Examinando por Autor "Morales Ospina, Victor"

Mostrando 1 - 2 de 2
  • Miniatura
    PublicaciónEmbargo
    Bestmodel: una nueva función en R para evaluar la capacidad predictiva de un modelo
    (Universidad de Córdoba, 2024-12-11) Velásquez Alemán, Elkin David; Cogollo Flórez, Myladis; Morales Rivera, Mario Alfonso; Morales Ospina, Victor
    El objetivo de la investigación se fundamenta en desarrollar una nueva función en R que facilite el cálculo simultáneo y rápido de las métricas para modelos de pronóstico, como series de tiempo, modelos de regresión y redes neuronales, ofreciendo una alternativa más interactiva y fácil de usar. La función fue además comparada con otras herramientas disponibles, resaltando tanto sus ventajas como sus desventajas frente a otras funciones tradicionales, que calculan métricas de manera independiente. La propuesta busca mejorar la experiencia del usuario, permitiendo la automatización de la evaluación de modelos en tan solo pocas líneas de código, optimizando el proceso de análisis, reduciendo el esfuerzo y el tiempo requerido para interpretar los resultados de manera más rápida.
  • Miniatura
    PublicaciónAcceso abierto
    Monitoreo de perfiles lineales simples: teorı́a y aplicación
    (Universidad de Córdoba, 2024-12-11) Díaz Osorio, Sebastián Camilo; Morales Ospina, Victor; Martínez Flórez, Guillermo; Herrera Acosta, Roberto José
    Esta monografı́a presenta la teorı́a y los métodos estadı́sticos clásicos para el monitoreo de perfiles lineales simples, analizando y describiendo las metodologı́as utilizadas tanto en la Fase I como en la Fase II del control estadı́stico de procesos, esta teorı́a aunque tradicionalmente se ha aplicado principalmente en calibración, este trabajo aporta gran valor al ilustrar su implementación en un sector poco explorado, como los sistemas de refrigeración industrial. A través del uso del estadı́stico T 2 de Hotelling y haciendo uso de datos simulados, se muestra la idoneidad del monitoreo de perfiles lineales simples para detectar desviaciones en los parámetros clave del proceso de enfriamiento, especı́ficamente en el intercepto (β0 ) y la pendiente (β1 ) del modelo de regresión lineal simple asociado a este campo de estudio, los resultados muestran que esta metodologı́a permite una detección temprana de anomalı́as, permitiendo ser utilizadas para programar el mantenimiento preventivo o correctivo, según la magnitud del cambio, y ası́ garantizar la calidad y seguridad del sistema. Con esta aplicación, se contribuye a ampliar el alcance del monitoreo de perfiles lineales simples, ofreciendo una herramienta eficaz para el control estadı́stico de procesos en el sector de la refrigeración industrial, donde previamente se han realizado pocas investigaciones en este ámbito.