Submitted by Pedro Barros (pedro.silvabarros@ufpe.br) on 2018-06-29T19:10:32Z No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) DISSERTAÇÃO Thaís Lima Corrêa.pdf: 1826347 bytes, checksum: 3e2a4eaa7d0d1c4c2e98d8d8e9bec071 (MD5) / Made available in DSpace on 2018-06-29T19:10:32Z (GMT). No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) DISSERTAÇÃO Thaís Lima Corrêa.pdf: 1826347 bytes, checksum: 3e2a4eaa7d0d1c4c2e98d8d8e9bec071 (MD5) Previous issue date: 2017-02-21 / CAPES / Generalized Renewal Process (GRP) is a probabilistic model for repairable systems that can represent any of the five possible post-repair states of an equipment: as new condition, as old condition, as an intermediate state between new and old conditions, a better condition and a worse condition. GRP is often coupled with the Weibull distribution to model the equipment failure process and the Weibull-based GRP is able to accommodate three types of hazard rate functions: monotonically increasing, monotonically decreasing and constant. This work proposes a novel approach of GRP based on the q-Weibull distribution, which has the Weibull model as a particular case. The q-Weibull distribution has the capability of modeling two additional hazard rate behaviors, namely bathtub-shaped and unimodal curves. Such flexibility is related to a pair of parameters that govern the shape of the distribution, instead of a single parameter as in the Weibull model. In this way, the developed q-Weibull-based GRP is a more general framework that can model a variety of practical situations in the context of reliability and maintenance. The maximum likelihood problems associated with the qWeibull-based GRP using Kijima’s virtual age type I and II for the failure and time terminated cases are developed. The probabilistic and derivative-free heuristic Particle Swarm Optimization (PSO) is used to obtain the q-Weibull-based GRP paramaters’ estimates. The proposed methodology is applied to examples involving equipment failure data from literature and the obtained results indicate that the q-Weibull-based GRP may be a promising tool to model repairable systems. / O Processo de Renovação Generalizado (PRG) pode ser definido como um modelo probabilístico de sistemas reparáveis capaz de representar os cinco possíveis estados do sistema após o reparo: condição de um equipamento novo, condição de um equipamento antigo, um estado intermediário entre novo e antigo, melhor do que novo e pior do que antigo. O PRG costuma ser comumente empregado junto com a distribuição Weibull para a modelagem do processo de falhas dos equipamentos, no entanto, o modelo de GRP baseado na distribuição Weibull é capaz de considerar três comportamentos de taxa de falha: monotonicamente crescente, monotonicamente decrescente e constante. Este trabalho propõe uma nova abordagem para o PRG baseado na distribuição q-Weibull, que apresenta como um de seus casos particulares a distribuição Weibull. A distribuição q-Weibull apresenta a capacidade de modelar dois comportamentos de falha adicionais, denominadas curva da banheira e curva unimodal. Esta flexibilidade está relacionada a dois parâmetros que definem o formato da distribuição, ao invés de um único parâmetro como no caso da Weibull. Dessa forma, o modelo de PRG baseado na q-Weibull pode ser considerado uma estrutura mais geral de modelagem de uma variedade de situações práticas no contexto da confiabilidade e manutenção. São desenvolvidos estimadores de máxima verossimilhança para os casos de PRG baseada na distribuição q-Weibull sendo utilizadas as idades virtuais Kijima tipo I e II para os casos de dados censurados e não censurados. A heurística probabilística e livre de derivadas denominada Otimização via Nuvem de Partículas (Particle Swarm Optimization - PSO) é utilizada para obter os estimadores de máxima verossimilhança do modelo. O modelo proposto é aplicado a exemplos envolvendo falhas de equipamentos retirados da literatura e os resultados obtidos indicam que o PRG baseado na q-Weibull é uma ferramenta promissora na modelagem de sistemas reparáveis.

