알림 목록

Área de Análise:  Cidade Metropolitana de Ulsan

Áreas principais:  Complexo Industrial Nacional Mipo-Onsan, Nam-gu, Dong-gu, Buk-gu, Ulju-gun

Agenda: Níveis de previsão, disseminação e proteção de dados sobre trabalho, segurança e saúde.

Tipo de Período Ideal: Risco de Bloqueio de Dados Pós-Acidente

Data de referência: 28/08/2026

Versão: Regional AX Golden Time Intelligence v3.2
 

Em 2025, o número de acidentes fatais investigados em todo o país foi de 605, um aumento de 16 em relação ao ano anterior, com 158 fatalidades ocorrendo no setor manufatureiro. Embora o número de fatalidades na indústria tenha diminuído em 17, o número de acidentes aumentou em 4, indicando que a escala de mortes e a frequência de ocorrência seguiram direções opostas. Dados públicos que relacionem riscos por setor, porte da empresa, contratantes principais/subcontratados e processo em Ulsan em tempo real não estão disponíveis. Se a segurança for avaliada unicamente com base no número total de fatalidades no período de 2026 a 2028, os sinais de alerta de aumento de riscos no processo só serão identificados após a ocorrência de um acidente.  O ponto de partida do Industrial Safety AX não é a digitalização das estatísticas de acidentes, mas sim a disponibilidade de dados antes dos acidentes.

Ulsan garantiu 6,6 bilhões de won em financiamento estatal para um projeto de resposta a ondas de calor baseado em IA e big data, com previsão de conclusão em 2026, e estabeleceu um centro de controle integrado para complexos industriais verdes e inteligentes. Embora a gestão de segurança tenha evoluído de patrulhas e relatórios para um sistema baseado em sensores, informações espaciais e dados preditivos, o escopo da integração — que inclui exposição dos trabalhadores, riscos de processo e informações de saúde em instalações industriais — não foi divulgado. Se a IA para desastres urbanos e os dados de segurança no trabalho permanecerem separados nos próximos dois a três anos, não será possível prever os riscos complexos associados a ondas de calor, produtos químicos, objetos pesados ​​e espaços confinados. Apesar de  a IA de segurança de Ulsan ter entrado na fase de ambiente urbano, ainda não atingiu o estágio de integração no local de trabalho.

Em 2025, locais de trabalho com menos de 50 funcionários foram responsáveis ​​por 351 dos acidentes fatais, ou aproximadamente 58% do total, enquanto locais de trabalho com menos de 5 funcionários registraram 174 mortes, um aumento de 14,5% em relação ao ano anterior. Embora a estrutura seja tal que os riscos de segurança industrial estejam concentrados em locais de pequena escala — onde o pessoal de gestão e os investimentos em instalações são menores — do que em grandes locais de trabalho, a taxa de adoção de equipamentos de segurança com IA por porte de empresa entre subcontratados em Ulsan não foi verificada. Se a disseminação da segurança inteligente centrada em grandes corporações continuar de 2026 a 2028, os riscos se deslocarão para a base da cadeia de suprimentos, em vez de serem eliminados.  A maior lacuna na Segurança Industrial AX não é o nível de tecnologia, mas a disparidade no acesso com base no porte da empresa.

A Agência Coreana de Segurança e Saúde Ocupacional (KOSHA) está fornecendo equipamentos de segurança inteligentes, incluindo reconhecimento de vídeo por IA, prevenção inteligente de colisões com guindastes, alertas de proximidade para empilhadeiras e detecção de colapso e deslocamento. Embora a tecnologia de segurança tenha evoluído de equipamentos de proteção e sinalização para detecção em tempo real, alertas e paradas automáticas, o número de locais de trabalho instalados em Ulsan, as taxas de alarmes falsos, as taxas de redução de acidentes e as taxas de operação contínua dos equipamentos não são divulgados. Se o número de instalações aumentar ao longo de dois a três anos sem efeitos comprovados na redução de riscos, o equipamento permanecerá apenas um registro de compra, em vez de uma medida de desempenho em segurança.  A tecnologia de segurança inteligente foi comercializada, mas seu desempenho em campo em Ulsan permanece incerto.

