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 gran avance tecnológico en su plataforma de gestión de la fatiga. Por primera vez, los clientes pueden obtener predicciones de fatiga validadas y personalizadas para los operarios de su plantilla, sin necesidad de utilizar wearables.
La tecnología, posible gracias a avances significativos en Machine Learning y ciencia de datos, permite un aumento dramático en la escala de operaciones que pueden beneficiarse de la tecnología predictiva de fatiga.
"Nuestro sistema de información de gestión de la fatiga, Readi, ha sido considerado durante mucho tiempo como la solución más creíble del mundo para gestionar y mitigar proactivamente la fatiga del operador. Llevamos mucho tiempo proporcionando predicciones personalizadas de la fatiga, conocidas como ReadiScores, a los operarios que han llevado wearables diaria o periódicamente. El innovador avance de hoy es un gran paso adelante, que responde a una antigua petición de los clientes", afirma Andrew Morden, Presidente y CEO de Fatigue Science. "Con Machine Learning, ahora podemos llevar los beneficios de mejora de la seguridad y la productividad de la tecnología predictiva de la fatiga a una gama mucho más amplia de clientes que aún no están listos para adoptar wearables."
"El uso de wearables siempre ha sido una fortaleza competitiva para nosotros, generando un conjunto de datos inigualable de más de 4 millones de sueños en entornos industriales en más de 95 países. Al mismo tiempo, muchos clientes potenciales no están preparados o no pueden implantar wearables. Históricamente, este reto ha limitado su acceso a nuestra solución contra la fatiga", añade Robert Higdon, Vicepresidente Senior de Producto y Marketing. "Con el hito de hoy, estamos encantados de anunciar que los wearables ya no son un requisito para la predicción personalizada de la fatiga".
Sin precedentes en la industria de la gestión de la fatiga, el uso de Machine Learning por parte de Readi ha recibido un interés particular por parte del sector del transporte, donde la fatiga es omnipresente debido a la variabilidad 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 wearables al mismo ritmo que el sector minero. "En los últimos dos años, la mayor petición de las empresas de transporte ha sido, con diferencia, la posibilidad de ofrecer información predictiva sobre la fatiga sin el uso de wearables", afirma Morden. "Estamos encantados de volver a estos clientes con una solución adaptada que permite a los despachadores y gerentes de seguridad de la flota identificar y mitigar los riesgos críticos antes de poner a los conductores al volante."
El avance de una solución puramente de software se produce junto con el recién anunciado soporte para integraciones con dispositivos de registro electrónico (ELD) y sistemas de despacho, proporcionando una experiencia sin fisuras para los despachadores en cualquier escala de operaciones. Gracias a que varias de las primeras empresas de transporte han integrado Readi en sus sistemas tecnológicos, los transportistas reciben datos sobre el cansancio de los conductores dentro de sus flujos de trabajo existentes, lo que les permite evitar errores de despacho críticos que ponen a los conductores en riesgo de accidentes y daños en los equipos.
Cómo funciona:
Readi FMIS captura datos diarios sobre las horas de trabajo de cada conductor directamente desde su programa de turnos, o desde sistemas ELD integrados vía API. A continuación, las horas de trabajo se emparejan con el perfil de metadatos de cada conductor. Estos metadatos se gestionan, controlan y protegen cuidadosamente para garantizar su privacidad y que no se compartan con el empleador ni con terceros. Incluyen datos demográficos básicos (altura, peso, sexo, edad) y pueden incluir datos sobre los hábitos de sueño obtenidos a partir de una encuesta opcional al operador. A continuación, el algoritmo de aprendizaje automático de Readi compara estos datos con patrones similares en su creciente base de datos de más de 4 millones de horas de sueño desidentificadas con etiquetas de datos similares, registradas por trabajadores por turnos mediante wearables (smartwatches) validados científicamente. El algoritmo ML calcula la cantidad, la calidad y el tiempo de sueño de cada conductor durante los 10 días anteriores. A continuación, 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 del turno siguiente.
Estos datos se envían a despachadores, supervisores y responsables de seguridad para que puedan tomar decisiones diarias que mantengan a las flotas y a las tripulaciones trabajando de forma segura y con un rendimiento óptimo.
Mejora continua a través del ecosistema wearable
Otro punto fuerte del motor ML de Readi es su capacidad de mejora continua. Readi utiliza los datos de entrada de su red global de dispositivos wearables desidentificados, desplegados en instalaciones industriales de todo el mundo, con fines de reciclaje. Y aunque los wearables ya no son necesarios, los clientes pueden integrarlos sin problemas como un complemento, ya sea inicialmente o en cualquier momento de su uso de Readi. En las pruebas iniciales, muchos clientes optaron por dotar de wearables a sus operarios de mayor riesgo, que así podían recibir alertas personales de fatiga en sus muñecas antes de los periodos críticos de fatiga.
Además, se ha demostrado que los wearables de la plataforma Readi mejoran los hábitos de sueño de los operarios, lo que se traduce en una reducción del 20% de la fatiga durante el trabajo. Por otra parte, el 80% de los operadores con fatiga crítica que utilizan wearables con Readi han demostrado una reducción sostenida de la fatiga más allá de su primer año de uso.
"Realmente todos los clientes salen ganando", afirma Morden. "Para los clientes que no están preparados para los wearables, ahora disponen de predicciones y análisis de fatiga personalizados. Al mismo tiempo, los usuarios de dispositivos portátiles mejoran su seguridad y la del sector en su conjunto. Más datos significa mejores predicciones, lo que significa menor riesgo, mayor productividad y operaciones más rentables para todos."
Para obtener más información sobre el algoritmo de aprendizaje automático de Readi y cómo puede permitir predicciones de fatiga personalizadas en su operación, hable con uno de nuestros expertos en fatiga hoy mismo.
