kjhplay12 님의 블로그

원문 논문: A decision-making model for blasting risk assessment in mines using FBWM and GRA methods 

🔗 DOI: https://www.nature.com/articles/s41598-024-82181-5   * 해당 논문은 무료로 볼 수 있다.

1. 이 논문을 읽게 된 이유

산업안전에 종사하는 분이나, 산업안전 관련하여 자격증을 취득한 분이라면 위험성 평가방법들 중 HAZOP, JSA, FMEA를 들어본 적이 있을것이다. 이러한 전통적인 위험성 평가방법은 작업장의 특성위험 요소를 분석하고, 그 위험성이 얼마나 높은지 평가하기 위해 위험 우선순위 번호(RPN)을 계산하여 예방 조치를 수립하는 방법이다. 하지만 이러한 평가방법에는 여러가지 단점이 있는데,  

• 기준 가중치 할당 없음: 기존 방법들은 위험 평가 기준{C(결과), P(발생 가능성), E(노출) 등}에 대한 가중치를 부여하지 않기 때문에 작업 유형에 따라 중요한 기준이 간과될 수 있다.
• 동일한 위험 우선순위 번호(RPN) 부여 가능성: 사전 결정된 데이터와 테이블을 기반으로 위험을 계산 및 우선순위화하기 때문에 두 개의 서로 다른 위험이 동일한 RPN을 가질 수 있다.
• 불확실성 존재: 전문가들의 경험과 지식 수준이 다르기 때문에 평가 과정에서 불확실성이 발생할 수 있다.

이러한 단점을 해결하기 위해 여러가지 논문들이 나오고 있는데, 그 중에서 기존 위험성 평가기법에 FBWM과 GRA기법을 혼합한 논문을 소개하고자 한다. 

2. 논문요약

논문에서는 기존 위험 평가 방법의 민감도와 정확도를 높이고자 FBWM(퍼지 최선-최악 방법)과 GRA(회색 관계 분석) 기법을 결합한 새로운 위험 평가 모델을 제안했다. 본 논문의 주요 기여점은 다음과 같다.

1. 퍼지 집합 이론 적용: 인간의 판단 과정에서 발생하는 모호성을 해결하기 위해 퍼지집합을 활용하여 의사결정을 개선함

2. FBWM 기법을 활용한 기준 가중치 할당: 기존의 Fine–Kinney 방법의 한계를 극복하여 위험 평가의 정확성을 높임.

3. GRA 기법을 활용한 위험 우선순위화: 위험 요소를 효과적으로 순위화하여 합리적인 의사결정을 지원.

4. 언어적 변수 활용: Crisp(단일 수치) 값 대신 언어적 변수를 사용하여 평가의 불확실성을 줄임.

기존 위험 평가 방법으로 Fine–Kinney 기법을 사용하였는데, 위험도(Risk Score, R)는 다음 공식으로 계산된다.

 공식 변수 설명

• R(Risk Score, 위험 점수) = 최종적으로 계산된 위험 수준
• C(Consequence, 결과) = 사고가 발생했을 때의 영향 또는 심각도
• P(Probability, 발생 확률) = 사고가 발생할 가능성
• E(Exposure, 노출 빈도) = 위험에 노출되는 빈도

우선 FBWM과 GRA 기법을 알아보기 전에, 퍼지 집합 이론에 대해 알아야 한다. 전통적인 집합 이론에서는 어떤 요소가 완전히 포함(1)되거나, 완전히 제외(0)되는 방식으로 정의된다.
하지만 현실에서는 경계가 불분명한 개념이 많기 때문에 퍼지 집합에서는 연속적인 소속 값을 사용하여 좀 더 유연한 방법으로 데이터를 표현할 수 있다.  논문에서는 삼각 퍼지 수(TFN)를 사용하여 데이터를 표현했다.
삼각 퍼지 수(TFN)란 세 개의 값 (L, M, U)로 정의되며, 각각 최솟값(L), 중심값(M), 최댓값(U)을 의미한다.

예를 들어, 시험 점수(0~100점)를 평가한다고 가정하면, "좋은 점수(Good Score)"를 퍼지 숫자로 표현할 때, 아래와 같이 표현할 수 있다.

• L = 60 (최소한 이 점수 이상은 되어야 함)
• M = 80 (이 점수가 가장 대표적인 좋은 점수임)
• U = 100 (이 점수 이하까지는 좋은 점수로 인정됨)

퍼지 집합에서는 어떤 값이 특정 집합에 속하는 정도를 나타내기 위해 소속 함수(µ, Membership Function)를 사용한다.
논문에서 사용한 소속 함수 공식은 다음과 같다.

퍼지 수를 단일 값(정확한 수치)로 변환하는 방법으로 논문에서는 다음과 같은 공식을 사용했다.

퍼지집합을 이제 알았으니, FBWM(Fuzzy Best-Worst Method)을 알아보겠다. 

FBWM는 기준(크리테리아, Criteria)들의 중요도를 결정하는 방법인데, 여러 가지 평가 기준 중 가장 중요한 것(Best)과 가장 덜 중요한 것(Worst)을 선정하고, 이를 비교하여 각 기준의 가중치(Weight)를 계산하는 방법이다. 기존 BWM(Best-Worst Method)의 한계를 보완한 퍼지(Fuzzy) 버전으로, 인간의 모호한 판단을 더 정확하게 반영할 수 있다.

FBWM은 다음 6단계로 진행되는데, 

① 평가 기준(크리테리아) 설정:

    평가해야 할 기준을 정한다. 논문에서는 폭파 위험을 평가하기 위해 Fine–Kinney 기준을 사용했다.

• C (Consequence, 결과)
• P (Probability, 발생 확률)
• E (Exposure, 노출)

② 가장 중요한(Best)과 가장 덜 중요한(Worst) 기준 선택:

    전문가들이 가장 중요한 기준(C_best)과 가장 덜 중요한 기준(C_worst)을 선택하는데, 논문에서는 "C (결과)"가 가장          중요하고, "E (노출)"가 가장 덜 중요한 것으로 선정하였다.

