Journal of Platform Technology

ICT Platform Society (ICT플랫폼학회)
권호 표지

Safety management service using voice chatbot for risks response of field workers

현장 작업자 위험대응을 위한 음성챗봇을 이용한 안전관리 서비스

  • Received : 2023.10.05
  • Accepted : 2023.11.09
  • Published : 2023.12.30
Download PDF
⟨ Previous Next ⟩

Abstract

Recently, industrial accidents have continued to increase due to the industrialization, and worker safety management is recognized as essential to reduce losses due to hazardous factors at work places. To manage the safety of workers, it is required to apply customized safety management artificial intelligence technology that takes into account the characteristics of industrial sites, and a service for real-time risk detection and response to workers depending on the situation based on safety accident types and risk analysis for each task and process. The proposed safety management service consists of worker devices to acquire sensor data, edge devices to collect from IoT-based sensors, and a voice chatbot to support workers' disaster response. The voice chatbot plays a major role in interacting with workers at disaster sites to respond to risks. This paper focuses on real-time risk response using an IoT-based system and voice chatbot on a server for work safety according to the worker's situation. A Scenario-based voice chatbot is used to process responses at the edge level to provide safety management services.

최근 산업 재해는 산업화로 인해 지속적으로 증가하고 있으며, 작업현장에서 위험요소로 인한 손실을 줄이기위해 작업자의 안전관리는 필수사항으로 인식되고 있다. 작업자의 안전관리를 위해서는 산업현장의 특성을 고려한 맞춤형 안전관리 인공지능 기술의 적용이 요구된다. 현장의 안전관리는 작업 및 공정별 안전사고 유형 및 위험성 분석을 기반으로 상황에 따른 작업자의 실시간 위험 감지 및 대응을 위한 서비스 설계를 고려한다. 제안된 안전관리 서비스는 IoT 기반의 센서 자료를 획득하기 위한 작업자 디바이스, 획득한 센서 자료를 수집하기 위한 엣지장치와 작업자의 재해 대응을 지원하는 음성챗봇으로 구성된다. 음성챗봇은 재해 현장의 작업자의 위험대응을 위한 상호작용을 수행하는 주요한 역할을 수행한다. 이 논문은 작업자의 상황에 따른 작업안전을 위한 IoT 기반의 시스템과 서버 상의 음성챗봇을 활용한 실시간 위험대응 서비스 시스템을 기술한다. 안전관리 서비스 제공을 위한 엣지 수준에서의 대응처리를 위해 스토리기반 음성챗봇을 활용하도록 한다.

Keywords

Acknowledgement

이 논문은 2022 년도 행정안전부 국민수요 맞춤형 생활안전 연구개발사업의 지원을 받아 수행된 연구임(2022-MOIS41-003)

References

  1. KOSHA (Korea Occupational Safety & Health Agency). Statistics of the industrial accident. (1973-2019).
  2. J.K. Park, A study on the analysis cause for fatal accident in construction works, J Korean Soc Saf, 12 (4) (1997), pp. 122-133
  3. Mark Gales, Steve Young, et al. 2008. The application of hidden Markov models in speech recognition. Foundations and Trends in Signal Processing 1, 3 (2008), 195-304.
  4. Zhongxin Bai and Xiao-Lei Zhang. 2021. Speaker recognition based on deep learning: An overview. Neural Networks 140 (2021), 65-99. https://doi.org/10.1016/j.neunet.2021.03.004
  5. R. M. Abdelmoneem, E. Shaaban and A. Benslimane, "A Survey on Multi-Sensor Fusion Techniques in IoT for Healthcare," 2018 13th International Conference on Computer Engineering and Systems (ICCES), Cairo, Egypt, 2018, pp. 157-162, doi: 10.1109/ICCES.2018.8639188.
  6. Luo, J.; He, X. A Soft-Hard Combination Decision Fusion Scheme for a Clustered Distributed Detection System with Multiple Sensors. Sensors 2018, 18, 4370. https://doi.org/10.3390/s18124370
  7. Alonso, S.; Perez, D.; Moran, A.; Fuertes, J.J.; Diaz, I.; Dominguez, M. A Deep Learning Approach for Fusing Sensor Data from Screw Compressors. Sensors 2019, 19, 2868. https://doi.org/10.3390/s19132868
  8. Thomas M. Mitchell. 1997. Machine Learning (1 ed.). McGraw-Hill, Inc., New York, NY, USA
  9. Alex Krizhevsky, Ilya Sutskever, and Geoffrey E. Hinton. 2012. ImageNet classification with deep convolutional neural networks. In Proceedings of the 25th International Conference on Neural Information Processing Systems - Volume 1 (NIPS'12). Curran Associates Inc., Red Hook, NY, USA, 1097-1105.
  10. S. Young, "Large Vocabulary Continuous Speech Recognition: A Review," IEEE Signal Processing Magazine, vol. 13, no. 5, pp. 45-57, 1996. https://doi.org/10.1109/79.536824
  11. J. Baker, L. Deng, J. Glass, S. Khudanpur, Chin hui Lee, N. Morgan, and D. O'Shaughnessy, "Developments and directions in speech recognition and understanding, part 1," Signal Processing Magazine, IEEE, vol. 26, no. 3, pp. 75-80, May 2009. https://doi.org/10.1109/MSP.2009.932166