TRABALHO: A DQN-ANN-Goal programming based algorithm for optimizing maintenance decision in multi-state multi-component systems CONFERÊNCIA: INSID 2020 – INnovation for Systems Information and Decision meeting 2020 AUTORES: Hanser Jiménez, Cristiano Cavalcante, Phuc Do, Rodrigo Lopes, Alexandre Alberti, Vinícius Tenório RESUMO: Multistate-multicomponent systems are complex systems characterized by elements that often difficult to meet efficient maintenance decisions. Some of these aspects include the interaction between components, the high dimensionality of states and actions, the uncertainty of the environment, and the conflicting nature of some objectives. To attend this issue, a novel Deep Reinforcement Learning framework was developed for the optimal maintenance management of multistate multicomponent systems considering the uncertainties in the environment. The novel algorithm exploits the information about the health state of components/system and identify the optimal set of actions by maximizing the expected long term reward, which is composed of the expected system reliability and the maintenance cost. The reward function is based on the concept of Goal Programming in which the deviations from aspiration levels is minimized and a trade-off between objectives is chased. The integration of Reinforcement Learning and Goal Programming enables including the preference structure of managers over reliability and maintenance cost objectives. The novel algorithm is pre-trained using an Artificial Neural Network that allows characterizing the decision environment by the prediction of the immediate reliability and maintenance cost for each state-action pair. The obtained results show good approximation capabilities of Deep Reinforcement Leaning assembled with Artificial Neural Networks and Goal Programming.
TRABALHO: Anomaly Detection and Comparison of the Performance of XGBoost and Deep Neural Network Classification analysis applied to a Rural Pump Equipment CONFERÊNCIA: INSID 2020 – INnovation for Systems Information and Decision meeting 2020 AUTORES: Adetoye Aribisala, Cristiano Cavalcante, Alexandre Alberti RESUMO: Pumps, generally have been known to be fully operational during their useful life until corrective or preventive maintenance is initiated. The importance of such pumps in an industry cannot be overemphasized. These fluid delivering devices find extensive use in several industrial settings such as water-cooling and fuel injection in the car industry, pumping oil and natural gas in the energy industry and for biomedical processes in developing and manufacturing medicine in the medical industry. Multivariate sensors mounted on these pumps have made research worthwhile in the area of health status and predictive maintenance. This work is centred on the classification analysis of failure modes culled from sensor signals of a water pump being used in a rural area. Anomaly detection of abnormal behaviour of the pump was also identified. Extreme Gradient Boosting (XGBoost) and Deep Neural Network (DNN) algorithms were deployed and their performances were compared for the classification problem. Support Vector Machine (SVM) machine learning model was used for anomaly detection. The prediction accuracy on both the XGBoost and DNN was observed to be the same at 99.9%. however, the XGBoost predictions on the test data were more exact and discrete as required of classification problems. The accuracy of outliers was basically high at 99%. This work proved that XGBoost is more intuitive in a classification problem because of its suitability to small-to-medium structured and tabular data.
TRABALHO: Integration of the PROMETHEE II method with the Delay Time model for proposing a maintenance policy CONFERÊNCIA: INSID 2020 – INnovation for Systems Information and Decision meeting 2020 AUTORES: Usama Ali Salahuddin Ghori, Augusto José da Silva Rodrigues, Cristiano Alexandre Virgínio Cavalcante RESUMO: In the past, the maintenance action was seen as a necessary evil that generated only industrial costs and its function was only focused on the “broke, fix” policy. However, this view has changed, since the advantages of adopting maintenance strategies have gained increasing visibility, mainly due to the importance of preserving the functional state of an item, which collaborates to prevent failures and prevent industrial accidents, which could generate consequences of magnitudes, which go beyond economic impacts. Thus, due to the need to establish maintenance strategies in the midst of a competitive market, this work proposes a maintenance policy to determine the interval between inspections for a simple component, considering the delay-time concept for modeling the deterioration and failure process of the component, where three distinct and identifiable states are observed (good, defective and failed). In addition, the proposed policy is constructed from a multicriteria perspective, considering the PROMETHEE II method to address conflicts of the decision-maker’s objectives, which are expressed in multiple performance measures. The application of the proposed model in a realistic context allowed not only to find a recommendation for time between inspections (T), but also brought benefits through other existing policies.
