APLICAÇÃO DE GRÁFICOS DE CONTROLE DE REGRESSÃO NO MONITORAMENTO DO PROCESSO DE MONTAGEM DE COLHEITADEIRAS
|
|
- Maria Santana Silveira
- 6 Há anos
- Visualizações:
Transcrição
1 ! "#$ " %'&)(*&)+,.- C)D 5.,.5FE)5.G.+ &4- (IHJ&?,.+ /?<>=)5.KA:.+5MLN&OHJ5F&4E)2*EOHJ&)(IHJ/)G.- D - ;./);.& APLICAÇÃO DE GRÁFICOS DE CONTROLE DE REGRESSÃO NO MONITORAMENTO DO PROCESSO DE MONTAGEM DE COLHEITADEIRAS Vanusa Andrea Casarin (FEMA) vanusa@urisan.tche.br Adriano Mendonça Souza (UFSM) amsouza@smail.ufsm.br Sandra Ines Horn Bohm (FEMA) sandra.horn@sa.agcocorp.com Luciane Flores Jacobi (UFSM) lfjacobi@ccne.ufsm.br O principal propósito desta pesquisa mostra o processo de montagem de colheitadeiras em uma fábrica no RS, através da utilização dos gráficos de controle de regressão, a fim de identificar a correlação entre duas variáveis deste processo. PProcurou-se evidenciar, ainda, a possibilidade de redução dos custos com as falhas no processo de produção. As variáveis envolvidas na análise foram: sucatas e número de máquinas produzidas, sendo que o período de coleta é relativo aos anos de 2001 a 2005, com observações mensais. Os resultados obtidos permitiram concluir que existe forte relação entre as variáveis estudadas e que, o processo produtivo não está sendo realizado de forma satisfatória, o que permite concluir, que existem fatores a serem melhorados pela empresa para reduzir o número de falha e, conseqüentemente, de recursos financeiros. Palavras-chaves: Gráficos de controle de regressão, Processo produtivo, Custos
2 1. Introdução Todo processo produtivo, seja de um bem ou serviço, é dotado de inevitável variação, devido às variações sofridas pelos fatores que compõem esse processo. Os fatores de variação podem resultar de diferenças entre máquinas, métodos, materiais, meioambiente, mão-de-obra, entre outros. Essas alterações por que passam estes fatores, podem conduzir à instabilidade do processo, fazendo com que seja necessário um controle da variabilidade para evitar a produção de itens defeituosos, a baixa produtividade, a perda na qualidade dos produtos e a conseqüente perda de clientes (BOX, 1991; BOX & KRAMER, 1992; BOX & LUCEÑO, 1997ab). Se o controle do processo não ocorrer, ou se o processo sofrer um desvio do seu alvo, nem todas as entradas (inputs) transformar-se-ão em produtos desejados. A empresa terá, então, conforme Robles (1994), outros processos encerrando, igualmente, outros tipos de saídas, as quais consistem em refugos, unidades defeituosas, desperdícios e sobras. Todas as saídas nãodesejadas são, necessariamente, de caráter oneroso à empresa. O enfoque nas variações dos processos industriais faz referência à utilização de técnicas estatísticas adequadas, as quais fornecem informações precisas sobre a natureza das variações e possíveis reflexos sobre a qualidade do produto. Dentre o conjunto de técnicas disponíveis para monitorar o processo produtivo, as mais comumente usadas são os gráficos de controle, os quais auxiliam na melhoria contínua da qualidade do produto, centralizando-se na prevenção de defeitos e, objetivando, entre outros, a redução de custos e a conseqüente satisfação dos clientes (RYAN, 1989; MONTGOMERY, 1997). O objetivo principal deste estudo é analisar a etapa do processo de montagem de colheitadeiras por meio dos gráficos de controle de regressão em uma empresa do setor metalmecânico localizada na região noroeste do RS, com o propósito de evidenciar possibilidades em promover economia de recursos financeiros para a empresa através do estudo da correlação entre as variáveis: quantidade de sucatas geradas durante o processo produtivo e a quantidade de máquinas agrícolas produzidas. 2. Metodologia Esta pesquisa caracteriza-se por ser uma análise empírica do processo de produção de colheitadeiras, a fim de verificar a possibilidade de redução de custos através do monitoramento do processo. Serão aplicados gráficos de controle de regressão aos dados coletados na linha de montagem de colheitadeiras, tomando como base a quantidade em quilogramas de sucatas produzidos durante o processo produtivo e a quantidade de máquinas produzidas pela fábrica. Os gráficos são considerados ferramentas extremamente úteis na identificação das variações envolvidas no processo onde pode ser identificado um conjunto de variáveis correlacionadas. Também, possibilitam a identificação das possíveis causas que afetam o desenvolvimento do processo, desde o início até o fim da confecção do produto. Para tanto, foi ajustada a reta de regressão, determinando-se os valores dos coeficientes de correlação, de determinação e de determinação ajustada. Após, foi conduzido o estudo sobre a análise dos resíduos para mostrar a adequação da regressão ajustada por meio da estatística de Durbin-Watson, gráfico da normalidade dos resíduos. Para confirmar o resultado do gráfico dos resíduos foi aplicou-se o teste de Lilliefors dando condições em traçar o gráfico de regressão. 2
