confiabilidad · web view2015-02-10 · montecarlo: definido como la distribución de...

MÉTODOS DE MEJORA DE LA CONFIABILIDAD P. REYES / Abril 2007

CURSO DE CONFIABILIDAD

Elaboró: Dr. Primitivo Reyes Aguilar

Diciembre de 2006

Página 1


CONTENIDO

1. Introducción a la confiabilidad

2. Distribuciones de probabilidad

3. Modelos de distribuciones de probabilidad para el tiempo de falla

4. Estimación de parámetros del modelo

5. Determinación de la confiabilidad

6. Pruebas de vida aceleradas

7. Confiabilidad de sistemas

8. Mantenabilidad y disponibilidad

Página 2


MÉTODOS DE CONFIABILIDAD

INTRODUCCIÓN

Los Requerimientos de confiabilidad se establecen en la fase desarrollo de ingeniería. Las actividades pueden incluir: colección de datos, análisis de fallas, acciones correctivas y establecimiento de metas de confiabilidad. En las fases de verificación y validación del diseño, se realizan actividades de control para asegurar que se cumplan los requerimientos de confiabilidad establecidos. Los datos de falla son analizados estadísticamente y se enfatiza el proceso de planeación.

Fuentes de confiabilidad

Para establecer los requisitos de confiabilidad se pueden utilizar algunas de las siguientes fuentes:

Internaso Políticas corporativas y organizacionaleso Sistemas de colección de datos para confiabilidado Metas de diseño de confiabilidad del productoo Predicción de la confiabilidado Procedimientos de prueba de la confiabilidad

Externaso APQPo Programas de confiabilidad para sistemas y equipos – MIL-STD-

785o Kit de herramientas de la confiabilidad de la USAFo Requerimientos del consumidor sobre la confiabilidad del

productoo Evaluación del desempeño de confiabilidad de la competenciao Diagrama de flujo detallado del programa de confiabilidad

Algunos web sites relacionados con la confiabilidad son:o American National of Standards Association - ANSI www.ansi.orgo American Society for Qaulity - ASQ www.asq.orgo Automotive Industry Action Group - AIAG www.aiag.orgo Internacional Organization for Standarization – ISO www.iso.cho Society of Automotive Engineers www.sae.orgo Thoery of Inventive Problem Solving – TRIZ

www.personal.engin.umich.edu/ gmasur/triz/o Formato de colección de datos de garantía – TMC

www.truckline.como Weibull www.barringer1.com/ www.weibullnews.com

www.reliasfot.com

Página 3

http://www.reliasfot.com/

http://www.weibullnews.com/

http://www.barringer1.com/

http://www.truckline.com/

http://www.sae.org/

http://www.iso.ch/

http://www.aiag.org/

http://www.asq.org/

http://www.ansi.org/


CONCEPTO

Planeación de la confiabilidad

Su propósito es ser proactivo anticipándose y verificando modos de falla y sus causas en la fase de planeación del diseño, donde es más efectivo atender y resolver los problemas, en lugar de apagar fuegos para resolver los problemas solo después de que han aparecido.

Desarrollo del Programa de confiabilidad

El programa debe utilizarse como línea base que permita a los ingenieros de aplicación determinar la profundidad y amplitu de acuerdo a las necesidades.

Función der Despliegue de Calidad (QFD)

Es un proceso que desarrolla una presentación visual de cómo se realizan las interacciones del sistema de valores del cliente (voz del cliente) con relación al diseño, proceso de desarrollo de ingeniería, y proceso de manufactura del producto.

Benchmarking

Es un proceso de medición y comparación continua del desempeño de los procesos de una organización, contra los de otras organizaciones, a nivel global, para obtener información de prácticas, procesos, y métodos que ayuden a la organización a mejorar su desempeño. Pueden incluir organizaciones dentro y fuera del sector industrial.

Análisis y gestión del riesgo

Es un método proactivo que identifica si todos los recursos de la planeación, desarrollo, y gestión del proyecto son adecuados para cumplir con los requerimientos del proyecto. Permite que las consecuencias adversas se resuelvan hasta un punto en que no tengan impacto significativo en el logro del proyecto.

Diseño para Seis Sigma (DFSS)

Es un proceso que identifica, documenta, y asegura que los requerimientos de los clientes internos y externos, sean comprendidos e integrados en la solución de un producto o servicio. También ayuda a definir los atributos que los clientes consideran “Críticos para la Calidad” (CTQs).

Metas de confiabilidad

Las metas se establecen en la fase de desarrollo del concepto, con base en la voz del cliente por medio de QFD, DFSS, e historial de fallas.

Página 4


DISEÑO DE INGENIERÍA

Después de definir las metas de confiabilidad. Se identifican los problemas en estas etapas tempranas y se corrigen antes de la producción masiva. La clave es agregar la dimensión del tiempo mientras los productos están expuestos a la posibilidad de falla, esto requiere probar en ambientes reales y simulando el uso real del cliente.

Entre las herramientas disponibles se tienen: FRACAS, Diagramas de bloques de confiabilidad, Análisis de degradación, Análisis de árbol de falla, Análisis de criticalidad de riegos, Revisiones de diseño, De-gradación, HLAT/HAST, FMEA de diseño, Modelo de crecimiento de la confiabilidad, y Análisis de datos de vida de Weibull.

Sistema de Reporte de fallas, su análisis, y acción correctiva (FRACAS)

Es un sistema de bucle cerrado para iniciar el reporte, el análisis de fallas, y retroalimentar acciones correctivas dentro del diseño, fabricación, y procesos de prueba para promover la mejora de la confiabilidad a través del ciclo de vida del producto.

Diagramas de bloque de confiabilidad

Indica las relaciones funcionales de confiabilidad entere componentes de un ensamble y entre ensambles de un sistema. Las representaciones más comunes son las relaciones en serie y las relaciones en paralelo. Los sistemas complejos se pueden modelar combinando las relaciones serie y paralelo.

La combinación de confiabilidad en serie entre partes, representa la situación donde todos los componentes necesitan funcionar correctamente para que el ensamble funcione correctamente, si una parte falla, falla el sistema. Una relación en serie es descrita con bloques conectados en serie.

Confiabilidad en serie de A y B = R(A) * R(B)

La confiabilidad en paralelo entre partes representa la situación donde justamente una de las partes necesita funcionar adecuadamente para que le ensamble funcione correctamente. La relación paralela es descrita como bloques compartiendo las mismas entradas y salidas.

Confiabilidad en paralelo de A y B = 1 – [(1-R(A)) * (1-R(B))]

Análisis de degradación

Proporciona una estimación de de los modos de falla de componentes a largo plazo que no pueden ser fácilmente duplicados en pruebas. Estos efectos toman un largo tiempo en aparecer y normalmente pueden ser atendidos revisando los datos históricos de confiabilidad y garantías de productos o componentes similares.

Página 5


Análisis de árbol de fallas (FTA)

Los eventos catastróficos o significativos pueden requerir un análisis de árbol de falla (FTA), que inicia con el evento significativo (en la parte superior), e identifica causas asociadas intermedias (en medio) y finalmente las causas raíz (en la parte inferior). Se pueden asociar probabilidades con cada evento relevante en la estructura de árbol y combinando las probabilidades se proporciona una forma de calcular la probabilidad de que ocurra el evento en la parte superior.

Un FTA es un subconjunto de los eventos descritos en un análisis de FMEA. Sólo los eventos que pueden causar el evento significativo se incluyen en el árbol de fallas.

Análisis de criticalidad de riesgo

La asignación de categorías de criticalidad y probabilidades asociadas a cada una de las posibilidades falla proporciona un análisis completo de riegos. Esto normalmente se combina con el análisis de FMEA.

Un conjunto típico de categorías de criticalidad puede ser:

Categoría 4: catastrófica – causa de muerte, falla en un sistema de seguridad o falla en un sistema complejo

Categoría 3: significativa – tal como accidente humano reportable OSHA o périda mayor de parte de un sistema de seguridad

Categoría 2. Menor – tal como interrupción temporal de un sistema no relacionado con la seguridad

Categoría 1 – Despreciable – tal como una indicación espuria de luces indicadoras o bocinas.

Revisiones de diseño

Las revisiones de diseño preliminares (PDR) y revisión crítica de diseño (CDR) coordinan los esfuerzos y reenfocan las prioridades.

La PDR se puede realizar después de que se termina el diseño conceptual.

La CDR se puede realizar después de que el diseño detallado está terminado y antes de la manufactura, atendiendo los problemas de manufactura y mantenabilidad.

Análisis de De-rating

Arroja resultados para proporcionar un factor de seguridad suficiente entre el esfuerzo de la parte y su capacidad real. Los componentes protegidos con este factor de seguridad se espera que tengan una vida más larga.

Página 6


Prueba de vida altamente acelerada (HALT)

Es una reproducción personalizad del ambiente real en el que el producto será utilizado, donde puede ocurrir una falla en la vida relevante del producto. Sus resultados pueden ser analizados por técnicas estadísticas, tales como los análisis con las distribuciones de Weibull / log normal, junto con el conocimiento del factor de aceleración para formar la base de predicción del comportamiento en el campo.

El factor de aceleración es la razón del tiempo de vida en un ambiente real de servicio al tiempo de vida de prueba.

A = factor de aceleración = Tiempo de vida en un ambiente de servicio real / Tiempo de vida de prueba. Es más tardado que HAST.

Prueba de esfuerzo altamente acelerado (HAST)

Sobre esfuerzo del producto para inducirle fatiga, que causa falla y revela debilidad, tiene la desventaja que las debilidades del producto pudieran no ocurrir en la vida útil del producto.

Diseño para manufactura y ensamble (DFMA) / Metodlogía de integración de sistema

La integración de sistemas en producción pueden ocasionar fallas que no se presentan con componentes simples. Tales posibilidades deben ser consideradas en el diseño preliminar. Los errores humanos tales como fallas en ensamble pueden mitigarse con DFMA.

Análisis del Modo y Efecto de Falla de Diseño (FMEA)

Este método lista cada de una las partes funcionales en su nivel más bajo e incluye todos los ensambles mayores. Es una auditoría de las posibilidades de falla y las consecuencias de esas fallas en el siguiente nivel de ensamble.

Modelado del crecimiento de la confiabilidad

Los modelos de AMSAA (Duane) y otros modelos de crecimiento de la confiabilidad llevan seguimiento de cambios de la confiabilidad en el tiempo.

Análisis de datos de tiempo de vida de Weibull

Con Weibull se pueden medir los tipos de datos siguientes:

“Datos estándar” – todos los tiempos de falla y suspensión son conocidos.

“Modos de falla mezclados o en competencia” – las fallas y tiempos de suspensión son conocidos pero los modos de falla son desconocidos.

Página 7


“Datos de intervalo, datos agrupados, o de inspecciones no destructivas” – el tiempo de falla exacto no es conocido – solo el intervalo en el cual ocurrío la falla es conocido.

“Datos de inspección destructiva o quantiles” – cada observación es falla o censurada.

VERIFICACIÓN Y VALIDACIÓN DEL DISEÑO

Como resumen de planeación y realización de actividades de pruebas con objeto de asegurar que el diseño cumple con los requerimientos de confiabilidad. Las disciplinas de solución de problemas son importantes para identificar y resolver los modos de falla durante las pruebas.

Plan de verificación del diseño y reporte (DVP&R)

El plan describe el método de la actividad de prueba tanto para la verificación como para la validación. El plan identifica el número y tipo de aspectos a ser probados y los criterios para certificar que los resultados son aceptables.

Las estrategias de prueba consideran prueba por atributos versus variables y tiempo versus truncado de fallas. Las pruebas pueden realizarse con o sin reemplazo de artículos con falla. Se incluye la determinación estadística del tamaño de muestra requerida para llegar a una decisión acerca de la hipótesis nula establecida e intervalo de confianza.

Pruebas de confiabilidad

Las pruebas determinan la capacidad de un producto para cumplir con los requerimientos de confiabilidad, sujetando al producto a un conjunto de pruebas físicas, químicas, ambientales, o de condiciones de operación. Una prueba de confiabilidad mide tanto la confiabilidad como la confianza bajo diversas condiciones.

La información obtenida de estas pruebas se utiliza para estimar la confiabilidad alcanzable dentro de los intervalos de confianza especificados. Los resultados se comparan con las metas como base para toma de acciones correctivas para mejorar la confiabilidad.

Entre las pruebas utilizadas para detectar modos de falla se encuentran: pruebas funcionales, ambientales, aceleradas, de quemado, y confiabilidad en vida útil.

Pruebas aceleradas

Las pruebas aceleradas se utilizan para recrear modos de falla conocidos o conceptualizados en le laboratorio, acortando el tiempo de prueba al exponer al producto a condiciones más severas de operación o ambientales que las normales de uso.

Página 8


Técnicas de Shanin©

SU proceso de prevención se enfoca a identificar y eliminar enlaces débiles de alto riesgo antes de la manufactura del producto, se hace en tres etapas:

Comprensión de cómo se diseña el producto para su función y como puede fallar en esa función.

La confirmación de la relación entre las especificaciones del producto y las tolerancias de manufactura.

Se aplican métodos de prueba acelerados y de sobre esfuerzo para asegurar la confiabilidad del producto.

Diseño experimentos (DOE)

El DOE se refiere a la planeación, realización, análisis e interpretación de pruebas controladas, para evaluar los factores que controlan el valor de un parámetro o grupo de parámetros.

La lista siguiente identifica conceptos que pueden ser considerados para diseñar experimentos efectivos:

Conceptos estadísticos de DOE Pruebas de hipótesis Modelado de medias y desviaciones estándar Tipos de respuestas – variables y atributos Tamaños de muestra y potencia Experimentos simples comparativos Experimentos de un factor Bloques aleatorizados, Cuadrados latinos y diseños relacionados Diseños factoriales y fraccionales de dos niveles Bloqueo Alias / confusión Resolución Experimentación secuencial / Desaliasing / Diseños desdoblados Diseño factoriales y fraccionales de tres niveles y niveles mezclados Diseño anidados Ajuste de modelos de regresión Métodos de superficie de respuesta Diseños de Taguchi Determinación de la muestra para diferencias discriminantes Necesidad de aleatorización y métodos Características experimentales de diseño Análisis de correlación y regresión Análisis de varianza Diseños factoriales completos y fraccionales Operación evolutiva (EVOP)

Página 9


VERIFICACIÓN Y VALIDACIÓN DEL PROCESO

Muchos de los métodos de verificación y validación del diseño también se aplican a los procesos. Con lo problemas típicos de arranque como falta partes, errores humanos y cambios en los requerimientos de los clientes requiere que el desempeño del producto se pruebe en lotes pequeños.

Plan de verificación y reporte (PVP&R

El propósito es identificar cambios sistémicos que puedan resultar de variaciones en el proceso durante la transición de diseño a producción. Se toman unidades de la producción piloto para su validación y verificación en confiabilidad y durabilidad de acuerdo a especificaciones. Las diferencias pequeñas pueden impactar significativamente la confiabilidad del producto.

Análisis del modo y efecto de falla de proceso (PFMEA)

Identifica aspectos de alto riesgo en el proceso de manufactura y se hace una vez completado el FMEA de diseño. Cualquier número de prioridad de riesgo (RPN) que no pueda ser resuelto por el equipo de manufactura o modificaciones al proceso o a prueba de error, debe considerarse para prueba.

Otras técnicas para mejorar la confiabilidad

Otros métodos de apoyo son:

Proceso de aprobación de partes para producción – PPAP Análisis de sistemas de medición – MSA Etc.

MONITOREO DESPUÉS DEL LANZAMIENTO / MEJORA

Incluye tres áreas diferentes:

Colección de datos en campo Técnicas analíticas para interpretar los datos Distribución de los resultados de análisis a las diferentes áreas de la

organización

Colección de datos

Incluyen: Datos de reclamaciones en garantía, es necesario un filtraje perceptual

de esta información Análisis de partes con falla en campo, se requiere un árbol de decisión

para determinar quien debe estar involucrado en el análisis (laboratorio, proveedor, etc.)

