Análisis de las causas de los accidentes de trabajo en el sector minero para la predictibilidad de los accidentes mortales

• Autor: Vera Marquez, Jose Rey
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad Nacional de Ingeniería
• Repositorio: UNI-Tesis
• Lenguaje: español
• OAI Identifier: oai:cybertesis.uni.edu.pe:20.500.14076/27682
• Enlace del recurso: http://hdl.handle.net/20.500.14076/27682
• Nivel de acceso: acceso abierto
• Materia: Deep Learning; Accidentes de trabajo; Minería; https://purl.org/pe-repo/ocde/ford#2.07.05

La presente investigación desarrolla un modelo predictivo de accidentes de trabajo en el sector minero peruana. La realidad problemática en el sector minero tiene como hecho la impredecibilidad de los accidentes de trabajo, muchas veces la estadística no resulta suficiente para lograr predecir o pronosticar sucesos de fatalidad, sumado a ello un ineficiente sistema de gestión de seguridad que no incorpore modelos predictivos más certeros. La investigación se centra en diseñar un modelo de predictibilidad de accidentes mortales en el sector minero peruano. Para lograr la creación de un modelo predictivo de accidentes mortales se utilizan las herramientas del Deep Learning. Se siguen los conceptos del aprendizaje automático supervisado, redes neuronales artificiales multicapa, redes neuronales recurrentes y la herramienta del Long Short Term Memory. Se toma en cuenta los registros de investigación de accidentes reportados por las entidades gubernamentales. Para la gestión del análisis de las causas de los accidentes se considera la metodología TASC para la investigación de accidentes ya que esta metodología tanto las causas inmediatas, causas básicas, factores personales y factores de trabajo pueden categorizarse facilitando el procesamiento de la información. Se analizaron 138 reportes de accidentes mortales en el sector minero de los cuales cada reporte incluye 188 variables entre discretas y continuas que son procesadas mediante redes neuronales recurrentes. Los datos son previamente limpiados, categorizados para el modelo los clasifique, procese, analice y proporcione una salida de información. Para la optimización de modelo se realizan pruebas con determinada cantidad de épocas con el objetivo de encontrar el mínimo error porcentual absoluto medio. Al aplicar los modelos de regresión, resulta factible aplicar modelos predictivos de accidentabilidad, además se encontró que el modelo se optimiza en 120 épocas llegando a obtener un error porcentual absoluto medio de 5.7%. La metodología TASC facilita la categorización de las causas y factores de los accidentes haciendo el procesamiento más rápido, a diferencia de otras metodologías para identificación de causas de los accidentes de trabajo. Además, al utilizar ajustes de LSTM el modelo se retroalimenta y toma en cuenta un determinado número eventos precedentes para una mejor predicción.