Predicción de errores en producción industrial de piezas mediante clasificación supervisada con desbalanceo de clases

Abstract

El objetivo de este trabajo es lograr implementar un algoritmo de aprendizaje automático que permita la mejor clasificación sobre el conjunto de datos de información recolectado por diferentes sensores de la fábrica Bosch. El conjunto de datos constante de un archivo con 980 dimensiones y un millo de observaciones con una clasificación dicotómica. Al realizar diferentes investigaciones de soluciones para el procesamiento de conjuntos de datos desbalanceados, se implementaron 26 experimentos con 2 conjuntos de datos de diferente tamaño obteniendo el mejor resultado con técnicas de remuestreo y bosques aleatorios.

L'objectiu d'aquest treball és aconseguir implementar un algoritme d'aprenentatge automàtic que permeti la millor classificació sobre el conjunt de dades d'informació recol·lectat per diferents sensors de la fàbrica Bosch. El conjunt de dades constant d'un arxiu amb 980 dimensions i un milió d'observacions amb una classificació dicotòmica. En realitzar diferents investigacions de solucions per al processament de conjunts de dades, es van implementar 26 experiments amb 2 conjunts de dades de diferent grandària obtenint el millor resultat amb tècniques de remostreig i boscos aleatoris.

The objective of this work is to implement an automatic learning algorithm that allows the best classification on the set of information data collected by different sensors of the Bosch factory. The constant data set of a file with 980 dimensions and one million observations with a dichotomous classification. When carrying out different investigations of solutions for the processing of unbalanced data sets, 26 experiments with 2 sets of data of different sizes were implemented obtaining the best result with techniques of resampling and random forests.