Identificação e Enquadramento:
Designação do projeto: iSafety: Sistema inteligente para a segurança e bem-estar ocupacional no setor do retalho
Código do projeto: NORTE-01-0247-FEDER-072598
Objetivo principal: Reforçar a investigação, o desenvolvimento tecnológico e a inovação
Região de intervenção: Norte
Entidade(s) beneficiária(s):
MORE – Laboratório Colaborativo Montanhas de Investigação – Associação (Líder do projeto)
IPB – Instituto Politécnico de Bragança
Sonae MC – Serviços Partilhados, SA
Data de aprovação: 29-07-2021
Data de início: 01-04-2021
Data de conclusão: 30-06-2023
Investimento total elegível: 617.145,80 €
Apoio financeiro da União Europeia: FEDER – 413.504,0
Objetivos
Obtenção de um produto funcional para a o setor do retalho, sendo neste projeto o alvo a Direção de Saúde e Segurança no Trabalho da SONAE MC, para apoio à gestão e prevenção dos acidentes e consequente redução de risco (capaz de identificar a probabilidade de acidentes futuros, a partir de dados históricos).
Desenvolver uma extensão local do modelo preditivo a implementar em 9 unidades da SONAE MC. Objetivo é ir além da leitura de dados históricos e criar a interação e comunicação entre o modelo preditivo e a unidade local, nomeadamente disponibilizar um produto piloto que possa ser alimentado através de insights locais (ex. avaria de uma máquina) ou externos (previsão de tempo).
Com a implementação da solução desenvolvida pretende-se:
- Reduzir em 20% o número de acidentes de trabalho nas 9 unidades em estudo.
- Reduzir em 10% o índice de frequência de acidentes de trabalho nas 9 unidades.
- Reduzir em 10 % o índice de gravidade dos acidentes de trabalho nas 9 unidades.
Atividades
A1 – Estudos preliminares e especificações técnicas
A2 – Concepção do modelo de previsão
A3 – Desenvolvimento do protótipo em ambiente controlado
A4 – Teste e validação em ambiente relevante
A5 – Disseminação, comunicação e exploração de resultados
A6 – Gestão do projeto
Resultados esperados
Uma ferramenta inovadora suportada por ferramentas de ICT combinadas com estratégias estatísticas, análise de dados e algoritmos de machine learning para a identificação precoce de situações com potencial risco de acidente ou de desenvolvimento de doença relacionada com o seu trabalho.
