Predicción de garantía

La predicción de garantía usa un modelo de fiabilidad ajustado para pronosticar el número de devoluciones en garantía futuras que se esperan en un periodo especificado. Esto permite a los fabricantes estimar los costos de la reserva de garantía, planificar la capacidad de servicio y detectar posibles problemas de calidad antes de que se acumulen hasta convertirse en pasivos significativos.

Última revisión:

Idea clave

La predicción de garantía usa un modelo de fiabilidad ajustado para pronosticar el número de devoluciones en garantía futuras que se esperan en un periodo especificado.

En esta página
  1. ¿Qué es la predicción de garantía?
  2. ¿Cuándo usar la predicción de garantía?
  3. Pautas para el uso correcto de la predicción de garantía
  4. Alternativas: cuándo no usar la predicción de garantía
  5. Ejemplo de predicción de garantía
  6. Cómo realizar la predicción de garantía

¿Qué es la predicción de garantía?

La predicción de garantía usa un modelo de fiabilidad ajustado para pronosticar el número de devoluciones en garantía futuras que se esperan en un periodo especificado. Esto permite a los fabricantes estimar los costos de la reserva de garantía, planificar la capacidad de servicio y detectar posibles problemas de calidad antes de que se acumulen hasta convertirse en pasivos significativos.

Definición sencilla: Una herramienta de pronóstico que usa el historial de fallas de su producto para predecir cuántas devoluciones en garantía cabe esperar en el futuro, lo que permite una planificación proactiva de costos, de personal y de la gestión de repuestos.

¿Cuándo usar la predicción de garantía?

  • Úsela cuando se dispone de datos de devoluciones en garantía o de fallas en campo existentes y desea proyectar los volúmenes de devoluciones futuros.
  • Úsela para la estimación de la reserva financiera de garantía y para cuantificar el pasivo esperado de las unidades que se encuentran actualmente en campo.
  • Úsela cuando se envían unidades nuevas al campo a un ritmo conocido y necesita tener en cuenta la creciente población en riesgo.

Pautas para el uso correcto de la predicción de garantía

  • Asegúrese de que el modelo de fiabilidad subyacente se ajusta bien a los datos históricos antes de generar pronósticos; un modelo con mal ajuste produce predicciones poco fiables.
  • Establezca con exactitud el plan de envíos futuros ; las predicciones son muy sensibles a los volúmenes supuestos de unidades nuevas que entran en el campo.
  • Actualice el modelo con regularidad a medida que se acumulan nuevos datos de devoluciones; los primeros datos de campo pueden no representar el comportamiento a largo plazo.

Alternativas: cuándo no usar la predicción de garantía

  • Si no existen datos históricos de fallas, ejecute primero planes de prueba de demostración o de estimación para generar estimaciones de fiabilidad antes de intentar hacer predicciones.
  • Si el diseño del producto ha cambiado de forma significativa desde que se recopilaron los datos históricos, los datos de devoluciones pasados pueden no ser representativos; recopile nuevos datos para el diseño actualizado.

Ejemplo de predicción de garantía

Un ingeniero de fiabilidad quiere pronosticar las reclamaciones de garantía por compresores de refrigerador defectuosos. Reúne y evalúa los datos mensuales de fallas del último año. Los patrones de falla se modelan con una distribución de Weibull. Al organizar y depurar los datos de garantía, el ingeniero puede predecir con exactitud las reclamaciones de garantía futuras. Los pasos son los siguientes:

  1. Recopiló los datos necesarios.
Warranty Prediction — figure 1

2. Ahora analice los datos en Zometric Statistical Software en https://statsai.zometric.com/.

3. Para encontrar Warranty Prediction, elija Statistical module> Reliability>Warranty Prediction.

4. Dentro de la herramienta, introduzca los datos junto con otras entradas de la siguiente manera:

Warranty Prediction — figure 2

5. Tras usar la herramienta mencionada, obtiene la siguiente salida:

Warranty Prediction — figure 3Warranty Prediction — figure 4

Cómo realizar la predicción de garantía

La guía es la siguiente:

  1. Inicie sesión en Zometric Statistical Software en https://statsai.zometric.com/
  2. En la página de inicio, elija Statistical Tool> Reliability>Warranty Prediction.
  3. A continuación, introduzca los datos manualmente o copie todos los datos (Ctrl+C) de una hoja de Excel y péguelos (Ctrl+V); también puede usar la opción Load Example, con la que se cargarán los datos de ejemplo.
  4. A continuación, debe completar las opciones necesarias.
  5. Por último, haga clic en calculate en la parte inferior de la página para obtener los resultados deseados.

En el tablero de Warranty Prediction, la ventana está dividida en dos partes.

Warranty Prediction — figure 5

En la parte izquierda se encuentra el panel de datos (Data Pane). En el Data Pane, cada fila forma un subgrupo. Los datos pueden introducirse manualmente o copiarse por completo (Ctrl+C) de una hoja de Excel y pegarse (Ctrl+V) aquí.

Load example: Se cargarán los datos de ejemplo.

En la parte derecha hay varias opciones, como las siguientes:

  • Start Time: Seleccione la columna que contiene el inicio de cada periodo de tiempo en los datos de garantía, normalmente la fecha de calendario o el mes en que las unidades comenzaron a acumular tiempo en servicio.
  • End Time: Seleccione la columna que contiene el final de cada periodo de tiempo. Junto con Start Time, define el intervalo durante el cual se cuentan las devoluciones y se calcula la exposición en servicio.
  • Frequency: Seleccione la columna que contiene el número de devoluciones en garantía (fallas) registradas en cada intervalo de inicio a fin. Es el recuento de unidades que fallaron y fueron devueltas durante cada periodo.
  • Assumed Distribution: Seleccione el modelo estadístico usado para describir el comportamiento del tiempo hasta la falla del producto. Weibull es la distribución predeterminada y la más utilizada para el modelado de fiabilidad y garantía, ya que, según el parámetro de forma, puede representar los modos de falla de vida temprana, aleatorios y de desgaste.
  • Predict Failures for Time Period: Introduzca el periodo futuro durante el cual desea pronosticar las devoluciones en garantía, por ejemplo, los próximos 12 meses o los próximos 3 años. El modelo usa la distribución ajustada y la población en riesgo conocida para proyectar cuántas devoluciones se esperan durante esta ventana futura.

Preguntas frecuentes

¿Qué es la predicción de garantía?

La predicción de garantía usa un modelo de fiabilidad ajustado para pronosticar el número de devoluciones en garantía futuras en un periodo especificado. Ayuda a los fabricantes a estimar los costos de la reserva de garantía, planificar la capacidad de servicio y los repuestos, y detectar posibles problemas de calidad antes de que se conviertan en pasivos significativos.

¿Cuándo debe usarse la predicción de garantía?

Úsela cuando se disponga de datos de devoluciones en garantía o de fallas en campo y desee proyectar los volúmenes de devoluciones futuros, para estimar la reserva financiera de garantía, o cuando se envíen unidades nuevas al campo a un ritmo conocido y deba tenerse en cuenta la creciente población en riesgo. Sin datos históricos de fallas, ejecute primero planes de prueba de demostración o de estimación.

¿Qué datos se necesitan para la predicción de garantía?

Se necesitan columnas para el inicio y el final de cada periodo de tiempo y la frecuencia, es decir, el número de devoluciones en garantía en cada intervalo. También se elige la distribución de falla supuesta, con Weibull como valor predeterminado, y el periodo futuro para el que se predicen las fallas.

¿Por qué se usa Weibull para la predicción de garantía?

Weibull es la distribución predeterminada y la más utilizada para el modelado de fiabilidad y garantía porque, según su parámetro de forma, puede representar los modos de falla de vida temprana, aleatorios y de desgaste. Compruebe que el modelo se ajusta bien a los datos históricos antes de confiar en sus pronósticos, y actualícelo a medida que lleguen nuevos datos de devoluciones.