③ Best-to-Others (B2O) 비교:

    가장 중요한 기준(Best)과 나머지 기준들을 비교한다. 

    예를 들어, "C"가 "P"보다 보통 중요하다면,

    논문에서 사용된 언어적 변수와 퍼지 숫자 변환표는 아래와 같다.

④ Others-to-Worst (O2W) 비교: 

    각 기준들이 가장 덜 중요한 기준(Worst)과 비교된다.

    예를 들어, "P"가 "E"보다 약간 더 중요하다면, 

⑤ 퍼지 가중치(Fuzzy Weights) 계산: 

    이제 퍼지 선형 최적화(Fuzzy Linear Optimization)를 사용하여 각 기준의 가중치를 계산한다. 

⑥ 퍼지 가중치를 단일 숫자(Defuzzification)로 변환: 

    퍼지 가중치를 단일 값으로 변환할 때, 논문에서는 다음 공식을 사용했다.

이제 FBWM에 대한 개념을 학습했으니, 이를 활용하여, 광산 발파 위험 평가의 우선순위를 매겨보자. 

먼저, 전문가 4명이 아래와 같이 파악한 폭파 작업의 위험요소들(20가지)*에 대해 언어적 평가(linguistic terms)를 한다.

 * 여기에서는 10가지만 사용해서 설명함

그 다음 전문가들의 언어적 평가를 퍼지 숫자(TFN)로 변환한다. 논문에서는 변환할 때, 아래의 변환표를 이용하였다.

각 위험요소에 대해 4명의 전문가가 평가한 퍼지 숫자를 평균낸다.

즉, 전문가 4명의 하한(l) 값 평균, 전문가 4명의 중간(m) 값 평균, 전문가 4명의 상한(u) 값 평균을 각각 구하여 최종 퍼지 숫자를 만들고, 퍼지 숫자를 단일 값으로 변환하면 아래와 같은 표를 얻을 수 있다.

이제 위에서 배운 FBWM을 활용하여 C, P, E에 대한 퍼지 가중치를 계산한다. 위에서 얘기한 것 처럼 논문에서는 "C (결과)"가 가장 중요하고, "E (노출)"가 가장 덜 중요한 것으로 선정했다. 

① 퍼지 가중치를 아래와 같이 설정하고, 

② Best 기준과 다른 기준을 비교

③ 다른기준과 Worst 기준을 비교 

④ 퍼지 선형 최적화(Fuzzy Linear Optimization)를 사용하여 제약 조건을 만족하는 범위 내에서 최적의 가중치를 계산(심        플렉스 알고리즘(Simplex Algorithm) 등을 이용)하고, 단일값 변환식에 대입한다. 

그러면 아래와 같은 가중치와 단일값을 구할 수 있다. 

이제 GRA를 구하기 위해 각 위험요소에 대한 퍼지 숫자를 단일 값으로 변환한 표에서 최대-최소 정규화(Min-Max  Normalization)를 적용하여 값을 변환하면 아래와 같은 표를 얻을 수 있다. 

정규환된 표에서 아래의 GRA공식을 사용하면 

아래와 같은 각 위험요인에 대한 GRA값이 구해진다. 

마지막으로 민감도 분석(Sensitivity Analysis)을 수행하기 위해 가중치(W1)를 적용하여 위 표에 가중치를 곱하면

아래와 같이 가중치 벡터(W1)과 곱한 GRA 값의 계산되고 각 위험요인에 대한 GRA값을 합산하면 우선순위가 구해진다.

아래 표는 민감도 분석을 위한 가중치 벡터(W1, W2, W3, W4)를 이용해서 구한 우선순위 표랑 그래프이다. 

위 표에 따르면, 가중치 조합을 변경하면 위험 순위도 달라진다. 예를 들어, 결과(C)의 가중치를 높이면 심각한 위험이 우선적으로 평가되며, 발생 확률(P) 또는 노출 빈도(E)를 강조하면 다른 위험 요소들이 더 중요하게 고려된다. 하지만,  주요 위험 요소의 순위는 기존 방법과 대체로 일치하여 민감도가 작다. 

두 번째 단계에서는 기존 다기준 의사결정 기법(MCDM)과 비교하여 제안된 모델의 위험 우선순위 결과를 평가했다.

이 또한, 주요 위험 요소의 순위는 기존 방법과 대체로 일치했으며, 일부 순위 차이는 각 기법의 분석 방식 차이 때문으로 이러한 차이는 의사결정 과정에 큰 영향을 미치지 않는다. 따라서, 제안된 모델이 기존 기법과 높은 일관성을 갖는다는 것을 검증했다. 

3. 개인적 해석 

이 논문은 가중치 설정을 조정함으로써 위험 요소의 우선순위가 달라질 수 있음을 실증적으로 보여준다.
이는 특정 산업이나 상황에 맞춰 위험 평가 방식을 유연하게 조정할 수 있다는 점에서 실무적으로 매우 유용하다.
예를 들어, 건설업에서는 노출 빈도(E)를, 금융업에서는 발생 확률(P)를 더 중요한 요소로 설정하여 맞춤형 위험 평가를 수행할 수 있다. 그러나 의사결정자가 임의로 가중치를 설정할 경우, 분석 결과가 주관적으로 변할 가능성이 높다는 점이 한계로 작용할 수 있다.
따라서, 논문에서 가중치 설정에 대한 명확한 가이드라인을 제시하지 않은 점이 아쉬운 부분이다.
만약 이러한 가이드라인이 마련된다면, 안전 관리 소프트웨어나 프로젝트 리스크 관리 시스템에 이 모델을 적용하여 실시간으로 위험 순위를 조정하고, 의사결정자에게 최적의 대응 방안을 자동으로 추천하는 기능을 개발할 수 있을 것이다.
이를 통해 리스크 관리의 효율성을 높이고, 보다 정밀한 의사결정을 지원할 수 있을 것으로 기대된다.

