Uma Aplicação de Gráficos de Controle para a Manutenção de Máquinas.
|
|
- Mirela Ferreira Neves
- 7 Há anos
- Visualizações:
Transcrição
1 Uma Aplicação de Gráficos de Controle para a Manutenção de Máquinas. Robert Wayne Samohyl, Ph.D. Departamento de Engenharia de Produção e Sistemas, Universidade Federal de Santa Catarina Mirna de Borba Departamento de Engenharia de Produção e Sistemas, Universidade Federal de Santa Catarina Ricardo Pimentel Melo Departamento de Engenharia de Produção e Sistemas, Universidade Federal de Santa Catarina Control charts are an important tool for stabilizing industrial processes and, more recently, they have also been applied to work procedures and administrative processes. The purpose of this paper is to demonstrate how control charts may be used for the area of machine maintenance. First of all, data normality is assumed and traditional shewhart charts are constructed under the assumption of normality. Finally, these charts are shown to contain errors because the data are not normal. Given non-normal data a technique is introduced to transform non-normal data to normality and to apply this procedure to machine maintenance. In order to find the best transformation to normalize data, the Bera- Jarque test is combined with the Box-Cox transformation. Lambda, the unique parameter in the transformation is programmed to minimize asymmetry, kurtosis and consequently Bera-Jarque values are evaluated, and normality found. Key Words: Control charts, data normalization and machine maintenance. 1-Introdução Gráficos de controle são uma das ferramentas mais importantes para a estabilização de processos industriais e, hoje em dia, também, para serviços e para processos administrativos. Como é comentado em muitos livros texto da área (por exemplo, Montgomery, 1998), embora seja mais difícil às vezes definir e medir o desempenho de um fornecedor de serviços ou a eficiência de procedimentos administrativos, o desempenho de uma certa ação pode ser analisado e melhorado com a sua monitoração por gráfico de controle. As causas comuns podem ser distinguidas das causas especiais e estruturais. Portanto, ações remediais para eliminação de problemas podem ser iniciadas eliminando-se variabilidade desnecessária e má qualidade, repercutindo beneficamente na lucratividade da empresa. Na linha de produção, máquinas que param inusitadamente significam o acúmulo desnecessário de custos e perda de produção. Nessas condições, a empresa moderna, sofrendo concorrência no seu setor, ou elimina o desperdício ou entra em falência. Neste trabalho, o objetivo é demonstrar um exemplo de utilização de gráficos de controle para a área de manutenção de máquinas. De um lado, são propostos procedimentos e ferramentas para diagnosticar a variabilidade de tempo de funcionamento de máquinas, e, de outro lado, é oferecida uma metodologia para prever o agendamento da manutenção. Ficará claro que diminuindo a variabilidade do tempo de funcionamento da máquina a eficiência da empresa será melhorada e, conseqüentemente, a lucratividade estimulada. ENEGEP 00 ABEPRO 1
2 Uma dificuldade que será encontrada na análise dos dados é que variáveis definidas em períodos de tempo quase nunca são distribuídas seguindo uma distribuição normal. A literatura mostra claramente que tradicionalmente a distribuição exponencial ou a distribuição de Weibull são mais apropriadas para esses tipos de dados, e também sugere que dados não normais podem sofrer uma transformação matemática e chegar a normalidade (Montgomery, 1997). Essa última alternativa, de transformação dos dados, tem a desvantagem de não possuir um critério estatístico que claramente aponte qual a transformação entre inúmeras alternativas que seria a melhor. O objetivo aqui é apresentar uma metodologia de fácil implantação para a transformação de dados, não normais em normais, e aplicar a metodologia na área de manutenção de máquinas. Em seguida, a máquina sob analise é descrita e os dados que foram coletados representando tempo em funcionamento da máquina, tempo parado e tempo de ciclo são analisados em termos da sua estrutura estatística. Em anexo, os gráficos de controle são montados, supondo normalidade e também, com as transformações apropriadas, com limites de controle supondo não normalidade dos dados. Nas conclusões, os benefícios da metodologia proposta na luz do exemplo são analisados. -A estória da maquina A máquina em questão se trata de uma injetora para termoplástico da marca Romi modelo 150R. A princípio a máquina deveria funcionar 16 horas diárias e parar 8 horas, mas com sua excessiva irregular utilização, aumentaram as quebras e, conseqüentemente, o tempo em que ela fica parada. As quebras eram causadas principalmente por defeitos na unidade de injeção (troca de resistências, sistema de refrigeração, entupimento do bico injetor), molde de injeção (sistema de extração dos componentes), unidades de acionamentos (circuitos eletro-eletrônicos, fusíveis, sistema hidráulico) e unidade de alimentação (obstrução do alimentador de matéria prima). 3-Os dados Os dados foram coletados em uma empresa da região, durante um período de quase três meses referentes ao ciclo de tempo em funcionamento e tempo parado da máquina descrita acima. Na tabela 1, das estatísticas descritivas fica claro que a variabilidade do processo é relativamente grande em termos de tempo em funcionamento, tempo parado ou a soma dos dois, tempo total de ciclo (a soma dos tempos parado e em funcionamento). O processo é tão instável que o tempo de ciclo da máquina, que idealmente seria 4 horas (16 horas funcionando e 8 horas paradas), tem uma média de apenas vinte e duas horas com desvio padrão de quase 5 horas. A variabilidade é representada também pelas grandes diferenças entre os valores mínimos e máximos (veja o tempo parado, 1 e 1,75 horas). Obviamente, a variabilidade exagerada dos tempos dificulta a programação da linha de produção e, financeiramente, tem um impacto negativo na lucratividade da fábrica. Levando em conta os valores de assimetria e curtose, a tabela também mostra que os dados não estão seguindo a distribuição normal, ponto importante para o cálculo dos limites de controle dos gráficos propostos. ENEGEP 00 ABEPRO
