La salud y la seguridad de los trabajadores son esenciales para mantener un negocio productivo. No se trata solo de proteger a los trabajadores de posibles daños, sino también de reducir los costos asociados con gastos médicos y administrativos, costos de seguros y gastos relacionados con la salud. absentismo.
De acuerdo con la Consejo Nacional de Seguridad de EE. UU. (NSC), las lesiones ocupacionales costaron a los empleadores $ 163,9 mil millones en 2020 ($ 1,100 por trabajador) y representaron 99 millones de días de trabajo perdidos durante ese año. Esta es la razón por la que muchos empresarios están invirtiendo en tecnologías que mejoran la salud y la seguridad de los trabajadores.
5 formas en que los dispositivos de IoT industriales y el aprendizaje automático pueden mejorar la seguridad de los trabajadores
- Realice un seguimiento de los niveles de ruido para regular la exposición de los trabajadores a áreas de altos decibelios.
- Mida la contaminación del aire y alerte a los trabajadores sobre entornos peligrosos.
- Identifique los signos de una maquinaria defectuosa que pueda causar lesiones.
- Controle los signos vitales del trabajo, como la frecuencia cardíaca, la frecuencia respiratoria y las vibraciones.
- Recopile datos sobre condiciones externas como la humedad, la presión del aire y las vibraciones que pueden afectar la salud de los trabajadores.
Una de estas tecnologías es la Internet industrial de las cosas (IIoT).
IoT es una red de dispositivos físicos que dependen de sensores y otros dispositivos tecnológicos para recopilar e intercambiar datos a través de una conexión a Internet. Los datos recopilados por IoT pueden proporcionar información que se puede utilizar para mejorar la salud y la seguridad de los trabajadores y prevenir accidentes en el lugar de trabajo. Pero para hacer eso, los datos deben ser analizados.
Es por eso que los dispositivos IoT requieren un efectivo aprendizaje automático (ML) que permite a las computadoras aprender de esos datos y predecir riesgos.
Cómo el IoT y el aprendizaje automático pueden mejorar la seguridad en el lugar de trabajo
dispositivos IoT contienen sensores que recolectan varios tipos de datos, principalmente condiciones físicas y ambientales como presión, temperatura, humedad, movimiento y vibraciones, entre otros.
Si se agregan a los dispositivos portátiles, los sensores IoT también pueden monitorear los signos vitales de los trabajadores, como la frecuencia cardíaca, la frecuencia respiratoria y la temperatura corporal.
Pero los dispositivos IoT y plataformas de trabajadores conectados están destinados a compartir datos, no solo a almacenarlos. Las plataformas de trabajadores conectados comparten datos con otros trabajadores y gerentes, lo que permite una mejor toma de decisiones. Los dispositivos IoT envían los datos a plataformas basadas en la nube, donde pueden procesarse, almacenarse y analizarse mediante algoritmos de aprendizaje automático.
Los algoritmos de aprendizaje automático encuentran tendencias y patrones en los datos, proporcionando información práctica para mejorar la salud y la seguridad de los trabajadores. Por ejemplo, los sensores IoT pueden medir la calidad del aire y los niveles de ruido. Los algoritmos de aprendizaje automático se pueden entrenar para tomar esa información e identificar cuándo los trabajadores están expuestos a altos niveles de contaminantes o cuándo están expuestos a niveles excesivos de ruido que pueden provocar daños auditivos. Después de detectar estos peligros, los sensores pueden enviar alertas y recomendaciones para ayudar a los trabajadores a evitar los riesgos.
Cuando se integran en las máquinas, los sensores IoT pueden monitorear su desempeño. Al utilizar los datos recopilados por IoT, los algoritmos de aprendizaje automático pueden detectar cuándo falla o se espera que falle el equipo según las lecturas históricas y actuales. Esto permite a los gerentes programar el mantenimiento antes de que la máquina realmente se averíe y cause tiempo de inactividad no planificado o lesiones.
Este proceso se denomina mantenimiento predictivo y solo es posible mediante el uso de datos generados por IoT, análisis predictivos y algoritmos de aprendizaje automático que analizan grandes conjuntos de datos en busca de posibles problemas.
Más sobre IoTEsto es lo que necesitamos para construir una mejor Internet de las cosas
Cómo implementar IoT y ML para la salud y seguridad de los trabajadores
Los dueños de negocios deben establecer sus objetivos antes de comenzar a trabajar con IoT y modelos de aprendizaje automático. Solo así podrán elegir los sistemas de hardware y software más adecuados para su caso.