Submitted by admin tede (tede@pucgoias.edu.br) on 2017-08-21T12:30:58Z No. of bitstreams: 1 Celso Aurélio de Morais Lima.pdf: 2546394 bytes, checksum: 8a8908066e6f60ae202da67d1738b90d (MD5) / Made available in DSpace on 2017-08-21T12:30:58Z (GMT). No. of bitstreams: 1 Celso Aurélio de Morais Lima.pdf: 2546394 bytes, checksum: 8a8908066e6f60ae202da67d1738b90d (MD5) Previous issue date: 2017-04-27 / The main objective of this dissertation is to develop a reliability assessment applied to reparable systems in the sugar and alcohol industry. The work has a quantitative approach with a combined research method: simulation modeling with case-study. Therefore, a dynamic modeling is used to develop a case-study. For this, a Non- Homogeneous Markov Process (PNHM) model is used to represent the states transitions (operation-maintenance) of sugar centrifuges, in order to obtain reliability indicators. Integrated to the PNHM model, it will be used the Generalized Renewal Process (PRG) to describe the probabilities of failures considering imperfect repairs. The PRG is defined according to the parameters of scale, shape and rejuvenation (α, β, q), which are estimated by Bayesian Inference. In the development of the case-study, the data collection of centrifugal failures was performed and, through the simulation of the hybrid model, the case-study was conceived. The estimated availability for 5640 hours was 93.23%, whose the other 7% represents maintenances moments. For 323 hours of simulation, the reliability resulting was 50%, demonstrating high system susceptibility to failures. The results suggest the revisions of the intervals defined for preventives maintenances, which should be applied to the most observed failure mode, called malfunction of the sensing systems. / O principal objetivo desta dissertação é desenvolver uma avaliação de confiabilidade aplicada a sistemas reparáveis, na indústria sucroalcooleira. O trabalho possui abordagem quantitativa com método de pesquisa combinado: modelagem de simulação com estudo de caso. Portanto, utilizar-se-á de uma modelagem dinâmica para desenvolver um estudo de caso. Para isso, aplicar-se-á um modelo de Processos Não Homogêneos de Markov (PNHM) para representar as transições entre estados (operacional-em manutenção) das centrífugas de açúcar, visando obter indicadores de confiabilidade. Integrado ao modelo PNHM, será utilizado o Processo de Renovação Generalizado (PRG) para descrever as probabilidades de falhas considerando reparos imperfeitos. O PRG é definido em função dos parâmetros de escala, forma e rejuvenescimento ( ,!,"), que serão estimados via Inferência Bayesiana. No desenvolvimento do estudo de caso, realizou-se a coleta de dados de falhas das centrífugas e, por meio da simulação do modelo híbrido, o estudo de caso foi concebido. A disponibilidade estimada para 5640 horas foi de 93,23%, sendo os 7% complementares referentes a manutenções. A confiabilidade apresentada foi de 50% para 323 horas, demonstrando alta suscetibilidade do sistema à falhas. Os resultados sugerem revisão nos intervalos definidos para manutenção preventiva, as quais deverão ser dedicadas ao modo de falha mais observado, denominado mal funcionamento dos sistemas de sensoreamento.

Submitted by Rafael Santana (rafael.silvasantana@ufpe.br) on 2017-04-19T18:10:57Z No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Dissertação_Versão Final.pdf: 1475057 bytes, checksum: 12f4f23219e2dd8cfd695075bb204ac4 (MD5) / Made available in DSpace on 2017-04-19T18:10:57Z (GMT). No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Dissertação_Versão Final.pdf: 1475057 bytes, checksum: 12f4f23219e2dd8cfd695075bb204ac4 (MD5) Previous issue date: 2016-08-23 / CAPES / Este trabalho trata de sistemas reparáveis que sofrem reparo imperfeito, utilizando uma classe de modelos de processos estocásticos conhecida como Processo de Renovação Generalizado (PRG), que é um modelo de idade virtual que determina a classificação do reparo de acordo com o grau de redução que este proporciona sob a idade real do equipamento, mensurada através de um parâmetro de rejuvenescimento, , e este modelo permite inserir uma maior flexibilidade quanto ao tratamento de dados de falhas. Foi proposto um modelo PRG com base na distribuição -Exponencial ( -PRG), onde o sucesso da Exponencial deve-se, em parte, à sua capacidade de exposições a caudas pesadas e fenômenos de lei de potência. Os estimadores de máxima verossimilhança não apresentaram expressões analíticas e, então, a estimação dos parâmetros -PRG foi realizada por meio do algoritmo evolucionário Differential Evolution (DE), que é algoritmo estocástico para resolver problemas de otimização global de funções não lineares, ou seja, é um método para minimizar funções não lineares e não diferenciáveis em um espaço contínuo de busca. Com base no método DE, foram realizadas simulações a partir de dados de falha extraídos da literatura. A partir das simulações executadas utilizando o método bootstrap paramétrico, mesmo existindo valores discrepantes, o processo de simulação manteve as características dos dados iniciais, de modo que informações sobre as falhas não foram perdidas. Com as simulações, concluiu-se que para tamanhos amostrais maiores, as abordagens bootstrap utilizadas tendem a fornecer estimativas intervalares semelhantes para os parâmetros -PRG. Além disso, foi possível obter alguns resultados estatísticos para os estimadores como a ausência de normalidade e estimar o parâmetro de rejuvenescimento do PRG. / This work deals with repairable systems that undergo imperfect repair, using a class of stochastic process models known as Generalized Renewal Process (GRP), which is a virtual age model that determines the classification of the repair according to the degree of reduction that This provides, under the real age of the equipment, measured through a rejuvenation parameter, , and this model allows to insert a greater flexibility in the treatment of data of failures. A GRP model was proposed based on the -Exponential distribution ( -GRP), where -Exponential success is due, in part, to its ability to expose heavy tails and power law phenomena. The maximum likelihood estimators did not present analytical expressions and, therefore, the estimation of the -GRP parameters was performed using the evolutionary algorithm Differential Evolution (DE), which is a stochastic algorithm to solve problems of global optimization of non-linear functions, that is, is a method to minimize non-linear and non-differentiable functions in a continuous search space. Based on the DE method, simulations were performed based on fault data extracted from the literature. From the simulations performed using the parametric bootstrap method, even if there were discrepant values, the simulation process maintained the characteristics of the initial data, so that information about the failures was not lost. With the simulations, it was concluded that for larger sample sizes, the bootstrap approaches used tend to provide similar interval estimates for the -GRP parameters. In addition, it was possible to obtain some statistical results for the estimators such as the absence of normality and to estimate the GRP rejuvenation parameter.