Simulador predictivo de calidad
Entrena con registros históricos, comprueba el desempeño y evalúa un paquete antes de su próxima inspección.
1. Seleccionar historial
Registra las condiciones disponibles en la fecha de corte y si apareció un nuevo defecto durante los 7 días siguientes.
No hay datos cargados.
Formato y significado de los datos
Cabecera requerida:
fecha,paquete,no_conformidades,ensayos_fallidos_pct,desviacion_avance_pp,cambios_aprobados,defecto_7dFecha ISO (AAAA-MM-DD); paquete EDT; no conformidades abiertas (0–100); ensayos fallidos al corte (0–100%); atraso respecto al avance planificado (0–100 puntos porcentuales); cambios aprobados acumulados (0–100); resultado posterior (0 sin nuevo defecto, 1 con defecto). Separador: coma; decimales con punto. Una fila por fecha y paquete. Se necesitan al menos 30 filas y dos clases en entrenamiento.
Usa únicamente datos conocidos al corte para las variables de entrada. Cada resultado debe contar con los 7 días completos de seguimiento.
2. Entrenar y validar
El 70% inicial por fecha se reserva para entrenar y el 30% posterior para evaluar. Se excluyen del entrenamiento los cortes cuyo seguimiento alcance el inicio de evaluación.
Un umbral menor genera más alertas. Cambiarlo recalcula los resultados sin reentrenar.
Resultados sobre el período de evaluación
El horizonte es de 7 días; la anticipación efectiva no se mide porque el CSV no contiene la fecha exacta de detección. Ajustar el umbral sobre esta evaluación es exploratorio; verifica el umbral elegido con un período nuevo antes de usarlo en obra.
Ver predicciones de evaluación (primeras 100)
| Fecha | Paquete | Puntaje | Alerta | Defecto observado |
|---|
3. Simular un paquete
Modifica sus condiciones actuales y calcula el puntaje de riesgo con el modelo entrenado.
Cómo interpretar la simulación
El puntaje representa la salida del modelo para un nuevo defecto en los próximos 7 días; no es una probabilidad calibrada ni una certificación de conformidad.
Una alerta ayuda a priorizar inspecciones. El supervisor verifica las evidencias y decide acciones preventivas. Un puntaje bajo mantiene los controles habituales.
Los cambios aprobados son una variable de contexto, no una causa demostrada de defectos. Si se necesita modificar el alcance, corresponde tramitar la solicitud ante el CCB.
Método de cálculo
Regresión logística con cuatro variables estandarizadas usando únicamente entrenamiento; descenso de gradiente de 1.200 iteraciones y regularización L2 de 0,02. La separación cronológica evita mezclar registros de una misma fecha entre entrenamiento y evaluación. El modelo se reconstruye al cambiar el historial.