解码公差设计pdf,解码公差设计二统计平方公差法(Root-Sum- Squares)统计平方公差法基于这样一个假设理论:大多数的零部件在它们的公差范围内呈正态概率分布,此时由它们所构成的系统与各个零部件线性相关,则系统的分布也可以用一个正态分布或近似正态的分布来表示。结合上一个机械系统的案例,这个理论可以用图二表示。所谓的统计平方是指系统的方差是其零部件方差之和,即:a2=∑a2,一股假设零部件的公差1=+301,所以得到系统的统计半方公差:t2=∑h统计半方公差法米用统计分析方法进行公差分析,防止了产生过于休守的设计,适当地扩展了零部件的允许公差,如果清楚过程能力,甚至可以得到更宽松的公差E14.916装配环间隙1.2251.2251.2251.225间隙分布零件4零件3零件2零件1TMStatistica图间南的动构成 From SAs这时候,在同一个机械系统的状况下,根据统计平方公差法的定义公式间隙的总公差=±√0.0032×5=±√00015=±0067间隙的最小值=0.016-0.0067=0.0093间隙的最大值=0.016+0.0C67=0.0227也就是说,系统的公差范围变为[C.0093,0.0227],相对于极佰分析法的结论,它显得更接近现实情况。但是,绕计平方公差法也存在一个先天性的缺陷:当初始的假定理论不成立,即零部件明显不呈正态概率分布,或者系统与各个零部件呈非线性相关时,原先统计平方公差的计算公式也JMP中国区版权所有电活:862161633088电子邮件: JMPChina(sas. com上海市浦东南路256号华夏银行大厦801室(200120)就不成立了模拟法( Simulation)模拟也称仿寘,是指通过设定若干个阬杌变量以及相互之间的关系建立系统的数学模型或逻辑模型,并对该模型进行充分的试验,以获得对该系统行为的认识或者帮助解决决策问题的过程。自上世纪八十年代起,随着电子计算机软硬件的普及,模拟得到了广泛应用,它的操作也越来越简单。在公差设计时应用模拟技术,分析人员无需组建真实的系统就能够评价模型,或者在不干扰现有系统的情况下对模型进行验证。而且模拟法对零部件的分布和模型的线性性要求较低,比许多其他的分析方法更容易被人理解再次借用杋械系统的案例,我们首先在高绂DOE分析软件JMP甲对装配过程中的各个零部件参数进行设置,一般认为参数服从正态分布,均值等于中心值,标准差为半公差的1/3即σ=T/3=0.003/3=0.001(具体捰作参见图三)。短短几秒钟后,汇总十万次模拟结果的间隙分布就由JMP软件自动生成了。从图四可以看到,通过模拟法得到的系统的公差范围变为[0.0C90.023],与统计平方公差法的结论十分相似,非常接近现实情况。同时,模拟法的分析过程生动形象,由它获取的结果的可读性依然很强。更重要的是,当遇到电子线路等非线性模型时,统计平方公差法已不适用,但模拟法却依然有效。图三模拟前的零部件参数设置TM顸测刻画器0,04守”守小小4.9161.225装配环零件零件零件3零件随机随机∽随机ˇ随机ˇ随机正态正态正态正态正态均值4.916均值1.225均值1,22均值225均值标准差[0.00|标值差_0.0标准差[0.01标谁差[0.0标准差_0.00JMP中国区版权所有电活:862161633088电子邮件: JMPChina(sas. com上海市浦东南路256号华夏银行大厦801室(200120)图四模拟后得到的间隙分布可隙以上花了很多篇幅介绍了如何正确地预测系统的公差范围。一旦发现系统的公差范围过大时,应该怎样调整零部件参数的公差设置晛?正如我们所知道的,减少零部件参数的公差会提高质量,减少系统功能波动的损失,但缺憾是往往需要増加成本。通过公差设计,可以确定各参数的最合理公差,使总损失(质量损失与材料成本之和)达到最佳(最小)。接下来将用最简单易懂的模拟法来简要说明。例如,设定在上述的机槭系统中顾客满意的间隙波动范围为[0.012,0.020],显然会有相当部分产品被判为不合格。如果将各个零部件参数的公差都缩小一半,即m=,M/2=0.0005,效果是否会眀显改善呢?在高级统计分析软件JMP自带的模拟器的帮助下,我们很快会得到如图五所示的缺陷前后对比。间隙地缺陷数量从原先的74030PPM迅速下降到改进后的340PPM,充分说明效果是明显的。如果能够证明因此改进而增加的成本不高时,那我们就更有信心将零件1-4的公差范围设定为1.225+0.0015,装配环的公差范围设定为4916+0.0015Discom SAs模拟模拟缺陷比率PPI缺陷比率PPII可隙0.0740374030间隙0.00034340图五模拟后得到的间隙分布JMP中国区版权所有电活:862161633088电子邮件: JMPChina(sas. com上海市浦东南路256号华夏银行大厦801室(200120)