Use data to improve workplace health and safety

고급 분석 기술로 보건 및 안전 관련 과제 해결하기

안전한 제조 환경과 규정 준수를 효과적으로 지원하는 능력이 그 어느 때보다 중요해진 지금입니다. 오늘날의 고용주들은 일상적인 직장 내 안전 관리의 중요성 뿐만 아니라 전쟁, 자연 재해, 팬데믹 등 중대한 사건 발생 시 임직원의 보건 및 안전 유지를 위한 준비 상태의 중요성 역시 체득했습니다. 모든 제조 환경에서 안전은 언제나 중요한 요소였습니다. 하지만 제조 4.0의 맥락에서 안전의 중요성은 훨씬 더 커졌습니다.

점점 더 많은 디지털 기술 및 자동화 시스템이 통합되고, 로보틱스, 인공지능, 사물인터넷과 같은 고급 기술이 구현되면서 직원들은 자동화된 시스템과 그 어느 때보다 긴밀히 상호 작용할 수 있고, 상호 연결된 장치, 센서, 자동화된 기기도 사용할 수 있게 될 것입니다. 각각의 기술에 대한 적절한 안전 표준 및 프로토콜을 유지하는 일은 직원들을 보호하고, 장비 오작동, 감전 사고, 사람과 기계 사이의 예상치 못한/계획하지 않은 상호 작용 등 각종 사고를 예방하는 데 핵심적입니다.

사고는 직원의 삶의 질에 잠재적인 영향을 미칠 뿐 아니라, 돌이킬 수 없는 결과를 초래하기도 합니다. 직원에 대한 보상과 의료 및 법률 서비스를 포함한 직접 비용이 주 고려 사항이지만, 사고로 인한 간접적인 비용 역시 간과되어서는 안 됩니다. 여기에는 재교육, 조사, 시정 조치, 생산성 저하, 장비 손상, 평판 절하 위험과 직원 사기 저하, 결근, 유지와 관련된 비용도 포함됩니다.

임직원의 보건과 건강을 관리하기 위해 제조 기업은 다음과 같은 다양한 주요 지표를 관리해야 합니다.

• 기록 가능한 총 상해 빈도율(직장 내 100,000시간 작업당 발생하는 상해 수)
• 월별 사고 발생 수
• 예방 가능한 안전 사고 또는 직원이 수행해야 하는 조치
• 사고 해결에 걸리는 평균 시간
• 사고의 유형

그러나 대다수의 기업 조직이 직장 내 보건 및 안전 사고에 관한 시의적절한 알림을 받지 못해 어려움을 겪고 있습니다. 데이터를 사용해 모델을 제작하고 제조 환경의 잠재 위험을 예측적으로 파악하는 일은 엄두도 내지 못하고 있는 상황이죠. 하지만 이와 같은 능력이 이제는 기업 조직의 필수 자질이 되었습니다. 적절한 데이터 플랫폼이 그들에게 큰 도움을 줄 수 있겠죠. 데이터 및 분석 기술을 사용해, 잠재적 위험을 파악하고 예방 조치를 마련함으로써 기업은 위험을 줄이고, 사건 사고를 예방하는 것은 물론 생산 중단, 재무 손실, 평판 손상의 가능성까지 줄일 수 있습니다.

이 사용 사례는 제조 분야의 보건 및 안전 개선을 위해 데이터로부터 인사이트를 수집, 저장, 관리, 확보하는 데 필요한 데이터 분석 기술 아키텍처를 설명합니다.

포괄적인 데이터 플랫폼이 임직원 안전 개선에 기여하는 방식

하단에 제시된 아키텍처에는 분석 아키텍처 구축에 사용되는 Oracle 구성 요소 중 가장 일반적으로 추천되는 항목들이 포함되어 있습니다. 검색에서부터 측정 및 조치에 이르는 전체 데이터 분석 기술 수명 주기의 항목들을 확인할 수 있습니다. 유형과 복잡성 측면에서 다양한 제조 기업이 존재하지만, 일반적으로 임직원의 보건 및 안전에 영향을 미치는 다양한 요소들에 중점을 둔 데이터 분석 아키텍처 구축 시에는 모든 기업이 하단에 설명된 서비스를 활용할 수 있습니다.

