Prioritization of Evaluation Items for Industrial Accident Prevention Factors Using the Fuzzy TOPSIS Technique

대욱 허; 원직 양

doi:10.9798/KOSHAM.2024.24.5.73

Abstract

With the rapid progress of industrialization, serious accidents have frequently occurred at industrial sites. Despite the existence of several laws and regulations for preventing industrial accidents, including the Occupational Safety and Health Act, social criticism has been raised regarding their inefficiency. To address this issue, the Serious Accident Punishment Act was implemented. The Ministry of Employment and Labor and the Korea Safety and Health Agency have prepared and implemented various industrial accident prevention measures and programs; however, the number of industrial accidents has not decreased. Therefore, new evaluation criteria must be introduced when establishing policies or systems to prevent industrial accidents. This study introduces evaluation items used in Europe and the United States as industrial accident prevention items for assessing industrial accident prevention projects and proposes a plan to select priorities for these items by applying the fuzzy TOPSIS technique. Prioritization was determined by calculating four evaluation criteria and ten industrial accident prevention items using a 7-point linguistic scale. Our results allow for the simultaneous consideration of several industrial accident prevention items. Thus, various aspects of industrial accident prevention activities can be comprehensively evaluated, enhancing the effectiveness and execution of safety and health management, thereby helping to reduce industrial accidents.

Keywords: Fuzzy TOPSIS, Industrial Accident, Serious Disaster, Industrial Accident Prevention Evaluation Factors, Multi-criteria Decision Making

요지

산업화가 급격히 진행되면서 최근까지 산업현장에서 중대한 산업재해가 빈번하게 발생하고 있다. 산업재해 예방을 위한 법령으로는 산업안전보건법 등 여러 법령이 존재하지만, 이들이 제 역할을 다하지 못한다는 사회적 비판이 제기되고 있다. 이를 보완하기 위해 중대재해처벌법이 시행되었다. 고용노동부와 안전보건공단은 다양한 산업재해 예방 대책과 프로그램을 마련하여 시행하고 있지만, 여전히 산업재해는 줄어들지 않고 있다. 따라서 산업재해 예방을 위한 정책이나 제도를 수립할 때 새로운 평가 항목의 도입이 필요하다고 판단된다. 이 연구에서는 유럽과 미국에서 산재 예방 사업 평가 시 사용되는 평가 항목을 산업재해 예방 항목으로 도입하여 Fuzzy TOPSIS기법을 적용해 산업재해 예방 항목의 우선순위 선정 방안을 제시한다. 4개의 평가 기준과 10개의 산업재해 예방 항목을 7등급의 언어적 척도로 계산하여 우선순위를 선정한다. 이 연구의 결과는 여러 산업재해 예방 항목을 동시에 고려할 수 있어, 산업재해 예방 활동의 다양한 측면을 종합적으로 평가할 수 있으며, 또한 안전보건 관리의 효과성과 실행성을 높일 수 있어 산업재해 경감에 도움을 줄 수 있다.

핵심용어: Fuzzy TOPSIS, 산업재해, 중대재해, 산재예방 평가항목, 다기준의사결정

1. 서 론

우리나라가 비교적 짧은 기간에 획기적인 발전을 이룰 수 있었던 밑바탕 중의 하나는 산업의 발전이라 할 수 있다. 고도화된 발전이 지속될수록 중요한 것은 국민의 안전 및 산업현장의 안전이라 할 수 있다. 이는 더 나아가 국민의 삶이 윤택하고 편리한 생활이 가능하도록 한 몫을 하고 것이 현실이다. 산업현장에서 가장 중요한 것은 근로자의 안전이다. 산업재해로 인한 사망자 수가 여전히 높은 수준이고, 각종 산업재해로 인한 피해는 재해 당사자뿐만 아니라 가족은 물론, 더 나아가 국가적으로도 매우 심각한 경제발전 역량을 잠식하여 큰 손실을 초래한다.

국내에서 그간 많은 산재 예방 대책을 추진하였으나, 여전히 대형 사고가 반복되고, 구조적, 근본적 문제는 개선되지 않는 상황이다. Table 1은 고용노동부에서 주기적으로 발표하는 연도별 산업재해 현황이다. Table 1에 의하면 산업재해는 연도별로 증가추세라는 것을 알 수 있다. 종사자의 안전을 위해 국회에서는 중대재해처벌법을 제정하였고, 고용노동부는 산업안전보건본부를 출범하고 산업재해 감축을 위해 노력을 하고 있다. 하지만 여전히 산업재해로 사망하는 노동자는 연간 2,000여 명에 이르고 있으며, 한국이 OECD 국가 중 산재 사망율 1위이다(고용노동부, 2021년 산업재해 현황(Ministry of Employment and Labor, 2021)). 산업재해 사망사고 감축과 산재 예방을 위해서는 산업재해 예방 정책 평가 항목의 중요도를 고려하여 산재 예방 대책을 수립하는 것이 효과적일 것이다. 그래서 European Commision에서 제시한 산재 예방 사업 평가 항목과 American Evaluation Association에서 제시한 산재 예방 사업 평가 항목을 우리나라 산재 예방 계획을 평가할 때 도입하여 우선순위를 선정하고자 한다. 우선순위 평가 방법은 Fuzzy TOPSIS 기법을 활용한다. 선정 결과에 의해 도출된 가중치 및 우선순위는 산재예방계획의 실행성과 산재 예방 활동의 효과성을 높이고, 보다 체계적으로 공정한 평가를 할 수 있다.

