Skip navigation
Use este identificador para citar ou linkar para este item: https://repositorio.ufpe.br/handle/123456789/64904

Compartilhe esta página

Título: Aplicação de visão computacional na gestão de riscos da indústria de óleo e gás
Autor(es): LIMA, Gustavo Camargo Rocha
Palavras-chave: Gestão de riscos; Visão computacional; Indústria de óleo e gás; Aprendizagem de máquina; Equipamento de proteção individual; Segurança no trabalho
Data do documento: 8-Jul-2025
Citação: LIMA, Gustavo Camargo Rocha. Aplicação de visão computacional na gestão de riscos da indústria de óleo e gás. 2025. 74f. Trabalho de Conclusão de Curso (Graduação) - Curso de Engenharia de Produção, Departamento de Engenharia de Produção, Centro de Tecnologia e Geociências, Universidade Federal de Pernambuco, Recife, 2025.
Abstract: As indústrias de transformação se caracterizam pela complexidade de suas operações e pelo elevado risco ocupacional. Estudos extensivos sobre acidentes industriais apontam que os desvios operacionais causados por fatores humanos figuram entre as principais causas desses eventos. Nesse contexto, uma indústria do setor de óleo e gás (O&G) propôs uma série de desafios relacionados à segurança do trabalho, considerando a dificuldade das equipes em monitorar todos os desvios operacionais. A partir desse cenário, surgiu a motivação para investigar como realizar uma gestão preventiva mais eficaz da segurança no trabalho. Dentre eles, os desvios relacionados ao uso de equipamentos de proteção individuais foram destaque, que neste trabalho foram estudados os usos de capacete, luva e vestimenta de proteção. Além disso, a segurança é um tema comum a diversas indústrias, e para demonstrar a adaptabilidade da solução, também houve interesse por parte de duas outras empresas (uma no setor de vidro e outra da indústria alimentícia) que contribuíram para a execução de testes de rastreamento de pessoas e veículos. Diante disso, o presente trabalho buscou desenvolver um sistema de monitoramento com visão computacional (VC), capaz de identificar, em tempo real, o uso correto de EPIs, além de rastrear a movimentação de pessoas e veículos em ambientes industriais. Para tal, foi implementado um modelo baseado no Faster R-CNN, utilizando dados combinados de datasets públicos e de coletas realizadas em campo. Os resultados obtidos demonstram que o sistema é eficaz na detecção de desvios operacionais, alcançando mais de 70% de mean Average Precision (mAP) em todos os testes e atingindo um máximo de 94% de mAP na detecção de capacetes. O sistema mostrou-se capaz de operar em tempo real e adaptável a diferentes contextos industriais, tendo sido validado em cenários de três setores distintos. Essa solução oferece às equipes de segurança o potencial de realizar um monitoramento contínuo nas principais áreas de atividade das plantas industriais, facilitando a identificação de causas recorrentes de desvios operacionais. Isso possibilita a implementação de ações corretivas imediatas e até mesmo de treinamentos direcionados para fortalecer a cultura de segurança nas empresas. Com sua capacidade de adaptação, a tecnologia proposta revela o potencial da visão computacional como uma ferramenta versátil para enfrentar desafios complexos e diversos no ambiente industrial.
URI: https://repositorio.ufpe.br/handle/123456789/64904
Aparece nas coleções:(TCC) - Engenharia de Produção

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
TCC Gustavo Camargo Rocha Lima.pdf2,76 MBAdobe PDFThumbnail
Visualizar/Abrir


Este arquivo é protegido por direitos autorais



Este item está licenciada sob uma Licença Creative Commons Creative Commons