Garantievoorspelling (Warranty Prediction)

Warranty Prediction gebruikt een gefit betrouwbaarheidsmodel om het aantal toekomstige garantieretouren te voorspellen dat in een opgegeven periode wordt verwacht. Zo kunnen fabrikanten de kosten van garantievoorzieningen schatten, servicecapaciteit plannen en mogelijke kwaliteitsproblemen opsporen voordat ze zich opstapelen tot aanzienlijke verplichtingen.

Laatst beoordeeld

Belangrijkste conclusie

Warranty Prediction gebruikt een gefit betrouwbaarheidsmodel om het aantal toekomstige garantieretouren te voorspellen dat in een opgegeven periode wordt verwacht.

Op deze pagina
  1. Wat is garantievoorspelling (Warranty Prediction) ?
  2. Wanneer gebruikt u garantievoorspelling?
  3. Richtlijnen voor correct gebruik van garantievoorspelling
  4. Alternatieven: wanneer u geen garantievoorspelling gebruikt
  5. Voorbeeld van garantievoorspelling
  6. Zo werkt garantievoorspelling

Wat is garantievoorspelling (Warranty Prediction) ?

Warranty Prediction gebruikt een gefit betrouwbaarheidsmodel om het aantal toekomstige garantieretouren te voorspellen dat in een opgegeven periode wordt verwacht. Zo kunnen fabrikanten de kosten van garantievoorzieningen schatten, servicecapaciteit plannen en mogelijke kwaliteitsproblemen opsporen voordat ze zich opstapelen tot aanzienlijke verplichtingen.

Eenvoudige definitie: Een voorspeltool die de faalgeschiedenis van uw product gebruikt om te voorspellen hoeveel garantieretouren in de toekomst te verwachten zijn, waardoor proactieve kostenplanning, personeelsplanning en beheer van reserveonderdelen mogelijk worden.

Wanneer gebruikt u garantievoorspelling?

  • Gebruik haar wanneer bestaande gegevens over garantieretouren of veldfalen beschikbaar zijn en u toekomstige retourvolumes wilt voorspellen.
  • Gebruik haar voor financiële schatting van garantievoorzieningen en het kwantificeren van de verwachte verplichting uit eenheden die zich momenteel in het veld bevinden.
  • Gebruik haar wanneer nieuwe eenheden met een bekende snelheid het veld in worden verzonden en u rekening moet houden met de groeiende populatie die risico loopt.

Richtlijnen voor correct gebruik van garantievoorspelling

  • Zorg dat het onderliggende betrouwbaarheidsmodel goed bij de historische gegevens past voordat u voorspellingen genereert — een slecht passend model geeft onbetrouwbare voorspellingen.
  • Let nauwkeurig op het toekomstige verzendplan — voorspellingen zijn zeer gevoelig voor de aangenomen volumes nieuwe eenheden die het veld ingaan.
  • Werk het model regelmatig bij naarmate er meer retourgegevens binnenkomen — vroege veldgegevens zijn mogelijk niet representatief voor het gedrag op lange termijn.

Alternatieven: wanneer u geen garantievoorspelling gebruikt

  • Als er geen historische faalgegevens bestaan, voer dan eerst Demonstration- of Estimation-testplannen uit om betrouwbaarheidsschattingen te genereren voordat u voorspellingen probeert.
  • Als het productontwerp aanzienlijk is gewijzigd sinds de historische gegevens zijn verzameld, zijn eerdere retourgegevens mogelijk niet representatief — verzamel nieuwe gegevens voor het bijgewerkte ontwerp.

Voorbeeld van garantievoorspelling

Een betrouwbaarheidsingenieur wil garantieclaims voorspellen die het gevolg zijn van defecte koelkastcompressors. Hij verzamelt en beoordeelt maandelijkse faalgegevens van het afgelopen jaar. De faalpatronen worden gemodelleerd met een Weibull-verdeling. Door de garantiegegevens te ordenen en te verfijnen kan de ingenieur toekomstige garantieclaims nauwkeurig voorspellen. De volgende stappen:

  1. De benodigde gegevens verzameld.
Warranty Prediction — figure 1

2. Analyseer de gegevens nu in Zometric Statistical Software op https://statsai.zometric.com/.

3. Om Warranty Prediction te vinden, kiest u Statistical module> Reliability>Warranty Prediction.

4. Voer in de tool de gegevens en de overige invoer als volgt in:

Warranty Prediction — figure 2

5. Na gebruik van de bovengenoemde tool wordt de uitvoer als volgt weergegeven:

Warranty Prediction — figure 3Warranty Prediction — figure 4

Zo werkt garantievoorspelling

De handleiding is als volgt:

  1. Meld u aan bij Zometric Statistical Software op https://statsai.zometric.com/
  2. Kies op de startpagina Statistical Tool> Reliability>Warranty Prediction.
  3. Werk vervolgens de gegevens handmatig bij, of kopieer (Ctrl+C) de gegevens volledig uit een Excel-blad of plak (Ctrl+V) ze, of gebruik de optie Load Example, waarmee de voorbeeldgegevens worden geladen.
  4. Vul vervolgens de vereiste opties in.
  5. Klik ten slotte onderaan de pagina op Calculate en u krijgt de gewenste resultaten.

Op het dashboard van Warranty Prediction is het venster in twee delen verdeeld.

Warranty Prediction — figure 5

Links bevindt zich het Data Pane. In het Data Pane vormt elke rij één subgroep. Gegevens kunnen handmatig worden ingevoerd, of u kunt de gegevens volledig kopiëren (Ctrl+C) uit een Excel-blad en hier plakken (Ctrl+V).

Load example: Er worden voorbeeldgegevens geladen.

Rechts staan de volgende opties:

  • Start Time: Selecteer de kolom met het begin van elke tijdsperiode in de garantiegegevens — doorgaans de kalenderdatum of maand waarin eenheden begonnen met het opbouwen van gebruikstijd.
  • End Time: Selecteer de kolom met het einde van elke tijdsperiode. Samen met Start Time bepaalt dit het interval waarin retouren worden geteld en de blootstelling in gebruik wordt berekend.
  • Frequency: Selecteer de kolom met het aantal garantieretouren (falen) dat in elk interval van start tot einde is geregistreerd. Dit is het aantal eenheden dat in elke periode is uitgevallen en geretourneerd.
  • Assumed Distribution: Selecteer het statistische model dat het faaltijdgedrag van het product beschrijft. Weibull is de standaardkeuze en de meest gebruikte verdeling voor betrouwbaarheids- en garantiemodellering, omdat ze afhankelijk van de vormparameter faalwijzen in de beginfase, willekeurige faalwijzen en slijtagefaalwijzen kan weergeven.
  • Predict Failures for Time Period: Voer de toekomstige tijdsperiode in waarover u garantieretouren wilt voorspellen — bijvoorbeeld de komende 12 maanden of de komende 3 jaar. Het model gebruikt de gefitte verdeling en de bekende populatie die risico loopt om te voorspellen hoeveel retouren in dit toekomstige venster worden verwacht.

Veelgestelde vragen

Wat is garantievoorspelling?

Garantievoorspelling gebruikt een gefit betrouwbaarheidsmodel om het aantal toekomstige garantieretouren in een opgegeven periode te voorspellen. Ze helpt fabrikanten de kosten van garantievoorzieningen te schatten, servicecapaciteit en reserveonderdelen te plannen en mogelijke kwaliteitsproblemen op te sporen voordat ze aanzienlijke verplichtingen worden.

Wanneer gebruikt u garantievoorspelling?

Gebruik haar wanneer gegevens over garantieretouren of veldfalen beschikbaar zijn en u toekomstige retourvolumes wilt voorspellen, voor financiële schattingen van garantievoorzieningen, of wanneer nieuwe eenheden met een bekende snelheid het veld in worden verzonden en rekening moet worden gehouden met de groeiende populatie die risico loopt. Voer zonder historische faalgegevens eerst demonstratie- of schattingstestplannen uit.

Welke gegevens hebt u nodig voor garantievoorspelling?

U hebt kolommen nodig voor het begin en het einde van elke tijdsperiode en voor de frequentie, het aantal garantieretouren in elk interval. U kiest ook de aangenomen faalverdeling, met Weibull als standaard, en de toekomstige tijdsperiode waarover u falen wilt voorspellen.

Waarom wordt Weibull gebruikt voor garantievoorspelling?

Weibull is de standaardkeuze en de meest gebruikte verdeling voor betrouwbaarheids- en garantiemodellering omdat ze, afhankelijk van de vormparameter, faalwijzen in de beginfase, willekeurige faalwijzen en slijtagefaalwijzen kan weergeven. Controleer of het model goed bij de historische gegevens past voordat u op de voorspellingen vertrouwt, en werk het bij naarmate er nieuwe retourgegevens binnenkomen.