Table 1

Industrial Accident Status of Ministry of Employment and Labor

Division	2013	2014	2015	2016	2017	2018	2019	2020	2021
Occupational sickness	7,627	7,678	7,919	7,876	9,183	11,473	15,195	15,996	20,435
Number of deaths	1,929	1,850	1,810	1,777	1,957	2,142	2,020	2,062	2,080
Accidental death rate	0.71	0.58	0.53	0.53	0.52	0.51	0.46	0.46	0.43
Overall accident rate	0.59	0.53	0.50	0.49	0.48	0.54	0.58	0.57	0.63

* References: Ministry of Employment and Labor (2021), status of industrial accidents

2. 기존연구

다기준 의사결정(MCDM) 선택에 대한 접근방법을 Ha and Krishnan (2008)은 수학적 방법, 통계적 방법, 인공지능 방법, 혼합모형 등으로 구분했고, Shyur and Shih (2006)도 수학적 방법, 통계적 방법, 인공지능 방법 등으로 구분했다. 다기준 의사결정(MCDM)은 기본적으로 상충되는 다기준 또는 다속성에 대해서 최적의 대안을 선택하는 것이다. Belton and Stewart (2002)는 기존 다기준 의사결정 방법들을 다음과 같이 3가지 카테고리로 구분하였다. 첫째, 다속성 효용이론(MAUT, Multi Attribute Usage Theory)와 같은 가치 측정 모형이다. 효용이론의 기본가정은 완전한 합리성에 기초해서 기대 효용가치가 최대인 대안을 의사결정자가 선택한다는 것이다(Keeney and Raiffa, 1976). AHP는 복잡한 문제를 계층화 구조로 분해해서 정량적 및 정성적 평가 기준 모두 고려할 수 있다는 장점이 존재하지만, 대안이 추가되거나 삭제되는 경우에는 예전 대안의 순위가 역전이 되는 현상이 발생할 수 있다. 또한, 비교 대상의 수가 증가함에 따라 의사결정자가 판단해야 할 평가 횟수가 급증하게 되고, 일관성 비율에 대한 타당성이 명확히 검증되지 못하였다. 둘째, PROMETHEE (Preference Ranking Organization Method for Enrichment Evaluation)와 같은 방법이다. PROMETHEE는 순위 선호 개념에 기초해서 의사결정자의 주관적 정보(선호 함수와 선호 임계치)를 반영해서 비교가 곤란한 대안들을 비교 가능한 대안으로 분류해 주는 장점은 있으나, 평가기준별 가중치를 사전에 결정해야 한다는 단점이 있다(Kim and Yang, 2015). 셋째는 TOPSIS와 같은 목표 지향 참조수준방법(goal aspiration and reference level method)이다(Ji, 2022). TOPSIS (Technique for Order Preference by Similarity to Ideal Solution) 방법은 최선의 대안과 최악의 대안을 동시에 고려하는 인간의 합리적 선택을 나타내는 논리성을 가지고 있다. 또한 다속성 관점에서 모든 대안에 대해 성과 측정을 쉽게 계산해서 나타낼 수 있다.

TOPSIS는 Hwang and Yoon (1981)에 의하여 처음 소개되었으며, 양의 이상적인 해(PIS, Positive Ideal Solution)로부터 가장 가까운 거리에 있고, 부의 이상적인 해(NIS, Negative Ideal Solution)로부터는 가장 먼 거리에 있는 대안을 선택하게 하는 개념을 근거로 하고 있다. 여기서 PIS는 고려하고 있는 기준이 가질 수 있는 값 중 가장 바람직한 값이며, 반대로 NIS는 가장 바람직하지 않은 값이다.

TOPSIS의 장점은 대상을 평가하는 과정에서 필요한 주관적 항목이 항목에 대한 가중치뿐이라는 것과 가중치를 생성하는 것보다 대상을 평가하는 데 초점을 둔 방법이라는 것이다(Olson, 2004). 또 다른 장점은 간단한 계산 과정으로 인하여 다속성 관점에서 모든 대상에 대한 평가 결과를 쉽게 계산해서 최적의 대상을 빠르게 찾을 수 있다는 것이다(Kim, 2006). TOPSIS 단점으로 가중치 결정의 어려움이 있다. TOPSIS는 각 속성에 대한 가중치를 꼭 필요로 한다. 가중치를 결정하는 과정이 주관적일 수 있고, 잘못된 가중치 설정은 최종결과에 큰 영향을 미칠 수 있다. 또 다른 단점으로는 복잡한 계산과정이다. 대안과 속성의 수가 많아질수록 계산이 복잡해지고 시간이 많이 소요될 수 있다.

최근 산업재해 분야에 대한 Fuzzy TOPSIS 적용된 연구는 없었으나, 정보시스템 분야에 적용된 연구로는 인터넷 서비스 제공자(Amin and Razmi, 2009), 정보시스템 아웃소싱(Kahraman et al., 2009), 전자구매(Sing and Benyoucef, 2011), 정보시스템 프로젝트(Chen and Cheng, 2009), Business Intelligence (Rouhani et al., 2012) 등이 있다. Kim and Yang (2015)은 신용조회 업무시스템에 대해서 재난 복구 우선순위 결정을 위해 Fuzzy TOPSIS방법을 활용하여, 업무복구 우선순위에 대해서 이해관계자 지원 감소, 매출손실, 고객이탈 등을 포함한 9개 평가기준과 9개의 정보시스템의 신용조회세부업무를 매칭시켜서 재난복구 우선순위를 선정하였다. Kim (2017)은 Fuzzy TOPSIS 방법을 이용하여 신재생에너지의 합리적인 선택을 위해 기술적, 경제적, 환경적, 사회적 기준을 고려하여 풍력, 조력 등의 10개의 에너지 대체에너지를 비교 평가하여 연구를 수행하였다. Ma et al. (2018)은 항만공사의 마케팅의 성공적인 전략 우선순위를 결정하기 위해 Fuzzy TOPSIS 방법을 활용하였다. 마케팅 촉진 전략 요인의 중요도 산정은 운송업 종사자의 퍼지분석 결과, 운송업 종사자를 제외하고 나머지 항만 이용자들의 퍼지 분석 결과를 비교분석하고, 추가적으로 부산항 등 4개 항에 대해서 마케팅 촉진 전략 성과를 분석하였다. 다양한 분야에서 우선순위와 합리적인 선택을 하기위해 Fuzzy TOPSIS 기법을 사용한 선행연구는 많이 존재하지만, 산업안전 분야의 산업재해 감소를 위한 실증연구는 전무한 실정이다. 그래서 European Commssion에서 주로 보건사업을 평가시 사용하는 평가항목을 적용하고자 한다(Lee, 2013).

