Met Mejora Confiabilidad

MÉTODOS DE MEJORA DE LA CONFIABILIDAD P.
REYES / Abril 2007
CURSO DE CONFIABILIDAD
Elaboró: Dr. Primitivo Reyes Aguilar
Diciembre de 2006
Página 1
MÉTODOS DE MEJORA DE LA CONFIABILIDAD P. REYES / Abril 2007
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:
 Internas
o Políticas corporativas y organizacionales
o Sistemas de colección de datos para confiabilidad
o Metas de diseño de confiabilidad del producto
o Predicción de la confiabilidad
o Procedimientos de prueba de la confiabilidad
 Externas
o APQP
o Programas de confiabilidad para sistemas y equipos – MIL-STD-
785
o Kit de herramientas de la confiabilidad de la USAF
o Requerimientos del consumidor sobre la confiabilidad del
producto
o Evaluación del desempeño de confiabilidad de la competencia
o 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.org
o American Society for Qaulity - ASQ www.asq.org
o Automotive Industry Action Group - AIAG www.aiag.org
o Internacional Organization for Standarization – ISO www.iso.ch
o Society of Automotive Engineers www.sae.org
o Thoery of Inventive Problem Solving – TRIZ
www.personal.engin.umich.edu/ gmasur/triz/
o Formato de colección de datos de garantía – TMC
www.truckline.com
o Weibull www.barringer1.com/ www.weibullnews.com
www.reliasfot.com
Página 3
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 APQP

1. Prueba de vida acelerada
2. Benchmarking
3. Análisis de degradación
4. Diseño para manufactura y ensamble
5. Diseño de experimentos
6. Revisión de diseño **
7. Selección del diseño y optimización
8. Identificación temprana de problemas
9. Selección por esfuerzo ambiental
10. A prueba de error / detección de falla / Poka Yokes
11. FMEA
12. Reporte de falla, análisis y sistema de acción correctiva (FRACAS)
13. Análisis de árbol de falla
14. Análisis de elemento finito
15. Diagramas de bloque funcionales
16. Pruebas de vida altamente acelerada (HALT) / Selección por esfuerzo
(HASS)
17. Análisis de costo de ciclo de vida
18. Análisis de datos de vida
19. Análisis de sistemas de medición (MSA)
20. Análisis Multivari
21. Diagramas de parámetros
22. Derating de partes
23. Solución de problemas – análisis de causa raíz
24. Estudios de capacidad de procesos
25. Mapeo de procesos
26. 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 confiabilidad
33. Mantenimiento centrado en confiabilidad
34. Modelado de crecimiento de la confiabilidad (Crow/AMSAA)
35. Predicción de confiabilidad
36. Análisis de seguridad en peligros
37. Análisis de circuitos
38. Análisis del software
39. Características especiales
40. Tolerancias estadísticas
41. Diseño robusto de taguchi
42. Planes y reportes de pruebas **
43. Bases de datos de garantías
44. Análisis de Weibull
45. 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
 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
 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 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
 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 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 Tasa de ciclo

operativo
Sock, vibración, Temperatura, Voltaje, presiónd Ciclos de
colisión, humedad, cámara e aire, presión de transición de
aceleración, polvo salina, lluvia, fluido, peso, temperatura,
y grava viento, presión transientes aplicaciones
atmosférica, eléctricos mecánicas,
presión, radiación flexiones,
solar 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 Newtons
3890000 5573
3980000 5573
4132000 5573
2363000 697
2478000 697
2483000 697
1310000 640
1336000 640
1365000 640
Identificación de la distribución de ajuste:
1. Stat > Reliability / Survival > Distribution analysis (right censoring)

2. Distribution ID Plot > Variable Tiempo_de_falla > Distribution Lognormal
3. OK
Probability Plot for Timepo_a_falla

LSXY Estimates-Complete Data
C orrelation C oefficient
Lognormal Lognormal
0.941
99
95
80
Percent
50
20
1
00 00 00 00 00
0
00
0 00 00
0
00
0
00
0 0
00 00
0
00 00 00 00 00 00 00
0
00 00 00 000 000
70 80 90 100 15 20 30 40 50 60 7 8
Timepo_a_falla
Página 26
Tiempo de vida acelerado:
1. Stat > Reliability / Survival > Accelated life testing

