베이지안 네트워크 기반 모듈러 시공 위험성 분석 및 안전관리 개선 방안

다국어 초록 (Multilingual Abstract)

Modular construction, characterized by the interconnection of manufacturing, logistics, and installation processes, presents a risk profile distinct from that of conventional on-site construction. In particular, critical accidents such as falls, overturns, and collisions frequently occur during the lifting, alignment, and installation phases. These incidents are often attributed to weak interlinkages between design, production, and construction stages, as well as the absence of a systematic framework for tracking and controlling risk factors. Despite governmental initiatives to promote modular construction as part of industrialized building strategies, a considerable gap remains between regulatory frameworks and on-site implementation. Therefore, there is an urgent need to establish a quantitative and data-driven methodology for identifying and managing risks specific to modular construction projects.
This study aims to develop a probabilistic safety management model for modular construction that systematically identifies key risk factors and determines their relative impact through quantitative analysis. Specifically, the objectives are to: (1) classify modular construction risk factors into the 4M framework—Man, Machine, Management, and Media; (2) analyze risk interactions using Bayesian Network (BN) modeling; and (3) evaluate the sensitivity of critical variables to propose practical safety management strategies.
The research proceeded through three analytical stages: theoretical review, field-based data coding, and Bayesian analysis. A total of 1,238 risk factors collected from domestic modular construction sites were categorized under the 4M framework and structured by work stage. The Bayesian Network was constructed using the GeNIe program to estimate conditional probabilities and causal dependencies among risk nodes. Sensitivity analysis was then performed to identify key variables exerting significant influence on the overall safety performance.
The findings revealed that Machine(equipment-related factors) and Management(procedural and control factors) exhibited the highest sensitivity and influence on construction safety risk levels. In particular, “Machine_3” (improper installation of temporary stairs), “Man_2” (inadequate worker control), “Management_2” (poor work planning and change control), and “Media_4” (improper material handling and storage) were identified as dominant risk nodes. Adjusting the probability of these factors significantly altered the posterior probability of overall site risk—from 0.27 to 0.46 when unfavorable conditions were simulated—demonstrating the model’s capacity to predict and quantify the impact of management interventions.
In conclusion, this study provides empirical evidence that enhancing procedural control and equipment safety has the most substantial effect on reducing modular construction risk. The integrated BN–sensitivity analysis framework developed herein offers a reliable quantitative tool for prioritizing risk management strategies and supports data-driven decision-making in modular and general construction projects alike. However, the dataset was limited to specific project types and time frames, which may constrain generalizability. Future research should expand the dataset and apply iterative learning algorithms to improve predictive precision and model robustness.

국문 초록 (Abstract)

모듈러 건축은 제조–물류–설치의 연계공정으로 구성되어 전통적 현장시공 방식과 상이한 위험 프로파일을 가진다. 특히 설치 단계에서 양중, 반입, 정렬 과정 중 추락·낙하·충돌 등의 재해가 빈발하며, 공정 간 인터페이스의 복잡성과 운송 제약으로 인해 안전사고의 발생 가능성이 높다. 최근 국내에서도 대형 모듈의 크레인 전도 및 접합부 불량으로 인한 사고가 반복 보고되고 있으며, 이는 설계–제조–시공 간의 관리 연계 미흡과 위험요인 추적체계의 부재에서 기인한다. 한편 정부는 주택공급 확대 및 산업화 건설 추진정책의 일환으로 모듈러 공법을 주요 대안으로 제시하였으나, 제도·현장 간 괴리가 여전히 존재한다. 따라서 모듈러 공정 특성을 반영한 체계적 위험요인 분석과 데이터 기반 안전관리 전략의 제시가 절실히 요구된다.
본 연구의 목적은 국내 모듈러 건축 시공단계에서 발생하는 위험요인을 정량적으로 구조화하고, 데이터 기반의 우선순위형 안전관리 모델을 구축하는 데 있다. 구체적으로는 ① 모듈러 공정별(제작–운송–설치) 위험요인을 4M 체계(Man, Machine, Management, Media)로 분류하고, ② 수집된 현장 데이터를 바탕으로 위험성 평가 및 확률모형을 구축하며, ③ 베이지안 네트워크(BN) 분석과 민감도 분석을 통해 핵심 위험요인을 정량적으로 검증하고, ④ 이를 토대로 단계별·요인별 통합 안전관리 개선방안을 제안하는 것을 목표로 한다. 연구는 문헌고찰, 사례분석, 데이터분석의 3단계 절차로 수행되었다. 첫째, 산업안전보건법의 제도 변화와 건설업 사고사망만인율을 비교하여 규범적 강화에도 불구하고 실효성이 낮은 구조적 원인을 파악하였다. 둘째, 국내 모듈러 공사현장에서 순회점검을 수행한 실무자 65명으로부터 발굴된 1,588건의 위험요인 중 1,238건을 정제하여 분석 데이터로 활용하였다. 각 위험요인은 4M 분류체계로 코딩하였으며, 공정단계별 위험군(부대토목–모듈하역–내부마감–외부마감)으로 재편성되었다. 셋째, GeNIe 프로그램을 이용한 베이지안 네트워크 모델링을 통해 변수 간 조건부 확률 및 인과구조를 설정하고, 민감도 분석을 실시하여 위험요인 변화가 전체 안전수준에 미치는 영향을 평가하였다.
분석 결과, 모듈러 시공단계의 주요 위험요인은 Machine(장비·가설재 관련 요인)과 Management(관리절차·통제 요인)범주에서 높은 민감도를 보였다. 특히 Machine_3(가설계단 설치 불량), Man_2(작업자 통제 미흡), Management_2(작업계획·변경관리 미흡), Media_4(자재 보관 및 운반 불량) 등이 상위 요인으로 도출되었다. 이는 장비의 안전성 확보와 절차적 관리체계 강화가 모듈러 현장의 위험도 저감에 핵심적임을 보여준다. 또한 BN 기반 민감도 분석 결과, 핵심 요인의 조건부 확률 변화는 전체 위험도의 사후확률 분포에 직접적 영향을 미치는 것으로 나타났다.
본 연구는 국내 모듈러 건축의 시공단계 위험요인을 데이터 기반으로 정량화하여, 관리개입 우선순위를 제시하였다. 분석 결과, 물리적 장비안전과 절차적 통제의 결합이 위험 저감에 가장 효과적인 것으로 확인되었으며, 이는 기존의 규범 중심 접근을 실행 중심의 확률적 관리체계로 전환할 필요성을 시사한다. 또한 본 연구에서 제시한 BN–민감도 통합모형은 향후 모듈러뿐 아니라 일반 건설공정에도 적용 가능한 정량평가 도구로서, 위험요인 간 상호작용을 시각적으로 분석하고 실시간 위험관리 의사결정을 지원할 수 있다. 다만, 분석 데이터가 특정 시점의 사례에 한정되어 있어 표본의 시공환경 다양성이 제한되었다는 한계가 존재한다. 향후 연구에서는 다양한 프로젝트의 누적 데이터를 기반으로 베이지안 구조의 반복 학습(learning)을 적용함으로써 모델의 일반화와 예측정확도 향상을 도모할 필요가 있다.

