JAQUELINE ALVES DO NASCIMENTO
Data: 22/02/2024, 11h.
Sala Zoom: https://puc-rio.zoom.us/j/96390294397?pwd=VXNTY0Rxai9vNHluTFpkWE9IZ0F5UT09
Orientadores: Rodrigo Goyannes Gusmão Caiado & Luiz Felipe Roris Rodriguez Scavarda do Carmo | PUC-Rio
Resumo:
A Indústria 4.0 (I4.0) e a transformação digital estão revolucionando a manutenção nas indústrias, impulsionando-a rumo a uma abordagem mais inteligente e proativa, conhecida como manutenção inteligente (smart maintenance – SM). Recentemente vive-se a transição para a Manutenção 4.0, em que decisões de manutenção baseada em dados e análises avançadas trazidas com a SM permitem aumentar a eficiência, reduzir os custos operacionais e têm um grande impacto no desempenho operacional. Com a crescente digitalização dos processos e a disponibilidade de novas tecnologias, as decisões estão se tornando mais inteligentes, o que requer ter um processo de tomada de decisão estruturado e baseado em dados para decisões eficientes. No entanto, tomar decisões gerenciais pode ser complexo devido a múltiplos critérios e pontos de vista envolvidos. Por exemplo, podem existir trade-offs e prioridades competitivas diferentes entre equipes funcionais como de manutenção, de produção e financeira. Nessa perspectiva, é crucial ter uma metodologia que combine esses aspectos conflitantes e, na era da Manutenção 4.0, a consideração de múltiplos critérios e pontos de vista, justifica a necessidade de um framework de apoio a decisão que combine técnicas de apoio multicritério a decisão (multi-criteria decision making – MCDM) e Machine Learning (ML). A partir de uma revisão de escopo observou-se a ausência de metodologias (e frameworks) de apoio a decisão combinando essas abordagens em estudos empíricos e em países emergentes. Diante disso, a presente pesquisa tem como objetivo propor e aplicar um framework de apoio à decisão para SM em uma empresa de manufatura brasileira. Como método empírico foi utilizado um estudo de caso, utilizando dados reais de manutenção, observação participante e entrevistas, além de análise documental. Uma abordagem multicritério híbrida é proposta por meio dos métodos AHP, MOORA, MULTIMORA e de Borda com dados qualitativos e quantitativos, para resolver um problema de ranking de impressoras para fazer parte do início das manutenções preditivas. A implementação computacional das abordagens que compõem a metodologia ocorreu em Python. A final da pesquisa foi possível observar que a combinação de MCDM e ML pode ser uma abordagem eficaz para aprimorar a tomada de decisão na manutenção de ativos, considerando múltiplos critérios e a complexidade dos dados envolvidos.