---

Arquivo de entrada: ARTIGO REVISTA BJPE SA.pdf (4349 termos)
Arquivo encontrado: http://periodicos.ufes.br/BJPE/article/download/v4n2_x/pdf (1006 termos)

Termos comuns: 47
Similaridade: 0,88%





Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
ARTIGO ORIGINAL OPEN ACCESS
Disponível em: http://periodicos.ufes.br/BJPE/index

ANÁLISE DA PERCEPÇÃO DA SATISFAÇÃO DOS CLIENTES DE UMA EMPRESA DE
PRODUTOS DE MÁQUINAS E IMPLEMENTOS AGRÍCOLAS
ANALYSIS OF THE PERCEPTION OF CUSTOMER SATISFACTION OF A COMPANY
OF MACHINERY PRODUCTS AND AGRICULTURAL IMPLEMENTS

Autor1*;Autor2

1 2Departamento de Engenharia de Produção da Universidade Federal de Catalão, Av Dr Lamartine Pinto de
Avelar, nº1440, Vila Chaud, Catalão, Goiás*
ARTIGO INFO.
Recebido em:
Aprovado em:
Disponibilizado em:
PALAVRAS-CHAVE: Regressão logística. Controle
estatístico da qualidade, Controle de qualidade

KEYWORDS: Logistic regression. Statistical control
of quality, Quality control.

Copyright © 2018, ------. Esta obra está sob uma Licença Creative
Commons Atribuição-Uso.

*Autor Correspondente: Revista BJPE

RESUMO
Um estudo estatístico utilizando o software Minitab é
apresentado neste artigo, cujo principal objetivo é o de
identificar os fatores que influenciam os clientes a
escolherem um produto de uma empresa produtora de
máquinas e implementos agrícolas. É apresentado, um
modelo de regressão logística identificando os
principais fatores de tal influência, para comprovar a
qualidade modelo obtida pelo software Minitab. São
comparadas seis medidas de desempenho juntamente
com o gráfico de efeitos. Pôde-se identificar que os
fatores ligados aos problemas não resolvidos e a
experiência global do produto estão diretamente
interligados ao cliente recomendar o produto.





ABSTRACT

A statistical study using Minitab software is presented
in this paper, whose main objective is to identify the
factors that influence customers to choose a product
from a company that produces agricultural machinery
and implements. It is presented a logistic regression
model identifying the main factors of such influence,
to prove the model quality obtained by the software
Minitab. Are compared six measures of performance
together with the effect graph. It could be identified
that the factors linked to the Unresolved Problems and
the Everall Experience of the product are directly
interconnected to the customer recommending the
product.












INTRODUÇÃO
Citação (APA): AUTOR 1, AUTOR 2 Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e
Implementos Agrícolas. Brazilian Journal of Production Engineering, X(1): aa-aa.
2
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE

Em decorrência das mudanças nos padrões de comportamento dos consumidores e de
suas crescentes exigências, as organizações cada vez mais buscam elementos que as tornem
mais competitivas. No que se trata de atrair, satisfazer e fidelizar clientes, elas adotam
estratégias cada vez mais agressivas com relação ao nível de serviços e qualidade de produtos,
fazendo com que este aspecto se torne um diferencial competitivo
Segundo Kotler (2000), os níveis de satisfação dos clientes têm relação com dois fatores:
prazer ou desilusão. De acordo com o autor, estes fatores levam em consideração a relação entre
desempenho percebido e expectativas acerca do produto e/ou serviço experimentado.
Segundo Aaker (2000) é necessário conhecer o seu consumidor, tratá-lo com respeito,
aproximar a empresa do cliente, para tanto, é necessário desenvolver métodos para que o cliente
visualize essa aproximação, além de criar a possibilidade de se mensurar a satisfação por meio
de pesquisas com a finalidade de se fazer mudanças para solucionar problemas encontrados.
Em seus trabalhos Slack, Chambers e Johnston (2007) afirmam que um cliente, com
elevados níveis de satisfação com relação à qualidade do serviço e/ou produto, retornará à
organização em futuras oportunidades, sendo ele considerado promotor da marca, pois
recomendam e trazem consigo novos clientes.
É necessário que as organizações desenvolvam mecanismos que captem as reais
necessidades dos clientes e que sirvam como apoio ao processo de tomada de decisão.
Segundo Ignácio (2010), a utilização de métodos estatísticos é bastante disseminada nos
diversos setores públicos e privados. O autor destaca que os resultados obtidos são utilizados
para melhorar os incrementos na produção, auxiliando os governantes a conhecerem melhor a
população e compreender as necessidades, entre outros aspectos, e, por isso, a estatística é
considerada uma ferramenta essencial em ambientes produtivos, para a disseminação desse
conhecimento.
As diversas ferramentas da estatística são responsáveis pelo planejamento de
experimentos e interpretação de dados obtidos por pesquisas de campo e apresentação dos
resultados, cujo intuito é de facilitar a tomada de decisão por parte dos gestores (IGNÁCIO,
2010).
Dentro desse cenário, o objetivo geral deste trabalho é o de analisar os fatores que
exercem influência na satisfação dos clientes de uma empresa produtora de máquinas e
implementos agrícolas no pulverizador, a partir de uma pesquisa aplicada pela empresa no ano
3
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
de 2015. Assim, este trabalho tem como foco as análises destes fatores e não na condução da
pesquisa tipo survey.
Especificamente os objetivos deste trabalho são: coletar e analisar os dados das
pesquisas de satisfação dos clientes; compreender as decisões de clientes; analisar os níveis de
satisfação dos clientes; analisar os resultados obtidos e sugerir melhorias.
Além disso, a execução deste trabalho busca corroborar ou falsear as seguintes hipóteses:
•X1 – Recomenda a concessionária (Recommend Dealer);
•X2 - Experiência global com produto (Overall Exp);
•X3 - Problemas não solucionados (Unresolved Problems);
•Y1 - Recomendar o produto.

2. QUALIDADE

As organizações estão inseridas em um mercado altamente competitivo, sendo
indispensável conquistar novos mercados e atender consumidores (CLARK;
WHEELWRIGHT, 1993). Diante disso, para o desenvolvimento e sobrevivência é
imprescindível a adaptação das empresas nas necessidades dos clientes e buscar melhorias
contínuas dos processos e produtos. Parasuraman et al. (1985) define qualidade como a
altercação entre as perspectivas e as percepções do cliente quanto ao serviço prestado.
Garvin (1992) classifica cinco enfoques para a definição dessa qualidade, a saber: 1) o
enfoque transcendental; 2) o enfoque baseado no produto; 3) o enfoque baseado no usuário; 4)
o enfoque baseado na fabricação e também o 5) enfoque baseado no valor. Os apontamentos de
Garvin (1992) auxiliam na melhor compreensão dos objetivos desta pesquisa e no real papel da
qualidade no setor de serviços, pois as empresas devem oferecer qualidade aos seus clientes,
bem como comprometimento em todos os níveis.

2.1. QUALIDADE EM SERVIÇOS E SATISFAÇÃO DOS CLIENTES

Para Fitzsimmons e Fitzsimmons (2000), o setor de serviços possui uma importância
econômica, pois não é visto como um facilitador de produção de bens.
4
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Para compreensão da qualidade em serviço é necessário estabelecer uma comunicação
direita entre cliente e empresa e ouvir críticas e sugestões com a finalidade de transformar
produtos e serviços. Segundo Fowler (2008), qualidade em serviços é baseada em quatro
enfoques que são: confiabilidade, segurança, cordialidade e receptividade. Grönroos (1999a),
afirma que para se ter competitividade é imprescindível que as organizações conheçam a
qualidade de acordo com percepção do cliente. Para Hoffman e Bateson (2006), a definição de
serviços se resume em ações, esforços e desempenhos, os autores também mencionam que o
serviço é intangível, pois são produtos que não possuem propriedades físicas e que os
consumidores apreciam antes de tomar a decisão de obter. Os mesmos autores destacam ainda
que a qualidade em serviços é avaliada em termos gerais e deve perdura por longo período sobre
o comportamento das organizações.

2.2. REGRESSÃO LOGÍSTICA

De acordo com Samohnl (2000) os métodos que utilizam a regressão simples continuam
considerando apenas duas variáveis, dependente e independente, mas, as organizações precisam
lidar com mais de duas variáveis e o autor destaca que nesses casos a regressão múltipla é a
mais indicada.
Figueira (2006) define que a regressão logística traz formas lineares tendo como um
componente aleatório, ordenado e função de amarração que liga os resultados esperados com
as variáveis.
Para Montgomey (2011) na regressão logística ocorre a situação em que a variável
dependente é de natureza dicotômica, atribuindo-se 1 ao evento de interesse (sucesso) e 0 ao
evento ao evento complementar (fracasso), onde a ocorrência de um implica diretamente na não
ocorrência do outro
Nestes pontos de definições, surgem duas grandes diferenças entre os modelos de
regressão linear e o modelo de regressão logística. Primeiro, na regressão logística os valores
esperados dos erros podem assumir apenas dois valores: 0 e 1, diferente da regressão linear em
que esses valores podem assumir qualquer valor positivo ou negativo. A segunda diferença é
encontrada na variância dos erros, pois na regressão logística, esses valores têm média zero e
variância igual a ?(?)[1 ? ?(?)]. Para este caso, a distribuição Binomial é a mais apropriada
para caracterizar a distribuição de probabilidade desses dados.
5
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Com a intenção de trazer algumas características desejáveis provenientes do modelo de
regressão linear, faz-se uso da transformação logit, g(x).

2.3. FUNÇÃO LOGIT

A função logit é linear em seus parâmetros podendo compreender qualquer valor
positivo ou negativo (HOSMER;LEMESHOW, 2000). Montgomery, Peck e Vining (2012)
definem a função logit como o que chamamos de função de ligação para a distribuição binomial.
A principal característica desta função é transformar probabilidades de variáveis resposta
categóricas (na qual existe entre 0 e 1) em uma escala contínua que pode ser modelada com
uma equação de regressão linear. A função logit é representada pela Eq. (1).

????? = ??? (
??
1 ? ??
) (1)

Onde ?? é a probabilidade observada no nível i da variável de resposta categórica. A
Função de ligação é a principal responsável por prover uma boa adequação do modelo aos dados
(MONTGOMERY; PECK; VINING, 2012).

2.4. TESTES DE ADEQUAÇÃO DO MODELO

Os testes de adequação do modelo são conduzidos no intuito de verificar se a equação
gerada produzirá resultados condizentes com a população estudada (MONTGOMERY; PECK;
VINING, 2012).
O teste de significância do modelo permite o pesquisador identificar se o modelo tem
boa adequação aos dados coletados, ou seja, se ele realmente representa o comportamento da
população estudada. No teste de significância de modelos de regressão logística, alguns
parâmetros são testados (MONTGOMERY;RUNGER, 2014).
Quando o modelo de regressão logística é adequado, o seu desvio tem uma distribuição
Chi-Square com n-p graus de liberdade (representado pelo software Minitab® 2013 por DF),
onde p é o número de parâmetros do modelo. Quando o valor do desvio é pequeno ou quando
6
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
o seu p-value é maior que 0.05, pode-se inferir que o modelo é adequado aos dados
(MONTGOMERY; PECK; VINING, 2012).
Outros testes são realizados durante a análise de significância do modelo, como, por
exemplo, o teste Chi-Square de Pearson. Esta estatística pode ser comparada a distribuição chi-
quadrada com n-p graus de liberdade. Valores pequenos desta estatística (ou p-values grandes)
implicam que o modelo é satisfatório. Quando o modelo não apresenta réplicas das variáveis
regressoras, as observações podem ser agrupadas (O número de grupos gerados é representado
por g) para que o teste de Hosmer-Lemeshow (HL) possa ser aplicado. Esta estatística é apenas
um teste Chi-Square de Pearson que compara os valores esperados com os observados
(MONTGOMERY; PECK; VINING, 2012).
Se o modelo for adequado, a estatística HL terá distribuição chi-quadrada. Valores
grandes desta estatística (valores pequenos de p-value) significam que o modelo não é
adequado. (MONTGOMERY; PECK; VINING, 2012).
Os coeficientes de determinação (R²) são também utilizados como método para verificar
a adequação do modelo. Entende-se que o coeficiente de determinação (R²) é a proporção ou a
porcentagem em que a variação da variável de resposta do modelo (y) é explicada pelas
variáveis independentes (x). (MONTGOMERY; PECK; VINING, 2012., MONTGOMERY;
RUNGER, 2014).

2.5. ANÁLISES GRÁFICAS DO MODELO

O gráfico de efeitos principais é utilizado para comparar o impacto de todos os fatores
do modelo de uma só vez. Dessa forma, fica visível, não somente pelos dados, mas por meio
de uma ilustração, quais são as variáveis mais impactantes do modelo. Neste tipo de gráfico,
quanto mais vertical é a linha da variável independente, mais impactante ao modelo esta
variável é (MONTGOMERY; RUNGER, 2014).
A Fig. 1 apresenta uma ilustração de como o gráfico é apresentado. É importante notar
que a variável B é significativamente mais impactante que a variável A. Nesta representação a
variável B influencia negativamente o modelo.

7
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE

Figura 1 - Gráfico de efeitos principais

Gráficos de controle e gráficos de superfície são baseados nas mesmas premissas.
Ambos ilustram a relação dimensional existente entre duas variáveis do modelo, estas
previamente selecionadas pelo pesquisador. Estes gráficos são utilizados para identificar
pontos “ótimos” das variáveis selecionadas que possam proporcionar o melhor valor da variável
de resposta (MONTGOMERY; RUNGER, 2014).
No gráfico de contorno há a presença de faixas com diferentes cores (como um mapa
topográfico bidimensional, por exemplo), onde cada uma das zonas coloridas representam
faixas de valores das variáveis de resposta. Quanto mais escura é a região, maiores são os
valores da variável Y.
O gráfico de superfície, como citado previamente, funciona sob o mesmo princípio,
porém em uma imagem tridimensional, ambas as metodologias podem ser verificadas na Fig.
2.

Figura 2 - Gráficos de a) Contorno e b) Superfície.

8
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
3. COLETA DE DADOS

Este artigo utiliza uma abordagem quantitativa com análise de dados por meio da
regressão logística binária, a coleta de dados é uma etapa fundamental para a sua execução e
sucesso.
A coleta de dados foi realizada no banco de dados da Empresa X. A Empresa X aplica
questionários para análise da satisfação de seus clientes periodicamente. Os dados das respostas
são armazenados em banco de dados, porém, sem realização de análises estatísticas especificas.
Com isso foi possível exportar os resultados das pesquisas de satisfação para clientes com
relação ao produto, nesse caso pulverizadores no ano de 2015. Os dados foram tabulados
utilizando uma planilha eletrônica que viabilizou uma organização inicial dos dados.
Como os dados foram extraídos de um banco de dados existente, a pesquisa se
caracteriza como documental e os dados como secundários. São considerados dados
secundários aqueles que, segundo Chisnall (1980), já foram coletados anteriormente e são úteis
para finalidades e levantamentos específicos.
A coleta e análise de dados seguem a metodologia Survey. Segundo Forza (2002), esta
metodologia envolve a coleta de informações individuais (obtida por meio de ligações,
entrevistas pessoais, questionários eletrônicos, e-mail etc.) sobre os indivíduos ou sobre o meio
social em que estão inseridos. Ainda segundo o autor, as amostras coletadas pelo survey são
capazes de apresentar informações sobre grandes populações com um determinado nível de
acuracidade.

4. ANÁLISE DOS DADOS

Para a organização dos dados desta pesquisa, as respostas estavam em uma planilha de
forma dispersa, gerando dificuldades no entendimento dos dados. Deste modo, a digitação e
análises dos dados se deram pelo software Minitab®, o que possibilitou uma melhor
visualização dos dados do qual foram organizados em linhas de 1 a 320, contendo 10 colunas,
sendo a primeira, classificada como cliente; a segunda, recomendação da concessionária; a
terceira, problemas não solucionados; a quarta, experiência global; a quinta, recomendação do
produto e na sexta coluna foi elaborada uma regra geral de 0 a 10, em que, para valores de 0 a
7, o cliente não recomenda o produto e para valores de 8 a 10, o cliente recomenda o produto.
9
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Nas cinco colunas seguintes estão os comentários das variáveis analisadas como demostra as
Fig. 3.
Figura 3 – Organização dos dados iniciais das variáveis

Para as variáveis analisadas serão consideradas uma amostra de 320 respostas de
clientes da Empresa X, sendo que as variáveis consideradas são: recomenda a concessionária,
experiência global com o produto, problemas não solucionados.
Neste estudo, essas variáveis têm um relacionamento direto entre o cliente indicar o
produto, pulverizadores auto propelidos, por ela oferecido. Os clientes responderam um
questionário online onde pontuaram a empresa de 0 a 10. Os clientes que atribuíram notas entre
0 e 7 são considerados insatisfeitos e as notas entre 8 a 10 mostram clientes totalmente
satisfeitos. Os clientes que pontuaram a empresa com notas acima de 8 são considerados
promotores da marca.
As variáveis utilizadas no modelo são apresentadas na Tab. 1.

10
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Tabela 1 – Interpretação das variáveis utilizadas no modelo
Variável Interpretação
Recommend Dealer Recomenda a concessionária?
Unresolved Problems Os problemas não solucionados?
Overall Exp Experiência global com produto.

Realizando a análise de regressão dos dados por meio do método Logit da Eq. (1),
obteve-se os resultados apresentados na Fig.(4).

Figura 4 - Resultado primeira análise de regressão

Neste artigo são analisados cinco parâmetros para verificação da significância do
modelo, sendo elas: p-value, a variável DF para o teste de Hosmer-Lemeshow e o teste Chi-
Square de Pearson, o VIF (fator de inflação da variância) R-Sq (coeficiente de determinação) e
R-Sq (adj) ajustado.

11
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE










Figura 5 - Resultado primeira análise de regressão

O p-value obtido para a variável Recommend Dealer (0,846) foi significativamente
maior que o permitido. Dessa forma, o Minitab® traz que para valores nos quais o coeficiente
p-value são maiores que 0,05, admite-se que esta é uma variável que não possui relação
significativa com o modelo. De maneira inversa, os p-value obtidos para variáveis problemas
não solucionados e experiência global com produto foram aceitáveis, pois os valores de p-value
foram menores que 0.05 o que comprova estaticamente que estas variáveis possuem relação
significativa com a variável recomenda produto.
Os valores R-Sq (coeficiente de determinação) e R-Sq (adj) (coeficiente de
determinação ajustado) foram, respectivamente, 72,04% e 71,35%. O R-Sq representa a
percentagem de variação da resposta que é explicada pela sua relação com uma ou mais
variáveis de previsão. Geralmente, quanto maior o R-Sq, melhor o modelo se adapta os dados.
R-Sq (Adj) é o percentual de variação da resposta que é explicado por sua relação com uma ou
mais variáveis de previsão, ajustado para o número de termos do modelo. Este ajustamento é
importante no sentido em que o R-Sq para qualquer modelo tende a sempre aumentar quando
um novo termo é adicionado, porém é o R-Sq (adj) que dará a informação se esse novo termo
influencia ou não no modelo. Se seu valor aumentar, o novo termo tem influência no modelo,
caso contrário, mesmo o R-Sq aumentando, ele não influenciará no modelo.
12
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
O VIF (fator de inflação da variância) por definição do software para ser considerado
bom deve ser abaixo de 5 e o valor de VIF foi de 1,06. A variável DF para o teste de Hosmer-
Lemeshow e o teste Chi-Square de Pearson quando o valor do desvio é pequeno ou quando o
seu p-value é maior que 0.05, pode-se inferir que o modelo é adequado para o teste de Hosmer-
Lemeshow. Nesse caso, obteve-se o p-value de 0,606 e o Pearson p-value de 0,999. Nesta
primeira análise foi satisfatório para todas as variáveis. Os testes de adequação do modelo
também apresentaram p-values aceitáveis.








Figura 6 - Análise das variáveis com o produto

De acordo com a Fig. 6, a variável Recommend Dealer não possui grande significância
na recomendação do produto pelo cliente, diferentemente do que acontece com as variáveis
Unresolverd Problems e Overall Exp
Contudo, o modelo apresentou uma série de observações não usuais, com variáveis de
alavancagem e outliers. As observações 87, 60, 56 e 40 apresentaram valores altos de
alavancagem. Conforme apresentado na Tab. 2.

Tabela 2 – Observações não usuais/ resíduos

Linha Cliente

Recommend
Dealer
Unresolved
Problems
Overall Exp Recomenda
Produto
40 1N04630XVE0028430 9 2 1 8 - Sim
56 1NW4630XAE0000554 0 2 2 8 - Sim
60 1NW4630XAE0000649 6 1 1 9 - Sim
87 1NW4630XCE0000759 7 1 1 8 - Sim
13
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Ao analisar a resposta da linha 40, observa-se que o cliente pontuou o Dealer com a
nota 9, a Unresolved Problems com nota 2 e a Overall Exp como nota 1 e mesmo com esta
pontuação este cliente recomendou o produto. Este cliente teve problemas com a máquina e, ao
solicitar peças para reparo, houve uma grande demora no processamento do pedido do qual a
máquina ficou sem operação por dois dias ocasionando uma insatisfação. A empresa solicitou
que um consultor fosse imediatamente até a propriedade do cliente para solucionar este
problema e ele informou que a máquina possui desempenho excepcional, porém a pontuação
baixa foi pela demora.
Na linha 56, o cliente pontuou com nota 0, nota 2, nota 1 o Dealer, a Unresolved
Problems e a Overall Exp respectivamente, porém a sua nota em recomendação do produto foi
8. Por meio do questionário, este cliente inseriu um comentário justificando as notas baixas. A
empresa X entrou em contato com o cliente de modo a entender melhor a situação, no entanto,
o cliente está satisfeito com o produto, mesmo havendo a reclamação da assistência informando
que estão com poucos técnicos e os existentes não são bem qualificados para prestar assistência
técnica, além da demora no atendimento.
A empresa justificou com o cliente que estão trabalhando na restruturação da equipe
técnica e que também foram adquiridos dois caminhões para fazer o transporte diário de peças
entre as lojas, de forma a atender mais rapidez e agilidade a demanda de peças.
Observa-se que o cliente da linha 60 pontuou o Dealer, a Unresolved Problems e a
Overall Exp respectivamente com as notas 6,1,1, no entanto após essa pontuação o cliente
recomendou o produto. Acredita-se que esta recomendação se deve pelo fato da empresa ter
realizado uma ação corretiva e ter oferecido um desconto, no qual cliente não teve custos
adicionais com processo, o supervisor de serviços entrou em contato com o cliente pedindo
desculpas pelo ocorrido.
O cliente da linha 87, pontou o Dealer, a Unresolved Problems e a Overall Exp
respectivamente com as notas 7,1,1. Essa pontuação deve-se por problemas de furos nas
mangueiras e a falta de peças na concessionária, ocorrendo um desgaste para o cliente gerando
a insatisfação. A empresa X foi informada das reclamações e tendo como ação a troca de 100%
das mangueiras, sem custos adicionais, sendo que o supervisor de peças foi incumbido de
realizar ações para melhorar o estoque de peças da concessionária.
Por meio das ações corretivas, entende-se que a empresa está trabalhando para atender
as reais necessidades dos clientes, a fim de melhorar as relações entre empresa e cliente. Para
14
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
uma maior confiabilidade deste modelo, com o objetivo de melhorar a performance, estes
pontos foram retirados e uma nova análise foi realizada, gerando os resultados apresentados na
Fig. 7.
Figura 7 - Resultado da segunda análise de regressão logística

A partir da nova análise, os resultados de R-Sq e R-Sq (adj) ajustados foram 78,61% e
78,14%, respectivamente.
Os valores VIF foram de 1,12 mantendo seus valores dentro do permitido, indicando a
não existência de multicolinearidade comprovados pelos valores de VIF. A variável DF para o
teste de Hosmer-Lemeshow e o teste Chi-Square de Pearson apresentaram p-value 0,653 e
1,000 respectivamente apresentam que o modelo possui significância.
A equação final obtida, que descreve o comportamento dos dados sob análise é
representada pela Eq. (2).


?? = ?5,961 + 0,658?1 + 0,845?2 (2)

O gráfico de efeitos principais foi empregado para verificar o impacto de cada uma das
variáveis do modelo na variável de reposta (Y). Conforme a Fig. 8 ilustra, nota-se que as
variáveis Unresolved Problems e Overall Exp exercem grande influência positiva nos
resultados do modelo. Estes resultados implicam que pequenas alterações nos valores destas
15
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
variáveis têm grande impacto na resposta do cliente com relação à sua resposta quanto a
recomendação ou não do produto.








Figura 8 - Gráficos de efeitos principais

A fim de confirmar a correlação positiva apresentada na Fig. 4 foi utilizado os gráficos
de Contorno e de Superfície com as duas variáveis mais impactantes no modelo: Unresolved
Problems e Overall Exp.
Gráficos de contorno e superfície são excelentes ferramentas visuais para fins de
reconhecimento de tendências e relação entre variáveis de um modelo. Este gráfico demonstra
o relacionamento em duas dimensões onde os valores são representados por contornos plotados
nas escalas x e y. Assim, este gráfico tem a aparência de uma topografia de um relevo.
O Gráfico de superfície vem para auxiliar nesta análise apresenta uma visão
tridimensional do relacionamento existente entre as variáveis. Este tipo de gráfico proporciona
uma visão mais clara da influência que cada variável exerce. A Fig. 9 representa o gráfico de
Contorno obtido para realização da análise de correlação entre as variáveis principais e a
variável de resposta do modelo. Os valores estão principalmente concentrados na parte superior
direita do gráfico, apontando para a localização dos extremos das variáveis sob análise.

16
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE

Figura 9 - Gráfico de contorno

A Fig. 10 ilustra o Gráfico de Superfície para as mesmas variáveis. Com o auxílio do
Gráfico de Superfície, é possível ter a certeza do comportamento das variáveis principais frente
à variável de resposta. É possível perceber que o ponto máximo da variável recomenda está
diretamente ligado aos pontos máximos das variáveis explicativas do modelo.








Figura 10 - Gráfico de Superfície


Os gráficos de contorno e superfície, ilustrados nas Figs. 9 e 10, confirmam que quanto
maiores são os valores das variáveis relacionadas à experiência geral do cliente e o volume de
problemas resolvidos, maiores são as chances do cliente recomendar o produto.

UNRESOLVED PROBLEMS
O
VE
RA
LL
E
XP
1086420
10
8
6
4
2
0
>
–
–
–
–
< 0,1
0,1 0,3
0,3 0,5
0,5 0,7
0,7 0,9
0,9
Recomenda
Contour Plot of Recomenda vs OVERALL EXP; UNRESOLVED PROBLEMS
0
5
0,0
,0 5
10
5
0
10
1,0
Recomend
PXE LLAREVO
DEVLOSERN PROBLEMU S
urfa e Plot of R co enda vs OVERALL EXP; US RESOLVED PROBLEMSN
17
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
CONSIDERAÇÕES FINAIS

Neste artigo, utilizou-se o software Minitab® como ferramenta útil para a análise da
percepção da satisfação dos clientes. Com o uso da técnica de estatística foi possível a analisar
e identificar as variáveis com maior interação para a pesquisa aplicada na empresa X no ano de
2015.
Conforme apresentado, as notas entre 8 e 10 de clientes que recomendariam o produto,
são considerados pela empresa como clientes promoters da marca, ou seja, são clientes que irão
promover os seus produtos para outros clientes.
Dessa forma, o objetivo deste trabalho era identificar os fatores que exercem maior
influência na satisfação dos clientes, e assim tais clientes contribuírem para a promoção da
marca. Por meio dos dados apresentado na Figura 3, pôde-se identificar que os problemas não
resolvidos e a experiência global do produto estão diretamente interligados com o cliente
recomendar o produto.
Os resultados alcançados referentes à percepção do serviço apontam que os clientes
avaliaram com menor nota a variável concessionária, ou seja, a concessionária pela qual o
cliente adquiriu o produto, não influencia de maneira significante em um cliente recomendar
ou não o produto.
Como a variável resposta do problema estudado era de caracter dicotômica e
apresentava como valores possíveis a insatisfação e a completa satisfação do cliente, o método
utilizado para atingir o objetivo traçado foi o modelo de regressão logística que pode ser
confirmado por meio dos parâmetros analisados p-value, a variável DF para o teste de Hosmer-
Lemeshow, o teste Chi-Square de Pearson, o VIF (fator de inflação da variância), R-Sq
(coeficiente de determinação) e R-Sq (adj) conforme apresentados na seção 4.
O presente artigo, com base nos resultados obtidos pelo estudo de análise estatística de
regressão logística, aplicada como forma de analisar a percepção da satisfação dos clientes de
uma empresa de produtos de máquina e implementos agrícolas, sugere que o questionário seja
apresentado com mais detalhes de informação, pois assim é possível a identificação de novas
variáveis que possa ter influência na promoção da marca, por parte do cliente. Sugere-se ainda,
que esta análise possa ser estendida aos demais produtos da empresa, contribuindo assim, para
o aumento da satisfação dos clientes, promoção da marca e qualidade nos serviços prestados.
18
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Na área acadêmica, este trabalho contribui como uma fonte bibliográfica sobre a
aplicação estatística em controle da qualidade, e em especial sobre a utilização da regressão
logística. Do ponto de vista empresarial, apresenta-se a contribuição tanto no sentido de
identificar as variáveis que influenciam diretamente com a promoção da marca, quanto no
sentido de melhoria contínua, preservação de clientes e qualidade total.
O presente trabalho também permite aplicações futuras do uso da regressão logística,
que é uma análise ainda pouco explorada. Nese sentido, a metodologia utilizada neste trabalho,
poderá ser aplicada em outras áreas da empresa, como, por exemplo, para identificar as
variáveis que afetam a produtividade de seus funcionários, já que anualmente, a empresa aplica
um questionário para mensurar o nível de satisfação de seus colaboradores, e que também a
empresa desenvolva ações preventivas afim de minimizar os problemas dos clientes.
Para trabalhos futuros, sugere-se a aplicação deste método para área de Engenharia do
Produto, na qual são realizados projetos de engenharia dos quais os departamentos de qualidade,
manufatura, suprimentos, logística e controladoria realizam atividades para implementação no
chão de fábrica de melhorias continuas do produto, o método estudado poderá contribuir e
identificar as principais variáveis que influenciam no cumprimento das atividades para
implementação no chão de fábrica.

REFERÊNCIAS

AAKER, D, A. Marcas: Brand Equity, Gerenciando o Valor da Marca. São Paulo: Elsevier,
2000.

BATESON, J. E. G.; HOFFMAN, K. D. Marketing de serviços. Porto Alegre: Bookman, 2001.

CHISNALL, P. M.; Pesquisa Mercadológica. Saraiva: 1980

FIGUEIRA, C. V. Modelos de Regressão Logística. Dissertação de Mestrado - UFRGS, 2006.

FITZSIMMONS, J. A.; FITZSIMMONS, M. J. Administração de serviços: operações,
estratégia e tecnologia de informação. Porto Alegre: Bookman, 2000.

FORZA, C. Survey Research in Operations Management: a process-based perspective.
International of Operations and Production Management. v.22, n. 2, 2002

FOWLER, E. D. Investigação sobre a utilização de Programas de Qualidade (GESPÚBLICA)
nas Universidades Federais de Ensino Superior. 2008. 38p. Dissertação (Mestrado em Ciências
em Engenharia de Produção) – Universidade Federal de Itajubá, Itajubá, 2008.

GRÕNROOS, C. Service Management and Marketing. Lexington, Massachusetts, USA:
19
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Lexington Books. 1990.

HOSMER, D. W., LEMESHOW, S. Applied Logistic Regression. New York. John Wiley &
Sons, 2000.

KOTLER, P. Administração de marketing: a edição do novo milênio. São Paulo: Prentice Hall,
2000.

IGNÁCIO, S.A. Importância da Estatística para o Processo de Conhecimento e Tomada de
Decisão. Curitiba, Governo do Estado do Paraná, 2010.

MINITAB® <www.minitab.com/ pt-br/company> Sobre o Minitab. Acesso em 18/10/2017.

MONTGOMERY, D. Introdução ao Controle Estatístico da Qualidade. Rio de Janeiro: LTC,
2011.

MONTGOMERY, D. C, RUNGER G.; C. Applied Statistics and Probability for Engineers
Nova Iorque, John Wiley & Sons, 2014.

MONTGOMERY, D. C, PECK, E. A, VINING, G.G. Introduction to linear Regression
Analysis. Nova Iorque, John Wiley & Sons, 2012.


PARASURAMAN, A.; ZEITHAML, V. A.; BERRY, L. L. A Conceptual model of service
quality and its implications for the future research. Journal of Marketing, vol. 49, Fall, 1985.

SLACK, N.; CHAMBERS, R.; JOHNSTON, R. Administração da Produção. São Paulo:
Atlas, 2007

GARVIN, D. A. Gerenciando a qualidade. Rio de Janeiro: Qualitymark

---

Arquivo de entrada: ARTIGO REVISTA BJPE SA.pdf (4349 termos)
Arquivo encontrado: http://periodicos.ufes.br/BJPE (183 termos)

Termos comuns: 8
Similaridade: 0,17%





Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
ARTIGO ORIGINAL OPEN ACCESS
Disponível em: http://periodicos.ufes.br/BJPE/index

ANÁLISE DA PERCEPÇÃO DA SATISFAÇÃO DOS CLIENTES DE UMA EMPRESA DE
PRODUTOS DE MÁQUINAS E IMPLEMENTOS AGRÍCOLAS
ANALYSIS OF THE PERCEPTION OF CUSTOMER SATISFACTION OF A COMPANY
OF MACHINERY PRODUCTS AND AGRICULTURAL IMPLEMENTS

Autor1*;Autor2

1 2Departamento de Engenharia de Produção da Universidade Federal de Catalão, Av Dr Lamartine Pinto de
Avelar, nº1440, Vila Chaud, Catalão, Goiás*
ARTIGO INFO.
Recebido em:
Aprovado em:
Disponibilizado em:
PALAVRAS-CHAVE: Regressão logística. Controle
estatístico da qualidade, Controle de qualidade

KEYWORDS: Logistic regression. Statistical control
of quality, Quality control.

Copyright © 2018, ------. Esta obra está sob uma Licença Creative
Commons Atribuição-Uso.

*Autor Correspondente: Revista BJPE

RESUMO
Um estudo estatístico utilizando o software Minitab é
apresentado neste artigo, cujo principal objetivo é o de
identificar os fatores que influenciam os clientes a
escolherem um produto de uma empresa produtora de
máquinas e implementos agrícolas. É apresentado, um
modelo de regressão logística identificando os
principais fatores de tal influência, para comprovar a
qualidade modelo obtida pelo software Minitab. São
comparadas seis medidas de desempenho juntamente
com o gráfico de efeitos. Pôde-se identificar que os
fatores ligados aos problemas não resolvidos e a
experiência global do produto estão diretamente
interligados ao cliente recomendar o produto.





ABSTRACT

A statistical study using Minitab software is presented
in this paper, whose main objective is to identify the
factors that influence customers to choose a product
from a company that produces agricultural machinery
and implements. It is presented a logistic regression
model identifying the main factors of such influence,
to prove the model quality obtained by the software
Minitab. Are compared six measures of performance
together with the effect graph. It could be identified
that the factors linked to the Unresolved Problems and
the Everall Experience of the product are directly
interconnected to the customer recommending the
product.












INTRODUÇÃO
Citação (APA): AUTOR 1, AUTOR 2 Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e
Implementos Agrícolas. Brazilian Journal of Production Engineering, X(1): aa-aa.
2
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE

Em decorrência das mudanças nos padrões de comportamento dos consumidores e de
suas crescentes exigências, as organizações cada vez mais buscam elementos que as tornem
mais competitivas. No que se trata de atrair, satisfazer e fidelizar clientes, elas adotam
estratégias cada vez mais agressivas com relação ao nível de serviços e qualidade de produtos,
fazendo com que este aspecto se torne um diferencial competitivo
Segundo Kotler (2000), os níveis de satisfação dos clientes têm relação com dois fatores:
prazer ou desilusão. De acordo com o autor, estes fatores levam em consideração a relação entre
desempenho percebido e expectativas acerca do produto e/ou serviço experimentado.
Segundo Aaker (2000) é necessário conhecer o seu consumidor, tratá-lo com respeito,
aproximar a empresa do cliente, para tanto, é necessário desenvolver métodos para que o cliente
visualize essa aproximação, além de criar a possibilidade de se mensurar a satisfação por meio
de pesquisas com a finalidade de se fazer mudanças para solucionar problemas encontrados.
Em seus trabalhos Slack, Chambers e Johnston (2007) afirmam que um cliente, com
elevados níveis de satisfação com relação à qualidade do serviço e/ou produto, retornará à
organização em futuras oportunidades, sendo ele considerado promotor da marca, pois
recomendam e trazem consigo novos clientes.
É necessário que as organizações desenvolvam mecanismos que captem as reais
necessidades dos clientes e que sirvam como apoio ao processo de tomada de decisão.
Segundo Ignácio (2010), a utilização de métodos estatísticos é bastante disseminada nos
diversos setores públicos e privados. O autor destaca que os resultados obtidos são utilizados
para melhorar os incrementos na produção, auxiliando os governantes a conhecerem melhor a
população e compreender as necessidades, entre outros aspectos, e, por isso, a estatística é
considerada uma ferramenta essencial em ambientes produtivos, para a disseminação desse
conhecimento.
As diversas ferramentas da estatística são responsáveis pelo planejamento de
experimentos e interpretação de dados obtidos por pesquisas de campo e apresentação dos
resultados, cujo intuito é de facilitar a tomada de decisão por parte dos gestores (IGNÁCIO,
2010).
Dentro desse cenário, o objetivo geral deste trabalho é o de analisar os fatores que
exercem influência na satisfação dos clientes de uma empresa produtora de máquinas e
implementos agrícolas no pulverizador, a partir de uma pesquisa aplicada pela empresa no ano
3
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
de 2015. Assim, este trabalho tem como foco as análises destes fatores e não na condução da
pesquisa tipo survey.
Especificamente os objetivos deste trabalho são: coletar e analisar os dados das
pesquisas de satisfação dos clientes; compreender as decisões de clientes; analisar os níveis de
satisfação dos clientes; analisar os resultados obtidos e sugerir melhorias.
Além disso, a execução deste trabalho busca corroborar ou falsear as seguintes hipóteses:
•X1 – Recomenda a concessionária (Recommend Dealer);
•X2 - Experiência global com produto (Overall Exp);
•X3 - Problemas não solucionados (Unresolved Problems);
•Y1 - Recomendar o produto.

2. QUALIDADE

As organizações estão inseridas em um mercado altamente competitivo, sendo
indispensável conquistar novos mercados e atender consumidores (CLARK;
WHEELWRIGHT, 1993). Diante disso, para o desenvolvimento e sobrevivência é
imprescindível a adaptação das empresas nas necessidades dos clientes e buscar melhorias
contínuas dos processos e produtos. Parasuraman et al. (1985) define qualidade como a
altercação entre as perspectivas e as percepções do cliente quanto ao serviço prestado.
Garvin (1992) classifica cinco enfoques para a definição dessa qualidade, a saber: 1) o
enfoque transcendental; 2) o enfoque baseado no produto; 3) o enfoque baseado no usuário; 4)
o enfoque baseado na fabricação e também o 5) enfoque baseado no valor. Os apontamentos de
Garvin (1992) auxiliam na melhor compreensão dos objetivos desta pesquisa e no real papel da
qualidade no setor de serviços, pois as empresas devem oferecer qualidade aos seus clientes,
bem como comprometimento em todos os níveis.

2.1. QUALIDADE EM SERVIÇOS E SATISFAÇÃO DOS CLIENTES

Para Fitzsimmons e Fitzsimmons (2000), o setor de serviços possui uma importância
econômica, pois não é visto como um facilitador de produção de bens.
4
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Para compreensão da qualidade em serviço é necessário estabelecer uma comunicação
direita entre cliente e empresa e ouvir críticas e sugestões com a finalidade de transformar
produtos e serviços. Segundo Fowler (2008), qualidade em serviços é baseada em quatro
enfoques que são: confiabilidade, segurança, cordialidade e receptividade. Grönroos (1999a),
afirma que para se ter competitividade é imprescindível que as organizações conheçam a
qualidade de acordo com percepção do cliente. Para Hoffman e Bateson (2006), a definição de
serviços se resume em ações, esforços e desempenhos, os autores também mencionam que o
serviço é intangível, pois são produtos que não possuem propriedades físicas e que os
consumidores apreciam antes de tomar a decisão de obter. Os mesmos autores destacam ainda
que a qualidade em serviços é avaliada em termos gerais e deve perdura por longo período sobre
o comportamento das organizações.

