FAEP – 2

Professor: Hendrigo Batista

* Conteúdo da disciplina *
- Revisão
- Gráficos de Controle Avançados
- Amostragem por atributos e variáveis
- Planejamento de experimentos
- Livro: MONTGOMERY, Intro. Ao controle estatístico de
qualidade - 7 ed.

03/02
* REVISÃO *
- Dados, Informação, Conhecimento e Ferramentas
Empresa data-driven = empresas tomam suas decisões baseadas em dados, que são coletados de
forma cada vez mais frequentes devido ao aumento da quantidade de sensores (de onde nós
captamos os dados – celulares, máquinas) e à diminuição do custo de armazenamento desses
dados (nuvens).
Dados são agrupados e processados por ferramentas estatísticas que auxiliam o engenheiro de
produção a tomar decisões mais certeiras. Nos baseamos na análise de dados, que devem ser
confiáveis
- Dado: elemento bruto, sem um significado isolado. Gerado de forma automática ou manual.
Ex: valores numéricos, pixels em imagens, sons isolados
- Informação: dados organizados e processados por meio de alguma ferramenta com um significado
subjacente
Ex: planilha de pagamentos, cálculos de média, operações com dados.
- Conhecimento: interpretação dessas informações por pessoas para uma tomada de decisões
assertivas
Ex: estudo de reavaliação do plano de carreia da empresa, estudo de como diminuir o churn rate
(taxa de abandono – clientes que deixam de usar o produto da empresa)
- Ferramentas: transformam os dados em informação e facilitam a transformação da informação em
conhecimento.
Análises exploratórias: gráficos, tabelas, listas...
Análises preditivas: ferramentas estatísticas de previsão, aprendizado de máquinas (machine
learning)
Ex:

* Ferramentas da Ciência de Dados para a Engenharia de Produção *

Data Sicence: a ciência de dados busca descrever um campo emergente de estudo que foca em
trazer a importância dos valores escondidos nos dados. Milhares de vagas foram abertas a partir de
2015 em diversas áreas do mercado para essas pessoas que analisam dados.
Com o trabalho remoto, a revolução do trabalhador remoto cria um aumento na demanda na área de
TI e digitalização no fluxo de processos da empresa. Busca-se pessoas que consigam trazer
informações e insights relevantes dos dados das empresas.
Ferramentas que o Engenheiro de Produção mais usa no
dia a dia:
1,2) Uso de KPI’s, identificação das dores do negócio, processos
internos do negócio, valor gerado nos processos da empresa.
3) Planilhas internas, servidores internos, mídias sociais.
4) Padronização de dados para o entendimento geral.
5, 6) Análises dos dados, melhor abordagem a se tomar.
7) Regressão linear, SVM, Redes neurais, várias ferramentas...
8) Classificação, erro quadrático médio (MSE)....
9) Funcionamento do modelo em ambiente real, atualização
desses modelos, suporte a erros dos modelos.
10) Apresentação dos resultados de forma clara, melhor forma de apresenta de acordo com o público.
* Técnicas mais utilizadas:
- Clusterização: definição de grupos de observações com características comuns em um grupo de
dados.
Ex: supondo um grupo de clientes, podemos agrupar as pessoas de acordo com os produtos
comprados, padrão de comportamento em aplicativos, entre outros fatores definidos.

- Regressão: prever os resultados em uma saída numérica, tentando mapear variáveis de entrada
em saídas numéricas.
Ex: dadas as características de um imóvel, o sistema rá prever o valor de venda.

- Classificação: tentamos prever os resultados em uma saída categórica, tentando mapear variáveis
de entrada em categorias distintas
Ex: ao detectar o rosto de uma pessoa, o sistema deve descobrir quem é a pessoa através de um
sistema de classificação.

- Sistemas de Recomendação: recomendação de anúncios e de produtos com base em interesses,

curtidas e notas de usuários em uma base de dados para treinamento de sistemas.
- Aplicações disso tudo na Engenharia de Produção:
1) Otimização na tomada de decisões em um contexto geral, por evitar decisões baseadas no
achismo
2) Redução de custos com a alocação otimizada de recursos e redução de desperdícios.
3) Aumenta a qualidade com o reconhecimento de padrões de produção que devem ser evitados.
4) Propicia vantagens competitivas pelo entendimento mais aprofundado das forças e fraquezas do
sistema.

10/02
* Qualidade é inversamente proporcional à variabilidade
Então a melhoria da qualidade se resume na redução da variabilidade nos processos dos produtos.
E os métodos estatísticos, as ferramentas que aprendemos, são fundamentais na redução dessa
variabilidade, garantindo que os produtos e serviços satisfaçam os requisitos e melhores as
qualidades de maneira contínua.

X
 24/02

* Gráficos de Controle Avançados (CUSUM = Soma acumulativa)

.
.
.
 NO EXCEL

= PARA Ci - e N-

Para o LSC e LIC usamos, 5 * desvio padrão e 5 * - (desvio padrão)

 N+

(Exemplo)

OLHAR EXCEL PARA

ENTENDER TUDO
Com N= número de dados na série
Resultado dado em X desvios padrão
A e B impactam na variável resposta.