Cuando organizamos el evento «El futuro de la seguridad de las flotas y su impacto en la eficiencia operativa» para la serie NAFMP Solutions, el público envió 47 preguntas. Esperábamos preguntas sobre tecnología. Las recibimos, pero las más incisivas versaban sobre la confianza: quién ve la puntuación, qué le ocurre a un conductor que recibe una alerta y qué hacer cuando el ELD indica que un conductor cumple la normativa, pero los datos indican que está cansado.
Esas preguntas van al meollo del asunto. La mayoría de las flotas ya no tienen un problema de visibilidad. Las cámaras y la telemática muestran exactamente lo que ha ocurrido. Lo que les falta a las flotas es una forma de actuar antes de que ocurra, sin convertir la seguridad en vigilancia.
A continuación, Tomas Kuras (vicepresidente de ingresos) y Marco Parlato (director de gestión de productos) responden a las preguntas que podemos abordar con datos: a partir de nuestra plataforma predictiva de fatiga, Readi, y de una prueba piloto controlada realizada en una gran flota logística estadounidense, en la que los conductores que utilizaban Readi registraron un 42 % menos de incidentes telemáticos en cabina relacionados con la fatiga que un grupo de control equivalente.
Cuando una pregunta compete a un médico, a un regulador o a un abogado, la hemos dejado en sus manos.
Sí, las cámaras con IA son útiles y responden a una pregunta diferente a la que plantea la predicción. La tecnología de detección de fatiga se divide en tres grupos según el momento en que actúa:
|
Enfoque |
Pregunta a la que responde |
Cuándo actúa |
|---|---|---|
|
Cumplimiento de las horas de servicio (ELD) |
¿Cumplíamos con la normativa? |
A lo largo de la semana laboral |
|
Detección: cámaras en la cabina, telemática, visión artificial |
¿Qué está pasando ahora mismo? |
Durante la conducción, en cuanto aparecen las señales |
|
Predicción: previsión biomatemática de la fatiga |
¿Qué está a punto de suceder? |
Antes de que comience el turno |
Las cámaras de la cabina detectan los movimientos de la cabeza, el cierre de los ojos y las desviaciones del carril. Eso es muy útil, pero para cuando aparecen esos signos, el conductor ya se encuentra en condiciones de conducción deficientes a velocidad de autopista. Un microsueño de entre 2 y 4 segundos a 65 mph supone recorrer aproximadamente entre 190 y 380 pies sin que nadie tenga el control.
La predicción adelanta el momento de la intervención. Readi proporciona a los operadores una previsión de fatiga hora por hora para todo el próximo turno de cada conductor, de modo que puedan actuar antes incluso de que se arranque el motor. Está diseñado para funcionar junto con las cámaras, no para sustituirlas: la predicción es la primera línea de defensa, la cámara es la última.
No se necesita ningún reloj. Readi no depende de dispositivos wearables ni de nuevo hardware. Calcula las horas de sueño de cada conductor a partir de los patrones de trabajo y descanso que ya figuran en sus sistemas y, a continuación, procesa esos datos mediante el modelo biomatemático SAFTE™ para predecir el nivel de estado de alerta a lo largo del turno.
Se trata de una decisión de diseño deliberada. Los dispositivos wearables generan costes de implantación, problemas de recarga y de cumplimiento normativo, así como preocupaciones en materia de privacidad que ralentizan su adopción.
En nuestra prueba piloto de logística, las previsiones de fatiga se generaron a partir de los datos existentes de los dispositivos ELD, sin dispositivos wearables ni nuevo hardware. Esa es la configuración que dio lugar al resultado del 42 %.
Los datos de entrada son:
A partir de ahí, nuestro modelo SleepML estima cuándo y cuánto es probable que haya dormido cada conductor. SAFTE™, un modelo desarrollado para el Ejército de los EE. UU. y utilizado en investigaciones del Departamento de Transporte (DOT) y de la Administración Federal de Aviación (FAA), convierte ese historial de sueño en una previsión de estado de alerta hora por hora.
