dc.creator | Ueda, Renan Mitsuo | |
dc.date.accessioned | 2023-03-02T16:29:42Z | |
dc.date.available | 2023-03-02T16:29:42Z | |
dc.date.issued | 2023-02-24 | |
dc.identifier.uri | http://repositorio.ufsm.br/handle/1/28024 | |
dc.description.abstract | The modernizing of the industrial manufacturing process requires simultaneous
monitoring of product and process quality characteristics. Multivariate Statistical
Process Control (MSPC) are able to assess the existing dependence between the
investigated variables. In several hypotheses, the autocorrelation between the
analyzed variables is present, where one of the main causes is the gradual wear and
tear of machines and equipment. The use of multivariate control charts allows the
process to be monitored in real time, ensuring the reduction of variability in the
production system. The objective of this research is to propose a methodology based
on residuals from vector autoregressive (VAR) models and vectors error correction
(VEC), combined with Hotelling's T2 decomposition to identify the variable causing
instability in the process. The methodology was tested through simulations and
application to real data. Hotelling's T2 control chart, prepared from the residuals of the
vector models, accurately indicated the intentionally incorporated outliers, and the T2
decomposition technique effectively pointed out the variable causing the variability. In
terms of practical contributions, there was a combination of two distinct areas of
knowledge: quality engineering and econometrics. The research sought to bring the
academy closer to the industrial sector, since the focus of this methodology is to help
managers and professionals who work in the area to deal with the presence of
autocorrelated data in production processes. The use of this methodology helps in
manufacturing competitiveness, and consequently, in the generation of employment
and income for the sector. For future research, it is strongly suggested the application
of this methodology in other industrial processes, combining other tools, and
confronting them with different types of MSPCs. | eng |
dc.description.sponsorship | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES | por |
dc.language | por | por |
dc.publisher | Universidade Federal de Santa Maria | por |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 International | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject | Multivariate control charts | eng |
dc.subject | Autocorrelated variables | eng |
dc.subject | Vector error correction | eng |
dc.subject | Autoregressive vectors | eng |
dc.subject | Hotelling’s T2 decomposition | eng |
dc.title | Metodologia para a detecção da fonte de variabilidade em gráficos de controle multivariados para processos com dados de autocorrelação serial | por |
dc.title.alternative | Methodology for detecting the source of variability in multivariate control charts for processes with serial autocorrelation data | eng |
dc.type | Tese | por |
dc.description.resumo | A modernização do processo de manufatura industrial exige o monitoramento
simultâneo das características de qualidade do produto e processo. Os gráficos de
controle estatístico multivariado de processos (Multivariate Statistical Process Control
- MSPC) são capazes de avaliar a dependência existente entre as variáveis
investigadas. Em diversas hipóteses, a autocorrelação entre as variáveis analisadas
encontra-se presente, onde uma das principais causas é o desgaste gradativo de
máquinas e equipamentos. O uso de gráficos de controle multivariados permite que o
monitoramento do processo seja realizado em tempo real, garantindo a redução da
variabilidade do sistema produtivo. O objetivo desta pesquisa é a proposição de uma
metodologia baseada nos resíduos provenientes dos modelos de vetores
autorregressivos (VAR) e vetores de correção de erro (VEC), combinados com a
decomposição do T2 de Hotelling para identificar a variável causadora da instabilidade
no processo. A metodologia foi testada por meio de simulações e aplicação em dados
reais. O gráfico de controle T2 de Hotelling elaborado a partir dos resíduos dos
modelos vetoriais, indicou com precisão os outliers incorporados intencionalmente, e
a técnica de decomposição do T2 apontou efetivamente a variável causadora da
variabilidade. Em termos de contribuições práticas, houve a combinação de duas
áreas distintas do conhecimento: engenharia da qualidade e a econometria. A
pesquisa buscou aproximar a academia do setor industrial, uma vez que, o foco dessa
metodologia é auxiliar gestores e profissionais que atuam na área a lidar com a
presença de dados autocorrelacionados em processos produtivos. O uso dessa
metodologia, auxilia na competitividade fabril, e consequentemente, na geração de
emprego e renda para o setor. Para pesquisas futuras, é sugerido fortemente a
aplicação dessa metodologia em outros processos industriais, combinando outras
ferramentas, e confrontando-as com diferentes tipos de MSPCs. | por |
dc.contributor.advisor1 | Souza, Adriano Mendonça | |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/5271075797851198 | por |
dc.contributor.referee1 | Veiga, Claudimar Pereira da | |
dc.contributor.referee2 | Coronel, Daniel Arruda | |
dc.contributor.referee3 | Marcondes Filho, Danilo | |
dc.contributor.referee4 | Silva, Wesley Vieira da | |
dc.creator.Lattes | http://lattes.cnpq.br/9567570471364145 | por |
dc.publisher.country | Brasil | por |
dc.publisher.department | Engenharia de Produção | por |
dc.publisher.initials | UFSM | por |
dc.publisher.program | Programa de Pós-Graduação em Engenharia de Produção | por |
dc.subject.cnpq | CNPQ::ENGENHARIAS::ENGENHARIA DE PRODUCAO | por |
dc.publisher.unidade | Centro de Tecnologia | por |