I. INTRODUCCIÓN

El proceso de producción de celulosa está sujeto a varios requisitos que son determinantes para tener una producción de calidad óptima. En tal contexto, existe una falla sin solución y de alto costo económico para las empresas relacionadas a esta industria: el corte de hoja de celulosa. Esta falla afecta considerablemente el proceso productivo en términos de tiempo, dinero, ma- teriales, entre otros. A raíz de lo anterior, es que se hace latente la necesidad contar con un sistema de predicción de fallas para este proceso [1].

La predicción de fallas es una temática que ha ido cobrando mayor relevancia para las empresas duran- te las últimas décadas. Si la predicción es confiable y cumple con los objetivos planteados por parte de los interesados, es posible emplear medidas correctivas para evitar potenciales problemas, haciendo del proce- so de producción un sistema más tolerante a las fallas. Entre las principales consecuencias de estas fallas se encuentran: Disminución de los indicadores claves de rendimiento, pérdidas de producción y económicas, e incumplimiento en el plan operativo de producción de las empresas [2].

Para el análisis de fallas, las empresas productivas almacenan grandes volúmenes de datos obtenidos des- de el proceso productivo, junto a otros datos caracte- rísticos propios de los productos. Estos datos son útiles para la gestión de sus operaciones e inspección de sus productos. En este contexto, las herramientas tradicio- nales de análisis de datos han sido utilizadas con cierto éxito para predecir fallas en este tipo de sistemas. De-

bido al crecimiento masivo de los datos y complejidad de los procesos, los analistas han requerido técnicas más sofisticadas para enfrentar la predicción de fallas

[3][4]. Frente a este escenario de crecimiento de datos y complejidad de los procesos, la minería de datos se presenta como una alternativa útil para el apoyo a la toma de decisiones y una herramienta crucial en la pre- dicción de fallas de sistemas productivos [5]. En el caso específico de la producción de celulosa, el proceso es complejo e involucra un volumen considerable de datos que representan muchas variables de entrada y salida. Además, se presenta cierto grado de dificultad para res- catar los datos del proceso, para que estos puedan ser aplicados a modelos predictivos y de optimización.

Esta investigación utilizó minería de datos para en- trena un conjunto de algoritmos de machine learning y se selecciona el de mejor desempeño para la predic- ción de fallas para el corte de hoja de celulosa en la Planta de Celulosa Nueva Aldea (PCNA) perteneciente al Holding Arauco, ubicada en la Región del Biobío, Chile. Específicamente, se analizó la parte del proceso asociada a la formación y secado de hoja de celulosa de la Línea 2 en el área de máquinas (ver figura 1). El pe- riodo de estudio fue de 17 meses, desde enero de 2017 a mayo de 2018. Según lo observado durante este pe- riodo, las constantes fallas disminuyeron los niveles de productividad, donde las pérdidas promediaron hasta en un 25% en los meses más críticos. Las pérdidas totales del periodo equivalen a 16.944 ADt (Air dry ton), que corresponden a 20,4 MM US$.

II.MACHINE LEARNING EN LA PREDICCION DE FALLAS

La minería de datos es la parte del proceso Knowle- dge Discovery in Databases (KDD) donde se aplican los algoritmos necesarios para la identificación de pa- trones válidos, comprensibles, novedosos y potencial- mente útiles en los datos [6]. Los algoritmos utilizados son conocidos como machine learning. La minería de datos ha sido aplicada con éxito a datos derivados de procesos productivos en la industria manufacturera para la prevención de fallas en maquinarias o partes del pro- ceso productivo.

