Banca de QUALIFICAÇÃO: MIRELLI DE CASTRO CESÁRIO

Uma banca de QUALIFICAÇÃO de DOUTORADO foi cadastrada pelo programa.
DISCENTE : MIRELLI DE CASTRO CESÁRIO
DATA : 15/05/2025
HORA: 09:30
LOCAL: https://meet.google.com/omx-ruap-hds
TÍTULO:

Avaliação da influência dos modelos lineares generalizados na qualidade de previsão de respostas com resíduos heteroscedásticos

PALAVRAS-CHAVES:

Palavras-chave: Modelos lineares generalizados; Heteroscedasticidade; Otimização Multiobjetivo; Análise Fatorial.

PÁGINAS: 80
RESUMO:

A modelagem de problemas por meio do Método dos Mínimos Quadrados Ordinários (OLS) pressupõe que os resíduos formado pela diferença entre as observações reais e os valores previstos pelas equações criadas sejam normalmente distribuídos e que apresentem variância constante. No entanto, essas premissas nem sempre são observadas em processos reais, o que torna necessário o uso de modelos mais adequados à representação do comportamento das variáveis. O objetivo deste trabalho é analisar a influência da utilização de Modelos Lineares Generalizados (GLM) na análise de resultados de modelos de superfície de resposta obtidos por meio de um arranjo composto central rotacionável, utilizando pesos derivados de uma regressão de Poisson para estabilizar a variância de previsão e diminuir o nível de heteroscedasticidade dos resíduos. Para validar a metodologia proposta, é analisado um processo de torneamento de peças esbeltas, sendo consideradas, para a análise, as variáveis de resposta rugosidade Rt (altura total do perfil), Rq (rugosidade quadrática média) e Sm (espaçamento médio entre picos). Em seguida, a Análise Fatorial com rotação Varimax é utilizada para a redução de dimensionalidade do problema multiobjetivo, permitindo a obtenção de escores rotacionados de fator que representem as variáveis originais de forma mais eficiente. Também são considerados, na análise, os pontos da fronteira de Pareto obtidos pelo método de Interseção Normal à Fronteira (NBI). Em todos esses casos, são realizadas comparações entre a metodologia proposta (GLM) e a modelagem por Mínimos Quadrados Ordinários (OLS). Os resultados iniciais observados indicam a metodologia GLM proporciona ganhos substanciais em relação ao modelo OLS, com aumentos expressivos nos valores do coeficiente de determinação (R²), R² ajustado e R² de previsão, em todos os cenários analisados. Além disso, o GLM apresentou menor erro padrão de previsão dos valores ajustados e intervalos de confiança mais estreitos, evidenciando melhoria da precisão preditiva e uma elevada capacidade de generalização. Esses resultados reforçam o potencial dos Modelos Lineares Generalizados como uma alternativa robusta para a modelagem quando as premissas tradicionais não são atendidas.

 

MEMBROS DA BANCA:
Presidente - 2503970 - ANDERSON PAULO DE PAIVA
Interna - 3141783 - JULIANA HELENA DAROZ GAUDENCIO
Interno - 3291994 - MATHEUS BRENDON FRANCISCO
Externo à Instituição - ROBERTO DA COSTA QUININO - UFMG