Detalhes bibliográficos
Ano de defesa: |
2019 |
Autor(a) principal: |
COSTA, Bruna Stéfany |
Orientador(a): |
Não Informado pela instituição |
Banca de defesa: |
Não Informado pela instituição |
Tipo de documento: |
Dissertação
|
Tipo de acesso: |
Acesso aberto |
Idioma: |
por |
Instituição de defesa: |
Não Informado pela instituição
|
Programa de Pós-Graduação: |
Programa de Pós-Graduação: Mestrado - Engenharia de Produção
|
Departamento: |
IEPG - Instituto de Engenharia de Produção e Gestão
|
País: |
Não Informado pela instituição
|
Link de acesso: |
https://repositorio.unifei.edu.br/jspui/handle/123456789/1905
|
Resumo: |
O setor da manufatura continua com força crítica tanto em economias avançadas quanto em economias em desenvolvimento. Os desafios experimentados pelas empresas manufatureiras demandam que elas sejam capazes de otimizar seu custo, tempo e qualidade. Para tal, a metodologia de superfície de resposta (RSM) tem sido amplamente usada. Desta forma, o presente trabalho possui o objetivo de propor um balanceamento entre valor esperado e variância de previsão na otimização de processos de manufatura que usam a RSM. A primeira etapa da pesquisa foi o mapeamento e a replicação de 38 artigos, referentes a 38 processos diferentes de manufatura. Através deste mapeamento, observou-se que as pesquisas publicadas em processos de manufatura que usam a RSM não verificam a convexidade das respostas, não confrontam a convexidade e o sentido de otimização das respostas, e não utilizam a restrição de espaço experimental. Uma vez que em 86% das respostas da amostra há desalinhamento entre convexidade e sentido de otimização, a solução destes problemas de pesquisa se refere a um ponto distante do centro do arranjo, com alta variância e baixa previsibilidade. Como consequência, a segunda etapa da pesquisa foi o uso do método de intercessão normal à fronteira (NBI) para ponderar valor esperado e variância de previsão. As fronteiras de Pareto criadas indicam a presença de soluções com perda média de 5% do valor esperado para redução média de 29% na variância de previsão, pelo uso da RSM com a restrição de espaço experimental mais estreita. |