UMA ABORDAGEM GEOMÉTRICA PARA ILUSTRAR O EFEITO DA AUTOCORRELAÇÃO NO GRÁFICO DE CONTROLE T2 DE HOTELLING
|
|
- Sandra Barroso Beretta
- 5 Há anos
- Visualizações:
Transcrição
1 Curitiba, PR, Brasil, 07 a 0 de outubro de 04. UMA ABORDAGEM GEOMÉTRICA PARA ILUSTRAR O EFEITO DA AUTOCORRELAÇÃO NO GRÁFICO DE CONTROLE T DE HOTELLING Roberto Campos Leoni (UNESP ) rcleoni@yahoo.com.br Antonio Fernando Branco Costa (UNESP ) fbranco@feg.unesp.br Marcela Aparecida Guerreiro Machado (UNESP ) marcelagmachado@yahoo.com.br Um gráfico de controle é uma das técnicas principais do controle estatístico de processos e o emprego desta técnica pressupõe a ausência de autocorrelação entre os dados da(s) característica(s) de qualidade mensurada(s). Este artigo estuda o efeito da autocorrelação e da correlação no gráfico T de Hotelling quando há duas características de qualidade X e Y, cuja estrutura de correlação e autocorrelação é representada por um modelo VAR(). Utilizando-se uma abordagem geométrica com elipses, os resultados advertem que a presença autocorrelação reduz o desempenho do gráfico de T, restringindo a capacidade do gráfico em sinalizar uma causa especial que esteja atuando no processo. Alguns exemplos são apresentados para ilustrar o efeito prejudicial ao gráfico de T quando a autocorrelação está presente no processo. Palavras-chaves: autocorrelação, gráfico T de Hotelling, modelo VAR (), controle estatístico de processos
2 Curitiba, PR, Brasil, 07 a 0 de outubro de 04.. Introdução Uma das hipóteses básicas para uso de gráficos de controle é a independência entre observações ao longo do tempo. Porém, em muitos processos, medidas da característica de qualidade de itens vizinhos, segundo o instante em que foram produzidos, podem apresentar algum grau de dependência entre as observações. Este fenômeno é denominado autocorrelação. De acordo com Mason e Young (00), muitas operações industriais de fluxo contínuo apresentam autocorrelação e uma das possíveis causas é o desgaste gradual de componentes críticos do processo. Kim et al. (00) afirmam que a hipótese de independência entre as observações de uma variável pode ser violada pelas altas taxas de produção que geram correlação e dependência entre as observações de produtos vizinhos segundo o instante de fabricação. A autocorrelação prejudica o desempenho dos gráficos de controle tradicionais (KALGONDA e KULKARNI, 004). Estudos recentes apresentam alternativas para monitorar esses tipos de processos. Du e Lv (03) propuseram um gráfico de controle baseado na distância euclidiana mínima para detectar desvios na média em processos autocorrelacionados. Lin et al. (0) consideraram o design econômico do gráfico de controle ARMA, utilizado em processos autocorrelacionados. Franco et al. (0) utilizaram o modelo AR() para descrever o comportamento oscilatório da média e apresentaram os parâmetros ótimos do gráfico de X usando o modelo de Duncan. Costa e Machado (0) também empregaram o modelo AR () para investigar o efeito do comportamento oscilatório da média no desempenho no gráfico de X com amostragem dupla. Com a intensão de reduzir o efeito negativo da autocorrelação no desempenho do gráfico de X, Costa e Castagliola (0) apresentaram uma técnica de amostragem sistemática denominada s skip. Sistemas modernos com tecnologia avançada e altas taxas de produção geraram processos complexos que são multidimensionais, ou seja, muitas características de qualidade são mensuradas e controladas. Pan e Jarret (0) descrevem alguns desses processos que podem apresentar observações correlacionadas e autocorrelacionadas. Hotelling (947) sugeriu o uso da estatística T para o monitoramento do vetor de médias em processos multivariados. Sete décadas após, Chen (007) e Chen e Hsieh (007)
3 Curitiba, PR, Brasil, 07 a 0 de outubro de 04. apresentaram os esquemas adaptativos que melhoram o desempenham do gráfico de T. De acordo com Hwarng e Wang (00), a autocorrelação aumenta a taxa de alarmes falsos, enquanto que a correlação diminui o poder do gráfico de controle. O feito combinado da autocorrelação e da correlação no desempenho do gráfico T é digno de investigação. Este artigo tem como objetivo avaliar graficamente o efeito da autocorrelação em duas características de qualidade mensuráveis X e Y quando existe correlação entre as observações de X e Y. O modelo VAR() foi adotado para representar a estrutura de correlação e autocorrelação. Considerou-se na avaliação que o deslocamento na média seja o mais importante em todo o processo e que o vetor de médias e a matriz de covariância sejam conhecidos ou estimados com precisão. O artigo está organizado da seguinte forma: na seção, descreve-se o modelo que representa as características de qualidade quando há autocorrelação no processo; Na seção 3 são apresentadas algumas características do gráfico T de Hotelling; O efeito da autocorrelação em processos bivariados é discutido e avaliado na seção 4 e, por fim, concluise acerca do trabalho na seção 5.. Modelo autorregressivo e a matriz de covariância cruzada Os procedimentos clássicos de controle em processos multivariados consideram a hipótese básica de que as observações seguem distribuição normal multivariada e sejam independentes, com vetor de médias μ 0 e matriz de variância-covariância. sendo: X =μ e t,,..., T () t 0 t X t representa as observações através de um vetor de ordem p x (p é o número de variáveis); e t são vetores aleatórios independentes de ordem p x com distribuição normal multivariada cuja média é zero e matriz de variância-covariância e. A hipótese de independência é violada em muitos processos de manufatura. Vetores autoregressivos de primeira ordem - VAR() são usados para modelar processos multivariados com correlação temporal entre observações de uma mesma variável e correlação entre observações de diferentes características de qualidade (MASTRANGELO e FORREST, 00; BILLER e NELSON, 003; KALGONDA e KULKARNI, 004; ARKAT 3
