Estudo comparativo de abordagens clássicas de controle estatístico multivariado

Detalhes bibliográficos
Autor(a) principal: Correa, Eduardo de Oliveira
Data de Publicação: 2019
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UFRGS
Texto Completo: http://hdl.handle.net/10183/212653
Resumo: Processos industriais geram inúmeras variáveis de interesse correlacionadas. Cartas de Controle Multivariadas (CCMs) têm sido amplamente utilizadas nessas situações, pois incorporam a estrutura de correlação das variáveis no monitoramento de tais processos. As CCMs tradicionais Qui-Quadrado (X2) e a da Variância Generalizada (W) são utilizadas para o monitoramento simultâneo do vetor de médias e da matriz das covariâncias, respectivamente. Outra abordagem clássica utiliza CCMs baseadas na Análise de Componentes Principais (ACP). A ACP destaca-se por conseguir reduzir o número de variáveis do processo, preservando grande parte da informação contida das variáveis de interesse. No contexto do Controle Estatístico de Processo, a ACP é eficaz para o entendimento das fontes de variabilidade do processo e na identificação da natureza de eventuais distúrbios no processo. A partir de um processo simulado com 4 variáveis e uma estrutura de covariância, a sensibilidade das duas abordagens será analisada diante de diferentes descontroles impostos no vetor de médias e na matriz de covariâncias do processo sob controle. Os resultados mostram que para alterações no vetor de médias, tanto nas direções comuns de variabilidade, quanto nas direções opostas à variabilidade comum dos dados, evidenciamos uma maior sensibilidade das CCMs via ACP em relação às tradicionais. A carta W é mais sensíveis às alterações na estrutura de correlação das variáveis em relação às CCMs via ACP.
id UFRGS-2_55776ce33bf6163448846a619e1825d8
oai_identifier_str oai:www.lume.ufrgs.br:10183/212653
network_acronym_str UFRGS-2
network_name_str Repositório Institucional da UFRGS
repository_id_str
spelling Correa, Eduardo de OliveiraMarcondes Filho, Danilo2020-08-05T03:39:10Z2019http://hdl.handle.net/10183/212653001116627Processos industriais geram inúmeras variáveis de interesse correlacionadas. Cartas de Controle Multivariadas (CCMs) têm sido amplamente utilizadas nessas situações, pois incorporam a estrutura de correlação das variáveis no monitoramento de tais processos. As CCMs tradicionais Qui-Quadrado (X2) e a da Variância Generalizada (W) são utilizadas para o monitoramento simultâneo do vetor de médias e da matriz das covariâncias, respectivamente. Outra abordagem clássica utiliza CCMs baseadas na Análise de Componentes Principais (ACP). A ACP destaca-se por conseguir reduzir o número de variáveis do processo, preservando grande parte da informação contida das variáveis de interesse. No contexto do Controle Estatístico de Processo, a ACP é eficaz para o entendimento das fontes de variabilidade do processo e na identificação da natureza de eventuais distúrbios no processo. A partir de um processo simulado com 4 variáveis e uma estrutura de covariância, a sensibilidade das duas abordagens será analisada diante de diferentes descontroles impostos no vetor de médias e na matriz de covariâncias do processo sob controle. Os resultados mostram que para alterações no vetor de médias, tanto nas direções comuns de variabilidade, quanto nas direções opostas à variabilidade comum dos dados, evidenciamos uma maior sensibilidade das CCMs via ACP em relação às tradicionais. A carta W é mais sensíveis às alterações na estrutura de correlação das variáveis em relação às CCMs via ACP.Industrial processes generate numerous correlated variables of interest. Multivariate Control Charts (CCMs) have been widely used in these situations as they incorporate the correlation structure of the variables in the monitoring of such processes. Traditional Chi-Square MCCs (X2) and Generalized Variance ( textit W) are used for simultaneous monitoring of the mean vector and covariance matrix, respectively. Another classic approach uses CCMs based on Principal Component Analysis (ACP). ACP stands out for being able to reduce the number of process variables, preserving much of the information contained in the variables of interest. In the context of Statistical Process Control, PCA is effective in understanding the sources of process variability and in identifying the nature of potential process disturbances. From a simulated process with 4 variables and a covariance structure, the sensitivity of the two approaches will be analyzed in view of different impositions imposed on the mean vector and covariance