Métodos multicritério e mecanismos de aprendizagem para suporte à tomada de decisão em manutenção industrial
Autor(a) principal: | |
---|---|
Data de Publicação: | 2019 |
Outros Autores: | |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) |
Texto Completo: | http://repositorio.utfpr.edu.br/jspui/handle/1/27827 |
Resumo: | O cenário industrial atual passa por transformações que impactam em todo o contexto econômico mundial, existindo uma crescente necessidade de melhor aplicação de recursos, redução de desperdícios e, principalmente, dinamismo no desenvolvimento de atividades devido ao crescimento na concorrência. A manutenção industrial é um setor que desempenha papel essencial para a operação dos parques industriais, sendo importante possuir um sistema que auxilie o processo de tomada de decisão em relação à esta área da indústria. Com o avanço tecnológico, existe a possibilidade de realizar a implementação de aplicações através de plataformas em cloud computing, desenvolvidas de acordo com as necessidades e especificidades de cada cenário. Neste trabalho é apresentado um sistema para priorização das ordens de manutenção, desenvolvido com a utilização de métodos multicritério de apoio à tomada de decisão e algoritmos de machine learning. Este sistema possui o objetivo de aprimorar a atividade de gestão de ativos, otimizando o processo de atendimento às ordens de manutenção, realizando a priorização e destinação das mesmas conforme critérios estabelecidos em base informacional. O sistema resultante possui abordagem em paralelo entre o método multicritério e o machine learning, possibilitando avaliar o desempenho de ambos e identificar características de sua aplicação. Além disso, a implementação em plataforma comercial buscou explorar a aplicabilidade das atuais plataformas de tecnologia na indústria. |
id |
UTFPR-12_1518109a71bce9d136a2299373900505 |
---|---|
oai_identifier_str |
oai:repositorio.utfpr.edu.br:1/27827 |
network_acronym_str |
UTFPR-12 |
network_name_str |
Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) |
repository_id_str |
|
spelling |
2022-04-04T21:58:54Z2022-04-04T21:58:54Z2019-11-21ADONIS, Leonardo Cabral; ROCHA, Sulivan Matheus Santos. Métodos multicritério e mecanismos de aprendizagem para suporte à tomada de decisão em manutenção industrial. 2019. Trabalho de Conclusão de Curso (Graduação em Engenharia de Controle e Automação) - Universidade Tecnológica Federal do Paraná, Curitiba, 2019.http://repositorio.utfpr.edu.br/jspui/handle/1/27827O cenário industrial atual passa por transformações que impactam em todo o contexto econômico mundial, existindo uma crescente necessidade de melhor aplicação de recursos, redução de desperdícios e, principalmente, dinamismo no desenvolvimento de atividades devido ao crescimento na concorrência. A manutenção industrial é um setor que desempenha papel essencial para a operação dos parques industriais, sendo importante possuir um sistema que auxilie o processo de tomada de decisão em relação à esta área da indústria. Com o avanço tecnológico, existe a possibilidade de realizar a implementação de aplicações através de plataformas em cloud computing, desenvolvidas de acordo com as necessidades e especificidades de cada cenário. Neste trabalho é apresentado um sistema para priorização das ordens de manutenção, desenvolvido com a utilização de métodos multicritério de apoio à tomada de decisão e algoritmos de machine learning. Este sistema possui o objetivo de aprimorar a atividade de gestão de ativos, otimizando o processo de atendimento às ordens de manutenção, realizando a priorização e destinação das mesmas conforme critérios estabelecidos em base informacional. O sistema resultante possui abordagem em paralelo entre o método multicritério e o machine learning, possibilitando avaliar o desempenho de ambos e identificar características de sua aplicação. Além disso, a implementação em plataforma comercial buscou explorar a aplicabilidade das atuais plataformas de tecnologia na indústria.The current industrial scenario is undergoing transformations that impact the entire world economic context, and there is a growing need for better use of resources, reduction of waste and, mainly, dynamism in the development of activities due to the growth in competition. Industrial maintenance is a sector that plays an essential role for the operation of industrial parks, and it is important to have a system that assists the decision making process in relation to this area of industry. With technological advancement, there is the possibility of implementing applications through cloud computing platforms, developed according to the needs and specificities of each scenario. This work presents a system