4 Curitiba, PR, Brasil, 07 a 0 de outubro de 04. e NIAKI, 007; JARRETT e PAN, 007; ISSAM e MOHAMAD, 008; PFAFF, 008; NIAKI e DAVOODI, 009; HWARNG e WANG, 00; KIM et al., 00; KALGONDA, 0). O modelo VAR() é representado por: X μ X μ ε () t ( t ) t sendo X ~ N μ, o vetor de observações de dimensão t p p no instante t (p é o número de variáveis), μ é o vetor de médias, ε t é um vetor aleatório com observações independentes e distribuição normal multivariada com média zero e matriz de covariância e é uma matriz com parâmetros de autocorrelação de ordem p p. De acordo com Kalgonda e Kulkarni (004), a matriz de correlação cruzada de X t possui a seguinte propriedade: obter a relação: '. Após alguma manipulação algébrica, é possível Vec I Vec (3) p onde é o operador produto de Kronecker e Vec é o operador que transforma a matriz em um vetor empilhando suas colunas. Para estudar o efeito da autocorrelação e correlação no gráfico de um processo bivariado (p=): T, considerou-se a 0 0 b ; (4) A partir de () e (3), segue-se que: a XY ab ab Y b X XY (5) 3. Gráfico de controle T de Hotelling O gráfico de controle T de Hotelling é um dos mais conhecidos esquemas de controle para detectar desvios na média de processos multivariados (HOTELLING, 947). 4
5 Curitiba, PR, Brasil, 07 a 0 de outubro de 04. Quando o vetor de médias, ) e a matriz são conhecidos, a estatística de monitoramento 0 ( 0 0 T de Hotelling é representada por: T ' (6) X X 0 0 Com o processo em controle, T ~ p. Se ocorrer uma causa especial que provoque a mudança no vetor de médias para, ), ( T ~ ( p, com parâmetro de não centralidade δ δ, sendo δ ( 0, 0), veja Wu e Makis (008). X Quando o vetor de médias e a matriz de covariâncias são desconhecidos e precisam ser estimados, os limites de controle são calculados de acordo com a fase de monitoramento (BERSIMIS et al., 007). Alguns autores utilizam o parâmetro de não centralidade ( ) como medida de deslocamento no vetor de médias do processo (ALT, 985; APARISI, 996; APARISI e HARO, 00; MASON e YOUNG, 00). Nesse caso, o desempenho do gráfico é medido por: Pr ( p LC, ) ARL (7) sendo: ARL o número médio de amostras até o sinal; LC o limite de controle do gráfico de O ARL mede o número médio de amostras até a ocorrência de um alarme falso se T. 0. Quando o processo está fora de controle, o gráfico com menor ARL detecta com maior rapidez mudança no processo. 4. Efeito da autocorrelação em processos bivariados O gráfico T de Hotelling foi criado para ser usado quando a hipótese de independência entre as observações de uma ou mais características de qualidade não é violada. Desconsiderar o efeito dessa hipótese é bastante prejudicial para o desempenho do gráfico de controle. Para estudar o efeito da autocorrelação, considerou-se a distância do vetor X ao vetor de médias μ denominada distância de Mahalanobis (MAHALANOBIS, 936). A distância de Mahalanobis é dada por: 5
6 Curitiba, PR, Brasil, 07 a 0 de outubro de 04. D ' (8) X X 0 0 A relação entre a matriz de covariância cruzada ( ) e os elementos das matrizes e é obtida utilizando a equação (3). Na presença de autocorrelação e correlação, a distância de Mahalanobis é dada por: D ' (9) X X 0 0 Sem perda de generalidade, considerando o caso bivariado em que, quando μ 0; 0 e o vetor xy ; X a distância a 0 0 b D equivale a: e D -a bx a b xy a x - a xy - ab y abx aby - b xy b y - x xy - y 3 3 ab - -a b a b a - ab b - (0) A equação (0) revela a influência de a,b e na distância D. Se ab 0, ou seja, 0 (não há autocorrelação), a distância D se reduz a: D (x -xy+y ) - () Quando não há autocorrelação, ou seja, os dados são independentes, D ~ ( p; ). Para avaliar o efeito da autocorrelação, utilizou-se no presente artigo o caso bivariado e = 0,0 ( ), sendo, neste caso, D 0,5966. ( p ; 0,0) O desempenho de um gráfico de controle pode ser avaliado em função do número de amostras que o gráfico utiliza para detectar um deslocamento na característica que se deseja monitorar. Quando não há deslocamento, o processo encontra-se em controle estatístico. Espera-se, neste caso, que o sinal dado pelo gráfico seja um alarme falso. O valor D 0,5966 equivale a um alarme falso, em média, para cada 00 amostras avaliadas quando é utilizado o gráfico T de Hotelling (COSTA et al., 008). Na avaliação gráfica do efeito da autocorrelação, considerou-se que o deslocamento seja do tipo δ ( 0, 0), ou seja, a ocorrência de uma causa especial 6
7 Curitiba, PR, Brasil, 07 a 0 de outubro de 04. desloca o vetor de médias 0; 0 μ ; 0 0 μ para um novo patamar Nas seções 4. e 4., realizou-se a avaliação do efeito da autocorrelação do processo em controle ( δ =0) e do processo fora de controle ( δ 0 ), respectivamente. 4. Avaliação gráfica do efeito da autocorrelação com o processo em controle Em um processo isento de autocorrelação, ab 0 e = 0,7, tem-se que D,9608 x,745xy,9608 y. A elipse que representa a curva de nível da distribuição para D 0,5966 é ilustrada na Figura. A Figura ilustra a curva de nível para ab 0,5 e = 0,7. y y x x Figura. Elipse: ab 0 e = 0,7. Figura. Elipse: ab 0,5 e = 0,7. Para a e b 0,0;0,;0, ;0,3;0, 4;0,5;0,6;0,7;0,8;0,9, pode-se observar na Figura 3 uma demonstração gráfica em que quanto maior for a autocorrelação, maior é a região elíptica, ou seja, se o processo está em controle e há autocorrelação nas variáveis, é necessário ajustar o limite de controle do gráfico, caso contrário, muitos alarmes falsos ocorrerão. 7
8 Curitiba, PR, Brasil, 07 a 0 de outubro de 04. y a = b 0,9 a = b 0,8 a = b 0, x a = b 0,0 Figura 3. Elipses: a e b 0, 0;0,;0, ;0,3;0, 4;0,5;0, 6;0, 7;0,8;0,9 e = 0,7. Se os dados são normalmente distribuídos, as elipses da Figura 3 representam todos os pontos equidistantes, na distância de Mahalanobis, da origem. Isto sugere que todos esses pontos têm a mesma probabilidade de serem regidas por uma distribuição normal multivariada com centro em (0,0), pois μ 0= 0. No gráfico controle (LC) igual a D T de Hotelling o limite de 0,5966, gera, em média, um alarme falso a cada 00 amostras coletadas quando ab 0. O mesmo não ocorre quando ab 0,0, ou seja, a taxa média de alarmes falsos não corresponde a um alarme a cada 00 amostras coletadas, mesmo que seja usado como LC o valor 0,5966. Isso significa na prática que, quando usamos o gráfico T de Hotelling, considerar o LC do gráfico com distribuição qui-quadrado com p graus de liberdade ( p) na presença de autocorrelação nos fornecerá uma taxa de alarmes falsos diferente da desejada. 4. Avaliação gráfica do efeito da autocorrelação com o processo fora de controle A Figura 4 ilustra um processo isento de autocorrelação com ab 0 e = 0,7. A elipse tracejada com centro em (0,0) representa um processo em controle e sua equação é D,9608 x,745xy,9608 y 0,5966. As demais elipses representam a ocorrência de uma causa especial que desloca o vetor de médias para um novo patamar: 8
