Del conocimiento tácito al dato explícito

Del conocimiento
tácito al dato
explícito
Daniel López Rodríguez
El presente artículo pretende vincular, aun más, los conceptos de minería de datos y
gestión del conocimiento, más allá del concepto del data mining como herramienta
de gestión del conocimiento. Se pretende enfatizar la relación a partir del ciclo de
conversión del conocimiento descrito por Nonaka y Takeuchi (1995), explicando el
origen o descubrimiento del conocimiento, diferenciando el tipo de conocimiento
que se utiliza o genera, y describiendo a modo de ejemplo el papel que juega la
minería de datos como fuente de descubrimiento y generación de conocimiento que
servirá de base para las futuras toma de decisiones.
http://www.redcientifica.com/doc/doc200405180600.html
1. INTRODUCCIÓN.
El día a día nos dice que la diferencia competitiva entre las empresas se concentra en un nuevo factor: la
información y sobre todo, en su adecuada sistematización en orden a convertirla en conocimiento. Las
empresas ya saben que las ventajas competitivas, a medio y largo plazo, no van a venir de la información,
algo que en mayor o menor medida es de acceso universal y no representará ningún valor diferenciador,
sino del conocimiento, entendiéndole como el grado de incorporación, sistematización y utilización de esa
información en orden a mejorar los resultados de las empresas. La información en sí misma no supone
ninguna ventaja, su sistematización es la que aporta ese valor añadido.
N e w m a n (1997) desarrollo un modelo que bajo la denominación de datos-información-conocimientotecnología, sostiene que el control y monitorización de los procesos sólo produce datos, pero el análisis de
dichos datos realizado con técnicas estadísticas o de minería de datos (data mining) y su contextualización
es lo que proporciona información. Cuando, finalmente, la información es interpretada, ésta se transforma
en conocimiento útil.
De todo lo anterior se deduce que la explotación del conocimiento en aras de la obtención de una ventaja
competitiva sostenible requiere de alguna herramienta que lleve a cabo esa sistematización de la
información.
2. LA INFORMACIÓN AL SERVICIO DEL CONOCIMIENTO.
Nadie pone en duda el papel que juegan las tecnologías de la información y comunicación en las
organizaciones y esto se hace, lógicamente, extensible a la gestión del conocimiento. Concepto que la
mayoría de los autores definen de manera símil y que sólo se torna en diferencia a la hora de enfatizar en
uno u otro elemento. Pero, en definitiva, todos los autores concluyen en que la gestión del conocimiento se
compone de tres elementos sustanciales: la información o los datos, su sistematización y organización, y
el objetivo de mejorar la cuenta de resultados. Para alcanzar la mejora en la cuenta de resultados, las
organizaciones, de un modo u otro, aplican técnicas o utilizan herramientas informáticas de gestión del
conocimiento que responden a enfoques y aproximaciones diferentes. Puede decirse que no existe una
única combinación de técnicas y herramientas, ni una metodología exclusiva para llevar a cabo con éxito
1
el proceso de gestión del conocimiento, pero si es cierto que, técnicas como la minería de datos se han
convertido en un aliado de la gestión del conocimiento a la hora de analizar todo el "conocimiento
explícito" que las empresas ya disponen, en forma de dato, en sus bases de datos.
3. LA CLASIFICACIÓN DEL CONOCIMIENTO
A la hora de hablar de conocimiento existe una serie de conceptos aparentemente similares que dificultan
su entendimiento. Conocimiento no es lo mismo que datos, ni tan siquiera lo mismo que información. Los
datos son los elementos base de la pirámide del conocimiento. Al conjunto de datos organizados y
analizados en un contexto determinado lo denominamos información. Pero información, como decíamos,
no es lo mismo que conocimiento. Recopilar datos, organizarlos e incluso analizarlos, es algo que pueden
hacer (y en algunos casos mejor que los seres humanos) el software informático. Ahora bien, al
conocimiento, de momento, no llegan los ordenadores. EL conocimiento es un paso adelante. Es
identificar, estructurar y sobre todo utilizar la información para obtener un resultado. Requiere aplicar la
intuición y la sabiduría, propios de la persona, a la información. La capacidad de interpretar esos datos es
lo que provoca que la información se convierta en conocimiento.