3 3. Referencial teórico Neste item, descrevem-se algumas considerações importantes sobre custos da qualidade, análise de regressão e gráficos de controle de regressão sendo estes dois últimos, técnicas estatísticas empregadas para o desenvolvimento da pesquisa, pois desta forma procurase apresentar e fundamentar o tema proposto. 3.1 Custos da qualidade A questão da qualidade, segundo Robles (1994), é de importância fundamental, pois o termo abrange a excelência empresarial e está, em muitos casos, tomando o sentido de produtividade. O enfoque sobre a qualidade, em termos globais, tem-na colocado como um dos objetivos principais dentro das organizações que lutam para permanecer competitivas. De acordo com Crosby (1979), qualidade é a conformidade do produto às suas especificações. Assim, as organizações podem reduzir seus custos globais através da melhoria e do controle da qualidade de seus processos. Salienta que o custo de fornecer produtos e serviços de baixa qualidade é significativo, podendo atingir 25% dos rendimentos em empresas de manufatura, e de até 40% das despesas operacionais em empresas de serviços. Portanto, para uma empresa controlar a qualidade, é fundamental e, para isso, é necessário exercê-la nos seguintes aspectos: máquinas, matéria-prima, mão-de-obra e ambiente de trabalho. Conforme Feigenbaum (1994), os custos da qualidade são definidos como os custos associados à definição, criação e controle da qualidade, assim como avaliação e realimentação de conformidade com exigências em qualidade, confiabilidade e segurança. Portanto, pode-se definir o custo da qualidade como sendo a diferença entre o custo real atribuído a um produto e o seu custo numa situação, em que o processo de desenvolvimento, produção e utilização ocorra livre de erro. 3.2 Análise de regressão Muitas vezes é necessário encontrar uma expressão quantitativa, ou equação, que revele uma relação numérica entre fatos que descrevam, ou expliquem os fenômenos que, freqüentemente, ocorrem. Descobrir um modelo matemático, que reflita a relação existente entre os diversos fenômenos, pode propiciar muito mais que a possibilidade de interpretar a situação. Pode significar a obtenção de estimativas e previsões de ocorrências futuras, por meio de uma relação de causa e efeito, para isso, faz-se uso da análise de regressão. Assim, a análise de regressão constitui uma das ferramentas estatísticas mais utilizadas na tomada de decisão, ou no planejamento de alguma atividade econômica, processando as informações contidas em um conjunto de dados, de forma a gerar um modelo que represente o relacionamento existente entre as variáveis de interesse de um processo. A regressão linear pode ser simples, sendo aquela que procura caracterizar a relação entre duas variáveis, através da equação da reta que melhor explicar os dados observados. A suposição da existência de um relacionamento linear, entre duas variáveis, é o ponto de partida comum em um estudo de análise de regressão. Baseando-se na literatura de Kmenta (1988); Maddala (1992), Enders (1995), Intriligator et al. (1996); Conover (1999); Hill et al. (1999); Souza et al. (2005); Jacobi et al. (2002). 3.3 Gráficos de controle de Regressão Para a construção dos gráficos de controle de regressão, os limites de controle são dados pelas equações abaixo: 3
4 LSC 1 (x x) 2 i ŷ = ŷ+ 3S 1+ + (1) n Sxx = = ŷ (2) LMC ŷ a + bx LIC 1 (x x) 2 i ŷ = ŷ 3S 1+ + (3) n Sxx A Figura 1, de acordo com Mandel (1969), representa o gráfico de controle de regressão número de carteiros Figura 1- Representação do gráfico de controle de regressão De acordo com Jacobi et al. (2002), Mandel (1969) trabalhou com os limites simples considerando dois desvios em torno da linha de mínimos quadrados em vez de três desvios. Embora sabendo-se que os limites de controle em torno da linha de regressão deveria alargarse progressivamente ao longo da média, dois fatos fazem a aplicação do limite de controle paralelo possível. Primeiro, se a variação sobre a linha de regressão não for muito grande, os limites de controle não serão curvos. Segundo, as linhas de limites paralelas darão controle mais rígido a distâncias extremas da média. Ainda, segundo os autores, quando se considera o conjunto de todos os valores possíveis de X, os intervalos formam uma banda de previsão, e esta, pode ser utilizada para organizar o gráfico de controle de regressão. Segundo Mandel (1969), o gráfico de controle de regressão difere do gráfico de controle tradicional nos seguintes aspectos: - A média designada não é constante e esta variabilidade é dependente da magnitude da variável independente; - As linhas dos limites de regressão são paralelas à linha de regressão, o que é melhor que uma linha paralela ao eixo x, pois os limites de controle acompanham a tendência existente entre as duas variáveis; - A construção dos gráficos de controle de regressão é mais complexa que a construção do gráfico de controle convencional. 4. Resultados e Discussões número de cartas 4
5 A indústria metal-mecânica é de extrema importância para a economia da região da grande Santa Rosa, RS. Além da arrecadação para os municípios, geram milhares de empregos para as comunidades locais. No caso específico da empresa estudada, a mesma tem capacidade de produzir mensalmente 245 máquinas agrícolas, além de gerar 446 empregos diretos. Por ser considerada como uma empresa que preza pela qualidade de seus produtos e processos, implantou-se na fábrica, o sistema Lean Manufacturing, com os princípios da produção enxuta, dando prioridade para fazer o certo pela primeira vez e a eliminação ou redução de desperdícios. Nesse estudo, as variáveis envolvidas no processo de produção de colheitadeiras na linha de montagem são: a produção de máquinas agrícolas e a quantidade de sucatas geradas por este processo no período de 2001 a 2005, tendo como base 57 observações mensais. Vários fatores interferem na produtividade, entre eles, mão-de-obra, aquisição de material, falta de energia, economia, clima, entre outros. Daí, a importância do monitoramento e análise constante desta série. Para poder observar de forma mais adequada o comportamento das variáveis em estudo, traçaram-se gráficos de seqüência, os quais são mostrados nas figuras abaixo. O primeiro deles, corresponde a quantidade de colheitadeiras produzidas no período e, o segundo, referese a quantidade de