Resumen

Este trabajo presenta un ejemplo de aplicación de técnicas de minería de datos para obtener conocimiento oculto a partir de los datos históricos de un proceso de galvanizado en caliente y establecer reglas para mejorar la calidad del producto final y reducir los errores en el proceso. Para ello, se partió de los registros de puesta a punto de una línea de galvanizado en caliente en la que se habían identificado bobinas con problemas de adherencia en el recubrimiento de zinc. A partir de la base de datos del proceso, se aplicó el enfoque clásico de minería de datos para obtener y analizar una serie de árboles de decisión que clasificaban dos tipos de bobinas, a saber, las que presentaban una adherencia correcta y las que presentaban una adherencia irregular. De estos árboles se extrajeron las variables y valores que podrían haber influido en la calidad del revestimiento. También se establecieron varias reglas que pueden aplicarse para reducir el número de bobinas defectuosas con problemas de adherencia.

• Materias:Acetamida
• Subjects:Acetamida
• Palabras claves:Árboles de decisión; Línea de galvanizado por inmersión en caliente; Minería de datos; Descubrimiento de conocimientos en bases de datos; Mejora de procesos industriales; Análisis de parámetros de proceso
• Keywords:Decision trees; Hot dip galvanizing line; Data mining; Database knowledge discovery; Industrial process improvement; Process parameter analysis