[보안뉴스]추락·끼임·질식·외국인 등 4대 사망사고... AI로 고위험사업장 집중 관리

내용 요약

한국산업안전보건공단은 “레드(RED) 2000” 프로젝트를 통해 4대 고위험 사업장(추락, 끼임, 질식, 외국인)에 해당하는 2,000개 현장을 9월 15일부터 10월 말까지 집중 관리하며, 위험 예측 시스템을 활용해 사망 사고를 줄이고 안전한 일터를 만들고자 한다.

핵심 포인트

• 정밀 고위험 현장 선정: 추락·끼임·질식·외국인 등 4대 위험에 집중해 2,000개 사업장 선별.
• 단기간 집중 관리를 통한 실질적 사고 감소: 1개월 이내에 위험 수준을 가시적으로 낮추기 위한 집단 개입.
• 위험 예측 시스템 도입: 데이터 기반 사고 예측으로 사전 예방 조치를 설계·실행.

기술 세부 내용

1️⃣ 레드(RED) 2000 프로젝트

• 목적: 사망 사고를 가장 많이 유발하는 4대 위험을 체계적으로 파악하고, 해당 현장에 대한 우선순위 개입을 계획.
• 선정 프로세스
  1. 데이터 수집 – 전 산업안전보건 데이터베이스에서 과거 사고 기록 및 위험 요소를 추출.
  2. 위험도 평가 – Hazard Severity × Exposure Frequency를 계산해 4단계 위험 등급 부여.
  3. 선별 기준 – 등급 4(최고위험) 에 해당하고, 사망률 상위 % 10에 해당하는 현장 2,000개를 최종 리스트업.
• 실행 단계
  • 현장 진단: 안전 전문가 팀이 현장 방문 → 장비 점검, 작업 프로세스, 교육 수준 평가.
  • 우선순위 결정: 리스크 스코어와 인근 인프라(응급실 접근성 등)를 고려해 집중 개입 순번 지정.
  • 개입 플랜 수립: 안전 장비 설치, 작업 절차 개정, 긴급 대처 교육 등 구체적 액션 리스트 작성.

2️⃣ 위험 예측 시스템 (Risk Prediction Engine)

• 핵심 기능
  1. 실시간 데이터 수집 – IoT 센서(가스, 온도, 충격 센서)와 작업 기록(작업자 로그, 장비 유지보수 기록)을 연동.
  2. 머신러닝 모델 – Random Forest와 Gradient Boosting 알고리즘을 활용해 과거 사고 패턴과 현재 현장 데이터를 학습.
  3. 사고 확률 산출 – 각 위험 요소별 사망 가능성을 0~1 사이의 확률로 표현, 월별/주별 리스크 트렌드 제공.
• 운영 절차
  1. 데이터 파이프라인 구축 – ETL(Extract‑Transform‑Load) 프로세스를 통해 정제·정규화.
  2. 모델 업데이트 – 신규 사고 발생 시 모델에 피드백, 재학습 주기 설정(월 1회).
  3. 대시보드 배포 – Web UI에서 위험도 지표(Heat Map), 알림(Threshold exceed), 개입 효과 시뮬레이션 확인.
• 사고 감소 효과
  • 사전 경고: 위험이 급증할 때 즉시 알림 → 빠른 조치 가능.
  • 리소스 최적화: 고위험 현장에 인력·예산 집중, 불필요한 개입 최소화.
  • 데이터 기반 의사결정: 정량적 증거로 정책·교육 개선 주도.

결론
레드(RED) 2000과 위험 예측 시스템이 결합되면, 단기간에 2,000개 고위험 현장의 사망 사고를 실질적으로 감소시킬 수 있다. IT 인프라와 안전 관리가 시너지 효과를 내며, 지속가능한 안전문화 정착에 기여한다.

 

출처: http://www.boannews.com/media/view.asp?idx=139263&kind=&sub_kind=