Resumen: en la industria manufacturera, es muy importante mantener máquinas y procesos que funcionen sin problemas y sin problemas inesperados. Una de las herramientas más comunes utilizadas para verificar si todo funciona correctamente se llama control de proceso estadístico (SPC). Los métodos tradicionales de SPC funcionan al verificar si las mediciones recientes están dentro de los límites aceptables. Sin embargo, solo reaccionan después de que ya ocurrió un problema. Esto puede conducir a materiales desperdiciados, tiempo de inactividad de la máquina y mayores costos. En este artículo, presentamos una forma más inteligente de usar SPC. En lugar de simplemente reaccionar a problemas después de que ocurran, nuestro sistema puede predecir problemas futuros antes de que ocurran. Utilizamos una herramienta de aprendizaje automático llamado Facebook Profet, que está diseñado para funcionar con datos de series de tiempo (datos que cambian con el tiempo). Profet analiza los datos pasados y pronostica cuál será el próximo valor. Luego, utilizamos las reglas de SPC para decidir si el valor predicho está en una zona segura (sin problema), una zona de advertencia (necesita atención) o una zona crítica (puede requerir que el cierre del proceso). Aplicamos este sistema a datos reales de una empresa de fabricación de semiconductores. Uno de los desafíos con estos datos es que las mediciones no se toman a intervalos de tiempo regulares. Esto hace que sea más difícil predecir los valores futuros con precisión. A pesar de esto, nuestro modelo pudo hacer predicciones sólidas y clasificar correctamente el nivel de riesgo de las mediciones futuras. El principal beneficio de nuestro sistema es que brinda a los ingenieros y técnicos la oportunidad de actuar temprano, antes de que algo salga mal. Esto ayuda a reducir las fallas inesperadas y mejora la estabilidad general y la confiabilidad del proceso de producción. Al combinar el aprendizaje automático con SPC tradicional, hacemos que el control de calidad sea más proactivo, preciso y útil para la industria moderna.
Publicado Originalme en export.arxiv.org El 22 de septiembre de 2025.
Ver Fuente Original
