Mfpia - 02

MÁSTER EN INGENIERÍA DE AUTOMOCIÓN
Dirección de proyectos de automoción y calidad
DIRECCIÓN DE PROYECTOS DE
AUTOMOCIÓN Y CALIDAD
Octubre ➔ Diciembre
Angel Enríquez de Salamanca Muller

INDICE
1. INTRODUCCIÓN Y OBJETIVOS
2. DIRECCIÓN DE PROYECTOS
• CONCEPTOS CLAVE DE UN PROYECTO
• TIPOS DE PROYECTO
• CICLO DE VIDA DE UN PROYECTO
• EL PROYECTO DENTRO DE LA EMPRESA. LA
CALIDAD
3. HERRAMIENTAS
• APQP
• ECODISEÑO
• 8D
• CAPABILIDAD, (SPC, Cpk, …. )
• FIABILIDAD
• AMFE
• OPTIMIZACIÓN: DOE &
4. EL COSTE Y LA RENTABILIDAD
5. LECCIONES APRENDIDAS
HERRAMIENTAS: CAPABILIDAD
CONCEPTOS
• ESTADÍSTICA:“Ciencia que utiliza conjuntos de datos numéricos para

obtener, a partir de ellos, inferencias basadas en el cálculo de
probabilidades”
• FUNCION DE DENSIDAD DE PROBABILIDAD = es una función que

define la probabilidad de que la variable tome un determinado valor.
• Normal ➔
• Exponencial ➔
• Weibull ➔
• Normal ➔
• Exponencial ➔
• Weibull ➔
Las frecuencias tienen Las frecuencias no tienen

forma de Normal. forma de Normal.
Podemos trabajar Debemos analizar
𝑵
𝟏
Media = µ 𝝁 = ෍ 𝒙𝒊
𝑵
𝟏
𝑵
𝟏
Varianza = σ2 𝟐
𝝈 = ෍ 𝒙𝒊 − 𝝁
𝑵
𝟐
Desviación Típica = σ
POBLACIÓN MUESTRA
Parámetros Estadístico
CALCULO todos los elementos (N Muestra de “n”
elementos xi ) elementos << N
POBLACIÓN 𝑁 𝑛
1 1
N elementos xi MEDIA 𝜇 = ෍ 𝑥𝑖 𝑥ҧ = ෍ 𝑥𝑖
𝑁 𝑛
1 1
𝑁 𝑛
2
1 2 2
1 2
VARIANZA 𝜎 = ෍ 𝑥𝑖 − 𝜇 𝑠𝑛 = ෍ 𝑥𝑖 − 𝑥ҧ
𝑁 𝑛
1 1
CORRECCIÓN DE BESSEL para eliminar el sesgo: en

el muestreo sustituir “n” por ”n-1”
𝒏
MUESTRAS 𝟏
n elementos 𝒔𝟐𝒏 = ෍ 𝒙𝒊 − 𝒙 ഥ 𝟐
𝒏−𝟏
𝟏
Recomendado Cp ≥ 2
Recomendado Cpk ≥ 1,33
Ls = Límite superior de la Tolerancia

Li = Límite inferior de la Tolerancia
Recomendado Cpk ≥ 1,33

10,2 ± 0,1 23,0 ± 0,2 71,8 ± 0,3

CÁLCULO Cpk y TOLERANCIAS ANIDADAS

Cliente
Proyecto
Descripcion del Trabajo Solicitado
Fecha de Solictud
Persona Solicitante
Realizado por
Fecha Realización
Prob. L.Inf L.Sup Nom. Límite Superior 0,2000
Valor Nominal 23,0000
Límite Inferior -0,2000
TABLA DE VALORES
23,0000
22,9000
22,9500
22,9600
22,9900
22,9900
23,1000
23,1500
23,05
23,10
23,15
23,20
23,25
22,75
22,80
22,85
22,90
22,95
23,00
MEDIA = 23,0050 DESVIACIÓN = 0,0816
Cpk = 0,80
CÁLCULO Cpk y TOLERANCIAS ANIDADAS

