Detección de fatiga y exploración de su anticipación mediante inteligencia artificial y señales multimodales en trabajadores mineros.
Loading...
Date
2026
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad de los Andes, Chile
Abstract
La fatiga laboral en la industria minera concentra aproximadamente el 8 % de las fatalidades laborales globales, lo que motiva la búsqueda de sistemas de detección temprana basados en señales fisiológicas. Esta tesis evalúa algoritmos de aprendizaje automático para la detección de fatiga multidimensional en trabajadores mineros, en el marco del sistema OmniFatigue Tracker, mediante un trabajo experimental dividido en tres fases.
La Fase 1 implementa un benchmark comparativo de 14 modelos (5 clásicos y 9 de Deep Learning) sobre el conjunto de datos público FatigueSet (4 canales EEG, 12 sujetos), incluyendo un análisis crítico de los esquemas de etiquetado utilizados en el estudio original. En esta etapa, SVM alcanza un Macro-F1 de 0,620 bajo el etiquetado por condición de intensidad.
La Fase 1-bis aporta el primer benchmark independiente sobre el conjunto de datos MPD-DF (32 canales, 50 sujetos, etiquetado clínico). En este escenario, CatBoost alcanza un F1 de 0,728, comparable al benchmark interno reportado por el estudio original (MSCNN-CAM, F1 = 0,705), además de documentar el colapso de modelos Transformer bajo condiciones de desbalance extremo de clases (94 %/6 %).
La Fase 2 desarrolla un experimento sobre la cohorte propietaria Sigma, compuesta por 10 trabajadores mineros efectivos evaluados con 16 canales EEG OpenBCI y señales periféricas EmotiBit. Se comparan siete estrategias de etiquetado y se adopta como etiqueta primaria la fracción de épocas no-Wake estimada por YASA, utilizada como pseudoetiqueta EEG interna. Esta decisión se fundamenta en la replicación del fenómeno de perceptual blindness en trabajadores mineros, evidenciado por la escasa concordancia entre las medidas subjetivas y los indicadores fisiológicos (κ = 0,001; ρ = 0,081).
El clasificador CatBoost entrenado con esta pseudoetiqueta alcanza un Macro-F1 de 0,631 bajo validación Leave-One-Subject-Out (LOSO), mostrando una generalización intersujeto estadísticamente significativa. Para mejorar este rendimiento se evaluaron ocho líneas de investigación adicionales, incluyendo características enriquecidas con HRV e IMU, modelos secuenciales, transferencia de aprendizaje, análisis de componentes independientes (ICA), fusión multimodal, geometría de Riemann y modelos fundacionales como CBraMod y NormWear. Ninguna de estas estrategias logró superar significativamente el rendimiento del modelo base basado exclusivamente en EEG.
Los resultados sugieren que la principal limitación del sistema corresponde al reducido tamaño muestral de la cohorte, más que a la representación de características o a la arquitectura de los modelos. La hipótesis de que la fusión multimodal supera a los enfoques unimodales no pudo ser confirmada bajo las condiciones experimentales disponibles. Asimismo, la hipótesis de transferibilidad de representaciones mostró evidencia preliminar, pero no concluyente.
Las contribuciones originales de esta investigación son: (i) una pseudoetiqueta EEG interna validada para trabajadores mineros sin una medida subjetiva confiable de fatiga; (ii) el primer benchmark independiente del conjunto de datos MPD-DF; (iii) evidencia robusta de la ausencia de mejoras significativas mediante fusión multimodal en cohortes pequeñas; y (iv) un pipeline reproducible de control de calidad que integra registros sistemáticos de revisión realizados por analistas.
Description
Tesis para optar al grado académico de Magíster en Ciencias de la Ingeniería
Keywords
Fatiga Laboral, Industria Minera, Inteligencia Artificial, Electroencefalografía, Aprendizaje Automático
Citation
Lizama Rodríguez, F. (2026). Detección de fatiga y exploración de su anticipación mediante inteligencia artificial y señales multimodales en trabajadores mineros [Tesis de magíster, Universidad de los Andes]. Repositorio Institucional UANDES. https://repositorio.uandes.cl/handle/123456789/70598