Diseño de un aplicativo basado en técnicas de aprendizaje automático-visión por computador para la evaluación de la carga de trabajo fisiológica en tareas manuales dinámicas

Hoy en día, la ergonomía ha ido asumiendo un papel muy importante dentro de las organizaciones, ya que éstas imponen mayores exigencias a los empleados para seguir siendo competitivas en el mercado. Esta disciplina hace hincapié en el cuidado de las personas que trabajan en las organizaciones, proporcionando a los empleados un entorno de desarrollo más productivo y reduciendo el riesgo de obtener trastornos musculoesqueléticos en los empleados que realizan actividades manuales dinámicas como el levantamiento y transporte de cargas. Este proyecto de grado desarrolla mejoras en el método de evaluación ergonómica de observación directa, a través de la modificación de algoritmos donde se desarrolló una aplicación no invasiva que permite la visión por ordenador, para obtener y medir parámetros fisiológicos como la frecuencia cardiaca para realizar una evaluación ergonómica bajo los criterios de Frimat. La evaluación que ofrece la aplicación reducirá drásticamente la subjetividad de la evaluación del profesional y apoyará la transformación tecnológica integrada con la Industria 4.0, dando la posibilidad de que cualquier tipo de empresa pueda hacer uso de este tipo de tecnología sin aumentar drásticamente sus costes. Este proyecto de grado se desarrolló principalmente bajo la metodología Design Thinking, desarrollando dentro de esta, otras metodologías o herramientas como el mapa de empatía, los cinco sombreros y SCRUM donde se realizó inicialmente la recolección de datos actuales y el análisis del centro, finalizando en el diseño completo de la aplicación y su correcto funcionamiento. La aplicación cumple con la medición de la frecuencia cardiaca del sujeto mientras realiza tareas de carga dinámica y a su vez con la medición del riesgo ergonómico que presenta. Los datos reportados por la aplicación fueron respaldados, por un lado, al realizar un análisis estadístico a través de un ANOVA de medidas repetidas donde se obtuvo un resultado favorable mostrando que la combinación Altura-Repeticiones es la que presenta mayor efecto sobre la variable respuesta (FC). Por otro lado, la validación de su funcionamiento con un pulsómetro se realizó con una prueba estadística T emparejada, concluyendo que la aplicación tiene una eficacia del 97,5% respecto al equipo de medición directa.

• Autores: Vergara Rubio, Paula Alejandra; Rosero Pauwels, Valentina; Quesada Martinez, Cristhian Felipe; Cubillos Cifuentes, Valentina
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2022
• Institución: Pontificia Universidad Javeriana
• Repositorio: Repositorio Universidad Javeriana
• Idioma: spa
• OAI Identifier: oai:repository.javeriana.edu.co:10554/61215
• Acceso en línea: http://hdl.handle.net/10554/61215
• Palabra clave: Ergonomía; Frecuencia cardiaca; Detección facial; Visión por computador; Fisiología del trabajo; Aprendizaje automàtico; Aplicativo; Ergonomics; Heart rate; Face detection; Computer vision; Work-physiology; Machine learning; Aplication; Ingeniería industrial - Tesis y disertaciones académicas; Ergonomía; Aprendizaje automático (Inteligencia artificial); Visión por computador; Detección a distancia
• Rights: openAccess
• License: Atribución-NoComercial-SinDerivadas 4.0 Internacional