Influencia de la inteligencia artificial y machine learning en la predicción y prevención de accidentes laborales en la minería subterránea del Perú
Descripción del Articulo
El objetivo de esta investigación es reducir los accidentes laborales por desprendimiento de rocas en la minería subterránea peruana mediante la aplicación de un modelo predictivo basado en técnicas de inteligencia artificial y machine learning, con un enfoque en mejorar la seguridad y las condicion...
| Autor: | |
|---|---|
| Formato: | tesis doctoral |
| Fecha de Publicación: | 2024 |
| Institución: | Universidad Nacional Federico Villarreal |
| Repositorio: | UNFV-Institucional |
| Lenguaje: | español |
| OAI Identifier: | oai:repositorio.unfv.edu.pe:20.500.13084/10844 |
| Enlace del recurso: | https://hdl.handle.net/20.500.13084/10844 |
| Nivel de acceso: | acceso abierto |
| Materia: | Construcción sostenible y sostenibilidad ambiental del territorio Accidentes laborales Minería subterránea Inteligencia artificial Seguridad laboral https://purl.org/pe-repo/ocde/ford#2.01.01 |
| id |
RUNF_d4ea327397fb2c676ab3992efa954184 |
|---|---|
| oai_identifier_str |
oai:repositorio.unfv.edu.pe:20.500.13084/10844 |
| network_acronym_str |
RUNF |
| network_name_str |
UNFV-Institucional |
| repository_id_str |
4837 |
| dc.title.es_PE.fl_str_mv |
Influencia de la inteligencia artificial y machine learning en la predicción y prevención de accidentes laborales en la minería subterránea del Perú |
| title |
Influencia de la inteligencia artificial y machine learning en la predicción y prevención de accidentes laborales en la minería subterránea del Perú |
| spellingShingle |
Influencia de la inteligencia artificial y machine learning en la predicción y prevención de accidentes laborales en la minería subterránea del Perú Zenteno Gomez, Floro Pagel Construcción sostenible y sostenibilidad ambiental del territorio Accidentes laborales Minería subterránea Inteligencia artificial Seguridad laboral https://purl.org/pe-repo/ocde/ford#2.01.01 |
| title_short |
Influencia de la inteligencia artificial y machine learning en la predicción y prevención de accidentes laborales en la minería subterránea del Perú |
| title_full |
Influencia de la inteligencia artificial y machine learning en la predicción y prevención de accidentes laborales en la minería subterránea del Perú |
| title_fullStr |
Influencia de la inteligencia artificial y machine learning en la predicción y prevención de accidentes laborales en la minería subterránea del Perú |
| title_full_unstemmed |
Influencia de la inteligencia artificial y machine learning en la predicción y prevención de accidentes laborales en la minería subterránea del Perú |
| title_sort |
Influencia de la inteligencia artificial y machine learning en la predicción y prevención de accidentes laborales en la minería subterránea del Perú |
| author |
Zenteno Gomez, Floro Pagel |
| author_facet |
Zenteno Gomez, Floro Pagel |
| author_role |
author |
| dc.contributor.advisor.fl_str_mv |
Aroquipa Velasquez, Hector |
| dc.contributor.author.fl_str_mv |
Zenteno Gomez, Floro Pagel |
| dc.subject.es_PE.fl_str_mv |
Construcción sostenible y sostenibilidad ambiental del territorio Accidentes laborales Minería subterránea Inteligencia artificial Seguridad laboral |
| topic |
Construcción sostenible y sostenibilidad ambiental del territorio Accidentes laborales Minería subterránea Inteligencia artificial Seguridad laboral https://purl.org/pe-repo/ocde/ford#2.01.01 |
| dc.subject.ocde.es_PE.fl_str_mv |
https://purl.org/pe-repo/ocde/ford#2.01.01 |
| description |
