Toleranzanalyse und Simulation Beispiel 1, Montage von Einzelteilen

Slides:



Advertisements
Ähnliche Präsentationen
Algorithmen und Datenstrukturen
Advertisements

Polynomial Root Isolation
Vom graphischen Differenzieren
Mathematik 9. Jahrgang: Zentrische Streckung
Prof. Dr. W. Conen 15. November 2004
Dynamische Seiten mit Dreamweaver Zugriff auf (mysql) Datenbank mit PHP.
Von univariaten und multivariaten Prozessfähigkeiten
Streuungsmaß 3: absolute Abweichung vom Mittelwert
Sicherheitsäquivalent der Lotterie L
5. Sortier-Algorithmen Vorbemerkungen:
Mathematik des Bridge Tanja Schmedes.
Gliederung Tabellarische und grafische Darstellung von Rohwerten mittels Histogramme und Polygone Statistische Kennwertbeschreibung mittels Tendenz- und.
Algorithmentheorie 04 –Hashing
Unsere Werte: - großzügig weitergeben - Jesus folgen - offen für Veränderung - missionarisch leben - Gottes Geist erleben - Anbetung Gottes - echte.
Gruppe 1 Janka Bossert Sven Hilz Jan Nathem
Numerische Berechnung instationären Wärmeleitungsproblems
Nachholung der Vorlesung vom Freitag
Konfidenzintervalle Intervallschätzung
Kolmogorov-Smirnov-Test. A. N. Kolmogorov Geboren in Tambov, Russland. Begründer der modernen Wahrscheinlichkeitstheorie.
III. Induktive Statistik
Wahrscheinlichkeitsräume. A. N. Kolmogorov Kolmogorov wurde (mehr zufällig, seine Mutter war auf der Durchreise) in Tambov, Russland, geboren.
Statistische Methoden I WS 2002/2003 Probeklausur Freitag, 13. Dezember statt Vorlesung - Nächsten Freitag!!!
Heute: Scherenzange zeichnen
Sportwissenschaftliche Forschungsmethoden SS Statistischer Test.
Diagnostische Statistik
Tutorium Aufgabe 1 Informationen in Designmatrix in: - Darin sind die Prädiktoren enthalten - Aber sagt uns noch mehr! Untersuchungsdesign darin.
Von univariaten und multivariaten Prozessfähigkeiten
Wiederholung und Beispiele
Wie macht man ein Sudoku? Transformations-Methode:
Methodik der Fehlerabschätzung am Beispiel:
GlobalStorehouseGlobalStorehouse Institut für Modellbildung und Simulation IMS Bemerkung: Mit diesem "MB" und "WBM" lässt sich der ganze Zyklus abdecken.
Histogramm/empirische Verteilung Verteilungen
Die t-Verteilung und die Prüfstatistik
Information und Kommunikation
Polynome und schnelle Fourier-Transformation
Die Poisson-Verteilung: Mittelwert und Standardabweichung
Messwerte, Verteilung, Histogramm, Mittelwert und Standardabweichung
Mittelwert und Standardabweichung
Die Gaußverteilung.
Gleichungen und Gleichungssysteme
Bestimmen von Prozentwert, Grundwert und Prozentsatz
Wiederholung BSP 2.1.
STATISIK LV Nr.: 0028 SS Mai 2005.
Wahrscheinlichkeitsrechnung
Potenzen und Wurzeln Zusammenfassung
1 Stichprobenverfahren zur Qualitätssicherung Hilfestellung der Statistik in der Wirtschaftsprüfung.
Einführung in die Prozentrechnung
Das ABC der Statistik DIE SÄULENDIAGRAMME 1
bgFEM04 Federn FEM: exakte Lösung - Näherungslösung Scheibe Einführung
EVALUATION des Projektes im 2. Schulhalbjahr 2008/09 Jahrgangstufe 7 und 8.
Der Zentralwert.
PHP: Operatoren und Kontrollstrukturen
Unternehmen Analyse Güterumwandlung Wertparadox: Thermodynamik
Back, S.; Weigel, H.: Design for Six Sigma. Hanser, München 2014.
Back, S.; Weigel, H.: Design for Six Sigma. Hanser, München 2014.
Die Zentrische Streckung
Tutorium Statistik II Übung IV Philipp Schäpers Mi – 11.45
Schnittpunkt von zwei Geraden
Hans-Jürgen Brummer Leiter DSiE Service Checks Auswertung 2. Quartal Servicetelefonie - München, den 21. Mai 2014.
Statistik – Regression - Korrelation
Anführungszeichen?! echo 'Apfel$atf'; // ergibt: Apfel$aft
2.5.2 Multivariate Monte Carlo-Simulation
Optionsbewertung Elena Kostiaeva.
Der Wiener Prozess und seltene Ereignisse
Six-Sigma Methode Götz & Winterer.
Vorstellen und Herleiten der Horner Schemas
Programmiersprachen II Fortsetzung Datenstrukturen Balancierte Bäume 3 Prof. Dr. Reiner Güttler Fachbereich GIS HTW.
Univ.-Prof. Dr.-Ing. H. Nacken Vorlesung Wasserwirtschaft & Hydrologie I Themen: Vorlesung 8 Statistik Dichtefunktionen Jährliche und partielle Serien.
- Seite 1 TIME INTELLIGENCE ® by Zeichenrand – Löschen! Titel.
- Seite 1 TIME INTELLIGENCE ® by Titel.
 Präsentation transkript:

Toleranzanalyse und Simulation Beispiel 1, Montage von Einzelteilen Wir möchten in einem Montageprozess mehrere gleichartige Teile T1 – T4 zu einer Einheit zusammenfügen. Laut Zeichnung haben die Einzelteile eine Dimension von 5mm ± 0,1mm und die montierte Einheit ein Sollmaß von 20mm ± 0,2mm. Im Falle einer Worst-case-Betrachtung wäre die Toleranz der Einzelteile mit 4* ±0,1mm = ±0,4mm zu groß, um die vorgegebene Toleranz von ± 0,2mm einzuhalten. Die Toleranz der Einzelteile müsste auf ± 0,05mm halbiert werden. Deswegen wird auch häufig eine Methode, bei der eine quadratische Addition der Toleranzen durchgeführt wird, angewandt. Hier würde die erzielte Gesamttoleranz mit ± 0,2mm gerade ausreichen. Teil 5±0,1 Teil1 Teil2 Teil3 Teil4 20±0,2 Einzelteil Einheit nach Montage Back, S.; Weigel, H.: Design for Six Sigma. Hanser, München 2014. Verwendung nur zum eigenen Gebrauch. Copyright: Carl Hanser Verlag, München 2014

Toleranzanalyse und Simulation Beispiel 1, Montage von Einzelteilen Nun wollen wir mithilfe einer Monte-Carlo-Simulation die tatsächlich zu erwartende Verteilung der Gesamtlänge lges ermitteln. Zunächst verwenden wir auch die bei dem Ansatz der quadratischen Addition der Toleranzen vorausgesetzten Randbedingungen, nämlich normal verteilte und in der Mitte der Toleranz zentrierte Maße der Einzelteile, wobei innerhalb der Toleranzgrenzen 99,73 % aller Teile liegen sollen, entsprechend einem Prozessfähigkeitsindex cpk=1. Die Grafik zeigt die Simulationsergebnisse für die Verteilung von Teil 1. Die Ergebnisse entsprechen im Rahmen der Simulationsgenauigkeit den Annahmen. Back, S.; Weigel, H.: Design for Six Sigma. Hanser, München 2014. Verwendung nur zum eigenen Gebrauch. Copyright: Carl Hanser Verlag, München 2014

Toleranzanalyse und Simulation Beispiel 1, Montage von Einzelteilen Nun führen wir die Monte-Carlo-Simulation durch. Im hier gezeigten Beispiel wurden 25.000 Durchläufe verwendet. Das Simulationsergebnis entspricht unseren Erwartungen. Die Toleranz von ± 0,2 kann mit 99,74-prozentiger Wahrscheinlichkeit eingehalten werden. Wir erwarten eine Prozessfähigkeit des Montageprozesses von cpk=1. Back, S.; Weigel, H.: Design for Six Sigma. Hanser, München 2014. Verwendung nur zum eigenen Gebrauch. Copyright: Carl Hanser Verlag, München 2014

Toleranzanalyse und Simulation Beispiel 1, Montage von Einzelteilen In einem geänderten Szenario gehen wir jetzt davon aus, dass unsere Einzelteile T1 – T4 gleichmäßig den gesamten Toleranzbereich ausnutzen, allerdings keine Teile außer Toleranz verwendet werden. Die verwendete Verteilung entspricht einer sog. Gleichverteilung. Back, S.; Weigel, H.: Design for Six Sigma. Hanser, München 2014. Verwendung nur zum eigenen Gebrauch. Copyright: Carl Hanser Verlag, München 2014

Toleranzanalyse und Simulation Beispiel 1, Montage von Einzelteilen Das Ergebnis der Monte-Carlo-Simulation zeigt nunmehr eine deutlich größere Streuung der Gesamtlänge. Obwohl die einzelnen Verteilungen der Eingangsgrößen T1 – T4 gleichverteilt waren, ergibt sich als Ergebnis angenähert wieder eine Normalverteilung. Die Simulation prognostiziert einen Anteil von 8,2 % montierte Einheiten außerhalb der Toleranz von 20mm ± 0,2mm. Back, S.; Weigel, H.: Design for Six Sigma. Hanser, München 2014. Verwendung nur zum eigenen Gebrauch. Copyright: Carl Hanser Verlag, München 2014

