Implementación de un sistema basado en redes neuronales para la detección de equipos de protección personal para los trabajos en caliente en el área de producción de la empresa INMETVA E.I.R.L

• Autores: Añazco Vargas, Michael Alexander, Pantigoso Manchego, Fhabian Andre
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad Católica San Pablo
• Repositorio: UCSP-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.ucsp.edu.pe:20.500.12590/18750
• Enlace del recurso: https://hdl.handle.net/20.500.12590/18750
• Nivel de acceso: acceso abierto
• Materia: Machine learning; Redes neuronales; YOLOv8; Seguridad laboral; Equipos de protección personal; Detección automatizada; Industria 4.0; EPP; https://purl.org/pe-repo/ocde/ford#2.11.04

En la presente tesis se tuvo como objetivo principal la implementación de un sistema de monitoreo para detectar el uso de los equipos de protección personal (EPP) por parte de los trabajadores de la empresa INMETVA E.I.R.L., específicamente en las actividades de soldadura y amolado. La propuesta se fundamentó en el uso de tecnologías de la Industria 4.0 haciendo uso de machine learning y redes neuronales, a través de la aplicación del modelo YOLOv8 para la detección de objetos en tiempo real. La metodología empleada incluyó el análisis situacional del área de operaciones y producción, así como el planteamiento de variables clave como: promedio de incumplimientos por observación (EPP no portado por el trabajador al momento de la supervisión), accidentes laborales en el área de trabajo, variación en los gatos por salud ocupacional y desviación promedio de la disponibilidad de horas-hombre (HH). El prototipo fue desarrollado e implementado en la mesa de trabajo N°2, donde se llevan a cabo las labores de alto riesgo como la soldadura y amolado. Posteriormente, se evaluó el impacto de las variables mencionadas, evidenciando mejoras significativas, respecto al cumplimiento de EPP e indicadores de seguridad y disponibilidad de HH. Asimismo, se detallarán los pasos que se siguieron para implementar el sistema, incluyendo la construcción del dataset, entrenamiento del sistema mediante YOLOv8 (algoritmo de regresión para detectar fotogramas en tiempo real), análisis del desempeño del modelo, implementación del sistema en un entorno de prueba y operación real junto con las herramientas de notificación. En conclusión, la presente tesis demuestra que es posible automatizar procesos rutinarios como la supervisión del uso de EPP, mediante tecnologías accesibles para pequeñas y medianas empresas. La solución propuesta no solo mejora la seguridad laboral, sino que también genera beneficios económicos al reducir los costos asociados a accidentes y pérdidas de disponibilidad de HH. Lo más relevante es que este sistema representa un avance significativo en la protección de la integridad física de los trabajadores, haciendo que ellos puedan volver sanos y salvos a sus hogares.