ABSTRAC: El control del proceso de produccin estadstico y la planificacin de mantenimiento se han dado mucho tiempo tratado como dos

problemas separados. La interdependencia entre estas dos actividades no se han suficientemente dirigido en la literatura, a pesar de sus conexiones aparentes. La informacin obtenida en el curso del control del proceso de produccin estadstico sig-nals la necesidad de acciones de mantenimiento posibles, y as, afectactando los horarios de mantenimiento preventivos. Las acciones de mantenimiento preventivas pueden prevenir un proceso de produccin del empeoramiento adicional y mejorar la calidad del producto junto con el control del proceso de produccin estadstico. Este papel presenta un modelo integrado para la optimizacin conjunta del control del proceso de produccin estadstico y mantenimiento preventivo. El modelo propuesto se desarrolla para un proceso de produccin ue deteriora seg!n un tiempo discreto la cadena de "ar#ov. $e supone ue el mantenimiento predictivo es imperfecto, y tanto mantenimiento preventivo como correctivo son instant%neos. La formulacin del proceso de empeoramiento con intervenciones de mantenimiento, formu-lated como una cadena de "ar#ov, proporciona una brecha en el dise&o de un algoritmo de solucin eficiente y ue se obtenga resultados analticos. 'n ejemplo num(rico es usado para ilustrar el control del proceso de produccin estadstico integrado propuesto y polticas de mantenimiento preventivas. El an%lisis de sensibilidad se conduce para analizar el impacto de par%metros en modelos en polticas ptimas. El an%lisis de sensibilidad adelante indica la interrelacin entre control del proceso de produccin estadstico y acciones de mantenimiento. Los resultados num(ricos indican ue los ahorros en costos potenciales se pueden conseguir de las polticas integradas propuestas.

INTRODUCCIN El control del proceso de produccin estadstico )$*+, y la planificacin de mantenimiento son dos preocupaciones principales en muchos ambientes industriales. La calidad es una estrategia de negocios importante en el mercado global competitivo de hoy. 'n programa de mejora de la calidad eficaz es crtico al (xito y el crecimiento de organizaciones. "ientras tanto, los mercados ue cambian r%pidamente y la explosin de la variedad del producto han llevado a la automatizacin aumentada y la necesidad del e uipo m%s complejo. El e uipo de produccin se debe mantener en la estopa de operaciones buena - ditions para encontrar el desafo de calidad. La necesidad del eficaz principal - tenance polticas y el papel de la condicin de e uipo en el control de calidad y gastos es m%s evidente e importante ue alguna vez )-en.aya, /0001 -en-.aya y 2ahim, 3444,. La interrelacin creciente entre el plan de mantenimiento y control de calidad - ning obliga organizaciones a desarrollar la direccin integrada sys-tems, ue re uiere un nivel aumentado de la coordinacin entre pr%cticas de la direccin )$otavento et al. /0001 Linderman et al. 3445,. 6 pesar de la relacin entre la calidad del producto y e uipamiento de mantenimiento, una gran cantidad de esfuerzo se ha dedicado a estas dos cuestiones por separado. Los an%lisis exhaustivos en el dise&o econmico de