2.2. REGRESSÃO LOGÍSTICA

De acordo com Samohnl (2000) os métodos que utilizam a regressão simples continuam
considerando apenas duas variáveis, dependente e independente, mas, as organizações precisam
lidar com mais de duas variáveis e o autor destaca que nesses casos a regressão múltipla é a
mais indicada.
Figueira (2006) define que a regressão logística traz formas lineares tendo como um
componente aleatório, ordenado e função de amarração que liga os resultados esperados com
as variáveis.
Para Montgomey (2011) na regressão logística ocorre a situação em que a variável
dependente é de natureza dicotômica, atribuindo-se 1 ao evento de interesse (sucesso) e 0 ao
evento ao evento complementar (fracasso), onde a ocorrência de um implica diretamente na não
ocorrência do outro
Nestes pontos de definições, surgem duas grandes diferenças entre os modelos de
regressão linear e o modelo de regressão logística. Primeiro, na regressão logística os valores
esperados dos erros podem assumir apenas dois valores: 0 e 1, diferente da regressão linear em
que esses valores podem assumir qualquer valor positivo ou negativo. A segunda diferença é
encontrada na variância dos erros, pois na regressão logística, esses valores têm média zero e
variância igual a ?(?)[1 ? ?(?)]. Para este caso, a distribuição Binomial é a mais apropriada
para caracterizar a distribuição de probabilidade desses dados.
5
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Com a intenção de trazer algumas características desejáveis provenientes do modelo de
regressão linear, faz-se uso da transformação logit, g(x).

2.3. FUNÇÃO LOGIT

A função logit é linear em seus parâmetros podendo compreender qualquer valor
positivo ou negativo (HOSMER;LEMESHOW, 2000). Montgomery, Peck e Vining (2012)
definem a função logit como o que chamamos de função de ligação para a distribuição binomial.
A principal característica desta função é transformar probabilidades de variáveis resposta
categóricas (na qual existe entre 0 e 1) em uma escala contínua que pode ser modelada com
uma equação de regressão linear. A função logit é representada pela Eq. (1).

????? = ??? (
??
1 ? ??
) (1)

Onde ?? é a probabilidade observada no nível i da variável de resposta categórica. A
Função de ligação é a principal responsável por prover uma boa adequação do modelo aos dados
(MONTGOMERY; PECK; VINING, 2012).

2.4. TESTES DE ADEQUAÇÃO DO MODELO

Os testes de adequação do modelo são conduzidos no intuito de verificar se a equação
gerada produzirá resultados condizentes com a população estudada (MONTGOMERY; PECK;
VINING, 2012).
O teste de significância do modelo permite o pesquisador identificar se o modelo tem
boa adequação aos dados coletados, ou seja, se ele realmente representa o comportamento da
população estudada. No teste de significância de modelos de regressão logística, alguns
parâmetros são testados (MONTGOMERY;RUNGER, 2014).
Quando o modelo de regressão logística é adequado, o seu desvio tem uma distribuição
Chi-Square com n-p graus de liberdade (representado pelo software Minitab® 2013 por DF),
onde p é o número de parâmetros do modelo. Quando o valor do desvio é pequeno ou quando
6
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
o seu p-value é maior que 0.05, pode-se inferir que o modelo é adequado aos dados
(MONTGOMERY; PECK; VINING, 2012).
Outros testes são realizados durante a análise de significância do modelo, como, por
exemplo, o teste Chi-Square de Pearson. Esta estatística pode ser comparada a distribuição chi-
quadrada com n-p graus de liberdade. Valores pequenos desta estatística (ou p-values grandes)
implicam que o modelo é satisfatório. Quando o modelo não apresenta réplicas das variáveis
regressoras, as observações podem ser agrupadas (O número de grupos gerados é representado
por g) para que o teste de Hosmer-Lemeshow (HL) possa ser aplicado. Esta estatística é apenas
um teste Chi-Square de Pearson que compara os valores esperados com os observados
(MONTGOMERY; PECK; VINING, 2012).
Se o modelo for adequado, a estatística HL terá distribuição chi-quadrada. Valores
grandes desta estatística (valores pequenos de p-value) significam que o modelo não é
adequado. (MONTGOMERY; PECK; VINING, 2012).
Os coeficientes de determinação (R²) são também utilizados como método para verificar
a adequação do modelo. Entende-se que o coeficiente de determinação (R²) é a proporção ou a
porcentagem em que a variação da variável de resposta do modelo (y) é explicada pelas
variáveis independentes (x). (MONTGOMERY; PECK; VINING, 2012., MONTGOMERY;
RUNGER, 2014).

2.5. ANÁLISES GRÁFICAS DO MODELO

O gráfico de efeitos principais é utilizado para comparar o impacto de todos os fatores
do modelo de uma só vez. Dessa forma, fica visível, não somente pelos dados, mas por meio
de uma ilustração, quais são as variáveis mais impactantes do modelo. Neste tipo de gráfico,
quanto mais vertical é a linha da variável independente, mais impactante ao modelo esta
variável é (MONTGOMERY; RUNGER, 2014).
A Fig. 1 apresenta uma ilustração de como o gráfico é apresentado. É importante notar
que a variável B é significativamente mais impactante que a variável A. Nesta representação a
variável B influencia negativamente o modelo.

7
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE

Figura 1 - Gráfico de efeitos principais

Gráficos de controle e gráficos de superfície são baseados nas mesmas premissas.
Ambos ilustram a relação dimensional existente entre duas variáveis do modelo, estas
previamente selecionadas pelo pesquisador. Estes gráficos são utilizados para identificar
pontos “ótimos” das variáveis selecionadas que possam proporcionar o melhor valor da variável
de resposta (MONTGOMERY; RUNGER, 2014).
No gráfico de contorno há a presença de faixas com diferentes cores (como um mapa
topográfico bidimensional, por exemplo), onde cada uma das zonas coloridas representam
faixas de valores das variáveis de resposta. Quanto mais escura é a região, maiores são os
valores da variável Y.
O gráfico de superfície, como citado previamente, funciona sob o mesmo princípio,
porém em uma imagem tridimensional, ambas as metodologias podem ser verificadas na Fig.
2.

Figura 2 - Gráficos de a) Contorno e b) Superfície.

8
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
3. COLETA DE DADOS

Este artigo utiliza uma abordagem quantitativa com análise de dados por meio da
regressão logística binária, a coleta de dados é uma etapa fundamental para a sua execução e
sucesso.
A coleta de dados foi realizada no banco de dados da Empresa X. A Empresa X aplica
questionários para análise da satisfação de seus clientes periodicamente. Os dados das respostas
são armazenados em banco de dados, porém, sem realização de análises estatísticas especificas.
Com isso foi possível exportar os resultados das pesquisas de satisfação para clientes com
relação ao produto, nesse caso pulverizadores no ano de 2015. Os dados foram tabulados
utilizando uma planilha eletrônica que viabilizou uma organização inicial dos dados.
Como os dados foram extraídos de um banco de dados existente, a pesquisa se
caracteriza como documental e os dados como secundários. São considerados dados
secundários aqueles que, segundo Chisnall (1980), já foram coletados anteriormente e são úteis
para finalidades e levantamentos específicos.
A coleta e análise de dados seguem a metodologia Survey. Segundo Forza (2002), esta
metodologia envolve a coleta de informações individuais (obtida por meio de ligações,
entrevistas pessoais, questionários eletrônicos, e-mail etc.) sobre os indivíduos ou sobre o meio
social em que estão inseridos. Ainda segundo o autor, as amostras coletadas pelo survey são
capazes de apresentar informações sobre grandes populações com um determinado nível de
acuracidade.

4. ANÁLISE DOS DADOS

Para a organização dos dados desta pesquisa, as respostas estavam em uma planilha de
forma dispersa, gerando dificuldades no entendimento dos dados. Deste modo, a digitação e
análises dos dados se deram pelo software Minitab®, o que possibilitou uma melhor
visualização dos dados do qual foram organizados em linhas de 1 a 320, contendo 10 colunas,
sendo a primeira, classificada como cliente; a segunda, recomendação da concessionária; a
terceira, problemas não solucionados; a quarta, experiência global; a quinta, recomendação do
produto e na sexta coluna foi elaborada uma regra geral de 0 a 10, em que, para valores de 0 a
7, o cliente não recomenda o produto e para valores de 8 a 10, o cliente recomenda o produto.
9
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Nas cinco colunas seguintes estão os comentários das variáveis analisadas como demostra as
Fig. 3.
Figura 3 – Organização dos dados iniciais das variáveis

Para as variáveis analisadas serão consideradas uma amostra de 320 respostas de
clientes da Empresa X, sendo que as variáveis consideradas são: recomenda a concessionária,
experiência global com o produto, problemas não solucionados.
Neste estudo, essas variáveis têm um relacionamento direto entre o cliente indicar o
produto, pulverizadores auto propelidos, por ela oferecido. Os clientes responderam um
questionário online onde pontuaram a empresa de 0 a 10. Os clientes que atribuíram notas entre
0 e 7 são considerados insatisfeitos e as notas entre 8 a 10 mostram clientes totalmente
satisfeitos. Os clientes que pontuaram a empresa com notas acima de 8 são considerados
promotores da marca.
As variáveis utilizadas no modelo são apresentadas na Tab. 1.

10
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Tabela 1 – Interpretação das variáveis utilizadas no modelo
Variável Interpretação
Recommend Dealer Recomenda a concessionária?
Unresolved Problems Os problemas não solucionados?
Overall Exp Experiência global com produto.

Realizando a análise de regressão dos dados por meio do método Logit da Eq. (1),
obteve-se os resultados apresentados na Fig.(4).

Figura 4 - Resultado primeira análise de regressão

Neste artigo são analisados cinco parâmetros para verificação da significância do
modelo, sendo elas: p-value, a variável DF para o teste de Hosmer-Lemeshow e o teste Chi-
Square de Pearson, o VIF (fator de inflação da variância) R-Sq (coeficiente de determinação) e
R-Sq (adj) ajustado.

11
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE










Figura 5 - Resultado primeira análise de regressão

O p-value obtido para a variável Recommend Dealer (0,846) foi significativamente
maior que o permitido. Dessa forma, o Minitab® traz que para valores nos quais o coeficiente
p-value são maiores que 0,05, admite-se que esta é uma variável que não possui relação
significativa com o modelo. De maneira inversa, os p-value obtidos para variáveis problemas
não solucionados e experiência global com produto foram aceitáveis, pois os valores de p-value
foram menores que 0.05 o que comprova estaticamente que estas variáveis possuem relação
significativa com a variável recomenda produto.
Os valores R-Sq (coeficiente de determinação) e R-Sq (adj) (coeficiente de
determinação ajustado) foram, respectivamente, 72,04% e 71,35%. O R-Sq representa a
percentagem de variação da resposta que é explicada pela sua relação com uma ou mais
variáveis de previsão. Geralmente, quanto maior o R-Sq, melhor o modelo se adapta os dados.
R-Sq (Adj) é o percentual de variação da resposta que é explicado por sua relação com uma ou
mais variáveis de previsão, ajustado para o número de termos do modelo. Este ajustamento é
importante no sentido em que o R-Sq para qualquer modelo tende a sempre aumentar quando
um novo termo é adicionado, porém é o R-Sq (adj) que dará a informação se esse novo termo
influencia ou não no modelo. Se seu valor aumentar, o novo termo tem influência no modelo,
caso contrário, mesmo o R-Sq aumentando, ele não influenciará no modelo.
12
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
O VIF (fator de inflação da variância) por definição do software para ser considerado
bom deve ser abaixo de 5 e o valor de VIF foi de 1,06. A variável DF para o teste de Hosmer-
Lemeshow e o teste Chi-Square de Pearson quando o valor do desvio é pequeno ou quando o
seu p-value é maior que 0.05, pode-se inferir que o modelo é adequado para o teste de Hosmer-
Lemeshow. Nesse caso, obteve-se o p-value de 0,606 e o Pearson p-value de 0,999. Nesta
primeira análise foi satisfatório para todas as variáveis. Os testes de adequação do modelo
também apresentaram p-values aceitáveis.








Figura 6 - Análise das variáveis com o produto

De acordo com a Fig. 6, a variável Recommend Dealer não possui grande significância
na recomendação do produto pelo cliente, diferentemente do que acontece com as variáveis
Unresolverd Problems e Overall Exp
Contudo, o modelo apresentou uma série de observações não usuais, com variáveis de
alavancagem e outliers. As observações 87, 60, 56 e 40 apresentaram valores altos de
alavancagem. Conforme apresentado na Tab. 2.

Tabela 2 – Observações não usuais/ resíduos

Linha Cliente

Recommend
Dealer
Unresolved
Problems
Overall Exp Recomenda
Produto
40 1N04630XVE0028430 9 2 1 8 - Sim
56 1NW4630XAE0000554 0 2 2 8 - Sim
60 1NW4630XAE0000649 6 1 1 9 - Sim
87 1NW4630XCE0000759 7 1 1 8 - Sim
13
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Ao analisar a resposta da linha 40, observa-se que o cliente pontuou o Dealer com a
nota 9, a Unresolved Problems com nota 2 e a Overall Exp como nota 1 e mesmo com esta
pontuação este cliente recomendou o produto. Este cliente teve problemas com a máquina e, ao
solicitar peças para reparo, houve uma grande demora no processamento do pedido do qual a
máquina ficou sem operação por dois dias ocasionando uma insatisfação. A empresa solicitou
que um consultor fosse imediatamente até a propriedade do cliente para solucionar este
problema e ele informou que a máquina possui desempenho excepcional, porém a pontuação
baixa foi pela demora.
Na linha 56, o cliente pontuou com nota 0, nota 2, nota 1 o Dealer, a Unresolved
Problems e a Overall Exp respectivamente, porém a sua nota em recomendação do produto foi
8. Por meio do questionário, este cliente inseriu um comentário justificando as notas baixas. A
empresa X entrou em contato com o cliente de modo a entender melhor a situação, no entanto,
o cliente está satisfeito com o produto, mesmo havendo a reclamação da assistência informando
que estão com poucos técnicos e os existentes não são bem qualificados para prestar assistência
técnica, além da demora no atendimento.
A empresa justificou com o cliente que estão trabalhando na restruturação da equipe
técnica e que também foram adquiridos dois caminhões para fazer o transporte diário de peças
entre as lojas, de forma a atender mais rapidez e agilidade a demanda de peças.
Observa-se que o cliente da linha 60 pontuou o Dealer, a Unresolved Problems e a
Overall Exp respectivamente com as notas 6,1,1, no entanto após essa pontuação o cliente
recomendou o produto. Acredita-se que esta recomendação se deve pelo fato da empresa ter
realizado uma ação corretiva e ter oferecido um desconto, no qual cliente não teve custos
adicionais com processo, o supervisor de serviços entrou em contato com o cliente pedindo
desculpas pelo ocorrido.
O cliente da linha 87, pontou o Dealer, a Unresolved Problems e a Overall Exp
respectivamente com as notas 7,1,1. Essa pontuação deve-se por problemas de furos nas
mangueiras e a falta de peças na concessionária, ocorrendo um desgaste para o cliente gerando
a insatisfação. A empresa X foi informada das reclamações e tendo como ação a troca de 100%
das mangueiras, sem custos adicionais, sendo que o supervisor de peças foi incumbido de
realizar ações para melhorar o estoque de peças da concessionária.
Por meio das ações corretivas, entende-se que a empresa está trabalhando para atender
as reais necessidades dos clientes, a fim de melhorar as relações entre empresa e cliente. Para
14
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
uma maior confiabilidade deste modelo, com o objetivo de melhorar a performance, estes
pontos foram retirados e uma nova análise foi realizada, gerando os resultados apresentados na
Fig. 7.
Figura 7 - Resultado da segunda análise de regressão logística

A partir da nova análise, os resultados de R-Sq e R-Sq (adj) ajustados foram 78,61% e
78,14%, respectivamente.
Os valores VIF foram de 1,12 mantendo seus valores dentro do permitido, indicando a
não existência de multicolinearidade comprovados pelos valores de VIF. A variável DF para o
teste de Hosmer-Lemeshow e o teste Chi-Square de Pearson apresentaram p-value 0,653 e
1,000 respectivamente apresentam que o modelo possui significância.
A equação final obtida, que descreve o comportamento dos dados sob análise é
representada pela Eq. (2).


?? = ?5,961 + 0,658?1 + 0,845?2 (2)

O gráfico de efeitos principais foi empregado para verificar o impacto de cada uma das
variáveis do modelo na variável de reposta (Y). Conforme a Fig. 8 ilustra, nota-se que as
variáveis Unresolved Problems e Overall Exp exercem grande influência positiva nos
resultados do modelo. Estes resultados implicam que pequenas alterações nos valores destas
15
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
variáveis têm grande impacto na resposta do cliente com relação à sua resposta quanto a
recomendação ou não do produto.








Figura 8 - Gráficos de efeitos principais

A fim de confirmar a correlação positiva apresentada na Fig. 4 foi utilizado os gráficos
de Contorno e de Superfície com as duas variáveis mais impactantes no modelo: Unresolved
Problems e Overall Exp.
Gráficos de contorno e superfície são excelentes ferramentas visuais para fins de
reconhecimento de tendências e relação entre variáveis de um modelo. Este gráfico demonstra
o relacionamento em duas dimensões onde os valores são representados por contornos plotados
nas escalas x e y. Assim, este gráfico tem a aparência de uma topografia de um relevo.
O Gráfico de superfície vem para auxiliar nesta análise apresenta uma visão
tridimensional do relacionamento existente entre as variáveis. Este tipo de gráfico proporciona
uma visão mais clara da influência que cada variável exerce. A Fig. 9 representa o gráfico de
Contorno obtido para realização da análise de correlação entre as variáveis principais e a
variável de resposta do modelo. Os valores estão principalmente concentrados na parte superior
direita do gráfico, apontando para a localização dos extremos das variáveis sob análise.

16
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE

Figura 9 - Gráfico de contorno

A Fig. 10 ilustra o Gráfico de Superfície para as mesmas variáveis. Com o auxílio do
Gráfico de Superfície, é possível ter a certeza do comportamento das variáveis principais frente
à variável de resposta. É possível perceber que o ponto máximo da variável recomenda está
diretamente ligado aos pontos máximos das variáveis explicativas do modelo.








Figura 10 - Gráfico de Superfície


Os gráficos de contorno e superfície, ilustrados nas Figs. 9 e 10, confirmam que quanto
maiores são os valores das variáveis relacionadas à experiência geral do cliente e o volume de
problemas resolvidos, maiores são as chances do cliente recomendar o produto.

UNRESOLVED PROBLEMS
O
VE
RA
LL
E
XP
1086420
10
8
6
4
2
0
>
–
–
–
–
< 0,1
0,1 0,3
0,3 0,5
0,5 0,7
0,7 0,9
0,9
Recomenda
Contour Plot of Recomenda vs OVERALL EXP; UNRESOLVED PROBLEMS
0
5
0,0
,0 5
10
5
0
10
1,0
Recomend
PXE LLAREVO
DEVLOSERN PROBLEMU S
urfa e Plot of R co enda vs OVERALL EXP; US RESOLVED PROBLEMSN
17
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
CONSIDERAÇÕES FINAIS

Neste artigo, utilizou-se o software Minitab® como ferramenta útil para a análise da
percepção da satisfação dos clientes. Com o uso da técnica de estatística foi possível a analisar
e identificar as variáveis com maior interação para a pesquisa aplicada na empresa X no ano de
2015.
Conforme apresentado, as notas entre 8 e 10 de clientes que recomendariam o produto,
são considerados pela empresa como clientes promoters da marca, ou seja, são clientes que irão
promover os seus produtos para outros clientes.
Dessa forma, o objetivo deste trabalho era identificar os fatores que exercem maior
influência na satisfação dos clientes, e assim tais clientes contribuírem para a promoção da
marca. Por meio dos dados apresentado na Figura 3, pôde-se identificar que os problemas não
resolvidos e a experiência global do produto estão diretamente interligados com o cliente
recomendar o produto.
Os resultados alcançados referentes à percepção do serviço apontam que os clientes
avaliaram com menor nota a variável concessionária, ou seja, a concessionária pela qual o
cliente adquiriu o produto, não influencia de maneira significante em um cliente recomendar
ou não o produto.
Como a variável resposta do problema estudado era de caracter dicotômica e
apresentava como valores possíveis a insatisfação e a completa satisfação do cliente, o método
utilizado para atingir o objetivo traçado foi o modelo de regressão logística que pode ser
confirmado por meio dos parâmetros analisados p-value, a variável DF para o teste de Hosmer-
Lemeshow, o teste Chi-Square de Pearson, o VIF (fator de inflação da variância), R-Sq
(coeficiente de determinação) e R-Sq (adj) conforme apresentados na seção 4.
O presente artigo, com base nos resultados obtidos pelo estudo de análise estatística de
regressão logística, aplicada como forma de analisar a percepção da satisfação dos clientes de
uma empresa de produtos de máquina e implementos agrícolas, sugere que o questionário seja
apresentado com mais detalhes de informação, pois assim é possível a identificação de novas
variáveis que possa ter influência na promoção da marca, por parte do cliente. Sugere-se ainda,
que esta análise possa ser estendida aos demais produtos da empresa, contribuindo assim, para
o aumento da satisfação dos clientes, promoção da marca e qualidade nos serviços prestados.
18
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Na área acadêmica, este trabalho contribui como uma fonte bibliográfica sobre a
aplicação estatística em controle da qualidade, e em especial sobre a utilização da regressão
logística. Do ponto de vista empresarial, apresenta-se a contribuição tanto no sentido de
identificar as variáveis que influenciam diretamente com a promoção da marca, quanto no
sentido de melhoria contínua, preservação de clientes e qualidade total.
O presente trabalho também permite aplicações futuras do uso da regressão logística,
que é uma análise ainda pouco explorada. Nese sentido, a metodologia utilizada neste trabalho,
poderá ser aplicada em outras áreas da empresa, como, por exemplo, para identificar as
variáveis que afetam a produtividade de seus funcionários, já que anualmente, a empresa aplica
um questionário para mensurar o nível de satisfação de seus colaboradores, e que também a
empresa desenvolva ações preventivas afim de minimizar os problemas dos clientes.
Para trabalhos futuros, sugere-se a aplicação deste método para área de Engenharia do
Produto, na qual são realizados projetos de engenharia dos quais os departamentos de qualidade,
manufatura, suprimentos, logística e controladoria realizam atividades para implementação no
chão de fábrica de melhorias continuas do produto, o método estudado poderá contribuir e
identificar as principais variáveis que influenciam no cumprimento das atividades para
implementação no chão de fábrica.

REFERÊNCIAS

AAKER, D, A. Marcas: Brand Equity, Gerenciando o Valor da Marca. São Paulo: Elsevier,
2000.

BATESON, J. E. G.; HOFFMAN, K. D. Marketing de serviços. Porto Alegre: Bookman, 2001.

CHISNALL, P. M.; Pesquisa Mercadológica. Saraiva: 1980

FIGUEIRA, C. V. Modelos de Regressão Logística. Dissertação de Mestrado - UFRGS, 2006.

FITZSIMMONS, J. A.; FITZSIMMONS, M. J. Administração de serviços: operações,
estratégia e tecnologia de informação. Porto Alegre: Bookman, 2000.

FORZA, C. Survey Research in Operations Management: a process-based perspective.
International of Operations and Production Management. v.22, n. 2, 2002

FOWLER, E. D. Investigação sobre a utilização de Programas de Qualidade (GESPÚBLICA)
nas Universidades Federais de Ensino Superior. 2008. 38p. Dissertação (Mestrado em Ciências
em Engenharia de Produção) – Universidade Federal de Itajubá, Itajubá, 2008.

GRÕNROOS, C. Service Management and Marketing. Lexington, Massachusetts, USA:
19
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Lexington Books. 1990.

HOSMER, D. W., LEMESHOW, S. Applied Logistic Regression. New York. John Wiley &
Sons, 2000.

KOTLER, P. Administração de marketing: a edição do novo milênio. São Paulo: Prentice Hall,
2000.

IGNÁCIO, S.A. Importância da Estatística para o Processo de Conhecimento e Tomada de
Decisão. Curitiba, Governo do Estado do Paraná, 2010.

MINITAB® <www.minitab.com/ pt-br/company> Sobre o Minitab. Acesso em 18/10/2017.

MONTGOMERY, D. Introdução ao Controle Estatístico da Qualidade. Rio de Janeiro: LTC,
2011.

MONTGOMERY, D. C, RUNGER G.; C. Applied Statistics and Probability for Engineers
Nova Iorque, John Wiley & Sons, 2014.

MONTGOMERY, D. C, PECK, E. A, VINING, G.G. Introduction to linear Regression
Analysis. Nova Iorque, John Wiley & Sons, 2012.


PARASURAMAN, A.; ZEITHAML, V. A.; BERRY, L. L. A Conceptual model of service
quality and its implications for the future research. Journal of Marketing, vol. 49, Fall, 1985.

SLACK, N.; CHAMBERS, R.; JOHNSTON, R. Administração da Produção. São Paulo:
Atlas, 2007

GARVIN, D. A. Gerenciando a qualidade. Rio de Janeiro: Qualitymark

---

Arquivo de entrada: ARTIGO REVISTA BJPE SA.pdf (4349 termos)
Arquivo encontrado: http://periodicos.ufes.br/BJPE/article/download/v4n3_8/pdf (4732 termos)

Termos comuns: 81
Similaridade: 0,89%





Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
ARTIGO ORIGINAL OPEN ACCESS
Disponível em: http://periodicos.ufes.br/BJPE/index

ANÁLISE DA PERCEPÇÃO DA SATISFAÇÃO DOS CLIENTES DE UMA EMPRESA DE
PRODUTOS DE MÁQUINAS E IMPLEMENTOS AGRÍCOLAS
ANALYSIS OF THE PERCEPTION OF CUSTOMER SATISFACTION OF A COMPANY
OF MACHINERY PRODUCTS AND AGRICULTURAL IMPLEMENTS

Autor1*;Autor2

1 2Departamento de Engenharia de Produção da Universidade Federal de Catalão, Av Dr Lamartine Pinto de
Avelar, nº1440, Vila Chaud, Catalão, Goiás*
ARTIGO INFO.
Recebido em:
Aprovado em:
Disponibilizado em:
PALAVRAS-CHAVE: Regressão logística. Controle
estatístico da qualidade, Controle de qualidade

KEYWORDS: Logistic regression. Statistical control
of quality, Quality control.

Copyright © 2018, ------. Esta obra está sob uma Licença Creative
Commons Atribuição-Uso.

*Autor Correspondente: Revista BJPE

RESUMO
Um estudo estatístico utilizando o software Minitab é
apresentado neste artigo, cujo principal objetivo é o de
identificar os fatores que influenciam os clientes a
escolherem um produto de uma empresa produtora de
máquinas e implementos agrícolas. É apresentado, um
modelo de regressão logística identificando os
principais fatores de tal influência, para comprovar a
qualidade modelo obtida pelo software Minitab. São
comparadas seis medidas de desempenho juntamente
com o gráfico de efeitos. Pôde-se identificar que os
fatores ligados aos problemas não resolvidos e a
experiência global do produto estão diretamente
interligados ao cliente recomendar o produto.





ABSTRACT

A statistical study using Minitab software is presented
in this paper, whose main objective is to identify the
factors that influence customers to choose a product
from a company that produces agricultural machinery
and implements. It is presented a logistic regression
model identifying the main factors of such influence,
to prove the model quality obtained by the software
Minitab. Are compared six measures of performance
together with the effect graph. It could be identified
that the factors linked to the Unresolved Problems and
the Everall Experience of the product are directly
interconnected to the customer recommending the
product.












INTRODUÇÃO
Citação (APA): AUTOR 1, AUTOR 2 Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e
Implementos Agrícolas. Brazilian Journal of Production Engineering, X(1): aa-aa.
2
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE

Em decorrência das mudanças nos padrões de comportamento dos consumidores e de
suas crescentes exigências, as organizações cada vez mais buscam elementos que as tornem
mais competitivas. No que se trata de atrair, satisfazer e fidelizar clientes, elas adotam
estratégias cada vez mais agressivas com relação ao nível de serviços e qualidade de produtos,
fazendo com que este aspecto se torne um diferencial competitivo
Segundo Kotler (2000), os níveis de satisfação dos clientes têm relação com dois fatores:
prazer ou desilusão. De acordo com o autor, estes fatores levam em consideração a relação entre
desempenho percebido e expectativas acerca do produto e/ou serviço experimentado.
Segundo Aaker (2000) é necessário conhecer o seu consumidor, tratá-lo com respeito,
aproximar a empresa do cliente, para tanto, é necessário desenvolver métodos para que o cliente
visualize essa aproximação, além de criar a possibilidade de se mensurar a satisfação por meio
de pesquisas com a finalidade de se fazer mudanças para solucionar problemas encontrados.
Em seus trabalhos Slack, Chambers e Johnston (2007) afirmam que um cliente, com
elevados níveis de satisfação com relação à qualidade do serviço e/ou produto, retornará à
organização em futuras oportunidades, sendo ele considerado promotor da marca, pois
recomendam e trazem consigo novos clientes.
É necessário que as organizações desenvolvam mecanismos que captem as reais
necessidades dos clientes e que sirvam como apoio ao processo de tomada de decisão.
Segundo Ignácio (2010), a utilização de métodos estatísticos é bastante disseminada nos
diversos setores públicos e privados. O autor destaca que os resultados obtidos são utilizados
para melhorar os incrementos na produção, auxiliando os governantes a conhecerem melhor a
população e compreender as necessidades, entre outros aspectos, e, por isso, a estatística é
considerada uma ferramenta essencial em ambientes produtivos, para a disseminação desse
conhecimento.
As diversas ferramentas da estatística são responsáveis pelo planejamento de
experimentos e interpretação de dados obtidos por pesquisas de campo e apresentação dos
resultados, cujo intuito é de facilitar a tomada de decisão por parte dos gestores (IGNÁCIO,
2010).
Dentro desse cenário, o objetivo geral deste trabalho é o de analisar os fatores que
exercem influência na satisfação dos clientes de uma empresa produtora de máquinas e
implementos agrícolas no pulverizador, a partir de uma pesquisa aplicada pela empresa no ano
3
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
de 2015. Assim, este trabalho tem como foco as análises destes fatores e não na condução da
pesquisa tipo survey.
Especificamente os objetivos deste trabalho são: coletar e analisar os dados das
pesquisas de satisfação dos clientes; compreender as decisões de clientes; analisar os níveis de
satisfação dos clientes; analisar os resultados obtidos e sugerir melhorias.
Além disso, a execução deste trabalho busca corroborar ou falsear as seguintes hipóteses:
•X1 – Recomenda a concessionária (Recommend Dealer);
•X2 - Experiência global com produto (Overall Exp);
•X3 - Problemas não solucionados (Unresolved Problems);
•Y1 - Recomendar o produto.

2. QUALIDADE

As organizações estão inseridas em um mercado altamente competitivo, sendo
indispensável conquistar novos mercados e atender consumidores (CLARK;
WHEELWRIGHT, 1993). Diante disso, para o desenvolvimento e sobrevivência é
imprescindível a adaptação das empresas nas necessidades dos clientes e buscar melhorias
contínuas dos processos e produtos. Parasuraman et al. (1985) define qualidade como a
altercação entre as perspectivas e as percepções do cliente quanto ao serviço prestado.
Garvin (1992) classifica cinco enfoques para a definição dessa qualidade, a saber: 1) o
enfoque transcendental; 2) o enfoque baseado no produto; 3) o enfoque baseado no usuário; 4)
o enfoque baseado na fabricação e também o 5) enfoque baseado no valor. Os apontamentos de
Garvin (1992) auxiliam na melhor compreensão dos objetivos desta pesquisa e no real papel da
qualidade no setor de serviços, pois as empresas devem oferecer qualidade aos seus clientes,
bem como comprometimento em todos os níveis.

2.1. QUALIDADE EM SERVIÇOS E SATISFAÇÃO DOS CLIENTES

Para Fitzsimmons e Fitzsimmons (2000), o setor de serviços possui uma importância
econômica, pois não é visto como um facilitador de produção de bens.
4
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Para compreensão da qualidade em serviço é necessário estabelecer uma comunicação
direita entre cliente e empresa e ouvir críticas e sugestões com a finalidade de transformar
produtos e serviços. Segundo Fowler (2008), qualidade em serviços é baseada em quatro
enfoques que são: confiabilidade, segurança, cordialidade e receptividade. Grönroos (1999a),
afirma que para se ter competitividade é imprescindível que as organizações conheçam a
qualidade de acordo com percepção do cliente. Para Hoffman e Bateson (2006), a definição de
serviços se resume em ações, esforços e desempenhos, os autores também mencionam que o
serviço é intangível, pois são produtos que não possuem propriedades físicas e que os
consumidores apreciam antes de tomar a decisão de obter. Os mesmos autores destacam ainda
que a qualidade em serviços é avaliada em termos gerais e deve perdura por longo período sobre
o comportamento das organizações.

2.2. REGRESSÃO LOGÍSTICA

De acordo com Samohnl (2000) os métodos que utilizam a regressão simples continuam
considerando apenas duas variáveis, dependente e independente, mas, as organizações precisam
lidar com mais de duas variáveis e o autor destaca que nesses casos a regressão múltipla é a
mais indicada.
Figueira (2006) define que a regressão logística traz formas lineares tendo como um
componente aleatório, ordenado e função de amarração que liga os resultados esperados com
as variáveis.
Para Montgomey (2011) na regressão logística ocorre a situação em que a variável
dependente é de natureza dicotômica, atribuindo-se 1 ao evento de interesse (sucesso) e 0 ao
evento ao evento complementar (fracasso), onde a ocorrência de um implica diretamente na não
ocorrência do outro
Nestes pontos de definições, surgem duas grandes diferenças entre os modelos de
regressão linear e o modelo de regressão logística. Primeiro, na regressão logística os valores
esperados dos erros podem assumir apenas dois valores: 0 e 1, diferente da regressão linear em
que esses valores podem assumir qualquer valor positivo ou negativo. A segunda diferença é
encontrada na variância dos erros, pois na regressão logística, esses valores têm média zero e
variância igual a ?(?)[1 ? ?(?)]. Para este caso, a distribuição Binomial é a mais apropriada
para caracterizar a distribuição de probabilidade desses dados.
5
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Com a intenção de trazer algumas características desejáveis provenientes do modelo de
regressão linear, faz-se uso da transformação logit, g(x).

2.3. FUNÇÃO LOGIT

A função logit é linear em seus parâmetros podendo compreender qualquer valor
positivo ou negativo (HOSMER;LEMESHOW, 2000). Montgomery, Peck e Vining (2012)
definem a função logit como o que chamamos de função de ligação para a distribuição binomial.
A principal característica desta função é transformar probabilidades de variáveis resposta
categóricas (na qual existe entre 0 e 1) em uma escala contínua que pode ser modelada com
uma equação de regressão linear. A função logit é representada pela Eq. (1).

????? = ??? (
??
1 ? ??
) (1)

Onde ?? é a probabilidade observada no nível i da variável de resposta categórica. A
Função de ligação é a principal responsável por prover uma boa adequação do modelo aos dados
(MONTGOMERY; PECK; VINING, 2012).

2.4. TESTES DE ADEQUAÇÃO DO MODELO

Os testes de adequação do modelo são conduzidos no intuito de verificar se a equação
gerada produzirá resultados condizentes com a população estudada (MONTGOMERY; PECK;
VINING, 2012).
O teste de significância do modelo permite o pesquisador identificar se o modelo tem
boa adequação aos dados coletados, ou seja, se ele realmente representa o comportamento da
população estudada. No teste de significância de modelos de regressão logística, alguns
parâmetros são testados (MONTGOMERY;RUNGER, 2014).
Quando o modelo de regressão logística é adequado, o seu desvio tem uma distribuição
Chi-Square com n-p graus de liberdade (representado pelo software Minitab® 2013 por DF),
onde p é o número de parâmetros do modelo. Quando o valor do desvio é pequeno ou quando
6
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
o seu p-value é maior que 0.05, pode-se inferir que o modelo é adequado aos dados
(MONTGOMERY; PECK; VINING, 2012).
Outros testes são realizados durante a análise de significância do modelo, como, por
exemplo, o teste Chi-Square de Pearson. Esta estatística pode ser comparada a distribuição chi-
quadrada com n-p graus de liberdade. Valores pequenos desta estatística (ou p-values grandes)
implicam que o modelo é satisfatório. Quando o modelo não apresenta réplicas das variáveis
regressoras, as observações podem ser agrupadas (O número de grupos gerados é representado
por g) para que o teste de Hosmer-Lemeshow (HL) possa ser aplicado. Esta estatística é apenas
um teste Chi-Square de Pearson que compara os valores esperados com os observados
(MONTGOMERY; PECK; VINING, 2012).
Se o modelo for adequado, a estatística HL terá distribuição chi-quadrada. Valores
grandes desta estatística (valores pequenos de p-value) significam que o modelo não é
adequado. (MONTGOMERY; PECK; VINING, 2012).
Os coeficientes de determinação (R²) são também utilizados como método para verificar
a adequação do modelo. Entende-se que o coeficiente de determinação (R²) é a proporção ou a
porcentagem em que a variação da variável de resposta do modelo (y) é explicada pelas
variáveis independentes (x). (MONTGOMERY; PECK; VINING, 2012., MONTGOMERY;
RUNGER, 2014).

2.5. ANÁLISES GRÁFICAS DO MODELO

O gráfico de efeitos principais é utilizado para comparar o impacto de todos os fatores
do modelo de uma só vez. Dessa forma, fica visível, não somente pelos dados, mas por meio
de uma ilustração, quais são as variáveis mais impactantes do modelo. Neste tipo de gráfico,
quanto mais vertical é a linha da variável independente, mais impactante ao modelo esta
variável é (MONTGOMERY; RUNGER, 2014).
A Fig. 1 apresenta uma ilustração de como o gráfico é apresentado. É importante notar
que a variável B é significativamente mais impactante que a variável A. Nesta representação a
variável B influencia negativamente o modelo.

7
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE

Figura 1 - Gráfico de efeitos principais

Gráficos de controle e gráficos de superfície são baseados nas mesmas premissas.
Ambos ilustram a relação dimensional existente entre duas variáveis do modelo, estas
previamente selecionadas pelo pesquisador. Estes gráficos são utilizados para identificar
pontos “ótimos” das variáveis selecionadas que possam proporcionar o melhor valor da variável
de resposta (MONTGOMERY; RUNGER, 2014).
No gráfico de contorno há a presença de faixas com diferentes cores (como um mapa
topográfico bidimensional, por exemplo), onde cada uma das zonas coloridas representam
faixas de valores das variáveis de resposta. Quanto mais escura é a região, maiores são os
valores da variável Y.
O gráfico de superfície, como citado previamente, funciona sob o mesmo princípio,
porém em uma imagem tridimensional, ambas as metodologias podem ser verificadas na Fig.
2.

Figura 2 - Gráficos de a) Contorno e b) Superfície.

8
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
3. COLETA DE DADOS

Este artigo utiliza uma abordagem quantitativa com análise de dados por meio da
regressão logística binária, a coleta de dados é uma etapa fundamental para a sua execução e
sucesso.
A coleta de dados foi realizada no banco de dados da Empresa X. A Empresa X aplica
questionários para análise da satisfação de seus clientes periodicamente. Os dados das respostas
são armazenados em banco de dados, porém, sem realização de análises estatísticas especificas.
Com isso foi possível exportar os resultados das pesquisas de satisfação para clientes com
relação ao produto, nesse caso pulverizadores no ano de 2015. Os dados foram tabulados
utilizando uma planilha eletrônica que viabilizou uma organização inicial dos dados.
Como os dados foram extraídos de um banco de dados existente, a pesquisa se
caracteriza como documental e os dados como secundários. São considerados dados
secundários aqueles que, segundo Chisnall (1980), já foram coletados anteriormente e são úteis
para finalidades e levantamentos específicos.
A coleta e análise de dados seguem a metodologia Survey. Segundo Forza (2002), esta
metodologia envolve a coleta de informações individuais (obtida por meio de ligações,
entrevistas pessoais, questionários eletrônicos, e-mail etc.) sobre os indivíduos ou sobre o meio
social em que estão inseridos. Ainda segundo o autor, as amostras coletadas pelo survey são
capazes de apresentar informações sobre grandes populações com um determinado nível de
acuracidade.

4. ANÁLISE DOS DADOS

Para a organização dos dados desta pesquisa, as respostas estavam em uma planilha de
forma dispersa, gerando dificuldades no entendimento dos dados. Deste modo, a digitação e
análises dos dados se deram pelo software Minitab®, o que possibilitou uma melhor
visualização dos dados do qual foram organizados em linhas de 1 a 320, contendo 10 colunas,
sendo a primeira, classificada como cliente; a segunda, recomendação da concessionária; a
terceira, problemas não solucionados; a quarta, experiência global; a quinta, recomendação do
produto e na sexta coluna foi elaborada uma regra geral de 0 a 10, em que, para valores de 0 a
7, o cliente não recomenda o produto e para valores de 8 a 10, o cliente recomenda o produto.
9
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Nas cinco colunas seguintes estão os comentários das variáveis analisadas como demostra as
Fig. 3.
Figura 3 – Organização dos dados iniciais das variáveis

Para as variáveis analisadas serão consideradas uma amostra de 320 respostas de
clientes da Empresa X, sendo que as variáveis consideradas são: recomenda a concessionária,
experiência global com o produto, problemas não solucionados.
Neste estudo, essas variáveis têm um relacionamento direto entre o cliente indicar o
produto, pulverizadores auto propelidos, por ela oferecido. Os clientes responderam um
questionário online onde pontuaram a empresa de 0 a 10. Os clientes que atribuíram notas entre
0 e 7 são considerados insatisfeitos e as notas entre 8 a 10 mostram clientes totalmente
satisfeitos. Os clientes que pontuaram a empresa com notas acima de 8 são considerados
promotores da marca.
As variáveis utilizadas no modelo são apresentadas na Tab. 1.

