Feature selection has as principal goal to find a representative space of minimal size from original set of larger size. Several research works have been developed on this problem. This paper presents Support Vector Machine-Recursive Feature Elimination (SVM-RFE), Genetic Algorithms (GA), and Differential Evolution (DE) algorithms for feature selection from a database of an Electric Arc Furnace (EAF) for locating variables related to energy consumption. The proposal suggests merging the coefficients generated by LDA and SVM, employing them in RFE to obtain the ranks for each discriminant variables. The measure of accuracy and error rate for each algorithm is presented like a decisive score for choosing the subset obtained by the algorithm with the best performance. The variables selected were adjusted for the EAF control system achieving the reduction of the energy consumption to 3.5% in a steel castings and 1 minute reduction of the connected EAF in a steel casting.

Resumen. En este artículo se propone el uso de la metodología ágil Scrumban en las actividades del proceso de Desarrollo y Mantenimiento de Software (DMS) de la norma mexicana MoProSoft para la industria de desarrollo de software, con la finalidad de utilizar las mejores prácticas de ambas metodologías (Scrum y Kanban) durante las diferentes fases del proceso de desarrollo de software que describe la categoría Operación (OPE) de la norma MoProSoft. La propuesta es utilizar un tablero de control o sistema de tarjetas que permita visualizar de manera fácil y práctica el avance de las actividades de un proyecto, las personas que están trabajando en cada una de las tareas, así como en qué fase y estado se encuentran cada una de éstas con el apoyo de tarjetas visuales.