ABSTRACT
Objetivando avaliar a atividade logística nas empresas do setor laticinista atuantes nas regiões Zona da Mata e Campo das Vertentes no estado de Minas Gerais, foram promovidas pesquisas com 40 indústrias que representam o setor avaliado. Os questionários respondidos pela gerência das empresas continha variáveis que possibilitaram caracterizar as empresas quanto à sua produção, logística de captação e distribuição, gestão interna, além de mercado e comercialização. O uso da análise estatística multivariada fatorial foi de grande relevância ao possibilitar a construção de um índice que representou o desempenho logístico de cada uma das empresas, sendo também utilizada para realizar o agrupamento dessas indústrias em 4 grupos que continham características similares. O índice logístico (IL) mostrou que as empresas estudadas da região precisam melhorar as atividades que constituíram sua medida, a fim de tornar os aspectos logísticos um meio de vantagem competitiva. Além disso, os grupos formados também possibilitaram avaliar que não é suficiente atuar na melhoria de apenas uma parte das atividades logísticas, mas sim no conjunto de variáveis que pode influenciar positivamente no resultado final no quesito competitividade e liderança logística.
In order to evaluate the logistics activity in the dairy companies operating in Zona da Mata and Campo das Vertentes in Minas Gerais, Brazil a research has been promoted on 40 industries that represent the sector assessed. The questionnaire answered by company employees, contained variables that allowed obtaining information about company identification, gathering and distribution logistics, internal management, marketing and commercialization. Factorial statistical analysis was very important to enable the construction of an index representing the logistics performance of each company and was also used to perform the grouping of these industries into 4 groups containing similar characteristics. The index logistics (IL) showed that companies in the study area still need to improve their activities which were measured to make the logistics a competitive advantage. Moreover, the groups formed also allowed to evaluate that is not enough the improvement at only a part of logistics activities, but is necessary to improve the set of variables that can positively influence the final result in the logistics competitiveness and leadership.
ABSTRACT
As espécies do gênero Candida são causadoras de diversas infecções fúngicas e, nos últimos anos, tem sido desenvolvidas novas tecnologias para auxiliar nos diagnósticos microbiológicos. Dentre as técnicas está a espectroscopia infravermelha junto com a análise estatística multivariada. O objetivo deste trabalho é comparar dois métodos: estatístico (análise multivariada) e não-estatístico (ajuste de curva), utilizando os espectros infravermelhos de Candida albicans, Candida dubliniensis e Candida parapsilosis para testar o potencial do uso de Análise Estatística Multivariada para discriminação de espectros de micro-organismos. Para isso foram obtidos, utilizando o Spectrum Spotlight 400 da PerkinElmer, 54 espectros infravermelhos, sendo 18 de cada espécie, na faixa de 4000 a 1000 cm-1, com resolução de 4 cm-1, no modo de transmissão, a 20 ºC. A análise dos espectros foi realizada através de três métodos: (1) inspeção visual direta dos espectros; (2) análise estatística multivariada; (3) ajuste de curva para a determinação de estruturas secundárias de proteínas. Na região de 1200 a 1000 cm-1, os espectros apresentam diferenças que podem ser percebidas numa inspeção visual direta. Uma banda próxima de 1070 cm-1 e outra próxima de 1045 cm-1 apresentam intensidades relativas diferentes para os três espectros. Por outro lado, as bandas da amida I, na região de 1710 a 1590 cm-1, apresentam aspectos visuais semelhantes com máximo em 1651 cm-1 para os espectros dos três micro-organismos. Esse fato torna possível submeter a análise estatística multivariada a um teste de sua capacidade de diferenciar três espectros de Candida. A análise estatística multivariada foi aplicada aos 54 espectros para investigar as regiões de 4000 a 1000 cm-1 com exceção da região de 2600 a 2300 cm-1 e de 1710 a 1590 cm-1 que corresponde a das bandas da amida I. A técnica selecionada foi a análise por componentes principais (PCA, Principal Componente Analysis), utilizando os primeiros quatro componentes principais, em conjunto com a técnica hierárquica de análise de agrupamento (HCA, Hierarchical Clustering Analysis) segundo o método de Ward. Foi utilizado para esta análise o software MINITAB 15 e o resultado mostra uma clara discriminação dos espectros dos três micro-organismos nas duas regiões consideradas. Adicionalmente foi obtido o espectro médio de cada micro-organismo nas bandas da amida I na região de 1710 a 1590 cm-1. Os três espectros médios assim obtidos foram analisados pelo método de ajuste de curva que não é estatístico para determinar as estruturas secundárias de proteínas. Para esta análise o software ORIGIN 7.5 foi utilizado e os resultados obtidos mostram estruturas conformacionais diferentes nos três micro-organismos. Esses resultados confirmam a discriminação obtida através da análise estatística multivariada e visual. Pode-se concluir que as análises estatísticas multivariadas baseadas em análise por componentes principais e análise de agrupamento com uso do algoritmo Ward é potencialmente útil para discriminar micro-organismos através de seus espectros infravermelhos. Além disso, as análises mostram que as bandas da amida I dos espectros infravermelhos de Candida albicans, Candida dubliniensis e Candida parapsilosis fornecem um conjunto de dados cuja estrutura de agrupamento é conhecida e que pode ser útil para testar e validar algoritmos estatísticos de análise de agrupamento.
