Gráficos de controle de aprendizagem dos processos: uma flexibilização de CEP com IA

• Ano de defesa: 2020
• Autor(a) principal: Boaventura, Laion Lima
• Orientador(a): Fiaccone, Rosemeire Leovigildo
• Banca de defesa: Sant'Anna, Angelo Marcio Oliveira, Marcondes Filho, Danilo
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal da Bahia; Instituto de Matemática e Estatística; Departamento de Matemática
• Programa de Pós-Graduação: em Matemática
• País: brasil
• Palavras-chave em Português: Inteligência Artificial (IA); Controle Estatístico de Processos (CEP); Gráficos de Controle; Modelos de Classificação; Modelos de Regressão; Reamostragem
• Área do conhecimento CNPq: Ciências Exatas e da Terra; Matemática; Probabilidade e Estatística
• Link de acesso: http://repositorio.ufba.br/ri/handle/ri/33499

Neste trabalho, utilizamos técnicas de Inteligência Artificial e Controle Estatístico de Processos (CEP) para propor duas novas ferramentas de monitoramento de processos. Fundamentado em gráficos de controle mais tradicionais, como o proposto por Haworth (1996), bem como amparado por metodologias mais recentes, como Mostajeran (2016), os Gráfico de Controle de Classificação e Gráfico de Controle de Predição para Respostas Contínua, aqui propostos, têm por principal motivação apresentar-se à literatura como alternativas mais robustas e flexíveis que as ferramentas mais tradicionais. Para isso, além de grande capacidade de reconhecimento de padrões e diagnóstico de problemas, independente do cenário amostral, essas novas ferramentas, têm de ser capazes de desempenhar suas funções de monitoramento em grande escala, prevendo situações de Mercado, as quais os processos ocorrem, cada vez mais, em grandes volumes de dados. Buscando ilustrar ao máximo o quão flexíveis são os gráficos propostos, aplicamos 16 modelos de Aprendizagem de Máquinas a uma grande quantidade de cenários amostrais simulados, variando tamanho amostral, número de amostras, existência ou não de correlação linear entre os preditores do processo, bem como desbalanceamento e não normalidade da característica de interesse. Além dos estudos de simulação, de modo a ratificar a aplicabilidade das ferramentas propostas, bem como comparar as propostas a demais gráficos já consolidados na literatura, apresentamos 4 aplicações envolvendo bancos de dados reais, nos quais os resultados mostram que tanto o Gráfico de Controle de Classificação quanto o Gráfico de Controle de Predição para Respostas Contínua, podem ser alternativas interessantes quando se trata de controle de processos.