O combate ao roubo de veículos requer monitoramento constante e ações policiais para alterar a logística de rondas. A proposta deste trabalho é apresentar uma aplicação de como monitorar o índice de roubo de veículos nos 93 distritos da cidade de São Paulo e estabelecer alertas quando houver um aumento da criminalidade que é considerado fora do padrão histórico. Para modelar a taxa de roubo em todos os distritos da cidade foi utilizado o modelo STARMA (Spatio-Time Autoregressive Moving Average) que incorpora dependência espaço-temporal. Já para os gráficos de controle foram utilizados o MEWMA (Multivariate Exponentially Weighted Moving Average) e o MCUSUM (Multivariate Cumulative Sum) direcionado para capturar aumentos. Os resultados indicaram que o MCUSUM teve um tempo de reação a aumentos da criminalidade menor que o MEWMA. Além disso, foi testado como seria o tempo de reação dessas estatísticas sem a presença da componente espacial do modelo STARMA e o resultado foi uma reação incorreta, com aumento de falsos positivos. Palavras-chaves: logística, gráficos de controle, STARMA, MCUSUM, MEWMA. / A constant monitoring and police actions to change the routes of patrol vehicles are some requirements to act against the vehicle theft. The purpose of this dissertation is to present an application of monitoring the vehicle theft rates by control charts in the 93 police districts of the city of SãoPaulo. The control charts are built to detect increases in the crime rates, so a signal is triggered in regions where the crime rates are considered abnormal from the historical pattern. A STARMA (Spatio-Time Autoregressive Moving Average) model that incorporates space-time dependency is used to model the rate of robbery in all districts. MEWMA (Multivariate Exponentially Weighted Moving Average) and the MCUSUM (Multivariate Cumulative Sum) are built to meet some performance criteria. The results pointed out that MCUSUM outperforms MEWMA to capture increases in crime. Additionally earlier false alarms are observed in both charts as consequences when spatial components of STARMA model are wrongly omitted.

O combate ao roubo de veículos requer monitoramento constante e ações policiais para alterar a logística de rondas. A proposta deste trabalho é apresentar uma aplicação de como monitorar o índice de roubo de veículos nos 93 distritos da cidade de São Paulo e estabelecer alertas quando houver um aumento da criminalidade que é considerado fora do padrão histórico. Para modelar a taxa de roubo em todos os distritos da cidade foi utilizado o modelo STARMA (Spatio-Time Autoregressive Moving Average) que incorpora dependência espaço-temporal. Já para os gráficos de controle foram utilizados o MEWMA (Multivariate Exponentially Weighted Moving Average) e o MCUSUM (Multivariate Cumulative Sum) direcionado para capturar aumentos. Os resultados indicaram que o MCUSUM teve um tempo de reação a aumentos da criminalidade menor que o MEWMA. Além disso, foi testado como seria o tempo de reação dessas estatísticas sem a presença da componente espacial do modelo STARMA e o resultado foi uma reação incorreta, com aumento de falsos positivos. Palavras-chaves: logística, gráficos de controle, STARMA, MCUSUM, MEWMA. / A constant monitoring and police actions to change the routes of patrol vehicles are some requirements to act against the vehicle theft. The purpose of this dissertation is to present an application of monitoring the vehicle theft rates by control charts in the 93 police districts of the city of SãoPaulo. The control charts are built to detect increases in the crime rates, so a signal is triggered in regions where the crime rates are considered abnormal from the historical pattern. A STARMA (Spatio-Time Autoregressive Moving Average) model that incorporates space-time dependency is used to model the rate of robbery in all districts. MEWMA (Multivariate Exponentially Weighted Moving Average) and the MCUSUM (Multivariate Cumulative Sum) are built to meet some performance criteria. The results pointed out that MCUSUM outperforms MEWMA to capture increases in crime. Additionally earlier false alarms are observed in both charts as consequences when spatial components of STARMA model are wrongly omitted.