3 Estatística Tempo parado Tempo em func. Tempo de ciclo Media 14,080 8,060,140 Desvio padrão 3,594,343 4,809 Assimetria -1,419-1,64-1,991 Curtose,496 3,05 9,910 Mínimo 1,000 0,750 4,000 Máximo 1,750 1,000 9,50 TABELA 1. Estatísticas descritivas. Os dados são analisados com a ferramenta gráficos de controle de Xbarra com valores individuais. É justamente com os gráficos de valores individuais que a suposição de normalidade pode causar grandes problemas na montagem do gráfico, situação que ficará muito claro no decorrer deste trabalho. Se for utilizado um sub-grupo racional com tamanho maior que um, pode-se chamar atenção ao teorema central do limite que demonstra que a distribuição de médias vinda de qualquer outra distribuição é sempre distribuída normalmente. Os gráficos de shewhart foram feitos conforme sugerido em qualquer texto da área, por exemplo, Zimmerman e Icenogle (1999). Assim sendo, as amostras foram consideradas com um só elemento (amostras de tamanho n=1) e os limites foram calculados como sendo a média dos dados mais três desvios padrão, no caso dos limites superiores, e a média menos três desvios no caso dos limites inferiores (gráficos em anexo). Gráficos 1, e 3 mostram esses resultados. Os limites de controle para a máquina em funcionamento (Gráfico 1) ficam em aproximadamente 5 horas e 3 horas com a média em 14 horas (veja as linhas pontilhadas no gráfico). Tem alguns pontos fora dos limites mínimos de controle indicando que o processo deve ser investigado para causas especiais. Eliminando as causas especiais deve melhorar o processo diminuindo a sua variabilidade e melhorando a sua previsibilidade. Esse mesmo tipo de consideração pode ser feito com Gráficos e 3. No entanto, esses gráficos são problemáticos porque os dados não são normais, e o calculo de limites de controle pelos desvios padrão questionável. Seria evidente a nãonormalidade simplesmente averiguando o histograma ou, mais sofisticadamente, através de um teste de hipótese utilizando qualquer entre as várias estatísticas disponíveis. Neste trabalho propõem-se à utilização da estatística de Bera-Jarque para testar a hipótese de normalidade para duas razões: o seu cálculo é muito fácil até para uma empresa pouco ágil na utilização de métodos quantitativos; e porque o seu formato de qui-quadrado em equação continua facilita o procedimento de minimização desenvolvida em seguida. Nas próximas seções deste trabalho é apresentada uma rápida explicação do teste de Bera- Jarque e da transformação de Box-Cox. 4-Teste de Normalidade de Bera-Jarque O teste de normalidade de Bera-Jarque tem a vantagem de não depender da formação de classes de freqüências. É muito conhecido que testes de normalidade que dependem de classes, cujo número, no final, é arbitrário, às vezes podem testar positivo para um certo número de classes, mas com outro número de classes podem levar a conclusão de não normalidade. O teste de normalidade de Bera-Jarque, distribuído como qui-quadrado com dois graus de liberdade e 5% de significância depende diretamente nas medidas de assimetria e curtose numa equação fácil de programar. ENEGEP 00 ABEPRO 3
4 ass N 6 + (curt 4 3) χ 5,99 Onde: ass = coeficiente de assimetria, curt = coeficiente de curtose, N = número de amostras. Quando o valor da expressão é maior que 5,99 (valor critico para 5% de significância com dois graus de liberdade), a estatística indica a rejeição da hipótese nula de normalidade. Aplicando o teste de Bera-Jarque no dados, os resultados sempre maiores que 5,99 são em todos os casos de rejeição da normalidade, mostrados na tabela. 5-Transformação dos dados Variável Valor Bera-Jarque Tempo parado Tempo em funcionamento 73,114 Tempo ciclo 150,56 TABELA. Valor Bera-Jarque. A transformação de Box-Cox e a sua versão simplificada são uma família de transformações que inclui uma variedade de exponenciais positivas e negativas e também o logaritmo neperiano. A sua forma funcional é simples: Y ( λ ) = Y λ λ 1 onde λ assume valores de 3 a +3. Não é garantido, mas quase sempre algum valor de lambda (λ) resulta em normalidade. Quando lambda for próximo de 0, então o valor transformado é lny (logaritmo de Y). 6-Combinando Bera-Jarque e Box-Cox Para encontrar a melhor transformação para normalizar os dados, o teste de Bera- Jarque é combinado com a transformação de Box-Cox. Lambda é programado para variar e os valores correspondentes de assimetria, curtose e em conseqüência os valores do Bera- Jarque são avaliados. O valor de lambda que minimiza o valor de Bera-Jarque é selecionado. Assim, se o valor de Bera-Jarque for menor que 5,99, então a indicação é que os dados transformados por este valor de lambda seguem a distribuição normal. Os resultados deste exercício de transformação estão na seguinte tabela: ENEGEP 00 ABEPRO 4
5 Variável Lambda Assimetria Curtose Bera-Jarque Tempo parado,06 0,0 1,058 5,4 Tempo em func.,41-0,168 0,764 3,370 Tempo ciclo 4,83 0,067 0,38 0,606 TABELA 3: Parâmetros da transformação dos dados. Para as três series de dados, o parâmetro lambda fica com valores aproximadamente iguais a e 4. Com esses valores as duas características de não-normalidade, a assimetria e o curtose são reduzidos e as séries se tornam normais. 7-Novos gráficos Com os dados transformados, novos gráficos de controle são montados com novos limites de controle. O procedimento é calcular os limites de controle de três desvios padrões da média com os dados transformados e, depois, des-transformar os valores dos limites de volta para suas magnitudes originais. No gráfico de controle da máquina em funcionamento (Gráfico 1 no anexo), os pontos fora dos limites (as linhas continuas) diminuíram de quatro para um, no gráfico da máquina parada (Gráfico ) de cinco para zero e no gráfico do ciclo (Gráfico 3) de três para zero. Evidencia-se assim, que a transformação dos dados diminui a quantidade de pontos a serem analisados na procura de causas assinaláveis. Ressaltasse que os limites superiores se tornaram mais estreitos e os inferiores maiores e que o único ponto fora dos limites nos três gráficos foi encontrado na carta da máquina em funcionamento, acima do limite superior. Como uma primeira sugestão para a empresa, a maquina não deve ser utilizado mais que 1 horas em seguida. A carga de trabalho parece que é excessiva que leva a maiores instabilidades no futuro e resultado prejudicado. 