JMP数据分析论坛
标题: 机械装配工艺中的可视化公差分析 [打印本页]
作者: admin 时间: 2013-8-15 10:34
标题: 机械装配工艺中的可视化公差分析
机械装配工艺中的可视化公差分析
JMP中国区咨询经理 周暐
众所周知，今天的中国已经成为“世界工厂”、制造大国。但毋庸回避的是，目前我们依然大而不强。制造业技术能力的薄弱除了表现在产品创新之外，更多的还表现在生产工艺的水平上。很多人常常错误地认为当产品进入到大规模制造环节时，尤其是像机械装配这样的传统行业来说，具有技术含量的工作已经很少了，只要靠“经验主义”和“苦干精神”就可以了。另外有些人可能已经意识到对生产工艺进行持续改善、精细化管理的重要性，但苦于找不到适合工程师使用的简单直观的量化分析方法和工具，所以收效也不大。
本着“一切从实战出发”的原则，下文将以一个发生在机械装配现场的真实案例为线索，辅以简明易懂的原理说明，介绍一种可操作性强，同时又不失科学严谨的工艺改善方法——可视化公差分析。
案例背景：
某汽车发动机的气缸是由缸体、缸盖、活塞、活塞轴承、连杆、杆轴承和机轴装配而成（如图一所示）。目前气缸总装车间遇到的问题是，虽然各个零部件的机械尺寸都达到研发部门设计的规格要求，但总装在一起后总会有相当比例的成品装配过松或过紧，一次性通过率远远低出当初预定的目标，而且由此产生的返工造成大量额外的劣质成本损失，还影响出货进度。公司中有的人觉得很困惑：为什么当初设计规划以及样品生产时都没有问题，一到批量生产就问题不断？有的人虽然已经意识到应该在原先的基础上优化零部件的尺寸规格，但困惑更多：究竟改进哪一个或哪几个零部件最有效？对需要改进零部件又该如何实施改进？改进到什么程度最经济、最合适?
[attach]246[/attach]
首先，我们来解释一下第一种类型的困惑。对质量管理有一定了解的人都知道波动的概念。产生上述现象的主要原因就是波动的传递。如图二所示，工艺流程的输入变量X是通过根据试验设计DOE或回归方程获取的传递函数对工艺流程的输出变量Y发生作用。在这个传递过程中，流程自变量不仅会影响产品质量特征的均值（这是大家所熟知的），而且由于流程自变量不可避免地存在着波动（或称误差），它还会影响产品质量特征的波动，这就是所谓的“波动传递”。如果要定量地表达波动传递，可以用下列公式来表示。
[attach]247[/attach]
[attach]248[/attach]
作者: jyokoo 时间: 2013-8-28 20:01
可否帮数据以附件形式发出 以便我们可以运行 加深study呀
作者: yellowefox 时间: 2014-4-23 20:28
假设我有多个Y呢？
有数据可以试试就好了
作者: lulin96 时间: 2014-9-16 20:01
学习了 谢谢
作者: jukiq 时间: 2014-11-13 05:01
zai xuexi yibian
作者: tanda 时间: 2014-12-1 23:27
好好学习一下,谢谢分享
作者: suitzsuitz 时间: 2015-1-23 13:45
看看里面是否有新东西，学习借鉴
作者: alex1977 时间: 2015-1-23 17:28
good to study
作者: jappe2009 时间: 2015-1-30 14:52
太强大了，多学习，多学习。
作者: dsgliu 时间: 2015-1-30 22:28
谢谢分享!!!!!!!!!
作者: linger 时间: 2015-5-15 13:13
又一个公差案例的分享；有时，设计有JMP帮助，但加工能力的部分，哎。。。还是难
作者: 可爱的狗 时间: 2015-6-11 00:55
面向六西格玛顾问的JMP基础培训
作者: rocluo5566 时间: 2015-6-11 11:47
减少变异，提升良率！
作者: liuhaiming 时间: 2015-8-29 00:03
thanks for sharing!
作者: liuhaiming 时间: 2015-8-29 00:15
此贴适合我们这种工科出身的人士！谢谢！
作者: casitelo 时间: 2015-8-29 11:13
非常感谢分享
作者: liuhaiming 时间: 2015-8-29 23:35
同感！希望版主能把完整的数据拿出来，跑一遍，对比对比！
作者: admin 时间: 2015-8-31 10:34
您好，感谢您关注JMP论坛，这个案例中有部分数据涉及到版权问题，所以没有办法全部公布哦~非常抱歉
作者: liuhaiming 时间: 2015-8-31 11:45
I see. Thanks!