El objetivo de esta investigación es reducir los accidentes laborales por desprendimiento de rocas en la minería subterránea peruana mediante la aplicación de un modelo predictivo basado en técnicas de inteligencia artificial y machine learning, con un enfoque en mejorar la seguridad y las condiciones de trabajo. La metodología, se emplearon algoritmos de machine learning, como Random Forest, para predecir la severidad de los accidentes, comparando su efectividad con otros algoritmos como Support Vector Machines (SVM) y Naive Bayes. Además, se optimizó el preprocesamiento de datos textuales y la gestión del desbalance de clases para mejorar la precisión del modelo predictivo. Los resultados revelaron que la mayoría de los accidentes ocurren en la minería subterránea, con el 60% de las víctimas fatales pertenecientes a empresas subcontratistas. El análisis identificó 49 subcategorías de factores de riesgo, agrupados en factores humanos, de gestión, de instalaciones y ambientales. El algoritmo Random Forest mostró una precisión del 85%, superando a otros algoritmos evaluados en términos de precisión (82% para SVM y 78% para Naive Bayes), sensibilidad (87% para Random Forest frente a 80% para SVM) y especificidad (84% para Random Forest frente a 79% para SVM). Las conclusiones destacan que la implementación de estrategias basadas en inteligencia artificial puede mejorar significativamente la seguridad en la minería, recomendándose la adopción de sistemas de gestión integral de seguridad y la mejora continua de las políticas de prevención. |
| publishDate |
2024 |
| dc.date.accessioned.none.fl_str_mv |
2025-06-30T14:46:02Z |
| dc.date.available.none.fl_str_mv |
2025-06-30T14:46:02Z |
| dc.date.issued.fl_str_mv |
2024 |
| dc.type.es_PE.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
| dc.type.version.es_PE.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
| format |
doctoralThesis |
| status_str |
publishedVersion |
| dc.identifier.uri.none.fl_str_mv |
https://hdl.handle.net/20.500.13084/10844 |
| url |
https://hdl.handle.net/20.500.13084/10844 |
| dc.language.iso.es_PE.fl_str_mv |
spa |
| language |
spa |
| dc.relation.ispartof.fl_str_mv |
SUNEDU |
| dc.rights.es_PE.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.uri.es_PE.fl_str_mv |
https://creativecommons.org/licenses/by-nc-nd/4.0/ |
| eu_rights_str_mv |
openAccess |
| rights_invalid_str_mv |
https://creativecommons.org/licenses/by-nc-nd/4.0/ |
| dc.format.es_PE.fl_str_mv |
application/pdf |
| dc.publisher.es_PE.fl_str_mv |
Universidad Nacional Federico Villarreal |
| dc.publisher.country.es_PE.fl_str_mv |
PE |
| dc.source.es_PE.fl_str_mv |
Universidad Nacional Federico Villarreal Repositorio Institucional - UNFV |
| dc.source.none.fl_str_mv |
reponame:UNFV-Institucional instname:Universidad Nacional Federico Villarreal instacron:UNFV |
| instname_str |
Universidad Nacional Federico Villarreal |
| instacron_str |
UNFV |
| institution |
UNFV |
| reponame_str |
UNFV-Institucional |
| collection |
UNFV-Institucional |
| bitstream.url.fl_str_mv |
https://repositorio.unfv.edu.pe/bitstream/20.500.13084/10844/1/UNFV_EUPG_Zenteno_Gomez_D_2025.pdf https://repositorio.unfv.edu.pe/bitstream/20.500.13084/10844/2/reporte.pdf https://repositorio.unfv.edu.pe/bitstream/20.500.13084/10844/3/formulario.pdf https://repositorio.unfv.edu.pe/bitstream/20.500.13084/10844/4/license.txt |
| bitstream.checksum.fl_str_mv |
c4db2361ec191dab08b650ced097b2d7 6756384b468b75bbad5583fbdf7976bd 34d9d5f786a1ea81c13a82d38914fb3f 8a4605be74aa9ea9d79846c1fba20a33 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional UNFV |
| repository.mail.fl_str_mv |
repositorio.vrin@unfv.edu.pe |
| _version_ |
1837185160755281920 |
| spelling |
