설비 신뢰성공학 관점에서 보는 잠재고장과 사고 전조의 정량적 분석

산업현장에서 사고가 발생하기 전에 반드시 사고가 발생했다는 것은 아니다. 오히려 실제 사고에 이르기 전 아차사고(Near Miss), 이상상태, 반복적인 경미한 고장, 안전장치 작동, 작업절차 이탈과 같은 전조현상이 여러 차례 나타나는 경우가 있다.

문제는 이러한 데이터를 단순한 사고보고서로만 관리하면 반복되는 패턴을 발견하기 어렵다는 것이다.

설비 신뢰성공학의 관점에서는 Near Miss를 단순한 안전사고의 참고자료가 아니라 잠재적인 기능상실이나 위험상태가 나타난 관측 데이터로 볼 수 있다.

따라서 중요한 질문은 다음과 같다.

Near Miss의 발생빈도와 특성 변화를 이용해 향후 사고 또는 설비 기능상실의 가능성을 어느 정도까지 예측할 수 있는가?

이 질문에서부터 Near Miss의 선행지표화(Leading Indicator)가 시작된다.

---

1. Near Miss를 단순 사고보고 데이터로 보면 안 되는 이유

Near Miss는 일반적으로 사고로 이어질 수 있었지만 실제 인명피해나 재산피해가 발생하지 않은 사건을 의미한다.

예를 들어 다음과 같은 상황이 있을 수 있다.

• 회전체에 작업자가 접근했지만 접촉 직전에 회피
• 압력계 이상으로 위험상태를 늦게 발견
• 밸브 오조작 직전에 작업자가 오류를 발견
• 안전장치가 작동하여 사고를 방지
• 배관 누설이 발견되었지만 사고로 발전하지 않음
• 작업자가 절차를 벗어났으나 실제 피해는 발생하지 않음

중요한 것은 결과적으로 사고가 발생하지 않았다는 사실만 보는 것이 아니라 왜 사고로 발전하지 않았는지를 분석하는 것이다.

어떤 Near Miss는 우연히 사고를 피한 것일 수 있고, 다른 Near Miss는 안전장치나 작업자의 개입 때문에 사고로 발전하지 않았을 수 있다.

이 차이를 구분해야 Near Miss 데이터가 신뢰성 있는 분석자료가 된다.

---

2. 사고와 Near Miss의 관계를 확률적으로 바라보기

하나의 위험상태가 발생했다고 가정해보자.

위험상태가 발생한 이후 결과는 여러 방향으로 나뉠 수 있다.

위험상태 발생

→ 정상적으로 회복

→ Near Miss

→ 경미한 사고

→ 중대사고

따라서 Near Miss는 사고와 동일한 사건이 아니라 사고로 발전할 가능성이 존재했던 사건의 관측 결과로 보는 것이 적절하다.

이를 신뢰성공학적으로 생각하면 Near Miss는 설비 또는 작업시스템이 정상적인 상태에서 벗어났음을 보여주는 일종의 상태변화 신호가 될 수 있다.

---

3. Near Miss 발생률을 첫 번째 선행지표로 사용하기

가장 기본적인 지표는 Near Miss 발생률이다.

Near Miss 발생률 = 일정 기간의 Near Miss 건수 / 관찰기간 또는 작업량

여기서 단순 건수만 비교하면 문제가 발생한다.

예를 들어 A공장은 한 달에 Near Miss가 20건이고 B공장은 10건이라고 하자.

A공장의 작업량이 B공장의 5배라면 단순 건수만으로 A공장의 위험도가 높다고 판단하기 어렵다.

따라서 다음과 같은 노출량 기준이 필요하다.

• 작업시간
• 설비 운전시간
• 생산량
• 작업 건수
• 정비 건수
• 작업자 수

즉,

Near Miss 건수 → 노출량으로 정규화된 Near Miss 발생률

로 변환해야 설비나 기간 간 비교가 가능해진다.

---

4. 사고 전조지표는 ‘빈도’ 하나로 만들면 부족하다

Near Miss가 증가했다고 해서 무조건 사고위험이 증가한다고 볼 수는 없다.

오히려 신고문화가 개선되면서 기존에 보고되지 않던 Near Miss가 더 많이 보고되는 경우도 있기 때문이다.

따라서 전문적인 지표에서는 다음 요소를 함께 고려할 필요가 있다.

