MAPA – TECNOLOGIAS DE ANÁLISE DE DADOS NA INDUSTRIA DE ALIMENTOS – 54_2025

MAPA - TECNOLOGIAS DE ANÁLISE DE DADOS NA INDUSTRIA DE ALIMENTOS - 54_2025

Qualidade de Produção na Indústria de Iogurtes – Avaliação Estatística

Cenário: Você é analista de dados de uma indústria de iogurtes que deseja otimizar a produção e reduzir perdas, garantindo segurança alimentar. A empresa possui 3 linhas de produção, cada uma equipada com sensores que registram diariamente:
– Temperatura (°C);
– pH;
– Umidade (%);
– Tempo de fermentação (min).
Além disso, a equipe registra o número de produtos fora do padrão e reclamações de clientes. O objetivo é identificar fatores que influenciam a qualidade do produto e propor melhorias baseadas em estatística descritiva e inferencial. Observe a Tabela com os dados da indústria coletados em 15 dias:

Dia	Linha	Temp (°C)	pH	Umidade (%)	Tempo Fermentação (min)	Produtos fora do padrão	Reclamações
1	1	42	4,5	85	180	2	0
1	2	44	4,7	88	175	5	2
1	3	41	4,6	83	182	3	1
2	1	43	4,5	86	179	1	0
2	2	45	4,8	89	176	6	3
2	3	42	4,7	84	181	2	0
3	1	41	4,4	85	180	1	0
3	2	44	4,7	88	174	5	2
3	3	42	4,6	83	182	2	1
4	1	42	4,5	85	181	1	0
4	2	46	4,8	90	175	7	3
4	3	43	4,6	84	182	3	1
5	1	43	4,5	86	180	2	0
5	2	45	4,7	89	175	6	2
5	3	42	4,6	83	181	2	1
6	1	42	4,5	85	180	1	0
6	2	44	4,7	88	176	5	2
6	3	41	4,6	83	182	2	1
7	1	41	4,4	85	179	1	0
7	2	45	4,8	89	175	6	3
7	3	42	4,6	84	181	2	1
8	1	43	4,5	86	180	2	0
8	2	46	4,8	90	174	7	3
8	3	43	4,6	84	182	3	1
9	1	42	4,5	85	181	1	0
9	2	44	4,7	88	176	5	2
9	3	42	4,6	83	182	2	1
10	1	41	4,4	85	180	1	0
10	2	45	4,8	89	175	6	3
10	3	42	4,6	84	181	2	1
11	1	43	4,5	86	180	2	0
11	2	46	4,8	90	174	7	3
11	3	43	4,6	84	182	3	1
12	1	42	4,5	85	180	1	0
12	2	45	4,7	89	175	6	2
12	3	42	4,6	83	181	2	1
13	1	41	4,4	85	179	1	0
13	2	44	4,7	88	176	5	2
13	3	42	4,6	84	182	2	1
14	1	43	4,5	86	180	2	0
14	2	46	4,8	90	174	7	3
14	3	43	4,6	84	181	3	1
15	1	42	4,5	85	180	1	0
15	2	45	4,7	89	175	6	2
15	3	42	4,6	83	182	2	1

OBS.: Dados fictícios gerados.

Com essas informações, faça o que se pede:

1) Análise Descritiva

a) Calcule média, desvio padrão, mínimo e máximo de Produtos Fora do Padrão, Temperatura, pH, Umidade e Tempo de Fermentação para cada linha de produção.
b) Crie um gráfico de distribuição boxplot para visualizar os dados por linha, onde o eixo X representará cada linha de Produção e o eixo Y o número de produtos fora do padrão.

2) Análise Inferencial – ANOVA

a) Realize ANOVA de um fator para verificar se há diferença significativa no número de Produtos Fora do Padrão entre as 3 linhas.
b) Interprete F-valor e p-valor:

p < 0,05 → há diferença significativa (rejeita H0)
p ≥ 0,05 → não há diferença significativa (falha em rejeitar H0)

3) Teste Post-hoc – Tukey HSD

a) Se a ANOVA indicar diferença significativa, aplique o teste de Tukey para identificar quais linhas diferem entre si.
b) Interprete os resultados, indicando quais linhas têm mais produtos fora do padrão.

4) Correlação e Regressão Linear

a) Verifique se Temperatura ou pH estão correlacionados com Produtos Fora do Padrão (coeficiente de Pearson).
b) Realize regressão linear simples para cada variável:

Produtos Fora do Padrão ~ Temperatura
Produtos Fora do Padrão ~ pH

c) Analise qual variável influencia mais a qualidade do produto.

5) Interpretação e Recomendações

a) Identifique qual linha apresenta maior risco de produtos fora do padrão.
b) Indique quais variáveis de processo influenciam mais a qualidade do produto.
c) Sugira ações corretivas e estratégicas, como ajustes de temperatura, pH ou tempo de fermentação.
d) Explique como Python, R ou Excel podem ser usados para criar alertas ou dashboards para monitoramento em tempo real.

MAPA - TECNOLOGIAS DE ANÁLISE DE DADOS NA INDUSTRIA DE ALIMENTOS - 54_2025

Fale Conosco

Envie sua Mensagem

Múltipla Assessoria Acadêmica - © 2024 Todos os Direitos Reservados