2026.07.24 (한인혁)
- docu/AGENT.md 작성: 프로젝트 구조, 실행 명령, CSV 전처리 시 주의사항 정리
- .vscode/tasks.json "필요 라이브러리 설치" 태스크 크로스플랫폼 대응 (windows: python, linux/osx: python3)
- docu/AGENT.md 프로젝트 개요/아키텍처를 실제 목표(도입 전후 대응표본 t-검정)에 맞게 재작성
- asset/ CSV 11개 파일명 접두어 "1차프로젝트-데이터 - " → "기획_"로 변경, src/plane/의 두 스크립트 참조 경로 반영
- src/plane/visualize.py, visualizetwo.py가 src/plane/으로 이동하며 어긋난 asset/visualizations 상대경로(parent 깊이 부족) 수정
- 커밋(d0e2792) 후 원격 push 거부 -> fetch/merge로 팀원 커밋 3개(venv 기반 tasks.json, visualizetwo.py 폰트 수정) 병합
- tasks.json 충돌: 팀원의 "1. 가상환경 생성" -> "2. 필요 라이브러리 설치" 2단계 방식 채택, dependsOn 라벨 불일치 버그 수정
- 병합 커밋(4b32c49) 후 원격 push 완료
2026.07.26 (한인혁)
- src/plane/visualize_smart_equipment.py 신규: 스마트 안전장비 지원현장 사고재해율 비교 차트(10번)
- 전체 중소규모 평균 0.461% → 지원현장 0.357%(-22.56%) → 연구현장 0% 막대그래프
- 출처: 류정·박인선(2025), 「건설현장의 스마트 안전장비 성능과 도입 효과 분석」, Crisisonomy (KCI)
- "재해율" → "사고재해율"로 라벨 수정(질병재해율 포함 오해 방지), 파일명도 반영
- src/plane/visualize_casualties.py 신규: 사망자·부상자 수 비교 차트(11번)
- 사망자(171/1/0명)·부상자(2485/15/0명)를 규모 차이 때문에 별도 패널(고유 y축)로 분리
- 모집단 규모 차이(570만 vs 4,481명) 주의문구 추가, 규모 보정은 사고재해율(%) 차트 참조로 안내
데이터 수집 시도 기록 (대응표본 t-검정 쌍 설계 검토)
대응표본 t-검정에 쓸 "쌍(pair)"을 어떻게 잡을지 여러 방식으로 검토했으나, 아래 사유로 모두 보류/기각됨. (→ 이후 아래 07.27 기록대로 비율검정으로 방법을 전환함)
- 쌍: 동일 현장 — 같은 현장의 스마트장비 도입 전/후 데이터를 확보하려 했으나 실패하여 기각.
- 쌍: 같은 기계 — Gazebo로 현장 시뮬레이션을 만들고, 같은 기계에서 수신호 감지·객체 탐지 기능을 껐을 때와 켰을 때의 사고재해율을 비교하는 방안.
- 현장 재해 시뮬레이션이 전제되어야 하는데 현재 상태로는 불가능하여 보류.
- 쌍: 수신호를 감지하는 대상 (사람 vs 로봇) — 데이터 수집이 어려워 직접 제작을 시도. 수신호 영상 데이터를 직접 촬영하고 모듈을 만들어 사람과 로봇의 수신호 감지 여부를 비교하려 함. 그러나:
- 실제 현장의 수신호 감지 부담(신체적·청각적·시각적)과 모듈에서의 감지 부담(인지적)의 성격이 달라 비교의 설득력이 부족.
- 중장비 작업자의 부주의로 인한 사고 자료 수집이 어려움.
- → 기각.
2026.07.27 (한인혁)
- 검증 방법을 비율검정(two-proportion test)으로 확정. 대응표본 t-검정용 전/후 쌍 데이터 확보에 모두 실패(위 07.26 기록)했고, 재해율이 애초에 평균이 아니라 "재해 발생 여부"의 비율 데이터라, 도입현장 vs 전국 평균 재해율을 비교하는 비율검정이 적합하다고 판단.
- docu/비율검정_분석문서.md 추가: 2표본 비율 Z-검정 + Fisher 정확검정 + 95% 신뢰구간 계산과정·코드·한계 정리.