10
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Tabela 1 – Interpretação das variáveis utilizadas no modelo
Variável Interpretação
Recommend Dealer Recomenda a concessionária?
Unresolved Problems Os problemas não solucionados?
Overall Exp Experiência global com produto.

Realizando a análise de regressão dos dados por meio do método Logit da Eq. (1),
obteve-se os resultados apresentados na Fig.(4).

Figura 4 - Resultado primeira análise de regressão

Neste artigo são analisados cinco parâmetros para verificação da significância do
modelo, sendo elas: p-value, a variável DF para o teste de Hosmer-Lemeshow e o teste Chi-
Square de Pearson, o VIF (fator de inflação da variância) R-Sq (coeficiente de determinação) e
R-Sq (adj) ajustado.

11
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE










Figura 5 - Resultado primeira análise de regressão

O p-value obtido para a variável Recommend Dealer (0,846) foi significativamente
maior que o permitido. Dessa forma, o Minitab® traz que para valores nos quais o coeficiente
p-value são maiores que 0,05, admite-se que esta é uma variável que não possui relação
significativa com o modelo. De maneira inversa, os p-value obtidos para variáveis problemas
não solucionados e experiência global com produto foram aceitáveis, pois os valores de p-value
foram menores que 0.05 o que comprova estaticamente que estas variáveis possuem relação
significativa com a variável recomenda produto.
Os valores R-Sq (coeficiente de determinação) e R-Sq (adj) (coeficiente de
determinação ajustado) foram, respectivamente, 72,04% e 71,35%. O R-Sq representa a
percentagem de variação da resposta que é explicada pela sua relação com uma ou mais
variáveis de previsão. Geralmente, quanto maior o R-Sq, melhor o modelo se adapta os dados.
R-Sq (Adj) é o percentual de variação da resposta que é explicado por sua relação com uma ou
mais variáveis de previsão, ajustado para o número de termos do modelo. Este ajustamento é
importante no sentido em que o R-Sq para qualquer modelo tende a sempre aumentar quando
um novo termo é adicionado, porém é o R-Sq (adj) que dará a informação se esse novo termo
influencia ou não no modelo. Se seu valor aumentar, o novo termo tem influência no modelo,
caso contrário, mesmo o R-Sq aumentando, ele não influenciará no modelo.
12
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
O VIF (fator de inflação da variância) por definição do software para ser considerado
bom deve ser abaixo de 5 e o valor de VIF foi de 1,06. A variável DF para o teste de Hosmer-
Lemeshow e o teste Chi-Square de Pearson quando o valor do desvio é pequeno ou quando o
seu p-value é maior que 0.05, pode-se inferir que o modelo é adequado para o teste de Hosmer-
Lemeshow. Nesse caso, obteve-se o p-value de 0,606 e o Pearson p-value de 0,999. Nesta
primeira análise foi satisfatório para todas as variáveis. Os testes de adequação do modelo
também apresentaram p-values aceitáveis.








Figura 6 - Análise das variáveis com o produto

De acordo com a Fig. 6, a variável Recommend Dealer não possui grande significância
na recomendação do produto pelo cliente, diferentemente do que acontece com as variáveis
Unresolverd Problems e Overall Exp
Contudo, o modelo apresentou uma série de observações não usuais, com variáveis de
alavancagem e outliers. As observações 87, 60, 56 e 40 apresentaram valores altos de
alavancagem. Conforme apresentado na Tab. 2.

Tabela 2 – Observações não usuais/ resíduos

Linha Cliente

Recommend
Dealer
Unresolved
Problems
Overall Exp Recomenda
Produto
40 1N04630XVE0028430 9 2 1 8 - Sim
56 1NW4630XAE0000554 0 2 2 8 - Sim
60 1NW4630XAE0000649 6 1 1 9 - Sim
87 1NW4630XCE0000759 7 1 1 8 - Sim
13
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Ao analisar a resposta da linha 40, observa-se que o cliente pontuou o Dealer com a
nota 9, a Unresolved Problems com nota 2 e a Overall Exp como nota 1 e mesmo com esta
pontuação este cliente recomendou o produto. Este cliente teve problemas com a máquina e, ao
solicitar peças para reparo, houve uma grande demora no processamento do pedido do qual a
máquina ficou sem operação por dois dias ocasionando uma insatisfação. A empresa solicitou
que um consultor fosse imediatamente até a propriedade do cliente para solucionar este
problema e ele informou que a máquina possui desempenho excepcional, porém a pontuação
baixa foi pela demora.
Na linha 56, o cliente pontuou com nota 0, nota 2, nota 1 o Dealer, a Unresolved
Problems e a Overall Exp respectivamente, porém a sua nota em recomendação do produto foi
8. Por meio do questionário, este cliente inseriu um comentário justificando as notas baixas. A
empresa X entrou em contato com o cliente de modo a entender melhor a situação, no entanto,
o cliente está satisfeito com o produto, mesmo havendo a reclamação da assistência informando
que estão com poucos técnicos e os existentes não são bem qualificados para prestar assistência
técnica, além da demora no atendimento.
A empresa justificou com o cliente que estão trabalhando na restruturação da equipe
técnica e que também foram adquiridos dois caminhões para fazer o transporte diário de peças
entre as lojas, de forma a atender mais rapidez e agilidade a demanda de peças.
Observa-se que o cliente da linha 60 pontuou o Dealer, a Unresolved Problems e a
Overall Exp respectivamente com as notas 6,1,1, no entanto após essa pontuação o cliente
recomendou o produto. Acredita-se que esta recomendação se deve pelo fato da empresa ter
realizado uma ação corretiva e ter oferecido um desconto, no qual cliente não teve custos
adicionais com processo, o supervisor de serviços entrou em contato com o cliente pedindo
desculpas pelo ocorrido.
O cliente da linha 87, pontou o Dealer, a Unresolved Problems e a Overall Exp
respectivamente com as notas 7,1,1. Essa pontuação deve-se por problemas de furos nas
mangueiras e a falta de peças na concessionária, ocorrendo um desgaste para o cliente gerando
a insatisfação. A empresa X foi informada das reclamações e tendo como ação a troca de 100%
das mangueiras, sem custos adicionais, sendo que o supervisor de peças foi incumbido de
realizar ações para melhorar o estoque de peças da concessionária.
Por meio das ações corretivas, entende-se que a empresa está trabalhando para atender
as reais necessidades dos clientes, a fim de melhorar as relações entre empresa e cliente. Para
14
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
uma maior confiabilidade deste modelo, com o objetivo de melhorar a performance, estes
pontos foram retirados e uma nova análise foi realizada, gerando os resultados apresentados na
Fig. 7.
Figura 7 - Resultado da segunda análise de regressão logística

A partir da nova análise, os resultados de R-Sq e R-Sq (adj) ajustados foram 78,61% e
78,14%, respectivamente.
Os valores VIF foram de 1,12 mantendo seus valores dentro do permitido, indicando a
não existência de multicolinearidade comprovados pelos valores de VIF. A variável DF para o
teste de Hosmer-Lemeshow e o teste Chi-Square de Pearson apresentaram p-value 0,653 e
1,000 respectivamente apresentam que o modelo possui significância.
A equação final obtida, que descreve o comportamento dos dados sob análise é
representada pela Eq. (2).


?? = ?5,961 + 0,658?1 + 0,845?2 (2)

O gráfico de efeitos principais foi empregado para verificar o impacto de cada uma das
variáveis do modelo na variável de reposta (Y). Conforme a Fig. 8 ilustra, nota-se que as
variáveis Unresolved Problems e Overall Exp exercem grande influência positiva nos
resultados do modelo. Estes resultados implicam que pequenas alterações nos valores destas
15
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
variáveis têm grande impacto na resposta do cliente com relação à sua resposta quanto a
recomendação ou não do produto.








Figura 8 - Gráficos de efeitos principais

A fim de confirmar a correlação positiva apresentada na Fig. 4 foi utilizado os gráficos
de Contorno e de Superfície com as duas variáveis mais impactantes no modelo: Unresolved
Problems e Overall Exp.
Gráficos de contorno e superfície são excelentes ferramentas visuais para fins de
reconhecimento de tendências e relação entre variáveis de um modelo. Este gráfico demonstra
o relacionamento em duas dimensões onde os valores são representados por contornos plotados
nas escalas x e y. Assim, este gráfico tem a aparência de uma topografia de um relevo.
O Gráfico de superfície vem para auxiliar nesta análise apresenta uma visão
tridimensional do relacionamento existente entre as variáveis. Este tipo de gráfico proporciona
uma visão mais clara da influência que cada variável exerce. A Fig. 9 representa o gráfico de
Contorno obtido para realização da análise de correlação entre as variáveis principais e a
variável de resposta do modelo. Os valores estão principalmente concentrados na parte superior
direita do gráfico, apontando para a localização dos extremos das variáveis sob análise.

16
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE

Figura 9 - Gráfico de contorno

A Fig. 10 ilustra o Gráfico de Superfície para as mesmas variáveis. Com o auxílio do
Gráfico de Superfície, é possível ter a certeza do comportamento das variáveis principais frente
à variável de resposta. É possível perceber que o ponto máximo da variável recomenda está
diretamente ligado aos pontos máximos das variáveis explicativas do modelo.








Figura 10 - Gráfico de Superfície


Os gráficos de contorno e superfície, ilustrados nas Figs. 9 e 10, confirmam que quanto
maiores são os valores das variáveis relacionadas à experiência geral do cliente e o volume de
problemas resolvidos, maiores são as chances do cliente recomendar o produto.

UNRESOLVED PROBLEMS
O
VE
RA
LL
E
XP
1086420
10
8
6
4
2
0
>
–
–
–
–
< 0,1
0,1 0,3
0,3 0,5
0,5 0,7
0,7 0,9
0,9
Recomenda
Contour Plot of Recomenda vs OVERALL EXP; UNRESOLVED PROBLEMS
0
5
0,0
,0 5
10
5
0
10
1,0
Recomend
PXE LLAREVO
DEVLOSERN PROBLEMU S
urfa e Plot of R co enda vs OVERALL EXP; US RESOLVED PROBLEMSN
17
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
CONSIDERAÇÕES FINAIS

Neste artigo, utilizou-se o software Minitab® como ferramenta útil para a análise da
percepção da satisfação dos clientes. Com o uso da técnica de estatística foi possível a analisar
e identificar as variáveis com maior interação para a pesquisa aplicada na empresa X no ano de
2015.
Conforme apresentado, as notas entre 8 e 10 de clientes que recomendariam o produto,
são considerados pela empresa como clientes promoters da marca, ou seja, são clientes que irão
promover os seus produtos para outros clientes.
Dessa forma, o objetivo deste trabalho era identificar os fatores que exercem maior
influência na satisfação dos clientes, e assim tais clientes contribuírem para a promoção da
marca. Por meio dos dados apresentado na Figura 3, pôde-se identificar que os problemas não
resolvidos e a experiência global do produto estão diretamente interligados com o cliente
recomendar o produto.
Os resultados alcançados referentes à percepção do serviço apontam que os clientes
avaliaram com menor nota a variável concessionária, ou seja, a concessionária pela qual o
cliente adquiriu o produto, não influencia de maneira significante em um cliente recomendar
ou não o produto.
Como a variável resposta do problema estudado era de caracter dicotômica e
apresentava como valores possíveis a insatisfação e a completa satisfação do cliente, o método
utilizado para atingir o objetivo traçado foi o modelo de regressão logística que pode ser
confirmado por meio dos parâmetros analisados p-value, a variável DF para o teste de Hosmer-
Lemeshow, o teste Chi-Square de Pearson, o VIF (fator de inflação da variância), R-Sq
(coeficiente de determinação) e R-Sq (adj) conforme apresentados na seção 4.
O presente artigo, com base nos resultados obtidos pelo estudo de análise estatística de
regressão logística, aplicada como forma de analisar a percepção da satisfação dos clientes de
uma empresa de produtos de máquina e implementos agrícolas, sugere que o questionário seja
apresentado com mais detalhes de informação, pois assim é possível a identificação de novas
variáveis que possa ter influência na promoção da marca, por parte do cliente. Sugere-se ainda,
que esta análise possa ser estendida aos demais produtos da empresa, contribuindo assim, para
o aumento da satisfação dos clientes, promoção da marca e qualidade nos serviços prestados.
18
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Na área acadêmica, este trabalho contribui como uma fonte bibliográfica sobre a
aplicação estatística em controle da qualidade, e em especial sobre a utilização da regressão
logística. Do ponto de vista empresarial, apresenta-se a contribuição tanto no sentido de
identificar as variáveis que influenciam diretamente com a promoção da marca, quanto no
sentido de melhoria contínua, preservação de clientes e qualidade total.
O presente trabalho também permite aplicações futuras do uso da regressão logística,
que é uma análise ainda pouco explorada. Nese sentido, a metodologia utilizada neste trabalho,
poderá ser aplicada em outras áreas da empresa, como, por exemplo, para identificar as
variáveis que afetam a produtividade de seus funcionários, já que anualmente, a empresa aplica
um questionário para mensurar o nível de satisfação de seus colaboradores, e que também a
empresa desenvolva ações preventivas afim de minimizar os problemas dos clientes.
Para trabalhos futuros, sugere-se a aplicação deste método para área de Engenharia do
Produto, na qual são realizados projetos de engenharia dos quais os departamentos de qualidade,
manufatura, suprimentos, logística e controladoria realizam atividades para implementação no
chão de fábrica de melhorias continuas do produto, o método estudado poderá contribuir e
identificar as principais variáveis que influenciam no cumprimento das atividades para
implementação no chão de fábrica.

REFERÊNCIAS

AAKER, D, A. Marcas: Brand Equity, Gerenciando o Valor da Marca. São Paulo: Elsevier,
2000.

BATESON, J. E. G.; HOFFMAN, K. D. Marketing de serviços. Porto Alegre: Bookman, 2001.

CHISNALL, P. M.; Pesquisa Mercadológica. Saraiva: 1980

FIGUEIRA, C. V. Modelos de Regressão Logística. Dissertação de Mestrado - UFRGS, 2006.

FITZSIMMONS, J. A.; FITZSIMMONS, M. J. Administração de serviços: operações,
estratégia e tecnologia de informação. Porto Alegre: Bookman, 2000.

FORZA, C. Survey Research in Operations Management: a process-based perspective.
International of Operations and Production Management. v.22, n. 2, 2002

FOWLER, E. D. Investigação sobre a utilização de Programas de Qualidade (GESPÚBLICA)
nas Universidades Federais de Ensino Superior. 2008. 38p. Dissertação (Mestrado em Ciências
em Engenharia de Produção) – Universidade Federal de Itajubá, Itajubá, 2008.

GRÕNROOS, C. Service Management and Marketing. Lexington, Massachusetts, USA:
19
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Lexington Books. 1990.

HOSMER, D. W., LEMESHOW, S. Applied Logistic Regression. New York. John Wiley &
Sons, 2000.

KOTLER, P. Administração de marketing: a edição do novo milênio. São Paulo: Prentice Hall,
2000.

IGNÁCIO, S.A. Importância da Estatística para o Processo de Conhecimento e Tomada de
Decisão. Curitiba, Governo do Estado do Paraná, 2010.

MINITAB® <www.minitab.com/ pt-br/company> Sobre o Minitab. Acesso em 18/10/2017.

MONTGOMERY, D. Introdução ao Controle Estatístico da Qualidade. Rio de Janeiro: LTC,
2011.

MONTGOMERY, D. C, RUNGER G.; C. Applied Statistics and Probability for Engineers
Nova Iorque, John Wiley & Sons, 2014.

MONTGOMERY, D. C, PECK, E. A, VINING, G.G. Introduction to linear Regression
Analysis. Nova Iorque, John Wiley & Sons, 2012.


PARASURAMAN, A.; ZEITHAML, V. A.; BERRY, L. L. A Conceptual model of service
quality and its implications for the future research. Journal of Marketing, vol. 49, Fall, 1985.

SLACK, N.; CHAMBERS, R.; JOHNSTON, R. Administração da Produção. São Paulo:
Atlas, 2007

GARVIN, D. A. Gerenciando a qualidade. Rio de Janeiro: Qualitymark

---

Arquivo de entrada: ARTIGO REVISTA BJPE SA.pdf (4349 termos)
Arquivo encontrado: http://periodicos.ufes.br/BJPE/article/download/v4n1_8/pdf (4006 termos)

Termos comuns: 70
Similaridade: 0,84%





Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
ARTIGO ORIGINAL OPEN ACCESS
Disponível em: http://periodicos.ufes.br/BJPE/index

ANÁLISE DA PERCEPÇÃO DA SATISFAÇÃO DOS CLIENTES DE UMA EMPRESA DE
PRODUTOS DE MÁQUINAS E IMPLEMENTOS AGRÍCOLAS
ANALYSIS OF THE PERCEPTION OF CUSTOMER SATISFACTION OF A COMPANY
OF MACHINERY PRODUCTS AND AGRICULTURAL IMPLEMENTS

Autor1*;Autor2

1 2Departamento de Engenharia de Produção da Universidade Federal de Catalão, Av Dr Lamartine Pinto de
Avelar, nº1440, Vila Chaud, Catalão, Goiás*
ARTIGO INFO.
Recebido em:
Aprovado em:
Disponibilizado em:
PALAVRAS-CHAVE: Regressão logística. Controle
estatístico da qualidade, Controle de qualidade

KEYWORDS: Logistic regression. Statistical control
of quality, Quality control.

Copyright © 2018, ------. Esta obra está sob uma Licença Creative
Commons Atribuição-Uso.

*Autor Correspondente: Revista BJPE

RESUMO
Um estudo estatístico utilizando o software Minitab é
apresentado neste artigo, cujo principal objetivo é o de
identificar os fatores que influenciam os clientes a
escolherem um produto de uma empresa produtora de
máquinas e implementos agrícolas. É apresentado, um
modelo de regressão logística identificando os
principais fatores de tal influência, para comprovar a
qualidade modelo obtida pelo software Minitab. São
comparadas seis medidas de desempenho juntamente
com o gráfico de efeitos. Pôde-se identificar que os
fatores ligados aos problemas não resolvidos e a
experiência global do produto estão diretamente
interligados ao cliente recomendar o produto.





ABSTRACT

A statistical study using Minitab software is presented
in this paper, whose main objective is to identify the
factors that influence customers to choose a product
from a company that produces agricultural machinery
and implements. It is presented a logistic regression
model identifying the main factors of such influence,
to prove the model quality obtained by the software
Minitab. Are compared six measures of performance
together with the effect graph. It could be identified
that the factors linked to the Unresolved Problems and
the Everall Experience of the product are directly
interconnected to the customer recommending the
product.












INTRODUÇÃO
Citação (APA): AUTOR 1, AUTOR 2 Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e
Implementos Agrícolas. Brazilian Journal of Production Engineering, X(1): aa-aa.
2
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE

Em decorrência das mudanças nos padrões de comportamento dos consumidores e de
suas crescentes exigências, as organizações cada vez mais buscam elementos que as tornem
mais competitivas. No que se trata de atrair, satisfazer e fidelizar clientes, elas adotam
estratégias cada vez mais agressivas com relação ao nível de serviços e qualidade de produtos,
fazendo com que este aspecto se torne um diferencial competitivo
Segundo Kotler (2000), os níveis de satisfação dos clientes têm relação com dois fatores:
prazer ou desilusão. De acordo com o autor, estes fatores levam em consideração a relação entre
desempenho percebido e expectativas acerca do produto e/ou serviço experimentado.
Segundo Aaker (2000) é necessário conhecer o seu consumidor, tratá-lo com respeito,
aproximar a empresa do cliente, para tanto, é necessário desenvolver métodos para que o cliente
visualize essa aproximação, além de criar a possibilidade de se mensurar a satisfação por meio
de pesquisas com a finalidade de se fazer mudanças para solucionar problemas encontrados.
Em seus trabalhos Slack, Chambers e Johnston (2007) afirmam que um cliente, com
elevados níveis de satisfação com relação à qualidade do serviço e/ou produto, retornará à
organização em futuras oportunidades, sendo ele considerado promotor da marca, pois
recomendam e trazem consigo novos clientes.
É necessário que as organizações desenvolvam mecanismos que captem as reais
necessidades dos clientes e que sirvam como apoio ao processo de tomada de decisão.
Segundo Ignácio (2010), a utilização de métodos estatísticos é bastante disseminada nos
diversos setores públicos e privados. O autor destaca que os resultados obtidos são utilizados
para melhorar os incrementos na produção, auxiliando os governantes a conhecerem melhor a
população e compreender as necessidades, entre outros aspectos, e, por isso, a estatística é
considerada uma ferramenta essencial em ambientes produtivos, para a disseminação desse
conhecimento.
As diversas ferramentas da estatística são responsáveis pelo planejamento de
experimentos e interpretação de dados obtidos por pesquisas de campo e apresentação dos
resultados, cujo intuito é de facilitar a tomada de decisão por parte dos gestores (IGNÁCIO,
2010).
Dentro desse cenário, o objetivo geral deste trabalho é o de analisar os fatores que
exercem influência na satisfação dos clientes de uma empresa produtora de máquinas e
implementos agrícolas no pulverizador, a partir de uma pesquisa aplicada pela empresa no ano
3
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
de 2015. Assim, este trabalho tem como foco as análises destes fatores e não na condução da
pesquisa tipo survey.
Especificamente os objetivos deste trabalho são: coletar e analisar os dados das
pesquisas de satisfação dos clientes; compreender as decisões de clientes; analisar os níveis de
satisfação dos clientes; analisar os resultados obtidos e sugerir melhorias.
Além disso, a execução deste trabalho busca corroborar ou falsear as seguintes hipóteses:
•X1 – Recomenda a concessionária (Recommend Dealer);
•X2 - Experiência global com produto (Overall Exp);
•X3 - Problemas não solucionados (Unresolved Problems);
•Y1 - Recomendar o produto.

2. QUALIDADE

As organizações estão inseridas em um mercado altamente competitivo, sendo
indispensável conquistar novos mercados e atender consumidores (CLARK;
WHEELWRIGHT, 1993). Diante disso, para o desenvolvimento e sobrevivência é
imprescindível a adaptação das empresas nas necessidades dos clientes e buscar melhorias
contínuas dos processos e produtos. Parasuraman et al. (1985) define qualidade como a
altercação entre as perspectivas e as percepções do cliente quanto ao serviço prestado.
Garvin (1992) classifica cinco enfoques para a definição dessa qualidade, a saber: 1) o
enfoque transcendental; 2) o enfoque baseado no produto; 3) o enfoque baseado no usuário; 4)
o enfoque baseado na fabricação e também o 5) enfoque baseado no valor. Os apontamentos de
Garvin (1992) auxiliam na melhor compreensão dos objetivos desta pesquisa e no real papel da
qualidade no setor de serviços, pois as empresas devem oferecer qualidade aos seus clientes,
bem como comprometimento em todos os níveis.

2.1. QUALIDADE EM SERVIÇOS E SATISFAÇÃO DOS CLIENTES

Para Fitzsimmons e Fitzsimmons (2000), o setor de serviços possui uma importância
econômica, pois não é visto como um facilitador de produção de bens.
4
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Para compreensão da qualidade em serviço é necessário estabelecer uma comunicação
direita entre cliente e empresa e ouvir críticas e sugestões com a finalidade de transformar
produtos e serviços. Segundo Fowler (2008), qualidade em serviços é baseada em quatro
enfoques que são: confiabilidade, segurança, cordialidade e receptividade. Grönroos (1999a),
afirma que para se ter competitividade é imprescindível que as organizações conheçam a
qualidade de acordo com percepção do cliente. Para Hoffman e Bateson (2006), a definição de
serviços se resume em ações, esforços e desempenhos, os autores também mencionam que o
serviço é intangível, pois são produtos que não possuem propriedades físicas e que os
consumidores apreciam antes de tomar a decisão de obter. Os mesmos autores destacam ainda
que a qualidade em serviços é avaliada em termos gerais e deve perdura por longo período sobre
o comportamento das organizações.

2.2. REGRESSÃO LOGÍSTICA

De acordo com Samohnl (2000) os métodos que utilizam a regressão simples continuam
considerando apenas duas variáveis, dependente e independente, mas, as organizações precisam
lidar com mais de duas variáveis e o autor destaca que nesses casos a regressão múltipla é a
mais indicada.
Figueira (2006) define que a regressão logística traz formas lineares tendo como um
componente aleatório, ordenado e função de amarração que liga os resultados esperados com
as variáveis.
Para Montgomey (2011) na regressão logística ocorre a situação em que a variável
dependente é de natureza dicotômica, atribuindo-se 1 ao evento de interesse (sucesso) e 0 ao
evento ao evento complementar (fracasso), onde a ocorrência de um implica diretamente na não
ocorrência do outro
Nestes pontos de definições, surgem duas grandes diferenças entre os modelos de
regressão linear e o modelo de regressão logística. Primeiro, na regressão logística os valores
esperados dos erros podem assumir apenas dois valores: 0 e 1, diferente da regressão linear em
que esses valores podem assumir qualquer valor positivo ou negativo. A segunda diferença é
encontrada na variância dos erros, pois na regressão logística, esses valores têm média zero e
variância igual a ?(?)[1 ? ?(?)]. Para este caso, a distribuição Binomial é a mais apropriada
para caracterizar a distribuição de probabilidade desses dados.
5
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Com a intenção de trazer algumas características desejáveis provenientes do modelo de
regressão linear, faz-se uso da transformação logit, g(x).

2.3. FUNÇÃO LOGIT

A função logit é linear em seus parâmetros podendo compreender qualquer valor
positivo ou negativo (HOSMER;LEMESHOW, 2000). Montgomery, Peck e Vining (2012)
definem a função logit como o que chamamos de função de ligação para a distribuição binomial.
A principal característica desta função é transformar probabilidades de variáveis resposta
categóricas (na qual existe entre 0 e 1) em uma escala contínua que pode ser modelada com
uma equação de regressão linear. A função logit é representada pela Eq. (1).

????? = ??? (
??
1 ? ??
) (1)

Onde ?? é a probabilidade observada no nível i da variável de resposta categórica. A
Função de ligação é a principal responsável por prover uma boa adequação do modelo aos dados
(MONTGOMERY; PECK; VINING, 2012).

2.4. TESTES DE ADEQUAÇÃO DO MODELO

Os testes de adequação do modelo são conduzidos no intuito de verificar se a equação
gerada produzirá resultados condizentes com a população estudada (MONTGOMERY; PECK;
VINING, 2012).
O teste de significância do modelo permite o pesquisador identificar se o modelo tem
boa adequação aos dados coletados, ou seja, se ele realmente representa o comportamento da
população estudada. No teste de significância de modelos de regressão logística, alguns
parâmetros são testados (MONTGOMERY;RUNGER, 2014).
Quando o modelo de regressão logística é adequado, o seu desvio tem uma distribuição
Chi-Square com n-p graus de liberdade (representado pelo software Minitab® 2013 por DF),
onde p é o número de parâmetros do modelo. Quando o valor do desvio é pequeno ou quando
6
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
o seu p-value é maior que 0.05, pode-se inferir que o modelo é adequado aos dados
(MONTGOMERY; PECK; VINING, 2012).
Outros testes são realizados durante a análise de significância do modelo, como, por
exemplo, o teste Chi-Square de Pearson. Esta estatística pode ser comparada a distribuição chi-
quadrada com n-p graus de liberdade. Valores pequenos desta estatística (ou p-values grandes)
implicam que o modelo é satisfatório. Quando o modelo não apresenta réplicas das variáveis
regressoras, as observações podem ser agrupadas (O número de grupos gerados é representado
por g) para que o teste de Hosmer-Lemeshow (HL) possa ser aplicado. Esta estatística é apenas
um teste Chi-Square de Pearson que compara os valores esperados com os observados
(MONTGOMERY; PECK; VINING, 2012).
Se o modelo for adequado, a estatística HL terá distribuição chi-quadrada. Valores
grandes desta estatística (valores pequenos de p-value) significam que o modelo não é
adequado. (MONTGOMERY; PECK; VINING, 2012).
Os coeficientes de determinação (R²) são também utilizados como método para verificar
a adequação do modelo. Entende-se que o coeficiente de determinação (R²) é a proporção ou a
porcentagem em que a variação da variável de resposta do modelo (y) é explicada pelas
variáveis independentes (x). (MONTGOMERY; PECK; VINING, 2012., MONTGOMERY;
RUNGER, 2014).

2.5. ANÁLISES GRÁFICAS DO MODELO

O gráfico de efeitos principais é utilizado para comparar o impacto de todos os fatores
do modelo de uma só vez. Dessa forma, fica visível, não somente pelos dados, mas por meio
de uma ilustração, quais são as variáveis mais impactantes do modelo. Neste tipo de gráfico,
quanto mais vertical é a linha da variável independente, mais impactante ao modelo esta
variável é (MONTGOMERY; RUNGER, 2014).
A Fig. 1 apresenta uma ilustração de como o gráfico é apresentado. É importante notar
que a variável B é significativamente mais impactante que a variável A. Nesta representação a
variável B influencia negativamente o modelo.

7
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE

Figura 1 - Gráfico de efeitos principais

Gráficos de controle e gráficos de superfície são baseados nas mesmas premissas.
Ambos ilustram a relação dimensional existente entre duas variáveis do modelo, estas
previamente selecionadas pelo pesquisador. Estes gráficos são utilizados para identificar
pontos “ótimos” das variáveis selecionadas que possam proporcionar o melhor valor da variável
de resposta (MONTGOMERY; RUNGER, 2014).
No gráfico de contorno há a presença de faixas com diferentes cores (como um mapa
topográfico bidimensional, por exemplo), onde cada uma das zonas coloridas representam
faixas de valores das variáveis de resposta. Quanto mais escura é a região, maiores são os
valores da variável Y.
O gráfico de superfície, como citado previamente, funciona sob o mesmo princípio,
porém em uma imagem tridimensional, ambas as metodologias podem ser verificadas na Fig.
2.

Figura 2 - Gráficos de a) Contorno e b) Superfície.

8
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
3. COLETA DE DADOS

Este artigo utiliza uma abordagem quantitativa com análise de dados por meio da
regressão logística binária, a coleta de dados é uma etapa fundamental para a sua execução e
sucesso.
A coleta de dados foi realizada no banco de dados da Empresa X. A Empresa X aplica
questionários para análise da satisfação de seus clientes periodicamente. Os dados das respostas
são armazenados em banco de dados, porém, sem realização de análises estatísticas especificas.
Com isso foi possível exportar os resultados das pesquisas de satisfação para clientes com
relação ao produto, nesse caso pulverizadores no ano de 2015. Os dados foram tabulados
utilizando uma planilha eletrônica que viabilizou uma organização inicial dos dados.
Como os dados foram extraídos de um banco de dados existente, a pesquisa se
caracteriza como documental e os dados como secundários. São considerados dados
secundários aqueles que, segundo Chisnall (1980), já foram coletados anteriormente e são úteis
para finalidades e levantamentos específicos.
A coleta e análise de dados seguem a metodologia Survey. Segundo Forza (2002), esta
metodologia envolve a coleta de informações individuais (obtida por meio de ligações,
entrevistas pessoais, questionários eletrônicos, e-mail etc.) sobre os indivíduos ou sobre o meio
social em que estão inseridos. Ainda segundo o autor, as amostras coletadas pelo survey são
capazes de apresentar informações sobre grandes populações com um determinado nível de
acuracidade.

4. ANÁLISE DOS DADOS

Para a organização dos dados desta pesquisa, as respostas estavam em uma planilha de
forma dispersa, gerando dificuldades no entendimento dos dados. Deste modo, a digitação e
análises dos dados se deram pelo software Minitab®, o que possibilitou uma melhor
visualização dos dados do qual foram organizados em linhas de 1 a 320, contendo 10 colunas,
sendo a primeira, classificada como cliente; a segunda, recomendação da concessionária; a
terceira, problemas não solucionados; a quarta, experiência global; a quinta, recomendação do
produto e na sexta coluna foi elaborada uma regra geral de 0 a 10, em que, para valores de 0 a
7, o cliente não recomenda o produto e para valores de 8 a 10, o cliente recomenda o produto.
9
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Nas cinco colunas seguintes estão os comentários das variáveis analisadas como demostra as
Fig. 3.
Figura 3 – Organização dos dados iniciais das variáveis

Para as variáveis analisadas serão consideradas uma amostra de 320 respostas de
clientes da Empresa X, sendo que as variáveis consideradas são: recomenda a concessionária,
experiência global com o produto, problemas não solucionados.
Neste estudo, essas variáveis têm um relacionamento direto entre o cliente indicar o
produto, pulverizadores auto propelidos, por ela oferecido. Os clientes responderam um
questionário online onde pontuaram a empresa de 0 a 10. Os clientes que atribuíram notas entre
0 e 7 são considerados insatisfeitos e as notas entre 8 a 10 mostram clientes totalmente
satisfeitos. Os clientes que pontuaram a empresa com notas acima de 8 são considerados
promotores da marca.
As variáveis utilizadas no modelo são apresentadas na Tab. 1.

10
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Tabela 1 – Interpretação das variáveis utilizadas no modelo
Variável Interpretação
Recommend Dealer Recomenda a concessionária?
Unresolved Problems Os problemas não solucionados?
Overall Exp Experiência global com produto.

Realizando a análise de regressão dos dados por meio do método Logit da Eq. (1),
obteve-se os resultados apresentados na Fig.(4).

Figura 4 - Resultado primeira análise de regressão

Neste artigo são analisados cinco parâmetros para verificação da significância do
modelo, sendo elas: p-value, a variável DF para o teste de Hosmer-Lemeshow e o teste Chi-
Square de Pearson, o VIF (fator de inflação da variância) R-Sq (coeficiente de determinação) e
R-Sq (adj) ajustado.

11
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE










Figura 5 - Resultado primeira análise de regressão

O p-value obtido para a variável Recommend Dealer (0,846) foi significativamente
maior que o permitido. Dessa forma, o Minitab® traz que para valores nos quais o coeficiente
p-value são maiores que 0,05, admite-se que esta é uma variável que não possui relação
significativa com o modelo. De maneira inversa, os p-value obtidos para variáveis problemas
não solucionados e experiência global com produto foram aceitáveis, pois os valores de p-value
foram menores que 0.05 o que comprova estaticamente que estas variáveis possuem relação
significativa com a variável recomenda produto.
Os valores R-Sq (coeficiente de determinação) e R-Sq (adj) (coeficiente de
determinação ajustado) foram, respectivamente, 72,04% e 71,35%. O R-Sq representa a
percentagem de variação da resposta que é explicada pela sua relação com uma ou mais
variáveis de previsão. Geralmente, quanto maior o R-Sq, melhor o modelo se adapta os dados.
R-Sq (Adj) é o percentual de variação da resposta que é explicado por sua relação com uma ou
mais variáveis de previsão, ajustado para o número de termos do modelo. Este ajustamento é
importante no sentido em que o R-Sq para qualquer modelo tende a sempre aumentar quando
um novo termo é adicionado, porém é o R-Sq (adj) que dará a informação se esse novo termo
influencia ou não no modelo. Se seu valor aumentar, o novo termo tem influência no modelo,
caso contrário, mesmo o R-Sq aumentando, ele não influenciará no modelo.
12
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
O VIF (fator de inflação da variância) por definição do software para ser considerado
bom deve ser abaixo de 5 e o valor de VIF foi de 1,06. A variável DF para o teste de Hosmer-
Lemeshow e o teste Chi-Square de Pearson quando o valor do desvio é pequeno ou quando o
seu p-value é maior que 0.05, pode-se inferir que o modelo é adequado para o teste de Hosmer-
Lemeshow. Nesse caso, obteve-se o p-value de 0,606 e o Pearson p-value de 0,999. Nesta
primeira análise foi satisfatório para todas as variáveis. Os testes de adequação do modelo
também apresentaram p-values aceitáveis.








Figura 6 - Análise das variáveis com o produto

De acordo com a Fig. 6, a variável Recommend Dealer não possui grande significância
na recomendação do produto pelo cliente, diferentemente do que acontece com as variáveis
Unresolverd Problems e Overall Exp
Contudo, o modelo apresentou uma série de observações não usuais, com variáveis de
alavancagem e outliers. As observações 87, 60, 56 e 40 apresentaram valores altos de
alavancagem. Conforme apresentado na Tab. 2.

Tabela 2 – Observações não usuais/ resíduos

Linha Cliente

Recommend
Dealer
Unresolved
Problems
Overall Exp Recomenda
Produto
40 1N04630XVE0028430 9 2 1 8 - Sim
56 1NW4630XAE0000554 0 2 2 8 - Sim
60 1NW4630XAE0000649 6 1 1 9 - Sim
87 1NW4630XCE0000759 7 1 1 8 - Sim
13
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Ao analisar a resposta da linha 40, observa-se que o cliente pontuou o Dealer com a
nota 9, a Unresolved Problems com nota 2 e a Overall Exp como nota 1 e mesmo com esta
pontuação este cliente recomendou o produto. Este cliente teve problemas com a máquina e, ao
solicitar peças para reparo, houve uma grande demora no processamento do pedido do qual a
máquina ficou sem operação por dois dias ocasionando uma insatisfação. A empresa solicitou
que um consultor fosse imediatamente até a propriedade do cliente para solucionar este
problema e ele informou que a máquina possui desempenho excepcional, porém a pontuação
baixa foi pela demora.
Na linha 56, o cliente pontuou com nota 0, nota 2, nota 1 o Dealer, a Unresolved
Problems e a Overall Exp respectivamente, porém a sua nota em recomendação do produto foi
8. Por meio do questionário, este cliente inseriu um comentário justificando as notas baixas. A
empresa X entrou em contato com o cliente de modo a entender melhor a situação, no entanto,
o cliente está satisfeito com o produto, mesmo havendo a reclamação da assistência informando
que estão com poucos técnicos e os existentes não são bem qualificados para prestar assistência
técnica, além da demora no atendimento.
A empresa justificou com o cliente que estão trabalhando na restruturação da equipe
técnica e que também foram adquiridos dois caminhões para fazer o transporte diário de peças
entre as lojas, de forma a atender mais rapidez e agilidade a demanda de peças.
Observa-se que o cliente da linha 60 pontuou o Dealer, a Unresolved Problems e a
Overall Exp respectivamente com as notas 6,1,1, no entanto após essa pontuação o cliente
recomendou o produto. Acredita-se que esta recomendação se deve pelo fato da empresa ter
realizado uma ação corretiva e ter oferecido um desconto, no qual cliente não teve custos
adicionais com processo, o supervisor de serviços entrou em contato com o cliente pedindo
desculpas pelo ocorrido.
O cliente da linha 87, pontou o Dealer, a Unresolved Problems e a Overall Exp
respectivamente com as notas 7,1,1. Essa pontuação deve-se por problemas de furos nas
mangueiras e a falta de peças na concessionária, ocorrendo um desgaste para o cliente gerando
a insatisfação. A empresa X foi informada das reclamações e tendo como ação a troca de 100%
das mangueiras, sem custos adicionais, sendo que o supervisor de peças foi incumbido de
realizar ações para melhorar o estoque de peças da concessionária.
Por meio das ações corretivas, entende-se que a empresa está trabalhando para atender
as reais necessidades dos clientes, a fim de melhorar as relações entre empresa e cliente. Para
14
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
uma maior confiabilidade deste modelo, com o objetivo de melhorar a performance, estes
pontos foram retirados e uma nova análise foi realizada, gerando os resultados apresentados na
Fig. 7.
Figura 7 - Resultado da segunda análise de regressão logística

A partir da nova análise, os resultados de R-Sq e R-Sq (adj) ajustados foram 78,61% e
78,14%, respectivamente.
Os valores VIF foram de 1,12 mantendo seus valores dentro do permitido, indicando a
não existência de multicolinearidade comprovados pelos valores de VIF. A variável DF para o
teste de Hosmer-Lemeshow e o teste Chi-Square de Pearson apresentaram p-value 0,653 e
1,000 respectivamente apresentam que o modelo possui significância.
A equação final obtida, que descreve o comportamento dos dados sob análise é
representada pela Eq. (2).


?? = ?5,961 + 0,658?1 + 0,845?2 (2)

O gráfico de efeitos principais foi empregado para verificar o impacto de cada uma das
variáveis do modelo na variável de reposta (Y). Conforme a Fig. 8 ilustra, nota-se que as
variáveis Unresolved Problems e Overall Exp exercem grande influência positiva nos
resultados do modelo. Estes resultados implicam que pequenas alterações nos valores destas
15
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
variáveis têm grande impacto na resposta do cliente com relação à sua resposta quanto a
recomendação ou não do produto.








