Abstract:
Los algoritmos de aprendizaje estadístico tienen un ámbito de aplicación amplio, en
el presente trabajo se aplicaron para definir la secuenciación de las órdenes de
producción de una empresa de la industria de producción de alimentos para
mascotas.
Inicialmente se implementó un algoritmo determinístico-estocástico generador de
secuencias de producción a partir de las órdenes de producción reales, también se
crearon variables adicionales asociadas a estas secuencias y luego se clasificaron
las mismas en dos niveles; secuencia óptima y secuencia no óptima. Con estas
variables se crearon dos conjuntos de datos: conjunto 1 contiene la secuencia de
producción modelada como variables indicadoras y conjunto 2 sin estas.
A partir de los conjuntos creados se implementaron y ajustaron los algoritmos de
clasificación: Máquina Vector Soporte y Árbol de Clasificación, finalmente con los
modelos obtenidos se evaluó su desempeño en la partición de entrenamiento y
prueba mediante las métricas de la matriz de confusión.
Finalmente se constató el rendimiento del algoritmo Máquina Vector Soporte es
superior al del Árbol Clasificación para el conjunto 2. Para el conjunto 1, el
desempeño del algoritmo Máquina Vector Soporte varía sustancialmente según el
kernel. El desempeño del Algoritmo Árbol de Clasificación se mantiene estable en
ambos conjuntos.
