In the digital era, technology is continually evolving, with enormous advancements in automation enabling more efficient and cost-effective maintenance management. Digital technologies are converging and advancing in tandem with industries, resulting in significant progress in maintenance management. The traditionally human-managed preventive maintenance strategy is outclassed with predictive maintenance, something that represents a wonderful opportunity to significantly improve system maintenance planning, particularly for more complex systems with a significant monetary value. However, predictive maintenance methods face numerous substantial challenges in terms of their application, as they necessitate the use of contemporary tracking technologies, the development of robust data-gathering systems, and the execution of a variety of intricate procedures. Considering the significance of maintenance management in industries, the primary motivation for this research work is to investigate existing practices and propose new methodologies capable of providing practical implications that may be useful in contributing to this field of study in terms of predicting failures, efficiency, and cost optimization. The present work is organized through three chapters, representing the main areas of study: 1) overview on maintenance management, 2) decision-making models supporting predictive maintenance, and 3) digital transformation in maintenance management. The objectives of research linked to the defined chapters are; 1) to study current practices of predictive maintenance and its applications in industry to identify its capability to predict and control equipment failures of complex systems; 2) to investigate various Multi-Criteria Decision-Making (MCDM) methods and their applications so as to develop an integrated predictive maintenance decision-making methodology for complex systems in industry 4.0; 3) to study the digital transformation of maintenance management and critical factors of digitalization, as well as uncertainty in the decision-making process for maintenance management in industry 4.0. In achieving the objectives of this research, a mixed methodology, i.e., qualitative and quantitative research, is carried out on the basis of an extensive literature study. A literature review of predictive maintenance, its industrial applications along with its limitations is developed to identify the shortcomings in existing approaches. Various MCDM methodologies have been studied as well to investigate their effects on maintenance management and a plethora of real-world cases have been developed to offer practical managerial insights.

Nell'era digitale, la tecnologia è in continua evoluzione, con enormi progressi nell'automazione che consentono una gestione della manutenzione più efficiente ed economica. Le tecnologie digitali stanno convergendo e avanzando insieme alle industrie, determinando progressi significativi nella gestione della manutenzione. La tradizionale strategia di manutenzione preventiva gestita dall'uomo lascia progressivamente spazio alla manutenzione predittiva, che rappresenta un’ottima opportunità per migliorare significativamente la pianificazione della manutenzione del sistema, in particolare per i sistemi più complessi e dal significativo valore monetario. Tuttavia, l’implementazione di tecniche di manutenzione predittiva si trova ad affrontare una serie di sfide sostanziali, essendo richiesti l’utilizzo di tecnologie di tracciamento moderne, lo sviluppo di solidi sistemi di raccolta dati e l'esecuzione di una varietà di procedure complesse. Considerando il ruolo chiave della gestione della manutenzione nelle industrie, la motivazione principale di questo lavoro di ricerca consiste nell’indagare le pratiche esistenti e proporre nuove metodologie in grado di fornire implicazioni pratiche che possono essere utili nel contribuire a questo campo di studio in termini di previsione dei guasti, efficienza e ottimizzazione dei costi. Il presente lavoro di tesi è organizzato in tre capitoli, che rappresentano le principali aree di studio: 1) panoramica sulla gestione della manutenzione, 2) modelli decisionali a supporto della manutenzione predittiva, 3) trasformazione digitale nella gestione della manutenzione. Gli obiettivi di ricerca relativi ai menzionati capitoli sono: 1) studiare le attuali pratiche di manutenzione predittiva e le sue applicazioni nell'industria per identificare la sua capacità di prevedere e controllare i guasti delle apparecchiature di sistemi complessi; 2) studiare vari metodi di decisione multi-criterio (MCDM) e le loro applicazioni in modo da sviluppare una metodologia decisionale di manutenzione predittiva integrata per sistemi complessi nell'industria 4.0; 3) studiare la trasformazione digitale della gestione della manutenzione e i fattori critici della digitalizzazione, nonché l'incertezza nel processo decisionale per la gestione della manutenzione nell'industria 4.0. Questi obiettivi di ricerca vengono perseguiti attraverso una metodologia mista, ovvero sia qualitativa e sia quantitativa, basata su un ampio studio della letteratura. È stata sviluppata una revisione della letteratura sulla manutenzione predittiva e le sue applicazioni industriali insieme ai suoi limiti per identificare le carenze negli approcci esistenti. Sono state inoltre studiate varie metodologie MCDM per analizzarne gli effetti nella gestione della manutenzione ed è stata sviluppata una pletora di casi reali per offrire spunti gestionali pratici.