En [7] se muestra el desarrolló un enfoque hibrido del algoritmo de machine learning red Neuronal artifi- cial y lógica difusa para predecir el ancho de ranura en el proceso de corte por rayo láser en láminas de acero delgadas. Los resultados permitieron minimizar poten- ciales fallas haciendo del sistema un proceso más tole- rante a los errores. Por otro lado, en [8] se desarrolló un método para la preparación y transformación de datos de fallas de sistemas de control para la industria auto- motriz. Luego se aplicaron algoritmos de clústers para encontrar relaciones en los datos de fallas emergentes del sistema, detectando que el agrupamiento jerárquico produce agrupaciones de mejor calidad en la predicción de fallas. En [9] se emplearon técnicas de minería de datos para predecir y clasificar los modos de fallas de dos placas compuestas tipo sándwich fijadas/atornilla- das. Específicamente, se utilizaron máquina de vectores de soporte, métodos bayesianos, k-vecinos más cerca- nos, regresión logística, entre otros, cuya exactitud en la predicción de fallas superó el 95% en algunos casos. Por otro lado, en [10] se aplicaron enfoques de clasifica- ción y agrupamiento para el reconocimiento de patrones y la predicción de fallas en palas mineras. Lo anterior, mediante el algortimo máquina de vectores de sopor- te (SVM) que demostró un nivel de asertividad de más del 75%. Esto proporcionó información valiosa para la toma de decisiones. En [11] se investigó la predicción de fallas en transformadores de potencia, el cual es un equipo crítico para la correcta distribución de electri- cidad. Para lo anterior se emplearon varias técnicas de minería de datos para una mejor predicción y compren- sión de conjuntos de datos. Se realizaron pruebas con árboles de decisión, máquinas de vectores de soporte (SVM) y redes neuronales. Se obtuvo un desempeño de un 77% en SVM y una tasa de falsos positivos de 35%. Se señaló que los resultados podrían haber sido mejo- res si la recopilación de datos hubiese sido la adecuada. En [12] se aplicaron enfoques de machine learning para datos recopilados de una mina de carbón de Turquía, con el propósito de predecir fallas en dragalinas. Los re-

sultados permitieron reducir costos de mantenimiento, una mayor vida útil de las máquinas excavadoras y un aumento en la producción.

Por otra parte, en [13] se investigó la predicción de fallas en el proceso de mantenimiento de aeronaves. Para lo anterior, se empleó un modelo de agrupamiento de red de fallas bayesiano en tiempo real. Este modelo demostró una alta tasa de precisión y la investigación contribuyó considerablemente al proceso de manteni- miento, protección y conservación de los sistemas aero- náuticos. En [14] se desarrolló un modelo de predicción de fallas en los sistemas de nube y de computación de alto rendimiento. Para esto se aplicaron algoritmos de machine learning tales como máquina de vectores de soporte (SVM), k-vecinos más cercanos (KNN) y ár- boles de clasificación. Los resultados experimentales mostraron que el modelo SVM presentó una precisión en la predicción de fallas de un 90%, pronosticando efi- cazmente todas las posibles fallas futuras del sistema. En [15] se desarrolló un modelo de predicción de fallas en la profundidad del piso en la industria de la minería. Los experimentos mostraron una alta precisión del mo- delo, cuyas predicciones de fallas permitieron controlar factores de seguridad, profundidad de excavación, in- tervención humana, entre otros, asegurando el máximo beneficio económico de las faenas de extracción de car- bón. Por otro lado, en [16] mediante la aplicación de un algoritmo de machine learning se mejoró la calidad de la soldadura en tubos. Los algoritmos permitieron predecir los tubos con soldaduras débiles durante un proceso de producción en tiempo real, con un nivel de asertividad significativa.

Dada esta revisión bibliográfica se determinaron los algoritmos generales de machine learning que se utili- zaron en esta investigación. Estos algoritmos se descri- ben a continuación:

Clasificador Bayesiano: Este es un clasificador es- tadístico que estima la probabilidad de pertenencia de un individuo a una clase o no, dado un conjunto de va- riables que lo caracteriza. Está basado en el teorema de Bayes y muestra un alto accuracy y rapidez cuando es aplicado a grandes bases de datos [9] [13].

K-Nearest Neighbor: Es un clasificador basado en una técnica simple pero eficiente de aprendizaje, más conocido como el método supervisado de los k vecinos más cercanos. Consiste básicamente en la clasificación de valores buscando los puntos de datos (vecindades) más similares [12] [14].

Árbol de Decisión: un árbol de decisión es un dia- grama de flujo con una estructura de árbol en forma je- rárquica [11] [17] donde:

•Cada nodo denota un atributo sobre el que se realiza

una prueba.

