Control de calidad en redes neuronales artificiales

UNIVERSIDAD AUTONOMA DE NUEVO LEON[pic 1][pic 2]

FACULTAD DE INGENIERÍA MECANICA Y ELECTRICA

Seminario de Sistemas II

Actividad #2 Reporte redes neuronales

Nombre: Brandon Antonio Puente Martínez

Matricula: 1669532

Salón: 4106      Hora: Jueves V4 V5 V6

Catedrático: Dr. Tomás Eloy Salais Fierro

Carrera: Ingeniero Administrador de Sistemas

Semestre: 8         Fecha: 19/02/20

Hacer un reporte que explique 3 aplicaciones de las redes neuronales artificiales en el tema que se le asignó (Control de la calidad)

Caso 1.  Problemas multirrespuesta y solución estadística

Problema: En este caso Del Castillo et al. (1996), presentan un ejemplo aplicativo sobre una faja transportadora metálica para calentamiento y adhesión de conductores de circuitos integrados en placas de plástico. El calentamiento se da en un proceso continuo a través de una corriente de aire caliente(X1), de la faja metálica a la temperatura (X2), y de un bloque de calentamiento a alta temperatura (X3). Se busca obtener la placa (de plástico) con los circuitos adheridos, pero las placas deben tener determinadas temperaturas:

Si se sobre pasa demasiado dichas temperaturas: valores objetivos, las placas se pueden dañar. Estas condiciones de temperaturas deben alcanzar las placas en diversos puntos (valores objetivos) son: Y1, Y2, Y3, Y4, Y5, Y6.

Tipo de red que se está usando: Red Backpropagation,

Resultados: El diseño del experimento es el modelo desarrollado por Box - Behnken; para 3 factores y 2 niveles para cada factor. Del Castillo et al. (1996), desarrollaron una nueva función de solución de la función de deseabilidad que es superior a la de Harrington, y a la de Hooke-Jeeves. Los valores objetivo utilizados son: Y1 = 190; Y2 = 185; Y3 = 185; Y4 = 190; Y5 = 185; Y6 = 185; habiéndose obtenido como resultados para los parámetros de entrada: X1 = 84,15 Ft3/min, X2 = 450 ° C; X3 = 329,8 °C; y con ellos para los valores objetivos los siguientes: Y1 = 186,9°C; Y2 = 173,0°C; Y3 = 170,1°C; Y4 = 190,0°C; Y5 = 170,9°C; Y6 = 182,4°C.

Caso 2. Control y optimización del flujo del trafico

En una misma ciudad hay varios semáforos. Cada uno de estos semáforos tiene sensores que detectan el número de vehículos antes y después de su ubicación y a lo largo de diferentes distancias, usando, por ejemplo, una bobina de inducción (IL) o una cámara para detectar los vehículos Gupte et al. [2002]. Los semáforos poseen también alguna manera de comunicarse entre ellos mediante señales de radio, Wi-Fi, Ethernet, GSM1 o algún otro medio de comunicación. Además, los semáforos pueden conservar un histórico de los datos de sus sensores. Con toda esta información, se debe realizar una decisión racional, de manera que se mejore la situación actual del tráfico. Esta decisión puede consistir en mantener el mismo estado de las luces o cambiar a un estado diferente. La decisión puede ser tomada ya sea por un controlador local en la ubicación de la señal o por un controlador central.

Tipo de red que se está usando: Percepción multicapa (PMC)

Resultados: Todos los experimentos que se llevaron a cabo presentan mejores resultados que las otras soluciones revisadas. Es más evidente en el tercer escenario, ya que ninguno de estos enfoques se desarrolló con este escenario en mente. Esta situación pone de manifiesto la característica más importante de las técnicas evolutivas: su adaptación automática a la naturaleza del problema, presentando unos resultados suficientemente buenos. Gracias a esto es posible desarrollar sistemas muy rápidamente sin programar de manera manual de la parte de control, ya que se adapta a la situación actual.

...