료되면, 시정 조치 정보(예를 들어, 관리자, 작업팀, 재해 유형, 조치 전후 사진)을 생성하여 건설 현장 위험성 예측 서버(100)에 제공한다.
따라서, 건설 현장 위험성 예측 서버(100)는 불안전 행동 입력이 발생되면, 해당 부적항 사항 내용 입력 시 함께 입력한 원인 제공 근로자 또는 해당 업체의 데이터베이스에 불안전 행동을 저장한다.
도 5는 본 발명의 일 실시예에 따른 건설 현장 위험성 예측 서버의 내부 구조를 설명하기 위한 블록도이다.
도 5를 참조하면, 건설 현장 위험성 예측 서버(100)는 사고 위험도 평가 데이터베이스(120), 위험성 평가 표준 모델(121), 신규 위험도 평가 데이터베이스(122), 현장 위험 특성 예측 모델(123), 신규 위험성 평가 데이터베이스(124), 위험성 평가부(125) 및 현장 위험 예측부(126)를 포함한다.
사고 위험도 평가 데이터베이스(120)에는 공종 별 사고발생빈도 비율, 공종 별 사고발생강도 비율, 재해 별 세부 내용이 저장되어 있다. 이때, 재해 별 세부 내용은 공정, 기인물, 사고유형, 단위작업, 재해자수(사망/부상), 현장위치, 공사종류, 공사금액, 공정율을 포함할 수 있다. 상기의 위험성 평가 표준 모델(121)에는 공종 별 위험 요인 및 위험 요인 별 안전 대책이 저장되어 있다.
상기의 위험성 평가 표준 모델(121)에는 공종 별 위험 요인 및 위험 요인 별 안전 대책이 저장되어 있다.
위험도 평가 데이터베이스(122)에는 공종 별 사고 위험도 평가 정보가 저장되어 있다.
현장 위험 특성 예측 모델(123)에는 현장 위치, 공사 종류, 공사 규모, 날씨, 공정 진척도, 지연도, 공종 별 순찰 데이터(Patrol Data), 사고 유형 별 순찰 데이터(Patrol Data), 전 근로자 대비 현장 근로자 및 작업팀 별 안전 스코어(safety score) 비율이 저장되어 있다.
신규 위험성 평가 데이터베이스(124)에는 위험도 평가 등급, 위험 요인 및 위험 요인 별 안전 대책을 포함하는 위험성 평가 결과 데이터가 저장되어 있다.
위험성 평가부(125)는 건설 현장 상황 및 작업 내용 각각에 해당하는 키워드를 수신하면 사고 위험도 평가 데이터베이스(120)에서 키워드에 해당하는 공종 별 사고발생빈도 비율, 공종 별 사고발생강도 비율 및 재해 별 세부 내용을 추출한다. 상기의 키워드는 공정, 사고기 인물, 사고 유형, 단위 작업 내용 등으로 결정될 수 있다.
그런 다음, 위험성 평가부(125)는 공종 별 사고발생빈도 비율 및 공종 별 사고발생강도 비율을 이용하여 공종 별 위험도 평가 결과를 산출한다.
일 실시예에서, 위험성 평가부(125)는 위험도 평가 데이터베이스(122)에서 추출한 공종 별 사고발생빈도 비율 및 공종 별 사고발생강도 비율을 이용하여 공종 별 위험도 평가 등급을 산출할 수 있다.
이때, 위험성 평가부(125)는 공종 별 사고발생빈도 비율, 공종 별 재해지수 및 전체 재해지수에 따라 공종 별 사고발생빈도 비율을 산출한다. 상기의, 공종 별 재해지수 및 전체 재해지수는 위험도 평가 데이터베이스(122)에서 추출한 재해 별 세부 내용(즉, 재해자수)에 의해 결정될 수 있다.