modelos del control del proceso de produccin estadsticos se pueden encontrar en "ont-gomery )/074,, 8ance )/079, y :eats et al. )/00;,. La literatura sobre el uso del modelado matem%tico para analizar y optimizar el mantenimiento previsto planeada tambi(n es extenso y ha sido re visto por varios autores incluso "c+all )/0<5,, *iers#alla y 8oel#er )/0;<,, $herif y $mith )/07/,, 8aldez-=lores y =eldman )/070,, +ho y *arlar )/00/,, .e##er )/00<,, y >ang )3443,. El trabajo m%s reciente en cuanto al mantenimiento previsto en aplicaciones industriales se puede encontrar en :enn( et al. )344;,, *anagiotidou y ?agaras )344;,, 6lardhi y Labib )3447,, +anto )3447,, $amrout et al. )3440,, y "oghaddam y 'sher )34//,. $in embargo, la integracin de estos dos elds debe recibir a!n la atencin signi@cativa La informacin obtenida del control del proceso de produccin estadstico se&ala la necesidad de acciones de mantenimiento posibles. $imi-larly, las acciones de mantenimiento tienen un impacto directo en la estopa del e uipo - dition, y as, afectan el rendimiento de sistemas de produccin. +on la intervencin de un programa de mantenimiento preventivo, los pe ue&os ajustes se pueden hacer antes de ue el fracaso ocurra, ue m%s generalmente se cuesta e@ciente ya ue aumenta la fiabilidad del sistema sobre el largo plazo con restauraciones a pe ue&a escala. .esde un punto de vista de sistemas, la determinacin de control del proceso de produccin estadstico y par%metros de decisin de mantenimiento es sub ptima tratando mantenimiento y control estadstico de procesos en forma aislada unos de otros ) ?agaras , /077 , . ?agaras ) /077 , investiga el control estadstico de procesos y mantenimiento de forma conjunta . $e desarrolla un modelo econmico ue incorpora tanto los procedimientos de mantenimiento y de control estadstico de procesos y optimiza simult%neamente sus par%metros de dise&o bajo un supuesto deterioro de "ar#ov . +hiu y Auang ) /00< , consideran ue una poltica de mantenimiento preventivo en el dise&o econmico de un gr%fico B . $e asume ue el tiempo de duracin ue el proceso permanece en el control sigue una distribucin general, con una tasa de riesgo creciente. +assady et al . ) 3444 , La conducta preliminar investigaciones sobre la integracin de la conservacin y el control estadstico de procesos utilizando un enfo ue de simulacin optimizacin. $us resultados sugieren ue la poltica combinada conduce a una productividad mucho mayor. Ceung et al . ) 3447 , extienden el modelo de +assady et al. ) 3444 , y la formulacin de un proceso de decisin de "ar#ov en tiempo discreto parcialmente observable ) *D".* , para obtener la casi ptima de mantenimiento combinado y poltica de $*+ . Linderman et al . ) 3445 , demuestra considerable el beneficio econmico en la coordinacin de las polticas de control y mantenimiento de procesos estadsticos para un proceso cuyo mecanismo de fracaso sigue una distribucin >eibull . :uo ) 344< , utiliza la programacin din%mica para encontrar el ptimo mantenimiento de la m% uina y la poltica de control de la calidad del producto durante un tiempo discreto m% uina de produccin dete - riorando "ar#ovian ue es ya sea en el estado en el control o en el estado fuera de control. "%s recientemente, Ao y Euirino ) 34/3 , proponen un modelo ue integra el control estadstico de procesos y mantenimiento correctivo y utilizan una distribucin geom(trica para describir los cambios en control para estados fuera de control. .houib et al . ) 34/3 , utilizan un enfo ue integrado para la optimizacin conjunta del control de produccin , inventario y mantenimiento preventivo poltica de una c(lula de fabricacin ue comprende un proceso imperfecto , donde

el perodo F en controlF tiene una distribucin general de deterioro. La mayora de los modelos existentes hacen suposiciones simples de deterioro de las condiciones del proceso. El proceso se supone ue consiste de dos posibles estadosG estado en el control y el estado fuera de control. El tiempo hasta la transicin a un estado fuera de control es usualmente, supone ue siguen una distribucin exponencial o una distribucin general. Esta caracterstica est%ndar en el control estadstico de procesos no tiene en cuenta los cambios en el estado del proceso o el proceso de envejecimiento de los e uipos. "uchos de los procesos de produccin y los e uipos comerciales se caracterizan por m!ltiples estados de funcionamiento y un estado de fallo. *or ejemplo, considere el proceso de produccin de piezas forjadas , donde se utilizan prensas de forja para crear formas especficas de chapas . 'na mala colocacin o la calefaccin inadecuada del metal pueden causar una ligera inclinacin en la posicin del pistn hidr%ulico. En este caso, la prensa puede estar trabajando todava, pero la calidad fuera put podra ser significativamente m%s baja y la probabilidad de un fallo del pistn debido a ue aumenta su funcionamiento impropio ) *anagioti - .ou y ?agaras , 344; , . Aay una gran necesidad de dise&ar el control estadstico de procesos para un proceso de produccin como en varios estados . *anagi - otidou y Henes ) 3440 , incorporan la planificacin del mantenimiento en un gr%fico de $heIhart adaptativa. $e supone ue el proceso de produccin en *anagioti -dou y Henes ) 3440 , ue tiene dos estados de funcionamiento y un estado no operativo )fallo , , y el tiempo de los cambios de calidad , as como , los tiempos -a- fallos son variables aleatorias exponenciales . *anagiotidou y ?agaras ) 34/4 , examinan la relacin estrecha entre el control estadstico de procesos y mantenimiento preventivo de un proceso de produccin ue se caracteriza por m!ltiples estados de funcionamiento diferentes y un estado de fallo . Los tiempos de cambio desde el estado de funcionamiento normal a una inferior y los tiempos de fallo se distribuyen generalmente variables aleatorias . Dtro factor ue se ha descuidado en la literatura limitada sobre los modelos de mantenimiento conjunta $*+ y es la eficacia del mantenimiento. .ebido a la complejidad de la combinacin de $*+ y problemas de mantenimiento, la mayora de los modelos de integracin de estos dos procesos asumen ue el mantenimiento es perfecto y restaura el sistema a uno tan bueno como nuevas condiciones. "antenimiento perfecto rara vez se encuentra en las aplicaciones pr%cticas, si no en todos. 'na suposicin m%s realista es uno en el ue el sistema se restaura en alg!n lugar entre el estado perfecto y como mala en el tiempo, ue se refiere a menudo como el mantenimiento imperfecto ) *ham y >ang , /00< , . -en- .aya )/000, y -en- .aya y 2ahim ) 3444 , investigan la optimizacin conjunta del nivel de mantenimiento y el dise&o econmico de los gr%ficos de control B en mantenimiento imperfecto. Ellos asumen ue la reduccin de la edad en el sistema es proporcional al nivel de mantenimiento preventivo utilizado, y los niveles de mantenimiento preventivo m%s altas conducen a una mayor reduccin en los costos de control de calidad. El objetivo de este trabajo es considerar una calidad integral de control y el problema de deterioro del e uipo bajo los supuestos m%s realistas y de combinar las acciones de mantenimiento preventivo con herramientas $*+ para hacer frente a este problema. En el modelo propuesto, el proceso de produccin tiene un control y m!ltiples inobservable fuera de control de todava

