Análise por componentes principais para classificação da eficiência energética de veículos automotores leves Autor: Ederson Luis Posselt Mestrando em Sistemas e Processos Industriais UNISC Disciplina: Análise Multivariada Professor: Marco Flôres Ferrão Santa Cruz do Sul, 28 de maio de 2009
Programa Introdução Métodos Resultados Conclusões
Introdução Em 11/2008 foi lançado o programa de etiquetagem veicular. Objetivos: Manter consumidores informados do consumo energético Prover uma competitividade entre fabricantes na busca de carros mais eficientes(menor consumo e menor emissão de gases poluentes).
Introdução A aderência a medida é voluntária para as montadoras. Montadoras que já aderiram: FIAT, GM, KIA, VW e HONDA A tabela com os dados pode ser consultada no site do INMETRO;
Métodos/ Materiais Valores de referência medidos em laboratório, conforme norma NBR 7024. Provavelmente os veículos não terão o mesmo rendimento no uso cotidiano. Software utilizado Unscrambler. Pré-processamento:Auto-escalonamento; PCA Estatísticas univariada;
Métodos/ Materiais Variáveis analisadas: Transmissão; (1) Automática (2) Manual Ar condicionado; (1) Possui (2) Não possui;
Variáveis analisadas: Métodos/ Materiais Quilometragem por litro de combustível Cidade Álcool Gasolina Estrada Álcool Gasolina
Métodos/ Materiais Variáveis analisadas: Direção (1) Elétrico-Hidráulico (2) Elétrica (3) Hidráulica (4) Mecânica
Métodos/ Materiais Variáveis de relação: Motor (1) 1.0 (2) 1.4 (3) 1.4 16 V (4) 1.5 (5) 1.5 16V (6) 1.6 (7) 1.8
Métodos/ Materiais Variáveis de relação: Classificação energética (1) A (2) B (3) C (4) D (5) E
Tabela de dados utilizada Transmissão Ar condicionado DirecãoCidade A Cidade G Estrada A Estrada G Class. Inmetro Motor CH_CE_1 2 2 4 10 14,5 12,8 17,8 3 1 CH_CE_2 2 2 4 10 14,5 12,8 17,8 3 1 CH_CE_3 2 2 4 9,6 14,2 12,8 19,1 3 2 FI_MI_1 2 2 4 10,8 15,7 13,2 19,2 1 1 FI_PA_2 2 1 3 8,8 13 10,8 16 5 2 FI_PA_3 2 1 3 8,8 13 10,8 16 5 2 FI_PA_4 2 1 3 7,7 11,2 10,1 15 5 7 FI_PA_5 2 1 3 7,7 11,2 10,1 15 5 7 CH_CL_1 2 1 3 8,7 13 12 18 4 1 CH_CO_1 2 1 3 8,6 13 11,7 18 4 2 CH_PR_1 2 2 4 9,7 14,4 12,8 18,4 2 1 CH_PR_2 2 1 3 9 13,4 12,4 18,6 3 2 FI_ID_1 2 1 3 8,1 11,8 10,8 15,7 5 1 FI_PU_2 2 2 3 8,9 13,8 11,2 17 3 2 FI_SI_3 2 1 3 7,8 11,7 10,3 15,6 5 7 HO_FI_1 2 1 2 9,8 14,8 12,3 18,6 1 3 HO_FI_2 1 1 2 9,2 14 11,8 18,2 2 3 HO_FI_3 2 1 2 9,2 13,7 11,6 17,3 3 5 HO_FI_4 1 1 2 9 13,5 12 17,6 3 5 VO_GO_1 2 1 3 9,5 13,9 13,5 19,9 1 1 VO_GO_2 2 1 3 9,1 13,4 13,2 19,3 2 6 VO_PO_1 2 1 1 9,5 13,8 13,8 21,2 1 6
Estatística das varáveis O gráfico estatístico exibe as médias das variáveis envolvidas e o desvio padrão
Representatividade das variáveis Com 4 PC, foi possível descrever aproximadamente 90% das informações significativas.
Outliers O VW Polo se afastou das demais amostras por ter um diferencial, direção elétrico-hidráulico.
Scores e Loadings (Class. INMETRO) Classificação A 1 B 2 C 3 D 4 E 5
Scores (Class. INMETRO) O gráfico abaixo exibe os scores com a visualização da classificação. Classificação A 1 B 2 C 3 D 4 E 5
Resultados Scores e Loadings (Class. INMETRO) A PC1 classifica os carros com melhor eficiência no que diz respeito a economia. Veículos í mais econômicos ô estão ã localizados na direita. PC2 classifica os veículos quanto aos acessórios. Observa-se que acessórios não podem ser utilizados para determinar a economia de um í
Scores e Loadings (Potência do Motor) Motor 1.0 1 1.4 2 1.4 16 V 3 1.5 4 1.5 16V 5 1.6 6 1.8 7
Resultados Scores e Loadings (Potência do Motor) É possível observar que: A potencia do motor não está ligado diretamente ao nível de economia. Observa-se veículos com motores 1.6 com mais eficiência de economia de energia que veículos 1.0.
Checando o sistema Para testar o sistema foi adicionado uma nova amostra que com os seguintes parâmetros: Sem opcionais; Motor 1.0; Média de economia ruim; Classificação A. Logicamente essa amostra seria uma fraude ou um erro na coleta de dados/ informações.
Checando o sistema Scores and Loadings
Conclusão A métrica de classificação do INMETRO condiz com os resultados apurados pelo sistema de analise multivariada Unscrambler. Essa metodologia pode ser utilizada no combate a fraudes, pois facilmente seria notado uma amostra fora do contexto.
Dúvidas/ Perguntas? Ederson Luis Posselt edersonlp@yahoo.com.br