Publication
Intelligent and predictive maintenance in manufacturing systems
| datacite.subject.fos | Engenharia e Tecnologia::Outras Engenharias e Tecnologias | pt_PT |
| dc.contributor.advisor | Leitão, Paulo | |
| dc.contributor.advisor | Barbosa, José | |
| dc.contributor.author | Cachada, Ana | |
| dc.date.accessioned | 2019-01-04T10:37:05Z | |
| dc.date.available | 2019-01-04T10:37:05Z | |
| dc.date.issued | 2018 | |
| dc.date.submitted | 2017 | |
| dc.description.abstract | In recent years manufacturing companies have been facing a major shift in the manufacturing requirements, for example the shift in demand for highly customized products resulting in a shorter product life cycle, rather than the traditional mass production of standardized products. As a consequence of the change, the enterprises are facing the need to adapt, forcing all sectors of the manufacturing activity to move accordingly. Maintenance is one of the major activities in manufacturing as it highly influences production productivity and quality, and has a direct impact on production cost and customer satisfaction. Nowadays, corrective and scheduled maintenance are widely implemented. However, the manufacturing world need to adapt to this new reality by implementing new, intelligent and innovative maintenance systems capable of predicting in advance possible failures. Lately, predictive maintenance systems and tools have been developed and continue to be studied and improved. However, companies do not have enough trust on these systems to fully rely on them. Considering all these aspects, the work developed on this thesis introduces a system architecture for an intelligent predictive maintenance system based on the Condition-Based Maintenance (CBM) to be used in the Catraport case study, focusing particularly on the development of the monitoring module of the system architecture. This module comprises a tool developed by using Node-RED that displays the collected data alongside with the warnings triggered by cross-checking the incoming data with implemented decision rules, through the use of graphics and text. Additionally, an Android mobile application was also developed to allow consulting remotely the operating state of the assets. | pt_PT |
| dc.description.abstract | Nos últimos anos, as empresas de manufatura têm enfrentado uma grande mudança nos requisitos de fabrico, nomeadamente, na procura por produtos altamente personalizados, resultando num ciclo de vida do produto mais curto, contrariamente à tradicional produção em massa de produtos padronizados. Como consequência desta mudança, as empresas, bem como todos os setores da atividade de manufatura, enfrentam a necessidade de se adaptar. A manutenção é uma das principais atividades de fabrico, visto que influência fortemente a produtividade e a qualidade da produção, e tem um impacto direto no custo do produto e na satisfação do cliente. Atualmente, as estratégias de manutenção corretiva e programada são amplamente implementadas. No entanto, o mundo da manufatura precisa de se adaptar à nova realidade, implementando sistemas de manutenção novos, inteligentes e inovadores, capazes de prever possíveis falhas. Ultimamente, os sistemas e ferramentas de manutenção preditiva têm sido desenvolvidos e continuam a ser estudados e melhorados. No entanto, as empresas não possuem confiança suficiente nesses sistemas para os implementar nas suas instalações. Considerando todos esses aspetos, o trabalho desenvolvido nesta dissertação introduz uma arquitetura para um sistema inteligente de manutenção preditiva baseado na técnica Condition- Based Maintenance (CBM) a ser usado no estudo de caso da Catraport, focando-se particularmente no desenvolvimento do módulo de monitorização da arquitetura. Este módulo compreende uma ferramenta desenvolvida com recurso ao Node-RED que exibe os dados colecionados. Adicionalmente são apresentados avisos originados pelo cruzamento dos dados recebidos com as regras de decisão implementadas. Além disso, uma aplicação móvel Android também foi desenvolvida para permitir a consulta remota o estado operacional dos equipamentos. | pt_PT |
| dc.identifier.tid | 202130037 | pt_PT |
| dc.identifier.uri | http://hdl.handle.net/10198/18301 | |
| dc.language.iso | eng | pt_PT |
| dc.rights.uri | http://creativecommons.org/licenses/by/4.0/ | pt_PT |
| dc.subject | Intelligent maintenance | pt_PT |
| dc.subject | Internet of things | pt_PT |
| dc.subject | Monitoring | pt_PT |
| dc.subject | Industry 4.0. | pt_PT |
| dc.title | Intelligent and predictive maintenance in manufacturing systems | pt_PT |
| dc.type | master thesis | |
| dspace.entity.type | Publication | |
| person.familyName | Cachada | |
| person.givenName | Ana | |
| person.identifier.ciencia-id | DD1E-5119-CCCB | |
| person.identifier.orcid | 0000-0003-0936-1817 | |
| person.identifier.scopus-author-id | 57200413375 | |
| rcaap.rights | openAccess | pt_PT |
| rcaap.type | masterThesis | pt_PT |
| relation.isAuthorOfPublication | fa409e6f-c6fe-42f7-bbf8-f7802fb402af | |
| relation.isAuthorOfPublication.latestForDiscovery | fa409e6f-c6fe-42f7-bbf8-f7802fb402af | |
| thesis.degree.name | Engenharia Industrial | pt_PT |