Página 10


Filtrado de esfuerzo ambiental, para componentes electrónicos con pruebas de quemado se eliminan las fallas de ensamble e infantiles.

Identificación de problemas potenciales en campo, “hotlines”. Reporteo por Internet Resultados de pruebas en campo (mejora de partes / durabilidad),

encontrar usuarios que se presten a las pruebas.

RESUMEN

Los diseños se crean o mejoran utilizando el historial de fallas, expectativas de los clientes, y demandas externas (gubernamentales y de limitación de recursos). Los diseños se prueban antes de hacer las partes y también se prueban con pruebas físicas. Después se verifican y validan los diseños y los procesos de manufactura. Se introduce el producto al mercado y se evalúa que tan bueno es realmente. La experiencia real “en las manos del cliente o usuario” se usa para ayudar a desarrollar la siguiente generación de productos. El ciclo se repite una y otra vez.

Página 11


Pasos para el análisis de datos de vida

Rama principal

1. Identificar el tipo de datos “¿Qué tipo de datos se tienen?”

2. “Datos estándar” – si se conocen todos los tiempos de falla y todos los tiempos de suspensión. Pruebas controladas o datos de garantías. Ir a rama A.

3. “Modos de falla en competencia o mezclados” – no se conocen los modos de falla o no se sabe si los modos de falla son iguales. Los datos de garantías caen en este grupo. Ir a rama B.

4. “Datos por intervalo, datos agrupados, o datos de pruebas no destructivas”- se presentan cuando las inspecciones se hacen en varios puntos en el tiempo y las fallas se encuentran solo durante esas inspecciones, el tiempo de falla exacto no se conoce, solo el intervalo en que ocurrió. Las garantías contabilizadas por mes caen en esta categoría. Ir a rama C.

5. “Datos de inspecciones destructivas o quantiles” – son datos donde una pieza sólo se inspecciona una vez. Cada observación es falla o censurada (como las pruebas de bombas). Ir a rama D.

Rama A (datos estándar)

6. ¿Se tienen cero fallas en los datos?

7. Si lo anterior sucede, el único análisis que se puede hacer es el de Weibayes. Se puede seleccionar una pendiente basada en experiencias previas con modos de falla esperados. Se usa para probar si se ha eiliminado un tipo de falla.

8. ¿Se tiene una falla?

9. ¿Se tienen suspendidos posteriores?, un suspendido posterior es una unidad que no ha fallado y que ha funcionado más tiempo que las unidades con falla.

10. Si hay una falla y cero suspendidos, usar Weibayes. Se debe conocer el número de unidades que hay y que tanto duraron. Se debe hacer una suposición de la pendiente para usar Weibayes, en base a experiencias previas o conocimiento del mecanismo de falla.

11. Si hay suspendidos, ¿se tiene un buen conocimiento de la pendiente?

12. Si hay confianza en la pendiente usar Weibayes como lo indica el punto 10.

13. Si no hay confianza acerca del conocimiento de la pendiente, usar MLE?

14. ¿Se tienen más de una falla pero menos de 10 fallas?

Página 12


15. Con dos a nueve fallas, ¿se tiene un buen conocimiento de la pendiente? Un buen conocimiento de la pendiente puede ser el conocimiento en base a experiencias previas, datos de la biblioteca de Weibull, o conocimiento del mecanismo de falla.

16. Si se está satisfecho con el conocimiento de la pendiente con el conocimiento en base a experiencias previas, datos de la biblioteca de Weibull, o conocimiento del mecanismo de falla, se puede usar Weibayes.

17. Si no se está satisfecho con el conocimiento de la pendiente, ajustar un modelo de dos parámetros de Weibull con una regresión de rango de medianas de X sobre Y.

18. Ajustar un modelo de estimación de máxima verosimilitud (MLE) por medio del ajuste reducido de sesgo (RBA).

19. ¿Los modelos de ajuste en pasos 17 y 18 parecen razonables con base en el conocimiento de las fallas?

20. Si el modelo en 19 no parece razonable, usar Weibayes con el conocimiento en base a experiencias previas, datos de la biblioteca de Weibull, o conocimiento del mecanismo de falla.

21. ¿Los modelos en 17 y 18 están en acuerdo razonable?

22. Si los modelos en 17 y 18 concuerdan razonablemente, usar el más conservador de los dos modelos.

23. Si los modelos en 17 y 18 no tienen un acuerdo razonable, considerar la posibilidad de problemas de lote. Hay varios indicadores a buscar: 1) ¿es el límite inferior del intervalo de confianza para el riesgo presente mayor al número de fallas observadas? 2) ¿es la pendiente MLE menor que la pendiente de la regresión de rango de medianas? 3) ¿la función acumulada agregada de falla indica un efecto de lote?

La rama A1 inicia aquí:

24. ¿se tienen entre 10 y 20 fallas?

25. Si hay entre 10 y 20 fallas, ajustar con un modelo de dos parámetros de Weibull con una regresión de rango de medianas de X sobre Y. 26. ¿Es adecuado el ajuste anterior? Considerar el coeficiente de correlación crítico y el coeficiente crítico de determinación.

27. Si el ajuste es aceptable, usar la regresión de rango de medianas de X sobre Y.

28. Ajustar un modelo de 2 parámetros con la regresión de rango de medianas de X sobre Y.

Página 13


29. ¿Es adecuado el ajuste anterior? Considerar el coeficiente de correlación crítico y el coeficiente crítico de determinación.

30. Utilizar el modelo de 2 parámetros con la regresión de rango de medianas de X sobre Y.

31. Si hay más de 20 fallas. Realizar un análisis de la distribución para identificar la que mejor ajuste a los datos.

32. ¿Se identificó una distribución que ajuste adecuadamente? Considerar el coeficiente de correlación crítico y el coeficiente crítico de determinación.

33. ¿Desea verificar el resultado de la regresión por rango de medianas con el MLE?

34. Usar el modelo de regresión por rango de medianas de 32.

35. Ajustare el modelo MLE para la mejor distribución encontrada en 32.

36. ¿Concuerdan los modelos de regresión y MLE?

37. Si concuerdan, utilizar el modelo más conservador.

38. Si no concuerdan, ¿se tienen más de 100 fallas?

39. Si se tienen más de 100 fallas utilizar el modelo MLE.

40. Si se tienen menos de 100 fallas, usar el resultado de la regresión por rango.

41. Si el ajuste no es aceptable, verificar si hay mezcla de modos de falla.

Aquí inicia la rama B

42. ¿se pueden separar los modos de falla mezclados? Requiere un análisis de las partes con falla.

43. Si se pueden separa los modos de falla, ir a paso 2 y realizar el análisis para cada uno de los modos de falla. En el análisis, considerar las fallas de otros modos como suspensión.

44. ¿Se pueden separar los modos de falla estadísticamente?

45. Si se pueden separar los modos de fallas estadísticamente, usar estos resultados e ir al paso 2 y realizar el análisis para cada uno de los modos de falla. En el análisis tratar los otros modos de falla como suspendidos.

Página 14


46. Si no se pueden separar los modos de falla ¿se desea predecir el tiempo de vida con base en tiempo de prueba / calendario o antigüedad de las unidades?

47. Si se quiere predecir la vida con base en la antigüedad de las unidades, usar Kaplan Meir.

48. Si se quiere predecir la vida con base en tiempo de prueba o de calendario, usar Crow-AMSAA-Duane.

La rama C inicia aquí

49. ¿se tiene fallas benignas que se encuentran solo en la inspección?

50. Cuando se encuentran estas fallas, ajustar un modelo al punto máximo del intervalo de datos.

51. ¿se inspecciona el mismo número de unidades y se usa el mismo intervalo para todas las inspecciones?

52. Si no se inspecciona el mismo número de unidades, ¿se usa el mismo intervalo de inspección para todas las inspecciones?

53. Usar el método de intervalo MLE.

54. Usar Probit.

55. Usar Kaplan Meir

Aquí inica la rama D

56. Usar Probit

Método WeiBayes

Es un término acuñado por el Dr. Bob Abernethy para el análisis de Weibull cuando se selecciona el parámetro de la pendiente de antremano, con relación al supuesto Bayesiano. El Dr. Abernethy se refiere a esta técnica como Weibull de un parámetro dado que uno de los dos parámetros de Weibull ya está seleccionado. Este método basado en la máxima verosimilitud proporciona respuesta a preguntas difíciles con relación a la mejora del producto y comparaciones de diseño.

Su uso es posible sin requerir la prueba a falla, lo cual puede ser tardado y costoso. La situación de no falla produce un límite de confianza más bajo para la vida característica, reduciéndose a un punto estimado.

Página 15



Página 16


Contenido

Introducción y relación con el APQP1. Prueba de vida acelerada2. Benchmarking3. Análisis de degradación4. Diseño para manufactura y ensamble5. Diseño de experimentos6. Revisión de diseño **7. Selección del diseño y optimización8. Identificación temprana de problemas9. Selección por esfuerzo ambiental10. A prueba de error / detección de falla / Poka Yokes11. FMEA12. Reporte de falla, análisis y sistema de acción correctiva (FRACAS)13. Análisis de árbol de falla14. Análisis de elemento finito15. Diagramas de bloque funcionales16. Pruebas de vida altamente acelerada (HALT) / Selección por esfuerzo (HASS)17. Análisis de costo de ciclo de vida18. Análisis de datos de vida19. Análisis de sistemas de medición (MSA)20. Análisis Multivari21. Diagramas de parámetros22. Derating de partes23. Solución de problemas – análisis de causa raíz24. Estudios de capacidad de procesos25. Mapeo de procesos26. Especificaciones de desempeño del producto **27. Plan de confiabilidad del producto **28. Tablero de control del producto 29. Proceso de aprobación de partes de producción (PPAP)30. Despliegue de la función de calidad (QFD)31. Modelo de asignación de confiabilidad **32. Diagramas de bloque de confiabilidad33. Mantenimiento centrado en confiabilidad34. Modelado de crecimiento de la confiabilidad (Crow/AMSAA)35. Predicción de confiabilidad36. Análisis de seguridad en peligros37. Análisis de circuitos38. Análisis del software39. Características especiales40. Tolerancias estadísticas41. Diseño robusto de taguchi42. Planes y reportes de pruebas **43. Bases de datos de garantías44. Análisis de Weibull45. Análisis del peor caso.

Página 17



Introducción y relación con el APQP

Las herramientas y actividades clave relacionadas con el APQP para hacer productos más confiables se indican a continuación:

FASE I. PLANEACIÓN

Determinar las necesidades de confiabilidad del mercado y las expectativas.

Identificar las métricas clave de confiabilidad que serán aplicadas al producto, con la definición adecuada de “falla” relacionada con cada métrica.

Desarrollar metas cuantitativas de confiabilidad del producto para cada métrica.

Caracterizar, en términos medibles, el perfil operativo y ambiental del producto.

Asignar las metas de confiabilidad, perfil de operación, y ambiental a los principales subsistemas y componentes del producto.

Realizar un estudio de factibilidad del concepto inicial del diseño contra metas de confiabilidad.

Compara el costo beneficio orientado a la confiabilidad asociado a alternativas de diseño.

Preparar los programas de confiabilidad y presupuestos asociados.

El cliente puede no especificar las metas de confiabilidad, en todo caso el proveedor debe establecerlas como sigue:

Una meta mejorada sobre el desempeño pasado del producto. Benchmarks competitivos. Límites deseables para la exposición del producto a riesgos de garantía. Encuestas de satisfacción y lealtad de clientes.

La información para los planes de confiabilidad puede venir de fuentes como son:

Datos de mantenimiento de campo Datos de planes de prueba anteriores Encuestas de clientes Clínicas de clientes / grupos de enfoque Visitas a las instalaciones del cliente Entrevistas en exposiciones Análisis de los datos reales de garantías Requerimientos obligatorios del gobierno Benchmarks competitivos de producto Requerimientos / especificaciones del cliente

Página 18


Fase primaria 1 Objetivos de confiabilidad

Los tres principales objetivos de la actividad de confiabilidad durante la fase de planeación son:

1. Definir requerimientos, se incluyen aspectos de mantenabilidad y de disponibilidad (uptime).

2. Identificar y mitigar el riesgo, usar información histórica de fallas.

3. Planear el proyecto de confiabilidad

FASE 2 DISEÑO y DESARROLLO DEL PRODUCTO

El objetivo es asegurar que los productos nuevos, cumplan o excedan las expectativas de confiabilidad del cliente.

Entradas:

Metas generales de confiabilidad del diseño Plan del programa de confiabilidad del producto Diagramas de bloques funcionales Predicciones de confiabilidad a nivel del sistema Definiciones del perfil ambiental y de uso Metas de costo de ciclo de vida Metas y riesgos de costos de garantía Lista de materiales preliminar Diagrama de flujo del proceso preliminar Plan preliminar de crecimiento de la confiabilidad

Actividades de confiabilidad:

Especificaciones de desempeño del producto (subsistemas y componentes)

Modelo de asignación de confiabilidad a ensambles, subensambles, y componentes.

Predicción de la confiabilidad DFMEA DFM/A Selección y optimización del diseño DOE enfocado a la confiabilidad Pruebas de vida aceleradas Planes y repoirtes de prueba Características especiales Análisis de costo del ciclo de vida Planeación y gestión del crecimiento de la confiabilidad Solución de problemas, análisis de causas raíz Sistema de reporte de fallas, análisis y acción coreectiva (FRACAS) Análisis de Weibull

Página 19


Análisis de datos de vida Análisis de árbol de falla (FTA)

Salidas:

Predicciones de confiabilidad DFMEA Estimación del costo del ciclo de vida Estimación de costos de garantía Revisiones de diseño Verificaciones de diseño Plan de validación de diseño Plan de crecimiento de confiabilidad DFM/A Plan de control de prototipo Dibujos de ingeniería con cálculos Especificaciones de ingeniería Requerimientos de confiabilidad y garantía de proveedores Lista de materiales final Requerimientos de nuevos equipos, herramentales e instalaciones Características especiales del proceso o producto Requerimientos de equipo e instrumentos de prueba

FASE 3. DISEÑO Y DESARROLLO DEL PROCESO

Define y reduce los riesgos de confiabilidad asociados con el proceso de manufactura. Se realiza en forma concurrente con la fase 2.

Objetivos primarios de la fase 3:

1. Definir un proceso de manufactura que optimice la confiabilidad inherente del producto

2. Asegurar el control de las características críticas de manufactura

Entradas:

Adicionales a las salidas de la fase 2 se incluye lo siguiente:

Resultados del DFMEA Listado de características críticas Lista de materiales preliminar Especificaciones y dibujos de ingeniería Requerimientos de equipos e instrumentos de medición y prueba Soporte de la dirección al comité de factibilidad


Mapa de proceso PFMEA de proceso

Página 20


Características especiales Estudios de capacidad de proceso Análisis del sistema de medición DFM/A Selección del diseño y optimización Revisiones de diseño DOE para proceso Diseño robusto de Taguchi Análisis Multivari Solución de problemas – análisis de causa raíz A prueba de error / Poka Yokes FRACAS Análisis de datos de vida Plan y reporte de prueba

Salidas:

Layout final Instructivos de operación por estación Plan de control del prelanzamiento Requerimientos de confiabilidad / garantía de proveedores Selección de proveedores Plan de aseguramiento de calidad de proveedores Requerimientos de nuevos equipos, herramentales e instalaciones Requerimientos de equipos e instrumentos de medición y prueba Evaluaciones de materiales en recibo y de producto embarcado

FASE 4. VALIDACIÓN DE PRODUCTO Y PROCESO

Se enfoca a probar que tanto el producto como el proceso de manufactura son capaces de cumplir con los requerimientos incluyendo los de confiabilidad del producto y capacidad del proceso. Es un paso necesrio previo a la producción normal


1. Probar que la confiabilidad del producto representativo de la producción, el proceso de manufactura y ensamble, cumple con los requerimientos de confiabilidad.