분석요소	확인하는 내용
발생빈도	Near Miss가 얼마나 발생하는가
발생률	작업량 대비 얼마나 발생하는가
반복성	동일한 문제가 반복되는가
심각도	실제 사고로 발전했을 경우 피해가 얼마나 큰가
원인	어떤 고장·작업조건에서 발생하는가
집중도	특정 기간에 집중되는가
설비분포	특정 설비에 집중되는가
대응실패	기존 방호수단이 제대로 작동했는가
재발성	개선조치 후 다시 발생하는가

이렇게 해야 Near Miss를 단순 숫자가 아닌 위험정보로 바꿀 수 있다.

---

5. 가장 중요한 지표: Near Miss의 반복성

하나의 Near Miss가 한 번 발생한 것보다 동일한 원인의 Near Miss가 반복되는 상황을 더 주의해야 한다.

예를 들어 다음과 같은 패턴을 생각해보자.

1월 → 밸브 오조작 Near Miss

2월 → 동일 계통 밸브 오조작 Near Miss

3월 → 동일 원인의 Near Miss

4월 → 실제 기능상실 발생

이 경우 단순히 Near Miss가 3건 발생했다고 기록하는 것보다 동일 원인의 반복 발생을 별도의 위험지표로 만드는 것이 훨씬 유용하다.

이를 개념적으로 다음과 같이 표현할 수 있다.

반복지수 = 동일 원인 Near Miss 발생건수 / 전체 Near Miss 발생건수

반복지수가 증가한다면 기존 개선조치가 문제의 근본원인을 제거하지 못했을 가능성을 검토해야 한다.

---

6. Near Miss의 시간적 집중현상

사고 전조 분석에서 또 하나 중요한 것은 시간적인 군집화(Clustering)다.

평균적으로 한 달에 5건의 Near Miss가 발생하더라도,

1주차 1건 → 2주차 0건 → 3주차 1건 → 4주차 3건

처럼 특정 기간에 집중될 수 있다.

더 중요한 경우는 다음과 같다.

Near Miss → Near Miss → Near Miss → 사고

처럼 발생 간격이 짧아지는 현상이다.

따라서 Near Miss의 발생간격(Time Between Events)을 분석하면 단순한 누적 건수에서는 발견하기 어려운 위험변화를 확인할 수 있다.

---

7. Near Miss 발생간격 감소를 전조로 볼 수 있는가

설비 신뢰성공학에서는 사건 사이의 시간이 중요한 분석변수가 된다.

설비 고장이 반복되면서 고장 간격이 짧아지는 경우 상태 악화를 의심할 수 있는 것처럼, 동일한 유형의 Near Miss가 점점 짧은 간격으로 발생한다면 위험조건이 누적되거나 방호기능이 약화되고 있는지 확인할 필요가 있다.

예를 들어,

90일 → 60일 → 30일 → 15일

로 동일 유형 Near Miss의 발생간격이 감소한다면 단순 발생건수보다 더 중요한 정보를 제공할 수 있다.

다만 이것을 곧바로 사고확률 증가의 증거라고 단정해서는 안 된다.

보고율 변화, 작업량 증가, 계절적 요인 등 다른 변수의 영향을 함께 검토해야 한다.

---

8. 심각도를 반영한 Near Miss 지표

모든 Near Miss를 동일한 1건으로 계산하는 것도 한계가 있다.

예를 들어,

A 사건: 경미한 절차 미준수

B 사건: 안전장치가 작동하지 않았지만 우연히 사고가 발생하지 않음

두 사건을 모두 1건으로 계산하면 B 사건의 잠재적 위험성이 충분히 반영되지 않을 수 있다.

따라서 잠재 피해규모(Potential Consequence)를 고려한 가중치를 설정할 수 있다.

개념적으로는 다음과 같은 방식이다.

가중 Near Miss 지수 = Σ(발생건수 × 심각도 가중치)

여기서 가중치는 조직의 위험성 평가체계에 따라 설정한다.

이렇게 하면 단순히 사건의 숫자가 증가했는지보다 고위험 전조가 증가하고 있는지를 확인할 수 있다.

---

9. 방호계층 실패 여부를 함께 봐야 한다

Near Miss를 신뢰성공학과 연결할 때 특히 중요한 부분이다.

사고가 발생하지 않은 이유가 무엇인지 확인해야 한다.

예를 들어,

설비 이상 발생

→ 경보 작동

→ 작업자 인지

→ 수동조작

→ 사고 방지

라면 여러 방호단계가 정상적으로 작동한 것이다.

