Optimus_Comparativo
Pedro Araujo
27 de março de 2017
1. Estatísticas Descritivas
Dezembro.
Janeiro.
Fevereiro.
2. Factor Analysis of Mixed Data
A análise fatorial para dados mistos, consiste na ortogonalização de vetores, divindo a variância dos dados em dimensões, sendo que as primeiras dimensões explicam porcentagens maiores da variância total. Cada dimensão, ou componente agrupa as variáveis que se encaixam melhor em cada dimensão.
Dezembro:
## eigenvalue percentage of variance
## comp 1 5.6443372 17.104052
## comp 2 4.3605796 13.213878
## comp 3 2.3150041 7.015164
## comp 4 1.9277645 5.841711
## comp 5 1.8217074 5.520325
## comp 6 1.5663643 4.746558
## comp 7 1.3124615 3.977156
## comp 8 1.1409202 3.457334
## comp 9 1.0927133 3.311252
## comp 10 1.0117882 3.066025
## comp 11 1.0041637 3.042920
## comp 12 0.9973766 3.022353
## comp 13 0.9562885 2.897844
## comp 14 0.9035595 2.738059
## comp 15 0.8420073 2.551537
## comp 16 0.8037096 2.435484
## comp 17 0.6904866 2.092384
## comp 18 0.6393629 1.937463
## comp 19 0.5859101 1.775485
## comp 20 0.5434304 1.646759
## cumulative percentage of variance
## comp 1 17.10405
## comp 2 30.31793
## comp 3 37.33309
## comp 4 43.17480
## comp 5 48.69513
## comp 6 53.44169
## comp 7 57.41884
## comp 8 60.87618
## comp 9 64.18743
## comp 10 67.25346
## comp 11 70.29638
## comp 12 73.31873
## comp 13 76.21657
## comp 14 78.95463
## comp 15 81.50617
## comp 16 83.94165
## comp 17 86.03404
## comp 18 87.97150
## comp 19 89.74698
## comp 20 91.39374## Best Dimension
## MoinhoAlimentacaoTaxaMineriomv 8
## MoinhoAlimentacaoTaxaMineriopv 2
## MoinhoAlimentacaoVazaoAguapv 6
## MoinhoCaixaDescargaCaixaABombaRotacaomv 1
## MoinhoCaixaDescargaCaixaANivelpv 1
## MoinhoCaixaDescargaCaixaRBombaRotacaomv 1
## MoinhoCaixaDescargaCaixaRNivelpv 1
## MoinhoCaixaDescargaVazaoAguamv 3
## MoinhoCaixaDescargaVazaoAguapv 2
## MoinhoHidrociclonesDensidadepv 2
## MoinhoHidrociclonesPressaopv 1
## MoinhoKnelsonVazaopv 14
## MoinhoMotorMoinhoPotenciapv 2
## SiloNivelpv 3
## PSTPassante150meshMedianapv 1
## MoinhoAlimentacaoCorreialigada 2
## MoinhoAlimentacaoTaxaMinerioAptoLido 2
## MoinhoAlimentacaoTaxaMineriocontrolando 2
## MoinhoAlimentacaoTaxaMineriomodo 2
## MoinhoAlimentacaoTaxaMineriopermissaoLido 11
## MoinhoBombaDePocoLigada 7
## MoinhoCaixaDescargaCaixaABombaLigado 1
## MoinhoCaixaDescargaCaixaANivelmodo 13
## MoinhoCaixaDescargaCaixaRBombaLigado 1
## MoinhoCaixaDescargaCaixaRNivelmodo 5
## MoinhoHidrociclonesDensidadeAptoLido 12
## MoinhoHidrociclonesDensidadeLido 4
## MoinhoKnelsonBP04ALigado 4
## MoinhoKnelsonBP04RLigado 4
## MoinhoMotorMoinhoLigado 2
## OptProcessComunicacao 5
## OptProcessPermissao 2
## OptProcessPulsoLido 10Para o mês de Dezembro notamos que as duas primeiras dimensões juntas explicam 30,31% da variância total dos dados. Importante observar que as variáveis que compões a primeira componente são variáveis relacionadas às caixas de descarga e a mediana da variável passante medida online. Para a segunda dimensão, as variáveis que a compõe são relacionadas a taxa de minério que alimenta o moinho.