8-Conclusões Não pode existir muita dúvida sobre a lição deste trabalho. Gráficos de controle para valores individuais podem sofrer de não-normalidade da população dos dados, anulando a eficácia do gráfico se não for resolvido esse problema antes de calcular os limites de controle. Aqui, é sugerido calcular os limites de controle para dados transformados pela transformação de Box-Cox, utilizando a estatística de Bera-Jarque como ponto de referencia para o teste de hipótese de normalidade. Os limites de controle nos dois casos, comparando os dados originais com os dados transformados, são muito diferentes. Em geral os limites superiores são mais apertados no caso dos dados transformados, quer dizer, se os dados não forem transformados os alarmes não são dados e processos fora de controle não são investigados. Este trabalho pode ser aumentado em duas direções adicionais. Os dados podem ser estimados para outras distribuições contínuas como a exponencial, muito usada na literatura para dados de tempo, ou a Weibull que tem parâmetros que permitem a existência de assimetria e curtose. Com a utilização de distribuições especiais, os limites de controle podem ser calculados como limites de probabilidade supondo erro tipo I e alfa igual a 0,007. Uma segunda direção para completar o trabalho é encontrar a relação em forma de regressão dinâmica entre os três tempos. Parece nos dados que quando a máquina é obrigada a trabalhar um número excessivo de horas a sua instabilidade e horas paradas aumentam em períodos subseqüentes. Se for provada essa relação, então fica claro que, ENEGEP 00 ABEPRO 5
6 forçando a máquina a trabalhar demais, no final, resulta em menos horas trabalhadas no total. Referências: Montgomery, Douglas (1997). Introduction to Statistical Quality Control, Third Ed. New York, John Wiley and Sons. Vieira, Sonia (1999). Estatística para a Qualidade: como avaliar com precisão a qualidade em produtos e serviços. Rio de Janeiro: Campus. Bera, A. K., Jarque, C. M (1980). Efficient tests for normality, homoscedasticity and serial independence of regression residuals. Economic Letters, 6: Box, G.E.P. and Cox, D.R. (1964). An analysis of transformations. Journal of the Royal Statistical Society. B , discussion, Makridakis, et al (1998). Forecasting: Methods and Applications. John Wiley and Sons. Lapponi, Juan Carlos (1997). Estatistica usando EXCEL 5 e 7. Lapponi Treinamento e Editora Ltda. Zimmerman, Steven M. and Marjorie L. Icenogle (1999). Statistical Quality Control using EXCEL. ASQ Quality Press, Wisconsin. ENEGEP 00 ABEPRO 6
7 Anexo 1 Gráficos de Controle Os gráficos abaixo obedecem as seguintes considerações: As linhas pontilhadas se referem aos limites e média provenientes dos dados originais, sem as transformações. As linhas contínuas se referem aos limites e média provenientes dos dados transformados Gráfico de Controle - Máquina em Funcionamento GRÁFICO1- Carta de Controle: Máquina em Funcionamento 16 Gráfico de Controle - Maquina Parada GRÁFICO - Carta de Controle: Máquina Parada Gráfico de Controle - Tempo do ciclo GRÁFICO 3 Carta de Controle: Tempo do ciclo ENEGEP 00 ABEPRO 7
A NORMALIZAÇÃO DE DISTRIBUIÇÕES NÃO-NORMAIS ATRAVÉS DA TRANSFORMAÇÃO DE BOX-COX E ALGUNS COMENTÁRIOS SOBRE A AVALIAÇÃO DE QUALIDADE
A NORMALIZAÇÃO DE DISTRIBUIÇÕES NÃO-NORMAIS ATRAVÉS DA TRANSFORMAÇÃO DE BOX-COX E ALGUNS COMENTÁRIOS SOBRE A AVALIAÇÃO DE QUALIDADE André Luís Meira de Oliveira Acadêmico - Engenharia de Produção e Sistemas
Leia maisTÉCNICA DE AMORTECIMENTO EXPONENCIAL SIMPLES COM TAXA DE RESPOSTA ADAPTATIVA: UMA REFLEXÃO A RESPEITO DO COMPORTAMENTO DO COEFICIENTE ALFA.
TÉCNICA DE AMORTECIMENTO EXPONENCIAL SIMPLES COM TAXA DE RESPOSTA ADAPTATIVA: UMA REFLEXÃO A RESPEITO DO COMPORTAMENTO DO COEFICIENTE ALFA. Robert Wayne Samohyl Professor do Programa de Pós-Graduação em
Leia mais'HVFULomRH$QiOLVH([SORUDWyULDGRV'DGRV
69 'HVFULomRH$QiOLVH([SORUDWyULDGRV'DGRV O presente capítulo objetiva entender o comportamento das séries de retorno financeiras para as carteiras de investimento elaboradas no capítulo anterior. Tal análise
Leia maisÍndices de Capacidade do Processo para Dados não normais: Um Estudo do Consumo de Água em uma Indústria do Setor Calçadista
Índices de Capacidade do Processo para Dados não normais: Um Estudo do Consumo de Água em uma Indústria do Setor Calçadista Heloisa Helena Weber (UFRGS) heloisa@producao.ufrgs.br Liane Werner (UFRGS) liane@producao.ufrg.br
Leia maisGráficos de Controle (X, R, S, CUSUM e EWMA)
Gráficos de Controle (X, R, S, CUSUM e EWMA) Alunos: Ahyalla Riceli Anderson Elias Professor: Paulo Maciel Ricardo Massa Roteiro Introdução Gráficos de Controle CEP Controle Estatístico de Processo Gráfico
Leia maisMetodologia de Box-Jenkins. Metodologia de Box-Jenkins. Metodologia de Box-Jenkins
Programa de Pós-graduação em Engenharia de Produção Análise de séries temporais: Modelos de Box-Jenkins Profa. Dra. Liane Werner Metodologia de Box-Jenkins Para os modelos de decomposição e os modelos
Leia maisModelagem do comportamento da variação do índice IBOVESPA através da metodologia de séries temporais
Modelagem do comportamento da variação do índice IBOVESPA através da metodologia de séries temporais João Eduardo da Silva Pereira (UFSM) jesp@smail.ufsm.br Tânia Maria Frighetto (UFSM) jesp@smail.ufsm.br
Leia maisDisciplina de Modelos Lineares
Disciplina de Modelos Lineares 2012-2 Seleção de Variáveis Professora Ariane Ferreira Em modelos de regressão múltipla é necessário determinar um subconjunto de variáveis independentes que melhor explique
Leia maisPalavras-Chave: Gráficos de Controle Especiais, Geoestatística.