Toleranzanalyse und Simulation, Beispiel 2, Zusammenspiel Bohrung - Zylinder 25,0 ± 0,1 25,6 ± 0,1 Schwimmer Gehäuse mit Bohrung 25,0 ± 0,1 25,6 ± 0,1 Back, S.; Weigel, H.: Design for Six Sigma. Hanser, München 2014. Verwendung nur zum eigenen Gebrauch. Copyright: Carl Hanser Verlag, München 2014 Zusammenspiel Bohrung und Zylinder am Beispiel Wasserstandsanzeiger (Schwimmer) für einen Christbaumständer. Annahme: Die Funktion ist sichergestellt, sofern das gesamte Spaltmaß zwischen 0,4mm und 0,8mm beträgt. Die Toleranzrechnung ist hier so ausgelegt, dass auch im Extremfall („worst case“) die Funktion noch sichergestellt werden kann. Eine verschärfte Toleranz für das Spaltmaß, wie zum Beispiel Werte zwischen 0,5mm und 0,7mm, könnten im worst case mit den gegebenen Bauteiltoleranzen nicht sichergestellt werden. Die Toleranzen müssten auf ± 0,05mm halbiert werden.

Toleranzanalyse, Beispiel 2 Zusammenspiel Bohrung – Zylinder Simulationsergebnisse (Variante 1) Bei einem zentrierten Herstellprozess und einer Standardabweichung von jeweils 0,025mm (das würde einer Prozessfähigkeit von cpk=1,33 entsprechen) könnten die verschärften Toleranzanforderungen eines Spaltmaßes zwischen 0,5mm und 0,7mm gut erfüllt werden. Back, S.; Weigel, H.: Design for Six Sigma. Hanser, München 2014. Verwendung nur zum eigenen Gebrauch. Copyright: Carl Hanser Verlag, München 2014

Toleranzanalyse, Zusammenspiel Bohrung – Zylinder Simulationsergebnisse (Variante 2) Bei einem weiterhin zentrierten Herstellprozess und einer erhöhten Standardabweichung von jeweils 0,033mm (entspricht cpk=1,0) könnten die verschärften Toleranzanforderungen eines Spaltmaßes zwischen 0,5mm und 0,7mm nicht mehr ausreichend erfüllt werden. Mit einer Wahrscheinlichkeit von etwa 3,27% werden die Toleranzgrenzen nicht eingehalten. Back, S.; Weigel, H.: Design for Six Sigma. Hanser, München 2014. Verwendung nur zum eigenen Gebrauch. Copyright: Carl Hanser Verlag, München 2014

Toleranzanalyse, Zusammenspiel Bohrung – Zylinder Simulationsergebnisse (Variante 3) In einer weiteren Simulation wollen wir jetzt ermitteln, welche Verteilung des Spaltmaßes bei Gleichverteilung der Eingangsmaße resultieren würde. Back, S.; Weigel, H.: Design for Six Sigma. Hanser, München 2014. Verwendung nur zum eigenen Gebrauch. Copyright: Carl Hanser Verlag, München 2014

Toleranzanalyse, Zusammenspiel Bohrung – Zylinder Simulationsergebnisse (Variante 3) Aufgrund der Gleichverteilung der Eingangsmaße ergibt sich eine deutlich größere Streuung des Spaltmaßes. etwa 24,27 % der Spaltmaße werden die erhöhte Anforderung (0,5mm bis 0,7mm) nicht einhalten. Back, S.; Weigel, H.: Design for Six Sigma. Hanser, München 2014. Verwendung nur zum eigenen Gebrauch. Copyright: Carl Hanser Verlag, München 2014

Toleranzanalyse, Zusammenspiel Bohrung – Zylinder Simulationsergebnisse (Variante 4) Abschließend simulieren wir die Folgen einer Nichtzentrierung. Wir gehen davon aus, dass die Bohrung sowie auch die Lage des Zylinders um jeweils 0,05mm gegeneinander verschoben sind. Als Streuung verwenden wir wieder eine Standardabweichung von 0,033mm. Als Ergebnis erhalten wir jetzt eine nicht zentrierte Verteilung. Wir erwarten etwa 50 % der Prozessergebnisse außerhalb der unteren Toleranzgrenze von 0,5mm. Back, S.; Weigel, H.: Design for Six Sigma. Hanser, München 2014. Verwendung nur zum eigenen Gebrauch. Copyright: Carl Hanser Verlag, München 2014

Toleranzanalyse, Zusammenspiel Bohrung – Zylinder Simulationsergebnisse Zusammenfassende und vergleichende Darstellung der Ergebnisse der vier Simulationsvarianten Back, S.; Weigel, H.: Design for Six Sigma. Hanser, München 2014. Verwendung nur zum eigenen Gebrauch. Copyright: Carl Hanser Verlag, München 2014