ניתוח מחסום סובלנות מעקרונות יסוד

מדוע ניתוח סובלנות חשוב

לכל ממד בציור הנדסי יש סובלנות. קוטר פיר של 25.00 ממ עם סובלנות של פלוס או מינוס 0.05 ממ ניתן לייצור בכל מקום בין 24.95 ממ ל-25.05 ממ ויחשב כמקובל. זו מציאות בסיסית של ייצור: שום חלק לא מיוצר בדיוק לממד הנומינלי שלו.

האתגר עולה כאשר אתה מרכיב חלקים מרובים. כל חלק תורם את הסובלנות שלו להרכבה. השאלה שניתוח הצטברות סובלנות עונה עליה היא: בהינתן הסובלנויות על כל רכיב בודד, מה היא הווריאציה המתקבלת בממד ההרכבה הקריטי?

אם תטעה בזה תוצאה שתגיע לחלקים שלא מתאימים, הפרעה שבה צפויה קביעה, או פערים מוגזמים המפגעים בתפקוד. ביישומים אוטומוטיביים, כשלים בהצטברות סובלנות גורמים לזימום, תביעות ערבות, ובהרכבות קריטיות לבטיחות, השלכות רגולטוריות.

דוגמה מעשית

שקול הרכבה פשוטה: פיר עובר דרך שתי בושינגים, המחוקות לתוך דיור. הממד הקריטי הוא הקביעה בין קצה הפיר לפנים הפנימי של הדיור.

הממדים הרלוונטיים הם:

רכיב	נומינלי (ממ)	סובלנות (ממ)
אורך פנימי של דיור	100.00	+/- 0.10
עובי בושינג A	5.00	+/- 0.05
עובי בושינג B	5.00	+/- 0.05
אורך פיר	88.00	+/- 0.08

קביעה נומינלית = 100.00 - 5.00 - 5.00 - 88.00 = 2.00 ממ

השאלה היא: מה הקביעה המינימלית והמקסימלית כאשר סובלנויות נחשבות?

שיטה 1: ניתוח מקרה הגרוע ביותר

ניתוח worst case מניח שכל ממד נמצא בו-זמנית בקצהו הגרוע ביותר. זו הגישה השמרנית ביותר.

קביעה מקסימלית מתרחשת כאשר הדיור הוא בגודלו הגדול ביותר והפיר והבושינגים בגודלם הקטן ביותר:

קביעה מקסימלית = (100.00 + 0.10) - (5.00 - 0.05) - (5.00 - 0.05) - (88.00 - 0.08)
             = 100.10 - 4.95 - 4.95 - 87.92
             = 2.28 ממ

קביעה מינימלית מתרחשת כאשר הדיור בגודלו הקטן ביותר והפיר והבושינגים בגודלם הגדול ביותר:

קביעה מינימלית = (100.00 - 0.10) - (5.00 + 0.05) - (5.00 + 0.05) - (88.00 + 0.08)
             = 99.90 - 5.05 - 5.05 - 88.08
             = 1.72 ממ

טווח ה-worst case הוא 1.72 ממ עד 2.28 ממ. ההרכבה תמיד יש קביעה חיובית, אז היא תמיד מתאימה.

ניתוח worst case הוא פשוט וגרם לעצמו הצלחה בהרכבה של 100%. החולשה שלו היא שהוא קיצוני מאד שמרני. ההסתברות שכל ממד נמצא בו-זמנית בקצהו הקיצוני היא זניחה. לעצרות עם תורמים רבים, ניתוח worst case לעתים קרובות חוזה בעיות שלעולם לא מתרחשות בפועל, מה שמוביל לסובלנויות הדוקות ויקרות בלא צורך.

שיטה 2: Root Sum Square (RSS)

ניתוח RSS מחיל גישה סטטיסטית. בתוך להניח שכל ממדים נמצאים בו-זמנית בקצהם הקיצוניים, היא מחשיבה כל סובלנות כמשתנה אקראי עצמאי ומחשבת את הצירוף הסטטיסטי.

