Inteligencia artificial | La prevención de riesgos laborales es uno de los aspectos más críticos de la industria 4.0, teniendo en cuenta que, para lograr implementar medidas efectivas, se requiere poder eliminar progresivamente las prácticas de trabajo inseguras e insalubres, mitigar los incidentes a través de un conocimiento riguroso de estos hechos y, con toda esa información reunida, elaborar planes de contingencia.
Según cifras mundiales de la OMS/OIT, casi 2 millones de personas mueren cada año por causas relacionadas con el trabajo. Estas estimaciones sobre enfermedades y lesiones en el lugar de trabajo, ponen de manifiesto el nivel de muertes prematuras y evitables resultado de la exposición a riesgos sanitarios propios de la actividad laboral.
Comprender los riesgos, poder clasificarlos efectivamente, buscar patrones de riesgos y sus consecuencias potenciales, y prevenir incidentes futuros, suelen ser tareas que demandan tiempo, esfuerzo e inversión, llegando en algunos casos a una sobrecarga humana.
Se trata de actividades que están limitadas a las posibilidades del equipo de analistas de riesgo, quienes tradicionalmente deben analizar manualmente un alto volumen de datos de registros, que no puede ser cubierto, ni en su totalidad ni en profundidad.
¿Existen alternativas viables para reducir esta carga hacia los equipos de análisis de riesgo?
Claramente el uso de técnicas emergentes de procesamiento de lenguaje natural e inteligencia artificial (IA) se está convirtiendo en un complemento muy valioso de los expertos en la tarea de salvar vidas y producir mejoras de seguridad en el lugar de trabajo, pudiendo prevenir accidentes con mayor efectividad, especialmente en industrias con una alta tasa de riesgo.
El potencial de mejora de estas herramientas resulta enorme: los modelos de IA pueden aprender de todos los datos recopilados, correlacionar variables de incidentes y predecir riesgos potenciales, ayudando a que los analistas se enfoquen solamente en los planes corporativos para corregir esas incidencias y automatizando la tarea de procesamiento de miles de registros de seguridad e higiene.
La industria 4.0 implica una nueva manera de producir, mediante la adopción de tecnologías 4.0: soluciones enfocadas en la interconectividad, la automatización y los datos en tiempo real; transformación global que atraviesa a toda la cadena de valor.
En este contexto, la industria de los materiales (minería, hidrocarburos, cemento, químicas, etc.) es una de las que mayores amenazas y accidentes presentan anualmente –debido tanto a los potenciales riesgos de la tarea, como al uso de maquinaria de riesgo, equipos sofisticados y componentes químicos propios del rubro.
Actualmente 7Puentes está colaborando con una importante empresa del sector, cuyo objetivo primordial es reducir la tasa de accidentes en las plantas. Con ese fin se está desarrollando un modelo basado en Procesamiento de Lenguaje Natural para la gestión y clasificación de observaciones de seguridad.
“A partir de la información que los operarios cargan semanalmente en formularios, referida a los potenciales riesgos e incidentes ocurridos en las plantas de operación y su nivel de prioridad, buscamos mejorar el procesamiento y la clasificación de esas incidencias e identificar las consecuencias. Abarcamos tanto situaciones en las que corren peligro los operarios – las referentes a un ambiente de trabajo inseguro o a factores externos de riesgo, resultado del diverso uso de maquinarias, productos químicos, gases acumulados y elementos de protección personal-, como del propio trabajo realizado en campo”, puntualiza Valeria Mendoza, líder del proyecto y científica de datos de 7Puentes.
Antes de comenzar el proyecto, los analistas de riesgo de la empresa sólo podían clasificar un 3-5% de los registros, a los que se les asignaba una prioridad alta, no pudiendo cubrir el resto de los miles de texto que escribían los operarios, de gran valor para el análisis de incidencias y riesgos.
Con esa dificultad sobre la mesa, “propusimos a nuestro cliente desarrollar un modelo apoyado en el procesamiento del lenguaje natural, basado en un modelo de lenguaje de redes neuronales; sumándole recursos de software para poder cubrir la clasificación del 100% de los textos. La ventaja del modelo es que, a partir del aprendizaje automático de las palabras claves referidas a observaciones de incidencias, el mismo puede inferir y predecir las consecuencias de estos incidentes”, explica Mendoza.
La ingeniera en sistemas -especializada en explotación de datos en la UBA- aclara que no se trata de que el modelo de IA reemplace el trabajo del analista de seguridad e higiene sino que lo complemente y pueda emular su razonamiento a la hora de la clasificación de los registros.
De este modo, se libera tiempo valioso para que el equipo de riesgo pueda concentrarse más en desarrollar planes estratégicos de contingencia y mitigación de incidentes y menos en la clasificación de los textos (en última instancia los analistas sólo deben chequear la clasificación final provista por el modelo).
Modelado de incidentes con procesamiento inteligente de textos
¿Cómo son las etapas de realización del proyecto?
En principio los científicos de datos de 7Puentes se reunieron con las áreas de riesgo y de datos de la empresa para identificar las necesidades que conllevaba este problema, entender cuál era el vocabulario técnico, frases y palabras claves más representativas de la disciplina y el criterio de los analistas para realizar las clasificaciones.
La primer fase del desarrollo del modelo consiste en el Modelado (entender el modo de clasificación de los analistas y poder imitarlo) y la segunda fase reside en el Entrenamiento (a partir de las clasificaciones de los analistas, el modelo explora e incorpora las palabras claves y le suma diversas mejoras). Por ejemplo, si aparece la palabra “arnés” o “casco” generalmente está asociada a su ausencia en el uso o a una incorrecta utilización de dichos elementos de seguridad. Si se identifica la palabra “escalera” se asociará a que el operario subió sin usar estos elementos.
Por otra parte, al momento de desarrollar el proyecto, 7Puentes se encuentra con dificultades específicas relacionadas con el tipo de industria:
- La complejidad de un dominio específico dependiente de múltiples factores humanos: se debió realizar una tarea de procesamiento, filtrado y limpieza de datos espurios de los textos que contenían los formularios debido a su ambigüedad o imprecisión (palabras mal escritas, abreviadas, que contienen códigos numéricos, poco claras). Identificar formas o frases de referenciar al mismo objeto, muy propias del dominio específico del lenguaje.
- Percepción negativa del tipo de empresa e industria: en cierto imaginario social la actividad del sector es percibida como una amenaza al medio ambiente de las comunidades en las que explota recursos. No obstante, el uso de la inteligencia artificial ayuda a establecer más y mejores mecanismos de control, optimizar los procesos de seguridad e higiene y, en definitiva, mitigar los riesgos e incidentes ambientales. En este caso, IA contribuye a la mejora y preservación del medio ambiente, no a su destrucción, por lo que el desafío sería acoplar sus técnicas a la cultura de la empresa.
“Hoy nuestro desafío principal es, en una primera etapa de corto plazo, consolidar un modelo de ciencia de datos que, dentro de este universo de miles de cargas de observaciones, clasifique correctamente y prediga estas incidencias a través de las variables de clasificación. Y lograr, en una segunda etapa de mediano plazo, la automatización del proceso de clasificación en el día a día: al momento en que los operarios carguen los textos, el modelo deberá poder predecir en tiempo real las incidencias, de modo que los analistas puedan enfocarse solamente en los planes y políticas para corregirlas. Esto permitirá, además del beneficio económico, mejorar todos los procesos de control de calidad, reducir los incidentes de seguridad y mitigar el impacto en el medio ambiente”, concluye Valeria Mendoza.