9 Curitiba, PR, Brasil, 07 a 0 de outubro de 04. a) Deslocamento μ ; 0 0 ; sendo: D x xy x y y,9608,745,765,9608,765,765 0,5966 b) Deslocamento μ ; 0 0 ; sendo: D x xy x y y,9608,745,359,9608,359 4,7059 0,5966 c) Deslocamento 3 μ 3; ; sendo: D x xy x y y,9608,745 3,594,9608 3,594 0,588 0,5966 A Figura 5 ilustra um processo com autocorrelação com ab 0,7 e = 0,7. A elipse tracejada com centro em (0,0) representa um processo em controle e sua equação é: D x, 4xy y 0,06. O valor 0,06 foi usado para que fosse possível fazer um comparação justa que, na presença de autocorrelação, mantém a taxa média de alarmes falsos igual a um alarme a cada 00 amostras. As demais elipses representam a ocorrência de uma causa especial que desloca o vetor de médias para um novo patamar: a) Deslocamento μ ; 0 0 D x xy x y y ; sendo:, 4 0,8 0,8 0,054 0,06 b) Deslocamento μ ; 0 0 D x xy x y y ; sendo:, 4 0,36 0,36 0, 6 0,06 c) Deslocamento 3 μ 3; D x xy x y y ; sendo:, 4 0,54 0,54 0, 486 0,06 y 8 6 y x x Figura 4 - Elipses: ab 0 e = 0,7. Figura 5 - Elipses: ab 0,7 e = 0,7. 9
10 Curitiba, PR, Brasil, 07 a 0 de outubro de 04. Da Figura 4, observa-se que em processos sem autocorrelação o deslocamento no vetor de médias causado por uma causa especial é representado pelas elipses que se afastam do centro em (0,0), caracterizando que o gráfico T, nesse caso, apresenta desempenho superior em relação ao processo em que a autocorrelação está presente. Na Figura 5, as elipses apresentam maior resistência em se manter próxima ao centro em (0,0) quando ocorrem deslocamentos que desajustam o vetor de médias, significando que o desempenho do gráfico T é inferior quando há presença de autocorrelação. 4.3 Exemplo Dois tipos de processos bivariados foram simulados e o gráfico de T aplicado para controlar as variáveis desses processos. No primeiro processo: 0 (0;0) ; a=b=0,0; =0,7 e LC=0,5966 (ARL 0 =00). No segundo processo: 0 (0;0) ; a=b=0,7; =0,7 e LC=0,06 (ARL 0 =00). Três tipos de deslocamentos foram realizados no vetor de médias: δ (,0;,0), δ (,0;,0) e δ ( 3,0;3,0). As observações das variáveis do primeiro e segundo processos foram geradas com os modelos da equação () e equação (), respectivamente. As Figuras 6, 7 e 8 ilustram os resultados. Em cada gráfico de T, o processo sofre deslocamentos no vetor de médias a partir da amostra 50. Os resultados evidenciam que a autocorrelação diminui o poder do gráfico em detectar uma causa especial que atua no vetor de médias do processo. Resultados similares foram ilustrados nas Figuras 4 e 5. 0
11 Curitiba, PR, Brasil, 07 a 0 de outubro de 04. Figura 6 Gráficos T de Hotelling; δ (,0 ;,0). Figura 6 Gráficos T de Hotelling; δ (,0 ;,0).
12 Curitiba, PR, Brasil, 07 a 0 de outubro de 04. Figura 6 Gráficos T de Hotelling; δ ( 3,0 ; 3,0). 5. Conclusão Este artigo avaliou o efeito da autocorrelação no gráfico de controle de T por ser uma das ferramentas mais populares no meio acadêmico e industrial. A distância de Mahalanobis, mesma estatística utilizada no gráfico de T, foi empregada para representar geometricamente o comportamento de um processo na presença e ausência de causas especiais que afetam o valor médio das variáveis monitoradas. A violação da hipótese de autocorrelação afeta o desempenho do gráfico de reduzindo a capacidade em detectar desvios no vetor de médias. A utilização de elipses ilustrou como os dados de um processo se comportam na presença da autocorrelação, ou seja, mascarando o efeito do deslocamento no vetor de médias das variáveis. Os exemplos apresentados ilustraram a redução que ocorre no poder do gráfico de T, T em detectar a presença de uma causa especial que desloca o vetor de médias no processo. Sugere-se, em trabalhos futuros, a apresentação de estatísticas ou técnicas que aprimorem desempenho de gráficos de controle na presença de autocorrelação.
13 Curitiba, PR, Brasil, 07 a 0 de outubro de 04. REFERÊNCIAS ALT. F. B. Multivariate control charts. Encyclopedia of Statistical Sciences. Kotz. S. Johnson. N. L. Eds., Wiley APARISI. F. e HARO. C.L, Hotelling s T control chart with variable sampling intervals, International Journal of Production Research, Vol. 39. pp APARISI. F. Hotelling s T control chart with adaptive sample sizes, International Journal of Production Research, Vol. 34. pp ARKAT. J., NIAKI. S.T.A. e ABBASI. B. Artificial neural networks in applying MCUSUM residuals charts for AR() processes, Applied Mathematics and Computation, Vol. 89. pp BERSIMIS, S., PSARAKIS, S. e PANAREOS, J. Multivariate Statistical Process Control Charts: An Overview, Quality and Reliability Engineering International, Vol. 3, pp BILLER, B. e NELSON. B. Modeling and generating multivariate time-series input processes using a vector autoregressive technique, ACM Transactions on Modeling and Computer Simulation, Vol. 3. No.3. pp CHEN, Y. K. Adaptive sampling enhancement for Hotelling's T charts. European Journal of Operational Research, Vol. 78. No.3. pp CHEN, Y.K. e HSIEH, K.L. Hotelling s T charts with variable sample size and control limit. European Journal of Operational Research, Vol. 8. pp COSTA, A. F. B., EPPRECHT, E.K. e CARPINETI, L.C.R. Controle Estatístico de Qualidade. a. ed., São Paulo: Editora Atlas COSTA, A.F.B. e MACHADO, M.A.G. Variable parameter and double sampling X charts in the presence of correlation: The Markov chain approach