earticle

영어

Purpose: This study aims to empirically verify the effectiveness of a deep learning–based AI CCTV control system in preventing recurring serious industrial accidents(SIFs: falls, entrapments, and collisions) at power plants. Method: Industrial accident data from 2018–2022 and AI CCTV detection performance data from 2023–2025 were analyzed. Descriptive statistics, trend analysis, Difference-in- Differences(DiD), and event study models were applied to assess pre- and post-adoption effects. Result: SIFs accounted for 46.8% of all industrial accidents. After AI CCTV implementation, helmet detection improved from 23.78% to 97.56%, and fall detection from 37.79% to 87.79%. The DiD analysis showed a significant adoption effect of +0.368(p<0.01). Event study analysis further confirmed that the preventive effects gradually strengthened and became institutionalized. Conclusion: By integrating accident statistics with AI performance data, this study quantitatively demonstrated the accident prevention effect of AI CCTV. The system overcame the limitations of human-centered monitoring and shifted safety management from reactive response to proactive prevention. This smart safety management system will help prevent serious accidents in high-risk sites.

한국어

연구목적: 본 연구는 발전소에서 반복 발생하는 중대재해(SIF: 떨어짐, 끼임, 부딪힘) 예방을 위해 딥러 닝 기반 AI CCTV 관제시스템을 구축하고 효과를 실증적으로 검증하는데 있다. 연구방법: 2018~2022 년 안전사고 데이터와 2023~2025년 탐지율 성능데이터를 활용하여 기술통계, 추세분석, 이중차분 (DiD), 이벤트 스터디 모형으로 AI도입 전후 효과를 분석한다. 연구결과: 중대재해는 전체 사고의 46.8%를 차지하였으며, 도입부서의 안전모 탐지율은 23.78%→97.56%, 쓰러짐은 37.79%→87.79%로 향상되었다. DiD 분석결과, AI 도입 효과( +0.368(p<0.01)가 확인되었고, 이벤트 스터디 분석에서도 효 과가 점차 강화되고 내재화됨을 입증하였다. 결론: 안전사고 통계와 AI 성능데이터 결합을 통해 사고예 방효과를 계량적으로 입증하였고, AI CCTV 감시체계는 인력중심 감시한계를 극복하고 안전관리를 사 후 대응에서 사전 예방중심으로 전환해야함을 보여준다. 이러한 스마트 안전관리체계는 고위험 현장 의 중대재해 예방에 기여할 것이다.