Cada conductor obtiene un perfil de sueño personalizado. Readi compara los patrones individuales de trabajo y descanso con una base de datos de más de 10 millones de registros de sueño anonimizados y, a continuación, perfecciona el perfil a medida que se va acumulando el historial del propio conductor.
La previsión refleja el patrón de sueño reciente de ese conductor, normalmente de los últimos ~10 días, y no una media de la flota. Dos conductores que realicen la misma ruta y el mismo turno pueden obtener previsiones muy diferentes.
Sí. Readi extrae automáticamente los datos de estado de servicio de las plataformas ELD existentes, como Geotab, Motive y Samsara. No es necesario introducir datos manualmente ni que los conductores realicen un nuevo inicio de sesión.
La combinación es importante. Los datos de horas de servicio indican cuánto tiempo lleva una persona de servicio. Readi añade cuándo es probable que se encuentre en situación de riesgo durante el turno.
Los principios se aplican a cualquier flota: la oportunidad de dormir y la hora del día influyen en la fatiga al volante, independientemente del tamaño de la flota. El software ofrece el máximo valor cuando hay un despachador o un supervisor que pueda actuar en función de una previsión, por ejemplo, ajustando una ruta, cambiando un descanso o manteniendo una conversación de control.
Actualmente, nuestras implementaciones se centran en flotas medianas y grandes con equipos de planificación de rutas y horarios dinámicos. Las empresas de transporte más pequeñas pueden empezar por las medidas preventivas: crear una cultura de notificación de la fatiga que no sea punitiva y planificar los horarios teniendo en cuenta los momentos de menor actividad del ciclo circadiano.
No podemos pronunciarnos sobre las tasas de falsos positivos de otros dispositivos del mercado. Lo que sí podemos explicarte es cómo se valida el nuestro y qué significa eso en la práctica.
Una aclaración: Readi no es una prueba de «aprobado/suspenso» en la ventanilla de registro. Predice el riesgo a lo largo de cada hora del turno, de modo que el despachador puede ver cuándo alcanzará el riesgo su punto álgido, y no solo un «sí» o un «no» en el momento de la salida. Esto cambia la respuesta de «retirar al conductor» a «planificar el descanso antes de las 3 de la madrugada».
Dado que la previsión se basa en el historial de sueño y la hora del día, y no en el aspecto o el rendimiento de la persona en el momento del registro, el aturdimiento de los primeros minutos tras despertarse no influye en la puntuación. Un conductor que haya dormido bien y comience un turno diurno se prevé que presente un riesgo bajo, incluso si todavía está tomando su primer café.
Esta es una verdadera debilidad de las pruebas puntuales: miden un instante, y el momento justo después de despertarse no es el más adecuado para realizar la medición.
Readi funciona a partir de datos sobre horarios y estado de servicio, además de un cuestionario único sobre el sueño. No hay cámaras, ni datos biométricos, ni supervisión dentro de la cabina. Los supervisores ven una previsión de fatiga para poder actuar; no ven cómo pasa el conductor su tiempo fuera de servicio. Nadie en la organización puede ver las horas de sueño de una persona.
Animamos a cualquier empresa de transporte a que plantee la misma pregunta a todos los proveedores de servicios de seguridad: qué datos salen de la cabina, quién puede verlos y para qué pueden utilizarse.
Esta fue la cuestión de diseño más importante del proyecto piloto, y la respuesta tiene que ver, en parte, con la política y, en parte, con el producto.
En la fase piloto, bastante bien. Los supervisores intervinieron en 1.722 turnos de alto riesgo antes de la salida, y el uso de las medidas correctivas alcanzó hasta el 81 %. Un supervisor resumió las opiniones de los conductores en la reunión de análisis: a los conductores les gustó que la empresa velara por su seguridad, y no se limitara a evaluar cómo conducen.
La aceptación depende de lo que la herramienta exija a los conductores. Readi no exige prácticamente nada: no hay que llevar ningún dispositivo, no hay que abrir ninguna aplicación en cada turno ni hay ninguna cámara enfocándolos.
Deja de tratar la fatiga como algo que el conductor admite y empieza a tratarla como algo que la empresa prevé. Cuando el origen de la alerta es el horario, y no el conductor, la notificación deja de ser una confesión.