Original Research Article. International Journal of Production Economics, Vol. 30. No.. pp COSTA, A.F.C. e CASTAGLIOLA, P. Effect of measurement error and autocorrelation on the X chart. Journal of Applied Statistics, Vol. 38. No. 4. pp DU, S. e LV, J. Minimal Euclidian distance chart based on support vector regression for monitoring mean shifts of auto-correlated processes. International Journal of Production Economics, Vol. 4. pp FRANCO, B.C., COSTA, A.F.B. e MACHADO, M.A.G. Economic-statistical design of the X chart used to control a wandering process mean using genetic algorithm. Expert Systems with Applications, Vol. 39. pp HOTELLING, H. Multivariate quality control illustrated by the air testing of samples bombs sights, in techniques of Statistical Analysis, C. Eisenhard, M.W. Hastay and W.A. Wallis, eds., Mc Graw Hill, New York, pp HWARNG. H.B. e WANG. Y. Shift detection and source identification in multivariate autocorrelated process, International Journal of Production Research, Vol. 48. No. 3. pp ISSAM. B.K. e MOHAMAD. L. Support vector regression based residual MCUSUM control chart for autocorrelated process, Applied Mathematics and Computation, Vol. 0. pp JARRET. J.E. e PAN. X. The quality control chart for monitoring multivariate autocorrelated processes, Computational Statistics & Data Analysis, Vol. 5. pp KALGONDA. A.A. A Note on generalization of Z Graph, Journal of Academia and Industrial Research, Vol.. No. 6. pp KALGONDA. A.A. e KULKARNI. S.R. Multivariate quality control chart for autocorrelated processes, Journal of Applied Statistics, Vol. 3. pp
14 Curitiba, PR, Brasil, 07 a 0 de outubro de 04. KIM. S.B., JITPITAKLERT. W. e SUKCHOTRAT. T. One-Class Classification-Based Control Charts for Monitoring Autocorrelated Multivariate Processes, Communications in Statistics - Simulation and Computation, Vol. 39. No.3. pp LIN, Y. C., CHOU, C. Y., Wang, S. L. e Liu, H. R. Economic design of autoregressive moving average control chart using genetic algorithms. Expert Systems with Applications, Vol. 39. pp MAHALANOBIS, P.C. In Proceedings National Institute of Science, India, Vol., No.. pp MASON. R. e YOUNG. J.C. Multivariate statistical process control with industrial applications. Alexandria. Sociey for Industrial and Applied Mathematics. 00. MASTRANGELO, C.M. e FORREST, D. R. Multivariate Autocorrelated Processes: Data and Shift Generation, Journal of Quality Technology, Vol. 34, No.. pp NIAKI. S.T.A. e DAVOODI. M. Designing a multivariate-multistage quality control system using artificial neural networks, International Journal of Production Research, Vol. 47. pp PAN, X. e JARRETT, J.E. Why and how to use vector autoregressive models for quality control: the guideline and procedures. Quality and Quantity, Vol. 6. No. 3. pp PAN. X. e JARRET. J.E. Using vector autoregressive residuals to monitor multivariate processes in the presence of serial correlation, International Journal of Production Economics, Vol. 06. pp PFAFF. B. VAR, SVAR and SVEC models: implementation within r package vars, Journal of Statistical Software, Vol. 7. No. 4. pp WU, J., MAKIS, V. Economic and economic-statistical design of a chi-square chart for CBM. European Journal of Operational, Vol. 88. No.. pp
UM MODELO DE REGRESSÃO LINEAR PARA OBTENÇÃO DO LIMITE DE CONTROLE DO GRÁFICO DE Z
UM MODELO DE REGRESSÃO LINEAR PARA OBTENÇÃO DO LIMITE DE CONTROLE DO GRÁFICO DE Z Roberto Campos Leoni (UNESP/AEDB ) rcleoni@yahoo.com.br Marcela Aparecida Guerreiro Machado (UNESP ) marcelagmachado@yahoo.com.br
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 maisMONITORING BIVARIATE PROCESSES WITH A SHEWHART CHART
MONITORING BIVARIATE PROCESSES WITH A SHEWHART CHART Antonio Fernando B. Costa Universidade Estadual Paulista, Faculdade de Engenharia de Guaratinguetá Campus de Guaratinguetá, São Paulo fbranco@feg.unesp.br
Leia maisO EFEITO DA AUTOCORRELAÇÃO NO DESEMPENHO DO GRÁFICO DE CONTROLE EWMA
O EFEITO DA AUTOCORRELAÇÃO NO DESEMPENHO DO GRÁFICO DE CONTROLE EWMA ROBERTO CAMPOS LEONI (UNESP) rcleoni@yahoo.com.br Antonio Fernando Branco Costa (UNESP) fbranco@feg.unesp.br Gráficos de controle são
Leia maisGRÁFICOS DE CONTROLE DE XBARRA PARA O MONITORAMENTO DE PROCESSOS AUTOCORRELACIONADOS COM REGRA ESPECIAL DE DECISÃO
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, 12 a15 de outubro
Leia maisROBERTO CAMPOS LEONI GRÁFICO DE HOTELLING COM ESQUEMAS ESPECIAIS DE AMOSTRAGEM PARA O MONITORAMENTO DE PROCESSOS BIVARIADOS AUTOCORRELACIONADOS
ROBERTO CAMPOS LEONI GRÁFICO DE HOTELLING COM ESQUEMAS ESPECIAIS DE AMOSTRAGEM PARA O MONITORAMENTO DE PROCESSOS BIVARIADOS AUTOCORRELACIONADOS Tese apresentada à Faculdade de Engenharia do Campus de Guaratinguetá,
Leia maisGRÁFICOS DE SHEWHART BASEADOS NA ESTATÍSTICA DE QUI- QUADRADO E COM REGRA ESPECIAL DE DECISÃO
7 a 3/9/5, Gramado, RS GRÁFICOS DE SHEWHART BASEADOS NA ESTATÍSTICA DE QUI- QUADRADO E COM REGRA ESPECIAL DE DECISÃO Marcela Aparecida Guerreiro Machado Departamento de Produção, UNESP Guaratinguetá, 1516-41,
Leia maisGRÁFICOS DE CONTROLE COM AMOSTRAGENS DUPLAS PARA O MONITORAMENTO DE PROCESSOS BIVARIADOS
GRÁFICOS DE CONTROLE COM AMOSTRAGENS DUPLAS PARA O MONITORAMENTO DE PROCESSOS BIVARIADOS Marcela A. G. Machado Departamento de Produção, UNESP Guaratinguetá, 56-40, SP, Brasil marcela@feg.unesp.br Antonio
Leia maisO efeito da autocorrelação no desempenho do gráfico de X e na produção de itens não conformes.
O efeito da autocorrelação no desempenho do gráfico de X e na produção de itens não conformes. Roberto Campos Leoni Antônio Fernando Branco Costa Marcela Aparecida
Leia maisUma Análise de Desempenho de Gráficos de Controle Multivariados. Rodrigo Luiz P. Lara 1, José Ivo Ribeiro Júnior 2, Rafael L. R.
ISSN: 2317-0840 Uma Análise de Desempenho de Gráficos de Controle Multivariados Rodrigo Luiz P. Lara 1, José Ivo Ribeiro Júnior 2, Rafael L. R. Oliveira 3 1,2 DET-UFV: Universidade Federal de Viçosa, Viçosa-MG.
Leia maisInfluência do Tamanho Amostral no Planejamento Econômico para Controle On-Line de Processo por Atributo com Erros de.
