Diseño de una Técnica Inteligente para Identificar y Reducir los Tiempos Muertos en un Sistema de Producción

Abstract

ResumenEn este trabajo se presenta una metodología basada en una técnica inteligente para analizar las fallas en las diferentes máquinas de una línea de producción, con el fin de establecer e identificar las principales variables que generan la mayor fracción de tiempos muertos en el sistema productivo y plantear posibles soluciones. El desarrollo se realizó en cinco pasos. El primero corresponde a la recolección de la información en una base de datos; el segundo es la estandarización de la descripción de los fallos; el tercero es la aplicación de la minería de datos a partir de la información recolectada; el cuarto es la determinación del modelo matemático a aplicar; el quinto es concluir a partir de los resultados obtenidos. La herramienta utilizada es WEKA (Waikato Environment for Knowledge Analysis) con el modelo de árbol de clasificación J48. El resultado de la metodología propuesta en comparación a la metodología actual es positivo, ya que se logra un incremento de 3.58 puntos porcentuales en el indicador de eficiencia global. Se concluye que la herramienta sirve para identificar y reducir los tiempos muertos de una línea de producción. Palabras clave: minería de datos; tiempo muerto; mantenimiento; producción; WEKA; árbol de decisión Design of Intelligent Technology to Identify and Reduce Downtime in a Production SystemAbstract This paper proposed a methodology based on an intelligent technique to analyze the failures in the different machines of a production line, in order to establish and identify the main variables that generate the greatest fraction of idle times in the system and to propose possible solutions. The development of the methodology was carried out in five steps. The first corresponds to the collection of information in a database; the second is the standardization of the description of the faults; the third is the application of data mining from the information collected; the fourth is the determination of the mathematical model to be applied; the fifth is to conclude from the results obtained. The tool used was WEKA (Waikato Environment for Knowledge Analysis) with the classification tree J48. The result of the proposed methodology in comparison with the current methodology, is positive, because it is achieved increase of 3.58 percentage points is achieved in the overall efficiency indicator. It is concluded that the tool is useful to identify and reduce idle times of a line of production.

Predicción de Riesgos Psicosociales en Docentes de Colegios Públicos Colombianos utilizando Técnicas de Inteligencia Artificial

“…Técnicas de redes neuronales también se han utilizado para predecir el precio del oro a nivel internacional donde se toman cuatro variables económicas para lograr esta predicción (Villada et al, 2016), con buenos resultados, esto muestra la gran utilidad de las redes neuronales en diferentes ámbitos, y se puede apreciar como con mayor cantidad de variables en este trabajo, se logran muy buenos resultados en la predicción del grado de riesgo psicosocial. Los árboles de decisión utilizados para el mejoramiento de procesos para identificar y reducir los tiempos muertos de una línea de producción (Garcés et al, 2017), también contribuyen en los dominios Control sobre el trabajo y Liderazgo y relaciones sociales en el trabajo, viendo como la variable experticia de rol influye en el mejoramiento de las condiciones de productividad y de comportamiento ético dentro de las organizaciones. Para futuras líneas de investigación, es necesario recopilar datos cuantitativos usando métodos fisiológicos (como ECG, EEG, EMG y EDA; Caywood et al,2017) psicológicos y epidemiológicos para generalizar las relaciones entre los factores de riesgo que afectan el estrés laboral con el fin de obtener una mejor precisión en el uso de los algoritmos de machine learning, se puede desarrollar un método, modelo o metodología, que considere mejorar la correcta clasificación de instancias y reduzca aún más la dimensionalidad de los datos epidemiológicos existentes logrando altos niveles de clasificación (accuracy).…”

Weka, áreas de aplicación y sus algoritmos: una revisión sistemática de literatura

“…A través WEKA es posible aplicar algoritmos de minería de datos en un sin número de actividades o necesidades, sea en el campo científico como en el comercial o productivo; por ejemplo, en la localización de las situaciones de cortocircuito monofásico, en busca de una mejora en la continuidad de la fuente de alimentación de los sistemas de distribución eléctricos (da Silva Pessoa & Oleskovicz, 2017); también en la identificación de las principales causas que generan los tiempos muertos en las líneas de producción (Garcés & Castrillón, 2017). La utilización de las herramientas de análisis de datos es tan variada que incluso se las emplea en el área de entretenimiento, una muestra se puede revisar en el estudio de Perkasa & Maulidevi (2015) en el cual buscan la creación de un mapa de compás para un video juego Revista Científica ECOCIENCIA ISSN: 1390-9320, Edición Especial, diciembre 2018 19 de ritmo utilizando la detección de tiempo y melodía mediante el enfoque de aprendizaje automático.…”

El uso de tableros de diagnóstico para detectar imperfecciones en el cableado eléctrico de un equipo de prueba

“…ISN 2707-2207 / ISSN 2707-2215 (en línea), mayo-junio, 2022, Volumen 6, Número 3 p 2994 ser necesario, todas estas acciones pueden considerarse o interpretarse como obstaculización en los tiempos enfocados a producción, o visto de otra forma se le puede llamar tiempos muerto, también conocido como tiempo de inactividad, se le da este término cualquier situación que genere un paro total traducido como reducción de la rentabilidad. (Garcés y Castrillón, 2017) Lo que busca este proyecto es la comprobación de una correcta validación de los equipos de prueba que usan el instrumento denominado HIPOT, ya que al realizarse un correcto proceso de validación de equipos de prueba se puede mejorar la confiabilidad producida por los equipos de prueba; Cuando se habla de confiabilidad se habla de la probabilidad de que un producto opere correctamente de acuerdo a sus especificaciones de diseño dentro de un periodo de tiempo establecido (Acuña, 2003).…”