Académique Documents
Professionnel Documents
Culture Documents
org
c AFM, EDP Sciences 2009 Mécanique
DOI: 10.1051/meca/2009002 & Industries
Résumé – Les pièces d’un lot, théoriquement identiques, ne peuvent réellement pas avoir des dimensions
égales. Une cote ne sera réalisable que si l’on tolère un écart par rapport à l’idéal. Ce dernier est déterminé
par un couple de grandeurs qui sont soit les bornes d’un intervalle, soit la moyenne et la variance du lot. Le
plus souvent, on définit deux états limites maximal et minimal. Ces derniers, appelées tolérances, doivent
être déterminés judicieusement. Un tolérancement utilise des indications syntaxiques et sémantiques pour
apporter un sens. L’objectif de cet article est de proposer et de valider une méthodologie d’aide au choix
et à la vérification des tolérances. Cette méthodologie est basée sur deux méthodes complémentaires :
la méthode au pire des cas (intervalles) et la méthode de Monte Carlo (statistique). Une mise en œuvre
informatique a montré la faisabilité de l’outil ainsi que l’apport majeur de la méthodologie proposée
dans l’aide à la spécification, à l’optimisation et à la vérification des tolérances avec prise en compte des
conditions de fabrication.
Downloaded from https://www.cambridge.org/core. IP address: 109.88.33.3, on 01 Dec 2019 at 19:43:41, subject to the Cambridge Core terms of use, available at https://www.cambridge.org/core/terms
. https://doi.org/10.1051/meca/2009002
382 A. Hassani et al. : Mécanique & Industries 9, 381–395 (2008)
Downloaded from https://www.cambridge.org/core. IP address: 109.88.33.3, on 01 Dec 2019 at 19:43:41, subject to the Cambridge Core terms of use, available at https://www.cambridge.org/core/terms
. https://doi.org/10.1051/meca/2009002
A. Hassani et al. : Mécanique & Industries 9, 381–395 (2008) 383
Downloaded from https://www.cambridge.org/core. IP address: 109.88.33.3, on 01 Dec 2019 at 19:43:41, subject to the Cambridge Core terms of use, available at https://www.cambridge.org/core/terms
. https://doi.org/10.1051/meca/2009002
384 A. Hassani et al. : Mécanique & Industries 9, 381–395 (2008)
assemblages. de calcul.
− Opère une linéarisation des
déplacements infinitésimaux
− Modélise graphiquement les
d’un solide.
Domaine des jeux zones de tolérances. − Gourmande en temps
− Énonce les équations
et écarts − Prend en compte les jeux de calcul.
fonctionnelles
dimensionnels et angulaires.
− Teste l’assemblabilité d’un
mécanisme.
− Utilisée pour des
Racine de la − Calcule la cote condition à
− Simplicité de mise en œuvre. fonctions linéaires
somme carrée partir de la série de Taylor.
de la cote condition.
− Meilleure que la méthode − Probabilité d’apparition
− Approxime une distribution
de la racine carrée pour un des valeurs extrêmes est
Croft tronquée par une distribution
nombre restreint de la même que toutes les
rectangulaire.
paramètres. autres valeurs.
− Résoud analytiquement les − Calcul de l’expression de la − Complexité des dérivées
Série de Taylor expressions des chaînes de chaîne de cotes linéaires et partielles pour le calcul
cotes. non linéaire. des chaînes non linéaires.
− distributions aléatoires − Acceptabilité limitée par
− Utilise la fonction coût de
des écarts. la dépendance de
Inertielle Taguchi.
Statistiques
Downloaded from https://www.cambridge.org/core. IP address: 109.88.33.3, on 01 Dec 2019 at 19:43:41, subject to the Cambridge Core terms of use, available at https://www.cambridge.org/core/terms
. https://doi.org/10.1051/meca/2009002
A. Hassani et al. : Mécanique & Industries 9, 381–395 (2008) 385
•Type de problème
Analyser et/ou
Tolérances analysées et/ou
•Chaîne de cotes Synthétiser des synthétisées
•Tolérances
tolérances
D’autre part, les tolérances peuvent avoir une tolérances et/ou un calcul de synthèse de tolérances sur
répartition [3, 19], (Fig. 4) : la base d’une chaı̂ne de cotes prédéfinie et dans le respect
d’une cote condition. Pour mener à bien ce calcul, un
– Uniforme : les intervalles de tolérances des cotes par- choix entre deux méthodes est envisageable : la Méthode
ticipantes à la chaı̂ne sont égaux. au Pire des Cas (MPC) et la Méthode de Monte Carlo
– Non uniforme : les intervalles des tolérances des cotes (MMC) (Fig. 6).
participantes à chaı̂ne diffèrent d’une cote à une autre.
La mise en œuvre de la méthode (MPC) permet d’ana-
Par ailleurs, chaque tolérance associée à une cote peut lyser un tolérancement prédéfini ou de synthétiser une
être (Fig. 5) : cote condition à partir de la chaı̂ne de cotes préétablie.