Influência do Tamanho Amostral no Planejamento Econômico para Controle On-Line de Processo por Atributo com Erros de 1. Introdução: Classificação Lupércio França Bessegato 1 Roberto da Costa Quinino 2
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 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 maisDESENVOLVIMENTO DE CARTAS DE CONTROLE DA QUALIDADE:MOTIVAÇÕES E INDICATIVOS DE PESQUISAS FUTURAS
DESENVOLVIMENTO DE CARTAS DE CONTROLE DA QUALIDADE:MOTIVAÇÕES E INDICATIVOS DE PESQUISAS FUTURAS Andre Luis Korzenowski (UNISINOS ) andre@korzenowski.com Wagner Augusto Muller (UNISINOS ) wagner.a.muler@hotmail.com
Leia maisO uso da estatística de qui-quadrado No
O uso da estatística de qui-quadrado No controle de processos Antônio Fernando Branco Costa FEG/UNESP, Avenida Ariberto Pereira da Cunha, 333, CEP 1516-410, Bairro do Pedregulho, Guaratinguetá, SP e-mail:
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 maisProposta de uma carta de controle estatístico de dados autocorrelacionados
Proposta de uma carta de controle estatístico de dados autocorrelacionados Fernando de Jesus Moreira Junior (UFRGS) fmjunior@ufrgs.br Carla Schwengber ten Caten (UFRGS) tencaten@producao.ufrgs.br Resumo
Leia maisREVISÃO E CLASSIFICAÇÃO DAS PRINCIPAIS LINHAS DE PESQUISAS SOBRE GRÁFICOS DE CONTROLE DESENVOLVIDAS NAS ÚLTIMAS DUAS DÉCADAS
João Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016 REVISÃO E CLASSIFICAÇÃO DAS PRINCIPAIS LINHAS DE PESQUISAS SOBRE GRÁFICOS DE CONTROLE DESENVOLVIDAS NAS ÚLTIMAS DUAS DÉCADAS Cassio Eduardo Faria Sobue
Leia maisO USO DA ESTATÍSTICA DE QUI-QUADRADO NO MONITORAMENTO DE PROCESSOS
O USO DA ESTATÍSTICA DE QUI-QUADRADO NO MONITORAMENTO DE PROCESSOS Antonio F. B. Costa UNESP, 56-4 Guaratinguetá, SP, fbranco@feg.unesp.br Maysa S. De Magalhães ENCE, 3-5 Rio de Janeiro, RJ, maysa@ibge.gov.br
Leia maisPLANEJAMENTO ECONÔMICO DOS GRÁFICOS DE CONTROLE DE X PARA O MONITORAMENTO DE PROCESSOS AUTOCORRELACIONADOS
PLANEJAMENTO ECONÔMICO DOS GRÁFICOS DE CONTROLE DE X PARA O MONITORAMENTO DE PROCESSOS AUTOCORRELACIONADOS Bruno Chaves Franco (UNESP) franco_sjc@yahoo.com.br Antonio Fernando Branco Costa (UNESP) fbranco@feg.unesp.br
Leia maisUm comparativo de desempenho entre gráficos de controle univariados e multivariados
Um comparativo de desempenho entre gráficos de controle univariados e multivariados Rodrigo Luiz Pereira Lara 3 Vladimir Barbosa Carlos de Souza 3. Introdução O Controle Estatístico do Processo (CEP) é
Leia maisGráficos de controle de EWMA e de para monitoramento de processos autocorrelacionados
Gráficos de controle de EWMA e de para monitoramento de processos autocorrelacionados FERNANDO ANTONIO ELIAS CLARO ANTONIO FERNANDO BRANCO COSTA MARCELA APARECIDA GUERREIRO MACHADO UNESP - Guaratinguetá
Leia maisANÁLISE DO DESEMPENHO DE GRÁFICOS DE CONTROLE DA VARIÂNCIA COM PARÂMETRO ESTIMADO
ANÁLISE DO DESEMPENHO DE GRÁFICOS DE CONTROLE DA VARIÂNCIA COM PARÂMETRO ESTIMADO Pedro Carlos Oprime (DEP/UFSCar) pedro@dep.ufscar.br Gilberto Miller Devos Ganga (DEP/UFSCar) ganga@dep.ufscar.br O objetivo
Leia maisEmprego de Técnicas Estatísticas para Validar a Hipótese de Independência em Gráficos de Controle
Emprego de Técnicas Estatísticas para Validar a Hipótese de Independência em Gráficos de Controle Roberto Campos Leoni rcleoni@yahoo.com.br AEDB Nilo Antonio de Souza Sampaio nilo.samp@terra.com.br AEDB
Leia maisDETERMINAÇÃO DE FUNÇÕES DE TRANSFERÊNCIA DE PROCESSOS QUÍMICOS ATRAVÉS DO MÉTODO DE EVOLUÇÃO DIFERENCIAL UTILIZANDO O SCILAB
DETERMINAÇÃO DE FUNÇÕES DE TRANSFERÊNCIA DE PROCESSOS QUÍMICOS ATRAVÉS DO MÉTODO DE EVOLUÇÃO DIFERENCIAL UTILIZANDO O SCILAB A. H. R. REZENDE 1, D. L. SOUZA 1 1 Universidade Federal do Triângulo Mineiro,
Leia maisAvaliação Monte Carlo do teste para comparação de duas matrizes de covariâncias normais na presença de correlação
Avaliação Monte Carlo do teste para comparação de duas matrizes de covariâncias normais na presença de correlação Vanessa Siqueira Peres da Silva 1 2 Daniel Furtado Ferreira 1 1 Introdução É comum em determinadas
Leia maisEXPANSÃO DOS LIMITES DE CONTROLE DAS CARTAS DE SHEWHART CONSIDERANDO A SIGNIFICÂNCIA PRÁTICA
EXPANSÃO DOS LIMITES DE CONTROLE DAS CARTAS DE SHEWHART CONSIDERANDO A SIGNIFICÂNCIA PRÁTICA FABRICIO MARTINS DA COSTA (UFSCar) fabricio_estatistico@hotmail.com Pedro Carlos Oprime (UFSCar) pedro@dep.ufscar.br
Leia maisEficiência do gráfico de controle EWMA em função de diferentes quantidades e posições de causas especiais
Eficiência do gráfico de controle EWMA em função de diferentes quantidades e posições de causas especiais João Marcos Ramos de Moraes (UFV) jaum_55@hotmail.com José Ivo Ribeiro Júnior (UFV) jivo@ufv.br
Leia maisCOMPARAÇÃO DO DESEMPENHO ENTRE OS GRÁFICOS DE CONTROLE X-BARRA E T - STUDENT VARIANDO- SE O NÚMERO E O TAMANHO DAS AMOSTRAS
COMPARAÇÃO DO DESEMPENHO ENTRE OS GRÁFICOS DE CONTROLE X-BARRA E T - STUDENT VARIANDO- SE O NÚMERO E O TAMANHO DAS AMOSTRAS Flavio Luiz Mazocco (UFSCar ) mazocco@hotmail.com Germano Mendes Rosa (IFMG )
Leia maisIMPLEMENTAÇÃO COMPUTACIONAL EM S-PLUS DE TESTES ESTATÍSTICOS MULTIVARIADOS E SUAS APLICAÇÕES EM CONTROLE DE QUALIDADE
IMPLEMENTAÇÃO COMPUTACIONAL EM S-PLUS DE TESTES ESTATÍSTICOS MULTIVARIADOS E SUAS APLICAÇÕES EM CONTROLE DE QUALIDADE Fernanda Karine Ruiz Colenghi Universidade Federal de Minas Gerais Caixa Postal 70,
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 mais2. Séries Temporais Definição
23 2. Séries Temporais 2.1. Definição Um processo estocástico é uma função aleatória que evolui no tempo (e/ou no espaço), definida sob um espaço de probabilidades. Mais precisamente, um processo estocástico