Según Nonaka y Takeuchi (1995) existen dos tipos de conocimiento. Dadas sus características el
conocimiento explícito se ha definido como el conocimiento objetivo y racional que puede ser expresado
con palabras, números, fórmula, etc., también se le denomina explícito. Por otro lado tenemos el
conocimiento tácito, que es aquel que una persona, comunidad, organización o país, tiene incorporado o
almacenado en su mente, en su cultura y es difícil de explicar. Es necesario explicar que este
conocimiento puede estar compuesto por:
- Ideas, experiencias, destrezas, habilidades, costumbres, valores, historia, creencias...
- Conocimiento del contexto o ecológico (geografía, física, normas no escritas, comportamientos de
personas y objetos, etc.),
- Conocimiento como destreza cognitiva (compresión de la lectura, resolución de problemas, analizar,
visualizar ideas, etc.) que le permite acceder a otro más complejo o resolver problemas nuevos.
Cuando estos conocimientos nos permiten actuar se llaman competencias o conocimiento en acción. El
problema que presenta este tipo de conocimiento es su dificultad a la hora de transmitirlo, por ello es
necesario gestionarlo creando códigos que faciliten su transmisión.
Para la gestión del conocimiento la dimensión tácita del conocimiento es una parte del conocimiento
personal y organizacional, que se hace visible cuando se utiliza para ciertas situaciones donde el
conocimiento codificado o explícito es insuficiente para enfrentar dicha situación.
4. EL CICLO DE CONVERSIÓN DEL CONOCIMIENTO
La transmisión del conocimiento tácito no resulta fácil y para que pueda ser rentabilizado es necesario
sustraerlo del contexto de origen y formalizarlo, con lo que se genera un "ciclo de conversión" que Nonaka
y Takeuchi (1995) describen en cuatro procesos:
1) De tácito a tácito: El paso de conocimiento de tácito a tácito se produce a través de procesos de
socialización, es decir, a través de la adquisición de conocimientos e información mediante la interacción
directa con el mundo exterior: con otras personas, con otras culturas,etc.
2) De tácito a explícito: Se produce a través de la externalización, que podríamos definir como el proceso
de expresar algo, el diálogo. Externalizar es convertir imágenes y/o palabras a través del diálogo..
2
3) De explícito a explícito: Este paso se denomina combinación. Como su propio nombre indica, se
combinan diferentes formas de conocimiento explícito mediante documentos o bases de datos.
4) Tácito a tácito: es la Interiorización del conocimiento, y consiste en la incorporación del conocimiento
tácito por parte de los individuos de cualquier organización.
5. PROCESO DE CONVERSIÓN DEL CONOCIMIENTO
A la hora de utilizar técnicas de minería de datos en un determinado proyecto, el proceso que se está
llevando a cabo es una "extracción no trivial de información implícita, previamente desconocida a partir de
los datos", a nivel del conocimiento explicito, con el fin de descubrir patrones, relaciones, reglas,
asociaciones o incluso excepciones útiles, que deberemos de interiorizar, para posteriormente
externalizarlo en la toma de decisiones.
La manera de analizar los datos por parte de la minería de datos es bastante similar, independientemente
de la técnica que utilicemos, aunque cada proceso de minería de datos es un "caso", podremos adaptar y
modificar estos pasos según las propias características del proyecto en el que nos encontremos inmersos:
- Selección y procesado de los datos
Por norma general los datos que residen en una base de datos no se encuentran en el formato más
adecuados para nuestros algoritmos por lo que será necesario realizar diversas operaciones sobre ellos.