Cliente
Proyecto
Descripcion del Trabajo Solicitado
Fecha de Solictud
Persona Solicitante
Realizado por
Fecha Realización
Prob. L.Inf L.Sup Nom. Límite Superior 0,3000
Valor Nominal 71,8000
Límite Inferior -0,3000
TABLA DE VALORES
71,8000
72,0000
72,1000
72,8000
72,7500
72,7900
72,8200
72,7200
71,60
71,70
72,20
71,40
71,50
71,80
71,90
72,00
72,10
MEDIA = 72,4725 DESVIACIÓN = 0,4278
Cpk = -0,29
DIMENSION Ls-Li σ Cp
10,2 0,2 0,0103 3,24

23,0 0,4 0,0816 0,82
71,8 0,6 0,4375 0,23
SPC: Statistical Process Control

• Es una herramienta en “tiempo real” que se usa para Monitorizar y
Controlar un proceso productivo
• Genera Información que permite TOMAR DECIONES “sobre la marcha”
• Se puede usar en cualquier fase del proceso: Entrada/ Proceso / Salida
• Queremos Controlar una característica del proceso:
• Una dimensión (15,25±0,05)
• Un Valor ( 25,37ºC ±0,5 / 65HRC±5, ….)
• % pieza OK de una especificación (Piezas Ok del Temple)
SPC: Límites
Límites de Especificación (Superior e Inferior) ó Gate Limits: Son los

dados por el plano o la especificación técnica . En el primer ejemplo
(15,25±0,05) serían:
• LSE = 15,30mm
• LIE = 15,20)
Se calculan / definen al principio del proyecto y son fijos, no se cambian
Límites de Control (Superior e Inferior) ó Control Limits: Se calculan

estadísticamente a intervalos definidos. Son dinámicos. Cambian
SPC: Teorema Central del Límite

Tenemos una población de la que sabemos que su media es µ y su
desviación estándar es σ.
Tomamos m muestras de n unidades; calculamos la media de cada

muestra 𝑥ҧ y la media de las muestras 𝑥;ҧ ➔ la nueva distribución se
aproxima a una normal :
𝛴𝑥ҧ 𝜎
𝑥ҧ = ; 𝑠𝑥ҧ =
𝑚 𝑛
SPC: Límites
USL
UCL
± 2σ ± 3σ
LCL
LSL
SPC: Conceptos PROCESO CONTROLADO
50 % USL
50 % LSL
SPC: Conceptos PROCESO CAPAZ
USL
LSL
SPC: Procedimiento
• Definir el tamaño de los subgrupos 2 a 8. (3 son los más
populares).
• Tome los datos durante un período de un par de días
• Recoger los datos (min 25)
• Seleccionar lotes y partes aleatorios

• Seleccionar máquinas y operadores aleatorios
• Verificar Normalidad
SPC: Procedimiento
FORMULAS X/R
𝑅ത
𝜎=
𝑑2
n 2 3 4 5 6 7 8
d2 1,128 1,693 2,059 2,326 2,534 2,704 2,847
DIMENSIÓN 23±0,2
D1 D2 D3 D4 D5 D6 D7 D8 D9 D10
23,070 22,990 22,870 23,080 22,950 22,980 22,980 22,910 22,980 22,980
22,900 23,100 22,890 23,120 23,160 22,990 22,990 23,070 22,990 22,990
22,950 23,150 23,010 23,000 23,180 23,150 23,120 23,010 23,140 22,990
22,960 22,950 23,150 22,990 23,100 23,010 23,000 23,000 23,010 23,090
22,990 22,960 23,000 23,190 23,050 23,050 23,060 22,860 23,050 23,060
DIMENSIÓN 23±0,2
SPC Average and Range ("X-bar and R") for Subgroups of 4

