Desarrollo de un modelo de machine learning para la optimización de parámetros y mejora de la calidad en la metalización de rollos de biobase en una planta de fabricación de pelı́culas metalizadas

Esta tesis presenta el desarrollo de un modelo de aprendizaje automático diseñado para optimizar los parámetros operativos en el proceso de metalización de rollos de biobase. El estudio se fundamenta en un análisis detallado de datos históricos recolectados, los cuales incluyen tensiones aplicadas d...

Full description

Autores:: Hernández Padilla, Cristian Enrique

Tipo de recurso:: Trabajo de grado de pregrado

Fecha de publicación:: 2025

Institución:: Universidad Tecnológica de Bolívar

Repositorio:: Repositorio Institucional UTB

Idioma:: spa

id	UTB2_b14c6c7affcc057962c03508d720b6bc
oai_identifier_str	oai:repositorio.utb.edu.co:20.500.12585/13909
network_acronym_str	UTB2
network_name_str	Repositorio Institucional UTB
repository_id_str
dc.title.spa.fl_str_mv	Desarrollo de un modelo de machine learning para la optimización de parámetros y mejora de la calidad en la metalización de rollos de biobase en una planta de fabricación de pelı́culas metalizadas
title	Desarrollo de un modelo de machine learning para la optimización de parámetros y mejora de la calidad en la metalización de rollos de biobase en una planta de fabricación de pelı́culas metalizadas
spellingShingle	Desarrollo de un modelo de machine learning para la optimización de parámetros y mejora de la calidad en la metalización de rollos de biobase en una planta de fabricación de pelı́culas metalizadas Aprendizaje automático (inteligencia artificial) Inteligencia artificial Investigación operacional Modelos predictivo Industria manufacturera Minería de datos
title_short	Desarrollo de un modelo de machine learning para la optimización de parámetros y mejora de la calidad en la metalización de rollos de biobase en una planta de fabricación de pelı́culas metalizadas
title_full	Desarrollo de un modelo de machine learning para la optimización de parámetros y mejora de la calidad en la metalización de rollos de biobase en una planta de fabricación de pelı́culas metalizadas
title_fullStr	Desarrollo de un modelo de machine learning para la optimización de parámetros y mejora de la calidad en la metalización de rollos de biobase en una planta de fabricación de pelı́culas metalizadas
title_full_unstemmed	Desarrollo de un modelo de machine learning para la optimización de parámetros y mejora de la calidad en la metalización de rollos de biobase en una planta de fabricación de pelı́culas metalizadas
title_sort	Desarrollo de un modelo de machine learning para la optimización de parámetros y mejora de la calidad en la metalización de rollos de biobase en una planta de fabricación de pelı́culas metalizadas
dc.creator.fl_str_mv	Hernández Padilla, Cristian Enrique
dc.contributor.advisor.none.fl_str_mv	Sierra Porta, David
dc.contributor.author.spa.fl_str_mv	Hernández Padilla, Cristian Enrique
dc.subject.proposal.none.fl_str_mv	Aprendizaje automático (inteligencia artificial) Inteligencia artificial Investigación operacional Modelos predictivo Industria manufacturera Minería de datos
topic	Aprendizaje automático (inteligencia artificial) Inteligencia artificial Investigación operacional Modelos predictivo Industria manufacturera Minería de datos
description	Esta tesis presenta el desarrollo de un modelo de aprendizaje automático diseñado para optimizar los parámetros operativos en el proceso de metalización de rollos de biobase. El estudio se fundamenta en un análisis detallado de datos históricos recolectados, los cuales incluyen tensiones aplicadas durante el proceso, caracterı́sticas fı́sicas de los rollos y especificaciones operativas de las máquinas metalizadoras. Se implementaron y evaluaron modelos predictivos como Random Forest, Extra Tree y Gradient Boosting, comparándolos con la regresión lineal múltiple para determinar su capacidad de predicción en tensiones crı́ticas del proceso. El análisis de las métricas de desempeño, incluyendo el error cuadrático medio (RMSE) y el error absoluto porcentual medio (MAPE), mostró que los modelos basados en árboles presentan un menor error en comparación con la regresión lineal. Adicionalmente, se llevó a cabo un análisis de la importancia de las variables predictoras, identificándose el ancho del rollo como el factor más influyente en las tensiones aplicadas. La implementación de este modelo permite predecir parámetros operativos óptimos para diferentes configuraciones de rollos y máquinas, minimizando errores durante el proceso de producción. Los resulta- dos destacan el potencial de este enfoque para reducir desperdicios y ajustar tensiones de manera precisa, contribuyendo a la estabilidad del proceso de metalización y mejorando la uniformidad del producto final.
publishDate	2025
dc.date.accessioned.none.fl_str_mv	2025-06-19T13:30:07Z
dc.date.issued.spa.fl_str_mv	2025