Por ejemplo podemos realizar un filtrado de valores incorrectos/inadecuados, o un muestreo (extraer una
muestra de la población total para trabajar así con un numero más reducido de datos), que puede ser
aleatorio, o establecer que cumplan unas determinas características, reducir el número de valores a través
de técnicas de redondeo, clustering...
- Selección de Características
Una vez determinada la población sobre la que vamos a realizar nuestra investigación nos encontraremos,
probablemente, que el número de datos con el que trabajamos es muy amplio, así que, llevaremos a cabo
una selección de características de los datos, es decir, determinaremos aquellas variables que nos
interesan, con el objetivo de simplificar los datos y realizar el proceso lo más sencillo y rápido posible.
Podemos utilizar diferentes técnicas estadísticas o métodos gráficos que nos permitan observar las
relaciones existentes entre las variables.
- Uso de un algoritmo de extracción de conocimiento
En este apartado aplicaremos la técnica de minería de datos que hayamos determinado anteriormente
para obtener un modelo de conocimiento con los patrones de comportamiento y las reglas de asociación
entre las variables.
- Interpretación y evaluación de los resultados
Verificaremos si los resultados obtenidos son coherentes y los cotejaremos con los obtenidos por los
análisis estadísticos y de visualización gráfica. Posteriormente determinaremos si son novedosos y si nos
aportan un nuevo conocimiento que podamos considerar en nuestras decisiones.
En el caso de que los resultados obtenidos difieran, deberemos elegir aquel que más se ajuste o nos
proporcione una mayor de confianza. En el caso de que ninguno satisfaga nuestras expectativas
deberemos de iniciar de nuevo el proceso.
3
6. TECNOLOGÍA AL SERVICO DEL CONOCIMIENTO
La minería de datos es la convergencia de distintos campos como son la estadística, el aprendizaje
automático, recuperación de la información, bases de datos, sistema de apoyo en la toma de decisiones...,
pero dada las propias características de la minería supone un nuevo reto científico e intelectual ya que por
ejemplo en diferencia con el análisis estadístico la minería de datos busca la base de datos sin una idea
previa y deduce la afirmación mientras que con la estadística conocemos la relación y el análisis la
cuantifica.
Hoy día, el usuario dispone de una amplía gama de técnicas para poder desarrollar sus proyectos de
minería de datos, como por ejemplo:
*Técnicas de Visualización: adecuadas para ubicar patrones en un conjunto de datos, puede ser utilizado
al comienzo del proceso de data mining para tener una referencia de la calidad del conjunto de los datos.
*Árboles de decisión: son estructuras en forma de árbol representan conjuntos de decisiones. Estas
decisiones generan reglas para la clasificación de un conjunto de datos. Para poder predecir el
comportamiento de un cliente es necesario poder contar con una clasificación previa, esto implica una
predicción de que un cliente pertenece a cierto grupo de clientes. La complejidad es de n (Log n).
*Redes Neuronales: son modelos predecibles, no lineales que aprenden a través de entrenamiento y
semejan la estructura de una red neuronal biológica. Estas técnicas han tenido un desarrollo
impresionante en la última década, y tienen como objetivo fundamental sustituir la función la persona
experta.
*Redes Bayesianas: buscan predeterminar relaciones causales que expliquen un fenómeno en base a los
datos contenidos en una base de datos. Se han usado principalmente para realizar predicción.
*Reglas de inducción: La extracción de reglas if-then de datos basados en significado estadístico.
La técnica usada para realizar estas operaciones en data mining se denomina modelado y es,
simplemente, el acto de construir un modelo en una situación donde usted conoce la respuesta y luego la
aplica en otra situación de la cual desconoce la respuesta.
Los beneficios asociados a la minería de datos pueden resumirse de la siguiente forma:
- Incremento de los resultados como consecuencia del aumento de la cuota de mercado.
- Fidelización de la clientela dada una mejor respuesta a sus requerimientos.
- Mejora del rendimiento.