Janeiro:
## eigenvalue percentage of variance
## comp 1 10.3263319 21.513192
## comp 2 6.0488504 12.601772
## comp 3 3.9487525 8.226568
## comp 4 3.1795913 6.624148
## comp 5 2.7017519 5.628650
## comp 6 2.2528867 4.693514
## comp 7 1.6927024 3.526463
## comp 8 1.4686944 3.059780
## comp 9 1.4377060 2.995221
## comp 10 1.3747169 2.863993
## comp 11 1.2508568 2.605952
## comp 12 1.0525885 2.192893
## comp 13 1.0027441 2.089050
## comp 14 0.9953999 2.073750
## comp 15 0.9787884 2.039142
## comp 16 0.8239335 1.716528
## comp 17 0.7704144 1.605030
## comp 18 0.6508450 1.355927
## comp 19 0.5739983 1.195830
## comp 20 0.5378653 1.120553
## cumulative percentage of variance
## comp 1 21.51319
## comp 2 34.11496
## comp 3 42.34153
## comp 4 48.96568
## comp 5 54.59433
## comp 6 59.28784
## comp 7 62.81431
## comp 8 65.87409
## comp 9 68.86931
## comp 10 71.73330
## comp 11 74.33925
## comp 12 76.53214
## comp 13 78.62120
## comp 14 80.69495
## comp 15 82.73409
## comp 16 84.45062
## comp 17 86.05565
## comp 18 87.41157
## comp 19 88.60740
## comp 20 89.72796## Best Dimension
## BritagemCorreiaParaSiloTaxaMineriopv 9
## LaboratorioPassante150meshpv 14
## MoinhoAlimentacaoTaxaMineriomv 4
## MoinhoAlimentacaoTaxaMineriopv 1
## MoinhoAlimentacaoVazaoAguapv 7
## MoinhoCaixaDescargaCaixaABombaRotacaomv 9
## MoinhoCaixaDescargaCaixaANivelpv 2
## MoinhoCaixaDescargaCaixaRBombaRotacaomv 2
## MoinhoCaixaDescargaCaixaRNivelpv 2
## MoinhoCaixaDescargaVazaoAguaPIDLimMax 7
## MoinhoCaixaDescargaVazaoAguaPIDLimMin 2
## MoinhoCaixaDescargaVazaoAguamv 1
## MoinhoCaixaDescargaVazaoAguapv 7
## MoinhoHidrociclonesDensidadepv 1
## MoinhoHidrociclonesPressaopv 1
## MoinhoKnelsonVazaopv 6
## MoinhoMotorMoinhoPotenciapv 1
## PSTPassante150meshCiclone1pv 1
## PSTPassante150meshCiclone3pv 1
## PSTPassante150meshCiclone5pv 1
## PSTPassante150meshMedianapv 1
## SiloNivelpv 2
## BritagemCorreiaParaSiloFuncionandopv 9
## MoinhoAlimentacaoCorreialigada 1
## MoinhoAlimentacaoTaxaMinerioAptoLido 1
## MoinhoAlimentacaoTaxaMineriocontrolando 1
## MoinhoAlimentacaoTaxaMineriomodo 4
## MoinhoBombaDePocoLigada 1
## MoinhoCaixaDescargaCaixaABombaLigado 2
## MoinhoCaixaDescargaCaixaANivelmodo 12
## MoinhoCaixaDescargaCaixaRBombaLigado 2
## MoinhoCaixaDescargaCaixaRNivelmodo 2
## MoinhoHidrociclonesDensidadeAptoLido 1
## MoinhoHidrociclonesDensidadeLido 8
## MoinhoHidrociclonesDensidadePIDautomaticoLido 8
## MoinhoHidrociclonesDensidadecontrolando 1
## MoinhoKnelsonBP04ALigado 6
## MoinhoKnelsonBP04RLigado 6
## MoinhoMotorMoinhoLigado 1
## OptProcessComunicacao 10
## OptProcessPermissao 1
## OptProcessPulsoLido 13
## PSTPassante150meshCiclone1io 5
## PSTPassante150meshCiclone3io 5
## PSTPassante150meshCiclone5io 5Já para o mês de Janeiro, as duas primeiras dimensões explicam 34,11% da variância dos dados. A primeira dimensão é composta por variáveis relacionadas à taxa de minério e aos moinhos hidrociclones, além da mediana da variável passante. Já o segundo componente é composto pelas variáveis relacionadas às caixas de descarga e o nível do silo.