3. 평가 기준 및 항목

의사결정모형은 Fig. 1과 같이 4개의 다기준 관점에서 산재예방계획에 필요한 항목을 평가하는 계층적 구조이다. 연구를 위한 전문가집단은 현직 산업안전 분야에서 기사급 이상 자격증 소지와 실무경력 5년 이상 업무 경험이 있는 전문가들로 선정하였다. 전문가들의 주요 업무는 안전 보건 컨설팅, 위험성 평가, 공단 위탁 사업 등을 수행한다. 평가 항목은 European Commision에서 제시한 산재 예방 사업 평가 시 사용되는 평가 항목을 사용한다. 우리나라에서는 주로 안전 보건 활동의 실적 위주로 평가가 진행되고 있는데, 유럽위원회에서는 10가지 항목을 기준으로 평가를 진행한다.

Fig. 1

Hierarchical Structure of Decision-making Problems

첫째, 적절성은 중재의 목적이 요구되는 문제나 제기된 이슈에 적합한 정도를 의미한다. 둘째, 일치성은 논리가 모순되지 않거나 유사한 목적을 가진 다른 활동들과 충돌하지 않는 정도를 나타낸다. 셋째, 경제성은 자원이 필요한 장소와 시기에 가장 적절한 가격으로 적절한 양과 질로 이용될 수 있는 정도를 뜻한다. 넷째, 효과성은 설정된 목적이 달성되는 정도를 의미한다. 다섯째, 효율성은 합리적인 비용으로 기대되는 효과가 달성되는 정도를 나타낸다. 여섯째, 지속성은 긍정적인 효과가 중재가 종료된 후에도 지속되는 정도를 의미한다. 일곱째, 유용성은 효과가 요구되는 문제와 제기된 이슈에 부합하는 정도를 뜻한다. 여덟째, 일관성은 다른 활동에 긍정적 또는 부정적 영향을 최대화하거나 최소화하는 정도를 나타낸다. 아홉째, 분배 효과는 제도의 불균형적인 긍정적 또는 부정적 분배 효과를 최대화하거나 최소화하는 정도를 의미한다. 마지막으로, 열째, 수용 가능성은 근로자가 일반적으로 제도 및 정책에 대해 채택된 계획을 수용하는 정도를 뜻한다. 관련 내용은 Table 2와 같이 정리할 수 있다.

Table 2

Industrial Accident Prevention Factors

Factors	Summary
A₁: Appropriateness	The degree to which the purpose of the arbitration is appropriate to the problem requested or addressed
A₂: Compatibility	Is not incompatible or the degree to which the program is not inconsistent with other measures havinga similar purpose
A₃: Economics	The extent to which resources are available in the right quantity and quality at the best price when needed
A₄: Effectiveness	Degree to which the set objectives are achieved
A₅: Efficiency	Degree to which expected effects are achieved at a reasonable cost
A₆: Persistence	The degree to which the positive effect persists after the intervention has ended
A₇: Usefulness	The degree to which the effect is commensurate with the demand problem and the issues raised
A₈: Consistency	The extent to which positive/negative spillover effects are maximized/minimized in other economic, social or policy areas.
A₉: Distribution effect	The degree to which the disproportionate negative/positive distributional effects of a policy are minimized/ maximized
A₁₀: Acceptability	Extent to which stakeholders generally accept policies and special tools proposed or adopted

산업 재해 예방 제도를 수립할 때 고려해야 하는 평가 항목의 우선순위를 결정하기 위해, 평가 기준은 안전보건공단에서 제공하는 4M 분석 기준을 적용한다. 4M 기법은 위험성 평가에서 널리 사용되는 방법으로, 작업이나 공정 내에서 잠재하고 있는 위험 요인을 네 가지 항목으로 분류하여 분석하는 기법이다. 첫째, 인적 항목으로 작업자의 행동, 기술 수준, 교육 및 훈련 상태 등을 평가한다. 둘째, 기계적 항목으로 사용되는 기계 및 장비의 상태, 설계 결함, 유지보수 상태 등을 평가한다. 기계의 결함이나 안전장치의 부족이 사고를 유발할 수 있다. 셋째, 환경적 항목으로 사용되는 재료나 물질의 특성, 품질, 안전성 등을 평가한다. 유해 물질이나 불량 재료가 사고의 원인이 될 수 있다. 마지막으로, 관리적 항목으로 작업 방법, 절차, 작업 환경 등을 평가한다. 비효율적인 작업 방법이나 부적절한 절차가 사고를 초래할 수 있다. 관련 내용은 Table 3과 같이 정리할 수 있다.