- Reducción del factor riesgo.
- Optimización de las estrategias y toma de decisiones.
- Optimización de la gestión, maximizando rentabilidades.
7. PROYECTOS DE DATAMINING
A continuación se va ha describir un proyecto, perteneciente al ámbito textil, en donde se ha va a ir
explicando con que finalidad se han utilizado las técnicas de minería de datos y como se ha ido
4
produciendo el ciclo de conversión del conocimiento.
7.1. El Proyecto
Este proyecto lo denominamos "Estimación de la resistencia mecánica de un material", en el que se
pretende es desarrollar un modelo que permita estimar la resistencia mecánica de un material.
7.2. Contextualización
En el sector del textil la calidad de los materiales fabricados industrialmente se verifica mediante pruebas
basadas en estándares normalizados. En la mayoría de los casos, los test realizados en el laboratorio, son
fuera del proceso productivo. Para facilitar el control del proceso, los parámetros de calidad fundamentales
deberían obtenerse durante la fabricación, sin embargo a menudo esto es imposible (por ejemplo, en el
caso de pruebas destructivas). Como alternativa pueden medirse otras variables y calcular a partir de
ellas, mediante un modelo adecuado, el parámetro de calidad buscado. No obstante, en muchas
ocasiones no se dispone de dicho modelo porque se conocen sólo las principales variables de entrada,
pero no las relaciones existentes entre ellas. Para este tipo de problemas, la minería de datos ayuda a
encontrar un modelo que represente una buena aproximación de las relaciones.
7.3. Minería de datos y ciclo de conversión del conocimiento.
En el caso de materiales producidos en rollos, como papel, textiles, láminas de metal o no-tejidos, uno de
los parámetros de calidad fundamentales es su resistencia mecánica. Es importante porque determina la
fuerza que puede aplicarse al material en las siguientes etapas productivas y, por tanto, su rango de
aplicaciones. En general, la resistencia se mide off-line utilizando equipos que determinan la fuerza a la
que el material se rompe.
Determinar la resistencia según se está fabricando el material supondría una mejora sustancial del
proceso, pero el procedimiento de medida estándar es destructivo, y no existe un método simple de
medida durante el proceso productivo. Aplicando técnicas de minería de datos se ha desarrollado un
modelo que permite estimar la resistencia mecánica a partir de otras medidas que pueden realizarse
durante la fabricación (paso de explícito a tácito).
La resistencia mecánica representa una propiedad dependiente de la elasticidad del material,
característica que sí puede medirse durante el proceso productivo. Sin embargo, aunque ambos
parámetros están estrechamente relacionados no existe correlación lineal entre ellos y la resistencia
mecánica depende además de otras variables, destacando entre ellas el grosor del material y su densidad,
que también pueden medirse on-line. No obstante, existen otros parámetros que también influyen en la
resistencia del material y que no pueden medirse o para los que no se conoce un modelo.
Puesto que no se dispone de un modelo físico, se han aplicado técnicas de minería de datos para
desarrollar un sistema que modele la relación de la resistencia con la elasticidad, la densidad y el grosor
del material, en este caso no-tejidos. Analizando los datos registrados sobre los valores de estas variables
y la resistencia medida en el laboratorio (paso de explicito a explicito) se ha configurado una red neuronal
que proporciona una estimación de la resistencia (conocimiento tácito a explicito). Esta estimación se
obtiene a partir de los parámetros medidos durante el proceso de fabricación, sin necesidad de realizar
pruebas específicas fuera de la cadena. En relación a la estimación obtenida, el equipo experto (paso de
tácito a tácito) determinará si está estimación obtenida es significativa y acorde a los resultados obtenidos
por otros equipos o técnicas.
