Uso da tecnologia na gestão da manutenção industrial: Framework de simulação para auxílio à tomada de decisão
DOI:
https://doi.org/10.20397/2177-6652/2022.v22i2.1931Palabras clave:
Gestão da manutenção, simulação, mineração de processosResumen
1) Objetivo do estudo: Propor um framework que permita gerar informações para o cálculo de indicadores de desempenho com o auxílio da mineração de processos;
2) Metodologia / abordagem: Primeiro passo foi selecionar os indicadores adequados e também extrair as informações do ambiente analisado. O segundo passo foi estruturar um modelo de simulação condicionado a gerar informações que permitam o cálculo dos indicadores selecionados. O terceiro passo foi realizar as simulações e disponibilizá-las com extensão de arquivo adequadas às ferramentas de mineração de processos. O quarto passo foi calcular os indicadores e disponibilizá-los ao gestor de manutenção;
3) Originalidade / Relevância: A produção literária sobre a utilização da simulação e mineração de processos na manutenção industrial é praticamente inexistente, alguns estudos relevantes foram encontrados mas tendo como foco a otimização, portanto evidencia a o originalidade. Quanto a relevância, proporciona uma nova maneira para simular ambientes de manutenção usando a técnica de mineração de processos para extrair os dados;
4) Principais resultados: Foi possível a estruturação do modelo de simulação com base nas informações oriundas da mineração de processos, a simulação conseguiu gerar informações suficientes para o cálculo dos indicadores de desempenho. Os indicadores foram apresentados ao gestor da manutenção de forma clara e objetiva;
5) Contribuições teóricas / metodológicas: Ampliação do conhecimento em simular ambientes de manutenção usando a mineração de processos como base de informações; ampliação do conhecimento quanto a utilização da simulação e mineração de processos para calcular indicadores relacionados a manutenção industrial; contribuir para uma melhor estruturação dos registros de eventos visando um melhor aproveitamento das ferramentas de mineração de processos.
Citas
Alabdlkarin, A., Ball, P. D. (2014). Tiwari A. Influence of resources on maintenance operations with different asset monitoring levels: a simulation approach. Business Process Management, 20(2), 95–212.
Alrabghi, A., Tiwari, A. (2015). State of the art in simulation-based optimization for maintenance systems. Computers & Industrial Engineering, 82, 167–182.
Arese, M. C., Rangel, L. A. D. (2017). Application of the TOPSIS method in the evaluation of the criteria used in the selection of teachers in a higher education institution. Conhecimento & Diversidade, 9(19), 47–58.
Assaf, S. A., Hadidi, L. A., Hassanain, M. A., Rezq, M. F. (2015). Performance evaluation and benchmarking for maintenance decision making units at petrochemical corporation using a DEA model. J Adv Manuf Technol, 76, 1957–1967.
Baglee, D., Marttonen, S. (2015). The need for Big Data collection and analyses to support the development of an advanced maintenance strategy. In: Proceedings of the international conference on data mining (DMIN). The Steering Committee of the World Congress in Computer Science, Computer Engineering and Applied Computing (WorldComp).
Behzadian, M., Otaghsara, S. K., Yazdani, M., Ignatius, J. (2012). A state-of the-art survey of TOPSIS applications. Expert Systems with Applications, 39, 13051–13069.
Borges, R., Santos, E. A. P., Loures, E. F. R. (2020). Application of Process Mining in Industrial Maintenance: An Approach for the Analysis of Equipment Shutdown. In: Z. Anisic, B. Lalic, D. Gracanin, (eds) Proceedings on 25th International Joint Conference on Industrial Engineering and Operations Management. IJCIEOM Lecture Notes on Multidisciplinary Industrial Engineering. (Vol. 27, pp. 314-324), Springer, Cham.
Borildo, D. J. A. (2017). Indústria 4.0 - Aplicação a Sistemas de Manutenção. Dissertação de Mestrado em Engenharia Mecânica, Universidade do Porto, Porto, Portugal.
Dwight, R. (1999). Frameworks for Measuring the Performance of the Maintenance System in à Capital Intensive Organization. Doctoral Report. University of Wollongong, Australia.
EN 15341. (2007). Maintenance Key Performance Indicators. British Standard, Committee European Normalisation.
Gomes, L. F. A. M., Rangel, L. A. D. (2009). An application of the TODIM method to the multicriteria rental evaluation of residential properties. European Journal of Operational Research, 193, 204-211.
Jain, V., Sangalh, A. K., Sakhuja, S., Thoduka, N., Ahharwal, R. (2016). Supplier selection using fuzzy AHP and TOPSIS: a case study in the Indian automotive industry. Neural Comput & Applic, 29, 555-564.
Khodyrev, I., Popova, S. (2014). Discrete modeling and simulation of business processes using event logs. 14th International Conference on Computational Science, Procedia Computer Science. Vol. 29, pp. 322–331.