estados de funcionamiento ue dan como resultado una calidad inferior. El estado de fallo es directamente observable y puede ser detectado inmediatamente. El proceso de deterioro se rige por una cadena de "ar#ov de tiempo discreto con probabilidades de transicin conocidos. Aay dos escenarios en los ue se realiza el mantenimiento preventivo. El primero es el resultado de una se&al verdadera fuera de control generada a partir de la tabla de control. 'na accin de mantenimiento preventivo tambi(n se realiza si no hay ni un fallo ni una se&al verdadera fuera de control para un intervalo de tiempo previamente especificado. Las acciones de mantenimiento a u tienen un doble car%cter ) *anagiotidou y Henes , 3440 , . $e eliminan los costos de calidad relacionados con la operacin fuera de control, ue es un objetivo tpico de control estadstico de procesos , y al mismo tiempo mejorar la fiabilidad de los e uipos , reduciendo al mnimo la ocurrencia de fallos , ya ue un mejor estado es menos propenso a fallar , ue es esencialmente una accin de mantenimiento preventivo. El mantenimiento preventivo se supone ue es imperfecta, restaurando el sistema a cual uier estado no empeora con probabilidades conocidas, mientras ue se supone ue el mantenimiento correctivo de ser perfecto, pero a un costo mucho m%s alto. El modelo desarrollado en este trabajo refleja el vnculo subyacente entre el control del proceso estadstico y mantenimiento preventivo. 'na poltica de control y mantenimiento integral de la calidad se ha desarrollado para reducir al mnimo la tasa total de costos operativos. Este artculo comparte algunas caractersticas comunes con el trabajo previo citado anteriormente, pero se diferencia de los enfo ues anteriores en muchos aspectos. Las similitudes y diferencias de los modelos existentes ue est%n m%s cerca de nuestro trabajo son las siguientesG ) / , El fracaso mecanismo del proceso de produccin en nuestro modelo es similar a la utilizada en ?agaras ) /077 , . $in embargo , ?agaras ) /077 , utiliza una poltica de ajuste mantenimiento - restauracin ue utiliza una poltica de mantenimiento blo ue ue los horarios de *" peridicamente durante un intervalo de tiempo fijo . +ombinamos $*+ con una poltica *" basada en la edad, Edad basada en el mantenimiento general produce una tasa de costo medio de largo plazo m%s baja en comparacin con la de la poltica de mantenimiento del blo ue, reduciendo los costos de mantenimiento innecesarios. Huestros resultados demuestran un ahorro de costos de la propuesta conjunta $*+ y la poltica *" basada en la edad, mientras ue una poltica de control puro es ptima en todas las situaciones en ?agaras ) /077 , . 6dem%s, ?agaras ) /077 , tiene en cuenta explcitamente los retrasos de muestreo y tiempos de ajuste y mantenimiento no legible, y se asume en este trabajo ue la inspeccin , mantenimiento preventivo y correctivo son instant%neos y no existe un retraso de muestreo. ) 3 , El *" $e asume ue de ser imperfecto como en algunos modelos *" $*+ conjuntos. -en- .aya y 2ahim ) 3444 , "odelo de la eficacia de mantenimiento como una reduccin en la edad de los e uipos de produccin . Ao y Euirino )34/3, asumen ue el mantenimiento correctivo devuelve el e uipo a un JJ como -bueno- como - nueva JJ estado con alguna probabilidad. En este trabajo, se define un m(todo modificado para modelar imperfecta *" . $uponemos ue *" restaura el e uipo de produccin para cual uier estado entre el estado actual y el JJ como -bueno- como - nueva JJ del estado, y ue +" es perfecto en el m%s rentable.