8. CONCLUSION
En todo proceso de data mining el descubrimiento automático de hechos e hipótesis ocultas o no explícitas
es un acontecimiento que busca una diferencia competitiva, junto con un aumento de la eficacia y
5
productividad de la organización. Pero el hecho de identificar que tipo de conocimiento (tácito o explicito)
se ha descubierto, como se ha generado, y de que manera lo verificamos, interpretamos, interiorizamos y
transmitimos, lo que determina la magnitud del data mining en la gestión del conocimiento y en el ciclo de
conversión del conocimiento..
Protocolo de Investigación
Accidentes
e
Incidentes
Universidad
de
Salamanca
ÍNDICE
Objeto
Definiciones
Accidente
Incidente
¿Cuándo se investiga el accidente?
¿Quién realiza la investigación?
Sistema de investigación del accidente
Notificación del accidente
Realización de informe de investigación
Registro de accidentes e incidentes
Estadística anual
Anexo I
Anexo II
PROTOCOLO DE INVESTIGACIÓN DE ACCIDENTES DE TRABAJO
Objeto
Este procedimiento tiene por objeto establecer la organización y metodología a
seguir para la gestión y control de los accidentes e incidentes, tanto si se
producen daños personales o materiales, como si no llegan a producirse, en la
Universidad de Salamanca.
Para la gestión y control será necesario realizar una investigación de los
accidentes, incidentes y enfermedades profesionales que se ocasionen en el
6
ámbito de la Universidad de Salamanca.
La investigación de accidentes es una herramienta fundamental en el control de
las condiciones de trabajo, y permite obtener a la empresa una información
valiosísima para evitar accidentes posteriores. En ningún caso esta
investigación servirá para buscar culpables sino soluciones.
La Investigación de Accidentes, desde el punto de vista de la prevención, se
define como “La técnica utilizada para el análisis en profundidad de un
accidente laboral acaecido, a fin de conocer el desarrollo de los
acontecimientos, determinar el porqué de lo sucedido e implantar las medidas
correctoras para eliminar las causas y evitar la repetición del mismo accidente o
similares”.
La Ley de Prevención de Riesgos Laborales establece en su art. 16.3 “Cuando se
haya producido un daño para la salud de los trabajadores o cuando, con ocasión
de la vigilancia de la salud, aparezcan indicios de que las medidas de
prevención resultan insuficientes, el empresario llevará a cabo una
investigación al respecto, a fin de detectar las causas de estos hechos”. Esta
Universidad extenderá la investigación a todos los accidentes, incluidos aquellos
que no hayan ocasionado lesiones a los trabajadores expuestos, es decir
“accidentes blancos” o “incidentes”.
En resumen, como norma general se analizarán todos accidentes que ocurran
en las instalaciones de la Universidad de Salamanca, independientemente de
que sus consecuencias sean lesivas para los trabajadores o no.
Definiciones
Accidente de trabajo
Se entiende por accidente de trabajo toda lesión corporal que el trabajador
sufra con ocasión o por consecuencia del trabajo que ejecute por cuenta ajena.
Tendrán consideración de accidentes de trabajo:
— Los que sufra el trabajador al ir o volver del trabajo.
— Los que sufra el trabajador con ocasión o como consecuencia del desempeño
de cargos electivos de carácter sindical, así como los ocurridos al ir o volver del
lugar en que se ejerciten las funciones propias de dichos cargos.
— Los ocurridos con ocasión o por consecuencia de las tareas que aun siendo
distintas de las de su categoría profesional, ejecute el trabajador en
cumplimiento de las ordenes del empresario o espontáneamente en interés del
buen funcionamiento de la empresa.
— Los acaecidos en actos de salvamento y en otros de naturaleza análoga
cuando unos y otros tengan conexión con el trabajo.
— Las enfermedades, no incluidas en la definición de enfermedad profesional,
7
que contraiga un trabajador con motivo de la realización de su trabajo, siempre
que se pruebe que la enfermedad tuvo por causa exclusiva la ejecución del
mismo.
Se presumirá, salvo prueba en contrario, que son constitutivos de accidentes de
trabajo las lesiones que sufra el trabajador durante el tiempo y en el lugar de
trabajo.
