000 | 02741nmm a2200229 a 4500 | ||
---|---|---|---|
008 | 160202e2018 ck |||fq||d| 00| 0 spa d | ||
082 | 0 | 4 |
_a519.2 _bC268m Ts _223 |
100 | 1 |
_aCardona Ortegón, Andrés Felipe. _929685 |
|
245 | 1 | 3 |
_aModelamiento y optimización de políticas de mantenimiento del escaner de tomografía computarizada con fallas estocásticas : _h[Recurso Electrónico] / _cAndrés Felipe Cardona Ortegón. |
260 |
_aBogotá (Colombia) : _bEscuela Colombiana de Ingeniería Julio Garavito, _c2018. |
||
300 |
_a48 p. : _bgráf. |
||
502 | 1 | _aTesis ( Magíster en Ingeniería Industrial ) | |
520 | 1 | _aLa definición de políticas de mantenimiento en la mayoría de empresas se realiza basada en conocimiento empírico y dependiendo del ámbito o lugar donde se encuentre el equipo. Teniendo en cuenta restricciones presupuestales y de capacidad de la maquinaría que tienen las entidades públicas y privadas en la administración del equipo médico, es crucial encontrar un camino adecuado que sirva como herramienta para el diseño de políticas de mantenimiento. Es por ello que el objeto de este trabajo de investigación es plantear un modelo de optimización que permita tomar mejores decisiones al momento de elaborar las políticas de mantenimiento. El equipo médico estudiado es el escáner de tomografía computarizada. Esta es una herramienta utilizada en varios procesos de diagnóstico, de diferentes especialidades, por ser una exploración no invasiva del cuerpo. El equipo sirve para la toma de imágenes de cabeza, tórax y extremidades. Se emplea un modelo de cadenas de markov de tiempo continuo para modelar el estado (funcionando, funcionando que requieren mantenimiento, detenidas que requieren mantenimiento correctivo) de las máquinas en el tiempo. Se propone un modelo de optimización que tiene como función objetivo maximizar el beneficio generado por las máquinas funcionando y requiriendo mantenimiento preventivo; sin exceder el presupuesto de la organización. Se emplean dos métodos para dar solución al modelo de optimización propuesto: un algoritmo exhaustive search para entender el comportamiento de la superficie solución generada por la función objetivo y una meta-heurística basada en gradient-ascent para hallar una buena solución (cercana al óptimo) en un tiempo razonable. | |
650 | 0 |
_aPROCESOS ESTOCÁSTICOS _93154 |
|
650 | 0 |
_aMODELOS DE OPTIMIZACIÓN _xESCÁNER DE TOMOGRAFÍA _929662 |
|
650 | 0 |
_aTESIS Y DISERTACIONES ACADÉMICAS _9931 |
|
700 |
_aGuerrero Rueda, William Javier _edir. _930515 |
||
700 |
_aPérez Vélez, Ignacio _eCo dir. _941945 |
||
856 | _uhttps://repositorio.escuelaing.edu.co/handle/001/948 | ||
942 |
_2ddc _cTE |
||
999 |
_c21822 _d21822 |