Está en la página 1de 10

1

Instituto Tecnolgico de Chihuahua



Acumulacin de Tolerancias



Equipo 8:
PORRAS MERAZ BRYAN ALEJANDRO
DOMINGUEZ MENDOZA NESTOR ARIEL
ESTRADA SOTO EDWIN ALBERTO
PORTILLO CARDENAS JOSUE
RAMIREZ DEL HIERRO LUIS ROBERTO

2

ndice

Introduccin..3
Anlisis estadstico de tolerancias y mtodo RSS.4
Tolerancias de componente dado un requerimiento de ensamblaje final..5
Mtodo Montecarlo.....6
Sujetadores flotantes y fijos.....7
Clasificacin de lmites y ajustes..10













3



Introduccin
En este documento se tratan los diferentes mtodos para el anlisis de acumulacin de tolerancias,
tales como son el mtodo Montecarlo y el mtodo de la suma de las races cuadradas, estos
aplicados a una anlisis con dimensiones y la importancia de cada uno aplicados a ejemplos.
As mismo tambin se abordan algunas aplicaciones estadsticas aplicados a sujetadores fijos y
flotantes. Por otra parte tambin se mencionan condiciones que se requieren en el anlisis de la
acumulacin de tolerancias para un ensamblaje final. Todo esto tomado de referencia el libro de
Mechanical Tolerance Stackup and Analysis del autor B. Fischer (CRC 2011).














4

Anlisis estadstico de tolerancias. Captulo 8
El anlisis estadstico de tolerancias determina la posible o mxima variacin para una dimensin
seleccionada. Similar a el anlisis del peor caso, todas las tolerancias y otras variables son
aadidas para para obtener la variacin total. Este metodo, como sea, mas realistamente
asumimos que es ms altamente improbable que todas las otras dimensiones de las tolerancias
acumuladas sern en el peor caso ms el lmite inferior o en el lmite ms alto en el mismo tiempo.
Recordando, el peor caso en la acumulacin de tolerancias que resulte, requerir algunas
dimensiones para ser en su lmite bajo y otras en el lmite mayor. Entonces la direcciones de la de
desviacin tambin como la acumulacin de la desviacin tiene que ser justa como lograr una
condicin de peor caso.
Es ms probable que la variacin real sea diferente de lo que se predijo por el modelo del peor
caso. En la mayora de los casos, la suma de las dimensiones y tolerancias sern ms
aproximadamente a la distribucin normal. Casi todas las dimensiones sern cercanas a sus
valores nominales desde su propio extremo.
La combinacin de estos factores conduce a la idea de una anlisis estadstico de acumulacin de
tolerancias. Generalmente el anlisis estadstico de tolerancias se obtiene un valor menor para el
toral de la variacin que en el peor caso. Esto es, las tcnicas del anlisis estadstico de
tolerancias usualmente predicen menos variacin. Esto puede ser beneficiado desde un punto de
vista funcional, como una baja prediccin que ser aceptada por el ingeniero de diseo.
El anlisis estadstico de tolerancias est basado en condiciones severas que se puedan
presentar, esto incluye:
Los procesos de manufactura pueden ser controlados.
Procesos que pueden centrarse y salir de las distribuciones gaussianas. Esto presenta un
problema donde las tolerancias bilaterales o unilaterales son especificadas.
Partes que pueden ser seleccionadas al azar para ensamblajes
Estas declaraciones se basan en la idea de la intercambiabilidad, para ingeniera
Cada variable contribuye a que la tolerancia acumulada pueda ser independiente de otras
variables que afecten la acumulacin de tolerancias

El mtodo RSS (cuadrados- suma-raz) toma cada valor de tolerancia, los eleva al cuadrado,
suma los valores al cuadrado de las tolerancias y calcula la raz cuadrada del resultado.



5

CALCULO TOLERANCIAS DE COMPONENTE DADO UN REQUERIMIENTO DE TOLERANCIA
DE ENSAMBLAJE FINAL (Capitulo 17)

En ocasiones el requerimiento de tolerancia para un ensamblaje final es conocido, y las tolerancias
deben se determinadas que el requerimiento final para ser conocido. Esto es comnmente
encontrado el nivel de ensamblaje o productos terminados han sido establecidos. Por ejemplo, en
los paneles de carrocera de camiones deben cumplir predeterminados diseos y objetivos de
manufactura para calidad y ajuste.
Geometra de diseo puede ser alterada por el uso de agujeros sobredimensionados o ranuras
para el ajuste en el ensamblaje o en combinacin con la geometra ms estricta coordinacin con
los accesorios de montaje.
Este "que si" mtodo tambin funciona bien con stackups tolerancia Simples suposiciones a las
tolerancias pueden ser introducidos en una hoja de clculo y los resultados estudiados. Una vez
que un se obtiene un resultado satisfactorio, el estudio se ha completado.
Los diferentes niveles de tolerancia de cada parte se pueden utilizar con este mtodo de
asignacin de la tolerancia, as, la insercin de diferente valor de tolerancia adivina en la hoja de
clculo para cada parte.
La frmula funciona para la tolerancia RSS acumulada y tolerancia RSS ajustado para tolerancia
acumulada.
El coeficiente variable ADJ no est incluido en la parte de la formula RSS

