Otimização de processos com respostas múltiplas e categóricas

Detalhes bibliográficos
Autor(a) principal: Lucas, Cícero de Melo
Data de Publicação: 2007
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da UFRGS
Texto Completo: http://hdl.handle.net/10183/10603
Resumo: A presente dissertação aborda a otimização de processos industriais através da utilização de projeto de experimentos. Em experimentos planejados, variáveis de respostas são usualmente consideradas como normalmente distribuídas. No entanto, em algumas situações, tal suposição é violada; por exemplo, quando respostas expressam contagens, podendo assumir somente valores inteiros e não-negativos. Nesses casos, é mais provável que as respostas sigam uma distribuição de Poisson e, em sua modelagem, deve-se utilizar os modelos lineares generalizados (MLG), adequados para respostas da chamada família exponencial, à qual pertence a distribuição de Poisson. Se ainda persiste a dúvida quanto ao comportamento das respostas, o modelo de quase-verossimilhança também é uma alternativa possível. Esta dissertação apresenta a reanálise de um experimento, apresentado em Arriba (2005), onde algumas respostas são categóricas. Na análise original do experimento, respostas categóricas foram modeladas através de regressão dos mínimos quadrados ordinários, desconsiderando a violação do pressuposto de normalidade das respostas. Na reanálise aqui apresentada, as variáveis são corretamente abordadas usando-se os modelos lineares generalizados. Como o objetivo do trabalho de Arriba (2005) era a otimização de um processo descrito por múltiplas respostas, comparam-se os resultados da otimização mediante as duas estratégias de modelagem das respostas, além de se propor um método alternativo, mais simplificado, de otimização experimental.
id URGS_9358052dc6c3dd6585205cac98051b74
oai_identifier_str oai:www.lume.ufrgs.br:10183/10603
network_acronym_str URGS
network_name_str Biblioteca Digital de Teses e Dissertações da UFRGS
repository_id_str 1853
spelling Lucas, Cícero de MeloFogliatto, Flavio Sanson2007-09-04T05:11:25Z2007http://hdl.handle.net/10183/10603000598914A presente dissertação aborda a otimização de processos industriais através da utilização de projeto de experimentos. Em experimentos planejados, variáveis de respostas são usualmente consideradas como normalmente distribuídas. No entanto, em algumas situações, tal suposição é violada; por exemplo, quando respostas expressam contagens, podendo assumir somente valores inteiros e não-negativos. Nesses casos, é mais provável que as respostas sigam uma distribuição de Poisson e, em sua modelagem, deve-se utilizar os modelos lineares generalizados (MLG), adequados para respostas da chamada família exponencial, à qual pertence a distribuição de Poisson. Se ainda persiste a dúvida quanto ao comportamento das respostas, o modelo de quase-verossimilhança também é uma alternativa possível. Esta dissertação apresenta a reanálise de um experimento, apresentado em Arriba (2005), onde algumas respostas são categóricas. Na análise original do experimento, respostas categóricas foram modeladas através de regressão dos mínimos quadrados ordinários, desconsiderando a violação do pressuposto de normalidade das respostas. Na reanálise aqui apresentada, as variáveis são corretamente abordadas usando-se os modelos lineares generalizados. Como o objetivo do trabalho de Arriba (2005) era a otimização de um processo descrito por múltiplas respostas, comparam-se os resultados da otimização mediante as duas estratégias de modelagem das respostas, além de se propor um método alternativo, mais simplificado, de otimização experimental.This dissertation deals with the optimization of industrial processes using Design of Experiments. In designed experiments, response variables are often considered as normally distributed. However, in some situations, such assumption is violated; for example, when responses express counts, and only non-negative integers numbers may come up as outcomes. In these cases, it is likely that responses follow a Poisson distribution which is then modeled by generalized linear models (GLM), since such distribution is a member of the exponential family. If a question still holds on the responses behavior, their modeling through the quasi-likelihood method is another option that should be considered. This dissertation analyses an experiment performed by Arriba (2005), where some responses are of categorical nature. In the original analysis presented by Arriba (2005), categorical responses were modeled using ordinary least squares regression, violating the normality assumption associated with that method. In the analysis presented here, variables are appropriately modeled using GLM. Since the objective in Arriba (2005) was optimizing a multiresponse process, results from the two optimization processes are compared. In addition, an alternative experimental optimization method, simpler than the one in Arriba (2005), is also presented.application/pdfporModelos estatísticosProcessos químicosOtimizaçãoProcess optimizationGeneralized linear modelsQuasi-likelihood modelsPoisson regressionProcess capability.Otimização de processos com respostas múltiplas e categóricasinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal do Rio Grande do SulEscola de EngenhariaPrograma de Pós-Graduação em Engenharia de ProduçãoPorto Alegre, BR-RS2007mestradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSORIGINAL000598914.pdf000598914.pdfTexto completoapplication/pdf893602http://www.lume.ufrgs.br/bitstream/10183/10603/1/000598914.pdf9c98ba0d28334eb561e529b8fd45b16aMD51TEXT000598914.pdf.txt000598914.pdf.txtExtracted Texttext/plain168569http://www.lume.ufrgs.br/bitstream/10183/10603/2/000598914.pdf.txtf8534aa8643f3870a2f6e4312569a92eMD52THUMBNAIL000598914.pdf.jpg000598914.pdf.jpgGenerated Thumbnailimage/jpeg1060http://www.lume.ufrgs.br/bitstream/10183/10603/3/000598914.pdf.jpg18ada8c207e0687e2c439376f94171a9MD5310183/106032018-10-17 09:27:17.933oai:www.lume.ufrgs.br:10183/10603Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532018-10-17T12:27:17Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Otimização de processos com respostas múltiplas e categóricas
title Otimização de processos com respostas múltiplas e categóricas
spellingShingle Otimização de processos com respostas múltiplas e categóricas
Lucas, Cícero de Melo
Modelos estatísticos
Processos químicos
Otimização
Process optimization
Generalized linear models
Quasi-likelihood models
Poisson regression
Process capability.
