Ingeniero Civil Eléctrico / La fatiga mental se define como un cambio en los estados fisiológicos y psicológicos que experimenta una persona a medida que realiza una actividad cognitiva de alta demanda por un período de tiempo. Este trabajo de título diseña y aplica una metodología para la confección de un sistema detector de fatiga mental mediante el análisis de la variabilidad del ritmo cardiaco, con el fin de generar una herramienta que ayude a minimizar la tasa de accidentes en operaciones industriales. Dicha metodología contempla la generación de una base de datos con muestras de variabilidades del ritmo cardíaco (HRV), las cuales son extraídas del registro de electrocardiogramas (ECG) a sujetos con diversos niveles de cansancio mental. Para cada uno de los participantes de este estudio, se realiza una toma de muestra tanto al inicio como al final de su jornada laboral, a lo largo de una semana de trabajo, con la finalidad de obtener posibles tendencias en las características analizadas en el HRV, con respecto al transcurso de una jornada, o de la semana. Para lograr un análisis fidedigno entre el grado de cansancio real que tiene cada voluntario, y los cambios fisiológicos vinculados a estos niveles, se registran parámetros cognitivos y contextuales tales como el puntaje obtenido en un test de habilidad mental, las horas dormidas la noche anterior, y el nivel de fatiga mental auto reportado en una escala entre 0 y 10. A partir de estos parámetros, se implementa un sistema de etiquetado de muestras, para caracterizar tanto de forma continua como de forma binaria, el nivel de fatiga mental estimado en cada individuo, dado por las características de las HRV analizadas. Completado este proceso, se analiza en conjunto la relación entre las etiquetas generadas y las características medidas, para posteriormente desarrollar un algoritmo basado en los paradigmas de la inteligencia computacional clasificador del nivel de fatiga mental. Como resultado de esta metodología, se obtienen dos redes neuronales: la primera, entrenada para caracterizar el nivel de fatiga mental en una escala lineal porcentual entre 0 y 100%. La segunda, entrenada para clasificar de forma binaria entre los conjuntos No Fatiga y Fatiga . Para el primer algoritmo se obtuvo una correlación promedio porcentual de 18% entre las características de las muestras y las etiquetas generadas. Para el segundo algoritmo implementado, se obtuvo un promedio para la exactitud, precisión y sensibilidad de 58%, 61% y 83% respectivamente. La principal limitación del presente estudio fue la elección de los mecanismos utilizados para generar el sistema de etiquetado. En específico, la encuesta de auto reporte no contenía preguntas completamente claras para el voluntario, el juego cognitivo evidenció una tasa de aprendizaje que impedía visualizar cambios en los niveles de concentración, y la medición del electroencefalograma (EEG) presentó problemas de conectividad Bluetooth para recibir la data. Adicionalmente, la cantidad de muestras obtenidas se considera insuficiente para entrenar de forma eficaz una red neuronal. Esto sugiere que, para una próxima realización de este estudio, es necesario perfeccionar las herramientas utilizadas en esta metodología, con el fin de poder caracterizar y clasificar de forma más óptima la fatiga mental mediante el análisis de la variabilidad del ritmo cardiaco.