公差分配
出自 MBA智库百科(https://wiki.mbalib.com/)
公差分配(Tolerance Allocation)
目录 |
公差分配是指在保证产品装配技术要求下,规定各组成环的经济合理的公差。
是已知封闭环公差，按照一定的方法和约束条件，优化分配各组成环的公差，也称为公差设计或公差综合。公差分析是指已知尺寸链中各组成环公差，分析封闭环公差是否满足预定的精度要求。
传统的公差设计有两种不同的方法：第一种方法是极值法，它认为封闭环的公差是各组成环的公差之和，这样必然导致了各组成环的公差相对较紧的情况，造成成本不必要的偏高；另一种方法是从统计学的观点出发，根据加工尺寸的分布规律，利用概率论，求解确定公差。极值法由于其不可克服的缺点，已较少使用，现在的公差分配基本上是以第二种方法为基础。Mitchell和Siddall提出了一种“矢量空间”的方法进行公差综合；Parkson从统计公差的角度出发，提出了统计公差分配的观点，而L.Panchal和S.Raman等提出了基于规则的公差分配方法。
比较成熟且广泛应用的公差设计方法包括两个方而:一个是机械公差设计:另一个是Taguchi三阶段中的公差设计。机械公差设计最基本的包括极值法和统计平方公差方法，还有摩托罗拉于1988年开发的六西格玛机械公差设计。
- 极值法
极值分析方法(Wars-Case Analysis, WC)是目前应用范围最广泛且最易于理解的方法，大多数的设计都基于这个概念。这种方法简便易行，假定加工出的零件尺寸都处于极值情况，零部件都设计为名义值，然后按照这样一种方法分配公差:公差完全向一个或另一个方向积累，装配仍能满足产品的功能要求。其实质是:使各零部件装配时的设计尺寸和公差满足功能上的装配要求，但以此为基础的分析得到的装配条件是最保守的。为保证装配尺寸上不干涉，必须根据技术要求确定最大、最小标准装配间隙(R 、Q).据此就可以定义最大、最小WC装配间隙。
极值法计算公差主要适用于：
- 统计平方公差方法
统计平方公差方法C Root-Sum-of-Squares Analysis, RSS )采用统计分析进行公差分析，它能防止保守的设计，可以扩展公差，如果清楚过程能力，甚至可以得到更宽松的公差。采用统计的公差分析基于这样一个理论:大多数的机械零件在它们的公差限范围内呈正态概率分布，单个零件的分布可以合并成一个正态分布。例如自动机床批量加工零件时，在机床、夹具与刀具处于稳定状态时，则该批工件的尺寸的分布趋十正态分布。当组成环的分布不能确定时，根据中心极限定理，随着组成环数的增多，封闭环的分布迅速地近似于正态分布，而与组成环的分布无关。所谓统计平方是指输出响应的方差是其影响因素方差之和，即：
- 六西格玛机械公差设计
摩托罗拉六西格玛机械公差设计为实现六西格玛目标提供了系统的公差设计策略，其设计思想和方法是本研究进行公差设计的重要参考。为简化计算及随后的分析，将给定的零部件算术标记作为一个向量，即每个零件的尺寸是一个向量化的名义尺寸。
在SPC(例如控制图)中应用正态分布的+_3σ原则已经成为基本惯例口在公差分析中也如此，经常在应用RSS分析时用T/3代替σ。但这是不符合实际的，从统计角度看，由于制造过程的界限+_3σ等于设计公差，过程能力占据了公差域的99.73%，即Cp=1.0,这样在设计时不需要真实的过程标准偏差σ的知识，也能“合理”地构建一个统计概率模型和过程能力。然而，它完全略了设计公差是如何起作用的，更谈不上利用公差设计进行优化了，所以在零件公差的分析和分配中必须应用过程能力数据才能得到优化公差。
六西格玛机械公差设计分析的假设前提是:（1)变量之间相互独立，均值和方差相互独立；(2)所有零件的尺寸均服从正态分布；（3)σ用来描述变异性，由于材料和制造过程中不可避免的变异，采用1.5σ作为标准漂移来计算公差域之外的概率。
