Glencore Lomas Bayas incorpora Readi FMIS

Esta herramienta es clave para impulsar la productividad y la seguridad en la gestión predictiva de la fatiga en trabajadores.

Compañía Minera Lomas Bayas (CMLB) de Glencore, un importante productor de mineral de cobre de óxido de baja ley, anunció la implementación de Readi FMIS para la gestión predictiva de la fatiga en toda su faena ubicada en la Región de Antofagasta.

La implementación de este sistema establece a Glencore como líder en el uso de tecnología de punta científicamente validada que ha demostrado aumentar la productividad de la mina, al mismo tiempo que mejora la seguridad de sus trabajadores.

Readi FMIS es el sistema de información de gestión de la fatiga líder en el mundo, el cual proporciona predicciones personalizadas para cada operador y muestra estos conocimientos a los supervisores de turno.

A partir de ahí, los encargados pueden optimizar las asignaciones de tareas y mitigar de manera proactiva el riesgo de fatiga crítica antes de que afecte a las operaciones y sus trabajadores y trabajadoras.

Los supervisores que usan Readi FMIS reciben notificaciones móviles diarias al comienzo de cada turno, alertándolos sobre cualquier miembro del equipo que esté marcado con un alto riesgo de fatiga para ese día.

Fundamentalmente, estas predicciones no solo dan cuenta de la fatiga presente, sino también se prevé el cansancio que puede surgir más adelante en el turno. Con estos conocimientos, los supervisores pueden realizar intervenciones proactivas, como la rotación de tareas críticas para la seguridad y la planificación de descansos por fatiga, sobre la base de datos objetivos y validados.

Para Rodrigo Hiplán, Gerente de Mina de Lomas Bayas, Readi FMIS es un claro paso en el esfuerzo continuo por optimizar las operaciones y el bienestar de la fuerza laboral. “Después de probar la tecnología, quedó claro que Readi ofrecía un tremendo beneficio para todos, mejorando la seguridad de los operadores y la productividad al mismo tiempo”.

Modelo:

Readi utiliza el modelo biomatemático validado, SAFTE™, combinado con datos de sueño y factores circadianos de cada operador, para predecir niveles personalizados de fatiga.

Lomas Bayas, una empresa Glencore, ha optado por proporcionar a los operadores dispositivos portátiles que se colocan en la muñeca para capturar los datos del sueño, los que se manejan de forma confidencial y no se comparten con los supervisores.

En tanto, para los operadores sin dispositivos portátiles, Readi emplea Machine Learning con el propósito de estimar el sueño y la fatiga en función de una combinación de horario de turnos, factores demográficos, encuestas de admisión y patrones observados en el conjunto de datos portátiles más grande.

Seguridad y resultados:

Se demostró que las predicciones de fatiga se correlacionan con una probabilidad 14 veces mayor de microsueños en el trabajo y una diferencia del 3% en la productividad en métricas clave como el tiempo puntual y la tasa de excavación. Los estudios de casos de otras minas han indicado un beneficio financiero anual promedio de US$6 millones, así como una reducción estimada del 13% en incidentes con tiempo perdido.

“La seguridad y el bienestar de nuestra fuerza laboral es nuestra principal prioridad. La aplicación de análisis predictivos comprobados a la maquinaria han sido clave durante mucho tiempo para optimizar nuestras operaciones”, comentó Hiplán.

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