{rfName}
Au

Llicència i ús

Icono OpenAccess

Altmetrics

Grant support

This work has been funded by European Commission trough the Horizon Europe project "Multi -Modal and Multi -Aspect Holistic Human-Robot Interaction (FORTIS) ", grant ID 101135707. This work was also partially funded by Ministerio de Ciencia, Innovacion y Universidades (MICIU) of Spain trough the project "Self -reconfiguration for Industrial Cyber -Physical Systems based on digital twins and Artificial Intelligence. Methods and application in Industry 4.0 pilot line (SELFRECO) ", grant ID PID2021-127763OB-100". This work was also supported in part by the project "Digitalization of Power Electronic Applications within Key Technology Value Chains (PowerizeD) ", grant ID 101096387, funded by the European Union HORIZON Framework Programme and Chips JU.

Anàlisi d'autories institucional

Cruz, Yarens JAutor (correspondència)Villalonga A.Autor o coautorVillalonga, AlbertoAutor o coautorCastaño F.Autor o coautorHaber, Rodolfo EAutor o coautor

Compartir

Publicacions
>
Article

Automated machine learning methodology for optimizing production processes in small and medium-sized enterprises

Publicat a:Operations Research Perspectives. 12 100308- - 2024-06-01 12(), DOI: 10.1016/j.orp.2024.100308

Autors: Cruz, YJ; Villalonga, A; Castaña, F; Rivas, M; Haber, RE

Afiliacions

Univ Matanzas, Ctr Estudios Fabricac Avanzada & Sostenible, Matanzas 40100, Cuba - Autor o coautor
Univ Politecn Madrid, Ctr Automat & Robot, CSIC, Madrid 28500, Spain - Autor o coautor

Resum

Machine learning can be effectively used to generate models capable of representing the dynamic of production processes of small and medium-sized enterprises. These models enable the estimation of key performance indicators, and are often used for optimizing production processes. However, in most industrial applications, modeling and optimization of production processes are currently carried out as separate tasks, manually in a very costly and inefficient way. Automated machine learning tools and frameworks facilitate the path for deriving models, reducing modeling time and cost. However, optimization by exploiting production models is still in infancy. This work presents a methodology for integrating a fully automated procedure that embraces automated machine learning pipelines and a multi-objective optimization algorithm for improving the production processes, with special focus on small and medium-sized enterprises. This procedure is supported on embedding the generated models as objective functions of a reference point based non-dominated sorting genetic algorithm, resulting in preference-based Pareto-optimal parametrizations of the corresponding production processes. The methodology was implemented and validated using data from a manufacturing production process of a small manufacturing enterprise, generating highly accurate machine learning-based models for the analyzed indicators. Additionally, by applying the optimization step of the proposed methodology it was possible to increase the productivity of the manufacturing process by 3.19 % and reduce its defect rate by 2.15 %, outperforming the results obtained with traditional trial and error method focused on productivity alone.

Paraules clau

Automated machine learningAutomlFeature-selectionHyperparameter optimizationModel selectionMulti -objective optimizatioMulti-objective optimizationOptimizationPredictioR-nsga-iiRandom search algorithm

Indicis de qualitat

Impacte bibliomètric. Anàlisi de la contribució i canal de difusió

El treball ha estat publicat a la revista Operations Research Perspectives a causa de la seva progressió i el bon impacte que ha aconseguit en els últims anys, segons l'agència Scopus (SJR), s'ha convertit en una referència en el seu camp. A l'any de publicació del treball, 2024 encara no hi ha indicis calculats, però el 2023, es trobava a la posició , aconseguint així situar-se com a revista Q1 (Primer Cuartil), en la categoria Control and Optimization.

Independentment de l'impacte esperat determinat pel canal de difusió, és important destacar l'impacte real observat de la pròpia aportació.

Segons les diferents agències d'indexació, el nombre de citacions acumulades per aquesta publicació fins a la data 2025-06-15:

  • WoS: 1
  • Scopus: 4

Impacte i visibilitat social

Des de la dimensió d'influència o adopció social, i prenent com a base les mètriques associades a les mencions i interaccions proporcionades per agències especialitzades en el càlcul de les denominades "Mètriques Alternatives o Socials", podem destacar a data 2025-06-15:

  • L'ús, des de l'àmbit acadèmic evidenciat per l'indicador de l'agència Altmetric referit com a agregacions realitzades pel gestor bibliogràfic personal Mendeley, ens dona un total de: 110.
  • L'ús d'aquesta aportació en marcadors, bifurcacions de codi, afegits a llistes de favorits per a una lectura recurrent, així com visualitzacions generals, indica que algú està fent servir la publicació com a base del seu treball actual. Això pot ser un indicador destacat de futures cites més formals i acadèmiques. Aquesta afirmació està avalada pel resultat de l'indicador "Capture", que aporta un total de: 110 (PlumX).

Amb una intenció més de divulgació i orientada a audiències més generals, podem observar altres puntuacions més globals com:

  • El Puntuació total de Altmetric: 13.75.
  • El nombre de mencions a la xarxa social X (abans Twitter): 5 (Altmetric).
  • El nombre de mencions a mitjans de comunicació: 1 (Altmetric).

És fonamental presentar evidències que recolzin l'alineació plena amb els principis i directrius institucionals sobre Ciència Oberta i la Conservació i Difusió del Patrimoni Intel·lectual. Un clar exemple d'això és:

  • El treball s'ha enviat a una revista la política editorial de la qual permet la publicació en obert Open Access.

Anàlisi del lideratge dels autors institucionals

Aquest treball s'ha realitzat amb col·laboració internacional, concretament amb investigadors de: Cuba.

Hi ha un lideratge significatiu, ja que alguns dels autors pertanyents a la institució apareixen com a primer o últim signant, es pot apreciar en el detall: Primer Autor (CRUZ HERNÁNDEZ, YARENS JOAQUÍN) i Últim Autor (HABER GUERRA, RODOLFO ELIAS).

l'autor responsable d'establir les tasques de correspondència ha estat CRUZ HERNÁNDEZ, YARENS JOAQUÍN.