또한, 위험성 평가부(125)는 공종 별 사망자 비율 및 공종 별 부상자 비율을 이용하여 공종 별 사고발생강도 비율을 산출한다.
상기의 공종 별 사망자 비율은 공종 별 사망자 수 및 전체 사망자 수에 따라 산출되고, 공종 별 사망자 수 및 전체 사망자 수(total_dead_people)는 위험도 평가 데이터베이스(122)에서 추출한 재해 별 세부 내용(즉, 재해자수 중 사망자)에 의해 결정될 수 있다.
상기의 공종 별 부상자 비율은 공종 별 부상자 수 및 전체 부상자 수에 따라 산출되고, 공종 별 부상자 수 및 전체 부상자 수는 위험도 평가 데이터베이스(122)에서 추출한 재해 별 세부 내용(즉, 재해자수 중 부상자)에 의해 결정될 수 있다.
상기와 같은 과정을 통해 위험성 평가부(125)는 사고 위험도 평가 데이터베이스(120)를 기초로 공종 별 위험도 평가 등급이 결정되면, 위험성 평가 표준 모델(121)에서 공종 별 위험도 평가 등급에 해당하는 위험 요인 및 위험 요인 별 안전 대책을 추출한다.
그 후, 위험성 평가부(125)는 위험도 평가 등급, 위험 요인 및 위험 요인 별 안전 대책을 이용하여 위험성 평가 결과 데이터를 생성한 후, 위험성 평가 결과 데이터를 신규 위험성 평가 데이터베이스(124)에 저장한다.
상술한 과정을 통해 위험성 평가 결과 데이터를 생성한 후, 현장 위험 예측부(126)는 현장 위험 특성 예측 모델(123)을 기초로 위험성 평가 결과 데이터, 현장 정보 및 공사 주기 별 위험도 평가 지수를 반영하여 위험도 예측 데이터를 생성한다.
상기의 현장 정보는 현장주소, 공사종류, 공사규모(금액), 공사기간, 공사주기별 Master Schedule/ 건축인허가 정보: 대지위치, 실제착공일, 주용도코드명 등을 포함할 수 있다.
이때, 현장 위험 특성 예측 모델(123)은 현장 위치, 공사 종류, 공사 규모, 날씨, 공정 진척도, 지연도, 공종 별 순찰 데이터(Patrol Data), 사고 유형 별 순찰 데이터(Patrol Data), 전 근로자 대비 현장 근로자 및 작업팀 별 안전 스코어(safety score) 비율이 저장되어 있다.
즉, 현장 위험 예측부(126)는 과거 공종 별 위험도 평가 지수 및 현장 위험 특성 가중치를 이용하여 공사 주기 별 위험도 평가 지수를 산출한다. 이때, 현장 위험 특성 가중치는 고정 요인 및 변동 요인에 따라 변경될 수 있다. 고정 요인은 현장 위치, 공사 종류, 공사 규모를 포함하고, 변동 요인은 기상청 서버(400)로부터 수신된 날씨 정보, 미리 결정된 스케쥴 대비 진척도 및 지연도를 포함한다.
도 6은 본 발명에 따른 건설 현장 위험성 예측 방법의 일 실시예를 설명하기 위한 흐름도이다.
도 6을 참조하면, 건설 현장 위험성 예측 서버(100)는 건설 현장 상황 및 작업 내용 각각에 해당하는 키워드를 수신하면 공종 별 사고 위험도 평가 정보가 저장되어 있는 사고 위험도 평가 데이터베이스에서 상기 상기 키워드에 해당하는 위험도 평가 정보를 추출한다(단계 S610).