- 결과: 도입현장 0.357% vs 전국 0.461%(상대 -22.56%)이나 통계적 유의성 없음(Fisher p≈0.18, 95% CI가 0 포함) — 드문 사건 특성상 표본 규모의 검정력 한계로 해석.
- 비율검정 채택에 맞춰 docu/AGENT.md(개요·아키텍처·모듈 구성), docu/design.md(신규 작성: 프로젝트 개요·현황) 정리.
- src/origin/proportion_test.py 신규: 분석 문서의 검증 코드를 모듈화(Z-검정/Fisher/신뢰구간/독립성 보정 함수 분리 + main 결과표 출력). 실행 결과가 분석 문서 수치와 일치함을 확인. requirements.txt에 scipy 추가.
- 10·11번 차트의 전국 근로자 수 표기 "약 570만 명" → "576,000명"으로 수정(분석 문서의 역산 보정값과 일치).
- 비어있던 src/origin/산업현황.py 삭제, AGENT.md의 관련 언급 제거.
- 전국 근로자 수를 역산 추정값 576,000 → 논문 인용 기사 원자료의 확정값 576,224명으로 정정. proportion_test.py 상수·비율검정_분석문서.md 전 계산과정·10·11번 차트에 모두 반영하고 모듈 재실행으로 수치 일치 재확인(보정 전 z=1.023·p=0.153·OR=0.774·p=0.182, 결론 동일: 유의하지 않음). 상대감소율은 공표 재해율 기준 22.56% 유지.
- .vscode/tasks.json에 "3. 비율검정 검증 재현" 태스크 추가(proportion_test.py 실행). dependsOn으로 가상환경 생성·라이브러리 설치를 먼저 거치도록 연결.
2026.07.28 (한인혁)
- 비율검정 검증 과정(Z-검정·Fisher 정확검정) 시각화 추가. visualizations/proportion_test_R/ 폴더 신설:
- proportion_test_viz.R (base R, 추가 패키지 불필요) + 동일 그림의 PNG 2개(Z검정 정규분포·기각역 / Fisher 초기하분포·p값).
- PNG는 R 미설치로 src/plane/visualize_proportion_test.py(matplotlib)로 생성. 통계값은 R의 dhyper/phyper/fisher.test와 동일 절차로 Python 검증(초기하 P(X<=16)=0.182 = Fisher p 일치).
- .vscode/tasks.json에 "4. R 비율검정 검증 시각화" 태스크 추가(Rscript로 proportion_test_viz.R 실행). Rscript는 OS 공통 명령이라 분기 불필요하나 R이 설치돼 있어야 함(설치는 OS별 별도).
2026.07.29 (한인혁)
- Fisher 초기하분포 차트: 우측 상단 설명 박스가 "H0 기대값" 라벨을 가리던 문제 수정(라벨을 봉우리 위 상단 중앙으로 이동).
- 발표자료 .pptx 생성. src/report/build_pptx.py(python-pptx) 신규 + report/스마트안전장비_도입효과_분석.pptx 산출(11장, 16:9, 한국어).
- 표지/배경·목표/근거데이터/도입효과 차트 2장/검증방법/Z·Fisher 시각화 2장/종합결과 표/결론/한계 구성. 차트 PNG 4개 삽입, 재생성 후 재검증(슬라이드 11·이미지 4).
- requirements.txt에 python-pptx 추가.
2026.08.04 (한인혁)
- 발표 삽입용 차트 5종 가독성 개선(폰트 확대·bold·dpi 200): 10 사고재해율, 01 로봇밀도, 05 업종별 발생형태, Z검정, Fisher.
- 확대 과정에서 생긴 겹침 정리: Fisher H0 라벨↔제목(상단 여백 확대), Z 설명박스↔곡선(문구 3줄로 축소), 차트10 세로축·인접 텍스트·-22.56%(막대 간격 확대·음수 눈금 제거·상세 텍스트 축소).
- 대상 PNG는 Python 재생성. 발표자료 pptx는 이번 커밋에서 재생성하지 않음(옛 이미지 유지).
- Fisher 초기하분포 차트에 단측 α=0.05 임계값 표시 추가. 기각역 X ≤ 12(빨강 막대+점선), p-value 영역 X ≤ 16(빨강+주황) 색 구분, 관측 16 > 임계 12로 기각역 밖임을 시각화(설명 박스도 갱신). Z-검정 차트와 동일한 방식.