Resumen
Method for performance optimization of a manufacturing plant through generation of fully automated machine learning algorithms and optimized manufacturing plant. Method for performance optimization in industry through the generation of fully automated machine learning algorithms, which includes preparing input data, defining a set of variables, an acceptable range and an objective, verifying the integrity of the data and standardizing the input data; identify variables relevant to a selected KPI using a Pearson correlation coefficient; train a set of regression models by varying hyperparameters randomly; evaluate the trained regression models, selecting the best model for the selected KPI; and optimize the selected KPI using the selected model and randomly varying the variables within the acceptable range. (Machine-translation by Google Translate, not legally binding)
Reivindicaciones
1. REIVINDICACIONES 1. Método para optimización de rendimiento de una planta de fabricación mediante generación de algoritmos de aprendizaje automático completamente automatizados, que comprende: - preparar un conjunto de datos de entrada, definiendo un conjunto de variables, un objetivo, verificando la integridad de los datos de entrada y estandarizando dichos datos de entrada; - dividir las variables en variables de rango no ajustable, para las cuales se fija solo un valor aceptable, y variables de rango ajustable, para las cuales se fijan valores mínimos y máximos determinando un rango aceptable para cada una de las variables; - identificar las variables relevantes para un índice o criterio de rendimiento (KPI) previamente seleccionado usando un coeficiente de correlación de Pearson; - entrenar un conjunto de modelos de regresión variando sus hiperparámetros mediante una técnica de búsqueda aleatoria; - evaluar los modelos de regresión entrenados, seleccionando el mejor modelo para el índice o criterio de rendimiento (KPI) seleccionado mediante la generación de un coeficiente de validación (R2), calculado mediante una proporción de la varianza total de cada variable; - optimizar el índice o criterio de rendimiento (KPI) seleccionado usando el modelo seleccionado y variando, mediante un método de búsqueda aleatoria, el valor de las variables dentro del rango aceptable, obteniendo un valor óptimo de las variables dentro del rango aceptable. 2. Método para optimización de rendimiento de una planta de fabricación de acuerdo con la reivindicación 1, donde la planta de fabricación comprende una o más máquinas y las variables son variables de proceso de las una o más máquinas. 3. Método para optimización de rendimiento de una planta de fabricación de acuerdo con la reivindicación 2, donde las variables de proceso son seleccionadas de entre: medidas de aceleración, medidas de fuerza, velocidad de avance, diámetro de herramienta, profundidad de corte radial y dureza Brinell. 4. Método para optimización de rendimiento de una planta de fabricación de acuerdo con cualquiera de las reivindicaciones 1 a 3, donde los KPI son seleccionados de entre: producción, índice de rechazo, calidad y tiempo. 5. Método para optimización de rendimiento de una planta de fabricación de acuerdo con cualquiera de las reivindicaciones 1 a 4, donde el valor óptimo de las variables dentro del rango aceptable se proporciona como recomendación al usuario. 6. Método para optimización de rendimiento de una planta de fabricación de acuerdo con cualquiera de las reivindicaciones 1 a 5, que además comprende una etapa de calcular el valor del KPI seleccionado para el valor óptimo de las variables. 7. Método para optimización de rendimiento de una planta de fabricación de acuerdo con cualquiera de las reivindicaciones 1 a 6, donde los modelos de regresión son seleccionados de entre: Redes Neuronales Convolucionales (CNN, Convolutional Neural Network), Regresión de Soporte Vectorial (SVR, Support Vector Regression), Bosque Aleatorio (RF, Random Forest), Regresión de Cresta (RR, Ridge Regression), Regresión de Lasso (LR, Lasso Regression), K-Vecinos más Cercanos (KNN, K-Nearest Neighbors) y Perceptrón Multicapa (MLP, Multilayer Perceptron). 8. Método para optimización de rendimiento de una planta de fabricación de acuerdo con cualquiera de las reivindicaciones 6 a 7, que además comprende una etapa de introducir el valor óptimo de las variables y el valor del KPI seleccionado en el modelo de regresión seleccionado como variable de entrada, realimentando el proceso. 9. Planta de fabricación optimizada que comprende: - una o más máquinas de fabricación, que comprenden un módulo de control individual con un conjunto de variables de proceso que definen su funcionamiento; y - un módulo de control central conectado al módulo de control individual de las máquinas de fabricación y configurado para llevar a cabo las etapas del método de acuerdo con cualquiera de las reivindicaciones 1 a 8, obteniendo las variables de proceso optimizadas. 10. Programa de ordenador para la optimización de rendimiento de una planta de fabricación configurado para llevar a cabo las etapas del método de acuerdo con las reivindicaciones 1 a 8 en un módulo de control central de una planta de fabricación de acuerdo con la reivindicación 9. 11. Unidad de almacenamiento configurada para almacenar el programa de ordenador de acuerdo con la reivindicación 10.