Table 3

Evaluation Standard

Standard	Concept description
C₁: Machine	• Defects in machine/facility design • Lack of intrinsic safety boots • Defects in means of transport using the equipment	• Poor protection devices • Defects in the utility used
C₂: Media	• Poor working space • Generation of gas, steam, dust, fumes • Lack of oxygen, harmful rays, noise, vibration	• Lack of MSDS data, etc.
C₃: Man	• Unsafe behaviors of worker characteristics • Defects in working posture and motion • Inappropriate work information, etc.
C₄: Management	• Lack of supervision and guidance • Failure to post rules and various signs, etc. • Failure to write regulations, guidelines, manuals, etc.	• Lack of education and training

4. Fuzzy TOPSIS기법에 의한 평가

4.1 행렬식 계산 방법

다기준 의사결정은 행렬 형태로 표현할 수 있다. 의사결정행렬 D는 m×n행렬로x_ij는 j번째 요소 x_j의 관점에서 평가한 i번째 대안 A_i의 가치이다. 다기준 의사결정에서 대안은 정량적인 기준과 정성적인 기준에 의해 평가된다. 만약 2개의 정성적인 기준만이 있을 때 발생하는 문제는 2가지 종류의 기준들에 의해 어떻게 평가 대안을 비교하는가이다. 또한, 각 기준의 평가 단위가 다를 때는 어떻게 처리를 해야 할 것인가이며 이를 해결하기 위해 서로 다른 측정 단위를 갖는 기준 평가치의 정규화 방법이 있다. 양의 크기를 측정하기 위하여 이용되는 척도는 3가지 종류가 있다. 첫째, 서열 척도(ordinal scale)로 단순히 평가 대상 실체 간의 순서만 표시하고 서열 간의 상대적인 차이는 나타내지 않는다. 구간척도(interval scale)는 평가치를 나타내기 위한 동등한 구간들을 설정하고 임의의 원점으로부터 차이나 거리가 평가치를 나타낸다. 비율척도(ratio scale)는 구간척도와 비슷하나 원점이 미리 정해진다는 것이 차이점이다. 정성적인 평가 기준을 비율척도로 평가한다는 것은 거의 불가능하므로 대부분 서열척도나 구간척도를 이용하며, 주어진 대안들의 순서를 부여하는 것이 용이하다. 정성적인 평가 결과를 구간척도로 변화하는 가장 보편적인 방법은 양극법이다. 예를 들면 10개의 점을 갖는 척도를 구성한 후 10번째 점을 실제로 얻을 수 있는 최댓값으로, 0을 최솟값으로 표시한다.

중간 점은 변환의 기준이 되어 이를 중심으로 바람직한 값과 바람직하지 못한 값에 대한 기수(cardinal)를 지정한다. 평가 대안의 정규화는 서로 다른 측정 단위를 갖는 대안간의 비교를 가능하게 하기 위한 것이다. 모든 MCDM 방법이 정규화가 필요한 것은 아니지만, 다른 대안들의 평가 결과를 비교할 필요가 있는 방법들에서만 정규화 절차를 거치게 된다. 평가 대안값의 정규화 방법으로 벡터 정규화 방법이 있다. 이 방법은 각 열벡터를 자신의 놈(norm)으로 나눔으로써 얻어진다. 즉, 정규화된 의사결정행렬의 원소r_ij는 Eq. (1)과 같다.

(1)

rij=xij∑i=1mxij2

Eq. (1)로부터 정규화된 의사결정행렬에서 모든 열벡터는 크기가 1이 됨을 알 수 있다. 이 방법은 모든 대안이 무차원 단위로 표현됨으로써 대안 간의 비교를 가능하게 한다. 그러나 같은 길이를 갖는 측정 단위를 제공하지 못한다는 단점이 있다. 다음은 선형변환이다. 이 방법은 각 대안의 값을 해당 대안값들 중 최댓값으로 나누면 된다. 대안값이 높을수록 높은 선호도를 갖는 대안들에서 xj*=max xij라 할 때, 변환된 식은 대안값 Eq. (2)이다.

(2)

rij=xijxj*

4.2 평가 방법에 대한 일반사항

TOPSIS은 복잡한 의사결정 상황에서 대안들을 우선순위 화하는 기법이다. 이 기법은 다양한 성능 항목을 고려하여 대안들을 비교하고 가장 적합한 대안을 찾는 데 사용된다. 평가 기준을 0~1 사이로 설정하는 이유는 정규화이다. 정규화를 통해 서로 다른 척도를 가진 성능 항목들을 동일한 척도로 변환하여 비교할 수 있다. 이렇게 하면 각 성능 항목의 상대적 중요도를 더 정확하게 비교할 수 있다. 대안 평가를 1~10으로 하는 이유는 각 성능 항목의 상대적 중요도를 더 정밀하고 폭넓은 의견을 수렴 받기 위해서이다. 1부터 10 까지의 척도를 사용하여 대안들을 성능 항목 간의 상대적 중요도를 더 정밀하고 폭넓게 반영할 수 있다. 이러한 접근 방식은 전문가의 의견과 데이터를 기반으로 대안들을 정량적으로 비교하고 순위를 결정하는 데 큰 도움을 줄 수 있다.

4.3 평가 기준에 대한 가중치 계산방법

Fuzzy TOPSIS 기법은 의사결정자들의 주관적 판단의 모호성을 수치화하기 위해 Fig. 2와 같이 7등급의 사다리꼴 함수를 이용한다. Table 4는 Fig. 2의 언어적 평가 7등급으로 “매주 낮음(Very Low), 낮음(Low), 약간 낮음(Medium Low), 보통(Medium), 약간 높음(Medium High), 높은(High), 매우 높음(Very High)”을 수치화한 것을 나타낸 것이다. 예를 들면, 언어적 변수 “약간 낮음(ML)”은 0.2~0.5의 범위를 가지며, 함수는 Eq. (3)으로 표현이 가능하다. 그래서 평가 기준 가중치 계산을 위하여 7등급 평가 척도로 평가 기준에 대한 전문가의 5인의 평가 결과를 Table 5에 나타낸다. 이와 같은 10개 평가 항목에 대해서 4개 평가 기준의 가중치 계산은 같은 방법으로 적용된다. 예를 들면 C₁에 대한 가중치 계산은 Table 5에서 C₁에 대한 5명의 평가가 VH, H, H, MH, VH 이므로, Eqs. (3)~(7)을 이용하여 가중치를 계산하면(0.50, 0.08, 0.86, 1.00)과 같이 결괏값이 도출된다.