이 이미지는 제조 산업용 Oracle Data Platform이 임직원 보건 및 안전을 지원하는 방식을 보여줍니다. 본 플랫폼의 구성 요소들은 다음의 5가지 제품군으로 분류됩니다:

1. 1. 데이터 소스, 검색
2. 2. 수집, 변환
3. 3. 유지, 선별, 생성
4. 4. 분석, 학습, 예측
5. 5. 측정, 실행

데이터 소스, 검색 제품군에는 2가지 범주의 데이터가 포함됩니다.

1. 비즈니스 기록 데이터는 HCM, 환경 건강 및 안전(EHS) 시스템, HR 및 교육 시스템 생산 프로세스, 사고 보고 시스템, 안전 시스템으로부터 수집한 데이터로 구성됩니다.
2. 기술 입력 데이터에는 이미지, 이메일, 비디오, 종이 문서(OCR), 개별 이벤트(예: 생산 라인의 긴급 정지) 등이 포함됩니다.

수집, 변환 제품군은 3가지 기능으로 구성됩니다.

1. 1. 일괄 수집은 OCI Data Integration, Oracle Data Integrator 및 DB 도구들을 사용합니다.
2. 2. 일괄 전송은 OCI FastConnect, OCI Data Transfer, MFT, OCI CLI를 사용합니다.
3. 3. 변경 데이터 캡처는 OCI GoldenGate를 사용합니다.

3가지 기능 모두 유지, 선별, 생성 제품군 내의 서빙 데이터 저장소 및 클라우드 스토리지에 단방향으로 연결됩니다.

유지, 선별, 생성 제품군은 5가지 기능으로 구성됩니다.

1. 1. 서빙 데이터 저장소는 Oracle Autonomous Data Warehouse 및 Exadata Cloud Service를 사용합니다.
2. 2. 클라우드 스토리지는 OCI Object Storage를 사용합니다.
3. 3. 거버넌스는 OCI Data Catalog를 사용합니다.

이상의 기능들은 해당하는 제품군 내에서 서로 연결됩니다. 클라우드 스토리지는 서빙 데이터 저장소 및 관리형 Hadoop에 단방향으로 연결되고, 일괄 처리와는 양방향으로 연결됩니다.

1가지 기능이 분석, 학습, 예측 제품군에 연결됩니다. 서빙 데이터 저장소는 분석 및 시각화 기능은 물론, 데이터 제품, API 기능에도 모두 연결됩니다.

분석, 학습, 예측 제품군은 2가지 기능으로 구성됩니다.

1. 1. 분석 및 시각화 기능은 Oracle Analytics Cloud, GraphStudio, ISV를 사용합니다.
2. 2. 데이터 제품 및 API는 OCI API Gateway 및 OCI Functions를 사용합니다.

측정, 실행 제품군은 데이터 분석이 사용되는 방식을 캡처합니다: 사람 및 파트너별, 애플리케이션 및 모델별.

사람 및 파트너 방식은 과거 데이터, 사고 기록 히트맵, 부상, 질병 또는 사망이 발생하지 않은 사고(Near-Miss Incident), 규정 준수 보고, 근본 원인 분석, 위험 식별 및 평가로 구성됩니다.

애플리케이션 및 모델 방식은 독립적이며 구현 방식에 따라 달라집니다.

3가지 주요 제품군(수집 및 변환, 유지 및 선별, 생성 및 분석, 학습 및 예측)에는 인프라, 네트워크, 보안 솔루션, IAM 등이 지원됩니다.

데이터의 연결, 수집 그리고 변환

Oracle의 솔루션은 3가지 주요 제품군으로 구성되어 있으며, 각각 특정 데이터 플랫폼 기능들을 지원합니다. 첫 번째 제품군은 데이터의 연결, 수집, 변환 관련 기능을 제공합니다.

제조 기업이 임직원의 보건 및 안전을 개선할 수 있도록 데이터를 아키텍처에 삽입하는 3가지 주요 방법이 있습니다.