Re-name and save file, delete old data, and enter new data where indicated.
After data has been entered for the first 10 subgroups, the control limits and charts will automatically appear.
Ejemplo 70
Part # or SKU#: Operation #:
Cota 23 Posicionado
Conjunto Soporte
Product Name: Operation name: Φ
Characteristic Cota 23.0±0,2 453
Name: Workstation #: 23,2 --- 22,8
Subgroup # 1 2 3 4 5 6 7 8 9 10
Date 1 1 2 2 3 3 4 4 5 5
Time 1T 2T 1T 2T 1T 2T 1T 2T 1T 2T
Operator A B A B D B D V D V
Notes
Measurement 1 23.07 22.99 22.87 23.08 22.95 22.98 22.98 22.91 22.98 22.98
Measurement 2 22.9 23.1 22.89 23.12 23.16 22.99 22.99 23.07 22.99 22.99
Measurement 3 22.95 23.15 23.01 23 23.18 23.15 23.12 23.01 23.14 22.99
Measurement 4 22.96 22.95 23.15 22.99 23.1 23.01 23 23 23.01 23.09
SPC Average and Range ("X-bar and R") for Subgroups of 4
Ejemplo 70
Part # or SKU#: Operation #:
Cota 23 Posicionado
Conjunto Soporte
Product Name: Operation name: Φ
Characteristic Cota 23.0±0,2 453
Name: Workstation #: 23,2 --- 22,8
Subgroup Average 22.97 23.0475 22.98 23.0475 23.0975 23.0325 23.0225 22.9975 23.03 23.0125
UCL for Average 23.15133 23.15133 23.15133 23.15133 23.15133 23.15133 23.15133 23.15133 23.15133 23.15133
Grand Average 23.02375 23.02375 23.02375 23.02375 23.02375 23.02375 23.02375 23.02375 23.02375 23.02375
LCL for Average 22.89618 22.89618 22.89618 22.89618 22.89618 22.89618 22.89618 22.89618 22.89618 22.89618
23.2
23.15
23.1
23.05
23
22.95
22.9
22.85
22.8
22.75
Subgroup Range 0.17 0.2 0.28 0.13 0.23 0.17 0.14 0.16 0.16 0.11
UCL for Range 0.39935 0.39935 0.39935 0.39935 0.39935 0.39935 0.39935 0.39935 0.39935 0.39935
Average Range 0.175 0.175 0.175 0.175 0.175 0.175 0.175 0.175 0.175 0.175
0.45
0.4
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0
HERRAMIENTAS: FIABILIDAD
• ESTADÍSTICA:“Ciencia que utiliza conjuntos de datos numéricos para

obtener, a partir de ellos, inferencias basadas en el cálculo de
probabilidades”
• PROBABILIDAD: “Cálculo matemático de las posibilidades que

existen de que una cosa se cumpla o suceda al azar”
• C = A or B ➔ P(C) = P(A) + P(B)

• C = A and B ➔ P(C) = P(A) * P(B)
¿Qué es la tasa de fallo (λ)?

Es el número de unidades que fallan por unidad de tiempo y, cada
producto / sistema… tiene una tasa de falla, λ.
Esta tasa de falla cambia a lo largo de la vida útil del producto,

(curva de la bañera)
¿Qué es la tasa de fallo (λ)?

ES EL NÚMERO DE UNIDADES QUE FALLAN POR UNIDAD DE
TIEMPO, TRABAJANDO SEGÚN UNA ESPECIFICACIÓN
DETERMINADA
CADA PRODUCTO / SISTEMA… TIENE UNA TASA DE FALLA, λ.
ESTA TASA DE FALLO CAMBIA A LO LARGO DE LA VIDA ÚTIL DEL

PRODUCTO, (CURVA DE LA BAÑERA)
EJEMPLO: DURANTE EL ENSAYO DE FATIGA, A LAS 500h NOS HAN

FALLADO 2 PIEZAS DE UN LOTE DE 50. ¿CUÁL ES EL VALOR DE λ?
Horas Ensayadas = 500*50 = 25.000horas

λ = 2/25.000 ➔ 0,0008 u/hora
Se han ensayado 50 unidades de un rodamiento según la

especificación (min 5.000h), con los resultados siguientes:
• A las 500h ➔ 0 fallos

• A las 1000 horas ➔ 1 Fallo
• A las 2000 horas ➔ 3 Fallos
• Total = 4 fallos
• Horas ensayos = 50*5000 = 250.000h
λ = 4/250k = 0,000016 u/h

¿QUÉ ES MTBF?
MTBF (Mean Time between failures) es el tiempo,

usualmente en horas, que transcurre entre dos fallos.
Si λ es constante durante la vida del producto o sistema (la

vida útil) entonces:
1
𝑀𝑇𝐵𝐹 =
𝜆
EJEMPLO: SI, DURANTE LOS ENSAYOS DE VIDA,

HEMOS CALCULADO QUE λ = 0,2% CADA 1000H. ¿CUÁL
ES EL VALOR DE MTBF PARA ESTE SISTEMA?
PARA “CONSEGUIR” UN FALLO NECESITAMOS 500

