Modelos predictivos para indicadores de producción de la Compañía de Galletas Noel

RESUMEN: Los procesos de manufactura son sistemas complejos, dinámicos y expuestos a comportamientos caóticos. Es por eso que deben utilizarse todas las herramientas disponibles para realizar un seguimiento, control, prevención e intervención del proceso cuando sea necesario, de manera que se minimi...

Full description

Autores:
Correa Sepúlveda, Angie Paola
Tipo de recurso:
http://purl.org/coar/resource_type/c_7a1f 
Fecha de publicación:
2019
Institución:
Universidad de Antioquia
Repositorio:
Repositorio UdeA
Idioma:
spa
OAI Identifier:
oai:bibliotecadigital.udea.edu.co:10495/14500
Acceso en línea:
http://hdl.handle.net/10495/14500
Palabra clave:
Análisis de datos
Data analysis
Toma de decisiones
Decision making
Indicadores
Procesos de producción
Compañía de Galletas Noel S.A. (Empresa Comercial)
Fabricación de galletas
Modelos predictivos
http://vocabularies.unesco.org/thesaurus/concept2214
http://vocabularies.unesco.org/thesaurus/concept7323
Rights
openAccess
License
Atribución-NoComercial-SinDerivadas 2.5 Colombia
id UDEA2_e789b8b1b83472bbea8317b59c97d8ac
oai_identifier_str oai:bibliotecadigital.udea.edu.co:10495/14500
network_acronym_str UDEA2
network_name_str Repositorio UdeA
repository_id_str
dc.title.spa.fl_str_mv Modelos predictivos para indicadores de producción de la Compañía de Galletas Noel
title Modelos predictivos para indicadores de producción de la Compañía de Galletas Noel
spellingShingle Modelos predictivos para indicadores de producción de la Compañía de Galletas Noel
Análisis de datos
Data analysis
Toma de decisiones
Decision making
Indicadores
Procesos de producción
Compañía de Galletas Noel S.A. (Empresa Comercial)
Fabricación de galletas
Modelos predictivos
http://vocabularies.unesco.org/thesaurus/concept2214
http://vocabularies.unesco.org/thesaurus/concept7323
title_short Modelos predictivos para indicadores de producción de la Compañía de Galletas Noel
title_full Modelos predictivos para indicadores de producción de la Compañía de Galletas Noel
title_fullStr Modelos predictivos para indicadores de producción de la Compañía de Galletas Noel
title_full_unstemmed Modelos predictivos para indicadores de producción de la Compañía de Galletas Noel
title_sort Modelos predictivos para indicadores de producción de la Compañía de Galletas Noel
dc.creator.fl_str_mv Correa Sepúlveda, Angie Paola
dc.contributor.advisor.none.fl_str_mv Úsuga Manco, Olga Cecilia
Maya Hernández, Luis Guillermo
dc.contributor.author.none.fl_str_mv Correa Sepúlveda, Angie Paola
dc.subject.unesco.none.fl_str_mv Análisis de datos
Data analysis
Toma de decisiones
Decision making
topic Análisis de datos
Data analysis
Toma de decisiones
Decision making
Indicadores
Procesos de producción
Compañía de Galletas Noel S.A. (Empresa Comercial)
Fabricación de galletas
Modelos predictivos
http://vocabularies.unesco.org/thesaurus/concept2214
http://vocabularies.unesco.org/thesaurus/concept7323
dc.subject.ocde.none.fl_str_mv Indicadores
dc.subject.spines.none.fl_str_mv Procesos de producción
dc.subject.proposal.spa.fl_str_mv Compañía de Galletas Noel S.A. (Empresa Comercial)
Fabricación de galletas
Modelos predictivos
dc.subject.unescouri.none.fl_str_mv http://vocabularies.unesco.org/thesaurus/concept2214
http://vocabularies.unesco.org/thesaurus/concept7323
description RESUMEN: Los procesos de manufactura son sistemas complejos, dinámicos y expuestos a comportamientos caóticos. Es por eso que deben utilizarse todas las herramientas disponibles para realizar un seguimiento, control, prevención e intervención del proceso cuando sea necesario, de manera que se minimice el riesgo de un contratiempo que impida satisfacer la demanda o se altere la calidad del producto incurriendo en pérdidas para la compañía. Una de las herramientas más prometedoras en cuanto al análisis de procesos y eficiencia para adelantarse a situaciones futuras es la analítica de datos, que hace parte de la nueva tendencia de la Industria 4.0 y promete responder a los desafíos de la manufactura apoyándose en grandes cantidades de datos disponibles para su posterior procesamiento y presentación de resultados. En este trabajo en particular, se aplicaron