Aprendizaje cauteloso para el monitoreo estadístico de procesos. Dr. Álvaro Eduardo Cordero Franco

: El monitoreo estadístico de procesos (SPM, por sus siglas en inglés) es una disciplina de la estadística que se enfoca en supervisar, controlar y mejorar procesos mediante herramientas estadísticas, con el objetivo de detectar variaciones inusuales que puedan indicar problemas o cambios en el comportamiento del proceso. Dentro del SPM, las cartas de control constituyen una herramienta fundamental. Aunque surgieron en el contexto del control de calidad en sistemas industriales, hoy en día también se aplican en áreas como la salud, la economía, la inteligencia artificial, entre otras. Estas herramientas se basan en estadísticos de monitoreo cuya distribución refleja el comportamiento del proceso bajo condiciones de control, y utilizan umbrales predefinidos para detectar posibles cambios y emitir alertas. Sin embargo, su implementación efectiva enfrenta desafíos importantes, en particular la estimación robusta de los parámetros de dicha distribución a partir de datos históricos. El aprendizaje cauteloso ha surgido como una metodología para mitigar el impacto de la muestra histórica utilizada en la estimación, mediante la reestimación cautelosa de los parámetros. Su objetivo es mantener una baja tasa de falsas alarmas sin comprometer la capacidad de detección de cambios reales en el proceso. En esta plática presentaremos la aplicación de esta metodología en herramientas de monitoreo no paramétricas, donde se reestima la distribución en control del estadístico de prueba bajo el mismo enfoque cauteloso, sin suponer una distribución de los datos. Mostraremos resultados obtenidos mediante simulaciones y casos de estudio, tanto en contextos univariados como multivariados, así como en el monitoreo del desempeño de algoritmos de aprendizaje automático. Estos ejemplos evidencian la versatilidad y efectividad del aprendizaje cauteloso para mejorar el desempeño de las herramientas de monitoreo estadístico.