Si surgiera alguna duda en cuanto a si un accidente debe considerarse derivado
del trabajo o no, en el ámbito de la Universidad de Salamanca, se consultará
con la Unidad de Salud y Relaciones laborales.
Incidente
Se entiende por incidente aquellos accidentes que no hayan ocasionado lesiones
a los trabajadores expuestos, también denominados “accidentes blancos”.
Su investigación permitirá identificar situaciones de riesgos desconocidas o
infravaloradas hasta ese momento e implantar medidas correctoras para su
control, sin esperar a la aparición de consecuencias lesivas para los
trabajadores expuestos.
¿Cuándo se investiga el accidente o incidente?
Siempre que ocurra en el ámbito de la Universidad de Salamanca alguno de los
hechos descritos en este documento, accidente o incidente se realizará la
investigación pertinente. La investigación debe realizarse lo antes posible, para
poder recoger información de primera mano. Identificar al accidentado y a los
testigos para conocer lo antes posible la o las causas del accidente, de modo
que se puedan establecer con prontitud las medidas preventivas necesarias
para evitar que el accidente se repita.
Para ello se comunicará el accidente inmediatamente a la Unidad de Salud y
Relaciones Laborales de la Universidad de Salamanca, mediante la HOJA DE
NOTIFICACIÓN DE ACCIDENTES E INCIDENTES, que estará a disposición de
todos los trabajadores de la Universidad en la pagina web:
http://www3.usal.es/personal/unidadsalud.htm
El responsable del Centro, Departamento, Servicio, Unidad o Sección, donde
ocurre el accidente o incidente debe rellenar la hoja y enviarla por correo
interno o electrónico a la citada Unidad.
¿Quién realiza la investigación?
La Ley de Prevención de Riesgos laborales establece que toda empresa debe
tener un sistema de organización de la prevención de riesgos, en la Universidad
de Salamanca se establece Servicio de Prevención Propio como órgano de
carácter técnico para todo lo relativo a la implantación y control de la
prevención de riesgos en el ámbito de la misma.
Por ello la investigación de accidentes e incidentes se llevarán a cabo por los
8
Técnicos de Prevención de Riesgos Laborales de la Universidad, con el apoyo de
los responsables directos de las personas o del lugar donde a ocurrido el hecho,
u otro personal relacionado con el caso (el propio accidentado o los testigos
directos del accidente).Una vez que la comunicación de accidente ha llegado a
la Unidad de Salud, realizarán la investigación del accidente o incidente
sucedido. Serán los Técnicos los encargados de realizar la toma de datos y la
redacción del informe correspondiente.
Dado que el objetivo principal y último de toda investigación es identificar las
causas del accidente y éstas suelen ser múltiples, de distinta tipología e
interrelacionadas, es necesario profundizar en el análisis causal a fin de obtener
de la investigación la mejor y la mayor información posible, de modo que se
puedan establecer e implantar las medidas correctoras necesarias para lograr la
“no repetición” del mismo accidente o similares.
Sistema de investigación del accidente
Notificación del accidente
Se establece un sistema para que toda la comunidad universitaria participe en
la investigación.
Como ya se ha comentado en puntos anteriores una vez que el accidente ha
acontecido, y lo más rápidamente posible, se comunicará el hecho a la Unidad
de Salud y Relaciones Laborales mediante la “Hoja de notificación de
accidentes” (anexo I). Este documento será rellenado por el responsable del
Centro, Departamento, Servicio, Unidad o Sección donde ocurre el accidente y
se enviará por correo interno o electrónico a la citada Unidad.
Realización de informe de investigación
Una vez que los técnicos de la Unidad han recibido la notificación del suceso, se
pondrán en contacto con las personas responsables del departamento o servicio
donde ha ocurrido, con el accidentado y las personas presentes en el accidente,
iniciando la toma de todos los datos necesarios para el análisis de los
acontecimientos y proceder a la redacción del “INFORME DE INVESTIGACIÓN
DE ACCIDENTE”.