Estudo de Cartas Especiais e Geoestatística no Controle Estatístico de Processos Bruna Fernanda Viotto Oliveira¹ Edilson Ferreira Flores² RESUMO O presente estudo teve como objetivo explorar as técnicas
Leia maisCorrelação e Regressão
Correlação e Regressão Vamos começar com um exemplo: Temos abaixo uma amostra do tempo de serviço de 10 funcionários de uma companhia de seguros e o número de clientes que cada um possui. Será que existe
Leia maisMais Informações sobre Itens do Relatório
Mais Informações sobre Itens do Relatório Amostra Tabela contendo os valores amostrados a serem utilizados pelo método comparativo (estatística descritiva ou inferencial) Modelos Pesquisados Tabela contendo
Leia maisTRANSFORMAÇÕES. 1 Tornar comparáveis descritores medidos em diferentes unidades
TRANSFORMAÇÕES Razões para transformar os dados antes das análises: 1 Tornar comparáveis descritores medidos em diferentes unidades Isso é feito através da padronização (Standardization), que significa
Leia maisExperimentos. Introdução. Vantagens. Exemplo. Cleidson de Souza. LABES - DI - UFPA
Introdução Experimentos Cleidson de Souza LABES - DI - UFPA cdesouza@ufpa.br! Os experimentos são provavelmente o método científico mais famoso. São baseados na mesma abordagem e tradição das ciências
Leia maisRegressões: Simples e MúltiplaM. Prof. Dr. Luiz Paulo Fávero 1
Regressões: Simples e MúltiplaM Prof. Dr. Luiz Paulo FáveroF Prof. Dr. Luiz Paulo Fávero 1 1 Técnicas de Dependência Análise de Objetivos 1. Investigação de dependências entre variáveis. 2. Avaliação da
Leia maisArtigo administração 1. INTRODUÇÃO 2. METODOLOGIA
Artigo administração JARQUE-BERA: Construção de uma ferramenta computacional para teste de normalidade Autores: Guilherme Pimentel, João Paulo Guerra, Leandro Campos e Otto Cardoso Resumo: Este trabalho
Leia maisControle Estatístico de Processos - CEP
Faculdade de Tecnologia Senac Go Gestão da Tecnologia da Informação Aluna: Lusana Souza de Oliveira Professor: Itair Pereira Gestão de Processos lll modulo - Matutino Controle Estatístico de Processos
Leia maisEspecialização em Engenharia de Processos e de Sistemas de Produção
Especialização em Engenharia de Processos e de Sistemas de Produção Projetos de Experimento e Confiabilidade de Sistemas da Produção Prof. Claudio Luis C. Frankenberg 3ª parte Conforme foi apresentado
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS 2003 2004 2005 2006 2007 2008 2009 2010 X 39,0 39,5 39,5 39,0 39,5 41,5 42,0 42,0 Y 46,5 65,5 86,0 100,0 121,0 150,5 174,0 203,0 A tabela acima mostra as quantidades, em milhões
Leia maisIntrodução aos Modelos Lineares em Ecologia
Introdução aos Modelos Lineares em Ecologia Prof. Adriano Sanches Melo - Dep. Ecologia UFG asm.adrimelo no gmail.com Página do curso: www.ecologia.ufrgs.br/~adrimelo/lm/ Livro-texto: Crawley, M.J. 2005.
Leia maisTestes de Hipóteses. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Testes de Hipóteses Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Introdução e notação Em geral, intervalos de confiança são a forma mais
Leia maisTeste χ 2 de aderência
Teste χ 2 de aderência Chuck Norris Arnold Schwarzenegger 15 de julho de 2013 Resumo O teste χ 2 de aderência é considerado para testar a hipótese de que uma distribuição de probabilidades as frequências
Leia maisA UTILIZAÇÃO DE MÉTODOS ESTATÍSTICOS NO PLANEJAMENTO E ANÁLISE DE ESTUDOS EXPERIMENTAIS EM ENGENHARIA DE SOFTWARE (FONTE:
A UTILIZAÇÃO DE MÉTODOS ESTATÍSTICOS NO PLANEJAMENTO E ANÁLISE DE ESTUDOS EXPERIMENTAIS EM ENGENHARIA DE SOFTWARE (FONTE: ESELAW 09 MARCOS ANTÔNIO P. & GUILHERME H. TRAVASSOS) 1 Aluna: Luana Peixoto Annibal
Leia maisModelo para estimativa de risco operacional e previsão de estoque para equipamentos da Comgás
Modelo para estimativa de risco operacional e previsão de estoque para equipamentos da Comgás 1. Introdução Marcos Henrique de Carvalho 1 Gabriel Alves da Costa Lima 2 Antonio Elias Junior 3 Sergio Rodrigues
Leia maisMorgana Pizzolato, Dr a. Aula 05 Introdução ao CEP DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM
Morgana Pizzolato, Dr a. Aula 05 Introdução ao CEP DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM TÓPICOS DESTA AULA Teorema do Limite Central (TLC) Introdução ao Controle Estatístico
Leia maisAvaliando Hipóteses. George Darmiton da Cunha Cavalcanti Tsang Ing Ren CIn/UFPE
Avaliando Hipóteses George Darmiton da Cunha Cavalcanti Tsang Ing Ren CIn/UFPE Pontos importantes Erro da Amostra e Erro Real Como Calcular Intervalo de Confiança Erros de hipóteses Estimadores Comparando
Leia maisDelineamento e Análise Experimental Aula 4
Aula 4 Castro Soares de Oliveira ANOVA Significativa Quando a aplicação da análise de variância conduz à rejeição da hipótese nula, temos evidência de que existem diferenças entre as médias populacionais.
Leia maisUSO DE PLANEJAMENTO COMPOSTO CENTRAL NA AVALIAÇÃO DAS VARIÁVEIS TEMPERAURA E CONCENTRAÇÃO DE SOLVENTES NO ESTUDO DA SOLUBILIDADE DA UREIA
USO DE PLANEJAMENTO COMPOSTO CENTRAL NA AVALIAÇÃO DAS VARIÁVEIS TEMPERAURA E CONCENTRAÇÃO DE SOLVENTES NO ESTUDO DA SOLUBILIDADE DA UREIA F. M. A. S. COSTA 1, A. P. SILVA 1, M. R. FRANCO JÚNIOR 1 e R.
