/ 
AMEF: detecte posibles errores para concentrarse en la prevención, supervisión y respuesta
AMEF: detecte posibles errores para concentrarse en la prevención, supervisión y respuesta
Compartir en:
Una vez detectados los errores y sus posibles efectos, podemos concentrar los recursos en planes de prevención, supervisión y respuesta. Los AMEF fueron introducidos a finales de la década de los años 40 del siglo pasado a través del estándar militar de 1629. Luego fueron empleados por la industria aeroespacial en el desarrollo de cohetes y sirvieron para evitar errores incluso en maquetas pequeñas en la costosa tecnología de cohetes.
Esta metodología alcanzó su auge en la década de los años 60 cuando se desarrolló la tecnología para enviar un hombre a la luna en la misión Apolo. Posteriormente, hacia finales de los años 70, la compañía Ford Motor Company introdujo los AMEF en la industria automotriz debido a los altos costos de las demandas de responsabilidad civil y con fines de seguridad y de cumplimiento de requisitos regulatorios.
En 1993 las poderosas Chrysler, Ford y General Motors crearon el documento Potencial failure mode and effects analysis que abarcaba los tipos vigentes de AMEF. El documento fue incorporado a la norma QS 9000, actualmente conocida como ISO 16949.
Entre los beneficios de la implantación de los AMEF en un sistema se encuentran:
- Identifican las fallas o defectos antes de que estos ocurran.
- Reducen los costos de garantías.
- Incrementan la confiabilidad de los productos/servicios.
- Disminuyen la pérdida de tiempos en rehacer trabajos.
- Permite contar con procesos de desarrollo más breves.
- Aumentan la satisfacción del cliente.
- Mantiene el know-how en la compañía.
Tipos de AMEF
Existen varios tipos de AMEF:
AMEF de sistema (S-AMEF): asegura la compatibilidad de los componentes del sistema.
AMEF de diseño (D-AMEF): disminuye los riesgos por errores en el diseño. Se usa para analizar componentes de diseños. Se enfoca hacia los Modos de Falla asociados con la funcionalidad de un componente, causados por el diseño.
AMEF de proceso (P-AMEF): los procesos son revisados para encontrar posibles fuentes de error. Se usa para analizar los procesos de manufactura, ensamble o instalación. Se enfoca en la incapacidad para producir el requerimiento que se pretende.
¿Deseas saber más acerca del Análisis de Modo y Efecto de la Falla (AMEF)? Inscríbete en el PEE en Lean Manufacturing (curso online) de ESAN.
FUENTE CONSULTADA:
Artículo "Análisis de modo y efecto de la falla", publicado por el portal colombiano Lean Solutions.
Portal de negocios de ESAN Graduate School of Business. Desde el 2010 difunde contenido de libre acceso (artículos, infografías, podcast, videos y más) elaborado por los más destacados especialistas. Encuentra contenido en más de 15 áreas y sectores como Administración, B2B, Derecho Corporativo, Finanzas, Gestión de Proyectos, Gestión de Personas, Gestión Pública, Logística, Marketing, Minería, TI y más. ¡Conéctate con los expertos de ESAN y aumenta tu conocimiento en los negocios!
Otros artículos del autor
Subió la UIT: ¿cómo afecta esto a tus finanzas en 2026?
Raúl Odría, docente de ESAN Business Law, reflexionó en ATV+ sobre el impacto del aumento de la Unidad Impositiva Tributaria (UIT) para 2026, la cual se incrementó en S/ 150, una cifra menor que los S/ 200 de años previos.
Si vuelves a tu antiguo trabajo, ¿empiezas de cero el periodo de prueba?
César Puntriano, profesor de ESAN Business Law, aclaró en El Peruano que el periodo de prueba tiene reglas específicas ante el reingreso de un colaborador. El experto explicó que, si un trabajador vuelve a la empresa antes de tres años y a un puesto similar, los tiempos laborados previamente se acumulan, por lo que no es exigible superar un nuevo periodo de prueba para gozar de estabilidad laboral.
Minería del futuro: IA y economía circular como pilares de sostenibilidad
Sandor Lukacs de Pereny, profesor de ESAN Graduate School of Business, sostuvo en Energiminas que el futuro de la minería peruana requiere dejar el modelo extractivo tradicional y adoptar un enfoque sistémico basado en economía circular, trazabilidad digital e inteligencia artificial para mejorar la eficiencia y reducir la huella de carbono. Advirtió que, aunque el Perú tiene avances normativos en IA, existen riesgos éticos por sesgos de datos y una brecha marcada entre la gran minería y las MIPYMES, lo que hace indispensable una articulación entre Estado, academia y empresa para impulsar una innovación verde inclusiva hacia 2030.