2. Validad que el proceso de producción es capaz de producir repetidamente un producto que cumpla sus requerimientos de confiabilidad y otros.

3. Verificar la eficacia de los planes de control de producción

4. Resolver problemas de diseño y manufactura que se descubran durante las actividades de validación antes de su lanzamiento a producción

Entradas

Página 21


Además de las salidas de la fase 2 y fase 3, las siguientes entradas osn necesarias:

Estándares de empaque Revisiones del sistema de calidad del producto/proceso Matriz de características


Pruebas aceleradas FRACAS Análisis de datos de vida Análisis de sistemas de medición Análisis Multivari Solución de problemas – causa raíz Estudios de capacidad de proceso Proceso de aprobación de partes de producción (PPAP) Plan y reporte de pruebas

Salidas:

Corrida de la producción piloto Aprobación de la producción de partes Evaluación del empaque Planes de control revisados Liberación de la planeación de calidad y soporte de la dirección

FASE 5. PRODUCCIÓN

Es imperativo durante esta fase monitorear el desempeño del producto y su confiabilidad. Es crucial la retroalimentación del cliente sobre la funcionalidad del producto, utilidad, y disponibilidad, así como asegurar el cuimplimiento de las variables del proceso.


1. Monitorear y mejorar confiabilidad verdadera del producto experimentada por el cliente. Es necesario tener un sistema de aviso para detectar fallas en campo, tan rápido como sea posible, dar seguimiento, identificar causas raíz y tomar acciones correctivas para eliminar los modos de falla.

2. Asegurar que el conocimiento ganado con el programa de confiabilidad sea capturado y esté disponible para usos futuros. Como bibliotecas con distribuciones de tiempos de vida de componentes y subsistemas.

Entradas:

Además de las salidas de la fase 4 se tienen:

Página 22


Metas de confiabilidad Planes de control del proceso de manufactura Características especiales


Formación de bases de datos de garantías FRACAS Identificación temprana de problemas Solución de problemas – análisis de causa raíz DOE Análisis multivari Filtraje con esfuerzo ambiental para productos electrónicos Características especiales. Criticas para la funcionalidad y confiabilidad

del producto Análisis de datos de vida Análisis de Weibull

Salidas:

Seguimiento de metas de confiabilidad y garantía Seguimiento de la capacidad en características especiales contra metas Documentación de lecciones prendidas en el desarrollo del producto

FASE 6. HISTORIAL DE CONFIABILIDAD Y LECCIONES APRENDIDAS

Se realiza en forma concurrente con las otras fases.


1. Colectar datos de la confiabilidad del producto (o no confiabilidad) para la realización de actividades de prevención de fallas.

2. Proporcionar un creciente repositorio de conocimiento para la organización, reduciendo la dependencia de “conocimiento tribal”, que se puede perder fácilmente cuando la gente se va de la organización.

Entradas:

Recibe información de todas las demás fases, con excepción de la fase de planeación. El propósito es contar con con sistemas de información que estructuren los datos de forma que se pueda utilizar por las primeras etapas del diseño.


Soportan la actualización de los siguientes repositorios de conocimiento de confiabilidad:

Página 23


FMEA de proceso y de diseño (PFMEA y DFMEA) Base de datos de Weibull, desempeño de confiabilidad de productos,

sistemas subsistemas, componentes y por modo de falla promueve modelado exacto de la confiabilidad para nuevos proyectos.

Base de datos de capacidad de características especiales, crucial para DFMA/A.

Guías de diseño Base de datos de lecciones aprendidas, bitácoras de revisiones de

diseño, FRACAS reportes de solución, y acciones de acción correctiva deben estar disponibles para referencia cuando se planeen y ejecuten proyectos.

Salidas:

Se proporciona a las diferentes fases del proceso de desarrollo del producto en la forma de datos e información.

Página 24



1. PRUEBAS ACELERADAS

Es una evaluación realizada en ciclos de vida más rápidos, donde sea aplicable, y con altos esfuerzo de operación y ambientales, mayores a los normales. Hay modelos como el de Arrhenius, Eyring, HALT, HASS.

Ejemplos de factores usados para acelerar las pruebas:

Mecánicos Climáticos Esfuerzo operativo

Tasa de ciclo

Sock, vibración, colisión, aceleración, polvo y grava

Temperatura, humedad, cámara salina, lluvia, viento, presión atmosférica, presión, radiación solar

Voltaje, presiónd e aire, presión de fluido, peso, transientes eléctricos

Ciclos de transición de temperatura, aplicaciones mecánicas, flexiones, movimientos, aperturas y cierres, etc.

Propósito:

Se usa para estimar las características de confiabilidad de un producto bajo uso normal. Otros usos son filtraje de línea base para esfuerzo ambiental usado en manufactura y mejora de la confiabilidad del producto.

Beneficios:

Tiempo de prueba reducido Se pueden obtener distribuciones de vida, determinación de la

confiabilidad, y modos de falla de manera rápida antes de lanzar el producto

Se pueden hacer comparaciones rápidas entre diseños diferentes Se pueden evaluar problemas de campo durante la vida del producto de

manera rápida Se puede hacer un monitoreo eficiente del producto en relación a su

confiabilidad

Implementación:

Se pueden hacer pruebas con diferentes tipos de esfuerzos al mismo tiempo.

Algunas limitaciones son:

La determinación de los factores de aceleración puede ser difícil

Página 25


Para nuevos productos puede no haber correlación entre la prueba acelerada y el uso normal, dado que los modos de falla no se han establecido.

Un esfuerzo excesivo puede ocasionar cambios físicos no realistas. La inversión inicial en equipo reprueba es costoso. Se pueden inducir modos de falla no indicativos del uso normal.

Ejemplo:

Un componente se usa con esfuerzo para determinar si o no se podría utilizar una prueba actual para reducir el ciclo de diseño. Se evaluó la prueba en tres niveles de esfuerzo.

Timepo_a_falla Newtons3890000 55733980000 55734132000 55732363000 6972478000 6972483000 6971310000 6401336000 6401365000 640

Identificación de la distribución de ajuste:

1. Stat > Reliability / Survival > Distribution analysis (right censoring)2. Distribution ID Plot > Variable Tiempo_de_falla > Distribution Lognormal3. OK

Timepo_a_falla

Perc

ent

800000

0700

0000

600000

0500

0000

400000

0300

0000

200000

0150

0000

100000

0900

000800

000700

000

99

95

80

50

20

5

1

Correlation CoefficientLognormal

0.941

Probability Plot for Timepo_a_ fallaLSXY Estimates-Complete Data

Lognormal

Página 26


Tiempo de vida acelerado:

1. Stat > Reliability / Survival > Accelated life testing2. Variables > TIempo_de_falla3. Accelerating var. Newtons4. Estimate: Confidence level 95% OK

La gráfica resultante se muestra a continuación:

Timepo_a_falla

Perc

ent

4000000300000020000001500000

99

9590

80706050403020

105

1

Table of Statistics

3 014.7050 0.0218849 4.167 3 014.1071 0.0218849 3.417

Loc

3 0

Scale AD* F C15.2032 0.0218849 3.757

Newtons

8640

55736967

Probability Plot (Fitted Linear) for Timepo_a_ falla

Complete Data - ML EstimatesLognormal

Newtons

Timep

o_a_

falla

90008500800075007000650060005500

4000000

3000000

2000000

1500000

Percentiles905010

Relation Plot (Fitted Linear) for Timepo_a_ falla

Complete Data - ML EstimatesLognormal - 99% CI

Se observa que los tres estados no difieren significativamente a un 99% de NC:

Página 27


1. Graph Lognormal

2. Variable Tiempo_de_falla

3. OK

Timepo_a_falla

Perc

ent

100000001000000

99

9590

80706050403020

105

1

Loc

0.111

14.67Scale 0.4759N 9AD 0.552P-Value

Probability Plot of Timepo_a_ fallaLognormal - 99% CI

X

Y

90008500800075007000650060005500

4000000

3500000

3000000

2500000

2000000

1500000

1000000

S 244824R-Sq 98.3%R-Sq(adj) 96.6%

Fitted Line PlotY = 8642485 - 856.2 X

Factor de aceleración

Página 28


0

5

10

15

20

25

30

5573 6967 8640

Serie1

0

500000

1000000

1500000

2000000

2500000

3000000

3500000

4000000

4500000

5573 6967 8640

X

Y

Accelerated Life Testing: Timepo_a_falla versus Newtons Response Variable: Timepo_a_falla

Censoring Information CountUncensored value 9

Estimation Method: Maximum LikelihoodDistribution: Lognormal

Relationship with accelerating variable(s): LinearRegression Table Standard 95.0% Normal CIPredictor Coef Error Z P Lower UpperIntercept 17.1949 0.0417192 412.16 0.000 17.1132 17.2767Newtons -0.0003574 0.0000058 -61.43 0.000 -0.0003688 -0.0003460Scale 0.0218849 0.0051583 0.0137884 0.0347357

Log-Likelihood = -110.419

Probability Plot (Fitted Linear) for Timepo_a_falla Anderson-Darling (adjusted) Goodness-of-FitAt each accelerating level FittedLevel Model5573 3.7576967 4.1678640 3.417

Página 29


2. BENCHMARKING

Es el proceso para mejorar el desempeño de los productos y los procesos, identificando, comprendiendo, y adaptando las mejores prácticas, procesos y características, y desempeño de productos y procesos de clase mundial, de manera continua. El benchmarking compara productos, procesos, o servicios y puede ser interno o externo.

Beneficios

Evitar reinventar la rueda Acelera el cambio (usa prácticas probadas, convence a escepticos, etc.) Orienta a buscar soluciones en el exterior de la organización Fuerza a la organización a hacer análisis de sus procesos actuales Identifica quienes son los mejores en la industria

3. ANÁLISIS DE DEGRADACIÓN

Degradación es la propiedad de uin proceso o producto que pierde su calidad de diseño o características de confiabilidad en el tiempo al ser sometido a esfuerzo.

Beneficios

Identifica criterios básicos de diseño Establece vida de anaquel para los productos Proporciona confianza estadística de que un diseño es confiable en el

tiempo.

Ejemplo:

Se hace una prueba de hipótesis para probar si hay diferencia entre el antes y después de someter a un producto a una prueba de esfuerzo, con partes idénticas.

Antes Despues1.701 1.661.694 1.6991.88 1.701

1.686 1.711.696 1.719

Two-Sample T-Test and CI: Antes, Despues

Two-sample T for Antes vs Despues

N Mean StDev SE MeanAntes 5 1.7314 0.0832 0.037Despues 5 1.6978 0.0226 0.010

Página 30


Difference = mu (Antes) - mu (Despues)Estimate for difference: 0.03360095% CI for difference: (-0.055350, 0.122550)T-Test of difference = 0 (vs not =): T-Value = 0.87 P-Value = 0.409 DF = 8Both use Pooled StDev = 0.0610

Data

DespuesAntes

1.90

1.85

1.80

1.75

1.70

1.65

Boxplot of Antes, Despues

Evaluación de la confiabilidad

Identificación de la distribución que mejor ajuste a los datos de Después:

1. Stat > Reliability / survival > Distribution analysis (right censoring)2. Distribution (ID) Plot3. Variables Despúes seleccionar Use all distributions4.OK

Despues - Threshold

Perc

ent

52.8052.7552.7052.65

90

50

10

1

Despues - Threshold

Perc

ent

53.0553.0052.95

99

90

50

10

1

Despues - Threshold

Perc

ent

0.1000.0100.001

90

50

10

1

Despues - Threshold

Perc

ent

52.8052.7552.7052.65

99

90

50

10

1

Correlation Coefficient3-Parameter Weibull

0.9523-Parameter Lognormal

0.9172-Parameter Exponential

*3-Parameter Loglogistic

0.920

Probability Plot for DespuesLSXY Estimates-Complete Data

3-Parameter Weibull 3-Parameter Lognormal

2-Parameter Exponential 3-Parameter Loglogistic

Página 31


Evaluando la fracción defective Antes y Después se tiene:

1. Stat > Quality tools > Capability Analysis > Nonnormal2. Data as single column – antes y después3. Distribution 3-Parameters Loglogistic Lower spec 1.6 Upper spec 1.94. OK

1.901.851.801.751.701.651.60

LSL Target USLProcess Data

Sample N 5Location -3.46682Scale 0.45862Threshold 1.66914

LSL 1.60000Target 1.75000USL 1.90000Sample Mean 1.73140

Overall CapabilityPp 0.47PPL 3.38PPU 0.32Ppk 0.32

Observed PerformancePPM < LSL 0PPM > USL 0PPM Total 0

Exp. Overall PerformancePPM < LSL 0.0PPM > USL 12581.6PPM Total 12581.6

Process Capability of AntesCalculations Based on Loglogistic Distribution Model

1.881.841.801.761.721.681.641.60

LSL Target USLProcess Data

Sample N 5Location 3.96368Scale 0.00021Threshold -50.94981

LSL 1.60000Target 1.75000USL 1.90000Sample Mean 1.69780

Overall CapabilityPp 2.07PPL 1.40PPU 2.74Ppk 1.40

Observed PerformancePPM < LSL 0PPM > USL 0PPM Total 0


Process Capability of DespuesCalculations Based on Loglogistic Distribution Model

Página 32


4. DISEÑO PARA MANUFACTURA Y ENSAMBLE (DFMA)

Es una metodología interdisciplinaria que proporciona un método para analizar un diseño propuesto desde le punto de vista del ensamble y manufactura.

Beneficios

Permite reducir los costos en producción, proceso y ensamble. Mejora la confiabilidad del producto al hacerlo más sencillo. Integra aspectos del factor humano en el diseño del proceso. Proporciona un método para minimizar partes junto con su manejo e

inserción durante el ensamble. Proporciona una métrica de “Factor de complejidad del diseño” que

considera el número de partes, sus tipos, e interfases en el ensamble.

Actividades clave

Minimizar el número de partes Estandarizar partes y materiales Minimizar reorientación de partes durante el ensamble Crear ensambles modulares Diseño para uniones eficientes Simplificar el número de operaciones de manufactura

5. DISEÑO DE EXPERIMENTOS (DOE)

Se usa para proporcionar un método estadístico estructurado para la planeación y ejecución de pruebas. Se basa en la variación sistemática de parámetros para determinar el efecto de esos parámetros en el resultado.

Beneficios

Mejora la robustes del desempeño y la confiabilidad de un producto, al identificar y controlar las variables que más influyen en el producto. En algunos casos los productos se pueden hacer insensibles a variables no controladas.

Permite identificar las interacciones entre las variables que tienen influencia en el desempeño del producto.

El DOE permite estudiar el efecto de los parámetros de influencia de manera simultanea, para hacer eficientes las pruebas.

Tipos de DOEs

Diseños estándar 2^(K-p) (Box, Hunter & Hunter) Diseños de filtraje de 2 niveles (Plackett Burman) Diseños 2^(K-p) con máxima no confusión Diseños 3^(K-p) y diseños de Box-Behnken Diseños con 2 y 3 niveles mezclados Diseños de superficie de respuesta

Página 33


Cuadrados latinos y grecolatinos Diseño de experimentos robustos de Taguchi Diseños de mezclas y diseños de superficies triangulares Diseños de superficies y mezclas restringidas Diseños algorítmicos óptimos D- y A-(T-)

Actividades

Definir las metas de la experimentación Determinar la variable de respuesta Determinar las variables de entrada a ser controladas y sus niveles Determinar las variables no controladas que puedan tener influencia en

la respuesta Determinar las variables de entrada que se mantendrán constantes Seleccionar el método de prueba a utilizar Diseñar la prueba Realizar la prueba Analizar los resultados Confirmar los resultados Formular las conclusiones e implementar las acciones

6. REVISIONES DE DISEÑO

Es una evaluación disciplinada e interdisciplinaria por un grupo de expertos para encontrar y resolver deficiencias o impedimentos que puedan afectar el lanzamiento de proyecto, revisando al final de cada actividad mayor del plan del proyecto. Las revisiones pueden ser formales e informales.

