• 한국재난정보학회 논문집
• /
• 제17권3호
• /
• pp.579-588
• /
• 2021

연구목적: 석면해체 참여업체가 작업장 인근 주민 안전에 어떠한 영향을 미치는지 분석하고, 분석결과를 바탕으로 석면해체 참여업체의 선정에 있어서 중요 기준을 제시하는 데 목적이 있다. 연구방법: 본 연구에서는 산업안전보건법과 석면안전관리법을 토대로 석면해체 관련 참여업체와 석면해체 작업장 인근 주민 안전에 관한 중요항목을 도출한 후 FGI를 통하여 설문항목을 결정하였고, 영향관계 분석을 위해 다중회귀분석을 실시하였다. 연구결과: 안전한 석면해체 작업장 주변을 조성하기 위해서는 석면해체 관련 참여업체(석면해체·제거업자, 석면조사기관, 석면해체작업감리인) 중 석면해체작업감리인의 역량이 영향관계가 가장 큰 것으로 확인되었다. 결론:석면해체 작업장 인근 주민의 안전을 확보하기 위해서는 우수한 석면해체작업감리인과 우수한 석면해체·제거업자의 선정이 필수적임을 보여 주었다.

• 월간 기계설비
• /
• 통권226호
• /
• pp.53-57
• /
• 2009

그동안 많은 논란이 있었던 석면문제가 또다시 도마 위에 올랐다. 최근 아기에게 바르는 파우더를 비롯하여 화장품 등에까지 석면공포가 확산됨에 따라 환경부는 석면이 주로 건축자재(80% 이상)에 사용된 만큼 국민건강 보호를 위해 건축물에 사용된 석면의 안전한 관리가 무엇보다 중요하다고 판단, 가이드라인을 제정, 시행에 들어갔다. 가이드라인의 주요 내용은 $\Delta$건축물에 사용된 석면함유 설비 또는 자재를 조사하여 석면지도 작성 및 6개월마다 훼손 여부 평가 관리 $\Delta$석면 해체 제거작업 과정에서 석면이 비산되지 않도록 주변 대기 중 석면농도 0.01개/cc(실내공기질 권고기준) 기준 설정 $\Delta$석면 해체 제거 작업 및 폐석면 처리 시 안전한 석면관리를 위한 준수사항 등이다. 이번 가이드라인은 건축물 사용단계부터 철거 폐기까지 전 생에에 걸친 석면 관리 방법 및 기준 등을 포함하고 있어 건축물 이용자, 철거지역 인근 주민의 석면 노출 차단에 기여할 것으로 기대된다. 환경부는 가이드라인을 자치단체, 다중이용시설 관리자, 건축물 철거업체 등을 통해 널리 알리는 한편, 노동부 등 관계부처와 함께 관련제도 보완 등 건축물 석면관리 개선방안을 오는 6월까지 마련할 계획이다.

• 월간산업보건
• /
• 통권240호
• /
• pp.48-52
• /
• 2008

• 안전기술
• /
• 제153호
• /
• pp.58-61
• /
• 2010

• 월간산업보건
• /
• 통권229호
• /
• pp.31-33
• /
• 2007

• 월간산업보건
• /
• 통권230호
• /
• pp.41-44
• /
• 2007

• 환경정보
• /
• 통권408호
• /
• pp.12-16
• /
• 2013

석면은 여러 가지 장점에도 불구하고 석면을 흡입할 경우 폐암, 악성중피종 등과 같은 치명적인 폐질환을 유발한다. 몇 년 전까지 우리의 일상생활 속 건축물의 건축자재, 자동차 부품 등에 특별한 제약 없이 석면이 여러 가지 자재로 사용되어 우리 일상생활에 분포되어 있으며 석면을 안전하게 관리하기 위해 분야별 석면관리제도가 추진중에 있다. 석면해체 제거작업 및 건축물 석면조사의 법 사각지대가 발생하고 있어 제도적 보완이 필요한 시점이라 하겠다.

• 월간 기계설비
• /
• 제5호통권214호
• /
• pp.58-64
• /
• 2008

• 안전기술
• /
• 제141호
• /
• pp.6-11
• /
• 2009

• 한국건축시공학회:학술대회논문집
• /
• 한국건축시공학회 2022년도 가을 학술논문 발표대회
• /
• pp.53-54
• /
• 2022

There is an increasing demand for prediction of asbestos concentration which has an fatal effect on human body. While demolishing asbestos, the dust scatters and makes workers be exposed to danger. Up to this date, however, factors that particularly influences have not considered in predicting asbestos concentration. Most of the studies could not quantify the distribution of asbestos. Also, they did not use nominal data on buildings as important factors. Therefore, this study aims to build an asbestos concentration prediction model by quantifying distribution of asbestos and using nominal data of buildings based on Artificial Neural Network (ANN). This model can give significant contribution of improving the safety of workers and be useful for finding effective ways to demolish asbestos in planning.