Aplicación de técnicas estadísticas multivariantes al control de calidad de procesos por lotes

Resumen

Los procesos por lotes son difíciles de controlar, ya que frecuentemente se desconocen los puntos críticos en los que se requiere un mejor control para conseguir que la calidad final sea adecuada. La mayoría de estos procesos se regulan automáticamente a partir de la información registrada en línea por sensores electrónicos, cuyos datos se almacenan habitualmente en bases de datos. El análisis estadístico de estas bases de datos puede resultar útil para diagnosticar estos procesos, detectar fallos y obtener modelos de monitorización que pemritan mantener o mejorar la calidad final del producto. Partiendo de la metodología propuesta por Nomikos y MacGregor (1994) para el control estadístico multivariante de procesos por lotes, basada en el análisis de componentes principales (PCA) y la regresión de mínimos cuadrados parciales (PLS), en esta tesis se daignostican las causas de variabilidad de dos parámetros de calidad (el índice de hidroxilo y el contenido residual de agua) de un proceso industrial de fabricación de PPOX (polióxido de propileno). La base de datos analizada contiene, para 69 lotes, las trayectorias de 47 variables de proceso registradas en línea. Dado que la duración del proceso de fabricación de cada lote no es constante, es necesario aplicar distintas técnicas de alineación para obtener una matriz tridimensional de datos (lotex x variables de proceso x tiempo). Realizando un PLS con esta matriz desdoblada a una estructura de lotes por variables se obtiene un modelo capaz de predecir la calidad final. Sin embargo, interesa obtener un buen modelo predictivo usando fundamentalmente aquellas variables de proceso que tengan una correlación con las variables respuestas de tipo causa-efecto. La identificación de estas variables supone detectar los puntos críticos del proceso, lo cual no resulta sencillo. Para ello se ha desarrollado un procedimiento de selección de variables que utiliza información