sucatas gerada pelo processo de produção dessas máquinas. Máquinas produzidas Nº de observações Sucata (Kg) 1000,00 100,00 10,00 1, Nº de observações Figura 2 - Gráfico representativo das máquinas produzidas Figura 3 - Gráfico representativo do peso das sucatas gerado pela produção das máquinas Através das Figuras 2 e 3, é possível perceber que existem muitos valores fora de controle, apresentando instabilidade do processo. O interesse é construir um modelo de regressão que relacione a dependência da quantidade de sucatas gerada com a quantidade de máquinas produzidas no período. A quantidade de sucatas produzidas no período, totalizou ,11kg, sendo vendidos para a empresa Gerdau. O que pôde ser percebido é que mesmo vendendo esses refugos seus valores são irrisórios perante o que a empresa paga pela matéria-prima. A quantidade de máquinas agrícolas produzidas no mesmo período foi de unidades. Na Figura 4 é mostrado o diagrama de dispersão dos valores que compõem as séries em estudo. Sucata (KG) 600,00 400,00 200,00 0, Produção Máquinas 5
6 Figura 4 - Diagrama de dispersão da quantidade de sucatas O diagrama de dispersão mostra que todos os pontos estão dentro de um padrão, não apresentando pontos que se desviam de um padrão linear revelando uma situação de estabilidade do processo. O coeficiente de autocorrelação encontrado foi r = 0, , revelando uma forte correlação positiva entre as variáveis. Outro fator importante é que o R 2 ajustado, ou seja, o coeficiente de determinação, demonstrou que 67,27% da produção da sucata são explicados pelo número de máquinas produzidas pela empresa e os restantes 32,73% são explicados por problemas de falta de treinamento, falta de cuidado por parte dos operadores, matéria-prima de má qualidade, falta de energia, alteração de layout, retalhos de peças no corte, entre outros. Na equação abaixo é traçada a reta de regressão ajustada, a qual determinará as relações entre as variáveis: quantidade de sucatas e a quantidade de máquinas produzidas porque as variáveis são linearmente correlacionadas e o seu nível de correlação sugere que possa haver uma relação funcional entre elas. yˆ = 101,98+ 1,39171x (4) ( 5,11) ( 10,63) A equação (4) pode ser escrita da seguinte maneira: Sucata ( estimada) = 101,98 + 1,3917 ( produção de máquinas) (5) Para que a reta de regressão ajustada na equação 5 possa ser empregada em futuras análises, é feito um estudo de sua adequação por meio da análise dos resíduos. Para a construção do gráfico de controle de regressão, mostrado na Figura 5, utilizaram-se 52 observações, sendo necessário retirar os pontos que estavam fora de controle, este procedimento é realizado para se encontrar um processo estável, dessa forma é possível monitorar os pontos futuros de produção, verificando se existirá economia na produção futura. Y3 REGRESSION CONTROL CHART; Std. Err. of Est.: Regression Equation: Y3 = * X3 Correlation: N = X3 Figura 5 Gráfico de controle de regressão para as variáveis sucata e máquinas produzidas sem os pontos fora de controle Com a construção do gráfico sem os pontos que estavam fora dos limites de controle, uma nova reta de regressão é ajustada, como mostra a equação 6, onde os novos pontos de 6
7 produção são acrescentados, para verificar-se o comportamento em relação ao processo considerado estável. yˆ = 112,95+ 1,3340 x (6) ( 4,28) ) (9,23) Na Figura 6, a seguir, computaram-se os 57 pontos amostrados, sendo que o restante dos pontos utilizou-se para verificar o sistema. Sucata REGRESSION CONTROL CHART; Std. Err. of Est.: Regression Equation: Y = * X Correlation: N = Produção de máquinas Figura 6 Gráfico de controle de regressão para as variáveis sucata e máquinas produzidas com os limites-padrão para o processo Com o sistema estabilizado na figura 6, pode-se observar que existem 5 pontos fora de controle, sendo que os dois pontos acima do limite superior mostram que na fábrica teve muita sucata para o volume de produção apresentado, logo, ocorreu desperdício de matériaprima e, conseqüentemente, custos adicionais de produção. Estes custos podem ser além de material, energia, tempo de retrabalho, mão-de-obra entre outros. Com relação aos três pontos apresentados abaixo do limite inferior, o que se pode observar, é que os mesmos indicam que houve pouca sucata no período estudado, logo, os profissionais da empresa souberam melhor adequar e utilizar a matéria-prima disponível, trazendo economia para a empresa e para o meio ambiente. Isso se deve ao trabalho de implantação do sistema Lean Manufacturing e os conseqüentes treinamentos aos colaboradores da fábrica. 5. Conclusões Analisando as variáveis quantidade de sucata gerada e quantidade de máquinas produzidas na fabricação de colheitadeiras agrícolas, pôde-se perceber que existe forte correlação entre as mesmas, o que permitiu que a análise de regressão fosse realizada. Depois procedeu-se a análise dos resíduos, para posteriormente elaborar o gráfico de controle de regressão, sendo possível observar que alguns pontos apresentavam-se fora 7
