Please use this identifier to cite or link to this item: https://repositorio.ufpb.br/jspui/handle/tede/5225
metadata.dc.type: Dissertação
Title: Detecção de outlier como suporte para o controle estatístico do processo multivariado: um estudo de caso em uma empresa do setor plástico.
metadata.dc.creator: Almeida Júnior, José de
metadata.dc.contributor.advisor1: Lima, Márcio Botelho da Fonseca
metadata.dc.description.resumo: O projeto de pesquisa estudado teve o objetivo de aplicar um algoritmo de busca sucessiva para o auxílio à tomada de decisão no controle estatístico do processo multivariado, na fabricação de garrafeiras em uma empresa de produtos plásticos. Além disso, a utilização das técnicas de análise de componentes principais (ACP) e da carta T² de Hotelling pode sumarizar parte das informações relevantes desse processo. Produziram-se então dois resultados de considerável importância: os escores dos componentes principais e um gráfico T² de Hotelling adaptado, evidenciando a relação entre as dez variáveis analisadas. O algoritmo de busca sucessiva detecta pontos discordantes do restante do agrupamento de dados que, quando se encontram muito distantes ou têm características muito diferentes, são denominados outliers. O algoritmo BACON foi utilizado para a detecção de tais ocorrências, o qual parte de um pequeno subconjunto, comprovadamente livre de outliers, dos dados originais e vai adicionando novas informações, que também não são outliers, a esse subconjunto inicial até que nenhuma informação possa mais ser absorvida. Uma das vantagens da utilização desse algoritmo é que ele combate os fenômenos do mascaramento e do esmagamento que alteram as estimativas da média e da covariância. Os resultados da pesquisa mostraram que, para a o conjunto de dados estudados, o algoritmo BACON não detectou nenhum ponto discordante. Uma simulação foi então desenvolvida, utilizando uma distribuição uniforme através da obtenção de números aleatórios dentro de um intervalo para a modificação dos valores da média e do desvio-padrão, a fim de mostrar que tal método é eficaz na detecção desses pontos aberrantes. Para essa simulação, foram alterados aleatoriamente os valores da média e do desvio-padrão de 5% dos dados originais. O resultado dessa simulação mostrou que o algoritmo BACON é perfeitamente aplicável ao caso estudado, sendo indicada a sua utilização em outros processos produtivos que dependam simultaneamente de diversas variáveis.
Abstract: The research project studied, aimed to apply a forward search algorithm to aid decision making in multivariate statistical process control in the manufacture of crates in a company of plastic products. Besides, the use of principal components analysis (PCA) and the Hotelling T square chart can summarize relevant information of this process. Thus, they were produced two results of considerable importance: the scores of the principal components and an adapted Hotelling T square chart, highlighting the relationship between the ten variables analyzed. The forward search algorithm detects discordant points of the data clustering rest that, when are too far away or have very different characteristics, are called outliers. The BACON algorithm was used for the detection of such occurrences, which part of a small subset demonstrably free of the original data outliers and it goes adding new information, which is not outliers, to this initial subset until no information can more be absorbed. One of the advantages of using this algorithm is that it combats the masking and swamping phenomena that alter the mean and covariance estimates. The research results showed that, for the dataset studied, the BACON algorithm did not detected no dissenting point. A simulation was then developed, using a uniform distribution by obtaining random numbers within a range for modifying the mean and standard deviation values, in order to show that this method is effective in detecting these outliers. For this simulation, they were randomly changed 5% of the mean and the standard deviation values of the original data. The result of this simulation showed that the BACON algorithm is perfectly applicable to this case study, being indicated its use in other processes that simultaneously depend on several variables.
Keywords: Engenharia de Produção
Controle estatístico da qualidade
Análise de componentes principais
Algoritmo de busca sucessiva
Algoritmo BACON
Statistical quality control
Hotelling T square chart
Principal components analysis
Forward search algorithm
BACON algorithm
metadata.dc.subject.cnpq: ENGENHARIAS::ENGENHARIA DE PRODUCAO
metadata.dc.language: por
metadata.dc.publisher.country: BR
Publisher: Universidade Federal da Paraí­ba
metadata.dc.publisher.initials: UFPB
metadata.dc.publisher.department: Engenharia de Produção
metadata.dc.publisher.program: Programa de Pós-Graduação em Engenharia de Produção
Citation: ALMEIDA JÚNIOR, José de. Detecção de outlier como suporte para o controle estatístico do processo multivariado: um estudo de caso em uma empresa do setor plástico.. 2013. 87 f. Dissertação (Mestrado em Engenharia de Produção) - Universidade Federal da Paraí­ba, João Pessoa, 2013.
metadata.dc.rights: Acesso Aberto
URI: https://repositorio.ufpb.br/jspui/handle/tede/5225
Issue Date: 29-Aug-2013
Appears in Collections:Centro de Tecnologia (CT) - Programa de Pós-Graduação em Engenharia de Produção

Files in This Item:
File Description SizeFormat 
arquivototal.pdf1,85 MBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.