Reconocimiento de variables multivariantes empleando el estadístico T2 Hotelling y MEWMA mediante las RNA’s

Resumen

En este artículo se presenta la propuesta de un método de reconocimiento de patrones multivariantes empleando redes neuronales artificiales (RNA). El método es de utilidad en la aplicación del control estadístico de procesos para el monitoreo de múltiples variables. El método emplea medidas estadísticas descriptivas y técnicas de control multivariante. Se evalúan tres diferentes RNA’s con el fin de identificar la red con mejor eficiencia en el reconocimiento de patrones presentes en cada variable multivariante obtenida a partir de bases de datos. Se analizan dos bases de datos, la primera fue generada por simulación de Montecarlo y la segunda corresponde a una base de datos de dominio público. El método consta de tres etapas: generación de variables multivariantes, análisis multivariado y reconocimiento de patrones con RNA. Para llevar a cabo esta investigación se generaron distintos escenarios multivariantes combinando 2, 3 y 4 patrones en variables multivariantes en los estadísticos T2 de Hotelling y MEWMA, los cuales se analizaron para conocer su comportamiento y características estadísticas. Se realizó la tarea de reconocimiento de patrones de estos estadísticos utilizando las RNA. Los resultados experimentales mostraron un mejor desempeño en el caso de la red de Perceptrón y Retropropagación comparado con la red RBF para ambos casos de estudio.