Beneficios

Espíritu de equipo Comunicación mejorada Reglas formales de operación Agenda y actividades de seguimiento formales

Se puede utilizar una lista de verificación con los aspectos relevantes del diseño o una agenda de revisión.

Ejemplo de lista de verificación:

Entradas a la revisión del diseño

Función responsable Revisión de diseño

Requerimientos del clienteRequerimientos funcionalesMetas de calidadMetas de confiabilidad

Página 34


Metas de mantenabilidadRequerimientos reglamentariosDFMA y análisis de riesgos

7. SELECCIÓN DEL DISEÑO Y OPTIMIZACIÓN

Es un proceso en el cual los conceptos de diseño se ponderan ante los criterios de desempeño del producto, confiabilidad, manufacturabilidad, serviciabilidad, y otras especificaciones para seleccionar la mejor alternativa. Se tienen dos modelos: la matriz de Pugh y al método MCDMDA (Multi criteria Decisión Management Decisión Analysis). El proceso se enlaza con el QFD para comprender los requerimientos de los clientes.

Actividades

Definir el equipo de trabajo multifuncional Definir los criterios y requerimientos del QFD, especificaciones de

desempeño, historial de desempeño, y capacidades de manufactura y de proveedores.

Definir conceptos de diseño alternativos. Definir escalas de calificación Preparar una matriz alternativa de atributos Evaluar y ordenar por rango las alternativas

Ejemplo de Matriz de pugh

Requisitos Del cliente

Impor-tancia

Línea baseDiseño actual

Alternativa de diseño A

Alternativa de diseño B

Costo 5 0 - -Manufacturabilidad

8 0 - -

Confiabilidad 10 0 0 +Mantenabilidad 5 0 0 0Serviciabilidad 5 0 0 0Disponibilidad 10 0 + +Empaque 8 0 + +Durabilidad 5 0 0 0

56 5 15

Notas:0 bajo - Desventaja10 alto 0 Similar al diseño actual

Página 35


+ VentajaEl valor más alto es el mejor

8. IDENTIFICACIÓN TEMPRANA DE PROBLEMAS

Es un método que aplica métodos estadísticos a datos de campo para detectar problemas de producto y proceso lo más antes posible.

Beneficios

Reduce el tiempo tomado para identificar problemas Aplica soluciones a lotes pequeños en vez de a la producción masiva Reduce costos de garantías Mejora la calidad del producto

Actividades

La tarea principal es formar depositorios de datos (data warehousing), que provienen de campo, centros de llamadas, garantías, quejas, etc.) cuantificando los datos textuales y detectando y dando seguimiento a patrones, con alertas automáticas de problemas emergentes.

Con minería de datos (data mining) se tiene la capacidad de identificar y dar seguimiento a patrones en los datos. Analizándolos para detectar tasas de falla con variación anormal (se puede aplicar el CEP).

Por ejemplo:

A representa el límite de tasa de falla “normal” para un producto, cuando está abajo del límite se tomaron acciones.

Data

YearMonth

20022001SepMayEneSepMayEne

60

55

50

45

40

35

30

VariableALimite

Time Series Plot of A, Limite

Página 36


9. SELECCIÓN POR ESFUERZO AMBIENTAL / QUEMADO

El quemado (Burn in) y la selección por esfuerzo ambiental (Environmental Stress Screening) se utilizan en la manufactura para precipitar la mortalidad infantil causada por defectos en componentes electrónicos o electromecánicos. Se trata de evitar que estos defectos se presenten con el cliente, normalmente asignados a fallas del ensamble (soldadura pobre, componentes débiles, etc.)

10. A PRUEBA DE ERROR (POKA YOKE)

Es la práctica de diseñar productos o procesos de manera que se minimice o prevenga la probabilidad de errores humanos o mecánicos.

Se aplica para: Evitar que los productos se fabriquen o ensamblen incorrectamente Diseñar el proceso de manufactura para evitar partes más ensambladas Diseñar el software que no permita entradas en campos incorrectos

Cuando se identifiquen fuentes potenciales de productos no conformes, a través de Kaizen y con el apoyo de expertos, utilizar el FMEA, estudios de capacidad de procesos, y reportes de servicio para identificar oportunidades de acción.

Actividades

Organizar el lugar de trabajo con las 5S’s Establecer procedimientos estándar

Página 37


Compartir los estándares con todos los involucrados Avisar de posibles situaciones anormales Prevenir los defectos A prueba de error

Fuentes de error humanos:

Olvidos No comprensión Mala identificación Falta de conocimiento No poner atención a detalles No seguir procedimientos estándar Respuesta inadecuada a problemas

Fuentes de error en equipos y sus condiciones

Ajustes excesivos Tiempos de preparación largos Complejidad del proceso innecesaria Falta de instrucciones de trabajo efectivas o estandarizadas Trabajo de la máquina excediendo su capacidad Proceso congestionado

Dispositivos Poka Yoke

Listas de verificación Pins de guía, referencia o interferencia Plantillas Microswitches o switches límite Switches de proximidad Indicadores visuales Restricciones de secuencia Detectores de condiciones críticas Sensores de nivel de fluidos Lógica de software

11. ANÁLISIS DEL MODO Y EFECTO DE FALLA (FMEA)

Es un grupo de actividades sistemático orientado a reconocer y evaluar las fallas potenciales de un producto o proceso y los efectos de esa falla, identificando acciones que puedan eliminar o reducir la posibilidad de que ocurra la falla, y documentar el proceso completo.

El FMEA se enfoca a mejorar el diseño del producto o proceso a través de análisis preventivo y proactivo.

Actividades

Página 38


Formar un equipo de trabajo Definir el alcance del sistema o proceso a ser analizado Listar los aspectos clave del sistema o procesos a ser analizado

(ambientales, reglamentarios, etc.) Desarrollar los bloques funcionales o flujo de proceso que se utilizará

para realizar el análisis. Definir las interfases de los elementos. Usar el manual de la AIAG o SAE como referencia Analizar los riesgos y a quine corresponden, y enfocar su solución. Actualizar el FMEA conforme se tenga nueva información

Se consideran tres niveles:

El nivel de sistema (específico de la aplicación) El nivel de diseño de componentes (específico del componente) El nivel de procesos de manufactura (específico de manufactura)

12. REPORTE DE FALLAS, ANÁLISIS, SISTEMA DE ACCIÓN CORRECTIVA (FRACAS)

Es una revisión formal de la dirección y un sistema de bucle cerrado que se enfoca a resolver incidentes de fallas. Un grupo interdisciplinario analiza, determina la causa de falla, e inicia la acción correctiva, agrupando los incidentes individuales para enfocar de modo eficiente los recursos.

Después de la solución del problema la información se transfiere a un archivo de lecciones aprendidas para su uso futuro.

El FRACAS asegura que todos los modos de falla que ocurran en un producto durante su desarrollo desde su arranque, estén documentados, monitoreados, y corregidos como sea necesario.

Beneficios

Permite dar soluciones efectivas y permanentes a los problemas Descubre modos de falla antes de que el producto llegue al cliente Conciencia en el uso efectivo de recursos priorizando problemas del

desarrollo. Proporciona un método común para resolver problemas de confiabilidad

asegurando que la acción correctiva sea efectiva. Documenta los problemas de confiabilidad y acciones correctivas para

su uso en el futuro

Actividades:

Establecer el proceso Ocurre un incidente Describir la falla y las partes con falla Realizar priorización y asignar

Página 39


Reporte de estatus y métrica

Se puede utilizar para cada incidente un formato de 7/8 pasos como sigue: Descripción del problema (qué, dónde, cuándo, impacto) Acciones interinas Acciones de contención del problema Acciones correctivas Verificación de la efectividad de la acción correctiva Control de la recurrencia Prevención de ocurrencia de fallas potenciales futuras

16. ANÁLISIS DE ÁRBOL DE FALLA (FTA)

El FTA es un proceso lógico y estructurado de análisis de causas potenciales de fallas en el sistema (riesgos), no identificando riesgos.

El FTA es usa para representar la interacción lógica y las probabilidades de ocurrencia de fallas de componentes y otros eventos del sistema en el evento superior bajo estudio.

Por ejemplo para un equipo de compresor:

Página 40


14. ANÁLISIS DE ELEMENTOS FINITOS (FEA)

El análisis de elementos finitos (FEA) es un modelo matemático para predecir el esfuerzo o respuesta térmica de una estructura a la carga o estímulo térmico. Puede usarse también para modelado de fluidos. La estructura se divide en elementos muy pequeños analizando su interacción. El comportamiento de los elementos individuales se suma y la respuesta de la estructura completa se predice, en relación con la distribución del esfuerzo, temperatura o flujo.

De esta forma se puede identificar el peor caso.

Actividades

Definir el componente específico a ser analizado Crear un modelo sólido en CAD Transferir el modelo de CAD al programa FEA Definir las restricciones del modelo Definir las cargas del modelo Definir los materiales Definir las relaciones de contacto entre componentes en el ensamble Correr el modelo Evaluar la validez del modelo contra resultados de prueba Comparar los resultados del modelo contra los criterios de diseño Modificar el diseño como sea necesario

15. DIAGRAMAS DE BLOQUE FUNCIONALES (FBD)

Son medios gráficos para reducir sistemas complejos dentro de partes más pequeñas de elementos comprensibles con el propósito de realizar análisis (FMEA / FMECA/ Confiabilidad, etc.), también se refieren como “BOundary Diagrams”

Beneficios Define la propiedad de elementos de sistemas e interfases Mejora la comprensión de sistemas complejos y las interfases

funcionales Resalta las interdependencias funcionales y de interfase cuando se

requieren análisis detallados.

Página 41

¿Quién es el responsable?

¿Cuáles son las interfases y el medio ambiente?

¿Qué es?


16. PUEBAS DE VIDA ALTAMENTE ACELERADAS (HALT) Y SELECCIÓN CON ESFUERZO ALTAMENTE ACELERADO (HASS)

HALT aplica estímulos ambientales simples y múltiples para descubrir debilidades inherentes en el diseño inicial, encontrar causas raíz y hacer los productos más robustos y con mayor confiabilidad. Se utiliza vibración, ciclos de temperatura, y parámetros eléctricos como estímulos ambientales, además de otros que se consideren necesarios.

HASS es un filtro rápido de producción una vez que se ha caracterizado el producto con HALT. Como participación se aplican algunos de los mismos esfuerzos de HALT pero en menor grado, por debajo de los límites de destrucción pero siempre más allá de las condiciones normales de operación. Como detección la prueba se hace en las condiciones normales de operación.

Beneficios

Se usa un número pequeño de muestras y periodos cortos de tiempo en el proceso HALT, lo cual reduce los costos de experimentación.

Establecimiento de límites de operación Entrada proporcionada para determinar los requerimientos HASS Recepción de un producto madura en la introducción Eliminación de “apagar fuegos” después del lanzamiento inicial.

El proceso HASS puede ser considerado un filtrado de esfuerzo ambiental (Environmental Stress Screen ESS), reduciendo el tiempo necesario para precipitar el proceso de defectos del producto fabricado.

Los procesos HALT y HASS son procesos complemetarios, HALT se utiliza como una herramienta de diseño acelerado para refinarlo, y HASS se usa como una herramienta de filtro en la manufactura con esfuerzo ambiental acelerado.

Página 42


.

Página 43


17. ANÁLISIS DEL COSTO DE CICLO DE VIDA (LCC)

El precio que un cliente paga por un producto, es solo el costo inicial en el que el cliente incurrirá durante la vida útil del producto.

El análisis de costo del ciclo de vida se realiza para desarrollar un estimado del LCC de un producto o un elemento de producto que se somete a estudios de negociación de diseño, una vez realizado, se puede usar para:

Comparar alternativas de diseño desde un punto de vista del LCC Identificar los motivadores LCC de un sistema Soportar la planeación presupuestal para soporte de un sistema

Se estima que entre el 90 a 95% del costo de ciclo de vida inherente a un diseño de producto se establece durante las fases de desarrollo del concepto y desarrollo de ingeniería. Para minimizar el LCC, se debe analizar desde las primeras etapas del diseño para optimizarlo.

Página 44


Beneficios

Mejora la satisfacción del cliente Ventaja competitiva debido a una mayor efectividad del costo del

producto Capacidad para vender mejoras al producto con base en el costo del

ciclo de vida del producto Mayores contratos ganados cuando no se es proveedor de bajo costo

Es importante considerar el costo del dinero en el tiempo (Valor Presente Neto) para comparar alternativas.

Como alternativas de análisis se sugiere utilizar un FMEA dando una alta calificación en “Severidad” al impacto de las fallas críticas, de esta forma al menos se identifican los riesgos futuros desde el punto de vista del costo operativo y de soporte, sin tener que desarrollar un modelo especial para esto.

Página 45


18. ANÁLISIS DE DATOS DE VIDA

Sirve de marco de referencia analítico para determinar la probabilidad de falla de productos durante su ciclo de vida y evaluar la conformancia de acuerdo a los requerimientos especificados de entrada.

EL análisis de datos de vida caracterizan las distribuciones de probabilidad de falla de un componente, subsistema, o producto para evaluar su conformancia de las características de confiabilidad contra los requerimientos establecidos.

Beneficios

Demuestra el desempeño de la confiabilidad durante cualquier punto del diseño. La forma de la curva determina si se trata de fallas infantiles, fallas aleatorias o desgaste.

Actividades

Definir la prueba y/o tipo de de datos (con reemplazo y sin reemplazo, prueba terminada a falla o a tiempo, ensamble o componente, modos de falla simples o múltiples).

Definir el esquema de muestreo de datos (discretos o continuos) Recolectar datos (muestras verus vida) Graficar frecuencia de falla versus vida Ajustar los datos contra el mejor modelo (exponencial, Weibull,

Lognormal, Normal, etc.) con el criterio de aceptación de “bondad de ajuste”

Realizar el estimado del intervalo de confianza Realizar el análisis de riesgos Determinar la naturaleza de los datos (mortalidad infantil, aleatorio,

desgaste) Realizar acciones correctivas como sea adecuado

Por ejemplo:

Temp80_1 Cens80_1 Temp100_1 Cens100_150 1 101 060 1 11 153 1 48 140 1 32 151 1 36 199 0 22 135 1 72 155 1 69 174 1 35 1

101 0 29 156 1 18 145 1 38 161 1 39 192 0 68 1

Página 46


73 0 36 151 1 18 149 1 25 124 1 14 137 1 77 031 1 47 1

Identificación de la distribución:

Data

Perc

ent

10010

90

50

10

1Data

Perc

ent

10010

99

90

50

10

1

Data

Perc

ent

1000100101

90

50

10

1Data

Perc

ent

10010

99

90

50

10

1

VariableTemp80_1Temp100_1

Correlation CoefficientWeibull

0.989, 0.979Lognormal

0.982, 0.990Exponential

* , *Loglogistic

0.988, 0.990

Probability Plot for Temp80_1, Temp100_1LSXY Estimates-Censoring Column in Cens80_1, Cens100_1

Weibull Lognormal

Exponential Loglogistic

Pruebas de vida a dos temepraturas

Página 47


Data

Perc

ent

100101

99

9080706050403020

10

532

1

Table of Statistics

16 42.07260 45.4911 0.979 18 2

Shape Scale Corr F C3.70020 59.2118 0.989


Probability Plot for Temp80_1, Temp100_1

Censoring Column in Cens80_1, Cens100_1 - LSXY EstimatesWeibull - 95% CI

19. ANÁLISIS DEL SISTEMA DE MEDICIÓN (MSA)

El MSA determina la variación del sistema de medición en proporción a la variación del proceso y/o la tolerancia permitida. Es el proceso por medio del cual se califica si un sistema de medición es adecuado para el uso. Es decir, indica si el sistema de medición es capaz de medir cambios y mejoras en la variación del proceso y/o si es adecuado para determinar la capacidad del proceso con respecto al rango de las especificaciones. Se usa para identificar las causas de las variaciones, ya sea por personal o por equipo.

