| Name: | Description: | Size: | Format: | |
|---|---|---|---|---|
| 5.82 MB | Adobe PDF |
Authors
Advisor(s)
Abstract(s)
Nesta dissertação apresentam-se as contribuições de um trabalho de investigação que tem como objetivo o desenvolvimento e implementação de uma ferramenta automática que disponibiliza, quase em tempo real, indicadores de fiabilidade e de disponibilidade para um qualquer sistema reparável.
A ferramenta recebe dados recolhidos no equipamento em estudo, modela o processo gerador das avarias por recurso a vários modelos matemáticos/estatísticos, seleciona o modelo mais adequado aos dados recolhidos e, como base nesse modelo, apresenta um conjunto de indicadores úteis. Estes indicadores podem ser usados, tanto para prever o comportamento do sistema, como para avaliar como é que este responde a ações externas, como, por exemplo, à respetiva manutenção. Os trabalhos são iniciados com uma revisão dos conceitos e instrumentos fundamentais que suportam, grosso modo, o trabalho desenvolvido, seguindo-se o desenho, implementação e validação da ferramenta.
A ferramenta é desenvolvida em ambiente Python e de forma automática. Este automatismo facilita a obtenção de resultados em tempo quase real e permite que o perito do processo tenha acesso a um conjunto de indicadores do estado do sistema sem que tenha conhecimentos específicos sobre modelação de processo geradores de avarias. O resumo dos dados recolhidos, assim como a informação produzida pela ferramenta desenvolvida são apresentados de forma organizada através de um dashboard, também desenvolvido em ambiente Python, de forma que a interpretação dos resultados seja mais rápida e eficiente.
This dissertation presents the contributions of a research work that aims to develop and implement an automatic tool that provides, almost in real time, reliability, and availability indicators for any repairable system. The tool receives data collected from the equipment, models the process that generates the faults using various mathematical/statistical models, selects the most appropriate model for the data collected and based on that model, presents a set of useful indicators. These indicators can be used both to predict the behavior of the system and to assess how it responds to external actions, such as, for example, its maintenance. The work begins with a review of the fundamental concepts and instruments that roughly support the work developed, followed by the design, implementation, and validation of the tool. The tool is developed in a Python environment and automatically. This automatism facilitates obtaining results in near real time and allows the process expert to have access to a set of system status indicators without having specific knowledge about modeling fault-generating processes. The summary of the collected data, as well as the information produced by the developed tool, are presented in an organized way through a dashboard, also developed in a Python environment, so that the interpretation of the results is faster and more efficient.
This dissertation presents the contributions of a research work that aims to develop and implement an automatic tool that provides, almost in real time, reliability, and availability indicators for any repairable system. The tool receives data collected from the equipment, models the process that generates the faults using various mathematical/statistical models, selects the most appropriate model for the data collected and based on that model, presents a set of useful indicators. These indicators can be used both to predict the behavior of the system and to assess how it responds to external actions, such as, for example, its maintenance. The work begins with a review of the fundamental concepts and instruments that roughly support the work developed, followed by the design, implementation, and validation of the tool. The tool is developed in a Python environment and automatically. This automatism facilitates obtaining results in near real time and allows the process expert to have access to a set of system status indicators without having specific knowledge about modeling fault-generating processes. The summary of the collected data, as well as the information produced by the developed tool, are presented in an organized way through a dashboard, also developed in a Python environment, so that the interpretation of the results is faster and more efficient.
Description
Keywords
Manutenção Fiabilidade Disponibilidade Equipamentos reparáveis Estatística Processos Estocásticos Ferramenta Automática Python Maintenance Reliability Availability Repairable Equipments Statistics Stochastic Processes Automatic Tool