El resto del trabajo se organiza de la siguiente manera. $eccin 3 proporciona la descripcin del problema. $eccin 9 desarrolla un modelo econmico para la optimizacin conjunta de dise&o gr%fico B y la planificacin del mantenimiento. $eccin K describe el algoritmo de solucin. $eccin 5 proporciona un ejemplo num(rico y an%lisis de sensibilidad. =inalmente, la $eccin < contiene un resumen de la comunicacin y algunas conclusiones. DESCRIPCION DEL PROBLEMA +onsidere un !nico sistema de ma uinas ue opera continuamente )3K horasLdia, , );diasLsemana, , el proceso de produccin esta caraterizado por un estado )4, y un multiplo )m, , con estados fuera de control de i M /Nm1 con m siendo el estado ue falla , una tabla )B, es utilizada para evaluar la distribucin del proceso de se supone ue el proceso de calidad caracterstica B como una variable aleatoria normal dependiendo del estado de la m% uina. +uando el proceso est% en control, la media del proceso es l M l4 y el proceso adopta una desviacin est%ndar es r M r4. Dcurrencia de causa asignable i, / < i Om, constituye un cambio en la media del proceso, pero ue no afecta a la variacin del proceso, li M L4 P dir, / < i Om. La media del proceso es cada vez mayor con el estado de la m% uinaG 4 Od/ Od3 O.. . O.m /. La ilustracin de los cambios de proceso se muestra en la figura. /. Ho se impuso ninguna restriccin a la forma funcional de la magnitud del desplazamiento, ue puede ser lineal o exponencial y se determina por el proceso de deterioro real. $uponemos ue, sin la intervencin de la toma de decisiones, el cambio del proceso de la (poca actual para el prximo perodo se rige por una cadena de tiempo homog(neo en tiempo discreto "ar#ov ).?"+, con la matriz de probabilidad de transicin conocida, *. Este deterioro - proceso de racin no es visible hacia el exterior, con la excepcin del estado de fallo. $i no es observable directamente e inmediatamente. +uando el sistema de produccin es en el estado i )i M 4, ..., m /,, la probabilidad de ue se mueve a cual uier peor estado j )j M /, ..., m, en la siguiente transicin G

6sumimos la sumatoria de iM/N m M /, *ij, con esto nos aseguramos de ue el sistema solo puede fallar si no se le hace un mantenimiento.

.os acciones "6H?EHQ"QEH?D, mantenimiento correctivo )"+, y *reventivo "6H?EHQ"QEH?D )*", son considerados study.6smen-eneste

"encionado anteriormente, el control estadstico de procesos m%s conjunta y mantenimiento consideran mantenimiento perfecta para matem%ticas $implicit y. >e"a#e amore realista assumpti el estudio inthis. "%s especficamente, Ieassume ue el mantenimiento preventivo es Qmperfecto, y el sistema isrestored toany estado no empeora +onocida *2D-6-QLQ.6 . +uando el sistema de produccin isinstate i )i M 4,..., mR /,, la probabilidad de ue itisrestored tostate j )j M /,..., m, despu(s de preventivo mantenimiento e es ij.

Aaciendo i4 S /Ti S /1. . .1 m U /V, como nuestro mantenimiento preventivo modelamiento coincide con el mantenimiento preventivo perfecto. El mantenimiento correctivo se supone ue es mucho m%s caro y restaura el sistema a un JJ como -bueno- como - nueva JJ estado. ?anto +" y *" se supone ue ser instant%nea ya ue el sistema no est% funcionando en estas acciones de mantenimiento y sistema deterioro no se ve afectada por estas acciones como se discute en >u y "a#is ) 3447 , . La p(rdida de tiempo de trabajo debido a las acciones de mantenimiento se cont en un ajuste de los costos relacionados. La asuncin de tiempo de mantenimiento insignificante tambi(n puede ser satisfecha cuando el tiempo necesario para realizar el mantenimiento es muy pe ue&o en relacin con los perodos de tiempo en el ue se .iscretica tiempo ) Ceung et al. , 3447 , . ?ambi(n debe tenerse en cuenta ue el mantenimiento no es instant%neo y puede consumir mucho tiempo en la naturaleza, y el tiempo de mantenimiento no puede ser rechazado en muchas situaciones pr%cticas . El control estadstico de procesos y mantenimiento preventivo funcionan simult%neamente como sigue. 'na muestra de tama&o n se toma del proceso de cada perodos de tiempo h . El n!mero de desviaciones est%ndar entre la lnea B del centro y de los lmites de control viene dado por #. *or lo tanto , los lmites de control de la tabla B se dan porG

*ara cada evaluacin del proceso, la media de la muestra B es com-puted y trazado. *or simplicidad matem%tica y trazabilidadG j M / ij $lo deteriorar% sin accin de mantenimiento. ?ambi(n suponemos ue todo el proceso de an%lisis, la medicin y j S # pij < j S # piW/, j, lo ue implica aumentar la tasa de fracaso )Q=2, trazado es instant%neo. $i la media muestral B entra dentro ).erman, /0;4,. El rango )L+L, '+L,, no se toman medidas, de lo contrario la se&al se genera fuera de control. El proceso de produccin se cerr luego hacia abajo para una b!s ueda de la causa asignable. ?ras la inspeccin, si se trata de una falsa alarma y el proceso est% en control, no se realiza ninguna accin de mantenimiento, accin de mantenimiento preventivo es otra forma ini - 6?E.. El gr%fico de control puede dar lugar a errores de tipo QQ ) no tanto Q errores ) se&ales fuera de control cuando el proceso est% en control, ?ipo y se&ales cuando el proceso est% fuera de control, . $ea 6 la probabilidad de un error de tipo Q y deje bi denota la probabilidad de un tipo QQ error cuando la m% uina est% en el estado i , 4 O i O m . 'n mantenimiento preventivo basado en la edad se lleva a cabo para mejorar el proceso de produccin. $i la m% uina funciona sin un fallo o una se&al de fuera - de - verdadero control desde la !ltima accin de mantenimiento de unidades de tiempo s, una accin de mantenimiento preventivo es por formado. El intervalo de mantenimiento preventivo puede ser de cual uier longitud.