A gestão de segurança tradicional agregava retrospectivamente acidentes, quase acidentes, listas de verificação e resultados de exames de saúde. Embora a segurança com IA seja estruturada para combinar em tempo real a localização do trabalhador, a vibração do equipamento, a concentração de gases, a temperatura, a sequência de trabalho e acidentes anteriores, os padrões de dados e o escopo da análise conjunta para o Complexo Industrial de Ulsan ainda não foram confirmados. Se os dados de 2026 a 2028 continuarem restritos a equipamentos individuais da empresa, os mesmos tipos de acidentes se repetirão em outros locais de trabalho.  A unidade de competição na segurança industrial mudou do equipamento individual para a velocidade de aprendizado de risco de toda a cadeia de suprimentos.

Ao contrário dos acidentes, os problemas de saúde ocupacional manifestam-se como doenças após a acumulação a longo prazo dos efeitos do ruído, poeira, produtos químicos perigosos, movimentos repetitivos e trabalho por turnos. Embora existam dados sobre exames de saúde e acidentes de trabalho aprovados, não são divulgados dados regionais que relacionem a exposição diária com alterações individuais na saúde a longo prazo. Se ocorrerem reestruturações empresariais e mobilidade da força de trabalho nos próximos dois a três anos, o histórico de exposição ficará disperso por vários locais de trabalho, dificultando o rastreamento de relações causais.  A lacuna na avaliação da saúde ocupacional não reside na tecnologia de diagnóstico, mas no histórico de exposição que persiste para além da movimentação dos trabalhadores entre locais de trabalho.

Os casos de acidentes graves na indústria naval, registrados pela Agência Coreana de Segurança e Saúde Ocupacional, revelam um acúmulo de riscos recorrentes, como andaimes, cargas pesadas, rompimento de cabos, quedas e colisões. Como a produção naval consiste em etapas de desmonte, soldagem, pintura e montagem, além de trabalho cooperativo em múltiplos estágios, os riscos ocorrem nos limites do processo; no entanto, não foi identificado um sistema de divulgação pública que integre as localizações, permissões de trabalho e o status dos equipamentos dos contratantes principais e subcontratados. À medida que o volume de encomendas e a contratação de mão de obra estrangeira aumentam ao longo de dois a três anos, as lacunas de informação entre os turnos de trabalho elevam a probabilidade de acidentes.  A lacuna de segurança na construção naval não reside na falta de conhecimento sobre os tipos de risco, mas na incapacidade de controlar operações simultâneas em tempo real.

A Agência Coreana de Segurança e Saúde Ocupacional analisou a exposição a fatores de risco e os riscos de câncer ocupacional entre trabalhadores de soldagem, pintura e produção na indústria naval. Embora as avaliações de risco tenham se expandido para além de acidentes, incluindo doenças crônicas, não existe um estudo de coorte disponível publicamente que relacione a exposição cumulativa por função dos trabalhadores da construção naval de Ulsan com seus resultados de saúde após a aposentadoria. Mesmo que a automação do trabalho prossiga até 2028, doenças entre aqueles com exposições passadas surgirão posteriormente.  A automação da construção naval não pode eliminar imediatamente o déficit de saúde decorrente de exposições passadas, mesmo que reduza os acidentes atuais.

Os complexos petroquímicos operam com substâncias inflamáveis ​​e tóxicas, instalações de alta pressão e alta temperatura e processos contínuos. Embora os riscos surjam de uma combinação de degradação de equipamentos, desvios de processo e cronogramas de manutenção, e não do comportamento de um único trabalhador, o nível de compartilhamento de dados de risco relativos a tubulações e utilidades entre as empresas não é divulgado. Se os ciclos de manutenção e a composição da força de trabalho mudarem devido a cortes na produção e reorganização das instalações entre 2026 e 2028, o poder preditivo dos modelos treinados com dados de operação normal poderá diminuir.  O risco para a Petrochemical Safety AX reside não apenas na ausência de um modelo, mas também no fato de que o próprio ambiente de aprendizado se altera devido à reestruturação.