Fevereiro:
## eigenvalue percentage of variance
## comp 1 19.4473027 44.198415
## comp 2 2.6578002 6.040455
## comp 3 2.1179300 4.813477
## comp 4 1.8345503 4.169432
## comp 5 1.3853513 3.148526
## comp 6 1.3349139 3.033895
## comp 7 1.2036829 2.735643
## comp 8 1.0560538 2.400122
## comp 9 1.0276799 2.335636
## comp 10 1.0035755 2.280853
## comp 11 1.0005877 2.274063
## comp 12 0.9984147 2.269124
## comp 13 0.9970617 2.266049
## comp 14 0.9724360 2.210082
## comp 15 0.9532262 2.166423
## comp 16 0.8194384 1.862360
## comp 17 0.7830101 1.779568
## comp 18 0.7193675 1.634926
## comp 19 0.5352604 1.216501
## comp 20 0.4109244 0.933919
## cumulative percentage of variance
## comp 1 44.19842
## comp 2 50.23887
## comp 3 55.05235
## comp 4 59.22178
## comp 5 62.37031
## comp 6 65.40420
## comp 7 68.13984
## comp 8 70.53997
## comp 9 72.87560
## comp 10 75.15646
## comp 11 77.43052
## comp 12 79.69964
## comp 13 81.96569
## comp 14 84.17577
## comp 15 86.34220
## comp 16 88.20456
## comp 17 89.98413
## comp 18 91.61905
## comp 19 92.83555
## comp 20 93.76947## Best Dimension
## BritagemCorreiaParaSiloTaxaMineriopv 7
## LaboratorioPassante150meshpv 9
## MoinhoAlimentacaoTaxaMineriomv 4
## MoinhoAlimentacaoTaxaMineriopv 1
## MoinhoAlimentacaoVazaoAguapv 1
## MoinhoCaixaDescargaCaixaABombaRotacaomv 5
## MoinhoCaixaDescargaCaixaANivelpv 3
## MoinhoCaixaDescargaCaixaRBombaRotacaomv 2
## MoinhoCaixaDescargaCaixaRNivelpv 1
## MoinhoCaixaDescargaVazaoAguamv 1
## MoinhoCaixaDescargaVazaoAguapv 1
## MoinhoHidrociclonesDensidadepv 1
## MoinhoHidrociclonesPressaopv 1
## MoinhoKnelsonVazaopv 2
## MoinhoMotorMoinhoPotenciapv 1
## PSTPassante150meshCiclone1pv 1
## PSTPassante150meshCiclone3pv 1
## PSTPassante150meshCiclone5pv 1
## PSTPassante150meshMedianapv 1
## SiloNivelpv 1
## BritagemCorreiaParaSiloFuncionandopv 1
## MoinhoAlimentacaoCorreialigada 1
## MoinhoAlimentacaoTaxaMinerioAptoLido 1
## MoinhoAlimentacaoTaxaMineriocontrolando 1
## MoinhoAlimentacaoTaxaMineriomodo 1
## MoinhoAlimentacaoTaxaMineriopermissaoLido 7
## MoinhoBombaDePocoLigada 2
## MoinhoCaixaDescargaCaixaABombaLigado 1
## MoinhoCaixaDescargaCaixaANivelmodo 12
## MoinhoCaixaDescargaCaixaRBombaLigado 3
## MoinhoCaixaDescargaCaixaRNivelmodo 12
## MoinhoHidrociclonesDensidadeAptoLido 1
## MoinhoHidrociclonesDensidadeLido 7
## MoinhoHidrociclonesDensidadecontrolando 1
## MoinhoKnelsonBP04ALigado 2
## MoinhoKnelsonBP04RLigado 2
## MoinhoMotorMoinhoLigado 1
## OptProcessComunicacao 9
## OptProcessPermissao 1
## OptProcessPulsoLido 13
## PSTPassante150meshCiclone1io 1
## PSTPassante150meshCiclone3io 1
## PSTPassante150meshCiclone5io 1Para o mês de Fevereiro, as duas primeiras dimensões explicam 50,23% da variância, bem mais que os dois meses anteriores. Isso se deve ao fato de a primeira dimensão agrupar muitas variáveis juntas, como variáveis relacionadas à taxa de minério, aos moinhos hidrociclones, às caixas de descarga e às variáveis passantes.
