Los últimos avances en aprendizaje automático permiten a las flotas de camiones predecir la probabilidad de que cada conductor sufra un accidente relacionado con el cansancio en cualquier turno próximo, antes de que el conductor se ponga al volante.
Con esta tecnología, las flotas pueden señalar a los expedidores los riesgos de fatiga extrema y, en casos raros pero críticos, sustituir a los conductores para evitar accidentes. El uso de esta tecnología predictiva tiene el potencial no sólo de mejorar los registros de seguridad, sino también de mejorar la eficiencia de las flotas y reducir los costes de los seguros.
ReadiDispatch, una plataforma de aprendizaje automático de Fatigue Science, con sede en Vancouver, combina varias tecnologías para predecir el riesgo de accidente diario de cada conductor. Los datos de los dispositivos electrónicos de registro de datos (ELD) son una de las entradas fundamentales de este algoritmo. Aunque los ELD se han generalizado para cumplir la normativa sobre horas de servicio (HoS), las flotas se han dado cuenta de que sus índices de siniestralidad siguen siendo obstinadamente altos.
En pocas palabras, el cumplimiento de los requisitos HoS no es suficiente para eliminar las decenas de miles de accidentes de camiones que siguen causando lesiones, muertes, elevados costes y altas tasas de seguros para las flotas de todos los tamaños. Con la Administración Nacional de Seguridad del Tráfico en Carreteras estimando que la conducción somnolienta cuesta unos 12.400 millones de dólares anuales a las flotas estadounidenses, no es de extrañar que el 97% de los propietarios de flotas afirmen estar preocupados por la fatiga del conductor.
La revolución de los datos del aprendizaje automático ofrece a las flotas la oportunidad de hacerlo mucho mejor.
Ahora, las flotas pueden predecir y prevenir los casos críticos de fatiga del conductor con una precisión mucho mayor de lo que se puede lograr únicamente con el cumplimiento de HoS.
Cómo funciona
Para empezar, ReadiDispatch realiza una estimación personalizada del historial de sueño de cada conductor durante los 10 días anteriores a cada turno. Los datos únicos del ELD del conductor informan de las ventanas de oportunidad de sueño disponibles y, lo que es más importante, el algoritmo de aprendizaje automático de ReadiDispatch personaliza las estimaciones del sueño real obtenido por cada conductor.
Las estimaciones se personalizan en términos de calidad del sueño, cantidad de sueño y las horas de inicio del sueño y de vigilia, utilizando un "conjunto de datos de entrenamiento" sin precedentes para calibrar los resultados. Los datos de entrenamiento ML se componen de más de 4 millones de horas de sueño no identificadas registradas por los wearables de los trabajadores por turnos de todo el mundo. (Los wearables no son necesarios para que las flotas utilicen ReadiDispatch). A continuación, el modelo ML combina los datos ELD, los datos demográficos y las respuestas a la encuesta de admisión de cada conductor, y los compara con los datos de formación que tienen etiquetas similares. El resultado es un historial de sueño personalizado de 10 días para cada conductor, antes de cada turno.
Por último, ReadiDispatch pasa el historial de sueño estimado de cada conductor a SAFTE™, el modelo biomatemático de fatiga líder en el mundo. SAFTE fue desarrollado por el Ejército de EE.UU. y está validado por el Departamento de Transporte de EE.UU., la FAA y muchos otros. El modelo produce una predicción de la fatiga hora a hora de 0 a 100 para cada operador, conocida como ReadiScore.
Predicción de la probabilidad de accidente a partir del nivel de fatiga
Los análisis retrospectivos pueden examinar la tasa de accidentes ocurridos en servicio según el ReadiScore correspondiente en el momento de la operación. Un gráfico como el que se muestra a continuación revelará datos únicos sobre el papel de la fatiga en el historial de seguridad de su flota, y servirá de base para un análisis coste-beneficio para establecer un "umbral de conducción permitido" por encima de un determinado ReadiScore. El análisis cuantificará la compensación esperada entre la reducción de accidentes y la frecuencia esperada de sustitución de conductores.
¿Qué puede esperar encontrar su flota?
La dinámica de cada flota es única, por lo que los resultados de este análisis variarán. Sin embargo, múltiples estudios publicados indican que los resultados de su flota probablemente mostrarán una concentración muy alta de incidentes en ReadiScores bajos, y menos incidentes en ReadiScores altos.
El Departamento de Transporte de EE.UU., por ejemplo, publicó un estudio que revela una relación directa entre la puntuación ReadiScore y la probabilidad de accidente en operaciones ferroviarias. Del mismo modo, dos estudios telemáticos realizados por Fatigue Science mostraron una incidencia 8,5 veces mayor de frenazos bruscos, 4 veces mayor de excesos de velocidad y 14 veces mayor de microsueños cuando los ReadiScores de los conductores habían pronosticado un alto nivel de fatiga.
Un análisis personalizado para su flota, gratis
Fatigue Science está dispuesta a realizar un análisis retrospectivo de la fatiga, sin coste alguno, para flotas de cualquier tamaño, ya que le ayudará a comprender el papel de la fatiga en sus operaciones y los beneficios potenciales de ReadiDispatch en el historial de seguridad y eficiencia de su flota.
Para una evaluación inicial, los únicos datos necesarios son una muestra de los datos ELD desidentificados de su flota y los registros de incidentes correspondientes. El uso de wearables no es necesario ni para el análisis en sí ni para el uso operativo del ReadiDispatch.
Si está interesado en obtener más información sobre un análisis gratuito de cómo esta tecnología de vanguardia podría beneficiar a la seguridad y eficiencia de su flota, póngase en contacto con nuestros expertos en fatiga hoy mismo.
