Telèfon

Memòria prevencionista

Monogràfics

Ves enrere SANCHIS, Mercedes; DE ROSARIO, Helios; PARRILLA, Eduardo; MEDINA, Enric; VALLS, Albert; MIRALLES, Pedro Pablo (2021). La Inteligencia Artificial aplicada a la evaluación de riesgos ergonómicos

SANCHIS, Mercedes; DE ROSARIO, Helios; PARRILLA, Eduardo; MEDINA, Enric; VALLS, Albert; MIRALLES, Pedro Pablo (2021). La Inteligencia Artificial aplicada a la evaluación de riesgos ergonómicos

SANCHIS, Mercedes; DE ROSARIO, Helios; PARRILLA, Eduardo; MEDINA, Enric; VALLS, Albert; MIRALLES, Pedro Pablo. La Inteligencia Artificial aplicada a la evaluación de riesgos ergonómicos. ORP journal [en línea]. 2021, 97-106. [Consulta: 20.10.2021]. ISSN: 2385-3832. 
 
Los trastornos musculoesqueléticos (TME) son una de las principales causas de baja laboral o enfermedad profesional a nivel mundial, suponiendo un coste de entre 2,6 y 3,8% del PIB en la UE. La evaluación ergonómica de puestos de trabajo es clave para reducir el riesgo de TMEs. Sin embargo, en la actualidad el tiempo necesario para realizar dichas evaluaciones es elevado, por lo que en muchos casos no se realizan o se llevan a cabo solamente para una de las personas trabajadoras que pueden ocupar un puesto. La evaluación de posturas forzadas se realiza mediante métodos de observación y aplicación de metodologías como REBA, OWAS, etc., a partir de las cuales se analizan las posturas y ángulos articulares. Esta forma de trabajo implica un elevado coste en tiempo y una dependencia alta de la experiencia de la persona que realiza el análisis, permitiendo cierto grado de subjetividad. Las nuevas tecnologías basadas en Inteligencia Artificial permiten automatizar este proceso y por tanto reducir el tiempo necesario para la realización de cada evaluación de riesgos ergonómicos. Además de lograr una mayor objetividad en el análisis de las posturas. El presente trabajo muestra, en primer lugar, una comparativa entre el coste en tiempo que supone la evaluación de riesgos ergonómicos por posturas forzadas utilizando un software de evaluación de riesgos ergonómicos con respecto al coste que supone cuando se utiliza inteligencia artificial a partir de una red neuronal no entrenada para este fin. Y, en segundo lugar, muestra como el entrenamiento de dicha red deriva en una reducción aún mayor del tiempo necesario para realizar una evaluación de riesgos ergonómicos por posturas forzadas.
 
Els trastorns musculoesquelètics (TME) són una de les principals causes de baixa laboral o malaltia professional a nivell mundial, suposant un cost d'entre 2,6 i 3,8% del PIB a la UE. L'avaluació ergonòmica de llocs de treball és clau per a reduir el risc de TMEs. No obstant això, en l'actualitat el temps necessari per a realitzar aquestes avaluacions és elevat, per la qual cosa en molts casos no es realitzen o es duen a terme solament per a una de les persones treballadores que poden ocupar un lloc. L'avaluació de postures forçades es realitza mitjançant mètodes d'observació i aplicació de metodologies com REBA, OWAS, etc., a partir de les quals s'analitzen les postures i angles articulars. Aquesta forma de treball implica un elevat cost en temps i una dependència alta de l'experiència de la persona que realitza l'anàlisi, permetent cert grau de subjectivitat. Les noves tecnologies basades en Intel·ligència Artificial permeten automatitzar aquest procés i per tant reduir el temps necessari per a la realització de cada avaluació de riscos ergonòmics. A més d'aconseguir una major objectivitat en l'anàlisi de les postures. El present treballe mostra, en primer lloc, una comparativa entre el cost en temps que suposa l'avaluació de riscos ergonòmics per postures forçades utilitzant un programari d'avaluació de riscos ergonòmics respecte al cost que suposa quan s'utilitza intel·ligència artificial a partir d'una xarxa neuronal no entrenada per a aquest fi. I, en segon lloc, mostra com l'entrenament d'aquesta xarxa deriva en una reducció encara major del temps necessari per a realitzar una avaluació de riscos ergonòmics per postures forçades.