Aplicación de técnicas de machine learning, un caso práctico

Abstract

RESUMEN: La gran cantidad de datos que manejan las empresas en sus procesos de negocio, así como su complejidad, han propiciado la búsqueda de mecanismos capaces de extraer información de interés a partir del ingente volumen de datos y sus complejas relaciones, imposibles de encontrar solamente a través del análisis manual de los datos. Para dicha labor, las herramientas de aprendizaje máquina se presentan como una solución capaz de aprovechar estos volúmenes de datos de forma altamente rentable y eficiente. El presente trabajo pretende explorar la utilización de técnicas de aprendizaje automático en un entorno industrial real, como mecanismo de mejora del proceso de fabricación de una pieza a lo largo de una cadena de montaje. Dicho proceso de montaje incorpora un número elevado de sensores, capaces de proporcionar un número elevado de datos sobre el proceso de fabricación de cada pieza. Mediante la aplicación de técnicas de Aprendizaje Máquina, conocido comúnmente en inglés como Machine Learning (ML), se pretende descubrir si con los datos obtenidos durante el proceso de fabricación se pueden sacar conclusiones que nos permitan mejorar la eficiencia, detectando aquellas piezas defectuosas en etapas tempranas durante el proceso de fabricación y evitando que estas avancen por la cadena de montaje para ser finalmente desechadas. Las tareas principales realizadas durante este proyecto han consistido en estudiar los conceptos y procesos involucrados en proyectos de Machine Learning y, más concretamente, los relacionados con redes neuronales, analizar y procesar conjuntos de datos para su posterior utilización, desarrollar y configurar adecuadamente modelos basados en el aprendizaje máquina y evaluar e interpretar los resultados inferidos por el modelo.

ABSTRACT: The large amount of data handled by companies in their businesses as well as their complexity, have prompted the search for mechanisms able to obtain the relevant information from the enormous volume of data and their complex relations, unbearable to handle manually. In order to do this, machine learning tools arise as a solution capable of taking advantage of these volumes of data in a profitable and efficient way. The present work tries to explore the utilization of automatic learning techniques in an actual industrial environment, as an improvement mechanism in the production of a machinery piece in the assembly line. This assembly procedure has incorporated a great number of sensors, which provide a high amount of data regarding the production of each piece. Through the utilization of ML techniques, the intention is to discover if the data obtained during the fabrication process allow us to improve in efficiency, detecting faulty pieces in early stages of the process and preventing them from advancing through the assembly line, to be finally discarded. The main tasks conducted during this project include studying the concepts and processes involved in Machine Learning projects and, more specifically, those related to neural networks, analyzing and processing data sets for their future utilization, developing and configuring adequately models based in machine leaning and evaluating and interpreting the inferred results.