Leia maisO efeito da autocorrelação no planejamento das cartas de controle de X e EWMA
Gest. Prod., São Carlos, v. 0, n. 1, p. 98-110, 013 O efeito da autocorrelação no planejamento das cartas de controle de X e EWMA Te effect of te autocorrelation on te design of te X and EWMA control carts
Leia maisNMA do gráfico de controle de regressão com parâmetros estimados
NMA do gráfico de controle de regressão com parâmetros estimados Danilo Cuzzuol Pedrini (PPGEP/UFRGS) danilo@producao.ufrgs.br Carla Schwengber ten Caten (PPGEP/UFRGS) tencaten@producao.ufrgs.br RESUMO
Leia mais14/05/2014. Tratamento de Incertezas TIC Aula 12. Conteúdo Propagação de Incertezas. Incerteza Propagação de incertezas de primeira ordem
Tratamento de Incertezas TIC-00.76 Aula 2 Conteúdo Professor Leandro Augusto Frata Fernandes laffernandes@ic.uff.br Material disponível em http://www.ic.uff.br/~laffernandes/teaching/204./tic-00.76 Tópicos
Leia mais( ) Estimação do valor em risco (VaR) de uma carteira de ativos através de método bayesiano. α, é definido como:
Estimação do valor em risco (VaR) de uma carteira de ativos através de método bayesiano Orlando V. Sampaio Jr. (POLI-USP) orlando.sampaio@gmail.com Celma de Oliveira Ribeiro (POLI-USP) celma@usp.br André
Leia maisGRÁFICOS DE CONTROLE PARA O MONITORAMENTO DO VETOR DE MÉDIAS DE PROCESSOS BIVARIADOS AUTOCORRELACIONADOS
XXXI ENCONRO NACIONAL DE ENGENHARIA DE PRODUCAO Belo Horizonte, MG, Brasil, 4 a 7 de outubro de 11. GRÁFICOS DE CONROLE PARA O MONIORAMENO DO VEOR DE MÉDIAS DE PROCESSOS BIVARIADOS AUOCORRELACIONADOS Daniel
Leia maisPROJETO ESTATÍSTICO DO GRÁFICO DE CONTROLE DE X_BARRA COM TAMANHO DA AMOSTRA E INTERVALO VARIÁVEIS
Salvador, BA, Brasil, 8 a de outubro de 3. PROJETO ESTATÍSTICO DO GRÁFICO DE CONTROLE DE X_BARRA COM TAMANHO DA AMOSTRA E INTERVALO VARIÁVEIS Roberto Campos Leoni (AEDB ) rcleoni@yahoo.com.br Nilo Antonio
Leia maisModelagem para previsão/estimação: uma aplicação Neuro-Fuzzy
Proceeding Series of the Brazilian Society of pplied and Computational Mathematics, Vol., N., 0. Trabalho apresentado no XXXV CNMC, Natal-RN, 0. Modelagem para previsão/estimação: uma aplicação Neuro-Fuzzy
Leia maisDETECÇÃO DE FALHAS EM UM HELICÓPTERO DE TRÊS GRAUS DE LIBERDADE EMPREGANDO CONTROLE ESTATÍSTICO MULTIVARIADO DE PROCESSO
Anais do XVI Encontro de Iniciação Científica e Pós-Graduação do ITA XVI ENCITA / 2010 Instituto Tecnológico de Aeronáutica São José dos Campos SP Brasil 20 de outubro de 2010 DETECÇÃO DE FALHAS EM UM
Leia maisPLANEJAMENTO DO GRÁFICO ADAPTATIVO DE CONTROLE DE X COM APOIO DO AMBIENTE R. Roberto Campos Leoni a*
Versão inicial submetida em //. Versão final recebida em 6//3. Rio de Janeiro, v.6, n., p.37-53, janeiro a abril de 4 PLANEJAMENTO DO GRÁFICO ADAPTATIVO DE CONTROLE DE X COM APOIO DO AMBIENTE R Roberto
Leia maisCADERNOS DO IME Série Estatística
CADERNOS DO IME Série Estatística Universidade do Estado do Rio de Janeiro - UERJ Rio de Janeiro RJ - Brasil ISSN 1413-9022 / v. 27 p. 13-27, 2009 CÁLCULO DO NMA DO GRÁFICO DE CONTROLE DE REGRESSÃO Danilo
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 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 maisAjuste do modelo de regressão linear: Inferência Bayesiana, aspectos computacionais e seleção de variáveis.
Ajuste do modelo de regressão linear: Inferência Bayesiana, aspectos computacionais e seleção de variáveis. João Daniel Nunes Duarte a, Vinícius Diniz Mayrink b a Estudante de Graduação, e-mail: joaodaniel@ufmg.br
Leia maisFundamentos do Controle Estatístico do Processo
Fundamentos do Controle Estatístico do Processo Roteiro 1. Introdução 2. Monitoramento de Processos 3. Etapa Inicial: Estabilização e Ajuste do Processo 4. Estimação da Variabilidade 5. Referências Introdução
Leia mais4 Medida de desempenho do gráfico de controle
4 Medida de desempenho do gráfico de controle Neste capítulo, são apresentadas as ferramentas que nos permitem comparar o desempenho do gráfico utilizado por Kang & Albin (2000) para monitorar perfis lineares,
Leia maisGRÁFICOS DE CONTROLE 3D APLICADOS A PROCESSOS PARALELOS EM UMA INDÚSTRIA MANUFATUREIRA DO ESTADO DO CEARÁ
XXIX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO. GRÁFICOS DE CONTROLE 3D APLICADOS A PROCESSOS PARALELOS EM UMA INDÚSTRIA MANUFATUREIRA DO ESTADO DO CEARÁ João Welliandre Carneiro Alexandre (UFC) jwca@ufc.br
Leia maisAVALIAÇÃO A PARTIR DE SIMULAÇÃO DO LIMITE SUPERIOR H DE UM GRÁFICO MULTIVARIADO DE SOMAS ACUMULADAS (MCUSUM)
ISSN 1984-9354 AVALIAÇÃO A PARTIR DE SIMULAÇÃO DO LIMITE SUPERIOR H DE UM GRÁFICO MULTIVARIADO DE SOMAS ACUMULADAS (MCUSUM) Elisa Henning (UDESC) Custodio da Cunha Alves (UNIVILLE) Andréa Cristina Konrath
Leia maisUma abordagem de análise para o Controle Estatístico de Processo com dados autocorrelacionados
XXIV Encontro Nac. de Eng. de Produção - Florianópolis, SC, Brasil, 0 a 0 de nov de 2004 Uma abordagem de análise para o Controle Estatístico de Processo com dados autocorrelacionados Fernando Moreira
Leia maisO EFEITO DA AUTOCORRELAÇÃO NO DESEMPENHO DO GRÁFICO T 2 DE HOTELLING: CASO BIVARIADO
Universidade Federal do Rio Grande do Norte Centro de Tecnologia Programa de Pós-Graduação em Engenharia de Produção Joelton Fonseca Barbosa O EFEITO DA AUTOCORRELAÇÃO NO DESEMPENHO DO GRÁFICO T 2 DE HOTELLING:
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 maisComparação de testes estatísticos para matrizes de covariâncias de processos multivariados