VECES λ (500*0,2 = 1 <> 100%) ➔ 500 * 1000h ➔ MTBF =
500.000 HORAS
ES DECIR 500.000H/(365DIAS*24H/DIA) ➔ 57
AÑOS
Se han ensayado 50 unidades de un rodamiento según la

especificación (min 5.000h), con los resultados siguientes:
• A las 500h ➔ 0 fallos

• A las 1000 horas ➔ 1 Fallo
• A las 2000 horas ➔ 3 Fallos
• Total = 4 fallos
• Horas ensayos = 50*5000 = 250.000h
λ = 4/250k = 0,000016 u/h
MTBF = 1 / λ = 62,5 kh
¿QUÉ ES LA FIABILIDAD?
LA FIABILIDAD ES LA PROBABILIDAD DE QUE OCURRA UN FALLO

EN UN TIEMPO DADO.
SI λ ES CONSTANTE LA PROBABILIDAD DE QUE EL SISTEMA

FALLE ES:
𝒕
−𝝀∗𝒕 −𝑴𝑻𝑩𝑭
𝑭𝒊𝒂𝒃𝒊𝒍𝒊𝒅𝒂𝒅 𝑹 𝒕 = 𝒆 = 𝒆
ES DECIR, CUANDO ALCANZAMOS EL MTBF (HORAS)
𝑹 𝒕 = ⅇ−𝟏 = 0,37
¿QUÉ ES LA FIABILIDAD?
LA FIABILIDAD ES LA PROBABILIDAD DE QUE OCURRA UN FALLO
EN UN TIEMPO DADO.
SI λ ES CONSTANTE LA PROBABILIDAD DE QUE EL SISTEMA
FALLE ES:
𝒕
−𝑴𝑻𝑩𝑭
𝑭𝒊𝒂𝒃𝒊𝒍𝒊𝒅𝒂𝒅 𝑹 𝒕 = 𝒆−𝝀∗𝒕 =𝒆
ES DECIR, CUANDO ALCANZAMOS EL MTBF (HORAS)

𝑹 𝒕 = ⅇ−𝟏 = 0,37
ES DECIR: LA PROBABILIDAD DE QUE NUESTRO SISTEMA SIGA FUNCIONANDO
DESPUÉS DE MTBF HORAS ES DEL 37%
O, QUE UNA UNIDAD TIENE EL 37% DE PROBABILIDADES DE SUPERAR LAS

HORAS DE MTBF
CON EL EJEMPLO ANTERIOR (MTBF = 500.000h)
¿Cuál es la probabilidad de que nuestro sistema siga funcionando

después de 3 años?
t = 365*24*3 = 26280)h
MTBF = 500.000
R(26280) = e^-(26280/500000) = 0,949 ➔ 95%
CON EL EJEMPLO ANTERIOR (MTBF = 500.000h)
¿Cuál es la probabilidad de que en un sistema con tres bombas

falle alguna al cabo de tres años?
La probabilidad de fallo de una bomba es = 1-R(26280) = 5%

La probabilidad de que falle una cualquiera a los 3 años será 5% * 3 =
15%
Si R(t) es la fiabilidad, la PROBABILIDAD DE FALLO será

𝑷𝒓𝒐𝒃𝒂𝒃𝒊𝒍𝒊𝒅𝒂𝒅 𝒅𝒆 𝑭𝒂𝒍𝒍𝒐 𝑭 𝒕 = 1 − 𝑹 𝒕
Supongamos un sistema del que hemos calculado que el MTBF =
9.000h. Este sistema sabemos que trabaja 2000h horas/año. Su
curva de fallo será:
Horas Año 2000 % Fallo

MTBF 9000 100,0%
t % Fallo 90,0%
0 0,0% 80,0%
1 19,9% 70,0%
2 35,9%
% de fallos
60,0%
3 48,7% 50,0%
4 58,9% 40,0%
5 67,1% 30,0%
6 73,6% 20,0%
7 78,9% 10,0%
8 83,1% 0,0%
9 86,5% 0 1 2 3 4 5 6 7 8 9 10 11
10 89,2% Años de Funcionamiento (2000h/año)
% Fallo
100,0%
90,0%
80,0%
70,0%
% de fallos
60,0%
50,0%
40,0%
30,0%
20,0%
10,0%
0,0%
0 1 2 3 4 5 6 7 8 9 10 11
Años de Funcionamiento (2000h/año)
PERO HAY SISTEMAS / EQUIPOS DE LOS

