TALLER GRUPAL N° 2: ANÁLISIS

Integrantes:

Piero Aguilar, Joseph Carrillo, Karol Godoy

Fecha:

2024-12-22

En el presente reporte, se muestra el análisis de los modelos de mantenimiento de las máquinas para el proceso de elaboración de galletas.

La base de datos se muestran 30 réplicas tanto del modelo de mantenimiento actual y los tres diferentes modelos de mejora que ha logrado proponer. En la cual, se busca analizar los datos de tiempo de falla de máquinas bajo diferentes modelos de mejora para determinar cuál debería implementarse, usando un nivel de significancia del 5%.

A continuación, se muestran los datos obtenidos de cada modelo:

arbol <-c(23.81,    22.13,  22.64,  21.69,  23.58,  22.14,  18.73,  21.59,
20.36,  20.53,  20.11,  20.34,  19.19,  22.92,  18.65,  20.6,
19.83,  20.09,  19.43,  22.06,  21.15,  19.26,  18.08,  20.24,
18.75,  20.69,  21.62,  23.69,  23.93,  23.19)

redn <-c(23.24, 20.08,  18.01,  23.28,  19.23,  21.22,  21.47,  20.6,
21.11,  21.27,  21.03,  17.34,  22.8,   21.85,  17.85,  23.15,
19.57,  19.56,  20.79,  18.04,  20.95,  21.83,  18.17,  22.66,
18.29,  18.89,  19.49,  19.19,  26.47,  25.25)

regresion <-c(16.13,    17.84,  18.28,  15.61,  17.62,  16.12,  17.29,  16.13,
16.64,  15.03,  18.16,  16.82,  17.44,  16.76,  17.26,  15.55,
17.49,  18.42,  17.54,  17.13,  15.5,    16.8,  18.47,  18.42,
18.43,  15.56,  16.03,  15.39,  15.12, 17.77)

actual <-c(17.09,   15.77,  18.45,  16.55,  22.23,  22.11,  18.26,  18.04,
19.66,  19.76,  18.74,  19.02,  18.54,  16.7,   17.57,  19.89,
19.06,  18.7,   19.39,  19.68,  19.2,   16.85,  19.91,  19.82,  18.08,
19.38,  20.3,   21.6,   23.39,  19.33)

Gráfica Boxplot de los modelos de mantenimiento:

data2  <- data.frame(ÁrbolC =arbol, Red_N = redn, Regresion = regresion, SActual = actual)

Análisis de gráfica

El gráfico de boxplot compara la distribución de los tiempos de los cuatro métodos: Árbol de Clasificación, Redes Neuronales, Regresión y el Sistema Actual. Se observa que Redes Neuronales tiene la mayor mediana y mayor variabilidad, mientras que Regresión muestra los tiempos más bajos y consistentes; el Sistema Actual y Árbol de Clasificación presentan medianas similares, pero con mayor dispersión en el Sistema Actual.

Además,los modelos de Redes Neuronales y el Sistema Actual presentan valores atípicos, lo que sugiere una mayor variabilidad y, por tanto, deben evaluarse para determinar si son errores o casos excepcionales, ya que podrían afectar las conclusiones y la elección del mejor modelo

Resumnen del árbol de clasificación:

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   18.08   19.89   20.64   21.03   22.14   23.93

Resumen de la red neuronal:

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   17.34   19.20   20.87   20.76   21.84   26.47

Resumen de la regresión:

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   15.03   16.05   16.98   16.89   17.73   18.47

Resumen del sistema actual:

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   15.77   18.12   19.13   19.10   19.80   23.39

Rango Intercuartílico del modelo del árbol de clasificación y red neuronal:

IQR(arbol)

## [1] 2.2425

IQR(redn)

## [1] 2.645

Intervalo de confianza del Arbol de clasificación:

## Intervalo de Confianza ÁrbolC: 20.39712 21.67088

Intervalo de confianza del Red Neuronal:

## Intervalo de Confianza Red_N: 19.92542 21.58658

Traslape de Arbol de clasificación y Red Neuronal:

## Traslape entre los intervalos: 1.189469

CONCLUSIÓN:

La propuesta a implementar es la de Árbol de Clasificación, ya que tiene una mediana relativamente más alta que el modelo de red neuronal y una menor variabilidad de los datos, lo que indica un nejor desempeño en la reducción de tiempo de ensayo de las máquinas. Por otro lado, no se recomienda el modelo de Regresión, porque tiene la mediana más baja y un rango de valores limitados, lo que indica un peor desempeño a comparación del Sistema Actual.