Aroquipa Velasquez, HectorZenteno Gomez, Floro Pagel2025-06-30T14:46:02Z2025-06-30T14:46:02Z2024https://hdl.handle.net/20.500.13084/10844El objetivo de esta investigación es reducir los accidentes laborales por desprendimiento de rocas en la minería subterránea peruana mediante la aplicación de un modelo predictivo basado en técnicas de inteligencia artificial y machine learning, con un enfoque en mejorar la seguridad y las condiciones de trabajo. La metodología, se emplearon algoritmos de machine learning, como Random Forest, para predecir la severidad de los accidentes, comparando su efectividad con otros algoritmos como Support Vector Machines (SVM) y Naive Bayes. Además, se optimizó el preprocesamiento de datos textuales y la gestión del desbalance de clases para mejorar la precisión del modelo predictivo. Los resultados revelaron que la mayoría de los accidentes ocurren en la minería subterránea, con el 60% de las víctimas fatales pertenecientes a empresas subcontratistas. El análisis identificó 49 subcategorías de factores de riesgo, agrupados en factores humanos, de gestión, de instalaciones y ambientales. El algoritmo Random Forest mostró una precisión del 85%, superando a otros algoritmos evaluados en términos de precisión (82% para SVM y 78% para Naive Bayes), sensibilidad (87% para Random Forest frente a 80% para SVM) y especificidad (84% para Random Forest frente a 79% para SVM). Las conclusiones destacan que la implementación de estrategias basadas en inteligencia artificial puede mejorar significativamente la seguridad en la minería, recomendándose la adopción de sistemas de gestión integral de seguridad y la mejora continua de las políticas de prevención.application/pdfspaUniversidad Nacional Federico VillarrealPEinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-nd/4.0/Universidad Nacional Federico VillarrealRepositorio Institucional - UNFVreponame:UNFV-Institucionalinstname:Universidad Nacional Federico Villarrealinstacron:UNFVConstrucción sostenible y sostenibilidad ambiental del territorioAccidentes laboralesMinería subterráneaInteligencia artificialSeguridad laboralhttps://purl.org/pe-repo/ocde/ford#2.01.01Influencia de la inteligencia artificial y machine learning en la predicción y prevención de accidentes laborales en la minería subterránea del Perúinfo:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/publishedVersionSUNEDUDoctor en Ingeniería CivilIngeniería CivilUniversidad Nacional Federico Villarreal. Escuela Universitaria de Posgrado04011804https://orcid.org/0000-0002-6502-561841907984https://purl.org/pe-repo/renati/type#tesis732038https://purl.org/pe-repo/renati/level#doctorChavarry Vallejos, Carlos MagnoGarcía Urrutia Olavarria, Roque Jesús LeonardoDíaz García, Martin FernandoORIGINALUNFV_EUPG_Zenteno_Gomez_D_2025.pdfUNFV_EUPG_Zenteno_Gomez_D_2025.pdfZenteno Gomez, Floro Pagel (EUPG - Doctorado)application/pdf7612957https://repositorio.unfv.edu.pe/bitstream/20.500.13084/10844/1/UNFV_EUPG_Zenteno_Gomez_D_2025.pdfc4db2361ec191dab08b650ced097b2d7MD51open accessreporte.pdfreporte.pdfReporte de similitudapplication/pdf22635276https://repositorio.unfv.edu.pe/bitstream/20.500.13084/10844/2/reporte.pdf6756384b468b75bbad5583fbdf7976bdMD52metadata only accessformulario.pdfformulario.pdfFormulario de autorizaciónapplication/pdf1951677https://repositorio.unfv.edu.pe/bitstream/20.500.13084/10844/3/formulario.pdf34d9d5f786a1ea81c13a82d38914fb3fMD53metadata only accessLICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.unfv.edu.pe/bitstream/20.500.13084/10844/4/license.txt8a4605be74aa9ea9d79846c1fba20a33MD54open access20.500.13084/10844oai:repositorio.unfv.edu.pe:20.500.13084/108442025-06-30 14:46:10.819open accessRepositorio Institucional UNFVrepositorio.vrin@unfv.edu.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 |
| score |
13.968331 |
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).