반대로,

설비 이상

→ 경보 미작동

→ 작업자 미인지

→ 우연히 작업자가 발견

→ 사고 방지

라면 경보 시스템에 잠재적인 신뢰성 문제가 존재할 가능성이 있다.

따라서 Near Miss 분석에서는 단순히 “사고가 발생하지 않았다”가 아니라

어떤 방호기능이 사고를 막았으며, 그 방호기능이 다음에도 동일하게 작동할 것인가?

를 질문해야 한다.

---

10. Near Miss와 설비 고장 데이터를 결합하기

이 부분부터 설비 신뢰성공학적인 색깔이 강해진다.

Near Miss 데이터와 설비 고장 데이터를 따로 관리하지 않고 연결하면 더욱 의미 있는 분석이 가능하다.

예를 들어,

베어링 진동 증가

→ 이상진동 경보

→ 작업자 대응 지연

→ Near Miss

→ 베어링 기능상실

이라는 흐름이 반복된다면 Near Miss는 단순 안전사건이 아니라 설비 열화의 전조 데이터가 될 수 있다.

따라서 다음 데이터를 함께 분석할 수 있다.

• 고장시간
• Near Miss 발생시간
• 경보 발생시간
• 정비시간
• 진동 데이터
• 온도 데이터
• 압력 데이터
• 작업자 대응시간
• 안전장치 작동기록

이렇게 하면 사고 데이터와 설비 상태 데이터를 결합한 선행 위험분석으로 발전할 수 있다.

---

11. Near Miss와 사고 사이의 상관관계

Near Miss 발생률과 실제 사고 발생률을 시간대별로 비교하면 두 변수 사이의 관계를 탐색할 수 있다.

예를 들어 Near Miss가 증가한 기간 이후 사고가 증가하는 패턴이 반복적으로 관찰된다면 선행지표로서의 가능성을 검토할 수 있다.

그러나 여기서 매우 중요한 원칙이 있다.

상관관계 ≠ 인과관계

Near Miss 증가와 사고 증가가 동시에 나타났다고 해서 Near Miss 자체가 사고를 발생시켰다고 볼 수는 없다.

공정상태 악화나 작업량 증가 같은 제3의 요인이 두 지표를 동시에 증가시켰을 수도 있기 때문이다.

---

12. 사고 예측 가능성을 높이는 ‘복합 전조지수’

이 주제에서 독창적인 부분으로 발전시키기 좋은 방법이다.

Near Miss 하나만 사용하는 것이 아니라 여러 전조변수를 결합한다.

예를 들어,

위험 전조지수 = 발생빈도 + 반복성 + 심각도 + 시간적 집중도 + 방호계층 실패

와 같은 구조를 만들 수 있다.

보다 정량적으로는 각 변수에 가중치를 적용할 수 있다.

Risk Precursor Index = w₁F + w₂R + w₃S + w₄C + w₅B

여기서

• F = Near Miss 발생빈도
• R = 반복성
• S = 잠재 심각도
• C = 시간적 집중도
• B = 방호계층 실패 정도
• w = 각 변수의 가중치

이다.

중요한 것은 이 지수가 보편적으로 정해진 공식이라는 뜻이 아니라, 조직의 실제 데이터를 이용하여 위험변화를 추적하기 위한 분석모형으로 설계할 수 있다는 것이다.

---

13. ‘예측’보다 먼저 해야 할 것은 기준선 설정이다

Near Miss 데이터를 이용해 사고를 예측하려면 과거의 정상적인 변동범위를 먼저 알아야 한다.

예를 들어 과거 3년 동안 동일 설비에서 Near Miss가 평균적으로 일정한 수준으로 발생했다면 이를 Baseline으로 설정할 수 있다.

그 이후 특정 기간에 발생률이 평상시 범위를 크게 벗어나는지 확인한다.

즉,

정상 범위 설정

→ 현재 Near Miss 발생률 측정

→ 과거 기준선과 비교

→ 이상 증가 여부 확인

→ 원인 분석

→ 위험도 재평가

의 순서로 접근할 수 있다.

---

14. Near Miss 데이터의 가장 큰 문제: 보고편향

이 부분은 반드시 넣는 것이 좋다.

Near Miss가 많이 발생했다고 해서 반드시 위험한 사업장이라는 의미는 아니다.

오히려 작업자들이 위험상황을 적극적으로 신고하는 조직에서는 Near Miss 보고건수가 증가할 수 있다.

반대로 위험한 사업장에서도 신고문화가 부족하면 Near Miss 데이터가 적게 나타날 수