Key points are not available for this paper at this time.
Cette étude crée un cadre pour aider à la durabilité des stratégies de maintenance. Le cadre a été élaboré en utilisant l'expertise de l'industrie et du milieu universitaire. En utilisant ce savoir, trois outils multicritères ont été choisis pour l'évaluation des stratégies de maintenance. Les outils comprennent les techniques d'analyse relationnelle grise (GRA), l'évaluation du ratio additif (ARAS) et l'analyse du ratio de poids par étapes (SWARA). Dans un système de production, ils ont été utilisés pour évaluer quatre stratégies de maintenance planifiées. Les stratégies sont la maintenance périodique (S1), la maintenance basée sur les compteurs (S2), la maintenance prédictive (S3) et la maintenance prescriptive (S4). L'approche ARAS a été utilisée pour obtenir la notation des stratégies pour les différentes exigences. Cette étude a utilisé la méthode SWARA pour déterminer l'importance des exigences en utilisant un nombre triangulaire flou intuitionniste. Les résultats ARAS ont été combinés à l'aide de la méthode GRA. Cette étude a observé que les critères utilisés pour choisir une stratégie de maintenance pour l'équipement dépendent des informations collectées auprès de six spécialistes dans une organisation manufacturière. Par exemple, il a été découvert que S3 était l'approche de maintenance qui répondait le mieux aux besoins techniques du système. En même temps, S2 s'est avéré moins efficace. L'analyse des besoins économiques a montré que S1 est la stratégie de maintenance la plus appropriée pour le système, tandis que S3 est la moins appropriée. S1 est la méthode de maintenance la plus appropriée pour le système, compte tenu des exigences sociales, tandis que S2 est la moins efficace. Selon les résultats des exigences environnementales, S2 est le meilleur plan de maintenance pour le système, tandis que S4 est le pire. Selon l'approche GRA, les meilleures et les moins appropriées stratégies de maintenance du système sont S2 et S4, respectivement.
Desmond Eseoghene Ighravwe (Mar,) a étudié cette question.