La soldadura por puntos es un proceso de unión crítico que presenta desafíos específicos en la detección temprana de defectos, tiene altos costos de retrabajo y consume cantidades excesivas de materiales, lo que obstaculiza una producción efectiva y sostenible. Especialmente en la fabricación automotriz, es necesario controlar la calidad de la fuente de soldadura para aumentar la eficiencia y el rendimiento sostenible de las líneas de producción. Utilizando análisis de datos, las empresas manufactureras pueden controlar y predecir los parámetros de soldadura que causan problemas relacionados con la calidad de los recursos y el rendimiento del proceso. En este estudio, nuestro objetivo fue definir la causa raíz de los defectos de soldadura y resolver el problema del rango de valores de entrada de soldadura utilizando algoritmos de aprendizaje automático. En una aplicación de línea de producción automotriz, analizamos datos de IoT en tiempo real y creamos variables relacionadas con el mejor rango de trabajo de los parámetros de entrada de soldadura requeridos en el análisis de inferencia para la reducción de expulsiones. Los resultados ayudarán a proporcionar directrices y enfoques de selección de parámetros para modelar soluciones basadas en ML para los problemas de optimización asociados con la soldadura.