Machine Learning

Sistemas que aprenden patrones a partir de datos históricos, en lugar de seguir reglas programadas una por una.

• ✓Análisis Exhaustivo: aplica
• Quick Wins: no aplica
• Estrategia & Estructura: no aplica
• ✓Diseño: aplica
• ✓Capacitación: aplica
• ✓Implementación: aplica
• Documentación: no aplica

Al revisar qué histórico existe y si el proceso está lo bastante estable como para que un modelo aprenda algo útil de él.

¿Tenemos histórico limpio de un proceso bajo control, o el modelo solo aprendería nuestra variación?

Se verifica que el histórico provenga de un periodo con el proceso ya estable, y se revalida el acierto del modelo con la frecuencia acordada contra la línea base del método actual.

Estabilizamos el proceso antes de modelar: demanda, calidad, paros, mermas y tiempos de ciclo ya medidos son el activo que hace viable el modelo.