نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجو کارشناسی ارشد دانشگاه آزاد اسلامی، دانشکده مهندسی صنایع و مکانیک، واحد قزوین، قزوین، ایران،

2 استادیار دانشگاه آزاد اسلامی، دانشکده مهندسی صنایع و مکانیک، واحد قزوین، قزوین، ایران،(نویسنده مسئول)

چکیده

در سا ل های اخیر نگهداری و تعمیرات به عنوان عامل موثر و قابل توجهی در بهبود کارکرد دستگاه ها بوده
است. نگهداری و تعمیرات نقش مهمی در حفظ قابلیت اطمینان، دردسترس بودن، کیفیت تولیدات، کاهش
ریسک، افزایش بازدهی، امنیت تجهیزات برعهده دارد، لذا نگهداری و تعمیرات و استراتژی های آن از جایگاه
ویژه ای در صنایع برخوردار است. پژوهش های زیادی به لزوم استفاده از مجموعه های فازی در مسائل
تصمیم گیری به دلیل انعطاف پذیری بالای آن اشاره نموده اند و از آنجایی که مساله انتخاب استراتژی نت نیز
یک مساله با عدم قطعیت زیاد است بکارگیری عدم قطعیت فازی، اطمینان تصمیم گیری را افزایش می دهد، از
این رو هدف این پژوهش ارائه یک مدل ریاضی مناسب تصمیم گیری برای ارزیابی و انتخاب استراتژی
نگهداری و تعمیرات با استفاده از روش طراحی بدیهی فازی سلسله مراتبی و روش تاپسیس فازی سلسله مراتبی
در شرکت صنایع هفت الماس بوده است، با توجه به اینکه معیارهای بسیاری از قبیل ارزش افزوده، ایمنی، هزینه
و ... در انتخاب استراتژی نگهداری و تعمیرات موثرند، بنابراین ابتدا به کمک مرور ادبیات و نظرات
کارشناسان نگهداری و تعمیرات، این متغیرها شناسایی و سپس با استفاده از روش تحلیل سلسله مراتبی فازی به
وزن دهی معیارها و به کمک روش طراحی بدیهی فازی سلسله مراتبی و روش تاپسیس فازی سلسله مراتبی به
انتخاب بهترین استراتژی نگهداری وتعمیرات پرداخته شده است. در پایان نتایج دو روش تاپسیس فازی و
طراحی بدیهی فازی برای انتخاب استراتژی نگهداری و تعمیرات مقایسه گردید که نتایج، حاکی از یکسان
بودن جواب های این دو روش بود، همچنین نتایج دو مدل نشان می دهد که استراتژی نگهداری و تعمیرات
بهره ور فراگیر از اولویت برتری نسبت به سایر استراتژی ها برخوردار است

کلیدواژه‌ها

عنوان مقاله [English]

Maintenance Strategy Selection using Fuzzy Hierarchical Approach

نویسندگان [English]

  • Razieh Taghipour 1
  • Soroush Avakh Darestani 2

چکیده [English]

In recent years, maintenance has been recognized as an effective and a significant improvement tool in the performance of equipments. Maintenance plays an important role in maintaining reliability, availability and quality of products, risk reduction, efficiency increase and safety, so maintenance and its strategies have a special place in the industry. A lot of researches show the necessity of using fuzzy sets in decision making problems due to its high flexibility. The choosing maintenance strategy is also a problem with so many uncertainties so using fuzzy sets seems to be very useful. The aim of this research is to provide a suitable mathematical decision making model for assessment and selection maintenance strategies by using hierarchical fuzzy Axiomatic Design (HFAD) and hierarchical fuzzy Topsis (HFTOPSIS) in Haft Almas Co. Since many criteria such as added value, safety, and … so are vital in the maintenance strategy selection, in this article first these criteria are investigated in the literature review and expert's opinions, then for obtaining the weights of criteria the FAHP method is used and finally the strategies are ranked through the applying HFAD and HFTOPSIS. The results of FTOPSIS and FAD were compared in selecting a maintenance strategy. The results of comparisons indicate the similarity of rankings by two techniques. Above techniques show that TPM alternative has superior to other strategies.

