Análise exploratória e aplicação de técnicas de classificação em dados de acidentes de trabalho da indústria de transformação

Abstract

Resumo: Preocupar-se com a saúde e segurança do trabalhador é uma ação necessária, que impacta organizações públicas, privadas e principalmente a vida do trabalhador. Ao redor do mundo são registrados anualmente milhões de acidentes, doenças e óbitos em função do trabalho ou ambiente ao qual o trabalhador está inserido. Estas ocorrências abalam a vida do trabalhador e seus familiares, assim como afetam a produtividade das organizações, seus recursos materiais e financeiros e sua imagem perante o mercado. Diante deste contexto, torna-se fundamental avaliar e se aprofundar no cenário de saúde e segurança do trabalho a fim de buscar alternativas que reduzam ou cessem esses impactos. Este estudo busca prever a ocorrência de óbitos do trabalhador, utilizando dados de Comunicação de Acidente de Trabalho na indústria de transformação brasileira. Para este fim, a pesquisa é desenvolvida em três fases, primeiro um estudo exploratório, seguido pelo desenvolvimento e concluindo com o refinamento na pesquisa. Além disso, o trabalho está estruturado com a apresentação de dois artigos: um descrevendo a análise exploratória dos dados selecionados e outro com a aplicação de mineração de dados e inteligência artificial explicável. O primeiro artigo descreve o processo de seleção, limpeza e pré-processamento dos dados, com a indicação de categorias mais recorrentes nos registros, tais como sexo masculino, idade entre 26 e 35 anos e indústria de transformação como setor industrial com maior número de ocorrências. Também é desenvolvida uma análise exploratória específica para a indústria de transformação, além da categorização e preparação do conjunto de dados para a etapa seguinte. Posteriormente, no segundo artigo desta pesquisa, realiza-se a mineração de dados, utilizando doze técnicas e cinco métricas para comparação de seus resultados. Dessa etapa indica-se as duas técnicas com melhores resultados: Naïve Bayes e Random Forest. Estas, por sua vez, destinam-se à aplicação de um algoritmo de inteligência artificial explicável, o SHapley Additive exPlanations (SHAP), que apontou os atributos de parte do corpo atingida, natureza da lesão e agente causador, como os mais significativos para a decisão dos modelos. Esta pesquisa, devido ao seu cunho multidisciplinar, apresenta contribuições ao meio científico, mas não apenas a ele, para as organizações e sociedade fornece conhecimento sobre a saúde e segurança. Os resultados da pesquisa envolvem a síntese do cenário de acidentes e doenças do trabalho no Brasil, assim como apresenta uma classificação e indicação dos fatores com maior relação ao óbito na indústria de transformação.

Abstract: Worrying about the health and safety of workers is a necessary action, which impacts public and private organizations and especially society. Around the world, millions of accidents, diseases and deaths are registered annually due to the work or environment in which the worker is inserted. These occurrences affect the workers lives and their families, as well as affect the organizations productivity, their material and financial resources and their image on the market. In this context, it is essential to assess and deepen the occupational health and safety scenario in order to seek alternatives that reduce or stop these impacts. Based on this motivation, the present study seeks to predict the worker deaths, using data from the Work Accident Report in the Brazilian manufacturing industry. To this end, the research is developed in three phases, first an exploratory study, followed by development and concluding with research refinement. In addition, the work is structured with the presentation of two articles: one describing the exploratory analysis of selected data and the other with the data mining application and explainable artificial intelligence. The first article describes the data selection process, cleaning and pre-processing, indicating the most recurrent categories in the records, such as male gender, age between 26 and 35 years and manufacturing industry as the industrial sector with the highest number of occurrences. A specific exploratory analysis for the manufacturing industry is also developed, in addition to the categorization and dataset preparation for the next step. Later, in the second article of this research, data mining is performed, using twelve techniques and five metrics to compare their results. From this stage, the two techniques with the best results are indicated: Naïve Bayes and Random Forest. These, in turn, are intended to apply an explainable artificial intelligence algorithm, SHapley Additive exPlanations (SHAP) which highlights the attributes of the affected body part, injury nature and causative agent, as the most significant for the model decision. This research, due to its multidisciplinary nature, presents contributions to the scientific community, but not only to it, also for organizations and society, it provides knowledge about health and safety. The research results involve a synthesis of the scenario of occupational accidents and diseases in Brazil, as well as presenting a classification and indication of the factors most related to death in the manufacturing industry.