•Cada rama derivada de un nodo representa las cate- gorías del atributo como resultado de la prueba.

•Cada hoja representa una clase que se asigna a un registro.

Support Vector Machine (SVM): Es un modelo de clasificación y regresión de la teoría de aprendizaje es- tadístico. La metodología se basa en minimizar el error cuadrático de la clasificación, construyendo un hiper- plano que separa los datos de la forma más precisa po- sible [10] [16].

Rede Neuronal: Este algoritmo imita el cerebro hu- mano en la transformación de entradas en una o más salidas como un conjunto de neuronas [7] [18]. Una red neuronal está compuesta por una capa de entrada y de salida que están conectadas a través de un conjunto de nodos interconectados, conocido como capa oculta. La capa oculta procesa la información utilizando un con- junto de ponderaciones, asignadas a cada conexión. El proceso de aprendizaje de la red neuronal consiste en asignar estas ponderaciones a través del conjunto de en- trenamiento [19].

Para el entrenamiento de estos algoritmos de ma- chine learning se aplicó la técnica de entrenamiento y prueba llamada validación cruzada. Esta técnica con- siste en separar el conjunto de datos en k subconjuntos de la misma cantidad de registros, utilizando k-1 para el entrenamiento y uno para la prueba. Este proceso se re- pite k veces, de manera que cada subconjunto pueda ser utilizado como prueba [15] [20]. El resultado de esta técnica es una medida de desempeño predictivo prome- dio y su desviación estándar.

El resultado de este proceso de entrenamiento y prueba fue representado mediante una matriz llamada Matriz de Confusión [21]. La Matriz de Confusión cla- sifica la predicción de un modelo en cuatro categorías: verdaderos positivos (VP) que son los elementos de la clase positiva (Corte de hoja) correctamente predichos por el modelo, los falso negativo FN que representa los elementos de la clase positiva incorrectamente predi- chos por el modelo, los verdaderos negativos VN que representa los elementos de la clase negativa (No corte de la hoja) correctamente predichos por el modelo y la tasa falso positivo FP que representa los elementos de la clase negativa incorrectamente predichos. Mediante estos cuatro valores se definen las siguientes medidas de desempeño predictivo:

Accuracy: mide el desempeño general del modelo y representa la proporción total de predicciones que fue- ron correc¬tamente clasificadas y se obtiene la suma de VP y VN dividido por el total de datos en la matriz.

Recall: representa la tasa de elementos pertenecien-

112

te a la clase positiva que fueron clasificadas co¬rrecta- mente y se obtiene al dividir VP entre la suma de VP y FN.

Precision: representa la tasa de elementos de la cla- se positiva entre el total de ele¬mentos predichos como clase 1. Se obtiene al dividir VP entre la suma de VP y FP.

A continuación, se muestra la metodología utilizada para búsqueda de patrones de corte de la hoja de celulo- sa mediante minería de datos y su posterior aplicación a la predicción y prevención del corte.

III. METODOLOGÍA

Como se mencionó anteriormente, la minería de datos es la parte del proceso Knowledge Discovery in Databases (KDD) [22]. Este proceso es el fundamento metodológico mediante el cual se desarrolla esta inves- tigación. Esta metodología o proceso explora de forma iterativa grandes volúmenes de datos y está compuesta por cinco etapas:

•Selección de datos, donde se determinan las fuentes de datos y el tipo de información con la cual se trabajará [23] [24].

•Pre procesamiento y transformación de los datos, con el fin de tener información más confiable y que aporte mayor valor a la predicción. En esta etapa se pre- paran y limpian los datos extraídos para aplicar de ma- nera correcta las siguientes etapas. Se utiliza el análisis de datos faltantes, el análisis de datos inconsistentes, y el análisis de datos fuera de rango [25]. También, si es necesario, se modifica la naturaleza de los datos y se ge- neran nuevas variables para obtener patrones de mejor calidad [8] [26].

