Logroño, España
En este trabajo, se muestra un ejemplo de aplicación de técnicas de minería de datos para la obtención de conocimiento oculto a partir de los históricos de un proceso de galvanizado. El objetivo consistió en encontrar reglas que pudieran servir para mejorar la calidad del producto final y reducir los fallos del proceso. Para ello, se partió de los históricos correspondientes a la etapa de ajuste de una línea de galvanizado donde surgieron bobinas con problemas en la adherencia del recubrimiento de zinc aplicado. A partir de la base de datos de dicho proceso, se aplicó la metodología clásica de minería de datos para generar y analizar diversos árboles de decisión que clasificaban dos tipos de clases: las bobinas con adherencia correcta y las que presentaban adherencia irregular. De estos árboles se extrajeron las variables y sus valores, que más podían influir en la calidad del recubrimiento. Además, se establecieron reglas que podían ser aplicadas para reducir el número de bobinas con fallos de adherencia.
© 2001-2024 Fundación Dialnet · Todos los derechos reservados