El trabajo realizado ha permitido identificar cuatro dimensiónes relacionadas con la calidad de servicio de la Biblioteca de la Universidad Nacional Mayor de San Marcos UNMSM. Tres de ellas, las que se han denominado “Aspectos Tangibles, Empatía y Fiabilidad “, pueden considerarse equivalentes a las inicialmente obtenidas por Parasuraman, Zeithaml y Berry. La restante, es la integración de Capacidad de Respuesta y Seguridad que se ha denominado “Respuesta–Seguridad”. Las dimensiónes encontradas son coincidentes con lo hallado en otras investigaciones realizadas dentro del sector educativo universitario, pero no están incluidas dentro de las encontradas por dichos autores. Asimismo, se probó el uso de las técnicas de redes neuronales y agrupación con k means; dando un resultado equivalente al del análisis factorial. En el caso de redes neuronales se utilizaron las de Aprendizaje Competitivo con Learning Vector Quantitative LVQ.
La presente investigación propone un modelo para la mejora del servicio de registro de identificación de personas, y correlaciona este servicio a la calidad de los procesos y tecnología mediante ecuaciones estructurales utilizando los softwares SPSS y AMOS. Para reforzar el análisis de la información proveniente de documentos y registros de los procesos del registro de identificación de personas, se aplicó una encuesta de 21 preguntas a los ciudadanos que acuden a uno de los locales de las 16 jefaturas regionales, de modo que se logró demostrar, a través de las ecuaciones estructurales, que existe una fuerte relación entre las tres variables: calidad de procesos, tecnología y mejora de servicio.
La investigación ha desarrollado una metodología para medir la calidad y elaborar un modelo de calidad del servicio mediante el uso de ecuaciones estructurales. La investigación se aplicó en el comedor de estudiantes de la UNMSM. La metodología consiste en elaborar una encuesta según la técnica SERVQUAL de 22 preguntas y aplicarlas a una muestra representativa. Seguidamente se elabora el Análisis Factorial Exploratorio (AFE) con el objeto de determinar las dimensiones de la calidad del servicio, luego se realiza en Análisis Factorial Confirmatorio (AFC) con el objeto de cuantificar las relaciones entre las variables y las dimensiones; y finalmente, se realiza la determinación del Modelo de Ecuaciones Estructurales (MEE) que permite conocer la relación entre las dimensiones, lo cual constituye el modelo de la calidad del servicio. Para elaborar el AFE se utilizaron los software SPSS y Lisrel; y para el AFC y el MEE se utilizó el software Lisrel.
RESUMENEl artículo trata sobre la aplicación de redes neuronales en problemas multirespuesta para el mejoramiento de la calidad, a partir de un análisis conceptual se establece una aplicación que demuestra la eficacia de las redes neuronales utilizando la red backpropagation con entrenamiento, mediante el algoritmo backpropagationtraingdm.Palabras Claves: Mejora de la calidad. Optimización. Multirespuesta. Redes neuronales. APPLICATION OF NEURONAL NETWORKS TO ENHANCE MULTI-ANSWER PROBLEMS TO IMPROVE QUALITY ABSTRACTThis article deals with the application of neuronal networks in multi-answer problems to improve quality. From a conceptual analysis, an application showing the efficiency of neuronal networks using the backpropagation network with training is shown through backpropagation-traingdn.
Esta investigación ha permitido construir una Red Neuronal Artificial RNA con Función de Base Radial, y que utiliza la distancia de Mahalanobis RND, para la mejora de la calidad de diseño de procesos, obteniendo mejores resultados que los obtenidos con los análisis estadísticos tradicionales para los diseños experimentales y las RNA ya existentes, para los casos que se trabaje con varias variables dependientes e independientes y en los que sus relaciones no sean lineales. Asimismo, al RND permite obtener parámetros de entrada para lograr un nivel de calidad deseado; para ello se aplica una metodología que usa las RNA Inversa y Directa a la vez.Palabras clave: Redes neuronales de base radial, Funciones de base radial, Redes neuronales de diseño exacto, Perceptrón multicapa con aprendizaje backpropagation. NEURAL NETWORKS WITH RADIAL BASIS AP-PLIED TO THE IMPROVE OF QUALITY RESUMENThis research has led to construct an artificial neural network ARN with Radial Basis Function, and using Mahalanobis distance RND, for improving the quality of process design, which have performed better than those obtained with the for traditional statistical analysis of design of experiments and other RNA that already exist, for cases that are working with several independent and dependent variables in which its relations are not linear. It also allows with the RND obtain input parameters to achieve a desired level of quality, for it applies a methodology that uses RNA Reverse and Direct at once.Keyword: Neural networks with radial basis, Radial basis functions, Neural networks of exact design, Multilayer perceptron with backpropagation learning.(1) Juan Cevallos Ampuero INTRODUCCIÓNLas herramientas que mayoritariamente se utilizan para la mejora de la calidad mediante el diseño de procesos y productos solo permiten trabajar con relaciones lineales y consideran pocas variables de entrada y salida; las redes neuronales artificiales son una alternativa para poder superar esta limitación. El análisis estadístico tradicional para el diseño de experimentos, los Métodos Taguchi, entre otros, no permiten hacer este tipo de cálculos. Los modelos de redes neuronales más utilizados son: perceptrón, adaline, perceptrón multicapa, redes de base radial, redes recurrentes (Red de Hopfield), redes de aprendizaje supervisado (Mapas auotoorganizados de Kohonen), y de resonancia adaptativa ART, redes de series temporales, redes de control de procesos dinámi-cos, redes de clasificación (redes de cuantización vectorial) 6 . Con base al marco teórico de las RNA más utilizadas se aprecian que algunas podrían servir de base para desarrollar una nueva RNA a ser utilizada en temas relacionados con la mejora de la calidad. Las Redes Neuronales Artificiales (RNA) son sistemas de procesamiento de la información cuya estructura y funcionamiento están inspirados en las redes neuronales biológicas. En la Figura 1, se aprecia el funcionamiento de una neurona, así se tiene un conjunto de entradas X1, X2,...,X3; que pueden ser definidas por un vector X. Cada ...
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.