| Summary: | A presente pesquisa aborda a utilização de gráficos de controle em processo produtivo com variáveis autocorrelacionadas. Tem como objetivo verificar a estabilidade do processo de lingotamento contínuo na fabricação de tarugos por gráficos de controle aplicados aos resíduos oriundos da previsão dos modelos matemáticos por meio da modelagem linear e/ou não linear. Primeiramente, é observada a existência de correlação entre os dados, utilizandose, então, a Análise de Componentes Principais. Com os dados livres de correlação, testa-se a autocorrelação nas Componentes Principais. A partir desse instante, são aplicados os modelos ARIMA, para encontrar os resíduos nos quais será testada a presença de volatilidade, podendo-se aplicar os modelos ARCH e/ou GARCH. Para exemplificar a metodologia utilizada na pesquisa, foi realizado um estudo de caso em uma empresa do RS, na célula da aciaria, especificamente na máquina de lingotamento contínuo onde são fabricados os tarugos para o Aço DIN20MnCr5, seção quadrada 240 mm. Foi possível a avaliação da estabilidade do processo para as variáveis originais por meio do gráfico . Posteriormente, os dados foram decompostos em Componentes Principais, avaliados por meio dos gráficos de controle e EWMA, indicando as componentes com maior instabilidade e as variáveis com maior influência dentro do novo conjunto de dados. Identificado o conjunto de variáveis, essas foram modeladas, utilizando-se a metodologia de modelos lineares e não lineares para encontrar os resíduos e assim construir os gráficos. Os modelos matemáticos encontrados foram capazes de representar os processos produtivos, possibilitar a compreeensão do comportamento das variáveis e auxiliar na monitoração do processo, e, além disso, mostrar as variáveis que contribuem para que o sistema esteja instável e ocasione a produção de sucata para o aço estudado. === This research addresses the use of control charts in the production process with autocorrelated variables. It aims to determine the stability of the continuous casting process in the manufacture of billets through control charts applied to the residues that come from prediction (of waste) from of mathematical models, by means of (modeling) linear and/or nonlinear modelling. First, it is observed existence of correlation among data, then using Principal Component Analysis. With correlation-free data, the autocorrelation is tested in the Principal Components. From that moment ARIMA models are applied to find residues in which will be tested the presence of volatility maybe applying ARCH and/or GARCH models. To illustrate the methodology used in the survey was conducted a case study at the in a Steel Plant in the State of RS, in the Aciaria cell, specifically in the continuous casting machine where steel billets DIN20MnCr5 square section 240mm are manufactured. It was possible to evaluate the stability of the process for original variables through the graph . Subsequently, data were broken down into Principal Components, evaluated by means of control charts and EWMA, indicating the components with higher instability and variables with greater influence within the new data set. Identied the set of variables, they were modeled using the methodology of linear and nonlinear models to find the residues and thus construct the graphs. Mathematical models were found capable of representing the production process, allowing understanding the variables behavior and assisting in process monitoring; showing the variables that contribute to the system is unstable and causes the scrap production for the steel studied.
|
|---|
