Modelos de previsão aplicados ao controle de qualidade com dados autocorrelacionados

Autores

  • Adriano Mendonça Souza Universidade Federal de Santa Maria - UFSM
  • Regiane Klidzio Universidade Federal de Santa Maria - UFSM

DOI:

https://doi.org/10.14488/1676-1901.v13i4.1217

Palavras-chave:

Séries temporais. Modelos lineares. Autocorrelação. Resíduos. Gráficos de controle.

Resumo

Essa pesquisa aborda os modelos de previsão, aplicados a processos produtivos industriais, com o objetivo de verificar a estabilidade do processo por meio de gráficos de controle, aplicado aos resíduos oriundos de modelagem linear. Os dados utilizados para análise referem-se ao teor de umidade, permeabilidade e resistência de compressão à verde (RCV), pertencentes ao processo de fundição de moldagem em areia verde da Empresa A, que atua no setor de fundição e usinagem, para os quais se ajustou um modelo de regressão dinâmica multivariada. Como as observações eram autocorrelacionadas, foi necessário buscar um modelo matemático com resíduos independentes e normalmente distribuídos. Os modelos matemáticos encontrados possibilitaram compreender o comportamento das variáveis, auxiliando na realização das previsões e na monitoração do referido processo. Assim, pode-se afirmar que o teor de umidade é muito instável em relação às outras variáveis. 

Downloads

Não há dados estatísticos.

Biografia do Autor

Adriano Mendonça Souza, Universidade Federal de Santa Maria - UFSM

Professor Associado do Departamento de Estatística na Universidade Federal de Santa Maria - UFSM - RS - Brasil

Regiane Klidzio, Universidade Federal de Santa Maria - UFSM

Programa de Pós-Graduação em Engenharia de Produção - PPGEP

Publicado

19-11-2013

Como Citar

Souza, A. M., & Klidzio, R. (2013). Modelos de previsão aplicados ao controle de qualidade com dados autocorrelacionados. Revista Produção Online, 13(4), 1276–1296. https://doi.org/10.14488/1676-1901.v13i4.1217

Edição

Seção

Artigos

Artigos Semelhantes

Você também pode iniciar uma pesquisa avançada por similaridade para este artigo.