title_short Otimização de processos com respostas múltiplas e categóricas
title_full Otimização de processos com respostas múltiplas e categóricas
title_fullStr Otimização de processos com respostas múltiplas e categóricas
title_full_unstemmed Otimização de processos com respostas múltiplas e categóricas
title_sort Otimização de processos com respostas múltiplas e categóricas
author Lucas, Cícero de Melo
author_facet Lucas, Cícero de Melo
author_role author
dc.contributor.author.fl_str_mv Lucas, Cícero de Melo
dc.contributor.advisor1.fl_str_mv Fogliatto, Flavio Sanson
contributor_str_mv Fogliatto, Flavio Sanson
dc.subject.por.fl_str_mv Modelos estatísticos
Processos químicos
Otimização
topic Modelos estatísticos
Processos químicos
Otimização
Process optimization
Generalized linear models
Quasi-likelihood models
Poisson regression
Process capability.
dc.subject.eng.fl_str_mv Process optimization
Generalized linear models
Quasi-likelihood models
Poisson regression
Process capability.
description A presente dissertação aborda a otimização de processos industriais através da utilização de projeto de experimentos. Em experimentos planejados, variáveis de respostas são usualmente consideradas como normalmente distribuídas. No entanto, em algumas situações, tal suposição é violada; por exemplo, quando respostas expressam contagens, podendo assumir somente valores inteiros e não-negativos. Nesses casos, é mais provável que as respostas sigam uma distribuição de Poisson e, em sua modelagem, deve-se utilizar os modelos lineares generalizados (MLG), adequados para respostas da chamada família exponencial, à qual pertence a distribuição de Poisson. Se ainda persiste a dúvida quanto ao comportamento das respostas, o modelo de quase-verossimilhança também é uma alternativa possível. Esta dissertação apresenta a reanálise de um experimento, apresentado em Arriba (2005), onde algumas respostas são categóricas. Na análise original do experimento, respostas categóricas foram modeladas através de regressão dos mínimos quadrados ordinários, desconsiderando a violação do pressuposto de normalidade das respostas. Na reanálise aqui apresentada, as variáveis são corretamente abordadas usando-se os modelos lineares generalizados. Como o objetivo do trabalho de Arriba (2005) era a otimização de um processo descrito por múltiplas respostas, comparam-se os resultados da otimização mediante as duas estratégias de modelagem das respostas, além de se propor um método alternativo, mais simplificado, de otimização experimental.
publishDate 2007
dc.date.accessioned.fl_str_mv 2007-09-04T05:11:25Z
dc.date.issued.fl_str_mv 2007
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10183/10603
dc.identifier.nrb.pt_BR.fl_str_mv 000598914
url http://hdl.handle.net/10183/10603
identifier_str_mv 000598914
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:Biblioteca Digital de Teses e Dissertações 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 Biblioteca Digital de Teses e Dissertações da UFRGS
collection Biblioteca Digital de Teses e Dissertações da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/10603/1/000598914.pdf
http://www.lume.ufrgs.br/bitstream/10183/10603/2/000598914.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/10603/3/000598914.pdf.jpg
bitstream.checksum.fl_str_mv 9c98ba0d28334eb561e529b8fd45b16a
f8534aa8643f3870a2f6e4312569a92e
18ada8c207e0687e2c439376f94171a9
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv lume@ufrgs.br||lume@ufrgs.br
_version_ 1810085098858479616