A necessidade de realizar previsões acuradas, oriunda do crescente aprimoramento tecnológico, tem estimulado a aplicação e comparação de diferentes técnicas de modelagem, assim como de métodos de combinação. Historicamente, pesquisadores consideram que combinar previsões originadas de diferentes técnicas melhora a sua acurácia, embora alguns estudos questionem se essa é realmente a melhor opção. Este trabalho procura verificar, para previsões industriais, se há diferença entre a acurácia das previsões individuais e a de suas combinações, por meio da modelagem de séries reais. Como técnicas de previsão individual, utilizam-se a metodologia Box-Jenkins e a modelagem RNA; para a combinação das previsões, utilizam-se os métodos da média aritmética e da variância mínima simplificado. A avaliação de desempenho das previsões é obtida por meio das medidas de acurácia MAPE, MSE e MAE. Como principal resultado, destaca-se a frequência predominante em que previsões obtidas pelo método da variância mínima apresentaram desempenho superior em relação às demais previsões.

Technological development has increased the necessity for more accurate predictions that stimulate the application and comparison of modeling techniques and methods of combination. Historically, researchers have believed that combining forecasts from different techniques improves the forecasts, but some studies question whether combining is really the best option. This paper aims to verify whether there is a difference between the accuracy of individual forecasts and that of their combinations by modeling real industrial prediction series. The Box-Jenkins methodology and ANN modeling were used for individual forecasting, whereas the simplified minimum variance and mean arithmetic methods were used for forecast combinations. The performance of the predictions was evaluated by MAPE (Mean Absolute Percentual Error), MSE (Mean Square Error) and MAE (Mean Absolute Error). As the main result, we highlight the predominant frequency at which the predictions obtained by the minimum variance method show superior performance compared to other forecasts.

O objetivo deste artigo é verificar o comportamento das cartas de média e desvio padrão de Shewhart em relação à probabilidade do erro do tipo I quando da violação da suposição de normalidade. Foi realizada a simulação de uma série de 500.000 amostras (subgrupos) de tamanho n = 3, 5, 7, 10, 15, 20 e 25. As amostras foram simuladas a partir das distribuições normal, t de Student, exponencial, qui-quadrado, gamma e Weibull. Verificou-se em dados não normais o aumento na probabilidade de erro do tipo I na carta de médias em todas as distribuições simuladas. O mínimo tamanho da amostra necessário está relacionado ao grau de assimetria da distribuição dos dados, sendo que, em alguns casos, nem mesmo n = 25 apresentou resultados satisfatórios. No gráfico S, o aumento da probabilidade de erro do tipo I é significativamente superior em quase todas as distribuições simuladas e seu comportamento é influenciado não só pelo tipo de distribuição, mas também pelo tamanho da amostra.

The purpose of this article was to examine the performance of Shewhart average and standard deviation control charts in relation to the probability of type I error at the occurrence of normality assumption violation. A simulation of a series of 500,000 samples (subgroups) of sizes n=3, 5, 7, 10, 15, 20 and 25 was performed. The samples were simulated from the following distributions: Normal, Binomial, Poisson, Exponential, Chi-square, Gamma and Weibull. It was possible to find that, in non-normal data, there was an increase in the probability of type I error on the average chart of all simulated distributions. The minimum sample size required is related to the degree of asymmetry of the data distribution and, in some cases, not even n=25 presented satisfactory results. In the S chart, the increased probability of type I error is significantly higher for almost all distributions simulated and its performance is influenced not only by the type of distribution but also by the sample size.

A análise de capacidade do processo para dados com distribuição não-normal tem sido explorada nos últimos anos, porém ainda são poucas as referências que abordam este assunto. Por isto, este trabalho apresenta os principais métodos de análise de capacidade do processo para dados com distribuição não-normal, sendo o primeiro deles o método proposto por Clements em 1989, o segundo, proposto por Pearn e Chen (1997) e o terceiro método apresentado foi proposto por Chen e Ding (2001). Os métodos de Clements (1989) e Pearn e Chen (1997) são parecidos em muitos aspectos, mas cada um deles apresenta uma novidade em relação ao cálculo dos índices de capacidade. Em comum, ambos os métodos apresentam índices semelhantes aos índices tradicionais, que supõem normalidade dos dados. O método de Chen e Ding (2001) é em si uma forma de estimar o número de não-conformes observado no processo em estudo. Além de abordar os métodos, são apresentados dois casos. No primeiro deles, comparando-se os métodos de Clements (1989) e de Pearn e Chen (1997), procura-se concluir qual dos métodos é o melhor para o cálculo da capacidade do processo não-normal. No segundo, os três métodos apresentados são aplicados em um conjunto de dados, obtidos de uma indústria metalúrgica. Para a execução das análises nos casos, foi aplicado o software livre R versão 2.2.