Figura 8 - Gráficos de efeitos principais

A fim de confirmar a correlação positiva apresentada na Fig. 4 foi utilizado os gráficos
de Contorno e de Superfície com as duas variáveis mais impactantes no modelo: Unresolved
Problems e Overall Exp.
Gráficos de contorno e superfície são excelentes ferramentas visuais para fins de
reconhecimento de tendências e relação entre variáveis de um modelo. Este gráfico demonstra
o relacionamento em duas dimensões onde os valores são representados por contornos plotados
nas escalas x e y. Assim, este gráfico tem a aparência de uma topografia de um relevo.
O Gráfico de superfície vem para auxiliar nesta análise apresenta uma visão
tridimensional do relacionamento existente entre as variáveis. Este tipo de gráfico proporciona
uma visão mais clara da influência que cada variável exerce. A Fig. 9 representa o gráfico de
Contorno obtido para realização da análise de correlação entre as variáveis principais e a
variável de resposta do modelo. Os valores estão principalmente concentrados na parte superior
direita do gráfico, apontando para a localização dos extremos das variáveis sob análise.

16
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE

Figura 9 - Gráfico de contorno

A Fig. 10 ilustra o Gráfico de Superfície para as mesmas variáveis. Com o auxílio do
Gráfico de Superfície, é possível ter a certeza do comportamento das variáveis principais frente
à variável de resposta. É possível perceber que o ponto máximo da variável recomenda está
diretamente ligado aos pontos máximos das variáveis explicativas do modelo.








Figura 10 - Gráfico de Superfície


Os gráficos de contorno e superfície, ilustrados nas Figs. 9 e 10, confirmam que quanto
maiores são os valores das variáveis relacionadas à experiência geral do cliente e o volume de
problemas resolvidos, maiores são as chances do cliente recomendar o produto.

UNRESOLVED PROBLEMS
O
VE
RA
LL
E
XP
1086420
10
8
6
4
2
0
>
–
–
–
–
< 0,1
0,1 0,3
0,3 0,5
0,5 0,7
0,7 0,9
0,9
Recomenda
Contour Plot of Recomenda vs OVERALL EXP; UNRESOLVED PROBLEMS
0
5
0,0
,0 5
10
5
0
10
1,0
Recomend
PXE LLAREVO
DEVLOSERN PROBLEMU S
urfa e Plot of R co enda vs OVERALL EXP; US RESOLVED PROBLEMSN
17
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
CONSIDERAÇÕES FINAIS

Neste artigo, utilizou-se o software Minitab® como ferramenta útil para a análise da
percepção da satisfação dos clientes. Com o uso da técnica de estatística foi possível a analisar
e identificar as variáveis com maior interação para a pesquisa aplicada na empresa X no ano de
2015.
Conforme apresentado, as notas entre 8 e 10 de clientes que recomendariam o produto,
são considerados pela empresa como clientes promoters da marca, ou seja, são clientes que irão
promover os seus produtos para outros clientes.
Dessa forma, o objetivo deste trabalho era identificar os fatores que exercem maior
influência na satisfação dos clientes, e assim tais clientes contribuírem para a promoção da
marca. Por meio dos dados apresentado na Figura 3, pôde-se identificar que os problemas não
resolvidos e a experiência global do produto estão diretamente interligados com o cliente
recomendar o produto.
Os resultados alcançados referentes à percepção do serviço apontam que os clientes
avaliaram com menor nota a variável concessionária, ou seja, a concessionária pela qual o
cliente adquiriu o produto, não influencia de maneira significante em um cliente recomendar
ou não o produto.
Como a variável resposta do problema estudado era de caracter dicotômica e
apresentava como valores possíveis a insatisfação e a completa satisfação do cliente, o método
utilizado para atingir o objetivo traçado foi o modelo de regressão logística que pode ser
confirmado por meio dos parâmetros analisados p-value, a variável DF para o teste de Hosmer-
Lemeshow, o teste Chi-Square de Pearson, o VIF (fator de inflação da variância), R-Sq
(coeficiente de determinação) e R-Sq (adj) conforme apresentados na seção 4.
O presente artigo, com base nos resultados obtidos pelo estudo de análise estatística de
regressão logística, aplicada como forma de analisar a percepção da satisfação dos clientes de
uma empresa de produtos de máquina e implementos agrícolas, sugere que o questionário seja
apresentado com mais detalhes de informação, pois assim é possível a identificação de novas
variáveis que possa ter influência na promoção da marca, por parte do cliente. Sugere-se ainda,
que esta análise possa ser estendida aos demais produtos da empresa, contribuindo assim, para
o aumento da satisfação dos clientes, promoção da marca e qualidade nos serviços prestados.
18
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Na área acadêmica, este trabalho contribui como uma fonte bibliográfica sobre a
aplicação estatística em controle da qualidade, e em especial sobre a utilização da regressão
logística. Do ponto de vista empresarial, apresenta-se a contribuição tanto no sentido de
identificar as variáveis que influenciam diretamente com a promoção da marca, quanto no
sentido de melhoria contínua, preservação de clientes e qualidade total.
O presente trabalho também permite aplicações futuras do uso da regressão logística,
que é uma análise ainda pouco explorada. Nese sentido, a metodologia utilizada neste trabalho,
poderá ser aplicada em outras áreas da empresa, como, por exemplo, para identificar as
variáveis que afetam a produtividade de seus funcionários, já que anualmente, a empresa aplica
um questionário para mensurar o nível de satisfação de seus colaboradores, e que também a
empresa desenvolva ações preventivas afim de minimizar os problemas dos clientes.
Para trabalhos futuros, sugere-se a aplicação deste método para área de Engenharia do
Produto, na qual são realizados projetos de engenharia dos quais os departamentos de qualidade,
manufatura, suprimentos, logística e controladoria realizam atividades para implementação no
chão de fábrica de melhorias continuas do produto, o método estudado poderá contribuir e
identificar as principais variáveis que influenciam no cumprimento das atividades para
implementação no chão de fábrica.

REFERÊNCIAS

AAKER, D, A. Marcas: Brand Equity, Gerenciando o Valor da Marca. São Paulo: Elsevier,
2000.

BATESON, J. E. G.; HOFFMAN, K. D. Marketing de serviços. Porto Alegre: Bookman, 2001.

CHISNALL, P. M.; Pesquisa Mercadológica. Saraiva: 1980

FIGUEIRA, C. V. Modelos de Regressão Logística. Dissertação de Mestrado - UFRGS, 2006.

FITZSIMMONS, J. A.; FITZSIMMONS, M. J. Administração de serviços: operações,
estratégia e tecnologia de informação. Porto Alegre: Bookman, 2000.

FORZA, C. Survey Research in Operations Management: a process-based perspective.
International of Operations and Production Management. v.22, n. 2, 2002

FOWLER, E. D. Investigação sobre a utilização de Programas de Qualidade (GESPÚBLICA)
nas Universidades Federais de Ensino Superior. 2008. 38p. Dissertação (Mestrado em Ciências
em Engenharia de Produção) – Universidade Federal de Itajubá, Itajubá, 2008.

GRÕNROOS, C. Service Management and Marketing. Lexington, Massachusetts, USA:
19
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Lexington Books. 1990.

HOSMER, D. W., LEMESHOW, S. Applied Logistic Regression. New York. John Wiley &
Sons, 2000.

KOTLER, P. Administração de marketing: a edição do novo milênio. São Paulo: Prentice Hall,
2000.

IGNÁCIO, S.A. Importância da Estatística para o Processo de Conhecimento e Tomada de
Decisão. Curitiba, Governo do Estado do Paraná, 2010.

MINITAB® <www.minitab.com/ pt-br/company> Sobre o Minitab. Acesso em 18/10/2017.

MONTGOMERY, D. Introdução ao Controle Estatístico da Qualidade. Rio de Janeiro: LTC,
2011.

MONTGOMERY, D. C, RUNGER G.; C. Applied Statistics and Probability for Engineers
Nova Iorque, John Wiley & Sons, 2014.

MONTGOMERY, D. C, PECK, E. A, VINING, G.G. Introduction to linear Regression
Analysis. Nova Iorque, John Wiley & Sons, 2012.


PARASURAMAN, A.; ZEITHAML, V. A.; BERRY, L. L. A Conceptual model of service
quality and its implications for the future research. Journal of Marketing, vol. 49, Fall, 1985.

SLACK, N.; CHAMBERS, R.; JOHNSTON, R. Administração da Produção. São Paulo:
Atlas, 2007

GARVIN, D. A. Gerenciando a qualidade. Rio de Janeiro: Qualitymark

---

Arquivo de entrada: ARTIGO REVISTA BJPE SA.pdf (4349 termos)
Arquivo encontrado: http://periodicos.ufes.br/BJPE/article/download/V04N04_13/pdf (4011 termos)

Termos comuns: 87
Similaridade: 1,05%





Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
ARTIGO ORIGINAL OPEN ACCESS
Disponível em: http://periodicos.ufes.br/BJPE/index

ANÁLISE DA PERCEPÇÃO DA SATISFAÇÃO DOS CLIENTES DE UMA EMPRESA DE
PRODUTOS DE MÁQUINAS E IMPLEMENTOS AGRÍCOLAS
ANALYSIS OF THE PERCEPTION OF CUSTOMER SATISFACTION OF A COMPANY
OF MACHINERY PRODUCTS AND AGRICULTURAL IMPLEMENTS

Autor1*;Autor2

1 2Departamento de Engenharia de Produção da Universidade Federal de Catalão, Av Dr Lamartine Pinto de
Avelar, nº1440, Vila Chaud, Catalão, Goiás*
ARTIGO INFO.
Recebido em:
Aprovado em:
Disponibilizado em:
PALAVRAS-CHAVE: Regressão logística. Controle
estatístico da qualidade, Controle de qualidade

KEYWORDS: Logistic regression. Statistical control
of quality, Quality control.

Copyright © 2018, ------. Esta obra está sob uma Licença Creative
Commons Atribuição-Uso.

*Autor Correspondente: Revista BJPE

RESUMO
Um estudo estatístico utilizando o software Minitab é
apresentado neste artigo, cujo principal objetivo é o de
identificar os fatores que influenciam os clientes a
escolherem um produto de uma empresa produtora de
máquinas e implementos agrícolas. É apresentado, um
modelo de regressão logística identificando os
principais fatores de tal influência, para comprovar a
qualidade modelo obtida pelo software Minitab. São
comparadas seis medidas de desempenho juntamente
com o gráfico de efeitos. Pôde-se identificar que os
fatores ligados aos problemas não resolvidos e a
experiência global do produto estão diretamente
interligados ao cliente recomendar o produto.





ABSTRACT

A statistical study using Minitab software is presented
in this paper, whose main objective is to identify the
factors that influence customers to choose a product
from a company that produces agricultural machinery
and implements. It is presented a logistic regression
model identifying the main factors of such influence,
to prove the model quality obtained by the software
Minitab. Are compared six measures of performance
together with the effect graph. It could be identified
that the factors linked to the Unresolved Problems and
the Everall Experience of the product are directly
interconnected to the customer recommending the
product.












INTRODUÇÃO
Citação (APA): AUTOR 1, AUTOR 2 Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e
Implementos Agrícolas. Brazilian Journal of Production Engineering, X(1): aa-aa.
2
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE

Em decorrência das mudanças nos padrões de comportamento dos consumidores e de
suas crescentes exigências, as organizações cada vez mais buscam elementos que as tornem
mais competitivas. No que se trata de atrair, satisfazer e fidelizar clientes, elas adotam
estratégias cada vez mais agressivas com relação ao nível de serviços e qualidade de produtos,
fazendo com que este aspecto se torne um diferencial competitivo
Segundo Kotler (2000), os níveis de satisfação dos clientes têm relação com dois fatores:
prazer ou desilusão. De acordo com o autor, estes fatores levam em consideração a relação entre
desempenho percebido e expectativas acerca do produto e/ou serviço experimentado.
Segundo Aaker (2000) é necessário conhecer o seu consumidor, tratá-lo com respeito,
aproximar a empresa do cliente, para tanto, é necessário desenvolver métodos para que o cliente
visualize essa aproximação, além de criar a possibilidade de se mensurar a satisfação por meio
de pesquisas com a finalidade de se fazer mudanças para solucionar problemas encontrados.
Em seus trabalhos Slack, Chambers e Johnston (2007) afirmam que um cliente, com
elevados níveis de satisfação com relação à qualidade do serviço e/ou produto, retornará à
organização em futuras oportunidades, sendo ele considerado promotor da marca, pois
recomendam e trazem consigo novos clientes.
É necessário que as organizações desenvolvam mecanismos que captem as reais
necessidades dos clientes e que sirvam como apoio ao processo de tomada de decisão.
Segundo Ignácio (2010), a utilização de métodos estatísticos é bastante disseminada nos
diversos setores públicos e privados. O autor destaca que os resultados obtidos são utilizados
para melhorar os incrementos na produção, auxiliando os governantes a conhecerem melhor a
população e compreender as necessidades, entre outros aspectos, e, por isso, a estatística é
considerada uma ferramenta essencial em ambientes produtivos, para a disseminação desse
conhecimento.
As diversas ferramentas da estatística são responsáveis pelo planejamento de
experimentos e interpretação de dados obtidos por pesquisas de campo e apresentação dos
resultados, cujo intuito é de facilitar a tomada de decisão por parte dos gestores (IGNÁCIO,
2010).
Dentro desse cenário, o objetivo geral deste trabalho é o de analisar os fatores que
exercem influência na satisfação dos clientes de uma empresa produtora de máquinas e
implementos agrícolas no pulverizador, a partir de uma pesquisa aplicada pela empresa no ano
3
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
de 2015. Assim, este trabalho tem como foco as análises destes fatores e não na condução da
pesquisa tipo survey.
Especificamente os objetivos deste trabalho são: coletar e analisar os dados das
pesquisas de satisfação dos clientes; compreender as decisões de clientes; analisar os níveis de
satisfação dos clientes; analisar os resultados obtidos e sugerir melhorias.
Além disso, a execução deste trabalho busca corroborar ou falsear as seguintes hipóteses:
•X1 – Recomenda a concessionária (Recommend Dealer);
•X2 - Experiência global com produto (Overall Exp);
•X3 - Problemas não solucionados (Unresolved Problems);
•Y1 - Recomendar o produto.

2. QUALIDADE

As organizações estão inseridas em um mercado altamente competitivo, sendo
indispensável conquistar novos mercados e atender consumidores (CLARK;
WHEELWRIGHT, 1993). Diante disso, para o desenvolvimento e sobrevivência é
imprescindível a adaptação das empresas nas necessidades dos clientes e buscar melhorias
contínuas dos processos e produtos. Parasuraman et al. (1985) define qualidade como a
altercação entre as perspectivas e as percepções do cliente quanto ao serviço prestado.
Garvin (1992) classifica cinco enfoques para a definição dessa qualidade, a saber: 1) o
enfoque transcendental; 2) o enfoque baseado no produto; 3) o enfoque baseado no usuário; 4)
o enfoque baseado na fabricação e também o 5) enfoque baseado no valor. Os apontamentos de
Garvin (1992) auxiliam na melhor compreensão dos objetivos desta pesquisa e no real papel da
qualidade no setor de serviços, pois as empresas devem oferecer qualidade aos seus clientes,
bem como comprometimento em todos os níveis.

2.1. QUALIDADE EM SERVIÇOS E SATISFAÇÃO DOS CLIENTES

Para Fitzsimmons e Fitzsimmons (2000), o setor de serviços possui uma importância
econômica, pois não é visto como um facilitador de produção de bens.
4
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Para compreensão da qualidade em serviço é necessário estabelecer uma comunicação
direita entre cliente e empresa e ouvir críticas e sugestões com a finalidade de transformar
produtos e serviços. Segundo Fowler (2008), qualidade em serviços é baseada em quatro
enfoques que são: confiabilidade, segurança, cordialidade e receptividade. Grönroos (1999a),
afirma que para se ter competitividade é imprescindível que as organizações conheçam a
qualidade de acordo com percepção do cliente. Para Hoffman e Bateson (2006), a definição de
serviços se resume em ações, esforços e desempenhos, os autores também mencionam que o
serviço é intangível, pois são produtos que não possuem propriedades físicas e que os
consumidores apreciam antes de tomar a decisão de obter. Os mesmos autores destacam ainda
que a qualidade em serviços é avaliada em termos gerais e deve perdura por longo período sobre
o comportamento das organizações.

2.2. REGRESSÃO LOGÍSTICA

De acordo com Samohnl (2000) os métodos que utilizam a regressão simples continuam
considerando apenas duas variáveis, dependente e independente, mas, as organizações precisam
lidar com mais de duas variáveis e o autor destaca que nesses casos a regressão múltipla é a
mais indicada.
Figueira (2006) define que a regressão logística traz formas lineares tendo como um
componente aleatório, ordenado e função de amarração que liga os resultados esperados com
as variáveis.
Para Montgomey (2011) na regressão logística ocorre a situação em que a variável
dependente é de natureza dicotômica, atribuindo-se 1 ao evento de interesse (sucesso) e 0 ao
evento ao evento complementar (fracasso), onde a ocorrência de um implica diretamente na não
ocorrência do outro
Nestes pontos de definições, surgem duas grandes diferenças entre os modelos de
regressão linear e o modelo de regressão logística. Primeiro, na regressão logística os valores
esperados dos erros podem assumir apenas dois valores: 0 e 1, diferente da regressão linear em
que esses valores podem assumir qualquer valor positivo ou negativo. A segunda diferença é
encontrada na variância dos erros, pois na regressão logística, esses valores têm média zero e
variância igual a ?(?)[1 ? ?(?)]. Para este caso, a distribuição Binomial é a mais apropriada
para caracterizar a distribuição de probabilidade desses dados.
5
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Com a intenção de trazer algumas características desejáveis provenientes do modelo de
regressão linear, faz-se uso da transformação logit, g(x).

2.3. FUNÇÃO LOGIT

A função logit é linear em seus parâmetros podendo compreender qualquer valor
positivo ou negativo (HOSMER;LEMESHOW, 2000). Montgomery, Peck e Vining (2012)
definem a função logit como o que chamamos de função de ligação para a distribuição binomial.
A principal característica desta função é transformar probabilidades de variáveis resposta
categóricas (na qual existe entre 0 e 1) em uma escala contínua que pode ser modelada com
uma equação de regressão linear. A função logit é representada pela Eq. (1).

????? = ??? (
??
1 ? ??
) (1)

Onde ?? é a probabilidade observada no nível i da variável de resposta categórica. A
Função de ligação é a principal responsável por prover uma boa adequação do modelo aos dados
(MONTGOMERY; PECK; VINING, 2012).

2.4. TESTES DE ADEQUAÇÃO DO MODELO

Os testes de adequação do modelo são conduzidos no intuito de verificar se a equação
gerada produzirá resultados condizentes com a população estudada (MONTGOMERY; PECK;
VINING, 2012).
O teste de significância do modelo permite o pesquisador identificar se o modelo tem
boa adequação aos dados coletados, ou seja, se ele realmente representa o comportamento da
população estudada. No teste de significância de modelos de regressão logística, alguns
parâmetros são testados (MONTGOMERY;RUNGER, 2014).
Quando o modelo de regressão logística é adequado, o seu desvio tem uma distribuição
Chi-Square com n-p graus de liberdade (representado pelo software Minitab® 2013 por DF),
onde p é o número de parâmetros do modelo. Quando o valor do desvio é pequeno ou quando
6
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
o seu p-value é maior que 0.05, pode-se inferir que o modelo é adequado aos dados
(MONTGOMERY; PECK; VINING, 2012).
Outros testes são realizados durante a análise de significância do modelo, como, por
exemplo, o teste Chi-Square de Pearson. Esta estatística pode ser comparada a distribuição chi-
quadrada com n-p graus de liberdade. Valores pequenos desta estatística (ou p-values grandes)
implicam que o modelo é satisfatório. Quando o modelo não apresenta réplicas das variáveis
regressoras, as observações podem ser agrupadas (O número de grupos gerados é representado
por g) para que o teste de Hosmer-Lemeshow (HL) possa ser aplicado. Esta estatística é apenas
um teste Chi-Square de Pearson que compara os valores esperados com os observados
(MONTGOMERY; PECK; VINING, 2012).
Se o modelo for adequado, a estatística HL terá distribuição chi-quadrada. Valores
grandes desta estatística (valores pequenos de p-value) significam que o modelo não é
adequado. (MONTGOMERY; PECK; VINING, 2012).
Os coeficientes de determinação (R²) são também utilizados como método para verificar
a adequação do modelo. Entende-se que o coeficiente de determinação (R²) é a proporção ou a
porcentagem em que a variação da variável de resposta do modelo (y) é explicada pelas
variáveis independentes (x). (MONTGOMERY; PECK; VINING, 2012., MONTGOMERY;
RUNGER, 2014).

2.5. ANÁLISES GRÁFICAS DO MODELO

O gráfico de efeitos principais é utilizado para comparar o impacto de todos os fatores
do modelo de uma só vez. Dessa forma, fica visível, não somente pelos dados, mas por meio
de uma ilustração, quais são as variáveis mais impactantes do modelo. Neste tipo de gráfico,
quanto mais vertical é a linha da variável independente, mais impactante ao modelo esta
variável é (MONTGOMERY; RUNGER, 2014).
A Fig. 1 apresenta uma ilustração de como o gráfico é apresentado. É importante notar
que a variável B é significativamente mais impactante que a variável A. Nesta representação a
variável B influencia negativamente o modelo.

7
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE

Figura 1 - Gráfico de efeitos principais

Gráficos de controle e gráficos de superfície são baseados nas mesmas premissas.
Ambos ilustram a relação dimensional existente entre duas variáveis do modelo, estas
previamente selecionadas pelo pesquisador. Estes gráficos são utilizados para identificar
pontos “ótimos” das variáveis selecionadas que possam proporcionar o melhor valor da variável
de resposta (MONTGOMERY; RUNGER, 2014).
No gráfico de contorno há a presença de faixas com diferentes cores (como um mapa
topográfico bidimensional, por exemplo), onde cada uma das zonas coloridas representam
faixas de valores das variáveis de resposta. Quanto mais escura é a região, maiores são os
valores da variável Y.
O gráfico de superfície, como citado previamente, funciona sob o mesmo princípio,
porém em uma imagem tridimensional, ambas as metodologias podem ser verificadas na Fig.
2.

Figura 2 - Gráficos de a) Contorno e b) Superfície.

8
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
3. COLETA DE DADOS

Este artigo utiliza uma abordagem quantitativa com análise de dados por meio da
regressão logística binária, a coleta de dados é uma etapa fundamental para a sua execução e
sucesso.
A coleta de dados foi realizada no banco de dados da Empresa X. A Empresa X aplica
questionários para análise da satisfação de seus clientes periodicamente. Os dados das respostas
são armazenados em banco de dados, porém, sem realização de análises estatísticas especificas.
Com isso foi possível exportar os resultados das pesquisas de satisfação para clientes com
relação ao produto, nesse caso pulverizadores no ano de 2015. Os dados foram tabulados
utilizando uma planilha eletrônica que viabilizou uma organização inicial dos dados.
Como os dados foram extraídos de um banco de dados existente, a pesquisa se
caracteriza como documental e os dados como secundários. São considerados dados
secundários aqueles que, segundo Chisnall (1980), já foram coletados anteriormente e são úteis
para finalidades e levantamentos específicos.
A coleta e análise de dados seguem a metodologia Survey. Segundo Forza (2002), esta
metodologia envolve a coleta de informações individuais (obtida por meio de ligações,
entrevistas pessoais, questionários eletrônicos, e-mail etc.) sobre os indivíduos ou sobre o meio
social em que estão inseridos. Ainda segundo o autor, as amostras coletadas pelo survey são
capazes de apresentar informações sobre grandes populações com um determinado nível de
acuracidade.

4. ANÁLISE DOS DADOS

Para a organização dos dados desta pesquisa, as respostas estavam em uma planilha de
forma dispersa, gerando dificuldades no entendimento dos dados. Deste modo, a digitação e
análises dos dados se deram pelo software Minitab®, o que possibilitou uma melhor
visualização dos dados do qual foram organizados em linhas de 1 a 320, contendo 10 colunas,
sendo a primeira, classificada como cliente; a segunda, recomendação da concessionária; a
terceira, problemas não solucionados; a quarta, experiência global; a quinta, recomendação do
produto e na sexta coluna foi elaborada uma regra geral de 0 a 10, em que, para valores de 0 a
7, o cliente não recomenda o produto e para valores de 8 a 10, o cliente recomenda o produto.
9
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Nas cinco colunas seguintes estão os comentários das variáveis analisadas como demostra as
Fig. 3.
Figura 3 – Organização dos dados iniciais das variáveis

Para as variáveis analisadas serão consideradas uma amostra de 320 respostas de
clientes da Empresa X, sendo que as variáveis consideradas são: recomenda a concessionária,
experiência global com o produto, problemas não solucionados.
Neste estudo, essas variáveis têm um relacionamento direto entre o cliente indicar o
produto, pulverizadores auto propelidos, por ela oferecido. Os clientes responderam um
questionário online onde pontuaram a empresa de 0 a 10. Os clientes que atribuíram notas entre
0 e 7 são considerados insatisfeitos e as notas entre 8 a 10 mostram clientes totalmente
satisfeitos. Os clientes que pontuaram a empresa com notas acima de 8 são considerados
promotores da marca.
As variáveis utilizadas no modelo são apresentadas na Tab. 1.

10
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Tabela 1 – Interpretação das variáveis utilizadas no modelo
Variável Interpretação
Recommend Dealer Recomenda a concessionária?
Unresolved Problems Os problemas não solucionados?
Overall Exp Experiência global com produto.

Realizando a análise de regressão dos dados por meio do método Logit da Eq. (1),
obteve-se os resultados apresentados na Fig.(4).

Figura 4 - Resultado primeira análise de regressão

Neste artigo são analisados cinco parâmetros para verificação da significância do
modelo, sendo elas: p-value, a variável DF para o teste de Hosmer-Lemeshow e o teste Chi-
Square de Pearson, o VIF (fator de inflação da variância) R-Sq (coeficiente de determinação) e
R-Sq (adj) ajustado.

11
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE










Figura 5 - Resultado primeira análise de regressão

O p-value obtido para a variável Recommend Dealer (0,846) foi significativamente
maior que o permitido. Dessa forma, o Minitab® traz que para valores nos quais o coeficiente
p-value são maiores que 0,05, admite-se que esta é uma variável que não possui relação
significativa com o modelo. De maneira inversa, os p-value obtidos para variáveis problemas
não solucionados e experiência global com produto foram aceitáveis, pois os valores de p-value
foram menores que 0.05 o que comprova estaticamente que estas variáveis possuem relação
significativa com a variável recomenda produto.
Os valores R-Sq (coeficiente de determinação) e R-Sq (adj) (coeficiente de
determinação ajustado) foram, respectivamente, 72,04% e 71,35%. O R-Sq representa a
percentagem de variação da resposta que é explicada pela sua relação com uma ou mais
variáveis de previsão. Geralmente, quanto maior o R-Sq, melhor o modelo se adapta os dados.
R-Sq (Adj) é o percentual de variação da resposta que é explicado por sua relação com uma ou
mais variáveis de previsão, ajustado para o número de termos do modelo. Este ajustamento é
importante no sentido em que o R-Sq para qualquer modelo tende a sempre aumentar quando
um novo termo é adicionado, porém é o R-Sq (adj) que dará a informação se esse novo termo
influencia ou não no modelo. Se seu valor aumentar, o novo termo tem influência no modelo,
caso contrário, mesmo o R-Sq aumentando, ele não influenciará no modelo.
12
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
O VIF (fator de inflação da variância) por definição do software para ser considerado
bom deve ser abaixo de 5 e o valor de VIF foi de 1,06. A variável DF para o teste de Hosmer-
Lemeshow e o teste Chi-Square de Pearson quando o valor do desvio é pequeno ou quando o
seu p-value é maior que 0.05, pode-se inferir que o modelo é adequado para o teste de Hosmer-
Lemeshow. Nesse caso, obteve-se o p-value de 0,606 e o Pearson p-value de 0,999. Nesta
primeira análise foi satisfatório para todas as variáveis. Os testes de adequação do modelo
também apresentaram p-values aceitáveis.








Figura 6 - Análise das variáveis com o produto

De acordo com a Fig. 6, a variável Recommend Dealer não possui grande significância
na recomendação do produto pelo cliente, diferentemente do que acontece com as variáveis
Unresolverd Problems e Overall Exp
Contudo, o modelo apresentou uma série de observações não usuais, com variáveis de
alavancagem e outliers. As observações 87, 60, 56 e 40 apresentaram valores altos de
alavancagem. Conforme apresentado na Tab. 2.

Tabela 2 – Observações não usuais/ resíduos

Linha Cliente

Recommend
Dealer
Unresolved
Problems
Overall Exp Recomenda
Produto
40 1N04630XVE0028430 9 2 1 8 - Sim
56 1NW4630XAE0000554 0 2 2 8 - Sim
60 1NW4630XAE0000649 6 1 1 9 - Sim
87 1NW4630XCE0000759 7 1 1 8 - Sim
13
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Ao analisar a resposta da linha 40, observa-se que o cliente pontuou o Dealer com a
nota 9, a Unresolved Problems com nota 2 e a Overall Exp como nota 1 e mesmo com esta
pontuação este cliente recomendou o produto. Este cliente teve problemas com a máquina e, ao
solicitar peças para reparo, houve uma grande demora no processamento do pedido do qual a
máquina ficou sem operação por dois dias ocasionando uma insatisfação. A empresa solicitou
que um consultor fosse imediatamente até a propriedade do cliente para solucionar este
problema e ele informou que a máquina possui desempenho excepcional, porém a pontuação
baixa foi pela demora.
Na linha 56, o cliente pontuou com nota 0, nota 2, nota 1 o Dealer, a Unresolved
Problems e a Overall Exp respectivamente, porém a sua nota em recomendação do produto foi
8. Por meio do questionário, este cliente inseriu um comentário justificando as notas baixas. A
empresa X entrou em contato com o cliente de modo a entender melhor a situação, no entanto,
o cliente está satisfeito com o produto, mesmo havendo a reclamação da assistência informando
que estão com poucos técnicos e os existentes não são bem qualificados para prestar assistência
técnica, além da demora no atendimento.
A empresa justificou com o cliente que estão trabalhando na restruturação da equipe
técnica e que também foram adquiridos dois caminhões para fazer o transporte diário de peças
entre as lojas, de forma a atender mais rapidez e agilidade a demanda de peças.
Observa-se que o cliente da linha 60 pontuou o Dealer, a Unresolved Problems e a
Overall Exp respectivamente com as notas 6,1,1, no entanto após essa pontuação o cliente
recomendou o produto. Acredita-se que esta recomendação se deve pelo fato da empresa ter
realizado uma ação corretiva e ter oferecido um desconto, no qual cliente não teve custos
adicionais com processo, o supervisor de serviços entrou em contato com o cliente pedindo
desculpas pelo ocorrido.
O cliente da linha 87, pontou o Dealer, a Unresolved Problems e a Overall Exp
respectivamente com as notas 7,1,1. Essa pontuação deve-se por problemas de furos nas
mangueiras e a falta de peças na concessionária, ocorrendo um desgaste para o cliente gerando
a insatisfação. A empresa X foi informada das reclamações e tendo como ação a troca de 100%
das mangueiras, sem custos adicionais, sendo que o supervisor de peças foi incumbido de
realizar ações para melhorar o estoque de peças da concessionária.
Por meio das ações corretivas, entende-se que a empresa está trabalhando para atender
as reais necessidades dos clientes, a fim de melhorar as relações entre empresa e cliente. Para
14
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
uma maior confiabilidade deste modelo, com o objetivo de melhorar a performance, estes
pontos foram retirados e uma nova análise foi realizada, gerando os resultados apresentados na
Fig. 7.
Figura 7 - Resultado da segunda análise de regressão logística

A partir da nova análise, os resultados de R-Sq e R-Sq (adj) ajustados foram 78,61% e
78,14%, respectivamente.
Os valores VIF foram de 1,12 mantendo seus valores dentro do permitido, indicando a
não existência de multicolinearidade comprovados pelos valores de VIF. A variável DF para o
teste de Hosmer-Lemeshow e o teste Chi-Square de Pearson apresentaram p-value 0,653 e
1,000 respectivamente apresentam que o modelo possui significância.
A equação final obtida, que descreve o comportamento dos dados sob análise é
representada pela Eq. (2).


?? = ?5,961 + 0,658?1 + 0,845?2 (2)

O gráfico de efeitos principais foi empregado para verificar o impacto de cada uma das
variáveis do modelo na variável de reposta (Y). Conforme a Fig. 8 ilustra, nota-se que as
variáveis Unresolved Problems e Overall Exp exercem grande influência positiva nos
resultados do modelo. Estes resultados implicam que pequenas alterações nos valores destas
15
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
variáveis têm grande impacto na resposta do cliente com relação à sua resposta quanto a
recomendação ou não do produto.








Figura 8 - Gráficos de efeitos principais

A fim de confirmar a correlação positiva apresentada na Fig. 4 foi utilizado os gráficos
de Contorno e de Superfície com as duas variáveis mais impactantes no modelo: Unresolved
Problems e Overall Exp.
Gráficos de contorno e superfície são excelentes ferramentas visuais para fins de
reconhecimento de tendências e relação entre variáveis de um modelo. Este gráfico demonstra
o relacionamento em duas dimensões onde os valores são representados por contornos plotados
nas escalas x e y. Assim, este gráfico tem a aparência de uma topografia de um relevo.
O Gráfico de superfície vem para auxiliar nesta análise apresenta uma visão
tridimensional do relacionamento existente entre as variáveis. Este tipo de gráfico proporciona
uma visão mais clara da influência que cada variável exerce. A Fig. 9 representa o gráfico de
Contorno obtido para realização da análise de correlação entre as variáveis principais e a
variável de resposta do modelo. Os valores estão principalmente concentrados na parte superior
direita do gráfico, apontando para a localização dos extremos das variáveis sob análise.

16
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE

Figura 9 - Gráfico de contorno

A Fig. 10 ilustra o Gráfico de Superfície para as mesmas variáveis. Com o auxílio do
Gráfico de Superfície, é possível ter a certeza do comportamento das variáveis principais frente
à variável de resposta. É possível perceber que o ponto máximo da variável recomenda está
diretamente ligado aos pontos máximos das variáveis explicativas do modelo.








Figura 10 - Gráfico de Superfície


Os gráficos de contorno e superfície, ilustrados nas Figs. 9 e 10, confirmam que quanto
maiores são os valores das variáveis relacionadas à experiência geral do cliente e o volume de
problemas resolvidos, maiores são as chances do cliente recomendar o produto.

UNRESOLVED PROBLEMS
O
VE
RA
LL
E
XP
1086420
10
8
6
4
2
0
>
–
–
–
–
< 0,1
0,1 0,3
0,3 0,5
0,5 0,7
0,7 0,9
0,9
Recomenda
Contour Plot of Recomenda vs OVERALL EXP; UNRESOLVED PROBLEMS
0
5
0,0
,0 5
10
5
0
10
1,0
Recomend
PXE LLAREVO
DEVLOSERN PROBLEMU S
urfa e Plot of R co enda vs OVERALL EXP; US RESOLVED PROBLEMSN
17
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
CONSIDERAÇÕES FINAIS

Neste artigo, utilizou-se o software Minitab® como ferramenta útil para a análise da
percepção da satisfação dos clientes. Com o uso da técnica de estatística foi possível a analisar
e identificar as variáveis com maior interação para a pesquisa aplicada na empresa X no ano de
2015.
Conforme apresentado, as notas entre 8 e 10 de clientes que recomendariam o produto,
são considerados pela empresa como clientes promoters da marca, ou seja, são clientes que irão
promover os seus produtos para outros clientes.
Dessa forma, o objetivo deste trabalho era identificar os fatores que exercem maior
influência na satisfação dos clientes, e assim tais clientes contribuírem para a promoção da
marca. Por meio dos dados apresentado na Figura 3, pôde-se identificar que os problemas não
resolvidos e a experiência global do produto estão diretamente interligados com o cliente
recomendar o produto.
Os resultados alcançados referentes à percepção do serviço apontam que os clientes
avaliaram com menor nota a variável concessionária, ou seja, a concessionária pela qual o
cliente adquiriu o produto, não influencia de maneira significante em um cliente recomendar
ou não o produto.
Como a variável resposta do problema estudado era de caracter dicotômica e
apresentava como valores possíveis a insatisfação e a completa satisfação do cliente, o método
utilizado para atingir o objetivo traçado foi o modelo de regressão logística que pode ser
confirmado por meio dos parâmetros analisados p-value, a variável DF para o teste de Hosmer-
Lemeshow, o teste Chi-Square de Pearson, o VIF (fator de inflação da variância), R-Sq
(coeficiente de determinação) e R-Sq (adj) conforme apresentados na seção 4.
O presente artigo, com base nos resultados obtidos pelo estudo de análise estatística de
regressão logística, aplicada como forma de analisar a percepção da satisfação dos clientes de
uma empresa de produtos de máquina e implementos agrícolas, sugere que o questionário seja
apresentado com mais detalhes de informação, pois assim é possível a identificação de novas
variáveis que possa ter influência na promoção da marca, por parte do cliente. Sugere-se ainda,
que esta análise possa ser estendida aos demais produtos da empresa, contribuindo assim, para
o aumento da satisfação dos clientes, promoção da marca e qualidade nos serviços prestados.
18
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Na área acadêmica, este trabalho contribui como uma fonte bibliográfica sobre a
aplicação estatística em controle da qualidade, e em especial sobre a utilização da regressão
logística. Do ponto de vista empresarial, apresenta-se a contribuição tanto no sentido de
identificar as variáveis que influenciam diretamente com a promoção da marca, quanto no
sentido de melhoria contínua, preservação de clientes e qualidade total.
O presente trabalho também permite aplicações futuras do uso da regressão logística,
que é uma análise ainda pouco explorada. Nese sentido, a metodologia utilizada neste trabalho,
poderá ser aplicada em outras áreas da empresa, como, por exemplo, para identificar as
variáveis que afetam a produtividade de seus funcionários, já que anualmente, a empresa aplica
um questionário para mensurar o nível de satisfação de seus colaboradores, e que também a
empresa desenvolva ações preventivas afim de minimizar os problemas dos clientes.
Para trabalhos futuros, sugere-se a aplicação deste método para área de Engenharia do
Produto, na qual são realizados projetos de engenharia dos quais os departamentos de qualidade,
manufatura, suprimentos, logística e controladoria realizam atividades para implementação no
chão de fábrica de melhorias continuas do produto, o método estudado poderá contribuir e
identificar as principais variáveis que influenciam no cumprimento das atividades para
implementação no chão de fábrica.

REFERÊNCIAS

AAKER, D, A. Marcas: Brand Equity, Gerenciando o Valor da Marca. São Paulo: Elsevier,
2000.

BATESON, J. E. G.; HOFFMAN, K. D. Marketing de serviços. Porto Alegre: Bookman, 2001.

CHISNALL, P. M.; Pesquisa Mercadológica. Saraiva: 1980

FIGUEIRA, C. V. Modelos de Regressão Logística. Dissertação de Mestrado - UFRGS, 2006.

FITZSIMMONS, J. A.; FITZSIMMONS, M. J. Administração de serviços: operações,
estratégia e tecnologia de informação. Porto Alegre: Bookman, 2000.

FORZA, C. Survey Research in Operations Management: a process-based perspective.
International of Operations and Production Management. v.22, n. 2, 2002

FOWLER, E. D. Investigação sobre a utilização de Programas de Qualidade (GESPÚBLICA)
nas Universidades Federais de Ensino Superior. 2008. 38p. Dissertação (Mestrado em Ciências
em Engenharia de Produção) – Universidade Federal de Itajubá, Itajubá, 2008.

GRÕNROOS, C. Service Management and Marketing. Lexington, Massachusetts, USA:
19
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Lexington Books. 1990.

HOSMER, D. W., LEMESHOW, S. Applied Logistic Regression. New York. John Wiley &
Sons, 2000.

KOTLER, P. Administração de marketing: a edição do novo milênio. São Paulo: Prentice Hall,
2000.

IGNÁCIO, S.A. Importância da Estatística para o Processo de Conhecimento e Tomada de
Decisão. Curitiba, Governo do Estado do Paraná, 2010.

MINITAB® <www.minitab.com/ pt-br/company> Sobre o Minitab. Acesso em 18/10/2017.

MONTGOMERY, D. Introdução ao Controle Estatístico da Qualidade. Rio de Janeiro: LTC,
2011.

MONTGOMERY, D. C, RUNGER G.; C. Applied Statistics and Probability for Engineers
Nova Iorque, John Wiley & Sons, 2014.

MONTGOMERY, D. C, PECK, E. A, VINING, G.G. Introduction to linear Regression
Analysis. Nova Iorque, John Wiley & Sons, 2012.


PARASURAMAN, A.; ZEITHAML, V. A.; BERRY, L. L. A Conceptual model of service
quality and its implications for the future research. Journal of Marketing, vol. 49, Fall, 1985.

