[creo] creo 公差分析

近期陸續有朋友詢問 creo 公差分析相關內容，本期給大家分享一下 creo 的公差分析功能。

大批量生產鐘，同一個物料號的零部件需要不經過選擇任意取一個零部件可以不經過其他加工就能直接裝配到產品上去，並達到規定的使用要求，這個特性成為物料的互換性。由於加工或測量等因素的影響，加工後的實際尺寸總存在一定的誤差，為了滿足互換性要求，就需要在圖紙上標註尺寸公差，將零件的實際尺寸控制在允許變動的範圍內。

1. 模型公差的設置

config.pro 直接增加或者配置選項器

tol_display yes

2. 模型公差的修改

選擇尺寸，編輯

3. 公差分析實例

1）分析，公差分析

命令按鈕依次為：添加、刪除、編輯、保存特徵、複製分析、關於 Tolerance Analysis Extension.

2）單擊添加

實例為分析如下圖的兩個面之間的距離公差

3）按住 ctrl 選擇目標對象面

出現目標值，可以設置進度，公差，可通過設置公差值影響分析結果

4）依次選擇相關尺寸

名稱：各組成環零件名稱及尺寸信息；

公稱：各組成環零件的公稱尺寸，不可修改；
公差：各組成環的基本尺寸和公差，雙擊可以修改調整；
單位：尺寸和公差的單位，默認為 mm；
Cp：此值代表公差的分佈指數，雙擊可修改。默認為 1（其範圍為 0~2);
分佈：此列顯示尺寸的統計分佈參數，所有尺寸為正態分佈；
敏感度：是指各組成環在尺寸鏈中變化的敏感程度（增環 / 減環）；
連接：對於銷 / 孔配合限定中心軸的對齊方式。

5）圖，尺寸鏈關聯零件以及關聯尺寸

6）結果

測量變異

變異：同類產品功能或尺寸的差異

變異的分類類型：正態分佈、雙峰分佈、偏斜分佈，為了使得變異盡量可控和預測，一般希望變異的分佈呈正態分佈。

若隨機變量 X 服從一個位置參數為 μ 、尺度參數為 s 的概率分佈，且其概率密度函數為

則這個隨機變量就稱為正態隨機變量，正態隨機變量服從的分佈就稱為正態分佈，記作 X~N (μ ,s2)，讀作 X 服從 N (μ ,s2)，或 X 服從正態分佈。

μ：變量的平均值。

s：變量的標準差。

當 s 值越大，變量越分散，曲線越平坦；當 s 值越小，變量越集中，曲線越陡峭。

正態分佈特點：

依概率理論計算，99.73% 的樣本將落在 +/3σ 的範圍內，只有很小的概率 (0.27%) 不在 +/3σ 的範圍內，由於小概率事件一般不會發生，故可認為不會有尺寸在規格之外。

過程能力指數：

是指過程在一定時間，處於控制狀態（穩定狀態）下的實際加工能力（固有能力 / 質量保證能力），也就是加工質量滿足技術標準的能力

Cp=(USL-LSL)/6σ

（不考慮中值偏移）

C_pk=min[(USL-μ)/3σ,(μ-LSL)/3σ]

（考慮中值偏移）

Cp/Cpk 是過程能力指數

σ 是標準差

LSL 是規格的下限

USL 是規格的上限

μ 是實際製程的平均值

過程能力評價

Cpk	等級	評價
Cpk≥1.67	A	過程能力過高，可考慮寬鬆的控制方法，降低成本
1.67 > Cpk ≥ 1.33	B	能力良好，狀態穩定應保持，考慮簡化檢驗
1.33 > Cpk ≥ 1.0	C	狀態一般，製程因素稍有變異即有產生不良的危險，應利用各種資源及方法將其提升為 B 級
1.0 > Cpk ≥ 0.67	D	製程不良較多，產品必須全檢，必須提升其能力
Cpk< 0.67	E	不可接受，其能力太差，應考慮重新整改設計製程

過程能力與 K (s)、合格率、PPM 對應表

Cpk	K(s)	合格率	PPM
0.67	2.01	95.5569%	44431.19
1.00	3.00	99.7300%	2699.8
1.17	3.51	99.9552%	448.11
1.33	3.99	99.9934%	66.07
1.52	4.56	99.99949%	5.12
1.67	5.01	99.999946%	0.5443
2.00	6.00	99.9999998%	0.002