Use este identificador para citar o ir al link de este elemento:
http://hdl.handle.net/1843/31331| Tipo: | Tese |
| Título: | Metodologias para determinação de periodicidade ótima de manutenção preventiva sob a suposição de reparo imperfeito em manutenção corretiva |
| Autor(es): | Rafael da Silva Fernandes |
| primer Tutor: | Marta Afonso Freitas |
| primer miembro del tribunal : | Enrico Antônio Colosimo |
| Segundo miembro del tribunal: | Roberto da Costa Quinino |
| Tercer miembro del tribunal: | Maria Luiza Guerra de Toledo |
| Cuarto miembro del tribunal: | Gustavo Leonel Gilardoni Avalle |
| Resumen: | A confiabilidade tem desempenhado um papel fundamental no desenvolvimento de sistemas e, consequentemente, no aumento da competitividade da empresa. Assim, a escolha adequada de um modelo para um sistema reparável é fundamental para reduzir despesas e riscos relacionados às falhas. De um modo geral, busca-se uma política ótima de manutenção, no sentido de reduzir o custo total esperado da manutenção. Este trabalho apresenta metodologias alternativas para a determinação de periodicidade ótima de Manutenção Preventiva – MP sob a suposição de Reparo Imperfeito – RI em Manutenções Corretivas – MC. Quando um estudo de caso conta com mais de um sistema em estudo, estimar o número de falhas até um determinado tempo de parada T, depende diretamente da política de manutenção escolhida, ademais, estimar o tempo esperado em que ocorre uma falha pode ser feito de formas diferentes e gerar resultados também diferentes. Para isso, é preciso recorrer a modelos que possibilitem tais estimações e assim forneçam subsídios para tomada de decisões tais como a escolha da política de manutenção mais adequada. Neste trabalho utilizamos o modelo 𝐴𝑅𝐴1 – Arithmetic Reduction of Age de memória 1 além de métodos estatísticos tais como, estimação por máxima verossimilhança e simulação de Monte Carlo. Propomos aqui três metodologias alternativas para obtenção da periodicidade ótima: a primeira objetiva determinar a estimação pontual pela função custo e a estimação intervalar pela fonte de variabilidade da Simulação de Monte Carlo; a segunda visa a estimação da função média pelo método proposto por Jack (1997), adequando-o à classe de modelos 𝐴𝑅𝐴1; e a terceira visa apresentar uma estimação dos tempos de falhas utilizando a função média acumulada – 𝑀𝐶𝐹 estimada Λ̂(𝑡) de forma recursiva. A situação prática estudada em Toledo et al. (2016) é revisitada, sendo os resultados obtidos comparados e analisados. As metodologias propostas demonstraram situações de análises alternativas a respeito do comportamento dos sistemas em estudo, impactando diretamente na tomada de decisão para a escolha da política de manutenção ótima. A estimação do tempo de periodicidade ótima bem como a determinação dos tempos de falhas esperados demonstraram mais condizente com o modelo de redução aritmética 𝐴𝑅𝐴1. |
| Abstract: | Reliability has played a key role in system development and consequently in increasing competition company. Thus, the appropriate choice of a model for a repairable system is critical to reducing expenses and related risks to failures. In general, an optimal maintenance policy is sought to reduce total cost maintenance. This work presents alternative methodologies for determination of optimal periodicity of Preventive Maintenance – PM under the assumption of Repair Imperfect – IR in Corrective Maintenance – CM. When a case study has more than a system under study, estimate the number of failures up to a certain downtime 𝑇 directly depends on the maintenance policy chosen. In addition, to estimate the expected time where a failure occurs can be done in different ways and generate different results too. In this work we use the model 𝐴𝑅𝐴1 – Arithmetic Reduction of Age memory 1, in addition to statistical methods such as maximum likelihood estimation and Monte Carlo simulationHere we propose three alternatives methodologies for obtaining the optimal periodicity: the first objective is to determine the point estimation by the cost function and the interval estimation by the source of variability of the Monte Carlo Simulation; the second aims to estimate the average function by the method proposed by Jack (1997), adapting it to 𝐴𝑅𝐴1; and the third methodology objective an estimation of failure times using the recursively estimated Mean Cumulative Function – MCF. Λ̂(𝑡). The practical situation studied in Toledo et al. (2016) is revisited, and the results obtained compared and analyzed. The proposed methodologies demonstrated alternative analysis situations regarding the behavior of the systems under study, directly impacting the decision making for choosing the optimal maintenance policy. The estimation of the optimal periodicity time as well as the determination of the expected failure times proved to be more consistent with the 𝐴𝑅𝐴1 arithmetic reduction model. |
| Asunto: | Engenharia de produção Confiabilidade (Engenharia) - Métodos Estatísticos – Manutenção e reparos Decisão estatística |
| Idioma: | por |
| País: | Brasil |
| Editor: | Universidade Federal de Minas Gerais |
| Sigla da Institución: | UFMG |
| Departamento: | ENG - DEPARTAMENTO DE ENGENHARIA PRODUÇÃO |
| Curso: | Programa de Pós-Graduação em Engenharia de Produção |
| Tipo de acceso: | Acesso Aberto |
| URI: | http://hdl.handle.net/1843/31331 |
| Fecha del documento: | 4-oct-2019 |
| Aparece en las colecciones: | Teses de Doutorado |
archivos asociados a este elemento:
| archivo | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| Metodologias para Determinação de Periodicidade Ótima de Manutenção Preventiva - Versão Final.pdf | 1.18 MB | Adobe PDF | Visualizar/Abrir |
Los elementos en el repositorio están protegidos por copyright, con todos los derechos reservados, salvo cuando es indicado lo contrario.