원문 논문: Safety management systems: A broad overview of the literature

🔗 DOI:https://www.sciencedirect.com/science/article/abs/pii/S0925753517309463

1. 이 논문을 읽게 된 이유

2022년 1월 27일, 중대재해처벌법이 시행되면서 상시 근로자 5인 이상의 사업장은 안전보건관리 시스템을 구축하는 것이 의무화되었지만 아직까지도 많은 사업주와 안전관리 실무자들은 왜 안전관리 시스템을 도입해야 하는지, 그리고 그것이 왜 중요한지에 대한 이해가 부족한 경우가 많은 것 같다. 이에 따라, 안전관리 시스템의 개념과 중요성을 보다 깊이 이해하기 위해 안전관리 시스템의 정의와 발전 과정을 상세하게 다룬 논문을 소개하고자 한다. 

2. 논문요약 

2.1 안전의 정의 

논문에서는 안전을 인간이나 동물에 대한 피해, 경제적 손실 또는 기타 유형의 피해나 손실을 초래할 수 있는 ‘무언가’로부터 자유로운 상태로 정의했다. 그러나 완전한 무위험(Zero-risk) 상태, 즉 절대적이고 무조건적인 안전은 존재하지 않는다고 강조한다.  왜냐하면 위험(Risk)이란 불확실한 미래 사건의 발생 확률과 그 결과를 측정하는 개념이며, 바람직하지 않은 결과가 발생할 가능성을 의미하기 때문이다. 

2.2 안전관리의 정의 

안전관리란 안전을 관리하는 것이며, 안전은 특정한 상태(state) 또는 조건(condition)을 의미하고, 안전관리는 일정한 과정(process) 또는 일련의 활동(series of activities)을 의미한다.

즉, 안전이란 수용할 수 없는 결과(unacceptable consequences)로부터 자유로운 상태를 의미하지만, 안전 관리는 특정 안전 기능을 실현하기 위한 과정이다.

2.3 안전관리 시스템의 정의 

일반적으로 SMS는 조직 내 안전 성과(Safety Performance)를 향상시키기 위한 관리 절차, 요소 및 활동을 포함하는 시스템으로 정의되며, Thomas(2011)는 현대의 안전관리 시스템을 새로운 자율 규제(self-regulation) 시대에서 책임을 이행하기 위해 필요하다고 간주된 일련의 활동들의 집합으로 정의로 정의하였다. 

2.3.2 통제 시스템의 개념 

통제 시스템은 Anthony(1980)에 의해 정의되었으며, 경영자가 조직의 목표를 달성하기 위해 자원을 효과적이고 효율적으로 확보하고 활용하는 과정을 의미한다. 이 개념은 시스템 공학에서 비롯되었으며, 통제를 적용함으로써 입력(Input)을 원하는 출력(Output)으로 변환할 수 있다는 원리를 따른다. 

위험 통제 시스템(Risk Control System)은 작업 현장의 경영 시스템에 적용될 수도 있으며, 이를 통해 특정 수준의 신뢰성(Reliability) 또는 안전성(Safety Level)을 달성하는 것이 목표로 한다. 

3.1. 안전관리 시스템의  발전과정

안전관리 시스템의 주요 목적은 위험을 통제하고, 이를 통해 사고를 예방하는 것이다. 따라서 안전관리 시스템의 역사는 사고 예방의 역사와 밀접하게 연관되어 있는데, 안전관리 시스템이 등장하게된 두가지 배경이 있다. 

1. 보험 회사에서 수행한 손실 패턴 분석 및 위험 관리 발전 

2. 산업계에서의 사고 예방 노력 및 안전 방어 체계 개발

3.1.1. 보험 관점: 손실 패턴 분석 및 위험 관리 발전

사고는 보험사에게 막대한 비용을 초래할 수 있기 때문에 보험 업계에서는 이를 중요한 연구 대상으로 삼았는데, 보험사 직원이었던 하인리히(Heinrich, 1931)는 보험사의 산업 재해 기록을 대규모로 분석하였으며, 이를 바탕으로 다음과 같은 사고 모델 및 이론을 개발하였다.

• 빙산 모델(Iceberg Model)
• 사고 연쇄 모델(Domino Theory, 사고 도미노 이론)
• 300-29-1 비율 부상 모델(300-29-1 Ratio Injury Model)

보험 연구에서 비롯된 중요한 개념 중 하나가 바로 위험(Risk) 개념인데, 현대적 의미의 위험 관리(Risk Management)는 1950년대 중반부터 본격적으로 시작되었으며, 이 시기 대기업들은 자체적인 위험에 대한 자가보험(Self-insurance)* 개념을 개발하기 시작했다.

* 자가보험: 예상치 못한 사건이나 사고로 인해 발생할 수 있는 재정적 손실을 조직 내부에서 자체적으로 감당하는 시스템 (Dionne, 2013)

이와 같이 위험관리는 안전관리 시스템의 핵심 구성 요소가 되었으며, 산업안전관리는 보험 업계에서 사용하던 위험 분석 기법 및 방법론을 적용하면서 점차 발전하게 되었다.

3.1.2. 산업 관점: 사고 예방 및 안전 방어 체계 개발

기업의 입장에서 안전은 공장(factory), 플랜트(plant), 프로젝트(project) 등에서 사고(accident)가 발생하지 않는 상태를 의미하며, 사고는 기업에 두가지 주요 피해를 초래할 수 있다. 

• 재정적 손실(Financial Loss)
• 기업의 평판(Reputation Damage) 손상

기업에서는 무사고(Zero-Accident) 목표를 달성하기 위해 안전 방어 체계(Safety Defences)를 개발하였다. 여기에는 안전 장비(Safety Equipment), 보호 장치(Devices), 행동적 안전 활동(Behavioural Safety Activities)이 포함된다.

안전 방어 체계 개념은 이후 다양한 이론 및 모델(예: Hazard-Barrier-Target Model, Reason의 Swiss Cheese Model)에서 더욱 발전되었지만, 이러한 개념들은 본래 기업들이 안전관리 시스템이 정식으로 등장하기 이전부터 이미 실무에서 활용하던 안전 관리 기법이었다.

