MONITOREO E INTERPRETACIÓN DE LA VARIACIÓN GENERADA EN PROCESOS MULTIVARIADOS A PARTIR DE LA INTEGRACIÓN DEL GRAFICO DE CONTROL MCUSUM Y RED NEURONAL PERCEPTRON MULTICAPA (MONITORING AND INTERPRETATION OF THE VARIATION GENERATED IN MULTIVARIATE PROCESSES FROM THE INTEGRATION OF MCUSUM CONTROL CHART AND MULTILAYER PERCEPTRON NEURAL NETWORK)
Pistas Educativas
Resumen
Resumen La variabilidad que se encuentra dentro de los procesos de fabricación, origina muchos de los problemas de calidad que sufren las organizaciones manufactureras. En el caso de no ser monitoreada correctamente, aumenta las probabilidades de producir productos de baja calidad y, por consecuencia, aumentan los costos de producción. El objetivo del control estadístico de la calidad es poder detectar rápidamente la ocurrencia de causas asignables de variación en el proceso de fabricación e investigar las causas que la han generado para reducirlas o eliminarlas. En el artículo se presenta el desarrollo de una metodología que integra el grafico de control MCUSUM y la red neuronal artificial perceptrón multicapa para la detección e interpretación de las fuentes de variación que se generan en los sistemas productivos. De esta manera, la metodología permitirá localizar la(s) variable(s) que causa(n) el descontrol en el proceso, logrando emprender acciones correctivas que consigan reducirlas o eliminarlas en la fabricación de productos fuera de especificación de forma oportuna. La metodología propuesta fue implementada en un proceso de fabricación de placas de circuito impreso y se logra clasificar el origen de la variación generada en el sistema productivo con una exactitud promedio del 96.71%. Palabras clave: red neuronal artificial, Control estadístico multivariado, Grafico de control multivariado, MCUSUM, Red neuronal artificial. Abstract (The variability found within manufacturing processes causes many of the quality problems experienced by manufacturing organizations. If not properly monitored, it increases the probability of producing low quality products and, consequently, increases production costs. The objective of statistical quality control is to be able to quickly detect the occurrence of assignable causes of variation in the manufacturing process and to investigate the causes that have generated it in order to reduce or eliminate them. This article presents the development of a methodology that integrates the MCUSUM control chart and the multilayer perceptron artificial neural network for the detection and interpretation of the sources of variation generated in production systems. In this way, the methodology will allow locating the variable(s) that cause(s) the lack of control in the process, being able to take corrective actions to reduce or eliminate them in the manufacture of products out of specification in a timely manner. The proposed methodology was implemented in a printed circuit board manufacturing process and it was possible to classify the origin of the variation generated in the production system with an average accuracy of 96.71%). Keywords: Artificial neural network, Multivariate statistical control, Multivariate control chart, MCUSUM, Multivariate control chart.
Datos de publicación
Cita esta publicación
Comprueba el estilo que requiere tu institución o revista.
Fuentes y trazabilidad
Se conserva la procedencia de los datos y se da prioridad a la revista cuando existe información editorial.
Licencias declaradas por las fuentes
Licencia en el registro de origen