Predicción de la accidentalidad laboral en la industria de pulpa y papel usando algoritmos de clasificación

• Rodolfo Mosquera ^[1] ; Liliana Parra ^[2] ; Ana J Ledesma ^[3] ; Héctor F Bonilla ^[4]
  1. [1] Universidad de San Buenaventura, Bogota

     Universidad de San Buenaventura, Bogota

     Colombia

     
  2. [2] Universidad Libre Colombia

     Universidad Libre Colombia

     Colombia

     
  3. [3] Universidad Icesi

     Universidad Icesi

     Colombia

     
  4. [4] Pontífica Universidad Javeriana

     Pontífica Universidad Javeriana

     Colombia

     

  Mostrar afiliaciones +
• Localización: Información tecnológica, ISSN-e 0718-0764, ISSN 0716-8756, Vol. 32, Nº. 1 (Febrero), 2021, págs. 133-142
• Idioma: español
• Títulos paralelos:
  • Applying data mining techniques to predict occupational accidents in the pulp and paper industry
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    En este artículo se propone un sistema de clasificación para la identificación y la prevención de accidentes laborales en las bodegas de almacenamiento de fibra en una empresa de pulpa de papel. Eso se hace con base en el análisis de variables que incluyen la circulación de peatones, bobcat, tractocamiones, acceso, zonas de circulación peatonal y barandas. La metodología propuesta define y entrena el sistema propuesto con datos recopilados en planta respecto a accidentalidad e incidentes laborales. Se compararon los resultados de tres algoritmos: redes bayesianas, naive bayes y árboles de decisión. Los resultados muestran que, en el 90% de los casos, el clasificador de arboles de decisión J48 identifica correctamente los casos posibles de accidentalidad laboral. Se concluye que la identificación de los atributos que generan la ocurrencia de incidentes y accidentes laborales, permite generar un árbol de decisión C4.5 (J48) que sirve de herramienta y soporte para labores de prevención de accidentes laborales.

  • English

    This research study proposes a classification system to identify and prevent occupational accidents in fiber storage warehouses at a pulp and paper facility. The present analysis is based on variables including pedestrian circulation, bobcat, trailer trucks, access, pedestrian circulation zones, and handrails. The proposed methodology defines and trains the system by using occupational accident event data collected at the facility. Three different predicting algorithms are used: J48 decision-making trees, Naive Bayes, and Bayesian nets. The results show that the J48 decision-making tree algorithm accurately identifies possible occupational accidents 90% of the time. It is concluded that identifying variables involved in occupational accidents allows generating a C4.5 (J48) decision-making tree that can be used as a support tool to prevent occupational accidents.