Métodos multicritério e mecanismos de aprendizagem para suporte à tomada de decisão em manutenção industrial

• Autor(a) principal: Adonis, Leonardo Cabral
• Data de Publicação: 2019
• Outros Autores: Rocha, Sulivan Matheus Santos
• 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
• 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

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.