Neste relatorio, apresentamos a analise da produtividade em diferentes setores industriais focando na relação entre produtos fabricados por dia e a qualidade dos produtos, com o objetivo de investigar como a qualidade do produto influência a produtividade em diferentes setores industriais. Verificar se existe uma correlação entre a qualidade percebida e o número de produtos fabricados por dia.
Importando a base de dados
##
## Anexando pacote: 'fdth'
## Os seguintes objetos são mascarados por 'package:stats':
##
## sd, var
Importância: Esta variável fornece uma medida direta da produtividade diária,influenciando a capacidade de atender a demanda do mercado.
Criando objeto com os dados de interesse:
#variavel produtos
produtos<-tabela2.2$`Produtos Fabricados por Dia`
O diagrama de ramo-e-folhas oferece uma visualização rápida da distribuição dos dados de produção diária.
##
## The decimal point is 2 digit(s) to the right of the |
##
## 0 | 5677789
## 1 | 000000123444
## 1 | 555667888
## 2 | 0011222444444
## 2 | 566667999
## 3 | 0011112222234
## 3 | 5566667788999
## 4 | 0001112244444
## 4 | 56788999
## 5 | 000
## Class limits f rf rf(%) cf cf(%)
## [51,72.2) 5 0.05 5 5 5
## [72.2,93.3) 2 0.02 2 7 7
## [93.3,114) 7 0.07 7 14 14
## [114,136) 2 0.02 2 16 16
## [136,157) 8 0.08 8 24 24
## [157,178) 1 0.01 1 25 25
## [178,199) 4 0.04 4 29 29
## [199,220) 5 0.05 5 34 34
## [220,241) 7 0.07 7 41 41
## [241,263) 3 0.03 3 44 44
## [263,284) 3 0.03 3 47 47
## [284,305) 5 0.05 5 52 52
## [305,326) 10 0.10 10 62 62
## [326,347) 2 0.02 2 64 64
## [347,368) 6 0.06 6 70 70
## [368,390) 4 0.04 4 74 74
## [390,411) 7 0.07 7 81 81
## [411,432) 3 0.03 3 84 84
## [432,453) 6 0.06 6 90 90
## [453,474) 2 0.02 2 92 92
## [474,495) 8 0.08 8 100 100
O histograma apresenta visualmente a distribuição de frequências da
produção diária.
Importância: O tempo de ciclo de produção é uma métrica crucial para avaliar a eficiência do processo produtivo. Um tempo de ciclo menor geralmente indica uma operação mais eficiente e produtiva.
## Class limits f rf rf(%) cf cf(%)
## [0,1) 11 0.11 11 11 11
## [1,2) 29 0.29 29 40 40
## [2,3) 20 0.20 20 60 60
## [3,4) 19 0.19 19 79 79
## [4,5) 21 0.21 21 100 100
Criando vetor com os dados
setor <- tabela2.2$`Setor de Produção`
tabela_setor <- table(setor)
print(tabela_setor)
## setor
## Alimentos Automotivo Eletrônicos Farmacêutico Têxtil
## 26 25 11 13 25
qualidd <- tabela2.2$`Qualidade do Produto`
tabela_qualidade <- table(qualidd)
print(tabela_qualidade)
## qualidd
## Boa Excelente Regular Ruim
## 31 22 24 23
## vars n mean sd median trimmed
## ID 1 100 50.50 29.01 50.50 50.50
## Produtos Fabricados por Dia 2 100 283.68 128.31 297.00 284.05
## Tempo de Ciclo de Produção (minutos) 3 100 2.67 1.32 2.66 2.66
## Setor de Produção* 4 100 2.86 1.56 2.00 2.83
## Qualidade do Produto* 5 100 2.39 1.15 2.00 2.36
## mad min max range skew kurtosis
## ID 37.06 1.00 100.00 99.00 0.00 -1.24
## Produtos Fabricados por Dia 151.23 51.00 495.00 444.00 -0.08 -1.16
## Tempo de Ciclo de Produção (minutos) 1.67 0.52 4.94 4.42 0.09 -1.31
## Setor de Produção* 1.48 1.00 5.00 4.00 0.21 -1.52
## Qualidade do Produto* 1.48 1.00 4.00 3.00 0.11 -1.45
## se
## ID 2.90
## Produtos Fabricados por Dia 12.83
## Tempo de Ciclo de Produção (minutos) 0.13
## Setor de Produção* 0.16
## Qualidade do Produto* 0.12
Na maioria dos casos não possível ver relações entre as dados, é possível analisa-lás unidas,cruzandos as dados,com fins usuais foi feita uma análise gráfica dos dados tabelados de amplas as variáveis de interesse.