Es importante seleccionar el diseño experimental de Repetibilidad y Reproducibilidad (R&R), involucra diferentes operadores y diferentes muestras. Mide la razón de variación del sistema de medición a la variación en el proceso. Un error R&R menor al 10% se considera aceptable, entre 10% y 30% puede ser aceptable dependiendo de la importancia del a aplicación, costo del dispositivo de medición, costo de reparación, etc.. Un valor mayor al 30% es inaceptable.

Premisas requeridas en los sistemas de medición

El proceso o sistema bajo medición debe estar en control estadístico, con sólo variación común presente.

La variabilidad del sistema de medición debe ser pequeña comparada con la variabilidad del proceso de manufactura si la intención es medir esta variabilidad.

La variabilidad del sistema de medición debe ser pequeña comparada con los límites de especificación si la intención es medir la capacidad del proceso.

Página 48


Para lo incrementos de medición no deben ser mayores a 1/10 de la más pequeña entre la variabilidad del proceso o los límites de especificación dependiendo de los que se mida.

Tipos de análisis

Continuos Método corto del rango Estimación de la varianza Porcentaje de tolerancia Método de la X media y del rango (X-R) Método del Análisis de varianza (ANOVA) Método de ANOVA en porcentaje de tolerancia

Métodos por atributos

Actividades

Definir el proceso a ser medido Desarrollar la matriz de causa efecto Definir las mediciones Definir el sistema de medición Seleccionar las partes específicas Determinar la matriz de prueba Colectar datos de acuerdo a la matriz de prueba Realizar los análisis estadísticos de los datos, determinando la

repetibilidad, reproducibilidad y razón de precisión a tolerancia Tomar acciones correctivas como sea necesario

Ejemplo:

Se toma una parte con tolerancia 0.9, usando 6 sigmas, realizar un estudio de R&R por ANOVA cuando 3 operadores miden 3 partes en 3 intentos:

Operador Parte Medición1 1 0.121 2 0.141 3 0.131 1 0.141 2 0.121 3 0.152 1 0.122 2 0.112 3 0.162 1 0.132 2 0.122 3 0.143 1 0.123 2 0.143 3 0.15

Página 49


3 1 0.113 2 0.143 3 0.15

Las instrucciones para correrlo son:

1. Stat > Quality Tools > Gage Study > Gage R&R Study (Crossed)

2. Part numbers Partes Operators Operadores Measurement data Mediciones seleccionar Method of Analysis ANOVA

3. Options: Study variation 6 Process tolerance 0.9

4. OK

Los resultados se muestran a continuación:

Gage R&R Study - ANOVA Method Two-Way ANOVA Table With Interaction

Source DF SS MS F POperador 2 0.0000778 0.0000389 0.16867 0.850Parte 2 0.0018111 0.0009056 3.92771 0.114Operador * Parte 4 0.0009222 0.0002306 2.18421 0.152Repeatability 9 0.0009500 0.0001056Total 17 0.0037611

Gage R&R

%ContributionSource VarComp (of VarComp)Total Gage R&R 0.0002806 100.00 Repeatability 0.0001056 37.62 Reproducibility 0.0001750 62.38 Parte 0.0001125 40.10 Parte*Operador 0.0000625 22.28Part-To-Part 0.0000000 0.00Total Variation 0.0002806 100.00

Study Var %Study Var %ToleranceSource StdDev (SD) (6 * SD) (%SV) (SV/Toler)Total Gage R&R 0.0167498 0.100499 100.00 11.17 Repeatability 0.0102740 0.061644 61.34 6.85 Reproducibility 0.0132288 0.079373 78.98 8.82 Parte 0.0106066 0.063640 63.32 7.07 Parte*Operador 0.0079057 0.047434 47.20 5.27Part-To-Part 0.0000000 0.000000 0.00 0.00Total Variation 0.0167498 0.100499 100.00 11.17

Number of Distinct Categories = 1

Página 50


Perc

ent

Part-to-PartReprodRepeatGage R&R

100

50

0

% Contribution% Study Var% Tolerance

Sam

ple

Rang

e

0.04

0.02

0.00

_R=0.01222

UCL=0.03993

LCL=0

1 2 3

Sam

ple

Mea

n

0.16

0.14

0.12

__X=0.13278

UCL=0.15576

LCL=0.10979

1 2 3

Operador321

0.16

0.14

0.12

Parte321

0.16

0.14

0.12

Operador

Aver

age

321

0.150

0.135

0.120

Parte123

Gage name:Date of study:

Reported by:Tolerance:Misc:

Components of Variation

R Chart by Parte

Xbar Chart by Parte

Medición by Operador

Medición by Parte

Parte * Operador Interaction

Gage R&R (ANOVA) for Medición

El sistema de medición es adecuado para determinar aceptabilidad de acuerdo a la tolerancia, pero no puede usarse para evaluar mejora en el proceso mismo ya que la variación de medición es una porción significativa de la variación de las partes.

Med

ición

0.165

0.150

0.135

0.120

0.165

0.150

0.135

0.120

1 2

3

Boxplot of Medición

Panel variable: Operador

20. ANÁLISIS MULTIVARI

Es una herramienta gráfica utilizada en la solución de problemas para identificar las fuentes de varianza durante la manufactura.

Página 51


Beneficios

Despliega patrones de cambio en las mediciones Enfoca los esfuerzos sobre aspectos con el efecto más significativo,

resaltando grupos de mediciones con la mayor variación

Las muestras se deben tomar en forma secuencial de la producción, al menos tres muestras por familia y tomar tres familias, los resultados de las mediciones deben incluir al menos el 80% del rango de variación experimentado. La familia con el rango de varianza mayor contiene la causa raíz sospechada.

Por ejemplo: Una parte con dos secciones y dos diámetros de mide en diferentes tiempos:

Tipo Diametro Extremo HoraA 12.8 1 7A 12.6 2 7B 12.9 1 7B 12.7 2 7A 12.6 1 7A 12.5 2 7B 12.5 1 7B 12.4 2 7A 12.7 1 7A 12.6 2 7B 12.7 1 7B 12.7 2 7A 11.8 1 9A 11.5 2 9B 11.8 1 9B 11.4 2 9A 11.7 1 9A 11.4 2 9B 11.7 1 9B 11.4 2 9A 11.8 1 9A 11.6 2 9B 11.8 1 9B 11.6 2 9A 10.7 1 11A 10.7 2 11B 10.75 1 11B 10.75 2 11A 10.5 1 11A 10.5 2 11B 10.5 1 11B 10.5 2 11A 10.8 1 11A 10.7 2 11B 10.8 1 11B 10.7 2 11A 12.7 1 12

Página 52


A 12.5 2 12B 12.7 1 12B 12.5 2 12A 12.8 1 12A 12.6 2 12B 12.8 1 12B 12.7 2 12A 12.7 1 12A 12.6 2 12B 12.6 1 12B 12.6 2 12A 11.5 1 13A 11.5 2 13B 11.5 1 13B 11.5 2 13A 11.6 1 13A 11.4 2 13B 11.6 1 13B 11.4 2 13A 11.7 1 13A 11.4 2 13B 11.7 1 13B 11.4 2 13

Página 53


Instrucciones:

1. Stat > Quality Tools > Multivari charts

2. Response Diámetro Factor 1 Extremo Factor 2 Tipo Factor 3 Hora

3. Ok

La gráfica resultante es la siguiente:

Tipo

Diam

etro

BA

13.0

12.5

12.0

11.5

11.0

BA

BA

BA

BA

7 9 11 12 13 Extremo12

Multi-Vari Chart for Diametro by Extremo - Hora

Panel variable: Hora

En la gráfica la mayor varianza es la que ocurre de tiempo a tiempo, algo pasa a las 11AM.

21. DIAGRAMAS DE PARÁMETROS

Son un medio para reducir sistemas complejos a elementos comprensibles con el propósito de identificar influencias internas y externas en la funcionalidad del sistema, subsistema, ensamble o componente.

Los diagramas de parámetros se utilizan para diagnosticar problemas donde la funcionalidad se degrada o no es aceptable, los resultados motivan a mejorar la robustez.

Beneficios

Define el alcance del análisis a ser realizado Define la propiedad de los elementos del sistema, interfases, y factores

de control Mejora la comprensión de sistemas complejos y las interfases

funcionales Junto con los diagramas de bloque, facilita el análisis en el FMEA.

Página 54


Resalta riesgos que requieren pruebas como un esfuerzo para verificar veracidad o funcionamiento inadecuado.

Actividades

Definir los componentes a ser analizados. Determinar los límites y nivel de complejidad del componente.

Definir los factores físicos controlables del artículo o componente. ¿Qué parámetros de diseño del componente se pueden controlar y que puede cambiar?

Definir los factores de ruido que pueden tener influencia en la funcionalidad del artículo o componente

Determinar el efecto potencial en la funcionalidad del artículo o componente en términos de “estados de error” potenciales.

Por ejemplo:

Las preguntas que surgen al hacer un diagrama de parámetros son las siguientes:

¿Qué puede ser controlado (factores de control)? ¿Qué influencias externas degradan la salida (factores de ruido)? ¿Cómo se manifiesta esta degradación al cliente o usuario (estados de

error)?

Un análisis detallado de las influencias puede orientar a análisis más profundos y esfuerzos de optimización (DOE, etc.)

Página 55


Página 56


22. DERATING DE PARTES

Es un método de diseño utilizado para asegurar que los componentes tengan robustez en una aplicación específica de diseño, incrementado el margen de seguridad del componente, contra esfuerzos que se puedan presentar con el uso.

Derating significa: incrementar la resistencia promedio; reducir el esfuerzo promedio; reducir las variaciones del esfuerzo a que se someten los componentes, reducir las variaciones de resistencia, todo esto mejora la durabilidad y la confiabilidad.

Beneficios

Elimina el potencial de fallas prematuras bajo las condiciones especificadas.

Mejora o mantiene los niveles especificados de confiabilidad, incrementado la resistencia para un ambiente dado o limitando el impacto de esfuerzos externos.

Orienta al desarrollo de guías para futuras aplicaciones.

Ejemplos:Tipo de parte Nivel recomendado de Derating

Capacitores Máximo 60% del voltaje máximoResistores Máximo 60% de la potencia máximaSemiconductores Máximo 50% de la potencia máxima

Máximo 75% del voltaje máximoTemperatura en la unión máx. 110ºC

Microcircuitos Máximo 80% del voltaje de alim. Máx.Máximo 75% de la potencia máximaTemperatura en la unión máx. 100ºC

Bobinas Máximo 50% del voltaje máximoMáximo 50% de la corriente máxima

Tasa de esfuerzo = Esfuerzo aplicado / Esfuerzo máximo

Tasa deFalla

TemperaturaBases para el Derating de tasa de falla contra temperatura

Página 57

Tasa de esfuerzo = 1.0




23. PROCESO DE SOLUCIÓN DE PROBLEMAS – AIAG

El método proporciona una lista de verificación completa de acciones a considerar cuando se desarrolle una acción correctiva o preventiva ante un problema. Se recomienda el uso de herramientas de colección y análisis de datos en cada paso para asegurar que las acciones en el proceso se basen en la causa raíz, las decisiones se basen en datos y la solución prueb ser efectiva.

Se trata de identificar, documentar, analizar, y eliminar la recurrencia del problema.

Beneficios

Proporciona soluciones a problemas efectivas y permanentes Proporciona un proceso claro que puede ser seguido con FRACAS Proporciona un mecanismo de seguimiento para problemas del

programa de confiabilidad

Actividades (en cada caso, fechas programada y terminación, y responsable)

Identificar el problema Determinar y clasificar las posibles causas Tomar acción a corto plazo Recolectar información / Diseñar pruebas Realizar pruebas / Analizar datos / Identificar causas raíz / Seleccionar la

solución Planear e implementar una solución permanente Medir y evaluar / Reconocer al equipo

En este último paso se proporciona evidencia de la efectividad de las acciones correctivas y describir otras medidas preventivas tomadas.

Documentos a actualizar:

DFMEA PFMEA Plan de control de proceso Prácticas Documentación de ingeniería Plan de capacitación Capacitación realizada

Página 58


24. ESTUDIOS DE CAPACIDAD DE PROCESO

Los estudios de capacidad de procesos evalúan la habilidad de un proceso para mantener una característica o características del proceso dentro de especificaciones.

Cuando el proceso es capaz, se tiene confianza en la funcionalidad y la confiabilidad del producto.

Un estudio de capacidad de sistemas de medición deben preceder al estudio de capacidad para asegurar que el sistema de medición es adecuado.

Los planes de control deben definir el proceso que se está midiendo y reflejar el sistema de medición y proceso usado.

La efectividad de los estudios de capacidad de proceso están muy relacionados con la criticalidad de las características para la funcionalidd del producto y su confiabilidad.

Actividades

Definir los requerimientos de tolerancia de las características del producto, a través de FMEA, FTA, 8Ds, pruebas de campo.

Definir los requerimientos de capacidad de las características del producto.

Definir el método de medición, por variables o por atributos. Definir / evaluar el plan de control Realizar un estudio del sistema de medición Realizar el estudio de capacidad de procesos Documentar los resultados Mejorar el proceso como sea necesario

Ejemplo:

Una parte tiene una dimensión de 0, +6 mm, con un requerimiento de Cpk de 1.33. Se hace un estudio R&R y se determina un error versus tolerancia de 8%, lo cual es adecuado. Se realiza un estudio de capacidad de proceso como sigue:

1. Cargar datos2. Stat > Quality tools > Capability analysis > Normal3. Lower Spec 0 Upper spec 64. seleccionar Estimate Rbar5. OK

Página 59


4.503.753.002.251.500.750.00

LSL USLProcess Data

Sample N 100StDev(Within) 0.54266StDev(Overall) 0.62086

LSL 0.00000Target *USL 4.50000Sample Mean 2.04800

Potential (Within) Capability

CCpk 1.38Overall Capability

Pp 1.21PPL 1.10PPU 1.32Ppk

Cp

1.10Cpm *

1.38CPL 1.26CPU 1.51Cpk 1.26

Observed PerformancePPM < LSL 0.00PPM > USL 0.00PPM Total 0.00

Exp. Within PerformancePPM < LSL 80.33PPM > USL 3.11PPM Total 83.44


WithinOverall

Process Capability of Altura

16. MAPA DE PROCESO / DIAGRAMA DE FLUJO

Es una representación gráfica para reducir procesos complejos a elementos más pequeños comprensibles, que faciliten el análisis de (PFMEA), la simulación y la mejora continua.

Proporciona un mapa de las actividades realizadas y sus interdependencias (internas / externas) para un producto dado que será producido en un proceso.

Página 60


26. ESPECIFICACIONES DE DESEMPEÑO DEL PRODUCTO

Es una lista de todos los requerimientos técnicos que debe cumplir un producto durante su vida útil. Incluye, descripciones funcionales, tiempos de ciclo, requerimientos de confiabilidad, requerimientos ambientales, y requerimientos reglamentarios. También identifica todos los factores externos que pueden influenciar el desempeño y confiabilidad del producto.

Beneficios

Se identifican los requerimientos de confiabilidad desde el inicio del desarrollo del producto, con base en esto se pueden desarrollar perfiles de prueba específicos y criterios bajo los cuales se evalúe el producto.

Permite desarrollar perfiles de prueba ambientales que no tengan referencia a estándares, al probar con usuarios finales.

Actividades

Considerar todas las entradas externas que puedan afectar el desempeño y durabilidad del producto.