for prioritizing maintenance orders, developed using multicriteria decision support methods and machine learning algorithms. This system aims to improve the asset management activity, optimizing the process of meeting maintenance orders, prioritizing and allocating them according to criteria established on an information basis. The resulting system has a parallel approach between the multicriteria method and machine learning, allowing to evaluate the performance of both and identify characteristics of their application. In addition, commercial platform implementation aimed to explore the applicability of current technology platforms in the industry.porUniversidade Tecnológica Federal do ParanáCuritibaGraduação em Engenharia de Controle e AutomaçãoUTFPRBrasilCNPQ::ENGENHARIAS::ENGENHARIA ELETRICAManutençãoSistemas de suporte de decisãoProcesso decisório por critério múltiploAprendizado de máquinasIndústria 4.0MaintenanceDecision support systemsMultiple criteria decision makingMachine learningIndustry 4.0Métodos multicritério e mecanismos de aprendizagem para suporte à tomada de decisão em manutenção industrialMulticriteria methods and learning mechanisms to support decision making in industrial maintenanceinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisCuritibaLoures, Eduardo de Freitas RochaLoures, Eduardo de Freitas RochaSilva, Daniel BalieiroLeludak, Jorge AssadeAdonis, Leonardo CabralRocha, Sulivan Matheus Santosinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))instname:Universidade Tecnológica Federal do Paraná (UTFPR)instacron:UTFPRORIGINALCT_COEAU_2019_2_07.pdfCT_COEAU_2019_2_07.pdfapplication/pdf1402114http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/27827/1/CT_COEAU_2019_2_07.pdfeb25919d0f5de8c768e4ccb3fac43b51MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81290http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/27827/2/license.txtb9d82215ab23456fa2d8b49c5df1b95bMD52TEXTCT_COEAU_2019_2_07.pdf.txtCT_COEAU_2019_2_07.pdf.txtExtracted texttext/plain137079http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/27827/3/CT_COEAU_2019_2_07.pdf.txt9ae121f7e5db8d30ce84fba8e5ccb499MD53THUMBNAILCT_COEAU_2019_2_07.pdf.jpgCT_COEAU_2019_2_07.pdf.jpgGenerated Thumbnailimage/jpeg1283http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/27827/4/CT_COEAU_2019_2_07.pdf.jpg1054b5f8e0c6dd85b6d48a837c062076MD541/278272022-04-05 03:08:08.204oai:repositorio.utfpr.edu.br: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ório de PublicaçõesPUBhttp://repositorio.utfpr.edu.br:8080/oai/requestopendoar:2022-04-05T06:08:08Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) - Universidade Tecnológica Federal do Paraná (UTFPR)false |
dc.title.pt_BR.fl_str_mv |
Métodos multicritério e mecanismos de aprendizagem para suporte à tomada de decisão em manutenção industrial |
dc.title.alternative.pt_BR.fl_str_mv |
Multicriteria methods and learning mechanisms to support decision making in industrial maintenance |
title |
Métodos multicritério e mecanismos de aprendizagem para suporte à tomada de decisão em manutenção industrial |
spellingShingle |
Métodos multicritério e mecanismos de aprendizagem para suporte à tomada de decisão em manutenção industrial Adonis, Leonardo Cabral CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA Manutenção Sistemas de suporte de decisão Processo decisório por critério múltiplo Aprendizado de máquinas Indústria 4.0 Maintenance Decision support systems Multiple criteria decision making Machine learning Industry 4.0 |
title_short |
Métodos multicritério e mecanismos de aprendizagem para suporte à tomada de decisão em manutenção industrial |
title_full |
Métodos multicritério e mecanismos de aprendizagem para suporte à tomada de decisão em manutenção industrial |
title_fullStr |
Métodos multicritério e mecanismos de aprendizagem para suporte à tomada de decisão em manutenção industrial |
title_full_unstemmed |
Métodos multicritério e mecanismos de aprendizagem para suporte à tomada de decisão em manutenção industrial |
title_sort |
Métodos multicritério e mecanismos de aprendizagem para suporte à tomada de decisão em manutenção industrial |
author |
Adonis, Leonardo Cabral |
author_facet |
Adonis, Leonardo Cabral Rocha, Sulivan Matheus Santos |
author_role |
author |
author2 |
Rocha, Sulivan Matheus Santos |
author2_role |
author |
dc.contributor.advisor1.fl_str_mv |
Loures, Eduardo de Freitas Rocha |
dc.contributor.referee1.fl_str_mv |
Loures, Eduardo de Freitas Rocha |
dc.contributor.referee2.fl_str_mv |
Silva, Daniel Balieiro |
dc.contributor.referee3.fl_str_mv |
Leludak, Jorge Assade |
dc.contributor.author.fl_str_mv |
Adonis, Leonardo Cabral Rocha, Sulivan Matheus Santos |
contributor_str_mv |
