Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/31247| Título: | Metodologia heurística na otimização da programação dos planos de manutenção preventiva e preditiva na agroindústria |
| Título(s) alternativo(s): | Heuristic methodology in the optimization of the schedule of preventive and predictive maintenance plans in agroindustry |
| Autor(es): | Obal, Jonatas Santana |
| Orientador(es): | Francisco, Antonio Carlos de |
| Palavras-chave: | Heurística Manutenção Programação estruturada Agroindústria Heuristic Maintenance Structured programming Agricultural industries |
| Data do documento: | 23-Fev-2023 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Ponta Grossa |
| Citação: | OBAL, Jonatas Santana. Metodologia heurística na otimização da programação dos planos de manutenção preventiva e preditiva na agroindústria. 2023. Dissertação (Mestrado em Engenharia de Produção) - Universidade Tecnológica Federal do Paraná, Ponta Grossa, 2023. |
| Resumo: | As manutenções preventiva e preditiva são realizadas de modo a evitar que falhas aconteçam, assim melhorando o desempenho das máquinas e da produção da indústria. Porém, o planejamento da manutenção preventiva e preditiva é um desafio nas indústrias, pois devem considerar questões como, por exemplo, os custos destinados à manutenção, o tempo de cada equipamento disponível para manutenção e o levantamento prévio das considerações do fabricante. Além destas questões, a programação dos planos de manutenção é uma tarefa humanamente difícil no que tange à distribuição das tarefas pela sua criticidade aos técnicos nos dias de trabalho, sujeito a restrições de tempo de trabalho, dia de execução, entre outras. Neste sentido, este trabalho propõe uma metodologia heurística na otimização da programação dos planos de manutenção preventiva e preditiva na agroindústria. Considerando os dados dos planos de manutenção, o pré-processamento destes verifica a disponibilidade de staff, tanto para planos que devem ocorrer em dias específicos quanto para os que podem ser realizados em qualquer dia da semana. Com os dados pré-processados, a heurística proposta deverá ser executada semanalmente, e sua saída é uma lista de planos que serão realizados em cada dia da semana. A heurística foi aplicada em um caso de teste e posteriormente replicado em um caso real de uma agroindústria. A aplicação da heurística em caso fictício permitiu a verificação de seu funcionamento, enquanto sua aplicação em dados reais demonstrou sua eficiência e respondeu questões que estavam além das expectativas. Os dados do caso real foram extraídos de 1680 ativos do SAP (do alemão: Systemanalysis Programmentwicklung, que, em português, significa Desenvolvimento de Programas para Análise de Sistema) para aplicação na heurística. Desta aplicação verificou-se a necessidade de treze semanas para colocar todos os planos em dia, ou seja, para que nenhum plano fique com deadline negativo. A média de planos programados por semana é de 432, sendo programadas, em média, em 3 segundos pela heurística. Os resultados foram apresentados ao gestor de manutenção, o qual recebeu com surpresa que 75% dos planos de manutenção estavam com deadline negativo. Em relação ao output, a rapidez de solução apresentada pela heurística foi um ponto muito positivo. Isto irá diminuir drasticamente o tempo de planejamento do planejador, que hoje leva em torno de dois dias para planejar a semana, enquanto a heurística o faz quase instantaneamente. |
| Abstract: | Preventive and predictive maintenance are carried out to prevent failures, thus improving the performance of machines and industry production. However, the planning of preventive and predictive maintenance is a challenge in industries, as they must consider issues such as, the allocated cost to maintenance, the available maintenance time of each equipment and the previous survey of the manufacturer's considerations. In addition, programming maintenance plans is a humanly difficult task in terms of the distribution of tasks due to their criticality to technicians on working days, subject to restrictions on working time, day of execution, among others. In this sense, this work proposes a heuristic methodology to optimize the programming of preventive and predictive maintenance plans in the agroindustry. Considering maintenance plan data, their pre-processing verifies the availability of staff, both for plans that must occur on specific days and for those that can be carried out on any day of the week. With pre-processed data, the proposed heuristic should be executed weekly, and its output is a list of plans that will be carried out on each day of the week. The heuristic was applied in a test case and later replicated in a real case of an agroindustry. The application of the heuristic in a fictitious case allowed the verification of its operation, while its application in real data demonstrated its efficiency and answered questions that were beyond expectations. The real case data was extracted from 1680 SAP assets (from the German: Systemanalysis Programmentwicklung. From this application it was verified the need of thirteen weeks to update the plans, that is, no plan has a negative deadline. The average of plans in a week is 432, which is planned using around 3 seconds by the heuristic. The results were presented to the maintenance manager, who received with surprise that 75% of the maintenance plans were with negative deadline. Regarding the output, the speed of solution presented by the heuristic was a very positive point. This will drastically decrease the planner's planning time, which currently takes around two days to plan the week, while the heuristic does it almost instantly. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/31247 |
| Aparece nas coleções: | PG - Programa de Pós-Graduação em Engenharia de Produção |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| metodologiaheuristicaotimizacaoprogramacao.pdf | 17,6 MB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
