원전근무자의업무수행도평가를위한영향요인들의모델링방법 Hyunjung Kim 1, Tong-Il Jang 2, Yong Hee Lee 2, Hyeon-Kyo Lim 1 1 Department of Safety Engineering, Chungbuk, Cheongju, Chungbuk, 361-763 2 I&C and Human Factors Research Division, Korea Atomic Energy Research Institute (KAERI), Daejeon, 305-353 ABSTRACT Objective: 본연구의목적은원자력발전소근무자의업무수행능력에영향을미치는요인들의관계를정량적으로평가할수있는모델링방법을비교, 검토하는것이다. Background: 근무자의업무수행도를저하시킬수있는직무스트레스 (job stress) 와피로 (fatigue) 등에영향을주는요인들은다차원적이기때문에이들의상호인과관계를정량적으로분석하기는어렵다. 이런경우평가모델에활용할수있는유일한정보는전문가들의경험과판단이므로, 이런전문가들의주관적인판단을종합하여하나의지표로표현할수있는모델링방법이필요하다. Method: 본연구에서는업무수행능력에영향을미치는요인들의인과관계를모델링하기위하여전문가의사결정에활용되고있는 Influence diagram, System Dynamics, Analytic Hierarchy Process (AHP), Fuzzy Utility Modeling, Neural Network 등의기법들을검토하였다. Results: 다변량요인들의상호관계를모델링하는방법은다양한분야의전문가의견을반영하여요인들간의관계를나타낼수있을것으로판단되었다. Conclusion: 의사결정기법은단일결론을도출하는반면, Fuzzy 이론을이용한방법은다차원적업무수행도평가에가장적합하다고판단되었다. Application: 직무스트레스와피로에영향을주는요소들간의관계를 Fuzzy Utility 함수로모델링하면휴먼에러의가능성을단일지표로정량화하는데활용될수있을것이다. Keywords: Nuclear Power Plant (NPP), Human Error, Decision Making, AHP, Fuzzy, Neural Networks 1. Introduction 원전근로자의인적오류가능성을정량적인단일지표로표현하고자하는것은현장안전담당자들의오랜과제이다. 특히근로자의직무수행도에영향을미칠수있다고생각되는직무스트레스와피로는이때빼놓을수없는중요한요인이다. 때문에해당요인들의상호관계를이해하거나설명할수있다면, 원전근무자들의인적오류를예방하거나지연시키는중요한실마리를얻을수있을것이다 (Lim, H. K., et al., 2013). 직무스트레스와피로에는정신적, 육체적, 심리적요인은물론, 작업환경, 작업관리조직및관리방법, 그리고배후요인으로서의사회심리학적요인에이르기까지예상할수없을만큼다양한요인이복합적으로영향을미친다. Jones, C. (2005) 는스트레스, 동기부여, 감정과행동사이의복잡한관계는요인들의인과관계가복잡해서가 아니라동시에복합적인프로세스가작용하기때문이라고주장하였다. 이처럼업무수행도에영향을주는변수들간의관계가복잡, 다양하기때문에문제에대한연구적접근자체가어렵다. 따라서문제의영역을제한하고, 실증적으로규명하기힘든부분에대해서는논리적추정을통해연구의편의성을도모하는것이일반적이다 (Jung, J. U., Kim, H. S., 2009). 이때, 정성적평가는객관성을완벽하게유지하기어렵고, 체계적인현장관리가곤란하다. 때문에정성적분석과정량적분석을동시에고려할수있는모델링방법이필요하다. 실제로다양한변수나요인들의인과관계를정량적인모델로모형화하는방법에는여러가지가있으나, 각기다른목적을위해개발된기법들이기때문에, 인적오류가능성을묘사하거나예측하는데에는적합치않을수있다. 그러므로, 본연구에서는원전근무자의업무수행능력에영향을미치는직무스트레스와피로요인들의
관계를단일지표로평가할수있는정량적모델개발을 전제로, 모델링방법을비교, 검토하였다. 2. A Review of Techniques for Modeling influence diagram은회계와비즈니스분야, 물류와공급과같은분야에유용하며, 정확한분석을위해서는비용과같은수치정보가필요하다 (Starr, C., Shi, P., 2004). 2.2 System Dynamics 본연구에서는다변량모델링기법들을위주로비교, 검토하였다. 2.1 Influence Diagram Influence Diagram 은의사결정문제에존재하는변수들의확률적상관성을요약하여시각적으로설계하는기법이다 (Kim, G. H., 1984). 시스템의 influence diagram을만드는것은 system dynamics 개념화의첫번째단계로서, 이를위해서는시스템이나타내는변수들을분류해야한다. 변수의분류는대부분모델화하는전문가의경험에서얻어지는데, 전문가의경험을통한분류는 influence diagram이포함하고있는것보다더욱더많은지식을포함한다. 이렇게전문가의시스템구조에대한지식은정성적인성격을가지고있다. Figure 1은경제정책에관한전체인지도를 influence diagram 으로나타낸예이다. System Dynamics 는다양한인간의의사결정행위에대한이해와문제해결을위한방법으로광범위하게응용되어왔다. 인지적관점 (cognitive views) 을연관시키는데도움을주며, 피드백 (feedback), 누적 (accumulation), 비선형적 (non-linearity), 이력의존적인 (history dependence) 특성을갖는개인행동과관련이있는행동, 인지, 감정적인요소의상호작용문제에적합한방법이다 (Moon, T. H., 2002; Sharif, Amir M., 2006; Jones, C., 2005). Figure 2는스트레스의영향요인들을 causal loop diagram 으로나타낸것이다. 