Estimación de la incertidumbre en modelos predictivos para la industria

Abstract

En los últimos años, el Aprendizaje Automático ha incrementado su potencial de aplicación en numerosos ámbitos de la sociedad. No obstante, su adopción en ciertos sectores industriales sigue siendo reducida debido a la complejidad inherente al modelado de procesos, a menudo multidimensionales, no lineales y con dependencias temporales. Estas propiedades se traducen en una dinámica altamente variable y, en ocasiones, caótica, cuya intensidad puede fluctuar en el tiempo, condicionando la fiabilidad y la incertidumbre asociada a las predicciones del modelo. El objetivo del proyecto es estudiar y aplicar técnicas de estimación de incertidumbre para cuantificar la fiabilidad de las predicciones de modelos de aprendizaje automático en problemas de regresión y evaluar su uso en control de procesos. Se analizará su efecto en la toma de decisiones y en el rendimiento del sistema. Reducir y controlar la variabilidad es clave para asegurar repetibilidad y conformidad del producto. Incorporar la incertidumbre como información adicional puede mejorar la supervisión del proceso y permitir estrategias de control más robustas ante cambios de régimen y condiciones no observadas.