건설 현장 위험성 예측 서버(100)는 위험도 평가 정보를 이용하여 공종 별 위험도 평가 등급을 산출한다(단계 S620).
건설 현장 위험성 예측 서버(100)는 공종 별 위험도 평가 등급에 해당하는 위험 요인 및 안전 대책이 저장되어 있는 위험성 평가 표준 모델에서 상기 공종 별 위험도 평가 등급에 해당하는 위험 요인 및 안전 대책을 추출하여 평가 결과 데이터를 생성한다(단계 S630).
건설 현장 위험성 예측 서버(100)는 평가 결과 데이터를 신규 위험성 평가 데이터베이스에 저장한다(단계 S640).
도 7 내지 도 10은 본 발명에 따른 건설 현장 위험성 예측 과정을 설명하기 위한 예시도이다.
도 7 내지 도 10을 참조하면, 건설 현장 위험성 예측 서버(100)는 도 7(a)과 같이 근로자 별로 근로자 현장에 해당하는 시정 조치 현황, 일이 위험 작업 현황 등을 함께 표시한다. 또한, 건설 현장 위험성 예측 서버(100)는 도 7(b), 도 8(a)와 같이 근로자 별로 근로자 현장을 추가할 수 있도록 하며, 근로자 현장 별로 도 7(a)와 같은 정보가 제공될 수 있도록 한다.
그 후, 건설 현장 위험성 예측 서버(100)는 도 9(a)와 같은 사용자 인터페이스를 제공하며, 사용자 인터페이스 중 위험성 평가가 선택되면, 도 9(b)의 위험성 평가 인터페이스를 제공한다. 건설 현장 위험성 예측 서버(100)는 도 9(b)의 위험성 평가 인터페이스를 통해 과거 작성 이력(예를 들어, 흙막이 공사)을 확인할 수 있도록 하며, 도 10과 같이 새로운 위험성 평가를 작성할 수 있도록 한다.
도 11은 본 발명에 따른 건설 현장 위험성 예측 방법의 다른 일 실시예를 설명하기 위한 흐름도이다. 도 11의 일 실시예는 위섬성 평가의 기초 자료를 수집한 후 평가 모델링을 통해 위섬성 평가 등급을 산정할 수 있는 일 실시예에 관한 것이다.
도 11을 참조하면, 참조번호(1)과 같이 안전 보건 공단 기초 자료가 입력되면 건설 현장 위험성 예측 서버(100)는 위험성 평가를 위한 기초 자료를 입력하고, 안전 보건 공단 기초 자료가 입력되지 않으면 국토교통부 재해 사례를 입력한다.
참조번호(3)과 같이 건설 현장 위험성 예측 서버(100)는 사고 위험도 평가 데이터베이스를 업데이트한다. 이에 따라, 사고 위험도 평가 데이터베이스에는 공종 별 사고 위험도 평가 정보가 저장되어 있고 월 단위 사고 사례 공공 데이터를 업데이트하여 지속 수정되는 것이다.
한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 이는 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다. 따라서, 본 발명 사상은 아래에 기재된 특허청구범위에 의해서만 파악되어야 하고, 이의 균등 또는 등가적 변형 모두는 본 발명 사상의 범주에 속한다고 할 것이다.
본 발명은, 건설 현장의 데이터를 이용하여 효과적으로 안전관리 업무를 진행할 수 있도록 한 것으로, 건설업 분야에서 널리 이용하여 그 실용적이고 경제적인 가치를 실현할 수 있는 기술이다.