3.1.3. 안전관리 시스템의 시작: 위험 개념과 안전 방어 체계의 결합

안전관리 시스템 개념이 처음 등장한 시점은 위험 관리가 손실 통제에 적용되고, 안전 방어 체계가 사고 예방을 위해 개발되었을 때였는데, 안전 방어 체계가 기술 발전과 함께 점점 더 복잡해짐에 따라 이를 관리할 수 있는 시스템이 필요하게 되었다. 

원문 논문: A new perspective on how to understand, assess and manage risk and the unforeseen

🔗 DOI:https://www.sciencedirect.com/science/article/pii/S0951832013002159  * 해당논문은 무료로 볼 수 있다.

1. 이 논문을 읽게 된 이유

24. 5. 27. 삼성전자 기흥사업장에서 정비작업자 2명이 반도체 장비 보수점검 중 방사선에 피복되는 사고가 발생하였고, 24. 9. 26. 원자력안전위원회에서 사고조사보고서가 공개되었다.(https://www.nssc.go.kr/attach/namo/files/000002/20240926174645693_1E891JFD.pdf)

사고조사보고서에서 원자력안전법 위반 사항이 확인됨에 따라, 고용노동부가 중대재해처벌법 위반 여부에 대한 수사를 진행한다고 한다. 처음 사고 뉴스가 보도되었을 때 놀랐었다. 왜냐하면 기흥사업장에는 다수의 안전관리자가 상주하고 있으며, 대기업들도 부러워할 만큼 철저한 안전보건관리체계를 갖추고 있음에도 불구하고, 삼성전자에서 이런 사고가 발생했다는 사실때문에 그랬었던 것 같다. 사고조사보고서를 읽은 후, 나의 추측이지만, 삼성전자에서 장비 보수점검에 대한 위험성 평가을 실시하였지만, 셔터베이스 인터락이 이격 및 배선 오류로 작동하지 않을 것에 대한 위험까지 예측하지 못한 것 같다. 하필 그 많은 반도체 장비들 중 마침 보수점검하려던 장비가 인터락이 작동하지 않았으며, 이러한 위험이 이전에는 발생한 적이 없었으니 삼성전자 입장에서는 위 위험에 대한 예측은 블랙스완* 사건과 같은 예측 불가능한 위험요소로 봐야 할까? 리뷰할 논문에서는 이러한 질문에 대해 분석하여 소개하고자 한다. 

* 블랙스완: 예상하지 못했던 일이 발생하여 큰 충격을 주고, 엄청난 영향을 미치는 사건

2. 논문요약 

논문에서는 기존의 위험 평가가 이전에는 발생하지 않았던 새로운 위험(new hazards)이나 블랙 스완(Black Swan) 사건을 효과적으로 다루지 못하고 있으며, 아래와 같은 문제점이 있다고 설명한다. 

1. 빈번주의 확률(Frequentist Probability)

• 과거 데이터를 기반으로 사건 발생 가능성(확률)을 추정하는 방식
• 문제점: 과거에 발생한 적 없는 사건은 모델링할 수 없음

2. 베이지안 확률(Bayesian Probability)

• 전문가의 주관적 판단을 반영하여 사건 발생 가능성(확률)을 업데이트하는 방식
• 문제점: 전문가가 예측할 수 없는 사건을 반영할 수 없음

3. 시나리오 분석(Scenario Analysis)

• 다양한 가상의 사건을 가정하고, 그 영향을 평가하는 방법
• 문제점: 모든 가능성을 사전에 고려하는 것은 불가능함

위험평가 시 사용하는 확률 모델은 특정한 가정을 바탕으로 구성되며, 이 가정들이 중요한 위험 요소와 불확실성을 가릴 가능성(obscure)이 있다.

예를 들어, 어떤 해양 석유 및 가스 플랫폼에서 "뜨거운 작업(hot work)"은 수행되지 않는다는 가정을 세운다고 하자.
이 가정을 바탕으로 위험 평가를 수행하면, 뜨거운 작업으로 인한 화재 위험은 낮게 평가될 것이다. 하지만 실제 운영에서는 이 절차가 항상 준수되지 않는다.
대부분의 사고가 발생하는 원인은 어떤 절차가 위반되었기 때문이라는 점을 고려하면, 기존 위험 평가에서 사용된 가정이 현실을 충분히 반영하고 있는지 면밀히 검토가 이루어지지 않고 있다. 

그래서 이러한 문제점을 보완하기 위해 위험평가에 지식의 강도(Strength of Knowledge, SoK)까지 고려하여 단순한 확률적 개념(발생 가능성)에서 불확실성까지 포함하는 개념으로 확장하는 방법을 제안하였다. 

• 기존 위험평가: 사고 시나리오(S) = { C(사고 결과에 대한 중대성),  P(사고 발생 가능성) }
• 확장된 위험평가: 사고 시나리오(S) = { C(사고 결과에 대한 중대성),  P(사고 발생 가능성), S(지식의 강도) }

즉, 특정 사건의 확률뿐만 아니라 그 사건을 분석할 때 사용되는 지식의 강도가 얼마나 신뢰할 수 있는지를 함께 평가하는 것이 중요하다고 설명하였다.

예를 들어, 두 개의 원자력 발전소(A와 B)가 있다고 가정하자.

두 발전소 모두 동일한 위험 시나리오에 대해 사고 발생 확률이 1% 미만이라고 평가되었다.

그러나 발전소 A는 풍부한 데이터와 경험적 연구를 바탕으로 도출된 결과 1% 미만이 나온 것이고, 발전소 B는 전문가의 직관(intuition)과 제한된 사례를 바탕으로 도출된 결과 1% 미만이 나온 것이라면,두 평가의 신뢰성은 동일하지 않다.

즉, 위험 분석에서 단순히 확률 수치만을 비교하는 것이 아니라, 해당 평가가 얼마나 신뢰할 수 있는지를 함께 고려해야 한다. 

이러한 위험평가를 구체적으로 어떻게 할지에 대한 사례는 저자가 작성한 다른 논문에서 확인할 수 있다. 

