Planeamento da Manutenção de equipamentos médicos com recurso a técnicas de inteligência artificial

Detalhes bibliográficos
Autor(a) principal: Salgado, Fernando Sérgio Nicola da Costa
Data de Publicação: 2023
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10400.22/23351
Resumo: Esta dissertação apresenta um estudo sobre a função manutenção, considerada fundamental para as organizações, pois é essencial para garantir a continuidade dos processos de produção, a prestação de serviços com qualidade e para assegurar que os equipamentos e instalações funcionem de forma eficiente e segura. Este trabalho tem como objetivo principal, desenvolver uma solução com recurso a técnicas de inteligência artificial para otimizar o planeamento da manutenção de equipamentos médicos, assim como suportar a gestão da manutenção nas suas tomadas de decisão. Foram recolhidos dados de funcionamento de equipamentos médicos, aos quais foram aplicados diferentes algoritmos de aprendizagem de machine learning (aprendizagem automática) de modo a identificar o melhor modelo em termos de precisão e exatidão que se aplica à resolução do objetivo proposto. Espera-se demonstrar que a solução desenvolvida contribuirá não só para a otimização do planeamento, bem como para prolongar o ciclo vida útil dos equipamentos, evitando falhas, diminuindo os tempos de inatividade e reduzindo os custos de manutenção.
id RCAP_b71361e8696edb0011f6f017e333a70f
oai_identifier_str oai:recipp.ipp.pt:10400.22/23351
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Planeamento da Manutenção de equipamentos médicos com recurso a técnicas de inteligência artificialPlaneamentoManutenção PreditivaInteligência ArtificialMachine LearningAlgoritmosPlanningPredictive MaintenanceArtificial IntelligenceMachine LearningAlgorithmsEsta dissertação apresenta um estudo sobre a função manutenção, considerada fundamental para as organizações, pois é essencial para garantir a continuidade dos processos de produção, a prestação de serviços com qualidade e para assegurar que os equipamentos e instalações funcionem de forma eficiente e segura. Este trabalho tem como objetivo principal, desenvolver uma solução com recurso a técnicas de inteligência artificial para otimizar o planeamento da manutenção de equipamentos médicos, assim como suportar a gestão da manutenção nas suas tomadas de decisão. Foram recolhidos dados de funcionamento de equipamentos médicos, aos quais foram aplicados diferentes algoritmos de aprendizagem de machine learning (aprendizagem automática) de modo a identificar o melhor modelo em termos de precisão e exatidão que se aplica à resolução do objetivo proposto. Espera-se demonstrar que a solução desenvolvida contribuirá não só para a otimização do planeamento, bem como para prolongar o ciclo vida útil dos equipamentos, evitando falhas, diminuindo os tempos de inatividade e reduzindo os custos de manutenção.This thesis offers a study about maintenance, considered essential for organizations, as it’s essential to ensure the stability of production processes, the delivery of quality services and to ensure that equipment and installations operate efficiently and safely. The main objective of this work is to develop a solution using artificial intelligence techniques to optimize the maintenance planning of medical equipment, as well as to support maintenance management in their decisions. Medical equipment operating data was collected, different machine learning algorithms was applied to identify the best model in terms of precision and accuracy that be appropriate to the resolution of the proposed objective. It’s expected to demonstrate that the developed solution will contribute not only to the optimization of planning, but also to extend the useful life cycle of the equipment, avoiding failures, reducing downtime, and reducing maintenance costs.Cardoso, José Marílio OliveiraRepositório Científico do Instituto Politécnico do PortoSalgado, Fernando Sérgio Nicola da Costa20232026-06-30T00:00:00Z2023-01-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10400.22/23351TID:203331826porinfo:eu-repo/semantics/embargoedAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-08-02T01:48:31Zoai:recipp.ipp.pt:10400.22/23351Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T20:10:22.895162Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Planeamento da Manutenção de equipamentos médicos com recurso a técnicas de inteligência artificial
title Planeamento da Manutenção de equipamentos médicos com recurso a técnicas de inteligência artificial
spellingShingle Planeamento da Manutenção de equipamentos médicos com recurso a técnicas de inteligência artificial
Salgado, Fernando Sérgio Nicola da Costa
Planeamento
Manutenção Preditiva
Inteligência Artificial
Machine Learning
Algoritmos
Planning
Predictive Maintenance
Artificial Intelligence
Machine Learning
Algorithms
title_short Planeamento da Manutenção de equipamentos médicos com recurso a técnicas de inteligência artificial
title_full Planeamento da Manutenção de equipamentos médicos com recurso a técnicas de inteligência artificial
title_fullStr Planeamento da Manutenção de equipamentos médicos com recurso a técnicas de inteligência artificial
title_full_unstemmed Planeamento da Manutenção de equipamentos médicos com recurso a técnicas de inteligência artificial
title_sort Planeamento da Manutenção de equipamentos médicos com recurso a técnicas de inteligência artificial
author Salgado, Fernando Sérgio Nicola da Costa
author_facet Salgado, Fernando Sérgio Nicola da Costa
author_role author
dc.contributor.none.fl_str_mv Cardoso, José Marílio Oliveira
Repositório Científico do Instituto Politécnico do Porto
dc.contributor.author.fl_str_mv Salgado, Fernando Sérgio Nicola da Costa
dc.subject.por.fl_str_mv Planeamento
Manutenção Preditiva
Inteligência Artificial
Machine Learning
Algoritmos
Planning
Predictive Maintenance
Artificial Intelligence
Machine Learning
Algorithms
topic Planeamento
Manutenção Preditiva
Inteligência Artificial
Machine Learning
Algoritmos
Planning
Predictive Maintenance
Artificial Intelligence
Machine Learning
Algorithms
description Esta dissertação apresenta um estudo sobre a função manutenção, considerada fundamental para as organizações, pois é essencial para garantir a continuidade dos processos de produção, a prestação de serviços com qualidade e para assegurar que os equipamentos e instalações funcionem de forma eficiente e segura. Este trabalho tem como objetivo principal, desenvolver uma solução com recurso a técnicas de inteligência artificial para otimizar o planeamento da manutenção de equipamentos médicos, assim como suportar a gestão da manutenção nas suas tomadas de decisão. Foram recolhidos dados de funcionamento de equipamentos médicos, aos quais foram aplicados diferentes algoritmos de aprendizagem de machine learning (aprendizagem automática) de modo a identificar o melhor modelo em termos de precisão e exatidão que se aplica à resolução do objetivo proposto. Espera-se demonstrar que a solução desenvolvida contribuirá não só para a otimização do planeamento, bem como para prolongar o ciclo vida útil dos equipamentos, evitando falhas, diminuindo os tempos de inatividade e reduzindo os custos de manutenção.
publishDate 2023
dc.date.none.fl_str_mv 2023
2023-01-01T00:00:00Z
2026-06-30T00:00:00Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10400.22/23351
TID:203331826
url http://hdl.handle.net/10400.22/23351
identifier_str_mv TID:203331826
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/embargoedAccess
eu_rights_str_mv embargoedAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799133353930129408