공차 누적의 모범 사례

공차 스택업이라고도 하는 공차 스택은 다양한 부품 치수 공차의 조합을 나타냅니다. 부품 치수에서 공차가 식별된 후 , 해당 허용 오차가 도구 공차:상단 또는 하단. 허용 오차가 잘못 누적되면 부품 또는 어셈블리가 부정확해질 수 있습니다.

공차의 중요성

허용 오차는 제품의 비용과 성능에 직접적인 영향을 미칩니다. 공차가 더 엄격하면 가공된 부품을 제조하기가 더 어려워지므로 종종 더 비쌉니다. 이를 염두에 두고 부품의 제조 가능성, 기능 및 비용 간의 균형을 찾는 것이 중요합니다.

성공적인 허용 오차 누적을 위한 팁

불필요하게 작은 허용 오차 사용 방지

위에서 언급한 바와 같이, 허용 오차가 더 엄격하면 부품을 만들기가 더 어렵기 때문에 더 높은 제조 비용이 발생합니다. 이러한 더 높은 비용은 치수가 허용 오차를 벗어난 것으로 판명될 때 발생할 수 있는 폐기 부품의 양이 증가하기 때문인 경우가 많습니다. 더 엄격한 공차를 가진 고품질 도구 홀더와 도구의 비용 또한 추가 비용이 될 수 있습니다.

또한 불필요하게 작은 공차는 가공 중 및 검사 프로세스에서 가공 후에 부품이 엄격한 기준을 충족하는지 확인하기 위해 더 많은 작업이 필요하므로 제조 시간이 길어집니다.

부품의 치수를 초과하지 않도록 주의하십시오.

부품의 모든 피쳐에 상한 및 하한 공차에 레이블이 지정되면 과도한 치수가 문제가 될 수 있습니다. 예를 들어, 오른쪽 및 왼쪽 코너 반경이 있는 코너 반경 엔드밀의 허용 오차는 +/- .001"이고 그 사이의 평면은 .002"의 허용 오차가 있습니다. 이 경우 커터 직경의 공차 창은 +/- .004"이지만 부품 치수를 측정하는 동안 종종 잘못 계산됩니다. 또한, 이 설명선에 공차를 배치하면 치수가 초과될 수 있으므로 공차를 대체하려면 참조 치수 "REF"를 남겨 두어야 합니다.

<그림 클래스="aligncenter">

통계 허용 오차 분석 활용:

통계 분석에서는 표준 편차를 기준으로 세 가지 공차가 모두 치수 슬롯 너비보다 작거나 높을 가능성을 살펴봅니다. 이 확률은 아래 그림 2에서 볼 수 있는 정규 확률 밀도 함수로 표시됩니다. 설계에서 다른 부품과 치수의 모든 확률을 결합하여 부품의 치수와 허용 오차를 기반으로 부품에 문제가 있거나 완전히 고장날 확률을 결정할 수 있습니다. 일반적으로 이 분석 방법은 공차가 4개 이상인 어셈블리에만 사용됩니다.

<그림 클래스="aligncenter">

통계적 공차 분석을 시작하기 전에 공차 분포 계수를 계산하거나 선택해야 합니다. 표준 분포는 3입니다. 이는 대부분의 데이터(또는 이 경우 공차)가 평균의 3 표준 편차 내에 있음을 의미합니다. 모든 허용오차의 표준편차는 3의 분포에서 1의 분포로 정규화하려면 이 허용오차 분포 인수로 나누어야 합니다. 이 작업이 완료되면 제곱근 제곱을 사용하여 어셈블리의 표준 편차를 찾을 수 있습니다.

3가지 크기의 원두로 커피를 만드는 것과 같다고 생각하십시오. 맛있는 조 한 잔을 만들려면 먼저 모든 원두를 같은 크기로 갈아서 커피 필터에 넣어야 합니다. 이 경우 원두는 표준편차, 그라인더는 공차분포계수, 커피필터는 제곱근합 방정식입니다. 일부 공차는 공차 범위의 엄격함에 따라 다른 분포 계수를 가질 수 있기 때문에 이것이 필요합니다.

통계 분석 방법은 슬롯이 +/- .003" 허용 오차와 함께 .500" 너비여야 한다는 요구 사항이 있지만 반경(.125") 및 플랫(.250")이 필요하지 않은 경우에 사용됩니다. ) 슬롯에 맞는 한 정확해야 합니다. 이 예에서는 표준 편차가 이미 사용 가능한 3개의 양방향 공차가 있습니다. 그것들은 양측이기 때문에 평균으로부터의 표준 편차는 단순히 + 또는 – 허용 오차 값이 무엇이든 될 것입니다. 외부 반지름의 경우 .001"이고 중간 평평한 영역의 경우 .002"입니다.

