Esta herramienta es clave para impulsar la productividad y la seguridad en la predicción de la fatiga de los trabajadores.
La Compañía Minera Lomas Bayas (CMLB) de Glencore, uno de los principales productores de mineral de cobre oxidado 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, mejorando al mismo tiempo la seguridad de sus trabajadores.
Readi FMIS es el sistema de información sobre gestión de la fatiga líder en el mundo, que proporciona predicciones personalizadas para cada operario y muestra estos datos a los supervisores de turno.
A partir de ahí, los responsables pueden optimizar la asignación de tareas y mitigar de forma proactiva el riesgo de fatiga crítica antes de que afecte a las operaciones y a sus trabajadores.
Los supervisores que utilizan Readi FMIS reciben notificaciones móviles diarias al comienzo de cada turno, alertándoles de cualquier miembro del equipo que esté marcado con un alto riesgo de fatiga para ese día.
Lo más importante es que estas predicciones no sólo tienen en cuenta la fatiga actual, sino que también anticipan la fatiga que puede surgir más adelante en el turno. Con esta información, los supervisores pueden realizar intervenciones proactivas, como rotar las tareas críticas para la seguridad y planificar descansos por fatiga, basándose en datos objetivos y validados.
Para Rodrigo Hiplán, Director de la Mina Lomas Bayas, Readi FMIS es un paso claro en el esfuerzo continuo por optimizar las operaciones y el bienestar de la plantilla. "Después de probar la tecnología, estaba claro que Readi ofrecía un enorme beneficio para todos, mejorando la seguridad de los operarios y la productividad al mismo tiempo."
Modelo:
Readi utiliza el modelo biomatemático validado SAFTE™, combinado con datos de sueño y factores circadianos de cada operario, para predecir niveles personalizados de fatiga.
Lomas Bayas, una empresa de Glencore, ha optado por proporcionar a los operarios dispositivos wearables de muñeca para capturar los datos del sueño, que se mantienen confidenciales y no se comparten con los supervisores.
Por su parte, Readi utiliza el aprendizaje automático para estimar el sueño y la fatiga de los operarios que no disponen de dispositivos portátiles, basándose en una combinación de horarios de turnos, datos demográficos, encuestas de consumo y patrones observados en el mayor conjunto de datos de dispositivos portátiles.
Seguridad y resultados:
Se demostró que las predicciones de un alto nivel de fatiga se correlacionan con una probabilidad 14 veces mayor de microsueño 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 medio de 6 millones de dólares, así como una reducción estimada del 13% en incidentes con pérdida de tiempo.
"La seguridad y el bienestar de nuestros trabajadores es nuestra máxima prioridad. La aplicación de análisis predictivos probados a la maquinaria ha sido durante mucho tiempo clave para optimizar nuestras operaciones", dijo Hiplán.
