Modeling unit replacement associated with preventive maintenance

The work presented in this paper is a master thesis performed at the division of Optimization and Systems Theory at the Royal Institute of Technology in Stockholm. The problem is formulated by Systecon AB, a consultancy firm focusing on life support cost analysis and optimization. In the software th...

Full description

Bibliographic Details
Main Author: Wikander, Max
Format: Others
Language:English
Published: KTH, Optimeringslära och systemteori 2016
Online Access:http://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-182488
Description
Summary:The work presented in this paper is a master thesis performed at the division of Optimization and Systems Theory at the Royal Institute of Technology in Stockholm. The problem is formulated by Systecon AB, a consultancy firm focusing on life support cost analysis and optimization. In the software that Systecon uses for optimization (OPUS10) there are certain simplistic assumptions. Namely, that preventive maintenance is always fully regulated and in the case where several bases are requesting spare units for preventive maintenance from the same depot there is full coordination between bases, thus assuming full regularity also at the depot. These assumptions work sufficiently at base level but not necessarily in a support system with multiple levels where spare parts for preventive maintenance is requested from a central depot. To investigate the effects of these assumptions a user survey has been conducted and based on the result a simulation tool has been constructed in MATLAB. The results suggest that due to the simplistic assumptions made in OPUS10 there is a risk of underestimating the number of systems demanding spare parts for preventive maintenance, thereby affecting the accuracy of OPUS10. Furthermore, to investigate the possibility of refining the model two approaches have been made. Firstly, the built in OPUS10 factor PMCF has been analyzed on how it may be utilized to compensate for underestimating demand from preventive maintenance. Secondly, the Binomial distribution has been suggested and discussed as a potential replacement for the mathematical modeling of preventive maintenance. A combination of the two distributions has also been included as a final investigation. In conclusion, PMCF may be used quite effectively, but setting the value for PMCF is complicated and no distinct guidelines can , from the conclusions of this thesis, be presented on how to determine a value for PMCF. Even though there are possibilities of constructing such guidelines it is not within the scope of this thesis. The Binomial distribution turns out to be very accurate in modeling of preventive maintenance. But it does require knowledge of the variance from preventive maintenance, something that is not required by the current models in OPUS10. However, the last approach, assuming Bernoulli distribution at base level and Binomial distribution at central level of the support system, gives accurate results while knowledge of the variance is not required. === Arbetet som presenteras i denna uppsats är ett examensarbete utfört på avdelningen för Optimering och Systemteknik på Kungliga Tekniska Högskolan i Stockholm. Problemet har formulerats av Systecon AB, en konsultfirma med inriktning mot livscykelkostnadsanalys och optimering. I programvaran som Systecon använder för optimering (OPUS10) finns det vissa förenklade antaganden. Modellen för förebyggande underhåll bygger nämligen på ett antagande om maximal regularitet och maximal koordinering av olika åtgärder på olika system. Vilket fungerar bra på lokal nivå nära de tekniska systemen men fungerar sämre när efterfrågan av reservdelar från flera lokala platser aggregeras till ett centralt lager. För att undersöka effekterna av dessa antaganden har en användarundersökning utförts och baserat på resultatet av denna har en simulering modellerats i MATLAB. Resultaten tyder på att de förenklade antagandena bidrar till risken att underskatta behovet av reservdelar från förebyggande underhåll och därmed kan noggrannheten av OPUS10 påverkas. Två tillvägagångssätt har använts för att undersöka möjligheten att förfina modellen. Först och främst har den i OPUS10 inbyggda parametern PMCF analyserats om huruvida den kan användas för att kompensera för underskattning av efterfrågan från förebyggande underhåll. Vidare har Binomialfördelningen föreslagits och diskuterats som en potentiell ersättning för den matematiska modelleringen av förebyggande underhåll. Avslutningsvis har en analys av kombinationen mellan den nuvarande fördelningen och Binomialfördelningen också inkluderats. Slutledningsvis, faktorn PMCF kan användas och är relativt effektiv, men att bestämma värdet på parametern är svårt och inga precis riktlinjer för detta kan, via slutsatserna från detta arbete, presenteras på hur man hur man ska avgöra värdet av PMCF. Binomialfördelningen visar sig vara väldigt noggrann vid modellering av förebyggande underhåll. Den kräver dock vetskap om variansen av efterfrågan från förebyggande underhåll, något som inte krävs av de nuvarande modellerna i OPUS10. Kombination av Bernoullifördelning på basnivå, nuvarande modell i OPUS10, och Binomialfördelning på central nivå ger noggranna resultat och någon vetskap om variansen krävs ej.