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

Authors

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

DOI:

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

Keywords:

Cartas de Controle Multivariadas, Não Paramétricas, Análise Bibliométrica.

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.

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.

Published

2020-11-20

How to Cite

Nunes, T. F. B., Rosa, A. F. P., & Royer, R. (2020). 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. Brazilian Journal of Development, 6(11), 90396–90410. https://doi.org/10.34117/bjdv6n11-449

Issue

Section

Original Papers