Implementación de una herramienta para clasificar patrones de comportamiento en cartas de control univariadas.

Abstract

El control de la calidad de los productos, es una parte fundamental en las organizaciones que pretenden sobrevivir en mercados competentes, y globalizados, como los que se viven hoy en día. El control estadístico de procesos, es una herramienta para asegurar la calidad de los productos. Por lo tanto, diagnosticar el estado de control de la producción, mediante gráficos de control, es un proceso que requiere la mayor atención posible. Este diagnóstico tradicionalmente es realizado de forma manual por personal no calificado y con poca experiencia en este tipo de herramientas. Esto implica problemas como carencia de objetividad y precisión en la identificación de variaciones no naturales. En esta investigación se analizan algunas de las diferentes herramientas inteligentes, direccionadas al reconocimiento de patrones de inestabilidad en gráficos de control, y se examinan algunos modelos relacionados con el tema. Se hace una selección de la herramienta que se cree es la más apropiada para la clasificación de patrones, tomando en cuenta criterios implícitos expuestos por autores de las diferentes investigaciones referenciadas en este estudio. Al considerar ciertos criterios para la selección de la herramienta de clasificación, se elige a las redes neuronales artificiales como el método de reconocimiento de patrones apropiado, además se hace una breve descripción acerca de su funcionamiento y características. En seguida, se desarrolla el modelo basado en redes neuronales artificiales, utilizando algunos parámetros considerados por distintos autores para su desarrollo, y se hace un análisis de las variables implicadas. Finalmente, se evalúa el modelo mediante un caso de estudio con datos reales para la verificación del estado de control de un proceso. Esta información es proporcionada por una empresa del sector azucarero en el Valle del Cauca.