Documente Academic
Documente Profesional
Documente Cultură
SUMMARY
Decisions in maintenance management could be focused to any aspect of
maintenance function, so their objectives, their organizational structure and their
actions go further the limits of the maintenance department and is necessary
information from different sources. These decisions could change in magnitude; form
the high cost equipment replacement through minim reparation. It is important to
understand the structure of the process of decisions maintenance problem.
It is only possible identify the most convenient action in maintenance if the factors
that intervene in the cause of failure have been understood, their incidence with
regard to the time, the maintenance costs, the redesign costs, and those non
quantifiable elements.
Fuzzy set theory and fuzzy logic have emerged as powerful ways of representing
quantitatively and manipulating the imprecision in engineering problems. Fuzzy sets
or fuzzy numbers can appropriately represent imprecise parameters, and can be
manipulated through different operations on fuzzy sets or fuzzy numbers. Since
imprecise parameters are treated as imprecise values instead of precise ones, the
process will be more powerful and its results more credible.
RESUMEN
Las decisiones en la gestión de Mantenimiento, pueden estar enfocadas a cualquier
aspecto de la función de Mantenimiento así, sus objetivos, su estructura
organizativa, sus acciones traspasan los límites del departamento de mantenimiento
y requieren información de diversas fuentes. Estas decisiones pueden variar en
magnitud, desde la sustitución de un equipo de alto coste hasta la opción por una
mínima reparación. Es, por tanto, importante entender la estructura del proceso de la
toma de decisiones.
839
2
respecto al tiempo, los costes de mantenimiento, los costes del rediseño, y aquellos
elementos no cuantificables.
La teoría de los conjuntos difusos y la lógica difusa han emergido como un poderoso
medio de representación de la imprecisión cualitativa y manipulable en problemas de
ingeniería. Los conjuntos difusos o números difusos pueden representar
apropiadamente parámetros imprecisos, y pueden ser tratados a través de diferentes
operaciones sobre dichos conjuntos. Con esta teoría y puesto que los parámetros
imprecisos se tratan como valores imprecisos en vez de precisos, el proceso será
mucho más poderoso y sus resultados más creíbles.
840
3
Un conjunto difuso está definido por una clase de objetos con unos grados de
pertenencia. Así, se asocia a cada conjunto difuso una función de pertenencia que
asigna a cada objeto un grado de pertenencia, cuyos valores pertenecerán al
intervalo cerrado [0,1]. Cuando el grado de pertenencia de un objeto es uno, este
objeto está absolutamente en este conjunto; cuando el grado de pertenencia es
cero, el objeto no está en absoluto en ese conjunto A. Mientras que a los casos
intermedios se les asigna números entre cero y uno.
A= {( x, µ A ( x ) ) , x ∈ U}
Para un conjunto ordinario o ‘crisp’, A
1 si x ∈ A
µA ( x ) =
0 si x ∉ A
841
4
6. Constante en [d,+∞): µM ( x ) = 0, ∀x ∈ [d , +∞ )
842
5
El algoritmo deductivo difuso calcula una valoración final para cada plan de
mantenimiento generado mediante la utilización del método de la suma ponderada
difusa. En un primer paso, cada alternativa del plan de mantenimiento es evaluada
para cada criterio independientemente. Después de haber ponderado el ingeniero de
mantenimiento los diferentes criterios, el algoritmo deductivo difuso calcula un
conjunto difuso que representa la valoración final del plan de mantenimiento.
Mientras se hace esto, se tienen en cuenta todos los criterios y los coeficientes
ponderados.
Finalmente los autores proponen una base de datos relacional difusa donde la
información se trata como grupos registrados en relaciones o tablas. La ambigüedad
se incluye en el modelo propuesto tanto añadiendo información vaga o imprecisa
como mediante la realización de consultas vagas a la base de datos. El modelo de
base de datos relacional difusa propuesto es flexible para utilizar en un amplio rango
843
6
• La escala producida por el AHP cuando se compara cualquier fallo y/o equipo
con otros da una indicación de que valores pueden considerarse como bajos,
medios o altos.
844
7
• Mantenimiento preventivo
CONCLUSIONES
Este tipo de estructura podría constar a nivel general de los siguientes módulos:
- Base de datos relacional: en la que se deben introducir todos los datos del
sistema tanto de listado de equipos, características, históricos, criterios de
decisión, niveles de criticidad de los equipos, etc
- Base de modelos: en la que pueden introducir distintas técnicas, como podrían
ser: ponderación de criterios, priorización de criterios, evaluación de
alternativas… (AHP, métodos de decisión difusos…) junto a metodologías
propias del mantenimiento como el mantenimiento centrado en la fiabilidad, el
mantenimiento productivo total, etc
845
8
- Base de reglas: Reglas que pueden ser de tipo difuso y que relacionen la base
de datos con la base modelos a fin de desarrollar un sistema integral
- Interfaz: de interconexión con el usuario (decisor) y el sistema, para facilitar de
este modo su implementación real
AGRADECIMIENTOS.
BIBLIOGRAFIA.
[2] Al-Najjar Basim, Alsouf Ismad. “Selecting the Most Efficient Maintenance
Approach Using Fuzzy Multiple Criteria Decision Making” Int. J. Production
Economics 84 (2003) 85-100
[3] Brettahuer G., Gamaleja T., Handschin E., Neumann U., Hoffmann W. “Integrated
Maintenance Scheduling System for Electrical Energy Systems” IEEE Transactions
on Power Delivery, Vol 13, No 2, April 1998
[4] Chen S-J, Hwang C-L, Fuzzy multiple attribute decision making, Lecture Notes in
Economics and Mathematical Systems No 375 Springer Verlag 1992
[5] Kelly A.,Harris M.J. (1998) “Gestión del Mantenimiento Industrial” Fundación
Repsol ISBN 84-923506-0-1
[6] Klir G.J., Yuan B., (1995) “Fuzzy Sets and Fuzzy Logic Theory and Applications”,
(Englewood Cliffs: Prentice Hall)
[7] Labib A.W., Williamas G.B., O’connor R.F. “An Intelligent Maintenance Model
(System): An Application Of The Analytic Hierarchy Process And A Fuzzy Logic
Rule-Based Controller” Journal of the Operational Research Society (1998) 49, 745-
757
[8] Sergaki A., Kalaitzakis K. “A Fuzzy Knowledge Based Method for Maintenance
Planning In Power System” Reliability Engineering and System Safety 77 (2002) 19-
30
CORRESPONDENCIA.
M. Socorro García Cascales
Dpto Electrónica, Tecnología de Computadoras y Proyectos
Área de Proyectos de Ingeniería
Universidad Politécnica de Cartagena
C/Dr Fleming s/n 30.202 Cartagena (Murcia) Spain
Tel: 968 32 65 74, Fax: 968 32 64 00 e-mail: socorro.garcia@upct.es
846