*ara el propsito de una f%cil implementacin , se supone ue el preventivo s ciclo de mantenimiento es un m!ltiplo del intervalo de muestreo h ) s M #h , # M /,3,9 ... , . El muestreo al final del intervalo de muestreo #-(simo se omite , ya ue el mantenimiento preventivo se lleva a cabo independientemente . DESARROLLO DEL MODELO += denota el costo fijo de muestreo, +$ denota el costo de la inspeccin de un solo elemento, +QH$ denotan el costo de inspeccin, +*" denota el costo de realizar la accin *", y ++" denota el costo de la accin por +"-formacin. +Q denota el costo de explotacin unitario cuando la m% uina est% en el estado i, 4 < i Om, y dejar +.? denota el costo tiempo de inactividad cuando la m% uina est% en el estado de fallo m. $uponemos ue 4 O+QH$ O+*" O++" c4 Oc/ Oc3 Oci ... O/ cm O+.?G +omenzamos nuestro an%lisis por modelar el proceso de deterioro de la m% uina con las intervenciones de mantenimiento. $uponemos ue la m% uina puede estar en cual uier estado, pero el estado de fallo en el inicio del primer perodo. *or lo tanto, no hay una ruptura en el primer perodo. Huestro espacio de estado modificado incluye #h ) m P / , / estados posibles. +ada estado est% representado por )t, i, donde t denota el perodo t )t < s, y i representa el estado i, i 4 < < m. En cual uier punto de muestreo )LA, l M /, 3,... , # / , , hay cuatro posibles escenarios de la siguiente manera . a. El proceso es en - control y no hay ninguna falsa alarma a partir de la gr%fica de control ) fig. 3 , b .El proceso es en - control y no es una falsa alarma a partir de la tabla de control en el punto de muestreo L?A ) fig. 9 , c . *roceso se ha desplazado, y no es una se&al del gr%fico de control en el muestreo L?A. $hift podra haber ocurrido en cual uier perodo anterior al punto de muestreo lth )=ig. K , d. *roceso ha cambiado, y no hay ninguna se&al del gr%fico de control. $hift podra haber ocurrido en cual uier perodo anterior al punto de muestreo lth )=ig. 5 , . En cual uier perodo, el sistema puede fallar y el fracaso es auto - anunciando por lo tanto, se inicia el mantenimiento correctivo, ue se muestra en la figura < 6l final de un periodo de no muestreo, las transiciones del estado i al estado j se determinan por la matriz de transicin *. Las probabilidades de transicin son diferentes al final de los perodos de muestreo, debido a la posible aparicin de la falsa alarma y la intervencin de mantenimiento. .erivamos las

probabilidades de la siguiente manera. $i cuando la m% uina est% en el estado 4, la inspeccin se lleva a cabo una falsa alarma ocurra esto y se supone ue la falsa alarma se puede detectar mediante inspeccin y precisin de inspeccin no afecta a la transicin probabilidades. +uando no se produce falsa alarma, no se toma ninguna accin. La probabilidad de transicin de un estado en el control )t , 4 , a cual uier estado ) t P / , j , viene dada por *2.? 1 4 X t W / 1 Yth S *4Y 1 t M h , 3h 1 ... , .: /Vh 1 j S 4 1 / 1 .. . 1 " T9V ?ambi(n obtenemos probabilidades de transicin cuando la m% uina est% en cual uier estado fuera de control, excepto el estado de fallo m. +uando el proceso est% fuera de control y se produce una se&al, se realiza una accin de mantenimiento. La probabilidad de transicin con *" intervencin esta dado por

+uando no hay se&al se produce en unJJ fuera de controlJJ del estado, la probabilidad de transicin de un estado )t, j, al estado )t P /, j4, viene dada por

6l final del perodo s, se inicia el mantenimiento preventivo si el sistema de produccin no est% en el estado de fallo. La probabilidad de transicin de estado )s, j, al estado )/, j4, es la siguienteG

