Por Francisco Paredes, Director de Estrategias de Negocios de Altum Lab.-En la industria minera los trabajadores son lo más importante. Sin ellos no habría producción. Cada persona juega un rol fundamental en la operación y, si falta uno, se generan problemas de incumplimiento de contratos, o la falla en especialistas y técnicos certificados pueden detener la faena. Pensemos ahora, ¿qué pasa cuando ocurre un accidente? No solo te quedas sin la persona para seguir operando, sino que, además, se necesita un reemplazo y si el accidente se produjo en el lugar de trabajo, puede detenerse la operación para investigar y hallar las causas. El impacto es enorme, para el trabajador, su familia, su cuadrilla, la empresa y la operación.
Varios intentos de uso de Inteligencia Artificial para la predicción de accidentes se han realizado en Chile y el mundo. Un ejemplo es el uso de las cámaras de tránsito en autopistas para identificar patrones y variables. En aeropuertos, existen modelos para reconocer objetos desatendidos y olvidados como equipajes y maletas, e incluso, se utilizan patrones de comportamiento que permitirían identificar situaciones de riesgo. Algunas aseguradoras utilizan algoritmos para determinar un scoring y riesgo, considerando comportamientos e históricos del conductor para generar deducibles en seguros. Se pueden implementar cámaras que permitan alertar cuando una persona ingresa a zonas prohibidas o de alto peligro, o sin los elementos de protección personal.
Sin embargo, todas ellas son soluciones que permiten analizar las zonas donde se encuentren las cámaras y, en las faenas mineras, muchas veces la conectividad es un problema para la transmisión de datos a la nube.
Existe una enorme oportunidad en la analítica de datos históricos, que se han ido almacenando por años de acuerdo a las normativas de seguridad. En Chile particularmente existen numerosos protocolos y procedimientos que tienen como objetivo anotar conductas en las diferentes faenas, donde el propósito es identificar aquellos factores que influyen en la ocurrencia de accidentes.
¿Por qué no analizar todos esos datos de conductas, fichas diarias de observación, accidentabilidad y variables externas para así generar una matriz de riesgo 2.0? Sin mayor infraestructura, ni cámaras, ni dispositivos. Es posible, siempre y cuando la data sea suficiente determinar qué factores y variables son las que tienen mayor incidencia en un accidente. Determinar dónde y cuándo puede ocurrir es tener una bola de cristal a nuestro servicio.
Ciertamente hay que considerar que la predicción no es un 100% eficaz, ni ningún método dirá con total certeza qué puede ocurrir, pero podemos llegar a un nivel donde la herramienta permita tomar decisiones estratégicas enfocadas en acciones preventivas en capacitación, formación y prevención, para que así sigamos disminuyendo los accidentes en función de nuestros trabajadores.
