Aplicación de Minería de Datos Para el Análisis del Proceso Industrial de Brazing

Abstract

El proceso industrial de Brazing, como otros procesos industriales originan una gran cantidad de datos que son factibles de ser capturados y analizados. En la actualidad el auge de la minería de datos como herramienta de análisis, proporciona una importante posibilidad de obtener información valiosa para la toma de decisiones que permitan optimizar y mejorar estos procesos industriales. Esta tesis tiene como objetivo identificar aquellas variables que son determinantes para la calidad del proceso y para este propósito se aplicaron diversas técnicas de minería de datos como: regresión logística, arboles de decisión, máquinas de vector soporte y redes neuronales. Con estos análisis se construyeron varios modelos para predecir en diferentes condiciones si las piezas que se hornean en el proceso de Brazing pueden tener o no problemas de calidad. Todos estos modelos predictivos fueron entrenados con datos recabados en la empresa estudiada y luego se pusieron a prueba para verificar su eficacia en las predicciones. Si bien no se logró establecer una correlación entre las variables de entrada del proceso y el resultado del mismo, quedan abiertas futuras líneas de investigación para automatizar la recolección de datos, aplicar estos mismos modelos a otras industrias que realicen el proceso de Brazing, y ampliar el alcance de los modelos involucrando otros procesos de la cadena de elaboración de un panel de aluminio.