Análise Multivariada para o Controle da Qualidade Microbiológica do Leite Cru
DOI:
https://doi.org/10.12957/cadest.2015.21874Resumo
DOI: 10.12957/cadest.2015.21874
Uma forma eficaz de controlar um processo produtivo é através do controle estatístico da qualidade. A crescente aplicabilidade das ferramentas estatísticas da qualidade tem contribuído para as empresas em relação à correção de processos de fabricação, pois o uso das mesmas garante uma redução da variabilidade dos processos e, como consequência, melhor qualidade. Dentre estas ferramentas, se destacam os gráficos de controle, que têm como objetivo detectar causas especiais ou inaceitáveis. Em geral, o monitoramento é realizado através de gráficos de controle univariados, mas o número de informações geradas é grande, tornando difícil sua administração. Uma alternativa é adotar o monitoramento simultâneo das características da qualidade. Para tal situação, destaca-se o gráfico de controle multivariado baseado na estatística T2 de Hotelling e, para a análise de um sinal fora de controle, o método da decomposição da estatística T2. Este trabalho teve por objetivo melhorar a qualidade do leite cru recebido por um laticínio situado em São João del-Rei-MG, através da análise das características microbiológicas (contagem de células somáticas, contagem bacteriana total), utilizando essas ferramentas multivariadas, com o auxílio do software estatístico livre R, versão 3.1.3. Através deste trabalho foi possível apresentar uma técnica mais robusta, de custo zero, para possibilitar uma intervenção no processo no momento em que ocorria a causa especial e sugerir melhorias. Cabe ressaltar que com essa nova prática de controle de qualidade na empresa, houve uma melhora na qualidade do produto final, acarretando uma fidelização de clientes e um impacto positivo nos lucros.
Palavras-chave: T2 de Hotelling; Decomposição da estatística T2; Software R; Leite.
Referências
DÜRR, J. W. Como produzir leite de qualidade. 4. ed. Brasília: SENAR, 2012. 44 p.
HENNING, E.; KONRATH A. C.; WALTER, O. M. F. C.; SAMOHYL, R. W. Gráficos de controle multivariados: um estudo de caso no setor meta-lomecânico. P&D em Engenharia de Produção, Itajubá, v. 10, n.2, p. 143-156, 2012.
HOTELLING, H. Multivariate Quality Control - illustrated by the air testing of sample bombsights.Techniques of Statistical Analysis. McGraw Hill, New York, 1947.
KORKMAZ, S.; GOKSULUK, D.; ZARARSIZ, G. Multivariate Normality Tests, 2015.
MONTGOMERY, D. C. Introduction to Statistical Quality Control. 6 ed. United State of America: John Wiley & Sons, Inc., 2009, 734p.
MORETTIN, P. A.; TOLOI, C. M. C. Análise de Séries Temporais. 2 ed. São Paulo: Edgard Bliicher, 2008.
OLIVEIRA, E. B.; SOUSA, E. V. O. Estudo da eficácia de Gráficos de controle para o monitoramento de treinamento de natação, na Prova de 1500 m. Utilizando Gráficos de Controle e a Decomposição da Estatística T2 de Hotelling. 2008. Monografia (Especialização em Estatísticas Educacionais) - UFPA, Belém, Pará, 2008.
OYEYEMI, G. M. Principal Component Chart For MultivariateStatisticalProcessControl. The Online Journal of Science and Technology, Turkey, v.1, n. 2, p.22 – 31, April 2011.
R Development Core Team.R: A language and environment for statistical computing. Vienna: R Foundation for Statistical Computing, 2014. Disponívelem:<http://www.r-project.org>. Acesso em: 24 April 2015.
RUNGER, G. C.; ALT, F. B.; MONTGOMERY, D. C. Contributors to a Multivariate Statistical Process Control Signal.Communications in Statistics – Theory and Methods, v. 25, n. 10, 1996.
SINGH Y.; KUMAR M. Application of Statistical Methods to Analyze Ground water Quality. Journal of Earth Sciences and Geotechnical Engineering, v. 1, n. 1, p. 1-7, 2011.
ZVIRTES, L.; ALVES, C. C.; DE ARAUJO, N. G. A.; HENNING, E. Aplicação de gráficos de controle multivariados baseados na projeção de dados via Análise de Componentes Principais. Produção em foco, v. 1, n. 1, p.41-66, Jan./Jun. 2011.