Analisando os 3 meses notamos que as principais variáveis responsáveis pela variação dos dados são variáveis relacionadas às caixas de descarga, taxa de alimentação do moinho e moinhos hidrociclones. Com isso, construímos modelos de regressão simples para os 3 meses focando nessas variáveis para explicar o comportamento da potência do moinho.
3. Regressão Simples
Dezembro:
##
## Call:
## lm(formula = MoinhoMotorMoinhoPotenciapv ~ MoinhoCaixaDescargaCaixaABombaRotacaomv +
## MoinhoCaixaDescargaCaixaANivelpv + MoinhoCaixaDescargaCaixaRBombaRotacaomv +
## MoinhoCaixaDescargaCaixaRNivelpv + MoinhoHidrociclonesPressaopv +
## PSTPassante150meshMedianapv + MoinhoAlimentacaoTaxaMineriopv +
## MoinhoCaixaDescargaVazaoAguapv + MoinhoHidrociclonesDensidadepv +
## MoinhoAlimentacaoCorreialigada + MoinhoAlimentacaoTaxaMinerioAptoLido +
## MoinhoAlimentacaoTaxaMineriomodo + MoinhoCaixaDescargaCaixaABombaLigado +
## MoinhoCaixaDescargaCaixaRBombaLigado + MoinhoMotorMoinhoLigado,
## data = dez.finalData[, -c(1, 2)])
##
## Residuals:
## Min 1Q Median 3Q Max
## -933.13 -8.36 1.57 10.28 916.32
##
## Coefficients:
## Estimate Std. Error t value
## (Intercept) -1.129e+03 6.739e+00 -167.503
## MoinhoCaixaDescargaCaixaABombaRotacaomv -9.430e-01 2.153e-02 -43.790
## MoinhoCaixaDescargaCaixaANivelpv -9.083e-02 1.158e-02 -7.845
## MoinhoCaixaDescargaCaixaRBombaRotacaomv 4.133e-01 9.233e-03 44.766
## MoinhoCaixaDescargaCaixaRNivelpv 3.885e-01 6.555e-03 59.268
## MoinhoHidrociclonesPressaopv -6.618e+00 1.325e+00 -4.995
## PSTPassante150meshMedianapv 2.073e-01 2.320e-02 8.932
## MoinhoAlimentacaoTaxaMineriopv -2.405e-01 7.765e-03 -30.980
## MoinhoCaixaDescargaVazaoAguapv 2.344e-01 3.459e-03 67.776
## MoinhoHidrociclonesDensidadepv 1.244e+03 4.777e+00 260.445
## MoinhoAlimentacaoCorreialigada1 1.787e+01 9.329e-01 19.152
## MoinhoAlimentacaoTaxaMinerioAptoLido1 -1.123e+01 5.216e-01 -21.539
## MoinhoAlimentacaoTaxaMineriomodo1 3.562e+00 5.320e-01 6.696
## MoinhoCaixaDescargaCaixaABombaLigado1 -5.945e+02 1.839e+00 -323.296
## MoinhoCaixaDescargaCaixaRBombaLigado1 -6.175e+02 1.725e+00 -358.031
## MoinhoMotorMoinhoLigado1 9.010e+02 1.374e+00 655.771
## Pr(>|t|)
## (Intercept) < 2e-16 ***
## MoinhoCaixaDescargaCaixaABombaRotacaomv < 2e-16 ***
## MoinhoCaixaDescargaCaixaANivelpv 4.38e-15 ***
## MoinhoCaixaDescargaCaixaRBombaRotacaomv < 2e-16 ***
## MoinhoCaixaDescargaCaixaRNivelpv < 2e-16 ***
## MoinhoHidrociclonesPressaopv 5.91e-07 ***
## PSTPassante150meshMedianapv < 2e-16 ***
## MoinhoAlimentacaoTaxaMineriopv < 2e-16 ***
## MoinhoCaixaDescargaVazaoAguapv < 2e-16 ***
## MoinhoHidrociclonesDensidadepv < 2e-16 ***
## MoinhoAlimentacaoCorreialigada1 < 2e-16 ***
## MoinhoAlimentacaoTaxaMinerioAptoLido1 < 2e-16 ***
## MoinhoAlimentacaoTaxaMineriomodo1 2.15e-11 ***
## MoinhoCaixaDescargaCaixaABombaLigado1 < 2e-16 ***
## MoinhoCaixaDescargaCaixaRBombaLigado1 < 2e-16 ***
## MoinhoMotorMoinhoLigado1 < 2e-16 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 28.54 on 98367 degrees of freedom
## Multiple R-squared: 0.9102, Adjusted R-squared: 0.9102
## F-statistic: 6.646e+04 on 15 and 98367 DF, p-value: < 2.2e-16Para os dados de Dezembro, o modelo de regressão criado apresenta como variáveis explicativas as mesmas variáveis citadas da análise fatorial para dados mistos. Todas as variáveis utilizadas foram significativas a um nível de 5% e juntas ela explicam 91,02% da variação da variável potência.