Fig. 2

Linguistic Variables for Weights of Criteria

Table 4

Linguistic Measure of the Weight of a Criterion

Language variable	Trapezoidal fuzzy index
Very low (VL)	(0.0, 0.0, 0.1, 0.2)
Low (L)	(0.1, 0.2, 0.2, 0.3)
Medium low (ML)	(0.2, 0.3, 0.4, 0.5)
Medium (M)	(0.4, 0.5, 0.5, 0.6)
Medium high (MH)	(0.5, 0.6, 0.7, 0.8)
High (H)	(0.7, 0.8, 0.8, 0.9)
Very high (VH)	(0.8, 0.9, 1.0, 1.0)

Table 5

Evaluation Value for Evaluation Criteria Weight

No.	D₁	D₂	D₃	D₄	D₅
C₁	VH	H	H	MH	VH

C₂	H	VH	H	VH	VH

C₃	H	VH	MH	VH	H

C₄	H	H	MH	MH	H

(3)

μML=(0,x<0.2,x−0.20.3−0.2,0.2≤x≤0.31,0.3≤x≤0.4x−0.50.4−0.5,0.4≤x≤0.50,x>0.5,)

(4)

a=min{ak}=min{0.8,0.7,0.7,0.5,0.8}=0.5

(5)

b=1K∑k=1Kbk=(0.9+0.8+0.8+0.6+0.9)5=0.8

(6)

c=1K∑k=1Kck=(1.0+0.8+0.8+0.7+1.0)5=0.86

(7)

d=max{dk}=max{1.0,0.9,0.9,0.8,1.0}=1.0

평가 기준 가중치 결과는 Table 6과 같다. 가중치는 상대적으로C₂ (물질, 환경적)인 기준이 중요하다고 결괏값에서 나타났다. 최초에는 인적 기준이 더 중요하다고 나올 것으로 예상하였으나, 실제 결괏값은 그렇지 않았다. 전문가집단 의견 수렴 결과 사고 요인으로서는C₃ (인적 기준) 더 중요하게 판단 될 수 있으나, 산재 예방계획 예방 요소로는 환경이나 물질적인 항목이 더 중요한 것으로 나타났다.

Table 6

Weight Calculation Results Based on Evaluation Criteria Results

No.	w̃ _j (Weight)
C₁	(0.50, 0.80, 0.86, 1.00)

C₂	(0.70, 0.86, 0.92, 1.00)

C₃	(0.50, 0.80, 0.88, 1.00)

C₄	(0.50, 0.72, 0.76, 0.90)

4.4 산업 재해 예방 항목 평가 적용

Fig. 3과 Table 7은 대안 평가에 대한 언어적 변수를 7등급으로 “매주 나쁨(Very Poor), 나쁨(Poor), 약간 나쁨(Medium Poor), 보통(Fair). 약간 좋음(Medium Good), 좋음(Good), 매우 좋음(Very Good)”을 수치화 한 것을 나타낸다. 언어적 변수 “약간 좋음”은 5~8의 범위를 가지며, 함수는 Eq. (8)로 표현할 수 있다.

Table 7

Linguistic Measure of Alternative Assessment

Language variable	Trapezoidal fuzzy index
Very poor (VP)	(0.0, 0.0, 1.0, 2.0)
Poor (P)	(1.0, 2.0, 2.0, 3.0)
Medium poor (MP)	(2.0, 3.0, 4.0, 5.0)
Fair (F)	(4.0, 5.0, 5.0, 6.0)
Medium good (MG)	(5.0, 6.0, 7.0, 8.0)
Good (G)	(7.0, 8.0, 8.0, 9.0)
Very good (VG)	(8.0, 9.0, 10, 10)

5명의 평가자가 4개의 평가 기준 관점에서 10개의 평가 항목을 서로 다른 7등급의 언어적 척도로 평가한 주관적 가중치 설문 값은 Table 8과 같다. 5명의 평가자는 동일한 평가 기준 및 평가 항목에 대해서 다른 의견이라는 것을 확인할 수 있다. 평가 기준 관점에서 각 평가 항목에 대한 각 평가자 개인의 Fuzzy 성과측정치를 합해서 평균을 구하는 과정이다. 예를 들어, Table 8에서C₁관점에서 A₃에 대한 5명의 평가는 G, F, VG, VG, MG 이다. 평가자별로 측정한 고유의 값이 존재하는데, 수치화 값은 위의 Eq. (2)에서 Eq. (5)로 준용이 가능하며, 값은(4, 7.4, 8, 10)이 도출 된다. 정규화 삼각형 Fuzzy 수는 [0, 1] 구간에 존재하고 선형 척도 변환함수(linear scale transform function)이기 때문에, cj+=maxcij,r˜ij=(aijcj+,bijcj+,cijcj+,dijcj+)를 이용해서 계산한 정규화 행렬 R˜=|r˜ij|m×m의 값이 Table 9이다. 예를 들면, Table 8에서 C₁기준으로 A₁에 대한 값을 계산하면cj+=max cij=10이므로, 각 항목을 10으로 나누어서 정규화 변환하면, r˜ij=(0.4, 0.74, 0.8, 1)이 된다. v˜ij=r˜ij×w˜j를 이용해서 가중치를 반영한 정규화 퍼지 행렬 V˜=[v˜ij]m×n이 Table 9이다. 예를 들면, Table 10에서 C₁관점에서 A₁에 대한 가중치가 부여된 정규화 퍼지 값(0.2, 0.59, 0.69, 1)은 Table 9의 C₁과A₁의 정규화 값(0.4, 0.74, 0.8, 1)과 Table 6의 C₁가중치(0.5, 0.8, 0.86, 1)의 곱으로 계산한 결과이다.