2. Variables > TIempo_de_falla
3. Accelerating var. Newtons
4. Estimate: Confidence level 95%
OK
La gráfica resultante se muestra a continuación:
Probability Plot (Fitted Linear) for Timepo_a_falla

Lognormal
Complete Data - ML Estimates
99
Newtons
5573
95 6967
90 8640
Table of S tatistics
80 Loc Scale A D* F C
70 15.2032 0.0218849 3.757 3 0
Percent
60 14.7050 0.0218849 4.167 3 0

50 14.1071 0.0218849 3.417 3 0
40
30
20
10
5
1
1500000 2000000 3000000 4000000
Timepo_a_falla
Relation Plot (Fitted Linear) for Timepo_a_falla

Lognormal - 99% CI
Complete Data - ML Estimates
Percentiles
4000000 90
50
10
3000000
Timepo_a_falla
2000000
1500000
5500 6000 6500 7000 7500 8000 8500 9000

Newtons
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
Probability Plot of Timepo_a_falla

Lognormal - 99% CI
99
Loc 14.67
Scale 0.4759
95 N 9
AD 0.552
90
P-Value 0.111
80
70
Percent
60
50
40
30
20
10
1
1000000 10000000
Timepo_a_falla
Fitted Line Plot

Y = 8642485 - 856.2 X
4000000 S 244824
R-Sq 98.3%
R-Sq(adj) 96.6%
3500000
3000000
2500000
Y
2000000
1500000
1000000
5500 6000 6500 7000 7500 8000 8500 9000
X
Factor de aceleración
Página 28
Accelerated Life Testing: Timepo_a_falla versus Newtons

Response Variable: Timepo_a_falla
Censoring Information Count

Uncensored value 9
Estimation Method: Maximum Likelihood

Distribution: Lognormal
Relationship with accelerating variable(s): Linear

Regression Table
Standard 95.0% Normal CI
Predictor Coef Error Z P Lower Upper
Intercept 17.1949 0.0417192 412.16 0.000 17.1132 17.2767
Newtons -0.0003574 0.0000058 -61.43 0.000 -0.0003688 -0.0003460
Scale 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-Fit
At each accelerating level
Fitted
Level Model
5573 3.757
6967 4.167
8640 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 Despues
1.701 1.66
1.694 1.699
1.88 1.701
1.686 1.71
1.696 1.719
Two-Sample T-Test and CI: Antes, Despues
Two-sample T for Antes vs Despues
N Mean StDev SE Mean

Antes 5 1.7314 0.0832 0.037
Despues 5 1.6978 0.0226 0.010
Página 30
Difference = mu (Antes) - mu (Despues)

Estimate for difference: 0.033600
95% CI for difference: (-0.055350, 0.122550)
T-Test of difference = 0 (vs not =): T-Value = 0.87 P-Value = 0.409 DF = 8
Both use Pooled StDev = 0.0610
Boxplot of Antes, Despues

1.90
1.85
1.80
Data
1.75
1.70
1.65
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) Plot
3. Variables Despúes seleccionar Use all distributions
4.OK
Probability Plot for Despues

LSXY Estimates-Complete Data
C orrelation C oefficient
3-Parameter Weibull 3-Parameter Lognormal
3-P arameter Weibull
99
0.952
90
3-Parameter Lognormal
90
0.917
50
2-Parameter E xponential
Percent
Percent
50 *
10 3-P arameter Loglogistic
0.920
10
1 1
52.65 52.70 52.75 52.80 52.95 53.00 53.05
Despues - Threshold Despues - Threshold
2-Parameter Exponential 3-Parameter Loglogistic

99
90
90
50
Percent
Percent
50
10
10
1 1
0.001 0.010 0.100 52.65 52.70 52.75 52.80
Despues - Threshold Despues - Threshold
Página 31
Evaluando la fracción defective Antes y Después se tiene:
1. Stat > Quality tools > Capability Analysis > Nonnormal