Claims (10)

  1. 공종 별 사고 위험도 평가 정보가 저장되어 있고 월 단위 사고 사례 공공 데이터를 업데이트하여 지속 수정되는 사고 위험도 평가 데이터베이스;
    공종 별 위험도 평가 등급에 해당하는 위험 요인 및 안전 대책이 저장되어 있는 위험성 평가 표준 모델;
    사용자로부터 수신되며 사용자 간 공유할 수 있는 공종 별 위험 요인 및 안전 대책이 저장되어 있는 신규 위험성 평가 데이터베이스; 및
    건설 현장 상황 및 작업 내용 각각에 해당하는 키워드를 수신하면 상기 사고 위험도 평가 데이터베이스에서 상기 키워드에 해당하는 위험도 평가 정보를 추출한 후, 상기 위험도 평가 정보에 공종 별 사고 발생 시기에 따라 결정된 가중치를 적용하여 공종 별 위험도 평가 등급을 산출하고, 상기 위험성 평가 표준 모델에서 상기 위험도 평가 등급에 해당하는 위험 요인 및 안전 대책을 추출하여 평가 결과 데이터를 생성한 후 상기 신규 위험성 평가 데이터베이스에 저장하는 위험성 평가부를 포함하는 것을 특징으로 하는
    건설 현장 위험성 예측 서버.
  2. 제1항에 있어서,
    현장 별 위험 특성 정보가 저장되어 있는 현장 위험 특성 예측 모델; 및
    상기 현장 위험 특성 예측 모델을 기초로 상기 위험성 평가 데이터에 현장 정보 및 공사 주기 별 위험성 평가 지수를 반영하여 위험도 예측 데이터를 생성하는 위험도 예측 데이터 생성부를 더 포함하는 것을 특징으로 하는
    건설 현장 위험성 예측 서버.
  3. 제2항에 있어서,
    상기 위험도 예측 데이터 생성부는
    고정 요인, 변동 요인 및 현장 부적합 사항에 따라 변경되는 현장 위험 특성 가중치 및 과거 공종 별 위험도 평가 지수를 이용하여 상기 공사 주기 별 위험성 평가 지수를 산출하는 것을 특징으로 하는
    건설 현장 위험성 예측 서버.
  4. 제1항에 있어서,
    상기 위험성 평가부는
    상기 사고 위험도 평가 데이터베이스에서 공종 별 사고발생빈도 비율 및 공종 별 사고발생강도 비율을 포함하는 위험도 평가 정보를 추출하고, 상기 공종 별 사고발생빈도 비율 및 상기 공종 별 사고발생강도 비율을 이용하여 공종 별 위험도 평가 등급을 산출하는 것을 특징으로 하는
    건설 현장 위험성 예측 서버.
  5. 제1항에 있어서,
    상기 위험성 평가부는
    상기 공종 별 위험도 평가 등급에 따라 서로 다른 재해 비율을 제공하는 것을 특징으로 하는
    건설 현장 위험성 예측 서버.
  6. 건설 현장 위험성 예측 서버에서 실행되는 건설 현장 위험성 예측 방법에 있어서,
    건설 현장 상황 및 작업 내용 각각에 해당하는 키워드를 수신하면, 공종 별 사고 위험도 평가 정보가 저장되어 있고 월 단위 사고 사례 공공 데이터를 업데이트하여 지속 수정되는 사고 위험도 평가 데이터베이스에서 상기 키워드에 해당하는 위험도 평가 정보를 추출하는 단계;
    상기 위험도 평가 정보에 공종 별 사고 발생 시기에 따라 결정된 가중치를 적용하여 공종 별 위험도 평가 등급을 산출하는 단계;
    상기 공종 별 위험도 평가 등급에 해당하는 위험 요인 및 안전 대책이 저장되어 있는 위험성 평가 표준 모델에서 상기 공종 별 위험도 평가 등급에 해당하는 위험 요인 및 안전 대책을 추출하여 평가 결과 데이터를 생성하는 단계;
    상기 평가 결과 데이터를 신규 위험성 평가 데이터베이스에 저장하는 단계를 포함하는 것을 특징으로 하는
    건설 현장 위험성 예측 방법.
  7. 제6항에 있어서,
    현장 별 위험 특성 정보가 저장되어 있는 현장 위험 특성 예측 모델을 기초로 상기 위험성 평가 데이터에 현장 정보 및 공사 주기 별 위험성 평가 지수를 반영하여 위험도 예측 데이터를 생성하는 단계를 더 포함하는 것을 특징으로 하는
    건설 현장 위험성 예측 방법.
  8. 제7항에 있어서,
    상기 위험도 예측 데이터를 생성하는 단계는
    고정 요인, 변동 요인 및 현장 부적합 사항에 따라 변경되는 현장 위험 특성 가중치 및 과거 공종 별 위험도 평가 지수를 이용하여 상기 공사 주기 별 위험성 평가 지수를 산출하는 단계를 포함하는 것을 특징으로 하는
    건설 현장 위험성 예측 방법.
  9. 제6항에 있어서,
    상기 위험도 평가 정보를 이용하여 공종 별 위험도 평가 등급을 산출하는 단계는
    상기 사고 위험도 평가 데이터베이스에서 공종 별 사고발생빈도 비율 및 공종 별 사고발생강도 비율을 포함하는 위험도 평가 정보를 추출하는 단계; 및
    상기 공종 별 사고발생빈도 비율 및 상기 공종 별 사고발생강도 비율을 이용하여 공종 별 위험도 평가 등급을 산출하는 단계를 포함하는 것을 특징으로 하는
    건설 현장 위험성 예측 방법.
  10. 제6항에 있어서,
    상기 공종 별 위험도 평가 등급에 따라 서로 다른 재해 비율을 제공하는 단계를 더 포함하는 것을 특징으로 하는
    건설 현장 위험성 예측 방법.
PCT/KR2022/008439 2021-06-17 2022-06-14 건설 현장 위험성 예측 방법 및 이를 실행하는 서버 WO2022265375A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2021-0079028 2021-06-17
KR1020210079028A KR102363619B1 (ko) 2021-06-17 2021-06-17 건설 현장 위험성 예측 방법 및 이를 실행하는 서버