8 dos limites de controle demonstrando que o método de produção das máquinas apresenta falhas e com isso, acaba produzindo uma quantidade de sucatas elevada para o número de máquinas produzidas no período. Com a tendência de novas tecnologias e novos processos de trabalho, a implantação do Lean Manufacturing, dentro da empresa, abre espaços importantes e significativos para a redução de desperdícios através de técnicas de avaliação que, aliadas aos gráficos de controle, permitem perceber a inconstância dos processos, seja por fatores internos ou externos à empresa. Os custos de qualidade e o Lean Manufacturing estão diretamente ligados, devendo-se ao fato de que, com a implantação do sistema Lean Manufacturing, a empresa procura fazer melhorias nos seus processos e com estas melhorias a qualidade do produto tende a aumentar. Com o Lean Manufacturing o processo de montagem é feito da melhor forma possível, devido as alterações de layout, as melhorias ergonômicas, a forma de pagamento das peças, os componentes tendem a reduzir a probabilidade de serem danificados, o que, conseqüentemente, faz com que os índices de itens não-conformes, inspeção, retrabalho, reparos e falhas internas sejam reduzidos. Referências BOX, G.E.P. Feedback control by manual adjustment. Quality Engineering, 4(1), p , BOX, G.E.P.; KRAMER, T. Statistical process monitoring and feedback adjustment - A discussion. Technometrics, August, v. 34, p , BOX, G.E.P.; LUCEÑO, A. Discrete proporcional-integral adjustment and statistical process control. Journal of Quality Technology, July, v. 29, n.3, p , 1997a..Statistical control by monitoring and feedback adjustment. John Wiley & Sons, Inc. NY, 1997b. CONOVER, W.J. Practical Nonparametric statistics. 3.ed. John Wiley and Sons, Inc CROSBY, P.B. Qualidade é investimento. 3. ed. Rio de Janeiro: José Olympio, ENDERS, W. Applied econometric time series. Wiley series in probability and mathematical statistics. John Wiley and Sons, Inc., New York. N.Y FEIGENBAUM, A.V.Controle da Qualidade Total: Gestão e Sistemas. Trad de Regina Cláudia Laverri. São Paulo, Makron Books, v1. HILL, C.; GRIFFITHS, W.; JUDGE, G. Econometria. São Paulo: Saraiva, INTRILIGATOR, M.D.; BODKIN, R.G.; HSIAO, C. Econometrics models, techniques, and applications. Upper Saddle River: Prentice Hall, JACOBI, L.F.; MENDONÇA, A.M.; PEREIRA, J.E.S. Gráfico de controle de regressão aplicado na monitoração de processos. Revista Produção, KMENTA, J. Elementos de econometria: teoria econométrica básica. 2.ed. São Paulo: Atlas, 1988, v.1-2. MADDALA, G.S. Introduction to econometrics. 2.ed. Englewood Cliffs: Prentice Hall, MANDEL, B.J. The regression control chart. Journal of Quality Technology, v.1, n.1, p.1-9, MONTGOMERY, D.C. Introduction to statistical quality control. 3 ed. New York: Jonh Wiley & Sons, Inc ROBLES, A. Jr. Custos da qualidade: uma estratégia para a competição global. São Paulo: Atlas, RYAN, T.P. Statistical Methods for quality improvement. John Wiley & Sons, Inc. New York, NY, SOUZA, A.M.; JACOBI, L.F.; PEREIRA, J.E. Gráficos de Controle de Regressão Usando o Statistica. Florianópolis:VisualBooks,
Modelagem 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 maisAnálise de Regressão
Análise de Regressão Tópicos em Avaliação de Desempenho de Sistemas Aline Oliveira Camila Araujo Iure Fé Janailda aso2@cin.ufpe.br cga2@cin.ufpe.br isf2@cin.ufpe.br jbs4@cin.ufpe.br Agenda Parte I: Contextualização
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 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 maisEngenharia da Qualidade. Profa. Luciana Rosa Leite
Engenharia da Qualidade Profa. Luciana Rosa Leite Unidade 1 Introdução à Engenharia Da Qualidade 1.1 Evolução da Gestão da Qualidade 1.2 Revisão de conceitos estatísticos Exercícios Evolução da Gestão
Leia maisContabilometria. Aula 9 Regressão Linear Inferências e Grau de Ajustamento
Contabilometria Aula 9 Regressão Linear Inferências e Grau de Ajustamento Interpretação do Intercepto e da Inclinação b 0 é o valor estimado da média de Y quando o valor de X é zero b 1 é a mudança estimada
Leia maisDeterminação da Estabilidade de Variáveis de Produção Utilizando a Metodologia VAR e Gráficos de Controle Multivariados
48 Determinação da Estabilidade de Variáveis de Produção Utilizando a Metodologia VAR e Gráficos de Controle Multivariados Determination of the Stability of Production Variables Using the VAR Methodology
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 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 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 maisExemplo de uso da Análise de Variância na Fase de Análise. do Ciclo PDCA para Melhorar Resultados
Exemplo de uso da Análise de Variância na Fase de Análise do Ciclo PDCA para Melhorar Resultados 1 Uma indústria produz molas de aço, as quais têm a dureza como uma de suas principais características da
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 maisAnálise da Regressão. Prof. Dr. Alberto Franke (48)
Análise da Regressão Prof. Dr. Alberto Franke (48) 91471041 O que é Análise da Regressão? Análise da regressão é uma metodologia estatística que utiliza a relação entre duas ou mais variáveis quantitativas
Leia maisAnálise de regressão associada ao controle estatístico de processo aplicado na produção de cerâmicas
Análise de regressão associada ao controle estatístico de processo aplicado na produção de cerâmicas Luis Felipe Dias Lopes (UFSM) lflopes@smail.ufsm.br Enio Junior Seidel (UFSM) ejrseidel@hotmail.com
Leia maisMENSURAÇÃO DOS CUSTOS DA QUALIDADE - FALHA INTERNA
! "#$ " %'&)(*&)+,.- /10.2*&4365879&4/1:.+58;.2*=?5.@A2*3B;.- C)D 5.,.5FE)5.G.+ &4- (IHJ&?,.+ /?=)5.KA:.+5MLN&OHJ5F&4E)2*EOHJ&)(IHJ/)G.- D - ;./);.& MENSURAÇÃO DOS CUSTOS DA QUALIDADE - FALHA INTERNA
Leia maisENGENHARIA DA QUALIDADE A ENG AULA 1 APRESENTAÇÃO DA DISCIPLINA
ENGENHARIA DA QUALIDADE A ENG 09008 AULA 1 APRESENTAÇÃO DA DISCIPLINA PROFESSORES: CARLA SCHWENGBER TEN CATEN ROGÉRIO FEROLDI MIORANDO KARINA ROSSINI Objetivos da disciplina Permitir aos alunos o entendimento
Leia maisCONCEITOS FUNDAMENTAIS
CONCEITOS FUNDAMENTAIS ECONOMETRIA É a aplicação de métodos estatísticos e matemáticos na análise de dados econômicos com o propósito de dar conteúdo empírico a teorias econômicas e confirmá-las ou não.
