Diseño de un marcador somático artificial para un sistema inteligente de clasificación de riesgo ocupacional en faenas mineras

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.