SLACK, N.; CHAMBERS, R.; JOHNSTON, R. Administração da Produção. São Paulo:
Atlas, 2007

GARVIN, D. A. Gerenciando a qualidade. Rio de Janeiro: Qualitymark

---

Arquivo de entrada: ARTIGO REVISTA BJPE SA.pdf (4349 termos)
Arquivo encontrado: http://periodicos.ufes.br/BJPE/article/download/v4n2_10/pdf (2261 termos)

Termos comuns: 47
Similaridade: 0,71%





Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
ARTIGO ORIGINAL OPEN ACCESS
Disponível em: http://periodicos.ufes.br/BJPE/index

ANÁLISE DA PERCEPÇÃO DA SATISFAÇÃO DOS CLIENTES DE UMA EMPRESA DE
PRODUTOS DE MÁQUINAS E IMPLEMENTOS AGRÍCOLAS
ANALYSIS OF THE PERCEPTION OF CUSTOMER SATISFACTION OF A COMPANY
OF MACHINERY PRODUCTS AND AGRICULTURAL IMPLEMENTS

Autor1*;Autor2

1 2Departamento de Engenharia de Produção da Universidade Federal de Catalão, Av Dr Lamartine Pinto de
Avelar, nº1440, Vila Chaud, Catalão, Goiás*
ARTIGO INFO.
Recebido em:
Aprovado em:
Disponibilizado em:
PALAVRAS-CHAVE: Regressão logística. Controle
estatístico da qualidade, Controle de qualidade

KEYWORDS: Logistic regression. Statistical control
of quality, Quality control.

Copyright © 2018, ------. Esta obra está sob uma Licença Creative
Commons Atribuição-Uso.

*Autor Correspondente: Revista BJPE

RESUMO
Um estudo estatístico utilizando o software Minitab é
apresentado neste artigo, cujo principal objetivo é o de
identificar os fatores que influenciam os clientes a
escolherem um produto de uma empresa produtora de
máquinas e implementos agrícolas. É apresentado, um
modelo de regressão logística identificando os
principais fatores de tal influência, para comprovar a
qualidade modelo obtida pelo software Minitab. São
comparadas seis medidas de desempenho juntamente
com o gráfico de efeitos. Pôde-se identificar que os
fatores ligados aos problemas não resolvidos e a
experiência global do produto estão diretamente
interligados ao cliente recomendar o produto.





ABSTRACT

A statistical study using Minitab software is presented
in this paper, whose main objective is to identify the
factors that influence customers to choose a product
from a company that produces agricultural machinery
and implements. It is presented a logistic regression
model identifying the main factors of such influence,
to prove the model quality obtained by the software
Minitab. Are compared six measures of performance
together with the effect graph. It could be identified
that the factors linked to the Unresolved Problems and
the Everall Experience of the product are directly
interconnected to the customer recommending the
product.












INTRODUÇÃO
Citação (APA): AUTOR 1, AUTOR 2 Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e
Implementos Agrícolas. Brazilian Journal of Production Engineering, X(1): aa-aa.
2
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE

Em decorrência das mudanças nos padrões de comportamento dos consumidores e de
suas crescentes exigências, as organizações cada vez mais buscam elementos que as tornem
mais competitivas. No que se trata de atrair, satisfazer e fidelizar clientes, elas adotam
estratégias cada vez mais agressivas com relação ao nível de serviços e qualidade de produtos,
fazendo com que este aspecto se torne um diferencial competitivo
Segundo Kotler (2000), os níveis de satisfação dos clientes têm relação com dois fatores:
prazer ou desilusão. De acordo com o autor, estes fatores levam em consideração a relação entre
desempenho percebido e expectativas acerca do produto e/ou serviço experimentado.
Segundo Aaker (2000) é necessário conhecer o seu consumidor, tratá-lo com respeito,
aproximar a empresa do cliente, para tanto, é necessário desenvolver métodos para que o cliente
visualize essa aproximação, além de criar a possibilidade de se mensurar a satisfação por meio
de pesquisas com a finalidade de se fazer mudanças para solucionar problemas encontrados.
Em seus trabalhos Slack, Chambers e Johnston (2007) afirmam que um cliente, com
elevados níveis de satisfação com relação à qualidade do serviço e/ou produto, retornará à
organização em futuras oportunidades, sendo ele considerado promotor da marca, pois
recomendam e trazem consigo novos clientes.
É necessário que as organizações desenvolvam mecanismos que captem as reais
necessidades dos clientes e que sirvam como apoio ao processo de tomada de decisão.
Segundo Ignácio (2010), a utilização de métodos estatísticos é bastante disseminada nos
diversos setores públicos e privados. O autor destaca que os resultados obtidos são utilizados
para melhorar os incrementos na produção, auxiliando os governantes a conhecerem melhor a
população e compreender as necessidades, entre outros aspectos, e, por isso, a estatística é
considerada uma ferramenta essencial em ambientes produtivos, para a disseminação desse
conhecimento.
As diversas ferramentas da estatística são responsáveis pelo planejamento de
experimentos e interpretação de dados obtidos por pesquisas de campo e apresentação dos
resultados, cujo intuito é de facilitar a tomada de decisão por parte dos gestores (IGNÁCIO,
2010).
Dentro desse cenário, o objetivo geral deste trabalho é o de analisar os fatores que
exercem influência na satisfação dos clientes de uma empresa produtora de máquinas e
implementos agrícolas no pulverizador, a partir de uma pesquisa aplicada pela empresa no ano
3
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
de 2015. Assim, este trabalho tem como foco as análises destes fatores e não na condução da
pesquisa tipo survey.
Especificamente os objetivos deste trabalho são: coletar e analisar os dados das
pesquisas de satisfação dos clientes; compreender as decisões de clientes; analisar os níveis de
satisfação dos clientes; analisar os resultados obtidos e sugerir melhorias.
Além disso, a execução deste trabalho busca corroborar ou falsear as seguintes hipóteses:
•X1 – Recomenda a concessionária (Recommend Dealer);
•X2 - Experiência global com produto (Overall Exp);
•X3 - Problemas não solucionados (Unresolved Problems);
•Y1 - Recomendar o produto.

2. QUALIDADE

As organizações estão inseridas em um mercado altamente competitivo, sendo
indispensável conquistar novos mercados e atender consumidores (CLARK;
WHEELWRIGHT, 1993). Diante disso, para o desenvolvimento e sobrevivência é
imprescindível a adaptação das empresas nas necessidades dos clientes e buscar melhorias
contínuas dos processos e produtos. Parasuraman et al. (1985) define qualidade como a
altercação entre as perspectivas e as percepções do cliente quanto ao serviço prestado.
Garvin (1992) classifica cinco enfoques para a definição dessa qualidade, a saber: 1) o
enfoque transcendental; 2) o enfoque baseado no produto; 3) o enfoque baseado no usuário; 4)
o enfoque baseado na fabricação e também o 5) enfoque baseado no valor. Os apontamentos de
Garvin (1992) auxiliam na melhor compreensão dos objetivos desta pesquisa e no real papel da
qualidade no setor de serviços, pois as empresas devem oferecer qualidade aos seus clientes,
bem como comprometimento em todos os níveis.

2.1. QUALIDADE EM SERVIÇOS E SATISFAÇÃO DOS CLIENTES

Para Fitzsimmons e Fitzsimmons (2000), o setor de serviços possui uma importância
econômica, pois não é visto como um facilitador de produção de bens.
4
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Para compreensão da qualidade em serviço é necessário estabelecer uma comunicação
direita entre cliente e empresa e ouvir críticas e sugestões com a finalidade de transformar
produtos e serviços. Segundo Fowler (2008), qualidade em serviços é baseada em quatro
enfoques que são: confiabilidade, segurança, cordialidade e receptividade. Grönroos (1999a),
afirma que para se ter competitividade é imprescindível que as organizações conheçam a
qualidade de acordo com percepção do cliente. Para Hoffman e Bateson (2006), a definição de
serviços se resume em ações, esforços e desempenhos, os autores também mencionam que o
serviço é intangível, pois são produtos que não possuem propriedades físicas e que os
consumidores apreciam antes de tomar a decisão de obter. Os mesmos autores destacam ainda
que a qualidade em serviços é avaliada em termos gerais e deve perdura por longo período sobre
o comportamento das organizações.

2.2. REGRESSÃO LOGÍSTICA

De acordo com Samohnl (2000) os métodos que utilizam a regressão simples continuam
considerando apenas duas variáveis, dependente e independente, mas, as organizações precisam
lidar com mais de duas variáveis e o autor destaca que nesses casos a regressão múltipla é a
mais indicada.
Figueira (2006) define que a regressão logística traz formas lineares tendo como um
componente aleatório, ordenado e função de amarração que liga os resultados esperados com
as variáveis.
Para Montgomey (2011) na regressão logística ocorre a situação em que a variável
dependente é de natureza dicotômica, atribuindo-se 1 ao evento de interesse (sucesso) e 0 ao
evento ao evento complementar (fracasso), onde a ocorrência de um implica diretamente na não
ocorrência do outro
Nestes pontos de definições, surgem duas grandes diferenças entre os modelos de
regressão linear e o modelo de regressão logística. Primeiro, na regressão logística os valores
esperados dos erros podem assumir apenas dois valores: 0 e 1, diferente da regressão linear em
que esses valores podem assumir qualquer valor positivo ou negativo. A segunda diferença é
encontrada na variância dos erros, pois na regressão logística, esses valores têm média zero e
variância igual a ?(?)[1 ? ?(?)]. Para este caso, a distribuição Binomial é a mais apropriada
para caracterizar a distribuição de probabilidade desses dados.
5
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Com a intenção de trazer algumas características desejáveis provenientes do modelo de
regressão linear, faz-se uso da transformação logit, g(x).

2.3. FUNÇÃO LOGIT

A função logit é linear em seus parâmetros podendo compreender qualquer valor
positivo ou negativo (HOSMER;LEMESHOW, 2000). Montgomery, Peck e Vining (2012)
definem a função logit como o que chamamos de função de ligação para a distribuição binomial.
A principal característica desta função é transformar probabilidades de variáveis resposta
categóricas (na qual existe entre 0 e 1) em uma escala contínua que pode ser modelada com
uma equação de regressão linear. A função logit é representada pela Eq. (1).

????? = ??? (
??
1 ? ??
) (1)

Onde ?? é a probabilidade observada no nível i da variável de resposta categórica. A
Função de ligação é a principal responsável por prover uma boa adequação do modelo aos dados
(MONTGOMERY; PECK; VINING, 2012).

2.4. TESTES DE ADEQUAÇÃO DO MODELO

Os testes de adequação do modelo são conduzidos no intuito de verificar se a equação
gerada produzirá resultados condizentes com a população estudada (MONTGOMERY; PECK;
VINING, 2012).
O teste de significância do modelo permite o pesquisador identificar se o modelo tem
boa adequação aos dados coletados, ou seja, se ele realmente representa o comportamento da
população estudada. No teste de significância de modelos de regressão logística, alguns
parâmetros são testados (MONTGOMERY;RUNGER, 2014).
Quando o modelo de regressão logística é adequado, o seu desvio tem uma distribuição
Chi-Square com n-p graus de liberdade (representado pelo software Minitab® 2013 por DF),
onde p é o número de parâmetros do modelo. Quando o valor do desvio é pequeno ou quando
6
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
o seu p-value é maior que 0.05, pode-se inferir que o modelo é adequado aos dados
(MONTGOMERY; PECK; VINING, 2012).
Outros testes são realizados durante a análise de significância do modelo, como, por
exemplo, o teste Chi-Square de Pearson. Esta estatística pode ser comparada a distribuição chi-
quadrada com n-p graus de liberdade. Valores pequenos desta estatística (ou p-values grandes)
implicam que o modelo é satisfatório. Quando o modelo não apresenta réplicas das variáveis
regressoras, as observações podem ser agrupadas (O número de grupos gerados é representado
por g) para que o teste de Hosmer-Lemeshow (HL) possa ser aplicado. Esta estatística é apenas
um teste Chi-Square de Pearson que compara os valores esperados com os observados
(MONTGOMERY; PECK; VINING, 2012).
Se o modelo for adequado, a estatística HL terá distribuição chi-quadrada. Valores
grandes desta estatística (valores pequenos de p-value) significam que o modelo não é
adequado. (MONTGOMERY; PECK; VINING, 2012).
Os coeficientes de determinação (R²) são também utilizados como método para verificar
a adequação do modelo. Entende-se que o coeficiente de determinação (R²) é a proporção ou a
porcentagem em que a variação da variável de resposta do modelo (y) é explicada pelas
variáveis independentes (x). (MONTGOMERY; PECK; VINING, 2012., MONTGOMERY;
RUNGER, 2014).

2.5. ANÁLISES GRÁFICAS DO MODELO

O gráfico de efeitos principais é utilizado para comparar o impacto de todos os fatores
do modelo de uma só vez. Dessa forma, fica visível, não somente pelos dados, mas por meio
de uma ilustração, quais são as variáveis mais impactantes do modelo. Neste tipo de gráfico,
quanto mais vertical é a linha da variável independente, mais impactante ao modelo esta
variável é (MONTGOMERY; RUNGER, 2014).
A Fig. 1 apresenta uma ilustração de como o gráfico é apresentado. É importante notar
que a variável B é significativamente mais impactante que a variável A. Nesta representação a
variável B influencia negativamente o modelo.

7
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE

Figura 1 - Gráfico de efeitos principais

Gráficos de controle e gráficos de superfície são baseados nas mesmas premissas.
Ambos ilustram a relação dimensional existente entre duas variáveis do modelo, estas
previamente selecionadas pelo pesquisador. Estes gráficos são utilizados para identificar
pontos “ótimos” das variáveis selecionadas que possam proporcionar o melhor valor da variável
de resposta (MONTGOMERY; RUNGER, 2014).
No gráfico de contorno há a presença de faixas com diferentes cores (como um mapa
topográfico bidimensional, por exemplo), onde cada uma das zonas coloridas representam
faixas de valores das variáveis de resposta. Quanto mais escura é a região, maiores são os
valores da variável Y.
O gráfico de superfície, como citado previamente, funciona sob o mesmo princípio,
porém em uma imagem tridimensional, ambas as metodologias podem ser verificadas na Fig.
2.

Figura 2 - Gráficos de a) Contorno e b) Superfície.

8
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
3. COLETA DE DADOS

Este artigo utiliza uma abordagem quantitativa com análise de dados por meio da
regressão logística binária, a coleta de dados é uma etapa fundamental para a sua execução e
sucesso.
A coleta de dados foi realizada no banco de dados da Empresa X. A Empresa X aplica
questionários para análise da satisfação de seus clientes periodicamente. Os dados das respostas
são armazenados em banco de dados, porém, sem realização de análises estatísticas especificas.
Com isso foi possível exportar os resultados das pesquisas de satisfação para clientes com
relação ao produto, nesse caso pulverizadores no ano de 2015. Os dados foram tabulados
utilizando uma planilha eletrônica que viabilizou uma organização inicial dos dados.
Como os dados foram extraídos de um banco de dados existente, a pesquisa se
caracteriza como documental e os dados como secundários. São considerados dados
secundários aqueles que, segundo Chisnall (1980), já foram coletados anteriormente e são úteis
para finalidades e levantamentos específicos.
A coleta e análise de dados seguem a metodologia Survey. Segundo Forza (2002), esta
metodologia envolve a coleta de informações individuais (obtida por meio de ligações,
entrevistas pessoais, questionários eletrônicos, e-mail etc.) sobre os indivíduos ou sobre o meio
social em que estão inseridos. Ainda segundo o autor, as amostras coletadas pelo survey são
capazes de apresentar informações sobre grandes populações com um determinado nível de
acuracidade.

4. ANÁLISE DOS DADOS

Para a organização dos dados desta pesquisa, as respostas estavam em uma planilha de
forma dispersa, gerando dificuldades no entendimento dos dados. Deste modo, a digitação e
análises dos dados se deram pelo software Minitab®, o que possibilitou uma melhor
visualização dos dados do qual foram organizados em linhas de 1 a 320, contendo 10 colunas,
sendo a primeira, classificada como cliente; a segunda, recomendação da concessionária; a
terceira, problemas não solucionados; a quarta, experiência global; a quinta, recomendação do
produto e na sexta coluna foi elaborada uma regra geral de 0 a 10, em que, para valores de 0 a
7, o cliente não recomenda o produto e para valores de 8 a 10, o cliente recomenda o produto.
9
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Nas cinco colunas seguintes estão os comentários das variáveis analisadas como demostra as
Fig. 3.
Figura 3 – Organização dos dados iniciais das variáveis

Para as variáveis analisadas serão consideradas uma amostra de 320 respostas de
clientes da Empresa X, sendo que as variáveis consideradas são: recomenda a concessionária,
experiência global com o produto, problemas não solucionados.
Neste estudo, essas variáveis têm um relacionamento direto entre o cliente indicar o
produto, pulverizadores auto propelidos, por ela oferecido. Os clientes responderam um
questionário online onde pontuaram a empresa de 0 a 10. Os clientes que atribuíram notas entre
0 e 7 são considerados insatisfeitos e as notas entre 8 a 10 mostram clientes totalmente
satisfeitos. Os clientes que pontuaram a empresa com notas acima de 8 são considerados
promotores da marca.
As variáveis utilizadas no modelo são apresentadas na Tab. 1.

10
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Tabela 1 – Interpretação das variáveis utilizadas no modelo
Variável Interpretação
Recommend Dealer Recomenda a concessionária?
Unresolved Problems Os problemas não solucionados?
Overall Exp Experiência global com produto.

Realizando a análise de regressão dos dados por meio do método Logit da Eq. (1),
obteve-se os resultados apresentados na Fig.(4).

Figura 4 - Resultado primeira análise de regressão

Neste artigo são analisados cinco parâmetros para verificação da significância do
modelo, sendo elas: p-value, a variável DF para o teste de Hosmer-Lemeshow e o teste Chi-
Square de Pearson, o VIF (fator de inflação da variância) R-Sq (coeficiente de determinação) e
R-Sq (adj) ajustado.

11
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE










Figura 5 - Resultado primeira análise de regressão

O p-value obtido para a variável Recommend Dealer (0,846) foi significativamente
maior que o permitido. Dessa forma, o Minitab® traz que para valores nos quais o coeficiente
p-value são maiores que 0,05, admite-se que esta é uma variável que não possui relação
significativa com o modelo. De maneira inversa, os p-value obtidos para variáveis problemas
não solucionados e experiência global com produto foram aceitáveis, pois os valores de p-value
foram menores que 0.05 o que comprova estaticamente que estas variáveis possuem relação
significativa com a variável recomenda produto.
Os valores R-Sq (coeficiente de determinação) e R-Sq (adj) (coeficiente de
determinação ajustado) foram, respectivamente, 72,04% e 71,35%. O R-Sq representa a
percentagem de variação da resposta que é explicada pela sua relação com uma ou mais
variáveis de previsão. Geralmente, quanto maior o R-Sq, melhor o modelo se adapta os dados.
R-Sq (Adj) é o percentual de variação da resposta que é explicado por sua relação com uma ou
mais variáveis de previsão, ajustado para o número de termos do modelo. Este ajustamento é
importante no sentido em que o R-Sq para qualquer modelo tende a sempre aumentar quando
um novo termo é adicionado, porém é o R-Sq (adj) que dará a informação se esse novo termo
influencia ou não no modelo. Se seu valor aumentar, o novo termo tem influência no modelo,
caso contrário, mesmo o R-Sq aumentando, ele não influenciará no modelo.
12
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
O VIF (fator de inflação da variância) por definição do software para ser considerado
bom deve ser abaixo de 5 e o valor de VIF foi de 1,06. A variável DF para o teste de Hosmer-
Lemeshow e o teste Chi-Square de Pearson quando o valor do desvio é pequeno ou quando o
seu p-value é maior que 0.05, pode-se inferir que o modelo é adequado para o teste de Hosmer-
Lemeshow. Nesse caso, obteve-se o p-value de 0,606 e o Pearson p-value de 0,999. Nesta
primeira análise foi satisfatório para todas as variáveis. Os testes de adequação do modelo
também apresentaram p-values aceitáveis.








Figura 6 - Análise das variáveis com o produto

De acordo com a Fig. 6, a variável Recommend Dealer não possui grande significância
na recomendação do produto pelo cliente, diferentemente do que acontece com as variáveis
Unresolverd Problems e Overall Exp
Contudo, o modelo apresentou uma série de observações não usuais, com variáveis de
alavancagem e outliers. As observações 87, 60, 56 e 40 apresentaram valores altos de
alavancagem. Conforme apresentado na Tab. 2.

Tabela 2 – Observações não usuais/ resíduos

Linha Cliente

Recommend
Dealer
Unresolved
Problems
Overall Exp Recomenda
Produto
40 1N04630XVE0028430 9 2 1 8 - Sim
56 1NW4630XAE0000554 0 2 2 8 - Sim
60 1NW4630XAE0000649 6 1 1 9 - Sim
87 1NW4630XCE0000759 7 1 1 8 - Sim
13
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Ao analisar a resposta da linha 40, observa-se que o cliente pontuou o Dealer com a
nota 9, a Unresolved Problems com nota 2 e a Overall Exp como nota 1 e mesmo com esta
pontuação este cliente recomendou o produto. Este cliente teve problemas com a máquina e, ao
solicitar peças para reparo, houve uma grande demora no processamento do pedido do qual a
máquina ficou sem operação por dois dias ocasionando uma insatisfação. A empresa solicitou
que um consultor fosse imediatamente até a propriedade do cliente para solucionar este
problema e ele informou que a máquina possui desempenho excepcional, porém a pontuação
baixa foi pela demora.
Na linha 56, o cliente pontuou com nota 0, nota 2, nota 1 o Dealer, a Unresolved
Problems e a Overall Exp respectivamente, porém a sua nota em recomendação do produto foi
8. Por meio do questionário, este cliente inseriu um comentário justificando as notas baixas. A
empresa X entrou em contato com o cliente de modo a entender melhor a situação, no entanto,
o cliente está satisfeito com o produto, mesmo havendo a reclamação da assistência informando
que estão com poucos técnicos e os existentes não são bem qualificados para prestar assistência
técnica, além da demora no atendimento.
A empresa justificou com o cliente que estão trabalhando na restruturação da equipe
técnica e que também foram adquiridos dois caminhões para fazer o transporte diário de peças
entre as lojas, de forma a atender mais rapidez e agilidade a demanda de peças.
Observa-se que o cliente da linha 60 pontuou o Dealer, a Unresolved Problems e a
Overall Exp respectivamente com as notas 6,1,1, no entanto após essa pontuação o cliente
recomendou o produto. Acredita-se que esta recomendação se deve pelo fato da empresa ter
realizado uma ação corretiva e ter oferecido um desconto, no qual cliente não teve custos
adicionais com processo, o supervisor de serviços entrou em contato com o cliente pedindo
desculpas pelo ocorrido.
O cliente da linha 87, pontou o Dealer, a Unresolved Problems e a Overall Exp
respectivamente com as notas 7,1,1. Essa pontuação deve-se por problemas de furos nas
mangueiras e a falta de peças na concessionária, ocorrendo um desgaste para o cliente gerando
a insatisfação. A empresa X foi informada das reclamações e tendo como ação a troca de 100%
das mangueiras, sem custos adicionais, sendo que o supervisor de peças foi incumbido de
realizar ações para melhorar o estoque de peças da concessionária.
Por meio das ações corretivas, entende-se que a empresa está trabalhando para atender
as reais necessidades dos clientes, a fim de melhorar as relações entre empresa e cliente. Para
14
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
uma maior confiabilidade deste modelo, com o objetivo de melhorar a performance, estes
pontos foram retirados e uma nova análise foi realizada, gerando os resultados apresentados na
Fig. 7.
Figura 7 - Resultado da segunda análise de regressão logística

A partir da nova análise, os resultados de R-Sq e R-Sq (adj) ajustados foram 78,61% e
78,14%, respectivamente.
Os valores VIF foram de 1,12 mantendo seus valores dentro do permitido, indicando a
não existência de multicolinearidade comprovados pelos valores de VIF. A variável DF para o
teste de Hosmer-Lemeshow e o teste Chi-Square de Pearson apresentaram p-value 0,653 e
1,000 respectivamente apresentam que o modelo possui significância.
A equação final obtida, que descreve o comportamento dos dados sob análise é
representada pela Eq. (2).


?? = ?5,961 + 0,658?1 + 0,845?2 (2)

O gráfico de efeitos principais foi empregado para verificar o impacto de cada uma das
variáveis do modelo na variável de reposta (Y). Conforme a Fig. 8 ilustra, nota-se que as
variáveis Unresolved Problems e Overall Exp exercem grande influência positiva nos
resultados do modelo. Estes resultados implicam que pequenas alterações nos valores destas
15
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
variáveis têm grande impacto na resposta do cliente com relação à sua resposta quanto a
recomendação ou não do produto.








Figura 8 - Gráficos de efeitos principais

A fim de confirmar a correlação positiva apresentada na Fig. 4 foi utilizado os gráficos
de Contorno e de Superfície com as duas variáveis mais impactantes no modelo: Unresolved
Problems e Overall Exp.
Gráficos de contorno e superfície são excelentes ferramentas visuais para fins de
reconhecimento de tendências e relação entre variáveis de um modelo. Este gráfico demonstra
o relacionamento em duas dimensões onde os valores são representados por contornos plotados
nas escalas x e y. Assim, este gráfico tem a aparência de uma topografia de um relevo.
O Gráfico de superfície vem para auxiliar nesta análise apresenta uma visão
tridimensional do relacionamento existente entre as variáveis. Este tipo de gráfico proporciona
uma visão mais clara da influência que cada variável exerce. A Fig. 9 representa o gráfico de
Contorno obtido para realização da análise de correlação entre as variáveis principais e a
variável de resposta do modelo. Os valores estão principalmente concentrados na parte superior
direita do gráfico, apontando para a localização dos extremos das variáveis sob análise.

16
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE

Figura 9 - Gráfico de contorno

A Fig. 10 ilustra o Gráfico de Superfície para as mesmas variáveis. Com o auxílio do
Gráfico de Superfície, é possível ter a certeza do comportamento das variáveis principais frente
à variável de resposta. É possível perceber que o ponto máximo da variável recomenda está
diretamente ligado aos pontos máximos das variáveis explicativas do modelo.








Figura 10 - Gráfico de Superfície


Os gráficos de contorno e superfície, ilustrados nas Figs. 9 e 10, confirmam que quanto
maiores são os valores das variáveis relacionadas à experiência geral do cliente e o volume de
problemas resolvidos, maiores são as chances do cliente recomendar o produto.

UNRESOLVED PROBLEMS
O
VE
RA
LL
E
XP
1086420
10
8
6
4
2
0
>
–
–
–
–
< 0,1
0,1 0,3
0,3 0,5
0,5 0,7
0,7 0,9
0,9
Recomenda
Contour Plot of Recomenda vs OVERALL EXP; UNRESOLVED PROBLEMS
0
5
0,0
,0 5
10
5
0
10
1,0
Recomend
PXE LLAREVO
DEVLOSERN PROBLEMU S
urfa e Plot of R co enda vs OVERALL EXP; US RESOLVED PROBLEMSN
17
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
CONSIDERAÇÕES FINAIS

Neste artigo, utilizou-se o software Minitab® como ferramenta útil para a análise da
percepção da satisfação dos clientes. Com o uso da técnica de estatística foi possível a analisar
e identificar as variáveis com maior interação para a pesquisa aplicada na empresa X no ano de
2015.
Conforme apresentado, as notas entre 8 e 10 de clientes que recomendariam o produto,
são considerados pela empresa como clientes promoters da marca, ou seja, são clientes que irão
promover os seus produtos para outros clientes.
Dessa forma, o objetivo deste trabalho era identificar os fatores que exercem maior
influência na satisfação dos clientes, e assim tais clientes contribuírem para a promoção da
marca. Por meio dos dados apresentado na Figura 3, pôde-se identificar que os problemas não
resolvidos e a experiência global do produto estão diretamente interligados com o cliente
recomendar o produto.
Os resultados alcançados referentes à percepção do serviço apontam que os clientes
avaliaram com menor nota a variável concessionária, ou seja, a concessionária pela qual o
cliente adquiriu o produto, não influencia de maneira significante em um cliente recomendar
ou não o produto.
Como a variável resposta do problema estudado era de caracter dicotômica e
apresentava como valores possíveis a insatisfação e a completa satisfação do cliente, o método
utilizado para atingir o objetivo traçado foi o modelo de regressão logística que pode ser
confirmado por meio dos parâmetros analisados p-value, a variável DF para o teste de Hosmer-
Lemeshow, o teste Chi-Square de Pearson, o VIF (fator de inflação da variância), R-Sq
(coeficiente de determinação) e R-Sq (adj) conforme apresentados na seção 4.
O presente artigo, com base nos resultados obtidos pelo estudo de análise estatística de
regressão logística, aplicada como forma de analisar a percepção da satisfação dos clientes de
uma empresa de produtos de máquina e implementos agrícolas, sugere que o questionário seja
apresentado com mais detalhes de informação, pois assim é possível a identificação de novas
variáveis que possa ter influência na promoção da marca, por parte do cliente. Sugere-se ainda,
que esta análise possa ser estendida aos demais produtos da empresa, contribuindo assim, para
o aumento da satisfação dos clientes, promoção da marca e qualidade nos serviços prestados.
18
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Na área acadêmica, este trabalho contribui como uma fonte bibliográfica sobre a
aplicação estatística em controle da qualidade, e em especial sobre a utilização da regressão
logística. Do ponto de vista empresarial, apresenta-se a contribuição tanto no sentido de
identificar as variáveis que influenciam diretamente com a promoção da marca, quanto no
sentido de melhoria contínua, preservação de clientes e qualidade total.
O presente trabalho também permite aplicações futuras do uso da regressão logística,
que é uma análise ainda pouco explorada. Nese sentido, a metodologia utilizada neste trabalho,
poderá ser aplicada em outras áreas da empresa, como, por exemplo, para identificar as
variáveis que afetam a produtividade de seus funcionários, já que anualmente, a empresa aplica
um questionário para mensurar o nível de satisfação de seus colaboradores, e que também a
empresa desenvolva ações preventivas afim de minimizar os problemas dos clientes.
Para trabalhos futuros, sugere-se a aplicação deste método para área de Engenharia do
Produto, na qual são realizados projetos de engenharia dos quais os departamentos de qualidade,
manufatura, suprimentos, logística e controladoria realizam atividades para implementação no
chão de fábrica de melhorias continuas do produto, o método estudado poderá contribuir e
identificar as principais variáveis que influenciam no cumprimento das atividades para
implementação no chão de fábrica.

REFERÊNCIAS

AAKER, D, A. Marcas: Brand Equity, Gerenciando o Valor da Marca. São Paulo: Elsevier,
2000.

BATESON, J. E. G.; HOFFMAN, K. D. Marketing de serviços. Porto Alegre: Bookman, 2001.

CHISNALL, P. M.; Pesquisa Mercadológica. Saraiva: 1980

FIGUEIRA, C. V. Modelos de Regressão Logística. Dissertação de Mestrado - UFRGS, 2006.

FITZSIMMONS, J. A.; FITZSIMMONS, M. J. Administração de serviços: operações,
estratégia e tecnologia de informação. Porto Alegre: Bookman, 2000.

FORZA, C. Survey Research in Operations Management: a process-based perspective.
International of Operations and Production Management. v.22, n. 2, 2002

FOWLER, E. D. Investigação sobre a utilização de Programas de Qualidade (GESPÚBLICA)
nas Universidades Federais de Ensino Superior. 2008. 38p. Dissertação (Mestrado em Ciências
em Engenharia de Produção) – Universidade Federal de Itajubá, Itajubá, 2008.

GRÕNROOS, C. Service Management and Marketing. Lexington, Massachusetts, USA:
19
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Lexington Books. 1990.

HOSMER, D. W., LEMESHOW, S. Applied Logistic Regression. New York. John Wiley &
Sons, 2000.

KOTLER, P. Administração de marketing: a edição do novo milênio. São Paulo: Prentice Hall,
2000.

IGNÁCIO, S.A. Importância da Estatística para o Processo de Conhecimento e Tomada de
Decisão. Curitiba, Governo do Estado do Paraná, 2010.

MINITAB® <www.minitab.com/ pt-br/company> Sobre o Minitab. Acesso em 18/10/2017.

MONTGOMERY, D. Introdução ao Controle Estatístico da Qualidade. Rio de Janeiro: LTC,
2011.

MONTGOMERY, D. C, RUNGER G.; C. Applied Statistics and Probability for Engineers
Nova Iorque, John Wiley & Sons, 2014.

MONTGOMERY, D. C, PECK, E. A, VINING, G.G. Introduction to linear Regression
Analysis. Nova Iorque, John Wiley & Sons, 2012.


PARASURAMAN, A.; ZEITHAML, V. A.; BERRY, L. L. A Conceptual model of service
quality and its implications for the future research. Journal of Marketing, vol. 49, Fall, 1985.

SLACK, N.; CHAMBERS, R.; JOHNSTON, R. Administração da Produção. São Paulo:
Atlas, 2007

GARVIN, D. A. Gerenciando a qualidade. Rio de Janeiro: Qualitymark

---

Arquivo de entrada: ARTIGO REVISTA BJPE SA.pdf (4349 termos)
Arquivo encontrado: http://www.um.edu.ar/math/montgomery.pdf (103956 termos)

Termos comuns: 26
Similaridade: 0,02%





Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
ARTIGO ORIGINAL OPEN ACCESS
Disponível em: http://periodicos.ufes.br/BJPE/index

ANÁLISE DA PERCEPÇÃO DA SATISFAÇÃO DOS CLIENTES DE UMA EMPRESA DE
PRODUTOS DE MÁQUINAS E IMPLEMENTOS AGRÍCOLAS
ANALYSIS OF THE PERCEPTION OF CUSTOMER SATISFACTION OF A COMPANY
OF MACHINERY PRODUCTS AND AGRICULTURAL IMPLEMENTS

Autor1*;Autor2

1 2Departamento de Engenharia de Produção da Universidade Federal de Catalão, Av Dr Lamartine Pinto de
Avelar, nº1440, Vila Chaud, Catalão, Goiás*
ARTIGO INFO.
Recebido em:
Aprovado em:
Disponibilizado em:
PALAVRAS-CHAVE: Regressão logística. Controle
estatístico da qualidade, Controle de qualidade

KEYWORDS: Logistic regression. Statistical control
of quality, Quality control.

Copyright © 2018, ------. Esta obra está sob uma Licença Creative
Commons Atribuição-Uso.

*Autor Correspondente: Revista BJPE

RESUMO
Um estudo estatístico utilizando o software Minitab é
apresentado neste artigo, cujo principal objetivo é o de
identificar os fatores que influenciam os clientes a
escolherem um produto de uma empresa produtora de
máquinas e implementos agrícolas. É apresentado, um
modelo de regressão logística identificando os
principais fatores de tal influência, para comprovar a
qualidade modelo obtida pelo software Minitab. São
comparadas seis medidas de desempenho juntamente
com o gráfico de efeitos. Pôde-se identificar que os
fatores ligados aos problemas não resolvidos e a
experiência global do produto estão diretamente
interligados ao cliente recomendar o produto.





ABSTRACT

A statistical study using Minitab software is presented
in this paper, whose main objective is to identify the
factors that influence customers to choose a product
from a company that produces agricultural machinery
and implements. It is presented a logistic regression
model identifying the main factors of such influence,
to prove the model quality obtained by the software
Minitab. Are compared six measures of performance
together with the effect graph. It could be identified
that the factors linked to the Unresolved Problems and
the Everall Experience of the product are directly
interconnected to the customer recommending the
product.












INTRODUÇÃO
Citação (APA): AUTOR 1, AUTOR 2 Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e
Implementos Agrícolas. Brazilian Journal of Production Engineering, X(1): aa-aa.
2
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE

Em decorrência das mudanças nos padrões de comportamento dos consumidores e de
suas crescentes exigências, as organizações cada vez mais buscam elementos que as tornem
mais competitivas. No que se trata de atrair, satisfazer e fidelizar clientes, elas adotam
estratégias cada vez mais agressivas com relação ao nível de serviços e qualidade de produtos,
fazendo com que este aspecto se torne um diferencial competitivo
Segundo Kotler (2000), os níveis de satisfação dos clientes têm relação com dois fatores:
prazer ou desilusão. De acordo com o autor, estes fatores levam em consideração a relação entre
desempenho percebido e expectativas acerca do produto e/ou serviço experimentado.
Segundo Aaker (2000) é necessário conhecer o seu consumidor, tratá-lo com respeito,
aproximar a empresa do cliente, para tanto, é necessário desenvolver métodos para que o cliente
visualize essa aproximação, além de criar a possibilidade de se mensurar a satisfação por meio
de pesquisas com a finalidade de se fazer mudanças para solucionar problemas encontrados.
Em seus trabalhos Slack, Chambers e Johnston (2007) afirmam que um cliente, com
elevados níveis de satisfação com relação à qualidade do serviço e/ou produto, retornará à
organização em futuras oportunidades, sendo ele considerado promotor da marca, pois
recomendam e trazem consigo novos clientes.
É necessário que as organizações desenvolvam mecanismos que captem as reais
necessidades dos clientes e que sirvam como apoio ao processo de tomada de decisão.
Segundo Ignácio (2010), a utilização de métodos estatísticos é bastante disseminada nos
diversos setores públicos e privados. O autor destaca que os resultados obtidos são utilizados
para melhorar os incrementos na produção, auxiliando os governantes a conhecerem melhor a
população e compreender as necessidades, entre outros aspectos, e, por isso, a estatística é
considerada uma ferramenta essencial em ambientes produtivos, para a disseminação desse
conhecimento.
As diversas ferramentas da estatística são responsáveis pelo planejamento de
experimentos e interpretação de dados obtidos por pesquisas de campo e apresentação dos
resultados, cujo intuito é de facilitar a tomada de decisão por parte dos gestores (IGNÁCIO,
2010).
Dentro desse cenário, o objetivo geral deste trabalho é o de analisar os fatores que
exercem influência na satisfação dos clientes de uma empresa produtora de máquinas e
implementos agrícolas no pulverizador, a partir de uma pesquisa aplicada pela empresa no ano
3
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
de 2015. Assim, este trabalho tem como foco as análises destes fatores e não na condução da
pesquisa tipo survey.
Especificamente os objetivos deste trabalho são: coletar e analisar os dados das
pesquisas de satisfação dos clientes; compreender as decisões de clientes; analisar os níveis de
satisfação dos clientes; analisar os resultados obtidos e sugerir melhorias.
Além disso, a execução deste trabalho busca corroborar ou falsear as seguintes hipóteses:
•X1 – Recomenda a concessionária (Recommend Dealer);
•X2 - Experiência global com produto (Overall Exp);
•X3 - Problemas não solucionados (Unresolved Problems);
•Y1 - Recomendar o produto.

2. QUALIDADE

As organizações estão inseridas em um mercado altamente competitivo, sendo
indispensável conquistar novos mercados e atender consumidores (CLARK;
WHEELWRIGHT, 1993). Diante disso, para o desenvolvimento e sobrevivência é
imprescindível a adaptação das empresas nas necessidades dos clientes e buscar melhorias
contínuas dos processos e produtos. Parasuraman et al. (1985) define qualidade como a
altercação entre as perspectivas e as percepções do cliente quanto ao serviço prestado.
Garvin (1992) classifica cinco enfoques para a definição dessa qualidade, a saber: 1) o
enfoque transcendental; 2) o enfoque baseado no produto; 3) o enfoque baseado no usuário; 4)
o enfoque baseado na fabricação e também o 5) enfoque baseado no valor. Os apontamentos de
Garvin (1992) auxiliam na melhor compreensão dos objetivos desta pesquisa e no real papel da
qualidade no setor de serviços, pois as empresas devem oferecer qualidade aos seus clientes,
bem como comprometimento em todos os níveis.

2.1. QUALIDADE EM SERVIÇOS E SATISFAÇÃO DOS CLIENTES

Para Fitzsimmons e Fitzsimmons (2000), o setor de serviços possui uma importância
econômica, pois não é visto como um facilitador de produção de bens.
4
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Para compreensão da qualidade em serviço é necessário estabelecer uma comunicação
direita entre cliente e empresa e ouvir críticas e sugestões com a finalidade de transformar
produtos e serviços. Segundo Fowler (2008), qualidade em serviços é baseada em quatro
enfoques que são: confiabilidade, segurança, cordialidade e receptividade. Grönroos (1999a),
afirma que para se ter competitividade é imprescindível que as organizações conheçam a
qualidade de acordo com percepção do cliente. Para Hoffman e Bateson (2006), a definição de
serviços se resume em ações, esforços e desempenhos, os autores também mencionam que o
serviço é intangível, pois são produtos que não possuem propriedades físicas e que os
consumidores apreciam antes de tomar a decisão de obter. Os mesmos autores destacam ainda
que a qualidade em serviços é avaliada em termos gerais e deve perdura por longo período sobre
o comportamento das organizações.

