Metodologias para determinação de periodicidade ótima de manutenção preventiva sob a suposição de reparo imperfeito em manutenção corretiva

Detalhes bibliográficos
Autor(a) principal: Rafael da Silva Fernandes
Data de Publicação: 2019
Tipo de documento: Tese
Idioma: por
Título da fonte: Repositório Institucional da UFMG
Texto Completo: http://hdl.handle.net/1843/31331
Resumo: 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 1 – 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 1; e a terceira visa apresentar uma estimação dos tempos de falhas utilizando a função média acumulada – estimada Λ̂() 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 1.
id UFMG_6d4222ef6f3e2965dd5c1b119a5dd6c6
oai_identifier_str oai:repositorio.ufmg.br:1843/31331
network_acronym_str UFMG
network_name_str Repositório Institucional da UFMG
repository_id_str
spelling Marta Afonso Freitashttp://lattes.cnpq.br/5604855163340174Enrico Antônio ColosimoRoberto da Costa QuininoMaria Luiza Guerra de ToledoGustavo Leonel Gilardoni Avallehttp://lattes.cnpq.br/6555642806939107Rafael da Silva Fernandes2019-11-28T18:17:24Z2019-11-28T18:17:24Z2019-10-04http://hdl.handle.net/1843/31331A 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 1 – 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 1; e a terceira visa apresentar uma estimação dos tempos de falhas utilizando a função média acumulada – estimada Λ̂() 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 1.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 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 1 – 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 1; and the third methodology objective an estimation of failure times using the recursively estimated Mean Cumulative Function – MCF. Λ̂(). 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 1 arithmetic reduction model.CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível SuperiorporUniversidade Federal de Minas GeraisPrograma de Pós-Graduação em Engenharia de ProduçãoUFMGBrasilENG - DEPARTAMENTO DE ENGENHARIA PRODUÇÃOEngenharia de produçãoConfiabilidade (Engenharia) - Métodos Estatísticos –Manutenção e reparosDecisão estatísticaConfiabilidadeManutençãoReparo imperfeitoModelo de idade virtualProcesso lei de potênciaFunção intensidadeParada ótimaMetodologias para determinação de periodicidade ótima de manutenção preventiva sob a suposição de reparo imperfeito em manutenção corretivainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFMGinstname:Universidade Federal de Minas Gerais (UFMG)instacron:UFMGORIGINALMetodologias para Determinação de Periodicidade Ótima de Manutenção Preventiva - Versão Final.pdfMetodologias para Determinação de Periodicidade Ótima de Manutenção Preventiva - Versão Final.pdfapplication/pdf1206448https://repositorio.ufmg.br/bitstream/1843/31331/1/Metodologias%20para%20Determina%c3%a7%c3%a3o%20de%20Periodicidade%20%c3%93tima%20de%20Manuten%c3%a7%c3%a3o%20Preventiva%20-%20Vers%c3%a3o%20Final.pdf525f2fabe79dd080fce3990cdb5cf2cdMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-82119https://repositorio.ufmg.br/bitstream/1843/31331/2/license.txt34badce4be7e31e3adb4575ae96af679MD52TEXTMetodologias para Determinação de Periodicidade Ótima de Manutenção Preventiva - Versão Final.pdf.txtMetodologias para Determinação de Periodicidade Ótima de Manutenção Preventiva - Versão Final.pdf.txtExtracted texttext/plain92642https://repositorio.ufmg.br/bitstream/1843/31331/3/Metodologias%20para%20Determina%c3%a7%c3%a3o%20de%20Periodicidade%20%c3%93tima%20de%20Manuten%c3%a7%c3%a3o%20Preventiva%20-%20Vers%c3%a3o%20Final.pdf.txtf477d08c3e1189a38fcde95fdca767f2MD531843/313312019-11-29 03:25:41.684oai:repositorio.ufmg.br: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Repositório de PublicaçõesPUBhttps://repositorio.ufmg.br/oaiopendoar:2019-11-29T06:25:41Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)false
dc.title.pt_BR.fl_str_mv Metodologias para determinação de periodicidade ótima de manutenção preventiva sob a suposição de reparo imperfeito em manutenção corretiva
title Metodologias para determinação de periodicidade ótima de manutenção preventiva sob a suposição de reparo imperfeito em manutenção corretiva
spellingShingle Metodologias para determinação de periodicidade ótima de manutenção preventiva sob a suposição de reparo imperfeito em manutenção corretiva