• 필요한 경우 Oracle 프로세스를 시작하기 위해 운영 트랜잭션 데이터에 대한 일괄 전송을 활성화할 수 있습니다. 일괄 전송 서비스는 기존 온프레미스 분석 저장소 또는 기타 클라우드 소스에 저장된 대량의 데이터를 처음으로 Oracle Cloud Infrastructure(OCI)로 이전해야 하는 상황에서 사용됩니다. 일반적으로 보건 및 안전에 관한 데이터세트는 양이 많지 않습니다. 여기에서는 온프레미스에 저장된 광범위한 과거 데이터가 클라우드로 이전되어야 하는 상황 또는 데이터가 OCI로 이전 중인 대량의 과거 온프레미스 데이터 웨어하우스에 섞여있는 상황 등 드문 사례를 들어 일괄 전송을 설명합니다. 어떤 일괄 전송 서비스를 사용하게 될지는 데이터의 위치와 전송 빈도에 따라 달라집니다. 예를 들어 기록 계획 또는 데이터 웨어하우스 저장소로부터 대량의 온프레미스 데이터를 로드할 때는 OCI Data Transfer Service 또는 OCI Data Transfer Appliance를 사용할 수 있습니다. 대량의 데이터를 지속적으로 이전해야 하는 경우, 고객사의 데이터 센터와 OCI 간의 고대역폭 전용 프라이빗 네트워크 연결을 제공하는 OCI FastConnect 사용이 권장됩니다.
• 보건 및 안전 상태의 측정 및 보고에 사용되는 데이터 소스는 일반적으로 기본 관계형 데이터 저장소를 보유합니다. OCI GoldenGate는 사고 보고 시스템으로부터 거의 실시간으로 데이터를 수집하는 데 사용될 수 있습니다. OCI GoldenGate는 생산 환경 모니터링 시스템의 기본 구조상에 변경이 발생하는 경우 변경 데이터 캡처를 사용해 이를 감지합니다(예: 온도, 소음 또는 생산 라인의 비상 정지, 유지 보수 작업 등). 또한 데이터를 지속성 계층 및/또는 스트리밍 계층에 실시간으로 전송합니다. 하지만 이 사용 사례에서는 일반적으로 데이터가 일괄 ETL 프로세스를 거쳐 이전됩니다.
• 스트리밍 및 실시간 니즈는 빠르게 변화하는 상황에서 운영, 계획, 유지 보수, 인력 관리, HR, 교육, 안전 관리 시스템으로부터 데이터를 추출하는 가장 흔한 방식은 ETL 프로세스를 사용한 일종의 일괄 수집 방식입니다. 일괄 수집은 데이터 스트리밍을 지원할 수 없는 시스템으로부터 데이터를 임포트할 때 사용됩니다. 이 데이터는 일반적으로 환경적 보건 및 안전 시스템, HR 및 교육 시스템, 사고 보고 시스템 내에 위치해 있습니다. 10분 또는 15분 간격으로 자주 데이터를 수집할 수도 있지만, 개별 트랜잭션이 아닌 트랜잭션 그룹 단위로 데이터를 추출 및 처리하는 만큼 본질적으로는 일괄 수집에 해당하는 방식입니다. OCI는 전용 OCI Data Integration 및 OCI Compute 인스턴스에서 구동되는 Oracle Data Integrator와 같이 다양한 일괄 수집 서비스를 제공합니다. 어떤 서비스를 선택할지는 주로 기술적 요구 사항이 아닌 고객 선호도를 기반으로 결정됩니다.

데이터의 유지, 처리, 선별

데이터 지속성 및 처리는 2개(옵션 선택 시 3개)의 구성 요소에 기반합니다. 모든 구성 요소를 사용하는 고객도 있고, 하위 구성 요소만 선택하는 고객도 있습니다. 데이터의 양 및 유형에 따라 데이터를 객체 스토리지로 로드하거나, 영구적 저장을 위해 정형 관계형 데이터베이스로 직접 로드할 수 있습니다. 데이터 과학 기능의 적용이 예상되는 경우, 데이터 소스로부터 원시 형식(처리되지 않은 원시 파일 또는 추출)으로 검색된 데이터를 캡처하여 트랜잭션 시스템에서 클라우드 스토리지로 로드하는 것이 보다 일반적인 방식입니다.