TRABALHO: A deep reinforcement learning based maintenance policy for a steel production line CONFERÊNCIA: INSID 2020 – INnovation for Systems Information and Decision meeting 2020 AUTORES: Waldomiro A. Ferreira Neto, Cristiano Alexandre V. Cavalcante, Rafael G. N. Paiva, Vinícius A.S. Tenório RESUMO: Neste artigo, é realizada uma análise em uma estação de trituração sujeita a falhas aleatórias, que fornece sucata triturada como matéria prima para uma linha de produção de aço. O principal equipamento usado no processo de trituração é um triturador industrial chamado de Shredder. Devido aos altos esforços envolvidos no processo, o Shredder degrada com o tempo, resultando em redução da sua produtividade até a paralisação total da estação. Atividades de manutenção preventivas são necessárias para garantir a continuidade da operação do triturador e manter seu nível de produtividade elevado. O desafio encontrado no gerenciamento da manutenção é saber qual o melhor momento para realizar as intervenções de manutenção, visto que a frequência das atividades afeta tanto aspectos econômicos quanto a eficiência da linha produtiva. O presente estudo objetiva aplicar um algoritmo aprendizado por reforço para que, através da observação do nível de produtividade da estação e o volume do estoque de sucata triturada, o agente consiga identificar qual o melhor momento para cada intervenção de manutenção, tendo como recompensa a minimização do custo total esperado ao longo prazo. O artigo será conduzido através de um estudo de caso em uma indústria de fabricação de aço brasileira. Será criado um modelo de simulação de eventos discretos onde ocorrerão as interações do agente e o ambiente de manutenção. Como resultado espera-se um melhor desempenho da linha produtiva com a aplicação do algoritmo de aprendizado por reforço em termos de custo em comparação com as políticas de manutenção aplicadas atualmente na indústria.
TRABALHO: An Inspection Policy for steel production lines considering buffer level and operational time CONFERÊNCIA: INSID 2020 – INnovation for Systems Information and Decision meeting 2020 AUTORES: Waldomiro A. Ferreira Neto, Cristiano Alexandre V. Cavalcante, Augusto César de J. Santos, Alexandre R. Alberti RESUMO: Com base na reciclagem de sucata, o processo de trituração transforma uma grande variedade de objetos compostos predominantemente por aço em sucata triturada. O triturador industrial Shredder, é principal equipamento usado neste processo. Devido aos altos esforços envolvidos nessa transformação, a manutenção é um aspecto essencial para garantir a continuidade da operação do triturador. Uma política de manutenção não eficiente pode ter consequências negativas para o desempenho do triturador, cuja falha pode interromper todos os processos subsequentes para os quais fornece sucata triturada como matéria prima. Este artigo propõe uma política de inspeção oportuna que leva em consideração o nível de estoque de sucata triturada e o tempo operacional do triturador. A política de inspeção consiste em realizar inspeções sempre que o triturador concluir T (horas) de operação desde a última ação de manutenção ou quando o nível do estoque atingir h (toneladas) de sucata processada e já tiver concluído t (horas) desde a última inspeção, o que ocorrer antes. Foi desenvolvido um modelo de simulação de eventos discretos capaz de estimar o desempenho da política de inspeção em termos de custo de longo prazo por unidade de tempo. Para otimizar as variáveis de decisão e encontrar uma boa política de manutenção a ser sugerida ao tomador de decisão, foi embutido no modelo um algoritmo de minimização global utilizando Evolução Diferencial. Para enfatizar sua aplicação prática, o modelo é aplicado em um estudo de caso real e comparado com a política atualmente aplicada pelo setor. O modelo proporcionou redução econômica em todos os casos analisados. A maior redução no custo esperado foi de 95,17%.
TRABALHO: Proposição de política de manutenção para aerogeradores sob abordagem de aprendizado de máquina CONFERÊNCIA: INSID 2020 – INnovation for Systems Information and Decision meeting 2020 AUTORES: Flávio Quaresma, Tulio Rodriguez, Cristiano Cavalcante RESUMO: Ante a necessidade de geração de energia elétrica, diferentes opções têm sido apresentadas nos últimos anos para substituir fontes de energias fossilizes como o petróleo e seus derivados. Por conta disso, é necessário desenvolver pesquisas que tornem ainda mais viável o progresso das energias limpas, em especial a da energia eólica, fonte que está em ascensão no mundo inteiro e em especial no Brasil. Nesse contexto, os componentes de um aerogerador sofrem deterioração e desenvolvem estados de integridade, podendo ser recuperados pelas atividades de manutenção. Dessa maneira, o objetivo deste trabalho é estabelecer uma política de manutenção para aerogeradores que vise não apenas aumentar o desempenho do equipamento, mas também que seja operacionalizado de forma a minimizar os custos da manutenção do parque eólico. Estudamos um sistema multicomponente para um parque eólico onshore no qual as ações de manutenção dependem de seus estados e dos indicadores de saúde. Atualmente, há uma defasagem no que tange a otimização da manutenção do parque eólico como um todo apenas focando em componentes específicos, deixando uma lacuna de otimização existente. Portanto, propusemos uma estratégia de manutenção que considera todas as turbinas, fazendo o uso de um histórico de falhas e de um algoritmo de inteligência artificial para geração de indicadores de saúde. Como resultado, o modelo conseguiu prever cenários críticos, alocou a manutenção respectiva para cada componente e retornou o custo total. Por fim, foi possível concluir que é possível evitar desperdícios de recursos e ser mais eficiente nas realizações dos reparos.