Leia maisDisciplina de Modelos Lineares Professora Ariane Ferreira
Disciplina de Modelos Lineares 2012-2 Regressão Logística Professora Ariane Ferreira O modelo de regressão logístico é semelhante ao modelo de regressão linear. No entanto, no modelo logístico a variável
Leia maisUNIVERSIDADE ESTADUAL PAULISTA CAMPUS DE BOTUCATU FACULDADE DE CIÊNCIAS AGRONÔMICAS PROGRAMA DE PÓS-GRADUAÇÃO EM AGRONOMIA AGRICULTURA
PROGRAMA DE PÓS-GRADUAÇÃO EM AGRONOMIA AGRICULTURA PLANO DE ENSINO IDENTIFICAÇÃO DA DISCIPLINA DISCIPLINA: Análise de Experimentos em Fitotecnia CURSO: Mestrado (X) Doutorado (X) DEPARTAMENTO RESPONSÁVEL:
Leia maisMINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE CIENCIAS E TECNOLOGIA AGROALIMENTAR UNIDADE V
MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE CIENCIAS E TECNOLOGIA AGROALIMENTAR UNIDADE V DELINEAMENTO EM BLOCOS CASUALIZADOS (DBC) Profª Railene Hérica Carlos Rocha 1. Introdução
Leia maisCONHECIMENTOS ESPECÍFICOS
fonte de graus de soma de quadrado variação liberdade quadrados médio teste F regressão 1 1,4 1,4 46,2 resíduo 28 0,8 0,03 total 2,2 A tabela de análise de variância (ANOVA) ilustrada acima resulta de
Leia maisMorgana Pizzolato, Dr a. Aula 04 Introdução ao CEP DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM
Morgana Pizzolato, Dr a. Aula 04 Introdução ao CEP DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM Cronograma parcial DPS1037 Data Aula Conteúdo 10/ago 1 Introdução à Engenharia da Qualidade
Leia maisCapítulo 2. Distribuições de Probabilidade Estimativas de parâmetros e tempos-atéfalha. Flávio Fogliatto
Capítulo 2 Distribuições de Probabilidade Estimativas de parâmetros e tempos-atéfalha Flávio Fogliatto 1 Ajustes de distribuições Em estudos de confiabilidade, dados são amostrados a partir de uma população
Leia maisPor que testes não-paramétricos?
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Estatística Métodos Estatísticos Avançados em Epidemiologia Aula 3 Testes Não-Paramétricos: Wilcoxon Mann-Whitney Kruskal-Wallis
Leia maisComparando equações de regressão em dados de saúde
Comparando equações de regressão em dados de saúde Terezinha Aparecida Guedes*, Ivan Ludgero Ivanqui e Ana Beatriz Tozzo Martins Departamento de Estatística, Universidade Estadual de Maringá, Av Colombo,
Leia maisMario de Andrade Lira Junior
Mario de Andrade Lira Junior http:\\lira.pro.br\wordpress 1 Item da avaliação 2010-1 Média avaliações semanais 2 Condução e análise do trabalho prático 2 Apresentação e artigo do trabalho prático 3 Prova
Leia maisRevisão de distribuições de probabilidades contínuas (Capítulo 6 Levine)
Revisão de distribuições de probabilidades contínuas (Capítulo 6 Levine) Statistics for Managers Using Microsoft Excel, 5e 2008 Pearson Prentice-Hall, Inc. Chap 6-1 Objetivos: Neste capítulo, você aprenderá:
Leia maisCOMBINAÇÃO DE TÉCNICAS PARA CONSTRUÇÃO DE UM MODELO DE CREDIT SCORING, USANDO ANÁLISE DISCRIMINANTE
COMBINAÇÃO DE TÉCNICAS PARA CONSTRUÇÃO DE UM MODELO DE CREDIT SCORING, USANDO ANÁLISE DISCRIMINANTE 23 Marcos dos Santos Dutra Elenice Biazi 24 Traços, Belém, v. 10, n. 21, p. 23-34, jun. 2008 COMBINAÇÃO
Leia maisProf. Dr. Lucas Barboza Sarno da Silva
Prof. Dr. Lucas Barboza Sarno da Silva Medidas de grandezas físicas Valor numérico e sua incerteza, unidades apropriadas Exemplos: - Velocidade (10,02 0,04) m/s - Tempo (2,003 0,001) µs - Temperatura (273,3
Leia maisEstimação e Testes de Hipóteses
Estimação e Testes de Hipóteses 1 Estatísticas sticas e parâmetros Valores calculados por expressões matemáticas que resumem dados relativos a uma característica mensurável: Parâmetros: medidas numéricas
Leia maisMÉTODOS DE ESTIMATIVA DE y PARA A FUNÇÃO DE NORMALIZAÇÃO DA DISTRIBUIÇÃO S B CARACTERÍSTICA DO SOLO ( 1 )
MÉTODOS DE ESTIMATIVA DE y E @ PARA A FUNÇÃO DE NORMALIZAÇÃO DA DISTRIBUIÇÃO S B DE CARACTERÍSTICA DO SOLO ( 1 ) VIOLETA NAGAI, Seção de Técnica Experimental e Cálculo, e JOÃO ROBERTO FERREIRA MENK ( 2
Leia maisPerfil geoestatístico de taxas de infiltração do solo
Perfil geoestatístico de taxas de infiltração do solo João Vitor Teodoro¹ Jefferson Vieira José² 1 Doutorando em Estatística e Experimentação Agronômica (ESALQ/USP). 2 Doutorando em Irrigação e Drenagem
Leia maisComparação dos gráficos de controle Shewhart e Cusum na variável de perfilagem do caliper
Comparação dos gráficos de controle Shewhart e Cusum na variável de perfilagem do caliper Evelyn Souza Chagas 1 Lêda Valéria Ramos Santana 1 Hérica Santos da Silva 1 Dra. Suzana Leitão Russo 2 Msc. Vitor
Leia maisUtilização do modelo Holt-Winters para previsão das vendas de leite em um laticínio no oeste paranaense
Utilização do modelo Holt-Winters para previsão das vendas de leitm um laticínio no oeste paranaense Anariele Maria Minosso 1 Silvana Lígia Vincenzi Bortolotti 2 Katiane de Oliveira 3 1 Introdução A cadeia
Leia maisAderência. Rinaldo Artes Insper Instituto de Ensino e Pesquisa 2015
Aderência Rinaldo Artes Insper Instituto de Ensino e Pesquisa 2015 Sumário 1. Estatística qui-quadrado... 2 2. Gráfico de Probabilidades... 9 3. Teste de Jarque-Bera... 14 Serão apresentadas técnicas que
Leia maisPROVAS Ciência da Computação. 2 a Prova: 13/02/2014 (Quinta) Reavaliação: 20/02/2014 (Quinta)
PROVAS Ciência da Computação 2 a Prova: 13/02/2014 (Quinta) Reavaliação: 20/02/2014 (Quinta) Ajuste de Curvas Objetivo Ajustar curvas pelo método dos mínimos quadrados 1 - INTRODUÇÃO Em geral, experimentos
Leia maisFalha(s) nas pressuposições da ANOVA
Falha(s) nas pressuposições da ANOVA Prof. a Dr. a Simone Daniela Sartorio de Medeiros DTAiSeR-Ar 1 Na prática, é comum que uma ou mais hipóteses não se verifique. A mais comum é não existir homocedasticidade.