2. Data as single column – antes y después
3. Distribution 3-Parameters Loglogistic Lower spec 1.6 Upper spec 1.9
4. OK
Process Capability of Antes

Calculations Based on Loglogistic Distribution Model
LSL Target USL

Process Data O v erall C apability
LS L 1.60000 Pp 0.47
Target 1.75000 PP L 3.38
U SL 1.90000 PP U 0.32
S ample M ean 1.73140 Ppk 0.32
S ample N 5
E xp. O v erall Performance
Location -3.46682
P P M < LS L 0.0
S cale 0.45862
P P M > U SL 12581.6
Threshold 1.66914
P P M Total 12581.6
O bserv ed P erformance
PP M < LS L 0
PP M > U S L 0
PP M Total 0
1.60 1.65 1.70 1.75 1.80 1.85 1.90
Process Capability of Despues

Calculations Based on Loglogistic Distribution Model
LSL Target USL

P rocess Data O v erall C apability
LS L 1.60000 Pp 2.07
Target 1.75000 PP L 1.40
U SL 1.90000 PP U 2.74
S ample M ean 1.69780 Ppk 1.40
S ample N 5
E xp. O v erall P erformance
Location 3.96368
P P M < LS L 98.6823
S cale 0.00021
PPM > USL 0.0139
Threshold -50.94981
P P M Total 98.6963
O bserv ed P erformance
P P M < LS L 0
P P M > US L 0
P P M Total 0
1.60 1.64 1.68 1.72 1.76 1.80 1.84 1.88
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 Función responsable Revisión de diseño

del diseño
Requerimientos del
cliente
Requerimientos
funcionales
Metas de calidad
Metas de confiabilidad
Página 34
Metas de
mantenabilidad
Requerimientos
reglamentarios
DFMA 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 Impor- Línea base Alternativa Alternativa

cliente tancia Diseño de diseño A de diseño B
actual
Costo 5 0 - -
Manufacturabilida 8 0 - -
d
Confiabilidad 10 0 0 +
Mantenabilidad 5 0 0 0
Serviciabilidad 5 0 0 0
Disponibilidad 10 0 + +
Empaque 8 0 + +
Durabilidad 5 0 0 0
56 5 15
Notas:
0 bajo - Desventaja
10 alto 0 Similar al diseño actual
Página 35
+ Ventaja
El 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.
Time Series Plot of A, Limite

Variable
60 A
Limite
55
50
Data
45
40
35
30
Month Ene May Sep Ene May Sep

Year 2001 2002
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.
¿Quién es el ¿Cuáles son ¿Qué es?

responsable? las interfases
y el medio
ambiente?
Página 41
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_1

50 1 101 0
60 1 11 1
53 1 48 1
40 1 32 1
51 1 36 1
99 0 22 1
35 1 72 1
55 1 69 1
74 1 35 1
101 0 29 1
56 1 18 1
45 1 38 1
61 1 39 1
92 0 68 1
Página 46
73 0 36 1
51 1 18 1
49 1 25 1
24 1 14 1
37 1 77 0
31 1 47 1
Identificación de la distribución:
Probability Plot for Temp80_1, Temp100_1

LSXY Estimates-Censoring Column in Cens80_1, Cens100_1
V ariable
Weibull Lognormal
Temp80_1
99
Temp100_1
90
90 C orrelation C oefficient
50 Weibull
P er cent
P er cent
0.989, 0.979
50
Lognormal
10
0.982, 0.990
10 E xponential
*, *
1 1 Loglogistic
10 100 10 100 0.988, 0.990
Data Data
Exponential Loglogistic
99
90
90
50
P er cent
P er cent
50
10
10
1 1
1 10 100 1000 10 100
Data Data
Pruebas de vida a dos temepraturas
Página 47
Probability Plot for Temp80_1, Temp100_1

Weibull - 95% CI
Censoring Column in Cens80_1, Cens100_1 - LSXY Estimates
99
Variable
90 Temp80_1
80 Temp100_1
70 Table of Statistics
60 S hape Scale C orr F C
50 3.70020 59.2118 0.989 16 4
40
2.07260 45.4911 0.979 18 2
30
Percent
20
10
3
2
1
1 10 100
Data
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 Medición