🔗 DOI:https://www.sciencedirect.com/science/article/pii/S092575351500154X

사례 연구에서는 원유 및 가스를 포함하는 배관을 절단하고 교체하는 작업이 수행되었다. 

기존 위험평가에서는 다음과 같은 절차가 수행되었으나, 새로운 위험이나 블랙 스완을 전혀 고려되지 않았다. 

1. 작업 개요 및 위험 요소 식별

• 배관 절단 및 교체 작업의 주요 위험 요소를 나열
  • 예: 가스 누출 가능성, 화재 위험, 작업 중 압력 상승 가능성 등

 2. 기존 안전 조치 확인

• 작업 전 배관 내부의 압력을 완전히 제거하는 절차 확인
• 가스 감지 센서 설치 및 비상 차단 시스템 점검

 3. 기존 위험 평가 모델 적용

• **위험 행렬(Risk Matrix)**을 사용하여 위험 수준을 "수용 가능(Acceptable)"으로 판단

 ※ 기존 위험 평가 한계

1. "배관 내부의 압력이 완전히 제거되었다"는 가정을 검증 없이 수용함.

•   실제로는 잔류 가스(Remaining Gas)나 미세한 가스 방출 가능성이 존재할 수 있음.

2. 유출된 원유에서 가스가 증발할 가능성을 충분히 평가하지 않음.

• 기존 평가에서는 "배관 내부 압력이 낮으므로, 원유가 유출되더라도 가스 증발이 거의 발생하지 않을 것이다" 라고 가정함.
• 그러나 이는 실제 작업 환경에서 검증되지 않은 가정(Unverified Assumption)이었음.

3. 극단적 사건(High-Consequence Events)에 대한 고려 부족

• 가스 누출 가능성이 낮더라도, 한 번 발생하면 심각한 피해를 초래할 수 있는 위험 요소를 충분히 반영하지 않음.

그래서 개선된 접근법은 다음과 같은 방식으로 기존 평가를 보완하였다.

1. 팀 1(Team I): 초기 위험 평가 및 자체 검토

팀 1은 실제 작업을 수행하는 인력(운영자, 엔지니어, 관리자 등)으로 구성된 팀이다. 이들은 기존의 SJA(안전 작업 분석) 방식에 따라 초기 위험 평가를 수행한다.
목적: 작업 단계를 나누고, 각 단계에서 발생할 수 있는 위험 요소를 식별하고 평가

• 작업 절차를 분석하고, 발생 가능성과 결과의 심각도를 평가하여 위험 행렬(Risk Matrix)에 반영
• 이후, 자체 검토를 수행하여, 기존 위험 평가에서 사용된 데이터와 모델이 충분히 신뢰할 수 있는지 검토
  • 예를 들어, 배관 내부의 압력이 완전히 제거되었다는 가정이 실제로 검증되었는지 확인
  • 과거 유사 작업에서 잔류 가스가 남아 있던 사례가 있는지 조사
  • 가정이 얼마나 신뢰할 수 있는지를 평가하여 위험 행렬에서 반영

2. 팀 2(Team II): 독립적인 검토 및 도전적 평가(Challenging Assumptions)

팀 2는 독립적인 시각을 가진 전문가 그룹으로, 일반적으로 이전 작업 계획에 관여하지 않은 외부 인력으로 구성된다.
팀 2의 주요 역할은 팀 1의 평가를 검토하고, 도전적인 질문을 제기하는 "레드 팀(Red Team)" 역할을 수행하는 것이다.
목적: 기존 평가에서 고려되지 않은 극단적 사건과 예측할 수 없는 위험을 점검

• 팀 2는 팀 1의 가정과 위험 평가를 검토하고, 반론을 제기하며 새로운 시각을 제시
• 과거 유사 사고 및 전문 지식을 기반으로 팀 1이 간과한 위험 요소를 식별
• 기존 평가에서 "배관 내부 압력이 낮기 때문에, 원유가 유출되더라도 가스 증발이 거의 발생하지 않을 것이다"라고 가정했지만, "가스가 증발할 가능성이 존재하며, 만약 증발하면 폭발 위험이 크므로 결과의 심각도를 높게 평가해야 한다"고 판단함.
• 이에 따라, 기존 평가에서 "낮은 가능성, 낮은 결과"로 간주했던 사건을, "낮은 가능성, 높은 결과"로 수정

위 사례를 통해 확장된 위험평가에 대해 간단히 정리하면, 아래와 같은 절차에 따라 기술될 수 있다. 

1. 식별된 사건 및 결과

2. 할당된 확률 

3. 할당된 확률이 어떤 지식에 기반하고 있는지에 대한 평가(SoK)
4. 식별된 사건 이외에 새로운 위험이나 블랙 스완 사건 고려

위와 같은 확정된 위험평가는 한 번의 평가로 끝나는 것이 아니라, 정확도를 높이기 위해 위험 평가 과정에서 품질 관리의 PDCA(Plan-Do-Check-Act) 사이클을 위험 평가에 적용할 필요가 있다.  즉, 새로운 데이터가 추가될 때마다 기존 평가를 검토하고 보완하여야 한다. 

현재 시점 s에서는 미래에 발생할 사건들과 그 결과들(d1 ~ d2)을 정확히 알 수 없다. 불확실성이 존재하며,  이를 평가하고 설명할 수 있는 개념이 필요하다. 불확실성의 정도는 평가자의 지식 수준에 따라 다를 수 있다.
즉, 수집된 데이터와 정보에 따라 위험 평가는 달라질 수 있다.

예를 들어, 평가자가 시간이 지나면서 V 시점에 도달했다고 가정하자. 시간이 지나면서 새로운 데이터와 정보가 축적되면, 지식이 업데이트되고,이러한 업데이트는 위험 평가에도 영향을 미친다. 또, 시간이 지나면서 새로운 신호와 경고가 발생할 수 있으며, 이러한 정보를 효과적으로 통합하여 검토하고 보완하는 것이 위험 평가의 핵심 과제가 된다.

마지막으로, 위험 평가에 대한 지식의 강도까지 고려하는 것에서 더나아가 고신뢰 조직(High Reliability Organisations, HROs)에서 강조되는 개념인 마음챙김(mindfulness)*을 위험 평가 및 관리에 적용할 것을 제안하고 있다. 

