Utilización de algoritmos de metaclasificación para la mejora de los Modelos Predictivos de Control

• Autores: Javier Nieves Acedo, Igor Santos Grueiro, Pablo García Bringas
• Localización: Revista DYNA, ISSN-e 0012-7361, ISSN 0012-7361, Vol. 88, Nº 3, 2013, págs. 290-298
• Idioma: español
• Texto completo no disponible (Saber más ...)
• Resumen

  • Un Modelo Predictivo de Control (MPC) es un sistema que permite controlar una planta de producción. Gracias a este tipo de sistemas, es posible hacer que la producción llegue a cero defectos. Para alcanzar este objetivo, este tipo de sistemas está compuesto por varias fases. Una de las más críticas es la que se encarga de la predicción en un instante futuro. Actualmente, la investigación en este campo está relacionada con los MPC lineales, aunque el proceso pueda no serlo. Anteriormente, se presentaron diferentes experimentos que probaban que la fase de predicción, normalmente representada por una fórmula matemática, podía ser representada mediante modelos de aprendizaje automático. Sin embargo, la utilización de clasificadores unitarios introduce algunas limitaciones.

    En este trabajo, se extienden las investigaciones anteriores para proponer un método general para la predicción de defectos o características a través de la utilización de la combinación de diferentes métodos con un meta-clasificador, eliminando la necesidad de selección del mejor de ellos. Finalmente, se comparan los resultados obtenidos mostrando que esta nueva aproximación permite obtener mejores resultados tanto en términos de precisión como en tasas de error.