1 1 0.12
1 2 0.14
1 3 0.13
1 1 0.14
1 2 0.12
1 3 0.15
2 1 0.12
2 2 0.11
2 3 0.16
2 1 0.13
2 2 0.12
2 3 0.14
3 1 0.12
3 2 0.14
3 3 0.15
Página 49
3 1 0.11
3 2 0.14
3 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 P
Operador 2 0.0000778 0.0000389 0.16867 0.850
Parte 2 0.0018111 0.0009056 3.92771 0.114
Operador * Parte 4 0.0009222 0.0002306 2.18421 0.152
Repeatability 9 0.0009500 0.0001056
Total 17 0.0037611
Gage R&R
%Contribution
Source 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 22.28
Part-To-Part 0.0000000 0.00
Total Variation 0.0002806 100.00
Study Var %Study Var %Tolerance

Source 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 5.27
Part-To-Part 0.0000000 0.000000 0.00 0.00
Total Variation 0.0167498 0.100499 100.00 11.17
Number of Distinct Categories = 1
Página 50
Gage R&R (ANOVA) for Medición

Reported by :
Gage name: Tolerance:
Date of study : M isc:
Components of Variation Medición by Operador

100 % Contribution 0.16
% Study Var
Percent
% Tolerance
0.14
50
0.12
0
Gage R&R Repeat Reprod Part-to-Part 1 2 3
Operador
R Chart by Parte
1 2 3 Medición by Parte
0.04 UCL=0.03993 0.16
Sample Range
0.14
0.02
_
R=0.01222 0.12
0.00 LCL=0
1 2 3
Parte
Xbar Chart by Parte
1 2 3 Parte * Operador Interaction
0.16
UCL=0.15576 0.150 Parte
Sample Mean
Average
0.14 _
_ 0.135
2
3
X=0.13278
0.12 0.120
LCL=0.10979
1 2 3
Operador
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.
Boxplot of Medición
1 2
0.165
0.150
0.135
0.120
Medición
3
0.165
0.150
0.135
0.120
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 Hora

A 12.8 1 7
A 12.6 2 7
B 12.9 1 7
B 12.7 2 7
A 12.6 1 7
A 12.5 2 7
B 12.5 1 7
B 12.4 2 7
A 12.7 1 7
A 12.6 2 7
B 12.7 1 7
B 12.7 2 7
A 11.8 1 9
A 11.5 2 9
B 11.8 1 9
B 11.4 2 9
A 11.7 1 9
A 11.4 2 9
B 11.7 1 9
B 11.4 2 9
A 11.8 1 9
A 11.6 2 9
B 11.8 1 9
B 11.6 2 9
A 10.7 1 11
A 10.7 2 11
B 10.75 1 11
B 10.75 2 11
A 10.5 1 11
A 10.5 2 11
B 10.5 1 11
B 10.5 2 11
A 10.8 1 11
A 10.7 2 11
B 10.8 1 11
B 10.7 2 11
A 12.7 1 12
Página 52
A 12.5 2 12
B 12.7 1 12
B 12.5 2 12
A 12.8 1 12
A 12.6 2 12
B 12.8 1 12
B 12.7 2 12
A 12.7 1 12
A 12.6 2 12
B 12.6 1 12
B 12.6 2 12
A 11.5 1 13
A 11.5 2 13
B 11.5 1 13
B 11.5 2 13
A 11.6 1 13
A 11.4 2 13
B 11.6 1 13
B 11.4 2 13
A 11.7 1 13
A 11.4 2 13
B 11.7 1 13
B 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:
Multi-Vari Chart for Diametro by Extremo - Hora

