sábado, 28 de abril de 2018

¿Cómo se mide la accidentabilidad en la industria minera? Índices de Accidentabilidad vs Ecuaciones de Estado


Índices de Accidentabilidad vs Ecuaciones de Estado 

El índice de accidentabilidad de la industria minera se mide tradicionalmente como una combinación lineal de la frecuencia y la severidad de los accidentes. Esta metodología es precaria y a toda luz insuficiente puesto que no toma en cuenta el riesgo geológico ni los esfuerzos de control en la gestión que las compañías mineras puedan adoptar. Sin embargo de esta medición dependen decisiones importantes, tales como el costo de las primas de seguros, el esfuerzo y nivel de fiscalización regulatoria, los esfuerzos de gestión de las organizaciones entre otras. Es por ello que investigadores como Qi Lixia (2015) han incorporado un nuevo método construido a partir de ecuaciones de estado para el caso de minas de carbón en China complementariamente dos componentes adicionales: el grado de control de la gestión y el grado de la complejidad de la operación los cuales sensibilizan los índices a partir de una nueva forma de cálculo basada en ecuaciones de estado donde la accidentabilidad del periodo actual depende de la accidentabilidad del período anterior afectado por las nuevas variables de estudio, sin embargo la investigación de Lixia considera que la ecuación de estado actúa en condiciones perfectas asumiendo un error de cero, lo cual no necesariamente refleja el comportamiento de los sectores en condiciones reales. 


Si analizamos la introducción de los nuevos componentes propuestos por Lixia en la efectividad de la predicción del índice de accidentabilidad de la industria minera incluyendo un factor de error real que depende de la entropía de la información que sustenta los registros de la estadística de seguridad de las minas podremos establecer si esta nueva medida lograda a partir de las ecuaciones de estado genera en el Perú una mejor correlación respecto a la que puede lograrse con la regresión lineal aplicada en el sistema de medición tradicional.

El método tradicional incluye un Índice de Frecuencia (IF) y un Índice de Severidad (IS) definidos de la siguiente manera:

IF=(NAIF*200,000)/NTHHT

IS=(NDPAIF*200,000)NTHHT

IA= (IF*IS)/200

Donde:

NAIF: Número de Accidentes Incapacitantes y Fatales ocurridos
NTHHT: Número total de Horas-Hombre trabajadas
NDPAIF: Número de días perdidos por accidentes incapacitantes y fatales
IA: Índice de Accidentabilidad

El método desarrollado por Qi Lixia es el siguiente:

Y(K)=((H)/C)+((Y(0)-(H/C))*(1-C)K )

Donde:

Y(K): Estado de la seguridad en el instante k
Y(0): Estado de la seguridad en instante inicial
H: Grado de complejidad de la operación
C: Grado de Control de gestión de la operación

Ahora bien si ampliamos la ecuación de estado en forma extendida incorporando un factor de error distinto de cero tenemos una ecuación generalizada de estado como la siguiente:

Y(K)=(((H+W)/C)+((Y(0)-((H+W)/C))*(1-C)K )

Donde sí W=0 se tienen los resultados obtenidos en los trabajos de Lixia

En este análisis W es un factor que no puede ser despreciado porque su introducción puede generar un impacto determinante en los resultados. En el análisis de la información de la estadística de la seguridad minera reportada en Perú entre el año 2010 y 2015 se pueden encontrar múltiples factores potenciales de error que pueden aproximar un valor de W distinto con impactos significativos en la definición del estado de la seguridad en un momento determinado. Sin embargo y dado que los factores podrían ser tan diversos como el temor al reporte por multas, las restricciones de cuidado legal de los reportes o la falta de transparencia por la informalidad de la entidad que reporta entre otros muchos, este factor de error se vuelve complejo de analizar y requiere un mínimo de consenso con el regulador para lograr una medición objetiva de la accidentabilidad en la industria

Para los investigadores que estén interesados en profundizar más sobre este interesante tema recomendamos leer los siguientes trabajos:

Cao, Q y Chen, W. (1999). Research on Mine safety target management method and its application software. Industrial Safety and Environmental Protection (2), p 25-29

Li-Xia, Q. (2013). A multiple factors safety prediction algorithm based on genetic neural networks in coal mine safe-state. Sensors & Transducers, 159(11), 385-390. 

Li-Xia, Q. (2015). A calculation model of coal mine safety management based on Kalman filter Algorithm. Journal of Chemical and Pharmaceutical Research 7(3), p 1204-1209

Long, R., Sun K., Neitsel R., (2015) Injury risk factors in a small-scale gold mining community in Ghana´s upper east region. International Journal of Environmental Research and Public Health (12), p 8744-8761

Maio, F. D., Vagnoli, M., & Zio, E. (2015). Risk-based clustering for near misses identification in integrated deterministic and probabilistic safety analysis. Science and Technology of Nuclear Installations, doi:http://dx.doi.org/10.1155/2015/693891

Martin, D.  K., & Black, A.  (2015).  Preventing serious injuries & fatalities:  Study reveals precursors & paradigms. Professional Safety, 60(9), 35-43.

Scotton, C.  R.  (2013).  New risk rates inter-industry differentials and the magnitude of VSL estimates. Journal of Benefit-Cost Analysis, 4(1), 39-80. doi:http://dx.doi.org/10.1515/jbca-2012-0015