Análise do uso das técnicas estatísticas em empresas industriais do estado de São Paulo, utilizando regressão linear múltipla.

• Autor(a) principal: SANTOS, Heitor Alves dos.
• Data de Publicação: 2017
• Outros Autores: TOLEDO, José Carlos de.
• Tipo de documento: Artigo de conferência
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da UFCG
• Texto Completo: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/30337
• topic: Técnicas estatísticas; Regressão linear múltipla; Estatística; Histograma; Gráfico de Pareto; Diagrama de correlação; Diagramas de causa e efeito; Pesquisa survey; Statistical techniques; Multiple linear regression; Statistic; Histogram; Pareto's chart; Correlation diagram; Cause and effect diagrams; Survey research; Techniques de statistique; La régression linéaire multiple; Statistique; Histogramme; Diagramme de Pareto; Diagramme de corrélation; Diagrammes de cause à effet; Recherche par sondage; Tecnicas estadisticas; Regresión lineal múltiple; Estadística; Diagrama de correlación; Diagramas de causa y efecto; Encuesta de investigacion; Engenharia de Produção.

A compreensão e controle da variabilidade dos processos produtivos tem se tornado complexa, devido ao aumento da competitividade, consumidores mais exigentes, entre outros fatores, representando, com isso, um desafio para as companhias e gestores. Para reduzir a variabilidade são utilizadas como suporte, técnicas estatísticas básicas, como Histograma, Gráfico de Pareto, Diagrama de Correlação, Gráfico de Pareto, Diagramas de Causa e Efeito, e técnicas estatísticas mais avançadas como o Planejamento de Experimento. Apesar da necessidade de utilização destas e outras técnicas, torna-se necessário avaliar quais os resultados concretos que elas podem proporcionar. Este trabalho tem o objetivo de analisar a relação entre a aplicação de técnicas estatísticas básicas e avançadas com os principais resultados percebidos, que podem ser obtidos com a aplicação das mesmas, por meio de uma pesquisa survey aplicada em uma amostra de 243 empresas de 7 segmentos industriais do estado de São Paulo. Pela análise de Regressão múltipla foi possível verificar que a melhoria dos índices de capacidade de processo, por exemplo, pode ser explicada em aproximadamente 50,4% pelas técnicas estatísticas básicas e avançadas, sendo o Diagrama de Causa e Efeito e a Análise de capacidade de processo as técnicas que mais contribuem para este resultado.