A B A B
7 9 11 12 13 Extremo
13.0 1
2
12.5
Diametro
12.0
11.5
11.0
A B A B A B
Tipo
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 máximo
Resistores Máximo 60% de la potencia máxima
Semiconductores Máximo 50% de la potencia máxima
Máximo 75% del voltaje máximo
Temperatura en la unión máx. 110ºC
Microcircuitos Máximo 80% del voltaje de alim. Máx.
Máximo 75% de la potencia máxima
Temperatura en la unión máx. 100ºC
Bobinas Máximo 50% del voltaje máximo
Máximo 50% de la corriente máxima
Tasa de esfuerzo = Esfuerzo aplicado / Esfuerzo máximo
Tasa de Tasa de esfuerzo = 1.0

Falla
Tasa de esfuerzo = 0.8
Tasa de esfuerzo = 0.6
Temperatura
Bases para el Derating de tasa de falla contra temperatura
Página 57
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 datos
2. Stat > Quality tools > Capability analysis > Normal
3. Lower Spec 0 Upper spec 6
4. seleccionar Estimate Rbar
5. OK
Página 59
Process Capability of Altura
LSL USL
P rocess Data Within
LS L 0.00000 Overall
Target *
U SL 4.50000 P otential (Within) C apability
S ample M ean 2.04800 Cp 1.38
S ample N 100 C PL 1.26
S tDev (Within) 0.54266 C PU 1.51
S tDev (O v erall) 0.62086 C pk 1.26
C C pk 1.38
O v erall C apability
Pp 1.21
PPL 1.10
PPU 1.32
P pk 1.10
C pm *
0.00 0.75 1.50 2.25 3.00 3.75 4.50

O bserv ed Performance Exp. Within Performance E xp. O v erall Performance
PP M < LS L 0.00 P P M < LS L 80.33 PP M < LS L 485.80
PP M > U S L 0.00 P P M > U SL 3.11 PP M > U S L 39.19
PP M Total 0.00 P P M Total 83.44 PP M Total 524.98
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 ambientales
Muestra Bajo Medio Alto Tiempo
Rango temp. 20 40 60 1 hora
Vibración 5 rpm 10 rpm 20 rpm 200 horas
Ozono 0.1 ppm 0.2 ppm 0.5 ppm 4000 horas
Perfil operacional
Hrs/Año Hrs en vida útil % vida
Circuito Enc. 400 5000 5
Circuito Espera 5 50 .05
Circuito 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 generales
Actividades Departamento Responsable
1. Gestión del programa
1.1 Plan de confiabilidad
1.2 Revisiones de diseño formales
1.3 Revisiones al programa de confiabilidad
2. Actividades de ingeniería
2.1 Lista de aspectos de confiabilidad
2.2 Asignación de confiabilidad
2.3 Predicción de la confiabilidad / Simulación
2.4 Revisión historial de desempeño campo
2.5 FMEA de diseño
2.6 FMEA de proceso
2.7 Análisis FTA
2.8 Análisis de esfuerzo eléctrico
2.9 Análisis de esfuerzo mecánico
2.10 Análisis térmico
2.11 Análisis del costo del ciclo de vida
2.12 Análisis del mantenimiento centrado en la
Página 62
confiabilidad
3. Actividades de prueba
3.1 Plan de pruebas formales
3.2 Pruebas de esfuerzo acelerado /etapas
3.3 Pruebas de desempeño
3.4 Pruebas de calificación de confiabilidad
3.5 Pruebas de desarrollo / crecimiento de la
confiabilidad
3.6 Otras pruebas
4. Control de proveedores/ subcontratistas

4.1 Requerimientos de confiabilidad asignados
4.2 Alcance de la ingeniería de confiabilidad
4.3 Planes de prueba del proveedor
4.4 Pruebas de validación del proveedor
4.5 Requerimientos de garantía del proveedor
5. Control de la manufactura
5.1 Control de características críticas
6. Actividades de mejora continua

6.1 FRACAS
6.2 Medición de la confiabilidad
6.3 Medición del crecimiento de la
confiabilidad
Uso del producto y perfil de operación

Esfuerzo o condición Valor % del valor en la vida
de operación del producto
Metas cuantitativas de confiabilidad

Característica Valor objetivo Método de Método de
verificación validación
Disponibilidad
MTBF
Vida esperada
Página 63
Ambiente de operación
Factor ambiental Rango Tasa de cambio