*or !ltimo, cuando el proceso est% en el estado de fallo m, se lleva a cabo una accin de mantenimiento correctivo y la m% uina se restaura a un estado tan bueno como nuevo, esta probabilidad esta dada por Las probabilidades de transicin con $*+ y la intervencin de mantenimiento se resumen en la figura. ;. *or lo tanto, hemos formado las transiciones durante el intervalo de mantenimiento preventivo como .?"+. Ecuaciones sistema formado por la matriz de probabilidad de transicin en la figura. ; se utilizan para resolver las limitantes de probabilidades de estar en cada estado. $ea p )t, j, denota la probabilidad de limitacin de la m% uina en el estado j, el perodo t. .urante cual uier perodo de no-muestreo, excepto el perodo s, si la m% uina est% en el control, el coste incurrido est% dada por +./1 4?A S c4 T7V .urante un perodo de no muestreo, excepto periodo s, si la m% uina se encuentra en ning!n fuera de control estatal j )4 Oj Om,, el costo incurrido viene dada por .urante un perodo de no muestreo, excepto periodo s, m% uina $i el se encuentra em cual uier fuera del control del estado j )4 Oj Om,, el costo incurrido esta dado por

?eniendo en cuenta ue la m% uina est% en el estado j, incurre costos durante un perodo de muestreo antes del perodo s es

En el perodo de s cuando est% prevista la tarde, el costo est% dado por

*or lo tanto, el coste esperado a largo plazo por un periodo de tiempo del proceso de produccin es como sigue,

ALGORITMO DE SOLUCIN Las decisiones sobre el control estadstico de procesos y mantenimiento se realizan de manera conjunta. En cuanto al control estadstico de procesos, hay tres variables de decisinG el tama&o de la muestra n, el ancho del control de los lmites indicados por #, y el intervalo de muestreo h . En cuanto a las acciones de mantenimiento, la decisin tiene ue ser hecho en la prevencin +iclo de vida mantenimientos. La funcin objetivo es matem%ticamente compleja y los resultados de forma cerrada analticos son difciles de obtener. "(todos de b!s ueda num(ricos son por lo tanto deseable para resolver este problema. 'n m(todo de b!s ueda directa ue no re uiere de derivados se utiliza para buscar valores ptimos de las variables de decisin . "ientras ue muchos m(todos de b!s ueda disponibles, un m(todo de b!s ueda de =ibonacci parece ser particularmente eficiente en el sentido de ue slo se necesita un pe ue&o n!mero de evaluaciones de la funcin objetivo ) +hiu, /0;5 , . 'na extensin de una b!s ueda de =ibonacci a los casos multidimensionales se presenta en $ugie ) /0<K , . +hiu ) /0;5 , utiliza una b!s ueda de =ibonacci de dos dimensiones para la determinacin de los par%metros m%s econmicos de gr%ficos de control )atri - bute . 6 tridimensional =ibonacci, b!s ueda algoritmo se desarrolla en este trabajo para buscar el ptimo de la muestra intervalo h , el mantenimiento ptimo intervalo s y la ptima ?ama&o de la muestra n . *ara cada combinacin de h, s , y n , una seccin de b!s ueda identifica el # ptimo . El algoritmo de optimizacin es explicado a continuacin. *aso 4. $eleccionar m%s bajos lmites ) L , para h , s , y n superior ) ', y . ' es el vector de lmites superiores con elementos de interfaz de usuario , i M / , 3 , 9 , para h , s , y n , respectivamente . L es el vector de cotas inferiores con elementos li , i M / , 3 , 9 , de h , s y n , respectivamente . *ara garantizar una b!s ueda efectiva en espacio discreto, la longitud del intervalo menos uno debe ser un n!mero =ibonacci. .espu(s de la determinacin de los ndices de los n!meros de =ibonacci ) H, , el n!mero de evaluaciones de la funcin re uerida )" , " M H / , puede ser determinado . *uesto ue los dos primeros n!meros de =ibonacci son el mismo , el algoritmo comienza generalmente con la segunda iteracin . $et M j/ j3 M j9 M 3 .

*aso /. 'n valor de h es nombrado seg!n =ibonacci b!s ueda. *aso 3 . .ado h, como el valor est% nominado seg!n =ibonacci b!s ueda *aso 9. .ado s, h, un valor de n es nominado de acuerdo a la b!s ueda de =ibonacci. *aso K. .ado s, h, n, la b!s ueda se lleva a cabo la seccin de oro para encontrar # ptima. +onstruir matriz de transicin para todo el mantenimiento preventivo intervalo s, dada s, A, H, y #. - +alcular limitar probabilidades. -+alcula la funcin objetivo y comparar con el ante-mnimo -Los valores actuales de s, h, n, # y se almacenan si la corriente funcin issmaller valor objetivo *aso 5. Es j9 M m9R $i no, establecer j9 j9 M P /, y vuelva al paso 91 $i no, vaya al paso <. *aso <. Es j3 M m3R $i no, establecer j3 j3 M P /, y vuelva al paso 31 Else, ir a paso ;. *aso ;. Es j/ M m/R QfHo, set M j/ j/ P /, y Zo-ac# to$tep /, Dtras ventas ?erminar. +uando h y s obtienen grandes, los ofstates n!mero aumentan r%pidamente. $e convierte en una carga computacional toobtain limitar probabilidades de resolver e uations.>eapproximate lineal limitar probabilidades multiplicando el byitself matriz de transicin hasta ue el differenc elemento e ofeach entre el actual y el anterior iter-nes es menor ue e apre-specifiedtolerance, oramaximum se alcanz el n!mero de iteracin s :. EJEMPLOS NUMRICOS Y ANLISIS DE SENSIBILIDAD En esta seccin, primero ofrecemos un ejemplo num(rico para ilustrar las polticas de mantenimiento de propuesta conjunta $*+ y por un proceso de produccin de la ue el deterioro se rige por una cadena de "ar#ov discreta en tiempo. El an%lisis de sensibilidad se realiz para analizar el efecto de los par%metros del modelo de soluciones ptimas. Ejemplo. +onsidere la posibilidad de una m% uina ue se deteriora de acuerdo con una cadena de "ar#ov de tiempo discreto. La m% uina tiene cuatro posibles estadosG estado en el control 4 , fuera de control de los estados / y 3 , y un estado de fallo 9 . Las probabilidades de transicin se dan en la siguiente matriz. $upongamos +QH$ M 54 , +*" M 344 , ++" M 3,444 , cs M 5 , += M 34 , +4 M 4 , +/ M /44 ,

