Abstract This study explores the demographic configuration of mass customization (MC) manufacturing plants. It uses cluster analysis, ANOVA and correspondence analysis to test for differences in business unit size, location, and supply chain structure between MC and non-MC producers across the globe. The analysis uses data from an international survey of manufacturers of metal products, machinery, and instruments from 21 countries. Results indicate no significant differences in size, but significant differences in location and supply chain indicators between MC and non-MC plants. We also find renewed evidence of the positioning of MC plants in Hayes & Wheelwright's (1979) product and process matrix.

O objetivo deste trabalho é definir quais características de customização em massa (CM) presentes em sistemas de manufatura podem ser priorizadas no projeto de serviços customizados em massa. Propõe-se uma classificação de importância de características de customização a serem priorizadas na implementação de serviços customizados, tendo-se como critérios os habilitadores de CM e os habilitadores de serviços combinados através de uma matriz de relacionamentos característica do QFD (desdobramento da função qualidade) e corrigidos, a partir da ponderação dos gestores do serviço, usando-se um procedimento de QFD reverso. No final do estudo foi possível determinar as características prioritárias do serviço customizado em massa. Dois casos de estudo foram realizados para exemplificar a operacionalização da metodologia, um em uma distribuidora de energia elétrica e outro em uma universidade privada.

This study defines mass customization (MC) characteristics to be prioritized in the design of mass customized services. We propose a classification of mass customization characteristics in the services customization area based on MC enablers and service enablers. These enablers are related using the house of quality matrix from QFD (quality function deployment) and are rewritten after gathering importance inputs from managers familiar with the service under consideration, using a reverse QFD procedure. Using this method, it is possible to determine the main characteristics to be considered in a mass customized service. Two case studies are presented to exemplify the proposed methodological steps, one in an electricity distribution company and another in a private university.

Na maioria dos países, o câncer de mama entre as mulheres é predominante. Se diagnosticado precocemente, apresenta alta probabilidade de cura. Diversas abordagens baseadas em Estatística foram desenvolvidas para auxiliar na sua detecção precoce. Este artigo apresenta um método para a seleção de variáveis para classificação dos casos em duas classes de resultado, benigno ou maligno, baseado na análise citopatológica de amostras de célula da mama de pacientes. As variáveis são ordenadas de acordo com um novo índice de importância de variáveis que combina os pesos de importância da Análise de Componentes Principais e a variância explicada a partir de cada componente retido. Observações da amostra de treino são categorizadas em duas classes através das ferramentas k-vizinhos mais próximos e Análise Discriminante, seguida pela eliminação da variável com o menor índice de importância. Usa-se o subconjunto com a máxima acurácia para classificar as observações na amostra de teste. Aplicando ao Wisconsin Breast Cancer Database, o método proposto apresentou uma média de 97,77% de acurácia de classificação, retendo uma média de 5,8 variáveis.

In the majority of countries, breast cancer among women is highly prevalent. If diagnosed in the early stages, there is a high probability of a cure. Several statistical-based approaches have been developed to assist in early breast cancer detection. This paper presents a method for selection of variables for the classification of cases into two classes, benign or malignant, based on cytopathological analysis of breast cell samples of patients. The variables are ranked according to a new index of importance of variables that combines the weighting importance of Principal Component Analysis and the explained variance based on each retained component. Observations from the test sample are categorized into two classes using the k-Nearest Neighbor algorithm and Discriminant Analysis, followed by elimination of the variable with the index of lowest importance. The subset with the highest accuracy is used to classify observations in the test sample. When applied to the Wisconsin Breast Cancer Database, the proposed method led to average of 97.77% in classification accuracy while retaining an average of 5.8 variables.