2.2. REGRESSÃO LOGÍSTICA

De acordo com Samohnl (2000) os métodos que utilizam a regressão simples continuam
considerando apenas duas variáveis, dependente e independente, mas, as organizações precisam
lidar com mais de duas variáveis e o autor destaca que nesses casos a regressão múltipla é a
mais indicada.
Figueira (2006) define que a regressão logística traz formas lineares tendo como um
componente aleatório, ordenado e função de amarração que liga os resultados esperados com
as variáveis.
Para Montgomey (2011) na regressão logística ocorre a situação em que a variável
dependente é de natureza dicotômica, atribuindo-se 1 ao evento de interesse (sucesso) e 0 ao
evento ao evento complementar (fracasso), onde a ocorrência de um implica diretamente na não
ocorrência do outro
Nestes pontos de definições, surgem duas grandes diferenças entre os modelos de
regressão linear e o modelo de regressão logística. Primeiro, na regressão logística os valores
esperados dos erros podem assumir apenas dois valores: 0 e 1, diferente da regressão linear em
que esses valores podem assumir qualquer valor positivo ou negativo. A segunda diferença é
encontrada na variância dos erros, pois na regressão logística, esses valores têm média zero e
variância igual a ?(?)[1 ? ?(?)]. Para este caso, a distribuição Binomial é a mais apropriada
para caracterizar a distribuição de probabilidade desses dados.
5
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Com a intenção de trazer algumas características desejáveis provenientes do modelo de
regressão linear, faz-se uso da transformação logit, g(x).

2.3. FUNÇÃO LOGIT

A função logit é linear em seus parâmetros podendo compreender qualquer valor
positivo ou negativo (HOSMER;LEMESHOW, 2000). Montgomery, Peck e Vining (2012)
definem a função logit como o que chamamos de função de ligação para a distribuição binomial.
A principal característica desta função é transformar probabilidades de variáveis resposta
categóricas (na qual existe entre 0 e 1) em uma escala contínua que pode ser modelada com
uma equação de regressão linear. A função logit é representada pela Eq. (1).

????? = ??? (
??
1 ? ??
) (1)

Onde ?? é a probabilidade observada no nível i da variável de resposta categórica. A
Função de ligação é a principal responsável por prover uma boa adequação do modelo aos dados
(MONTGOMERY; PECK; VINING, 2012).

2.4. TESTES DE ADEQUAÇÃO DO MODELO

Os testes de adequação do modelo são conduzidos no intuito de verificar se a equação
gerada produzirá resultados condizentes com a população estudada (MONTGOMERY; PECK;
VINING, 2012).
O teste de significância do modelo permite o pesquisador identificar se o modelo tem
boa adequação aos dados coletados, ou seja, se ele realmente representa o comportamento da
população estudada. No teste de significância de modelos de regressão logística, alguns
parâmetros são testados (MONTGOMERY;RUNGER, 2014).
Quando o modelo de regressão logística é adequado, o seu desvio tem uma distribuição
Chi-Square com n-p graus de liberdade (representado pelo software Minitab® 2013 por DF),
onde p é o número de parâmetros do modelo. Quando o valor do desvio é pequeno ou quando
6
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
o seu p-value é maior que 0.05, pode-se inferir que o modelo é adequado aos dados
(MONTGOMERY; PECK; VINING, 2012).
Outros testes são realizados durante a análise de significância do modelo, como, por
exemplo, o teste Chi-Square de Pearson. Esta estatística pode ser comparada a distribuição chi-
quadrada com n-p graus de liberdade. Valores pequenos desta estatística (ou p-values grandes)
implicam que o modelo é satisfatório. Quando o modelo não apresenta réplicas das variáveis
regressoras, as observações podem ser agrupadas (O número de grupos gerados é representado
por g) para que o teste de Hosmer-Lemeshow (HL) possa ser aplicado. Esta estatística é apenas
um teste Chi-Square de Pearson que compara os valores esperados com os observados
(MONTGOMERY; PECK; VINING, 2012).
Se o modelo for adequado, a estatística HL terá distribuição chi-quadrada. Valores
grandes desta estatística (valores pequenos de p-value) significam que o modelo não é
adequado. (MONTGOMERY; PECK; VINING, 2012).
Os coeficientes de determinação (R²) são também utilizados como método para verificar
a adequação do modelo. Entende-se que o coeficiente de determinação (R²) é a proporção ou a
porcentagem em que a variação da variável de resposta do modelo (y) é explicada pelas
variáveis independentes (x). (MONTGOMERY; PECK; VINING, 2012., MONTGOMERY;
RUNGER, 2014).

2.5. ANÁLISES GRÁFICAS DO MODELO

O gráfico de efeitos principais é utilizado para comparar o impacto de todos os fatores
do modelo de uma só vez. Dessa forma, fica visível, não somente pelos dados, mas por meio
de uma ilustração, quais são as variáveis mais impactantes do modelo. Neste tipo de gráfico,
quanto mais vertical é a linha da variável independente, mais impactante ao modelo esta
variável é (MONTGOMERY; RUNGER, 2014).
A Fig. 1 apresenta uma ilustração de como o gráfico é apresentado. É importante notar
que a variável B é significativamente mais impactante que a variável A. Nesta representação a
variável B influencia negativamente o modelo.

7
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE

Figura 1 - Gráfico de efeitos principais

Gráficos de controle e gráficos de superfície são baseados nas mesmas premissas.
Ambos ilustram a relação dimensional existente entre duas variáveis do modelo, estas
previamente selecionadas pelo pesquisador. Estes gráficos são utilizados para identificar
pontos “ótimos” das variáveis selecionadas que possam proporcionar o melhor valor da variável
de resposta (MONTGOMERY; RUNGER, 2014).
No gráfico de contorno há a presença de faixas com diferentes cores (como um mapa
topográfico bidimensional, por exemplo), onde cada uma das zonas coloridas representam
faixas de valores das variáveis de resposta. Quanto mais escura é a região, maiores são os
valores da variável Y.
O gráfico de superfície, como citado previamente, funciona sob o mesmo princípio,
porém em uma imagem tridimensional, ambas as metodologias podem ser verificadas na Fig.
2.

Figura 2 - Gráficos de a) Contorno e b) Superfície.

8
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
3. COLETA DE DADOS

Este artigo utiliza uma abordagem quantitativa com análise de dados por meio da
regressão logística binária, a coleta de dados é uma etapa fundamental para a sua execução e
sucesso.
A coleta de dados foi realizada no banco de dados da Empresa X. A Empresa X aplica
questionários para análise da satisfação de seus clientes periodicamente. Os dados das respostas
são armazenados em banco de dados, porém, sem realização de análises estatísticas especificas.
Com isso foi possível exportar os resultados das pesquisas de satisfação para clientes com
relação ao produto, nesse caso pulverizadores no ano de 2015. Os dados foram tabulados
utilizando uma planilha eletrônica que viabilizou uma organização inicial dos dados.
Como os dados foram extraídos de um banco de dados existente, a pesquisa se
caracteriza como documental e os dados como secundários. São considerados dados
secundários aqueles que, segundo Chisnall (1980), já foram coletados anteriormente e são úteis
para finalidades e levantamentos específicos.
A coleta e análise de dados seguem a metodologia Survey. Segundo Forza (2002), esta
metodologia envolve a coleta de informações individuais (obtida por meio de ligações,
entrevistas pessoais, questionários eletrônicos, e-mail etc.) sobre os indivíduos ou sobre o meio
social em que estão inseridos. Ainda segundo o autor, as amostras coletadas pelo survey são
capazes de apresentar informações sobre grandes populações com um determinado nível de
acuracidade.

4. ANÁLISE DOS DADOS

Para a organização dos dados desta pesquisa, as respostas estavam em uma planilha de
forma dispersa, gerando dificuldades no entendimento dos dados. Deste modo, a digitação e
análises dos dados se deram pelo software Minitab®, o que possibilitou uma melhor
visualização dos dados do qual foram organizados em linhas de 1 a 320, contendo 10 colunas,
sendo a primeira, classificada como cliente; a segunda, recomendação da concessionária; a
terceira, problemas não solucionados; a quarta, experiência global; a quinta, recomendação do
produto e na sexta coluna foi elaborada uma regra geral de 0 a 10, em que, para valores de 0 a
7, o cliente não recomenda o produto e para valores de 8 a 10, o cliente recomenda o produto.
9
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Nas cinco colunas seguintes estão os comentários das variáveis analisadas como demostra as
Fig. 3.
Figura 3 – Organização dos dados iniciais das variáveis

Para as variáveis analisadas serão consideradas uma amostra de 320 respostas de
clientes da Empresa X, sendo que as variáveis consideradas são: recomenda a concessionária,
experiência global com o produto, problemas não solucionados.
Neste estudo, essas variáveis têm um relacionamento direto entre o cliente indicar o
produto, pulverizadores auto propelidos, por ela oferecido. Os clientes responderam um
questionário online onde pontuaram a empresa de 0 a 10. Os clientes que atribuíram notas entre
0 e 7 são considerados insatisfeitos e as notas entre 8 a 10 mostram clientes totalmente
satisfeitos. Os clientes que pontuaram a empresa com notas acima de 8 são considerados
promotores da marca.
As variáveis utilizadas no modelo são apresentadas na Tab. 1.

10
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Tabela 1 – Interpretação das variáveis utilizadas no modelo
Variável Interpretação
Recommend Dealer Recomenda a concessionária?
Unresolved Problems Os problemas não solucionados?
Overall Exp Experiência global com produto.

Realizando a análise de regressão dos dados por meio do método Logit da Eq. (1),
obteve-se os resultados apresentados na Fig.(4).

Figura 4 - Resultado primeira análise de regressão

Neste artigo são analisados cinco parâmetros para verificação da significância do
modelo, sendo elas: p-value, a variável DF para o teste de Hosmer-Lemeshow e o teste Chi-
Square de Pearson, o VIF (fator de inflação da variância) R-Sq (coeficiente de determinação) e
R-Sq (adj) ajustado.

11
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE










Figura 5 - Resultado primeira análise de regressão

O p-value obtido para a variável Recommend Dealer (0,846) foi significativamente
maior que o permitido. Dessa forma, o Minitab® traz que para valores nos quais o coeficiente
p-value são maiores que 0,05, admite-se que esta é uma variável que não possui relação
significativa com o modelo. De maneira inversa, os p-value obtidos para variáveis problemas
não solucionados e experiência global com produto foram aceitáveis, pois os valores de p-value
foram menores que 0.05 o que comprova estaticamente que estas variáveis possuem relação
significativa com a variável recomenda produto.
Os valores R-Sq (coeficiente de determinação) e R-Sq (adj) (coeficiente de
determinação ajustado) foram, respectivamente, 72,04% e 71,35%. O R-Sq representa a
percentagem de variação da resposta que é explicada pela sua relação com uma ou mais
variáveis de previsão. Geralmente, quanto maior o R-Sq, melhor o modelo se adapta os dados.
R-Sq (Adj) é o percentual de variação da resposta que é explicado por sua relação com uma ou
mais variáveis de previsão, ajustado para o número de termos do modelo. Este ajustamento é
importante no sentido em que o R-Sq para qualquer modelo tende a sempre aumentar quando
um novo termo é adicionado, porém é o R-Sq (adj) que dará a informação se esse novo termo
influencia ou não no modelo. Se seu valor aumentar, o novo termo tem influência no modelo,
caso contrário, mesmo o R-Sq aumentando, ele não influenciará no modelo.
12
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
O VIF (fator de inflação da variância) por definição do software para ser considerado
bom deve ser abaixo de 5 e o valor de VIF foi de 1,06. A variável DF para o teste de Hosmer-
Lemeshow e o teste Chi-Square de Pearson quando o valor do desvio é pequeno ou quando o
seu p-value é maior que 0.05, pode-se inferir que o modelo é adequado para o teste de Hosmer-
Lemeshow. Nesse caso, obteve-se o p-value de 0,606 e o Pearson p-value de 0,999. Nesta
primeira análise foi satisfatório para todas as variáveis. Os testes de adequação do modelo
também apresentaram p-values aceitáveis.








Figura 6 - Análise das variáveis com o produto

De acordo com a Fig. 6, a variável Recommend Dealer não possui grande significância
na recomendação do produto pelo cliente, diferentemente do que acontece com as variáveis
Unresolverd Problems e Overall Exp
Contudo, o modelo apresentou uma série de observações não usuais, com variáveis de
alavancagem e outliers. As observações 87, 60, 56 e 40 apresentaram valores altos de
alavancagem. Conforme apresentado na Tab. 2.

Tabela 2 – Observações não usuais/ resíduos

Linha Cliente

Recommend
Dealer
Unresolved
Problems
Overall Exp Recomenda
Produto
40 1N04630XVE0028430 9 2 1 8 - Sim
56 1NW4630XAE0000554 0 2 2 8 - Sim
60 1NW4630XAE0000649 6 1 1 9 - Sim
87 1NW4630XCE0000759 7 1 1 8 - Sim
13
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Ao analisar a resposta da linha 40, observa-se que o cliente pontuou o Dealer com a
nota 9, a Unresolved Problems com nota 2 e a Overall Exp como nota 1 e mesmo com esta
pontuação este cliente recomendou o produto. Este cliente teve problemas com a máquina e, ao
solicitar peças para reparo, houve uma grande demora no processamento do pedido do qual a
máquina ficou sem operação por dois dias ocasionando uma insatisfação. A empresa solicitou
que um consultor fosse imediatamente até a propriedade do cliente para solucionar este
problema e ele informou que a máquina possui desempenho excepcional, porém a pontuação
baixa foi pela demora.
Na linha 56, o cliente pontuou com nota 0, nota 2, nota 1 o Dealer, a Unresolved
Problems e a Overall Exp respectivamente, porém a sua nota em recomendação do produto foi
8. Por meio do questionário, este cliente inseriu um comentário justificando as notas baixas. A
empresa X entrou em contato com o cliente de modo a entender melhor a situação, no entanto,
o cliente está satisfeito com o produto, mesmo havendo a reclamação da assistência informando
que estão com poucos técnicos e os existentes não são bem qualificados para prestar assistência
técnica, além da demora no atendimento.
A empresa justificou com o cliente que estão trabalhando na restruturação da equipe
técnica e que também foram adquiridos dois caminhões para fazer o transporte diário de peças
entre as lojas, de forma a atender mais rapidez e agilidade a demanda de peças.
Observa-se que o cliente da linha 60 pontuou o Dealer, a Unresolved Problems e a
Overall Exp respectivamente com as notas 6,1,1, no entanto após essa pontuação o cliente
recomendou o produto. Acredita-se que esta recomendação se deve pelo fato da empresa ter
realizado uma ação corretiva e ter oferecido um desconto, no qual cliente não teve custos
adicionais com processo, o supervisor de serviços entrou em contato com o cliente pedindo
desculpas pelo ocorrido.
O cliente da linha 87, pontou o Dealer, a Unresolved Problems e a Overall Exp
respectivamente com as notas 7,1,1. Essa pontuação deve-se por problemas de furos nas
mangueiras e a falta de peças na concessionária, ocorrendo um desgaste para o cliente gerando
a insatisfação. A empresa X foi informada das reclamações e tendo como ação a troca de 100%
das mangueiras, sem custos adicionais, sendo que o supervisor de peças foi incumbido de
realizar ações para melhorar o estoque de peças da concessionária.
Por meio das ações corretivas, entende-se que a empresa está trabalhando para atender
as reais necessidades dos clientes, a fim de melhorar as relações entre empresa e cliente. Para
14
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
uma maior confiabilidade deste modelo, com o objetivo de melhorar a performance, estes
pontos foram retirados e uma nova análise foi realizada, gerando os resultados apresentados na
Fig. 7.
Figura 7 - Resultado da segunda análise de regressão logística

A partir da nova análise, os resultados de R-Sq e R-Sq (adj) ajustados foram 78,61% e
78,14%, respectivamente.
Os valores VIF foram de 1,12 mantendo seus valores dentro do permitido, indicando a
não existência de multicolinearidade comprovados pelos valores de VIF. A variável DF para o
teste de Hosmer-Lemeshow e o teste Chi-Square de Pearson apresentaram p-value 0,653 e
1,000 respectivamente apresentam que o modelo possui significância.
A equação final obtida, que descreve o comportamento dos dados sob análise é
representada pela Eq. (2).


?? = ?5,961 + 0,658?1 + 0,845?2 (2)

O gráfico de efeitos principais foi empregado para verificar o impacto de cada uma das
variáveis do modelo na variável de reposta (Y). Conforme a Fig. 8 ilustra, nota-se que as
variáveis Unresolved Problems e Overall Exp exercem grande influência positiva nos
resultados do modelo. Estes resultados implicam que pequenas alterações nos valores destas
15
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
variáveis têm grande impacto na resposta do cliente com relação à sua resposta quanto a
recomendação ou não do produto.








Figura 8 - Gráficos de efeitos principais

A fim de confirmar a correlação positiva apresentada na Fig. 4 foi utilizado os gráficos
de Contorno e de Superfície com as duas variáveis mais impactantes no modelo: Unresolved
Problems e Overall Exp.
Gráficos de contorno e superfície são excelentes ferramentas visuais para fins de
reconhecimento de tendências e relação entre variáveis de um modelo. Este gráfico demonstra
o relacionamento em duas dimensões onde os valores são representados por contornos plotados
nas escalas x e y. Assim, este gráfico tem a aparência de uma topografia de um relevo.
O Gráfico de superfície vem para auxiliar nesta análise apresenta uma visão
tridimensional do relacionamento existente entre as variáveis. Este tipo de gráfico proporciona
uma visão mais clara da influência que cada variável exerce. A Fig. 9 representa o gráfico de
Contorno obtido para realização da análise de correlação entre as variáveis principais e a
variável de resposta do modelo. Os valores estão principalmente concentrados na parte superior
direita do gráfico, apontando para a localização dos extremos das variáveis sob análise.

16
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE

Figura 9 - Gráfico de contorno

A Fig. 10 ilustra o Gráfico de Superfície para as mesmas variáveis. Com o auxílio do
Gráfico de Superfície, é possível ter a certeza do comportamento das variáveis principais frente
à variável de resposta. É possível perceber que o ponto máximo da variável recomenda está
diretamente ligado aos pontos máximos das variáveis explicativas do modelo.








Figura 10 - Gráfico de Superfície


Os gráficos de contorno e superfície, ilustrados nas Figs. 9 e 10, confirmam que quanto
maiores são os valores das variáveis relacionadas à experiência geral do cliente e o volume de
problemas resolvidos, maiores são as chances do cliente recomendar o produto.

UNRESOLVED PROBLEMS
O
VE
RA
LL
E
XP
1086420
10
8
6
4
2
0
>
–
–
–
–
< 0,1
0,1 0,3
0,3 0,5
0,5 0,7
0,7 0,9
0,9
Recomenda
Contour Plot of Recomenda vs OVERALL EXP; UNRESOLVED PROBLEMS
0
5
0,0
,0 5
10
5
0
10
1,0
Recomend
PXE LLAREVO
DEVLOSERN PROBLEMU S
urfa e Plot of R co enda vs OVERALL EXP; US RESOLVED PROBLEMSN
17
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
CONSIDERAÇÕES FINAIS

Neste artigo, utilizou-se o software Minitab® como ferramenta útil para a análise da
percepção da satisfação dos clientes. Com o uso da técnica de estatística foi possível a analisar
e identificar as variáveis com maior interação para a pesquisa aplicada na empresa X no ano de
2015.
Conforme apresentado, as notas entre 8 e 10 de clientes que recomendariam o produto,
são considerados pela empresa como clientes promoters da marca, ou seja, são clientes que irão
promover os seus produtos para outros clientes.
Dessa forma, o objetivo deste trabalho era identificar os fatores que exercem maior
influência na satisfação dos clientes, e assim tais clientes contribuírem para a promoção da
marca. Por meio dos dados apresentado na Figura 3, pôde-se identificar que os problemas não
resolvidos e a experiência global do produto estão diretamente interligados com o cliente
recomendar o produto.
Os resultados alcançados referentes à percepção do serviço apontam que os clientes
avaliaram com menor nota a variável concessionária, ou seja, a concessionária pela qual o
cliente adquiriu o produto, não influencia de maneira significante em um cliente recomendar
ou não o produto.
Como a variável resposta do problema estudado era de caracter dicotômica e
apresentava como valores possíveis a insatisfação e a completa satisfação do cliente, o método
utilizado para atingir o objetivo traçado foi o modelo de regressão logística que pode ser
confirmado por meio dos parâmetros analisados p-value, a variável DF para o teste de Hosmer-
Lemeshow, o teste Chi-Square de Pearson, o VIF (fator de inflação da variância), R-Sq
(coeficiente de determinação) e R-Sq (adj) conforme apresentados na seção 4.
O presente artigo, com base nos resultados obtidos pelo estudo de análise estatística de
regressão logística, aplicada como forma de analisar a percepção da satisfação dos clientes de
uma empresa de produtos de máquina e implementos agrícolas, sugere que o questionário seja
apresentado com mais detalhes de informação, pois assim é possível a identificação de novas
variáveis que possa ter influência na promoção da marca, por parte do cliente. Sugere-se ainda,
que esta análise possa ser estendida aos demais produtos da empresa, contribuindo assim, para
o aumento da satisfação dos clientes, promoção da marca e qualidade nos serviços prestados.
18
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Na área acadêmica, este trabalho contribui como uma fonte bibliográfica sobre a
aplicação estatística em controle da qualidade, e em especial sobre a utilização da regressão
logística. Do ponto de vista empresarial, apresenta-se a contribuição tanto no sentido de
identificar as variáveis que influenciam diretamente com a promoção da marca, quanto no
sentido de melhoria contínua, preservação de clientes e qualidade total.
O presente trabalho também permite aplicações futuras do uso da regressão logística,
que é uma análise ainda pouco explorada. Nese sentido, a metodologia utilizada neste trabalho,
poderá ser aplicada em outras áreas da empresa, como, por exemplo, para identificar as
variáveis que afetam a produtividade de seus funcionários, já que anualmente, a empresa aplica
um questionário para mensurar o nível de satisfação de seus colaboradores, e que também a
empresa desenvolva ações preventivas afim de minimizar os problemas dos clientes.
Para trabalhos futuros, sugere-se a aplicação deste método para área de Engenharia do
Produto, na qual são realizados projetos de engenharia dos quais os departamentos de qualidade,
manufatura, suprimentos, logística e controladoria realizam atividades para implementação no
chão de fábrica de melhorias continuas do produto, o método estudado poderá contribuir e
identificar as principais variáveis que influenciam no cumprimento das atividades para
implementação no chão de fábrica.

REFERÊNCIAS

AAKER, D, A. Marcas: Brand Equity, Gerenciando o Valor da Marca. São Paulo: Elsevier,
2000.

BATESON, J. E. G.; HOFFMAN, K. D. Marketing de serviços. Porto Alegre: Bookman, 2001.

CHISNALL, P. M.; Pesquisa Mercadológica. Saraiva: 1980

FIGUEIRA, C. V. Modelos de Regressão Logística. Dissertação de Mestrado - UFRGS, 2006.

FITZSIMMONS, J. A.; FITZSIMMONS, M. J. Administração de serviços: operações,
estratégia e tecnologia de informação. Porto Alegre: Bookman, 2000.

FORZA, C. Survey Research in Operations Management: a process-based perspective.
International of Operations and Production Management. v.22, n. 2, 2002

FOWLER, E. D. Investigação sobre a utilização de Programas de Qualidade (GESPÚBLICA)
nas Universidades Federais de Ensino Superior. 2008. 38p. Dissertação (Mestrado em Ciências
em Engenharia de Produção) – Universidade Federal de Itajubá, Itajubá, 2008.

GRÕNROOS, C. Service Management and Marketing. Lexington, Massachusetts, USA:
19
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Lexington Books. 1990.

HOSMER, D. W., LEMESHOW, S. Applied Logistic Regression. New York. John Wiley &
Sons, 2000.

KOTLER, P. Administração de marketing: a edição do novo milênio. São Paulo: Prentice Hall,
2000.

IGNÁCIO, S.A. Importância da Estatística para o Processo de Conhecimento e Tomada de
Decisão. Curitiba, Governo do Estado do Paraná, 2010.

MINITAB® <www.minitab.com/ pt-br/company> Sobre o Minitab. Acesso em 18/10/2017.

MONTGOMERY, D. Introdução ao Controle Estatístico da Qualidade. Rio de Janeiro: LTC,
2011.

MONTGOMERY, D. C, RUNGER G.; C. Applied Statistics and Probability for Engineers
Nova Iorque, John Wiley & Sons, 2014.

MONTGOMERY, D. C, PECK, E. A, VINING, G.G. Introduction to linear Regression
Analysis. Nova Iorque, John Wiley & Sons, 2012.


PARASURAMAN, A.; ZEITHAML, V. A.; BERRY, L. L. A Conceptual model of service
quality and its implications for the future research. Journal of Marketing, vol. 49, Fall, 1985.

SLACK, N.; CHAMBERS, R.; JOHNSTON, R. Administração da Produção. São Paulo:
Atlas, 2007

GARVIN, D. A. Gerenciando a qualidade. Rio de Janeiro: Qualitymark

---

Arquivo de entrada: ARTIGO REVISTA BJPE SA.pdf (4349 termos)
Arquivo encontrado: http://periodicos.ufes.br/BJPE/article/download/v3n2_3/pdf (5796 termos)

Termos comuns: 83
Similaridade: 0,82%





Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
ARTIGO ORIGINAL OPEN ACCESS
Disponível em: http://periodicos.ufes.br/BJPE/index

ANÁLISE DA PERCEPÇÃO DA SATISFAÇÃO DOS CLIENTES DE UMA EMPRESA DE
PRODUTOS DE MÁQUINAS E IMPLEMENTOS AGRÍCOLAS
ANALYSIS OF THE PERCEPTION OF CUSTOMER SATISFACTION OF A COMPANY
OF MACHINERY PRODUCTS AND AGRICULTURAL IMPLEMENTS

Autor1*;Autor2

1 2Departamento de Engenharia de Produção da Universidade Federal de Catalão, Av Dr Lamartine Pinto de
Avelar, nº1440, Vila Chaud, Catalão, Goiás*
ARTIGO INFO.
Recebido em:
Aprovado em:
Disponibilizado em:
PALAVRAS-CHAVE: Regressão logística. Controle
estatístico da qualidade, Controle de qualidade

KEYWORDS: Logistic regression. Statistical control
of quality, Quality control.

Copyright © 2018, ------. Esta obra está sob uma Licença Creative
Commons Atribuição-Uso.

*Autor Correspondente: Revista BJPE

RESUMO
Um estudo estatístico utilizando o software Minitab é
apresentado neste artigo, cujo principal objetivo é o de
identificar os fatores que influenciam os clientes a
escolherem um produto de uma empresa produtora de
máquinas e implementos agrícolas. É apresentado, um
modelo de regressão logística identificando os
principais fatores de tal influência, para comprovar a
qualidade modelo obtida pelo software Minitab. São
comparadas seis medidas de desempenho juntamente
com o gráfico de efeitos. Pôde-se identificar que os
fatores ligados aos problemas não resolvidos e a
experiência global do produto estão diretamente
interligados ao cliente recomendar o produto.





ABSTRACT

A statistical study using Minitab software is presented
in this paper, whose main objective is to identify the
factors that influence customers to choose a product
from a company that produces agricultural machinery
and implements. It is presented a logistic regression
model identifying the main factors of such influence,
to prove the model quality obtained by the software
Minitab. Are compared six measures of performance
together with the effect graph. It could be identified
that the factors linked to the Unresolved Problems and
the Everall Experience of the product are directly
interconnected to the customer recommending the
product.












INTRODUÇÃO
Citação (APA): AUTOR 1, AUTOR 2 Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e
Implementos Agrícolas. Brazilian Journal of Production Engineering, X(1): aa-aa.
2
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE

Em decorrência das mudanças nos padrões de comportamento dos consumidores e de
suas crescentes exigências, as organizações cada vez mais buscam elementos que as tornem
mais competitivas. No que se trata de atrair, satisfazer e fidelizar clientes, elas adotam
estratégias cada vez mais agressivas com relação ao nível de serviços e qualidade de produtos,
fazendo com que este aspecto se torne um diferencial competitivo
Segundo Kotler (2000), os níveis de satisfação dos clientes têm relação com dois fatores:
prazer ou desilusão. De acordo com o autor, estes fatores levam em consideração a relação entre
desempenho percebido e expectativas acerca do produto e/ou serviço experimentado.
Segundo Aaker (2000) é necessário conhecer o seu consumidor, tratá-lo com respeito,
aproximar a empresa do cliente, para tanto, é necessário desenvolver métodos para que o cliente
visualize essa aproximação, além de criar a possibilidade de se mensurar a satisfação por meio
de pesquisas com a finalidade de se fazer mudanças para solucionar problemas encontrados.
Em seus trabalhos Slack, Chambers e Johnston (2007) afirmam que um cliente, com
elevados níveis de satisfação com relação à qualidade do serviço e/ou produto, retornará à
organização em futuras oportunidades, sendo ele considerado promotor da marca, pois
recomendam e trazem consigo novos clientes.
É necessário que as organizações desenvolvam mecanismos que captem as reais
necessidades dos clientes e que sirvam como apoio ao processo de tomada de decisão.
Segundo Ignácio (2010), a utilização de métodos estatísticos é bastante disseminada nos
diversos setores públicos e privados. O autor destaca que os resultados obtidos são utilizados
para melhorar os incrementos na produção, auxiliando os governantes a conhecerem melhor a
população e compreender as necessidades, entre outros aspectos, e, por isso, a estatística é
considerada uma ferramenta essencial em ambientes produtivos, para a disseminação desse
conhecimento.
As diversas ferramentas da estatística são responsáveis pelo planejamento de
experimentos e interpretação de dados obtidos por pesquisas de campo e apresentação dos
resultados, cujo intuito é de facilitar a tomada de decisão por parte dos gestores (IGNÁCIO,
2010).
Dentro desse cenário, o objetivo geral deste trabalho é o de analisar os fatores que
exercem influência na satisfação dos clientes de uma empresa produtora de máquinas e
implementos agrícolas no pulverizador, a partir de uma pesquisa aplicada pela empresa no ano
3
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
de 2015. Assim, este trabalho tem como foco as análises destes fatores e não na condução da
pesquisa tipo survey.
Especificamente os objetivos deste trabalho são: coletar e analisar os dados das
pesquisas de satisfação dos clientes; compreender as decisões de clientes; analisar os níveis de
satisfação dos clientes; analisar os resultados obtidos e sugerir melhorias.
Além disso, a execução deste trabalho busca corroborar ou falsear as seguintes hipóteses:
•X1 – Recomenda a concessionária (Recommend Dealer);
•X2 - Experiência global com produto (Overall Exp);
•X3 - Problemas não solucionados (Unresolved Problems);
•Y1 - Recomendar o produto.

2. QUALIDADE

As organizações estão inseridas em um mercado altamente competitivo, sendo
indispensável conquistar novos mercados e atender consumidores (CLARK;
WHEELWRIGHT, 1993). Diante disso, para o desenvolvimento e sobrevivência é
imprescindível a adaptação das empresas nas necessidades dos clientes e buscar melhorias
contínuas dos processos e produtos. Parasuraman et al. (1985) define qualidade como a
altercação entre as perspectivas e as percepções do cliente quanto ao serviço prestado.
Garvin (1992) classifica cinco enfoques para a definição dessa qualidade, a saber: 1) o
enfoque transcendental; 2) o enfoque baseado no produto; 3) o enfoque baseado no usuário; 4)
o enfoque baseado na fabricação e também o 5) enfoque baseado no valor. Os apontamentos de
Garvin (1992) auxiliam na melhor compreensão dos objetivos desta pesquisa e no real papel da
qualidade no setor de serviços, pois as empresas devem oferecer qualidade aos seus clientes,
bem como comprometimento em todos os níveis.

2.1. QUALIDADE EM SERVIÇOS E SATISFAÇÃO DOS CLIENTES

Para Fitzsimmons e Fitzsimmons (2000), o setor de serviços possui uma importância
econômica, pois não é visto como um facilitador de produção de bens.
4
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Para compreensão da qualidade em serviço é necessário estabelecer uma comunicação
direita entre cliente e empresa e ouvir críticas e sugestões com a finalidade de transformar
produtos e serviços. Segundo Fowler (2008), qualidade em serviços é baseada em quatro
enfoques que são: confiabilidade, segurança, cordialidade e receptividade. Grönroos (1999a),
afirma que para se ter competitividade é imprescindível que as organizações conheçam a
qualidade de acordo com percepção do cliente. Para Hoffman e Bateson (2006), a definição de
serviços se resume em ações, esforços e desempenhos, os autores também mencionam que o
serviço é intangível, pois são produtos que não possuem propriedades físicas e que os
consumidores apreciam antes de tomar a decisão de obter. Os mesmos autores destacam ainda
que a qualidade em serviços é avaliada em termos gerais e deve perdura por longo período sobre
o comportamento das organizações.

2.2. REGRESSÃO LOGÍSTICA

De acordo com Samohnl (2000) os métodos que utilizam a regressão simples continuam
considerando apenas duas variáveis, dependente e independente, mas, as organizações precisam
lidar com mais de duas variáveis e o autor destaca que nesses casos a regressão múltipla é a
mais indicada.
Figueira (2006) define que a regressão logística traz formas lineares tendo como um
componente aleatório, ordenado e função de amarração que liga os resultados esperados com
as variáveis.
Para Montgomey (2011) na regressão logística ocorre a situação em que a variável
dependente é de natureza dicotômica, atribuindo-se 1 ao evento de interesse (sucesso) e 0 ao
evento ao evento complementar (fracasso), onde a ocorrência de um implica diretamente na não
ocorrência do outro
Nestes pontos de definições, surgem duas grandes diferenças entre os modelos de
regressão linear e o modelo de regressão logística. Primeiro, na regressão logística os valores
esperados dos erros podem assumir apenas dois valores: 0 e 1, diferente da regressão linear em
que esses valores podem assumir qualquer valor positivo ou negativo. A segunda diferença é
encontrada na variância dos erros, pois na regressão logística, esses valores têm média zero e
variância igual a ?(?)[1 ? ?(?)]. Para este caso, a distribuição Binomial é a mais apropriada
para caracterizar a distribuição de probabilidade desses dados.
5
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Com a intenção de trazer algumas características desejáveis provenientes do modelo de
regressão linear, faz-se uso da transformação logit, g(x).

2.3. FUNÇÃO LOGIT

A função logit é linear em seus parâmetros podendo compreender qualquer valor
positivo ou negativo (HOSMER;LEMESHOW, 2000). Montgomery, Peck e Vining (2012)
definem a função logit como o que chamamos de função de ligação para a distribuição binomial.
A principal característica desta função é transformar probabilidades de variáveis resposta
categóricas (na qual existe entre 0 e 1) em uma escala contínua que pode ser modelada com
uma equação de regressão linear. A função logit é representada pela Eq. (1).

????? = ??? (
??
1 ? ??
) (1)

Onde ?? é a probabilidade observada no nível i da variável de resposta categórica. A
Função de ligação é a principal responsável por prover uma boa adequação do modelo aos dados
(MONTGOMERY; PECK; VINING, 2012).

2.4. TESTES DE ADEQUAÇÃO DO MODELO

Os testes de adequação do modelo são conduzidos no intuito de verificar se a equação
gerada produzirá resultados condizentes com a população estudada (MONTGOMERY; PECK;
VINING, 2012).
O teste de significância do modelo permite o pesquisador identificar se o modelo tem
boa adequação aos dados coletados, ou seja, se ele realmente representa o comportamento da
população estudada. No teste de significância de modelos de regressão logística, alguns
parâmetros são testados (MONTGOMERY;RUNGER, 2014).
Quando o modelo de regressão logística é adequado, o seu desvio tem uma distribuição
Chi-Square com n-p graus de liberdade (representado pelo software Minitab® 2013 por DF),
onde p é o número de parâmetros do modelo. Quando o valor do desvio é pequeno ou quando
6
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
o seu p-value é maior que 0.05, pode-se inferir que o modelo é adequado aos dados
(MONTGOMERY; PECK; VINING, 2012).
Outros testes são realizados durante a análise de significância do modelo, como, por
exemplo, o teste Chi-Square de Pearson. Esta estatística pode ser comparada a distribuição chi-
quadrada com n-p graus de liberdade. Valores pequenos desta estatística (ou p-values grandes)
implicam que o modelo é satisfatório. Quando o modelo não apresenta réplicas das variáveis
regressoras, as observações podem ser agrupadas (O número de grupos gerados é representado
por g) para que o teste de Hosmer-Lemeshow (HL) possa ser aplicado. Esta estatística é apenas
um teste Chi-Square de Pearson que compara os valores esperados com os observados
(MONTGOMERY; PECK; VINING, 2012).
Se o modelo for adequado, a estatística HL terá distribuição chi-quadrada. Valores
grandes desta estatística (valores pequenos de p-value) significam que o modelo não é
adequado. (MONTGOMERY; PECK; VINING, 2012).
Os coeficientes de determinação (R²) são também utilizados como método para verificar
a adequação do modelo. Entende-se que o coeficiente de determinação (R²) é a proporção ou a
porcentagem em que a variação da variável de resposta do modelo (y) é explicada pelas
variáveis independentes (x). (MONTGOMERY; PECK; VINING, 2012., MONTGOMERY;
RUNGER, 2014).

2.5. ANÁLISES GRÁFICAS DO MODELO

O gráfico de efeitos principais é utilizado para comparar o impacto de todos os fatores
do modelo de uma só vez. Dessa forma, fica visível, não somente pelos dados, mas por meio
de uma ilustração, quais são as variáveis mais impactantes do modelo. Neste tipo de gráfico,
quanto mais vertical é a linha da variável independente, mais impactante ao modelo esta
variável é (MONTGOMERY; RUNGER, 2014).
A Fig. 1 apresenta uma ilustração de como o gráfico é apresentado. É importante notar
que a variável B é significativamente mais impactante que a variável A. Nesta representação a
variável B influencia negativamente o modelo.

7
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE

Figura 1 - Gráfico de efeitos principais

Gráficos de controle e gráficos de superfície são baseados nas mesmas premissas.
Ambos ilustram a relação dimensional existente entre duas variáveis do modelo, estas
previamente selecionadas pelo pesquisador. Estes gráficos são utilizados para identificar
pontos “ótimos” das variáveis selecionadas que possam proporcionar o melhor valor da variável
de resposta (MONTGOMERY; RUNGER, 2014).
No gráfico de contorno há a presença de faixas com diferentes cores (como um mapa
topográfico bidimensional, por exemplo), onde cada uma das zonas coloridas representam
faixas de valores das variáveis de resposta. Quanto mais escura é a região, maiores são os
valores da variável Y.
O gráfico de superfície, como citado previamente, funciona sob o mesmo princípio,
porém em uma imagem tridimensional, ambas as metodologias podem ser verificadas na Fig.
2.

Figura 2 - Gráficos de a) Contorno e b) Superfície.

8
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
3. COLETA DE DADOS

Este artigo utiliza uma abordagem quantitativa com análise de dados por meio da
regressão logística binária, a coleta de dados é uma etapa fundamental para a sua execução e
sucesso.
A coleta de dados foi realizada no banco de dados da Empresa X. A Empresa X aplica
questionários para análise da satisfação de seus clientes periodicamente. Os dados das respostas
são armazenados em banco de dados, porém, sem realização de análises estatísticas especificas.
Com isso foi possível exportar os resultados das pesquisas de satisfação para clientes com
relação ao produto, nesse caso pulverizadores no ano de 2015. Os dados foram tabulados
utilizando uma planilha eletrônica que viabilizou uma organização inicial dos dados.
Como os dados foram extraídos de um banco de dados existente, a pesquisa se
caracteriza como documental e os dados como secundários. São considerados dados
secundários aqueles que, segundo Chisnall (1980), já foram coletados anteriormente e são úteis
para finalidades e levantamentos específicos.
A coleta e análise de dados seguem a metodologia Survey. Segundo Forza (2002), esta
metodologia envolve a coleta de informações individuais (obtida por meio de ligações,
entrevistas pessoais, questionários eletrônicos, e-mail etc.) sobre os indivíduos ou sobre o meio
social em que estão inseridos. Ainda segundo o autor, as amostras coletadas pelo survey são
capazes de apresentar informações sobre grandes populações com um determinado nível de
acuracidade.

4. ANÁLISE DOS DADOS

Para a organização dos dados desta pesquisa, as respostas estavam em uma planilha de
forma dispersa, gerando dificuldades no entendimento dos dados. Deste modo, a digitação e
análises dos dados se deram pelo software Minitab®, o que possibilitou uma melhor
visualização dos dados do qual foram organizados em linhas de 1 a 320, contendo 10 colunas,
sendo a primeira, classificada como cliente; a segunda, recomendação da concessionária; a
terceira, problemas não solucionados; a quarta, experiência global; a quinta, recomendação do
produto e na sexta coluna foi elaborada uma regra geral de 0 a 10, em que, para valores de 0 a
7, o cliente não recomenda o produto e para valores de 8 a 10, o cliente recomenda o produto.
9
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Nas cinco colunas seguintes estão os comentários das variáveis analisadas como demostra as
Fig. 3.
Figura 3 – Organização dos dados iniciais das variáveis

Para as variáveis analisadas serão consideradas uma amostra de 320 respostas de
clientes da Empresa X, sendo que as variáveis consideradas são: recomenda a concessionária,
experiência global com o produto, problemas não solucionados.
Neste estudo, essas variáveis têm um relacionamento direto entre o cliente indicar o
produto, pulverizadores auto propelidos, por ela oferecido. Os clientes responderam um
questionário online onde pontuaram a empresa de 0 a 10. Os clientes que atribuíram notas entre
0 e 7 são considerados insatisfeitos e as notas entre 8 a 10 mostram clientes totalmente
satisfeitos. Os clientes que pontuaram a empresa com notas acima de 8 são considerados
promotores da marca.
As variáveis utilizadas no modelo são apresentadas na Tab. 1.

