Avaliação da gestão do tempo no contexto da organização do trabalho dos técnicos de radiologia

Mestrado em Intervenção Sócio-Organizacional na Saúde - Área de especialização: Políticas de Administração e Gestão de Serviços de Saúde

Implementação da total Productive maintenance (TPM) numa empresa de produção

No âmbito do Ciclo de Estudos conducente ao grau de Mestre em Engenharia Mecânica, Per-fil de Manutenção e Produção, foi desenvolvida esta Dissertação, que consiste no estudo do estado actual de implementação da “Total Productive Maintenance – TPM” na Área de Pren-sas da Volkswagen Autoeuropa, identificando os benefícios colhidos com a referida imple-mentação, e também algumas dificuldades. No final desta Dissertação, são enunciadas as considerações resultantes do presente estudo e são emitidas algumas sugestões, no sentido de que este trabalho se torne uma mais-valia para a Área de Prensas da Volkswagen Autoeuropa, contribuindo positivamente na busca da melhoria contínua, dos zero defeitos e das zero falhas e dos zero desperdícios e, finalmente propor um plano de melhoria, ou seja, uma adaptação do actual modelo funcional face ao modelo teórico.

Leanness e manutenção produtiva total (TPM): modelo de produtividade e competitividade: estudo de caso

O presente trabalho tem como objectivo apresentar a filosofia lean, qual a sua origem e evolução, bem como, os princípios em que se baseia. Na revisão bibliográfica efectuada, são identificadas e caracterizadas as mais importantes ferramentas desta filosofia, nomeadamente o kaizen, VSM, 5“S”, TPM, controlo visual e takt time numa linha móvel, evidenciando para cada uma, qual a sua mais valia no processo de melhoria. A metodologia utilizada neste trabalho é o estudo de caso, visto ser a mais adequada para a questão relevante de investigação identificada. A empresa onde é efectuado o estudo de caso opera no mercado de manutenção aeronáutica, sendo a investigação centrada no processo de reparação de motores aeronáuticos. Com maior detalhe apresentam-se as actividades de manutenção após conclusão da avaliação do motor, sendo de destacar a implementação de fluxo, controlo visual, trabalho padrão e de uma linha de montagem a velocidade constante para efectuar as tarefas de montagem final. A utilização desta última ferramenta lean, a maioria das vezes associada a processos de fabricação, é inovadora, visto nenhuma outra empresa deste segmento de mercado usar esta abordagem num processo de manutenção de motores aeronáuticos. Os resultados obtidos no estudo de caso confirmam a melhoria da eficiência global da empresa, bem como, a adequação desta filosofia de gestão à manutenção de motores aeronáuticos. Conseguiu-se evidenciar que a empresa, ao aplicar a metodologia lean, entrega aos seus clientes produtos com qualidade e na data acordada, mantendo a sua competitividade no mercado e incrementando a produtividade. O envolvimento, criatividade e comprometimento de todos os colaboradores da empresa na implementação destas ferramentas lean são factores críticos no sucesso deste processo de melhoria contínua.

Convex Total Variation Denoising of Poisson Fluorescence Confocal Images With Anisotropic Filtering

Fluorescence confocal microscopy (FCM) is now one of the most important tools in biomedicine research. In fact, it makes it possible to accurately study the dynamic processes occurring inside the cell and its nucleus by following the motion of fluorescent molecules over time. Due to the small amount of acquired radiation and the huge optical and electronics amplification, the FCM images are usually corrupted by a severe type of Poisson noise. This noise may be even more damaging when very low intensity incident radiation is used to avoid phototoxicity. In this paper, a Bayesian algorithm is proposed to remove the Poisson intensity dependent noise corrupting the FCM image sequences. The observations are organized in a 3-D tensor where each plane is one of the images acquired along the time of a cell nucleus using the fluorescence loss in photobleaching (FLIP) technique. The method removes simultaneously the noise by considering different spatial and temporal correlations. This is accomplished by using an anisotropic 3-D filter that may be separately tuned in space and in time dimensions. Tests using synthetic and real data are described and presented to illustrate the application of the algorithm. A comparison with several state-of-the-art algorithms is also presented.