Monitoreo de la confiabilidad del sistema hombre-máquina del área de mecanizado mediante la distribución de Weibull

  1. Amaya Toral, Rosa María 1
  2. Baro Tijerina, Manuel 2
  3. García-Martínez, Martha Patricia 1
  4. Valdiviezo Castillo, Cinthia Judith 1
  1. 1 Tecnológico Nacional de México Campus Chihuahua II, Ave. De las Industrias #11101, Chihuahua, Chihuahua, México, C.P. 31110.
  2. 2 Tecnológico Nacional de México Campus Nuevo Casas Grandes, Tecnológico Ave #7100, Nuevo Casas Grandes, Chihuahua, México. C.P. 31700.
Revista:
Revista de Ciencias Tecnológicas

ISSN: 2594-1925

Año de publicación: 2024

Título del ejemplar: January-March; e324

Volumen: 7

Número: 1

Tipo: Artículo

DOI: 10.37636/RECIT.V7N1E324 DIALNET GOOGLE SCHOLAR lock_openDialnet editor

Otras publicaciones en: Revista de Ciencias Tecnológicas

Resumen

Esta publicación presenta el desarrollo de un método que busca monitorear los parámetros β (forma) y η (escala) para cada combinación componente-subsistema siguiendo la distribución de Weibull, necesarios para el cálculo de la confiabilidad del sistema hombre-máquina en el área de maquinado. Este sistema define los talleres de la metalmecánica, con producción por lotes de alta mezcla y bajo volumen donde intervienen máquinas convencionales y de Control Numérico Computarizado (CNC), que comparten la fabricación de piezas que en ocasiones son únicas, o su periodo de fabricación es corto. El diseño del sistema hombre-máquina se basa en el análisis de los fallos de piezas no conformes en el área de mecanizado y en las tasas de fallo, para cuya evaluación se desarrolla el modelo estadístico, considerando la distribución de Weibull de 2 parámetros, y un sistema redundante con configuración serie-paralelo. Los resultados obtenidos se basaron en el teórico-práctico, utilizando modelos matemáticos y estadísticos, así como el Caso de Estudio. Con el uso de modelos matemáticos y estadísticos, se demuestra que la probabilidad de falla (riesgo) del sistema hombre-máquina depende del tiempo y es generada por tensiones de tipo mecánico, que ocurren en la fabricación de las piezas.

Referencias bibliográficas

  • D. Morin, "The Hamiltonian method," Introduction to Classical Mechanics, With Problems and Solutions, no. October, 2008.
  • J. C. Pardo, "A brief introduction to self-similar processes," Department of Mathematical Sciences, University of …, vol. 1, no. d, pp. 1-20, 2007.
  • M. Baro-Tijerina, M. Piña-monarrez, and B. Villa-covarrubias, "Weibull Stress / Strength Analysis with Non-Constant Shape Parameter," 2017, pp. 1-6.
  • R. L. Anjum and S. Mumford, Powers, Probability and Statistics, vol. 417. 2020. https://doi.org/10.1007/978-3-030-28722-1_8 DOI: https://doi.org/10.1007/978-3-030-28722-1_8
  • M. R. Piña-Monarrez, "Weibull stress distribution for static mechanical stress and its stress/strength analysis," Qual Reliab Eng Int, vol. 34, no. 2, pp. 229-244, 2018, https://doi.org/10.1002/qre.2251 DOI: https://doi.org/10.1002/qre.2251
  • M. W. Fu and J. L. Wang, "Size effects in multi-scale materials processing and manufacturing," Int J Mach Tools Manuf, vol. 167, no. May, 2021, https://doi.org/10.1016/j.ijmachtools.2021.103755 DOI: https://doi.org/10.1016/j.ijmachtools.2021.103755
  • I. Gödri, "Improving Delivery Performance in High-Mix Low-Volume Manufacturing by Model-Based and Data-Driven Methods," Applied Sciences (Switzerland), vol. 12, no. 11, 2022, https://doi.org/10.3390/app12115618 DOI: https://doi.org/10.3390/app12115618
  • E. Zio, "Some Challenges and Opportunities in Reliability Engineering To cite this version: HAL Id: hal-01550063," IEEE transactions on Reliability, vol. 65, no. 4, pp. 1749-1782, 2016. https://doi.org/10.1109/TR.2016.2591504 DOI: https://doi.org/10.1109/TR.2016.2591504
  • Z. S. Yea and M. Xie, "Stochastic modeling and analysis of degradation for highly reliable products," Appl Stoch Models Bus Ind, vol. 31, no. 1, pp. 16-32, 2015, https://doi.org/10.1002/asmb.2063 DOI: https://doi.org/10.1002/asmb.2063
  • R. M. Amaya-Toral et al., "Human-Machine Systems Reliability: A Series-Parallel Approach for Evaluation and Improvement in the Field of Machine Tools," Applied Sciences (Switzerland), vol. 12, no. 3, 2022, https://doi.org/10.3390/app12031681 DOI: https://doi.org/10.3390/app12031681
  • L. Rainie and J. Anderson, "The Future of Jobs and Jobs Training," Pew Research Center, no. May, pp. 1-95, 2017.
  • H. Pham, Handbook of Engineering Statistics Springer Handbook of Engineering Statistics, vol. 21, no. 4. 1956.
  • P. Baredar, V. Khare, and S. Nema, "Reliability assessment of biogas power plant," in Design and Optimization of Biogas Energy Systems, 2020, pp. 187-229. https://doi.org/10.1016/B978-0-12-822718-3.00005-8 DOI: https://doi.org/10.1016/B978-0-12-822718-3.00005-8
  • Erich Gamma, Design Pattersns. 2006. https://doi.org/10.1007/978-1-4302-0096-3_10 DOI: https://doi.org/10.1007/978-1-4302-0096-3_10
  • P. Vassiliou and A. Mettas, "Understanding accelerated life-testing analysis," Annual Reliability and Maintainability Symposium, Tutorial Notes, pp. 1-21, 2001.
  • B. Yaniktepe, O. Kara, I. Aladag, and C. Ozturk, "Comparison of eight methods of Weibull distribution for determining the best-fit distribution parameters with wind data measured from the met-mast," Environmental Science and Pollution Research, pp. 0-18, 2022, DOI: https://doi.org/10.21203/rs.3.rs-1185242/v1
  • https://doi.org/10.1007/s11356-022-22777-4 DOI: https://doi.org/10.1007/s11356-022-22777-4
  • J. Brier and lia dwi jayanti, Research Methodology, vol. 21, no. 1. 2020.
Fuente de los datos: Dialnet