* 마음챙김(mindfulness): 경고 신호(warnings)와 중요한 징후(signals)를 인식하고, 이를 조정하여 적절한 대비를 할 수 있는 능력

1. 실패에 대한 몰입 (Preoccupation with Failure)

• 실패로부터 배우고 , 실패의 신호에 민감하게 반응

2. 단순화에 대한 저항 (Reluctance to Simplify)

• 위험을 단순한 숫자나 확률 값으로 축소하지 않고, 시스템의 전체적인 이해, 성과와 위험의 연결, 지식 기반, 신호 및 경고, 상상할 수 없던 시나리오까지 종합적으로 고려해야 함

3. 운영에 대한 민감성 (Sensitivity to Operations)

• 일선에서 실제로 이루어지는 작업들을 세밀하게 모니터링하여 위험 요소를 실시간으로 감지하고, 필요하면 즉각적으로 조취를 취해야 함

4. 회복력에 대한 헌신 (Commitment to Resilience)

• 사전에 예측되지 않았거나, 위험성이 무시될 정도로 낮다고 평가한 사고가 발생하더라도, 이에 대처할 수 있도록 사전 조치를 마련

5. 전문성에 대한 존중 (Deference to Expertise)

• 위기 상황에서는 공식적 권한과는 무관하게 적절한 대처가 가능한 독립적인 전문가가 의사결정을 내릴 수 있도록 해야 함

본 논문에서는 새로운 위험 사고방식을 제시하였고, 이 새로운 사고방식은 아래와 같이 4가지 핵심 요소를 기반으로 한다.

1. 위험 개념 틀(Risk Conceptual Framework) - 불확실성을 강조
2. 위험 평가 및 관리(Risk Assessment and Management) - 지식의 강도(SoK) 고려
3. 품질 관리(Quality Management) - 지속적인 개선을 중점
4. 마음챙김 개념(Mindfulness Concept) - 고신뢰 조직에서 강조하는 5가지 특성 포함

3. 개인적 해석 

논문에서는 기존의 확률적 리스크 평가 방식이 이러한 예측 불가능한 위험을 포착하는 데 한계가 있다고 지적하고 있다. 대부분의 리스크 평가는 과거 데이터를 기반으로 확률을 산정하는 방식으로 이루어지며, 기존에 발생한 사례가 없거나 가능성이 극히 낮다고 판단되면, 해당 위험은 평가 과정에서 자연스럽게 배제될 가능성이 크다. 나의 생각으로 삼성전자 역시 오랜 기간 동안 장비 보수점검을 수행하면서 인터락이 작동하지 않는 경우를 경험하지 않았을 것이며, 따라서 이번 사고와 같은 상황이 발생할 것이라는 가정을 하지 않았을 것 같다.

그러나 논문에서 강조하는 새로운 리스크 관리 접근법에 따르면, 단순한 확률적 분석을 넘어 불확실성 자체를 적극적으로 고려하는 방식이 필요하다. 특히, ‘마인드풀니스(mindfulness)’ 개념에서 언급된 ① 실패에 대한 집착(Preoccupation with failure), ② 단순화 회피(Reluctance to simplify), ③ 운영 민감성(Sensitivity to operations), ④ 회복력(Commitment to resilience), ⑤ 전문성 존중(Deference to expertise) 등의 요소가 적용되었더라면, 사고를 예방할 수 있지 않았을까 하는 생각이 든다.

예를 들어, 삼성전자가 기존의 사고 사례만을 기반으로 위험성을 평가하는 것이 아니라, " 만약 인터락이 작동하지 않는다면? "이라는 가정을 설정하고 이에 대한 대비책을 마련했다면, 이번 사고를 방지할 수 있었을지도 모른다. 이러한 가정을 생각하지 못하였더라도 보수점검 시 방사능 누출사고를 최소화하는 방법(회복력)으로 가이거-뮐러 계수기 휴대하는 것을 위험평가 때 논의했으면 산업재해를 막을 수 있었을지 않을까 조십스럽게 생각해본다. 

결국, 이번 사고를 단순한 관리 부실로 볼 것이 아니라, 기업이 리스크를 관리하는 방식 자체에 대한 고민을 해야 하는 계기로 삼아야 한다. 삼성전자뿐만 아니라, 모든 조직이 리스크 평가 시 ‘예상 가능한 위험’뿐만 아니라, 기존 데이터로는 설명할 수 없는 예측 불가능한 요소까지 고려해야 한다는 점을 다시 한번 상기할 필요가 있다. 논문에서 제시한 새로운 리스크 관리 프레임워크가 이러한 불확실성을 보다 체계적으로 다룰 수 있는 실질적인 방안을 제공할 수 있을 것이라 생각

원문 논문: Orienting Safety Assurance with Outcomes of Hazard Analysis and Risk Assessment

🔗 DOI: https://www.sciencedirect.com/science/article/pii/S0925753520302290  * 해당논문은 무료로 볼 수 있다. 

1. 이 논문을 읽게 된 이유

 현재 삼성전자가 레인보우 로보틱스라는 기업을 인수하면서 로봇산업에 대한 관심이 점점 더 커지고 있다. 아마도 레인보   우 로보틱스의 협동 로봇 기술을 활용해 삼성전자의 공장 자동화를 강화하고, 로봇 시장 경쟁력을 확보하려는 목적인 것   같다. 곧 협동로봇이 산업 현장에서 인간과 함께 옆에서 작업할 날이 머지 않을 것으로 보인다.  

그런데, 현재 협동로봇의 안정성을 보장하기 위한 위험 분석 및 평가에 대한 연구가 우리나라에서는 잘 이루어지고 있지는

않는 것 같다.  

