Aprendizaje automático supervisado para la predicción de calidad en procesos de moldeo industrial

Abstract

Este trabajo se centra en el mantenimiento predictivo. Más concretamente, se pretende predecir si las piezas producidas por determinada maquinaria van a ser satisfactorias o defectuosas. Para ello se dispone de una muestra de piezas fabricadas por dicha maquinaria. Por lo tanto, estamos ante un problema de aprendizaje supervisado para cuya solución se ha optado por el uso de las técnicas de k Vecinos Más Próximos y el “Support Vector Machine”. En el trabajo se estudian las propiedades matemáticas de ambas técnicas prestando especial atención a su consistencia universal. También se incluye un análisis del comportamiento práctico de las técnicas seleccionadas en el problema que nos ocupa.

This work focuses on predictive maintenance. More specifically, the aim is to predict whether the pieces produced by certain machines are going to be satisfactory or defective. For this purpose, a sample of pieces produced by this machine is available. Therefore, we are dealing with a supervised learning problem for whose solution we have decided to use the techniques of k-Nearest Neighbours and the Support Vector Machine. The paper studies the mathematical properties of both techniques, paying special attention to their universal consistency. An analysis of the practical behaviour of the selected techniques on the problem at hand is also included.