다중회귀분석과 DNN 알고리즘 기반 산업안전보건관리비 예측 모델 제안

건설현장 안전사고는 타 산업보다 중대재해로 쉽게 이어져 심각한 인명피해와 비용초과 및 기간연장 등의 손실로 이어진다. 이러한 직, 간접적 문제를 줄이기 위해 건설 안전에 사용되는 비용을 사전에 확보하기 위해 고용노동부는 산업 안전 보건 관리비(Occupational Safety and Health Management Expense, OSHME)를 규정하고 있다. 고정 요율을 통해 계산되는 금액이 존재하지만 집행에 있어 기준이 모호하여 기준에 따르기보다는 발생하는 상황에 따라 정해진 비용을 지출하고 있는 것이 현실이다. 결과적으로 OSHME는 근로자의 안전 교육을 진행하기 위해 소비되거나 근로자들을 보호하는 비용으로 소비되기보다는 명목상 계약을 체결하여 집행되었다. 따라서 본 연구에서는 총 공사비 5억 원 미만의 일반 건설 사례 135건에서 소비된 OSHME 데이터를 최적화함수, 에포크(epoch), 노드 수(node), 학습률(learning rate) 등을 변화시키면서 적용한 심층 신경망 (Deep Neural Network, DNN)을 적용하여 얻은 오차값과, 다변량 회귀분석 그리고 OSHME 계약 비용의 평균 제곱 오차 (Mean Squared Error, MSE) 및 평균 절대 오차 (Mean Absolute Error, MAE) 값을 비교하였다. 세 가지 분석값을 비교한 결과, 학습률이 0.01이고 베이지안 정규화(Bayesian Regularization) 최적함수를 활용한 DNN 모델이 OSHME를 예측하는 최적의 모델임을 알 수 있었다. 이 모델은 단순히 현행 계약 방식처럼 직접 노동력과 재료비를 특정 비율로 곱하는 방식과 비교하여 현실적인 금액을 산정할 수 있는 방식이며, 이로 인해 건설 비용을 효율적으로 줄일 수 있을 것으로 기대할 수 있다. 또한 현재 부정확하게 활용되는 금액을 줄이기 위해서 앞으로 더욱 명확한 기준과 사용 계획을 규정하고 감시하는 것이 필요하다.