•Selección de variables, donde se identifican las va- riables redundantes y las de mayor poder predictivo so- bre la variable dependiente o variable a predecir. Esta selección permite la obtención de modelos más sesillos y explicables. También permite obtener patrones más robustos y de mejor calidad [8] [26].

•Minería de datos, etapa en la cual se aplican los al- goritmos de machine learning que permiten extraer pa- trones relevantes desde los datos [19] [27].

•Evaluación de los algoritmos e interpretación de los resultados, donde se evalúan los algoritmos respecto a la búsqueda de patrones. Para esto se realiza una com- paración de sus desempeños. Luego se interpretan los patrones obtenidos y se evalúa el impacto de la imple- mentación del algoritmo seleccionado [28].

N° Total de variables

N° de variables consideradas Periodo de estudio Extracción de datos Registros Línea 2

Registros asociados a 47 Cortes

500

53

17 meses

Extracción de datos cada 1 minuto 77.800 5.640

B.Identificación de variables con mayor poder predictivo

En esta etapa, a cada una de las variables seleccio- nadas se le midió la capacidad predictiva respecto a la variable dependiente. Esta variable dependiente es co- nocida como “label” y se asocia a cada registro. Esta variable toma la categoría “si sucedió” o la categoría

“no sucedió” el evento de corte de la hoja de celulosa. Esta capacidad predictiva fue medida mediante la Ga- nancia de Información. Esta técnica mide la cantidad de información contenida en una variable y que explica el label. La tabla 2 muestra los 20 atributos con mayor poder predictivo según esta técnica.

Para el entrenamiento, ajuste y prueba de los algorit- mos se utilizó el proceso que se muestra en la figura 2. Se observa que la base de datos pre procesada pasa por una etapa de normalización para ajustar los datos a una misma escala, luego se seleccionan las variables rele-

vantes para pasar a la etapa de entrenamiento y prueba mediante validación cruzada con k=10 folders. El deta- lle de la etapa de validación cruzada la muestra la flecha en color azul.

D.Evaluación de los modelos e interpretación económica de los resultados

La tabla 4 muestra el desempeño general promedio y la desviación estándar de los algoritmos de machine

learning entrenados con las 53 variables consideradas. El de mayor accuracy fue AutoMLP, por lo que fue el elegido para predecir el corte de la hoja de celulosa.

La tabla 5 muestra el desempeño del algoritmo Au- toMLP en diferentes pruebas, las que consideran dis- tintos subconjuntos de atributos, priorizados según su

capacidad predictiva. Este desempeño fue medido me- diante accuracy, precission y recall.

Dado a que el corte de la hoja de celulosa es una falla crítica, por su gran impacto económico, se decide priorizar el desempeño predictivo del algoritmo por so- bre un ajuste más sencillo con una menor cantidad de variables. Por esta razón se elige la prueba 1, AutoMLP con 53 variables como el mejor algoritmo entrenado. La utilización de este algoritmo para la predicción del corte de la hoja de celulosa implica una reducción con- siderable del impacto económico al evitar la falla. Para evaluar el impacto de su implementación, se evaluó el caso hipotético en que el algoritmo hubiese estado im- plementado para predecir los 47 cortes de hoja de celu- losa considerados en el periodo de estudio. Para esto, se consideró el valor del recall que representa el número de cortes de hoja correctamente predichos. Este valor fue de 99,82% considerando 53 atributos. Por lo que la reducción estimada de costos en los 47 cortes, dado este nivel de recall, es de 20,4 MM US$ * 0,9982 = 20,3 MM US$.

Para comprender de manera general el patrón de cor- te de la hoja de celulosa, en la figura 3 se muestra un

árbol construido con los resultados obtenidos mediante al algoritmo Decision Tree. Este árbol contribuye a un mejor control de las variables más importantes para im- pedir que ocurran nuevos cortes de hojas de celulosa. Su análisis muestra que la variable que más influye en el corte de la hoja de celulosa es Combi Press Top Felt Suction Box. Si esta variable se mantiene sobre -46.4 kPa se produce el corte de la hoja de celulosa. Si se mantiene por sobre este valor, el corte depende de la va- riable Velocidad Foudrinier. Si esta velocidad esta entre

63.3y 126.7 metros/minuto se produce el corte. Si la velocidad es superior a 126.7 metros/minuto y la va- riable Temperatura Vapor a Secador está por debajo de

163.1°C existe alta probabilidad de corte. En términos generales, basado en las tres variables más relevantes, si la variable Combi Press Top Felt Suction Box se man- tiene bajo 46.4 kPa, la Velocidad de Foudrinier sobre

126.7metros/minuto y la Temperatura Vapor a Secador sobre 163.1 °C, debería evitarse a lo menos el 50% de los cortes de hoja de celulosa.