Setembro de 010, vol. 0, no. 09 Comparação de testes estatísticos para matrizes de covariâncias de processos multivariados Sueli Aparecida Mingoti Renato Azevedo da Silva
Leia maisObtenção dos projetos ótimos de gráficos de X utilizando o Matlab. Robson Silva Rossi 1 FEMEC
Obtenção dos projetos ótimos de gráficos de X utilizando o Matlab. Robson Silva Rossi 1 FEMEC robsonsilvarossi@yahoo.com.br Aurélia Aparecida de Araújo Rodrigues 2 FAMAT aurelia@famat.ufu.br Resumo Foi
Leia maisAplicação do gráfico de controle por grupos em uma indústria manufatureira do estado do Ceará
Aplicação do gráfico de controle por grupos em uma indústria manufatureira do estado do Ceará João Welliandre Carneiro Alexandre (UFC) jwca@ufc.br Luiz Fernando M. Rodrigues (ESMALTEC) qualidade@esmaltec.com.br
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 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 maisMÉTODOS QUANTITATIVOS PARA CIÊNCIA DA COMPUTAÇÃO EXPERIMENTAL
MÉTODOS QUANTITATIVOS PARA CIÊNCIA DA COMPUTAÇÃO EXPERIMENTAL Pedro Henrique Bragioni Las Casas Pedro.lascasas@dcc.ufmg.br Apresentação baseada nos slides originais de Jussara Almeida e Virgílio Almeida
Leia maisFundamentos do Controle Estatístico do Processo
Fundamentos do Controle Estatístico do Processo 1. Introdução Roteiro 2. Monitoramento de Processos 3. Etapa Inicial: Estabilização e Ajuste do Processo 4. Estimação da Variabilidade 5. Referências Introdução
Leia maisA cadeia de Markov no monitoramento, via inspeção por atributos, de processos autocorrelacionados: o programa SCAP- módulo AI
A cadeia de Markov no monitoramento, via inspeção por atributos, de processos autocorrelacionados: o programa SCAP- módulo AI Sueli Aparecida Mingoti (UFMG) - sueli@est.ufmg.br Júlia Pinto de Carvalho
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 maisAVALIAÇÃO DOS TESTES MULTIVARIADOS DA RAZÃO DE VEROSSIMILHANÇAS E T² DE HOTELLING: Um estudo por simulação de dados
AVALIAÇÃO DOS TESTES MULTIVARIADOS DA RAZÃO DE VEROSSIMILHANÇAS E T² DE HOTELLING: Um estudo por simulação de dados Eduardo Campana Barbosa 12 Rômulo César Manuli² Patrícia Sousa² Ana Carolina Campana
Leia maisTítulo - Actas das 4. as Jornadas de Engenharia Hidrográfica Autor - Instituto Hidrográfico Tiragem exemplares Edição e paginação - Instituto
ACTAS Lisboa Título - Actas das 4. as Jornadas de Engenharia Hidrográfica Autor - Instituto Hidrográfico Tiragem - 230 exemplares Edição e paginação - Instituto Hidrográfico, 2016 Impressão e acabamento
Leia mais4 Análise de Desempenho dos Gráficos tipo Shewhart para o Controle Estatístico da Dispersão
4 Análise de Desempenho dos Gráficos tipo Shewhart para o Controle Estatístico da Dispersão Neste capítulo são obtidas as medidas desempenho dos gráficos de controle de Shewhart descritos no Capítulo 2
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS A distribuição dos tempos de permanência dos estudantes nos cursos de graduação de certa universidade é uma distribuição normal com média igual a 6 anos e desvio padrão igual
Leia maisProbabilidade do erro do tipo I nas cartas
Produção, v., n. 4, p. 807-816, set./dez. 01 http://dx.doi.org/10.1590/s0103-651301005000059 Probabilidade do erro do tipo I nas cartas X e S de Shewhart sob não normalidade André Luis Korzenowski a *,
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 maisAnálise Multivariada. Distribuição Normal Multivariada. Roteiro. Lupércio França Bessegato Dep. Estatística/UFJF
Análise Multivariada Lupércio França Bessegato Dep. Estatística/UFJF. Introdução. Vetores Aleatórios 3. Normal Multivariada Roteiro 4. Componentes Principais 5. Análise Fatorial 6. Análise de Conglomerados
Leia maisROBERTO CAMPOS LEONI ESTUDO DO DESEMPENHO DOS GRÁFICOS DE CONTROLE QUANDO A MÉDIA DO PROCESSO OSCILA DE ACORDO COM O MODELO AR(1)
ROBERTO CAMPOS LEONI ESTUDO DO DESEMPENHO DOS GRÁFICOS DE CONTROLE QUANDO A MÉDIA DO PROCESSO OSCILA DE ACORDO COM O MODELO AR(1) Dissertação apresentada à Faculdade de Engenharia do Campus de Guaratinguetá,
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 maisGráficos de controle de Shewhart para o monitoramento de um processo de fixação de vidro automotivo
Gráficos de controle de Shewhart para o monitoramento de um processo de fixação de vidro automotivo Roberto Campos Leoni roberto.leoni@aedb.br AEDB Bianca Aparecida Reis Rios biancaolivier.rios@gmail.com
Leia maisControle Estatístico de Qualidade. Capítulo 5 (montgomery)
Controle Estatístico de Qualidade Capítulo 5 (montgomery) Gráficos de Controle para Variáveis Relembrando Dois objetivos do CEP: Manter o processo operando em condição estável durante maior parte do tempo;
Leia maisEstudo Comparativo do Desempenho de Gráficos X -R, X -S e T 2 Economicamente Planejados para Processos Não Regenerativos
Estudo Comparativo do Desempenho de Gráficos, S e T Economicamente Planejados para Processos Não egenerativos Linda Lee Ho (USP) lindalee@usp.br Osiris Turnes (UnB) osiris@unb.br esumo Para um controle
Leia maisMODELOS ARIMA PARA MONITORAÇÃO DA QUALIDADE DA PRODUÇÃO DA INDÚSTRIA TÊXTIL OESTE LTDA
MODELOS ARIMA PARA MONITORAÇÃO DA QUALIDADE DA PRODUÇÃO DA INDÚSTRIA TÊXTIL OESTE LTDA Orientadora: Dra. Maria Emília Camargo Co-Orientadora: Dra. Suzana Leitão Russo Bolsistas de Apoio Técnico: Jonas
Leia maisRevisão dos Modelos de Vetores Autorregressivos com Fundamentação Econômica 2012
Revisão dos Modelos de Vetores Autorregressivos com Fundamentação Econômica 2012 No amplo conjunto de modelos utilizados pelo Banco Central para projetar a inflação, encontram-se, entre outros, os modelos
Leia maisAVALIAÇÃO DE UM PROCESSO PRODUTIVO POR MEIO DA ESTATÍSTICA T 2 DE HOTELLING