Rafael da Silva Fernandes
Confiabilidade
Manutenção
Reparo imperfeito
Modelo de idade virtual
Processo lei de potência
Função intensidade
Parada ótima
Engenharia de produção
Confiabilidade (Engenharia) - Métodos Estatísticos –
Manutenção e reparos
Decisão estatística
title_short Metodologias para determinação de periodicidade ótima de manutenção preventiva sob a suposição de reparo imperfeito em manutenção corretiva
title_full Metodologias para determinação de periodicidade ótima de manutenção preventiva sob a suposição de reparo imperfeito em manutenção corretiva
title_fullStr Metodologias para determinação de periodicidade ótima de manutenção preventiva sob a suposição de reparo imperfeito em manutenção corretiva
title_full_unstemmed Metodologias para determinação de periodicidade ótima de manutenção preventiva sob a suposição de reparo imperfeito em manutenção corretiva
title_sort Metodologias para determinação de periodicidade ótima de manutenção preventiva sob a suposição de reparo imperfeito em manutenção corretiva
author Rafael da Silva Fernandes
author_facet Rafael da Silva Fernandes
author_role author
dc.contributor.advisor1.fl_str_mv Marta Afonso Freitas
dc.contributor.advisor1Lattes.fl_str_mv http://lattes.cnpq.br/5604855163340174
dc.contributor.referee1.fl_str_mv Enrico Antônio Colosimo
dc.contributor.referee2.fl_str_mv Roberto da Costa Quinino
dc.contributor.referee3.fl_str_mv Maria Luiza Guerra de Toledo
dc.contributor.referee4.fl_str_mv Gustavo Leonel Gilardoni Avalle
dc.contributor.authorLattes.fl_str_mv http://lattes.cnpq.br/6555642806939107
dc.contributor.author.fl_str_mv Rafael da Silva Fernandes
contributor_str_mv Marta Afonso Freitas
Enrico Antônio Colosimo
Roberto da Costa Quinino
Maria Luiza Guerra de Toledo
Gustavo Leonel Gilardoni Avalle
dc.subject.por.fl_str_mv Confiabilidade
Manutenção
Reparo imperfeito
Modelo de idade virtual
Processo lei de potência
Função intensidade
Parada ótima
topic Confiabilidade
Manutenção
Reparo imperfeito
Modelo de idade virtual
Processo lei de potência
Função intensidade
Parada ótima
Engenharia de produção
Confiabilidade (Engenharia) - Métodos Estatísticos –
Manutenção e reparos
Decisão estatística
dc.subject.other.pt_BR.fl_str_mv Engenharia de produção
Confiabilidade (Engenharia) - Métodos Estatísticos –
Manutenção e reparos
Decisão estatística
description 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 1 – 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 1; e a terceira visa apresentar uma estimação dos tempos de falhas utilizando a função média acumulada – estimada Λ̂() 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 1.
publishDate 2019
dc.date.accessioned.fl_str_mv 2019-11-28T18:17:24Z
dc.date.available.fl_str_mv 2019-11-28T18:17:24Z
dc.date.issued.fl_str_mv 2019-10-04
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/1843/31331
url http://hdl.handle.net/1843/31331
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal de Minas Gerais
dc.publisher.program.fl_str_mv Programa de Pós-Graduação em Engenharia de Produção
dc.publisher.initials.fl_str_mv UFMG
dc.publisher.country.fl_str_mv Brasil
dc.publisher.department.fl_str_mv ENG - DEPARTAMENTO DE ENGENHARIA PRODUÇÃO
publisher.none.fl_str_mv Universidade Federal de Minas Gerais
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFMG
instname:Universidade Federal de Minas Gerais (UFMG)
instacron:UFMG
instname_str Universidade Federal de Minas Gerais (UFMG)
instacron_str UFMG
institution UFMG
reponame_str Repositório Institucional da UFMG
collection Repositório Institucional da UFMG
bitstream.url.fl_str_mv https://repositorio.ufmg.br/bitstream/1843/31331/1/Metodologias%20para%20Determina%c3%a7%c3%a3o%20de%20Periodicidade%20%c3%93tima%20de%20Manuten%c3%a7%c3%a3o%20Preventiva%20-%20Vers%c3%a3o%20Final.pdf
https://repositorio.ufmg.br/bitstream/1843/31331/2/license.txt
https://repositorio.ufmg.br/bitstream/1843/31331/3/Metodologias%20para%20Determina%c3%a7%c3%a3o%20de%20Periodicidade%20%c3%93tima%20de%20Manuten%c3%a7%c3%a3o%20Preventiva%20-%20Vers%c3%a3o%20Final.pdf.txt
bitstream.checksum.fl_str_mv 525f2fabe79dd080fce3990cdb5cf2cd
34badce4be7e31e3adb4575ae96af679
f477d08c3e1189a38fcde95fdca767f2
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)
repository.mail.fl_str_mv
_version_ 1803589432151900160