Jeśli zajmujesz się reklamacjami gwarancyjnymi, to wiesz, że dane o zwrotach to prawdziwa kopalnia wiedzy. Pytanie tylko – jak z tej kopalni wydobyć coś, co faktycznie pomoże? Tu na scenę wchodzi rozkład Weibulla – matematyczny as w rękawie każdego, kto chce ogarnąć, kiedy i dlaczego części zaczynają się sypać.
Organizacje powinny stosować rozkład Weibulla, gdy prawdopodobieństwo wystąpienia problemu zmienia się w czasie.
W praktyce jest on aplikowany dla tematów jakościowych, które nie są zgłaszane bezpośrednio przez zakłady produkcyjne klientów (np. podczas przeprowadzania PPAP’u), ale zaczynają występować w sieci gwarancyjnej.
Specjalną uwagę, kiedy organizacje powinny rozpocząć przygotowywanie rozkładu Weibull’a jest informacja dotycząca wzrostu wadliwych części odnotowywanych przez stacje dilerskie.
W zależności od zastosowanych parametrów może on zarówno przypominać rozkład normalny, jak i rozkład wykładniczy. Jest on równoznaczny z k=1. Jest on definiowany przez parametr k określającego zachowanie prawdopodobieństwa awarii w czasie:
- dla k<1 prawdopodobieństwo awarii maleje z czasem sugerują, że części mogą posiadać wady fabryczne i powoli wypadają z populacji części znajdujących się w użytkowaniu.
- jeśli k=1 (rozkład wykładniczy) prawdopodobieństwo jest stałe – sugeruje to, że awarie mają charakter zewnętrznych zdarzeń losowych.
- dla k>1 prawdopodobieństwo rośnie z czasem i powiązane jest ze zużyciem części wraz z upływem czasu.
Rozkład Weibulla – kiedy należy zastosować?
Powyższy rozkład powinniśmy stosować z uwagi na konieczność dostarczenia klientom analizy ryzyka potencjalnej liczby wadliwych części. Oczywiście tych, które mogą nadal występować w sieci gwarancyjnej.
W praktyce uwzględnia się dwa czynniki:
- czas po jakim odnotowano problem przez klienta finalnego
- kilometraż po jakim klient finalny odnotował brak prawidłowego funkcjonowania systemu
Poniższe informacje są przykładami najczęściej stosowanych założeń dla różnych rynków:
- Europejski: przebieg dzienny: 50 km
- Japoński: przebieg dzienny: 30 km
- Amerykański: przebieg dzienny: 150 km
Można też dokonać estymacji średniego dziennego przebiegu jeśli organizacja dysponuje znaczącą populacją wadliwych komponentów.
Dzięki takiemu założeniu można oszacować ilości wadliwych sztuk w odniesieniu do okresu trwania gwarancji, jaki i przebiegu objętego okresem gwarancyjnym
Danymi wyjściowymi jest estymacja zakresu z minimalną i maksymalną ilością wadliwych części, które wciąż znajdują się w sieci. Na ich podstawie zarówno klient jak i organizacja mogą określić kolejne kroki. Powyższe informacje możliwe są do zidentyfikowania w oparciu o poniższy wykres.
Co daje zastosowanie rozkładu Weibulla?
Prognoza przyszłych zwrotów
Chcesz wiedzieć, czy fala reklamacji to jednorazowy wyskok, czy dopiero początek problemu? Weibull na podstawie dotychczasowych danych pozwala przewidzieć, jak będzie wyglądała krzywa awaryjności w kolejnych miesiącach. Daje to czas na reakcję, zanim problem wymknie się spod kontroli.
Określenie charakteru uszkodzeń
Czy części padają, bo ktoś coś sknocił na produkcji? A może to po prostu efekt naturalnego zużycia? Analizując kształt rozkładu, możesz wyłapać, czy mamy do czynienia z wczesnymi awariami, losowymi usterkami czy typowym zmęczeniem materiału. To bezcenne przy analizie przyczyn źródłowych.
Lepsze argumenty w rozmowach z klientem
Nic nie działa lepiej w dyskusji z OEM-em niż twarde dane. Zamiast tłumaczyć się „bo tak wyszło”, możesz pokazać konkretną analizę Weibulla, która wskazuje, że produkt ma np. stabilną jakość, a problem dotyczy tylko określonej serii. Dane bronią się same.
Optymalizacja działań w terenie
Jeśli wiesz, że awarie pojawiają się głównie w pierwszych miesiącach eksploatacji, możesz zaplanować proaktywne akcje serwisowe. A jeśli problem wychodzi dopiero po latach – może lepiej popracować nad modyfikacją projektu zamiast na siłę ulepszać kontrolę w fabryce.
Więcej informacji wraz z praktycznymi przykładami przedstawianych jest na dedykowanym szkoleniu, na które serdecznie zapraszamy.
Pobierz bezpłatny ebook Zarządzanie zwrotami gwarancyjnymi w Automotive
Autor: Dariusz Kowalczyk