Embora a exposição a produtos químicos seja gerenciada por meio de medições ambientais no local de trabalho e exames de saúde específicos, as flutuações de concentração entre os ciclos de medição e a exposição cumulativa de trabalhadores terceirizados são capturadas apenas de forma limitada. A vinculação de dados de sensores de processo com dados de saúde melhora o poder preditivo, mas cria lacunas em relação a informações pessoais, discriminação no emprego e propriedade dos dados. Se a análise for expandida sem regras de direitos por dois ou três anos, há um alto risco de que as previsões de saúde sejam usadas para seleção de trabalhadores em vez de para melhoria do trabalho. A tecnologia  Occupational Health AX é tecnicamente viável, mas não é considerada uma tecnologia protegida sem direitos de dados trabalhistas.

Em fábricas de automóveis, robôs, esteiras transportadoras, prensas, empilhadeiras e operários operam no mesmo espaço de produção. Embora equipamentos de segurança inteligentes detectem riscos de aproximação, colisão e aprisionamento em tempo real, não está claro se os equipamentos de fornecedores e empresas de logística estão conectados no mesmo nível. Se apenas o interior da fábrica de veículos acabados for modernizado nos próximos dois a três anos, os riscos se deslocarão para o carregamento/descarregamento de peças, manutenção terceirizada e logística.  O nível de abrangência da segurança automotiva (AX) é menor nas fronteiras da cadeia de suprimentos do que dentro da fábrica.

A expansão da eletrificação e da produção de baterias adiciona riscos de alta tensão, fuga térmica, substâncias químicas e novos riscos de manutenção. Embora a estrutura industrial esteja passando de riscos mecânicos associados a motores de combustão interna para riscos complexos envolvendo eletricidade, produtos químicos e software, não é divulgado o quanto o sistema de classificação de acidentes e quase acidentes na unidade de Ulsan reflete essa mudança. Aprender apenas com tipos de acidentes passados ​​até 2028 não será suficiente para prever acidentes de baixa frequência e alto risco em novos processos.  O Future Vehicle Safety AX é robusto contra riscos históricos com dados abundantes, mas vulnerável a novos riscos com dados limitados.

Ulsan lançou um projeto para coletar e prever ondas de calor localizadas usando IA e big data. Embora o potencial para subdividir as informações sobre ondas de calor, partindo das temperaturas urbanas médias e chegando a microclimas específicos de cada local de trabalho, tenha aumentado, a extensão da sua ligação com a intensidade do trabalho dos operários, os equipamentos de proteção individual, os horários de trabalho e as condições preexistentes permanece incerta. Se os riscos climáticos aumentarem ao longo de dois a três anos, as disparidades nos danos à saúde decorrentes de diferentes processos se ampliarão, mesmo sob a mesma temperatura. O  projeto Heatwave AX de Ulsan encontra-se atualmente na fase de previsão ambiental e não na fase de avaliação de riscos específicos para cada operário.

A indústria naval está expandindo sua força de trabalho estrangeira, enquanto o setor manufatureiro como um todo enfrenta o envelhecimento de sua mão de obra qualificada. Embora os idiomas, as experiências e as condições de saúde necessárias para compreender as informações de risco tenham se diversificado, os alertas multilíngues em tempo real e as taxas de aplicação dos níveis de risco individuais não estão sendo divulgados. Se as mudanças na estrutura da força de trabalho entre 2026 e 2028 superarem o treinamento em segurança e os sistemas de alerta, os avisos não se traduzirão em ações, mesmo com a instalação de tecnologia.  Em comparação com as mudanças na composição da força de trabalho, a personalização e a multilinguização das informações de segurança em Ulsan permanecem incertas.

O reconhecimento de vídeo por IA e o rastreamento de localização detectam a entrada em áreas perigosas e a falta do uso de equipamentos de proteção. Embora isso aumente a visibilidade da gestão de segurança, não existem padrões regionais comuns sobre se os dados de movimento, velocidade e comportamento dos trabalhadores podem ser reutilizados para avaliações de produtividade ou ações disciplinares. Se os dados de segurança forem usados ​​para fins diferentes dos previstos por dois a três anos, os trabalhadores podem optar por evitar os sensores e deixar de relatar incidentes, o que leva a uma queda na qualidade dos dados.  A IA para segurança, onde vigilância e proteção não são separadas, prejudica o desempenho preditivo devido à falta de confiança.