Films of Candida albicans, Candida dubliniensis and Candida parapsilosis were prepared and the infrared spectra of these films were obtained in the region 4000 to 1000 cm-1, with resolution of 4 cm-1, in the transmission mode, at 20 ºC. Fifty four spectra were obtained, 18 of each microorganism, with the PerkinElmer Spotlight 400 FT-IR, which has a microscope attached to a FT-IR spectrophotometer. The spectra were analyzed through three methods: (1) mere visual inspection; (2) multivariate statistical analysis; (3) curve-fitting for determining secondary structures of proteins. In the region 1200 to 1000 cm-1, the spectral bands show differences that can be seen by a mere visual inspection. On the other hand, the amide I bands, in the region 1710 to 1590 cm-1, have the same visual aspect for the three microorganisms. Multivariate statistical analysis was applied to analyze these amide I bands of all the 54 spectra. Principal component analysis (PCA) and techniques of hierarchical cluster analysis (HCA, Hierarchical Clustering Analysis) according to Ward's method were applied using the software MINITAB 15. The results show a clear discrimination of the three microorganisms. The average spectrum of each microorganism was obtained in the amide I band. Each average spectrum was analyzed by curve-fitting for the determination of secondary structures of proteins. The software used was the ORIGIN 7.5 and the results confirm the discrimination obtained through multivariate statistical analysis. This result shows that multivariate statistical analysis can be useful to discriminate infrared spectra of different microorganisms. Furthermore, this work shows that the amide I bands of the infrared spectra of Candida albicans, Candida dubliniensis, and Candida parapsilosis provide a set of data of known group structure that can be useful to test statistical algorithms of cluster analysis.
ABSTRACT
Tecnologias disponíveis para a observação da Terra oferecem uma grande gama de informações sobre componentes ambientais que, por estarem relacionadas com a formação dos solos, podem ser usadas como variáveis preditoras no Mapeamento Digital de Solos (MDS). No entanto, modelos com um grande número de preditores, bem como a existência de multicolinearidade entre os dados, podem ser ineficazes no mapeamento de classes e propriedades do solo. O objetivo deste estudo foi empregar a Análise de Componentes Principais (ACP) visando a selecionar e diminuir o número de preditores na regressão logística múltipla multinomial (RLMM) utilizada no mapeamento de classes de solos. Nove covariáveis ambientais, ligadas ao fator de formação relevo, foram derivadas de um Modelo Digital de Elevação e denominadas variáveis originais, estas foram submetidas à ACP e transformadas em Componentes Principais (CP). As RLMM foram desenvolvidas utilizando-se atributos de terreno e as CP como variáveis explicativas. O mapa de solos gerado a partir de três CP (65,6 por cento da variância original) obteve um índice kappa de 37,3 por cento, inferior aos 48,5 por cento alcançado pelo mapa de solos gerado a partir de todas as nove variáveis originais.
Available technologies for Earth observation offer a wide range of predictors relevant to Digital Soil Mapping (DSM). However, models with a large number of predictors, as well as, the existence of multicollinearity among the data, may be ineffective in the mapping of classes and soil properties. The aim of this study was to use the Principal Component Analysis (PCA) to reduce the number of predictors in the multinomial logistic regression (MLR) used in soil mapping. Nine environmental covariates, related to the relief factor of soil formation, were derived from a digital elevation model and named the original variables, which were submitted to PCA and transformed into principal components (PC). The MLR were developed using the terrain attributes and the PC as explanatory variables. The soil map generated from three PC (65.6 percent of the original variance) had a kappa index of 37.3 percent, lower than the 48.5 percent achieved by the soil map generated from all nine original variables.