diversas metodologías de Machine Learning con el objetivo de predecir algunos indicadores de producción de la Compañía de Galletas Noel aprovechando la información capturada en distintas etapas del proceso de elaboración de galletas de dicha compañía. Previo al planteamiento de modelos de predicción se realizó un análisis descriptivo con el objetivo de explorar los datos disponibles, encontrar posibles patrones y formular los modelos a utilizar de acuerdo a los objetivos planeados y las características de los datos. Posteriormente, se realizaron predicciones sobre averías en los equipos empleando algoritmos como la regresión logística, bosques aleatorios y máquinas de soporte vectorial y se encontró que el turno de trabajo no influye significativamente en la probabilidad de ocurrencia de una avería mecánica. Por otro lado, también se realizaron predicciones sobre un indicador llamado reproceso, que es la cantidad de galleta no conforme, y pudo concluirse que variables como el horno y el tipo de reproceso son las más importantes a la hora de explicar y predecir los kilogramos de galleta no conforme en el área de multiempaque. Por último, se realizaron predicciones para el sobrepeso de la galleta Saltín Fit taco x 5 en donde el mejor modelo predictivo fue la regresión lineal múltiple por encima de los bosques aleatorios, máquinas de soporte vectorial y modelos GAMLSS, y las variables significativas fueron el mes, turno, resistencia y calibre de la galleta. Finalmente, el análisis y las predicciones fueron presentadas a la Dirección de Producción de la Compañía de Galletas Noel de una forma clara y entendible, acompañado de una formación para la correcta utilización de los modelos.
publishDate 2019
dc.date.issued.none.fl_str_mv 2019
dc.date.accessioned.none.fl_str_mv 2020-05-21T05:25:47Z
dc.date.available.none.fl_str_mv 2020-05-21T05:25:47Z
dc.type.spa.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.coar.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.coarversion.fl_str_mv http://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.hasversion.spa.fl_str_mv info:eu-repo/semantics/draft
dc.type.coar.spa.fl_str_mv http://purl.org/coar/resource_type/c_7a1f 
dc.type.redcol.spa.fl_str_mv https://purl.org/redcol/resource_type/TP
dc.type.local.spa.fl_str_mv Tesis/Trabajo de grado - Monografía - Pregrado
format http://purl.org/coar/resource_type/c_7a1f 
status_str draft
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/10495/14500
url http://hdl.handle.net/10495/14500
dc.language.iso.spa.fl_str_mv spa
language spa
dc.rights.*.fl_str_mv Atribución-NoComercial-SinDerivadas 2.5 Colombia
dc.rights.spa.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.*.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/2.5/co/
dc.rights.accessrights.spa.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.creativecommons.spa.fl_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0/
rights_invalid_str_mv Atribución-NoComercial-SinDerivadas 2.5 Colombia
http://creativecommons.org/licenses/by-nc-nd/2.5/co/
http://purl.org/coar/access_right/c_abf2
https://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
dc.format.extent.spa.fl_str_mv 52
dc.format.mimetype.spa.fl_str_mv application/pdf
dc.publisher.place.spa.fl_str_mv Medellín, Colombia
institution Universidad de Antioquia
bitstream.url.fl_str_mv http://bibliotecadigital.udea.edu.co/bitstream/10495/14500/4/CorreaAngie_2019_IndicadoresProduccionGalletas.pdf
http://bibliotecadigital.udea.edu.co/bitstream/10495/14500/5/license_rdf
http://bibliotecadigital.udea.edu.co/bitstream/10495/14500/6/license.txt
bitstream.checksum.fl_str_mv ffd546bd4ac914b52926aa0b4617c38b
b88b088d9957e670ce3b3fbe2eedbc13
8a4605be74aa9ea9d79846c1fba20a33
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Institucional Universidad de Antioquia
repository.mail.fl_str_mv andres.perez@udea.edu.co
_version_ 1812173270722543616
