A presente pesquisa aborda a utilização de gráficos de controle em processo produtivo com variáveis autocorrelacionadas. Tem como objetivo verificar a estabilidade do processo de lingotamento contínuo na fabricação de tarugos por gráficos de controle aplicados aos resíduos oriundos da previsão dos modelos matemáticos por meio da modelagem linear e/ou não linear. Primeiramente, é observada a existência de correlação entre os dados, utilizandose, então, a Análise de Componentes Principais. Com os dados livres de correlação, testa-se a autocorrelação nas Componentes Principais. A partir desse instante, são aplicados os modelos ARIMA, para encontrar os resíduos nos quais será testada a presença de volatilidade, podendo-se aplicar os modelos ARCH e/ou GARCH. Para exemplificar a metodologia utilizada na pesquisa, foi realizado um estudo de caso em uma empresa do RS, na célula da aciaria, especificamente na máquina de lingotamento contínuo onde são fabricados os tarugos para o Aço DIN20MnCr5, seção quadrada 240 mm. Foi possível a avaliação da estabilidade do processo para as variáveis originais por meio do gráfico . Posteriormente, os dados foram decompostos em Componentes Principais, avaliados por meio dos gráficos de controle e EWMA, indicando as componentes com maior instabilidade e as variáveis com maior influência dentro do novo conjunto de dados. Identificado o conjunto de variáveis, essas foram modeladas, utilizando-se a metodologia de modelos lineares e não lineares para encontrar os resíduos e assim construir os gráficos. Os modelos matemáticos encontrados foram capazes de representar os processos produtivos, possibilitar a compreeensão do comportamento das variáveis e auxiliar na monitoração do processo, e, além disso, mostrar as variáveis que contribuem para que o sistema esteja instável e ocasione a produção de sucata para o aço estudado. / This research addresses the use of control charts in the production process with autocorrelated variables. It aims to determine the stability of the continuous casting process in the manufacture of billets through control charts applied to the residues that come from prediction (of waste) from of mathematical models, by means of (modeling) linear and/or nonlinear modelling. First, it is observed existence of correlation among data, then using Principal Component Analysis. With correlation-free data, the autocorrelation is tested in the Principal Components. From that moment ARIMA models are applied to find residues in which will be tested the presence of volatility maybe applying ARCH and/or GARCH models. To illustrate the methodology used in the survey was conducted a case study at the in a Steel Plant in the State of RS, in the Aciaria cell, specifically in the continuous casting machine where steel billets DIN20MnCr5 square section 240mm are manufactured. It was possible to evaluate the stability of the process for original variables through the graph . Subsequently, data were broken down into Principal Components, evaluated by means of control charts and EWMA, indicating the components with higher instability and variables with greater influence within the new data set. Identied the set of variables, they were modeled using the methodology of linear and nonlinear models to find the residues and thus construct the graphs. Mathematical models were found capable of representing the production process, allowing understanding the variables behavior and assisting in process monitoring; showing the variables that contribute to the system is unstable and causes the scrap production for the steel studied.

A presente pesquisa aborda a utilização de gráficos de controle em processo produtivo com variáveis autocorrelacionadas. Tem como objetivo verificar a estabilidade do processo de lingotamento contínuo na fabricação de tarugos por gráficos de controle aplicados aos resíduos oriundos da previsão dos modelos matemáticos por meio da modelagem linear e/ou não linear. Primeiramente, é observada a existência de correlação entre os dados, utilizandose, então, a Análise de Componentes Principais. Com os dados livres de correlação, testa-se a autocorrelação nas Componentes Principais. A partir desse instante, são aplicados os modelos ARIMA, para encontrar os resíduos nos quais será testada a presença de volatilidade, podendo-se aplicar os modelos ARCH e/ou GARCH. Para exemplificar a metodologia utilizada na pesquisa, foi realizado um estudo de caso em uma empresa do RS, na célula da aciaria, especificamente na máquina de lingotamento contínuo onde são fabricados os tarugos para o Aço DIN20MnCr5, seção quadrada 240 mm. Foi possível a avaliação da estabilidade do processo para as variáveis originais por meio do gráfico . Posteriormente, os dados foram decompostos em Componentes Principais, avaliados por meio dos gráficos de controle e EWMA, indicando as componentes com maior instabilidade e as variáveis com maior influência dentro do novo conjunto de dados. Identificado o conjunto de variáveis, essas foram modeladas, utilizando-se a metodologia de modelos lineares e não lineares para encontrar os resíduos e assim construir os gráficos. Os modelos matemáticos encontrados foram capazes de representar os processos produtivos, possibilitar a compreeensão do comportamento das variáveis e auxiliar na monitoração do processo, e, além disso, mostrar as variáveis que contribuem para que o sistema esteja instável e ocasione a produção de sucata para o aço estudado. / This research addresses the use of control charts in the production process with autocorrelated variables. It aims to determine the stability of the continuous casting process in the manufacture of billets through control charts applied to the residues that come from prediction (of waste) from of mathematical models, by means of (modeling) linear and/or nonlinear modelling. First, it is observed existence of correlation among data, then using Principal Component Analysis. With correlation-free data, the autocorrelation is tested in the Principal Components. From that moment ARIMA models are applied to find residues in which will be tested the presence of volatility maybe applying ARCH and/or GARCH models. To illustrate the methodology used in the survey was conducted a case study at the in a Steel Plant in the State of RS, in the Aciaria cell, specifically in the continuous casting machine where steel billets DIN20MnCr5 square section 240mm are manufactured. It was possible to evaluate the stability of the process for original variables through the graph . Subsequently, data were broken down into Principal Components, evaluated by means of control charts and EWMA, indicating the components with higher instability and variables with greater influence within the new data set. Identied the set of variables, they were modeled using the methodology of linear and nonlinear models to find the residues and thus construct the graphs. Mathematical models were found capable of representing the production process, allowing understanding the variables behavior and assisting in process monitoring; showing the variables that contribute to the system is unstable and causes the scrap production for the steel studied.