Embora os modelos de IA aprendam com dados de acidentes passados ​​e de operação normal, os acidentes industriais ocorrem com pouca frequência e envolvem combinações complexas de situações. Devido à escassez de dados de acidentes, verificar alarmes falsos e detecções perdidas é difícil, e os indicadores de desempenho para cada modelo na unidade de Ulsan não são divulgados. Até 2028, se a precisão dos alarmes for baixa, a unidade ignorará alarmes repetidos e desativará a função de parada automática.  Os critérios de avaliação para IA de segurança não são o status de instalação, mas sim a taxa de detecção perdida e a confiabilidade da unidade.

Ulsan possui o Centro de Controle Integrado do Complexo Industrial Verde Inteligente, previsão de ondas de calor por IA, uma organização dedicada à segurança industrial e sistemas de segurança inteligentes de grandes corporações. Embora a prontidão em nível municipal, de complexos industriais e de grandes empresas esteja confirmada, os níveis de equipamentos, dados e pessoal dedicado em empresas parceiras e locais de trabalho de pequena escala não são divulgados. Se a prontidão na base da cadeia de suprimentos não for medida por dois a três anos, a média regional será superestimada pelo desempenho das grandes corporações.  O nível de prontidão do Safety AX de Ulsan é considerado "avançado" para grandes empresas e "desigual" para o ecossistema industrial.

Em 2025, aproximadamente 58% dos acidentes fatais em todo o país ocorreram em locais de trabalho com menos de 50 funcionários. Embora o foco do risco esteja em locais de trabalho de pequena escala, a operação de equipamentos de segurança com IA exige custos de investimento, comunicação, manutenção e capacidade de análise de dados. A taxa de operação contínua de pequenas empresas em Ulsan não foi verificada. Se apenas subsídios iniciais estiverem disponíveis entre 2026 e 2028, a lacuna de segurança aumentará novamente quando surgirem os custos de substituição de equipamentos e de assinatura.  O nível de preparação de locais de trabalho de pequena escala é avaliado como sendo mais fraco em operação contínua do que em instalação.

O reconhecimento de vídeo por IA, guindastes inteligentes, detecção de aproximação de empilhadeiras e sensores de colapso/deslocamento foram incluídos nos itens de suporte comercial. Embora vários tipos de tecnologia tenham se disseminado, as taxas de instalação e os efeitos na redução de acidentes por setor e processo em Ulsan não foram divulgados. Se a distribuição de equipamentos individuais continuar por apenas dois a três anos, não será possível prever acidentes de processo envolvendo a combinação de múltiplos riscos.  Os equipamentos de segurança inteligentes já chegaram ao mercado de produtos, mas atualmente encontram-se em um estágio de difusão parcial em todo o processo de Ulsan.

O Centro de Controle Integrado do Complexo Industrial Verde Inteligente estabeleceu as bases para a interligação de informações espaciais 3D, controle e serviços até 2025. Embora a visibilidade em nível de complexo industrial tenha melhorado, a integração em tempo real com permissões de trabalho internas, sensores de equipamentos e informações sobre riscos dos trabalhadores ainda não foi confirmada. Se os dados de controle externo e de processo interno forem separados até 2028, a identificação da localização após um acidente será mais rápida, mas a intervenção antes do acidente será limitada.  O controle do complexo industrial expandiu-se, mas a conexão de dados preditivos de segurança permanece incompleta.

Grandes corporações possuem suas próprias organizações de segurança, sensores, salas de controle e capacidade de investir em instalações. Mesmo quando subcontratados trabalham nas instalações do contratante principal, os dados por afiliação, processo e equipamento podem estar separados, e a taxa de compartilhamento de dados não é divulgada. Se os dados de segurança entre o contratante principal e os subcontratados não forem vinculados por dois a três anos, tanto a responsabilidade quanto o risco relacionados aos limites do processo são simultaneamente omitidos.  O sistema de segurança do contratante principal foi implementado, mas o sistema conjunto de segurança entre contratante principal e subcontratados permanece não confirmado.

A proporção de acidentes fatais em locais de trabalho com menos de 50 funcionários ultrapassou a metade. Embora os grupos de alto risco não coincidam com os grupos capazes de investir em tecnologia, o desempenho de Ulsan em suporte, instalação e manutenção por porte de empresa não foi verificado. Se essa lacuna persistir até 2028, o risco geral de acidentes na região permanecerá na base da cadeia de suprimentos, apesar dos avanços na tecnologia de segurança.  O nível de difusão entre as empresas parceiras é considerado significativamente menor do que o das grandes corporações.