c3 M 344 y +.? M matriz de transicin /444.?he probabilidad )* , y matriz de efectos de mantenimiento ) E , se resumen en la ?abla / G La solucin ptima obtenida por nuestro algoritmo es h M K , # M /K , n M 9 , y # M /,0< . La tasa de costo ptimo es + M 9/,KK . *ara ser conservadores, hemos creado e M 4.44/ y : M /44. El an%lisis de sensibilidad se realiz para observar el efecto de los par%metros del modelo de las soluciones ptimas y la interaccin entre el $*+ y el mantenimiento. Los par%metros ue nos interesan en incluir las probabilidades de transicin del sistema de produccin , * , y la eficacia de las acciones preventivas de mantenimiento , E , costos de mantenimiento preventivo , +*" , y la magnitud de los cambios , f. *ara investigar cmo las diferentes probabilidades de transicin afectan conjunta polticas de mantenimiento, tres matrices * diferentes )correspondientes a baja, media y alta probabilidades de transicin de un estado actual a peores estados , ptima $*+ y se consideran . .el mismo modo, se consideran tres matrices E diferentes ue corresponden a baja, media y alta eficacia de mantenimiento preventivo. ?res nive-les de coste de mantenimiento preventivo y dos niveles de magnitud de los desplazamientos se utilizan para los fines del an%lisis de sensibilidad. ?odos los par%metros para el an%lisis de sensibilidad se resumen en las ?ablas 3-K. En la pr%ctica, las acciones de mantenimiento preventivo se aplican sin la utilizacin de la informacin de control estadstico de procesos. *ara evaluar los beneficios de este tipo de polticas de control y mantenimiento de procesos estadsticos integrados, los tipos de costes ptimos de todos los casos para el an%lisis de sensibilidad se comparan con los de una !nica poltica de mantenimiento preventivo basado en la edad . 2esultados del an%lisis de sensibilidad se resumen en las ?ablas 5-; . En la ?abla 5 , se observa ue a medida ue la matriz de transicin * cambia de baja a alta , el intervalo de muestreo h , intervalo de mantenimiento preventivo sy +ontrol Estadstico de *rocesos coeficiente # disminuyen , lo ue indica un muestreo m%s frecuente y mantenimiento preventivo $on necesarias acciones como el sistema de produccin se deteriora m%s r%pido. El cambio en la magnitud de desplazamiento ) d , afecta principalmente el valor de # . +omo d aumenta, # aumenta . Esto es lgico ya ue un cambio m%s grande en el proceso re uerira un lmite de control superior en consecuencia. +omo se muestra en la ?abla < , la eficacia de mantenimiento preventivo ) E , sobre las polticas ptimas no es tan significativa como la de transicin de probabilidad matriz *. +uando d es /.5 , la matriz E afecta principalmente el valor de #. +omo la eficacia del mantenimiento preventivo de- arrugas , se re uiere una pe ue&a # , ue implica un lmite de control m%s estricto . Este es el muestreo por ue m%s frecuente y preventiva mantenimiento reduce el costo de mantenimiento. Las observaciones m%s importantes con respecto a los resultados en ?ablas 5; son los siguientesG ) / , en todos los casos probados , la poltica ptima es la ue integra los programas de mantenimiento y control estadstico de procesos , y hay un ahorro potencial de costes de la utilizacin de informa-cin de control

estadstico de procesos en el mantenimiento de la toma de decisiones )3 , el cambio en los par%metros de entrada ) *, E y +*" , afecta tanto a las polticas de mantenimiento y control de proceso estadstico en la mayora de los casos analizados , lo ue ilustra la interdependencia entre los procedimientos de control y mantenimiento de procesos estadsticos , y de piel - ther justifica la conveniencia de tener en cuenta estos dos procesos de manera conjunta . *ara los valores de los par%metros utilizados en el an%lisis de sensibilidad, el ahorro de costes son mucho mayores cuando el proceso de produccin se deteriora m%s lentamente )baja *, de ue a partir de un proceso de produccin dete-rioro m%s r%pido , tambi(n a resultados m%s altos costos de mantenimiento preventivo en un mayor ahorro de costes. Aay ue destacar ue la magnitud de las mejoras de costes se basa en una comparacin en-tre integrado de control estadstico de procesos y mantenimiento polticas y slo de mantenimiento de las polticas . *odra haber m%s potencial