10
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Tabela 1 – Interpretação das variáveis utilizadas no modelo
Variável Interpretação
Recommend Dealer Recomenda a concessionária?
Unresolved Problems Os problemas não solucionados?
Overall Exp Experiência global com produto.

Realizando a análise de regressão dos dados por meio do método Logit da Eq. (1),
obteve-se os resultados apresentados na Fig.(4).

Figura 4 - Resultado primeira análise de regressão

Neste artigo são analisados cinco parâmetros para verificação da significância do
modelo, sendo elas: p-value, a variável DF para o teste de Hosmer-Lemeshow e o teste Chi-
Square de Pearson, o VIF (fator de inflação da variância) R-Sq (coeficiente de determinação) e
R-Sq (adj) ajustado.

11
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE










Figura 5 - Resultado primeira análise de regressão

O p-value obtido para a variável Recommend Dealer (0,846) foi significativamente
maior que o permitido. Dessa forma, o Minitab® traz que para valores nos quais o coeficiente
p-value são maiores que 0,05, admite-se que esta é uma variável que não possui relação
significativa com o modelo. De maneira inversa, os p-value obtidos para variáveis problemas
não solucionados e experiência global com produto foram aceitáveis, pois os valores de p-value
foram menores que 0.05 o que comprova estaticamente que estas variáveis possuem relação
significativa com a variável recomenda produto.
Os valores R-Sq (coeficiente de determinação) e R-Sq (adj) (coeficiente de
determinação ajustado) foram, respectivamente, 72,04% e 71,35%. O R-Sq representa a
percentagem de variação da resposta que é explicada pela sua relação com uma ou mais
variáveis de previsão. Geralmente, quanto maior o R-Sq, melhor o modelo se adapta os dados.
R-Sq (Adj) é o percentual de variação da resposta que é explicado por sua relação com uma ou
mais variáveis de previsão, ajustado para o número de termos do modelo. Este ajustamento é
importante no sentido em que o R-Sq para qualquer modelo tende a sempre aumentar quando
um novo termo é adicionado, porém é o R-Sq (adj) que dará a informação se esse novo termo
influencia ou não no modelo. Se seu valor aumentar, o novo termo tem influência no modelo,
caso contrário, mesmo o R-Sq aumentando, ele não influenciará no modelo.
12
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
O VIF (fator de inflação da variância) por definição do software para ser considerado
bom deve ser abaixo de 5 e o valor de VIF foi de 1,06. A variável DF para o teste de Hosmer-
Lemeshow e o teste Chi-Square de Pearson quando o valor do desvio é pequeno ou quando o
seu p-value é maior que 0.05, pode-se inferir que o modelo é adequado para o teste de Hosmer-
Lemeshow. Nesse caso, obteve-se o p-value de 0,606 e o Pearson p-value de 0,999. Nesta
primeira análise foi satisfatório para todas as variáveis. Os testes de adequação do modelo
também apresentaram p-values aceitáveis.








Figura 6 - Análise das variáveis com o produto

De acordo com a Fig. 6, a variável Recommend Dealer não possui grande significância
na recomendação do produto pelo cliente, diferentemente do que acontece com as variáveis
Unresolverd Problems e Overall Exp
Contudo, o modelo apresentou uma série de observações não usuais, com variáveis de
alavancagem e outliers. As observações 87, 60, 56 e 40 apresentaram valores altos de
alavancagem. Conforme apresentado na Tab. 2.

Tabela 2 – Observações não usuais/ resíduos

Linha Cliente

Recommend
Dealer
Unresolved
Problems
Overall Exp Recomenda
Produto
40 1N04630XVE0028430 9 2 1 8 - Sim
56 1NW4630XAE0000554 0 2 2 8 - Sim
60 1NW4630XAE0000649 6 1 1 9 - Sim
87 1NW4630XCE0000759 7 1 1 8 - Sim
13
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Ao analisar a resposta da linha 40, observa-se que o cliente pontuou o Dealer com a
nota 9, a Unresolved Problems com nota 2 e a Overall Exp como nota 1 e mesmo com esta
pontuação este cliente recomendou o produto. Este cliente teve problemas com a máquina e, ao
solicitar peças para reparo, houve uma grande demora no processamento do pedido do qual a
máquina ficou sem operação por dois dias ocasionando uma insatisfação. A empresa solicitou
que um consultor fosse imediatamente até a propriedade do cliente para solucionar este
problema e ele informou que a máquina possui desempenho excepcional, porém a pontuação
baixa foi pela demora.
Na linha 56, o cliente pontuou com nota 0, nota 2, nota 1 o Dealer, a Unresolved
Problems e a Overall Exp respectivamente, porém a sua nota em recomendação do produto foi
8. Por meio do questionário, este cliente inseriu um comentário justificando as notas baixas. A
empresa X entrou em contato com o cliente de modo a entender melhor a situação, no entanto,
o cliente está satisfeito com o produto, mesmo havendo a reclamação da assistência informando
que estão com poucos técnicos e os existentes não são bem qualificados para prestar assistência
técnica, além da demora no atendimento.
A empresa justificou com o cliente que estão trabalhando na restruturação da equipe
técnica e que também foram adquiridos dois caminhões para fazer o transporte diário de peças
entre as lojas, de forma a atender mais rapidez e agilidade a demanda de peças.
Observa-se que o cliente da linha 60 pontuou o Dealer, a Unresolved Problems e a
Overall Exp respectivamente com as notas 6,1,1, no entanto após essa pontuação o cliente
recomendou o produto. Acredita-se que esta recomendação se deve pelo fato da empresa ter
realizado uma ação corretiva e ter oferecido um desconto, no qual cliente não teve custos
adicionais com processo, o supervisor de serviços entrou em contato com o cliente pedindo
desculpas pelo ocorrido.
O cliente da linha 87, pontou o Dealer, a Unresolved Problems e a Overall Exp
respectivamente com as notas 7,1,1. Essa pontuação deve-se por problemas de furos nas
mangueiras e a falta de peças na concessionária, ocorrendo um desgaste para o cliente gerando
a insatisfação. A empresa X foi informada das reclamações e tendo como ação a troca de 100%
das mangueiras, sem custos adicionais, sendo que o supervisor de peças foi incumbido de
realizar ações para melhorar o estoque de peças da concessionária.
Por meio das ações corretivas, entende-se que a empresa está trabalhando para atender
as reais necessidades dos clientes, a fim de melhorar as relações entre empresa e cliente. Para
14
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
uma maior confiabilidade deste modelo, com o objetivo de melhorar a performance, estes
pontos foram retirados e uma nova análise foi realizada, gerando os resultados apresentados na
Fig. 7.
Figura 7 - Resultado da segunda análise de regressão logística

A partir da nova análise, os resultados de R-Sq e R-Sq (adj) ajustados foram 78,61% e
78,14%, respectivamente.
Os valores VIF foram de 1,12 mantendo seus valores dentro do permitido, indicando a
não existência de multicolinearidade comprovados pelos valores de VIF. A variável DF para o
teste de Hosmer-Lemeshow e o teste Chi-Square de Pearson apresentaram p-value 0,653 e
1,000 respectivamente apresentam que o modelo possui significância.
A equação final obtida, que descreve o comportamento dos dados sob análise é
representada pela Eq. (2).


?? = ?5,961 + 0,658?1 + 0,845?2 (2)

O gráfico de efeitos principais foi empregado para verificar o impacto de cada uma das
variáveis do modelo na variável de reposta (Y). Conforme a Fig. 8 ilustra, nota-se que as
variáveis Unresolved Problems e Overall Exp exercem grande influência positiva nos
resultados do modelo. Estes resultados implicam que pequenas alterações nos valores destas
15
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
variáveis têm grande impacto na resposta do cliente com relação à sua resposta quanto a
recomendação ou não do produto.








Figura 8 - Gráficos de efeitos principais

A fim de confirmar a correlação positiva apresentada na Fig. 4 foi utilizado os gráficos
de Contorno e de Superfície com as duas variáveis mais impactantes no modelo: Unresolved
Problems e Overall Exp.
Gráficos de contorno e superfície são excelentes ferramentas visuais para fins de
reconhecimento de tendências e relação entre variáveis de um modelo. Este gráfico demonstra
o relacionamento em duas dimensões onde os valores são representados por contornos plotados
nas escalas x e y. Assim, este gráfico tem a aparência de uma topografia de um relevo.
O Gráfico de superfície vem para auxiliar nesta análise apresenta uma visão
tridimensional do relacionamento existente entre as variáveis. Este tipo de gráfico proporciona
uma visão mais clara da influência que cada variável exerce. A Fig. 9 representa o gráfico de
Contorno obtido para realização da análise de correlação entre as variáveis principais e a
variável de resposta do modelo. Os valores estão principalmente concentrados na parte superior
direita do gráfico, apontando para a localização dos extremos das variáveis sob análise.

16
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE

Figura 9 - Gráfico de contorno

A Fig. 10 ilustra o Gráfico de Superfície para as mesmas variáveis. Com o auxílio do
Gráfico de Superfície, é possível ter a certeza do comportamento das variáveis principais frente
à variável de resposta. É possível perceber que o ponto máximo da variável recomenda está
diretamente ligado aos pontos máximos das variáveis explicativas do modelo.








Figura 10 - Gráfico de Superfície


Os gráficos de contorno e superfície, ilustrados nas Figs. 9 e 10, confirmam que quanto
maiores são os valores das variáveis relacionadas à experiência geral do cliente e o volume de
problemas resolvidos, maiores são as chances do cliente recomendar o produto.

UNRESOLVED PROBLEMS
O
VE
RA
LL
E
XP
1086420
10
8
6
4
2
0
>
–
–
–
–
< 0,1
0,1 0,3
0,3 0,5
0,5 0,7
0,7 0,9
0,9
Recomenda
Contour Plot of Recomenda vs OVERALL EXP; UNRESOLVED PROBLEMS
0
5
0,0
,0 5
10
5
0
10
1,0
Recomend
PXE LLAREVO
DEVLOSERN PROBLEMU S
urfa e Plot of R co enda vs OVERALL EXP; US RESOLVED PROBLEMSN
17
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
CONSIDERAÇÕES FINAIS

Neste artigo, utilizou-se o software Minitab® como ferramenta útil para a análise da
percepção da satisfação dos clientes. Com o uso da técnica de estatística foi possível a analisar
e identificar as variáveis com maior interação para a pesquisa aplicada na empresa X no ano de
2015.
Conforme apresentado, as notas entre 8 e 10 de clientes que recomendariam o produto,
são considerados pela empresa como clientes promoters da marca, ou seja, são clientes que irão
promover os seus produtos para outros clientes.
Dessa forma, o objetivo deste trabalho era identificar os fatores que exercem maior
influência na satisfação dos clientes, e assim tais clientes contribuírem para a promoção da
marca. Por meio dos dados apresentado na Figura 3, pôde-se identificar que os problemas não
resolvidos e a experiência global do produto estão diretamente interligados com o cliente
recomendar o produto.
Os resultados alcançados referentes à percepção do serviço apontam que os clientes
avaliaram com menor nota a variável concessionária, ou seja, a concessionária pela qual o
cliente adquiriu o produto, não influencia de maneira significante em um cliente recomendar
ou não o produto.
Como a variável resposta do problema estudado era de caracter dicotômica e
apresentava como valores possíveis a insatisfação e a completa satisfação do cliente, o método
utilizado para atingir o objetivo traçado foi o modelo de regressão logística que pode ser
confirmado por meio dos parâmetros analisados p-value, a variável DF para o teste de Hosmer-
Lemeshow, o teste Chi-Square de Pearson, o VIF (fator de inflação da variância), R-Sq
(coeficiente de determinação) e R-Sq (adj) conforme apresentados na seção 4.
O presente artigo, com base nos resultados obtidos pelo estudo de análise estatística de
regressão logística, aplicada como forma de analisar a percepção da satisfação dos clientes de
uma empresa de produtos de máquina e implementos agrícolas, sugere que o questionário seja
apresentado com mais detalhes de informação, pois assim é possível a identificação de novas
variáveis que possa ter influência na promoção da marca, por parte do cliente. Sugere-se ainda,
que esta análise possa ser estendida aos demais produtos da empresa, contribuindo assim, para
o aumento da satisfação dos clientes, promoção da marca e qualidade nos serviços prestados.
18
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Na área acadêmica, este trabalho contribui como uma fonte bibliográfica sobre a
aplicação estatística em controle da qualidade, e em especial sobre a utilização da regressão
logística. Do ponto de vista empresarial, apresenta-se a contribuição tanto no sentido de
identificar as variáveis que influenciam diretamente com a promoção da marca, quanto no
sentido de melhoria contínua, preservação de clientes e qualidade total.
O presente trabalho também permite aplicações futuras do uso da regressão logística,
que é uma análise ainda pouco explorada. Nese sentido, a metodologia utilizada neste trabalho,
poderá ser aplicada em outras áreas da empresa, como, por exemplo, para identificar as
variáveis que afetam a produtividade de seus funcionários, já que anualmente, a empresa aplica
um questionário para mensurar o nível de satisfação de seus colaboradores, e que também a
empresa desenvolva ações preventivas afim de minimizar os problemas dos clientes.
Para trabalhos futuros, sugere-se a aplicação deste método para área de Engenharia do
Produto, na qual são realizados projetos de engenharia dos quais os departamentos de qualidade,
manufatura, suprimentos, logística e controladoria realizam atividades para implementação no
chão de fábrica de melhorias continuas do produto, o método estudado poderá contribuir e
identificar as principais variáveis que influenciam no cumprimento das atividades para
implementação no chão de fábrica.

REFERÊNCIAS

AAKER, D, A. Marcas: Brand Equity, Gerenciando o Valor da Marca. São Paulo: Elsevier,
2000.

BATESON, J. E. G.; HOFFMAN, K. D. Marketing de serviços. Porto Alegre: Bookman, 2001.

CHISNALL, P. M.; Pesquisa Mercadológica. Saraiva: 1980

FIGUEIRA, C. V. Modelos de Regressão Logística. Dissertação de Mestrado - UFRGS, 2006.

FITZSIMMONS, J. A.; FITZSIMMONS, M. J. Administração de serviços: operações,
estratégia e tecnologia de informação. Porto Alegre: Bookman, 2000.

FORZA, C. Survey Research in Operations Management: a process-based perspective.
International of Operations and Production Management. v.22, n. 2, 2002

FOWLER, E. D. Investigação sobre a utilização de Programas de Qualidade (GESPÚBLICA)
nas Universidades Federais de Ensino Superior. 2008. 38p. Dissertação (Mestrado em Ciências
em Engenharia de Produção) – Universidade Federal de Itajubá, Itajubá, 2008.

GRÕNROOS, C. Service Management and Marketing. Lexington, Massachusetts, USA:
19
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Lexington Books. 1990.

HOSMER, D. W., LEMESHOW, S. Applied Logistic Regression. New York. John Wiley &
Sons, 2000.

KOTLER, P. Administração de marketing: a edição do novo milênio. São Paulo: Prentice Hall,
2000.

IGNÁCIO, S.A. Importância da Estatística para o Processo de Conhecimento e Tomada de
Decisão. Curitiba, Governo do Estado do Paraná, 2010.

MINITAB® <www.minitab.com/ pt-br/company> Sobre o Minitab. Acesso em 18/10/2017.

MONTGOMERY, D. Introdução ao Controle Estatístico da Qualidade. Rio de Janeiro: LTC,
2011.

MONTGOMERY, D. C, RUNGER G.; C. Applied Statistics and Probability for Engineers
Nova Iorque, John Wiley & Sons, 2014.

MONTGOMERY, D. C, PECK, E. A, VINING, G.G. Introduction to linear Regression
Analysis. Nova Iorque, John Wiley & Sons, 2012.


PARASURAMAN, A.; ZEITHAML, V. A.; BERRY, L. L. A Conceptual model of service
quality and its implications for the future research. Journal of Marketing, vol. 49, Fall, 1985.

SLACK, N.; CHAMBERS, R.; JOHNSTON, R. Administração da Produção. São Paulo:
Atlas, 2007

GARVIN, D. A. Gerenciando a qualidade. Rio de Janeiro: Qualitymark

---

Arquivo de entrada: ARTIGO REVISTA BJPE SA.pdf (4349 termos)
Arquivo encontrado: http://periodicos.ufes.br/BJPE/article/download/v4n2_8/pdf (4564 termos)

Termos comuns: 62
Similaridade: 0,7%





Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
ARTIGO ORIGINAL OPEN ACCESS
Disponível em: http://periodicos.ufes.br/BJPE/index

ANÁLISE DA PERCEPÇÃO DA SATISFAÇÃO DOS CLIENTES DE UMA EMPRESA DE
PRODUTOS DE MÁQUINAS E IMPLEMENTOS AGRÍCOLAS
ANALYSIS OF THE PERCEPTION OF CUSTOMER SATISFACTION OF A COMPANY
OF MACHINERY PRODUCTS AND AGRICULTURAL IMPLEMENTS

Autor1*;Autor2

1 2Departamento de Engenharia de Produção da Universidade Federal de Catalão, Av Dr Lamartine Pinto de
Avelar, nº1440, Vila Chaud, Catalão, Goiás*
ARTIGO INFO.
Recebido em:
Aprovado em:
Disponibilizado em:
PALAVRAS-CHAVE: Regressão logística. Controle
estatístico da qualidade, Controle de qualidade

KEYWORDS: Logistic regression. Statistical control
of quality, Quality control.

Copyright © 2018, ------. Esta obra está sob uma Licença Creative
Commons Atribuição-Uso.

*Autor Correspondente: Revista BJPE

RESUMO
Um estudo estatístico utilizando o software Minitab é
apresentado neste artigo, cujo principal objetivo é o de
identificar os fatores que influenciam os clientes a
escolherem um produto de uma empresa produtora de
máquinas e implementos agrícolas. É apresentado, um
modelo de regressão logística identificando os
principais fatores de tal influência, para comprovar a
qualidade modelo obtida pelo software Minitab. São
comparadas seis medidas de desempenho juntamente
com o gráfico de efeitos. Pôde-se identificar que os
fatores ligados aos problemas não resolvidos e a
experiência global do produto estão diretamente
interligados ao cliente recomendar o produto.





ABSTRACT

A statistical study using Minitab software is presented
in this paper, whose main objective is to identify the
factors that influence customers to choose a product
from a company that produces agricultural machinery
and implements. It is presented a logistic regression
model identifying the main factors of such influence,
to prove the model quality obtained by the software
Minitab. Are compared six measures of performance
together with the effect graph. It could be identified
that the factors linked to the Unresolved Problems and
the Everall Experience of the product are directly
interconnected to the customer recommending the
product.












INTRODUÇÃO
Citação (APA): AUTOR 1, AUTOR 2 Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e
Implementos Agrícolas. Brazilian Journal of Production Engineering, X(1): aa-aa.
2
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE

Em decorrência das mudanças nos padrões de comportamento dos consumidores e de
suas crescentes exigências, as organizações cada vez mais buscam elementos que as tornem
mais competitivas. No que se trata de atrair, satisfazer e fidelizar clientes, elas adotam
estratégias cada vez mais agressivas com relação ao nível de serviços e qualidade de produtos,
fazendo com que este aspecto se torne um diferencial competitivo
Segundo Kotler (2000), os níveis de satisfação dos clientes têm relação com dois fatores:
prazer ou desilusão. De acordo com o autor, estes fatores levam em consideração a relação entre
desempenho percebido e expectativas acerca do produto e/ou serviço experimentado.
Segundo Aaker (2000) é necessário conhecer o seu consumidor, tratá-lo com respeito,
aproximar a empresa do cliente, para tanto, é necessário desenvolver métodos para que o cliente
visualize essa aproximação, além de criar a possibilidade de se mensurar a satisfação por meio
de pesquisas com a finalidade de se fazer mudanças para solucionar problemas encontrados.
Em seus trabalhos Slack, Chambers e Johnston (2007) afirmam que um cliente, com
elevados níveis de satisfação com relação à qualidade do serviço e/ou produto, retornará à
organização em futuras oportunidades, sendo ele considerado promotor da marca, pois
recomendam e trazem consigo novos clientes.
É necessário que as organizações desenvolvam mecanismos que captem as reais
necessidades dos clientes e que sirvam como apoio ao processo de tomada de decisão.
Segundo Ignácio (2010), a utilização de métodos estatísticos é bastante disseminada nos
diversos setores públicos e privados. O autor destaca que os resultados obtidos são utilizados
para melhorar os incrementos na produção, auxiliando os governantes a conhecerem melhor a
população e compreender as necessidades, entre outros aspectos, e, por isso, a estatística é
considerada uma ferramenta essencial em ambientes produtivos, para a disseminação desse
conhecimento.
As diversas ferramentas da estatística são responsáveis pelo planejamento de
experimentos e interpretação de dados obtidos por pesquisas de campo e apresentação dos
resultados, cujo intuito é de facilitar a tomada de decisão por parte dos gestores (IGNÁCIO,
2010).
Dentro desse cenário, o objetivo geral deste trabalho é o de analisar os fatores que
exercem influência na satisfação dos clientes de uma empresa produtora de máquinas e
implementos agrícolas no pulverizador, a partir de uma pesquisa aplicada pela empresa no ano
3
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
de 2015. Assim, este trabalho tem como foco as análises destes fatores e não na condução da
pesquisa tipo survey.
Especificamente os objetivos deste trabalho são: coletar e analisar os dados das
pesquisas de satisfação dos clientes; compreender as decisões de clientes; analisar os níveis de
satisfação dos clientes; analisar os resultados obtidos e sugerir melhorias.
Além disso, a execução deste trabalho busca corroborar ou falsear as seguintes hipóteses:
•X1 – Recomenda a concessionária (Recommend Dealer);
•X2 - Experiência global com produto (Overall Exp);
•X3 - Problemas não solucionados (Unresolved Problems);
•Y1 - Recomendar o produto.

2. QUALIDADE

As organizações estão inseridas em um mercado altamente competitivo, sendo
indispensável conquistar novos mercados e atender consumidores (CLARK;
WHEELWRIGHT, 1993). Diante disso, para o desenvolvimento e sobrevivência é
imprescindível a adaptação das empresas nas necessidades dos clientes e buscar melhorias
contínuas dos processos e produtos. Parasuraman et al. (1985) define qualidade como a
altercação entre as perspectivas e as percepções do cliente quanto ao serviço prestado.
Garvin (1992) classifica cinco enfoques para a definição dessa qualidade, a saber: 1) o
enfoque transcendental; 2) o enfoque baseado no produto; 3) o enfoque baseado no usuário; 4)
o enfoque baseado na fabricação e também o 5) enfoque baseado no valor. Os apontamentos de
Garvin (1992) auxiliam na melhor compreensão dos objetivos desta pesquisa e no real papel da
qualidade no setor de serviços, pois as empresas devem oferecer qualidade aos seus clientes,
bem como comprometimento em todos os níveis.

2.1. QUALIDADE EM SERVIÇOS E SATISFAÇÃO DOS CLIENTES

Para Fitzsimmons e Fitzsimmons (2000), o setor de serviços possui uma importância
econômica, pois não é visto como um facilitador de produção de bens.
4
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Para compreensão da qualidade em serviço é necessário estabelecer uma comunicação
direita entre cliente e empresa e ouvir críticas e sugestões com a finalidade de transformar
produtos e serviços. Segundo Fowler (2008), qualidade em serviços é baseada em quatro
enfoques que são: confiabilidade, segurança, cordialidade e receptividade. Grönroos (1999a),
afirma que para se ter competitividade é imprescindível que as organizações conheçam a
qualidade de acordo com percepção do cliente. Para Hoffman e Bateson (2006), a definição de
serviços se resume em ações, esforços e desempenhos, os autores também mencionam que o
serviço é intangível, pois são produtos que não possuem propriedades físicas e que os
consumidores apreciam antes de tomar a decisão de obter. Os mesmos autores destacam ainda
que a qualidade em serviços é avaliada em termos gerais e deve perdura por longo período sobre
o comportamento das organizações.

2.2. REGRESSÃO LOGÍSTICA

De acordo com Samohnl (2000) os métodos que utilizam a regressão simples continuam
considerando apenas duas variáveis, dependente e independente, mas, as organizações precisam
lidar com mais de duas variáveis e o autor destaca que nesses casos a regressão múltipla é a
mais indicada.
Figueira (2006) define que a regressão logística traz formas lineares tendo como um
componente aleatório, ordenado e função de amarração que liga os resultados esperados com
as variáveis.
Para Montgomey (2011) na regressão logística ocorre a situação em que a variável
dependente é de natureza dicotômica, atribuindo-se 1 ao evento de interesse (sucesso) e 0 ao
evento ao evento complementar (fracasso), onde a ocorrência de um implica diretamente na não
ocorrência do outro
Nestes pontos de definições, surgem duas grandes diferenças entre os modelos de
regressão linear e o modelo de regressão logística. Primeiro, na regressão logística os valores
esperados dos erros podem assumir apenas dois valores: 0 e 1, diferente da regressão linear em
que esses valores podem assumir qualquer valor positivo ou negativo. A segunda diferença é
encontrada na variância dos erros, pois na regressão logística, esses valores têm média zero e
variância igual a ?(?)[1 ? ?(?)]. Para este caso, a distribuição Binomial é a mais apropriada
para caracterizar a distribuição de probabilidade desses dados.
5
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Com a intenção de trazer algumas características desejáveis provenientes do modelo de
regressão linear, faz-se uso da transformação logit, g(x).

2.3. FUNÇÃO LOGIT

A função logit é linear em seus parâmetros podendo compreender qualquer valor
positivo ou negativo (HOSMER;LEMESHOW, 2000). Montgomery, Peck e Vining (2012)
definem a função logit como o que chamamos de função de ligação para a distribuição binomial.
A principal característica desta função é transformar probabilidades de variáveis resposta
categóricas (na qual existe entre 0 e 1) em uma escala contínua que pode ser modelada com
uma equação de regressão linear. A função logit é representada pela Eq. (1).

????? = ??? (
??
1 ? ??
) (1)

Onde ?? é a probabilidade observada no nível i da variável de resposta categórica. A
Função de ligação é a principal responsável por prover uma boa adequação do modelo aos dados
(MONTGOMERY; PECK; VINING, 2012).

2.4. TESTES DE ADEQUAÇÃO DO MODELO

Os testes de adequação do modelo são conduzidos no intuito de verificar se a equação
gerada produzirá resultados condizentes com a população estudada (MONTGOMERY; PECK;
VINING, 2012).
O teste de significância do modelo permite o pesquisador identificar se o modelo tem
boa adequação aos dados coletados, ou seja, se ele realmente representa o comportamento da
população estudada. No teste de significância de modelos de regressão logística, alguns
parâmetros são testados (MONTGOMERY;RUNGER, 2014).
Quando o modelo de regressão logística é adequado, o seu desvio tem uma distribuição
Chi-Square com n-p graus de liberdade (representado pelo software Minitab® 2013 por DF),
onde p é o número de parâmetros do modelo. Quando o valor do desvio é pequeno ou quando
6
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
o seu p-value é maior que 0.05, pode-se inferir que o modelo é adequado aos dados
(MONTGOMERY; PECK; VINING, 2012).
Outros testes são realizados durante a análise de significância do modelo, como, por
exemplo, o teste Chi-Square de Pearson. Esta estatística pode ser comparada a distribuição chi-
quadrada com n-p graus de liberdade. Valores pequenos desta estatística (ou p-values grandes)
implicam que o modelo é satisfatório. Quando o modelo não apresenta réplicas das variáveis
regressoras, as observações podem ser agrupadas (O número de grupos gerados é representado
por g) para que o teste de Hosmer-Lemeshow (HL) possa ser aplicado. Esta estatística é apenas
um teste Chi-Square de Pearson que compara os valores esperados com os observados
(MONTGOMERY; PECK; VINING, 2012).
Se o modelo for adequado, a estatística HL terá distribuição chi-quadrada. Valores
grandes desta estatística (valores pequenos de p-value) significam que o modelo não é
adequado. (MONTGOMERY; PECK; VINING, 2012).
Os coeficientes de determinação (R²) são também utilizados como método para verificar
a adequação do modelo. Entende-se que o coeficiente de determinação (R²) é a proporção ou a
porcentagem em que a variação da variável de resposta do modelo (y) é explicada pelas
variáveis independentes (x). (MONTGOMERY; PECK; VINING, 2012., MONTGOMERY;
RUNGER, 2014).

2.5. ANÁLISES GRÁFICAS DO MODELO

O gráfico de efeitos principais é utilizado para comparar o impacto de todos os fatores
do modelo de uma só vez. Dessa forma, fica visível, não somente pelos dados, mas por meio
de uma ilustração, quais são as variáveis mais impactantes do modelo. Neste tipo de gráfico,
quanto mais vertical é a linha da variável independente, mais impactante ao modelo esta
variável é (MONTGOMERY; RUNGER, 2014).
A Fig. 1 apresenta uma ilustração de como o gráfico é apresentado. É importante notar
que a variável B é significativamente mais impactante que a variável A. Nesta representação a
variável B influencia negativamente o modelo.

7
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE

Figura 1 - Gráfico de efeitos principais

Gráficos de controle e gráficos de superfície são baseados nas mesmas premissas.
Ambos ilustram a relação dimensional existente entre duas variáveis do modelo, estas
previamente selecionadas pelo pesquisador. Estes gráficos são utilizados para identificar
pontos “ótimos” das variáveis selecionadas que possam proporcionar o melhor valor da variável
de resposta (MONTGOMERY; RUNGER, 2014).
No gráfico de contorno há a presença de faixas com diferentes cores (como um mapa
topográfico bidimensional, por exemplo), onde cada uma das zonas coloridas representam
faixas de valores das variáveis de resposta. Quanto mais escura é a região, maiores são os
valores da variável Y.
O gráfico de superfície, como citado previamente, funciona sob o mesmo princípio,
porém em uma imagem tridimensional, ambas as metodologias podem ser verificadas na Fig.
2.

Figura 2 - Gráficos de a) Contorno e b) Superfície.

8
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
3. COLETA DE DADOS

Este artigo utiliza uma abordagem quantitativa com análise de dados por meio da
regressão logística binária, a coleta de dados é uma etapa fundamental para a sua execução e
sucesso.
A coleta de dados foi realizada no banco de dados da Empresa X. A Empresa X aplica
questionários para análise da satisfação de seus clientes periodicamente. Os dados das respostas
são armazenados em banco de dados, porém, sem realização de análises estatísticas especificas.
Com isso foi possível exportar os resultados das pesquisas de satisfação para clientes com
relação ao produto, nesse caso pulverizadores no ano de 2015. Os dados foram tabulados
utilizando uma planilha eletrônica que viabilizou uma organização inicial dos dados.
Como os dados foram extraídos de um banco de dados existente, a pesquisa se
caracteriza como documental e os dados como secundários. São considerados dados
secundários aqueles que, segundo Chisnall (1980), já foram coletados anteriormente e são úteis
para finalidades e levantamentos específicos.
A coleta e análise de dados seguem a metodologia Survey. Segundo Forza (2002), esta
metodologia envolve a coleta de informações individuais (obtida por meio de ligações,
entrevistas pessoais, questionários eletrônicos, e-mail etc.) sobre os indivíduos ou sobre o meio
social em que estão inseridos. Ainda segundo o autor, as amostras coletadas pelo survey são
capazes de apresentar informações sobre grandes populações com um determinado nível de
acuracidade.

4. ANÁLISE DOS DADOS

Para a organização dos dados desta pesquisa, as respostas estavam em uma planilha de
forma dispersa, gerando dificuldades no entendimento dos dados. Deste modo, a digitação e
análises dos dados se deram pelo software Minitab®, o que possibilitou uma melhor
visualização dos dados do qual foram organizados em linhas de 1 a 320, contendo 10 colunas,
sendo a primeira, classificada como cliente; a segunda, recomendação da concessionária; a
terceira, problemas não solucionados; a quarta, experiência global; a quinta, recomendação do
produto e na sexta coluna foi elaborada uma regra geral de 0 a 10, em que, para valores de 0 a
7, o cliente não recomenda o produto e para valores de 8 a 10, o cliente recomenda o produto.
9
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Nas cinco colunas seguintes estão os comentários das variáveis analisadas como demostra as
Fig. 3.
Figura 3 – Organização dos dados iniciais das variáveis

Para as variáveis analisadas serão consideradas uma amostra de 320 respostas de
clientes da Empresa X, sendo que as variáveis consideradas são: recomenda a concessionária,
experiência global com o produto, problemas não solucionados.
Neste estudo, essas variáveis têm um relacionamento direto entre o cliente indicar o
produto, pulverizadores auto propelidos, por ela oferecido. Os clientes responderam um
questionário online onde pontuaram a empresa de 0 a 10. Os clientes que atribuíram notas entre
0 e 7 são considerados insatisfeitos e as notas entre 8 a 10 mostram clientes totalmente
satisfeitos. Os clientes que pontuaram a empresa com notas acima de 8 são considerados
promotores da marca.
As variáveis utilizadas no modelo são apresentadas na Tab. 1.

10
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Tabela 1 – Interpretação das variáveis utilizadas no modelo
Variável Interpretação
Recommend Dealer Recomenda a concessionária?
Unresolved Problems Os problemas não solucionados?
Overall Exp Experiência global com produto.

Realizando a análise de regressão dos dados por meio do método Logit da Eq. (1),
obteve-se os resultados apresentados na Fig.(4).

Figura 4 - Resultado primeira análise de regressão

Neste artigo são analisados cinco parâmetros para verificação da significância do
modelo, sendo elas: p-value, a variável DF para o teste de Hosmer-Lemeshow e o teste Chi-
Square de Pearson, o VIF (fator de inflação da variância) R-Sq (coeficiente de determinação) e
R-Sq (adj) ajustado.

11
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE










Figura 5 - Resultado primeira análise de regressão

O p-value obtido para a variável Recommend Dealer (0,846) foi significativamente
maior que o permitido. Dessa forma, o Minitab® traz que para valores nos quais o coeficiente
p-value são maiores que 0,05, admite-se que esta é uma variável que não possui relação
significativa com o modelo. De maneira inversa, os p-value obtidos para variáveis problemas
não solucionados e experiência global com produto foram aceitáveis, pois os valores de p-value
foram menores que 0.05 o que comprova estaticamente que estas variáveis possuem relação
significativa com a variável recomenda produto.
Os valores R-Sq (coeficiente de determinação) e R-Sq (adj) (coeficiente de
determinação ajustado) foram, respectivamente, 72,04% e 71,35%. O R-Sq representa a
percentagem de variação da resposta que é explicada pela sua relação com uma ou mais
variáveis de previsão. Geralmente, quanto maior o R-Sq, melhor o modelo se adapta os dados.
R-Sq (Adj) é o percentual de variação da resposta que é explicado por sua relação com uma ou
mais variáveis de previsão, ajustado para o número de termos do modelo. Este ajustamento é
importante no sentido em que o R-Sq para qualquer modelo tende a sempre aumentar quando
um novo termo é adicionado, porém é o R-Sq (adj) que dará a informação se esse novo termo
influencia ou não no modelo. Se seu valor aumentar, o novo termo tem influência no modelo,
caso contrário, mesmo o R-Sq aumentando, ele não influenciará no modelo.
12
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
O VIF (fator de inflação da variância) por definição do software para ser considerado
bom deve ser abaixo de 5 e o valor de VIF foi de 1,06. A variável DF para o teste de Hosmer-
Lemeshow e o teste Chi-Square de Pearson quando o valor do desvio é pequeno ou quando o
seu p-value é maior que 0.05, pode-se inferir que o modelo é adequado para o teste de Hosmer-
Lemeshow. Nesse caso, obteve-se o p-value de 0,606 e o Pearson p-value de 0,999. Nesta
primeira análise foi satisfatório para todas as variáveis. Os testes de adequação do modelo
também apresentaram p-values aceitáveis.








Figura 6 - Análise das variáveis com o produto

De acordo com a Fig. 6, a variável Recommend Dealer não possui grande significância
na recomendação do produto pelo cliente, diferentemente do que acontece com as variáveis
Unresolverd Problems e Overall Exp
Contudo, o modelo apresentou uma série de observações não usuais, com variáveis de
alavancagem e outliers. As observações 87, 60, 56 e 40 apresentaram valores altos de
alavancagem. Conforme apresentado na Tab. 2.

Tabela 2 – Observações não usuais/ resíduos

Linha Cliente

Recommend
Dealer
Unresolved
Problems
Overall Exp Recomenda
Produto
40 1N04630XVE0028430 9 2 1 8 - Sim
56 1NW4630XAE0000554 0 2 2 8 - Sim
60 1NW4630XAE0000649 6 1 1 9 - Sim
87 1NW4630XCE0000759 7 1 1 8 - Sim
13
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Ao analisar a resposta da linha 40, observa-se que o cliente pontuou o Dealer com a
nota 9, a Unresolved Problems com nota 2 e a Overall Exp como nota 1 e mesmo com esta
pontuação este cliente recomendou o produto. Este cliente teve problemas com a máquina e, ao
solicitar peças para reparo, houve uma grande demora no processamento do pedido do qual a
máquina ficou sem operação por dois dias ocasionando uma insatisfação. A empresa solicitou
que um consultor fosse imediatamente até a propriedade do cliente para solucionar este
problema e ele informou que a máquina possui desempenho excepcional, porém a pontuação
baixa foi pela demora.
Na linha 56, o cliente pontuou com nota 0, nota 2, nota 1 o Dealer, a Unresolved
Problems e a Overall Exp respectivamente, porém a sua nota em recomendação do produto foi
8. Por meio do questionário, este cliente inseriu um comentário justificando as notas baixas. A
empresa X entrou em contato com o cliente de modo a entender melhor a situação, no entanto,
o cliente está satisfeito com o produto, mesmo havendo a reclamação da assistência informando
que estão com poucos técnicos e os existentes não são bem qualificados para prestar assistência
técnica, além da demora no atendimento.
A empresa justificou com o cliente que estão trabalhando na restruturação da equipe
técnica e que também foram adquiridos dois caminhões para fazer o transporte diário de peças
entre as lojas, de forma a atender mais rapidez e agilidade a demanda de peças.
Observa-se que o cliente da linha 60 pontuou o Dealer, a Unresolved Problems e a
Overall Exp respectivamente com as notas 6,1,1, no entanto após essa pontuação o cliente
recomendou o produto. Acredita-se que esta recomendação se deve pelo fato da empresa ter
realizado uma ação corretiva e ter oferecido um desconto, no qual cliente não teve custos
adicionais com processo, o supervisor de serviços entrou em contato com o cliente pedindo
desculpas pelo ocorrido.
O cliente da linha 87, pontou o Dealer, a Unresolved Problems e a Overall Exp
respectivamente com as notas 7,1,1. Essa pontuação deve-se por problemas de furos nas
mangueiras e a falta de peças na concessionária, ocorrendo um desgaste para o cliente gerando
a insatisfação. A empresa X foi informada das reclamações e tendo como ação a troca de 100%
das mangueiras, sem custos adicionais, sendo que o supervisor de peças foi incumbido de
realizar ações para melhorar o estoque de peças da concessionária.
Por meio das ações corretivas, entende-se que a empresa está trabalhando para atender
as reais necessidades dos clientes, a fim de melhorar as relações entre empresa e cliente. Para
14
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
uma maior confiabilidade deste modelo, com o objetivo de melhorar a performance, estes
pontos foram retirados e uma nova análise foi realizada, gerando os resultados apresentados na
Fig. 7.
Figura 7 - Resultado da segunda análise de regressão logística

A partir da nova análise, os resultados de R-Sq e R-Sq (adj) ajustados foram 78,61% e
78,14%, respectivamente.
Os valores VIF foram de 1,12 mantendo seus valores dentro do permitido, indicando a
não existência de multicolinearidade comprovados pelos valores de VIF. A variável DF para o
teste de Hosmer-Lemeshow e o teste Chi-Square de Pearson apresentaram p-value 0,653 e
1,000 respectivamente apresentam que o modelo possui significância.
A equação final obtida, que descreve o comportamento dos dados sob análise é
representada pela Eq. (2).


?? = ?5,961 + 0,658?1 + 0,845?2 (2)

O gráfico de efeitos principais foi empregado para verificar o impacto de cada uma das
variáveis do modelo na variável de reposta (Y). Conforme a Fig. 8 ilustra, nota-se que as
variáveis Unresolved Problems e Overall Exp exercem grande influência positiva nos
resultados do modelo. Estes resultados implicam que pequenas alterações nos valores destas
15
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
variáveis têm grande impacto na resposta do cliente com relação à sua resposta quanto a
recomendação ou não do produto.








