ATIVIDADE A1 ESTATÍSTICA NO DATA SCIENCE

Prévia do material em texto

ATIVIDADE A1 ESTATÍSTICA NO DATA SCIENCE 
 
PERGUNTA 1 
 
1 Uma fábrica de autopeças possuía duas linhas de produção idênticas para 
seu principal produto. Os gestores precisavam aumentar a capacidade de produção 
dessas linhas para atender a um novo contrato de fornecimento com uma grande 
montadora que passaria a vigorar em 6 meses. Eles precisavam decidir entre a 
alternativa de investir em duas máquinas novas, uma para cada linha de produção, 
ou se seria suficiente otimizar a produção fazendo um retrofitting das máquinas 
existentes, um novo layout para o fluxo da produção e um maior número de 
funcionários dedicados a cada linha. Eles também queriam ter maior flexibilidade em 
controlar a taxa de produção. 
 
 
 
 
 
 
 
 
 
 
Fonte: Elaborada pelo autor 
 
Os gestores pediram a uma jovem engenheira de produção, recém-
contratada, para ajudá-los na análise dessas alternativas. Essa jovem engenheira, 
após alguns testes, desenvolveu o seguinte modelo em que: 
 
 
 
 
 
 
 
 
 
 
Com base no modelo descrito, responda às seguintes perguntas: 
 
1) Quais foram as variáveis estudadas? 
As variáveis estudadas foram máquinas; layout; funcionários; produção. 
 
2) Qual o tipo de cada variável, quantitativa ou qualitativa? Se quantitativa, qual sua 
unidade de medida? Se qualitativa, que níveis ou classes podem assumir? 
A velocidade da máquina é uma variável quantitativa, com unidade de medida "rpm"; 
o volume de produção é uma variável quantitativa com unidade de medida 
"peças/hora"; o layout é uma variável qualitativa com classes (1"novo" ou 0 "antigo"); 
o número de funcionários é uma variável qualitativa com classes (0 "atual", 1 
"maior"). 
 
3) Como pode esse modelo de regressão linear múltipla ser usado para fazer 
predição de volume de produção de cada linha da fábrica? 
Pode ser usado para realizar diversas análises com foco nos principais fatores 
influenciadores do custo de produção. O método possibilita a correlação das 
variáveis e a visualização de vários cenários. A partir do modelo, o gestor da fábrica 
pode simular situações, e chegar ao resultado mais desejado, aumentando ou 
mantendo o numero de funcionários, modificando a quantidade e/ou velocidade de 
máquinas, alterando o layout. 
 
4) Reflita sobre situações similares em que você poderia aplicar essa mesma técnica 
(regressão linear múltipla) para gerar conhecimento a partir de dados. Descreva 
brevemente uma dessas situações que você pensou, identifique cada uma das 
variáveis de entrada e a variável resposta, descreva o tipo de cada uma delas (se 
quantitativa ou qualitativa) e forneça suas unidades de medida (se quantitativas) ou 
seus níveis ou classes (se qualitativas). 
Refletindo sobre situações similares, considerou-se circunstâncias presentes no 
cotidiano como: a perda de peso corporal de uma pessoa em função da quantidade 
de horas de exercícios e da quantidade da ingestão de calorias; o valor de um 
apartamento em função da área, do andar e da localização. 
Considerou-se ainda a geração de resíduos de construção e demolição no canteiro 
de obras em função do tipo de projeto e da forma de produção, como uma situação 
similar e que está relacionada à área da engenharia civil. 
Nesse caso, a variável de resposta Y se configura pela quantidade de resíduos de 
construção e demolição (metros cúbicos), portanto, uma variável quantitativa. 
As variáveis de entradas apresentam-se como quantitativas e qualitativas. 
As variáveis quantitativas x1 dada pela área total construída (metros quadrado); x2 
dada pelo número de pavimentos (unidades) e x3 dada pela densidade das paredes 
(quilograma por metro cúbico). 
As variáveis qualitativas x4 dada pela organização do canteiro com níveis (1-falhas 
na organização do canteiro, 5-canteiro mais organizados); e x5 dada pelo 
reaproveitamento de resíduos, com classe (1-"reaproveitamento" e 0-"sem 
reaproveitamento"). 
 
 
 
REFERÊNCIAS 
 
MATTOS NETO, Antonio Gomes de. Estatística aplicada ao data science: 
predições com modelos de regressão linear 
 
MORETTIN, L. G.; Estatística Básica e Probabilidade. volume 1; 7º edição; Editora 
Saraiva; 2002.