목차 (Table of Contents)

• 제 1 장 서론 1
• 제 1 절 연구의 배경 및 필요성 1
• 제 2 절 연구의 목적 2
• 제 3 절 연구의 방법 2
• 제 4 절 연구의 모형 4
• 제 2 장 이론적 배경 5
• 제 1 절 건설안전 법·제도 변화 동향과 모듈러 건축의 제도적 위치 5
• 제 1 항 산업안전보건법 제도 변화와 건설업 사고사망만인율 비교 5
• 제 2 항 모듈러 건축 관련 법·제도 6
• 제 2 절 모듈러 산업의 발전 동향 7
• 제 1 항 모듈산업의 총 공사금액 증가 동향 7
• 제 2 항 모듈산업의 용도별 공사금액 증가 동향 8
• 제 3 절 모듈러 건축 9
• 제 1 항 모듈러 건축이란 9
• 제 2 항 모듈러 건축의 형상별 종류 10
• 제 3 항 모듈러 건축의 시공 순서 11
• 제 4 항 선행연구 이론 고찰 16
• 제 4 절 베이지안 네트워크 21
• 제 1 항 베이지안 네트워크의 개념 21
• 제 2 항 유향 비순환 그래프(DAG)와 조건부 독립 21
• 제 3 항 베이지안 네트워크의 형식적 정의 22
• 제 4 항 베이지안 네트워크의 추론 23
• 제 5 항 베지이안 네트워크의 선행연구 24
• 제 3 장 연구의 방법 26
• 제 1 절 연구 설계 26
• 제 1 항 자료수집 27
• 제 2 항 위험요인 데이터 정제 27
• 제 3 항 공정분류 28
• 제 4 항 4M(Man, Machine, Management, Media) 분류 29
• 제 5 항 위험요인 위험도 산출 29
• 제 6 항 위험요인 분석 (공정, 4M, 위험도) 32
• 제 7 항 베이지안 네트워크 기반 사례 분석 (GeNle) 32
• 제 4 장 연구의 결과 37
• 제 1 절 위험요인 분석 37
• 제 1 항 단일 빈도 분석 결과 37
• 제 2 항 행렬 분석 결과 39
• 제 2 절 GeNle 분석 결과 42
• 제 1 항 위험요인 BN(Bayesian Network) 데이터 전처리 42
• 제 2 항 위험요인 BN모델 초기 분석 44
• 제 3 항 위험요인 BN모델 민감도 분석 47
• 제 4 항 BN모델 조건부 확률 50
• 제 5 장 결론 및 제언 75
• 제 1 절 결론 75
• 제 2 절 제언 78
• 참고문헌 79
• 부 록 82
• 부록 1 설문지 82
• Abstract 124