Soft metrología en analítica de datos e inteligencia artificial para la gestión de calidad manufacturera
Fecha
Director
Enlace al recurso
DOI
ORCID
Google Scholar
Cvlac
gruplac
Descripción Dominio:
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Santo Tomás / Instituto Colombiano de Normas Técnicas y Certificación ICONTEC
Compartir
Resumen
El objetivo de esta investigación es realizar una revisión exhaustiva del estado del arte sobre estrategias que combinan la analítica de datos y la inteligencia artificial (ia) para medir el desempeño en industrias manufactureras. Esto se hace con el propósito de apoyar la gestión de calidad, enfocándose en la mejora continua y la optimización de procesos, además de explorar la interacción con la soft metrología y los desafíos, dificultades y oportunidades que surgen con estas nuevas tecnologías. Se sigue un enfoque cualitativo de investigación mediante la revisión de literatura en bases de datos como ScienceDirect, ieeexplore y Google Scholar, para seleccionar y examinar documentos científicos que aborden estos temas según el marco de las preguntas de investigación. Se identifican tanto debilidades como fortalezas, así como las restricciones en el contexto de la aplicación en la industria manufacturera. Se destaca la importancia de modelos de medición basados en datos proyectados en espacios de representación, donde la analítica de datos y la ia facilitan la creación de fronteras de decisión y superficies de regresión. Esto permite diseñar procesos de mejora y comprender los niveles dimensionales del desempeño, además de identificar tendencias y cambios en los indicadores. No obstante, se señalan dificultades en la traducción de los resultados obtenidos mediante herramientas computacionales en acciones concretas.
The goal of this research consists of presenting a state of the art on strategies that combine data analytics and artificial intelligence for measuring the employees’ performance in the manufacturing industry, as a support for quality management regarding continual improvement and processes optimization, the articulation with soft metrology and challenges, difficulties and opportunities that appear with the new technologies. An approach of qualitative research is used under a method of literature review on databases, such as, ScienceDirect, ieeexplore, and Google Scholar, for selecting and examining scientific documents in order of analyze and discuss advances according to the framework of research questions. Likewise, weaknesses, strengths and constrains are also identified in the application context in manufacturing industry. The importance of measurement models based on data projected in representation spaces is observed, where data analytics and artificial intelligence perform decision boundaries and regression surfaces oriented towards process improvement and understanding of performance dimensional levels, as well as identifying trends and changes in indicators. However, the computing tools demonstrates a significant challenge when translating the results into concrete actions.
O objetivo desta investigação é efetuar uma revisão exaustiva do estado da arte das estratégias que combinam a análise de dados e a inteligência artificial (IA) para medir o desempenho nas indústrias transformadoras. Isto é feito com o objetivo de apoiar a gestão da qualidade, centrando-se na melhoria contínua e na otimização dos processos, bem como de explorar a interação com a metrologia suave e os desafios, dificuldades e oportunidades que surgem com estas novas tecnologias. É seguida uma abordagem de investigação qualitativa através da revisão da literatura em bases de dados como a ScienceDirect, IEEExplore e Google Scholar para selecionar e examinar artigos científicos que abordem estes tópicos de acordo com o quadro das questões de investigação. São identificados os pontos fracos e fortes, bem como as limitações no contexto da aplicação na indústria transformadora. Destaca a importância dos modelos de medição baseados em dados projectados em espaços de representação, onde a análise de dados e a IA facilitam a criação de fronteiras de decisão e superfícies de regressão. Isto permite conceber processos de melhoria e compreender os níveis dimensionais de desempenho, bem como identificar tendências e mudanças nos indicadores. No entanto, são relatadas dificuldades na tradução dos resultados obtidos através de ferramentas computacionais em acções concretas.
The goal of this research consists of presenting a state of the art on strategies that combine data analytics and artificial intelligence for measuring the employees’ performance in the manufacturing industry, as a support for quality management regarding continual improvement and processes optimization, the articulation with soft metrology and challenges, difficulties and opportunities that appear with the new technologies. An approach of qualitative research is used under a method of literature review on databases, such as, ScienceDirect, ieeexplore, and Google Scholar, for selecting and examining scientific documents in order of analyze and discuss advances according to the framework of research questions. Likewise, weaknesses, strengths and constrains are also identified in the application context in manufacturing industry. The importance of measurement models based on data projected in representation spaces is observed, where data analytics and artificial intelligence perform decision boundaries and regression surfaces oriented towards process improvement and understanding of performance dimensional levels, as well as identifying trends and changes in indicators. However, the computing tools demonstrates a significant challenge when translating the results into concrete actions.
O objetivo desta investigação é efetuar uma revisão exaustiva do estado da arte das estratégias que combinam a análise de dados e a inteligência artificial (IA) para medir o desempenho nas indústrias transformadoras. Isto é feito com o objetivo de apoiar a gestão da qualidade, centrando-se na melhoria contínua e na otimização dos processos, bem como de explorar a interação com a metrologia suave e os desafios, dificuldades e oportunidades que surgem com estas novas tecnologias. É seguida uma abordagem de investigação qualitativa através da revisão da literatura em bases de dados como a ScienceDirect, IEEExplore e Google Scholar para selecionar e examinar artigos científicos que abordem estes tópicos de acordo com o quadro das questões de investigação. São identificados os pontos fracos e fortes, bem como as limitações no contexto da aplicação na indústria transformadora. Destaca a importância dos modelos de medição baseados em dados projectados em espaços de representação, onde a análise de dados e a IA facilitam a criação de fronteiras de decisão e superfícies de regressão. Isto permite conceber processos de melhoria e compreender os níveis dimensionais de desempenho, bem como identificar tendências e mudanças nos indicadores. No entanto, são relatadas dificuldades na tradução dos resultados obtidos através de ferramentas computacionais em acções concretas.
Abstract
Idioma
Palabras clave
production management, model construction and estimation, model evaluation, validation and selection, forecasting and prediction methods, information and product quality, gestión de producción, construcción y estimación de modelo, evaluación, validación y selección de modelo, métodos de pronóstico y predicción, calidad de la información y producto, gestão da produção, construção e estimação de modelos, avaliação, validação e seleção de modelos, métodos de previsão e predição, informação e qualidade do produto
Citación
Colecciones
Licencia Creative Commons
https://creativecommons.org/licenses/by-nc-sa/4.0