Máquinas vectoriales de soporte en regresión aplicada a series temporales de un proceso industrial galvanizado

Abstract

La Minería de Datos puede definirse como el proceso de extraer información implícita en los datos sin previo conocimiento y potencialmente útil. En el ámbito industrial, una de las aplicaciones más interesantes es la búsqueda de conocimiento oculto que permita descubrir y asociar patrones de comportamiento de los datos y sus interrelaciones en el tiempo con la finalidad de desarrollar estrategias de mejoras en la toma de decisiones. En este trabajo se presenta una técnica de la Minería de Datos llamada Máquinas Vectoriales de Soporte en Regresión (MVS-R), la cual es aplicada a series temporales de un proceso industrial de galvanizado continuo por inmersión de bobinas. Estas series de tiempo representan el comportamiento de las temperaturas de referencia (condición automatizada) y temperaturas medidas (sensores) que corresponden a lecturas de variables de control a la entrada y salida de un horno durante el proceso. A través de este enfoque de máquinas vectoriales de soporte en regresión se estiman los parámetros que interfieren en el proceso de galvanizado para determinar si las diferencias existentes entre las temperaturas medidas y de referencia están o se ven afectadas por dichos parámetros. La metodología MVS-R permite determinar el valor de una variable dependiente que está en función de otras variables independientes o explicativas, buscando la mejor función que determine esta variable. En general, se busca aprovechar al máximo la información obtenida de bases de datos compuestas por series temporales con el propósito de desarrollar estrategias de mejoras en la toma de decisiones a fin de optimizar la calidad del producto, aumentar la producción, prevenir fallos y reducir costos ocasionados por estos fallos durante el proceso de galvanizado.