Diseño de un sistema de detección de fatiga laboral mediante monitoreo de frecuencia cardiaca con inteligencia artificial. Design of a work fatigue detection system through heart rate monitoring with artificial intelligence.
Barra lateral del artículo
Contenido principal del artículo
Resumen
El presente proyecto tiene como objetivo diseñar un sistema inteligente capaz de detectar la fatiga laboral en los trabajadores mediante el monitoreo continuo de su frecuencia cardíaca. Utilizando sensores de frecuencia cardíaca y algoritmos de inteligencia artificial, el sistema podrá identificar patrones que indiquen niveles elevados de fatiga y alertar a los usuarios o supervisores en tiempo real. El diseño del sistema contempla la integración de tecnologías como el Internet de las Cosas (IoT) y el aprendizaje automático para mejorar la precisión en la detección de síntomas de agotamiento. Además, se prevé la implementación de una interfaz intuitiva que permita visualizar los datos de manera clara y ofrecer recomendaciones para mitigar los efectos de la fatiga.
Entre los principales beneficios de esta solución se encuentran la prevención de accidentes laborales, el aumento de la productividad y la mejora del bienestar de los empleados. El uso de inteligencia artificial en este contexto permitirá una detección más rápida y efectiva, contribuyendo a la creación de entornos laborales más seguros y saludables.Este sistema podrá adaptarse a diferentes sectores industriales y configurarse según las necesidades específicas de cada entorno de trabajo, garantizando una aplicación versátil y eficiente.
Descargas
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Citas
(OIT), O. I. (2023). Organización Internacional del Trabajo. Obtenido de Organización Internacional del Trabajo: https://www.ilo.org/es/temas/seguridad-y-salud-en-el-trabajo/riesgos-fisicos
(UNIR), U. I. (2022). Riesgos psicosociales en el trabajo: Tipos y estrategias de prevención. Obtenido de Universidad Internacional de La Rioja (UNIR): https://ecuador.unir.net/actualidad-unir/riesgos-psicosociales-trabajo/
Blog, A. (Noviembre de 2024). Tipos de Inteligencia Artificial: Desde Máquinas Reactivas hasta Autoconciencia. Obtenido de Tipos de Inteligencia Artificial: Desde Máquinas Reactivas hasta Autoconciencia: https://iartificial.blog/aprendizaje/tipos-de-inteligencia-artificial/
Castillo Cárdenas, W. E. (2 de junio de 2024). Fatiga laboral y lesiones osteomusculares en el personal de seguridad. Obtenido de https://repositorio.utn.edu.ec/handle/123456789/16143.
Chasiguano, E. A. (abril de 2023). Prototipo modular con alarma para la detección de la fatiga y anti-sueño. Obtenido de https://repositorio.puce.edu.ec/handle/123456789/39743.
Cortez Morán, V. A. (marzo de 2024). Estudio del impacto del estrés sobre la presión arterial mediante el monitoreo de la frecuencia cardíaca. Obtenido de https://dspace.ups.edu.ec/handle/123456789/28359.
Darryl Royal, PhD. (Octubre de 2022). Fatigue Risk Management Systems. Obtenido de The Synergist – American Industrial Hygiene Association (AIHA): https://synergist.aiha.org/202210-fatigue-risk-management-systems
Farinango, X. E. (9 de marzo de 2022). Sistema detector de fatiga electrocardiográfico para prevenir el estado de somnolencia en conductores de vehículos. Obtenido de https://repositorio.utn.edu.ec/jspui/handle/123456789/12147.
Gonzalez, F. (2 de Junio de 2023). DataScope. Obtenido de https://datascope.io/es/blog/inteligencia-artificial-en-seguridad-laboral/
Goodfellow, I., Bengio, Y.,& Courville, A. (2016). Deep learning. MIT Press. Obtenido de https://www.deeplearningbook.org/
Guerra, M. D. (2023). Sistema de reconocimiento de indicadores de somnolencia mediante inteligencia artificial [Tesis de grado, Universidad Técnica de Ambato]. Repositorio UTA. Obtenido de https://repositorio.uta.edu.ec/items/3779bb0a-7000-4597-abf2-837405ccc39d.
Hospitals, M. (01 de Agosto de 2024). Medicover Hospitals. Obtenido de https://www.medicoverhospitals.in/es/articles/types-of-fatigue-causes
Jane de Lourdes Toro Toro, Raúl Comas Rodruígez, Fernando Castro Sánchez. (17 de 12 de 2020). Universidad y Sociedad. Obtenido de https://rus.ucf.edu.cu/index.php/rus/article/view/1887#:~:text=Entre%20las%20principales%20normas%20podemos,en%20la%20Construcci%C3%B3n%2C%20entre%20otros.
Madeline Sprajcer, Imelda Wong y Drew Dawson. (OCTUBRE de 2022). El Sinergista. Obtenido de ynergist.aiha.org/202210-fatigue-risk-management-systems#:~:text=Fatigue%20Risk%20Management%20Systems%20A%20fatigue%20risk%20management%20system%20(FRMS,in%20the%20last%20two%20decades.
Morales Anguisaca, Carlos Marcelo; Reinoso Avecillas, María Belén; Narváez Zurita, Carla Ivonne. (2024). Factores asociados a la fatiga laboral y su influencia en los trastornos del sueño. Obtenido de Universidad y Sociedad: https://rus.ucf.edu.cu/index.php/rus/article/view/4064
Russell, Stuart J.; Norvig, Peter. (2021). Artificial Intelligence: A Modern Approach. Pearson ( Fourth Edition).
Tim Mucci; Cole Stryker. (18 de Diciembre de 2023). IBM (sitio oficial de IBM Think). Obtenido de What is artificial superintelligence?: https://www.ibm.com/think/topics/artificial-superintelligence
Trabajo, A. E. (2025). Agencia Europea para la Seguridad y Salud en el Trabajo. Obtenido de https://osha.europa.eu/es/themes/psychosocial-risks-and-mental-health
Trabajo, O. I. (22 de Abril de 2024). Organizacion Internacional del Trabajo (OIT). Obtenido de https://www.ilo.org/es/temas/seguridad-y-salud-en-el-trabajo/riesgos-fisicos
Turing, A. M. (1950). Computing machinery and intelligence. Mind, 433-460. Obtenido de Computing machinery and intelligence.: https://doi.org/10.1093/mind/LIX.236.433
UNIR. (21 de ABRIL de 2022). UNIR. Obtenido de https://ecuador.unir.net/actualidad-unir/riesgos-psicosociales-trabajo/
Valencia, U. I. (5 de Marzo de 2024). Inteligencia artificial ventajas y desventajas. Obtenido de https://www.universidadviu.com/es/actualidad/nuestros-expertos/inteligencia-artificial-ventajas-y-desventajas