Un enfoque de redes neuronales hacia el control de calidad para procesos multivariados basados en estimación de densidades

Abstract

En este artículo se presenta un procedimiento no-paramétrico para identificación de no-conformidades en el control de procesos multivariados. El procedimiento propuesto, calcula una medición de la densidad para cada celda en un espacio particionado definido por el set de entrenamiento. Una vez la densidad para cada celda es calculada, se desarrolla una aproxima­­ción a una función continua de densidad utilizando redes neuronales de Retropropagación. El entrenamiento de la red neuronal sólo requiere información del proceso en-control, lo que significa que no se utilizan ejemplos negativos. La información de entrenamiento es pre-procesada para sopesar la carencia de información de entrenamiento fuera-de-control. Nuevos casos provenientes del proceso analizado son examinados bien sea que pertenezcan a la distribución en-control o fuera-de-control. La clasificación de las categorías: en-control y fuera-de-control, se fundamenta en la función de densidad de probabilidad aproximada. Los resultados de las simulaciones son utilizados para realizar comparaciones con otras tecnolo­­gías existentes