V. CONCLUSIONES

No se encontró un método para la predicción de fa- llas en el corte de hoja de celulosa en la literatura por lo que se puede considerar esta investigación como in- édita.

Los algoritmos de machine learning utilizados fue- ron capaces de identificar el patrón para la predicción del corte de la hoja de celulosa. El algoritmo de mayor desempeño predictivo fue AutoMLP. El algoritmo De- cision Tree permitió analizar el patrón más general en base a las tres variables más importantes, lo que garan- tiza la reducción de a lo menos un 50% de los cortes de hoja.

Dado el alto valor de Recall del algoritmo AutoMLP entrenado con 53 variables, bajo el supuesto que este se hubiese implementado durante los 17 meses de estudio, la reducción del impacto económico de la falla hubiese bajado en 20.3 MM US$.

Como la implementación de este algoritmo permi- tirá la predicción de esta falla con una ahora de antici- pación, se podrán generar alertas preventivas en tiempo real y un plan de acción para prevenir los cortes.

El patrón general para prevenir los cortes, dada una alerta preventiva, será mantener Combi Press Top Felt Suction Box bajo -46.4 kPa, la Velocidad de Foudrinier sobre 126.7 metros/minuto y la Temperatura Vapor a Secador sobre 163.1 °C.

REFERENCIAS

[1]B. Ranaganth y G. Viswanath, «Application of arti- ficial neural network for optimizing cutting variables in laser cutting of 304 grade stainless steel,» International Journal of Applied Engineering and Technology, vol. 1, nº 1, pp. 106-112, 2011.

[2]M. Durica, J. Frnda y L. Svabova, «Decision tree based model of business failure prediction for Polish companies,» Oeconomia Copernicana, vol. 10, nº 3, pp. 453-469, 2019.

[3]G. Köksal, İ. Batmaz y M. C. Testik, «A review of data mining applications for quality improvement in manufacturing industry,» Expert systems with Applica- tions, vol. 38, nº 10, pp. 13448-13467, 2011.

[4]H. Poblete y R. Vargas, «Relacion entre densidad y propiedades de tableros HDF producidos por un proce- so seco,» Maderas. Ciencia y tecnología, vol. 8, nº 3, pp. 169-182, 2006.

[5]B. Kovalerchuk y E. Vityaev, «Data mining for fi- nancial applications,» Data Mining and Knowledge Discovery Handbook, pp. 1203-1224, 2005.

[6]U. Fayyad, G. Piatetsky-Shapiro, P. Smyth y R. Uthurusamy, «Advances in knowledge discovery and data mining,» American Association for Artificial Inte-

lligence, 1996.

[7]A. K. Pandey y A. K. Dubey, «Neuro fuzzy modeling of laser beam cutting process,» Applied Mechanics and Materials, vol. 110, pp. 4109-4117, 2012.

[8]M. Németh y G. Michaľčonok, «Preparation and cluster analysis of data from the industrial production process for failure prediction,» Research Papers Faculty of Materials Science and Technology Slovak University of Technology, vol. 24, nº 39, pp. 111-116, 2016.

[9]S. Ballı, «A data mining approach to the diagnosis of failure modes for two serial fastened sandwich compo- site plates,» Journal of Composite Materials, vol. 51, nº 20, pp. 2853-2862, 2017.

[10]S. Dindarloo y E. Siami-Irdemoosa, «Data mining in mining engineering: results of classification and clus- tering of shovels failures data,» International Journal of Mining, Reclamation and Environment, vol. 31, nº 2, pp. 105-118, 2017.

