No podrás conectarte si excedes diez intentos fallidos.
La Agencia SINC ofrece servicios diferentes dependiendo de tu perfil.
Selecciona el tuyo:
Investigadores de la Universidad Politécnica de Madrid han desarrollado una tecnología para el reconocimiento de la motivación de los trabajadores en la industria del futuro. El sistema, denominado Maslow 4.0, está basado en la pirámide de Maslow y recoge las señales fisiológicas de las personas mediante un sensor de electrocardiograma, mientras que una serie de cámaras rastrea sus emociones.
El psicólogo Abraham Maslow propuso en 1943 y 1970 una jerarquía para las necesidades humanas, conocida hoy día como pirámide de Maslow. Maslow proponía que solo cuando las necesidades de más bajo nivel (como por ejemplo alimentarse) estaban satisfechas totalmente podían satisfacerse necesidades de orden superior como la amistad.
En esta jerarquía las necesidades de creatividad o autosuperación (básicas en el mundo laboral actual y, sobre todo, futuro) se encuentran en los niveles más altos. Por ello, es muy importante que los entornos de trabajo permitan satisfacer las necesidades de más bajo nivel a fin de lograr que los trabajadores sean productivos y exploten al máximo su potencial.
Hasta ahora, para conocer en qué medida una empresa conseguía este objetivo, debían realizarse diferentes encuestas a los trabajadores, lo que resulta un proceso costoso en tiempo y dinero. Además, no permite una reacción rápida y en tiempo real si se produce una caída de la motivación por un suceso espontáneo, ya que las encuestas suelen estar diseñadas para detectar situaciones de largo recorrido.
Para permitir un análisis de la motivación mucho más efectivo y basándose en la pirámide de Maslow, un equipo de investigadores de Ingeniería de Redes y Servicios Avanzados de Telecomunicación de la Universidad Politécnica de Madrid (UPM) propone ahora un nuevo sistema: Maslow 4.0, una solución tecnológica que ofrece información en tiempo real sobre la motivación humana en la industria del futuro, la llamada industria 4.0.
Este sistema consta de un sensor de electrocardiograma integrado en un dispositivo personal, un sistema de captura de imágenes, una aplicación de procesamiento de señal, un sistema de reconocimiento de emociones mediante procesado de imágenes y un servidor remoto donde se compone toda la información recogida y se ejecuta el servicio.
Desarrollado un primer prototipo
El sistema, del que se ha desarrollado ya un primer prototipo, captura información fisiológica de los trabajadores que permite inferir el estado de satisfacción de sus necesidades de más bajo nivel (alimentación, estrés, etc.). Estos datos se procesan en una aplicación específica y se envían a un servidor remoto. Por otro lado, un sistema de cámaras captura imágenes de los trabajadores y, mediante procesamiento de señal, se deducen las principales emociones que están sufriendo los empleados.
Estos resultados, que nos permiten inferir el grado de satisfacción de las necesidades de más alto nivel, se envían también al servidor remoto donde, mediante un modelo y algoritmo matemáticos, se componen ambas informaciones y se obtiene un mapa motivacional de los trabajadores.
Como señala Borja Bordel, uno de los investigadores que ha llevado a cabo este trabajo “el sistema supone una mejora con respecto a las soluciones tradicionales".
La tecnología propuesta ofrece información continua y en tiempo real sobre la motivación de los trabajadores –añade–. Las situaciones de desmotivación pueden localizarse y abordarse de una manera extremadamente precisa y rápida, lo que puede ayudar a las empresas a mejorar tanto su eficiencia como la satisfacción de sus empleados”.
La investigación que ha dado lugar a estos resultados ha recibido fondos del Ministerio de Economía y Competitividad a través del proyecto SEMOLA.
Referencia bibliográfica:
Borja Bordel, Ramón Alcarria. "Assessment of human motivation through analysis of physiological and emotional signals in Industry 4.0 scenarios". Journal of Ambient Intelligence and Humanized Computing pp. 1-21. Diciembre 2017.