Obtención de conocimiento oculto mediante reglas de asociación en series temporalesanálisis y mejora de procesos

Zusammenfassung

Las bases de datos de series temporales (TSDB) constituyen en la actualidad un objeto preciado de investigación en la extracción de información valiosa y no trivial que pudiera lograrse con la minería de datos (MD). Dentro de la minería de datos temporal (MDT) ha surgido un notable interés referido a la búsqueda de reglas asociativas en series temporales. Este interés se centra en la presencia del atributo tiempo en las reglas, relaciones y patrones que contienen así un mayor grado de explotación para el analista en términos de comprensión, utilidad y poder de predicción. Esta investigación se focaliza en la obtención de conocimiento oculto mediante reglas asociativas aplicadas a series temporales para el análisis y mejora de procesos subyacentes. La memoria describe el estado del arte sobre el tema con la descripción de técnicas, algoritmos y aplicaciones. Seguidamente se presenta una metodología de corte heurístico, la cual ha sido automatizada en gran parte con la herramienta CONOTOOL y la librería 'arules' de R como soporte inicial en el tratamiento de los datos. La minería de reglas asociativas de corte temporal se inicia con un algoritmo capaz de encontrar el conjunto de ítems o episodios frecuentes entre las series temporales y la consecuente obtención de reglas según parámetros de métricas (soporte y confianza) y valores predeterminados para la dimensionalidad del tiempo (ventanas temporales y tiempo de atraso). Tanto la metodología como el algoritmo se ponen a prueba con dos aplicaciones en dos sectores diametralmente opuestos. Por un lado, una aplicación a series financieras conexas al Índice General de la Bolsa de Madrid, en colaboración con el grupo AFI Consultores de Madrid y por otro lado, una aplicación de corte industrial ligada al sector metalúrgico, más precisamente, el galvanizado de bobinas de acero que constituye un proyecto del grupo EDMANS de la Universidad de La Rioja. Los resultados obtenidos sugieren la potencialidad de las reglas asociativas en la extracción de conocimiento oculto y no trivial que puede emplearse como soporte de información en diversos campos de la ciencia, tecnología e industria. Estos resultados permiten enumerar un conjunto de conclusiones y vías de continuación de la investigación a futuro que se muestran al final de la memoria.