作者: rocluo5566 时间: 2015-9-4 22:04
请问为何我参考本文的12组数据再扩大到50组数据后，得到的”缺陷刻画器“与”缺陷参数刻画器“图几乎都是空白呢？谢谢！
作者: 勤劳的毛毛鱼 时间: 2016-4-1 20:35
虽然不是这行的，也长长见识
作者: nanfeng36 时间: 2016-4-17 20:45
机械装配工艺中的可视化公差分析
作者: 45guop 时间: 2016-11-30 14:20
假设我有多个Y呢？
有数据可以试试就好了
作者: lorky 时间: 2016-12-14 23:06
good document !
作者: s3070448126 时间: 2017-2-7 16:26
谢谢分享
作者: useryangyang 时间: 2017-3-13 16:08
thank for sharing
作者: spcxudeshu 时间: 2017-3-23 14:23
RSA X2 X3 X4
作者: lxs772432452 时间: 2017-8-15 15:51
谢谢楼主分享！！！
作者: JMPTiger 时间: 2017-10-25 09:55
用可视化六西格玛加速质量升级
作者: chasson 时间: 2017-12-27 22:21
菜鸟一枚，求学习
作者: xinshcn 时间: 2018-2-6 13:10
看过这个模型的视频教学
作者: 毛小猫 时间: 2018-5-3 09:00
thans very much
作者: 坤鸣海飚 时间: 2018-5-23 13:24
看着比较复杂，学习了！！！
作者: hmconline 时间: 2018-9-10 08:16
否帮数据以附件形式发出 以便我们可以运行 加深study呀
作者: smlqf8 时间: 2018-9-21 02:21
不错!不错!不错!
範文 https://www.vision2020.tw/ 2018年09月21日 軍事排名
中醫保健 格林童話 http://www.gfgfgf.com.tw/zycs/yaxd/ 網友熱點 http://www.gfgfgf.com.tw/zyts/zybg/ 祝福語
作者: mayuyou 时间: 2018-9-28 09:38
study the tolerance analysis
作者: rilymaya 时间: 2018-12-21 15:12
看看里面是否有新东西，学习借鉴
作者: rilymaya 时间: 2018-12-21 15:14
好好好好好好
作者: rilymaya 时间: 2018-12-21 15:15
学习中，有真东东
作者: jerrymouse 时间: 2019-2-13 16:10
Good to study.
作者: yaobin8787 时间: 2019-4-28 06:23
学习了 谢谢
作者: xufengyun 时间: 2019-9-7 17:25
谢谢分享 好好学习天天向上
作者: smei_zhang 时间: 2019-9-8 14:04
经典之作，值得学习
作者: cntrista 时间: 2019-11-1 00:33
新手上路，請多指教
作者: yuhao322 时间: 2019-11-29 22:10
学习学习～～～～～～～～～～～～～～～～～～
作者: wangsam 时间: 2020-3-6 23:16
好好学习一下,谢谢分享
作者: pxx 时间: 2020-5-25 20:46
学习了 谢谢
作者: duanzm11 时间: 2021-4-15 19:38
感谢分享。学习了。
作者: 平凡人 时间: 2021-11-2 21:07
学习学习
作者: 燕过留声_sky 时间: 2022-2-9 21:49
抱着试试看的心态谦虚的向前辈学习
作者: yirannorm 时间: 2022-2-13 08:07
学习了 谢谢
作者: yirannorm 时间: 2022-2-14 08:27
学习了 谢谢
作者: yirannorm 时间: 2022-2-17 09:34
学习了，谢谢，很好的资料
作者: Guo 时间: 2022-2-17 11:20
谢谢，学习一下！
作者: Brian_Bian 时间: 2022-3-17 20:31
此讲义有详细的步骤吗？
作者: yirannorm 时间: 2022-10-4 07:15
非常好的学习资料
作者: gaohonggang 时间: 2023-12-4 20:21
学习！！！！！！！！！！！！！！！！！！！！
作者: yirannorm 时间: 2023-12-6 09:37
非常感谢你的分享
作者: yirannorm 时间: 2023-12-22 07:32
非常感谢你的分享
作者: yirannorm 时间: 2023-12-26 06:58
非常感谢你的分享
| 欢迎光临 JMP数据分析论坛 (http://www.jmpforum.net/) |
X3 |