Análise bibliométrica das cartas de controle multivariadas não paramétricas e dos métodos KNN, Kernel e Cópulas / Bibliometric analysis of nonparametric multivariate control charts, KNN, Kernel and Copulas

Tamires Fernanda Barbosa Nunes, Ariane Ferreira Porto Rosa, Rogério Royer

Abstract


As Cartas de Controle Multivariadas Paramétricas são utilizadas em processos produtivos que contenham um grande número de variáveis e correlação entre elas. Entretanto, para serem implementadas necessitam do conhecimento prévio sobre a distribuição das variáveis em estudo, suposição que muitas vezes não é satisfeita dependendo da complexidade do processo. As Cartas de Controle Multivariadas Não Paramétricas (CCMNP) se tornam uma alternativa para processos produtivos atuais, que apresentam alto grau de complexidade devido à evolução tecnológica, desenvolvimento industrial, automatização dos processos e características dos dados presentes nos processos. O presente estudo visa realizar uma revisão literária sobre a disseminação das CCMNP, dos métodos K-vizinhos mais próximos (KNN), Kernel e Cópulas, suas aplicações e adaptações nos diversos segmentos industriais. Além disso, é apresentado um estudo e análise de relevância do tema proposto por meio da realização de uma análise bibliométrica, utilizando o método de coocorrência de palavras para avaliar a expansão dos termos no período de 2006 a 2016. Por meio da análise bibliométrica pode-se observar que os métodos não paramétricos para construção de cartas de controle multivariadas são recentes, sendo sua expansão, desenvolvimento de novas aplicações e adaptações de extrema relevância para acompanhar as demandas industriais atuais.


Keywords


Cartas de Controle Multivariadas, Não Paramétricas, Análise Bibliométrica.

References


BELLIS, N. Bibliometrics and citation analysis. EUA: Scarecrow Press, 2009.

BIAU, G. et al. An affine invariant k-nearest neighbor regression estimate. Journal of Multivariate Analysis, v.112, p. 24-34, 2012.

CHAPELLE, O. et al. Semi-supervised learning. [S.I.]: MIT press, v.2. Cambridge, 2006.

CHEN, M. et al. A copula-based approach for estimating the travel time reliability of urban arterial. Transportation Research Part C, v.28, p. 1-23, 2017.

CHOI, S. W.; MORRIS, J.; LEE, I.B. Nonlinear multiscale modelling for fault detection and identification. Chemical Engineering Science, v. 63, p. 2252-2266, 2008.

CHORÓS, B.; IBRAGIMOV, R.; PERMIAKOVA, E. Copula Estimation. Copula Theory and its Applications, p. 77-91, 2010.

DANAHER, P. J.; SMITH, M. S. Modeling multivariate distribuitions using copulas: Apllications in marketing. Marketing Science Celabrating 30 Years, v. 30, n. 1, p. 4-21, 2011.

DURANTE, F.; OKHRIN, O. Estimation procedures for exchangeable Marsall copulas with hydrological application. Stochastic Environmental Research and Risk Assessment, v. 29, p.205-226, 2015.

FAN, J.; QUIN, S. J.; WANG, Y. Online monitoring of nonlinear multivariate industrial processes using filtering KICA-PCA. Control Engineering Practice, v. 22, p. 205-216, 2014.

FONSECA, E N. Bibliometria: Teoria e Prática. São Paulo: Cultrix, 1986.

GHARUN, M.; AZMI, M.; ADAMS, M. A. Short-term forecasting of water yield from forested catchments after bushfire: A case study from Southeast Australia. Water, v. 7, 2015.

GRIMALDI, S. et al. Catchament compatibility via copulas: A non-parametric study of the dependence structures of hydrological responses. Advances in Water Resources, v. 90, p. 116-133, 2016.

HE, Q.P.; WANG, J. Fault Detection Using the k-Nearest Neighbor Rule for Semiconductor Manufacturing Processes. IEEE Transactions on semiconductor manufacturing, vol. 20, n. 4, 2007.

