Predicción de resultados de permeabilidad en la toma de muestras de un laboratorio de análisis

Abstract

RESUMEN : Este estudio se centra en la predicción de la permeabilidad de los materiales utilizados en la fabricación de empaques, con el fin de mejorar el proceso actual que se lleva a cabo de forma manual y depende de la evaluación subjetiva de los instrumentistas para determinar si un empaque cumple con los estándares de calidad adecuados. En la actualidad, este proceso se realiza mediante la recopilación manual de información en una hoja de cálculo de Excel que no está conectada a ningún dispositivo de medición de calidad del laboratorio. El objetivo de este estudio es minimizar los errores en la evaluación y garantizar la eficacia y durabilidad del producto final. Debido a la falta de conocimiento preciso sobre la permeabilidad de cada uno de los tipos de materiales disponibles en el mercado, existe un riesgo significativo de aprobar un producto defectuoso. Para abordar esta problemática, se realizó un análisis inicial y exploratorio de los datos, seguido de una limpieza que esté afectando el análisis de estos. Posteriormente, se aplicaron diferentes modelos de predicción de datos, como la regresión lineal, máquinas de soporte vectorial y el Random Forest, para definir cuál de ellos se ajusta mejor a los datos entrenados vs predichos, con diferentes iteraciones y la medición del error cuadrático medio. Los resultados obtenidos muestran que la aplicación del Random Forest, y las máquinas de soporte vectorial permiten predecir la permeabilidad de los materiales con alta precisión, mientras que la regresión lineal resultó menos eficiente. A partir de esto, se concluye que los modelos implementados pueden ser utilizados para predecir la permeabilidad de los materiales con gran precisión. Este estudio proporciona una herramienta valiosa para predecir la permeabilidad de los materiales utilizados en la fabricación de empaques, lo que permitirá mejorar la calidad del producto y reducir el riesgo de aprobar productos defectuosos.

ABSTRACT : This study focuses on predicting the permeability of materials used in packaging manufacturing to improve the current manual process that relies on subjective evaluation by instrument operators to determine if a package meets the appropriate quality standards. Currently, the process involves manually collecting information in an Excel spreadsheet that is not connected to any laboratory quality measuring device. The objective of this study is to minimize evaluation errors and ensure the effectiveness and durability of the final product. Due to the lack of precise knowledge about the permeability of each type of material available in the market, there is a significant risk of approving a defective product. To address this issue, an initial exploratory data analysis was conducted, followed by data cleaning to eliminate any factors affecting the analysis. Various data prediction models, such as linear regression, support vector machines, and Random Forest, were then applied to determine which one best fit the trained vs. predicted data, with different iterations and measurement of mean squared error. The results show that the implementation of Random Forest and support vector machines allows for highly accurate prediction of material permeability, while linear regression was less efficient. From this, it is concluded that the implemented models can be used to predict material permeability with high accuracy. This study provides a valuable tool for predicting the permeability of materials used in packaging manufacturing, which will improve product quality and reduce the risk of approving defective products.