En la práctica, eso significa tres turnos:
Como indicador adelantado junto a los indicadores atrasados que ya supervisas. La mayoría de los paneles de control de los sistemas de gestión de la seguridad (SMS) se basan en incidentes, multas y reclamaciones, todos ellos datos que describen lo que ya ha ocurrido. Una previsión de fatiga añade el único dato que llega antes del turno.
También aporta documentación. Cada previsión y cada medida correctiva llevan una marca de tiempo, lo que le proporciona un registro auditable que demuestra que la flota identificó el riesgo y tomó medidas al respecto.
A ambos, porque miden cosas diferentes. El HOS limita las horas de servicio. No puede determinar si un conductor ha dormido cuatro u ocho horas antes de un turno legal, ni si ese turno se solapa con el mínimo circadiano entre las 2 y las 6 de la madrugada.
Un conductor que cumple la normativa puede estar fatigado. La solución práctica es considerar el HOS como el mínimo imprescindible y la previsión de fatiga como el motivo para entablar una conversación: hablar con el conductor, adelantar un descanso a la franja de riesgo prevista o ajustar la ruta.
Ese umbral es una decisión que compete a la política de la empresa y debe quedar por escrito antes de implementar cualquier herramienta. Según nuestra experiencia, impedir que un conductor inicie su turno debería ser una medida de último recurso, no la respuesta por defecto:
Dado que Readi prevé todo el turno, la mayoría de las intervenciones pueden realizarse de forma temprana y con moderación. Combinar la previsión con el informe del propio conductor permite que la decisión se tome de forma humana.
Realiza un seguimiento semanal de un conjunto reducido de indicadores:
El último punto es cómo se demuestra que la medida preventiva funciona. En nuestra prueba piloto, los incidentes en cabina por hora de conducción del grupo Readi se redujeron un 15 %, mientras que los de un grupo de control equivalente aumentaron un 27 % durante el mismo periodo, lo que supone una diferencia del 42 %.
Hubo cuatro factores que marcaron la diferencia:
Ninguna tecnología sustituye a la conversación entre un supervisor y un conductor. Lo máximo que puede hacer es adelantar esa conversación y que se produzca con mejor información.
Las normas sobre horas de servicio regulan la cantidad: cuántas horas puede estar de servicio un conductor y cuánto descanso debe haber entre turnos. La fatiga depende en igual medida del momento en que se realizan. Un turno de 11 horas que comienza a las 6 de la mañana y otro que comienza a las 10 de la noche son igualmente legales, pero conllevan riesgos muy diferentes, ya que el segundo se extiende directamente durante el periodo de menor rendimiento del organismo, entre las 2 y las 6 de la madrugada.
Las normas deben ser lo suficientemente sencillas como para aplicarlas a millones de conductores, por lo que no pueden personalizarse. Esa es la laguna que cubre una previsión de fatiga: aplica los ritmos circadianos y el sueño reciente de cada conductor a un horario que ya es legal.
Considerablemente. El estado de alerta disminuye con el tiempo que se pasa despierto, y esta disminución no es lineal: se agrava una vez que el estado de vigilia supera la jornada normal, y se agrava de nuevo cuando el período prolongado traspasa el mínimo nocturno. A ello se suma el déficit de sueño acumulado de los días anteriores.
Esta es también la razón por la que el riesgo puede aumentar durante la temporada alta, incluso cuando todos los conductores respetan los límites de horas de servicio. En nuestro estudio piloto, los incidentes relacionados con la fatiga del grupo de control aumentaron un 27 % durante un exigente periodo de máxima actividad.
Las horas al volante son solo una parte del problema. El factor más importante son las horas que el conductor lleva despierto. Dos horas de espera en un muelle siguen contando como tiempo de vigilia y siguen mermando el estado de alerta, aunque no se recorra ninguna milla. Un conductor que espera toda la tarde y luego conduce hasta bien entrada la noche puede comenzar el trayecto cuando ya se encuentra en una fase avanzada de la curva de fatiga.
Esa es una de las razones por las que el tiempo de retención merece un lugar en los debates sobre la fatiga, y no solo en los relacionados con la facturación.