TRABALHO: Analysis of discrete event data to support maintenance management through the discovery of sequential patterns CONFERÊNCIA: INSID 2020 – INnovation for Systems Information and Decision meeting 2020 AUTORES: Rafael G. N. Paiva, Yan R. de Melo, Waldomiro A. Ferreira Neto, Vinícius A.S. Tenório, Cristiano Alexandre V. Cavalcante RESUMO: As a consequence of the technology advancing and manufacturing modernization, the current scenario is marked by the presence of an accessible big mass of data from the machines and facilities that compose the industrial processes. The maintenance function faces the opportunity of using those data to perform effective actions seeking the effectiveness of resource usage, obtaining cost reduction, and greater availability in the production line. Hence, the challenge faced is how to extract knowledge from the available information to support maintenance management and planning decisions. This study aims to apply technics of knowledge extraction and data mining in a discrete database of a manufacturing system to learn sequential patterns and rules which will provide the bases for effective maintenance policies. For this purpose, the processes of database knowledge extraction, known as KDD (Knowledge Discovery in Databases) will be used and the data mining will be held by the GSP (Generalized Sequential Pattern) algorithm. As a result of this study is expected to build a framework that integrates those technics into a database related to maintenance events and use this framework to support the definition of maintenance policies.
TRABALHO: Study of quality and decision in maintenance actions CONFERÊNCIA: INSID 2020 – INnovation for Systems Information and Decision meeting 2020 AUTORES: Lucas Q. M. da Costa, Augusto César de J. Santos, Waldomiro A. Ferreira Neto, Cristiano A. V. Cavalcante. RESUMO: Maintenance policies are materialized in operation through the coordination of actions, these being planned or not, which implies the decision on adopting certain procedure over another one. As the base for maintenance decision-making, quality analysis of proposed activities under consideration of possible system perturbations and compromising factors become crucial for the maintenance policy success. In this sense, the present work proposes a comprehensive analysis of the elements that influence inspection-type actions, with special focus on possible operation-disrupting external events and the human factor role in the execution of programmed activities. Work on these aspects is developed under a processual rationale, highlighting everyday operational situations that demand response by the maintenance management and consequences related to each decision made. It is observed that it is not yet found in literature an approach such as proposed in this work. Through developed methodology, the present study contributes significantly with Maintenance expertise, in terms of understanding the wide range of elements – many of these subjective and uncontrollable – that influence the quality of coordinated actions, as well as the consequences of each course of action adopted in conducting the policy.
TRABALHO: Estudo do Impacto da Indução de Defeito em uma Política de Inspeção CONFERÊNCIA: SBPO 2020 – LII Simpósio Brasileiro de Pesquisa Operacional AUTORES: Lucas Queiroz Melo da Costa, Cristiano Alexandre Virgínio Cavalcante, Waldomiro Alves Ferreira Neto, Augusto César de Jesus Santos, Alexandre Ramalho Alberti. RESUMO: Para implementar um programa de manutenção efetivo, é fundamental entender os aspectos de qualidade das atividades executadas através da política estabelecida. Neste trabalho, a influência de eventos externos combinados ao fator humano sobre a qualidade da manutenção é considerada, de forma inovadora, dentro do contexto de uma política de inspeção e substituição preventiva híbrida, considerando um sistema composto por um único componente. O impacto sobre a política de manutenção é modelado assumindo que eventos externos podem perturbar as condições próprias para uma inspeção, tornando os mantenedores sujeitos a erros que podem levar a indução de defeitos durante esta inspeção. Implicações econômicas e em termos de confiabilidade são determinadas. Um modelo matemático é proposto, e alguns resultados são obtidos para comparação com literatura prévia neste tema, com a finalidade de prover uma melhor análise em como práticas operacionais cotidianas podem impactar a qualidade global de uma política de manutenção.