Table 8

Evaluation of Industrial Accident Prevention Factors

No.		D₁	D₂	D₃	D₄	D₅
C₁	A₁	VG	VG	VG	F	F
	A₂	VG	F	VG	VG	MG
	A₃	G	F	VG	VG	MG
	A₄	G	G	F	VG	MG
	A₅	F	G	F	F	F
	A₆	F	VG	G	F	VG
	A₇	F	MP	G	G	G
	A₈	VG	MP	MG	F	G
	A₉	MP	F	F	G	F
	A₁₀	MP	G	MG	G	F

C₂	A₁	G	F	MG	MG	VG
	A₂	G	G	MG	MG	VG
	A₃	VG	G	MG	F	VG
	A₄	VG	VG	G	G	F
	A₅	F	MP	G	G	G
	A₆	F	MP	F	F	G
	A₇	G	G	G	MG	F
	A₈	MG	F	F	MG	MG
	A₉	F	VG	VG	MG	MG
	A₁₀	VG	G	G	G	G

C₃	A₁	G	VG	VG	G	G
	A₂	G	MG	VG	MG	G
	A₃	VG	VG	VG	MG	G
	A₄	MG	VG	MG	MG	VG
	A₅	F	G	MG	VG	F
	A₆	G	G	MG	VG	F
	A₇	MG	G	F	VG	MG
	A₈	MG	F	G	F	VG
	A₉	VG	F	F	G	F
	A₁₀	G	F	G	F	MG

C₄	A₁	G	VG	G	G	G
	A₂	G	VG	F	VG	VG
	A₃	VG	MG	MG	MG	MG
	A₄	VG	MG	MG	MG	MG
	A₅	MG	MG	VG	G	MG
	A₆	MG	G	F	G	G
	A₇	G	VG	F	MG	F
	A₈	F	F	VG	F	VG
	A₉	MG	G	MG	F	G
	A₁₀	MG	G	G	G	G

Table 9

Normalized Decision Matrix

No.	C₁	C₂	C₃	C₄
A₁	(0.40, 0.74, 0.80, 1.00)	(0.40, 0.68, 0.74, 1.00)	(0.70, 0.84, 0.88, 1.00)	(0.70, 0.82, 0.84, 1.00)
A₂	(0.40, 0.76, 0.84, 1.00)	(0.50, 0.74, 0.80, 1.00)	(0.50, 0.74, 0.82, 1.00)	(0.40, 0.80, 0.86, 1.00)
A₃	(0.50, 0.74, 0.80, 1.00)	(0.40, 0.76, 0.80, 1.00)	(0.50, 0.82, 0.90, 1.00)	(0.50, 0.68, 0.76, 1.00)
A₄	(0.40, 0.72, 0.76, 1.00)	(0.40, 0.78, 0.82, 1.00)	(0.50, 0.72, 0.82, 1.00)	(0.50, 0.66, 0.76, 1.00)
A₅	(0.40, 0.56, 0.56, 0.90)	(0.20, 0.64, 0.66, 0.90)	(0.40, 0.66, 0.70, 1.00)	(0.50, 0.70, 0.78, 1.00)
A₆	(0.40, 0.72, 0.76, 1.00)	(0.20, 0.52, 0.54, 0.90)	(0.40, 0.72, 0.76, 1.00)	(0.40, 0.70, 0.72, 0.90)
A₇	(0.20, 0.64, 0.66, 0.90)	(0.40, 0.70, 0.72, 0.90)	(0.50, 0.68, 0.74, 1.00)	(0.40, 0.64, 0.70, 1.00)
A₈	(0.20, 0.56, 0.62, 1.00)	(0.40, 0.58, 0.62, 0.80)	(0.40, 0.66, 0.70, 1.00)	(0.40, 0.66, 0.70, 1.00)
A₉	(0.20, 0.52, 0.54, 0.90)	(0.40, 0.82, 0.90, 1.00)	(0.40, 0.64, 0.66, 1.00)	(0.40, 0.66, 0.70, 0.90)
A₁₀	(0.20, 0.60, 0.64, 0.90)	(0.70, 0.82, 0.84, 1.00)	(0.40, 0.64, 0.66, 0.90)	(0.50, 0.76, 0.78, 0.90)
w˜ _j	(0.50, 0.80, 0.86, 1.00)	(0.70, 0.86, 0.92, 1.00)	(0.50, 0.80, 0.88, 1.00)	(0.50, 0.72, 0.76, 0.90)

