Creo公差分析教程

导读

近期陆续有朋友询问creo公差分析相关内容,本期给大家分享一下creo的公差分析功能。

大批量生产中,同一个物料号的零部件需要不经过选择任意取一个零部件可以不经过其他加工就能直接装配到产品上去,并达到规定的使用要求,这个特性成为物料的互换性。由于加工或测量等因素的影响,加工后的实际尺寸总存在一定的误差,为了满足互换性要求,就需要在图纸上标注尺寸公差,将零件的实际尺寸控制在允许变动的范围内。

1.模型公差的设置

config.pro直接增加或者配置选项器

tol_display  yes

2.模型公差的修改

选择尺寸,编辑

3.公差分析实例

1)分析,公差分析

命令按钮依次为:添加、删除、编辑、保存特征、复制分析、关于Tolerance Analysis Extension.

2)单击添加

实例为分析如下图的两个面之间的距离公差

3)按住ctrl选择目标对象面

出现目标值,可以设置进度,公差,可通过设置公差值影响分析结果

4)依次选择相关尺寸

名称:各组成环零件名称及尺寸信息;

公称:各组成环零件的公称尺寸,不可修改;
公差:各组成环的基本尺寸和公差,双击可以修改调整;
单位:尺寸和公差的单位,默认为mm;
Cp:此值代表公差的分布指数,双击可修改。默认为1(其范围为0~2);
分布:此列显示尺寸的统计分布参数,所有尺寸为正态分布;
敏感度:是指各组成环在尺寸链中变化的敏感程度(增环/减环);
连接:对于销/孔配合限定中心轴的对齐方式。

5)图,尺寸链关联零件以及关联尺寸

6)结果

测量变异

变异:同类产品功能或尺寸的差异

变异的分类类型:正态分布、双峰分布、偏斜分布,为了使得变异尽量可控和预测,一般希望变异的分布呈正态分布。

若随机变量 X服从一个位置参数为μ 、尺度参数为s的概率分布,且其概率密度函数为

则这个随机变量就称为正态随机变量,正态随机变量服从的分布就称为正态分布,记作X~N(μ ,s2),读作X服从 N(μ ,s2),或 X 服从正态分布。

μ:变量的平均值。

s:变量的标准差。

当s值越大,变量越分散,曲线越平坦;当s值越小,变量越集中,曲线越陡峭。

正态分布特点:

依概率理论计算,99.73%的样本将落在+/3σ的范围内,只有很小的概率(0.27%)不在+/3σ的范围内,由于小概率事件一般不会发生,故可认为不会有尺寸在规格之外。

过程能力指数:

是指过程在一定时间,处于控制状态(稳定状态)下的实际加工能力(固有能力/质量保证能力),也就是加工质量满足技术标准的能力

Cp=(USL-LSL)/6σ

(不考虑中值偏移)

C_pk=min[(USL-μ)/3σ,(μ-LSL)/3σ]

(考虑中值偏移)

Cp/Cpk 是过程能力指数

σ 是标准差

LSL 是规格的下限

USL 是规格的上限

μ 是实际制程的平均值

过程能力评价

Cpk等级评价
Cpk≥1.67A过程能力过高,可考虑宽松的控制方法,降低成本
1.67  > Cpk ≥  1.33B能力良好,状态稳定应保持,考虑简化检验
1.33  > Cpk ≥  1.0C状态一般,制程因素稍有变异即有产生不良的危险,应利用各种资源及方法将其提升为B级
1.0  > Cpk ≥  0.67D制程不良较多,产品必须全检,必须提升其能力
Cpk< 0.67E不可接受, 其能力太差,应考虑重新整改设计制程

过程能力与K(s)、合格率、PPM对应表

CpkK(s)合格率PPM
0.672.0195.5569%44431.19
1.003.0099.7300%2699.8
1.173.5199.9552%448.11
1.333.9999.9934%66.07
1.524.5699.99949%5.12
1.675.0199.999946%0.5443
2.006.0099.9999998%0.002

统计的

重点关注统计贡献度高的尺寸的公差,修改关联尺寸公差时各统计贡献度会发生变化

最坏情况

与统计共享度类似,统计贡献度越高的最快情况贡献度越高,修改关联尺寸公差时同样会发生变化

敏感度

7)生成报告

报告文件在三维模型所在文件夹

报告格式

发表评论 取消回复

电子邮件地址不会被公开。 必填项已用*标注