A saúde ocupacional gerencia fatores de risco e doenças por meio de medições do ambiente de trabalho, exames de saúde específicos e investigações epidemiológicas. Embora dados institucionais tenham sido acumulados, ainda não foi identificado um sistema em nível de Ulsan que relacione a exposição individual, a mobilidade no local de trabalho e os desfechos de saúde a longo prazo. Se a rotatividade de funcionários, as aposentadorias e a presença de trabalhadores estrangeiros aumentarem ao longo de um período de dois a três anos, a descontinuidade no histórico de exposição torna-se ainda maior.  Os exames de saúde se tornaram comuns, mas os dados sobre a exposição cumulativa ao longo da vida permanecem fragmentados.

Pesquisas na indústria naval analisaram o risco de doenças ocupacionais, vinculando matrizes de exposição ocupacional a dados de registros de câncer, seguro-desemprego e exames de saúde. Embora a metodologia de pesquisa exista, não foi verificado até que ponto ela é repassada aos trabalhadores no local de trabalho, na forma de alertas de risco individuais e ajustes no trabalho. Se a pesquisa e o ambiente de trabalho se separarem até 2028, os riscos de doenças permanecerão apenas como estatísticas coletivas.  Apesar da capacidade de analisar a saúde ocupacional existir, a disseminação da prevenção em tempo real ainda está em um estágio inicial.

De 2026 a 2028, Ulsan vivenciará simultaneamente um aumento nos pedidos de construção naval, eletrificação automotiva, reestruturação petroquímica, riscos climáticos e expansão da força de trabalho estrangeira. Embora as cargas de trabalho, os processos, as instalações e a composição da força de trabalho mudem em conjunto, o ciclo de atualização dos modelos baseados em dados históricos para refletir essas novas condições não foi divulgado. Se a mudança superar o aprendizado, a precisão da IA ​​de segurança diminuirá durante o período de transição mais crítico.  O risco sensível ao tempo para o Ulsan Safety AX reside não no atraso na adoção da tecnologia, mas no atraso das atualizações do modelo em relação às mudanças na estrutura industrial.

As doenças ocupacionais envolvem um intervalo de vários anos entre a exposição e o diagnóstico. Se as instalações e as estruturas de emprego mudarem nos próximos dois a três anos, as informações sobre a exposição dos trabalhadores atuais podem ficar fragmentadas devido ao fechamento de locais de trabalho e às mudanças de função. Consequentemente, torna-se difícil identificar a causa e atribuir responsabilidades, mesmo que a doença ocorra posteriormente.  O período atual, em meio à reestruturação das indústrias petroquímica e naval, representa a última oportunidade para preservar o histórico de saúde ocupacional.

Acidentes graves operam em uma estrutura onde os dados se acumulam somente após a ocorrência de perdas de vidas e danos à saúde. Mesmo que os modelos sejam aprimorados após um acidente, as perdas já sofridas não podem ser recuperadas, e a memória local se enfraquece devido à substituição de trabalhadores no mesmo processo. Se incidentes de quase-acidentes e dados de alerta não forem acumulados por dois a três anos, a IA continua utilizando dados de mortes e lesões como material de treinamento.  A irreversibilidade da segurança industrial reside no fato de que custos irrecuperáveis ​​são incorridos no momento em que os dados de falhas são gerados.

Se os dados de saúde estiverem fragmentados por empresa, torna-se difícil recuperar exposições passadas após um trabalhador mudar de emprego ou se aposentar. À medida que a reestruturação empresarial e o encerramento de empresas parceiras progridem, os registros do ambiente de trabalho e dos responsáveis ​​podem desaparecer juntamente com elas. Se os históricos de longo prazo não forem interligados até 2028, a probabilidade de determinar a causalidade das doenças ocupacionais será permanentemente reduzida.  A descontinuidade dos dados de saúde do trabalho é um risco irreversível que prejudica simultaneamente os danos à saúde e o direito à indenização.