Formula:



Dnde:
n: Numero de partes en el ensamblaje.
TOL: Total o espacio de tolerancia. (Dado)
PT: Parte de la tolerancia (calculada)
ADJ: RSS factor de ajuste.
6

La frmula de asignacin RSS parte es en realidad una forma especial de la ajustada RSS frmula
de asignacin de parte. Si el factor de ajuste (ADJ) se establece igual a uno, la frmula de
asignacin de parte RSS ajustado se reduce a la frmula de asignacin RSS parcial.
El resultado de estas frmulas y la estadstica y ajustado estadstica resultados de la forma
stackup informe tolerancia seran los mismos dado el mismo entradas y el mismo factor de ajuste
RSS.
FORMULA DE ASIGNACION DE PARTE RSS


Donde:
n: Numero de partes en el ensamblaje; TOL: Total o espacio de tolerancia. (Dado);PT: parte de la
tolerancia (Calculado)
DERIVACIOND E LA FORMULA RSS:


METODO MONTE CARLO
El mtodo de Monte Carlo es un mtodo no determinstico o estadstico numrico, usado para
aproximar expresiones matemticas complejas y costosas de evaluar con exactitud. El mtodo se
llam as en referencia al casino de Monte Carlo (Principado de Mnaco) por ser la capital del
juego de azar, al ser la ruleta un generador simple de nmeros aleatorios. El nombre y el
desarrollo sistemtico de los mtodos de Monte Carlo datan aproximadamente de 1944 y se
mejoraron enormemente con el desarrollo de la computadora. El mtodo Monte Carlo proporciona
soluciones aproximadas a una gran variedad de problemas matemticos posibilitando la realizacin
de experimentos con muestreos de nmeros aleatorios en una computadora.
Este mtodo tiene como caractersticas ventajas y desventajas. Una ventaja de la simulacin de
Montecarlo seria sobre los mtodos probabilsticos y grficos ya que, con los probabilsticos
muestran lo que puede suceder y que tan probable es que suceda un resultado, con los grficos
7

cuando los datos son generados por Montecarlo se hace fcil crear grficas para observar cuales
son las posibilidades de que algo suceda. Otras ventajas que se pueden mencionar serian que
cuando se tienen pocos resultados, se hace ms difcil ver lo que afecta el resultado, en cambio
cuando se utiliza simulacin Montecarlo se hace ms fcil que vea cuales variables son las que
influyen ms en los resultados.
Ampliando sobre las ventajas que proporciona la simulacin de Montecarlo: se sabe que cuando se
hacen algunas simulaciones es muy difcil modelar diferentes combinaciones de valores de
entrada, pero al utilizar la simulacin de Montecarlo se puede ver que valores tiene exactamente
cada variable, al igual que se pueden relacionar distintas variables de entrada para averiguar con
certeza porque ciertos valores tienen cambios repentinos paralelamente.
Como toda simulacin cuando tiene ventajas, tiene sus desventajas una de este mtodo es que no
siempre proporciona un resultado correcto y podemos cometer un error, ya que la simulacin nos
brind un resultado incorrecto.
Otra desventaja seria; al tener un modelo de simulacin las salidas producidas son aleatorias y
deben ser tratadas como lo que son, es decir como una estimacin solamente, tambin que al
suponer valores para realizar la simulacin el sistema puede ser muy poco realista. Tambin
podemos destacar como desventaja que si son modelos de simulacin muy complejos pueden
requerir mucho tiempo para construirlos.
Algunos ejemplos de la aplicacin de este mtodo pueden ser:
Criptografa
Cromo dinmica cuntica
Densidad y flujo de trafico
Diseo de reactores nucleares
Diseo de VLSI
Ecologa
Econometra
Evolucin estelar
Fsica de materiales
Mtodos cunticos de organizacin industrial
Programas de computadora pronostico e ndice de la bolsa
Ejemplo:
Supongamos que tenemos un satlite, que para su funcionamiento depende de que al menos 2
paneles solares de los 5 que tiene disponibles estn en funcionamiento, y queremos calcular la
8

vida til del satlite (el tiempo promedio de funcionamiento hasta que falla, usualmente conocido
en la literatura como MTTF Mean Time To Failure).
Supongamos que cada panel solar tiene una vida til que es aleatoria, y esta uniformemente
distribuida en el rango [1000 hrs, 5000 hrs] (valor promedio 3000 hrs).
Para estimar por Monte Carlo el valor de , haremos n experimentos, cada uno de los cuales
consistir en sortear el tiempo de falla de cada uno de los paneles solares del satlite, y observar
cual es el momento en el cual han fallado 4 de los mismos, esta es la variable aleatoria cuya
esperanza es el tiempo promedio de funcionamiento del satlite.
El valor promedio de las n observaciones nos proporciona una estimacin de .

