{"id":274,"date":"2020-11-25T05:57:04","date_gmt":"2020-11-25T05:57:04","guid":{"rendered":"https:\/\/academia.uaa.mx\/congreso-ciencias-exactas\/?post_type=mp-event&#038;p=274"},"modified":"2020-11-25T05:57:04","modified_gmt":"2020-11-25T05:57:04","slug":"ponencia-iie-machine-learning-y-modelacion-estadistica-para-la-identificacion-de-fallas-en-procesos-de-manufactura-tres-aplicaciones","status":"publish","type":"mp-event","link":"https:\/\/academia.uaa.mx\/congreso-ciencias-exactas\/programacion\/evento\/ponencia-iie-machine-learning-y-modelacion-estadistica-para-la-identificacion-de-fallas-en-procesos-de-manufactura-tres-aplicaciones\/","title":{"rendered":"Ponencia IIE: Machine Learning y modelaci\u00f3n estad\u00edstica para la Identificaci\u00f3n de fallas en procesos de manufactura, tres aplicaciones"},"content":{"rendered":"<p>IIE 7<\/p>\n<h2 style=\"text-align: center;\"><strong>Machine Learning y modelaci\u00f3n estad\u00edstica para la Identificaci\u00f3n de fallas en procesos de manufactura, tres aplicaciones<\/strong><\/h2>\n<p style=\"text-align: center;\">Dr. H\u00e9ctor de la Torre Guti\u00e9rrez<br \/>\nhector.delatorre@cimat.mx<br \/>\nCentro de Investigaci\u00f3n en Matem\u00e1ticas, A.C. &#8211;<br \/>\nUnidad Aguascalientes<\/p>\n<p>Los sistemas de producci\u00f3n actuales muestran grandes niveles de complejidad. Aunado a la complejidad mostrada, la detecci\u00f3n de fallas en estos procesos productivos se ha vuelto m\u00e1s complicada y laboriosa. Por otro lado, en sistemas tradicionales de producci\u00f3n, la detecci\u00f3n de fallas se realiza mediante una simple inspecci\u00f3n visual sobre las Cartas de Control Estad\u00edstico por parte de los operarios, as\u00ed generando problemas de ambig\u00fcedad y confusi\u00f3n en la toma de decisiones respecto al tipo de falla existente. Para solucionar<br \/>\ndichos problemas de complejidad de detecci\u00f3n y ambig\u00fcedad, en investigaciones recientes se ha propuesto la aplicaci\u00f3n de algoritmos de Machine Learning.<\/p>\n<p>En esta conferencia se mostrar\u00e1n tres problemas donde se han aplicado algoritmos de Machine Learning para la identificaci\u00f3n de fallas en procesos monitoreados mediante Cartas de Control (procesos discretos y continuos) y en procesos altamente eficientes; es decir, procesos que muestran un bajo nivel de fallas. Se mostrar\u00e1 la relaci\u00f3n entre los tres esquemas de automatizaci\u00f3n desarrollados, la forma<br \/>\nen la que los esquemas de automatizaci\u00f3n de detecci\u00f3n de fallas fueron mejorados mediante el uso de modelos estad\u00edsticos y Metaheur\u00edsticas, e ideas generales sobre investigaci\u00f3n que se est\u00e1 desarrollando en la unidad CIMAT Aguascalientes sobre estos temas.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Los sistemas de producci\u00f3n actuales muestran grandes niveles de complejidad. Aunado a la complejidad mostrada, la detecci\u00f3n de fallas en estos procesos productivos se ha vuelto m\u00e1s complicada y laboriosa. Por otro lado, en sistemas tradicionales de producci\u00f3n, la detecci\u00f3n de fallas se realiza mediante una simple inspecci\u00f3n visual sobre las Cartas de Control Estad\u00edstico por parte de los operarios, as\u00ed generando problemas de ambig\u00fcedad y confusi\u00f3n en la toma de decisiones respecto al tipo de falla existente. Para solucionar<br \/>\ndichos problemas de complejidad de detecci\u00f3n y ambig\u00fcedad, en investigaciones recientes se ha propuesto la aplicaci\u00f3n de algoritmos de Machine Learning.<\/p>\n<p>En esta conferencia se mostrar\u00e1n tres problemas donde se han aplicado algoritmos de Machine Learning para la identificaci\u00f3n de fallas en procesos monitoreados mediante Cartas de Control (procesos discretos y continuos) y en procesos altamente eficientes; es decir, procesos que muestran un bajo nivel de fallas. Se mostrar\u00e1 la relaci\u00f3n entre los tres esquemas de automatizaci\u00f3n desarrollados, la forma<br \/>\nen la que los esquemas de automatizaci\u00f3n de detecci\u00f3n de fallas fueron mejorados mediante el uso de modelos estad\u00edsticos y Metaheur\u00edsticas, e ideas generales sobre investigaci\u00f3n que se est\u00e1 desarrollando en la unidad CIMAT Aguascalientes sobre estos temas.<\/p>\n","protected":false},"author":1,"featured_media":0,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":{"_acf_changed":false,"ngg_post_thumbnail":0},"mp-event_category":[8],"mp-event_tag":[12],"class_list":["post-274","mp-event","type-mp-event","status-publish","hentry","mp-event_category-iie","mp-event_tag-ponencia","mp-event-item"],"acf":[],"_links":{"self":[{"href":"https:\/\/academia.uaa.mx\/congreso-ciencias-exactas\/wp-json\/wp\/v2\/mp-event\/274","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/academia.uaa.mx\/congreso-ciencias-exactas\/wp-json\/wp\/v2\/mp-event"}],"about":[{"href":"https:\/\/academia.uaa.mx\/congreso-ciencias-exactas\/wp-json\/wp\/v2\/types\/mp-event"}],"author":[{"embeddable":true,"href":"https:\/\/academia.uaa.mx\/congreso-ciencias-exactas\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/academia.uaa.mx\/congreso-ciencias-exactas\/wp-json\/wp\/v2\/comments?post=274"}],"wp:attachment":[{"href":"https:\/\/academia.uaa.mx\/congreso-ciencias-exactas\/wp-json\/wp\/v2\/media?parent=274"}],"wp:term":[{"taxonomy":"mp-event_category","embeddable":true,"href":"https:\/\/academia.uaa.mx\/congreso-ciencias-exactas\/wp-json\/wp\/v2\/mp-event_category?post=274"},{"taxonomy":"mp-event_tag","embeddable":true,"href":"https:\/\/academia.uaa.mx\/congreso-ciencias-exactas\/wp-json\/wp\/v2\/mp-event_tag?post=274"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}