Manufacturing Cell Analytics

Sistema de análisis y optimización de una celda de manufactura utilizando técnicas de Inteligencia Artificial y Machine Learning.

📋 Descripción

Este proyecto simula una celda de manufactura industrial y utiliza algoritmos de aprendizaje automático para analizar el comportamiento del proceso productivo, identificar variables críticas y proponer condiciones óptimas de operación.

El sistema genera datos sintéticos de operación, entrena una red neuronal para modelar el comportamiento de la producción y genera reportes gráficos que facilitan la toma de decisiones dentro de un entorno de Industria 4.0.

---

🎯 Objetivos

• Simular el comportamiento de una celda de manufactura.
• Generar datos de producción para análisis.
• Aplicar técnicas de Machine Learning.
• Entrenar una red neuronal para predecir la producción.
• Identificar variables con mayor impacto en el desempeño.
• Obtener recomendaciones de operación óptima.
• Generar reportes gráficos para análisis industrial.

---

🏭 Variables Analizadas

El sistema considera las siguientes variables de proceso:

Variable	Descripción
Velocidad	Velocidad de operación de la máquina
Carga	Porcentaje de carga aplicada
Vida útil	Estado estimado del equipo
Humedad	Humedad relativa del ambiente
Corriente	Consumo eléctrico
Vibración	Nivel de vibración del sistema
Defectos	Cantidad de piezas defectuosas
Producción	Piezas producidas
Energía	Consumo energético

---

🧠 Modelo de Inteligencia Artificial

Se implementa una red neuronal tipo:

MLP (Multi-Layer Perceptron)

Arquitectura utilizada:

Entradas (7 variables)
        │
        ▼
Capa Oculta 1 (64 neuronas)
        │
        ▼
Capa Oculta 2 (32 neuronas)
        │
        ▼
Capa Oculta 3 (16 neuronas)
        │
        ▼
Salida (Producción)

El modelo es entrenado utilizando Scikit-Learn mediante el algoritmo de retropropagación (Backpropagation) y el optimizador Adam.

---

📁 Estructura del Proyecto

ManufacturingCellAnalytics/
│
├── data/
│   └── raw/
│       └── celda_manufactura.csv
│
├── reports/
│   └── figures/
│
├── src/
│   ├── generate_data.py
│   ├── data.py
│   └── main.py
│
├── requirements.txt
├── .gitignore
└── README.md

---

🚀 Instalación

Requisitos

Se recomienda utilizar:

• Python 3.11.x ✅
• Python 3.12.x ✅

Importante: Algunas librerías de Inteligencia Artificial y Machine Learning, como TensorFlow, pueden presentar problemas de compatibilidad con versiones más recientes de Python (3.13 y superiores). Para garantizar el correcto funcionamiento del proyecto se recomienda trabajar con Python 3.11 o Python 3.12.

Verificar la versión instalada:

python --version

Clonar repositorio

git clone https://github.com/joelcf86/ManufacturingCellAnalytics.git

cd ManufacturingCellAnalytics

Crear entorno virtual

python -m venv venv

Activar entorno virtual

Windows:

venv\Scripts\activate

Linux / Mac:

source venv/bin/activate

Actualizar pip

python -m pip install --upgrade pip

Instalar dependencias

pip install -r requirements.txt

---

⚙️ Generar Dataset

Ejecutar:

python src/generate_data.py

Se generará automáticamente:

data/raw/celda_manufactura.csv

---

📊 Análisis y Optimización

Ejecutar:

python src/main.py

El sistema realizará:

• Carga del dataset.
• Normalización de variables.
• Entrenamiento de la red neuronal.
• Evaluación del modelo.
• Predicción de producción.
• Análisis de correlación.
• Búsqueda de condiciones óptimas.
• Generación de gráficas.

---

📈 Gráficas Generadas

El proyecto genera automáticamente:

Producción Real vs Predicha

Permite evaluar la capacidad predictiva del modelo.

Matriz de Correlación

Identifica relaciones entre variables de proceso.

Producción vs Velocidad

Analiza el impacto de la velocidad sobre la producción.

Importancia de Variables

Muestra qué variables afectan más el desempeño de la celda.

---

📌 Tecnologías Utilizadas

• Python
• Pandas
• NumPy
• Matplotlib
• Scikit-Learn
• Machine Learning
• Artificial Intelligence

---

Resultados Esperados

El sistema permite:

• Identificar condiciones óptimas de operación.
• Reducir defectos de producción.
• Minimizar consumo energético.
• Detectar variables críticas.
• Implementar estrategias de mantenimiento predictivo.
• Mejorar la eficiencia de la celda de manufactura.

---

📄 Licencia

Este proyecto se distribuye con fines académicos y de investigación. Puede ser utilizado como base para proyectos de aprendizaje relacionados con:

• Inteligencia Artificial
• Machine Learning
• Manufactura Inteligente
• Gemelos Digitales
• Industria 4.0
• Mantenimiento Predictivo