| Sumario: | Se presenta un estudio comparativo de diferentes técnicas de aprendizaje computacional para la detección automática de fallas de baleros durante un proceso de manufactura. El objetivo es reducir costos por el pago de garantías e incrementar el prestigio de la marca. Mediciones recolectadas por sensores acústicos en línea de producción generan señales asociadas con el componente bajo estudio. A partir de las señales generadas se desea determinar si los baleros son defectuosos o no antes de que el producto salga a la venta. Se propone una solución basada en aprendizaje computacional y se evalúan diversas técnicas de clasificación. La mayoría de los métodos obtienen resultados aceptables, dando evidencia de la viabilidad del enfoque propuesto. Los métodos basados en similitud obtienen los mejores resultados en cuando a efectividad de detección, además de que son fáciles de implementar y altamente eficientes
|
|---|
