As previsões exatas sobre a quantidade de produtos que serão retornados sob o período de garantia podem trazer grandes benefícios às empresas. Entre outras vantagens, uma melhor análise dos dados de garantia permite que a empresa faça a alocação dos recursos mais eficiente em relação aos serviços da garantia. Do mesmo modo, permite que o fabricante antecipe as necessidades do cliente e tome as etapas necessárias para segurar a satisfação do cliente com o processo de garantia. A análise de dados de garantia também pode fornecer a antecipação de um sinal ao fabricante quando um problema sério da qualidade do produto em campo, onde dará tempo para que a empresa mobilize seus recursos para para evitar que problemas legais, financeiros e outros ocorram. Este artigo apresenta o processo de como a análise de garantia pode ser realizada no Weibull++.

A utilidade da análise de garantia que está disponível no Weibull++, permite que você converta rapidamente e facilmente os dados do retorno de garantia para planilha padrão de dados de confiabilidade, em forma de falhas e de suspensões de modo que possa ser analisada com os métodos tradicionais de análise de dados de vida. A utilidade em usar os dados de vida é gerar predições sobre a quantidade de retornos de garantia que podem se esperar no futuro. Os seguintes exemplos ilustram os princípios em que esta utilidade é baseada.

Dados Requeridos

A quantidade de remessa e de retorno de garantia são as exigências mínimas dos dados para se executar uma análise de dados de garantia eficaz. Se uma empresa se mantiver a par da quantidade de unidades que estão enviadas em cada período de tempo (por exemplo, mês) e a quantidade de unidades desse período da remessa que são retornadas em períodos de tempo subseqüentes, as análises de dados de vida (incluindo predições de falha) podem ser executadas. Para cada período que decorre depois que as unidades são enviadas, conta o número dos retornos (falhas) e calcula o número das unidades da remessa que resta em campo (suspensões). Os dados podem ser organizados em uma tabela diagonal como essa mostrada na Figura 1.

Figura 1: Dados de Remessas e Retornos no Weibull++ 6.

Exemplo 1: Gerando Dados de Vida

Suponha que sua empresa controla as remessas de mercadoria e a uma base mensal de retorno de garantia. A tabela na Figura 1 mostra a remessa  em junho, julho e agosto e o retorno de garantia de julho em setembro.

Para converter estas informações em dados de vida, você deve ter uma base das remessas e retornos da empresa mês a mês. Das 100 unidades enviadas em junho, 3 foram retornadas em julho. Isto é, 3 falhas em 1 mês da remessa de junho (F_JUN,1 = 3). Do mesmo modo, 3 falhas da remessa de junho ocorreram em agosto (F_JUN,2 = 3) e 5 em setembro (F_JUN,3  = 5). No fim do período de 3 meses de análise, 11 unidades foram retornadas e 89 unidades ainda estavam no campo. As 89 unidades são consideradas como suspensões em três meses (S_JUN,3 = 89). Para as 140 unidades enviadas em julho, as seguintes falhas e suspensões são observadas: F_JUL,1 = 2, F_JUL,2 = 4 and S_JUL,2 = 134. Para remessa final de 150 em agosto, 4 falharam em setembro (F_AUG,1 = 4) com as 146 unidades restantes sendo consideradas como suspensas em 1 mês de operação (S_AUG,1 = 146).

Para obter o conjunto de dados de confiabilidade, você deve adicionar a quantidade de falhas e de suspensões para cada mês, como mostrado em seguida:

Para gerar este conjunto de dados utilizando a Warranty Analysis do Weibull++, clique no botão Create Weibull Data para gerar os resultados mostrados na Figura 2. Este conjunto de dados pode ser transferido para o Data Folio do Weibull++ e ser analisado. Usando a análise de MLE para uma distribuição de Weibull com dois parâmetros, as estimativas dos parâmetro são: Beta = 2.49 e Eta = 6.70.

Figura 2: Gerando os Dados de Confiabilidade no Weibull++ 6.

Exemplo 2: Criando as Predições de Garantia

Uma vez que você executou uma análise de dados de vida com os dados de garantia, você pode usar esses resultados para predizer a quantidade de retornos na garantia que você espera em períodos de tempo subseqüentes. Usando o conceito de confiabilidade condicional, você pode calcular a probabilidade da falha para as unidades restantes após cada período de tempo da remessa. Em seguida, você pode multiplicar esta probabilidade de falha pelo número das unidades desse período de remessa que resta em campo a fim predizer que o número das falhas ou de garantia que retornará dentro do próximo período.

Usando a análise executada no Exemplo 1, você pode determinar a probabilidade condicional de falha para cada período de tempo das remessas e aplicar essa probabilidade ao número das unidades que ainda estavam operando no fim de setembro. A equação de probabilidade condicional de falha é dada por:

Para a remessa de junho, 89 unidades não tinham sido retornadas até o fim de setembro. A probabilidade de uma destas unidades falhar no mês seguinte é:

Este valor é multiplicado por S_JUN,3 = 89 para determinar o número de falhas ou:

ou 12 unidades.

Conseqüentemente, o número previsto de retornos para outubro da remessa de junho é 12 unidades. As predições para as quantidades de retornos que podem se esperar em outubro das remessas de julho e de agosto podem ser executadas usando metodologia similar. As previsões geradas no Weibull++ são apresentadas em figura 3.

Figura 3: Previsões dos Retornos de Garantia