Leia maisESTUDOS CORRELACIONAIS E ESTUDOS CAUSAL-COMPARATIVOS. Ana Henriques Carla Neves Idália Pesquita Mestrado em Educação Didáctica da Matemática
1 ESTUDOS CORRELACIONAIS E ESTUDOS CAUSAL-COMPARATIVOS Ana Henriques Carla Neves Idália Pesquita Mestrado em Educação Didáctica da Matemática 1. Introdução A compreensão do comportamento humano tanto a
Leia maisIntervalos de Confiança
Intervalos de Confiança INTERVALOS DE CONFIANÇA.1 Conceitos básicos.1.1 Parâmetro e estatística Parâmetro é a descrição numérica de uma característica da população. Estatística é a descrição numérica de
Leia maisCOMPARAÇÃO ENTRE MÉTODOS UTILIZADOS NO TRATAMENTO DE DADOS AUTOCORRELACIONADOS NO CONTROLE ESTATÍSTICO DO PROCESSO
COMPARAÇÃO ENTRE MÉTODOS UTILIZADOS NO TRATAMENTO DE DADOS AUTOCORRELACIONADOS NO CONTROLE ESTATÍSTICO DO PROCESSO Fernando de Jesus Moreira Junior (UFSM) fmjunior@smail.ufsm.br Enio Junior Seidel (UFSM)
Leia mais4 Aplicação para o mercado brasileiro
4 Aplicação para o mercado brasileiro 4.1 Dados Uma aplicação da metodologia de Simulação Histórica Filtrada (SHF) foi realizada, a partir dos preços de opções do mercado brasileiro, como forma de verificar
Leia maisModelos de Regressão Linear Simples - Análise de Resíduos
1 Modelos de Regressão Linear Simples - Análise de Resíduos Erica Castilho Rodrigues 27 de Setembro de 2016 2 3 O modelo de regressão linear é dado por 3 O modelo de regressão linear é dado por Y i = β
Leia maisDisciplina: Gestão da Qualidade
Disciplina: Gestão da Qualidade As Sete Ferramentas da Qualidade: Cartas de Controle Prof. Fernando Porto Introdução As cartas de controle, conhecidas originalmente como gráficos de Shewhart ou gráficos
Leia maisEstatística. 1 Medidas de Tendência Central 2 Medidas de Posição 3 Medidas de Dispersão. Renata Souza
Estatística 1 Medidas de Tendência Central 2 Medidas de Posição 3 Medidas de Dispersão Renata Souza Medidas Depois que você conheceu os conceitos de coleta de dados, variação, causas comuns e causas especiais,
Leia maisModelos de Regressão Linear Simples - Análise de Resíduos
Modelos de Regressão Linear Simples - Análise de Resíduos Erica Castilho Rodrigues 1 de Setembro de 2014 3 O modelo de regressão linear é dado por Y i = β 0 + β 1 x i + ɛ i onde ɛ i iid N(0,σ 2 ). O erro
Leia maisPara as opções de dólar, os resultados encontrados foram os seguintes: Corrado Su Modificado IN THE MONEY 100,63% 97,57% 100,53% 100,51%
4 Resultados Inseridos os parâmetros de entrada correspondentes a cada modelo abordado nas funções programadas no Excel, foram calculados os prêmios de opção de dólar em cada cenário. Foi calculado a razão
Leia maisaula ANÁLISE DO DESEMPENHO DO MODELO EM REGRESSÕES
ANÁLISE DO DESEMPENHO DO MODELO EM REGRESSÕES 18 aula META Fazer com que o aluno seja capaz de realizar os procedimentos existentes para a avaliação da qualidade dos ajustes aos modelos. OBJETIVOS Ao final
Leia maisVetores Auto-Regressivos (VAR) Cristian Rafael Pelizza Estágio de docência
Vetores Auto-Regressivos (VAR) Cristian Rafael Pelizza Estágio de docência Forma estrutural e reduzida O método VAR busca capturar a interdependência entre múltiplas séries de tempo. Estrutura-se equações
Leia maisDIFERENTES ESTRATÉGIAS DE AMOSTRAGENS PARA REDUZIR O EFEITO DA AUTOCORRELAÇÃO NO DESEMPENHO DO GRÁFICO DA MÉDIA
XXX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO Maturidade e desafios da Engenharia de Produção: competitividade das empresas, condições de trabalho, meio ambiente. São Carlos, SP, Brasil, 2 a5 de outubro
Leia maisUniversidade Federal da Bahia Programa de Pós Graduação em Engenharia Elétrica
Universidade Federal da Bahia Programa de Pós Graduação em Engenharia Elétrica Disciplina: Processamento Estatístico de Sinais (ENG A83) Prof.: Eduardo Simas eduardo.simas@ufba.br Tema: Verificação da
Leia maisControle Estatístico da Qualidade
Controle Estatístico da ESQUEMA DO CAPÍTULO 15.1 MELHORIA E ESTATÍSTICA DA QUALIDADE 15.2 CONTROLE ESTATÍSTICO DA QUALIDADE 15.3 CONTROLE ESTATÍSTICO DE PROCESSO 15.4 INTRODUÇÃO AOS GRÁFICOS DE CONTROLE
Leia maisPERFIL DO VENTO DIÁRIO EM PELOTAS, RS. 1. Introdução
PERFIL DO VENTO DIÁRIO EM PELOTAS, RS CAMARGO, Venice Meazza 1 ; RIBEIRO, Juliano Vieira 1 ; BAPTISTA DA SILVA, João 2 ; BURGEÑO, Luís Eduardo Torma 3. 1 Faculdade de Meteorologia da Universidade Federal
Leia maisCEP Controle Estatístico de Processo
CEP Controle Estatístico de Processo Publicador: Diogo Piszxzalka Autor: Anônimo Formação: Eng.º Mecânico pela Universidade Luterana do Brasil & Técnico em Gestão da Qualidade (IESE) CEP Controle Estatístico
Leia maisExploração e Transformação de dados
Exploração e Transformação de dados A DISTRIBUIÇÃO NORMAL Normal 99% 95% 68% Z-score -3,29-2,58-1,96 1,96 2,58 3,29 Normal A distribuição normal corresponde a um modelo teórico ou ideal obtido a partir
