Diseño de un sistema de evaluación para el rendimiento de modelos de control estadístico de patrones

El monitoreo de procesos tiene como objetivo identificar la presencia de fallas o alteraciones que afectan el desempeño normal de un proceso. La presencia de estas fallas puede generar costos por no conformidades, por lo que es fundamental detectarlas y eliminarlas lo antes posible. El Control Estadístico de Procesos (CEP) aplica técnicas estadísticas que facilitan la identificación de estas fallas mediante el muestreo y análisis de datos. De este modo, bajo el enfoque del CEP, si los datos de monitoreo muestran patrones no naturales, se puede inferir que el proceso está afectado por fallas o alteraciones. En la práctica, los procesos de monitoreo reales presentan diversas características que deben considerarse al diseñar modelos y evaluar sus resultados, ya que son esenciales para estimar con precisión su rendimiento. Estas características pueden considerarse factores clave para determinar la aplicabilidad de los modelos de monitoreo. Si bien incluir todos los factores puede resultar complejo, una propuesta escalable debe integrar los más relevantes en su evaluación. En la actualidad, las investigaciones en la literatura científica se centran en la construcción de propuestas para la identificación de patrones anómalos, aplicando diversos modelos y enfoques de solución. Sin embargo, su aplicación se ve limitada por la ausencia de una estrategia de evaluación que considere los factores clave para estimar su rendimiento. Además, no existe un sistema de evaluación de desempeño común que permita comparar los diferentes modelos de control estadístico propuestos en la literatura. Como consecuencia, el estado del arte de los modelos existentes no es del todo claro. Aunque existen investigaciones que reconocen factores clave no incluidos durante el proceso de diseño y evaluación de los modelos de monitoreo propuestos en la literatura, dichos estudios se enfocan principalmente en el diseño de nuevos modelos de control que incorporan solo algunos de estos factores, sin considerar de manera conjunta las diferentes características que pueden influir en la aplicabilidad de los modelos en entornos de monitoreo. De este modo, aunque se han propuesto métricas de evaluación que incluyen algunos de estos factores clave, su implementación en las investigaciones de la literatura sigue siendo limitada y específica de ciertas propuestas. Como resultado, la precisión continúa siendo el principal indicador de rendimiento considerado en la literatura actual, aun cuando la evaluación del desempeño de un modelo debería incluir factores adicionales. Para superar esta brecha en la literatura actual, se propone diseñar un sistema de evaluación para estimar el rendimiento de modelos de control estadístico de patrones, considerando factores clave del monitoreo de procesos, con el fin de evaluar la viabilidad de las propuestas y permitir una comparación equilibrada entre diferentes estrategias de monitoreo en la literatura. Con este propósito, primero se identifican los factores clave del monitoreo de procesos que deben ser considerados en la evaluación de estos modelos. Luego, con base en dicha identificación, se propone estructurar una metodología de evaluación que permita estimar su rendimiento. Una vez formulada esta estructura, se plantea calcular el desempeño de dos modelos de control estadístico propuestos utilizando la metodología diseñada. Finalmente, se establece un proceso de análisis y conclusiones orientado a promover nuevas líneas de investigación y futuras propuestas para el control estadístico de patrones. Como resultado, a través de la revisión de la literatura, se definieron cuatro factores clave para ser incluidos en el sistema de evaluación: detección en línea, métricas de evaluación, datos no balanceados y error de etiquetado. Con base en estos factores, se propuso un mecanismo de simulación que asemeja la detección en línea de los procesos reales, donde hay un alto desbalance en los datos. Además, se presentaron métricas basadas en la necesidad de crear modelos con rápida detección, pocas falsas alarmas, una estabilidad de identificación aceptable y alta precisión. Asimismo, se analizó el efecto del error de etiquetado en el desempeño de los modelos de detección. Este análisis permitió demostrar cómo el sistema diseñado puede ser una herramienta que facilite la comparación entre modelos bajo indicadores requeridos que mejoren la aplicabilidad. Finalmente, se proponen como futuras líneas de trabajo la creación de modelos robustos ante errores de etiquetado y la evaluación del efecto de sistemas de entrenamiento bajo ventanas secuenciales o aleatorizadas, entre otras.

• Autores: García Solano, Ethel Carolina
• Tipo de recurso: Doctoral thesis
• Fecha de publicación: 2025
• Institución: Universidad del Norte
• Repositorio: Repositorio Uninorte
• Idioma: spa
• OAI Identifier: oai:manglar.uninorte.edu.co:10584/13520
• Acceso en línea: http://hdl.handle.net/10584/13520
• Palabra clave: Control de calidad -- Métodos estadísticos; Estadística industrial; Rendimiento industrial -- Mediciones; Muestreo (Estadística); Ingeniería industrial
• Rights: openAccess
• License: https://creativecommons.org/licenses/by/4.0/