Descripción del proyecto
La fatiga laboral es cada vez más reconocida a nivel mundial como un problema de la industria moderna, siendo una de las principales causas de accidentes laborales (Kant et al, 2003; Sadeghniiat-Haghighi y Yazdi, 2015). La Organización Internacional del Trabajo (OIT) estima que las pérdidas económicas derivadas de enfermedades y accidentes relacionados con el trabajo son significativas: cerca del 4% del PIB mundial (Dirección de Estudios de Pensiones, 2015).
Los sistemas disponibles actualmente usan, en su mayoría, métodos subjetivos, los que conllevan sesgo de respuesta, además, son ex-post, no en tiempo real, por lo que no permiten generar alertas ante eventos repentinos. Aquellos que usan biosensores, son invasivos y, por lo mismo, difíciles de implementar. Además, no tienen buena predictibilidad, puesto que no usan Data Analytics avanzada, como Deep Learning u otro, ni tampoco utilizan de manera integrada señales como Heart Rate Variability y Electrodermal Activity, o variables ambientales.
Este proyecto busca abordar el problema anterior en la industria manufacturera Chilena, por medio de la caracterización de la fatiga mental y física inducida por diversas tareas laborales.
Esta solución tecnológica permitirá a la industria:
El equipo de trabajo está formado por el grupo de predicción de fatiga laboral y de integración de sensores del Departamento de Ingeniería Industrial de la Universidad de Chile y del Instituto Sistemas Complejos de Ingeniería, que posee una experiencia en decenas de proyectos de I+D que han requerido de diseño de experimentos, adquisición, procesamiento y análisis de señales digitales, así como de analítica de datos con modelos estadísticos, machine y deep learning en diversos sectores industriales (transporte, manufactura, salud, banca, agricultura, educación, publicidad, salud, smart cities, etc.). Además, este grupo ha desarrollado proyectos aplicados en el sector público, como el análisis con métodos no supervisados del comportamiento del procesamiento de causas judiciales o la automatización de diagnósticos de imágenes médicas con deep learning en hospitales públicos, entre otros.
Dr. Ángel Jiménez
Director del proyecto
Dr. Enrique López
Director alterno