– Symétrique : l’écart supérieur de la tolérance est égal L’application de la méthode (MMC) a pour objec-
à l’écart inférieur en valeur algébrique ; tif d’élargir des tolérances strictes ou de rétrécir des
– Dissymétrique : les valeurs attribuées aux écarts tolérances larges dans le respect d’un pourcentage de re-
supérieur et inférieur sont différentes algébriquement. but choisi par le groupe de conception.
La figure 7 représente un exemple de mise en équations
d’une chaı̂ne de cotes relative à un assemblage de deux
4.2 Algorithme général pièces prismatiques.
La méthodologie proposée permet au concepteur de Afin d’identifier les principales étapes de mise en
mener deux types de calculs : un calcul d’analyse de œuvre de la méthodologie proposée, les deux méthodes
Downloaded from https://www.cambridge.org/core. IP address: 109.88.33.3, on 01 Dec 2019 at 19:43:41, subject to the Cambridge Core terms of use, available at https://www.cambridge.org/core/terms
. https://doi.org/10.1051/meca/2009002
386 A. Hassani et al. : Mécanique & Industries 9, 381–395 (2008)
Chaîne de cotes
C i+ : cote i de même sens que
C i: cote i de même la cote condition Cc
sens que la cote Modélisation graphique C i-: cote i de sens opposé de
condition Cc la cote condition Cc
C 3- C 2- C 1-
C1 C2 C3
Cc Cc C 1+ C 2+ C 3+
Modélisation mathématique
A N A L Y S E R e t/o u S Y N T H E T IS E R L E S
TOLERANCES
Distribution Distribution non
uniforme uniforme
C H O IX D E L A M E T H O D E
IT i = IT j ≠
IT i IT j
M é th o d e a u P ir e d e s M é th o d e d e M o n te
C as (M P C ) C a r lo (M M C )
Fig. 4. Répartition des tolérances.
D é fin itio n d e s D é fin itio n d e s h y p o th è s e s e t
h y p o th è s e s c h o ix d e p o u r c e n ta g e d e
données reb u t
Tolérance ou intervalle
R ESU LTA TS
de tolérances R ESU LTA TS
IT = ES - EI
E X P L O IT A T I O N D E S R E S U L T A T S
Répartition Répartition
symétrique dissymétrique
C O N F O R M IT E NON
C O N F O R M IT E
Downloaded from https://www.cambridge.org/core. IP address: 109.88.33.3, on 01 Dec 2019 at 19:43:41, subject to the Cambridge Core terms of use, available at https://www.cambridge.org/core/terms
. https://doi.org/10.1051/meca/2009002
A. Hassani et al. : Mécanique & Industries 9, 381–395 (2008) 387
Avec:
Jmax=contenant max – contenu min = bmax – amin
problèmes dont le nombre d’inconnues est égal à deux. Pour mieux prévoir les résultats de la fabrication, divers
Cette méthode est indifférente vis-à-vis de la nature des travaux de recherche s’orientent vers l’application de la
cotes (uniforme ou non, symétrique ou non). Dans les Méthode de Monte Carlo (MMC) [4–9]. Cette méthode
figures 7 et 8, deux exemples d’assemblage de deux pièces sera détaillée dans la section 4.4.
illustrent le principe de la méthode.
1er cas : Synthèse de la cote condition
4.4 Méthode de Monte Carlo (MMC)
La synthèse de la cote condition consiste à introduire
les cotes avec leurs écarts tout en respectant celles qui
sont dans le même sens ou de sens contraire que la cote La méthode MMC se base sur le constat suivant :
condition. Il s’agit ensuite de calculer la cote condition généralement, la fabrication d’un lot de pièces a une
avec ses écarts supérieur et inférieur (Fig. 9a). répartition en forme de cloche dont la disposition et la
2e cas : Analyse de la chaı̂ne de cotes répartition se font autour d’une moyenne cible (cote no-
minale) et présente un indicateur de réglage du procédé
L’analyse de la chaı̂ne de cotes consiste à vérifier la
(machine). Celui-ci est centré autour de la moyenne. Si
cote condition à partir d’une chaı̂ne préétablie où la cote
la production n’a pas la forme d’une cloche centrée, c’est
condition est imposée. Ensuite, il s’agit de calculer la nou-
qu’il y a un problème au niveau du procédé d’obtention
velle cote condition et de voir sa conformité avec celle im-
des pièces (décentrage, troncature,...) (Fig. 11). Ce sont
posée. Un test de conformité permet de savoir que dans
des indicateurs de non-conformité du produit qui nous
le cas de non-conformité, le concepteur est amené à cor-
conduisent à l’étude de la capabilité du procédé [14,15,21].
riger les tolérances associées aux cotes participantes afin
La MMC utilise des générateurs pseudo-aléatoires de
d’assurer la conformité. Les formules suivantes illustrent
nombres correspondant à différents types de distributions
le principe de cette étape d’analyse. L’organigramme de
(student, gaussienne, etc.) et permet ainsi de fournir des
la figure 9b illustre les principales étapes de la démarche
résultats plus proches de la réalité que les méthodes de
de vérification de la chaı̂ne de cotes.
calcul standards. La figure 10 représente la démarche
cote condition minimale ≤ cote imposée générale d’application de cette méthode.