Leia maisSUMÁRIO. 1.1 Introdução, Conceitos Fundamentais, 2
SUMÁRIO 1 CONCEITOS BÁSICOS, 1 1.1 Introdução, 1 1.2 Conceitos Fundamentais, 2 1.2.1 Objetivo, 2 1.2.2 População e amostra, 2 1.3 Processos estatísticos de abordagem, 2 1.4 Dados estatísticos, 3 1.5 Estatística
Leia maisAPLICAÇÃO DE TÉCNICAS TRADICIONAIS E D~ SÉRIES TEMPORAIS NO CONTROLE ESTATíSTICO DA QUALIDADE
Ciência e Natura, Santa Maria, 18: 49-59, 1996 49 APLICAÇÃO DE TÉCNICAS TRADICIONAIS E D~ SÉRIES TEMPORAIS NO CONTROLE ESTATíSTICO DA QUALIDADE Maria Emilia Camargo e Helio Ricardo Friedrich Departamento
Leia maisEspecialização em Métodos Estatísticos Computacionais
Controle de Qualidade II 1. Capacidade de Processo Roteiro 2. Avaliação da Qualidade de Medidas 3. Inspeção por Amostragem 4. Referências Capacidade de Processo Prof. Lupércio F. Bessegato 1 Roteiro 1.
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS Em uma grande escola, 10% dos alunos são comprovadamente fracos. Um teste educacional conseguiu identificar corretamente 80% entre aqueles que são fracos e 85% entre aqueles que
Leia maisMedidas de Dispersão para uma Amostra. Conteúdo: AMPLITUDE VARIÂNCIA DESVIO PADRÃO COEFICIENTE DE VARIAÇÃO
Medidas de Dispersão para uma Amostra Conteúdo: AMPLITUDE VARIÂNCIA DESVIO PADRÃO COEFICIENTE DE VARIAÇÃO Medidas de Dispersão para uma Amostra Para entender o que é dispersão, imagine que quatro alunos
Leia maisTeorema do Limite Central
O Teorema do limite central (TLC) demonstra a tendência de aproximação das variáveis aleatórias com a distribuição normal. 2 O teorema do limite central é básico para a maioria das aplicações do controle
Leia maisPARTE 3. Profª. Drª. Alessandra de Ávila Montini
PARTE 3 Profª. Drª. Alessandra de Ávila Montini Distribuições Contínuas 2 Conteúdo Principais Distribuições de Probabilidade para Variáveis Quantitativas Contínuas: Exponencial Normal T de Student Qui-quadrado
Leia maisDISCRETIZADAS NA ANÁLISE DE DADOS DE SOBREVIVÊNCIA RESUMO
APLICAÇÕES DE DISTRIBUIÇÕES DISCRETIZADAS NA ANÁLISE DE DADOS DE SOBREVIVÊNCIA Danielle Peralta 1, Josmar Mazucheli 1, Isabelle Picada Emanuelli 2 e Robson Marcelo Rossi 1 1 Departamento de Estatística,
Leia maisRegressão linear simples
Regressão linear simples Universidade Estadual de Santa Cruz Ivan Bezerra Allaman Introdução Foi visto na aula anterior que o coeficiente de correlação de Pearson é utilizado para mensurar o grau de associação
Leia mais2 ou mais fatores são de interesse.
5. Experimentos Fatoriais 5.1 Definições e Princípios Básicos 2 ou mais fatores são de interesse. Experimentos Fatoriais: em cada replicação do experimento todas as combinações dos níveis de tratamento
Leia maisAnálise de Variância com mais de duas variáveis independentes (mais de dois fatores) Na aula do dia 17 de outubro (aula #08) introduzimos
Análise de Variância com mais de duas variáveis independentes (mais de dois fatores) Na aula do dia 17 de outubro (aula #08) introduzimos a técnica de Análise de variância (ANOVA) a um fator, que resulta
Leia maisREGRESSÃO E CORRELAÇÃO
Vendas (em R$) Disciplina de Estatística 01/ Professora Ms. Valéria Espíndola Lessa REGRESSÃO E CORRELAÇÃO 1. INTRODUÇÃO A regressão e a correlação são duas técnicas estreitamente relacionadas que envolvem
Leia maisTESTES NÃO PARAMÉTRICOS (para mediana/média)
MAE212: Introdução à Probabilidade e à Estatística II - Profas. Beti e Chang (2012) 1 TESTES NÃO PARAMÉTRICOS (para mediana/média) Os métodos de estimação e testes de hipóteses estudados até agora nessa
Leia maisCapacidade de Processo
Roteiro Capacidade de Processo 1. Limites de Especificação 2. Índices de Capacidade do Processo 3. Alarmes vs. Itens Não Conformes 4. Limites de Especificação sobre Componentes 5. Referências Capacidade
Leia maisGabarito Lista 2 LES0773 Estatística III. Os resultados dessa regressão são apresentados na seguinte tabela:
Gabarito Lista 2 LES0773 Estatística III Exercício 1) Utilizando a ferramenta Análise de Dados e a sua função Regressão, foi realizada uma regressão levando em consideração os gastos com PD como variável
Leia maisAjuste sazonal das séries trimestrais. Diretoria de Pesquisa Coordenação de Contas Nacionais
Ajuste sazonal das séries trimestrais Diretoria de Pesquisa Coordenação de Contas Nacionais A série encadeada original O componente sazonal A tendência (trend cycle) A série encadeada com ajuste sazonal
Leia maisCapítulo 1 Estatística Descritiva. Prof. Fabrício Maciel Gomes
Capítulo 1 Estatística Descritiva Prof. Fabrício Maciel Gomes Gráficos 1. Gráfico de Colunas Um gráfico de colunas mostra as alterações de dados em um período de tempo ou ilustra comparações entre itens.