Dicho informe recogerá los datos necesarios e imprescindibles para cumplir con
la finalidad para la que se realiza la investigación: identificar las causas de los
accidentes y facilitar la mejora de la planificación y gestión de la prevención, en
ningún caso buscará culpables.
Este informe reflejará como mínimo los siguientes datos:
— Identificación del accidentado (nombre y apellidos, edad, puesto de trabajo,
experiencia en el puesto).
— Lugar donde se produjo el accidente.
9
— Agente material causante (causas directas y causas indirectas del accidente).
— Lesiones o pérdidas materiales producidas.
— Incorporará la propuesta de medidas correctoras a implantar para que los
riegos queden eliminados y no vuelva a ocurrir el accidente, o minimizar la
consecuencias, en caso de que el riesgo no pueda eliminarse por no haberse
alcanzado el desarrollo técnico necesario para poder controlarlo.
Todos estos datos están registrados en el “Modelo de investigación de accidente
para la Universidad de Salamanca” (anexo II).
Una vez realizado el informe, éste se entregará al responsable del lugar donde
tubo lugar el accidente, explicándole las conclusiones obtenidas de dicha
investigación y poniendo en su conocimiento las medidas correctoras a poner
en marcha para que no vuelva a repetirse. Se establecerá también quien es el
responsable en cada caso de que dichas medidas se pongan en marcha.
Registro de accidentes e incidentes
Los resultados de la investigación de incidentes y accidentes serán registrados y
archivados como parte de la documentación relativa a prevención de riesgos
laborales.
La Ley de Prevención de Riesgos establece en su art. 23 que el empresario debe
elaborar y conservar a disposición de la autoridad laboral la relación de
accidentes de trabajo y enfermedades profesionales, que hayan causado al
trabajador una incapacidad laboral superior a un día de trabajo.
La no realización de las investigaciones y el registro de resultados está
considerado como una infracción grave según el art. 12.3 y 12.4 del Real
Decreto Legislativo 5/2000 que aprueba el texto refundido de la Ley sobre
Infracciones y Sanciones en el Orden Social.
La Universidad de Salamanca registrará y archivará estos documentos en la
Unidad de Salud Laboral y Relaciones Laborales y este registro estará a
disposición del Comité de Seguridad y Salud y de lo Delegados de Prevención
ya que, la Ley de Prevención en su art. 39.2 c) faculta al citado Comité para
conocer y analizar los daños producidos en la salud o en la integridad física de
los trabajadores, al objeto de valorar sus causas y proponer las medidas
preventivas oportunas y el art. 36.2 c) dice que los Delegados de Prevención
serán informados por el empresario sobre los daños producidos en la salud de
los trabajadores, una vez que aquel hubiese tenido conocimiento de ellos,
pudiendo presentarse, aún fuera de su jornada laboral, en el lugar de los
hechos para conocer las circunstancias de los mismos.
Estadística anual
La ley 31/95 de Prevención de Riesgos Laborales en su artículo 23
“Documentación”, establece la obligatoriedad de crear un archivo de registros
correspondientes a la actividad preventiva, que estará ubicado en la Unidad de
10
Salud y Relaciones Laborales.
La citada Unidad elaborará un informe de los datos estadísticos de la
accidentabilidad registrada dentro del año natural correspondiente, que será
presentado al Comité de Seguridad y Salud de la Universidad de Salamanca.
Esta Unidad debe tener conocimiento de todos los accidentes ocurridos en el
ámbito de la Universidad para que no se produzcan desfases entre los
registrados y los investigados. Si se detectan desfases deberá realizarse la
investigación en este momento, lo que implica perdida de datos y de
información.
ANEXOS I y II
Anexo I. Notificación de accidentes e incidentes.
Notificación. Anexo I en formato de formulario web.
Anexo II. Informe de investigación de accidentes e incidentes.
11