Publications (1)

Publication Number Publication Date
WO2022265375A1 true WO2022265375A1 (ko) 2022-12-22

Family

ID=80325175

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2022/008439 WO2022265375A1 (ko) 2021-06-17 2022-06-14 건설 현장 위험성 예측 방법 및 이를 실행하는 서버

Country Status (2)

Country Link
KR (1) KR102363619B1 (ko)
WO (1) WO2022265375A1 (ko)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102363619B1 (ko) * 2021-06-17 2022-02-15 에스케이에코플랜트(주) 건설 현장 위험성 예측 방법 및 이를 실행하는 서버
CN116070790B (zh) * 2023-03-21 2023-09-01 中国建筑一局(集团)有限公司 一种减少施工现场重大安全风险隐患的预测方法和***
KR102643041B1 (ko) * 2023-05-25 2024-03-05 국토안전관리원 인공지능에 기반하여 빅데이터의 자동 분석을 통한 건설사고 예측방법 및 장치

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019003257A (ja) * 2017-06-12 2019-01-10 株式会社奥村組 土木・建設現場における工事作業に対する危険予知活動の分析支援システム及び連絡配布支援システム
KR20190040847A (ko) * 2017-10-11 2019-04-19 양경옥 작업일보를 이용한 안전정보 생성 방법 및 장치
KR102363619B1 (ko) * 2021-06-17 2022-02-15 에스케이에코플랜트(주) 건설 현장 위험성 예측 방법 및 이를 실행하는 서버

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101759916B1 (ko) * 2016-05-20 2017-07-20 주식회사 세이프티아 공정 및 작업 위험도에 의한 위험지도 기반의 안전관리를 위한 서버, 시스템 및 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019003257A (ja) * 2017-06-12 2019-01-10 株式会社奥村組 土木・建設現場における工事作業に対する危険予知活動の分析支援システム及び連絡配布支援システム
KR20190040847A (ko) * 2017-10-11 2019-04-19 양경옥 작업일보를 이용한 안전정보 생성 방법 및 장치
KR102363619B1 (ko) * 2021-06-17 2022-02-15 에스케이에코플랜트(주) 건설 현장 위험성 예측 방법 및 이를 실행하는 서버

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
JUNG CHANGHOON, JANG JIYOUNG, PARK SANGWON, HAN SEUNGWOO: "Development of a Quantified Risk Prediction Process for Workers in Construction Projects Considering Site Conditions and Accident Cases", PROCEEDINGS OF THE KOREAN INSTITUTE OF BUILDING CONSTRUCTION FALL CONFERENCE 2019, vol. 19, no. 2, 1 November 2019 (2019-11-01), pages 94 - 95, XP093015672 *
KANG, LEEN-SEOK; KIM, CHANG-HAK; KWAK, JOONG-MIN: "Analysis for the Importance of Risk Factors through the Project Life Cycle", PROCEEDINGS OF ARCHITECTURAL INSTITUTE OF KOREA - STRUCTURAL SYSTEMS, KR, vol. 17, no. 8, 31 July 2001 (2001-07-31), KR, pages 1 - 8, XP009542554, ISSN: 1226-9107 *
KOH, SEONG-SUK ET AL.: "A Study on the Hazard of Work Types for Building Construction. ", PROCEEDINGS OF ARCHITECTURAL INSTITUTE OF KOREA - STRUCTURAL SYSTEMS, KR, vol. 20, no. 5, 1 May 2004 (2004-05-01), KR, pages 137 - 143, XP009542136, ISSN: 1226-9107 *