Janeiro:
##
## Call:
## lm(formula = MoinhoMotorMoinhoPotenciapv ~ MoinhoAlimentacaoTaxaMineriopv +
## MoinhoCaixaDescargaVazaoAguamv + MoinhoHidrociclonesDensidadepv +
## MoinhoHidrociclonesPressaopv + PSTPassante150meshMedianapv +
## MoinhoAlimentacaoCorreialigada + MoinhoAlimentacaoTaxaMinerioAptoLido +
## MoinhoAlimentacaoTaxaMineriocontrolando + MoinhoBombaDePocoLigada +
## MoinhoHidrociclonesDensidadeAptoLido + MoinhoHidrociclonesDensidadecontrolando +
## MoinhoMotorMoinhoLigado, data = jan.finalData[, -c(1, 2)])
##
## Residuals:
## Min 1Q Median 3Q Max
## -934.36 -7.71 0.35 10.54 1018.70
##
## Coefficients:
## Estimate Std. Error t value
## (Intercept) -8.347e+02 6.917e+00 -120.665
## MoinhoAlimentacaoTaxaMineriopv 5.187e-02 9.626e-03 5.389
## MoinhoCaixaDescargaVazaoAguamv -1.031e-01 2.096e-02 -4.918
## MoinhoHidrociclonesDensidadepv 5.562e+02 4.002e+00 138.989
## MoinhoHidrociclonesPressaopv -9.506e+00 1.731e+00 -5.493
## PSTPassante150meshMedianapv 1.985e-01 3.348e-02 5.930
## MoinhoAlimentacaoCorreialigada1 8.877e+01 1.723e+00 51.523
## MoinhoAlimentacaoTaxaMinerioAptoLido1 -3.437e+01 1.612e+00 -21.316
## MoinhoAlimentacaoTaxaMineriocontrolando1 -8.155e+00 1.124e+00 -7.252
## MoinhoBombaDePocoLigada1 2.236e+01 1.099e+00 20.350
## MoinhoHidrociclonesDensidadeAptoLido1 6.013e+01 1.646e+00 36.527
## MoinhoHidrociclonesDensidadecontrolando1 7.095e+00 1.131e+00 6.272
## MoinhoMotorMoinhoLigado1 9.104e+02 1.793e+00 507.824
## Pr(>|t|)
## (Intercept) < 2e-16 ***
## MoinhoAlimentacaoTaxaMineriopv 7.12e-08 ***
## MoinhoCaixaDescargaVazaoAguamv 8.77e-07 ***
## MoinhoHidrociclonesDensidadepv < 2e-16 ***
## MoinhoHidrociclonesPressaopv 3.97e-08 ***
## PSTPassante150meshMedianapv 3.05e-09 ***
## MoinhoAlimentacaoCorreialigada1 < 2e-16 ***
## MoinhoAlimentacaoTaxaMinerioAptoLido1 < 2e-16 ***
## MoinhoAlimentacaoTaxaMineriocontrolando1 4.14e-13 ***
## MoinhoBombaDePocoLigada1 < 2e-16 ***
## MoinhoHidrociclonesDensidadeAptoLido1 < 2e-16 ***
## MoinhoHidrociclonesDensidadecontrolando1 3.59e-10 ***
## MoinhoMotorMoinhoLigado1 < 2e-16 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 34.19 on 63964 degrees of freedom
## Multiple R-squared: 0.9706, Adjusted R-squared: 0.9706
## F-statistic: 1.76e+05 on 12 and 63964 DF, p-value: < 2.2e-16Similarmente aos dados de Dezembro, as variáveis significativas no modelo para os dados de Janeiro são aquelas previamente citadas. Juntas elas explicam cerca de 97,06% da variação da potência do moinho.