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Variância amostral Método de Replicações Independentes Aula de hoje Para que serve a inferência estatística? Método dos Momentos Maximum Likehood
Leia maisvariável dependente natureza dicotômica ou binária independentes, tanto podem ser categóricas ou não estimar a probabilidade associada à ocorrência
REGRESSÃO LOGÍSTICA É uma técnica recomendada para situações em que a variável dependente é de natureza dicotômica ou binária. Quanto às independentes, tanto podem ser categóricas ou não. A regressão logística
Leia maisAULA 07 Inferência a Partir de Duas Amostras
1 AULA 07 Inferência a Partir de Duas Amostras Ernesto F. L. Amaral 10 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola,
Leia maisControle Estatístico de Processo
PRO 2712 CONTROLE DA QUALIDADE 1 Controle Estatístico de Processo PRO 2712 CONTROLE DA QUALIDADE 2 O QUE É UM PROCESSO? conjunto de atividades executadas com um certo objetivo ou finalidade conjunto de
Leia maisOs testes. O teste de McNemar O teste de Wilcoxon O teste do sinais
Prof. Lorí Viali, Dr. http://www.mat.ufrgs.br/viali/ viali@mat.ufrgs.br Os testes O teste de McNemar O teste de Wilcoxon O teste do sinais O teste de McNemar para a significância de mudanças é aplicável
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS As variáveis aleatórias X e Y seguem uma distribuição de Bernoulli com probabilidade de sucesso igual a 0,4. Considerando S = X + Y e que os eventos aleatórios A = [X = 1] e B
Leia maisAnálise da Regressão múltipla: MQO Assintótico y = β 0 + β 1 x 1 + β x +... β k x k + u 3. Propriedades assintóticas Antes, propriedades sobre amostra
Análise da Regressão múltipla: MQO Assintótico Capítulo 5 do Wooldridge Análise da Regressão múltipla: MQO Assintótico y = β 0 + β 1 x 1 + β x +... β k x k + u 3. Propriedades assintóticas Antes, propriedades
Leia mais4 APLICAÇÕES À SÉRIE TEMPORAL DE CONSUMO RESIDENCIAL MENSAL DE ENERGIA ELÉTRICA
4 APLICAÇÕES À SÉRIE TEMPORAL DE CONSUMO RESIDENCIAL MENSAL DE ENERGIA ELÉTRICA No capítulo 4, são aplicados os métodos individuais e os combinados à projeção de curto prazo da série de consumo residencial
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. http://www.mat.ufrgs.br/viali/ viali@mat.ufrgs.br Testes não-paramétricos Um teste não paramétrico testa outras situações que não parâmetros populacionais. Estas situações podem ser
Leia maisIDENTIFICAÇÃO DE VARIÁVEIS FORA DE CONTROLE USANDO O GRÁFICO X COM LIMITES DE BONFERRONI
IDENTIFICAÇÃO DE VARIÁVEIS FORA DE CONTROLE USANDO O GRÁFICO X COM LIMITES DE BONFERRONI Adriano Mendonça Souza Universidade Federal de Santa Maria UFSM - RS e-mail: amsouza@ccne.ufsm.br Leoni Pentiado
Leia maisCurso: Eng da Produção Aula 1, 2, 4, 5 Agosto 09. Prof. Eduardo R Luz - MsC
Curso: Eng da Produção Aula 1, 2, 4, 5 Agosto 09 Prof. Eduardo R Luz - MsC AULA 1 SUMÁRIO A Administração da Qualidade O Controle da Qualidade CEP Origem e história Outros conceitos relacionados ao CEP
Leia maisi j i i Y X X X i j i i i
Mario de Andrade Lira Junior lira.pro.br\wordpress lira.pro.br\wordpress Diferença Regressão - equação ligando duas ou mais variáveis Correlação medida do grau de ligação entre duas variáveis Usos Regressão
Leia maisPlanejamento de Experimentos
Planejamento de Experimentos 1 6.4 Os Modelos fatoriais 2 k : o caso geral. O modelo estatístico para um plano 2 k inclui k ( k 2 ( k ) ) efeitos principais efeitos de interação de ordem 2 efeitos de interação
Leia maisAST203-CVR 4-1 AST203-CVR. Observação eletromagnética. Processamento de sinais importante em várias áreas, além da astronomia telecomunicações
Bloco 4 Estatística Atualizado: 2012 4-1 Bibliografia Lena Cap. 4 (parte) - só a inspiração... Wall & Jenkins, Practical statistics for astronomers Brandt Statistical and computacional methods in data
Leia maisVERSÃO RESPOSTAS PROVA DE MÉTODOS QUANTITATIVOS
UNIVERSIDADE DE SÃO PAULO FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO PROGRAMA DE PÓS-GRADUAÇÃO EM ADMINISTRAÇÃO DE ORGANIZAÇÕES PROCESSO SELETIVO DOUTORADO - TURMA 20 VERSÃO
Leia maisAplicação da metodologia Box & Jenkins para previsão de vendas de emulsificante
Aplicação da metodologia Box & Jenkins para previsão de vendas de emulsificante Eduardo Campana Barbosa1 Carlos Henrique Osório Silva2 Resumo: Utilizou-se a metodologia Box & Jenkins para previsão da demanda
Leia maisUm Estudo do Comportamento dos Gráficos de Controle Construídos Via Metodologia de Geoestatística
XIII SIMPEP - Bauru, SP, Brasil, 6 a 8 de Novembro de 006 Um Estudo do Comportamento dos Gráficos de Controle Construídos Via Metodologia de Geoestatística Fabiane Renata de Santana Yassukawa (UFMG) fabianesy@yahoo.com.br
Leia mais