6horros si tuvi(ramos ue comparar esas polticas integradas con las polticas ue implementan $*+ y los procedimientos de mantenimiento preventivo por separado. . CONCLUSIONES Y DISCUSIN En este trabajo se presenta un modelo integrado para la optimizacin de la articulacin de control estadstico de procesos )intervalos de muestreo, tama&o de muestra y el lmite de control, y el mantenimiento preventivo. Qnformacin de gr%ficos de control de calidad se utiliza para facilitar las decisiones de mantenimiento. El modelo propuesto es desarrollado para un proceso ue deteriora las tasas de acuerdo con una cadena de "ar#ov de tiempo discreto. $e supone ue el mantenimiento preventivo es imperfecto, lo ue significa ue

el mantenimiento preventivo mejora el proceso de su estado actual a cual uier estado no empeora con probabilidades dadas. 'n modelo de costos se formularse para la optimizacin simult%nea de control y mantenimiento de las actividades de procesos estadsticos, con el objetivo de reducir al mnimo la tasa de costo de operacin total esperado. 'n ejemplo num(rico se utiliza para ilustrar la poltica de mantenimiento preventivo y de control de proceso estadstico integrado. 6n%lisis de sensibilidad indica, adem%s, la interdependencia entre las acciones de mantenimiento y control de proceso estadstico. En todos los casos analizados en este trabajo, los posibles ahorros de costes se puede lograr a partir de las propuestas de polticas integradas. .ebe tenerse en cuenta ue el ahorro de costes puede ser sustancialmente menor o mayor cuando se utilizan diferentes par%metros. La principal contribucin de este trabajo consiste en el desarrollo de la integracin de las actividades de mantenimiento y control de proceso estadstico para un proceso general de produccin de la ue el deterioro se rige por una cadena de "ar#ov en tiempo discreto. ?anto los modelos de control y mantenimiento estadstico de procesos han sido ampliamente estudiados por separado. $in embargo, la interdependencia entre estas dos actividades no se ha abordado adecuadamente en la literatura, a pesar de sus conexiones aparentes. La informacin obtenida en el curso de control de proceso estadstico se&ala la necesidad de posibles acciones de mantenimiento, y por lo tanto, afecta a los programas de mantenimiento preventivo. Las acciones de mantenimiento pueden evitar ue el proceso productivo de un mayor deterioro y mejorar la calidad de los productos en relacin con el control estadstico de procesos. El modelo propuesto proporciona una ofthese integracin efectiva de dos procesos en un modelo y permite su optimizacin conjunta. Huestro an%lisis muestra ue no puede haber potencial de reduccin de costes mediante la explotacin de la relacin entre los dos procedimientos. $*+ e integradas modelos "6H?EHQ"QEH?D suelen ser bastante complejo mente matem%tica. *ara ejemplo , +assady et al . ) 3444 , utilizan un simulacin optimizacin 6* - enfo ue para determinar la policies.?he combinada ptima formulacin del deteriorado proceso con el mantenimiento ons interventi +omo cadena "ar#ov el mantenimiento preventivo intervalo ) s , En nuestro trabajo proporciona abrea#thr ough en el dise&o anefficientsolu 6lgoritmo y la obtencin de los resultados analticos. El modelo actual supone ue el deterioro del proceso de produccin el cual rige la cadena de "ar#ov en tiempo discreto, la investigaciones conjuntas similares modelos para diferentes deterioro procesos tales procesos degradaciones )por ejemplo , gamma pro acceso y movimiento broIniano geom(trico ,gr%fico de control de calidad considera en este documento es m%s com!nmente utilizada gr%fico B. Extensin a natural relacin estadstica pro control de acceso sera el uso de m%s avanzada estadstica *rocesar las herramientas de control. 6dem%s, el actual modelo no tiene en cuenta *lanificacin de la produccin, ue es otra preocupacin de cual uier empresa manufacturera empresa. La planificacin de produccin integrada, estadsticamente actividades de mantenimiento y control de proceso.

6gradecimientos El autor desea agradecer al editor y los %rbitros por sus valiosos comentarios y sugerencias. El autor tambi(n desea agradecer al *rofesor .avid +oit de la 'niversidad de 2utgers por su re-visin del manuscrito revisado y sus !tiles comentarios. La obra del autor fue apoyado por el "inisterio de Educacin de +hina bajo la +oncesin //CY+<94337, y por los =ondos de Qnvestigacin =undamental para las universidades +entral en virtud de concesin /9I#py/5.