کلیدواژه‌ها [English]

  • Maintenance Strategy
  • Hierarchical Fuzzy Axiomatic Design
  • Hierarchical Fuzzy Topsis
  • FAHP
 
آقایی، م.، و فضلی، ص. (1391). به‌کارگیری روش ترکیبی DEMATELو ANP برای انتخاب استراتژی تعمیرات و نگهداری. چشم‌انداز مدیریت صنعتی. شماره 6، صفحات 107-89.
حاج شیرمحمدی، ع. (1390). برنامه‌ریزی نگهداری و تعمیرات (مدیریت فنی در صنایع). چاپ هجدهم. اصفهان: ارکان دانش، 516 صفحه.
عرب شمالی، ا. (1392). مقدمه‌ای بر نگهداری قابلیت اطمینان / پایایی محور (مبتنی بر قابلیت اطمینان). دوره آموزشی کارکنان واحد نت شرکت پالایش گاز بید بلند.
عطایی، م. (1389). تصمیم‌گیری چندمعیاره فازی. دانشگاه صنعتی شاهرود.
نایینی، ح. (1387) ، الگویی برای تغییر فرهنگ سازمانی متناسب با ارتقای سیستم نگهداری و تعمیرات، تدبیر، شماره 200.
Arunraj, N.S., & Maiti, J.  (2010). Risk-based maintenance policy selection using AHP and Goal Programming.  Safety Science, 48, PP. 238-247.
Bowersox, D., & Closs, D. (1996). Logistical management: the integrated Supply chain management. Mc Graw – Hill. New York, 10, PP. 283–286.
Bevilacqua, M., & Braglia, M. (2000). The analytic hierarchy process applied to maintenance strategy selection. Reliability Engineering and System Safety, 70, PP. 71–83.
Chen, Y., & Yang, B. (2013). Research on the maintenance decision model for marine equipment based on analytic network process. Journal of Convergence Information Technology (JCIT), 8, PP. 850-856.
Chen, C.T. (2000). Extensions of the TOPSIS for group decision-making under fuzzy environment. Fuzzy Sets and Systems, 114, pp. 1-9.
Ding, S.H., & Kamaruddin, S.H. (2012). Selection of optimal maintenance policy by using fuzzy multi criteria decision making method. Proceedings of international conference on industrial engineering and operations management, July 3–6, Istanbul, Turkey.
Ding, S.H. & Kamaruddin, S.H. (2015). Assessment of distance-based multi-attribute group decision making methods from a maintenance strategy perspective. Journal of Industrial Engineering International, 11, PP. 73–85.
Emovon, I., Norman, R.A., & Murphy, A.J. (2016). Elements of maintenance systems and tools for implementation within the framework of reliability centered maintenance - a review. Journal of Mechanical Engineering and Technology, 8, pp. 1-34
Güner, H., & Kulak, O. (2014). A new fuzzy multi-criteria decision making approach: extended hierarchical fuzzy axiomatic design approach with risk factors. Springer International Publishing Switzerland, 184, PP. 141–156.
Güner, H., Mutlu, O., & Kulak, O. (2005). Supplier selection in fuzzy environment. 35th Computers and Industrial Engineering. June 19-22, Turkey, Istanbul, 35, PP. 839–844.
Ge, Y., Xiao, M., Yang, Z.h., Zhang, L., Hu, Z., & Feng, D. (2017). An integrated logarithmic fuzzy preference programming based methodology for optimum maintenance strategies selection. Soft Computing, 60, pp. 591-601.
Hsieh, T.Y., Lu, S.T., & Tzeng, G.T. (2004). Fuzzy MCDM approach for planning and design tenders selection in public office buildings. International Journal of Project Management, 22, PP. 573–584.
Ighravwe, D.E., & Oke, S. (2017). Ranking maintenance strategies for sustainable maintenance plan in manufacturing systems using fuzzy axiomatic design principle and Fuzzy-TOPSIS. Journal of Manufacturing Technology Management.
Ilangkumaran, M., & Kirubakaran, B. (2016). Selection of optimum maintenance strategy based on FAHP integrated with GRA–TOPSIS. Annals of Operations Research. PP. 1-29.
