Un método no invasivo para evaluar índices de capacidad de proceso difusos a través de aplicaciones acopladas de redes neuronales artificiales y el DOE de Placket-Burman
Autores: Villalón-Turrubiates, Iván E.; López-Herrera, Rogelio; García-Alcaraz, Jorge L.; Díaz-Reza, José R.; Soto-Cabral, Arturo; González-Lazalde, Iván; Grijalva-Avila, Gerardo; Rodríguez-Álvarez, José L.
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Un método no invasivo para evaluar índices de capacidad de proceso difusos a través de aplicaciones acopladas de redes neuronales artificiales y el DOE de Placket-Burman
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Capacidad del proceso
Capacidad del proceso difuso
Técnicas estadísticas
Proyectos de mejora continua
Diseño experimental
Red neuronal
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 29
Citaciones: Sin citaciones
El análisis de capacidad de un proceso frente a los requisitos es frecuentemente un instrumento de cambio. Los enfoques tradicionales y difusos de la capacidad del proceso son las técnicas estadísticas más útiles para determinar la dispersión intrínseca de un proceso controlado para establecer especificaciones realistas y usarlas en procesos comparativos. En la industria, el enfoque tradicional es el instrumento más comúnmente utilizado para evaluar el impacto de proyectos de mejora continua. Sin embargo, estos métodos utilizados para evaluar índices de capacidad del proceso podrían dar resultados engañosos porque el conjunto de datos utilizado corresponde a las medidas del producto/servicio final. Este documento revisa un procedimiento alternativo para evaluar los índices de capacidad del proceso difuso basado en la metodología estadística involucrada en el modelado y diseño de experimentos. En primer lugar, se desarrolla un modelo con una precisión razonable utilizando un enfoque de red neuronal. Este modelo se incorpora en una interfaz gráfica de usuario (GUI). Utilizando la GUI, se lleva a cabo un diseño experimental, primero para conocer la función de pertenencia de la variabilidad del proceso y luego incluir esta variabilidad en el modelo. Nuevamente, un diseño experimental identifica las condiciones operativas mejoradas para las variables independientes significativas. Se genera un nuevo conjunto de datos con estas condiciones operativas, incluido el error mínimo alcanzado para cada variable independiente. Finalmente, se utiliza la GUI para obtener una nueva predicción para la variable de respuesta. Los índices de capacidad del proceso difuso se determinan utilizando la función de pertenencia triangular y los valores de respuesta predichos. La viabilidad del método propuesto se validó utilizando un conjunto de datos aleatorio correspondiente al peso base de un proceso de fabricación de papel. Los resultados indican que el método propuesto proporciona una mejor visión general del rendimiento del proceso, mostrando su verdadero potencial. El método propuesto puede considerarse no invasivo.
Descripción
El análisis de capacidad de un proceso frente a los requisitos es frecuentemente un instrumento de cambio. Los enfoques tradicionales y difusos de la capacidad del proceso son las técnicas estadísticas más útiles para determinar la dispersión intrínseca de un proceso controlado para establecer especificaciones realistas y usarlas en procesos comparativos. En la industria, el enfoque tradicional es el instrumento más comúnmente utilizado para evaluar el impacto de proyectos de mejora continua. Sin embargo, estos métodos utilizados para evaluar índices de capacidad del proceso podrían dar resultados engañosos porque el conjunto de datos utilizado corresponde a las medidas del producto/servicio final. Este documento revisa un procedimiento alternativo para evaluar los índices de capacidad del proceso difuso basado en la metodología estadística involucrada en el modelado y diseño de experimentos. En primer lugar, se desarrolla un modelo con una precisión razonable utilizando un enfoque de red neuronal. Este modelo se incorpora en una interfaz gráfica de usuario (GUI). Utilizando la GUI, se lleva a cabo un diseño experimental, primero para conocer la función de pertenencia de la variabilidad del proceso y luego incluir esta variabilidad en el modelo. Nuevamente, un diseño experimental identifica las condiciones operativas mejoradas para las variables independientes significativas. Se genera un nuevo conjunto de datos con estas condiciones operativas, incluido el error mínimo alcanzado para cada variable independiente. Finalmente, se utiliza la GUI para obtener una nueva predicción para la variable de respuesta. Los índices de capacidad del proceso difuso se determinan utilizando la función de pertenencia triangular y los valores de respuesta predichos. La viabilidad del método propuesto se validó utilizando un conjunto de datos aleatorio correspondiente al peso base de un proceso de fabricación de papel. Los resultados indican que el método propuesto proporciona una mejor visión general del rendimiento del proceso, mostrando su verdadero potencial. El método propuesto puede considerarse no invasivo.