PREDICCIONES DEL ESTADO DE UN SISTEMA DE MANUFACTURA USANDO PROCESOS GAUSSIANOS

Ing. Hel Martnez Martnez. Ing. Flix Luis Carranza Hernndez. Ing. Irma Mariana Garca Cano.

www.upgto.edu.mx

NDICE INTRODUCCIN MODELO DE SIMULACIN PROCESO GAUSSIANO DESARROLLO EXPERIMENTAL I 3 4 5 8

RESULTADOS PARA PREDICCIN

CONCLUSIN

11
13

PREGUNTAS
REFERENCIAS

14
15

INTRODUCCIN Una simulacin es la representacin del comportamiento de un sistema real en base a un proceso. [Shannon, 1975] Simulacin

Comportamiento

Predicciones

[Rapipsa S.A de C.V,2011]

Estados futuros

Maximizar recursos

Pronosticar la demanda

Utilidad de un producto

MODELO DE SIMULACIN
Formulacin de problema

Recoleccin de datos y anlisis

Problemtica: La complejidad especialmente en la asignacin a priori de las funciones de distribucin a la relacin entidades-atributos.

Desarrollo del modelo

Qu hacer al respecto? Desarrollar una metodologa de evaluacin de los valores predichos de forma cuantitativa. Herramienta matemtica

Verificacin y validacin del modelo Experimentacin y anlisis

Realizar predicciones Valores de sistemas

Implantacin de los resultados

Descritos en un intervalo de tiempo

4

PROCESO GAUSSIANO I Es una funcin general sobre funciones de distribucin de probabilidad [C. Isaza, 2008; C. K. I. Williams, 1996] Proceso estocstico Genera muestras en el tiempo {Xt}t Funcional lineal de la funcin de muestra Xt

Proceso Gaussiano de regresin: Recupera el proceso demarcado por los puntos observados con ruido de los barridos espectrales obtenidos durante la muestra.

Dibujo original de Pearson sobre la regresin

5

PROCESO GAUSSIANO II

Considerando a los datos tomados como: D= {x(i), y(i) | =1,...n}.

Cada entrada es un vector X de dimensin d y cada punto objetivo valor escalar real Y = f (X) + Ruido.

Entradas son una matriz de (dxn) dimensiones y los objetivos un vector Y. D = {X,y }. Se infiere FX para entradas no observadas de XX, usando p (f *| X *, D).
Regresin lineal Bayesiana, asume un ruido () con distribucin normal, y parmetros: ( = 0) y (2 = 1). N (0, 2 ) y como modelo: f (x|W) = xTW , y = f + .

PROCESO GAUSSIANO III

Parmetros de la verosimilitud son dados por: p ( y|x,W) = N(xTW, 2I ) asumiendo a priori una Gaussiana sobre los parmetros: p(W,)= N(0, p). Se aplica el teorema de Bayes, distribucin posterior: P (w| y, x) P( y |x,w)P(w). La distribucin depende del producto de la verosimilitud y la distribucin a priori. Se puede expresar sobre los parmetros como: P (w |y, x)= N (1/2A-1Xy, A-1 ). Dnde: A=1/2XXT. Expresin de la distribucin predictiva: P ( f *| X*, X , y) = f (X *|W)P(W| X, y)dW , P( f *| X*, X , y) N( 1/2 X*TA-1 Xy, X*T A-1 X *).

DESARROLLO EXPERIMENTAL

Cola

Unidad de servicio

Figura 3. Diagrama hipottico de simulacin.

Llegada de ordenes a la cola: Exponencial Exponencial Normal Normal

Procesado en la unidad de servicio: Exponencial Normal Exponencial Normal

Funciones de probabilidad: Exponencial f (x)= ex Normal

Parmetros cola: =20 ,=20 , =5 Unidad de servicio: =12 , =12 ,

=3

DESARROLLO EXPERIMENTAL II

Figura 2. Software de simulacin desarrollado.

Figura 5. Representacin grfica del incremento lineal del tiempo total que tarda la orden en salir del sistema.

RESULTADOS PARA PREDICCIN No. De Llegada De La Orden 90 91 92 93 94 95 96 97 98 99 100

Hora De Llegada
1707 1714 1718 1744 1751 1791 1795 1835 1846 1867 1872

Hora De Salida Predicha

1720 1727 1731 1757 1764 1804 1808 1848 1859 1880 1885

Teniendo un tiempo medio de proceso, se obtiene un sistema lineal que puede ser modelado con la ecuacin de una lnea recta: F(x)= mx+b
F(x)=1.0072729x+0
11

Figura 6. Representacin grfica de los modelos ajustados por medio de aproximacin con procesos gaussianos de regresin.

12

CONCLUSIN. Se logr estimar el tiempo promedio, en los que una orden es procesada en la unidad de servicio as como el tiempo total de procesamiento de un conjunto de rdenes, y a su vez nos permiten estimar la hora en la cual una orden determinada sale del sistema. Al obtener en la experimentacin el tiempo promedio de procesado de las piezas se puede llegar a una ecuacin lineal donde se representa el incremento proporcional al tiempo calculado.
Realizando una evaluacin cualitativa entre los valores que se pueden obtener de la relacin entre la hora de llegada y salida de una orden, se aprecia que los procesos Gaussianos describen ms eficientemente el comportamiento del sistema de manufactura en relacin a la aproximacin lineal. Pudimos realizar predicciones del estado futuro del sistema de manufactura mediante la evaluacin de valores futuros del tiempo en los modelos lineal y el proceso Gaussiano, dado que el proceso Gaussiano describe mejor el comportamiento con las pequeas fluctuaciones que tiene el sistema de manufactura.

13

PREGUNTAS

GRACIAS POR SU ATENCIN

REFERENCIAS 1. Aracil, R. (2006). Robots paralelos. 3 (1). 2. C. Isaza, W. R. (2008). Modelo de maduracion del banano empleando procesos Gaussianos de regrecion . Scientia et Technica . 3. C. K. I. Williams, C. E. (1996). Gaussian Process for regrecion. Advances in Neural Information Processing Systems. 4. Gilat, A. (2006). Matlab: una introduccin con ejemplos prcticos. Reverte. 5. Ivan Garca Pacheco, J. G. (2007). A Methodology Based on Effective Practices to Develop Educational Software. Computacin y Sistemas , 11 (4). 6. Joan B. Fonollosa i Guardiet, J. M. (2002). Mtodos cuantitativos de organizacin industrial II (2 ed.). Edicions UPC. 7. Mercedes Ruiz Carreira, I. R. (2010). Estimacin del Coste de la Calidad del Software a travs de la Simulacin del Proceso de Desarrollo. 2 (1). 8. Olivares-Pacheco, J. F. (2007). Generacion de valores de las variables aleatorias. 9. Pedro Albertos, A. S. (2004).El control borroso,Una metodologia RIAII , 1 (2). 10. Reed Gerald, S. B. (1979). scattering theory. Methods of modern mathematical physics . 11. Shannon, R. E. (1975). Systems simulation. Universidad de Michigan . Michigan: Prentice-Hall. 12. Winston, C. (1997). Brookings Papers on Economic Activity. Brookings Institution Press. 13. C.V., R. S. (2011). RAPIPSA tecnologia al servicio de la industria. Recuperado el Jueves de Julio de 2011, de http://www.ripipsa.net/index.html
15