Search

Since products are subjected to a random variable stress-strength, their reliability must be determined using the stress-strength analysis. Unfortunately, when both, stress and strength, follow a Weibull distribution with different shape parameters, the reliability stress-strength has not a close solution. Therefore, in this paper, the formulation to perform the analysis stress-strength Weibull with different shape parameters is derived. Furthermore, the formulation to determine the safety factor that corresponds to the designed reliability is also given. And because the relationship between the derived safety factor and the designed reliability is unique, then because reliability is random, the derived safety factor is random.

La eficiencia de un plan de demostración Weibull está completamente determinada por el tiempo total de experimentación (Ta) el cual depende del tamaño de muestra desconocido (n) y del parámetro de forma Weibull (β). De esa forma, una vez que β fue seleccionada, Ta depende sólo de n. Desafortunadamente, debido a que n es estimada a través del método binomial paramétrico, entonces si el nivel de confianza C es mayor de 0.63, n y como consecuencia Ta, son sobre-estimados (para C

La predicción de confiabilidad de productos electrónicos es una actividad fundamental en la industria automotriz por diferentes razones: 1) entender si se cumple con un objetivo de confiabilidad, 2) comparar entre diseños alternativos, o 3) evaluar mejoras de confiabilidad. La predicción de confiabilidad queda definida por el cálculo de la taza de falla de todos los componentes electrónicos que constituyen un sistema/producto. En el campo automotriz existen diferentes guías diseñadas para la predicción de confiabilidad de componentes electrónicos, donde el estándar Siemens SN 29500 es bien aceptado en la industria automotriz. Sin embargo, el estándar Siemens SN 29500, así como otros estándares, da las bases para el cálculo de la taza de falla asumiendo condiciones ambientales constantes, pero no muestra un proceso paso a paso cuando el producto opera en el campo bajo diferentes condiciones ambientales. De esta manera, en este artículo se presenta un proceso paso a paso, para el entendimiento de la implementación del estándar Siemens SN 29500, cuando las condiciones ambientales no son constantes, para obtener un valor de taza de falla/confiabilidad de un producto, siguiendo una aplicación electrónica automotriz.

In reliability analysis, both the Weibull and the lognormal distributions are analyzed by using the observed data logarithms. While the Weibull data logarithm presents skewness, the lognormal data logarithm is symmetrical. This paper presents a method to discriminate between both distributions based on: 1) the coefficients of variation (CV), 2) the standard deviation of the data logarithms, 3) the percentile position of the mean of the data logarithm and 4) the cumulated logarithm dispersion before and after the mean. The efficiency of the proposed method is based on the fact that the ratio of the lognormal (b1ln) and Weibull (b1w) regression coefficients (slopes) b1ln/b1w efficiently represents the skew behavior. Thus, since the ratio of the lognormal (Rln) and Weibull (Rw) correlation coefficients Rln/Rw (for a fixed sample size) depends only on the b1ln/b1w ratio, then the multiple correlation coefficient R2 is used as the index to discriminate between both distributions. An application and the impact that a wrong selection has on R(t) are given also.