sidearea-img-1
Lorem ipsum dolor sit amet, consectetuer adipiscing elit, sed diam nonummy nibh euismod tincidunt ut laoreet dolore magna aliquam erat volutpat.
sidearea-img-2 sidearea-img-3 sidearea-img-4 sidearea-img-5

Recent News

Newsletter

[contact-form-7 404 "Not Found"]

Autores: Esteban Alfaro, José Luis Alfaro, Matías Gámez y Noelia García

Los profesores Esteban Alfaro, José Luis Alfaro, Matías Gámez y Noelia García de la Facultad de Ciencias Económicas y Empresariales de Albacete han publicado recientemente el artículo titulado A Comparison of Different Classification Techniques to Determine the Change Causes in Hotelling’s T2 Control Chart en la revista Quality and Reliability Engineering International (Volume 31, Issue 7, pages 1255–1263, November 2015). Esta revista publicada por John Wiley & Sons cuenta actualmente con un índice de impacto de 1,191 en la base de datos JCR y ocupa la posición 39 de un total de 81 revistas en la categoría de Operations Research & Management Science.

Este artículo continúa con la línea de trabajo en tareas de clasificación y control de calidad de este equipo de investigación. En concreto, este trabajo plantea que detectar situaciones de fuera de control utilizando gráficos de control multivariantes es relativamente sencillo. Sin embargo, la determinación de las causas del cambio es más difícil. En los últimos años se ha propuesto la aplicación de las técnicas de clasificación para analizar las señales de fuera de control. Estas propuestas incluyen métodos cada vez más sofisticados, pero no está claro, si es que hay uno, cuál de ellos es el más potente.

En este trabajo, los autores han simulado diferentes escenarios variando la estructura de correlaciones y el tamaño del cambio, para probar el comportamiento del Análisis Discriminante Lineal, Árboles de Clasificación, Redes Neuronales y Árboles combinados mediante Boosting con el objetivo principal de analizar si merece la pena o no utilizar métodos de clasificación más complejos. Los resultados muestran que, aunque el comportamiento de los distintos métodos depende de la estructura de correlación y la clase de cambio, bajo las situaciones más factibles Boosting muestra los mejores resultados.

_**El artículo completo puede consultarse en esta dirección: **_

http://onlinelibrary.wiley.com/doi/10.1002/qre.1901/abstract