Aplicación de redes neuronales en la industria siderúrgica
DOI:
https://doi.org/10.33448/rsd-v14i4.48712Palabras clave:
Seis Sigma; Red Neuronal; Optimización; Fundición; Laminación.Resumen
El objetivo de este artículo es presentar un estudio de caso de investigación aplicada sobre la implementación de redes neuronales profundas en el proceso de laminación de una acería. El estudio se desarrolla dentro del contexto de la Industria 4.0 y se apoya en la metodología Lean Six Sigma para abordar una problemática real relacionada con defectos en productos derivados del proceso de laminado. La metodología incluye la aplicación de diversas herramientas de calidad con el propósito de identificar la causa raíz y proponer metodos que ofrezcan una solución innovadora. A través del diseño, entrenamiento y evaluación de una red neuronal multicapa, se logró una mejora en la clasificación de productos conforme (prime) y no conforme (scrap), alcanzando una eficiencia cercana al 85%. El estudio demuestra cómo la inteligencia artificial puede ser una solución viable para procesos industriales complejos donde intervienen múltiples variables, aportando mejoras significativas en calidad, eficiencia y toma de decisiones.
Citas
Abduljabbar, R., Dia, H., Liyanage, S., & Bagloee, S. A. (2019). Applications of artificial intelligence in transport: An overview. Sustainability, 11(1), 189. https://doi.org/10.3390/su11010189
Acevedo, E., Serna, A., & Serna, E. (2017). Principios y características de las redes neuronales artificiales. Desarrollo e innovación en ingeniería, 173.
Ahmad, T., Zhu, H., Zhang, D., Tariq, R., Bassam, A., Ullah, F., ... & Alshamrani, S. S. (2022). Energetics Systems and artificial intelligence: Applications of industry 4.0. Energy Reports, 8, 334-361. https://doi.org/10.1016/j.egyr.2021.11.256
Aguirre, J., García, F., Ramírez, C., Floreano, S., Guarda, T., Sanchez, I., ... & Sanchez, C. (2021). Aplicación de la inteligencia artificial en la industria automotriz. Revista Ibérica de Sistemas e Tecnologias de Informação, (E42), 149-158.
Arora, A., Kacker, R., & Kumar, S. S. (2024). Artificial intelligence role, techniques, and optimization algorithms in industrial-level applications. Artificial Intelligence and Their Applications, 20-30. https://doi.org/10.58532/nbennurch337
Balmer, R. E., Levin, S. L., & Schmidt, S. (2020). Artificial Intelligence Applications in Telecommunications and other network industries. Telecommunications Policy, 44(6), 101977. https://doi.org/10.1016/j.telpol.2020.101977
Boden, M. A. (2018). Artificial intelligence: A very short introduction. Oxford University Press. https://doi.org/10.1093/actrade/9780199602919.001.0001
Bonilla, L., & Bonilla, L. (2024). Qué es el Deep learning y cómo funciona. Desafíos y retos. Data Center Market. https://www.datacentermarket.es/dcm-xl/que-es-el-deep-learning-y-como-funciona-desafios-y-retos/
Díaz-Ramírez, J. (2021). Aprendizaje automático y aprendizaje profundo. Ingeniare. Revista chilena de ingeniería, 29(2), 180-181. http://dx.doi.org/10.4067/S0718-33052021000200180
Geng, X., Wang, H.-H., Wang, S., Gao, J., & Ma, X. (2023). Data‐driven and artificial intelligence accelerated steel material research and intelligent manufacturing technology. https://doi.org/10.1002/mgea.10
Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep learning. MIT Press.
Graglia, M. A. V., & Von Huelsen, P. G. (2020). The sixth wave of innovation: Artificial intelligence and the impacts on employment. Journal on Innovation and Sustainability RISUS, 11(1), 3-17.
Hemmati-Sarapardeh, A., Larestani, A., Menad, N. A., & Hajirezaie, S. (2020). Applications of artificial intelligence techniques in the petroleum industry. Gulf Professional Publishing.
Jan, Z., Ahamed, F., Mayer, W., Patel, N., Grossmann, G., Stumptner, M., & Kuusk, A. (2023). Artificial intelligence for industry 4.0: Systematic review of applications, challenges, and opportunities. Expert Systems with Applications, 216, 119456. https://doi.org/10.1016/j.eswa.2022.119456
Jiménez-Sánchez, D., & Arzola-Ruiz, J. (2017). Redes neuronales regularizadas aplicadas a la estimación de propiedades mecánicas de perfiles de acero. Ingeniería Mecánica, 20(3), 115-121.
Li, B. H., Hou, B. C., Yu, W. T., Lu, X. B., & Yang, C. W. (2017). Applications of artificial intelligence in intelligent manufacturing: A review. Frontiers of Information Technology & Electronic Engineering, 18(1), 86-96. https://doi.org/10.1631/FITEE.1601885
Mexico Industry. (2023). Industria siderúrgica en México con potencial de crecimiento. https://mexicoindustry.com/noticia/industria-siderurgica-en-mexico-con-potencial-de-crecimiento
Ojeda-Roldán, Á., Gassner, G., Schlautmann, M., Acevedo Galicia, L. E., Andreiana, D. S., Heiskanen, M., ... & del Real Torres, A. (2022). Optimisation of Operator Support Systems through Artificial Intelligence for the Cast Steel Industry. Journal of manufacturing and materials processing, 6(2), 34. https://doi.org/10.3390/jmmp6020034
Ometto, L., Challapalli, S., Polo, G., Cestari, A., Villagrossi, M., Sandri, E., & Pellegrini, A. (2018). Successful Use Case Applications of Artificial Intelligence in the Steel Industry.
Pereira A. S. et al. (2018). Metodologia da pesquisa científica. [free e-book]. Editora UAB/NTE/UFSM. Yin, R.K. (2015). O estudo de caso. Porto Alegre: Bookman.
Rouhiainen, L. (2018). Inteligencia artificial. Editorial Alienta.
Shrivastava, A., Pandey, A., Singh, N., Srivastava, S., Srivastava, M., & Srivastava, A. (2024). Artificial Intelligence (AI): Evolution, Methodologies, and Applications. International Journal for Research in Applied Science and Engineering Technology. https://doi.org/10.22214/ijraset.2024.61241
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2025 José de Jesús Calderón-Sánchez; Rafael Granillo-Macías; Francisca Santana Robles; Héctor Rivera-Gómez
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores que publican en esta revista concuerdan con los siguientes términos:
1) Los autores mantienen los derechos de autor y conceden a la revista el derecho de primera publicación, con el trabajo simultáneamente licenciado bajo la Licencia Creative Commons Attribution que permite el compartir el trabajo con reconocimiento de la autoría y publicación inicial en esta revista.
2) Los autores tienen autorización para asumir contratos adicionales por separado, para distribución no exclusiva de la versión del trabajo publicada en esta revista (por ejemplo, publicar en repositorio institucional o como capítulo de libro), con reconocimiento de autoría y publicación inicial en esta revista.
3) Los autores tienen permiso y son estimulados a publicar y distribuir su trabajo en línea (por ejemplo, en repositorios institucionales o en su página personal) a cualquier punto antes o durante el proceso editorial, ya que esto puede generar cambios productivos, así como aumentar el impacto y la cita del trabajo publicado.
