Please use this identifier to cite or link to this item:
https://rinacional.tecnm.mx/jspui/handle/TecNM/12107| Title: | Desarrollo de un sistema inteligente para la planificación de producción de sensores de presión automotrices, mediante técnicas de aprendizaje automático |
| Authors: | Flores Flores, Jose M. |
| metadata.dc.subject.other: | Planificación de la producción, Aprendizaje automático, Redes neuronales GRU, Predicción de demanda, Optimización de manufactura |
| Issue Date: | 2025-01-01 |
| Publisher: | Tecnológico Nacional de México |
| metadata.dc.publisher.tecnm: | Instituto Tecnológico de Toluca |
| Description: | La presente tesis propuso el desarrollo de un sistema inteligente para la planificación de la producción de sensores de presión automotrices mediante técnicas de aprendizaje automático. Utilizó datos históricos de ventas de una empresa del sector automotriz (2018-2024), se implementó un modelo de redes neuronales recurrentes con unidades GRU (Gated Recurrent Units) para predecir la demanda de productos. La estimación de ventas es integrada con información operativa como la capacidad instalada de producción y las tasas de generación de desperdicio (scrap), con el fin de optimizar la planeación de manufactura. Los resultados demostraron que el modelo GRU ofrece una predicción robusta sin requerir la alteración de datos atípicos del periodo pandémico, siendo más eficiente al entrenarse con datos recientes (2021-2022). El sistema resultante permitió una mejor asignación de líneas de producción, minimizando desperdicios y mejorando la eficiencia operativa. Esta investigación evidenció la viabilidad del uso de inteligencia artificial en procesos industriales, aportando una solución práctica y escalable para la toma de decisiones en entornos de manufactura. |
| metadata.dc.type: | info:eu-repo/semantics/masterThesis |
| Appears in Collections: | MAESTRIA EN CIENCIAS DE LA INGENIERIA |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| Tesis_Jose_Manuel_Flores_Flores.pdf | 21.33 MB | Adobe PDF | View/Open |
This item is protected by original copyright |
This item is licensed under a Creative Commons License