Although process capability analysis for non-normal data has been used lately, there are only few works on this subject. This article presents the major methods for process capability analysis with non-normal data. Tree methods are presented, which were proposed by Clements in 1989, Pearn and (1997), and Chen and Ding (2001). The first two methods are similar in many aspects, but each one presents novelties in the computation of the capability indexes. They present indexes similar to the traditional ones, which assume normality. The method by Chen and Ding (2001) brings as novelty the use of an index to estimate the number of nonconforming items produced in the process. After the review of these methods, they are compared by means of their application in two cases. In the first case, the methods by Clements (1989) and by Pearn and Chen (1997) were analyzed to identify the best for the non-normal process capability determination. In the second case, all three methods were applied in a metallurgical industry data set. In both cases, the free software R (version 2.2) was used for the statistical analysis.

Realizar previsões de demanda é uma atividade importante na empresa, entretanto, usar uma única técnica para obtê-las pode não ser suficiente para incorporar todo o conhecimento associado ao ambiente de previsão. As formas de integração de previsões incorporam várias técnicas e têm mostrado potencial para reduzir o erro de previsão. Este trabalho apresenta uma modelagem que está estruturada utilizando: combinação de previsões e ajuste baseado na opinião. Os elementos incluídos na modelagem são: dados históricos; econômicos; e de especialistas. Após obter-se a previsão combinada, aplica-se um ajuste para obter a previsão final. O modelo proposto é ilustrado através de uma aplicação.

Demand forecasting is an important task in the companies, however the use of a single technique to produce forecasts might not be enough to gather all the knowledge associated with the forecast environment. The way to integrate forecasts incorporates various techniques and has show potential to reduce forecast error. This study presents a model that relies on the use of two means of integration: forecast combination and judgmental adjustment. The elements covered by the presented model are: historic data, economic data, and the opinion of experts. After obtaining the combined forecast, an adjustment based on the experts' opinion is applied to attain the final forecast. The model proposed is described in details and illustrated through a practical application.

A previsão de demanda é uma atividade importante para auxiliar na determinação dos recursos necessários para a empresa. Neste artigo, a metodologia de Box-Jenkins foi utilizada para analisar dados históricos de uma empresa de assistência técnica de computadores pessoais e obter previsões do número de atendimentos. A empresa estudada apresenta três tipos de clientes diferenciados: contratos, garantia e avulsos. Como cada segmento de clientes tem suas peculiaridades, a previsão de demanda foi direcionada a cada tipo, buscando representar o comportamento de tendência e a sazonalidade por meio dos modelos de Box-Jenkins. A obtenção dos modelos mais adequados foi baseada na análise de gráficos e em testes estatísticos próprios da metodologia, os quais subsidiaram a decisão de adotar o modelo AR(1) para prever o número de atendimentos dos clientes tipo contrato, o modelo ARIMA(2,1,0) para os clientes tipo garantia e um modelo sazonal SARIMA(0,1,0)(0,1,1)12 para os clientes tipo avulsos.

Demand forecasting is an important tool to aid on the determination of necessary resources of a given company. In this paper, the Box-Jenkins methodology was applied to analyze historical data of a personal computer repair company and provide a forecast for the number of service calls. The company studied presents three segments of clients: contracts, warranty, and on-call. As each client has it own characteristics, in order to better represent tendency and seasonality behavior through the Box-Jenkins models, a specific forecasting model was developed for each segment. The choice of the optimum models were based into graphic analysis and statistical tests, which lead to the decision of adopting the AR(1) model to foresee the number of contract clients, the ARIMA(2,1,0) model for warranty clients and the SARIMA(0,1,0)(0,1,1)12 seasonal model for on-call clients.

A busca por métodos e ferramentas que permitam avaliar e selecionar assentos para uso em determinadas situações de trabalho tem sido uma preocupação constante no campo da Ergonomia. Neste estudo, foram aplicadas técnicas multivariadas para a análise dos dados provenientes de questionários de desconforto e de satisfação, utilizados para a avaliação de assentos em um experimento realizado em um laboratório industrial. O presente artigo tem como objetivo selecionar o assento percebido como o melhor. Para tanto, fez-se uso da Análise de Variância, da Análise de Aglomerados e da Análise Fatorial. O uso dessas técnicas permitiu gerar uma descrição que explica esta seleção através dos construtos obtidos: Bem-Estar, Funcionalidade e Desconforto.

Methods and tools that allow seat evaluation and selection in specific work environments are permanently a research issue in Ergonomics. In this study, multivariate tools were used to analyse satisfactions and discomfort questionnaires data from a seat evaluation experiment, performed at an industrial laboratory. The aim of this paper is the selection of the best seat based on user's perceptions. Thus, Analysis of Variance, Cluster Analysis, and Factorial Analysis were used to explain the selection based on the obtained constructs: Well-being, Functionality, and Discomfort.