Diseño de un marcador somático artificial para un sistema inteligente de clasificación de riesgo ocupacional en faenas mineras
Fecha
2021-12-15
Autores
Profesor Guía
Formato del documento
Tesis
ORCID Autor
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad de Valparaíso
Ubicación
ISBN
ISSN
item.page.issne
item.page.doiurl
Facultad
Facultad de Ciencias
Departamento o Escuela
Instituto de Estadistica
Determinador
Recolector
Especie
Nota general
Licenciado en Estadística. Título profesional de Ingeniero en Estadística
Resumen
La minería presenta una serie de peligros de ámbito tanto físico derivados de la posible exposición a condiciones que puedan poner en riesgo la salud de los trabajadores, la necesidad por identificarlos y evaluarlos puede generar una disminución de incidentes como de costos que logre impactar el negocio. Durante los últimos años la utilización de técnicas de machine learning ha tomado una relevancia significativa para llevar a cabo diversos estudios en distintas áreas, pero en seguridad industrial o riesgo ocupacional ha sido algo bastante reciente. El presente trabajo de titulación en conjunto de la empresa Prevsis, se propone una técnica de machine learning, que se incorpora un marcador somático artificial para la clasificación del riesgo ocupacional en el contexto de faenas mineras. Se creó una técnica de reclasificación buscando mejorar la clasificación de la técnica Bosque aleatorio de machine learning, para así realizar una comparación entre ambos casos, sin reclasificación y con reclasificación. Se obtuvieron resultados positivos al aplicar la reclasificación a cada clase del conjunto de datos, generando una disminución al conjunto de mal clasificados.
Descripción
Lugar de Publicación
Auspiciador
Palabras clave
RIESGOS LABORALES, MINERIA, APRENDIZAJE DE MAQUINA, VARIABLES ESTADISTICA