Submitted by Secretaria Pós de Produção (tpp@vm.uff.br) on 2017-07-27T20:13:22Z No. of bitstreams: 1 M2016 - Luciana Goncalves Machado.pdf: 2482659 bytes, checksum: 3ac159b63cc689c036151eb3fcedb4de (MD5) / Made available in DSpace on 2017-07-27T20:13:22Z (GMT). No. of bitstreams: 1 M2016 - Luciana Gonçalves Machado.pdf: 2482659 bytes, checksum: 3ac159b63cc689c036151eb3fcedb4de (MD5) / O objetivo do presente estudo é propor um modelo para a identificação de benchmarks combinando DEA (Data Envelopment Analysis) Game com uma análise de cluster. O DEA Game busca, em um jogo não cooperativo, não apenas a eficiência ideal para uma unidade tomadora de decisão (DMU, do inglês Decision Making Unit), mas também para todos as demais. Uma vez que a abordagem tradicional de DEA Game só fornece o valor das eficiências, este estudo também faz uma análise de agrupamento através da utilização de uma técnica de agrupamento hierárquico, conhecida como método de Ward, a fim de obter referências mais realistas. Estes benchmarks são obtidos na análise de cluster, em que as unidades semelhantes são agrupadas, e é definida como referência a DMU mais eficiente em cada cluster. Permitindo, desta forma, que as unidades ineficientes definam metas e objetivos mais tangíveis para melhorar seu desempenho no futuro. Ao final do trabalho, o modelo proposto é aplicado ao setor de distribuição de energia elétrica e são apresentadas conclusões a partir deste estudo de caso. / This study aims to propose a model for the benchmarks identification combining DEA (Data Envelopment Analysis) Game with a cluster analysis. The DEA Game seeks, in a non-cooperative game, not just the ideal efficiency for one Decision Making Unit (DMU), but also for all the others. Since the traditional approach of DEA Game only provides efficiency rates this study will also make a cluster analysis using hierarchical clustering technique, known Ward’s method, in order to obtain realistic benchmarks. These benchmarks will be obtained in the cluster analysis, where similar units will be grouped, by defining as benchmark the DMU more efficient in each cluster. Allowing in this way the inefficient units set tangible goals and objectives to improve their performance in the future. Finally, the proposed model is applied to electricity distribution industry and conclusions are presented from this case study

Submitted by Secretaria Pós de Produção (tpp@vm.uff.br) on 2017-07-27T19:21:56Z No. of bitstreams: 1 D2014 - José Cristiano Pereira.pdf: 9830334 bytes, checksum: d5be51799514c74451d0ca3358d7757b (MD5) / Made available in DSpace on 2017-07-27T19:21:56Z (GMT). No. of bitstreams: 1 D2014 - José Cristiano Pereira.pdf: 9830334 bytes, checksum: d5be51799514c74451d0ca3358d7757b (MD5) / O processo de fabricação de motores a jato é complexo. Perigos e riscos e muitos elementos críticos estão presentes em milhares de atividades necessárias para fabricar um motor. Na investigação realizada nota-se a inexistência de um modelo específico para calcular quantitativamente a probabilidade de falha operacional de um motor à jato. O objetivo da tese foi desenvolver um modelo causal para análise de risco probabilística de falhas de motores a jato em situação operacional de fabricação. O modelo se caracteriza pela aplicação de rede Bayesiana associada à árvore de falha / árvore de evento e elicitação de probabilidades por especialistas para quantificar a probabilidade de falha. Para a concepção da construção do modelo, foi inicialmente desenvolvida uma pesquisa bibliométrica, através da consulta aos principais motores de busca nacionais e internacionais, em periódicos científicos e técnicos, bancos de dissertações/teses e eventos técnicos relacionados ao tema, para estabelecimento dos estado-da-arte e da técnica. Para a estimativa das probabilidades associadas aos cenários de falhas propostos, foi desenvolvido um processo de elicitação de probabilidade a partir da consulta a especialistas e técnicos. Na concepção do modelo foram consideradas três áreas de influência para a confiabilidade do sistema: humana, software e calibração. Como resultado foi desenvolvido o modelo CAPEMO, que é suportado por um aplicativo que utiliza a teoria das probabilidades (Lei de Bayes) para modelar incerteza. A probabilidade de falha estimada ao final da processo de fabricação, antes do motor ser colocado em operação, contribui no processo de tomada de decisão, melhoria da segurança do sistema e redução de riscos de falha do motor em operação / The process of jet engines manufacturing is complex. Hazards and risks and many critical elements are present in the thousands of activities required to manufacture an engine. In the conducted investigation it is observed a lack of a specific model to estimate quantitatively the probability of a jet engine operational failure. The goal of this thesis is to develop a causal model for probabilistic risk analysis of jet engines failure in manufacturing situational operation. The model is characterized by the application of Bayesian Network associated with the fault tree and event tree to quantify the probability of failure. For the establishment of state-of-the-art and technique and for the conception and construction of the model, a bibliometric research was conducted in the main national and international search engines, in the scientific and technical journals, in the database of dissertations/theses and technical events related to the topic. For the estimation of the probabilities associated with the proposed fault scenarios, a process of probability elicitation from technicians and experts was developed. In the design of the model three areas of influence for the reliability of the system were considered: human, software and calibration. As a result CAPEMO model was developed, that is supported by a software application that uses probability theory to model uncertainty. The probability of engine failure estimated at the end of the manufacturing process, before the motor be put into operation, helps in the allocation of resources in the decision-making process and improves system safety reducing the risk of engine failure in operation