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 maisControle - 3. Realizar o Controle da Qualidade Relatório de Desempenho. Mauricio Lyra, PMP
Controle - 3 Realizar o Controle da Qualidade Relatório de Desempenho 1 Realizar o Controle da Qualidade Preocupa-se com o monitoramento dos resultados do trabalho, a fim de verificar se estão sendo cumpridos
Leia maisCORRELAÇÃO E REGRESSÃO. Modelos Probabilísticos para a Computação Professora: Andréa Rocha. UNIVERSIDADE FEDERAL DA PARAÍBA Dezembro, 2011
CORRELAÇÃO E REGRESSÃO CORRELAÇÃO E REGRESSÃO Modelos Probabilísticos para a Computação Professora: Andréa Rocha UNIVERSIDADE FEDERAL DA PARAÍBA Dezembro, 2011 CORRELAÇÃO Introdução Quando consideramos
Leia maisUFSM AJUSTE PROPORCIONAL INTEGRAL DISCRETO EM RELAÇÃO AOS DOIS ÚLTIMOS ERROS. Vanusa Andrea Casarin PPGEP. Santa Maria, RS, Brasil
2 2 UFSM PROPOSTA DE UMA METODOLOGIA DE MONITORAÇÃO E AJUSTE DE REALIMENTAÇÃO EM PROCESSOS PRODUTIVOS UNIVARIADOS Dissertação de Mestrado PROPOSTA DE UMA METODOLOGIA DE MONITORAÇÃO E AJUSTE DE REALIMENTAÇÃO
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 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 maisSTATISTICAL QUALITY CONTROL AND PROCESS CAPABILITY ANALYSIS FOR VARIABILITY REDUCTION OF THE TOMATO PASTE FILLING PROCESS
STATISTICAL QUALITY CONTROL AND PROCESS CAPABILITY ANALYSIS FOR VARIABILITY REDUCTION OF THE TOMATO PASTE FILLING PROCESS Grupo 4: André Andrejewski, Gregóryo Pacheco, Jessica Santos e Marina Costa CE219
Leia maisAULA 09 Regressão. Ernesto F. L. Amaral. 17 de setembro de 2012
1 AULA 09 Regressão Ernesto F. L. Amaral 17 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario F. 2008. Introdução à
Leia maisRelações lineares entre caracteres de tremoço branco
Relações lineares entre caracteres de tremoço branco Alberto Cargnelutti Filho 1 Marcos Toebe 2 Cláudia Burin 2 Bruna Mendonça Alves 2 Giovani Facco 2 Gabriele Casarotto 3 1 - Introdução Por apresentar
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 mais5 Referências bibliográficas
5 Referências bibliográficas COOK, R.D. e WEISBERG, S. (1999). Applied Regression Including Computing and Graphics, John Wiley & Sons, New York, NY. LEE, Y. e NELDER, J.A. (1998). Generalized Linear Models
Leia maisQualidade na empresa. Fundamentos de CEP. Gráfico por variáveis. Capacidade do processo. Gráficos por atributos. Processos.
Roteiro da apresentação 1 Controle de Qualidade Lupércio França Bessegato 2 3 4 UFMG Especialização em Estatística Setembro/2008 5 6 7 8 Gráfico de Controle de Shewhart Hipóteses do gráfico de controle
Leia maisAnálise de Regressão EST036
Análise de Regressão EST036 Michel Helcias Montoril Instituto de Ciências Exatas Universidade Federal de Juiz de Fora Regressão sem intercepto; Formas alternativas do modelo de regressão Regressão sem
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 maisCONTROLE ESTATÍSTICO DO PROCESSO: ABORDAGEM MULTIVARIADA PARA MEDIDAS INDIVIDUAIS
CONTROLE ESTATÍSTICO DO PROCESSO: ABORDAGEM MULTIVARIADA PARA MEDIDAS INDIVIDUAIS Liane Werner Departamento de Estatística / UFRGS Av. Bento Gonçalves, 9500 - Porto Alegre -RS E-mail: WERNER@MAT.UFRGS.BR
Leia maisCorrelação e Regressão Linear
Correlação e Regressão Linear Prof. Marcos Vinicius Pó Métodos Quantitativos para Ciências Sociais CORRELAÇÃO LINEAR Coeficiente de correlação linear r Mede o grau de relacionamento linear entre valores
Leia maisCONTROLE ESTATÍSTICO DE PROCESSOS
Ferramentas da Qualidade CONTROLE ESTATÍSTICO DE PROCESSOS CONTROLE ESTATÍSTICO DE PROCESSOS (3/4) Gráficos de controle Gráfico de controle de variáveis Gráfico de controle de atributos Gráficos de Controle
Leia maisCORRELAÇÃO E REGRESSÃO
CORRELAÇÃO E REGRESSÃO Permite avaliar se existe relação entre o comportamento de duas ou mais variáveis e em que medida se dá tal interação. Gráfico de Dispersão A relação entre duas variáveis pode ser
Leia maisEngenharia da Qualidade. Introdução à Engenharia de Produção
Engenharia da Qualidade Introdução à Engenharia de Produção 1 O que é qualidade? A qualidade de um produto pode ser avaliada de várias maneiras. Definição Tradicional Significa Adequação ao Uso Definição
Leia maisIndicadores de Desempenho
Indicadores de Desempenho 1 Conceito Características mensuráveis de processos, produtos ou serviços, utilizadas pela organização para acompanhar, avaliar e melhorar o seu desempenho. OS INDICADORES NECESSITAM
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 maisUniversidade Federal do Paraná (UFPR) Bacharelado em Informática Biomédica. Regressão. David Menotti.
Universidade Federal do Paraná (UFPR) Bacharelado em Informática Biomédica Regressão David Menotti www.inf.ufpr.br/menotti/ci171-182 Hoje Regressão Linear ( e Múltipla ) Não-Linear ( Exponencial / Logística
Leia maisGerenciamento Dimensional de Produtos
Formação Avançada em Metrologia 3D Gerenciamento Dimensional de Produtos O Gerenciamento corresponde ao conjunto de operações sistêmicas destinadas a prever, evitar e reduzir a ocorrência de variações
Leia maisRegressão. PRE-01 Probabilidade e Estatística Prof. Marcelo P. Corrêa IRN/Unifei
Regressão PRE-01 Probabilidade e Estatística Prof. Marcelo P. Corrêa IRN/Unifei Regressão Introdução Analisar a relação entre duas variáveis (x,y) através da equação (equação de regressão) e do gráfico
Leia mais17/04/ PLANO DE AMOSTRAGEM - CONTROLE DE PROCESSO AMOSTRAGEM OBJETIVOS: PLANO DE AMOSTRAGEM. O que deve ser analisado PARA REALIZAR AMOSTRAGEM
- PLANO DE AMOSTRAGEM - CONTROLE DE PROCESSO Profa. Ms. Priscila Torres AMOSTRA Porção do material separado, seguindo o procedimento de amostragem definido. A quantidade retirada deve ser suficiente para
Leia maisTEXTO: Natasha THOMAS e Dayana COSTA. Ambiente Construído, Porto Alegre, v. 17, n. 4, Oct. Dec
EXAME DE PROFICIÊNCIA EM INGLÊS CONSTRUÇÃO SUSTENTÁVEL / PRODUÇÃO DO AMBIENTE CONSTRUÍDO TEXTO: Natasha THOMAS e Dayana COSTA. Ambiente Construído, Porto Alegre, v. 17, n. 4, Oct. Dec. 2017. Quais são
Leia maisCapítulo 3. O Modelo de Regressão Linear Simples: Especificação e Estimação
Capítulo 3 O Modelo de Regressão Linear Simples: Especificação e Estimação Introdução Teoria Econômica Microeconomia: Estudamos modelos de oferta e demanda (quantidades demandadas e oferecidas dependem
Leia maisANÁLISE COMPARATIVA DE CARTAS DE CONTROLE PARA DADOS DE ATRIBUTOS NÃO- CONFORMES
ANÁLISE COMPARATIVA DE CARTAS DE CONTROLE PARA DADOS DE ATRIBUTOS NÃO- CONFORMES Izabelle Cristine Hannemann de Freitas (PUCPR ) izabelle-hannemann@hotmail.com Lee Vinagre Monteiro (PUCPR ) lee_vinagre@hotmail.com
Leia mais4 Capabilidade de Processos
4 Capabilidade de Processos Cp, Cpk 4.1. INTRODUÇÃO AO CONTROLE ESTATÍSTICO DE PROCESSO (CEP) Na natureza não existem dois exemplares exatamente iguais da mesma coisa. Há alguma variabilidade em toda parte,
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 maisHoje vamos analisar duas variáveis quantitativas conjuntamente com o objetivo de verificar se existe alguma relação entre elas.