Fevereiro:
##
## Call:
## lm(formula = MoinhoMotorMoinhoPotenciapv ~ MoinhoAlimentacaoTaxaMineriopv +
## MoinhoAlimentacaoVazaoAguapv + MoinhoCaixaDescargaCaixaRNivelpv +
## MoinhoCaixaDescargaVazaoAguamv + MoinhoCaixaDescargaVazaoAguapv +
## MoinhoHidrociclonesDensidadepv + MoinhoHidrociclonesPressaopv +
## PSTPassante150meshMedianapv + SiloNivelpv + MoinhoMotorMoinhoLigado,
## data = fev.finalData[, -c(1, 2)])
##
## Residuals:
## Min 1Q Median 3Q Max
## -1049.84 -5.14 1.82 9.28 1075.51
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 3.494e+01 2.502e+00 13.964 < 2e-16
## MoinhoAlimentacaoTaxaMineriopv 3.047e-01 5.151e-03 59.167 < 2e-16
## MoinhoAlimentacaoVazaoAguapv -1.708e-01 9.637e-03 -17.718 < 2e-16
## MoinhoCaixaDescargaCaixaRNivelpv -2.011e-02 4.926e-03 -4.083 4.44e-05
## MoinhoCaixaDescargaVazaoAguamv -3.810e-01 1.740e-02 -21.901 < 2e-16
## MoinhoCaixaDescargaVazaoAguapv 4.412e-02 4.880e-03 9.042 < 2e-16
## MoinhoHidrociclonesDensidadepv -4.248e+01 1.222e+00 -34.772 < 2e-16
## MoinhoHidrociclonesPressaopv -3.508e+01 7.086e-01 -49.501 < 2e-16
## PSTPassante150meshMedianapv 3.478e-01 1.674e-02 20.770 < 2e-16
## SiloNivelpv 3.950e-02 4.462e-03 8.851 < 2e-16
## MoinhoMotorMoinhoLigado 1 1.038e+03 9.824e-01 1056.664 < 2e-16
##
## (Intercept) ***
## MoinhoAlimentacaoTaxaMineriopv ***
## MoinhoAlimentacaoVazaoAguapv ***
## MoinhoCaixaDescargaCaixaRNivelpv ***
## MoinhoCaixaDescargaVazaoAguamv ***
## MoinhoCaixaDescargaVazaoAguapv ***
## MoinhoHidrociclonesDensidadepv ***
## MoinhoHidrociclonesPressaopv ***
## PSTPassante150meshMedianapv ***
## SiloNivelpv ***
## MoinhoMotorMoinhoLigado 1 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 33.19 on 151145 degrees of freedom
## Multiple R-squared: 0.988, Adjusted R-squared: 0.988
## F-statistic: 1.242e+06 on 10 and 151145 DF, p-value: < 2.2e-16Finalmente, para os dados de Fevereiro, notamos que os dados também são relacionados às variáveis de taxa de alimentação, moinhos hidrociclones e caixas de descarga. Juntas, para o mês de Fevereiro, elas explicam 98,80% da variação da potência do moinho.
Apesar do índice de relação se apresentar muito alto para os 3 meses (acima de 90%), é importante analisar o porquê disso. Nota-se que para os três meses, a variável MoinhoMotorMoinhoLigado encontra-se inclusa nos modelos. Esta variável, apresenta uma relação muito grande com a potência, porque caso o moinho esteja desligado, sua potência cai. Esta então é uma variável que deve ser levada em consideração mas com muito cuidado, uma vez que ela pode estar bem relacionada com a potência mas não explicar muito do valor da potência.
4. Regressão Logística
Para melhor analisarmos o limite de 980 para a potência do motor, foi criada uma nova variável de controle, que apresenta valor ‘0’ para a potência abaixo de 980 e ‘1’ para potência acima deste valor.