QUE SABEMOS QUE LA PROBABILIDAD DE
FALLO EN LOS PRIMEROS INTERVALOS ES
MUCHO MENOR
Podemos usar la función de Weibull, en vez de la exponencial, y así

ajustar mejor la curva a los datos reales: p.e. eliminar los fallos infantiles.
La función de Weibull tiene la fórmula siguiente:

𝒕−𝒕0 𝜷
− 𝜼
𝑭𝒊𝒂𝒃𝒊𝒍𝒊𝒅𝒂𝒅 𝑹 𝒕 = 𝒆
Donde:
• t= tiempo en horas
• t0 = tiempo en horas durante el cual sabemos que no habrá
fallos
• η = Es el valor del tiempo en horas para el que se obtiene el
63% de los fallos acumulados. Es un valor calculado.
• β= Es el parámetro de forma de la función.
o Siempre mayor que 0
o Si es <1 representa fallos tempranos
o Si es = 1, es la función logarítmica
o Si es = 3, es la Normal
o Para valores mayores representa la aceleración de la
fatiga t0 y β son valores que deben estimarse.
Ejemplo de la influencia de β en el comportamiento de la curva de

fiabilidad β= 1
β= 0,5
β= 2 β= 4
HERRAMIENTAS: 8D
Cuando se detecte un problema o causa de establecimiento de una acción correctiva, preventiva o una acción de mejora que a juicio del
Responsable de Calidad o de la Dirección requiera la aplicación de una acción, se sigue la sistemática de las 8 disciplinas (FPG-ME-01) que tiene los
siguientes pasos:
LANZAMIENTO: El responsable del departamento inicia el informe indicando el año / número correlativo (se pide el numero al Responsable de
Calidad), el tipo de acción de que se trata (correctiva, preventiva o de mejora), el origen de dicha acción (Departamento, cliente, etc.), la fecha de
apertura y se identifica el problema detectado.
PASO 1: El Director del departamento establece el grupo o persona responsable de resolver la acción e indica la fecha.
PASO 2: El responsable de la acción define el problema real encontrado o la mejora en términos medibles, indicando si se trata de un problema
interno o externo (relacionado con incidencia de cliente).
PASO 3: En caso necesario, el responsable define e implementa la acción de contención inmediata para paliar / eliminar el problema en el cliente
hasta que la acción correctiva sea implementada. Realiza un seguimiento de la fecha de realización de dicha acción de contención. Este paso no
aplica para acciones de mejora.
PASO 4: El responsable se reúne con los responsables afectados con el fin de determinar la causa real del problema o el motivo de la mejora
propuesta, sugerencias, etc. Para ello, se estudian y definen las posibles causas, y de entre ellos, se determinan las causas del problema.
PASO 5: Con los implicados y en función de las causas detectadas, se definen las acciones a llevar a cabo, y se seleccionan en función de su
efectividad.
PASO 6: Se establece el(los) responsable(s) de la implantación de la(s) acción(es) y en qué plazo máximo la(s) acción(es) tendrá que estar totalmente
implantada.
PASO 7: Cuando ha transcurrido el plazo fijado, el Responsable verifica la eficacia de la acción implantada valorando la no recurrencia y deja
constancia del resultado en el informe.
PASO 8: El responsable cierra el 8D, lo comunica al Responsable de Calidad y Director felicita al equipo.
HERRAMIENTAS: 8D
HERRAMIENTAS: 8D
El responsable de la acción
define el problema real
encontrado o la mejora en
términos medibles, indicando
si se trata de un problema
interno o externo (relacionado
con incidencia de cliente
En caso necesario, el responsable define e
implementa la acción de contención
inmediata para paliar / eliminar el problema
en el cliente hasta que la acción correctiva
sea implementada. Realiza un seguimiento
de la fecha de realización de dicha acción de
contención. Este paso no aplica para acciones
de mejora.
HERRAMIENTAS: 8D
El responsable se reúne con los responsables afectados

con el fin de determinar la causa real del problema o el
motivo de la mejora propuesta, sugerencias, etc. Para ello,
se estudian y definen las posibles causas, y de entre ellos,
se determinan las causas del problema
Se establece el(los) responsable(s) de la

implantación de la(s) acción(es) y en qué
plazo máximo la(s) acción(es) tendrá que
estar totalmente implantada.
HERRAMIENTAS: 8D
HERRAMIENTAS: 8D
HERRAMIENTAS: 8D
DIRECCIÓN DE PROYECTOS