Na maioria dos países, o câncer de mama entre as mulheres é predominante. Se diagnosticado precocemente, apresenta alta probabilidade de cura. Diversas abordagens baseadas em Estatística foram desenvolvidas para auxiliar na sua detecção precoce. Este artigo apresenta um método para a seleção de variáveis para classificação dos casos em duas classes de resultado, benigno ou maligno, baseado na análise citopatológica de amostras de célula da mama de pacientes. As variáveis são ordenadas de acordo com um novo índice de importância de variáveis que combina os pesos de importância da Análise de Componentes Principais e a variância explicada a partir de cada componente retido. Observações da amostra de treino são categorizadas em duas classes através das ferramentas k-vizinhos mais próximos e Análise Discriminante, seguida pela eliminação da variável com o menor índice de importância. Usa-se o subconjunto com a máxima acurácia para classificar as observações na amostra de teste. Aplicando ao Wisconsin Breast Cancer Database, o método proposto apresentou uma média de 97,77% de acurácia de classificação, retendo uma média de 5,8 variáveis.

In the majority of countries, breast cancer among women is highly prevalent. If diagnosed in the early stages, there is a high probability of a cure. Several statistical-based approaches have been developed to assist in early breast cancer detection. This paper presents a method for selection of variables for the classification of cases into two classes, benign or malignant, based on cytopathological analysis of breast cell samples of patients. The variables are ranked according to a new index of importance of variables that combines the weighting importance of Principal Component Analysis and the explained variance based on each retained component. Observations from the test sample are categorized into two classes using the k-Nearest Neighbor algorithm and Discriminant Analysis, followed by elimination of the variable with the index of lowest importance. The subset with the highest accuracy is used to classify observations in the test sample. When applied to the Wisconsin Breast Cancer Database, the proposed method led to average of 97.77% in classification accuracy while retaining an average of 5.8 variables.

Em diversos setores da indústria é desejado que trabalhadores reunidos em uma estação de trabalho apresentem perfil de aprendizado similar. O presente artigo apresenta um método de agrupamento de trabalhadores utilizando modelagem por curva de aprendizado e técnicas de clusterização. O método modela dados de desempenho de trabalhadores por intermédio de diversos modelos de curvas de aprendizado; os parâmetros de aprendizado dos modelos testados permitem predizer o desempenho dos trabalhadores em intervalos de tempo pré-determinados. Os valores preditos são agrupados através de ferramentas de clusterização. O maior índice de ajuste (IA), gerado a partir do Silhouette Index e do coeficiente de determinação, indica o modelo de curva mais consistente em termos de aderência aos dados e qualidade de agrupamento de perfis de aprendizado. Ao ser aplicado em dados de uma indústria de calçados, o método gerou agrupamentos consistentes de trabalhadores com base nos distintos perfis de aprendizado.

In many industrial segments, it is desirable to allocate workers with similar learning profiles in the same workstation. This paper presents a method that groups workers based on learning curve modeling and clustering techniques. Workers' performance data are modeled through several learning curve models; learning parameters allow for workers' performance prediction at intervals of predetermined time. The predicted values are then grouped by clustering techniques. The largest Adjustment Index (AI), derived from the Silhouette Index and Coefficient of Determination, indicates the model yielding superior adherence to data and better clustering of learning profiles. When applied to a shoe manufacturing process, the method generated consistent groups of workers based on their learning profiles.

Este artigo apresenta um método adaptado do estudo de repetitividade e reprodutividade (R& R) para analisar a capacidade e o desempenho de sistemas de medição, no contexto da análise de dados funcionais. Dados funcionais ocorrem quando a variável de resposta é caracterizada por uma coleção de dados que formam um perfil ou uma curva, e não por uma observação individual. O método proposto é uma alternativa ao uso de métodos tradicionais de análise, que são ineficientes para dados funcionais. O método apresenta uma adaptação da análise de variância de dois fatores. Foi usada a distância de Hausdorff como medida de proximidade entre as curvas. O método proposto foi aplicado a um estudo simulado de R& R. O estudo foi estruturado para analisar cenários em que o sistema de medição foi aprovado e reprovado. Os resultados foram comparados com os obtidos através da aplicação da ANOVA ponto a ponto nas curvas. O método proposto foi denominado de ANOVA das distâncias.