Correlação e Regressão Hoje vamos analisar duas variáveis quantitativas conjuntamente com o objetivo de verificar se existe alguma relação entre elas. Vamos 1. definir uma medida de associação entre duas
Leia maisDefinição Há correlação entre duas variáveis quando os valores de uma variável estão relacionados, de alguma maneira, com os valores da outra variável
Correlação Definição Há correlação entre duas variáveis quando os valores de uma variável estão relacionados, de alguma maneira, com os valores da outra variável Exemplos Perímetro de um quadrado e o tamanho
Leia maisREGRESSÃO LINEAR SIMPLES
REGRESSÃO LINEAR SIMPLES Prof. Tiago Viana Flor de Santana www.uel.br/pessoal/tiagodesantana/ tiagodesantana@uel.br sala 07 Universidade Estadual de Londrina UEL Departamento de Estatística DSTA Sumário
Leia maisAplicação da análise de regressão na contabilidade do custo de produção do milho
Aplicação da análise de regressão na contabilidade do custo de produção do milho Janser Moura Pereira 1 Quintiliano Siqueira Schroden Nomelini 1 Andréa Clélia da Rocha Moura 2 Nathane Eva dos Santos Peixoto
Leia maisIntrodução ao modelo de Regressão Linear
Introdução ao modelo de Regressão Linear Prof. Gilberto Rodrigues Liska 8 de Novembro de 2017 Material de Apoio e-mail: gilbertoliska@unipampa.edu.br Local: Sala dos professores (junto ao administrativo)
Leia maisSERVIÇO PÚBLICO FEDERAL MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL RURAL DO SEMI-ÁRIDO PRO-REITORIA DE GRADUAÇÃO PROGRAMA GERAL DE DISCIPLINA
SERVIÇO PÚBLICO FEDERAL MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL RURAL DO SEMI-ÁRIDO PRO-REITORIA DE GRADUAÇÃO PROGRAMA GERAL DE DISCIPLINA IDENTIFICAÇÃO (20140206) CURSOS A QUE ATENDE MEDICINA VETERINARIA
Leia maisPrincípios em Planejamento e Análise de Dados Ecológicos. Regressão linear. Camila de Toledo Castanho
Princípios em Planejamento e Análise de Dados Ecológicos Regressão linear Camila de Toledo Castanho 217 Conteúdo da aula 1. Regressão linear simples: quando usar 2. A reta de regressão linear 3. Teste
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.
Leia maisEVOLUÇÃO DA DÍVIDA PÚBLICA MOBILIÁRIA FEDERAL INTERNA NO BRASIL DE 1995 A 2002
EVOLUÇÃO DA DÍVIDA PÚBLICA MOBILIÁRIA FEDERAL INTERNA NO BRASIL DE 1995 A 2002 Vanessa Lucas Gonçalves 1 Sérgio Luiz Túlio 2 RESUMO Este artigo tem por objetivo analisar a evolução da Dívida Pública Mobiliária
Leia maisAula 14. Controle Total da Qualidade EAD 762
Aula 14 Os consumidores percebem maior risco na compra de serviços do que na compra de produtos Controle Total da Qualidade Os consumidores usam o preço e evidências EAD 762 físicas como as maiores pistas
Leia maisCorrelação e Regressão
Correlação e Regressão Exemplos: Correlação linear Estudar a relação entre duas variáveis quantitativas Ou seja, a força da relação entre elas, ou grau de associação linear. Idade e altura das crianças
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 maisMÉTODOS QUANTITATIVOS APLICADOS. Prof. Danilo Monte-Mor
MÉTODOS QUANTITATIVOS APLICADOS Prof. Danilo Monte-Mor Métodos Quantitativos Aulas 1 e 2 Análise Exploratória de Dados 2 Danilo Soares Monte Mor Currículum Vitae Prof. Dr. e especialista em Métodos Quantitativos
Leia maisEngenharia da Qualidade II. Prof. Fabrício Maciel Gomes Departamento de Engenharia Química Escola de Engenharia de Lorena EEL
Engenharia da Qualidade II Prof. Fabrício Maciel Gomes Departamento de Engenharia Química Escola de Engenharia de Lorena EEL Objetivo de um Processo Produzir um produto que satisfaça totalmente ao cliente.