Dezembro:
##
## Call:
## glm(formula = Controle ~ MoinhoAlimentacaoTaxaMineriomv + MoinhoAlimentacaoTaxaMineriopv +
## MoinhoAlimentacaoVazaoAguapv + MoinhoCaixaDescargaCaixaABombaRotacaomv +
## MoinhoCaixaDescargaCaixaRNivelpv + MoinhoCaixaDescargaVazaoAguamv +
## MoinhoCaixaDescargaVazaoAguapv + MoinhoBombaDePocoLigada +
## MoinhoCaixaDescargaCaixaRBombaLigado + MoinhoCaixaDescargaCaixaRNivelmodo,
## family = binomial("logit"), data = dez.df[train, ])
##
## Deviance Residuals:
## Min 1Q Median 3Q Max
## -3.5235 0.0912 0.1030 0.1280 1.8733
##
## Coefficients:
## Estimate Std. Error z value
## (Intercept) 2.205234 0.741769 2.973
## MoinhoAlimentacaoTaxaMineriomv -0.041310 0.010267 -4.024
## MoinhoAlimentacaoTaxaMineriopv 0.025800 0.001332 19.370
## MoinhoAlimentacaoVazaoAguapv 0.030161 0.006868 4.392
## MoinhoCaixaDescargaCaixaABombaRotacaomv -0.041524 0.010393 -3.995
## MoinhoCaixaDescargaCaixaRNivelpv 0.022756 0.002949 7.716
## MoinhoCaixaDescargaVazaoAguamv -0.007818 0.001514 -5.164
## MoinhoCaixaDescargaVazaoAguapv 0.015218 0.001045 14.567
## MoinhoBombaDePocoLigada1 0.365675 0.120072 3.045
## MoinhoCaixaDescargaCaixaRBombaLigado1 -1.375023 0.168951 -8.139
## MoinhoCaixaDescargaCaixaRNivelmodo1 0.674656 0.134333 5.022
## Pr(>|z|)
## (Intercept) 0.00295 **
## MoinhoAlimentacaoTaxaMineriomv 5.73e-05 ***
## MoinhoAlimentacaoTaxaMineriopv < 2e-16 ***
## MoinhoAlimentacaoVazaoAguapv 1.12e-05 ***
## MoinhoCaixaDescargaCaixaABombaRotacaomv 6.46e-05 ***
## MoinhoCaixaDescargaCaixaRNivelpv 1.20e-14 ***
## MoinhoCaixaDescargaVazaoAguamv 2.41e-07 ***
## MoinhoCaixaDescargaVazaoAguapv < 2e-16 ***
## MoinhoBombaDePocoLigada1 0.00232 **
## MoinhoCaixaDescargaCaixaRBombaLigado1 4.00e-16 ***
## MoinhoCaixaDescargaCaixaRNivelmodo1 5.11e-07 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## (Dispersion parameter for binomial family taken to be 1)
##
## Null deviance: 4982.9 on 32793 degrees of freedom
## Residual deviance: 3593.9 on 32783 degrees of freedom
## AIC: 3615.9
##
## Number of Fisher Scoring iterations: 8
## Value
## sensitivity 0.8401035
## specificity 0.6753122
## cutoff 0.9890946## obs
## pred 0 1
## 0 703 10321
## 1 338 54227
## attr(,"class")
## [1] "confusion.matrix"Janeiro.
##
## Call:
## glm(formula = Controle ~ MoinhoCaixaDescargaVazaoAguamv + MoinhoHidrociclonesDensidadepv +
## MoinhoAlimentacaoCorreialigada + MoinhoAlimentacaoTaxaMinerioAptoLido +
## MoinhoHidrociclonesDensidadeAptoLido + MoinhoHidrociclonesDensidadecontrolando,
## family = binomial("logit"), data = jan.df[train, ])
##
## Deviance Residuals:
## Min 1Q Median 3Q Max
## -3.7858 0.0360 0.0491 0.0768 4.8345
##
## Coefficients:
## Estimate Std. Error z value
## (Intercept) -49.29053 5.32919 -9.249
## MoinhoCaixaDescargaVazaoAguamv -0.08123 0.01072 -7.578
## MoinhoHidrociclonesDensidadepv 32.77550 3.66934 8.932
## MoinhoAlimentacaoCorreialigada1 4.41488 0.23509 18.780
## MoinhoAlimentacaoTaxaMinerioAptoLido1 -2.37872 0.31827 -7.474
## MoinhoHidrociclonesDensidadeAptoLido1 3.89717 0.28084 13.877
## MoinhoHidrociclonesDensidadecontrolando1 1.60098 0.24333 6.580
## Pr(>|z|)
## (Intercept) < 2e-16 ***
## MoinhoCaixaDescargaVazaoAguamv 3.51e-14 ***
## MoinhoHidrociclonesDensidadepv < 2e-16 ***
## MoinhoAlimentacaoCorreialigada1 < 2e-16 ***
## MoinhoAlimentacaoTaxaMinerioAptoLido1 7.78e-14 ***
## MoinhoHidrociclonesDensidadeAptoLido1 < 2e-16 ***
## MoinhoHidrociclonesDensidadecontrolando1 4.72e-11 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## (Dispersion parameter for binomial family taken to be 1)
