Evaluación comparativa de modelos de aprendizaje automático para la optimización del factor de secado en el proceso industrial de descafeinado del café

Abstract

Este trabajo de grado contempla una problemática en la empresa descafeinadora en una de las etapas críticas del proceso productivo, que afecta directamente la rentabilidad, calidad y productividad de la empresa. Esta etapa crítica se denomina secado, en ella se busca alcanzar el rango de humedad de café establecido por el cliente, como parte del postratamiento en la línea, este secado se realiza de manera indirecta con un control de presión de vacío y temperatura. Para obtener el valor deseado de humedad los supervisores y jefes de producción asignan un factor de secado que es afectado por diferentes parámetros y condiciones como el tipo de café, tipo de secador, humedad relativa, entre otros, algunos van relacionados con la materia prima y otros con la tecnología usada, sin embargo, solo se asigna un factor para todas las variables, con el fin de facilitar su escogencia. Este factor históricamente ha sido asignado de manera empírica basado en la experiencia de los trabajadores, lo que ha generado una alta variabilidad de los resultados, que en ocasiones afecta la calidad (propiedades organolépticas, vida útil del producto) y rentabilidad de los procesos. Para estandarizar el proceso productivo, en este trabajo se desarrolla un modelo de aprendizaje automático para determinar de manera óptima este factor de secado, para esto estudio se emplea la metodología CRISP-DM (Cross-Industry Standard Process for Data Mining), por lo que se solicita a la empresa los datos históricos de los clientes, parámetros de secado, secadores y resultados obtenidos para cada una de las operaciones realizadas, se caracteriza el comportamiento de los datos y se detecta si existen sesgos que puedan afectar el modelo predictivo. Posteriormente, se realiza la limpieza y organización de los datos para usarlos en los modelos de machine learning. Dentro de los pasos a seguir se encuentran: eliminar datos duplicados o inconsistentes, imputar valores faltantes, estandarizar variables numéricas y codificar las variables categóricas. Se analiza el ajuste de los datos con los modelos: Regresión lineal múltiple (MAE: 16,812 y R2: 0,389), Árboles de decisión (MAE: 14,119 y R2: 0,576), Random Forest con hiperparámetros optimizados (MAE: 12,539 y R2: 0,667), Gradient Boosting con hiperparámetros optimizados (MAE: 12,364 y R2: 0,681), Support Vector Regression (SVR) (MAE: 16,725 y R2: 0,408) y Redes neuronales artificiales (MAE: 17,103 y R2: 0,372), y se seleccionó el modelo Gradient Boosting que tiene el mejor ajuste y el menor error. Posteriormente, se realiza la integración del modelo predictivo con el proceso dentro de la empresa descafeinadora, en donde se visualiza el factor de secado recomendado para cada lote. Luego de tomar 100 registros para la implementación del modelo se evalúa el mejoramiento de los resultados de las humedades del café en el proceso, y se dan las recomendaciones respectivas a la empresa, para lograr el mantenimiento de la mejora en el proceso, las posibles variables extras que se pueden estudiar para aumentar la precisión en la toma de decisión respecto al secado, y realizar los ajustes respectivos a los modelos con el paso del tiempo.