[11]E. e Oliveira, V. Miguéis, L. Guimarães y J. L. Bor- ges, «Power Transformer Failure Prediction: Classifi- cation in Imbalanced Time Series,» U. Porto Journal of Engineering, vol. 3, nº 2, pp. 34-48, 2017.

[12]A. Taghizadeh y N. Demirel, «Application of Ma- chine Learning for Dragline Failure Prediction,» E3S Web of Conferences, vol. 15, p. 03002, 2017.

[13]W. Chang, Z. Xu, M. You, S. Zhou, Y. Xiao y Y. Cheng, «A Bayesian Failure Prediction Network Based on Text Sequence Mining and Clustering,» Entropy, vol. 20, nº 12, p. 923, 2018.

[14]K. Halteh, K. Kumar y A. Gepp, «Financial distress prediction of Islamic banks using tree-based stochastic techniques,» Managerial Finance, vol. 44, nº 6, pp. 759- 773, 2018.

[15]C.-H. Liu, C.-J. Lin, Y.-H. Hu y Z.-H. You, «Pre- dicting the failure of dental implants using supervised learning techniques,» Applied Sciences, vol. 8, nº 5, p. 698, 2018.

[16]B. Mohammed, I. Awan, H. Ugail y M. Younas, «Failure prediction using machine learning in a virtua- lised HPC system and application,» Cluster Computing, vol. 22, nº 2, pp. 471-485, 2019.

[17]O. Sukhbaatar, T. Usagawa y L. Choimaa, «An artificial neural network based early prediction of fai- lure-prone students in blended learning course,» Inter- national Journal of Emerging Technologies in Learning (iJET)}, vol. 14, nº 19, pp. 77-92, 2019.

[18]Z. Wang, W. Zhao y X. Hu, «Analysis of predic- tion model of failure depth of mine floor based on fuzzy neural network,» Geotechnical and Geological Engi- neering, vol. 37, nº 1, pp. 71-76, 2019.

[19]V. S. Gujre y R. Anand, «Machine learning algo- rithms for failure prediction and yield improvement

during electric resistance welded tube manufacturing,» Journal of Experimental \& Theoretical Artificial Inte- lligence, vol. 32, nº 4, pp. 601-622, 2020.

[20]P. du Jardin, «Forecasting corporate failure using ensemble of self-organizing neural networks,» Euro- pean Journal of Operational Research, vol. 288, nº 3, pp. 869-885, 2021.

[21]R. Brachman y T. Anand, «The process of knowle- dge discovery in databases,» Advances in knowledge discovery and data mining, pp. 37-57, 1996.

[22]W. Frawley, G. Piatetsky-Shapiro y C. Matheus, «Knowledge discovery in databases: An overview,» AI magazine, vol. 13, nº 3, p. 57, 1992.

[23]F. H. Troncoso Espinosa y J. V. Ruiz Tapia, «Pre- dicción de fuga de clientes en una empresa de distribu- ción de gas natural mediante el uso de minería de da- tos,» Universidad Ciencia y Tecnología, vol. 24, nº 106, pp. 79-87, 2020.

RESUMEN CURRICULAR

[24]F. H. Troncoso, «Prediction of Recidivism in Thefts and Burglaries Using Machine Learning,» Indian Jour- nal of Science and Technology, vol. 13, nº 6, pp. 696- 711, March 2020.

[25]M. Kantardzic, Data mining: concepts, models, me- thods, and algorithms, John Wiley & Sons, 2011. [26]F. H. Troncoso Espinosa, P. G. Fuentes Figueroa y I. R. Belmar Arriagada, «Predicción de fraudes en el consumo de agua potable mediante el uso de Minería de Datos,» Universidad Ciencia y Tecnología, vol. 24, nº 104, pp. 58-66, 2020.

[27]C. Romero y S. Ventura, «Data mining in educa- tion,» Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery, vol. 3, nº 1, pp. 12-27, 2013. [28]D. Larose y C. Larose, Discovering knowledge in data: an introduction to data mining, John Wiley & Sons, 2014.