Monitoring reliability of man-machine system of machining area using the Weibull distribution

Rosa María Amaya Toral; Manuel Baro Tijerina; Martha Patricia García-Martínez; Cinthia Judith Valdiviezo Castillo

doi:10.37636/recit.v7n1e324

Autores/as

Rosa María Amaya Toral Tecnológico Nacional de México Campus Chihuahua II, Ave. De las Industrias #11101, Chihuahua, Chihuahua, México, C.P. 31110. https://orcid.org/0000-0002-3277-2721
Manuel Baro Tijerina Tecnológico Nacional de México Campus Nuevo Casas Grandes, Tecnológico Ave #7100, Nuevo Casas Grandes, Chihuahua, México. C.P. 31700. https://orcid.org/0000-0002-3202-9276
Martha Patricia García-Martínez Tecnológico Nacional de México Campus Chihuahua II, Ave. De las Industrias #11101, Chihuahua, Chihuahua, México, C.P. 31110.
Cinthia Judith Valdiviezo Castillo Tecnológico Nacional de México Campus Chihuahua II, Ave. De las Industrias #11101, Chihuahua, Chihuahua, México, C.P. 31110. https://orcid.org/0000-0002-7758-9816

DOI:

https://doi.org/10.37636/recit.v7n1e324

Palabras clave:

Fiabilidad, Máquina-humano, Distribución de Weibull, Distribución exponencial

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.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

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.