Table 10

Weighted Normalized Decision Matrix

	C₁	C₂	C₃	C₄
A₁	(0.20, 0.59, 0.69, 1.00)	(0.28, 0.58, 0.68, 1.00)	(0.35, 0.67, 0.77, 1.00)	(0.35, 0.59, 0.64, 0.90)
A₂	(0.20, 0.60, 0.72, 1.00)	(0.35, 0.64, 0.73, 1.00)	(0.25, 0.59, 0.72, 1.00)	(0.20, 0.58, 0.65, 0.90)
A₃	(0.25, 0.59, 0.69, 1.00)	(0.28, 0.65, 0.73, 1.00)	(0.25, 0.66, 0.79, 1.00)	(0.20, 0.49, 0.58, 0.90)
A₄	(0.20, 0.58, 0.65, 1.00)	(0.28, 0.67, 0.75, 1.00)	(0.25, 0.58, 0.72, 1.00)	(0.25, 0.48, 0.58, 0.90)
A₅	(0.20, 0.45, 0.48, 0.90)	(0.14, 0.55, 0.60, 0.90)	(0.20, 0.53, 0.61, 1.00)	(0.25, 0.50, 0.59, 0.90)
A₆	(0.20, 0.58, 0.65, 1.00)	(0.14, 0.45, 0.50, 0.90)	(0.20, 0.58, 0.67, 1.00)	(0.20, 0.50, 0.55, 0.81)
A₇	(0.10, 0.51, 0.57, 0.90)	(0.28, 0.60, 0.66, 0.90)	(0.25, 0.54, 0.65, 1.00)	(0.20, 0.46, 0.53, 0.90)
A₈	(0.10, 0.45, 0.53, 1.00)	(0.28, 0.50, 0.83, 0.80)	(0.20, 0.53, 0.61, 1.00)	(0.20, 0.48, 0.53, 0.90)
A₉	(0.10, 0.14, 0.46, 0.90)	(0.28, 0.71, 0.83, 1.00)	(0.20, 0.51, 0.58, 1.00)	(0.20, 0.48, 0.53, 0.81)
A₁₀	(0.10, 0.48, 0.55, 0.90)	(0.49, 0.71, 0.77, 1.00)	(0.20, 0.51, 0.58, 0.90)	(0.25, 0.55, 0.59, 0.81)

양의 사다리꼴 퍼지 수는 구간[0, 1]내에 있기 때문에, 퍼지 양의 해(FPIS, A⁺)와 퍼지 음의 해(FNIS, A^-) Table 9에서 각 행별로 최댓값과 최솟값이 되므로 아래와 같이 정의될 수 있다.

A+={(1,1,1,1),(1,1,1,1),(1,1,1,1),(1,1,1,1)}

A−={(0,0,0,0),(0,0,0,0),(0,0,0,0),(0,0,0,0)}

각 평가 항목에 대한 퍼지 양의 이상적인 점(FPIS)과 퍼지 부의 이상적인 점(FNIS)으로부터의 간격 d_i⁺와d_i^-을 계산한다. 예를 들면, Table 11의d₁⁺과 Table 12의d₁^-아래의 방식으로 계산한다.

d1+=14[(1−0.2)2+(1−0.59)2+(1−0.69)2+(1−1)2=0.475

d1=14[(0−0.2)2+(0−0.59)2+(0−0.69)2+(0−1)2=0.682

Table 11

Distance from A⁺ to A_i

	C₁	C₂	C₃	C₄
d(A₁, A⁺)	0.475	0.446	0.382	0.341
d(A₂, A⁺)	0.469	0.395	0.450	0.404
d(A₃, A⁺)	0.455	0.422	0.425	0.436
d(A₄, A⁺)	0.484	0.145	0.452	0.419
d(A₅, A⁺)	0.553	0.527	0.503	0.412
d(A₆, A⁺)	0.484	0.571	0.481	0.442
d(A₇, A⁺)	0.558	0.448	0.473	0.453
d(A₈, A⁺)	0.577	0.458	0.503	0.448
d(A₉, A⁺)	0.680	0.397	0.514	0.450
d(A₁₀, A⁺)	0.569	0.315	0.516	0.403

Table 12

Distance from A^- to A_i

	C₁	C₂	C₃	C₄
d(A₁, A^-)	0.593	0.558	0.550	0.463
d(A₂, A^-)	0.682	0.588	0.516	0.457
d(A₃, A^-)	0.596	0.585	0.548	0.424
d(A₄, A^-)	0.582	0.594	0.514	0.423
d(A₅, A^-)	0.479	0.489	0.479	0.429
d(A₆, A^-)	0.582	0.448	0.501	0.382
d(A₇, A^-)	0.507	0.519	0.490	0.408
d(A₈, A^-)	0.529	0.515	0.479	0.411
d(A₉, A^-)	0.439	0.625	0.469	0.374
d(A₁₀, A^-)	0.497	0.629	0.427	0.403

평가 항목에 대해서 FPIS A⁺과 FNIS A^-으로부터의 간격인 di+=∑j=1ndv(v˜ij,v˜j+)와 di−=∑j=1ndv(v˜ij,v˜j−)를 계산을 실시하여 선택가능한 모든 모든 평가 항목의 우선순위를 선정하기 위해 근접도 계수를 구한다. 근접도 계수는 TOPSIS 방법에서 사용되는 개념이다. TOPSIS는 다기준 의사결정(MCDM) 기법의 하나로, 여러 대안 중에서 가장 이상적인 해에 가까운 대안을 선택하는 방법이다. 근접도 계수는 각 대안이 이상적인 해와 얼마나 가까운지를 나타내는 지표이다. 이를 계산하기 위해 아래의 단계를 거쳐 구할 수 있다. 1단계로 이상적인 해와 반이상적인 해 설정하는 것이다. 각 기준에 대해 가장 좋은 값(이상적인 해)과 가장 나쁜 값(반이상적인 해)을 설정한다. 2단계로 각 대안의 거리를 계산한다. 각 대안이 이상적인 해와 반이상적인 해로부터 얼마나 떨어져 있는지를 유클리드 거리를 사용해 계산한다. 3단계로 근접도 계수를 계산한다. 각 대안의 근접도 계수는 이상적인 해로부터의 거리와 반이상적인 해로부터의 거리의 비율로 계산한다. 근접도 계수가 클수록 해당 대안이 이상적인 해에 가깝다는 것을 의미하며, 이 방법을 통해 여러 대안 중에서 가장 적합한 대안을 선택할 수 있다. 각 대안의 상대적 근접도 계수 CC_i를 계산한 결과가 Table 13이다. 예를 들면, 두 번째 대안에 대해서 근접도 계수CC₂는 Eq. (9)와 같이 계산할 수 있다.