https://docs.google.com/file/d/0B57i1g9EUacMOExwTFB2WEFNYlE/edit?pli=1
Sujetadores flotantes y fijos. Capitulo 18
Sujetador flotante:
Cuando las caractersticas internas, tales como los
agujeros, en una o ms partes deben borrar una
caracterstica externa comn, tal como un sujetador o un
eje, que se conoce como una situacin de cierre flotante.
Una aplicacin comn es cuando un elemento de fijacin
pasa a travs de agujeros de paso en piezas en contacto.
Esto es comn para las aplicaciones que utilizan las
tuercas y tornillos, o la hora de determinar los tamaos del agujero de las calzas y las arandelas.
Un ejemplo de una situacin de sujecin flotante es donde un rayo pasa a travs de agujeros de
paso en las piezas de acoplamiento, tal vez que termina en una tuerca hexagonal.
Frmula para sujetador flotante: H = T + FH = Dimetro mnimo de holgura de agujero (MMC);F =
Dimetro mximo de sujetador (MMC);T = Tolerancia posicional
9

En situaciones de sujetadores flotantes, se calcula por separado la tolerancia de posicin de los
agujeros de paso en cada parte. El requisito funcional para esta aplicacin en cada parte se calcula
por separado. El requisito funcional para esta aplicacin es que el elemento de fijacin debe pasar
a travs de los agujeros de paso en cada parte
Sujetador fijo
Cuando el sujetador es "restringido" con respecto a una de las piezas del conjunto, o las
caractersticas externas, como chinchetas o tachuelas, se fijan en su lugar en una parte y pasan a
travs de las caractersticas internas, tales como agujeros de paso, en una zona de acoplamiento,
se denomina un caso sujetador fijo. Esto incluye ensambles de las piezas que se muestran en la
figura que aparece abajo que estn sujetos con tornillos, orificios roscados en una parte y agujeros
de paso en el otro.

https://docs.google.com/file/d/0B57i1g9EUacMOExwTFB2WEFNYlE/edit?pli=1
Figura 2
Frmula para sujetador fijo: H = F + T
1
+ T
2

H = Dimetro de paso mnimo de agujero (MMC)
F = Dimetro mximo de sujetador (MMC)
T
1
= Tolerancia posicional de agujero en parte 1
T
2
= Tolerancia posicional agujero roscado en parte 2

Para la parte 1, la condicin virtual se calcula como VC
1
= H - T
1
. La condicin virtual del agujero
roscado es ms complicada, ya que, aunque es una caracterstica interna, la zona de tolerancia se
proyecta por encima de la pieza. Por lo tanto, acta como una caracterstica externa y su condicin
10

virtual se calcula como VC
2
= F + T
2
. Como H - T = F + T
2
las condiciones virtuales son iguales
(VC
1
= VC
2
).
Clasificacin de lmites y ajustes. Captulo 19
Hay tres tipos de ajustes en caractersticas de tamao de acoplamiento:
Ajuste con juego.- Este tipo de ajuste siempre deber de tener espacio libre entre la flecha
y en agujero, la dimensin mxima de la flecha siempre debe ser menor a la dimensin
mnima del agujero.
Ajuste de transicin.- Este tipo de ajuste puede tener un ajuste con juego o con
interferencia entre la flecha y el agujero, la flecha puede ser ms grande que el agujero o
viceversa; lo que busca es un ajuste ajustado.
Ajuste con interferencia.- Siempre tiene que haber interferencia de material por lo cual la
dimensin de la flecha siempre ser mayor que la del agujero,
Esto se da cuando los ejes del agujero y de la flecha son coaxiales, es una situacin ideal que de
hecho nunca se da ya que siempre hay ms elementos que se involucran por lo cual se toman en
cuenta tambin las caractersticas de orientacin y localizacin.
Al involucrar las caractersticas de orientacin y localizacin con las caractersticas de tamao de
acoplamiento en los ajustes de acoplamientos de piezas se generan limites, puesto que si
quisiramos un ajuste con juego pero los ejes de los elementos (flecha y agujero) no se encuentran
alineados y la excentricidad fuera mayor que el juego que pudieran tener los elementos se
generara una interferencia quitando as una de las caractersticas que se requiere en el
ensamble., por esta razn se generan los limites los cuales son producto de las tolerancias de
tamao contra las tolerancias de localizacin y orientacin.
De aqu es necesario conocer que es lo que se buscar hacer, por ejemplo, si se requiriera
ensamblar una flecha en un agujero con interferencia y se deseara que este se tuviera la
capacidad de ser desensamblado con una fuerza de 200N aplicada a la flecha, lo ms comn e
ideal sera hacer los clculos teniendo los ejes de los elementos coaxiales, pero, qu pasara si la
flecha no estuviera orientada igual que el eje del agujero y tuviera una pequea inclinacin?, esto
nos generara que al tratar de desensamblar los elementos, la fuerza que se haba calculado de
200N no ser capaz de separar los elementos.

También podría gustarte