Modelo de predição de acidentes com afastamento usando técnicas de aprendizado de máquina

Resumo

Na construção civil, os acidentes com afastamentos implicam em um elevado custo para a saúde e previdência social, além dos custos indiretos para a empresa e os danos causados ao trabalhador. Nesse contexto, o aprendizado de máquina (AM) destaca-se como uma tecnologia promissora para agilizar a análise de grandes volumes de dados e prever eventos, auxiliando na gestão preventiva de acidentes. Portanto, este artigo busca desenvolver um modelo de predição de acidentes com afastamento usando algoritmos de AM e dados históricos de acidentes. O conjunto de dados compreende 28.100 acidentes (ocorrências da construção civil – trabalhadores regulares), de 2018 a 2023, distribuídos em 15 variáveis binárias e categóricas. Após o pré-processamento, as previsões foram realizadas por meio de sete modelos com diferentes classificadores. O modelo Random Forest apresentou o melhor desempenho, alcançando acurácia de 0,775, precisão de 0,768 e recall de 0,776. Como contribuição, este estudo demostra o potencial da tecnologia para análise e predição de acidentes com afastamento, além de possibilitar insights sobre os atributos que mais influenciam na ocorrência dos eventos. Entretanto, o estudo destaca a necessidade da inclusão de atributos relacionados ao contexto do acidente, visando aumentar a precisão e robustez do modelo.