spelling Úsuga Manco, Olga CeciliaMaya Hernández, Luis GuillermoCorrea Sepúlveda, Angie Paola2020-05-21T05:25:47Z2020-05-21T05:25:47Z2019http://hdl.handle.net/10495/14500RESUMEN: Los procesos de manufactura son sistemas complejos, dinámicos y expuestos a comportamientos caóticos. Es por eso que deben utilizarse todas las herramientas disponibles para realizar un seguimiento, control, prevención e intervención del proceso cuando sea necesario, de manera que se minimice el riesgo de un contratiempo que impida satisfacer la demanda o se altere la calidad del producto incurriendo en pérdidas para la compañía. Una de las herramientas más prometedoras en cuanto al análisis de procesos y eficiencia para adelantarse a situaciones futuras es la analítica de datos, que hace parte de la nueva tendencia de la Industria 4.0 y promete responder a los desafíos de la manufactura apoyándose en grandes cantidades de datos disponibles para su posterior procesamiento y presentación de resultados. En este trabajo en particular, se aplicaron diversas metodologías de Machine Learning con el objetivo de predecir algunos indicadores de producción de la Compañía de Galletas Noel aprovechando la información capturada en distintas etapas del proceso de elaboración de galletas de dicha compañía. Previo al planteamiento de modelos de predicción se realizó un análisis descriptivo con el objetivo de explorar los datos disponibles, encontrar posibles patrones y formular los modelos a utilizar de acuerdo a los objetivos planeados y las características de los datos. Posteriormente, se realizaron predicciones sobre averías en los equipos empleando algoritmos como la regresión logística, bosques aleatorios y máquinas de soporte vectorial y se encontró que el turno de trabajo no influye significativamente en la probabilidad de ocurrencia de una avería mecánica. Por otro lado, también se realizaron predicciones sobre un indicador llamado reproceso, que es la cantidad de galleta no conforme, y pudo concluirse que variables como el horno y el tipo de reproceso son las más importantes a la hora de explicar y predecir los kilogramos de galleta no conforme en el área de multiempaque. Por último, se realizaron predicciones para el sobrepeso de la galleta Saltín Fit taco x 5 en donde el mejor modelo predictivo fue la regresión lineal múltiple por encima de los bosques aleatorios, máquinas de soporte vectorial y modelos GAMLSS, y las variables significativas fueron el mes, turno, resistencia y calibre de la galleta. Finalmente, el análisis y las predicciones fueron presentadas a la Dirección de Producción de la Compañía de Galletas Noel de una forma clara y entendible, acompañado de una formación para la correcta utilización de los modelos.52application/pdfspainfo:eu-repo/semantics/draftinfo:eu-repo/semantics/bachelorThesishttp://purl.org/coar/resource_type/c_7a1f http://purl.org/coar/resource_type/c_7a1fhttps://purl.org/redcol/resource_type/TPTesis/Trabajo de grado - Monografía - Pregradohttp://purl.org/coar/version/c_b1a7d7d4d402bcceAtribución-NoComercial-SinDerivadas 2.5 Colombiainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-nd/2.5/co/http://purl.org/coar/access_right/c_abf2https://creativecommons.org/licenses/by-nc-nd/4.0/Modelos predictivos para indicadores de producción de la Compañía de Galletas NoelMedellín, ColombiaAnálisis de datosData analysisToma de decisionesDecision makingIndicadoresProcesos de producciónCompañía de Galletas Noel S.A. (Empresa Comercial)Fabricación de galletasModelos predictivoshttp://vocabularies.unesco.org/thesaurus/concept2214http://vocabularies.unesco.org/thesaurus/concept7323Ingeniera IndustrialPregradoFacultad de Ingeniería. Carrera de Ingeniería IndustrialUniversidad de AntioquiaORIGINALCorreaAngie_2019_IndicadoresProduccionGalletas.pdfCorreaAngie_2019_IndicadoresProduccionGalletas.pdfTrabajo de grado de pregradoapplication/pdf1861830http://bibliotecadigital.udea.edu.co/bitstream/10495/14500/4/CorreaAngie_2019_IndicadoresProduccionGalletas.pdfffd546bd4ac914b52926aa0b4617c38bMD54CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8823http://bibliotecadigital.udea.edu.co/bitstream/10495/14500/5/license_rdfb88b088d9957e670ce3b3fbe2eedbc13MD55LICENSElicense.txtlicense.txttext/plain; charset=utf-81748http://bibliotecadigital.udea.edu.co/bitstream/10495/14500/6/license.txt8a4605be74aa9ea9d79846c1fba20a33MD5610495/14500oai:bibliotecadigital.udea.edu.co:10495/145002021-06-18 17:44:36.776Repositorio Institucional Universidad de Antioquiaandres.perez@udea.edu.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