Análise multivariada no processo de produção de um pneu agrícola

Abstract

O projeto de dissertação, desenvolvido na Continental Mabor, teve como principal objetivo a aplicação de uma análise multivariada a variáveis relacionadas com as especificações necessárias para a produção de um pneu agrícola e os respetivos resultados dos testes realizados. Com a análise exploratória aos dados foi possível identificar correlações muito fortes entre as variáveis quantitativas e as variáveis respostas de cada teste, pelo que se optou por aplicar a análise de componentes principais para eliminar os efeitos de multicolinearidade. O uso da regressão linear teve como propósito prever o comportamento do pneu agrícola, tendo em consideração as variáveis selecionadas, em cada teste. No caso do teste 1, ao aplicar os métodos de Stepwise para a seleção das variáveis, o modelo com o modo de pesquisa Both apresentou o menor valor de AIC. Porém, o modelo com menor valor de AIC para o teste 2 foi com o modo de pesquisa Backward. Relativamente à validação dos pressupostos, tanto no teste 1 como no 2, foram todos validados. Posto isto, as variáveis quantitativas são todas importantes, tanto no teste 1 como no teste 2, pois estas fazem parte da combinação linear que determina as componentes principais. Com a aplicação da análise de clusters foi possível agrupar os pneus agrícolas em 4 clusters, tendo em consideração as suas semelhanças/dissemelhanças, e o seu agrupamento foi feito a partir do seu tamanho e da carga a que este está sujeito. De forma a facilitar a determinação das previsões para futuros pneus agrícolas, desenvolveu-se uma aplicação em Shiny que permite à empresa saber o comportamento que o pneu vai ter antes de partir para a produção do mesmo. Com a utilização da aplicação, conseguem diminuir o tempo de industrialização, de materiais e de recursos, aumentando assim a eficiência e os lucros.

The main objective of this dissertation project, developed at Continental Mabor, was to apply a multivariate analysis to variables related to the specifications required for production of an agricultural tire and the respective tests results. With the exploratory data analysis, it was possible to identify strong correlations between quantitative variables and the response variables of each test. So, in this project the component analysis has a purpose to eliminate the effects of multicollinearity. The use of regression analysis was intended to predict the behavior of the agricultural tire, considering the selected variables, of each test. In the case of test 1, when applying the Stepwise methods to select the variables, the model with the lowest value of AIC was with the Both selection. However, the lowest value of AIC for test 2 was with the Backward selection. Regarding the validation of assumptions, both test 1 and test 2 were validated. So, all the quantitative variables are important, both in test 1 and test 2, because they are a linear combination that determines the principal components. Applying the clusters analysis, it was conceivable to find 4 agricultural tires clusters, considering their similarities/dissimilarities, and their grouping was done from the size and the load that is subject. In order to make it easier to determinate prediction for future agricultural tires an application was developed in Shiny, that allows the company to know the behavior of the tire before it’s produced. Using the application, it’s possible to reduce the industrialization time, materials and resources, increasing efficiency and profits.