또한, 기존 산업용 로봇은 **격리된 환경(Isolated Environment)**에서 운영해야 하며, 위험을 줄이기 위해 로봇과 인간을 물리적 으로 분리하는 것이 산업안전보건규칙 제223조에 법제화되어 있으나, 협업 로봇(Collaborative Robots, Cobots)은 인간과  직접 상호작용하며 작업을 수행하므로 별도의 법제화를 위한 연구가 필요할 것으로 보인다. 미국에서는 국립 직업 안전 연구소(NIOSH) 내 직업로봇연구센터에서 로봇 관련 부상 및 사망을 해결하기 위해 광범위한 로봇 안전 연구가 진행하고 있는 것 같다. (https://www.cdc.gov/niosh/centers/robotics.html) 그래서 "이러한 협동로봇에 대한 위험 분석 및 평가를 어떻게 할 것인가"에 대한 질문에 대해 리뷰할 논문에서 분석하고 있으므로 소개하고자 한다.   

2. 논문요약 

논문에서는 협업 로봇의 안전성을 보장하기 위한 ISO 15066 표준의 요구사항을 검토하고, 이를 위험 분석 및 평가 결과와 연계하는 방안을 연구하였다. 우선 ISO 15066이 생소한 분에게 간략히 소개하자면, ISO 15066은 협업 로봇 시스템의 안전성을 보장하기 위한 국제 표준으로 인간과 로봇이 공동 작업할 때 발생할 수 있는 위험을 줄이기 위한 기술적 요구사항을 규정하였는데, 핵심내용은 아래와 같다. 

• Safety-rated monitored speed (안전 등급이 적용된 속도 모니터링): 로봇이 사람과 협업할 때 안전한 속도를 유지하도록 실시간 모니터링하는 시스템
• Hand-guiding operation (핸드 가이드 조작): 사용자가 직접 손으로 로봇을 조작하여 경로를 설정할 수 있는 기능
• Speed and separation monitoring (속도 및 거리 모니터링): 로봇과 작업자의 거리를 실시간 감지하고, 일정 거리 이내로 접근 시 속도를 조절
• Power and force limiting (출력 및 힘 제한): 로봇이 사람과 직접 접촉할 경우 힘과 출력이 제한되도록 설계

저자는 ISO 15066이 협업 로봇의 안전을 보장하기 위한 중요한 표준으로 위험 분석 및 리스크 평가에 기반한 안전 조치를 설계하여야 하나, 안전 설계 관련 기존 논문들의 경우  주로 하드웨어 및 제어 전략을 활용한 충돌 회피(collisions -avoidance)에 초점을 맞추는 등 개별적인 보호 조치에 집중하여  ISO 15066에서 요구하는 위험 분석 및 리스크 평가와의 연계가 부족하다고 지적하였다. 구체적인 문제점은 다음과 같다. 

1. ISO 15066에서는 위험 분석을 먼저 수행하고 그 결과에 따라 보호 조치를 결정해야 한다고 명시하지만, 많은 연구가 이     를 무시하고 보호 조치를 개별적으로 설계하고 있는데, 예를 들어 충돌 회피 알고리즘(Collision Avoidance Algorithm)을     연구하는 논문들은 대부분 ISO 15066의 위험 분석 프로세스를 고려하지 않고, 단순히 로봇의 회피 성능만 평가함. 

2. 기존 연구의 보호 조치들은 대부분 실험실 환경에서 실험되었으며, 실제 산업 환경(제조업, 물류, 의료 등)에서 어떻게        적용해야 할지에 대한 연구가 부족한데, 예를 들어, 로봇의 힘/토크 제한을 연구한 논문들은 일반적으로 실험실에서 특        정 충돌 상황을 가정하고 테스트하지만, 실제 공장에서 발생하는 다양한 시나리오(예: 빠른 속도로 움직이는 컨베이어        벨트, 복잡한 조립 라인 등)에서는 다르게 작동할 수 있음.

3. ISO 15066은 협업 환경에서 인간의 행동, 심리적 요소(예: 피로, 스트레스 등)도 위험 요인으로 고려해야 한다고 명시하     지만, 기존 연구는 주로 로봇 중심의 보호 조치에 초점을 맞추고 있는데, 예를 들어 작업자의 스트레스 수준이 높아질  경     우 협업 로봇의 반응 속도를 조정해야 하지만, 이를 실시간으로 모니터링하고 반영하는 연구는 거의 없음.

저자는 이러한 문제점을 해결하기 위해 논문에서  ISO 31000의 위험 관리 원칙을 기반으로, ISO 15066의 요구 사항을 보다 체계적으로 산업 환경에 적용할 수 있는 프레임워크를 제안하였다. 

• 위험 분석(Risk Analysis)과 보호 조치(Safeguards)의 명확한 연계
  • 먼저 ISO 31000을 활용하여 작업 환경에서의 위험 요소를 정량적으로 평가
  • 이후 위험 분석 결과를 기반으로 각 보호 조치(충돌 회피 알고리즘 등)가 얼마나 효과적인지 검증
• 실제 산업 환경에서 보호 조치를 실증 연구(Empirical Studies)
  • 단순한 실험실 테스트가 아닌, 제조업, 물류, 의료 등의 실제 현장에서 보호 조치의 효과를 평가하는 연구 필요
  • 가상 현실(VR) 및 시뮬레이션 기술을 활용하여 다양한 산업 환경을 시뮬레이션하고 보호 조치의 효과성을 검증
• 인간-로봇 상호작용(Human-Robot Interaction, HRI) 요소 강화
  • 작업자의 피로도, 스트레스, 인지 부하(Cognitive Load)를 평가하여 로봇의 반응 속도 및 보호 조치를 조정하는 연구 필요
  • 머신러닝을 활용한 작업자 행동 예측 모델(Anticipatory Human Behavior Models) 을 개발하여 보다 정교한 보호 조치 설계

3. 개인적 해석 

원문 논문: An evaluation of the effects on safety of using safety standards in majorhazard industries 