TRABALHO: Seleção de fornecedores para serviços de inspeções com base em múltiplos critério e no modelo Delay Time CONFERÊNCIA: SBPO 2020 – LII Simpósio Brasileiro de Pesquisa Operacional AUTORES: Augusto José da Silva Rodrigues, Cristiano Alexandre Virgínio Cavalcante, Alexandre Ramalho Alberti. RESUMO: A manutenção preventiva ganhou um enfoque estratégico e indispensável para indústrias de todos os segmentos. Especificamente as empresas que distribuem gás natural necessitam estabelecer políticas eficientes de manutenção, já que a instalação de tubulações pode introduzir perigos aos cidadãos das áreas periféricas. Além disso, a interrupção do fornecimento do produto pode interferir nos processos produtivos de outras empresas, à exemplo de termoelétricas, que necessitam do gás como matéria-prima para a geração de energia elétrica. Nesse cenário, este trabalho propõe um modelo multicritério baseado no Delay Time e no método FITradeoff para escolha de um fornecedor de inspeção para uma válvula de isolamento. O modelo não apenas permitiu avaliar o desempenho da política em termos de múltiplos critérios de interesse, mas também possibilitou considerar a possibilidade de ocorrerem falsos negativos durante um processo de inspeção, o que aproxima ainda mais de situações realísticas.
TRABALHO: Modelo Delay time para reuso de componentes CONFERÊNCIA: SBPO 2020 – LII Simpósio Brasileiro de Pesquisa Operacional AUTORES: Augusto César de Jesus Santos, Cristiano Alexandre Virgínio Cavalcante, Lucas Queiroz Melo da Costa. RESUMO:O conceito de delay time tem sido utilizado em grande número de aplicações para modelar importantes aspectos da realidade. Concisamente, um defeito surge em um componente ou sistema e a falha só ocorre após o intervalo denominado delay time. Em algumas situações, o tempo no estado defeituoso interfere no custo de reparo do componente para o seu reuso subsequente. Apesar disso, um número pequeno de contribuições lida com a influência do tempo em estado defeituoso e seu respectivo custo. Nesse sentido, considerando a crescente tendência pelo reuso de itens, este trabalho propõe uma modificação na modelagem de forma que o custo de reparo do item é função do tempo de permanência no estado defeituoso. Os resultados indicam que o modelo proposto permite uma expressiva redução no custo total esperado quando comparado com o modelo tradicional. Além do benefício econômico, a proposta introduz o aspecto da sustentabilidade na modelagem delay time.
TRABALHO: Política híbrida de manutenção de duas fases voltada para sistemas críticos usando o conceito Delay-Time CONFERÊNCIA: SBPO 2020 – LII Simpósio Brasileiro de Pesquisa Operacional AUTORES: Waldomiro Alves Ferreira Neto, Cristiano Alexandre Virgínio Cavalcante, Alexandre Ramalho Alberti, Augusto César de Jesus Santos. RESUMO: Sistemas críticos são sistemas cujas falhas podem gerar prejuízos em múltiplas dimensões. Neste contexto, adotar uma política de manutenção eficaz é de suma importância, pois um dos objetivos da manutenção é prevenir as sérias consequências decorrentes de uma falha. Assim, este trabalho apresenta um modelo de manutenção híbrida de duas fases voltado para sistemas críticos, onde uma das fases de inspeção tem sua periodicidade reduzida por um fator de redução. O processo de falha do sistema foi modelado segundo o conceito delay-time, que caracteriza o sistema em três possíveis estados: bom, defeituoso e falho. Sua eficiência é validada através de um modelo analítico que avalia o desempenho da política em relação ao custo, taxa de falha e downtime esperados ao longo prazo. Após a aplicação em um estudo de caso, o modelo apresentou o custo e taxa de falha esperada no longo prazo menor que outras políticas existentes.
TRABALHO: Um algoritimo de racionamento de inventário para lojas business-to-consumer no contexto de interrupções de fornecimento CONFERÊNCIA: SBPO 2020 – LII Simpósio Brasileiro de Pesquisa Operacional AUTORES: Hanser Steven Jiménez González, Tulio Orrego Rodriguez, Cristiano Alexandre Virgínio Cavalcante. RESUMO: Este trabalho propõe um algoritmo de racionamento de estoque para o atendimento de pedidos em lojas business-to-consumer, considerando a limitação de estoque sob contextos de interrupção de fornecimento, como o ocasionado pela atual pandemia do COVID-19/SARS-CoV-2. O modelo permite alocar o inventario aos pedidos em um sistema de drop-shipping parcial, priorizando os pedidos de acordo com aspectos como o tamanho dos pedidos, o grau em que o pedido compromete a disponibilidade de estoque, a disponibilidade de unidades de armazenamento e os bloqueios geográficos. O modelo permite otimizar o uso do estoque disponível sob as condições de interrupção de suprimento, permitindo aumentar a taxa de pedidos atendidos e o lucro total. O resultado do modelo é uma operação de atendimento mais lucrativa, com maior nível de serviço, e com maior grau de resiliência diante do impacto das interrupções de fornecimento.
