• Refine Query
  • Source
  • Publication year
  • to
  • Language
  • 1
  • Tagged with
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • About
  • The Global ETD Search service is a free service for researchers to find electronic theses and dissertations. This service is provided by the Networked Digital Library of Theses and Dissertations.
    Our metadata is collected from universities around the world. If you manage a university/consortium/country archive and want to be added, details can be found on the NDLTD website.
1

Gráficos de controle para variáveis não-conformes autocorrelacionadas

Russo, Suzana Leitão January 2002 (has links)
Tese(doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia de Produção. / Made available in DSpace on 2012-10-20T07:35:53Z (GMT). No. of bitstreams: 1 187107.pdf: 1046977 bytes, checksum: 2cdc9b4b4910de064f358d243450188e (MD5) / Nesta tese restringe-se a analisar os gráficos de controle para variáveis contínuas e discretas. Os gráficos de controle convencionais de Shewhart, foram utilizados acrescidos de outros modelos adequados a transformações de observações autocorrelacionadas em observações que sejam independentes e normalmente distribuídas. Os dados utilizados para análise foram coletados na Indústria Têxtil Oeste Ltda., no município de Mondai - SC. As séries analisadas foram o número de ocorrências por tipo de não-conformidade em bobinas no setor de tecelagem (variável discreta e independente) e os valores da gramatura (denier) da fita de ráfia (variável contínua e explicativa) no setor de produção de fitas de polipropileno. Além de se verificar a autocorrelação dos dados, pode-se modelar as variáveis discretas através de modelos de regressão de Poisson e as variáveis contínuas através dos modelos Box e Jenkins e, com os resíduos obtidos utilizar os modelos de função de transferência para se identificar à existência de causalidade. A técnica proposta, de primeiro retirar a autocorrelação dos dados para depois ajustá-los mostrou-se satisfatória estatisticamente. Ao se estudar a autocorrelação dos dados gerou uma nova perspectiva de aprendizagem sobre o processo produtivo através das informações contidas na estrutura de autocorrelação, dos modelos Box e Jenkins e dos modelos de regressão de Poisson, aos quais eram ignorados pelo modelo clássico de monitoramento. A função de transferência empregada posteriormente nos resíduos obtidos permitiu a confirmação da causalidade da gramatura da fita com relação ao tecido produzido. Com isso houve um crescimento de informações para a correta tomada de decisão e pode-se detectar que houve uma melhora nos pontos de saída de controle

Page generated in 0.0751 seconds