Loures, Eduardo de Freitas Rocha Loures, Eduardo de Freitas Rocha Silva, Daniel Balieiro Leludak, Jorge Assade |
dc.subject.cnpq.fl_str_mv |
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA |
topic |
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA Manutenção Sistemas de suporte de decisão Processo decisório por critério múltiplo Aprendizado de máquinas Indústria 4.0 Maintenance Decision support systems Multiple criteria decision making Machine learning Industry 4.0 |
dc.subject.por.fl_str_mv |
Manutenção Sistemas de suporte de decisão Processo decisório por critério múltiplo Aprendizado de máquinas Indústria 4.0 Maintenance Decision support systems Multiple criteria decision making Machine learning Industry 4.0 |
description |
O cenário industrial atual passa por transformações que impactam em todo o contexto econômico mundial, existindo uma crescente necessidade de melhor aplicação de recursos, redução de desperdícios e, principalmente, dinamismo no desenvolvimento de atividades devido ao crescimento na concorrência. A manutenção industrial é um setor que desempenha papel essencial para a operação dos parques industriais, sendo importante possuir um sistema que auxilie o processo de tomada de decisão em relação à esta área da indústria. Com o avanço tecnológico, existe a possibilidade de realizar a implementação de aplicações através de plataformas em cloud computing, desenvolvidas de acordo com as necessidades e especificidades de cada cenário. Neste trabalho é apresentado um sistema para priorização das ordens de manutenção, desenvolvido com a utilização de métodos multicritério de apoio à tomada de decisão e algoritmos de machine learning. Este sistema possui o objetivo de aprimorar a atividade de gestão de ativos, otimizando o processo de atendimento às ordens de manutenção, realizando a priorização e destinação das mesmas conforme critérios estabelecidos em base informacional. O sistema resultante possui abordagem em paralelo entre o método multicritério e o machine learning, possibilitando avaliar o desempenho de ambos e identificar características de sua aplicação. Além disso, a implementação em plataforma comercial buscou explorar a aplicabilidade das atuais plataformas de tecnologia na indústria. |
publishDate |
2019 |
dc.date.issued.fl_str_mv |
2019-11-21 |
dc.date.accessioned.fl_str_mv |
2022-04-04T21:58:54Z |
dc.date.available.fl_str_mv |
2022-04-04T21:58:54Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
ADONIS, Leonardo Cabral; ROCHA, Sulivan Matheus Santos. Métodos multicritério e mecanismos de aprendizagem para suporte à tomada de decisão em manutenção industrial. 2019. Trabalho de Conclusão de Curso (Graduação em Engenharia de Controle e Automação) - Universidade Tecnológica Federal do Paraná, Curitiba, 2019. |
dc.identifier.uri.fl_str_mv |
http://repositorio.utfpr.edu.br/jspui/handle/1/27827 |
identifier_str_mv |
ADONIS, Leonardo Cabral; ROCHA, Sulivan Matheus Santos. Métodos multicritério e mecanismos de aprendizagem para suporte à tomada de decisão em manutenção industrial. 2019. Trabalho de Conclusão de Curso (Graduação em Engenharia de Controle e Automação) - Universidade Tecnológica Federal do Paraná, Curitiba, 2019. |
url |
http://repositorio.utfpr.edu.br/jspui/handle/1/27827 |
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 Tecnológica Federal do Paraná Curitiba |
dc.publisher.program.fl_str_mv |
Graduação em Engenharia de Controle e Automação |
dc.publisher.initials.fl_str_mv |
UTFPR |
dc.publisher.country.fl_str_mv |
Brasil |
publisher.none.fl_str_mv |
Universidade Tecnológica Federal do Paraná Curitiba |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) instname:Universidade Tecnológica Federal do Paraná (UTFPR) instacron:UTFPR |
instname_str |
Universidade Tecnológica Federal do Paraná (UTFPR) |
instacron_str |
UTFPR |
institution |
UTFPR |
reponame_str |
Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) |
collection |
Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) |
bitstream.url.fl_str_mv |
http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/27827/1/CT_COEAU_2019_2_07.pdf http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/27827/2/license.txt http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/27827/3/CT_COEAU_2019_2_07.pdf.txt http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/27827/4/CT_COEAU_2019_2_07.pdf.jpg |
bitstream.checksum.fl_str_mv |
eb25919d0f5de8c768e4ccb3fac43b51 b9d82215ab23456fa2d8b49c5df1b95b 9ae121f7e5db8d30ce84fba8e5ccb499 1054b5f8e0c6dd85b6d48a837c062076 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) - Universidade Tecnológica Federal do Paraná (UTFPR) |
repository.mail.fl_str_mv |
|
_version_ |
1805923226446987264 |