Skip navigation
Please use this identifier to cite or link to this item: https://repositorio.ufpe.br/handle/123456789/67687

Share on

Full metadata record
DC FieldValueLanguage
dc.contributor.advisorMACIEL, Paulo Romero Martins-
dc.contributor.authorNASCIMENTO, Aline Regina do Monte-
dc.date.accessioned2026-01-16T14:53:03Z-
dc.date.available2026-01-16T14:53:03Z-
dc.date.issued2025-08-22-
dc.identifier.citationNASCIMENTO, Aline Regina do Monte. Um Estudo da disponibilidade de ventiladores mecânicos em unidades de terapia intensiva. 2025. Dissertação (Mestrado em Ciências da Computação) - Universidade Federal de Pernambuco, Recife, 2025.pt_BR
dc.identifier.urihttps://repositorio.ufpe.br/handle/123456789/67687-
dc.description.abstractEste trabalho apresenta um modelo de suporte à tomada de decisão voltado para o ge renciamento de equipamentos médico-hospitalares, com ênfase nos ventiladores mecânicos utilizados em Unidades de Terapia Intensiva (UTIs). A pesquisa parte do reconhecimento da importância da ventilação mecânica no suporte à vida de pacientes críticos e dos riscos opera cionais e financeiros, além das consequências potencialmente fatais, associadas à falha desses equipamentos em contextos emergenciais. A manutenção desses sistemas já representa um de safio e uma despesa significativa para as instituições de saúde. O principal objetivo consiste em desenvolver um modelo de suporte à tomada de decisão para o gerenciamento de ventiladores mecânicos em UTIs, por meio de modelagem estocástica com Redes de Petri Estocásticas (SPNs), com o intuito de analisar e comparar diferentes estratégias de configuração de ali mentação por baterias. Dada a criticidade de uma fonte de energia confiável para sistemas de suporte à vida, a pesquisa visa maximizar a disponibilidade e a confiabilidade operacional desses equipamentos, considerando tanto a fonte principal quanto os sistemas de redundância, como baterias e geradores. A proposta baseia-se na utilização de SPNs como ferramenta para modelar e simular o comportamento dos ventiladores sob diferentes condições operacionais, considerando, aspectos como falhas técnicas, tempo de reparo e configurações de redundância energética. A metodologia adotada envolveu a compreensão técnica dos sistemas de ventilação, a coleta e parametrização de dados a partir de manuais e fontes reais, a construção dos mode los estocásticos e a análise de cenários simulados. Foi desenvolvido um modelo que incorpora a dinâmica das baterias, permitindo estimar a disponibilidade dos respiradores em distintos contextos, como variações no número de equipamentos redundantes e diferentes tempos de reparo. Os estudos de caso demonstraram que estratégias como a introdução de baterias adi cionais e a redução do tempo de reparo contribuem significativamente para o aumento da disponibilidade dos sistemas, com alguns cenários alcançando índices superiores a 0,98. A aná lise de sensibilidade evidenciou que parâmetros como o tempo médio até a falha das baterias e a taxa de reparo dos componentes impactam diretamente na confiabilidade operacional. Os resultados obtidos confirmam o potencial dos modelos estocásticos para antecipar o desem penho de equipamentos críticos, orientando decisões relacionadas à manutenção, à alocação de recursos e às configurações técnicas mais adequadas, e fornecendo dados concretos para justificar o investimento em sistemas de reserva mais robustos. Como contribuição prática, o trabalho propõe estratégias viáveis e de baixo custo para a otimização da gestão tecnológica hospitalar, com potencial impacto na segurança e na continuidade da assistência ao pacientept_BR
dc.language.isoporpt_BR
dc.publisherUniversidade Federal de Pernambucopt_BR
dc.rightsopenAccesspt_BR
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/pt_BR
dc.subjectEquipamentos hospitalarespt_BR
dc.subjectVentiladores mecânicospt_BR
dc.subjectModelos estocásticospt_BR
dc.subjectDisponibilidadept_BR
dc.subjectSPNpt_BR
dc.titleUm Estudo da disponibilidade de ventiladores mecânicos em unidades de terapia intensivapt_BR
dc.typemasterThesispt_BR
dc.contributor.advisor-coDANTAS, Renata Cristine de Sá Pedrosa-
dc.publisher.initialsUFPEpt_BR
dc.publisher.countryBrasilpt_BR
dc.degree.levelmestradopt_BR
dc.contributor.advisorLatteshttp://lattes.cnpq.br/8382158780043575pt_BR
dc.publisher.programPrograma de Pos Graduacao em Ciencia da Computacaopt_BR
dc.description.abstractxThis paper presents a decision-making support model for the management of medical and hospital equipment, with an emphasis on mechanical ventilators used in Intensive Care Units (ICUs). The research is based on the recognition of the importance of mechanical ventilation in supporting the lives of critically ill patients and the operational and financial risks, as well as the potentially fatal consequences, associated with the failure of this equipment in emergency situ ations. Maintaining these systems already represents a challenge and a significant expense for healthcare institutions. The main objective is to develop a decision-making support model for the management of mechanical ventilators in ICUs, using stochastic modeling with Stochastic Petri Nets (SPNs), to analyze and compare different battery power configuration strategies. Given the criticality of a reliable power source for life support systems, the research aims to maximize the availability and operational reliability of these equipment, considering both the primary source and redundancy systems, such as batteries and generators. The proposal uses SPNs as a tool to model and simulate ventilator behavior under different operating conditions, considering aspects such as technical failures, repair time, and energy redundancy configura tions. The methodology adopted involved a technical understanding of ventilation systems, collecting and parameterizing data from manuals and real sources, building stochastic models, and analyzing simulated scenarios. A model was developed that incorporates battery dynamics, allowing for the estimation of ventilator availability in different contexts, such as variations in the number of redundant devices and different repair times. Case studies demonstrated that strategies such as introducing additional batteries and reducing repair time significantly contribute to increased system availability, with some scenarios achieving rates above 0.98. Sensitivity analysis showed that parameters such as mean time to battery failure and com ponent repair rate directly impact operational reliability. The results confirm the potential of stochastic models to anticipate the performance of critical equipment, guiding decisions related to maintenance, resource allocation, and the most appropriate technical configurations, and providing concrete data to justify investment in more robust backup systems. As a practical contribution, the work proposes viable, low-cost strategies for optimizing hospital technology management, with potential impact on safety and continuity of patient care.pt_BR
dc.contributor.advisor-coLatteshttp://lattes.cnpq.br/6565292837260106pt_BR
dc.contributor.advisorORCIDhttps://orcid.org/0000-0003-4021-9069pt_BR
Appears in Collections:Dissertações de Mestrado - Ciência da Computação

Files in This Item:
File Description SizeFormat 
DISSERTAÇÃO Aline Regina do Monte Nascimento.pdf5.42 MBAdobe PDFThumbnail
View/Open


This item is protected by original copyright



This item is licensed under a Creative Commons License Creative Commons