Decision support model for condition-based maintenance of manufacturing equipment

Abstract

Introduction: This thesis describes a methodology to combine Bayesian control chart and CBM (Condition-Based Maintenance) for developing a new integrated model. In maintenance management, it is a challenging task for decision-maker to conduct an appropriate and accurate decision. Proper and well-performed CBM models are beneficial for maintenance decision making. The integration of Bayesian control chart and CBM is considered as an intelligent model and a suitable strategy for forecasting items failures as well as allow providing an effectiveness maintenance cost. CBM models provides lower inventory costs for spare parts, reduces unplanned outage, and minimize the risk of catastrophic failure, avoiding high penalties associated with losses of production or delays, increasing availability. However, CBM models need new aspects and the integration of new type of information in maintenance modeling that can improve the results. Objective: The thesis aims to develop a new methodology based on Bayesian control chart for predicting failures of item incorporating simultaneously two types of data: key quality control measurement and equipment condition parameters. In other words, the project research questions are directed to give the lower maintenance costs for real process control. Method: The mathematical approach carried out in this study for developing an optimal Condition Based Maintenance policy included the Weibull analysis for verifying the Markov property, Delay time concept used for deterioration modeling and PSO and Monte Carlo simulation. These models are used for finding the upper control limit and the interval monitoring that minimizes the (maintenance) cost function. Result: The main contribution of this thesis is that the proposed model performs better than previous models in which the hypothesis of using simultaneously data about condition equipment parameters and quality control measurements improve the effectiveness of integrated model Bayesian control chart for Condition Based Maintenance.

Introdução: Esta tese descreve uma metodologia para combinar Bayesian control chart e CBM (Condition- Based Maintenance) para desenvolver um novo modelo integrado. Na gestão da manutenção, é importante que o decisor possa tomar decisões apropriadas e corretas. Modelos CBM bem concebidos serão muito benéficos nas tomadas de decisão sobre manutenção. A integração dos gráficos de controlo Bayesian e CBM é considerada um modelo inteligente e uma estratégica adequada para prever as falhas de componentes bem como produzir um controlo de custos de manutenção. Os modelos CBM conseguem definir custos de inventário mais baixos para as partes de substituição, reduzem interrupções não planeadas e minimizam o risco de falhas catastróficas, evitando elevadas penalizações associadas a perdas de produção ou atrasos, aumentando a disponibilidade. Contudo, os modelos CBM precisam de alterações e a integração de novos tipos de informação na modelação de manutenção que permitam melhorar os resultados.Objetivos: Esta tese pretende desenvolver uma nova metodologia baseada Bayesian control chart para prever as falhas de partes, incorporando dois tipos de dados: medições-chave de controlo de qualidade e parâmetros de condição do equipamento. Por outras palavras, as questões de investigação são direcionadas para diminuir custos de manutenção no processo de controlo.Métodos: Os modelos matemáticos implementados neste estudo para desenvolver uma política ótima de CBM incluíram a análise de Weibull para verificação da propriedade de Markov, conceito de atraso de tempo para a modelação da deterioração, PSO e simulação de Monte Carlo. Estes modelos são usados para encontrar o limite superior de controlo e o intervalo de monotorização para minimizar a função de custos de manutenção.Resultados: A principal contribuição desta tese é que o modelo proposto melhora os resultados dos modelos anteriores, baseando-se na hipótese de que, usando simultaneamente dados dos parâmetros dos equipamentos e medições de controlo de qualidade. Assim obtém-se uma melhoria a eficácia do modelo integrado de Bayesian control chart para a manutenção condicionada.