1. 수행배경

• 현재 고용노동부와 안전보건공단이 제공하는 산업재해 통계는 재해 발생 이후 집계되는 사후(事後) 지표입니다. 이는 전반적인 현황 파악과 거시적인 예방정책 수립에는 유용하나, "어느 지역과 산업을 우선적으로 점검할 것인가"에 대한 사전 의사결정에는 한계가 있습니다. 현장의 한정된 점검 인력을 효율적으로 배치하기 위해서는 사고 발생 전 위험을 감지할 수 있는 선행(先行) 신호가 필수적입니다. 이에 본 프로젝트는 현장의 위험 인식이 행정적으로 접수된 신호인 '고용노동부 민원 데이터'를 선행 신호로 착안하였습니다. 민원 선행 신호와 산업재해 통계, 사업장 현황 데이터를 결합하여 주 단위의 산업재해 발생 건수를 예측함으로써, 사후 통계 중심의 안전관리를 사전 예측 기반으로 보완하고자 본 과제를 수행하였습니다.

2. 수행기간(26.03~26.06)

• 3월 (과제 기획 및 데이터 수집): 아이디어 구체화, 선행연구 검토, 6개년(2018~2023년) 산업재해 원자료, 고용노동부 민원 통계, 사업장 현황 데이터 수집 및 17개 시도 × 19개 산업 × 주차 단위의 패널 데이터 구조 설계

• 4월 (데이터 전처리 및 선행성 검정): Granger 선행성 검정을 통한 시도·산업별 유의미한 민원 변수 선별, 입력 데이터 정제 및 1차 산학 캡스톤디자인 경진대회 신청서 제출

• 5월 (모델링 및 대시보드 개발): XGBoost 알고리즘 기반의 주 단위 발생 건수 회귀 예측 모델 구축, SHAP을 활용한 설명가능 AI(XAI) 기법 적용, 웹 대시보드 UI/UX 구현

• 6월 (검증 및 최종 고도화): Spearman 순위 상관계수(0.9027) 및 경보 지표(Precision 90.09%) 검증, 대학원 및 산업체 멘토(인천국제공항공사 전문가) 자문 피드백 수렴, 실무 정합성 보완 후 최종 결과보고서 제출

3. 개발작품 설명

• 본 개발작품은 민원 데이터와 산재 데이터를 결합한 패널 데이터를 바탕으로 주간 산업재해 발생 건수를 예측하고 위험 경보를 시각화하는 '산업안전 조기경보 및 의사결정 지원 웹 대시보드'입니다.
• 핵심 기술 구조는 다음과 같습니다.
  • 첫째, 수집된 행정 민원 데이터 중 Granger 선행성 검정을 통과하여 통계적 유의성이 확보된 신호만을 모델 변수로 활성화합니다.
  • 둘째, 지도학습 기반의 XGBoost 알고리즘을 통해 주 단위 산업재해 발생 건수를 회귀 예측합니다.
  • 셋째, 예측된 수치를 학습 구간의 시도별 분포 분위수(Q70, Q90)를 기준으로 '정상', '주의', '위험'의 3단계 조기경보 체계로 변환합니다.
  • 넷째, 사용자가 직관적으로 고위험군을 파악할 수 있도록 최신 주차의 경보 현황 지도와 '점검 우선순위 Top 20' 리스트를 웹 인터페이스로 제공합니다. 또한 SHAP 알고리즘을 도입하여 각 지역·산업별 위험 경보의 원인이 된 민원 변수의 기여도를 시각적으로 제시합니다.

4. 활용방안

• 타겟 점검을 통한 행정 효율성 극대화: 고용노동부, 지방고용노동관서, 지자체 산업안전 점검 담당자가 매주 월요일 갱신되는 '점검 우선순위 Top 20'을 활용하여 한정된 점검 인력을 고위험 지역과 산업에 우선 배치하는 효율적인 예방 감독이 가능합니다.

• 소외 지역 없는 안전망 구축 (지역 형평성 확보): 전국 단일 기준이 아닌 시도별 자체 분포 기준을 적용함으로써, 세종·제주 등 절대적인 재해 발생 규모가 작아 대형 시도에 묻히기 쉬운 지역의 상대적 위험을 적시에 포착하고 위험 소외 현상을 방지합니다.

• 근거 기반의 과학적 행정 지원: 설명가능 AI(XAI)를 통해 경보 발령의 객관적 행정 근거(예: 특정 지역의 산업안전 관련 민원 급증 등)를 담당자에게 제공함으로써 예측 결과의 실무 신뢰도를 높입니다.

• 정책 자원 배분의 참고자료 활용: 고용노동부 본부 차원에서 전국적인 위험 분포를 모니터링하고 중장기적인 지역별 점검 자원 배분, 집중관리 지역 선정, 예방 정책 우선순위 설정을 위한 과학적 기초 자료로 활용할 수 있습니다.