Determinar la variación en el tiempo de estas entradas en la vida útil del producto

Hacer una referencia cruzada de la coincidencia de tiempo de las entradas requeridas

Investigar y documentar los límites en cada modo de operación Resumir todos los requerimientos en la especificación de desempeño del

producto

Ejemplo

Entradas ambientalesMuestra Bajo Medio Alto Tiempo

Rango temp. 20 40 60 1 horaVibración 5 rpm 10 rpm 20 rpm 200 horas

Ozono 0.1 ppm 0.2 ppm 0.5 ppm 4000 horas

Perfil operacionalHrs/Año Hrs en vida útil % vida

Circuito Enc. 400 5000 5Circuito Espera 5 50 .05Circuito Apag. 9000 83000 94.5

Página 61


27. PLAN DE CONFIABILIDAD DEL PRODUCTO

Documenta las actividades de planeación enfocadas a alcanzar los objetivos de confiabilidad de un programa de producto. Incluye el establecimiento de políticas, procedimientos, y actividades necesarias para lograr los objetivos de confiabilidad. Identifica las técnicas y herramientas empleadas en el programa, su justificación, los tiempos y responsabilidades para su ejecución.

Proporciona una ruta del control proactivo de la confiabilidad del producto, desde su concepto hasta su servicio postventa en campo.

Beneficios

Permite una planeación sistemática de la confiabilidad.

Actividades

Establecer requerimientos cuantitativos de la confiabilidad (confiabilidad, IC de MTBF, perfil de uso del producto, y ambiente al que será expuesto).

Hacer una evaluación de requerimientos de riesgo de alto nivel, con base en comparaciones, historial de desempeño de productos similares, predicciones de confiabilidad, FMEA de concepto.

Actividades de confiabilidad planeadas, identificando las técnicas y herramientas utilizadas para alcanzar los objetivos y su justificación, así como mitigar los riesgos de manera adecuada.

Programación de tareas, con carta de Gantt incluyendo el programa de cada tarea y los eventos importantes a revisar.

Responsabilidades, de cada tarea o actividad.

Datos generalesActividades Departamento Responsable

1. Gestión del programa1.1 Plan de confiabilidad1.2 Revisiones de diseño formales1.3 Revisiones al programa de confiabilidad

2. Actividades de ingeniería2.1 Lista de aspectos de confiabilidad2.2 Asignación de confiabilidad2.3 Predicción de la confiabilidad / Simulación2.4 Revisión historial de desempeño campo2.5 FMEA de diseño2.6 FMEA de proceso2.7 Análisis FTA2.8 Análisis de esfuerzo eléctrico2.9 Análisis de esfuerzo mecánico2.10 Análisis térmico2.11 Análisis del costo del ciclo de vida2.12 Análisis del mantenimiento centrado en la

Página 62


confiabilidad

3. Actividades de prueba3.1 Plan de pruebas formales3.2 Pruebas de esfuerzo acelerado /etapas3.3 Pruebas de desempeño3.4 Pruebas de calificación de confiabilidad3.5 Pruebas de desarrollo / crecimiento de la confiabilidad3.6 Otras pruebas

4. Control de proveedores/ subcontratistas4.1 Requerimientos de confiabilidad asignados4.2 Alcance de la ingeniería de confiabilidad4.3 Planes de prueba del proveedor4.4 Pruebas de validación del proveedor4.5 Requerimientos de garantía del proveedor

5. Control de la manufactura5.1 Control de características críticas

6. Actividades de mejora continua6.1 FRACAS6.2 Medición de la confiabilidad6.3 Medición del crecimiento de la confiabilidad

Uso del producto y perfil de operaciónEsfuerzo o condición

de operaciónValor % del valor en la vida

del producto

Metas cuantitativas de confiabilidadCaracterística Valor objetivo Método de

verificaciónMétodo de validación

DisponibilidadMTBFVida esperada

Página 63


Ambiente de operación

Factor ambiental Rango Tasa de cambioTemperaturaHumedadVibraciónChoque mecánicoCampo magnéticoPolvoCorrosivosSolventesRuido eléctricoVapores químicos

Análisis de aspectos mayores de confiabilidad y nivel de detalle

Elemento de diseño o proceso

Asignación de confiabilidad

Predicción de confiabilidad

FMEA dediseño

FMEA de proceso

Análisis de árbol de falla

AnálisisLLC

Otros

Nivel de detalle: 1-Sistema, 2-Ensamble, 3-Componente, 4-Estándar,

Monitoreo del desempeño en campo

Análisis de datos colectados por el cliente Análisis de reclamaciones y garantías Análisis de reemplazo de partes Auditorías periódicas de desempeño Contactos informales y seguimiento por personal de campo

Programación de tareas:

Página 64


16. TABLERO DE PRODUCTO

Es una herramienta utilizada en el Diseño para Seis Sigma (DFSS) que da seguimiento al logro de la capacidad para cada uno de los parámetros críticos. Los parámetros críticos se identifican en varios niveles del diseño.

Página 65


El tablero de producto se utiliza durante cada una de las fases del proceso de desarrollo, incluye información de manufactura e ingeniería, mostrando los entregables críticos medidos, para identificar y corregir por anticipado problemas de confiabilidad.

Beneficios

Son una ayuda visual para identificar los avances y obstáculos del programa.

Proporcionan un mecanismo de seguimiento a través del programa de desarrollo.

Actividades

Identificar necesidades del cliente Identificar requerimientos de sistema Identificar requerimientos de subsistemas Identificar requerimientos de componentes Identificar requerimientos de manufactura Identificar las respuestas funcionales críticas en cada nivel Introducir los datos en el programa de seguimiento / matriz Seguir el bañase en el logro de la capacidad

Ejemplo

Tablero de Control de alto nivel: CTQs de alto nivel para DFSS Especificación Como se diseñó Predicción conf. Proceso Validación

CTQ Unidad TF Mín Nom Máx Mín Nom Máx Cp Cpk Media Desv.Est.

Cp Cpk n Media Desv.Est.

Cp Cpk

Tablero de Control de nivel medio: CTQs y X`s de nivel medio Especificación Como se diseñó Predicción conf. Proceso Validación



Cp Cpk

Tablero de Control de nivel inferior: un CTQ Especificación Como se diseñó Predicción conf. Proceso Validación



Cp Cpk

Página 66


29. PROCESO DE APROBACIÓN DE PARTES PARA PRODUCCIÓN (PPAP)

Es un método estructurado para que los proveedores sometan partes nuevas o cambiadas para aprobación de sus clientes antes de embarcan producción normal de productos.

El PPAP se usa para determinar si los registros de diseño de ingeniería del cliente y las especificaciones son comprendidas por el proveedor y que el proceso tiene el potencial de producir productos que consistentemente cumplan esos requerimientos durante una producción real en su tasa establecida.

Beneficios

Tener un proceso estándar de someter muestras iniciales al cliente.

Actividades

Realizar una planeación avanzada de la calidad (APQP), involucrando al usuario, proveedor, etc. como sea necesario, durante las fases de prototipo y producción piloto.

Utilizar mapas de proceso, planes de control, análisis de capacidad del proceso y FMEA

Realizar el PPAP

El ejemplo se omite por ser muy largo.

30. DESPLIEGUE DE LA FUNCIÓN DE CALIDAD (QFD)

Es una herramienta sistemática para traducir los requerimientos del cliente en requerimientos organizacionales para cada una de las fases desde el concepto, desarrollo de ingeniería, manufactura, hasta ventas y distribución.

Tiene el propósito de desplegar la voz del cliente a toda la organización (desde el concepto hasta su disposición) usando una serie de fases: Concepto, diseño, manufactura, y producción.

31. MODELO DE ASIGNACIÓN DE CONFIABILIDAD

Es la tarea de distribuir los requerimientos de confiabilidad / garantía a subsistemas individuales y componentes para cumplir con los requerimientos de confiabilidad del sistema, desde el sistema de alto nivel al nivel de componente, a través de un proceso lógico.

Página 67


31. MODELO DE ASIGNACIÓN DE CONFIABILIDAD

Es la tarea de distribuir los requerimientos de confiabilidad / garantía a subsistemas individuales y componentes para cumplir con los requerimientos de confiabilidad del sistema, desde el sistema de alto nivel al nivel de componente, a través de un proceso lógico.

Beneficios

Proporciona una comprensión jerárquica y establecimiento de metas desde el nivel de sistema hasta el nivel de componente.

Proporciona metas específicas que deben cumplir los proveedores para sus conceptos de diseño.

Fuerza a que se considere la confiabilidad con la misma importancia que otros parámetros tales como desempeño, costo, y peso.

En conjunto con la simulación, proebas, análisis de datos de vida y de crecimiento, contribuye a la optimización del sistema en confiabilidad, considerando medio ambiente, complejidad y otros factores.

Actividades

Identificar el equipo de desarrollo Definir metas Determinar límites y nivel de complejidad para el proceso siendo

analizado Obtener y utilizar información histórica y real de desempeño Desarrollo un modelo de predicción de ser necesario. Realizar una prueba real. Si se acepta entonces… Convertir el modelo a costo en dólares para presupuesto en garantía Agregar requerimientos de confiabilidad a las especificaciones del

producto y proveedores.

32. DIAGRAMA DE BLOQUES DE CONFIABILIDAD

Es una herramienta de simulación gráfica y numérica, utilizada para reducir la complejidad del sistema en elementos manejables para la determinación de la confiabilidad.

Beneficios

Ayuda a desarrollar un enfoque lógico de análisis Define el alcance del análisis a realizar Mejora la comprensión de sistemas complejos y sus interfases

funcionales Proporciona un estimado de la capacidad de desempeño en campo Proporciona un estimado de la logística de campo y requerimientos de

mantenimiento

Página 68


Ejemplo:

Rsys = 0.9893 * (1 – (1-0.9893))^2 = 0.9892 Desempeño

Rsys = 0.9893^3 = 0.9682 Confiabilidad en garantía

Rsys = 1 – ((1-(0.9893)^2))^2 = 0.9995 Desempeño

Rsys = 0.9893^4 = 0.9579 Confiabilidad en garantía

Página 69


33. MANTENIMIENTO CENTRADO EN CONFIABILIDAD

El RCM es una estrategia que optimiza el balance entre los costos de mantenimiento y los costos de tiempos muertos del equipo. El RCM es un método estructurado para analizar las características de confiabilidad de una parte del equipo para desarrollar su programa de mantenimiento más efectivo en costo.

Página 70


Como se muestra en la figura, en cada modo de falla considerado, hay tres enfoques básicos de mantenimiento que pueden realizarse.

Monitor de condición: el mantenimiento es realizado solo cuando se presenta una condición detectable por el operador, simplemente “reparar o reemplazar” cuado falle.

Con base en una condición: se realiza una inspección periódica de mantenimiento, el cual sólo se realiza si se descubre que se ha alcanzado una marca o indicador que requiere mantenimiento de acción correctiva. Por ejemplo la inspección periódica del espesor de cuerdas en llantas, reemplazándola cuando tenga menos de 1mm.

Reemplazar con base en el límite de tiempo de uso: es el que menos conviene en costo, requiere el reemplazo programado de partes independientemente de su condición en cierto límite de tiempo o de ciclos de operación.

El RCM es una práctica estándar en la aviación comercial, y apoya la metodología de Mantenimiento Productivo Total (TPM).

Página 71


34. MODELADO DEL DESARROLLO DE LA CONFIABILIDAD

Muestra una gráfica de fallas acumuladas versus tiempo acumulado de operación, para describir como cambia la tasa de falla, mientras se gana en experiencia de operación del producto. El desarrollo de la confiabilidad se monitorea y se compara con requerimientos del programa. Evalúa el cambio en la tasa de falla conforme se acumula el tiempo total de operación.

Los modelos utilizados más comúnmente son los de Duane y Crow AMSAA.

El modelo de desarrollo es útil para evaluar la confiabilidad en las diferentes etapas de desarrollo del producto, así como para evaluar la confiabilidad del producto producido normal.

Puede usarse para determinar se han realizado las pruebas y mejoras suficientes antes de la liberación del producto.

El análisis del desarrollo de la confiabilidad de reclamaciones en garantía o datos de devoluciones de campo pueden indicar problemas pendientes.

Un modelo de desarrollo de confiabilidad de accidentes puede dar un buen panorama de tendencias de seguridad para una planta.

Los modelos de desarrollo de la confiabilidad pueden ser utilizados para proyectar la confiabilidad en algún tiempo futuro.

Beneficios

Un modelo de desarrollo de la confiabilidad produce un análisis visual de cambios en la tasa de falla (o cambios en MTBF) durante el uso acumulado del producto.

Un modelo de desarrollo de la confiabilidad da el estatus instantáneo de un programa o proceso. La función de intensidad (tasa de falla) elimina el ruido de los valores acumulados para producir mejores estimados de las condiciones actuales.

El beneficio verdadero de las mejoras en confiabilidad pueden medirse directamente de la gráfica de desarrollo de la confiabilidad después de que las acciones correctivas tienen efecto.

El modelo de desarrollo de confiabilidad es excelente para pronosticar reclamaciones por mes calendario.

El alcance puede enfocarse a sólo un mecanismo de falla o para evaluar todos los mecanismos de falla mezclados (análisis del sistema).

El modelo puede utilizar como punto de partida, datos de programas previos de prueba.

Modelo de Duane

Asume una tasa constante de falla sobre una fase de prueba y monitorea/pronostica sobre una serie de fases. Grafica un parámetro de confiabilidad seleccionado (MTBF por ejemplo), sobre el tiempo, y da seguimiento al cambio. Se pueden utilizar tasas de desarrollo históricas para pronosticar las horas totales esperadas para lograr las metas de confiabilidad

Página 72


dados los niveles presentes de confiabilidad. Puede usarse para cambios menores de diseño.

Modelo Crow-AMSAA

Derivado del modelo de Duane, grafica el total de fallas contra el tiempo acumulado de falla. Los cambios en la pendiente mide los cambios en confiabilidad, positivamente o negativamente.

Modelos de desarrollo de la confiabilidad

Son herramientas para evaluar el proceso de desarrollo del producto. No mide la confiabilidad del producto, más bien, estimula la acción correctiva donde es necesario.

Se requiere un buen estimado cuando no hay datos de experiencias previas. Los pronósticos de fallas se deben hacer con los resultados mostrados estándar (cantidad de falla versus tiempo) y no con la tasa de falla o el MTBF.

Actividades

Ya sea en varios tiempos de inspección (o cada vez que ocurran las fallas), registrar el tiempo total de operación acumulado y la cantidad total de fallas acumulada (ocurrencias). Estos son los datos C/A.

Graficar los datos C/A en una escala log-log, con los valores de tiempos totales acumulados en el eje horizontal, y la cantidad total de fallas acumuladas en el eje vertical.

Si los datos se ajustan razonablemente con una línea recta (en la escala log-log), entonces, se puede establecer una tendencia.

Si no sec umple lo anterior, entonces indica que hay un cambio de tendencia.

Ajustar una línea a los últimos puntos de datos que muestran una tendencia lineal.

La pendiente de la línea (sobre los puntos) es el valor actual Beta de C/A.

El valor de la escala vertical donde la línea de ajuste cruza la unidad en la escala horizontal es el valor Lambda de C/A.

Si el valor Beta de C/A es menor a uno, entonces la tasa instantánea de falla (ocurrencia) está disminuyendo, indicando una mejora de la confiabilidad.

Si el valor Beta de C/A es mayor a uno, entonces la tasa instantánea de falla (ocurrencia) está aumentando, indicando un deterioro de la confiabilidad.

Si el valor Beta de C/A es similar a uno, entonces la tasa instantánea de falla (ocurrencia) se mantiene.

Extender la línea de ajuste para hacer pronóstico de fallas. Graficar una línea instantánea, usando la función de intensidad, para

obtener la tasa de falla real o valor del MTBF para las condiciones actuales.