Dejaremos la cuestión normativa en manos de los reguladores. Desde el punto de vista científico de la fatiga, el efecto depende de lo que permita hacer esa hora. Si permite al conductor llegar a un lugar donde pueda dormir mejor, puede mejorar el siguiente turno. Si, por el contrario, alarga un turno que ya está entrando en la fase de bajón circadiano, añade riesgo en el peor momento posible. La respuesta depende del conductor y del momento concreto, que es precisamente lo que una previsión está diseñada para mostrar.
La fatiga deteriora las habilidades de las que depende la conducción segura incluso antes de que el conductor se quede dormido:
Por eso la fatiga aparece en los datos de las cámaras y de la telemática mucho antes de que se refleje en un informe de accidente. Con un ReadiScore inferior a 70, las frenadas bruscas son 8,5 veces más frecuentes que en el caso de los conductores alertas.
El que más oímos: «Puedo aguantar». No se puede posponer la fatiga. La cafeína, el aire frío y la música alta enmascaran la sensación durante un rato, pero no compensan la falta de sueño. La única solución es dormir.
Otros mitos comunes:
Lo que mejor funciona a la hora de explicar la ciencia de la fatiga a los conductores es hacerlo de forma personal y sin juzgar. Mostrar a los conductores su propio patrón previsto, hablar de la fatiga como un fenómeno fisiológico en lugar de como una cuestión de rendimiento, y dejar que los supervisores inicien la conversación con «¿Cómo has dormido?» en lugar de «¿Por qué has frenado tan bruscamente?».
Comparándolo con un grupo de control emparejado, utilizando datos de eventos en los que la flota ya confiaba. El diseño es lo que hace que el resultado sea defendible:
|
Elemento |
Detalle |
|---|---|
|
Flota |
Gran flota logística estadounidense, operaciones de transporte de enlace de gran volumen |
|
Grupo Readi |
95 conductores |
|
Grupo de control |
85 conductores emparejados («gemelos»), emparejados según el tipo de ruta, el horario y la antigüedad |
|
Condiciones |
Mismo periodo operativo y zona geográfica, incluida la presión de la temporada alta |
|
Datos |
Únicamente datos existentes de los dispositivos de registro electrónico (ELD); sin dispositivos wearables ni nuevo hardware |
|
Métrica |
Eventos telemáticos en cabina relacionados con la fatiga por hora de conducción |
|
Análisis |
Realizado de forma independiente por el proveedor de telemática por vídeo actual de la flota |
El resultado: los incidentes por hora de conducción se redujeron un 15 % en el grupo Readi y aumentaron un 27 % en el grupo de control durante el mismo periodo, lo que supone una diferencia del 42 %. Las categorías en las que se observó una disminución fueron precisamente aquellas que los programas de cámaras ya se esfuerzan por reducir: frenadas y aceleraciones bruscas, riesgo de colisión frontal y desviación del carril.
El proyecto piloto también contaba con criterios de éxito operativo tan importantes como las cifras: previsiones generadas para cada participante, una integración funcional del ELD, medidas correctivas aprobadas a nivel de toda la empresa y comentarios positivos por parte de conductores y coordinadores.
La lección para cualquier flota que evalúe una tecnología de seguridad: insiste en un grupo de control y mide con los datos que ya recopilas. De lo contrario, las fluctuaciones estacionales pueden hacer que cualquier herramienta parezca buena o mala.
Si se leen las 47 preguntas en su conjunto, destaca un tema. A las flotas no les faltan datos sobre lo que salió mal. Lo que les falta es una forma de actuar antes de que ocurra, de una manera que los conductores acepten.
Tres conclusiones de la sesión:
¿Quieres ver cómo se aplica esto a tu flota? Solicita una demostración de 15 minutos con un pronóstico de muestra: un pronóstico de fatiga hora a hora a lo largo de un turno real, en una flota como la tuya. O pídenos los detalles del proyecto piloto: metodología, análisis de grupos gemelos y conclusiones operativas.
¿Te has perdido la sesión en directo? Mira la grabación bajo demanda