## qualidd
## produtos Boa Excelente Regular Ruim
## 51 1 0 0 0
## 63 0 0 0 1
## 70 0 2 0 0
## 71 1 0 0 0
## 84 0 0 0 1
## 93 0 0 1 0
## 98 0 0 1 0
## 99 0 0 1 0
## 100 0 1 0 0
## 102 0 0 1 0
## 103 0 0 0 1
## 104 0 1 0 0
## 108 1 0 0 0
## 121 0 1 0 0
## 130 0 0 0 1
## 137 0 0 0 1
## 138 1 0 0 0
## 141 0 1 0 0
## 149 0 1 0 0
## 152 0 0 1 1
## 155 0 0 1 0
## 156 0 1 0 0
## 171 0 0 1 0
## 180 1 0 1 0
## 184 0 0 1 0
## 199 0 1 0 0
## 201 0 0 0 1
## 210 0 0 1 0
## 211 1 0 0 0
## 216 0 0 1 0
## 219 0 0 1 0
## 224 1 0 0 0
## 237 1 0 0 0
## 238 1 0 0 0
## 239 1 0 1 0
## 240 0 0 1 0
## 241 0 0 1 0
## 251 0 1 0 0
## 255 1 0 0 0
## 262 1 0 0 0
## 264 0 0 0 2
## 267 1 0 0 0
## 285 1 0 0 0
## 291 0 1 0 0
## 293 0 1 0 0
## 301 1 0 0 0
## 302 0 0 0 1
## 307 0 0 1 0
## 309 0 0 1 0
## 313 0 0 0 1
## 314 0 0 0 1
## 319 1 0 0 0
## 320 0 1 1 1
## 323 1 0 0 0
## 326 1 0 0 0
## 343 0 1 0 0
## 345 0 0 1 0
## 353 1 0 0 0
## 356 0 0 0 1
## 358 0 0 0 1
## 359 1 0 0 0
## 363 0 0 0 1
## 365 0 1 0 0
## 369 0 0 1 0
## 378 1 0 0 0
## 380 0 1 0 0
## 389 0 0 0 1
## 393 0 0 0 1
## 394 0 0 0 1
## 395 1 0 0 0
## 398 0 1 0 0
## 400 1 0 0 0
## 409 0 1 1 0
## 413 0 0 0 1
## 416 0 0 0 1
## 422 0 0 1 0
## 435 1 1 0 0
## 437 0 0 1 1
## 439 1 0 0 0
## 451 0 1 0 0
## 463 1 0 0 0
## 469 0 0 1 0
## 477 0 0 0 1
## 480 1 0 0 0
## 485 0 1 0 0
## 493 1 1 0 0
## 495 3 0 0 0
A análise da produtividade diária em diversos Setores de Produção revela que a maioria das produções diárias estão entre 51 e 495 produtos fabricados, com uma média de 284 produtos fabricados por dia, a variabilidade dos dados é moderada, conforme indicado pelo Desvio Padrão e pelo coeficiente de variação. A distribuição dos dados é ligeiramente assimétrica à esquerda, indicando a presença de alguns dias com produções significativamente menores. O setor automotivo é o setor que tem uma mediana que mais produz produtos diariamente, e a mediana de produtos ruins é alinhado com a mediana de produtos com qualidade Boa. A qualidade dos produtos fabricados influênciam a produção pois boa parte dos produtos fábricados apresentam a qualidade ruim.