(2023). DECISION-MAKING MODELS FOR PREDICTIVE MAINTENANCE SERVICE SUPPORT SYSTEMS.

DECISION-MAKING MODELS FOR PREDICTIVE MAINTENANCE SERVICE SUPPORT SYSTEMS

AHMED, Umair
2023-03-01

Abstract

Nell'era digitale, la tecnologia è in continua evoluzione, con enormi progressi nell'automazione che consentono una gestione della manutenzione più efficiente ed economica. Le tecnologie digitali stanno convergendo e avanzando insieme alle industrie, determinando progressi significativi nella gestione della manutenzione. La tradizionale strategia di manutenzione preventiva gestita dall'uomo lascia progressivamente spazio alla manutenzione predittiva, che rappresenta un’ottima opportunità per migliorare significativamente la pianificazione della manutenzione del sistema, in particolare per i sistemi più complessi e dal significativo valore monetario. Tuttavia, l’implementazione di tecniche di manutenzione predittiva si trova ad affrontare una serie di sfide sostanziali, essendo richiesti l’utilizzo di tecnologie di tracciamento moderne, lo sviluppo di solidi sistemi di raccolta dati e l'esecuzione di una varietà di procedure complesse. Considerando il ruolo chiave della gestione della manutenzione nelle industrie, la motivazione principale di questo lavoro di ricerca consiste nell’indagare le pratiche esistenti e proporre nuove metodologie in grado di fornire implicazioni pratiche che possono essere utili nel contribuire a questo campo di studio in termini di previsione dei guasti, efficienza e ottimizzazione dei costi. Il presente lavoro di tesi è organizzato in tre capitoli, che rappresentano le principali aree di studio: 1) panoramica sulla gestione della manutenzione, 2) modelli decisionali a supporto della manutenzione predittiva, 3) trasformazione digitale nella gestione della manutenzione. Gli obiettivi di ricerca relativi ai menzionati capitoli sono: 1) studiare le attuali pratiche di manutenzione predittiva e le sue applicazioni nell'industria per identificare la sua capacità di prevedere e controllare i guasti delle apparecchiature di sistemi complessi; 2) studiare vari metodi di decisione multi-criterio (MCDM) e le loro applicazioni in modo da sviluppare una metodologia decisionale di manutenzione predittiva integrata per sistemi complessi nell'industria 4.0; 3) studiare la trasformazione digitale della gestione della manutenzione e i fattori critici della digitalizzazione, nonché l'incertezza nel processo decisionale per la gestione della manutenzione nell'industria 4.0. Questi obiettivi di ricerca vengono perseguiti attraverso una metodologia mista, ovvero sia qualitativa e sia quantitativa, basata su un ampio studio della letteratura. È stata sviluppata una revisione della letteratura sulla manutenzione predittiva e le sue applicazioni industriali insieme ai suoi limiti per identificare le carenze negli approcci esistenti. Sono state inoltre studiate varie metodologie MCDM per analizzarne gli effetti nella gestione della manutenzione ed è stata sviluppata una pletora di casi reali per offrire spunti gestionali pratici.
Predictive maintenance, Decision-making models, complex systems, optimization, maintenance digitalization, maintenance management, Industry 4.0, Multi-criteria decision-making, Complex systems
(2023). DECISION-MAKING MODELS FOR PREDICTIVE MAINTENANCE SERVICE SUPPORT SYSTEMS.
File in questo prodotto:
Non ci sono file associati a questo prodotto.

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/10447/579250
Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
social impact