이다이어그램에는스트레스에영향을미치는 17개의개별적인피드백루프가나타난다 (Morris, A., et al., 2010). Figure 2. System dynamics model of stress factors Figure 1. Influence diagram model of decision maker s economic policy belief by Chung, S. H. (2009) Influence diagram 은 Bayesian Network 에서확장된방법으 로, 결정노드 (decision nodes) 와유틸리티노드 (utility nodes) 라는새로운타입의노드를포함하고있다. 결정노 드는의사결정과정을보여주며, 가능한의사결정결과를 나타낸다. 반면유틸리티노드는의사결정의영향을정성 적으로보여주는데사용되며, 비용, 시간또는수행도척 도등의수학적요소들을나타낼수있다. 따라서 System dynamics 는변수의추정값을구하기보다는관심의대상이되는변수가시간의흐름에따라어떤동태적인변화의경향을보이는지에관심을두며, 변수들의인과관계가피드백루프 (feedback loop) 를형성하는구조상에서나타나는동태를집중분석함으로써문제의분석과해결방안을강구하는것이특징이다 (Jung, J. U., Kim, H. S., 2009; (Meadows,1979; Kim, D. H., et al., 1999). 그렇지만변수의개념적계층구조가구분되지않아서모형의일반화또는상세화과정이제대로이루어지지않으며, 사실적사고 (operational thinking) 를바탕으로문제를분석하더라도단순히연구자의논리적근거만으로인과모형을추정함으로써문제가발생한다. 따라서개별변수와이들간의인과관계에대한실증적연구가뒷받침되어야하며, 사실적분석과논리적타당성이뒤따라야한다 (Moon, T. H., 2002; Jung, J. U., et al., 2009).
2.3 Analytic Hierarchy Process (AHP) Analytic Hierarchy Process (AHP) 기법은계층분석적의사결정방법으로다수의대안을비교할때비교기준내지속성간의중요도를계층적으로파악함으로써각대안의중요도를산정한다. 평가기준을계층화하고계층에따라중요도를결정, 분석하여의사결정자의직관적, 합리적또는비합리적판단을근거로정량적인요소와정성적인요소를동시에고려한다. 따라서각속성의중요도를평가함으로써복잡한의사결정문제를해결하는방법으로일관성의체계적인측정을통해판단상의오류를배제하여신뢰성을확보할수있다 (Kwak, S. J., et al., 2001). Figure 3은지리정보스스템 (Geographical Information System, GIS) 소프트웨어의결과를비교분석하기위하여설계한 AHP 모델이다 (Kordi, 2008). 평가에사용되었다. Figure 4 는 fuzzy logic controller 을블록 다이어그램으로도식화한것이다. Figure 4. Block diagram of the operations in a fuzzy logic controller by Cirstea, et al. (2002) Fuzzy inference 의통합규칙은평균값만을얻을수있다는한계를가지고있어리스크평가의경우엔현실적이지않음에도불구하고, 일반적으로여러분야에서이용되어왔다. 이러한한계는많은연구자들에의해인정되고있지만, 언어변수를사용하는주관적평가의통합방법으로는유일하다고논의되어왔다 (Taroun, A., et al., 2011). 2.5 Neural Networks Figure 3. Analytic Hierarchy Process (AHP) model in GIS 다기준의사결정기법의하나인 AHP는다양한조직적, 비조직적문제를처리할수있으며계층적으로잠재리스크를구조화하는데사용되어왔다. 상대비교의횟수, 상대비교의일관성, 무지에대한표현의부족이라는제약사항을갖지만 (Sharif, A. M., 2006; Taroun, A., et al., 2011), 적용이쉽고, 여러분야에활용가능한범용모델로서많이사용되고있다. Neural networks 의전체적인패러다임은인간의뇌가갖는우수한지능을구현하고자하는것으로, 생물학적뉴런과뉴런을연결하는시냅스들의관계를단순화시켜수학적으로모형화한것이다. Figure 5는 neural networks 의일반적인계층구조를표현한것이다 (Lee, W. H., 2006; Cirstea, et al., 2002). 2.4 Fuzzy Inference Fuzzy inference 는실제문제에서발생하는모호성과불확실성개념을효과적으로처리할수있는이론으로간주되어, 의사결정뿐만아니라의학, 공학등다양한분야에응용되고있다. 일반적으로 fuzzy inference 는의사결정과정의불확실하고부정확한정보를사용한다는점에서, 인간의사고과정과유사하므로정량적으로이해되기복잡한의사결정문제에적용되어왔는데, 주로분석의강도, 가능성, 가중치 Figure 5. Feed-forward neural network architecture 이방법은많은연구를통해서광범위한문제영역과범 주및연속형변수를모두다룰수있으며, 복잡한영역