Mfpia - 02

Cargado por

Información del documento

Título original

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

Mfpia - 02

Cargado por

Copyright:

Formatos disponibles

MÁSTER EN INGENIERÍA DE AUTOMOCIÓN

Dirección de proyectos de automoción y calidad

Angel Enríquez de Salamanca Muller

• ESTADÍSTICA:“Ciencia que utiliza conjuntos de datos numéricos para

• FUNCION DE DENSIDAD DE PROBABILIDAD = es una función que

Las frecuencias tienen Las frecuencias no tienen

CORRECCIÓN DE BESSEL para eliminar el sesgo: en

Recomendado Cpk ≥ 1,33

Ls = Límite superior de la Tolerancia

Recomendado Cpk ≥ 1,33

10,2 ± 0,1 23,0 ± 0,2 71,8 ± 0,3

CÁLCULO Cpk y TOLERANCIAS ANIDADAS

MEDIA = 23,0050 DESVIACIÓN = 0,0816

CÁLCULO Cpk y TOLERANCIAS ANIDADAS

MEDIA = 72,4725 DESVIACIÓN = 0,4278

10,2 0,2 0,0103 3,24

SPC: Statistical Process Control

Límites de Especificación (Superior e Inferior) ó Gate Limits: Son los

Límites de Control (Superior e Inferior) ó Control Limits: Se calculan

SPC: Teorema Central del Límite

Tomamos m muestras de n unidades; calculamos la media de cada

SPC: Conceptos PROCESO CONTROLADO

SPC: Conceptos PROCESO CAPAZ

• Seleccionar lotes y partes aleatorios

SPC Average and Range ("X-bar and R") for Subgroups of 4

• ESTADÍSTICA:“Ciencia que utiliza conjuntos de datos numéricos para

• PROBABILIDAD: “Cálculo matemático de las posibilidades que

• C = A or B ➔ P(C) = P(A) + P(B)

¿Qué es la tasa de fallo (λ)?

Esta tasa de falla cambia a lo largo de la vida útil del producto,

¿Qué es la tasa de fallo (λ)?

CADA PRODUCTO / SISTEMA… TIENE UNA TASA DE FALLA, λ.

ESTA TASA DE FALLO CAMBIA A LO LARGO DE LA VIDA ÚTIL DEL

EJEMPLO: DURANTE EL ENSAYO DE FATIGA, A LAS 500h NOS HAN

Horas Ensayadas = 500*50 = 25.000horas

Se han ensayado 50 unidades de un rodamiento según la

• A las 500h ➔ 0 fallos

λ = 4/250k = 0,000016 u/h

MTBF (Mean Time between failures) es el tiempo,

Si λ es constante durante la vida del producto o sistema (la

EJEMPLO: SI, DURANTE LOS ENSAYOS DE VIDA,

PARA “CONSEGUIR” UN FALLO NECESITAMOS 500

Se han ensayado 50 unidades de un rodamiento según la

• A las 500h ➔ 0 fallos

λ = 4/250k = 0,000016 u/h

LA FIABILIDAD ES LA PROBABILIDAD DE QUE OCURRA UN FALLO

SI λ ES CONSTANTE LA PROBABILIDAD DE QUE EL SISTEMA

ES DECIR, CUANDO ALCANZAMOS EL MTBF (HORAS)

O, QUE UNA UNIDAD TIENE EL 37% DE PROBABILIDADES DE SUPERAR LAS

CON EL EJEMPLO ANTERIOR (MTBF = 500.000h)

¿Cuál es la probabilidad de que nuestro sistema siga funcionando

CON EL EJEMPLO ANTERIOR (MTBF = 500.000h)

¿Cuál es la probabilidad de que en un sistema con tres bombas

La probabilidad de fallo de una bomba es = 1-R(26280) = 5%

Si R(t) es la fiabilidad, la PROBABILIDAD DE FALLO será

Horas Año 2000 % Fallo

PERO HAY SISTEMAS / EQUIPOS DE LOS

Podemos usar la función de Weibull, en vez de la exponencial, y así

La función de Weibull tiene la fórmula siguiente:

Ejemplo de la influencia de β en el comportamiento de la curva de

El responsable se reúne con los responsables afectados

Se establece el(los) responsable(s) de la

También podría gustarte