Bajo el marco de una demanda exigente y un estándar de calidad alto, han surgido muchas investigaciones en torno a los controles de calidad de los procesos. Los más utilizados son los gráficos, pues permiten identificar a simple vista si el proceso se encuentra o no bajo control. De todas formas, su facilidad es igualmente contraria a la dificultad de determinar que variable o grupo de variables han producido el efecto. Muchos han investigado acerca de este proceso, surgiendo por lo tanto, varios métodos gráficos o analíticos, para manejar las variables involucradas.
Los análisis gráficos suelen orientarse en p gráficos de una variable, o sea múltiples univariables (véase p como la cantidad de variables) o multivariantes, donde se plasma en un solo gráfico las variables involucradas. Éste último ha tenido mucho desarrollo en los últimos años, como por ejemplo el gráfico T2 de Hotelling.
Entre los métodos analíticos, el que se destaca es el de Mason, Tracy y Young (conocido como el método MTY) que ha tenido mucha aceptación e implementación. Plantea descomponer el “valor T2 en componentes independiente, cada una de las cuales refleja la contribución de una variable individual. La descomposición de un valor T2 detectado en el gráfico de control, proporciona una fuente de información para identificar la variable o grupo de variables que contribuyen significativamente en la señal.”[1]Este método ha sido ampliamente aceptado en muchos ámbitos convirtiéndolo en el método por excelencia, aunque nadie ha analizado la efectividad que proporciona.
El autor propone analizar esta efectividad y proponer el método de red neuronal. Bajo este punto, plantea que el porcentaje de aciertos depende del tipo de cambio que se pueda producir, la magnitud del cambio, el número de variables y el tamaño de la muestra, entre otras. De todas formas, se realizó ese análisis y se comprobó la poca efectividad del mismo, comprobando que:
- · Para puntos cercanos al valor medio, el porcentaje de aciertos es bajo. Si bien a puntos más distantes el porcentaje mejora, no puede ser considerados altos.
- · Un valor de α entre el 5% y 6% es recomendado para el caso de dos variables y 0.5% para tres variables porque estos valores producen los mejores porcentajes de aciertos.
- · El porcentaje de aciertos globales es de 58.8% para 2 variables y de 36% para tres, con número de muestras =3
El método de redes neuronales se basa en el funcionamiento de las neuronas cerebrales, que funcionan en redes. Bajo esta idea, la red neuronal explora muchas hipótesis simultáneamente, usando redes masivas paralelas compuestas de muchos elementos de procesamiento conectados por enlaces con pesos. Los modelos de redes neuronales son especificados por la topología de la red (estructura y tipo de enlaces), las características de los nodos y reglas de aprendizaje”[2] El problema que si presenta es que algunos algoritmos no existen o son actual y virtualmente imposibles de escribir como pasos lógicos y aritméticos.
Para facilitar los cálculos, un software fue desarrollado que realiza los cálculos algorítmicos de manera de poder detectar, sin conocimiento sobre redes neuronales por parte del usuario final, cual variable ha cambiado. “Los resultados de una red neuronal cuando es utilizada para clasificar, dependen del valor de corte que se aplica a las neuronas de salida.” [3]
Con los análisis planteados a lo largo de la tesis tanto como el libro “Aplicación al control de calidad”, los porcentajes de efectividad son mayores con el método de red neuronal que con el método MTY, tanto para 2 como para 3 variables.
Método | % aciertos (p=2) | % aciertos (p=3) |
MTY | 58.8% | 36.0% |
Red Neuronal | 69.5% | 60.2% |
No hay comentarios:
Publicar un comentario