Kotze, R. L. M., Visser, J. K. (2012). An analysis of maintenance performance systems in the South African mining industry: general article. S Afr J Ind Eng, 23, 13–29.
Kumar, U, Galar D. (2017). Maintenance in the Era of Industry 4.0: Issues and Challenges. In: P. Kapur, U. Kumar, A. Verma (eds). Quality, IT and Business Operations. Springer Proceedings in Business and Economics (pp. 231-250, Singapore) Springer.
Kumar, A., Sah, B., Singh, A. R., Deng, Y., He, X., Kumar, P., Bansal, R. C. (2017). A Review of Multi Criteria Decision Making (MCDM) Towards Sustainable Renewable Energy Development. Renewable and Sustainable Energy Reviews, 69, 596-609.
Maruster, L., Van beest, L. (2009). Redesigning business processes: a methodology based on simulation and process mining techniques. Knowledge and Information Systems, 21(3), 267–297.
Medina-oliva, G., Webber, P., Lung, B. (2015). Industrial system knowledge formalization toa id decision making in Maintenance stretegies assessment. Eng Appl Artif Intell, 37, 343-60.
Mourtzis, D., Vlachou, K., Zogopoulos, V., Fotini, X. (2017). Integrated Production and Maintenance Scheduling Through Machine Monitoring and Augmented Reality: An Industry 4.0 Approach. In: H. Lödding, R. Riedel, K. D. Thoben, G. von Cieminski, D. Kiritsis (eds). Advances in Production Management Systems. The Path to Intelligent, Collaborative and Sustainable Manufacturing. APMS. (Vol. 513, pp. 354-362), Springer, Cham.
Muchiri, P., Pintelon, L., Gelders, L., Martin, M. (2011). Development of maintenance function performance measurement framework and indicators. International Journal of Production Economics, 131(1), 295-302.
Nudurupati, S. S., Bititci, U. S., Kumar, V., Chan, F. T. S. (2011). State of the art literature review on performance measurement. Comput Ind Eng, 60(2), 279–290.
Nurcahyo, N., Arisaputra, A. E., Farizal. (Nov.- Dec. 2017). Development of Maintenance Program with Markov-Simulation Method in Aviation Industry. 4th IEEE International Conference on Engineering Technologies and Applied Sciences (ICETAS). Salmabad, Bahrain, pp. 1-5.
Parida, A., Kumar, U. (2006). Maintenance performance measurement (MPM): issues and challenges. J Qual Mainten Eng, 12, 239–251.
Parida, A., Chattopadhyay, G. (2007). Development of Multi-Criteria Hierarchical framework for maintenance measurement (MPM). Journal of Quality in Maintenance Engineering, 13(3), 241-258.
Pierezan R. (2011). Modeling and simulation of manufacturing systems in Color Petri Net. Dissertação de Mestrado em Engenharia de Produção e Sistemas, PUC PR, Curitiba PR, Brasil.
Process Mining Group. (2020, Out.) Process Mining Research Tools Application. Eindhoven University of Technology. [Online]. http://www.processmining.org/
Ron, A. J., Roda, J. E. (2005). Equipment effectiviness: OEE revisited. IEEE Transaction on Semicondutor Manufacturing, 18, 190-196.
Rozinat, A., Mans, R., Song, M. (2009a). Discovering simulation models. Information Systems, 34(3), 305-327.
Sharma, A., Yadavag, G., Deshmukh, S. (2011). A literature review and future perspectives on maintenance optimization. Journal of Quality in Maintenance Engineering, 17(1), 5–25.
Simões, J. M., Gomes, C. F., Yasin, M. M. (2011). A literature review of maintenance performance measurement: a conceptual framework and directions for future research. J Qual Mainten Eng, 17, 116–137.
Stefanovic, M., Nestic, S., Djordjevic, A., Djurovic, D., Macuzic, I., Tadic, D., Gacic, M. (2017). An assessment of maintenance performance indicators using the fuzzy sets approach and genetic algorithms. J Engineering Manufacture, 231(1), 15–27.
Van beest, N. R. T. P., Maruster, L. (2007, September). A Process Mining Approach to Redesign Business Processes - A Case Study in Gas Industry. Ninth International Symposium on Symbolic and Numeric Algorithms for Scientific Computing. Timisoara, Romania, pp. 541-548.
Van der Alst, W. M. P. (2010). Business Process Simulation Revisited. EOMAS LNBIP. Vol. 63, pp. 1–14. Springer-Verlag Berlin Heidelberg.
Van der Alst, W. M. P. (2011). Process Mining: discovery, conformance and enhancement of business processess. Berlin Heidelberg: Springer-Verlag.
Descargas
Archivos adicionales
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2022 Revista Gestão & Tecnologia
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Os direitos, inclusive os de tradução, são reservados. É permitido citar parte de artigos sem autorização prévia desde que seja identificada a fonte. A reprodução total de artigos é proibida. Em caso de dúvidas, consulte o Editor.