Página 73


Por ejemplo para partes de ensamble:

Horas Fallas34009 25739029 28943181 32148485 35653470 38558457 43563436 47070081 505

Con Minitab:

1. Stat > Reliability / Survival > Parametric Growth Curve

2. Seleccionar Data are exact Failure / timeVariables Horas Frequencies Fallas

3. Graphs seleccionar Duane Plot

4. OK

Los resultados se muestran a continuación:Parametric Growth Curve: Hours

Using frequencies in Failures

Model: Power-Law ProcessEstimation Method: Maximum Likelihood

Parameter Estimates Standard 95% Normal CIParameter Estimate Error Lower UpperShape 3.46321 0.063 3.33968 3.58675Scale 6931.62 294.137 6355.12 7508.12

Trend Tests MIL-Hdbk-189 Laplace's Anderson-DarlingTest Statistic 1742.89 50.91 *P-Value 0.000 0.000 *DF 6034

Hours

Cum

ulat

ive

Failu

re R

ate

7000060000500004000030000

0.040

0.030

0.020

0.015

0.0100.0090.0080.007

Parameter, MLEShape Scale

3.46321 6931.62

Duane Plot for Hours

Página 74


Hours

MCF

7000060000500004000030000

3000

2500

2000

1500

1000

500

0

Parameter, MLEShape Scale

3.46321 6931.62

Mean Cumulative Function for Hours

35. PREDICCIÓN DE LA CONFIABILIDAD

Predicción de la confiabilidad, es el proceso de utilizar los datos disponibles y las técnicas analíticas, para evaluar la confiabilidad de un componente, sistema o proceso. Los resultados de esta predicción, se comparan a metas y en consecuencia pueden asignarse recursos para lograr la confiabilidad requerida.

Se utiliza para evaluar la capacidad potencial de desempeño en un ambiente objetivo “operacional”.

Puede utilizarse como herramienta de comparación entre diferentes alternativas de diseño que pueden tener un mejor desempeño en un medio ambiente dado.

Se utiliza para estimar las necesidades de logística de campo (garantías, refacciones, etc.) para una parte en su ambiente objetivo “operacional”.

Beneficios

Fuerza a considerar la confiabilidad con la misma importancia que otros parámetros, tales como desempeño, costo o peso.

Junto con simulación, pruebas, análisis de datos de vida, y análisis del desarrollo de la confiabilidad, puede orientar a la optimización de las metas de la confiabilidad del sistema, con base en consideraciones de complejidad, y factores ambientales.

Apoya la identificación de áreas de diseño débiles, o entre conceptos de diseño con base en datos históricos.

Se tienen varios tipos de análisis que pueden ser utilizados para predecir la confiabilidad:

Página 75


Determinístico: incluye conteo de partes, y utiliza una evaluación global de la capacidad de desempeño potencial, independiente del ciclo de trabajo o condiciones ambientales. Su exactitud puede exceder un orden de magnitud.

Pseudo determinístico: usa análisis de es esfuerzo de partes ajustado con datos existentes. Exacto dentro de un orden de magnitud.

Paramétrico: pronostica la confiabilidad con base sólo en pruebas para la aplicación dada. Es el método más exacto, si se consideran los perfiles y ambientes de usuario final y de misión (ciclo de trabajo) realistas.

Actividades

Determinar los límites y nivel de complejidad del sistema a ser analizado.

Partición / asignación del sistema en subsistemas lógicos / componentes, bloques funcionales, e interfases.

Considerar los requerimientos ambientales, de ciclo de trabajo, para los bloques funcionales e interfases. Realizar el análisis durante el ciclo de vida del producto.

Evaluar en los niveles apropiados de complejidad para el ciclo de vida del producto.

Ejemplo: Predicción de confiabilidad de un ensamble (tasa de falla constante):

Tasa falla Factor de Cantidad / hora Fuente de

Componente / hora aplicaciónen

sistemadel

sistema datosA 2.99E-05 10% 1 2.99E-06 CampoB 2.00E-05 10% 4 8.00E-06 Campoc 9.30E-07 10% 3 2.79E-07 CampoD 2.97E-06 10% 6 1.78E-06 CampoE 5.67E-06 10% 4 2.27E-06 CampoF 5.67E-06 10% 6 3.40E-06 CampoG 1.00E-07 100% 2 2.00E-07 NPRD-95, pg. 28H 1.50E-05 100% 1 1.50E-05 Mil-HDBK-217I 7.19E-05 10% 2 1.44E-05 Campoj 6.62E-05 100% 1 6.62E-05 Mil-HDBK-217

FA = Operación de parte/Operación sistema Total 1.15E-04 MTBF = 8,732

La predicción de la confiabilidad, junto con el modelo de asignación, define la predicción de la confiabilidad del sistema, que se compara con las metas establecidas, ya sea para cambiarlas o para asignar recursos para mejorar la confiabilidad.

Página 76


36. ANÁLISIS DE RIESGOS DE SEGURIDAD

Es una metodología para evaluar la importancia de riesgos de seguridad. Proporciona una base práctica para evaluar la naturaleza y extensión de las acciones correctivas. Un riesgo de seguridad identificado, es evaluado en su frecuencia de ocurrencia, posibilidad de causar daño, y la severidad del daño.

Proporciona el racional para mejorar la credibilidad de las decisiones en relación con acciones para eliminar o controlar riesgos de seguridad potenciales asociados con el producto servicio.

Beneficios

Reduce el riesgo de daño al consumidor, desde el diseño y manufactura del producto.

Reduce los costos de demandas legales a la empresa. Después del FMEA, mejora las decisiones en aspectos con severidad

alta. Ayuda al proceso de diseño en la cuantificación de seguridad del

producto.

Actividades

Identificar los riesgos en consideración Asignar un equipo de revisión y un líder Identificar factores relevantes asociados con los riesgos Identificar efectos potenciales del daño de los riesgos Analizar la frecuencia, posibilidad, y severidad de la situación Identificar acciones correctivas para eliminar o controlar el riesgo.

Ejemplo: Hoja de trabajo de análisis

Tipo de riesgo y descripción

Factores que contribuyen al riesgo

Efecto – daño potencial

Frecuencia Posibilidad Severidad

Fuego en zona A

- Fuga de aceite- Poco enfriamiento- Ciclo de trabajo

- Inhalación de humo- Quemadas de 1º. O 2º. Grado- Accidentes

2

2

2

5

3

7

3

4

4

El equipo debe escuchar todas las opiniones antes de tomar decisiones.

Página 77


37. ANÁLISIS DE CIRCUITOS (SNEAK CIRCUIT ANALYSIS – SCA)

Es un método sistemático de evaluar circuitos eléctricos y códigos de software y sus interacciones. Utiliza patrones topológicos, que caracterizan a todos los circuitos y programas de computadora. Es un método analítico empleado en el análisis de riesgos de software.

Se utiliza para detectar condiciones latentes que causen funciones indeseables o inhibir funciones deseadas. Estas fallas en funciones pueden ocurrir independientemente de fallas de componentes o intenciones del diseño.

Beneficios

Descubrir condiciones latentes en circuitos y software que inhiben funciones deseadas o causan funciones indeseables que ocurren sin que haya fallado un componente.

Revela los modos de operación del sistema, ya sea intencionados o no intencionados, identifica condiciones normales y anormales.

Proporciona un método para integrar sistemas de hardware / software antes de la prueba, identifica aspectos críticos de misión frecuentemente olvidado por las pruebas.

No requiere la ejecución del software o simulación del software.

Es adecuado para utilizarse a nivel de circuitos, si un circuito se puede dividir en segmentos pequeños, la técnica se utiliza más efectivamente.

Tipos de condiciones

Trayectorias inesperadas, permiten que la energía, datos o la lógica sigan una trayectoria no esperada.

Tiempos inesperados, permite que la energía, datos o lógica fluya en tiempos inesperados.

Indicadores inesperados, causan despliegues falsos o ambiguos de condiciones de operación de sistema.

Hardware

Trayectoria inesperada, la corriente fluye en una ruta inesperada.

Apertura inesperada, la corriente no fluye en una ruta especificada.

Tiempos inesperados, la corriente no fluye en el tiempo correcto.

Página 78


Software

Salida inesperada, se produce una salida incorrecta.

Inhibición inesperada, se inhibe una salida no deseada.

Tiempo inesperado, se genera una salida incorrecta por tiempo de entrada inadecuada.

Mensaje inesperado, se genera un mensaje incorrecto sobre el estado del sistema.

….

Conclusiones

Los eventos inesperados son universales, se presentan en diseños nuevos y maduros.

Los incidentes inesperados, se incrementan con la complejidad del sistema.

Los circuitos inesperados son diseñados de modo no intencionado dentro de los sistemas.

A pesar de que los circuitos pasen las pruebas, pueden presentar fallas inesperadas en la operación funcional.

Los factores que hacen que fallen los circuitos normalmente están bien camuflados a nivel de sistemas.

Actividades

Para el hardware, convertir diagramas eléctricos en redes de árboles, apoyándose en la información técnica. Para el software, convertir el código del programa a redes de árboles con los manuales computacionales como guía.

Con los árboles definidos, analizar los patrones de árboles. Ciertos patrones, como el patrón H con dos entradas de potencia y dos puntos de tierra, se consideran vulnerables.

Rediseñar el hardware y software como sea necesario.

Ejemplo: Reporte de condición inesperada

Referencias: Dibujos, códigos, procedimientos, especificaciones, etc.

Equipo / módulo: equipo, circuito, módulo de software bajo escrutinio.

Página 79


Explicación: explicación de que sucede, vgr. “Despliegue inesperado de bolsa de aire”.

Impacto potencial: ¿Qué puede suceder potencialmente? Incluir referencias a las interfases de HD y SW.

Recomendaciones: ¿Qué puede o debe hacerse? Para resolver el problema.

Acción del cliente: ¿Qué hace el cliente interno o externo para resolver el problema?

38. ANÁLISIS DE SOFTWARE

Los análisis del software es un conjunto de métodos para evaluar sistemas eléctricos con código de software y sus interacciones. Utiliza análisis en diferentes niveles para resaltar riesgos potenciales para resolución a un nivel aceptable.

Asegura que la operación del software no interfiere con las metas u operación del sistema.

Beneficios

Evaluar y resaltar los riesgos de seguridad en el ámbito del software. Proporciona una base para la integración de otros análisis de

confiabilidad y seguridad. Sirve como una función de auditoría independiente. Mejora la confianza en el desarrollo del software. Eventualmente reduce esfuerzo / tiempo de ciclo por medio de

modularización y reuso. Proporciona documentación y control de configuración. Fuerza a la revisión y análisis de los siguientes niveles: (1)

requerimientos del software; (2) diseño del software; (3) códigos del software; (4) interfases de software de usuario; (5) cambios del software; (6) compatibilidad con el hardware.

El análisis del software se debe realizar al nivel de sistema, componente, y nivel de instrucción.

Página 80


39. CARACTERÍSTICAS ESPECIALES

De acuerdo al ISO TS 16949, son “características del producto o parámetros de procesos de manufactura que puedan afectar la seguridad, cumplimiento con reglamentaciones, ajuste, función, desempeño o procesos subsecuentes del producto”. Por tanto, se debe controlar su variabilidad.

La designación de una característica crítica o especial, requiere un control excepcional para asegurar la capacidad, asegurando el cumplimiento de requerimientos de seguridad y la satisfacción del cliente.

Beneficios

Permite a la organización enfocarse a las áreas de riesgo especial. Orientan a tomar acciones en diseño y manufactura para reducir el riesgo.

Actividades

Realizar los FMEAs de diseño y de proceso, utilizando el conocimiento organizacional en relación con los modos de falla y las formas para su control. Considerar los requerimientos especiales de clientes.

Desarrollar una lista de características críticas especiales.

Página 81


Analizar las características potenciales por un equipo multifuncional. Asegurar capacidades requeridas en procesos actuales de manufactura

y con proveedores. Retroalimentar el desempeño en confiabilidad con relación al control de

la característica.

Símbolos utilizados en características críticas

40. TOLERANCIAS ESTADÍSTICAS

Utiliza probabilidad y estadística en el diseño de tolerancias para analizar componentes y ensambles, y optimizar el costo de manufactura y la funcionalidad.

El propósito es lograr diseños robustos, y al mismo tiempo mantener “asignación de tolerancias económicas”.

Beneficios

Lograr diseños robustos con bajo nivel de riesgo de falla que resulte en bajos costos de garantía.

Lograr asignación de tolerancias económicas para reducir el costo de manufactura.

Enfocar los esfuerzos de calidad sólo en las tolerancias críticas necesarias.

Permitir, ingeniería concurrente y comunicación entre diseño, desarrollo, manufactura, compras, proveedores y calidad.

Página 82


Actividades

Definir los objetivos dimensionales o relaciones críticas funcionales a analizar.

Identificar todos los componentes que afecten la relación funcional. Crear un esquema de objetivos y componentes relevantes en el bucloe

funcional. Identificar dimensiones relevantes, tolerancias, y datums en el bucle

dimensional. Calcular la salida nominal y variabilidad, utilizando métodos estadísticos. Verificar métodos, supuestos, y resultados su validez y exactitud.

41. DISEÑO ROBUSTO DE TAGUCHI

Es el proceso de hacer un proceso o producto insensible al efecto de la variabilidad sin realmente eliminar las fuentes de variabilidad. El diseño es capaz de cumplir con los requerimientos críticos funcionales aun en la presencia de fuentes de variación (ruidos). Esto se logra al hallar una colección óptima de puntos de ajuste de parámetros que minimiza la respuesta a los diversos ruidos, y ajustar la media a la meta esperada por el cliente, El diseño robusto se aplica a los niveles de sistema, subsistemas, y componentes.

El proceso de diseño robusto se aplica durante el diseño del producto por medio del proceso de validación del producto y proceso. Mejora la confiabilidad del producto al hacer el diseño final más tolerante a variaciones en las condiciones de uso real, variaciones entre productos, y deterioración.

Página 83


Complementado con el diseño de tolerancias, se reduce el costo total del producto.

Beneficios

Método consistente para reducir la variación del producto a factores de ruido.

Variación reducida en la funcionalidad deseada del producto (salida consistente).

Actividades

Identificar la función ideal Identificar los factores de ruido claves Especificar las respuestas funcionales clave. Seleccionar los factores de control y los niveles. Seleccionar el arreglo ortogonal Realizar los experimentos y colectar datos Analizar los datos, calcular la relación S/N para cada experimneto y

seleccionar el diseño óptimo. Realizar el experimento de verificación Ajustar la media a la meta del cliente Implementar los cambios

Ejemplo

1. Identificar la función ideal de energía con la utilización de una función dinámica para mejores resultados.

Resp. Y Resp. Y

Ent. M Ent. M

a) Función ideal b) Realidad

2. Identificar los factores de ruido clave. Tales como factores ambientales que no pueden ser controlados. Se utiliza un arreglo externo para su tratamiento.

3. Especificar las respuestas funcionales clave.

4. Seleccionar los factores de control. ¿Qué niveles o materiales se cambiarán?

5. Generar un diagrama P para mostrar las interacciones.

Página 84


6. Seleccionar el arreglo ortogonal (DOE), en este caso se selecciona un arreglo L18, como arreglo interno y un arreglo externo para los factores de ruido de dos niveles:

Factores de control Factores RuidoExp. A B C D E F G N1 N2

1 1 1 1 1 1 1 12 1 1 2 2 2 2 2… … …. …. … … … … ….. ….18 2 3 3 2 1 2 3

7. Realizar los experimentos

8. Analizar los datos

Página 85


Respuesta = Señal a Ruido de Y (S/N)

A1 A2 B1 B2 B3 C1 C2 C3 D1 D2 D3 E1 E2 E3 F1 F2 F3 G1 G2 G3

9. Se seleccionan los niveles A2, B3, C2, D1 y E1 (menos costo y poco impacto), F2 y G3.

10. realizar el experimento de verificación

Resp. Y Resp. Y

Ent. M Ent. M

a) Después del ajuste de S/N b) Después de ajuste de la media

Los nuevos ajustes resultaron en una mejor variación. Después se ajustó la media sin sacrificar variabilidad. Algunos de los controles que se controlaban muy estrictamente, pueden ahora ser más flexibles, para reducir los costos.

42. PLAN Y REPORTE DE PRUEBAS (DVP & R/PVP &R)

Es un plan detallado y reporte resumido de las actividades de prueba y los procedimientos que se dirigen a probar la conformancia del producto a los requerimientos del cliente interno y externo, durante toda la vida del producto bajo las condiciones ambientales y de operación establecidas.