Temperatura
Humedad
Vibración
Choque mecánico
Campo magnético
Polvo
Corrosivos
Solventes
Ruido eléctrico
Vapores químicos
Análisis de aspectos mayores de confiabilidad y nivel de detalle
Elemento Asignación Predicción FMEA FMEA Análisis Análisis Otros

de de de de de de árbol LLC
diseño o confiabilidad confiabilidad diseño proceso de falla
proceso
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. Cp Cpk n Media Desv. Cp Cpk
Est. Est.
Tablero de Control de nivel medio: CTQs y X`s de nivel medio

Est. Est.
Tablero de Control de nivel inferior: un CTQ

Est. Est.
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 Fallas
34009 257
39029 289
43181 321
48485 356
53470 385
58457 435
63436 470
70081 505
Con Minitab:
1. Stat > Reliability / Survival > Parametric Growth Curve
2. Seleccionar Data are exact Failure / time

Variables 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 Process

Estimation Method: Maximum Likelihood
Parameter Estimates
Standard 95% Normal CI
Parameter Estimate Error Lower Upper
Shape 3.46321 0.063 3.33968 3.58675
Scale 6931.62 294.137 6355.12 7508.12
Trend Tests
MIL-Hdbk-189 Laplace's Anderson-Darling
Test Statistic 1742.89 50.91 *
P-Value 0.000 0.000 *
DF 6034
Duane Plot for Hours

P arameter, M LE
S hape S cale
0.040
3.46321 6931.62
0.030
Cumulative Failure Rate
0.020
0.015
0.010
0.009
0.008
0.007
30000 40000 50000 60000 70000

Hours
Página 74
Mean Cumulative Function for Hours

P arameter, M LE
3000 S hape S cale
3.46321 6931.62
2500
2000
MCF
1500
1000
500
0
30000 40000 50000 60000 70000
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

en del
Componente  / hora aplicación sistema sistema datos
A 2.99E-05 10% 1 2.99E-06 Campo
B 2.00E-05 10% 4 8.00E-06 Campo
c 9.30E-07 10% 3 2.79E-07 Campo
D 2.97E-06 10% 6 1.78E-06 Campo
E 5.67E-06 10% 4 2.27E-06 Campo
F 5.67E-06 10% 6 3.40E-06 Campo
G 1.00E-07 100% 2 2.00E-07 NPRD-95, pg. 28
H 1.50E-05 100% 1 1.50E-05 Mil-HDBK-217
I 7.19E-05 10% 2 1.44E-05 Campo
j 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 Factores Efecto – Frecuencia Posibilidad Severidad

riesgo y que daño
descripción contribuyen potencial
al riesgo
Fuego en - Fuga de - Inhalación 2 5 3
zona A aceite de humo
- Poco - Quemadas 2 3 4
enfriamiento de 1º. O 2º.
- Ciclo de Grado
trabajo - Accidentes 2 7 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 Ruido

Exp. A B C D E F G N1 N2
1 1 1 1 1 1 1 1
2 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 confiabilidad
o 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 diseño

Fuente
de Fecha Fecha
prueba o Criterio de Resultados Nivel de Muestra Muestra programada programada y
nombre aceptación de prueba diseño requerida probada y real inicial real final Comentarios
¿qué problemas se descubrieron como

¿qué reportes de prueba se emitieron?
¿Cuándo se planea terminar la prueba
probó? ¿cuál es la fase del programa?
¿Qué nivel de hardware y software se
¿Cuándo se planea iniciar la prueba y
hará en relación con los problemas?

resultado de las pruebas? ¿Qué se
y cuando se terminó realmente?
¿Qué se prueba? ¿Cuáles son los
¿Cuántas unidades se probarán?

¿Cuáles fueron los resultados de
cuando se inició realmente?