matrix of the process under control. The results show that for changes in the mean vector, both in the common directions of variability and in the opposite directions to the common variability of the data, we show a higher sensitivity of CCMs via ACP compared to traditional ones. The W chart is more sensitive to changes in the correlation structure of variables than CCMs via ACP.application/pdfporCartas de controleEstudo comparativo de abordagens clássicas de controle estatístico multivariadoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisUniversidade Federal do Rio Grande do SulInstituto de Matemática e EstatísticaPorto Alegre, BR-RSEstatística: Bachareladograduaçãoinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT001116627.pdf.txt001116627.pdf.txtExtracted Texttext/plain58545http://www.lume.ufrgs.br/bitstream/10183/212653/2/001116627.pdf.txt2ea5daf2a3e54faaca3282ca4949cb5cMD52ORIGINAL001116627.pdfTexto completoapplication/pdf410207http://www.lume.ufrgs.br/bitstream/10183/212653/1/001116627.pdfc7d6ce04f813455889c1def6ebf7c8afMD5110183/2126532020-08-06 03:37:16.808313oai:www.lume.ufrgs.br:10183/212653Repositório de PublicaçõesPUBhttps://lume.ufrgs.br/oai/requestopendoar:2020-08-06T06:37:16Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Estudo comparativo de abordagens clássicas de controle estatístico multivariado
title Estudo comparativo de abordagens clássicas de controle estatístico multivariado
spellingShingle Estudo comparativo de abordagens clássicas de controle estatístico multivariado
Correa, Eduardo de Oliveira
Cartas de controle
title_short Estudo comparativo de abordagens clássicas de controle estatístico multivariado
title_full Estudo comparativo de abordagens clássicas de controle estatístico multivariado
title_fullStr Estudo comparativo de abordagens clássicas de controle estatístico multivariado
title_full_unstemmed Estudo comparativo de abordagens clássicas de controle estatístico multivariado
title_sort Estudo comparativo de abordagens clássicas de controle estatístico multivariado
author Correa, Eduardo de Oliveira
author_facet Correa, Eduardo de Oliveira
author_role author
dc.contributor.author.fl_str_mv Correa, Eduardo de Oliveira
dc.contributor.advisor1.fl_str_mv Marcondes Filho, Danilo
contributor_str_mv Marcondes Filho, Danilo
dc.subject.por.fl_str_mv Cartas de controle
topic Cartas de controle
description Processos industriais geram inúmeras variáveis de interesse correlacionadas. Cartas de Controle Multivariadas (CCMs) têm sido amplamente utilizadas nessas situações, pois incorporam a estrutura de correlação das variáveis no monitoramento de tais processos. As CCMs tradicionais Qui-Quadrado (X2) e a da Variância Generalizada (W) são utilizadas para o monitoramento simultâneo do vetor de médias e da matriz das covariâncias, respectivamente. Outra abordagem clássica utiliza CCMs baseadas na Análise de Componentes Principais (ACP). A ACP destaca-se por conseguir reduzir o número de variáveis do processo, preservando grande parte da informação contida das variáveis de interesse. No contexto do Controle Estatístico de Processo, a ACP é eficaz para o entendimento das fontes de variabilidade do processo e na identificação da natureza de eventuais distúrbios no processo. A partir de um processo simulado com 4 variáveis e uma estrutura de covariância, a sensibilidade das duas abordagens será analisada diante de diferentes descontroles impostos no vetor de médias e na matriz de covariâncias do processo sob controle. Os resultados mostram que para alterações no vetor de médias, tanto nas direções comuns de variabilidade, quanto nas direções opostas à variabilidade comum dos dados, evidenciamos uma maior sensibilidade das CCMs via ACP em relação às tradicionais. A carta W é mais sensíveis às alterações na estrutura de correlação das variáveis em relação às CCMs via ACP.
publishDate 2019
dc.date.issued.fl_str_mv 2019
dc.date.accessioned.fl_str_mv 2020-08-05T03:39:10Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10183/212653
dc.identifier.nrb.pt_BR.fl_str_mv 001116627
url http://hdl.handle.net/10183/212653
identifier_str_mv 001116627
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Repositório Institucional da UFRGS
collection Repositório Institucional da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/212653/2/001116627.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/212653/1/001116627.pdf
bitstream.checksum.fl_str_mv 2ea5daf2a3e54faaca3282ca4949cb5c
c7d6ce04f813455889c1def6ebf7c8af
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv
_version_ 1801224597684617216