dc.date.none.fl_str_mv	2025
dc.type.driver.none.fl_str_mv	info:eu-repo/semantics/masterThesis
dc.type.coar.none.fl_str_mv	http://purl.org/coar/resource_type/c_7a1f
dc.type.coarversion.spa.fl_str_mv	http://purl.orgcoar/version/c_970fb48d4fbd8a85
format	http://purl.org/coar/resource_type/c_7a1f
dc.identifier.citation.spa.fl_str_mv	Desarrollo de un modelo de machine learning para la optimización de parámetros y mejora de la calidad en la metalización de rollos de biobase en una planta de fabricación de pelı́culas metalizadas. Cristian Enrique Hernandez Padilla Universidad Tecnológica de Bolı́var. Facultad de Ciencias Básicas. Maestrı́a en Estadı́stica Aplicada y Ciencia de Datos Cartagena de Indias, Colombia
dc.identifier.other.none.fl_str_mv	alma:57UTB_INST/bibs/99687332405731
dc.identifier.uri.none.fl_str_mv	https://hdl.handle.net/20.500.12585/13909
dc.identifier.url.none.fl_str_mv	https://utb.alma.exlibrisgroup.com/discovery/delivery/57UTB_INST:57UTB_INST/1247476870005731
dc.identifier.local.none.fl_str_mv	006.31 H557
dc.identifier.instname.spa.fl_str_mv	Universidad Tecnológica de Bolívar
dc.identifier.reponame.none.fl_str_mv	Repositorio UTB
identifier_str_mv	Desarrollo de un modelo de machine learning para la optimización de parámetros y mejora de la calidad en la metalización de rollos de biobase en una planta de fabricación de pelı́culas metalizadas. Cristian Enrique Hernandez Padilla Universidad Tecnológica de Bolı́var. Facultad de Ciencias Básicas. Maestrı́a en Estadı́stica Aplicada y Ciencia de Datos Cartagena de Indias, Colombia alma:57UTB_INST/bibs/99687332405731 006.31 H557 Universidad Tecnológica de Bolívar Repositorio UTB
url	https://hdl.handle.net/20.500.12585/13909 https://utb.alma.exlibrisgroup.com/discovery/delivery/57UTB_INST:57UTB_INST/1247476870005731
dc.language.eng.fl_str_mv	spa
language	spa
dc.relation.none.fl_str_mv	alma:57UTB_INST/bibs/collections/8116946990005731
dc.relation.hasversion.spa.fl_str_mv	info:eu-repo/semantics/publishedVersion
dc.rights.uri.none.fl_str_mv	http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights.accessrights.none.fl_str_mv	info:eu-repo/semantics/openAccess
dc.rights.creativecommons.none.fl_str_mv	Atribución-NoComercial 4.0 Internacional
dc.rights.coar.none.fl_str_mv	http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv	http://creativecommons.org/licenses/by-nc-nd/4.0/ Atribución-NoComercial 4.0 Internacional http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv	openAccess
dc.format.extent.none.fl_str_mv	40 páginas
dc.format.mimetype.spa.fl_str_mv	application/pdf
dc.coverage.spa.fl_str_mv	Cartagena de Indias
dc.coverage.spatial.none.fl_str_mv	Cartagena de Indias
dc.publisher.spa.fl_str_mv	Universidad Tecnológica de Bolívar UTB
dc.publisher.faculty.none.fl_str_mv	Facultad de Ciencias Básicas
institution	Universidad Tecnológica de Bolívar
repository.name.fl_str_mv	Repositorio Digital Universidad Tecnológica de Bolívar
repository.mail.fl_str_mv	bdigital@metabiblioteca.com
_version_	1858228386724315136
spelling	Sierra Porta, Davidvirtual::5284-1Hernández Padilla, Cristian EnriqueCartagena de IndiasCartagena de Indias20252025-06-19T13:30:07Z2025Desarrollo de un modelo de machine learning para la optimización de parámetros y mejora de la calidad en la metalización de rollos de biobase en una planta de fabricación de pelı́culas metalizadas. Cristian Enrique Hernandez Padilla Universidad Tecnológica de Bolı́var. Facultad de Ciencias Básicas. Maestrı́a en Estadı́stica Aplicada y Ciencia de Datos Cartagena de Indias, Colombiaalma:57UTB_INST/bibs/99687332405731https://hdl.handle.net/20.500.12585/13909https://utb.alma.exlibrisgroup.com/discovery/delivery/57UTB_INST:57UTB_INST/1247476870005731006.31 H557Universidad Tecnológica de BolívarRepositorio UTBEsta tesis presenta el desarrollo de un modelo de aprendizaje automático diseñado para optimizar los parámetros operativos en el proceso de metalización de rollos de biobase. El estudio se fundamenta en un análisis detallado de datos históricos recolectados, los cuales incluyen tensiones aplicadas durante el proceso, caracterı́sticas fı́sicas de los rollos y especificaciones operativas de las máquinas metalizadoras. Se implementaron y evaluaron modelos predictivos como Random Forest, Extra Tree y Gradient Boosting, comparándolos con la regresión lineal múltiple para determinar su capacidad de predicción en tensiones crı́ticas del proceso. El análisis de las métricas de desempeño, incluyendo el error cuadrático medio (RMSE) y el error absoluto porcentual medio (MAPE), mostró que los modelos basados en árboles presentan un menor error en comparación con la regresión lineal. Adicionalmente, se llevó a cabo un análisis de la importancia de las variables predictoras, identificándose el ancho del rollo como el factor más influyente en las tensiones aplicadas. La implementación de este modelo permite predecir parámetros operativos óptimos