Examinando por Materia "Índice de capacidad de procesos"

Mostrando 1 - 2 de 2
  • Miniatura
    PublicaciónAcceso abierto
    Importancia de la selección de variables de entrada en un modelo de redes neuronales artificiales para la clasificación del estado de procesos industriales
    (2023-06-27) Negrete Charry, Luis Alfonso; Cogollo Flórez, Myladis Rocio
    In statistical process control, Process Capability Indices (PCI) are a tool to quantify process diversity and analyze this diversity in relation to product requirements or specifications. The validity of the results of the PCI depends on the measures being taken from processes under control, and that the assumptions of normality and independence are fulfilled. In practice, it is difficult to satisfy these assumptions, and that is why several alternative methods have been proposed, such as the Clements percentile method, the Box-Cox potential transformation method, the Burr percentile method, and recently Machine Learning methods. Abbasi (2009) proposes to estimate the process capacity index using an artificial neural network (ANN) model, but does not consider the selection process of the input variables of the neural network, nor the optimal construction. of the network typology and, in addition, distributional assumptions are assumed. In this paper, an PCI estimation methodology is established using ANN classificationtype models, which allows categorizing the state of a process, considering different selection methods for the most relevant input variables, as well as the optimal configuration of the network. Using experimental data from non-normal distributions, the effect of different input variable selection methods on the performance of the ANN model is evaluated and compared. It is concluded that the Pearson selection method almost always provides simpler network structures than those provided by the Backward and Gedeon methods.
  • Miniatura
    PublicaciónRestringido
    Pypcapability: un módulo en python para evaluar estadísticamente la capacidad de un proceso
    (2022-08-26) Martínez Chamorro, Rolando Daniel; Cogollo Flórez, Myladis Rocío
    Las industrias deben analizar la capacidad de sus procesos para cumplir con las especificaciones de los productos, y así poder decidir si es necesario tomar acciones de mejoramiento. Generalmente, esto se hace mediante los índices de capacidad de procesos (ICP), quienes proporcionan una estimación numérica de dicha capacidad. Dado que este análisis se realiza de manera rutinaria en las industrias, es necesario tener acceso a herramientas computacionales que estén soportadas en una teoría estadística sólida y que sean de fácil manejo. En este trabajo se formula y desarrolla un nuevo modulo en Python, denominado PyPCapability, que facilita y dinamiza el análisis de la capacidad de los procesos, con un Entorno de programación básica para el usuario, que acompaña a este desde el proceso de validación de los supuestos hasta la estimación puntual y por intervalo de los ICP tradicionales. Adicionalmente, el módulo proporciona una ayuda en la interpretación de los resultados estadísticos obtenidos en cada etapa del análisis, y tiene implementados nuevas metodologías estadísticas para la verificación del control de los procesos. Los resultados hallados al examinar la viabilidad de PyPCapability usando datos reales, demuestran que ´este es un mecanismo útil y confiable para aplicar en las industrias.