dc.creator |
ALMEIDA, Fabrício Alves de |
|
dc.date.issued |
2021-04-30 |
|
dc.identifier.uri |
https://repositorio.unifei.edu.br/jspui/handle/123456789/2454 |
|
dc.description.abstract |
The technological advent provided the rise of data collection in companies, governments
and various industrial segments. In this respect, techniques that seek to perform groupings and
discrimination of clusters are widely used in datasets with multiple variables, bringing the need
to use specific tools, which contemplate the existing variance-covariance structure. Based on
this, this work presents a proposal to improve the discriminatory power of confidence regions
in the formation and estimation of optimal clusters, using multivariate and experimental
techniques to extract information in an optimized way in correlated datasets. Factor analysis
was used as the exploratory multivariate method, tuning the rotation for factor loads through
the mixture design, and agglutinating the total variance explained functions by the mean square
error afterwards. The optimization of this step is performed through the sequential quadratic
programming algorithm. Knowing the optimal scores, a multilevel factorial design is formed to
contemplate all combinations of the linkage methods and the types of analysis, seeking to find
the parameter that presents the least variability, generating confidence ellipses with better
discrimination between groups. A strategy to analyze the levels of agreement and the inversions
existence in the formation of clusters is proposed using the Kappa and Kendall indicators.
Motivated by the need for strategies to classify substations in the face of voltage sag
phenomena, which cause faults in the distribution of electricity, the method was applied to a set
of real data, representing the power quality indexes of substations located in southeastern
Brazil. Optimum values were found in the factor loads rotation and the parameterization “Wardanalysis of covariance” was defined as the ideal strategies to create the clusters in this dataset.
Thus, low variability clusters and precise confidence ellipses were generated to estimate the
voltage sag patterns, promoting a better discriminatory power in the clusters’ classification
through the regions of confidence. The confirmatory analysis inferred that the “Ward” linkage
proved to be the most robust method for this dataset, even under the influence of disturbances
in the original data. |
pt_BR |
dc.description.sponsorship |
Agência 1 |
pt_BR |
dc.language |
por |
pt_BR |
dc.publisher |
Universidade Federal de Itajubá |
pt_BR |
dc.rights |
Acesso Aberto |
pt_BR |
dc.subject |
Elipses de confiança |
pt_BR |
dc.subject |
Análise fatorial |
pt_BR |
dc.subject |
Análise de Cluster |
pt_BR |
dc.subject |
Projeto de experimentos |
pt_BR |
dc.subject |
Variância |
pt_BR |
dc.subject |
Afundamento de tensão |
pt_BR |
dc.title |
Aprimoramento do poder discriminatório de funções elipsoidais modificadas por cargas fatoriais rotacionadas na formação otimizada de agrupamentos |
pt_BR |
dc.type |
Tese |
pt_BR |
dc.date.available |
2021-06-02 |
|
dc.date.available |
2021-06-02T17:56:36Z |
|
dc.date.accessioned |
2021-06-02T17:56:36Z |
|
dc.creator.Lattes |
http://lattes.cnpq.br/5444004788192327 |
pt_BR |
dc.contributor.advisor1 |
GOMES, José Henrique de Freitas |
|
dc.contributor.advisor1Lattes |
http://lattes.cnpq.br/4700366676258208 |
pt_BR |
dc.contributor.advisor-co1 |
PAIVA, Anderson Paulo de |
|
dc.contributor.advisor-co1Lattes |
http://lattes.cnpq.br/4728106898297335 |
pt_BR |
dc.description.resumo |
O advento tecnológico proporcionou a ascensão da coleta de dados em empresas,
governos e diversos segmentos industriais. Nesse aspecto, técnicas que buscam realizar
agrupamentos e discriminação de conglomerados são amplamente empregadas em dados que
apresentam múltiplas variáveis, trazendo a necessidade de se utilizar ferramentas específicas,
que contemplem a estrutura de variância-covariância existente. Com base nisso, esse trabalho
apresenta uma proposta para aprimorar o poder discriminatório de regiões de confiança na
formação e estimação de agrupamentos ótimos, utilizando técnicas multivariadas e
experimentais para extrair informações de maneira otimizada em conjuntos de dados
correlacionados. Como método multivariado exploratório, utilizou-se a análise fatorial,
calibrando a rotação de cargas fatoriais através do arranjo de misturas e, em seguida,
aglutinando as funções de variância total explicada pelo erro quadrático médio. A otimização
dessa etapa é realizada através do algoritmo de programação quadrática sequencial.
Conhecendo os escores ótimos, um arranjo fatorial multinível é formado para contemplar todas
as combinações dos métodos de ligação e os tipos de análise, buscando encontrar a combinação
de parâmetros que apresente a menor variabilidade e que, consequentemente, gere elipses de
confiança com melhor discriminação entre os grupos. Uma estratégia para analisar os níveis de
concordância e a existência de inversões na formação de clusters é proposta utilizando os
indicadores de Kappa e Kendall. Motivado pela necessidade de estratégias para classificar
subestações diante de fenômenos de afundamento de tensão, que causam quedas na distribuição
de energia elétrica, o método foi aplicado em um conjunto de dados reais, representando os
índices de qualidade de energia elétrica de subestações localizadas no sudeste do Brasil. Foram
encontrados valores ótimos na rotação das cargas fatoriais e definiu-se a parametrização “Ward
e análise de covariância” como as estratégias ideais para criar os clusters nesse conjunto de
dados. Assim, gerou-se conglomerados de baixa variabilidade e elipses de confiança precisas
para estimar os padrões de afundamentos de tensão, promovendo um melhor poder
discriminatório na classificação dos clusters através das regiões de confiança. A análise
confirmatória inferiu que o método de ligação “Ward” se mostrou o mais robusto para esse
conjunto, mesmo sob influência de perturbações no conjunto original. |
pt_BR |
dc.publisher.country |
Brasil |
pt_BR |
dc.publisher.department |
IEPG - Instituto de Engenharia de Produção e Gestão |
pt_BR |
dc.publisher.program |
Programa de Pós-Graduação: Doutorado - Engenharia de Produção |
pt_BR |
dc.publisher.initials |
UNIFEI |
pt_BR |
dc.subject.cnpq |
CNPQ::ENGENHARIAS::ENGENHARIA DE PRODUÇÃO |
pt_BR |
dc.relation.references |
ALMEIDA, Fabrício Alves de. Aprimoramento do poder discriminatório de funções elipsoidais modificadas por cargas fatoriais rotacionadas na formação otimizada de agrupamentos. 2021. 241 f. Tese (Doutorado em Engenharia de Produção) – Universidade Federal de Itajubá, Itajubá, 2021. |
pt_BR |