Analisi dei dati di guasto per la stima di affidabilità di componenti automobilistici (tra teoria e realtà)

Il rapido progresso della tecnologia, lo sviluppo di prodotti altamente sofisticati, la forte competizione globale, e l’aumento delle aspettative dei clienti hanno messo nuove pressioni sui produttori per garantire sempre più prodotti di alta qualità. I clienti si aspettano che i prodotti acquistati siano affidabili e sicuri. Tutti siamo consapevoli della necessità per un prodotto di essere affidabile; quando invece cerchiamo di quantificare questa caratteristica o vogliamo calcolare i benefici che produce, ci possono essere delle discordanze. Secondo la visione del produttore, l’affidabilità si ha quando, a seguito di un certo numero di controlli (effettuati su determinati attributi o specifiche del prodotto) con esito favorevole, il prodotto è consegnato al cliente. Questi, al momento dell’acquisto, accetta anche la possibilità di rottura. Spesso questo semplice approccio è associato ad una garanzia, che costituisce una sorta di protezione in caso di rottura, entro un certo periodo di tempo. Quando si verifica un rottura all’interno del periodo di garanzia il disagio è sia del cliente, che non ha la possibilità di utilizzare il prodotto, che del produttore, dovendo sostenere i costi dovuti alla riparazione od alla sostituzione. Fuori dal periodo di garanzia i problemi saranno apparentemente solo del cliente ma solo apparentemente perché vi saranno dei costi indiretti quali quelli collegati all’immagine del prodotto stesso. Diventa quindi sempre più importante acquisire un concetto di qualità che si sviluppa nel tempo, lungo tutto l’arco di vita del prodotto, non limitandosi al semplice controllo prima della consegna, ma che investe gli aspetti di affidabilità e soddisfacimento delle aspettative del cliente. In genere l’affidabilità viene definita in ingegneria come la probabilità che un prodotto svolga la funzione richiesta senza guasti, nel rispetto delle condizioni definito e per un periodo di tempo definito, il tempo di missione. Ed è attraverso l’opportuna analisi delle informazioni di guasto provenienti dai servizi di assistenza alla clientela che è possibile effettuare una valutazione di affidabilità del prodotto. Realizzare uno studio affidabilistico e previsionale di prodotti industriali a partire dall’osservazione dei dati di rottura (Reliability Data Analysis) di un insieme di questi manufatti, soggetti alle reali condizioni d’utilizzo consiste in: raccogliere e registrare le informazioni sulle rotture e sui difetti riscontrati filtrare, interpretare ed analizzare tutte queste informazioni ricavare le curve di probabilità che rappresentano il comportamento affidabilistico del prodotto prevedere l’andamento nel tempo delle future rotture. La Reliability Data Analysis (RDA) interessa tutti i campi produttivi, ma si presta con particolare efficacia in quei settori dove coesistono elevate produzioni e fortissime esigenze qualitative dei prodotti Per la definizione del modello matematico da impiegare nel calcolo dell’affidabilità si farà riferimento a quanto comunemente disponibile nella letteratura specialistica (ad esempio attraverso l’utilizzo di “stimatori non parametrici” quali Keplan-Mayer, Herald-Jonsohn, etc.), che attraverso formulazioni semiempiriche consentono di realizzare valide stime di qualità. Ma la difficoltà dell’analisi arriverà dalla complessità intrinseca della realtà che si intende analizzare, ricca di parametri e quantità non deterministici, di cui, l’unica possibile conoscenza risiede nelle forme delle distribuzioni di probabilità che le caratterizzano. Al fine di superare le enormi complessità di modellazione teorica della realtà, si renderà quindi necessario l’impiego di un codice di montecarlo, appositamente realizzato, che attraverso la simulazione di storie ed eventi si pone l’obbiettivo di calcolare quelle quantità di interesse affidabilistico altrimenti indeterminate. Grandissimi sforzi saranno portati avanti per realizzare una efficace schematizzazione del modello con standardizzazione delle variabili di input e output del codice. Inoltre, pur rivestendo la RDA un notevole interesse in vari settori applicativi, tanto gli esempi di validazione delle metodologia e del codice, quanto le successive applicazioni saranno tratti da casi reali provenienti dal settore “automotive”. Per motivi di riservatezza industriale, i risultati previsionali saranno presentati in forma anonima oppure adimensionalizzata, ma sono tutti riconducibili a studi di affidabilità condotti su autovetture delle Aziende del Gruppo FIAT (Fiat Auto, Magneti Marelli, Lancia, Alfa Romeo). Si ringrazia i responsabili qualità delle relative aziende per il supporto allo sviluppo della presente metodologia di analisi