AVALIAÇÃO DE UM PROCESSO PRODUTIVO POR MEIO DA ESTATÍSTICA T 2 DE HOTELLING Adriano Mendonça Souza Maria Helena Rigão Universidade Federal de Santa Maria - RS E-mail: amsouza1@zaz.com.br, hrigao@terra.com.br
Leia maisANÁLISE DE SENSIBILIDADE DO MODELO ECONÔMICO- ESTATÍSTICO PARA O GRÁFICO X COM PARÂMETROS VARIÁVEIS
A pesquisa Operacional e os Recursos Renováveis 4 a 7 de novembro de 3, Natal-RN ANÁLISE DE SENSIBILIDADE DO MODELO ECONÔMICO- ESTATÍSTICO PARA O GRÁFICO X COM PARÂMETROS VARIÁVEIS Maysa S. de Magalhães
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 maisAULAS 04, 05 E 06 AVALIAÇÃO UTILIZANDO EXPERIMENTOS
1 AULAS 04, 05 E 06 AVALIAÇÃO UTILIZANDO EXPERIMENTOS Ernesto F. L. Amaral 14, 19 e 21 de março de 2013 Técnicas Avançadas de Avaliação de Políticas Públicas (DCP 098) Fonte: Curso Técnicas Econométricas
Leia maisCOKRIGAGEM. Aplicação da cokrigagem
COKRIGAGEM Procedimento geoestatístico segundo o qual diversas variáveis regionalizadas podem ser estimadas em conjunto, com base na correlação espacial entre si. É uma extensão multivariada do método
Leia maisEstimação na Presença de Ruído colorido
36 Estimação na Presença de Ruído colorido Como se viu, em presença de ruído colorido, os mínimos quadrados fornecem uma estimativa polarizada. Quer dizer, ao fazer muitas observações a estimativa não
Leia maisEspecialização em Métodos Estatísticos Computacionais
Gráfico de Controle por Variáveis Roteiro 1. Construção de Gráficos de Controle de X e R 2. Análise de Desempenho dos Gráficos X e R 3. Alternativas para Monitoramento da Dispersão 4. Regras Suplementares
Leia maisDissertação de Mestrado: Uma Avaliação do Desempenho de Núcleo-Estimadores no Controle de Processos Multivariados. por:
Dissertação de Mestrado: Uma Avaliação do Desempenho de Núcleo-Estimadores no Controle de Processos Multivariados por: Fernando Augusto Alves Glória Orientador(a): Profª. Drª. Sueli Aparecida Mingoti Co-orientador:
Leia maisO Kappa está morto? Uma discussão sobre índices baseados em matrizes de confusão. Camilo Daleles Rennó
O Kappa está morto? Uma discussão sobre índices baseados em matrizes de confusão Camilo Daleles Rennó DPI-GEO-REFERATA São José dos Campos, 16 de setembro de 2015 Pontius X Congalton Congalton, R. G.;
Leia maisRalph S. Silva
ANÁLISE ESTATÍSTICA MULTIVARIADA Ralph S. Silva http://www.im.ufrj.br/ralph/multivariada.html Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Agradecimentos
Leia maisTamanho Amostral para Detecção de Diferenças Significativas entre Tratamentos
Tamanho Amostral para etecção de iferenças Significativas entre Tratamentos Marcos eon Vilela de Resende 1 José Alfredo Sturion José Carlos uarte Pereira 3 RESUMO No presente trabalho são apresentados
Leia maisQualidade na empresa. Fundamentos de CEP. Gráfico por variáveis. Capacidade do processo. Gráficos por atributos. Inspeção de qualidade
Roteiro da apresentação Controle de Qualidade 2 3 Lupércio França Bessegato UFMG Especialização em Estatística 4 5 Abril/2007 6 7 Exemplo: Sacos de Leite : Volume de cada saco (ml) do Controle Estatístico
Leia maisControle Estatístico de Processos Multicanal
Bruno Francisco Teixeira Simões Controle Estatístico de Processos Multicanal Tese de Doutorado Tese apresentada ao Programa de Pós-graduação em Engenharia de Produção do Departamento de Engenharia Industrial
Leia maisBRUNO CHAVES FRANCO. Orientador: Prof. Dr. Antonio Fernando Branco Costa Coorientadora: Prof a. Dr a. Marcela Aparecida Guerreiro Machado
BRUNO CHAVES FRANCO GRÁFICOS DE COM ESQUEMAS ESPECIAIS DE AMOSTRAGEM PARA O CONTROLE DE MÉDIAS QUE OSCILAM OU PARA O CONTROLE DE PROCESSOS QUE GERAM OBSERVAÇÕES AUTOCORRELACIONADAS Tese apresentada à Faculdade
Leia maisProbabilidade combinada e amostragem condicional
Probabilidade combinada e amostragem condicional Introdução O objetivo desta aula é apresentar algumas técnicas de análise de correlação entre sinais que são muito empregadas em processamento de sinais.
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 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 maisMELHORA DO MODELO SARIMA PARA A PREVISÃO DA DEMANDA MÁXIMA DE CARGA DE ENERGIA DA PUC-RIO UTILIZANDO A SIMULAÇÃO PELO MÉTODO DE MONTE CARLO
João Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016 MELHORA DO MODELO SARIMA PARA A PREVISÃO DA DEMANDA MÁXIMA DE CARGA DE ENERGIA DA PUC-RIO UTILIZANDO A SIMULAÇÃO PELO MÉTODO DE MONTE CARLO SERGIO
Leia maisModelagem e Avaliação de Desempenho. Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2018
Modelagem e Avaliação de Desempenho Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2018 Análise de desempenho São disponíveis duas abordagens para realizar a análise de desempenho:
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 maisTÉCNICAS EXPERIMENTAIS APLICADAS EM CIÊNCIA DO SOLO
TÉCNICAS EXPERIMENTAIS APLICADAS EM CIÊNCIA DO SOLO Mario de Andrade Lira Junior lira.pro.br\wordpress REGRESSÃO X CORRELAÇÃO Diferença Regressão - equação ligando duas ou mais variáveis Correlação medida
Leia maisPODER DO TESTE. Poder do Teste e Tamanho de Amostra para Testes de Hipóteses
PODER DO TESTE Poder do Teste e Tamanho de Amostra para Testes de Hipóteses 1 2 Tipos de erro num teste estatístico Realidade (desconhecida) Decisão do teste aceita H 0 rejeita H 0 H 0 verdadeira decisão
Leia maisObtenção do NMA do Gráfico de Controle de Regressão
Obtenção do NMA do Gráfico de Controle de Regressão Danilo Cuzzuol Pedrini (UFRGS) danilo@producao.ufrgs.br Carla Schwengber ten Caten (UFRGS) tencaten@producao.ufrgs.br Resumo: Para a aplicação dos gráficos
Leia mais