This paper presents a method to analyze the performance of measurement systems in a functional data analysis context, based on repeatability and reproducibility (R& R) studies. Functional data are a collection of data points organized as a profile or curve. The method is an alternative to traditional methods that may lead to wrong conclusions when applied to functional data. In the proposed method, hypothesis tests and two-way ANOVA were adapted to be used in measurement system analysis. The method is grounded on the use of the Hausdorff distance to measure the proximity between curves. The method proposed was applied in a simulated repeatability and reproducibility study. The study was structured such that scenarios in which the measurement system was approved and rejected were tested. Results were compared with those obtained applying traditional ANOVA point wise on the curves. The method proposed was named ANOVA of the distances.

Ambientes dinâmicos apresentam um alto grau de incerteza a respeito das necessidades futuras da produção. Tradicionalmente, para que um layout possa ser avaliado e melhorado, devem-se enfocar fatores de proximidade e de adjacência, já que os mesmos aumentam a eficiência da movimentação de materiais, reduzindo assim os custos operacionais. Adicionalmente, se sugere acrescentar robustez, flexibilidade, suficiência e utilização do espaço a esses fatores, o que reforça a idéia que parte da flexibilidade de layout (FL) é devida à associação com outros tipos de flexibilidade de manufatura (FM). Neste artigo se propõe uma sistemática de avaliação e melhoria da FL em ambientes dinâmicos. Mais explicitamente, mensuram-se os habilitadores de um layout, que é capaz de reagir às incertezas externas e internas que surgem ao mudar as necessidades da produção. A sistemática é desenvolvida em nove etapas, as quais partem de matrizes que ponderam o impacto de fatores de proximidade de departamentos, de utilização de área produtiva e de associação com outros tipos de FM na avaliação da FL. Também se apresenta uma proposta de análise reversa do Desdobramento da Função Qualidade (QFD). As proposições apresentadas são ilustradas em um caso prático de uma empresa do setor metal-mecânico.

Dynamic environments are usually characterized by high uncertainty with respect to future production needs. In traditional layout evaluation, emphasis is placed on factors such as proximity and adjacency since they increase material handling efficiency reducing operational costs. It is usually recommended to consider additional factors in the analysis, such as robustness, flexibility, sufficiency, and use of space. These factors reinforce the idea that layout flexibility is in part related to other types of manufacturing flexibility. In this article, a method to evaluate and improve layout flexibility in dynamic environments is proposed. More explicitly, it is proposed the measurement of the enablers of a layout that is capable of reacting to external and internal uncertainties that arise due to changes in the production needs. The proposed method is implemented in nine stages using matrices to measure the impact of proximity between departments, using production space and an association with other types of manufacturing flexibility for layout flexibility evaluation. The present study also presents a proposition in which the traditional Quality Function Deployment (QFD) analysis is performed in reverse. The method is illustrated in a case study carried out in a company in the metal component processing industry.

Este artigo tem como objetivo propor um método para avaliar cursos de pós-graduação em Instituições de Ensino Superior (IES). O método busca identificar, através de um questionário, critérios inibidores da qualidade e promotores da qualidade em cursos de pós-graduação. Critérios significativos nos dois blocos são identificados através de uma Análise Fatorial. Em um segundo passo, esses critérios são contemplados através de ações que atendem as demandas identificadas. O método proposto é ilustrado através de um estudo de caso. Ao final do estudo pode-se constatar a eficiência da Análise Fatorial como técnica auxiliar à tomada de decisão por parte da IES.

