Fatigue Science presenta un procesador de aprendizaje automatizado que ofrece las primeras predicciones de fatiga del personal del mundo sin dispositivos portátiles

Fatigue Science, líder mundial en análisis predictivo de la fatiga para la minería, el transporte y la industria pesada, se complace en anunciar el lanzamiento comercial de un avance tecnológico innovador en su plataforma para el manejo de la fatiga. Por primera vez, los clientes pueden obtener predicciones de fatiga veraces y personalizadas de los operadores de su plantilla sin tener que utilizar dispositivos portátiles.

Dicha tecnología, que ha sido posible gracias a los importantes avances en el aprendizaje automático y la ciencia de datos, permite un aumento importante en la escala de las operaciones que pueden beneficiarse de la tecnología predictora de fatiga.

“Nuestro sistema de información para el manejo de la fatiga, Readi, desde hace mucho es considerado como la solución más verosímil del mundo para gestionar y mitigar proactivamente la fatiga de la plantilla.Llevamos mucho tiempo brindando predicciones de fatiga personalizadas, conocidas como ReadiScores, para operadores que han portado dispositivos portátiles diaria o periódicamente. El innovador avance de la actualidad es un gran paso que responde a una petición de larga data de los clientes”, comenta Andrew Morden, presidente y director general de Fatigue Science. “Con el aprendizaje automatizado podemos llevar los beneficios de la tecnología de predicción de la fatiga, que mejoran la seguridad y la productividad, a una gama mucho más amplia de clientes que no están preparados para adoptar el uso de dispositivos portátiles”.

“El uso de dispositivos portátiles siempre ha sido una ventaja competitiva para nosotros, pues ha generado una serie de datos inigualable de más de 4 millones de sueños en entornos industriales en más de 95 países. A su vez, muchos clientes potenciales no están preparados o no pueden emplear dispositivos portátiles.Históricamente, este obstáculo les ha limitado el acceso a la solución que ofrecemos para la fatiga”, añade Robert Higdon, vicepresidente senior de producto y marketing.“Con este reciente logro, estamos encantados de anunciar que los dispositivos portátiles ya no son un requisito para la predicción personalizada de la fatiga”.

Algo insólito en el sector del manejo de la fatiga, el uso del aprendizaje automatizado de Readi ha recibido un interés especial por parte del sector del transporte, donde la fatiga es persistente debido a las fluctuaciones de los horarios de los turnos en operaciones 24/7.La economía y la naturaleza distribuida de este trabajo han dificultado que las empresas de transporte y logística adopten el uso de dispositivos al igual que el sector minero.“Ofrecer inteligencia predictiva de fatiga sin el uso de dispositivos portátiles ha sido la mayor demanda de las empresas de transporte en los últimos dos años”, añade Morden.“Estamos felices de presentarles a estos clientes una solución que les permita a los encargados y a los gestores de seguridad del personal identificar y mitigar los riesgos críticos antes de poner a los conductores al volante”.

El avance, que ofrece una solución netamente informática, viene con un nuevo anuncio de integración con los dispositivos de registro electrónico (ELD por sus siglas en inglés) y sistemas de despacho que les permite tener una experiencia sin problema a los operadores en cualquier escala de operaciones.Con varias empresas de transporte que ya han integrado Readi en su paquete tecnológico, los encargados están recibiendo datos sobre la fatiga de los conductores dentro de sus flujos de trabajo existentes, lo cual les permite evitar errores de encargos importantes que ponen a los conductores en riesgo de sufrir accidentes y a que el equipo sufra daños.

Cómo funciona:

El SIMF de Readi recopila información diaria de las horas de trabajo de cada conductor directamente desde su programa de turnos, o desde los sistemas ELD integrados vía API. Luego las horas laborales se vinculan con el perfil de metadatos de cada conductor.Estos metadatos se gestionan, controlan y aseguran cuidadosamente para que se mantengan privados y que no se compartan con el empleador ni ningún tercero.Incluyen datos demográficos básicos (altura, peso, sexo, edad) y pueden incluir datos sobre los hábitos de sueño obtenidos a partir de una encuesta opcional de admisión del operador.Seguidamente, el algoritmo de aprendizaje automatizado de Readi compara estos datos con patrones similares en su creciente base de datos de más de 4 millones de horas de sueño anónimas con etiquetas de datos similares, registradas por trabajadores por turnos que usaron dispositivos portátiles validados científicamente (relojes inteligentes). El algoritmo de inteligencia automatizada estima la cantidad de sueño de cada conductor, la calidad y el horario de los 10 días anteriores.Después, las estimaciones de sueño son procesadas por el modelo biomatemático de fatiga SAFTE™, que construye una predicción altamente precisa y única del riesgo de cada operador para cada hora de su turno laboral.

Estos datos se entregan a los encargados, supervisores y gerentes de seguridad para que puedan tomar decisiones diarias que mantengan al equipo laborando en condiciones seguras y con un rendimiento óptimo.

Mejoras continuas a través del ecosistema de dispositivos portátiles

Another strength of Readi’s ML engine is its ability to self-improve continuously. Readi using inflowing data from its global network of de-identified wearable devices, deployed at industrial sites around the world, for re-training purposes. And although wearables are no longer required, customers can seamlessly integrate them as an add-on, either initially or at any point in their usage of Readi. In initial tests, many customers elected to give wearables to their highest-risk operators, who could then receive personal Fatigue Alerts on their wrists in advance of critical periods of fatigue.

Además, se ha demostrado que los dispositivos portátiles de la plataforma Readi mejoran los hábitos de sueño de los operadores, lo que se traduce en una reducción del 20% de la fatiga en horas laborales. Asimismo, el 80% de los operadores con fatiga crítica que utilizan dispositivos portátiles vinculados a Readi han demostrado una reducción sostenida de la fatiga más allá de su primer año de uso.

“Representa un verdadero beneficio para todos los tipos de clientes”, comenta Morden.“Para los clientes que no están listos para sumarse a los dispositivos portátiles, se dispone de predicciones y análisis de fatiga personalizados.Al mismo tiempo, los que utilizan dichos dispositivos mejoran no solo su seguridad, sino la de todo el sector.Más datos significa que hay mejores predicciones, que es igual a menor riesgo, mayor productividad y operaciones más rentables para todos”.

To find out more about Readi’s Machine Learning algorithm and how it can enable personalized fatigue predictions in your operation, speak to one of our Fatigue Experts today.

o descargue nuestro libro electrónico gratuito sobre la Ciencia del sueño para fuerzas laborales industriales