公差堆叠分析 返回工具列表
尺寸与公差分析工具

公差堆叠分析(RSS法·最坏情况·蒙特卡洛)

用最坏情况法、RSS法、蒙特卡洛仿真对比分析零件尺寸公差堆叠后的装配间隙。龙卷风图可视化各零件贡献度。

$$T_{\text{WC}}=\sum|a_i t_i|,\quad T_{\text{RSS}}=k\sqrt{\sum(a_i t_i)^2}$$
零件列表
零件名 公称值
[mm]
+公差 −公差 灵敏度 a
西格玛水平
蒙特卡洛样本数
最小间隙目标 [mm]
公称间隙 Y
mm
WC 公差 ±
mm
RSS 公差 ±
mm
MC 均值
mm
MC σ
mm
P(Y < 目标)
不合格率 [%]
Cp / Cpk
过程能力指数
MC 最小值
mm
蒙特卡洛 — 装配间隙分布
龙卷风图 — RSS方差贡献度
理论 — 公差分析方法比较

最坏情况法(WC)

$$T_{\text{WC}}=\sum_{i=1}^{n}|a_i\cdot t_i|$$

所有零件同时向最坏方向偏差的情况。过于保守但绝对安全。

RSS法(统计公差)

$$T_{\text{RSS}}=k\sqrt{\sum_{i=1}^{n}(a_i\cdot t_i)^2}$$

$k=3$ 时覆盖99.73%概率范围,适用于批量生产品。

蒙特卡洛法

各零件 $x_i \sim \mathcal{N}(\mu_i,(\sigma_i)^2)$
$\sigma_i = t_i/k$,对 $Y=\sum a_i x_i$ 进行大量采样

过程能力指数

$$C_p=\frac{\text{USL}-\text{LSL}}{6\sigma_{MC}}$$

$C_{pk}=\min\!\left(\frac{\text{USL}-\mu}{3\sigma},\frac{\mu-\text{LSL}}{3\sigma}\right)$
期望值 1.33 以上。