Técnicas de Aprendizaje Automático para la Predicción del Diámetro de un Tubo en un Proceso de Extrusión

Abstract

La calidad en un proceso de fabricación implica que las características de rendimiento del producto y el proceso están diseñadas para alcanzar objetivos específicos. Por lo tanto, la predicción exacta de la calidad juega un papel principal en la entrega de productos que cumplan con las más altas normas de calidad, lo que permite mejorar aún más la competitividad. En la extrusión de tubos, la medición de los diámetros interior y exterior se realiza normalmente de forma manual o con escáneres ultrasónicos o láser. Este proyecto muestra cómo los modelos de regresión, basados en la regla del vecino más cercano y las máquinas de vectores soporte, pueden resultar útiles para estimar ambos índices de calidad física en un proceso de extrusión de tubos. Todo esto a partir del aprendizaje de datos históricos de la vida real obtenidos de una empresa mexicana de fabricación de extrusión. Los resultados experimentales demuestran que los algoritmos de los k-vecinos más cercanos y los métodos de regresión máquinas de soporte vectorial (con un núcleo lineal y con una función de base radial) son especialmente adecuados para predecir los diámetros interior y exterior de un tubo extruido basándose en la evaluación de 15 parámetros del proceso de extrusión y extracción.