29 January 2025 in IEEE Access
VCValentín Calzada-Ledesma
+1
Modelling a process requires a priori knowledge of the possible causal relationships between the study variables and the response, especially when the raw material is waste. A new approach to characterizing a manufacturing process is presented to extend data that are difficult to obtain by direct experimentation. This research aims to identify industrial applications for derivatives from animal by-products, such as tilapia skin, to develop an alternative methodology for issues related to collagen. Empirical data from a design of experiments (DoE) fed a Markov chain Monte Carlo algorithm in an artificial neural network (MCMC–ANN) for data imputation, numerical simulation, and training. The DoE model presented a coefficient of 86.92% in the observed data in the first stage of the methodology. In the second stage, the predictive model MCMC–ANN presented a mean square error (MSE) of 0.00171, and a standard deviation (SD) of 0.00133. The model was tested using validation data obtained outside the training process. The SD of empirical validation of MCMC–ANN were 1.7890, 0.2051 and 0.0919 for three random points. The product of this research is a four-dimensional predictive model that estimates the yield with decreasing material, energy resources, and the time required for the collagen extraction process from the skin waste of tilapia. The proposed tool obtains a minimum adjustment with a deviation whose tolerance is valid for predicting the collagen extraction yield. MCMC–ANN can be applied to any case that requires a deeper analysis with more data or experiments.
10 May 2023 in Tesla Revista Científica
El presente estudio se llevó a cabo en una empresa de Purísima del Rincón dedicada a la fabricación de suela a base de EVA moldeada. La empresa pertenece al sector secundario y se encuentra en constante desarrollo, por lo que se han presentado problemas retadores para mantener la calidad en los productos. De acuerdo con las necesidades de la empresa, el objetivo principal fue disminuir el porcentaje de defectivos, conocidos como segunda de mala calidad. El cumplimiento de este objetivo tiene como consecuencias la reducción de los desperdicios y una mayor rentabilidad del negocio. La investigación tiene un enfoque cuantitativo con alcance aplicativo. Se realizó un análisis del entorno con el objetivo de identificar las variables que repercuten en la suela. La información recolectada permitió definir la problemática con la viabilidad del establecer una propuesta de solución para la empresa y lograr un control en la producción. El área de interés susceptible a mejorar se conoce como preforma. Finalmente, de acuerdo con los tiempos disponibles y la información recabada, se logró implementar un sistema de mantenimiento productivo total en el área de interés con la intención de disminuir en por lo menos un 5% la segunda de suela a base de EVA moldeada.
30 December 2025 in Journal of Computational Systems and ICTs
One of the main challenges faced by any manufacturing company is controlling the quality of its products. The complexity of the issue intensifies when quality variables are not only quantitative but also qualitative, which means that decisions related to product quality largely depend on subjective assessments made by experts. This research designed a decision-making control chart for a multidisciplinary quality control system in a tannery company, with the goal of improving product quality in the “Wet Sole” area. The main quality issues were associated with qualitative variables and the lack of standardization in the criteria for making quality-related decisions, which increased dissatisfaction with the final product. The problem was addressed with the support of experts, who mapped the “Wet Sole” area process to identify subprocesses and the quantitative and qualitative variables associated with product quality. Then, through the Analytic Hierarchy Process, operating–quality–decision intervals were defined, which enabled the construction of “decision-making control charts.” These charts became part of the new quality control system. The system was validated by experts, confirming its accuracy and effectiveness in decision-making. Once implemented, the evaluation criteria for quality were standardized within the process, resulting in a significant improvement in product quality.
30 April 2025 in Revista Científica Ciencia y Tecnología
En una perspectiva práctica, recolectar una muestra pequeña de datos tiene dos argumentos relevantes: su almacenamiento no es costoso o inconveniente y el procesamiento estadístico es asequible. Sin embargo, actualmente se recolectan datos masivos los cuales requieren del procesamiento de datos mediante algoritmos para su adecuada interpretación. El Aprendizaje Automático (conocido como Machine Learning) relacionado al campo estadístico, consiste en extraer, procesar, reconocer patrones y tendencias a partir de los datos. En este sentido, los algoritmos permiten procesar información útil cuando se generan y obtienen datos masivos. En el presente estudio, se realizó una investigación documental con alcance descriptivo. Es importante reconocer que, además del campo estadístico, el Machine Learning cada vez está siendo más aplicado en campos del conocimiento heterogéneos tales como Negocios, Ingenierías Biomédica, Química y Agricultura. La necesidad de resolver problemas del entorno requiere la incorporación de las metodologías y técnicas de la Inteligencia Artificial para que puedan ser usadas en el campo emergente de la ciencia de los datos en diferentes industrias.
12 August 2026 in Next Materials