Alexis Sanabria-Castro, Marcela Meneses-Guzmán, Bruno Chiné-Polito
{"title":"使用向量支持回归控制金属泡沫","authors":"Alexis Sanabria-Castro, Marcela Meneses-Guzmán, Bruno Chiné-Polito","doi":"10.18845/tm.v36i1.5891","DOIUrl":null,"url":null,"abstract":"El monitoreo de perfiles se enfoca en aquellas variables de proceso o producto que son caracterizadas por una relación funcional de esta variable respecto del tiempo o el espacio. El objetivo de este trabajo es desarrollar una metodología basada en Regresión de Soporte Vectorial, SVR, para el monitoreo de perfiles no lineales, e implementarla a los perfiles de densidad de un material celular, espuma metálica de aluminio. La forma de un perfil en control está asociada a ciertas características mecánicas del producto, por lo que un cambio significativo de su forma seria detectado como un fuera de control por un método de monitoreo diseñado para este fin; si esto sucediera, se puede concluir que las propiedades mecánicas de la espuma son diferentes a las requeridas. La metodología considera el cálculo de curvas percentiles que serán la base para definir los límites de un gráfico de control, la estimación de parámetros del modelo de SVR con un Kernel Gausseano y con la ayuda de validación cruzada; se evalúa el desempeño del gráfico de control establecido apoyados en la técnica de boostrapping. El método propuesto es sencillo de interpretar y práctico. De acuerdo con los resultados, si la forma del perfil de densidad llegara a cambiar más allá de la indicada variabilidad natural del perfil, el método implementado lo detectaría como fuera de control con un error tipo I de 0.341% (ARLreal= 293).","PeriodicalId":42957,"journal":{"name":"Tecnologia en Marcha","volume":null,"pages":null},"PeriodicalIF":0.1000,"publicationDate":"2022-12-14","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Uso de regresión de soporte vectorial para el control de espuma metálica\",\"authors\":\"Alexis Sanabria-Castro, Marcela Meneses-Guzmán, Bruno Chiné-Polito\",\"doi\":\"10.18845/tm.v36i1.5891\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"El monitoreo de perfiles se enfoca en aquellas variables de proceso o producto que son caracterizadas por una relación funcional de esta variable respecto del tiempo o el espacio. El objetivo de este trabajo es desarrollar una metodología basada en Regresión de Soporte Vectorial, SVR, para el monitoreo de perfiles no lineales, e implementarla a los perfiles de densidad de un material celular, espuma metálica de aluminio. La forma de un perfil en control está asociada a ciertas características mecánicas del producto, por lo que un cambio significativo de su forma seria detectado como un fuera de control por un método de monitoreo diseñado para este fin; si esto sucediera, se puede concluir que las propiedades mecánicas de la espuma son diferentes a las requeridas. La metodología considera el cálculo de curvas percentiles que serán la base para definir los límites de un gráfico de control, la estimación de parámetros del modelo de SVR con un Kernel Gausseano y con la ayuda de validación cruzada; se evalúa el desempeño del gráfico de control establecido apoyados en la técnica de boostrapping. El método propuesto es sencillo de interpretar y práctico. De acuerdo con los resultados, si la forma del perfil de densidad llegara a cambiar más allá de la indicada variabilidad natural del perfil, el método implementado lo detectaría como fuera de control con un error tipo I de 0.341% (ARLreal= 293).\",\"PeriodicalId\":42957,\"journal\":{\"name\":\"Tecnologia en Marcha\",\"volume\":null,\"pages\":null},\"PeriodicalIF\":0.1000,\"publicationDate\":\"2022-12-14\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Tecnologia en Marcha\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.18845/tm.v36i1.5891\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"Q4\",\"JCRName\":\"MULTIDISCIPLINARY SCIENCES\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Tecnologia en Marcha","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.18845/tm.v36i1.5891","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"Q4","JCRName":"MULTIDISCIPLINARY SCIENCES","Score":null,"Total":0}
Uso de regresión de soporte vectorial para el control de espuma metálica
El monitoreo de perfiles se enfoca en aquellas variables de proceso o producto que son caracterizadas por una relación funcional de esta variable respecto del tiempo o el espacio. El objetivo de este trabajo es desarrollar una metodología basada en Regresión de Soporte Vectorial, SVR, para el monitoreo de perfiles no lineales, e implementarla a los perfiles de densidad de un material celular, espuma metálica de aluminio. La forma de un perfil en control está asociada a ciertas características mecánicas del producto, por lo que un cambio significativo de su forma seria detectado como un fuera de control por un método de monitoreo diseñado para este fin; si esto sucediera, se puede concluir que las propiedades mecánicas de la espuma son diferentes a las requeridas. La metodología considera el cálculo de curvas percentiles que serán la base para definir los límites de un gráfico de control, la estimación de parámetros del modelo de SVR con un Kernel Gausseano y con la ayuda de validación cruzada; se evalúa el desempeño del gráfico de control establecido apoyados en la técnica de boostrapping. El método propuesto es sencillo de interpretar y práctico. De acuerdo con los resultados, si la forma del perfil de densidad llegara a cambiar más allá de la indicada variabilidad natural del perfil, el método implementado lo detectaría como fuera de control con un error tipo I de 0.341% (ARLreal= 293).