Figura 8 - Gráficos de efeitos principais

A fim de confirmar a correlação positiva apresentada na Fig. 4 foi utilizado os gráficos
de Contorno e de Superfície com as duas variáveis mais impactantes no modelo: Unresolved
Problems e Overall Exp.
Gráficos de contorno e superfície são excelentes ferramentas visuais para fins de
reconhecimento de tendências e relação entre variáveis de um modelo. Este gráfico demonstra
o relacionamento em duas dimensões onde os valores são representados por contornos plotados
nas escalas x e y. Assim, este gráfico tem a aparência de uma topografia de um relevo.
O Gráfico de superfície vem para auxiliar nesta análise apresenta uma visão
tridimensional do relacionamento existente entre as variáveis. Este tipo de gráfico proporciona
uma visão mais clara da influência que cada variável exerce. A Fig. 9 representa o gráfico de
Contorno obtido para realização da análise de correlação entre as variáveis principais e a
variável de resposta do modelo. Os valores estão principalmente concentrados na parte superior
direita do gráfico, apontando para a localização dos extremos das variáveis sob análise.

16
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE

Figura 9 - Gráfico de contorno

A Fig. 10 ilustra o Gráfico de Superfície para as mesmas variáveis. Com o auxílio do
Gráfico de Superfície, é possível ter a certeza do comportamento das variáveis principais frente
à variável de resposta. É possível perceber que o ponto máximo da variável recomenda está
diretamente ligado aos pontos máximos das variáveis explicativas do modelo.








Figura 10 - Gráfico de Superfície


Os gráficos de contorno e superfície, ilustrados nas Figs. 9 e 10, confirmam que quanto
maiores são os valores das variáveis relacionadas à experiência geral do cliente e o volume de
problemas resolvidos, maiores são as chances do cliente recomendar o produto.

UNRESOLVED PROBLEMS
O
VE
RA
LL
E
XP
1086420
10
8
6
4
2
0
>
–
–
–
–
< 0,1
0,1 0,3
0,3 0,5
0,5 0,7
0,7 0,9
0,9
Recomenda
Contour Plot of Recomenda vs OVERALL EXP; UNRESOLVED PROBLEMS
0
5
0,0
,0 5
10
5
0
10
1,0
Recomend
PXE LLAREVO
DEVLOSERN PROBLEMU S
urfa e Plot of R co enda vs OVERALL EXP; US RESOLVED PROBLEMSN
17
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
CONSIDERAÇÕES FINAIS

Neste artigo, utilizou-se o software Minitab® como ferramenta útil para a análise da
percepção da satisfação dos clientes. Com o uso da técnica de estatística foi possível a analisar
e identificar as variáveis com maior interação para a pesquisa aplicada na empresa X no ano de
2015.
Conforme apresentado, as notas entre 8 e 10 de clientes que recomendariam o produto,
são considerados pela empresa como clientes promoters da marca, ou seja, são clientes que irão
promover os seus produtos para outros clientes.
Dessa forma, o objetivo deste trabalho era identificar os fatores que exercem maior
influência na satisfação dos clientes, e assim tais clientes contribuírem para a promoção da
marca. Por meio dos dados apresentado na Figura 3, pôde-se identificar que os problemas não
resolvidos e a experiência global do produto estão diretamente interligados com o cliente
recomendar o produto.
Os resultados alcançados referentes à percepção do serviço apontam que os clientes
avaliaram com menor nota a variável concessionária, ou seja, a concessionária pela qual o
cliente adquiriu o produto, não influencia de maneira significante em um cliente recomendar
ou não o produto.
Como a variável resposta do problema estudado era de caracter dicotômica e
apresentava como valores possíveis a insatisfação e a completa satisfação do cliente, o método
utilizado para atingir o objetivo traçado foi o modelo de regressão logística que pode ser
confirmado por meio dos parâmetros analisados p-value, a variável DF para o teste de Hosmer-
Lemeshow, o teste Chi-Square de Pearson, o VIF (fator de inflação da variância), R-Sq
(coeficiente de determinação) e R-Sq (adj) conforme apresentados na seção 4.
O presente artigo, com base nos resultados obtidos pelo estudo de análise estatística de
regressão logística, aplicada como forma de analisar a percepção da satisfação dos clientes de
uma empresa de produtos de máquina e implementos agrícolas, sugere que o questionário seja
apresentado com mais detalhes de informação, pois assim é possível a identificação de novas
variáveis que possa ter influência na promoção da marca, por parte do cliente. Sugere-se ainda,
que esta análise possa ser estendida aos demais produtos da empresa, contribuindo assim, para
o aumento da satisfação dos clientes, promoção da marca e qualidade nos serviços prestados.
18
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Na área acadêmica, este trabalho contribui como uma fonte bibliográfica sobre a
aplicação estatística em controle da qualidade, e em especial sobre a utilização da regressão
logística. Do ponto de vista empresarial, apresenta-se a contribuição tanto no sentido de
identificar as variáveis que influenciam diretamente com a promoção da marca, quanto no
sentido de melhoria contínua, preservação de clientes e qualidade total.
O presente trabalho também permite aplicações futuras do uso da regressão logística,
que é uma análise ainda pouco explorada. Nese sentido, a metodologia utilizada neste trabalho,
poderá ser aplicada em outras áreas da empresa, como, por exemplo, para identificar as
variáveis que afetam a produtividade de seus funcionários, já que anualmente, a empresa aplica
um questionário para mensurar o nível de satisfação de seus colaboradores, e que também a
empresa desenvolva ações preventivas afim de minimizar os problemas dos clientes.
Para trabalhos futuros, sugere-se a aplicação deste método para área de Engenharia do
Produto, na qual são realizados projetos de engenharia dos quais os departamentos de qualidade,
manufatura, suprimentos, logística e controladoria realizam atividades para implementação no
chão de fábrica de melhorias continuas do produto, o método estudado poderá contribuir e
identificar as principais variáveis que influenciam no cumprimento das atividades para
implementação no chão de fábrica.

REFERÊNCIAS

AAKER, D, A. Marcas: Brand Equity, Gerenciando o Valor da Marca. São Paulo: Elsevier,
2000.

BATESON, J. E. G.; HOFFMAN, K. D. Marketing de serviços. Porto Alegre: Bookman, 2001.

CHISNALL, P. M.; Pesquisa Mercadológica. Saraiva: 1980

FIGUEIRA, C. V. Modelos de Regressão Logística. Dissertação de Mestrado - UFRGS, 2006.

FITZSIMMONS, J. A.; FITZSIMMONS, M. J. Administração de serviços: operações,
estratégia e tecnologia de informação. Porto Alegre: Bookman, 2000.

FORZA, C. Survey Research in Operations Management: a process-based perspective.
International of Operations and Production Management. v.22, n. 2, 2002

FOWLER, E. D. Investigação sobre a utilização de Programas de Qualidade (GESPÚBLICA)
nas Universidades Federais de Ensino Superior. 2008. 38p. Dissertação (Mestrado em Ciências
em Engenharia de Produção) – Universidade Federal de Itajubá, Itajubá, 2008.

GRÕNROOS, C. Service Management and Marketing. Lexington, Massachusetts, USA:
19
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Lexington Books. 1990.

HOSMER, D. W., LEMESHOW, S. Applied Logistic Regression. New York. John Wiley &
Sons, 2000.

KOTLER, P. Administração de marketing: a edição do novo milênio. São Paulo: Prentice Hall,
2000.

IGNÁCIO, S.A. Importância da Estatística para o Processo de Conhecimento e Tomada de
Decisão. Curitiba, Governo do Estado do Paraná, 2010.

MINITAB® <www.minitab.com/ pt-br/company> Sobre o Minitab. Acesso em 18/10/2017.

MONTGOMERY, D. Introdução ao Controle Estatístico da Qualidade. Rio de Janeiro: LTC,
2011.

MONTGOMERY, D. C, RUNGER G.; C. Applied Statistics and Probability for Engineers
Nova Iorque, John Wiley & Sons, 2014.

MONTGOMERY, D. C, PECK, E. A, VINING, G.G. Introduction to linear Regression
Analysis. Nova Iorque, John Wiley & Sons, 2012.


PARASURAMAN, A.; ZEITHAML, V. A.; BERRY, L. L. A Conceptual model of service
quality and its implications for the future research. Journal of Marketing, vol. 49, Fall, 1985.

SLACK, N.; CHAMBERS, R.; JOHNSTON, R. Administração da Produção. São Paulo:
Atlas, 2007

GARVIN, D. A. Gerenciando a qualidade. Rio de Janeiro: Qualitymark

---

Arquivo de entrada: ARTIGO REVISTA BJPE SA.pdf (4349 termos)
Arquivo encontrado: http://www.periodicos.ufes.br/BJPE/article/download/V05N01_09/pdf (2696 termos)

Termos comuns: 56
Similaridade: 0,8%





Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
ARTIGO ORIGINAL OPEN ACCESS
Disponível em: http://periodicos.ufes.br/BJPE/index

ANÁLISE DA PERCEPÇÃO DA SATISFAÇÃO DOS CLIENTES DE UMA EMPRESA DE
PRODUTOS DE MÁQUINAS E IMPLEMENTOS AGRÍCOLAS
ANALYSIS OF THE PERCEPTION OF CUSTOMER SATISFACTION OF A COMPANY
OF MACHINERY PRODUCTS AND AGRICULTURAL IMPLEMENTS

Autor1*;Autor2

1 2Departamento de Engenharia de Produção da Universidade Federal de Catalão, Av Dr Lamartine Pinto de
Avelar, nº1440, Vila Chaud, Catalão, Goiás*
ARTIGO INFO.
Recebido em:
Aprovado em:
Disponibilizado em:
PALAVRAS-CHAVE: Regressão logística. Controle
estatístico da qualidade, Controle de qualidade

KEYWORDS: Logistic regression. Statistical control
of quality, Quality control.

Copyright © 2018, ------. Esta obra está sob uma Licença Creative
Commons Atribuição-Uso.

*Autor Correspondente: Revista BJPE

RESUMO
Um estudo estatístico utilizando o software Minitab é
apresentado neste artigo, cujo principal objetivo é o de
identificar os fatores que influenciam os clientes a
escolherem um produto de uma empresa produtora de
máquinas e implementos agrícolas. É apresentado, um
modelo de regressão logística identificando os
principais fatores de tal influência, para comprovar a
qualidade modelo obtida pelo software Minitab. São
comparadas seis medidas de desempenho juntamente
com o gráfico de efeitos. Pôde-se identificar que os
fatores ligados aos problemas não resolvidos e a
experiência global do produto estão diretamente
interligados ao cliente recomendar o produto.





ABSTRACT

A statistical study using Minitab software is presented
in this paper, whose main objective is to identify the
factors that influence customers to choose a product
from a company that produces agricultural machinery
and implements. It is presented a logistic regression
model identifying the main factors of such influence,
to prove the model quality obtained by the software
Minitab. Are compared six measures of performance
together with the effect graph. It could be identified
that the factors linked to the Unresolved Problems and
the Everall Experience of the product are directly
interconnected to the customer recommending the
product.












INTRODUÇÃO
Citação (APA): AUTOR 1, AUTOR 2 Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e
Implementos Agrícolas. Brazilian Journal of Production Engineering, X(1): aa-aa.
2
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE

Em decorrência das mudanças nos padrões de comportamento dos consumidores e de
suas crescentes exigências, as organizações cada vez mais buscam elementos que as tornem
mais competitivas. No que se trata de atrair, satisfazer e fidelizar clientes, elas adotam
estratégias cada vez mais agressivas com relação ao nível de serviços e qualidade de produtos,
fazendo com que este aspecto se torne um diferencial competitivo
Segundo Kotler (2000), os níveis de satisfação dos clientes têm relação com dois fatores:
prazer ou desilusão. De acordo com o autor, estes fatores levam em consideração a relação entre
desempenho percebido e expectativas acerca do produto e/ou serviço experimentado.
Segundo Aaker (2000) é necessário conhecer o seu consumidor, tratá-lo com respeito,
aproximar a empresa do cliente, para tanto, é necessário desenvolver métodos para que o cliente
visualize essa aproximação, além de criar a possibilidade de se mensurar a satisfação por meio
de pesquisas com a finalidade de se fazer mudanças para solucionar problemas encontrados.
Em seus trabalhos Slack, Chambers e Johnston (2007) afirmam que um cliente, com
elevados níveis de satisfação com relação à qualidade do serviço e/ou produto, retornará à
organização em futuras oportunidades, sendo ele considerado promotor da marca, pois
recomendam e trazem consigo novos clientes.
É necessário que as organizações desenvolvam mecanismos que captem as reais
necessidades dos clientes e que sirvam como apoio ao processo de tomada de decisão.
Segundo Ignácio (2010), a utilização de métodos estatísticos é bastante disseminada nos
diversos setores públicos e privados. O autor destaca que os resultados obtidos são utilizados
para melhorar os incrementos na produção, auxiliando os governantes a conhecerem melhor a
população e compreender as necessidades, entre outros aspectos, e, por isso, a estatística é
considerada uma ferramenta essencial em ambientes produtivos, para a disseminação desse
conhecimento.
As diversas ferramentas da estatística são responsáveis pelo planejamento de
experimentos e interpretação de dados obtidos por pesquisas de campo e apresentação dos
resultados, cujo intuito é de facilitar a tomada de decisão por parte dos gestores (IGNÁCIO,
2010).
Dentro desse cenário, o objetivo geral deste trabalho é o de analisar os fatores que
exercem influência na satisfação dos clientes de uma empresa produtora de máquinas e
implementos agrícolas no pulverizador, a partir de uma pesquisa aplicada pela empresa no ano
3
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
de 2015. Assim, este trabalho tem como foco as análises destes fatores e não na condução da
pesquisa tipo survey.
Especificamente os objetivos deste trabalho são: coletar e analisar os dados das
pesquisas de satisfação dos clientes; compreender as decisões de clientes; analisar os níveis de
satisfação dos clientes; analisar os resultados obtidos e sugerir melhorias.
Além disso, a execução deste trabalho busca corroborar ou falsear as seguintes hipóteses:
•X1 – Recomenda a concessionária (Recommend Dealer);
•X2 - Experiência global com produto (Overall Exp);
•X3 - Problemas não solucionados (Unresolved Problems);
•Y1 - Recomendar o produto.

2. QUALIDADE

As organizações estão inseridas em um mercado altamente competitivo, sendo
indispensável conquistar novos mercados e atender consumidores (CLARK;
WHEELWRIGHT, 1993). Diante disso, para o desenvolvimento e sobrevivência é
imprescindível a adaptação das empresas nas necessidades dos clientes e buscar melhorias
contínuas dos processos e produtos. Parasuraman et al. (1985) define qualidade como a
altercação entre as perspectivas e as percepções do cliente quanto ao serviço prestado.
Garvin (1992) classifica cinco enfoques para a definição dessa qualidade, a saber: 1) o
enfoque transcendental; 2) o enfoque baseado no produto; 3) o enfoque baseado no usuário; 4)
o enfoque baseado na fabricação e também o 5) enfoque baseado no valor. Os apontamentos de
Garvin (1992) auxiliam na melhor compreensão dos objetivos desta pesquisa e no real papel da
qualidade no setor de serviços, pois as empresas devem oferecer qualidade aos seus clientes,
bem como comprometimento em todos os níveis.

2.1. QUALIDADE EM SERVIÇOS E SATISFAÇÃO DOS CLIENTES

Para Fitzsimmons e Fitzsimmons (2000), o setor de serviços possui uma importância
econômica, pois não é visto como um facilitador de produção de bens.
4
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Para compreensão da qualidade em serviço é necessário estabelecer uma comunicação
direita entre cliente e empresa e ouvir críticas e sugestões com a finalidade de transformar
produtos e serviços. Segundo Fowler (2008), qualidade em serviços é baseada em quatro
enfoques que são: confiabilidade, segurança, cordialidade e receptividade. Grönroos (1999a),
afirma que para se ter competitividade é imprescindível que as organizações conheçam a
qualidade de acordo com percepção do cliente. Para Hoffman e Bateson (2006), a definição de
serviços se resume em ações, esforços e desempenhos, os autores também mencionam que o
serviço é intangível, pois são produtos que não possuem propriedades físicas e que os
consumidores apreciam antes de tomar a decisão de obter. Os mesmos autores destacam ainda
que a qualidade em serviços é avaliada em termos gerais e deve perdura por longo período sobre
o comportamento das organizações.

2.2. REGRESSÃO LOGÍSTICA

De acordo com Samohnl (2000) os métodos que utilizam a regressão simples continuam
considerando apenas duas variáveis, dependente e independente, mas, as organizações precisam
lidar com mais de duas variáveis e o autor destaca que nesses casos a regressão múltipla é a
mais indicada.
Figueira (2006) define que a regressão logística traz formas lineares tendo como um
componente aleatório, ordenado e função de amarração que liga os resultados esperados com
as variáveis.
Para Montgomey (2011) na regressão logística ocorre a situação em que a variável
dependente é de natureza dicotômica, atribuindo-se 1 ao evento de interesse (sucesso) e 0 ao
evento ao evento complementar (fracasso), onde a ocorrência de um implica diretamente na não
ocorrência do outro
Nestes pontos de definições, surgem duas grandes diferenças entre os modelos de
regressão linear e o modelo de regressão logística. Primeiro, na regressão logística os valores
esperados dos erros podem assumir apenas dois valores: 0 e 1, diferente da regressão linear em
que esses valores podem assumir qualquer valor positivo ou negativo. A segunda diferença é
encontrada na variância dos erros, pois na regressão logística, esses valores têm média zero e
variância igual a ?(?)[1 ? ?(?)]. Para este caso, a distribuição Binomial é a mais apropriada
para caracterizar a distribuição de probabilidade desses dados.
5
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Com a intenção de trazer algumas características desejáveis provenientes do modelo de
regressão linear, faz-se uso da transformação logit, g(x).

2.3. FUNÇÃO LOGIT

A função logit é linear em seus parâmetros podendo compreender qualquer valor
positivo ou negativo (HOSMER;LEMESHOW, 2000). Montgomery, Peck e Vining (2012)
definem a função logit como o que chamamos de função de ligação para a distribuição binomial.
A principal característica desta função é transformar probabilidades de variáveis resposta
categóricas (na qual existe entre 0 e 1) em uma escala contínua que pode ser modelada com
uma equação de regressão linear. A função logit é representada pela Eq. (1).

????? = ??? (
??
1 ? ??
) (1)

Onde ?? é a probabilidade observada no nível i da variável de resposta categórica. A
Função de ligação é a principal responsável por prover uma boa adequação do modelo aos dados
(MONTGOMERY; PECK; VINING, 2012).

2.4. TESTES DE ADEQUAÇÃO DO MODELO

Os testes de adequação do modelo são conduzidos no intuito de verificar se a equação
gerada produzirá resultados condizentes com a população estudada (MONTGOMERY; PECK;
VINING, 2012).
O teste de significância do modelo permite o pesquisador identificar se o modelo tem
boa adequação aos dados coletados, ou seja, se ele realmente representa o comportamento da
população estudada. No teste de significância de modelos de regressão logística, alguns
parâmetros são testados (MONTGOMERY;RUNGER, 2014).
Quando o modelo de regressão logística é adequado, o seu desvio tem uma distribuição
Chi-Square com n-p graus de liberdade (representado pelo software Minitab® 2013 por DF),
onde p é o número de parâmetros do modelo. Quando o valor do desvio é pequeno ou quando
6
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
o seu p-value é maior que 0.05, pode-se inferir que o modelo é adequado aos dados
(MONTGOMERY; PECK; VINING, 2012).
Outros testes são realizados durante a análise de significância do modelo, como, por
exemplo, o teste Chi-Square de Pearson. Esta estatística pode ser comparada a distribuição chi-
quadrada com n-p graus de liberdade. Valores pequenos desta estatística (ou p-values grandes)
implicam que o modelo é satisfatório. Quando o modelo não apresenta réplicas das variáveis
regressoras, as observações podem ser agrupadas (O número de grupos gerados é representado
por g) para que o teste de Hosmer-Lemeshow (HL) possa ser aplicado. Esta estatística é apenas
um teste Chi-Square de Pearson que compara os valores esperados com os observados
(MONTGOMERY; PECK; VINING, 2012).
Se o modelo for adequado, a estatística HL terá distribuição chi-quadrada. Valores
grandes desta estatística (valores pequenos de p-value) significam que o modelo não é
adequado. (MONTGOMERY; PECK; VINING, 2012).
Os coeficientes de determinação (R²) são também utilizados como método para verificar
a adequação do modelo. Entende-se que o coeficiente de determinação (R²) é a proporção ou a
porcentagem em que a variação da variável de resposta do modelo (y) é explicada pelas
variáveis independentes (x). (MONTGOMERY; PECK; VINING, 2012., MONTGOMERY;
RUNGER, 2014).

2.5. ANÁLISES GRÁFICAS DO MODELO

O gráfico de efeitos principais é utilizado para comparar o impacto de todos os fatores
do modelo de uma só vez. Dessa forma, fica visível, não somente pelos dados, mas por meio
de uma ilustração, quais são as variáveis mais impactantes do modelo. Neste tipo de gráfico,
quanto mais vertical é a linha da variável independente, mais impactante ao modelo esta
variável é (MONTGOMERY; RUNGER, 2014).
A Fig. 1 apresenta uma ilustração de como o gráfico é apresentado. É importante notar
que a variável B é significativamente mais impactante que a variável A. Nesta representação a
variável B influencia negativamente o modelo.

7
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE

Figura 1 - Gráfico de efeitos principais

Gráficos de controle e gráficos de superfície são baseados nas mesmas premissas.
Ambos ilustram a relação dimensional existente entre duas variáveis do modelo, estas
previamente selecionadas pelo pesquisador. Estes gráficos são utilizados para identificar
pontos “ótimos” das variáveis selecionadas que possam proporcionar o melhor valor da variável
de resposta (MONTGOMERY; RUNGER, 2014).
No gráfico de contorno há a presença de faixas com diferentes cores (como um mapa
topográfico bidimensional, por exemplo), onde cada uma das zonas coloridas representam
faixas de valores das variáveis de resposta. Quanto mais escura é a região, maiores são os
valores da variável Y.
O gráfico de superfície, como citado previamente, funciona sob o mesmo princípio,
porém em uma imagem tridimensional, ambas as metodologias podem ser verificadas na Fig.
2.

Figura 2 - Gráficos de a) Contorno e b) Superfície.

8
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
3. COLETA DE DADOS

Este artigo utiliza uma abordagem quantitativa com análise de dados por meio da
regressão logística binária, a coleta de dados é uma etapa fundamental para a sua execução e
sucesso.
A coleta de dados foi realizada no banco de dados da Empresa X. A Empresa X aplica
questionários para análise da satisfação de seus clientes periodicamente. Os dados das respostas
são armazenados em banco de dados, porém, sem realização de análises estatísticas especificas.
Com isso foi possível exportar os resultados das pesquisas de satisfação para clientes com
relação ao produto, nesse caso pulverizadores no ano de 2015. Os dados foram tabulados
utilizando uma planilha eletrônica que viabilizou uma organização inicial dos dados.
Como os dados foram extraídos de um banco de dados existente, a pesquisa se
caracteriza como documental e os dados como secundários. São considerados dados
secundários aqueles que, segundo Chisnall (1980), já foram coletados anteriormente e são úteis
para finalidades e levantamentos específicos.
A coleta e análise de dados seguem a metodologia Survey. Segundo Forza (2002), esta
metodologia envolve a coleta de informações individuais (obtida por meio de ligações,
entrevistas pessoais, questionários eletrônicos, e-mail etc.) sobre os indivíduos ou sobre o meio
social em que estão inseridos. Ainda segundo o autor, as amostras coletadas pelo survey são
capazes de apresentar informações sobre grandes populações com um determinado nível de
acuracidade.

4. ANÁLISE DOS DADOS

Para a organização dos dados desta pesquisa, as respostas estavam em uma planilha de
forma dispersa, gerando dificuldades no entendimento dos dados. Deste modo, a digitação e
análises dos dados se deram pelo software Minitab®, o que possibilitou uma melhor
visualização dos dados do qual foram organizados em linhas de 1 a 320, contendo 10 colunas,
sendo a primeira, classificada como cliente; a segunda, recomendação da concessionária; a
terceira, problemas não solucionados; a quarta, experiência global; a quinta, recomendação do
produto e na sexta coluna foi elaborada uma regra geral de 0 a 10, em que, para valores de 0 a
7, o cliente não recomenda o produto e para valores de 8 a 10, o cliente recomenda o produto.
9
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Nas cinco colunas seguintes estão os comentários das variáveis analisadas como demostra as
Fig. 3.
Figura 3 – Organização dos dados iniciais das variáveis

Para as variáveis analisadas serão consideradas uma amostra de 320 respostas de
clientes da Empresa X, sendo que as variáveis consideradas são: recomenda a concessionária,
experiência global com o produto, problemas não solucionados.
Neste estudo, essas variáveis têm um relacionamento direto entre o cliente indicar o
produto, pulverizadores auto propelidos, por ela oferecido. Os clientes responderam um
questionário online onde pontuaram a empresa de 0 a 10. Os clientes que atribuíram notas entre
0 e 7 são considerados insatisfeitos e as notas entre 8 a 10 mostram clientes totalmente
satisfeitos. Os clientes que pontuaram a empresa com notas acima de 8 são considerados
promotores da marca.
As variáveis utilizadas no modelo são apresentadas na Tab. 1.

10
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Tabela 1 – Interpretação das variáveis utilizadas no modelo
Variável Interpretação
Recommend Dealer Recomenda a concessionária?
Unresolved Problems Os problemas não solucionados?
Overall Exp Experiência global com produto.

Realizando a análise de regressão dos dados por meio do método Logit da Eq. (1),
obteve-se os resultados apresentados na Fig.(4).

Figura 4 - Resultado primeira análise de regressão

Neste artigo são analisados cinco parâmetros para verificação da significância do
modelo, sendo elas: p-value, a variável DF para o teste de Hosmer-Lemeshow e o teste Chi-
Square de Pearson, o VIF (fator de inflação da variância) R-Sq (coeficiente de determinação) e
R-Sq (adj) ajustado.

11
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE










Figura 5 - Resultado primeira análise de regressão

O p-value obtido para a variável Recommend Dealer (0,846) foi significativamente
maior que o permitido. Dessa forma, o Minitab® traz que para valores nos quais o coeficiente
p-value são maiores que 0,05, admite-se que esta é uma variável que não possui relação
significativa com o modelo. De maneira inversa, os p-value obtidos para variáveis problemas
não solucionados e experiência global com produto foram aceitáveis, pois os valores de p-value
foram menores que 0.05 o que comprova estaticamente que estas variáveis possuem relação
significativa com a variável recomenda produto.
Os valores R-Sq (coeficiente de determinação) e R-Sq (adj) (coeficiente de
determinação ajustado) foram, respectivamente, 72,04% e 71,35%. O R-Sq representa a
percentagem de variação da resposta que é explicada pela sua relação com uma ou mais
variáveis de previsão. Geralmente, quanto maior o R-Sq, melhor o modelo se adapta os dados.
R-Sq (Adj) é o percentual de variação da resposta que é explicado por sua relação com uma ou
mais variáveis de previsão, ajustado para o número de termos do modelo. Este ajustamento é
importante no sentido em que o R-Sq para qualquer modelo tende a sempre aumentar quando
um novo termo é adicionado, porém é o R-Sq (adj) que dará a informação se esse novo termo
influencia ou não no modelo. Se seu valor aumentar, o novo termo tem influência no modelo,
caso contrário, mesmo o R-Sq aumentando, ele não influenciará no modelo.
12
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
O VIF (fator de inflação da variância) por definição do software para ser considerado
bom deve ser abaixo de 5 e o valor de VIF foi de 1,06. A variável DF para o teste de Hosmer-
Lemeshow e o teste Chi-Square de Pearson quando o valor do desvio é pequeno ou quando o
seu p-value é maior que 0.05, pode-se inferir que o modelo é adequado para o teste de Hosmer-
Lemeshow. Nesse caso, obteve-se o p-value de 0,606 e o Pearson p-value de 0,999. Nesta
primeira análise foi satisfatório para todas as variáveis. Os testes de adequação do modelo
também apresentaram p-values aceitáveis.








Figura 6 - Análise das variáveis com o produto

De acordo com a Fig. 6, a variável Recommend Dealer não possui grande significância
na recomendação do produto pelo cliente, diferentemente do que acontece com as variáveis
Unresolverd Problems e Overall Exp
Contudo, o modelo apresentou uma série de observações não usuais, com variáveis de
alavancagem e outliers. As observações 87, 60, 56 e 40 apresentaram valores altos de
alavancagem. Conforme apresentado na Tab. 2.

Tabela 2 – Observações não usuais/ resíduos

Linha Cliente

Recommend
Dealer
Unresolved
Problems
Overall Exp Recomenda
Produto
40 1N04630XVE0028430 9 2 1 8 - Sim
56 1NW4630XAE0000554 0 2 2 8 - Sim
60 1NW4630XAE0000649 6 1 1 9 - Sim
87 1NW4630XCE0000759 7 1 1 8 - Sim
13
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Ao analisar a resposta da linha 40, observa-se que o cliente pontuou o Dealer com a
nota 9, a Unresolved Problems com nota 2 e a Overall Exp como nota 1 e mesmo com esta
pontuação este cliente recomendou o produto. Este cliente teve problemas com a máquina e, ao
solicitar peças para reparo, houve uma grande demora no processamento do pedido do qual a
máquina ficou sem operação por dois dias ocasionando uma insatisfação. A empresa solicitou
que um consultor fosse imediatamente até a propriedade do cliente para solucionar este
problema e ele informou que a máquina possui desempenho excepcional, porém a pontuação
baixa foi pela demora.
Na linha 56, o cliente pontuou com nota 0, nota 2, nota 1 o Dealer, a Unresolved
Problems e a Overall Exp respectivamente, porém a sua nota em recomendação do produto foi
8. Por meio do questionário, este cliente inseriu um comentário justificando as notas baixas. A
empresa X entrou em contato com o cliente de modo a entender melhor a situação, no entanto,
o cliente está satisfeito com o produto, mesmo havendo a reclamação da assistência informando
que estão com poucos técnicos e os existentes não são bem qualificados para prestar assistência
técnica, além da demora no atendimento.
A empresa justificou com o cliente que estão trabalhando na restruturação da equipe
técnica e que também foram adquiridos dois caminhões para fazer o transporte diário de peças
entre as lojas, de forma a atender mais rapidez e agilidade a demanda de peças.
Observa-se que o cliente da linha 60 pontuou o Dealer, a Unresolved Problems e a
Overall Exp respectivamente com as notas 6,1,1, no entanto após essa pontuação o cliente
recomendou o produto. Acredita-se que esta recomendação se deve pelo fato da empresa ter
realizado uma ação corretiva e ter oferecido um desconto, no qual cliente não teve custos
adicionais com processo, o supervisor de serviços entrou em contato com o cliente pedindo
desculpas pelo ocorrido.
O cliente da linha 87, pontou o Dealer, a Unresolved Problems e a Overall Exp
respectivamente com as notas 7,1,1. Essa pontuação deve-se por problemas de furos nas
mangueiras e a falta de peças na concessionária, ocorrendo um desgaste para o cliente gerando
a insatisfação. A empresa X foi informada das reclamações e tendo como ação a troca de 100%
das mangueiras, sem custos adicionais, sendo que o supervisor de peças foi incumbido de
realizar ações para melhorar o estoque de peças da concessionária.
Por meio das ações corretivas, entende-se que a empresa está trabalhando para atender
as reais necessidades dos clientes, a fim de melhorar as relações entre empresa e cliente. Para
14
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
uma maior confiabilidade deste modelo, com o objetivo de melhorar a performance, estes
pontos foram retirados e uma nova análise foi realizada, gerando os resultados apresentados na
Fig. 7.
Figura 7 - Resultado da segunda análise de regressão logística

A partir da nova análise, os resultados de R-Sq e R-Sq (adj) ajustados foram 78,61% e
78,14%, respectivamente.
Os valores VIF foram de 1,12 mantendo seus valores dentro do permitido, indicando a
não existência de multicolinearidade comprovados pelos valores de VIF. A variável DF para o
teste de Hosmer-Lemeshow e o teste Chi-Square de Pearson apresentaram p-value 0,653 e
1,000 respectivamente apresentam que o modelo possui significância.
A equação final obtida, que descreve o comportamento dos dados sob análise é
representada pela Eq. (2).


?? = ?5,961 + 0,658?1 + 0,845?2 (2)

O gráfico de efeitos principais foi empregado para verificar o impacto de cada uma das
variáveis do modelo na variável de reposta (Y). Conforme a Fig. 8 ilustra, nota-se que as
variáveis Unresolved Problems e Overall Exp exercem grande influência positiva nos
resultados do modelo. Estes resultados implicam que pequenas alterações nos valores destas
15
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
variáveis têm grande impacto na resposta do cliente com relação à sua resposta quanto a
recomendação ou não do produto.








Figura 8 - Gráficos de efeitos principais

A fim de confirmar a correlação positiva apresentada na Fig. 4 foi utilizado os gráficos
de Contorno e de Superfície com as duas variáveis mais impactantes no modelo: Unresolved
Problems e Overall Exp.
Gráficos de contorno e superfície são excelentes ferramentas visuais para fins de
reconhecimento de tendências e relação entre variáveis de um modelo. Este gráfico demonstra
o relacionamento em duas dimensões onde os valores são representados por contornos plotados
nas escalas x e y. Assim, este gráfico tem a aparência de uma topografia de um relevo.
O Gráfico de superfície vem para auxiliar nesta análise apresenta uma visão
tridimensional do relacionamento existente entre as variáveis. Este tipo de gráfico proporciona
uma visão mais clara da influência que cada variável exerce. A Fig. 9 representa o gráfico de
Contorno obtido para realização da análise de correlação entre as variáveis principais e a
variável de resposta do modelo. Os valores estão principalmente concentrados na parte superior
direita do gráfico, apontando para a localização dos extremos das variáveis sob análise.

16
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE

Figura 9 - Gráfico de contorno

A Fig. 10 ilustra o Gráfico de Superfície para as mesmas variáveis. Com o auxílio do
Gráfico de Superfície, é possível ter a certeza do comportamento das variáveis principais frente
à variável de resposta. É possível perceber que o ponto máximo da variável recomenda está
diretamente ligado aos pontos máximos das variáveis explicativas do modelo.








Figura 10 - Gráfico de Superfície


Os gráficos de contorno e superfície, ilustrados nas Figs. 9 e 10, confirmam que quanto
maiores são os valores das variáveis relacionadas à experiência geral do cliente e o volume de
problemas resolvidos, maiores são as chances do cliente recomendar o produto.

UNRESOLVED PROBLEMS
O
VE
RA
LL
E
XP
1086420
10
8
6
4
2
0
>
–
–
–
–
< 0,1
0,1 0,3
0,3 0,5
0,5 0,7
0,7 0,9
0,9
Recomenda
Contour Plot of Recomenda vs OVERALL EXP; UNRESOLVED PROBLEMS
0
5
0,0
,0 5
10
5
0
10
1,0
Recomend
PXE LLAREVO
DEVLOSERN PROBLEMU S
urfa e Plot of R co enda vs OVERALL EXP; US RESOLVED PROBLEMSN
17
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
CONSIDERAÇÕES FINAIS

Neste artigo, utilizou-se o software Minitab® como ferramenta útil para a análise da
percepção da satisfação dos clientes. Com o uso da técnica de estatística foi possível a analisar
e identificar as variáveis com maior interação para a pesquisa aplicada na empresa X no ano de
2015.
Conforme apresentado, as notas entre 8 e 10 de clientes que recomendariam o produto,
são considerados pela empresa como clientes promoters da marca, ou seja, são clientes que irão
promover os seus produtos para outros clientes.
Dessa forma, o objetivo deste trabalho era identificar os fatores que exercem maior
influência na satisfação dos clientes, e assim tais clientes contribuírem para a promoção da
marca. Por meio dos dados apresentado na Figura 3, pôde-se identificar que os problemas não
resolvidos e a experiência global do produto estão diretamente interligados com o cliente
recomendar o produto.
Os resultados alcançados referentes à percepção do serviço apontam que os clientes
avaliaram com menor nota a variável concessionária, ou seja, a concessionária pela qual o
cliente adquiriu o produto, não influencia de maneira significante em um cliente recomendar
ou não o produto.
Como a variável resposta do problema estudado era de caracter dicotômica e
apresentava como valores possíveis a insatisfação e a completa satisfação do cliente, o método
utilizado para atingir o objetivo traçado foi o modelo de regressão logística que pode ser
confirmado por meio dos parâmetros analisados p-value, a variável DF para o teste de Hosmer-
Lemeshow, o teste Chi-Square de Pearson, o VIF (fator de inflação da variância), R-Sq
(coeficiente de determinação) e R-Sq (adj) conforme apresentados na seção 4.
O presente artigo, com base nos resultados obtidos pelo estudo de análise estatística de
regressão logística, aplicada como forma de analisar a percepção da satisfação dos clientes de
uma empresa de produtos de máquina e implementos agrícolas, sugere que o questionário seja
apresentado com mais detalhes de informação, pois assim é possível a identificação de novas
variáveis que possa ter influência na promoção da marca, por parte do cliente. Sugere-se ainda,
que esta análise possa ser estendida aos demais produtos da empresa, contribuindo assim, para
o aumento da satisfação dos clientes, promoção da marca e qualidade nos serviços prestados.
18
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Na área acadêmica, este trabalho contribui como uma fonte bibliográfica sobre a
aplicação estatística em controle da qualidade, e em especial sobre a utilização da regressão
logística. Do ponto de vista empresarial, apresenta-se a contribuição tanto no sentido de
identificar as variáveis que influenciam diretamente com a promoção da marca, quanto no
sentido de melhoria contínua, preservação de clientes e qualidade total.
O presente trabalho também permite aplicações futuras do uso da regressão logística,
que é uma análise ainda pouco explorada. Nese sentido, a metodologia utilizada neste trabalho,
poderá ser aplicada em outras áreas da empresa, como, por exemplo, para identificar as
variáveis que afetam a produtividade de seus funcionários, já que anualmente, a empresa aplica
um questionário para mensurar o nível de satisfação de seus colaboradores, e que também a
empresa desenvolva ações preventivas afim de minimizar os problemas dos clientes.
Para trabalhos futuros, sugere-se a aplicação deste método para área de Engenharia do
Produto, na qual são realizados projetos de engenharia dos quais os departamentos de qualidade,
manufatura, suprimentos, logística e controladoria realizam atividades para implementação no
chão de fábrica de melhorias continuas do produto, o método estudado poderá contribuir e
identificar as principais variáveis que influenciam no cumprimento das atividades para
implementação no chão de fábrica.

REFERÊNCIAS

AAKER, D, A. Marcas: Brand Equity, Gerenciando o Valor da Marca. São Paulo: Elsevier,
2000.

BATESON, J. E. G.; HOFFMAN, K. D. Marketing de serviços. Porto Alegre: Bookman, 2001.

CHISNALL, P. M.; Pesquisa Mercadológica. Saraiva: 1980

FIGUEIRA, C. V. Modelos de Regressão Logística. Dissertação de Mestrado - UFRGS, 2006.

FITZSIMMONS, J. A.; FITZSIMMONS, M. J. Administração de serviços: operações,
estratégia e tecnologia de informação. Porto Alegre: Bookman, 2000.

FORZA, C. Survey Research in Operations Management: a process-based perspective.
International of Operations and Production Management. v.22, n. 2, 2002

FOWLER, E. D. Investigação sobre a utilização de Programas de Qualidade (GESPÚBLICA)
nas Universidades Federais de Ensino Superior. 2008. 38p. Dissertação (Mestrado em Ciências
em Engenharia de Produção) – Universidade Federal de Itajubá, Itajubá, 2008.

GRÕNROOS, C. Service Management and Marketing. Lexington, Massachusetts, USA:
19
AUTOR 1, AUTOR 2, (2019). Análise da Percepção da Satisfação dos Clientes de uma Empresa de Produtos de Máquinas e Implementos
Agrícolas
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Lexington Books. 1990.

HOSMER, D. W., LEMESHOW, S. Applied Logistic Regression. New York. John Wiley &
Sons, 2000.

KOTLER, P. Administração de marketing: a edição do novo milênio. São Paulo: Prentice Hall,
2000.

IGNÁCIO, S.A. Importância da Estatística para o Processo de Conhecimento e Tomada de
Decisão. Curitiba, Governo do Estado do Paraná, 2010.

MINITAB® <www.minitab.com/ pt-br/company> Sobre o Minitab. Acesso em 18/10/2017.

MONTGOMERY, D. Introdução ao Controle Estatístico da Qualidade. Rio de Janeiro: LTC,
2011.

MONTGOMERY, D. C, RUNGER G.; C. Applied Statistics and Probability for Engineers
Nova Iorque, John Wiley & Sons, 2014.

MONTGOMERY, D. C, PECK, E. A, VINING, G.G. Introduction to linear Regression
Analysis. Nova Iorque, John Wiley & Sons, 2012.


PARASURAMAN, A.; ZEITHAML, V. A.; BERRY, L. L. A Conceptual model of service
quality and its implications for the future research. Journal of Marketing, vol. 49, Fall, 1985.

SLACK, N.; CHAMBERS, R.; JOHNSTON, R. Administração da Produção. São Paulo:
Atlas, 2007

GARVIN, D. A. Gerenciando a qualidade. Rio de Janeiro: Qualitymark