(8)

μMG=(0,x<5,x−56−5,5≤x≤6,1,6≤x≤7,x−87−8,7≤x≤80,x>8,)

(9)

CC2=d2−d2++d2−=2.2431.718+2.243=0.566

CC_i 값이 클수록 대안 A_i의 좋은 성과를 나타내기 때문에 Table 13에서 평가 항목의 우선순위는

CC4>CC1>CC2>CC3>CC10>CC7>CC8>CC6>CC5>CC9

으로 나타났다. 따라서 평가 항목 중에 가장 중요하게 도출된 평가 항목은 가장 큰 근접도 계수 CC_i를 표현하고 있는 A₄인 효과성이다. 하지만 우리나라에서는 산업안전보건법에 따라 대표이사의 안전보건계획에 포함되어야 할 사항으로 경영방침, 조직의 구성원 및 역할, 예산 및 시설 현황, 전년도 실적 및 다음 연도 활동 계획을 요구하고 있다. 또한, 고용노동부에서 발표하는 산재 예방 5개년 계획은 실효성과 현장 작동성을 반영하지만, 대부분 추진 과제 위주로 계획이 수립되고 있다. 이에 따라 수년 동안 재해율이 감소하지 않고 있는 상황을 고려할 때, 유럽이나 미국의 산재 예방 선진국의 평가 항목을 적극적으로 반영하여 조직별 특성과 업종에 맞춘 맞춤형 산재 예방계획을 수립하고 추진하는 방안을 제안한다. 여러 가지 평가 기준을 동시에 고려할 수 있으며, 산재 예방 활동의 다양한 측면을 종합적으로 평가할 수 있다. 그리고 평가 기준과 가중치를 명확히 설정하여 주관적인 판단을 최소화하고, 객관적인 결과를 도출할 수 있다. 이상적인 산재 예방 요소의 거리를 계산하여 각 평가 항목의 상대적인 우수성을 쉽게 파악할 수 있다. 따라서 TOPSIS의 예방 요소 우선순위 선정으로 산재 예방 계획의 실행성을 높이고, 보다 체계적이고 공정한 평가를 실현하는 데 도움을 줄 수 있다.

Fig. 3

Linguistic Variables for Alternative Assessments

Table 13

Distance from A⁺ to A_i

Iimpact	d_i⁺	d_i^-	CC_i	Priority
A₁	1.644	2.164	0.568	2
A₂	1.718	2.243	0.566	3
A₃	1.738	2.153	0.553	4
A₄	1.500	2.113	0.585	1
A₅	1.995	1.876	0.485	9
A₆	1.978	1.913	0.492	8
A₇	1.932	1.924	0.499	6
A₈	1.986	1.934	0.493	7
A₉	2.041	1.907	0.483	10
A₁₀	1.803	1.956	0.520	5

5. 결 론

최적의 의사결정 문제에서는 많은 주관적이거나 기준이 모호한 자료를 가지고, 서로 다른 기준에서는 여러 가지 대안을 평가할 수밖에 없다. 본 연구에서는 산업 재해 예방 제도를 효과적이고 합리적인 전략을 수립하기 위해 다기준의사결정 관점에서 Fuzzy TOPSIS 방법을 적용하였다. 첫째, 의사결정자들의 주관적 판단의 모호성을 계량할 수 있는 언어 변수를 사다리꼴형 퍼지 수로 표현할 수 있는 Fuzzy 집합이론을 사용하여 유럽과 미국에서 사용하는 평가 항목을 우리나라 산업 재해 예방 정책 평가 항목으로 도입하고 우선순위를 적용하는 기법을 제시하였다. 우선순위 선정에서는 5명의 의사결정자가 4개의 평가 기준에 대해 7등급의 언어 척도로 평가를 실시하였고, 10개의 대안에 대해서도 7등급의 언어적 척도로 평가하였다. 둘째, 산재 예방 평가 항목의 우선순위 결정을 통해 산업 재해 예방 정책 수립 시 정확한 계량화된 수치를 통한 실무적인 합리성을 제공하였다. 또한, 이 연구의 적용 방법의 타당성은 이상적인 해와 부정적인 해를 동시적으로 고려하는 TOPSIS 방법이 의사결정의 효율적인 접근 방법으로 산재 예방 정책 수립의 활용성을 제고할 수 있다.

결론적으로, 본 연구는 인적, 관리적, 기계적, 물질환경적 등 다기준 평가 방법으로 유럽위원회에서 사용하는 평가 항목을 조직 규모별, 업종별, 특성별, 근무 형태 등을 고려하여 산재 예방 계획 수립 시 방향성을 정하거나 필요한 항목을 선별적으로 사용하여 맞춤형 제도 및 계획을 수립하는 것이 산업재해 경감에 도움을 줄 수 있다.

향후 산업현장에 급격한 과학기술이 동반되지 않는 한 산재 발생은 현재와 같은 추세로 발생할 것이므로, 다양한 인명 보호, 경제 손실, 근로 손실, 산재 보상 등 다기준 관점에서 산재 예방 정책이 추진되어야 한다. 연구의 한계로는 다양한 산업 재해 예방 항목을 10개로만 우선순위 평가 대상으로 제한했다는 점이다. 향후 실질적인 산업재해 예방 활동을 고려하여 ISO45001 인증 지표나 KOSHA-MS의 인증지표를 활용하여 우선순위 선정에 대한 추가적인 연구가 이루어진다면, 실제 산재 예방 정책 전략적 수립에 실용적으로 활용될 수 있는 분석 도구가 될 것이다.