Also Published As

Publication number Publication date
KR102363619B1 (ko) 2022-02-15

Similar Documents

Publication Publication Date Title
WO2022265371A1 (ko) 건설 현장 안전 관리 시스템
WO2022265375A1 (ko) 건설 현장 위험성 예측 방법 및 이를 실행하는 서버
WO2022265373A1 (ko) 건설 현장 작업 관리 방법 및 이를 실행하는 시스템
WO2022265372A1 (ko) 건설 현장 근로자 관리 방법 및 이를 실행하는 서버
WO2017222128A1 (ko) 카드 발급사를 대신하여 카드 서비스를 제공하는 방법 및 서버
WO2018070623A1 (ko) 전자문서 내용기반의 위변조 방지 장치와 시스템 및 그 방법
WO2018199658A1 (ko) 전력설비의 자산관리 방법
WO2021230522A1 (ko) 최종가격산정부를 갖는 토지시세 추정시스템 및 추정방법
WO2022265374A1 (ko) 건설 현장 커뮤니케이션 서비스 제공 방법 및 이를 실행하는 시스템
WO2018166099A1 (zh) 信息泄露检测方法及装置、服务器及计算机可读存储介质
WO2018084326A1 (ko) 실시간 상담을 제공하기 위한 방법 및 서버
WO2018166098A1 (zh) 数据稽核方法、装置、移动终端及计算机可读存储介质
WO2023058973A1 (ko) 인공지능과 기계 학습 기반 해외 공공조달 맞춤형 입찰정보 제공 서비스 시스템 및 방법
KR102226675B1 (ko) 스마트 안전 관리 시스템 및 그 방법
WO2023106572A1 (ko) 가상 자산 부정 거래 탐지를 위한 탐지 모델의 학습 방법, 탐지 모델을 이용한 가상 자산 부정 거래의 탐지 방법 및 이들을 수행하는 장치 및 컴퓨터 프로그램
WO2023191129A1 (ko) 법안 및 법규정에 대한 모니터링 방법 및 이를 위한 프로그램
WO2020209400A1 (ko) 작업일보를 이용한 안전정보 생성 방법 및 장치
WO2020122546A1 (ko) 특허와 논문 데이터를 활용한 국가 및 기업들의 과학 기술력 진단 및 예측 방법
WO2017188505A1 (ko) 중고휴대폰 인증코드 부여 장치, 중고휴대폰 인증 시스템, 및 이를 이용한 중고휴대폰 인증 방법
WO2017043847A1 (ko) 관리비 절감 시스템 그리고 플랫폼 서버 연동 클라우드 기반 결재 서비스 방법
WO2021096081A1 (ko) 디지털 사이니지 관리 방법 및 그 장치
WO2019083155A1 (ko) 보험 정보 처리 장치 및 방법, 보험 정보 처리 방법을 구현하기 위한 프로그램이 저장된 기록매체 및 보험 정보 처리 방법을 구현하기 위한 매체에 저장된 프로그램
JP2017045321A (ja) 情報管理システム、情報管理方法、及び情報管理プログラム
WO2013085080A1 (ko) 의무적 작업 안전 분석을 위한 안전관리 시스템 및 그 방법
WO2018182067A1 (ko) 모바일 주차권 발행 시스템 및 방법, 이를 이용한 모바일 주차 관리 시스템 및 방법

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 22825298

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 22825298

Country of ref document: EP

Kind code of ref document: A1