Al utilizar la predicción de confiabilidad de JMP para predecir retornos futuros basándose en datos de series temporales sobre volumen de producción y retornos, es fundamental seleccionar un modelo de fallo adecuado. Los modelos de fallo pueden variar según el producto, el modelo y la versión, e incluso pueden cambiar con el tiempo. En mi experiencia impartiendo predicción de confiabilidad para maquinaria industrial, equipos de pesaje, dispositivos electrónicos y piezas de automoción, los fallos parciales son extremadamente comunes. En el caso de fallos totales debidos a desgaste, la tasa acumulada de fallos y el número de retornos aumentan con el tiempo. Sin embargo, en el caso de fallos parciales, la tasa acumulada de fallos se estabiliza con el tiempo y el número de fallos converge a cero. El número acumulado de fallos también se vuelve modesto. Por lo tanto, determinar si un fallo es parcial o no es un tema importante. Si bien la base para determinar el modelo de fallo son las estadísticas de la tabla de comparación de modelos y la prueba de razón de verosimilitud, las predicciones tempranas pueden dificultar la determinación de si un fallo es parcial o total. También consideraremos las causas de los fallos parciales. Los datos preparados para la predicción de confiabilidad pueden contener valores faltantes o un número reducido de fallos. También puede haber una discrepancia entre el momento del envío y el inicio de la operación. Sin embargo, para que el modelo de fallo parcial se ajuste al modelo de fallo parcial, se deben excluir los datos con el mismo periodo de envío y fallo. Analizamos el periodo de fallo (una variable univariante de la vida útil) mediante el análisis de tendencias de los datos de quejas y realizamos predicciones de fiabilidad para las áreas de riesgo.
