Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.creator | Santos, Arthur Almeida | - |
Autor(es): dc.creator | Martins, Alexandre Xavier | - |
Autor(es): dc.creator | Souza, Marcone Jamilson Freitas | - |
Autor(es): dc.creator | Machado, Rafaela Heloisa Carvalho | - |
Data de aceite: dc.date.accessioned | 2025-08-21T15:33:26Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T15:33:26Z | - |
Data de envio: dc.date.issued | 2024-11-20 | - |
Data de envio: dc.date.issued | 2024-11-20 | - |
Data de envio: dc.date.issued | 2022 | - |
Fonte completa do material: dc.identifier | https://www.repositorio.ufop.br/handle/123456789/19090 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.12819/2023.20.10.9 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1018246 | - |
Descrição: dc.description | O sucesso de uma empresa requer o bom funcionamento e a confiabilidade de seus sistemas com máquinas e equipamentos em bom estado. Para isso, é essencial um bom plano de manutenção preventiva, que tende a ficar mais complexo com o aumento do número de equipamentos e o horizonte de planejamento. O objetivo deste estudo é desenvolver algoritmos meta-heurísticos eficientes para tratar o Problema de Planejamento de Ordens de Manutenção Preventiva de Longo Prazo (PPOMPLP). O trabalho se inicia com o desenvolvimento de uma heurística construtiva e de alocação, seguido do desenvolvimento de algoritmos de busca local e meta-heurísticos baseados em Greedy Randomized Adaptive Search Procedure (GRASP), Simulated Annealing (SA) e Iterated Local Search (ILS). O desempenho dos algoritmos desenvolvidos foi comparado entre eles e com os da literatura. Para a calibragem e validação dos algoritmos meta-heurísticos, foram resolvidas instâncias fictícias pequenas. Após a calibragem, os algoritmos meta-heurísticos foram aplicados à resolução de instâncias maiores e à real. Os experimentos mostraram que o ILS foi o algoritmo de melhor desempenho e seu resultado na instância real foi 40,5%, melhor que o apresentado na literatura. | - |
Descrição: dc.description | The success of a company requires the proper functioning and reliability of its systems with machines and equipment in good condition. For this, a good preventive maintenance plan is essential, which tends to become more complex as the number of equipment and the planning horizon increases. The present work aims to develop efficient meta-heuristic algorithms for the Long-Term Preventive Maintenance Scheduling Problem (PPOMPLP). The work begins with the development of a constructive and allocation heuristic, followed by the development of local search and meta-heuristic algorithms based on Greedy Randomized Adaptive Search Procedure (GRASP), Simulated Annealing (SA), and Iterated Local Search (ILS). The performance of the proposed algorithms was compared among themselves and with those of other studies in the literature. Small fictitious instances were used to calibrate and validate the meta-heuristic algorithms. After calibration, they were applied to solve larger and real instances. The experiments showed that the ILS was the best-performing algorithm, and its result for the real instance was 40.5% better than that presented in the literature. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Direitos: dc.rights | aberto | - |
Direitos: dc.rights | Este é um artigo publicado em acesso aberto sob uma licença Creative Commons. Fonte: PDF do artigo. | - |
Palavras-chave: dc.subject | Planejamento de manutenção de longo prazo | - |
Palavras-chave: dc.subject | Grasp | - |
Palavras-chave: dc.subject | Simulated annealing | - |
Palavras-chave: dc.subject | Iterated local search | - |
Palavras-chave: dc.subject | Meta-heurísticas | - |
Título: dc.title | Métodos heurísticos e meta-heurísticos para a resolução do problema de sequenciamento de ordens de manutenção preventiva de longo prazo. | - |
Aparece nas coleções: | Repositório Institucional - UFOP |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: