XINFORMAÇÕES SOBRE DIREITOS AUTORAIS
As obras disponibilizadas nesta Biblioteca Digital foram publicadas sob expressa autorização dos respectivos autores, em conformidade com a Lei 9610/98.
A consulta aos textos, permitida por seus respectivos autores, é livre, bem como a impressão de trechos ou de um exemplar completo exclusivamente para uso próprio. Não são permitidas a impressão e a reprodução de obras completas com qualquer outra finalidade que não o uso próprio de quem imprime.
A reprodução de pequenos trechos, na forma de citações em trabalhos de terceiros que não o próprio autor do texto consultado,é permitida, na medida justificada para a compreeensão da citação e mediante a informação, junto à citação, do nome do autor do texto original, bem como da fonte da pesquisa.
A violação de direitos autorais é passível de sanções civis e penais.
As obras disponibilizadas nesta Biblioteca Digital foram publicadas sob expressa autorização dos respectivos autores, em conformidade com a Lei 9610/98.
A consulta aos textos, permitida por seus respectivos autores, é livre, bem como a impressão de trechos ou de um exemplar completo exclusivamente para uso próprio. Não são permitidas a impressão e a reprodução de obras completas com qualquer outra finalidade que não o uso próprio de quem imprime.
A reprodução de pequenos trechos, na forma de citações em trabalhos de terceiros que não o próprio autor do texto consultado,é permitida, na medida justificada para a compreeensão da citação e mediante a informação, junto à citação, do nome do autor do texto original, bem como da fonte da pesquisa.
A violação de direitos autorais é passível de sanções civis e penais.
Coleção Digital
Título: DEVELOPMENT OF A DECISION SUPPORT METHODOLOGY FOR INTELLIGENT MAINTENANCE COMBINING MULTICRITERIA AND MACHINE LEARNING APPROACHES: CASE STUDY IN A MANUFACTURING COMPANY Autor: JAQUELINE ALVES DO NASCIMENTO
Instituição: PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO - PUC-RIO
Colaborador(es):
RODRIGO GOYANNES GUSMAO CAIADO - ADVISOR
LUIZ FELIPE RORIS RODRIGUEZ SCAVARDA DO CARMO - CO-ADVISOR
Nº do Conteudo: 66631
Catalogação: 13/05/2024 Liberação: 13/05/2024 Idioma(s): PORTUGUESE - BRAZIL
Tipo: TEXT Subtipo: THESIS
Natureza: SCHOLARLY PUBLICATION
Nota: Todos os dados constantes dos documentos são de inteira responsabilidade de seus autores. Os dados utilizados nas descrições dos documentos estão em conformidade com os sistemas da administração da PUC-Rio.
Referência [pt]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=66631&idi=1
Referência [en]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=66631&idi=2
Referência DOI: https://doi.org/10.17771/PUCRio.acad.66631
Resumo:
Título: DEVELOPMENT OF A DECISION SUPPORT METHODOLOGY FOR INTELLIGENT MAINTENANCE COMBINING MULTICRITERIA AND MACHINE LEARNING APPROACHES: CASE STUDY IN A MANUFACTURING COMPANY Autor: JAQUELINE ALVES DO NASCIMENTO
LUIZ FELIPE RORIS RODRIGUEZ SCAVARDA DO CARMO - CO-ADVISOR
Nº do Conteudo: 66631
Catalogação: 13/05/2024 Liberação: 13/05/2024 Idioma(s): PORTUGUESE - BRAZIL
Tipo: TEXT Subtipo: THESIS
Natureza: SCHOLARLY PUBLICATION
Nota: Todos os dados constantes dos documentos são de inteira responsabilidade de seus autores. Os dados utilizados nas descrições dos documentos estão em conformidade com os sistemas da administração da PUC-Rio.
Referência [pt]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=66631&idi=1
Referência [en]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=66631&idi=2
Referência DOI: https://doi.org/10.17771/PUCRio.acad.66631
Resumo:
Industry 4.0 (I4.0) and digital transformation are revolutionizing maintenance in
industries, pushing it towards a more intelligent and proactive approach, known as
smart maintenance (SM). Recently, the transition to Maintenance 4.0 has been
experienced, where maintenance decisions based on data and advanced analytics
brought about by SM make it possible to increase efficiency, reduce operating costs
and have a major impact on operational performance. With the increasing
digitalization of processes and the availability of new technologies, decisions are
becoming smarter, which requires having a structured, data-driven decision-making
process for efficient decisions. However, making management decisions can be
complex due to the multiple criteria and points of view involved. For example, there
can be trade-offs and different competing priorities between functional areas such
as maintenance, production and finance. From this perspective, it is crucial to have
a methodology that combines these conflicting aspects, and in the Maintenance 4.0
era, the consideration of multiple criteria and points of view justifies the need for a
decision support framework that combines multi-criteria decision making (MCDM)
and Machine Learning (ML) techniques. A scoping review showed that there is a
lack of decision support methodologies (and frameworks) combining these
approaches in empirical studies and in emerging countries. In view of this, this
research aims to propose and apply a decision support framework for MS in a
Brazilian manufacturing company. A case study is used as the empirical method,
using real maintenance data, participant observation and interviews, as well as
document analysis. A hybrid multi-criteria approach is proposed using AHP,
MOORA, MULTIMORA and Borda methods with qualitative and quantitative
data, to solve a problem of ranking printers to be part of the start of predictive
maintenance. The computational implementation of the approaches that make up
the methodology took place in Python. At the end of the research, it was possible
to observe that the combination of MCDM and ML can be an effective approach to
improve decision-making in asset maintenance, considering multiple criteria and
the complexity of the data involved.
| Descrição | Arquivo |
| COMPLETE |