para diferentes configuraciones de rollos y máquinas, minimizando errores durante el proceso de producción. Los resulta- dos destacan el potencial de este enfoque para reducir desperdicios y ajustar tensiones de manera precisa, contribuyendo a la estabilidad del proceso de metalización y mejorando la uniformidad del producto final.Universidad Tecnológica de BolívarMagister en Estadística Aplicada y Ciencia de DatosMaestría40 páginasapplication/pdfspaUniversidad Tecnológica de Bolívar UTBFacultad de Ciencias Básicasalma:57UTB_INST/bibs/collections/8116946990005731info:eu-repo/semantics/publishedVersionhttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessAtribución-NoComercial 4.0 InternacionalAutorizo (autorizamos) a la Biblioteca de la Institución para que incluya una copia, indexe y divulgue en el Repositorio Institucional, la obra mencionada con el fin de facilitar los procesos de visibilidad e impacto de la misma, conforme a los derechos patrimoniales que me(nos) corresponde(n) y que incluyen: la reproducción, comunicación pública, distribución al público, transformación, de conformidad con la normatividad vigente sobre derechos de autor y derechos conexos referidos en art. 2, 12, 30 (modificado por el art 5 de la ley 1520/2012), y 72 de la ley 23 de de 1982, Ley 44 de 1993, art. 4 y 11 Decisión Andina 351 de 1993 art. 11, Decreto 460 de 1995, Circular No 06/2002 de la Dirección Nacional de Derechos de autor, art. 15 Ley 1520 de 2012, la Ley 1915 de 2018 y demás normas sobre la materia. Al respecto como Autor(es) manifestamos conocer que: La autorización es de carácter no exclusiva y limitada, esto implica que la licencia tiene una vigencia, que no es perpetua y que el autor puede publicar o difundir su obra en cualquier otro medio, así como llevar a cabo cualquier tipo de acción sobre el documento. La autorización tendrá una vigencia de cinco años a partir del momento de la inclusión de la obra en el repositorio, prorrogable indefinidamente por el tiempo de duración de los derechos patrimoniales del autor y podrá darse por terminada una vez el autor lo manifieste por escrito a la institución, con la salvedad de que la obra es difundida globalmente y cosechada por diferentes buscadores y/o repositorios en Internet lo que no garantiza que la obra pueda ser retirada de manera inmediata de otros sistemas de información en los que se haya indexado, diferentes al repositorio institucional de la Institución, de manera que el autor(res) tendrán que solicitar la retirada de su obra directamente a otros sistemas de información distintos al de la Institución si desea que su obra sea retirada de inmediato. La autorización de publicación comprende el formato original de la obra y todos los demás que se requiera para su publicación en el repositorio. Igualmente, la autorización permite a la institución el cambio de soporte de la obra con fines de preservación (impreso, electrónico, digital, Internet, intranet, o cualquier otro formato conocido o por conocer). La autorización es gratuita y se renuncia a recibir cualquier remuneración por los usos de la obra, de acuerdo con la licencia establecida en esta autorización. Al firmar esta autorización, se manifiesta que la obra es original y no existe en ella ninguna violación a los derechos de autor de terceros. En caso de que el trabajo haya sido financiado por terceros el o los autores asumen la responsabilidad del cumplimiento de los acuerdos establecidos sobre los derechos patrimoniales de la obra con dicho tercero. Frente a cualquier reclamación por terceros, el o los autores serán responsables, en ningún caso la responsabilidad será asumida por la institución. Con la autorización, la institución puede difundir la obra en índices, buscadores y otros sistemas de información que favorezcan su visibilidad.http://purl.org/coar/access_right/c_abf2Desarrollo de un modelo de machine learning para la optimización de parámetros y mejora de la calidad en la metalización de rollos de biobase en una planta de fabricación de pelı́culas metalizadasinfo:eu-repo/semantics/masterThesishttp://purl.org/coar/resource_type/c_7a1fhttp://purl.orgcoar/version/c_970fb48d4fbd8a85Aprendizaje automático (inteligencia artificial)Inteligencia artificialInvestigación operacionalModelos predictivoIndustria manufactureraMinería de datosPúblico generalPublication996a607a-3eb1-4484-8978-ed736b9fc0b7virtual::5284-1996a607a-3eb1-4484-8978-ed736b9fc0b7virtual::5284-120.500.12585/13909oai:repositorio.utb.edu.co:20.500.12585/139092025-06-20 09:18:56.043http://creativecommons.org/licenses/by-nc-nd/4.0/metadata.onlyhttps://repositorio.utb.edu.coRepositorio Digital Universidad Tecnológica de Bolívarbdigital@metabiblioteca.com

Desarrollo de un modelo de machine learning para la optimización de parámetros y mejora de la calidad en la metalización de rollos de biobase en una planta de fabricación de pelı́culas metalizadas

Publicaciones similares