HE, S.; WEI, J.; DENG, H. A distance-based control chart for monitoring multivariate processes using support vector machine. Annals of Operations Research, 13 de abril de 2016. DOI: 10.1007/s10479-016-2186-4.

HOFFMANN, H. Kernel PCA for novelty detection. Pattern Recognition, v. 40, p. 863-874, 2007.

HOLSBACH, N.; FOGLIATTO, F. S.; ANZENELLO, M. J. Método de mineração de dados para identificação de câncer de mama baseado na seleção de variáveis. Ciência saúde coletiva, v. 19, n. 4, 2014.

KHEDIRI, I. B.; LIMAN, M.; WEIHS, C. Variable window adaptative kernel principal componente analysis for nonlinear nonstationary process monitoring. Computers & Industrial Engineering, v. 61, p. 437-446, 2011.

MARCONDES FILHO, D.; FOGLIATTO, F. S.; OLIVEIRA, L. P. L. Gráficos de controle multivariados para monitoramento de processos não lineares em bateladas. Produção, v. 21, n. 1, p. 132-148, 2011.

MAGNUSSEN, S.; TOMPPO, E.; MCROBERTS, R. E. A model-assisted k-nearest neighbour approach to remove extrapolation bias. Scandinavian Journal of Forest Research, v. 25, p. 174-184, 2010.

MORETIN, P. A. Econometria financeira – Um curso em séries temporais financeiras. 2 ed. São Paulo: Blucher, 2011.

RODRIGUES, M. C. N. A influência da engenharia de produção nos serviços de atendimento à saúde: Estudo bibliométrico focado em técnicas operacionais. Revista Produção Online, v. 16, n. 1, jan/mar. de 2016.

SILVA, W. V. Garantia da qualidade do café solúvel com o uso do gráfico de controle de somas acumuladas. Produção Online, v. 7, n. 2, Agosto 2007.

SILVEIRA, E. F.; WERNER, L. Proposta de método de priorização de processos a serem monitorados no controle estatístico de processo: Uma aplicação em trocador de calor. Revista Produção Online, v.11, n.1, mar. 2011.

THELJANI, F. A new kernel-based classification algorithm for systems monitoring: Comparison with statistical process control methods. Arabian Journal for Science and Engineering, v. 40, p. 645-658, 2015.

TOWLER, E. et al. Simulating Ensembles of source water quality using a k-nearest neighbor resampling approach. Environmental Science & Technology, v.43, p. 1407-1411, 2009.

VERDIER, G. Application of copulas to multivariate control charts. Journal of statistical planning and inference, v. 143, p. 2152-2159, 2013.

VERDIER, G.; ROSA, A.F.P. Adaptive Mahalanobis Distance and k-Nearest Neighbor Rule for Fault Detection in Semiconductor Manufacturing. IEEE Transactions on Semiconductor Manufacturing, v.24, n.1, p.59-68, 2011.

WANDERLEY, M. F. B. Estudos de estimação de densidade por kernel: Métodos de seleção de características e estimação do parâmetro suavizador. Tese. Programa de Pós-Graduação em Engenharia Elétrica – Universidade Federal de Minas Gerais, 2013.

WANG, H.; YAO, M. Fault detection of batch processes based on multivariate functional kernel principal componente analysis. Chemometrics and Intelligent Laboratory Systems, v. 149, p. 78-89, 2015.

WANG, J.; NESKOVIC,P.; COOPER, L. N. Improving nearest neighbor rule with a simple adaptive distance measure. Pattern Recognition Letters, v. 28, p.207-213, 2007.

ZHOU, C. Y.; CHEN, Y. Q. Improving nearest neighbor classification with cam weighted distance. Pattern Recognition, v. 39, p. 635-645, 2006.




DOI: https://doi.org/10.34117/bjdv6n11-449

Refbacks

  • There are currently no refbacks.