Redes Neuronales de Base Radial aplicadas a la mejora de la calidad

Abstract

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 ...