Leia maisAnálise de regressão linear simples. Diagrama de dispersão
Introdução Análise de regressão linear simples Departamento de Matemática Escola Superior de Tecnologia de Viseu A análise de regressão estuda o relacionamento entre uma variável chamada a variável dependente
Leia maisMétodos Quantitativos
Métodos Quantitativos Prof. Edson Nemer Site: www.professornemer.com Ementa Introdução ao Controle Estatístico de Processos Revisão de Conceitos Básicos de Estatística Distribuição de Frequências e Histogramas
Leia maisMódulo 16- Análise de Regressão
Módulo 6 Análise de Regressão Módulo 6- Análise de Regressão Situação Problema Um grupo de investidores estrangeiros deseja aumentar suas atividades no Brasil. Considerando a conjuntura econômica de moeda
Leia maisGERAÇÃO DE UM ÍNDICE DE FERTILIDADE PARA DEFINIÇÃO DE ZONAS DE MANEJO EM AGRICULTURA DE PRECISÃO
GERAÇÃO DE UM ÍNDICE DE FERTILIDADE PARA DEFINIÇÃO DE ZONAS DE MANEJO EM AGRICULTURA DE PRECISÃO ¹L.M.Gimenez, ²J.P. Molin (orientador): Departamento de Engenharia Rural ESALQ/USP RESUMO: A realização
Leia maisNOÇÕES SOBRE EXPERIMENTOS FATORIAIS
3 NOÇÕES SOBRE EXPERIMENTOS FATORIAIS Planejamento de Experimentos Design of Experiments - DOE Em primeiro lugar devemos definir o que é um experimento: Um experimento é um procedimento no qual alterações
Leia maisANÁLISE ESTATÍSTICA DA RELAÇÃO ENTRE A ATITUDE E O DESEMPENHO DOS ALUNOS
ANÁLISE ESTATÍSTICA DA RELAÇÃO ENTRE A ATITUDE E O DESEMPENHO DOS ALUNOS Nível de significância No processo de tomada de decisão sobre uma das hipóteses levantadas num estudo, deve-se antes de tudo definir
Leia maisAnálise de Regressão Linear Simples e
Análise de Regressão Linear Simples e Múltipla Carla Henriques Departamento de Matemática Escola Superior de Tecnologia de Viseu Introdução A análise de regressão estuda o relacionamento entre uma variável
Leia maisMódulo 5 Capacidade do processo, etapas para implantação do CEP e as ferramentas utilizadas em conjunto com o CEP
Módulo 5 Capacidade do processo, etapas para implantação do CEP e as ferramentas utilizadas em conjunto com o CEP Capacidade do processo Após verificar se um processo está estável, sob controle estatístico
Leia maisPROGRAMA DE ENSINO DE DISCIPLINA Matriz Curricular - Resolução UNESP nº. 158, de 05/12/2012.
PROGRAMA DE ENSINO DE DISCIPLINA Matriz Curricular - Resolução UNESP nº. 158, de 05/12/2012. Unidade Universitária: Curso: Engenharia de Bioprocessos e Biotecnologia Departamento Responsável: Departamento
Leia maisREGRESSÃO E CORRELAÇÃO
Vendas (em R$) Disciplina de Estatística 01/ Professora Ms. Valéria Espíndola Lessa REGRESSÃO E CORRELAÇÃO 1. INTRODUÇÃO A regressão e a correlação são duas técnicas estreitamente relacionadas que envolvem
Leia maisTutorial para o desenvolvimento das Oficinas
Tutorial para o desenvolvimento das Oficinas 1 Métodos Quantitativos Profa. Msc. Regina Albanese Pose 2 Objetivos Objetivo Geral Este tutorial tem como objetivo parametrizar o desenvolvimento da oficina
Leia maisMais Informações sobre Itens do Relatório
Mais Informações sobre Itens do Relatório Amostra Tabela contendo os valores amostrados a serem utilizados pelo método comparativo (estatística descritiva ou inferencial) Modelos Pesquisados Tabela contendo
Leia mais'HVFULomRH$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 maisUNIVERSIDADE FEDERAL DE UBERLÂNDIA FACULDADE DE CIÊNCIAS CONTÁBEIS PROGRAMA DE PÓS GRADUAÇÃO EM CIÊNCIAS CONTÁBEIS - PPGCC FICHA DE DISCIPLINA
FICHA DE DISCIPLINA Disciplina Métodos Quantitativos II Código PPGCC Carga Horária 60 Créditos 4 Tipo: Optativa OBJETIVOS Discutir com os alunos um conjunto de instrumentos estatísticos de pesquisa, necessários
Leia maisCap. 13 Correlação e Regressão
Estatística Aplicada às Ciências Sociais Sexta Edição Pedro Alberto Barbetta Florianópolis: Editora da UFSC, 2006 Cap. 13 Correlação e Regressão Correlação X e Y variáveis quantitativas X Y Correlação
Leia mais5. Carta de controle e homogeneidade de variância
5. Carta de controle e homogeneidade de variância O desenvolvimento deste estudo faz menção a dois conceitos estatísticos: as cartas de controle, de amplo uso em controle estatístico de processo, e a homogeneidade
Leia mais1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 2019 Estatística Descritiva e Análise Exploratória Etapas iniciais. Utilizadas para descrever e resumir os dados. A disponibilidade de uma grande quantidade
Leia mais9 Correlação e Regressão. 9-1 Aspectos Gerais 9-2 Correlação 9-3 Regressão 9-4 Intervalos de Variação e Predição 9-5 Regressão Múltipla
9 Correlação e Regressão 9-1 Aspectos Gerais 9-2 Correlação 9-3 Regressão 9-4 Intervalos de Variação e Predição 9-5 Regressão Múltipla 1 9-1 Aspectos Gerais Dados Emparelhados há uma relação? se há, qual
Leia maisCopyright Proibida Reprodução. Prof. Éder Clementino dos Santos
Controle da Qualidade Total (CQT) Histórico Pré-história * Rebuscar ferramentas de caça Idade Média * Guildas - instituíam punições para os membros que produziam produtos de qualidade inferior; * Reis
Leia maisUMA ANÁLISE ECONOMÉTRICA DO ICMS *