이 예에서는 방정식 1을 사용하여 각 섹션의 표준편차(σ)를 구해 보겠습니다. 이 식은 표준편차를 나타냅니다.

<그림 클래스="aligncenter">

표준 가정은 부품 공차가 +/- 3 정규 분포를 나타낸다는 것입니다. 따라서 분포 계수는 3이 됩니다. 그림 1의 왼쪽 섹션에 있는 등식 1을 사용하면 수정된 표준 편차가 다음과 같다는 것을 알 수 있습니다.

<그림 클래스="aligncenter">

그런 다음 중간 및 오른쪽 섹션에 대해 반복됩니다.

<그림 클래스="aligncenter">

이러한 표준편차에 도달한 후 결과를 수학식 2에 입력하여 공차 영역의 표준편차를 찾습니다. 방정식 2는 제곱근 제곱 방정식으로 알려져 있습니다.

<그림 클래스="aligncenter">

이 시점에서 슬롯의 68%가 +/- .0008" 허용 오차 내에 있음을 의미합니다. 이 허용 오차를 2로 곱하면 95% 신뢰 창이 생성되고 3을 곱하면 99% 신뢰 창이 생성됩니다.

슬롯의 68%는 +/- .0008"

내에 있습니다.

슬롯의 95%는 +/- .0016"

내에 있습니다.

슬롯의 99%가 +/- .0024"

내에 있습니다.

이러한 신뢰 창은 데이터 포인트의 정규 분포 집합에 대한 표준입니다. 표준 정규 분포는 위의 그림 2에서 볼 수 있습니다.

통계 공차 분석은 공차 부품이 4개 이상인 어셈블리에만 사용해야 합니다. 이 간단한 분석에서 많은 요소가 설명되지 않았습니다. 이 예는 공차가 평균과의 표준 편차를 나타내는 3개의 양측 치수에 대한 것입니다. 표준 통계 공차 분석에서는 보정 계수가 필요한 각도, 런아웃 및 평행도와 같은 다른 변수가 작용합니다.

Harvey Performance Company 브랜드가 툴링 라이브러리를 제공하기 위해 업계 최고의 캠 소프트웨어 제공업체와 파트너 관계를 맺고 있다는 사실을 알고 계셨습니까?

자세히 알아보려면 여기를 클릭하십시오.

최악의 경우 분석 사용:

최악의 경우 분석은 전체 부품 공차를 찾기 위해 부품의 모든 공차를 더하는 관행입니다. 이러한 유형의 분석을 수행할 때 각 허용 오차는 해당 범위에서 최대 또는 최소 한계로 설정됩니다. 그런 다음 이 총 허용 오차를 부품의 성능 한계와 비교하여 어셈블리가 올바르게 설계되었는지 확인할 수 있습니다. 이것은 일반적으로 1차원(평면이 1개이므로 각도가 포함되지 않음) 및 부품 수가 적은 어셈블리에 사용됩니다.

최악의 경우 도구의 공차가 부품 공차에 추가될 수 있으므로 작업에 적합한 절단 도구를 선택할 때 최악의 경우 분석을 사용할 수도 있습니다. 이 시나리오가 식별되면 기계공이나 엔지니어는 인쇄물에 지정된 치수 내에서 부품을 유지하기 위해 적절한 조정을 수행할 수 있습니다. 최악의 시나리오는 실제 생산에서 거의 발생하지 않는다는 점에 유의해야 합니다. 이러한 분석은 제조 비용이 많이 들 수 있지만 모든 어셈블리가 제대로 작동하도록 보장하여 기계 기술자에게 마음의 평화를 제공합니다. 이 방법은 최대 조건에서의 총 누적이 설계에 사용되는 주요 기능이기 때문에 엄격한 허용 오차가 필요한 경우가 많습니다. 허용 오차가 더 엄격하면 이러한 부품에 사용되는 긁힘, 검사 생산 시간 및 도구 비용 증가로 인해 제조 비용이 증가합니다.

그림 1과 관련된 최악의 시나리오 예:

사양 하한 찾기

왼쪽 모서리 반경의 경우

.125” – .001” =.124”

평면 섹션의 경우

.250” – .002” =.248”

오른쪽 모서리 반경의 경우

.125” – .001” =.124”

이 모든 것을 사양 하한까지 함께 추가:

.124" + .248" + .124" =.496"

사양 상한 찾기:

왼쪽 모서리 반경의 경우

.125" + .001" =.126"

평면 섹션의 경우

.250" + .002" =.252"

오른쪽 모서리 반경의 경우

.125" + .001" =.126"

이 모든 것을 사양 하한까지 함께 추가:

.126" + .252" + .126" =.504"

최악의 허용 오차를 얻으려면 2를 빼고 이 답을 2로 나눕니다.

(상한 – 하한)/2 =.004”

따라서 이 슬롯의 최악의 시나리오는 .500” +/- .004”입니다.