에서도훌륭한결과를도출해낼수있음이검증되고있다. 하지만 neural networks 는그결과를설명할수없으며, 뉴런간의가중치를네트워크자체에서출력의정확성을평가하여자동적으로갱신한다. 또한이산및연속형변수를활용하여입력과출력을생성할수있지만, 입력과출력이 0과 1사이로조작되어야하는문제점이있다. 데이터의질이데이터마이닝의가장큰핵심이므로추가적인데이터의조작은추후분석에있어문제점이될수도있다. 3. Discussion 있다. 셋째, 제1그룹은학습과훈련이가능하다 (Trainable). 따라서훈련을통하여비전문가도분석이가능한반면, 제2 그룹은학습과훈련에전문성을요구한다. 넷째, 제2그룹이컴퓨터소프트웨어와의호환성 (Software compatibility) 이상대적으로우수하다. 이와는달리 AHP는계층적 (Hierarchy) 이고, 체계적 (Systematic) 으로영향요인의가중치평가가가능하지만, 상호영향관계를분석하지는못한다. 4. Conclusion 스트레스와피로에영향을미치는요인들의인과관계를정량적으로분석할경우, 분석결과의검증이업무수행도평가의신뢰성 (repeatability) 을좌우한다. 따라서신뢰성을확보하기위한관점에서분석기법을검토하였다. Systems Dynamics, Analytical Hierarchy Process (AHP), Fuzzy Inference, Neural Networks 등리스크평가에서많이사용되는방법들을중심으로모델링기법들을분석한결과는대체로다음과같다. 첫째, 업무수행도의정성적 (Qualitative) 분석과정량적 (Quantitative) 분석이가능하다. 하지만정량적분석의경우확률을이용하거나, 전문가의의견을정량화하는등의방법에서는차이가있었다. 둘째, 전문가의의견을토대로한주관적인 (Subjective) 분석이가능하다. 영향요인을도출하고그관계를전문가의지식과경험으로분류할수있다. 그러나평가의객관성을위해서는실증적연구를통한논리적근거가뒷받침되어야한다. 반면, 모델링기법들의차이점은성격이비슷한두그룹으로나누어비교하였다. Influence Diagram 과 System Dynamics 을제1그룹으로, Fuzzy Inference 와 Neural Networks 를제2그룹으로나누었다. 첫째, 제1그룹은인지 (Cognitive) 과정을나타낼수없지만, 제2그룹은인지과정을나타낼수있다. 그렇지만 Neural Networks 의경우은닉층 (hidden layer) 에서일어나는분석과정을명확히알수없는반면, Fuzzy Inference 의경우분석과정을명확히알수있다. 둘째, 제1그룹은업무수행도에영향을미치는요인들의가중치 (Weight) 를반영할수없지만, 제2그룹은가중치반영이가능하다. 하지만, Fuzzy Inference는전문가의논리적근거로가중치를반영하는반면, Neural Networks 는학습에의하여자동적으로가중치를부여한다는차이점이 System Dynamics, AHP, Fuzzy Inference, Neural Networks 는 사후검정 (post-hoc) 의의미에서평가시나리오의결과분 석에유용한기법이다 (Sharif, Amir M. 2006). 그러나원자력발전소근무자의업무수행도는그데이 터를구하기어려운경우가대부분인데, System Dynamics, AHP, Neural Networks 등은풍부한데이터를필요로한다. 때문에전문가로부터데이터추론 (Data inference) 이가능 한 Fuzzy Utility 모델링이전문가들의언어변수를간접적 으로활용할수있는, 다차원적업무수행도평가의현실 적인대안이라고판단된다. Acknowledgements This work was supported by the National Research Foundation of Korea(NRF) grant funded by the Korean government(mest)(no. 2012M2A8A-4004256). References Cirstea, M. N., Dinu. A., Khor, J. G. and McCormick, M., Neural and Fuzzy Logic Control of Drives and Power Systems, Newnes, 2002. Jones, C., "Behavioral theory in simulation: ambiguous results from simple relationships", Proceedings of 23 rd International Conference of the System Dynamics Society, Boston, USA. 2005. Jung, H. S., Application of Fuzzy Theory and Analytic Hierarchy Process(AHP) for Developing Occupational Stress Index, Journal of the Ergonomics Society of Korea, 17(2), 1998. Jung, J. U., Kim, H. S., A Study on Theoretical Improvement of Causal Mapping for Dynamic Analysis and Design, Korean System
Dynamics Society, 13(3), 33-60, 2009. Kim, D. H., Moon, T. H. and Kim, D. H., System Dynamics, Dae Young, 1999. Kim, G. H., Influence Diagram Approaching for Decision Structuring Process, Master s thesis, Korea Advanced Institute of Science and Technology(KAIST), 1984. Kordi, M., Comparison of fuzzy and crisp analytic hierarchy process (AHP) methods for spatial multi criteria decision analysis in GIS, Master s thesis, Gävle University, 2008. Kwak, S. J., Yoo, S. H., Shin, C. O., A Case Study of Korea = A Multi-attribute