סובלנות ה-RSS להרכבה היא:

T_rss = sqrt(T1^2 + T2^2 + T3^2 + T4^2)
      = sqrt(0.10^2 + 0.05^2 + 0.05^2 + 0.08^2)
      = sqrt(0.0100 + 0.0025 + 0.0025 + 0.0064)
      = sqrt(0.0214)
      = 0.146 ממ

טווח ה-RSS הוא 2.00 +/- 0.146 ממ, או 1.854 ממ עד 2.146 ממ.

זה טווח הדוק יותר מ-worst case (אשר חזה 1.72 עד 2.28 ממ). ניתוח RSS מניח שממדים עוקבים התפלגות נורמלית וסובלנות הרצועה מייצגת מספר מסוים של סטיות תקן (בדרך כלל 3-sigma, כלומר 99.73% של חלקים נופלים בסובלנות).

RSS מתאים כאשר:

• יש לך מספר סביר של תורמי סובלנות (יותר מ-4-5)
• ממדים עצמאיים בעצם (ללא הטיות ייצור שיטתיות)
• אתה יכול לקבל הסתברות סטטיסטית קטנה לכשל בהרכבה

RSS אינו מתאים לממדים קריטיים לבטיחות שבהם נדרשת 100% כנות.

שיטה 3: הדמיית Monte Carlo

ניתוח Monte Carlo יוצר אלפי הרכבות וירטואליות, כל אחת עם ממדים שנדגמו באופן אקראי, ומודד את הממד ההרכבה שנוצר עבור כל אחת.

האלגוריתם הוא ישר:

1. עבור כל תורם סובלנות, הגדר התפלגות הסתברות (נורמלית, אחידה, משופעת, וכו’)
2. דגום באופן אקראי ערך מכל הפצה
3. חשב את הממד ההרכבה מהערכים שנדגמו
4. חזור על 10,000 עד 100,000 פעמים
5. ניתח את ההתפלגות המתקבלת של ממדי ההרכבה

ניתוח Monte Carlo הוא השיטה הגמישה ביותר. היא מטפלת בהתפלגויות שאינן נורמליות, ממדים מתואמים, ערימות לא ליניאריות, וסוגי סובלנות מעורבים. היא מייצרת התפלגות הסתברות מלאה של הממד ההרכבה, לא רק טווח.

החיסרון שלה הוא שהוא דורש יותר הגדרה וחישוב. עבור הערימה הליניארית הפשוטה לעיל, RSS נותן את אותה תשובה עם פחות מאמץ. Monte Carlo הופך למূল כאשר הערימה אינה ליניארית, כאשר הפצות אינן נורמליות, או כאשר אתה צריך להבין את הצורה המלאה של התפוקה.

בחירת השיטה הנכונה

קריטריון	Worst Case	RSS	Monte Carlo
מורכבות	נמוכה	נמוכה	בינונית
שמרנות	גבוה מאד	בינוני	ניתן להגדרה
הנחות התפלגות	ללא	נורמלית	כל אחד
שימוש קריטי לבטיחות	כן	בזהירות	כן
ערימות לא ליניאריות	מוגבל	לא	כן
מספר תורמים	כל אחד	> 4 מועדף	כל אחד

לרוב יישומי ההנדסה המכנית, אנו ממליצים להתחיל בניתוח worst case. אם תוצאת ה-worst case מראה שהעיצוב פועל, אין צורך בניתוח נוסף. אם worst case מראה בעיה, עבור ל-RSS כדי לקבוע אם הבעיה משמעותית סטטיסטית. אם RSS אינו מספיק או הערימה מורכבת, השתמש ב-Monte Carlo.

החיבור של ChainSolve

ניתוח סובלנות הוא דוגמה מושלמת לחישוב שנהנה מהגישה הניתנת להרכבה וניתנת לעקיבה ש-ChainSolve מספקת. כל ממד רכיב הוא בלוק קלט עם הערך הנומינלי שלו, הסובלנות, וסוג התפלגות. חישוב הערימה הוא שרשרת המחשבת את ממד ההרכבה. שינוי סובלנות על כל רכיב מראה מיד את ההשפעה על ההרכבה.

זה בדיוק סוג זרימת העבודה ההנדסית שאנחנו בונים ChainSolve כדי לתמוך בה, מובנה, ניתן לעקיבה, וניתן להרכבה.