This paper presents a method to evaluate graduate programs in Higher Education Institutions (HEIs). The method aims at identifying criteria that inhibit and promote the quality of graduate programs. Significant criteria in both cases are indentified through a Factor Analysis. In a second step such criteria are converted into actions addressing the demands identified. The method is illustrated through a case study. We eventually conclude for the efficiency of Factor Analysis as technique to support the decision making processes in HEIs.

Curvas de aprendizagem permitem representar a melhoria no desempenho de um trabalhador por conta da repetição de um procedimento manual. Este artigo traz uma revisão da literatura das aplicações das curvas de aprendizado. Primeiramente, é apresentada uma breve revisão dos principais modelos de curva de aprendizado. É então apresentada uma revisão das principais utilizações para as curvas de aprendizado, agrupadas em 5 diferentes áreas de pesquisa: (i) Monitoramento de Custos; (ii) Gerenciamento e Otimização de Produção; (iii) Sequenciamento de tarefas; (iv) Atribuição de Tarefas para Trabalhadores e Balanceamento de Linhas de Produção; e (v) Cálculo do lote econômico de produção com o efeito de aprendizagem.

Learning curves are a graphical representation of an employee performance improvement as a result of task repetition. This paper presents a literature review of the applications of learning curves. Firstly, a brief review of major models of learning curves is presented. Next, a review of the main uses of learning curves is presented grouped into five different areas of research: (i) Cost Monitoring, (ii) Production Management and Optimization, (iii) Task Scheduling, (iv) Assignment of Workers to Tasks and Assembly Line Balancing, and (v) Calculation of Economic Batch Quantity with the learning effect.

A seleção dos atributos a serem avaliados em uma análise sensorial é fundamental no planejamento de painéis sensoriais. O processo de seleção visa reduzir a lista de atributos a serem apresentados aos julgadores, evitando assim fadiga aos membros do painel, porém mantendo atributos significativos na caracterização das amostras avaliadas. Este artigo apresenta um método para seleção de atributos em painéis sensoriais baseados em avaliações descritivas das amostras, tais como os métodos QDA (Quantitative Descriptive Analysis) e Spectrum. O método proposto utiliza Análise de Componentes Principais para identificação dos atributos mais relevantes e então aplica Análise Discriminante para classificação das amostras em formulações distintas. O método é aplicado em um estudo de caso em que cubos de carne com molho são caracterizados em painel sensorial utilizando o método QDA. O método proposto reduz significativamente o número de atributos a serem avaliados e conduz à satisfatória acurácia de classificação das amostras em formulações.

The selection of attributes from a group of candidates to be assessed through sensory analysis is an important step when planning sensory panels. When selecting attributes, it is desirable to reduce the list of those to be presented to panelists in order to avoid fatigue, however keeping the attributes that are relevant to the sensory characterization of samples. This paper presents a multivariate method for attribute selection in descriptive sensory panels, such as those used in the QDA (Quantitative Descriptive Analysis) and Spectrum protocols. The proposed method is implemented using Principal Component Analysis and Descriptive Analysis, and it is evaluated in a case study where beef cubes in stew, used as combat ration by the American Army, are characterized in sensory panels through the Spectrum method. The method significantly reduced the number of attributes to be considered in sensory panels, while yielding satisfactory accuracy in the classification of samples.

Processos industriais em bateladas são empregados com frequência na produção de certos itens. Tais processos disponibilizam uma estrutura de dados peculiar; diante disso, existe um crescente interesse no desenvolvimento de gráficos de controle multivariados mais apropriados para seu monitoramento. Investiga-se aqui uma abordagem recente que utiliza gráficos de controle baseados no método Statis. O Statis constitui-se em uma técnica exploratória que permite avaliar similaridade entre matrizes de dados. Entretanto, essa técnica considera a similaridade em um contexto linear, investigando estruturas de correlação lineares nos dados. Propõe-se neste artigo a utilização de gráficos de controle baseados no Statis em conjunto com kernels para monitoramento de processos com presença de não linearidades fortes. Através dos kernels, definem-se funções não lineares dos dados para melhor representação da estrutura a ser caracterizada pelo método Statis. Essa nova abordagem, denominada kernel-Statis, é desenvolvida e avaliada utilizando dados de um processo simulado.

