Metodología para la prevención de accidentes de trabajo mediante análisis predictivo

Abstract

Este estudio tuvo como objetivo proponer una metodología para la prevención de accidente mediante el análisis predictivo. Primero se repasaron las cuestiones asociadas a seguridad y salud en el trabajo, sobre todo las causas que pueden tener los accidentes, ya que el control de las mismas nos lleva a la prevención de los mismos. Luego de esto, se revisaron las acciones que existen para prevenir los accidentes, entre ellas las diversas técnicas de análisis predictivo como la regresión y estadística bayesiana. Para definir la técnica a usar, primero, se realizó la recolección de datos provenientes del servicio de seguridad y salud en el trabajo del sujeto de estudio, siendo estos las fuentes los hallazgos reportados en el aplicativo de seguridad, observaciones de tareas operativas (OTO), registros de inspecciones formales y los registros de investigación de incidente y accidente de trabajo. Una vez habiendo recopilado estos datos, y debido a la forma que estaban estructurados, se decidió usar la regresión logística como técnica de análisis predictivo teniendo como unidad de análisis el comportamiento de cada variable en un mes en cada una de las empresas contratistas y áreas de la compañía que se han incluido en el estudio. Para la regresión logística, se tuvo que considerar variables independientes (predictoras) y respuestas, estas últimas solamente categóricas y dicotómicas, es decir solo tomaron dos valores, el valor de 1 cuando ocurre el suceso que se quiere prevenir y 0 cuando no ocurre el suceso. En este caso, se trabajó dos modelos, uno enfocado en prevenir la ocurrencia de sucesos en general, es decir incidentes y accidentes, y otro enfocado en prevenir la ocurrencia de sucesos con una severidad de accidente incapacitante, los cuales son los accidentes que ingresan en el cálculo de los indicadores de seguridad utilizados en el sujeto de estudio y en la minería peruana en general. Los modelos obtuvieron un porcentaje correcto de predicción de 69.6% y de 68.9 % y una capacidad de discriminación entre ocurrencia y no ocurrencia del suceso (área bajo la curva COR) de 75.7% y 77.8% respectivamente, alejado del 50% que representa el azar, es decir, la nula capacidad de discriminación. Una vez obtenido un modelo con un poder predictivo importante, la siguiente etapa del análisis predictivo es implementar la predicción y monitoreo del modelo en el sujeto de estudio, sin embargo, el presente estudio tiene la limitación de no haber aplicado esta etapa, solamente recomendando una metodología para su aplicación. Tal metodología se basa en la metodología ya existente e implementada que es la Seguridad Basada en el Comportamiento y en el Principio de Pareto.

The objective of this study was to propose a methodology for accident prevention through predictive analysis. First, the issues associated with occupational health and safety were reviewed, especially the causes of accidents, since their control leads to accident prevention. After this, the actions that exist to prevent accidents were reviewed, including the various predictive analysis techniques such as regression and Bayesian statistics. To define the technique to be used, first, data was collected from the occupational health and safety service of the subject of the study, the sources being the findings reported in the safety application, observations of operational tasks (OTO), records of formal inspections and records of investigation of incidents and accidents at work. Once these data were collected, and due to the way, they were structured, it was decided to use logistic regression as a predictive analysis technique, taking as the unit of analysis the behavior of each variable in one month in each of the contractors and areas of the company included in the study. For the logistic regression, independent variables (predictors) and responses had to be considered, the latter only categorical and dichotomous, i.e., they only took two values, the value of 1 when the event to be prevented occurs and 0 when the event does not occur. In this case, two models were worked on, one focused on preventing the occurrence of events in general, i.e., incidents and accidents, and the other focused on preventing the occurrence of events with a disabling accident severity, which are the accidents that are included in the calculation of the safety indicators used in the subject of study and in Peruvian mining in general. The models obtained a correct prediction percentage of 69.6% and 68.9% and a discrimination capacity between occurrence and non-occurrence of the event (area under the COR curve) of 75.7% and 77.8% respectively, far from the 50% that represents the chance, that is, the null discrimination capacity. Once a model with significant predictive power has been obtained, the next stage of predictive analysis is to implement the prediction and monitoring of the model in the study subject; however, the present study has the limitation of not having applied this stage, only recommending a methodology for its application. Such methodology is based on the already existing and implemented methodology which is Behavioral Based Safety and the Pareto Principle.