UMA ANÁLISE ECONOMÉTRICA DO ICMS * Carlos Eduardo S. Marino ** * Trabalho de conclusão da disciplina de Econometria I, ministrada pelos professores Ivan Castelar e Vitor Monteiro, realizada no primeiro
Leia maisCE219 - Controle Estatístico de Qualidade
CE219 - Controle Estatístico de Qualidade Cesar Augusto Taconeli 30 de maio, 2017 Cesar Augusto Taconeli CE219 - Controle Estatístico de Qualidade 30 de maio, 2017 1 / 24 Aula 1 - Introdução Cesar Augusto
Leia maisModelos de Regressão Linear Simples parte I
Modelos de Regressão Linear Simples parte I Erica Castilho Rodrigues 27 de Setembro de 2017 1 2 Objetivos Ao final deste capítulo você deve ser capaz de: Usar modelos de regressão para construir modelos
Leia maisRELAÇÃO DO TEOR DE UMIDADE COM O CONSUMO DO COMBUSTÍVEL BPF NO PROCESSO DE SECAGEM DA MADEIRA EM UMA AGROINDÚSTRIA
RELAÇÃO DO TEOR DE UMIDADE COM O CONSUMO DO COMBUSTÍVEL BPF NO PROCESSO DE SECAGEM DA MADEIRA EM UMA AGROINDÚSTRIA Fabiane de Souza Bueno 1, Gislaine Cristina Batistela 2 1 Faculdade de Tecnologia de Botucatu,
Leia maisQUALIDADE Grau até o qual um conjunto de características satisfaz as necessidades! Cumprimento dos requisitos pré determinados no Escopo do projeto;
SETOR DE TECNOLOGIA UNIVERSIDADE FEDERAL DO DEPARTAMENTO DE CONSTRUÇÃO CIVIL Prof.ª: MSc.: Heloisa Fuganti Campos 2 COMPETITIVIDADE NA CONSTRUÇÃO CIVIL INTRODUÇÃO SATISFAÇÃO DOS CLIENTES! INTRODUÇÃO INTRODUÇÃO
Leia maisINTRODUÇÃO INTRODUÇÃO INTRODUÇÃO ISO 9001 ISO /03/2015 QUALIDADE! GERENCIAMENTO DE PROJETOS GESTÃO DE QUALIDADE
UNIVERSIDADE FEDERAL DO PARANÁ DEPARTAMENTO DE CONSTRUÇÃO CIVIL INTRODUÇÃO 2 GERENCIAMENTO DE PROJETOS Prof.: Heloisa Campos COMPETITIVIDADE NA CONSTRUÇÃO CIVIL SATISFAÇÃO DOS CLIENTES! INTRODUÇÃO INTRODUÇÃO
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 maisMEDIDAS DE DISPERSÃO. Professor Jair Wyzykowski. Universidade Estadual de Santa Catarina
MEDIDAS DE DISPERSÃO Professor Jair Wyzykowski Universidade Estadual de Santa Catarina Introdução INTRODUÇÃO A variabilidade entre elementos em torno do centro da distribuição é chamada medida de dispersão.
Leia maisMAE532 Controle Estatístico de Qualidade
Exercício 1. O número de interruptores não-conformes em amostras de tamanho 150 são mostrados na planilha Lista 6 2013.xls. Construa um gráfico de controle para a fração não-conforme para esses dados.
Leia maisModelos de Regressão Linear Simples - parte I
Modelos de Regressão Linear Simples - parte I Erica Castilho Rodrigues 19 de Agosto de 2014 Introdução 3 Objetivos Ao final deste capítulo você deve ser capaz de: Usar modelos de regressão para construir
Leia maisFICHA DE COMPONENTE CURRICULAR
UNIVERSIDADE FEDERAL DE UBERLÂNDIA PROGRAMA DE PÓS-GRADUAÇÃO EM ADMINISTRAÇÃO FICHA DE COMPONENTE CURRICULAR CÓDIGO: FAGEN41037 COMPONENTE CURRICULAR: Tópicos Especiais IV em Gestão Organizacional e Regionalidade
Leia maisTeoria da Correlação. Luiz Carlos Terra
Luiz Carlos Terra Você poderá, através de cálculos matemáticos, verificar a forma como a variação de um dado observado pode estar associada às alterações de outra variável. (Luiz Carlos Terra) 1 Objetivo
Leia maisCEP: Controle Estatístico de Processo
CEP: Controle Estatístico de Processo CEP: Controle Estatístico de Processos CEP (SPC Statistical Process Control) é uma técnica estatística para verificar a qualidade de um produto, durante o processo
Leia maisÍndices de capacidade do processo: comparação entre índices tradicionais e índices para gráficos de controle de regressão
Índices de capacidade do processo: comparação entre índices tradicionais e índices para gráficos de controle de regressão Fernanda Siqueira Souza (PPGEP/UFRGS) fe_ssouza@producao.ufrgs.br Danilo Cuzzuol
Leia maisEstatística Computacional (Licenciatura em Matemática) Duração: 2h Exame 14/06/10 NOME:
DEPARTAMENTO DE MATEMÁTICA DA UNIVERSIDADE DE COIMBRA Estatística Computacional (Licenciatura em Matemática) Duração: 2h Exame 14/06/10 NOME: Observação: A resolução completa das perguntas inclui a justificação
Leia maisFerramentas de gestão da Qualidade parte 2
Departamento de Gestão e Economia - DAGEE Ferramentas de gestão da Qualidade parte 2 Prof. Francisco R. Lima Jr. eng.franciscojunior@gmail.com Roteiro da aula Mais algumas ferramentas da qualidade: Poka
Leia maisEngenharia da Qualidade I Aula 5
Engenharia da Qualidade I Aula 5 Ferramentas para o Controle e Melhoria da Qualidade Prof. Geronimo Virginio Tagliaferro 4 Diagrama de causa e efeito (diagrama de Ishikawa) O diagrama de causa e efeito
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 maisPrevisão de Séries Temporais utilizando Métodos Estatísticos
Previsão de Séries Temporais utilizando Métodos Estatísticos Elisângela Lopes de Faria (a) Marcelo Portes Albuquerque (a) Jorge Luis González Alfonso (b) Márcio Portes Albuquerque (a) José Thadeu Pinto
Leia maisREGRESSÃO LINEAR Parte I. Flávia F. Feitosa
REGRESSÃO LINEAR Parte I Flávia F. Feitosa BH1350 Métodos e Técnicas de Análise da Informação para o Planejamento Julho de 2015 Onde Estamos Para onde vamos Inferência Esta5s6ca se resumindo a uma equação
Leia mais