Industrial batch processes are widely used in the production of certain items. Such processes provide a peculiar data structure; therefore there is a growing interest in the development of customized multivariate control charts for their monitoring. We investigate a recent approach that uses control charts based on the Statis method. Statis is an exploratory technique for measuring similarities between data matrices. However, the technique only assesses similarities in a linear context, i.e. investigating structures of linear correlation in the data. In this paper we propose control charts based on the Statis method in conjunction with a kernel for monitoring processes in the presence of strong nonlinearities. Through kernels we define nonlinear functions of data for better representing the structure to be characterized by the Statis method. The new approach, named kernel-Statis, is developed and illustrated using simulated data.

O Processo de Desenvolvimento de Produtos (PDP) é um procedimento de negócio cada vez mais decisivo nos resultados estratégicos das empresas que dele dependem. A tarefa de identificar oportunidades de melhoria na gestão deste processo complexo não é trivial e tem incentivado vários pesquisadores a propor abordagens para tornar mais racional o esforço de sofisticação da gestão do PDP (GPDP). Este artigo tem por objetivo apresentar um método gerencial aplicável ao diagnóstico da maturidade da GPDP e priorização de melhorias neste procedimento. O diagnóstico da maturidade proposto é realizado através do relacionamento entre a frequência da ocorrência de problemas típicos do PDP e dez áreas do conhecimento da GPDP. A partir deste relacionamento são identificadas as áreas de gestão em estado crítico e que merecem atenção gerencial. Estas áreas são desdobradas em melhores práticas, que se afiguram como oportunidades de melhoria, as quais são priorizadas utilizando-se uma matriz MAUT (Multiattribute Utility). O método foi aplicado em uma empresa de desenvolvimento de software, na forma de estudo de caso, e se mostrou adequado.

The Product Development Process (PDP) has increasing influence on companies' strategic results. Eliciting improvement opportunities in PDP is a non-trivial task, and has motivated researchers to propose approaches to rationalize the effort of sophisticating PDP Management (PDPM). This paper presents a method to measure the maturity of the PDPM and to prioritize improvement projects in that area. The maturity measurement is performed by quantifying relationships between the PDPM's knowledge areas and typical problems present in PDP. To rank improvement opportunities, critical knowledge areas are deployed into Best Practices, to which improvement opportunities are related and prioritized using a Multi-attribute Utility method. The proposed method is illustrated in a case study centered on a software development industry.

O aumento da variabilidade da demanda ao longo de uma cadeia de abastecimento é conhecido como Efeito Chicote (EC). A modelagem deste fenômeno é fundamental para a quantificação de sua intensidade, ajudando a reduzir seus impactos negativos sobre o nível de serviço e sobre os estoques em cadeias de abastecimento. Este artigo apresenta uma proposta de modelagem do EC que tem por objetivo aumentar a precisão na quantificação deste fenômeno em ambientes com demanda e lead time estocásticos. O novo modelo considera um elemento que não está presente nos principais modelos disponíveis na literatura: a variabilidade no lead time de entrega de pedidos. Além disso, define de modo mais preciso o papel do coeficiente de variação da demanda na quantificação do EC. A utilização do modelo proposto aumenta a eficiência da gestão de cadeias de abastecimento ao contribuir para atenuar a propagação do EC.

The increase in demand variability as information flows from customers to manufacturers in a supply chain is known as the Bullwhip Effect (BE). Modeling this phenomenon is key in measuring its intensity, aiming at reducing its negative impact on both service and inventory levels in supply chains. This paper proposes a new, more precise mathematical model for quantifying the BE in systems with stochastic demand and lead time. The new model takes into account the lead time variability, an element not present in the BE literature. In addition, the model allows a more precise assessment of the role that the demand's coefficient of variation plays when quantifying the BE. The use of the proposed model enables an improved management of the supply chain by attenuating the propagation of the BE.

