理解统计公差分析
统计公差分析的定义
统计公差分析是指利用一组输入变量的变化来计算感兴趣的输出变量的预期变化。在机械工程中，产品设计由多个特征组成，每个特征都有控制这些特征变化方面的公差值。统计公差分析用于理解这些公差是如何影响设计的各种性能特征的。
一维公差累积
公差分析的最简单形式是单方向的一维公差累积。一维公差累积是通过创建模型的横截面，并在一条直线上添加每个特征的公差值来创建的。每个特征的变化都有助于整体的输出/结果。
最坏情况分析与RSS（均方根值）统计分析
在最坏情况分析中，每个尺寸都会有一个最小值和最大值，代表该尺寸的可接受范围。最坏情况回答了这样一个问题：如果我在每个输入上取最大范围，感兴趣的测量或累积的最大范围是什么？我们因此处理的是可接受的极限，而不是概率。
RSS（均方根值）统计分析不关注极端值，而是关注每个尺寸的变化分布。每个尺寸都会根据制造过程有一个独特的值分布。工具磨损、操作员差异、材料和环境的变化都会导致尺寸值的变化。每个尺寸都有自己的分布曲线。
当您组合每个尺寸的概率（每个单独的曲线）时，您将得到总概率，因此得到总的分布曲线。统计分析回答了这样一个问题：鉴于每个尺寸的变化分布，我的性能特征落在定义的可接受限制内的概率是多少。RSS的限制在于它假设所有输入都是正态分布的，并且所有性能特征与尺寸具有线性关系。这些假设没有考虑到制造中典型场景存在的广泛条件。
二阶公差分析
因为不同类型的零件的制造方法不同，分布矩或参数也会变化。RSS只使用标准差，不包括更好地描述工具磨损、成型老化和其他典型制造场景影响的高阶矩，如偏度和峰度。二阶公差分析包括所有分布矩：
二阶公差分析也需要确定当装配功能不是线性时，您的输出将是什么。在典型的机械工程场景中，运动学调整和其他装配行为导致非线性装配功能。二阶计算要复杂得多，因此不建议手工计算，但计算精度大大提高，并且在公差分析软件包中变得可行。
统计公差分析的实际应用总结
公差分析方法的选择基于许多因素，但可以总结为“哪种方法最匹配装配的制造和检验过程”。对于简单的配合问题，一维堆叠可能就足够了。在输入为正态且装配关系为线性的少数场景中，RSS就足够了。对于所有其他场景，需要二阶公差分析来应对制造的实际世界。
Sigmetrix的软件和培训解决方案如何使工程师和设计师能够计算精确的统计公差分析？
我们的系统旨在集成到制造商设计零件和装配的主要3D CAD环境中。使他们能够利用几何尺寸和公差报告，为可行的产品创建高效的公差分析和变化。从而在生产和装配之前创建早期建模方法，以增加投资回报率，创造对世界知名的GD&T软件的需求。有关质量和制造盈利能力之间关系的更多信息，请读我们网站上的白皮书和用户研究。
