مدل‌سازی نگهداری و تعمیرات با استفاده از رویکرد پویایی سیستم جهت نگهداشت صحیح ماشین‌آلات دوار در صنعت نفت
محورهای موضوعی : سایر موضوعات مرتبط
علی حافظی نیا
1
,
حسن مهرمنش
2
,
محمدعلی کرامتی
3
,
حسین معین زاد
4
1 - دانشجوی دکتری، گروه مدیریت صنعتی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران
2 - استاد گروه مدیریت صنعتی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران
3 - دانشیار، گروه مدیریت صنعتی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران
4 - استادیار، گروه مدیریت صنعتی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران
کلید واژه: رضایت مشتریان, سیستم نگهداری و تعمیرات, صنعت نفت, صنایع تولیدی, کنترل کیفیت.,
چکیده مقاله :
امروزه یکی از مهم‌ترین مسائل در زمینه بهینه سازی سیستم‌های تولیدی سیاست‌های نگهداری و تعمیرات ماشین‌ها است. همچنین، در صنایع تولیدی حدود 30 درصد از کل هزینه‌های جاری را هزینه‌های نگهداری و تعمیرات تشکیل می‌دهد. از این رو باید به نگهداری و تعمیرات به عنوان یک رکن اصلی در صنایع تولیدی توجه شود. اگر در کنترل کیفیت و زمانبندی کارهای تولیدی، بازه‌های زمانی تعمیر و نگهداری به منظور کنترل پایایی درنظرگرفته نشوند، وقفه‌های ناشی از تداخل‌های تعمیر و نگهداری به منظور کنترل پایایی ممکن است منجر به تقاضای انجام نشده شود. به همین منظور در این پژوهش ایجاد و توسعه روشی جدید برای ارزیابی پایایی در یک سیستم نگهداری و تعمیرات ارائه می‌شود. به منظور طراحی مدل پژوهش، ابتدا، کلیه عوامل تأثیرگذار بر پایایی در سیستم نگهداری و تعمیرات، با دقت بررسی و استخراج گردید؛ سپس، با استفاده از نظر اساتید محترم و همچنین، متخصصین و خبرگان این حوزه، تعدادی از آنها، حذف و تعدادی به آنها، اضافه گردید. از جمله عوامل مؤثر بر پایایی یک سیستم نگهداری و تعمیرات می‌توان به میزان تعمیرپذیری تجهیزات و ماشین‌آلات، کیفیت سیستم نگهداری و تعمیرات، میزان استفاده از روش‌های نوین کنترل کیفیت، میزان استفاده از برنامه‌های بهبود پایایی، میزان دستیابی به استانداردهای بین‌المللی، میزان آموزش کارکنان، میزان مهارت کارکنان، میزان توانایی مواجهه با نیازهای مشتریان، میزان توانایی تشخیص تغییر در سیستم، میزان رضایت مشتریان و... اشاره نمود.
Today, one of the most important issues in the field of optimizing production systems is machine maintenance and repair policies. Also, in manufacturing industries, maintenance and repair costs account for about 30 percent of total current costs. Therefore, maintenance and repair should be considered as a main pillar in manufacturing industries. If maintenance and repair intervals are not considered in quality control and production scheduling for reliability control, interruptions caused by maintenance and repair interference for reliability control may lead to unfulfilled demand. For this purpose, this research presents the creation and development of a new method for evaluating reliability in a maintenance and repair system. To design the research model, first, all factors affecting reliability in the maintenance and repair system were carefully examined and extracted; then, using the opinions of respected professors as well as specialists and experts in this field, some of them were eliminated and some were added. Among the factors affecting the reliability of a maintenance and repair system is the level of repairability of equipment and machinery, the quality of the maintenance and repair system, the level of use of modern quality control methods, the level of use of reliability improvement programs, the level of achievement of international standards, the level of employee training, the level of employee skill, the level of ability to meet customer needs, the level of ability to detect changes in the system, the level of customer satisfaction, etc.
