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

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.
  • 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
  • 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.