• 클라우드 스토리지는 Oracle의 데이터 플랫폼에 사용되는 가장 일반적인 데이터 지속성 계층입니다. 또한 정형 및 비정형 데이터 저장에도 사용할 수 있습니다. OCI Object Storage, OCI Data Flow, Oracle Autonomous Data Warehouse(ADW)가 그 기본 구성 요소입니다. 데이터 소스에서 원시 형식으로 검색된 데이터는 캡처된 뒤 OCI Object Storage로 로드됩니다. OCI Object Storage는 기본 데이터 지속성 계층입니다.
• 이제 쿼리 성능 및 분석 기술에 최적화된 형태의 선별 데이터를 유지하는 데 서빙 데이터 저장소를 사용할 수 있습니다. OCI Object Storage에 저장된 데이터 파일을 매핑하는 외부 테이블을 생성함으로써 Oracle Autonomous Data Warehouse에서 바로 객체 스토리지에 저장된 원시 데이터에 액세스할 수 있습니다. 외부 테이블은 데이터를 Autonomous Data Warehouse로 물리적으로 이전 또는 로딩하지 않아도 객체 스토리지 위치 내 데이터에 대한 가상 뷰를 제공합니다. 향후 분석용으로 가치가 높을 것이라 확인된 데이터는 이제 서빙 데이터 저장소에 로드될 수 있습니다. 서빙 데이터 저장소는 SQL 기반 도구를 활용하여 최종 사용자에게 직접 선별된 고품질 데이터를 제공하기 위해 사용되는 영구 관계형 계층을 제공합니다. 이 솔루션에서 Autonomous Data Warehouse는 엔터프라이즈 데이터 웨어하우스용 서빙 데이터 저장소로서 그리고 필요한 경우 보다 특화된 도메인 레벨 데이터 마트로서 인스턴스화됩니다.
• ADW는 데이터 과학 프로젝트용 데이터 소스 또는 Oracle Machine Learning에 필요한 저장소로 사용될 수도 있습니다. 서빙 데이터 저장소는 Oracle Database Cloud Service, Oracle Database Exadata Cloud Service 등 여러 형식 중 하나를 대안으로 사용할 수 있습니다.

데이터 분석, 학습 및 예측

분석, 학습, 예측 기능은 3가지 분석 접근 방식을 지원하는 2가지 서비스와 모델링된 데이터에 대한 액세스 통해 사용할 수 있습니다.

• 고급 분석 기능은 안전한 제조 환경 유지 및 생산 프로세스 최적화에 점점 더 중요한 요소로 자리잡고 있습니다. 본 사용 사례에서는 Oracle Analytics Cloud를 사용하여 분석 및 시각화 작업을 수행합니다. 이를 통해 기술 분석(현재의 추세를 히스토그램 및 차트로 설명), 예측 분석(미래 이벤트 예측, 추세 파악, 불확실한 결과의 발생 가능성 추산), 처방 분석(최적의 의사결정 지원을 위해 적합한 조치 제안)을 활용할 수 있습니다.

  • 기술 분석은 제조 기업이 과거 데이터, 사고 보고서, 부상, 질병 또는 사망이 발생하지 않은 사고(Near-Miss Incident)를 분석하여 잠재적 위험 및 유해 요소를 파악할 수 있게 해 줍니다. 패턴 및 추세를 파악함으로써 분석 기술은 주의가 필요한 영역을 강조하고, 사용자가 위험 완화 노력에 우선순위를 둘 수 있도록 지원합니다. 또한 분석 기술은 보건 및 안전에 관한 인식을 지속적으로 개선해 줍니다. 시간의 경과에 따른 성과 측정 지표 및 안전 데이터를 분석함으로써 제조 기업은 개선의 여지가 있는 영역을 파악하고, 벤치마크를 설정하고, 안전 목표 달성 진행 상황을 추적할 수 있습니다.

    사건 또는 사고가 발생하면 기술 분석은 사고의 근본 원인 및 기본 요인에 대한 조사를 진행합니다. 기술 분석은 사고 보고서, 목격자 진술 및 기타 관련 데이터를 분석함으로써 사용자가 패턴과 추세를 파악하고, 이를 통해 미래에 유사한 사고 발생 시 적절하게 개입하도록 돕습니다.