Assid, M., Gharbi, A., & Hajji, A. (2019). Production and setup control policy for unreliable hybrid manufacturing-remanufacturing systems. Journal of Manufacturing Systems, 50, 103-118.
de Sousa Junior, W. T., Montevechi, J. A. B., de Carvalho Miranda, R., & Campos, A. T. (2019). Discrete simulation-based optimization methods for industrial engineering problems: A systematic literature review. Computers & Industrial Engineering, 128, 526-540.
Horng, S. C., & Lee, C. T. (2021). Integration of Ordinal Optimization with Ant Lion Optimization for Solving the Computationally Expensive Simulation Optimization Problems. Applied Sciences, 11(1), 136.
Huang, J., Chang, Q., & Arinez, J. (2020). Deep reinforcement learning based preventive maintenance policy for serial production lines. Expert Systems with Applications, 160, 113701.
Jiang, A., Dong, N., Tam, K. L., & Lyu, C. (2018). Development and optimization of a condition-based maintenance policy with sustainability requirements for production system. Mathematical Problems in Engineering.
Kang, J., Sobral, J., & Soares, C. G. (2019). Review of condition-based maintenance strategies for offshore wind energy. Journal of Marine Science and Application, 18(1), 1-16.
Khatab, A., Diallo, C., Aghezzaf, E. H., & Venkatadri, U. (2019). Integrated production quality and condition-based maintenance optimisation for a stochastically deteriorating manufacturing system. International Journal of Production Research, 57(8), 2480-2497.
Lü, X., Wu, Y., Lian, J., Zhang, Y., Chen, C., Wang, P., & Meng, L. (2020). Energy management of hybrid electric vehicles: A review of energy optimization of fuel cell hybrid power system based on genetic algorithm. Energy Conversion and Management, 205, 112474.
Moinian, F., Sabouhi, H., Hushmand, J., Hallaj, A., Khaledi, H., & Mohammadpour, M. (2017). Gas turbine preventive maintenance optimization using genetic algorithm. International Journal of System Assurance Engineering and Management, 8(3), 594-601.
Paprocka, I., Krenczyk, D., & Burduk, A. (2021). The Method of Production Scheduling with Uncertainties Using the Ants Colony Optimisation. Applied Sciences, 11(1), 171.
Rivera-Gómez, H., Montaño-Arango, O., Corona-Armenta, J. R., Garnica-González, J., Hernández-Gress, E. S., & Barragán-Vite, I. (2018). Production and maintenance planning for a deteriorating system with operation-dependent defectives. Applied Sciences, 8(2), 165.
Upasani, K., Bakshi, M., Pandhare, V., & Lad, B. K. (2017). Distributed maintenance planning in manufacturing industries. Computers & Industrial Engineering, 108, 1-14.
Wakiru, J., Pintelon, L., Muchiri, P. N., & Chemweno, P. (2018). Maintenance optimization: application of remanufacturing and repair strategies. Procedia CIRP, 69, 899-904.
Wang, X., Zhang, Y., Wang, L., Wang, J., & Lu, J. (2019). Maintenance grouping optimization with system multi-level information based on BN lifetime prediction model. Journal of Manufacturing Systems, 50, 201-211.
Yan, R., Dunnett, S. J., & Jackson, L. M. (2018). Novel methodology for optimising the design, operation and maintenance of a multi-AGV system. Reliability Engineering & System Safety, 178, 130-139.
Zahedi-Hosseini, F., Scarf, P., & Syntetos, A. (2017). Joint optimisation of inspection maintenance and spare parts provisioning: a comparative study of inventory policies using simulation and survey data. Reliability Engineering & System Safety, 168, 306-316.
Zhang, C., Gao, W., Guo, S., Li, Y., & Yang, T. (2017). Opportunistic maintenance for wind turbines considering imperfect, reliability-based maintenance. Renewable Energy, 103, 606-612.
Zhang, C., Gao, W., Yang, T., & Guo, S. (2019). Opportunistic maintenance strategy for wind turbines considering weather conditions and spare parts inventory management. Renewable Energy, 133, 703-711.
