La identificación y análisis de las principales variables asociadas a los accidentes marítimos en aguas SAR españolas

Abstract

[Resumen] En esta tesis doctoral se utiliza una base de datos que incluye variables pertenecientes a 163 accidentes e incidentes marítimos en la zona SAR española. Para disponer de estos datos se ha llevado a cabo un estudio de los informes publicados por la Comisión de Investigación de Accidentes e Incidentes Marítimos española (CIAIM). El análisis de estos accidentes ha permitido extraer las distintas variables que se han empleado en los cálculos de esta investigación. El estudio pretende demostrar que existe cierta implicación de las distintas variables asociadas a cada tipo de accidente marítimo, ante la falta de estudios de este tipo en esta región y de sus respectivas implicaciones. Para este fin, se han hecho estudios estadísticos descriptivos e inferenciales y continuado con estudios basados en técnicas de inteligencia artificial tales como análisis de clustering o redes neuronales. Dentro de los estudios estadísticos, cabe destacar el uso combinado un análisis ANOVA con redes Bayesianas, mostrando los resultados una buena concordancia con estudios de otras regiones, pero con algunas particularidades por cada tipo de accidente analizado. En particular, la eslora de los buques se definió como la variable más pertinente, en ese momento, para diferenciar los tipos de accidentes. De igual modo, tanto el año de construcción como el hecho de que el buque cumpla con los requisitos mínimos de tripulación demostraron ser excelentes variables para modelar los accidentes. A pesar de ello, las particularidades de la región española de Búsqueda y Salvamento, se tuvieron en cuenta en su momento para caracterizar los accidentes. En este sentido, aunque algunas variables, como visibilidad y condiciones del mar, fueron empleadas en diferentes estudios previos y resultó concluyente su vinculación con la concurrencia de accidentes, resultaron ser las menos idóneas para definir los siniestros marítimos de esta región. Por último, se obtuvieron diferentes modelos para relacionar variables que constituían la base del análisis dinámico determinista. Además, para mejorar la precisión del trabajo desarrollado se obtuvieron algunas pautas: revisión de las escalas de accidentes CIAIM, identificación de variables redundantes y necesidad de un acuerdo en el momento para definir los límites de clasificación de cada variable de identificación. Por otra parte, este trabajo de investigación propone el uso de algoritmos de aprendizaje automático para identificar la relación entre los factores humanos y las principales variables. En última instancia, se ha realizado una aproximación desde el punto de vista de la inteligencia artificial que aporta una nueva perspectiva sobre los problemas clásicos. En el pasado, estos eventos no podían comprenderse a fondo, dejando algunas lagunas en cada área de conocimiento. Los accidentes marítimos son uno de los problemas más reconocidos internacionalmente con consecuencias graves para el medio ambiente y que ponen en riesgo la vida humana. Tradicionalmente, los estudios estadísticos han demostrado que no sólo hay que considerar las variables típicas de la muestra y que los accidentes están vinculados con factores humanos que no se pueden muestrear fácilmente, por tratarse de variables tan ambiguas como la fatiga. Los resultados mostraron que el cumplimiento de la tripulación mínima y la eslora del buque son las dos variables más importantes relacionadas con cada accidente. Estos accidentes podrían ser grupos relacionados con la tendencia general a no cumplir el número mínimo de tripulantes y su diferencia es el año de construcción del buque. Así mismo, fue posible emplear redes neuronales para modelar los accidentes con la precisión adecuada, lo que es de especial interés como sistema de control para el transporte marítimo