Domain Knowledge in CRISP-DM: An Application Case in Manufacturing

Abstract

Para seguir el ritmo de las cambiantes tendencias tecnológicas y seguir siendo competitivas, cada vez más empresas manufactureras investigan cómo utilizar la analítica de datos para mejorar sus procesos. Un problema al que estas empresas suelen enfrentarse hoy en día es la necesidad de más competencias para llevar a cabo proyectos de analítica avanzada dentro de sus departamentos. Mediante el uso de un enfoque humano en el bucle y la utilización eficiente del conocimiento actual del dominio en combinación con el análisis de datos, se puede lograr un mayor éxito en la implementación. Un enfoque común hoy en día para llevar a cabo proyectos de análisis de datos es utilizar la metodología general del Proceso Estándar Industrial Cruzado para la Minería de Datos (CRISP-DM). Esta metodología no tiene en cuenta los retos específicos de la industria manufacturera ni cómo incluir la experiencia en el sector. Por lo tanto, este artículo sugiere cómo adaptar la metodología CRISP-DM para compensar estos problemas. La metodología adaptada se demuestra en un estudio de caso para mejorar la calidad en el proceso de mecanizado mediante el uso de modelos interpretables de aprendizaje automático que pueden utilizarse para ayudar a los expertos a la hora de realizar el análisis de la causa raíz. Esto contribuye a mostrar cómo utilizar mejor los conocimientos de los expertos del dominio y cómo puede emplearse la analítica de datos junto con métodos específicos del dominio.