Organiza las pruebas y la información resultante para evaluar el éxito de probar la robustez del producto en el medio ambiente intencionado de uso.

Beneficios

Página 86


Mejora el diseño del producto y proceso, al definir y minimizar el riesgo de los modos de falla y las causas o mecanismos principales. Este el modo de probar, analizar y corregir.

Identifica y da prioridad a áreas de riesgo potencial y estimula las acciones correctivas en el diseño del producto.

Proporciona evidencia de diligencia en actividades preventivas de demandas en productos y procesos.

Propósito de las pruebas Establecer los conceptos de diseño Verificar los objetivos de diseño Determinar el impacto y significancia de cambios en el producto y

proceso Satisfacer los requerimientos y especificaciones de clientes internos y

externos Determinar la relación entre variables Establecer las condiciones óptimas

Fases de prueba Desarrollo de ingeniería (ED): pruebas preliminares en muestras para

evaluar conformancia potencial a los requerimientos funcionales y técnicos (partes de herramentales preliminares).

Verificación del diseño (DV): partes preliminares Aprobación funcional (FA): partes preliminares Validación de producción (PV): partes definitivas Corrida de producción a velocidad establecida: utilizada para validar la

efectividad de los procesos de manufactura, utilizando herramentales normales, equipos, condiciones, operadores, instalaciones y tiempos de ciclo de producción normal. Entrada al PPAP.

Tipos de pruebas

Verificación funcional: para verificar que las partes y materiales cumplen con el desempeño de ingeniería y de propiedades de materiales.

o Pruebas de demostración: utilizadas para determinar si se cumplen las metas de diseño establecidas o los valores mínimos aceptables.

Calificaciones de confiabilidado Pruebas marginales: asegurar que las condiciones en las cuales

el producto empieza a funcional mal, estén fuera del rango de condiciones especificadas para el uso del producto.

o Pruebas de vida: utilizada para encontrar patrones de falla, incluyen: pruebas de vida, verificaciones del diseño, pruebas de vida aceleradas… con pruebas de “demostración”, “validación” (diseño y producción) y “verificación”.

Aceptación de la confiabilidad en producción: para rechazar producto defectuoso o no satisfactorio, de acuerdo a las especificaciones de confiabilidad.

Página 87


Estrategias de prueba

Pruebas secuenciales / paralelas: usadas para reducir el tiempo de prueba, cuando se hacen pruebas en secuencia, los resultados se revisan después de cada prueba, aplicando una prueba de significancia a los datos acumulados. Las pruebas en paralelo es más rápida, pero se pueden perder oportunidades de aprendizaje.

Pruebas de muerte súbita: utilizada cuando es económico probar muchas muestras al mismo tiempo.

Pruebas Bogey: es una prueba para una meta predefinida. Tipo Pasa no pasa, bueno malo.

Pruebas a falla y aceleradas: utilizadas cuando se quiere reducir el tiempo de prueba, o determinar la robustez, incluye: esfuerzo por pasos, pruebas de vida acelerada tales como HALT, o HASS, AST, EST, SMART…

Pruebas de degradación: una prueba utilizada para evaluar la robustez del producto, implica, análisis previo y posterior contra criteriosde aceptación, con una evaluación del cambio.

Actividades

Identificar al equipo Determinar la prueba a realizar del FMEA u otros. Definir los requerimientos de desempeño / aceptación para la prueba Proporcionar un reporte resumen previo a las pruebas Realizar las pruebas bajo las condiciones establecidas / requeridas Analizar y resumir los resultados de pruebas. Verificar el desarrollo si es

aplicable. Re-diseñar y re- probar si es requerido (en caso de que el producto no

cumpla con los criterios de aceptación).

Página 88


Plan y reporte de verificación del diseño

Plan y reporte de verificación del diseñoFuente

de prueba o nombre

Criterio de aceptación

Resultados de prueba

Nivel de diseño

Muestra requerida

Muestra probada

Fecha programada y real inicial

Fecha programada y

real final Comentarios

¿Cuá

l es

el p

roce

dim

ient

o?

¿Qué

se

prue

ba?

¿Cuá

les

son

los

requ

erim

ient

os?

¿Cuá

les

fuer

on lo

s re

sulta

dos

de

prue

ba?

¿Qué

niv

el d

e ha

rdw

are

y so

ftwar

e se

pr

obó?

¿cu

ál e

s la

fase

del

pro

gram

a?

¿Cuá

ntas

uni

dade

s se

pro

bará

n?

¿Cuá

ntas

mue

stra

s se

pro

baro

n re

alm

ente

?

¿Cuá

ndo

se p

lane

a in

icia

r la

prue

ba y

cu

ando

se

inic

ió re

alm

ente

?

¿Cuá

ndo

se p

lane

a te

rmin

ar la

pru

eba

y cu

ando

se

term

inó

real

men

te?

¿qué

repo

rtes

de p

rueb

a se

em

itier

on?

¿qué

pro

blem

as s

e de

scub

riero

n co

mo

resu

ltado

de

las

prue

bas?

¿Q

ué s

e ha

rá e

n re

laci

ón c

on lo

s pr

oble

mas

?

43. BASES DE DATOS DE GARANTÍA

Guarda información colectada durante el registro de quejas.

Se utiliza junto con los volúmenes de producción para determinar la confiabilidad durante el uso del producto. Las métricas utilizadas son Reparaciones por 100 unidades (R/100) y Costo por unidad (CPU).

Página 89


ProducciónMes prod. Ene Feb Mar Abr May Jun Jul Ago Sep Oct Nov Dic Ene Feb Mar Abr May Jun Jul

Unidades 987 758 979 1166 1215 1321 1335 1332 1687 1693 1827 2255 2264 2399 2402 2506 2325 2266 2149

Matriz de quejas en garantía por 1) Mes de producción y 2) mes de servicio o reparaciónMeses

servicio Ene Feb Mar Abr May Jun Jul Ago Sep Oct Nov Dic Ene Feb Mar Abr May Jun Jul3 1 2 1 1 0 4 7 6 12 9 21 5 9 7 9 11 2 2 16 1 0 1 4 4 9 5 7 8 14 23 6 6 5 5 2 1 9 3 5 5 4 12 7 14 12 16 20 30 1 3 1 12 4 4 6 12 9 8 8 11 22 34 27

Número de reclamaciones acumuladas en cada periodo de antigüedadMeses

servicio Ene Feb Mar Abr May Jun Jul Ago Sep Oct Nov Dic Ene Feb Mar Abr May Jun Jul3 1 2 1 1 0 4 7 6 12 9 21 5 9 7 9 11 2 2 16 2 2 2 5 4 13 12 13 20 23 44 11 15 12 14 13 3 9 5 7 7 9 16 20 26 25 36 43 74 12 18 13 12 9 11 13 21 25 28 34 36 58 77 101

Página 90


Reparaciones por cada 100 unidades embarcadasMeses

servicio Ene Feb Mar Abr May Jun Jul Ago Sep Oct Nov Dic Ene Feb Mar Abr May Jun Jul3 0.1 0.26 0.1 0.09 0 0.3 0.52 0.45 0.71 0.53 1.15 0.22 0.4 0.29 0.37 0.44 0.09 0.09 0.056 0.2 0.26 0.2 0.43 0.33 0.98 0.9 0.98 1.19 1.36 2.41 0.49 0.66 0.5 0.58 0.52 0.13 9 0.51 0.92 0.72 0.77 1.32 1.51 1.95 1.88 2.13 2.54 4.05 0.53 0.8 0.54 12 0.91 1.45 1.33 1.8 2.06 2.12 2.55 2.7 3.44 4.55 5.53

Se identifica un problema de manufactura Toma de acción correctiva

Gráfica ejemplo de garantías

0

1

2

3

4

5

6

Ene Feb

Mar

Abr

May Ju

n

Jul

Ago

Sep Oct

Nov Dic

Ene Feb

Mar

Abr

May Ju

n

Jul

Mes de producción

R/10

0

3

6

9

12

La base de datos de garantía puede contener información adicional como el distribuidor, proveedor, cliente, geografía, aplicación del producto, planta de manufactura, códigos de diagnóstico… Comentarios del personal que atiende las garantías, etc.

Dado que las garantías son las fuentes de información más completas sobre el desempeño en campo y la confiabilidad, es un elemento importante del sistema preventivo de fallas. La base de datos de garantías y los reportes son un activo muy importante de confiabilidad.

Página 91


44. ANÁLISIS DE WEIBULL

La gráfica de análisis de Weibull muestra las fallas del producto y suspensiones por orden de rango en las ordenadas versus la vida del producto en las abscisas. La gráfica se utiliza para definir la tasa de falla de una población de productos para un rango de tiempos de vida.

El análisis de Weibull es mejor para determinar la tasa de falla o confiabilidad de un modo particular de falla para un componente individual, o sea, si es mortalidad infantil, fallas aleatorias o de desgaste. Se puede utilizar para predecir el impacto financiero de la falla para toma de decisiones, también permite comprar diferentes alternativas de diseño o para comparar el desempeño real de un producto versus los objetivos de diseño.

El análisis de Weibull se puede utilizar para una población de datos con solo fallas o una mezcla de fallas y suspensiones (unidades censuradas).

Es necesario hacer una prueba de bondad de ajuste para estar seguro que la distribución de Weibull ajusta adecuadamente a los datos. Los métodos más comúnmente utilizados son la regresión por rangos y la estimación por máxima verosimilitud.

Cuando la muestra es pequeña, se debe tener cuidado ya que el error puede ser significativo.

Si no presentan fallas, se usa el análisis de Weibayes, cuidando de no aplicar la técnica de manera ciega, la técnica se basa en una pendiente supuesta de Weibull, en lugar de esto el supuesto debe basarse en datos históricos.

Actividades

1. Determinar las metas del producto y proceso y los requerimientos de desempeño.2. Determinar los límites y nivel de complejidad para el sistema o componente a ser analizado.3. Establecer el método de análisis y formato de reporte a usar.4. Iniciar la prueba o extracción de datos.5. Obtener ciclos de falla, suspensión, millaje, o tiempo en servicio.6. Realizar el análisis de Weibull7. Obtener parámetros estimados. Principalmente la pendiente y la vida característica de Weibull.8. Del análisis, realizar una prueba de bondad de ajuste a distribuciones de probabilidad candidatas.9. De manera opcional realizar una simulación de Monte Carlo.10. Decidir de la mejor distribución de probabilidad.11. Utilizar los resultados del análisis para comparar las metas de confiabilidad y generar un análisis de riesgo financiero.

Página 92


Ejemplo:

Interpretación básica de Weibull

Log Log 1/[1-F(t)] Pendiente o parámetro de forma

Vida característicaB %-percentil Parámetro de loc.

Escala para el 63% o

0 Bq. vida

Vida mínimaEl punto en la escala de tiempoDonde inician las fallas

Si Beta < 1 => DHR (tasa decreciente de fallas, fallas de mortalidad infantil)

Si Beta =1 => CHR Tasa constante de falla. Fallas aleatorias / probables.

Si Beta > 1 => IHR (Tasa creciente de fallas, fallas de durabilidad y desgaste).

La vida útil de un producto se puede representar por una curva de la bañera, como sigue:

f(t)

tiempoMortalidad Vida útil o fallas EnvejecimientoInfantil o aleatorias o fallas por desgasteFallas tempranas

Fig. 1 La curva de la bañera con el ciclo de vida de un producto

La mortalidad infantil representa las fallas debidas a problemas de diseño o ensamble con tasa de falla decreciente respecto al tiempo.

Página 93


Normalmente se hace un quemado a las unidades durante un tiempo razonable para eliminar este tipo de fallas al usuario del producto.

La zona de fallas aleatorias representa una tasa de falla constante respecto al tiempo.

La zona de desgaste o envejecimiento representa la zona de tasa de falla creciente cuando el componente está llegando a su vida útil.

Data

Perc

ent

100101

99

9080706050403020

10

532

1

Table of Statistics

16 42.07260 45.4911 0.979 18 2

Shape Scale Corr F C3.70020 59.2118 0.989


Probability Plot for Temp80_1, Temp100_1

Censoring Column in Cens80_1, Cens100_1 - LSXY EstimatesWeibull - 95% CI

Con un cambio de diseño, la confiabilidad del 99% de un producto cambia de 2 a 10 horas a un nuevo rango de 12 a 28 horas, mejorando la vida útil del producto.

Página 94

= 8


45. ANÁLISIS DEL PEOR CASO (WCA)

El WCA es un grupo de técnicas utilizadas para evaluar el impacto de las tolerancias en condiciones del peor caso en el desempeño del producto / proceso.

Se utiliza para asegurar que el límite de falla se encuentra fuera de los límites de tolerancia especificados (WCA).

Beneficios

Apoya la mejora de la confiabilidad del producto / proceso Apoya el desarrollo de guías de diseño de aplicaciones específicas de

producto / proceso. Apoya en la determinación de la robustez del diseño y margen de

seguridad. Mejora las características de ajuste y apariencia para componentes /

ensambles mecánicos. Reduce los problemas y desperdicios en el ensamble de manufactura.

Asiste en actividades de DFM / DFA.

El WCA requiere experiencia técnica en el área a ser analizada, herramientas de software y entrenamiento, y una comprensión de la variación del producto o proceso.

Para diseños mecánicos capaces, el análisis WCA puede forzar a construir nuevos prototipos, con tolerancias extremas.

Los análisis de valores extremos y análisis del peor caso son análisis estáticos, no reducen la sensibilidad de un diseño a la variación bajo condiciones ambientales, para esto se pueden complementar con el DOE o plan / proyecto de prueba.

Métodos

Análisis de variación (VA): es una técnica de simulación utilizada para estimar el impacto de tolerancias del producto en el peor caso para componentes mecánicos y ensambles y su impacto inherente en el desempeño potencial del producto o proceso.

Montecarlo: definido como la distribución de probabilidad de la variabilidad (el análisis de sensibilidad puede no ser requerido).

Análisis de varianza extrema: definida por los límites de la variabilidad y la sensibilidad direccional a variaciones de partes.

Raíz de la suma de cuadrados: definida por los sesgos y desviaciones estándar de la variabilidad las partes y magnitud de las sensibilidades.

Análisis del peor caso (WCA): es una técnica analítica de simulación utilizada para evaluar / determinar el impacto de tolerancias en el peor caso para

Página 95


ensambles y componentes electrónicos y su impacto inherente en el desempeño potencial del producto / proceso.

Pruebas de peor caso / valores extremos: es un método de pruebas de calificación para evaluar / determinar los límites de falla de componentes electrónicos / mecánicos y el impacto en el desempeño cuando se construyen en sus límites extremos de tolerancia.

Actividades para componentes electrónicos

1. Identificar el equipo de trabajo

2. Determinar el alcance y nivel de complejidad del producto / sistema a analizar

3. Dividir los ensambles / componentes en bloques funcionales e interfases. Definir las relaciones funcionales entre los componentes en términos de ecuaciones paramétricas (Vsal = (R2 / (R1 + R2) * Vent para un divisor de voltaje.

4. Definir las condiciones de entrada paramétricas y los efectos de la variación potencial para cada componente debido a la tolerancia (* / -), efectos potenciales de degradación térmica (cambio en ppm / grado C); efectos potenciales del tiempo (cambio en ppm / año). Definir también los efectosw parásitos de otros elementos del sistema tales como conexiones, tarjetas, etc.

5. Ingreso a la rutina seleccionada de simulación (ver métodos anteriores)

6. Realizar el análisis de simulación.

7. Realizar una evaluación en el nivel apropiado de complejidad. Resaltar las condiciones del peor caso que impactarán potencialmente al producto y describir sus efectos.

8. Tomar acciones (re-diseño) si el impacto a la evaluación original del margen de seguridad es menor que el óptimo.

Página 96

confiabilidad · web view2015-02-10 · montecarlo: definido como la distribución de...

Documents