Kulak, O., Çebi, S., & Kahraman, C. (2010). Applications of axiomatic design principles: A literaturereview. Expert Syst, 37, PP. 6705–6717.
Kahraman, C., & Çebi, S. (2009). A new multi-attribute decision making method: hierarchical fuzzy axiomatic design. Expert System, 36, PP. 4848–4861.
Kulak, O., & Kahraman, C. (2005). Fuzzy multi-attribute selection among transportation companies using axiomatic design and analytic hierarchy process. Information Sciences. 170, PP. 191–210.
Kulak, O., Kahraman, C., Oztysi, B., & Tanyas, M. (2005). Multi attribute information technology project selection using fuzzy axiomatic design. The Journal of Enterprise Information Management, 18, PP. 275-288.
Kulak, O., Goren, H.G., & Supciller, A.A. (2015). A new multi criteria decision making approach for medical imaging systems considering risk factors. Applied Soft Computing, 35, PP. 931–941.
Momeni, M., Fathi, M.R., Zarchi, M.K., & Azizollahi, S. (2011).  A fuzzy TOPSIS-based approach to maintenance strategy selection: a case study. Middle-East Journal of Scientific Research, 8, PP. 699–706.
Mahdavi, I., Mahdavi-Amiri, N., Heidarzade, A., & Nourifar, R. (2008). Designing a model of fuzzy TOPSIS in multiple criteria decision making. Mathematics and Computation, 206, PP. 607-617.
Moubray, J. (1997). Reliability-Centered Maintenance. Oxford. Butterworth Heinemann.
Özcana, E., Ünlüsoyb, S., & Erenb, T. (2017). A combined goal programming – AHP approach supported with TOPSIS for maintenance strategy selection in hydroelectric power plants. Renewable and Sustainable Energy Reviews, 78, pp. 1410–1423.
Pourjavad, E., Shirouyehzad, H., & Shahin, A. (2013). Selecting maintenance strategy in mining industry by analytic network process and TOPSIS. International Journal of Industrial and Systems Engineering, 15, PP. 171-192.
Suh, N.P. (1990). Axiomatic design theory for systems. Journal of Research in Engineering Design, 10, PP. 189-209.
Suh, N.P. (1998). Axiomatic design theory for systems. Journal of Research in Engineering Design, 10, PP. 210-225.
Shygith, K., Ilangkumaran, M., & Kumanan, S. (2008). Multi-criteria decision making approach to evaluate optimum maintenance strategy in textile industry. Journal of Quality in Maintenance Engineering, 14, PP. 375-386. 
Saghafian, S., & Hejazi, S.R. (2005). Multi-criteria group decision making using a modified fuzzy TOPSIS procedure. Proceedings of the International Conference on Computational Intelligence for Modeling, Control and Automation, and International Conference on Intelligent Agents, Web Technologies and Internet Commerce. 2, PP. 215-221.
Sadeghi, A., & Alborzi Manesh, R. (2012). The application of fuzzy group Analytic Network Process to selection of best maintenance strategy- A case study in Mobarakeh steel company, Iran. Social and Behavioral Sciences, 62, PP. 1378 – 1383
Seiti, H.R., Behnampour, A., Imani, D.M., & Houshmand, M. (2017). Failure Modes and Effects Analysis under Fuzzy Environment Using Fuzzy Axiomatic Design Approach. Int. J. Res. Ind. Eng, 4, PP. 51-68.
Tajadod, M., Abedini, M., Rategari, A., & Mobin, M.S. (2016). A Comparison of Multi-Criteria Decision Making Approaches for Maintenance Strategy Selection A Case Study. International Journal of Strategic Decision Sciences, 7, pp. 51-69.
Wang, L., Chua, J., & Wu, J. (2007). Selection of optimum maintenance strategies based on a fuzzy analytic hierarchy process. International Journal of Production Economics, 107, PP. 151-163.