SISTEMÁTICA PARA IDENTIFICAÇÃO DAS VARIÁVEIS PREDITIVAS MAIS RELEVANTES EM UM PROCESSO DO SETOR METAL-MECÂNICO

Resumo

As avançadas tecnologias de monitoramento e coleta de dados de processos industriais têm gerado um grande volume de informações que viabilizam a análise do desempenho destes processos. Neste contexto, procedimentos de seleção de variáveis constituem-se em importante recurso para aprimorar o monitoramento e entendimento de tais informações, tipicamente apoiadas em bancos formados por variáveis altamente correlacionadas, ruidosas ou com informação pouco relevante. Esse artigo propõe uma sistemática para identificar as variáveis (indicadores) mais relevantes com vistas à predição dos níveis de formação de sucata em uma empresa do ramo metal mecânico. Para tanto, um modelo de regressão linear múltipla é inicialmente ajustado aos dados normalizados. As variáveis são então sistematicamente removidas com base no valor absoluto do coeficiente de regressão. Após cada eliminação de variável, a capacidade preditiva do modelo é avaliada através das medidas de desempenho Critério de Informação Akaike (AIC) e Soma dos Quadrados dos Erros (SQE). A capacidade preditiva dos modelos resultantes foi considerada adequada por especialistas de processo.