Multiple response optimization for quality improvement. comparative between classic approach with bayesian approach and neural networks

• Autor: Cevallos Ampuero, Juan
• Formato: artículo
• Fecha de Publicación: 2012
• Institución: Universidad Nacional Mayor de San Marcos
• Repositorio: Revista UNMSM - Industrial Data
• Lenguaje: español
• OAI Identifier: oai:ojs.csi.unmsm:article/6369
• Enlace del recurso: https://revistasinvestigacion.unmsm.edu.pe/index.php/idata/article/view/6369
• Nivel de acceso: acceso abierto
• Materia: Quality improvement; Multiple Response Optimization; Bayesian Statistics; Neural Networks.; Mejora de la calidad. Optimización Multirespuesta. Estadística Bayesiana. Redes Neuronales.

The paper aims to review the existing methodologies for multiresponse optimization, integrate them into one and develop a new algorithm that allows to overcome the existing limitations. For this purpose we reviewed statistical optimization methodologies using the traditional response surface methodology with robust design, then reviewed the application of the bayesian approach to that obtained with traditional statistics, and finally reviewed artificial neural network applications to cases of optimization. After performing the analysis and discussion about the three methodologies were integrated into one, having developed a new algorithm to overcome the limitations and shortcomings of the previous methods. Also, we compared the results obtained with other methods with those obtained with the new method, with favorable outcome. Thus we have developed a multi-response optimization methodology that considers linear and nonlinear relationships, which has the qualities of traditional statistical methodologies, bayesian statistics, and artificial neural networks.
El trabajo tiene por objetivo revisar las metodologías existentes sobre optimización multirespuesta, integrarlas en una sola y desarrollar un nuevo algoritmo que permita superar las limitaciones existentes.Para tal efecto se revisaron las metodologías de optimización estadística mediante metodología de superficie de respuesta tradicional,con diseño robusto; seguidamente se revisó la aplicación del enfoque bayesiano a lo obtenido con la estadística tradicional; y finalmente se revisaron aplicaciones de redes neuronales artificiales a casos de optimización. Luego de realizar el análisis y discusión sobre el tema se integrólas tres metodologías en una sola, habiendo desarrollado un nuevo algoritmo que permite superar las limitaciones y deficiencias de los métodos anteriores. Asimismo, se compararon los resultados obtenidos con otros métodos con los que se obtendrían con el nuevo método, siendo resultado favorable.Por tanto se ha desarrollado una metodología de optimización multirespuesta que considera relaciones lineales y no lineales, que tiene las cualidades de lasmetodologías de la estadistica tradicional,la estadística bayesiana, y las redes neuronales artificiales.