Gerenciamento de Indicadores de Desempenho Industrial: Análise de Regressão e Simulação

Autores

  • Walter Roberto Vergara
  • Rafael Henrique Barros da Silva
  • Fabio Alves Barbosa
  • Juliana Suemi Yamanari

DOI:

https://doi.org/10.15675/gepros.v12i4.1784

Resumo

Os métodos estocásticos podem ser utilizados na solução de problemas e explicação de fenômenos naturais através de procedimentos estatísticos. O artigo busca associar a análise de regressão e simulação de sistemas com o objetivo de facilitar o entendimento prático da análise de dados. Os algoritmos foram desenvolvidos no software Microsoft Office Excel, utilizando técnicas estatísticas como a teoria da regressão, ANOVA e fatoração de Cholesky, possibilitando a criação de modelos de sistemas simples e múltiplos com até cinco variáveis independentes. Para a análise dos referidos modelos, utilizou-se a simulação de Monte Carlo e análises de indicadores de desempenho industrial, resultando em índices numéricos que tem como objetivo melhorar o gerenciamento das metas para indicadores de conformidade, através da identificação de instabilidade, correlaçãoe anomalias do sistema. Os modelos de análise apresentados na pesquisa representaram resultados satisfatórios com inúmeras possibilidades de aplicações empresariais e acadêmicas, além do potencial para desdobramento em novas técnicas de análise.

Downloads

Arquivos adicionais

Publicado

2017-11-01

Como Citar

Vergara, W. R., da Silva, R. H. B., Barbosa, F. A., & Yamanari, J. S. (2017). Gerenciamento de Indicadores de Desempenho Industrial: Análise de Regressão e Simulação. Revista Gestão Da Produção Operações E Sistemas, 12(4), 183. https://doi.org/10.15675/gepros.v12i4.1784

Edição

Seção

Artigos

Artigos mais lidos pelo mesmo(s) autor(es)