Resumen de Interpretación de la señal de falta de control en gráficos multivariantes mediante redes neuronales
Gerardo Avendaño Prieto
En los últimos años se ha producido un notable desarrollo en los métodos de control estadístico de proceso multivariante basados en gráficos de control. Sin embargo, existe un inconveniente general al uso de estos gráficos, que consiste en que el gráfico indica que se ha producido un cambio en el proceso, pero no dice cuál o cuáles de las varibles son las que originan este cambio. Existen diversas propuestas para intentar resolver este problema, desde métodos puramente gráficos, hasta propuestas de mayor contenido analítico.
Entre estas últimas se destaca la propuesta de Mason, Tracy y Young (1996, 1997, 2002)(método MTY) que es una descomposición del valor del estadístico T2. Hasta el momento no se ha estudiado su efectividad, es decir, su porcentaje de aciertos en la clasificación de las variables. Uno de los objetivos de esta Tesis Doctoral consiste en optimizar el porcentaje de aciertos obtenidos con el método MTY. Luego se estudia el diseño y efectividad de una Red Neuronal. El objetivo es que cuando el gráfico T2 muestra una señal de falta de control se aplique la Red Neuronal para averiguar qué variables han cambiado. Los resultados obtenidos con la Red Neuronal son claramente superiores a los del método MTY, en prácticamente todas las situaciones.
En el trabajo se realiza una comparación entre ambos métodos. Posteriormente se estudia el diseño y efectividad de una red neuronal para interpretar la señal de falta de control en los gráficos NEWMA y varianza generalizada [S]. También se muestra un software diseñado para Windows que facilita en gran medida el uso de esta red para cada uno de los gráficos.