La implementación de IoT se basa en la instalación de dispositivos IoT equipados con sensores IoT. Pero el tipo de dispositivos y sensores IoT que tendrán que adquirir dependerá del caso de uso específico y su entorno. Por ejemplo, si están lidiando con un entorno con altos niveles de contaminación acústica, es posible que deseen priorizar dispositivos portátiles basados en IoT con sensores de ruido para monitorear y regular la exposición de los trabajadores al ruido excesivo.
En una planta de fabricación, los sensores IoT se pueden usar para monitorear el rendimiento de las máquinas para detectar anomalías y evitar tiempos de inactividad y accidentes laborales. Además de eso, los sensores IoT seleccionados deben poder medir la temperatura, la presión y otras lecturas que revelan el rendimiento de las máquinas.
En algunas industrias, el seguimiento de la exposición química o la calidad del aire es esencial para proteger la salud de los trabajadores.
En general, los dueños de negocios deben evaluar qué riesgos están presentes en el lugar de trabajo y qué métricas son mejores para rastrear en cada caso, así como los costos y beneficios de los dispositivos IoT a adquirir. ¿Son escalables? ¿Pueden funcionar con el software y el hardware existentes o se requerirá un proceso de integración específico?
Finalmente, los sensores IoT siempre actuarán como fuentes de datos.
Los datos deben enviarse a un servidor central o una plataforma basada en la nube, lo que requiere conectividad inalámbrica (como Wi-Fi o Bluetooth) y un procesamiento y almacenamiento de datos adecuados.
Implementar el aprendizaje automático consiste en seleccionar o desarrollar modelos que sirvan a los objetivos de la empresa. En este caso, analizando la seguridad y salud de los trabajadores.
Por lo tanto, los modelos de aprendizaje automático elegidos deben estar capacitados para tener en cuenta los factores que afectan la salud y la seguridad de los trabajadores. Como alternativa, los propietarios de empresas pueden aprovechar soluciones listas para usar, como Google IoT Core o AWS IoT Core, para extraer y almacenar datos que ayuden a monitorear la salud y la seguridad de los trabajadores.
En cualquier situación, los datos deben estar en un formato que permita que el modelo de aprendizaje automático los procese y reconozca tendencias y patrones.
Antes de que se implementen en la nube, los modelos de aprendizaje automático deben ser evaluado por sesgoprecisión, interpretabilidad y confiabilidad (la capacidad del modelo para funcionar bien con datos que nunca antes había visto). Este puede ser un proceso largo, pero puede acelerarse utilizando datos históricos sobre los factores de salud y seguridad que se monitorearán. De esa forma, el conjunto de datos inicial será más complejo, proporcionando más «opciones de aprendizaje» al modelo y ayudándolo a aprender más rápido (en comparación con tener que aprender desde cero).
Solo entonces un modelo de aprendizaje automático puede realizar análisis de datos en tiempo real y hacer predicciones cada vez más precisas. Incluso después de esta fase inicial, es posible que deban actualizarse y volver a capacitarse periódicamente para garantizar que sigan siendo precisos y efectivos, especialmente a medida que se disponga de nuevos datos o cambien los objetivos comerciales.
Más sobre aprendizaje automático11 ejemplos de IA en la fabricación que debe conocer
Por qué son útiles los dispositivos IoT industriales
El uso de IoT y el aprendizaje automático para analizar la salud y la seguridad de los trabajadores es una forma efectiva de proteger a su fuerza laboral.
Los datos por sí mismos no son útiles; los datos que se pueden traducir en información procesable sí lo son. Así es como IoT y los algoritmos de aprendizaje automático pueden ayudar a los gerentes a tomar medidas proactivas de salud y seguridad, como agregar ventilación a un área que acumula humos tóxicos o introducir equipos de protección que no se consideraron antes. Pueden usar datos para prevenir problemas de salud y accidentes costosos al predecir riesgos como fallas en las máquinas.
Los modelos de aprendizaje automático incluso se pueden entrenar para apagar automáticamente una máquina si las lecturas indican un problema, lo que mejora aún más la salud y la seguridad de los trabajadores.
En general, la combinación de IoT y aprendizaje automático es un instrumento potente para analizar y mejorar la salud y la seguridad de los trabajadores. En última instancia, esto puede mejorar la moral, la satisfacción laboral y la productividad en el lugar de trabajo, reduciendo al mismo tiempo los costos relacionados con los problemas de salud y seguridad.
