[논문 리뷰] A Data-driven Human Responsibility Management System

Xuejiao Tang, Qiu Jiong외 7명|arXiv (Cornell University)|2020. 12. 06.

Occupational Health and Safety Research참고 문헌 23인용 수 5

한 줄 요약

이 논문은 사물인터넷(IoT)에서 생성된 책임 big data와 방향성 비순환 그래프(DAG)를 활용하여 기업 내 위험 평가, 실시간 감시, 책임 추적을 자동화하는 데이터 기반 인간 책임 관리 시스템을 제안한다. 시스템은 책임 경계를 동적으로 정의하고 작업 완료 상황을 시각화하며 인원의 성과를 순위화함으로써 안전 관리를 향상시키며, 실제 쇼핑몰에 구현된 결과 사고율 감소에 기여한다. 자동 경고 및 실시간 성과 점수 평가 기능을 통해 운영된다.

ABSTRACT

An ideal safe workplace is described as a place where staffs fulfill responsibilities in a well-organized order, potential hazardous events are being monitored in real-time, as well as the number of accidents and relevant damages are minimized. However, occupational-related death and injury are still increasing and have been highly attended in the last decades due to the lack of comprehensive safety management. A smart safety management system is therefore urgently needed, in which the staffs are instructed to fulfill responsibilities as well as automating risk evaluations and alerting staffs and departments when needed. In this paper, a smart system for safety management in the workplace based on responsibility big data analysis and the internet of things (IoT) are proposed. The real world implementation and assessment demonstrate that the proposed systems have superior accountability performance and improve the responsibility fulfillment through real-time supervision and self-reminder.

연구 동기 및 목표

• 약한 안전 관리와 인간 오류로 인한 직업상해 및 사망 사고의 지속적인 증가를 해결하기 위해.
• 일관되지 않은 감시와 지연된 위험 탐지 문제를 겪는 전통적인 인간에 의존하는 안전 시스템의 한계를 극복하기 위해.
• IoT와 빅데이터 분석을 통해 책임 추적, 위험 평가, 책임성 추구를 자동화하는 스마트하고 데이터 기반의 시스템을 개발하기 위해.
• 법적 규정, 업무 유형, 직위별 책임을 기반으로 책임 경계를 동적으로 정의하고, 시각화된 점수 평가 및 순위 매기기를 통해 실시간 성과 모니터링을 가능하게 함으로써 조직의 책임성 향상을 위해.

제안 방법

• 위험 사전 제어, 위험 모니터링, 사고 보고서 등을 포함한 IoT 센서 및 수동 입력에서 온 책임 big data를 수집한다.
• 책임 노드(업무)와 직위 간의 계층적 관계를 모델링하기 위해 방향성 비순환 그래프(DAG)를 사용한다. 이는 감독 및 피감 관계를 명확히 한다.
• 법적 규정, 업무 유형, 직위별 책임을 기반으로 책임 경계를 정의하며, 부서 간 자동 경계 생성을 구현한다.
• 부서 및 직위별 가중치가 부여된 책임 세트를 적용하며, 업무 유형, 주기(정기/비정기), 위험 수준, 트리거 방식을 포함한다.
• 업무 완료, 출석, 성과 평가를 종합한 다차원 점수 시스템을 적용하며, 투표 또는 규칙 기반 평가를 통한 자동 또는 수동 점수 부여를 수행한다.
• GUI 대시보드를 통해 책임 상태, 점수, 순위를 시각화하며, 문제 탐지에 유용한 실시간 곡선과 책임 무게 정보가 포함된 DAG를 제공한다.

실험 결과

연구 질문

• RQ1 복잡한 조직 계층에서 책임 관리를 자동화하여 인간 오류를 줄이고 책임성을 향상시킬 수 있는가?
• RQ2 IoT에서 생성된 책임 big data는 안전 중심 환경에서 실시간 위험 모니터링 및 사고 대응을 얼마나 향상시킬 수 있는가?
• RQ3 방향성 비순환 그래프(DAG)를 사용하여 책임 관계를 모델링하고 시각화함으로써 책임 추적 정확도를 향상시킬 수 있는가?
• RQ4 자동화된 성과 점수 평가 및 시각화가 직원의 책임 이행 및 안전 관리 결과에 어떤 영향을 미치는가?

주요 결과

• 실제 쇼핑몰에 구현된 결과, 시스템은 책임 목록과 그 이행 상태를 성공적으로 시각화하여 안전 업무의 실시간 모니터링을 가능하게 하였다.
• 화재 경보와 같은 시뮬레이션된 비상 상황 동안 자동 경고가 발생하여 직원에게 신속하게 알림이 전달되고 반응 시간이 단축되었다.
• 직원의 책임 점수가 동적으로 업데이트되고 시간 경과에 따른 곡선으로 시각화되어 성과 추적과 성과가 열악한 직원의 식별이 가능해졌다.
• 책임 무게가 포함된 DAG 기반의 시각화는 책임 이행의 격차를 명확히 드러내어 책임 평가 정확도 향상에 기여하였다.
• 수동 감시에 의존하는 것에서 벗어나 데이터 기반 실시간 책임 강제를 가능하게 하여 관리 효율성이 향상되었다.
• 순위 결과와 성과 곡선은 관리자에게 실질적인 통찰을 제공하여 성과 평가 및 대상별 개선 조치 수립에 기여하였다.