  • 예측 분석은 패턴, 추세 및 잠재 위험을 파악하기 위해 안전 요소들의 데이터를 사용합니다. 이를 통해 제조 기업은 안전 조치를 개선하고 사건 및 사고를 예방할 수 있습니다. 과거 안전 데이터를 분석함으로써 예측 모델은 사고 증가 비율, 새로운 안전 위험, 안전 조치가 효과를 발휘한 영역 등 장기적인 추세 및 패턴을 파악하고, 다양한 활동, 프로세스 또는 조건에 위험 점수를 할당할 수 있습니다. 기업은 이 점수를 활용해 리소스 및 개입의 우선순위를 지정하고, 위험 수준이 높은 영역의 문제를 처리할 수 있습니다. 비정상적인 패턴 또는 이상치 등 안전 데이터에 이상이 발생한 경우, 이는 안전 문제 발생 가능성 또는 정상 작동 조건과의 편차 발생을 의미할 수 있기 때문에 이를 통해 조기 감지 및 즉각적인 교정 조치를 취할 수 있습니다.
  • 처방 분석은 추가적인 교육이 필요한 영역을 파악하는 방식으로 훈련 및 교육 노력을 지원합니다. 질병 또는 사망이 발생하지 않은 사고(Near-Miss Incident), 표준 작동 절차와의 편차 등 안전 관련 데이터를 분석함으로써 제조 기업은 직원의 지식 또는 안전 프로토콜 준수 격차를 파악하고 그에 걸맞은 교육을 진행해 상황에 개입할 수 있습니다.
• 데이터 거버넌스는 핵심적인 구성 요소입니다. 데이터 거버넌스는 데이터 플랫폼 생태계의 모든 데이터 소스에 대한 데이터 거버넌스 및 메타데이터 관리(기술 및 비즈니스 메타데이터 모두 해당)를 제공하는 무료 서비스인 OCI Data Catalog를 통해 제공됩니다. 또한 OCI Data Catalog는 저장 방식에 관계없이 모든 데이터를 빠르게 검색할 수 있는 방법을 제공하기 때문에 Autonomous Data Warehouse에서 OCI Object Storage로의 쿼리를 위한 중요한 구성 요소이기도 합니다. 이를 통해 최종 사용자, 개발자, 데이터 과학자는 아키텍처 내의 모든 영구 데이터 저장소에서 공통의 액세스 언어(SQL)를 사용할 수 있습니다.
• 선별 및 테스트한 고품질 데이터 및 모델에는 거버넌스 규칙 및 정책을 적용할 수 있으며, 각각은 제조 기업 조직 전반에 대한 안전 관련 데이터 및 분석 배포 목적으로 데이터 메시 아키텍처 내에 OCI API Gateway를 통해 '데이터 제품(API)'으로 노출될 수 있습니다.

데이터의 사용이 제조 산업의 보건 및 안전 개선에 주는 이점

제조 기업은 직원들의 건강과 웰빙을 우선순위에 두어야 할 책임이 있습니다. 안전한 작업 환경은 법적, 윤리적 요구 사항일 뿐만 아니라 직원의 사기, 직무 만족도, 전반적인 웰빙에도 영향을 미칩니다. 보건과 건강을 중요시 하는 문화는 긍정적인 작업 문화 형성, 직원 참여 고취, 직장 내 사고 및 부상 위험 감소에도 도움이 됩니다. 그러나 특히 제조 산업에서는 건강하고 안전한 작업 환경을 확보하는 일이 쉽지 않습니다. 또한 이와 같은 어려움은 제조4.0으로 인해 향후 수년간 더 커질 것으로 예상됩니다.

이토록 변화무쌍한 환경에서 제조 기업들은 보건 및 안전 조치가 제대로 작동하도록 보장해야 할 뿐만 아니라 이와 같은 조치를 개선할 수 있는 기회를 지속적으로 파악하고, 사고, 상해, 직업병 발생 등을 피하기 위한 예방 조치를 취해야 합니다. 이를 위해서는 기술이 지원하는 강력한 데이터 및 분석 기반 보건 안전 프로세스가 필요하며, 이를 통해 다음과 같은 일을 할 수 있습니다

• 중요한 이벤트 정보 수집 및 관리, 단일 환경 내 모든 문서 및 사진 관리
• 규제 보고서 작성을 위한 규정 준수 데이터 수집
• 위험 데이터 관리(사고, 부상, 질병 또는 사망이 발생하지 않은 사고(Near-Miss Incident), 안전하지 않은 환경 등)
• 근본 원인 파악, 사고 조사 및 즉각적인 대응
• 고급 분석 기술을 사용한 안전 추적 및 분석을 통한 진행 상황 모니터링 및 추세, 패턴 감지

궁극적으로 이와 같은 조치들은 직원들의 물리적 보건 및 안전을 수호하고, 결근 및 의료 비용의 발생 비율을 낮추고, 생산성 및 운영 지속성을 유지하는 데 도움을 줍니다.