Este artigo analisa o desempenho dos principais modelos de quantificação do Efeito Chicote (EC) a partir do estudo do impacto produzido por diferentes políticas de tratamento dos excessos de estoque sobre o EC, em ambientes com demanda e lead time estocásticos. Além da política considerada como pressuposto dos principais modelos de quantificação do EC disponíveis na literatura, onde excedentes de estoque são devolvidos a custo zero, outras duas políticas são investigadas: (i) excedentes são desconsiderados, ou seja, não motivam nem compra nem devolução de itens, e (ii) excedentes são ajustados e utilizados para suprir demandas futuras. A política (ii), considerada como a que melhor retrata a realidade operacional nas empresas, é incorporada à modelagem do EC sob a forma de um fator de correção em sua quantificação. Produz-se, assim, um novo modelo matemático para dimensionamento do EC em ambientes sujeitos à demanda e lead time estocásticos e independentes, onde excessos de estoque são incorporados no cálculo do tamanho dos pedidos futuros. O desenvolvimento deste novo modelo é apresentado detalhadamente, assim como as simulações computacionais realizadas para comparar seu desempenho com os modelos de Chen et al. (2000) e Fioriolli e Fogliatto (2007).

In this paper we analyze the performance of the main models developed to quantify the Bullwhip Effect (BE) focusing on the impact due to the adoption of different policies to treat inventory excesses, under the assumption of stochastic demand and lead time. In addition to the policy assumed in most BE quantification models available in the literature, where inventory excesses are handed back to suppliers at no cost, two alternative policies are investigated: (i) one where excesses are disregarded from the analysis, not motivating product devolution, and (ii) another where excesses are adjusted and used to supply for future demands. Policy (ii), considered as the one best reproducing the operational reality of companies, is incorporated to the BE modeling as a correction factor when quantifying the phenomenon. We thus present a new mathematical model to quantify the BE in situations where both demand and lead time are stochastic, and where inventory excesses are considered in the determination of future orders. The development of the new model is presented along with computational simulations run to compare its performance with models in Chen et al. (2000) and Fioriolli & Fogliatto (2007).

Em experimentos multi-resposta (MREs) a mesma unidade experimental é avaliada em relação a mais de uma resposta simultaneamente. A otimização de MREs implica na determinação do ponto na superfície de resposta onde as respostas apresentam o melhor desempenho em relação aos critérios estabelecidos. Funções de utilidade são empregadas para transformar realizações das respostas em cada tratamento experimental em medidas de desempenho. Este artigo aborda MREs em que algumas respostas não são observadas como valores individuais, mas descritas por funções. Uma resposta funcional apresenta um ou mais perfis como resultados observados em cada tratamento experimental; o objetivo é identificar tratamentos que resultam em respostas próximas de um perfil-alvo. Neste artigo, propõe-se a utilização da distância de Hausdorff, uma métrica de similaridade utilizada no tratamento de imagens, em combinação com uma função de preferência para obter uma função de utilidade que forneça a distância das respostas funcionais em relação a seu perfil-alvo.

In multiresponse experiments (MREs) the same experimental unit is evaluated with respect to more than one response simultaneously. Optimization of MREs involves determining the point in the design region where responses perform best with respect to given criteria. Utility functions are used to transform responses outcomes at each experimental treatment into performance measures. In this paper, we investigate MREs where some response outcomes are profiles rather than individual values. A functional response gives one or more profiles as observed outcomes at each experimental treatment, and the objective is to identify the outcome that is closest to a target profile. We propose the use of the Hausdorff Distance, a similarity metric from the field of image recognition, in combination with a desirability function to obtain a utility function that gives the distance of a functional response outcome to its desired target.