Neste trabalho, utilizamos técnicas de Inteligência Artificial e Controle Estatístico
de Processos em dois conjuntos de dados reais da área de construção civil, na presença
de covariáveis e observações contínuas e categóricas. Os dados representam o processo
diário de assentamento cerâmico sob a observação de interesse (níveis de satisfação do
cliente, para o primeiro conjunto de dados e custo do processo para o segundo conjunto
de dados) em quatro variáveis explicativas a esse processo. Para monitoramento do processo, com base no Gráfico de Controle de Regressão Múltipla, proposto por Haworth (1996), no Gráfico p tradicional, para controle de atributos, e em algumas ferramentas
de controle que fazem uso inteligência artificial, dois novos tipos de gráficos de controle
são desenvolvidos. Denominados como Gráfico de Controle de Classificação e Gráfico
de Controle de Predição para Respostas Contínuas, seu desenvolvimento foi embasado
em conceitos de modelagem estatística (paramétrica e não paramétrica), assim como em
processos de reamostragem utilizando aprendizagem de máquinas e inteligência artificial.
Primeiramente, alguns modelos de classificação e de regressão, competitivos quanto à sua capacidade preditiva, são apresentados de forma que a modelagem selecionada resulte em estimações mais próximas possíveis dos valores reais. Para isso, utilizando de técnicas de aprendizagem de máquinas, métricas de desempenho são comparadas. Em seguida, procedimentos de reamostragem, como por exemplo, Validação Cruzada k-fold, são propostos a fim de garantir a extração máxima de informação dos dados que servirão para construção dos limites de controles dos gráficos. Estudos de simulação foram realizados com o objetivo de comparar, com base no Comprimento Médio de Corrida (ARL), desempenho no monitoramento do processo dos gráficos propostos em diferentes cenários simulados.