Optimización multirespuesta para mejora de la calidad. Comparación de enfoque clásico con el enfoque bayesiano y el de redes neuronales

Autores/as

  • Juan Cevallos Ampuero Universidad Nacional Mayor de San Marcos. Lima, Perú

DOI:

https://doi.org/10.15381/idata.v15i2.6369

Palabras clave:

Mejora de la calidad. Optimización Multirespuesta. Estadística Bayesiana. Redes Neuronales.

Resumen

El trabajo tiene por objetivo revisar las metodologías existentes sobre optimización multirespuesta, integrarlas en una sola y desarrollar un nuevo algoritmo que permita superar las limitaciones existentes.Para tal efecto se revisaron las metodologías de optimización estadística mediante metodología de superficie de respuesta tradicional,con diseño robusto; seguidamente se revisó la aplicación del enfoque bayesiano a lo obtenido con la estadística tradicional; y finalmente se revisaron aplicaciones de redes neuronales artificiales a casos de optimización. Luego de realizar el análisis y discusión sobre el tema se integrólas tres metodologías en una sola, habiendo desarrollado un nuevo algoritmo que permite superar las limitaciones y deficiencias de los métodos anteriores. Asimismo, se compararon los resultados obtenidos con otros métodos con los que se obtendrían con el nuevo método, siendo resultado favorable.Por tanto se ha desarrollado una metodología de optimización multirespuesta que considera relaciones lineales y no lineales, que tiene las cualidades de lasmetodologías de la estadistica tradicional,la estadística bayesiana, y las redes neuronales artificiales.

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Juan Cevallos Ampuero, Universidad Nacional Mayor de San Marcos. Lima, Perú

Doctor en Ingeniería, Docente de la Facultad de Ingeniería Industrial.

Descargas

Publicado

2012-12-31

Cómo citar

Cevallos Ampuero, J. (2012). Optimización multirespuesta para mejora de la calidad. Comparación de enfoque clásico con el enfoque bayesiano y el de redes neuronales. Industrial Data, 15(2), 029–041. https://doi.org/10.15381/idata.v15i2.6369

Número

Sección

Producción y Gestión