公差累积分析技能

目的

公差累积分析技能提供尺寸公差分析和累积计算能力，通过系统化的公差链分析，验证装配配合和功能要求。

能力

最坏情况公差分析
统计（RSS）公差分析
蒙特卡洛公差模拟
基于GD&T的累积分析
装配可行性验证
公差分配优化
CETOL/3DCS集成
累积报告生成

使用指南

公差分析方法

方法比较

方法	方法	应用	结果
最坏情况	所有公差处于极限	安全关键	最大变化
RSS	统计组合	大批量生产	可能变化
蒙特卡洛	随机抽样	复杂装配	分布
6-Sigma	过程能力	质量控制	缺陷率

最坏情况分析

线性累积

间隙 = 名义间隙 +/- 所有公差之和

对于简单装配：
最小间隙 = 名义值 - 所有正贡献者之和
最大间隙 = 名义值 + 所有负贡献者之和

或使用灵敏度：
间隙 = sum(ai * xi)
公差 = sum(|ai| * ti)

其中：
ai = 灵敏度系数（+1或-1）
xi = 名义尺寸
ti = 尺寸i的公差

方向约定

定义正方向：
- 增加间隙的尺寸：正（+1）
- 减少间隙的尺寸：负（-1）

示例（轴在孔中）：
间隙 = 孔直径 - 轴直径
孔：+1（增加间隙）
轴：-1（减少间隙）

统计分析

平方和根（RSS）

统计公差（RSS）：
T_rss = sqrt(sum(ti^2))

对于不等分布（加权）：
T_rss = sqrt(sum((ai * ti)^2))

假设：
- 正态分布
- 独立变量
- 过程以名义值为中心

过程能力

Cp = (USL - LSL) / (6 * sigma)
Cpk = min((USL - 均值)/(3*sigma), (均值 - LSL)/(3*sigma))

对于6-sigma质量：
Cpk >= 2.0
PPM缺陷 < 3.4

对于公差分析：
sigma = T / (3 * k)

其中k取决于所需Cpk：
k = 3 对应 Cpk = 1.0
k = 4 对应 Cpk = 1.33
k = 6 对应 Cpk = 2.0

蒙特卡洛模拟

模拟过程

1. 为每个尺寸定义分布
   - 正态：均值，sigma
   - 均匀：最小值，最大值
   - 偏态：适当参数

2. 生成随机样本（N = 10,000+）
3. 计算每个样本的装配结果
4. 分析输出分布
5. 确定超出规格的百分比

分布选择

场景	分布	参数
机加工特征	正态	名义值，T/6（Cpk=2）
采购件	正态/均匀	根据供应商数据
压配合	截断正态	公差极限
未知过程	均匀	最小值，最大值

GD&T在累积分析中

包含GD&T

位置公差贡献：
直径位置公差 / 2 = 线性贡献（每个方向）

对于MMC位置：
贡献 = （位置公差 + 奖励公差）/ 2

奖励公差：
奖励 = |实际尺寸 - MMC尺寸|

基准参考系

累积分析必须遵循基准优先级：
1. 建立主基准（约束法向）
2. 建立次基准（约束一个旋转）
3. 建立第三基准（约束剩余自由度）

特征控制框指定：
|位置|0.5 MMC|A|B|C|

分析过程

累积程序

定义问题
- 分析什么间隙/间隙？
- 验收标准是什么？
- 涉及哪些组件？
创建环路图
- 从一个表面开始
- 跟随链到另一个表面
- 识别所有贡献者
- 分配方向
收集数据
- 名义尺寸
- 公差（双边，单边）
- 过程能力
- 分布数据
执行计算
- 计算名义间隙
- 计算最坏情况变化
- 计算统计变化
- 与要求比较
记录结果
- 累积电子表格
- 环路图
- 结论和建议

公差分配

优化策略

如果公差太紧：
1. 增加间隙名义值（如果可能）
2. 收紧关键尺寸公差
3. 添加调整或垫片
4. 改变装配方法
5. 接受更高的缺陷率

如果公差太松：
1. 放松非关键公差
2. 降低制造成本

成本-公差关系

近似关系：
成本 ~ 1 / 公差^n

其中n ~ 1.5 到 2 用于机加工

收紧以下公差：
- 成本较低的特征
- 灵敏度较高的贡献者

过程集成

ME-004：GD&T规范和图纸创建

输入模式

{
  "analysis_name": "字符串",
  "requirement": {
    "type": "间隙|间隙|干涉|对齐",
    "nominal": "数字",
    "min": "数字",
    "max": "数字"
  },
  "contributors": [
    {
      "name": "字符串",
      "nominal": "数字",
      "tolerance": "数字（双边一半）",
      "direction": "+1|-1",
      "distribution": "正态|均匀",
      "cpk": "数字（如果正态）"
    }
  ],
  "method": "最坏情况|rss|蒙特卡洛|全部"
}

输出模式

{
  "analysis_summary": {
    "requirement": {
      "min": "数字",
      "max": "数字"
    },
    "nominal_result": "数字"
  },
  "worst_case": {
    "min_result": "数字",
    "max_result": "数字",
    "pass_fail": "通过|失败",
    "margin": "数字"
  },
  "statistical": {
    "mean": "数字",
    "sigma": "数字",
    "min_3sigma": "数字",
    "max_3sigma": "数字",
    "percent_out_of_spec": "数字",
    "cpk": "数字"
  },
  "monte_carlo": {
    "mean": "数字",
    "sigma": "数字",
    "min_observed": "数字",
    "max_observed": "数字",
    "percent_out_of_spec": "数字",
    "histogram": "数据引用"
  },
  "sensitivity_ranking": [
    {
      "contributor": "字符串",
      "sensitivity": "数字",
      "percent_contribution": "数字"
    }
  ],
  "recommendations": "数组"
}

最佳实践

在分析前定义验收标准
在链中包含所有贡献者
从实际图纸验证尺寸
使用现实的过程能力
记录假设和简化
对严格结果进行灵敏度分析

集成点

与GD&T图纸连接以获取公差输入
为DFM评审提供制造可行性
支持FAI检验进行验证
与设计评审集成以获得批准