Index for Assessing Environmental Impacts of Regional Development Projects, Environmental and Resource Economics Review, 10(3), 345-366, 2001. Lee, W. H., The Development of Soccer Ranking Prediction Model using Neural Network Analysis, Ph.D. thesis, Myong ji University, 2006. Lim, H. K., Kim, H., Jang, T. I. and Lee, Y. H., Research Trends of International Guides for Human Error Prevention in Nuclear Power Plants, Journal of the Ergonomic Society of Korea, 32(1), 125-137, 2013. Meadows, D. H., The Unavoidable a Priori, In J. Randers(Ed), Elements of the System Dynamics Method, MIT Press, Cambridge MA, 1979. Moon, T. H., Issues and Methodological Status of System Dynamics, Korean System Dynamics Society, 3(1), 61-77, 2002. Morris, A., Ross, W. and Ulieru, M., "A System Dynamics View of Stress: Towards Human-Factor Modeling for Computer Agents", Proceedings of the 2010 IEEE international Conference on, Systems Man and Cybernetics (SMC), 4369-4374, 2010. Sharif, A. M., "Advancing the state of the art in the modelling and simulation of information systems evaluation", Proceedings of the European and Mediterranean Conference on Information Systems (EMCIS), Costa Blanca, Alicante, Spain, 2006. Starr, C. and Shi, P., An Introduction to Bayesian Belief Networks and their Applications to Land Operations, Technical Note, DSTO-TN-0534, Australian Government Department of Defence; Defence Science and Technology Organization, 2004. Taroun, A., Yang, J. B. and Lowe, D., Construction Risk Modelling and Assessment: Insights from a Literature Review, The Built & Human Environment Review, 4(1), 2011. Highest degree: PhD, Department of Safety Engineering, Chungbuk Position title: Senior Researcher, Division of I&C and Human Factors, Korea Atomic Energy Research Institute (KAERI) Areas of interest: Human Error, System safety, Industrial Safety Yong Hee Lee: yhlee@kaeri.re.kr Highest degree: Ms, Department of Industrial Engineering, Seoul Position title: Section Head, Division of I&C and Human Factors, Korea Atomic Energy Research Institute (KAERI) Areas of interest: Human Error, HMI, Cognitive System Engineering Hyeon-Kyo Lim: hklim@chungbuk.ac.kr Highest degree: PhD, ABD., Department of Industrial Engineering, KAIST Position title: Professor, Department of Safety Engineering, Chungbuk Areas of interest: Human Error Prevention, Industrial Ergonomics, System & Product Safety Author listings Hyunjung Kim: hjkim21@chungbuk.ac.kr Highest degree: BS, Department of Safety Engineering, Chungbuk Position title: MS Candidate, Graduate School of Safety Engineering, Chungbuk Areas of interest: Human Error Prevention, System safety, Industrial Safety Tong Il Jang: tijang@kaeri.re.kr