A presente pesquisa aborda a utilização de gráficos de controle em processo produtivo com variáveis autocorrelacionadas. Tem como objetivo verificar a estabilidade do processo de lingotamento contínuo na fabricação de tarugos por gráficos de controle aplicados aos resíduos oriundos da previsão dos modelos matemáticos por meio da modelagem linear e/ou não linear. Primeiramente, é observada a existência de correlação entre os dados, utilizandose, então, a Análise de Componentes Principais. Com os dados livres de correlação, testa-se a autocorrelação nas Componentes Principais. A partir desse instante, são aplicados os modelos ARIMA, para encontrar os resíduos nos quais será testada a presença de volatilidade, podendo-se aplicar os modelos ARCH e/ou GARCH. Para exemplificar a metodologia utilizada na pesquisa, foi realizado um estudo de caso em uma empresa do RS, na célula da aciaria, especificamente na máquina de lingotamento contínuo onde são fabricados os tarugos para o Aço DIN20MnCr5, seção quadrada 240 mm. Foi possível a avaliação da estabilidade do processo para as variáveis originais por meio do gráfico . Posteriormente, os dados foram decompostos em Componentes Principais, avaliados por meio dos gráficos de controle e EWMA, indicando as componentes com maior instabilidade e as variáveis com maior influência dentro do novo conjunto de dados. Identificado o conjunto de variáveis, essas foram modeladas, utilizando-se a metodologia de modelos lineares e não lineares para encontrar os resíduos e assim construir os gráficos. Os modelos matemáticos encontrados foram capazes de representar os processos produtivos, possibilitar a compreeensão do comportamento das variáveis e auxiliar na monitoração do processo, e, além disso, mostrar as variáveis que contribuem para que o sistema esteja instável e ocasione a produção de sucata para o aço estudado. / This research addresses the use of control charts in the production process with autocorrelated variables. It aims to determine the stability of the continuous casting process in the manufacture of billets through control charts applied to the residues that come from prediction (of waste) from of mathematical models, by means of (modeling) linear and/or nonlinear modelling. First, it is observed existence of correlation among data, then using Principal Component Analysis. With correlation-free data, the autocorrelation is tested in the Principal Components. From that moment ARIMA models are applied to find residues in which will be tested the presence of volatility maybe applying ARCH and/or GARCH models. To illustrate the methodology used in the survey was conducted a case study at the in a Steel Plant in the State of RS, in the Aciaria cell, specifically in the continuous casting machine where steel billets DIN20MnCr5 square section 240mm are manufactured. It was possible to evaluate the stability of the process for original variables through the graph . Subsequently, data were broken down into Principal Components, evaluated by means of control charts and EWMA, indicating the components with higher instability and variables with greater influence within the new data set. Identied the set of variables, they were modeled using the methodology of linear and nonlinear models to find the residues and thus construct the graphs. Mathematical models were found capable of representing the production process, allowing understanding the variables behavior and assisting in process monitoring; showing the variables that contribute to the system is unstable and causes the scrap production for the steel studied.

No description available.

This research has a topic forecast models applied to industrial productive processes with the objective of verifying the stability of the process through control charts applied to the residues originated from linear and non-linear model. In the presence of autocorrelation data, it was necessary to look for a mathematical model which are produce independent and identically distributed residues. This investigation about the stability of the process goes by the verification of the volatility is influence in the detection of points that are capable to affect the productive process performance. This fact shows the existence of the volatility in productive processes, which it is just used until now in economic variables. The data used for analysis belong to three different industries in different segments. The mathematic models were used multivariate dynamic equation, ARIMA and ARIMA-ARCH model. According to the control charts the statistical techniques used to eliminate the serial autocorrelation was statistically adequate comparing to the classic model used by each industry analyzed. Besides, it was verified, in the period that the volatility occurs corresponds to the period the shows a lack of stability detected by Shewhart control charts. The mathematic models were able to represent the productive process, facilitating understands the behavior of the variables, and help to accomplish the forecast and monitoring the process. / A presente pesquisa tem como tema a abordagem de 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 e nãolinear. Como as observações eram autocorrelacionadas, foi necessário buscar um modelo matemático pelo qual foram obtidos resíduos independentes e normalmente distribuídos. A investigação da estabilidade do processo passa pela verificação da influência da volatilidade na detecção de pontos amostrais que são potenciais para afetar o desempenho do processo produtivo. Esse fato comprova a existência da volatilidade em processos produtivos que, até o momento, é trabalhada apenas em variáveis econômicas. Os dados utilizados para análise pertencem a três empresas de segmentos distintos. O modelo matemático foi ajustado utilizando modelo de regressão dinâmica multivariada, modelo ARIMA e modelo ARIMAARCH. De acordo com os gráficos de controle, as técnicas estatísticas empregadas para eliminar a autocorrelação serial dos dados mostraram-se adequadas estatisticamente, se comparadas com o modelo clássico utilizado por cada empresa analisada. Além disso, verificou-se que, no período que ocorre volatilidade corresponde a um período fora de controle detectado nos gráficos de controle de Shewhart. Os modelos matemáticos encontrados foram capazes de representar os processos produtivos, possibilitando compreender o comportamento das variáveis e auxiliaram na realização das previsões e na monitoração do processo.