Critérios de avaliação: Para que o Índice de Atividade de Segurança e Saúde Ocupacional (AX) de Ulsan seja estabelecido, não o fornecimento de equipamentos, mas sim a taxa de detecção de quase acidentes, o tempo de resposta a alarmes, a taxa de conexão com parceiros, a taxa de rastreamento da exposição cumulativa e a redução de acidentes devem ser verificados simultaneamente antes de 2028.

Trata-se de uma etapa, e o sistema preditivo que relaciona a exposição vitalícia dos trabalhadores, os processos entre contratante principal e subcontratante e os resultados de saúde é considerado incompleto.

Embora a segurança inteligente esteja sendo implementada em grandes corporações, faltam evidências de que ela tenha se disseminado no mesmo nível para subcontratados, pequenos locais de trabalho e trabalhadores estrangeiros, onde os riscos estão concentrados.

O Labor AX deve ser um sistema que determine riscos antes de acidentes e exposições antes do desenvolvimento de doenças, e não um sistema que monitore os trabalhadores com maior precisão. Atualmente, Ulsan possui tecnologia de detecção, mas ainda não alcançou a verificação simultânea de previsão, disseminação e direitos.

Julgamento do Momento Ideal: Adoção Inteligente de Segurança + Integração Preditiva de Riscos na Saúde e no Trabalho

Fontes de Evidência

• Ministério do Emprego e Trabalho, Situação dos Acidentes Fatais Sujeitos a Investigação em 2025
• Ministério do Trabalho e Emprego, Situação dos Acidentes de Trabalho em 2025
• Agência Coreana de Segurança e Saúde Ocupacional, Estatísticas de Acidentes Graves
• Agência Coreana de Segurança e Saúde Ocupacional, casos de acidentes graves na indústria naval
• A Agência Coreana de Segurança e Saúde Ocupacional analisa os fatores de risco e as doenças ocupacionais na indústria naval.
• A Agência Coreana de Segurança e Saúde Ocupacional apoia equipamentos de segurança inteligentes.
• Agência Coreana de Segurança e Saúde Ocupacional, Casos Práticos de IA e Tecnologia Inteligente de Segurança Industrial
• Resposta da cidade metropolitana de Ulsan às ondas de calor baseada em IA e Big Data
• Centro de Controle Integrado do Complexo Industrial Verde Inteligente da Cidade Metropolitana de Ulsan

Análise Estrutural — A IA para Segurança Industrial já chega tarde demais, quanto mais aprende com acidentes.

O desempenho da IA ​​na manufatura em geral melhora à medida que aumenta a quantidade de dados sobre volume de produção, defeitos e manutenção. Embora os modelos de IA para segurança industrial possam se tornar mais sofisticados conforme cresce o número de acidentes dos quais se pode aprender, esses dados são gerados ao custo de ferimentos e fatalidades. É um campo singular onde o acúmulo de dados e os resultados sociais não caminham na mesma direção.

Quanto mais raros forem os acidentes, mais difícil se torna o aprendizado estatístico, mas maior será a correlação com a segurança. Por outro lado, locais propensos a acidentes são favoráveis ​​para o treinamento de modelos, mas representam locais onde a prevenção já falhou. Portanto, se a IA para segurança industrial for projetada com base em dados de acidentes, surge um paradoxo: as fábricas mais seguras carecem de dados de treinamento suficientes, enquanto as fábricas mais perigosas demonstram melhoria no poder preditivo somente após o acúmulo de danos.

Os dados que alteram essa estrutura não são mortes ou lesões, mas sim desvios de equipamentos, sobreposição de tarefas, avisos ignorados, desprendimento de equipamentos de proteção, quase acidentes e exposição a fatores de risco. No entanto, esses dados estão dispersos dentro da empresa e se sobrepõem às informações de vigilância dos trabalhadores. Embora o valor preventivo aumente quanto mais cedo forem coletados, antes de um acidente, o risco de violação de direitos também cresce.

Portanto, o ponto de virada estrutural do Ulsan Labor AX não é a precisão da IA ​​em si.  A viabilidade do Industrial Safety AX depende da garantia simultânea de que os dados utilizados para o aprendizado sobre riscos sem causar danos humanos e a confiança de que esses dados serão usados ​​exclusivamente para a proteção do trabalhador sejam assegurados.