¿Cuántas muestras se probaron
¿Cuál es el procedimiento?
requerimientos?
realmente?
prueba?
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
Producción
Mes
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 reparación

Meses
servicio Ene Feb Mar Abr May Jun Jul Ago Sep Oct Nov Dic Ene Feb Mar Abr May Jun Jul
3 1 2 1 1 0 4 7 6 12 9 21 5 9 7 9 11 2 2 1
6 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 antigüedad

Meses
3 1 2 1 1 0 4 7 6 12 9 21 5 9 7 9 11 2 2 1
6 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 embarcadas

Meses
3 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 0.05
6 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
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 Weibull
7. 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 característica
B %-percentil Parámetro de loc.
Escala para el 63%
o
0 Bq. vida
Vida mínima
El punto en la escala de tiempo
Donde 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)
tiempo
Mortalidad Vida útil o fallas Envejecimiento
Infantil o aleatorias o fallas por desgaste
Fallas 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.
= 8
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
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

Met Mejora Confiabilidad

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Met Mejora Confiabilidad

Cargado por

Copyright:

Formatos disponibles

MÉTODOS DE MEJORA DE LA CONFIABILIDAD P.

REYES / Abril 2007

Elaboró: Dr. Primitivo Reyes Aguilar

3. Modelos de distribuciones de probabilidad para el tiempo

4. Estimación de parámetros del modelo

6. Pruebas de vida aceleradas

Los Requerimientos de confiabilidad se establecen en la fase desarrollo de

Para establecer los requisitos de confiabilidad se pueden utilizar algunas de las

Su propósito es ser proactivo anticipándose y verificando modos de falla y sus

Desarrollo del Programa de confiabilidad

Función der Despliegue de Calidad (QFD)

Es un proceso que desarrolla una presentación visual de cómo se realizan las

Es un proceso de medición y comparación continua del desempeño de los

Análisis y gestión del riesgo

Es un método proactivo que identifica si todos los recursos de la planeación,

Diseño para Seis Sigma (DFSS)

Es un proceso que identifica, documenta, y asegura que los requerimientos de

Las metas se establecen en la fase de desarrollo del concepto, con base en la

Después de definir las metas de confiabilidad. Se identifican los problemas en

Entre las herramientas disponibles se tienen: FRACAS, Diagramas de bloques

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

Diagramas de bloque de confiabilidad

Indica las relaciones funcionales de confiabilidad entere componentes de un

La combinación de confiabilidad en serie entre partes, representa la situación

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

La confiabilidad en paralelo entre partes representa la situación donde

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

Proporciona una estimación de de los modos de falla de componentes a largo

Análisis de árbol de fallas (FTA)

Los eventos catastróficos o significativos pueden requerir un análisis de árbol

Un FTA es un subconjunto de los eventos descritos en un análisis de FMEA.

Análisis de criticalidad de riesgo

La asignación de categorías de criticalidad y probabilidades asociadas a cada

Un conjunto típico de categorías de criticalidad puede ser:

 Categoría 4: catastrófica – causa de muerte, falla en un sistema de

Las revisiones de diseño preliminares (PDR) y revisión crítica de diseño (CDR)

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

Arroja resultados para proporcionar un factor de seguridad suficiente entre el

Prueba de vida altamente acelerada (HALT)

Es una reproducción personalizad del ambiente real en el que el producto será

El factor de aceleración es la razón del tiempo de vida en un ambiente real de

A = factor de aceleración = Tiempo de vida en un ambiente de servicio real /

Prueba de esfuerzo altamente acelerado (HAST)

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

La integración de sistemas en producción pueden ocasionar fallas que no se

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

Modelado del crecimiento de la confiabilidad

Los modelos de AMSAA (Duane) y otros modelos de crecimiento de la

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

 “Datos de intervalo, datos agrupados, o de inspecciones no destructivas”

VERIFICACIÓN Y VALIDACIÓN DEL DISEÑO

Como resumen de planeación y realización de actividades de pruebas con

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

El plan describe el método de la actividad de prueba tanto para la verificación

Las estrategias de prueba consideran prueba por atributos versus variables y

Las pruebas determinan la capacidad de un producto para cumplir con los

La información obtenida de estas pruebas se utiliza para estimar la

Entre las pruebas utilizadas para detectar modos de falla se encuentran:

Las pruebas aceleradas se utilizan para recrear modos de falla conocidos o

SU proceso de prevención se enfoca a identificar y eliminar enlaces débiles de