Aplicação da inteligência artificial na prevenção de acidentes de trabalho: uma revisão sistemática de literatura
-
Published:2023-08-09
Issue:8
Volume:14
Page:12934-12960
-
ISSN:2178-9010
-
Container-title:Revista de Gestão e Secretariado (Management and Administrative Professional Review)
-
language:
-
Short-container-title:R. G. Secr.
Author:
Da Silva Alexandre PintoORCID, Dutra Frederico Giffoni de CarvalhoORCID, Corrêa FábioORCID, Ribeiro Jurema Suely de Araújo NeryORCID
Abstract
Os acidentes de trabalho representam um problema não só no Brasil, mas também em todo o mundo. A Organização Internacional do Trabalho estima que 2 milhões de pessoas morrem no mundo a cada ano de causas relacionadas ao trabalho. Empresas, governos e trabalhadores estão sempre em busca de medidas para a prevenção dos riscos nos ambientes laborais. Esta pesquisa apresenta uma revisão sistemática de literatura, com o objetivo de identificar quais as principais publicações internacionais que abordam a aplicação da IA na segurança do trabalho, com o foco na prevenção de acidentes. Após a elaboração do protocolo de pesquisa, e realização de busca nas bases Emerald Insight, IEEE Xplore, Science Direct, Scopus e Web of Science foram encontrados 2.369 artigos que, após a aplicação dos critérios de exclusão, foram selecionados 31 artigos ligados diretamente à temática. Os países com mais pesquisas foram China, EUA e Coreia do Sul, com cerca de 50% do total. Em relação ao tipo de IA utilizada nas pesquisas, 65% usam Deep Learning, enquanto Machine Learning foi usado por 35%. Ficou evidenciado que a IA aplicada a segurança do trabalho ainda é pouco explorada, havendo um bom aumento a partir de 2022.
Publisher
South Florida Publishing LLC
Subject
Materials Science (miscellaneous)
Reference62 articles.
1. AEPS - ANUÁRIO ESTATÍSTICO DA PREVIDÊNCIA SOCIAL (2019). Recuperado de: < https://www.gov.br/trabalho-e-previdencia/pt-br/assuntos/previdencia-social/saude-e-seguranca-do-trabalhador/dados-de-acidentes-do-trabalho >. Acesso em: 30 de dez. 2022. 2. AOKI, K., Nishikawa, H., Makihara, Y., Muramatsu, D., Takemura, N., & Yagi, Y. (2021). Physical Fatigue Detection From Gait Cycles via a Multi-Task Recurrent Neural Network. IEEE Access, 9, 127565-127575. 3. BALAKRESHNAN, B., Richards, G., Nanda, G., Mao, H., Athinarayanan, R., & Zaccaria, J. (2020). PPE compliance detection using artificial intelligence in learning factories. Procedia Manufacturing, 45, 277-282. 4. BENTO, C. R., Cusioli, L. F., Rezende, D., & Mantovani, D. Quantitativo de acidentes de trabalho na construção civil de 2015-2019 no Brasil: Uma revisão. A engenharia de segurança do trabalho e suas diversidades aplicadas na prática Volume, 25. 5. BONIFAZI, G., Corradini, E., Ursino, D., Virgili, L., Anceschi, E., & De Donato, M. C. (2022). A machine learning based sentient multimedia framework to increase safety at work. Multimedia tools and applications, 81(1), 141-169.
|
|