Sistema de predicción de calidad del producto en el área de producción de una empresa manufacturera de la región Lambayeque

Abstract

La presente investigación se centra en el desarrollo de un sistema de predicción de calidad para la producción de bandas modulares en una empresa manufacturera de Lambayeque. La metodología empleada fue CRISP-DM, permitiendo una estructuración eficiente desde la comprensión del problema hasta la implementación de soluciones. Se utilizó un data set de 3469 registros, de los cuales el 80% se destinó para el entrenamiento del modelo, garantizando así una base sólida para su desarrollo. Para la construcción del modelo predictivo, se utilizó la inteligencia artificial, específicamente redes neuronales con Tensor Flow, la cual, tras el análisis y ajuste de parámetros, alcanzo una precisión del 94%. Los resultados obtenidos demostraron la capacidad del sistema para prever información que permite corregir parámetros antes de la producción, mejorando la eficiencia y reduciendo defectos. Además, el sistema fue validado conforme a la norma ISO 25010, logrando un alto nivel de adecuación funcional. Estos hallazgos son relevantes para futuras investigaciones en el campo de la manufactura industrial.

The present research focuses on the development of a quality prediction system for the production of modular belts in a manufacturing company in Lambayeque. The methodology used was CRISP-DM, allowing efficient structuring from understanding the problem to implementing solutions. A data set of 3469 records was used, of which 80% was used for training the model, thus guaranteeing a solid foundation for its development. To build the predictive model, artificial intelligence was used, specifically neural networks with Tensor Flow, which, after analyzing and adjusting parameters, reached an accuracy of 94%. The results obtained demonstrated the system's ability to predict information that allows parameters to be corrected before production, improving efficiency and reducing defects. In addition, the system was validated in accordance with the ISO 25010 standard, achieving a high level of functional adequacy. These findings are relevant for future research in the field of industrial manufacturing.