Optimization of imperfect maintenance based on fuzzy logic for a single‐stage single‐product production system

Abstract

Purpose -This paper aims to propose an approach for the optimization of imperfect preventive maintenance and corrective actions performed on a single machine. After maintenance, the machine returns to an age between "as good as new" and "as bad as old". Design/methodology/approach -The approach is based on fuzzy logic and simulation-based optimization. Fuzzy logic is preferred over crisp logic because it is relatively easy to implement in this situation considering that the human factor is hardly interpreted by analytical methods because of its unpredictable nature. Simulation-based optimization is used to have a more reactive and accurate tool for practitioners. Findings -Taking into account the impact of the imperfections due to human factors, the period for preventive maintenance, which minimizes the expected cost rate per unit of time or maximizes the availability of the system, is evaluated by the simulation-based optimization.Research limitations/implications -Different and more realistic maintenance levels must be considered and the traceability of a specific system could be used to determine the most appropriate failure law. For this study, cost reduction was considered as the priority, but the model can be adjusted according to the user's preferences. Practical implications -This paper considers a single repairable machine as a system that undergoes periodic preventive and corrective maintenance actions. Considering maintenance imperfections, rule-based fuzzy logic can be integrated into the maintenance program to determine the times for the periodic preventive maintenance actions. Originality/value -Considering human factors in maintenance programs is indispensable to assure more accurate and realistic results. However, due to the difficulty engendered by their modeling, most theoretical maintenance models do not consider these factors. Therefore, the proposed fuzzy model in the paper can be an important tool to include them.

State of the art in simulation-based optimisation for maintenance systems

“…As observed by Goti et al [56] and Horenbeek et al [75], little research is directed towards optimising a system composed of several equipment and most of the research focused on optimising single equipment without considering the production configuration. Indeed, systems compromising of a single machine producing a single product [48] or two exactly identical machines [42; 46] are oversimplified and do not reflect the complexity and interactions in real manufacturing systems.…”

“…For example, the longer the crack is on a pipe the more likely that it will be detected correctly [90]. Hennequin et al [48] integrated fuzzy logic in the simulation to model imperfect maintenance actions according to the different skills levels of maintenance technicians. performance both in a production context and in product-service systems.…”

“…Most DES studies utilised process-based specialised simulation software that provide graphical user interface such as Arena[45; 46; 50; 55; 58; 61; 63] which is offered by Rockwell Automation, Promodel [7; 22; 60; 67] which is offered by Promodel Corporation and Witness [25; 52; 57] which is an offering of Lanner Group. Other DES studies utilised general-purpose programs and languages such as C++[44; 71], Java[43], Matlab[48] and Excel[47]. Specialised simulation software provide several advantages over general-purpose programs such as rapid modelling, animation, automatically collected performance measures and statistical analysis[82].…”

A pertinência dos documentos prescritos nas atividades dos profissionais de manutenção industrial: o caso de uma indústria automobilística

“…A literatura apresenta um conjunto significativo de aproximações sistêmicas relacionadas à manutenção, por exemplo: modelos de controle de custos de manutenção (PERES; LIMA, 2008); modelos de manutenção para sistemas sujeitos a mais de um evento aleatório, para determinação de uma política ótima de manutenção preventiva (SANTOS; MOTTA; COLOSIMO, 2007); modelos matemáticos baseados na teoria multicritério de apoio à decisão e sistemas especialistas para tomada de decisões (CAVALCANTE; ALMEIDA, 2005; CAVALCANTE; FERREIRA; ALMEIDA, 2010; ALMEIDA, 2012; OLSSON; ESPLING, 2004, MECABÔ, 2007MARTÍNEZ et al, 2013); modelos de predição, utilizando lógica Fuzzy e redes neurais (CHEUNG; IP; LU, 2005;AL-NAJJAR;ALSYOUF, 2003;RAZA;LIYANAGE, 2009;HENNEQUIN;ARANGO;REZG, 2009;JAYASWAL;VERMA;WADHWANI, 2010); modelos de manutenção centrada em confiabilidade (RCM) e manutenção produtiva total (TPM) como bases das estratégias de manutenção, objetivando a máxima disponibilidade operacional a um custo ótimo (SELLITTO, 2005(SELLITTO, , 2007LI;GAO, 2010;AL-NAJJAR, 1996;BAMBER;SHARP;HIDES, 1999;COOKE, 2000;AHUJA;KHAMBA, 2008); além de estudos que abordam a implantação de softwares específicos para o controle e gerenciamento da manutenção (PERCY; KOBBACY, 1996;NICOLOPOULOS et al, 2003;KWONG;FUNG, 2000;KANS, 2009;DURÁN, 2013). Essas aproximações acompanham e sustentam o desenvolvimento de uma gestão na qual as dificuldades do trabalho real, do trabalho cotidiano são subestimadas, minimizadas ou até mesmo apagadas ou categoricamente negadas (LLORY, 2002).…”

O trabalho invisível e perigoso dos profissionais de manutenção: reflexões sobre a atividade em uma indústria automobilística

“…No que tange às políticas e modelos de gestão e otimização da manutenção, a literatura apresenta um conjunto significativo de pesquisas, por exemplo: modelos de controle de custos de manutenção (Peres & Lima, 2008); modelo financeiro para melhoria do desempenho e orientação dos investimentos em manutenção na indústria de manufatura (Salonen & Deleryd, 2011); políticas de gerenciamento da manutenção (Murthy et al, 2002;Alves & Falsarella, 2009); modelos de manutenção para sistemas sujeitos a mais de um evento aleatório, para determinação de uma política ótima de manutenção preventiva (Santos et al, 2007); modelos matemáticos baseados na teoria multicritério de apoio à decisão e sistemas especialistas para tomada de decisões (Cavalcante & Almeida, 2005;Helmann & Marçal, 2007); modelos de predição, utilizando lógica Fuzzy e redes neurais (Cheung et al, 2005;Raza & Liyanage, 2009;Hennequin et al, 2009); modelos de manutenção centrada em confiabilidade (RCM) e manutenção produtiva total (TPM) como base das estratégias de manutenção, objetivando a máxima disponibilidade operacional a um custo ótimo (Sellitto, 2005;Hipkin & De Cock, 2000;Li & Gao, 2010;Ahuja & Khamba, 2008), além de estudos que abordam a implantação de softwares específicos para o controle e gerenciamento da manutenção (Nicolopoulos et al, 2003;Kans, 2009).…”