🔗 DOI: https://www.sciencedirect.com/science/article/abs/pii/S0925753513001264

1. 이 논문을 읽게 된 이유

2022. 1. 27. 중대재해처벌법이 시행됨에 따라, 5인 이상의 모든 기업은 법 제4조제1항제1호에 따라 안전ㆍ보건에 관한 목표와 경영방침을 설정하고, 재해예방을 위해 필요한 예산을 편성해야 한다. 하지만, 법조문 그대로 단순히 목표를 설정하고, 예방에 필요한 예산만 마련해두면 될까? 아니다. 목표는 기업의 특성, 유해 ㆍ위험요인, 규모 등을 고려한 실현가능한 구체적인 내용을 담아 설정하고, 예산은 목표에 맞춰 현재 안전관리 수준을 넘어 위험을 초래하는 재해 예방(안전조치)을 위해 사용하여야 한다. 여기서 예산은 다다익선(多多益善)이지만, 현실은 그러하지 못하다. 특히 요즘같은 불경기에 중소기업은 생존을 위해 일각을 다투고 있다. 따라서, 기업은 한정된 예산 내에서 모든 위험요인들에 대한 안전조치에 충분한 투자를 할 수 없기 때문에, 각 조치의 효과성과 비용을 종합적으로 고려하여 최적의 투자전략을 마련해야 한다.  그렇다면 한정된 예산을 각 안전조치별로 어떻게 배분해야 가장 효율적인 투자가 될까? 리뷰할 논문에서는 이러한 질문에 대해 분석하여 소개하고자 한다. 

2. 논문요약

저자는 목표에서 설정한 여러가지 위험요인들에 대한 개선(안전조치)들 중 특정 위험요인에 대한 개선이 최소투자 기준      을 넘어갈 경우 다른 위험요인 개선들에 대한 투자를 줄이게 되므로, 기업의 전체적인 안전수준은 오히려 낮아질 수 있다    고 무차별곡선을 이용하여 분석하였다. 

예를 들어, 안전조치 1과 안전조치 2에 예산(S)을 투자한다고 가정하면 위 그래프와 같이 예산선과 무차별곡선(기업이 동일한 수준의 안전성을 유지하면서 다양한 안전 투자 조합을 선택할 수 있는 가능성을 나타내는 곡선)을 그릴 수 있다.          원점에서 더 멀리 떨어진 무차별곡선의 안전조치 조합일수록 더 높은 효용(B지점)을 주는데, 안전조치 1에 투자가 증가하게 되면 안전조치 2에 대한 투자가 줄어들 수 밖에 없으므로, 기업의 전체적인 안전수준은 줄어든다.(A지점) 

그렇다면 예산 제약 조건 하에서 최적의 안전투자 조합을 어떻게 찾고, 특정 안전표준 도입으로 인해 안전조치1에 대한 최소 투자기준을 강제할 경우 최적의 투자조합은 어떻게 변할까? 라는 질문에 저자는 라그랑주 승수법을 이용하여 설명하였으며,  안전조치 1에 대한 투자 증가가 안전조치 2에 대한 투자를 감소시킨다고 분석했다.  

* 라그랑주 승수법: https://en.wikipedia.org/wiki/Lagrange_multiplier

논문에서는 화학 공정 산업(chemical process industry) 사례로 들어 화학 공장에서의 유해물질 누출(Loss of Containment) 및 배관 파열(Random Rupture of Pipework) 사고를 중심으로, 안전 조치가 사고 예방 및 피해 완화에 미치는 효과를 검토했다.  

"A case study, related to a chemical process industry classified as a major hazard industry, is used as a basis for discussion of what the effects are of using safety standards. Potential hazards are associated with the release of hazardous substances leading to injuries or deaths and economic losses." (Abrahamsen et al., 2013)

해당 기업은 배관 점검(Pipe Inspection)과 취급 절차 개선(Handling Procedures)을 주요 안전 조치로 도입하였으며,

배관 점검을 위해 국제안전 표준인 RBI(Risk-Based Inspection) 프로그램을 운영하였다. 그러나 안전 표준의 도입이

배관 점검에 대한 투자 증가를 유도하면서도, 취급 절차 개선(예: 교육 강화 및 훈련 프로그램 등)에 대한 투자 감소로

이어지므로 전체적인 안전수준은 줄어든다고 지적하였다.

"The application of the safety standard regarding safety measure 1 implements the inspection programme and increases the utility level, but it requires new investments. Thus, the available resources impose a reduction of the investment in safety measure 2; anyway, according to the graph of Fig. 4, the effects on safety of the application of the safety standard are negative and force a move to a lower utility level." (Abrahamsen et al., 2013)

3. 개인적 해석

물론, 안전보건관리 시스템을 처음 도입하는 기업이나, 경영진이 기업의 안전보건에 막 관심을 가지기 시작한 경우라면

여러 안전 조치들에 대한 효율적인 투자가 중요하다.
그러나, 장기간에 걸쳐 안전보건관리 시스템이 안정적으로 운영되고 있으며, 안전 문화가 이미 정착된 기업의 경우, 특정 안전 조치에 대한 투자 감소가 반드시 전체적인 안전 수준 저하로 직결된다고 보기는 어렵다. 특히, 비용이 물리적인 안전 조치 투자에 비해 거의 들지 않는 안전 문화(Safety Culture)의 정착 여부도 중요한 변수로 작용할 수 있다.
실무적으로, 단순히 물리적인 안전 조치에 투자하는 것뿐만 아니라, 조직 내 안전 의식과 규율이 얼마나 지속적으로 유지

되는지가 전반적인 안전 수준에 더 큰 영향을 미칠 수 있다.

따라서, 논문이 제시한 분석이 수학적 모델링에 기반하여 지나치게 정량적 접근을 취한 것은 아닌지 고려해볼 필요가 있다.
특정 안전조치의 투자 감소가 반드시 기업 전체의 안전 수준 저하로 이어지는 것은 아닐 수 있으며, 기업의 안전보건관리 체계가 얼마나 내재화되고 지속적으로 작동하는가에 따라 그 영향이 달라질 수 있다.

즉, 단순한 투자 감소가 곧바로 안전성 저하로 이어진다고 단정하기보다는, 기업의 안전 문화 수준, 기존 안전관리시스템의

내구성, 그리고 무형의 안전 조치(예: 교육, 규율 등)까지 포함한 보다 정교한 접근이 필요할 것으로 보인다.