##
## Null deviance: 6534.3 on 21324 degrees of freedom
## Residual deviance: 1158.7 on 21318 degrees of freedom
## AIC: 1172.7
##
## Number of Fisher Scoring iterations: 9
## Value
## sensitivity 0.9676159
## specificity 0.9383139
## cutoff 0.9791882## obs
## pred 0 1
## 0 17 2686
## 1 690 39259
## attr(,"class")
## [1] "confusion.matrix"Fevereiro.
##
## Call:
## glm(formula = Controle ~ MoinhoAlimentacaoTaxaMineriomv + MoinhoAlimentacaoTaxaMineriopv +
## MoinhoAlimentacaoVazaoAguapv + MoinhoCaixaDescargaCaixaABombaRotacaomv +
## MoinhoCaixaDescargaVazaoAguamv + MoinhoCaixaDescargaVazaoAguapv +
## MoinhoBombaDePocoLigada + MoinhoCaixaDescargaCaixaRBombaLigado,
## family = binomial("logit"), data = fev.df[train, ])
##
## Deviance Residuals:
## Min 1Q Median 3Q Max
## -4.0043 0.0307 0.0438 0.0654 3.3144
##
## Coefficients:
## Estimate Std. Error z value
## (Intercept) 13.339023 0.639077 20.872
## MoinhoAlimentacaoTaxaMineriomv -0.095850 0.009541 -10.046
## MoinhoAlimentacaoTaxaMineriopv 0.049091 0.001294 37.927
## MoinhoAlimentacaoVazaoAguapv -0.030264 0.003870 -7.820
## MoinhoCaixaDescargaCaixaABombaRotacaomv -0.200183 0.008450 -23.691
## MoinhoCaixaDescargaVazaoAguamv -0.045752 0.003762 -12.161
## MoinhoCaixaDescargaVazaoAguapv 0.031228 0.001331 23.461
## MoinhoBombaDePocoLigada 1 -0.964170 0.196370 -4.910
## MoinhoCaixaDescargaCaixaRBombaLigado 1 1.373797 0.162789 8.439
## Pr(>|z|)
## (Intercept) < 2e-16 ***
## MoinhoAlimentacaoTaxaMineriomv < 2e-16 ***
## MoinhoAlimentacaoTaxaMineriopv < 2e-16 ***
## MoinhoAlimentacaoVazaoAguapv 5.27e-15 ***
## MoinhoCaixaDescargaCaixaABombaRotacaomv < 2e-16 ***
## MoinhoCaixaDescargaVazaoAguamv < 2e-16 ***
## MoinhoCaixaDescargaVazaoAguapv < 2e-16 ***
## MoinhoBombaDePocoLigada 1 9.11e-07 ***
## MoinhoCaixaDescargaCaixaRBombaLigado 1 < 2e-16 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## (Dispersion parameter for binomial family taken to be 1)
##
## Null deviance: 30525.4 on 50384 degrees of freedom
## Residual deviance: 3481.8 on 50376 degrees of freedom
## AIC: 3499.8
##
## Number of Fisher Scoring iterations: 9
## Value
## sensitivity 0.9632639
## specificity 0.9736431
## cutoff 0.9521869## obs
## pred 0 1
## 0 81 9964
## 1 924 54639
## attr(,"class")
## [1] "confusion.matrix"Para os 3 meses notamos um ponto de corte (‘cutt off point’) alto, por volta de 0,99. Isso se deve ao fato de se tratar de um problema com dados desbalanceados. As medidas de sensibilidade (‘sensivity’) especificidade (‘specificity’) representam a porcentagem de positivos verdadeiros e negativos verdadeiros, respectivamente.