≤ cote condition maximale L’application de la méthode MMC débute par l’identi-
fication de la chaı̂ne de cotes et les éléments contributeurs
Cc min ≤ cote imposée ≤ Cc max à cette chaı̂ne. L’échantillonnage consiste à effectuer un
Downloaded from https://www.cambridge.org/core. IP address: 109.88.33.3, on 01 Dec 2019 at 19:43:41, subject to the Cambridge Core terms of use, available at https://www.cambridge.org/core/terms
. https://doi.org/10.1051/meca/2009002
388 A. Hassani et al. : Mécanique & Industries 9, 381–395 (2008)
Cotes min
Cotes max Cotes min
Calcul
ITs (Ecarts) Cotes max
ITs (Ecarts)
Calcul
Résultat
intermédiaire Résultante calculée ITR
Cote Condition
Conformité
Modélisation Choix d’une caractéristique représentant dissymétrique, la valeur moyenne est déterminée par une
le modèle opération de centrage de la répartition décentrée. Cela est
assuré par l’algorithme suivant.
La loi normale représentant la dispersion de N pièces
Tirage aléatoire de N points du autour de la valeur moyenne est caractérisée par une
Echantillonnage domaine, en suivant les lois de moyenne et un écart type (σ). Ce dernier est déterminé
distribution des variables d’entrée
à partir de l’indice de capabilité. L’indice de capabilité
(Cp ) [3,15,21,22] est une mesure établissant un lien entre
la dispersion réelle d’une machine (ou procédé) et la dis-
Calcul Boucler sur un code de calcul persion demandée. Il est donné par le rapport entre l’in-
tervalle de tolérance et la dispersion du procédé.
Intervalle de tolérance IT IT
Cp = = =
Calcul de la réponse du modèle en
Dispersion du procédé D 6σ
Résultat chacun de ces points
Ainsi, l’écart type est donné par :
Fig. 10. Démarche générale de la méthode MMC.
IT
σ=
6 Cp
tirage aléatoire sur chaque caractéristique selon la loi nor-
D’après [3, 21, 22], le processus sera capable et la fabri-
male. Cette loi a été choisie car elle est représentative de
cation des pièces sera bonne pour un indice de capabilité
ce qui se produit réellement en production. Cette étape
égal à l’unité (Cp = 1). Donc :
est suivie par la phase de calcul et de simulation des va-
leurs des itérations. IT
La simulation à l’aide de la méthode MMC nécessite σ=
6
de connaı̂tre la valeur autour de laquelle sera faite la
génération des valeurs aléatoires. Ainsi, le problème de Cette relation permet de lier l’écart type (σ) à l’intervalle
répartition des écarts trouve son importance pour iden- de tolérance (IT ). La figure 12 montre l’algorithme d’ap-
tifier la valeur moyenne autour de laquelle sera faite plication de la MMC. Cet algorithme permet, à partir des
la simulation. Pour la répartition symétrique, la va- données du problème de vérifier un tolérancement déjà
leur moyenne de chaque caractéristique générée coı̈ncide spécifié par comparaison du pourcentage de rebut calculé
avec la valeur nominale. Par contre, pour la répartition au pourcentage de rebut imposé. Il permet également,
Downloaded from https://www.cambridge.org/core. IP address: 109.88.33.3, on 01 Dec 2019 at 19:43:41, subject to the Cambridge Core terms of use, available at https://www.cambridge.org/core/terms
. https://doi.org/10.1051/meca/2009002
A. Hassani et al. : Mécanique & Industries 9, 381–395 (2008) 389
μ=CN μ=Cmoy
Le nombre de réalisations N à
effectuer
% de rebut imposé
D
O
N
N
E NOMBRE DE COTES SELON NOMBRE DE COTES SELON
E LE SENS DE LA COTE LE SENS INVERSE DE LA
S CONDITION COTE CONDITION
COTE NOMINALE
ECART SUP T
ECART INF R
A
I
GENERER LES REALISATIONS T
POUR CHAQUE COTE E
M
E
N
T
TESTER les
Cotes
RESULTAT
FIN ET AFFICHAGE DE
RESULTAT: Pourcentage
de rebut
sur la base de cette comparaison de spécifier à nouveau le pas la chaı̂ne (pourcentage de rebut) vis-à-vis du pour-
tolérancement. centage de rebut imposé par l’utilisateur permet de se
Selon la figure 12, l’application de la MMC consiste à décider sur le tolérancement spécifié. Cela passe par une
effectuer la génération de variables de manière aléatoire procédure d’optimisation qui consiste à :
selon une loi normale autour de la moyenne de chaque
cote de la chaı̂ne de cotes associée à l’assemblage. Il s’agit (i) Déterminer le pourcentage de rebut de pièces ou
ensuite de vérifier la conformité de la chaı̂ne à partir de d’assemblages de la chaı̂ne : pourcentage de rebut
points générés vis-à-vis de la cote condition. Les points calculé ;
générés correspondent à des pièces réalisées en virtuel. Un (ii) Comparer le pourcentage de rebut calculé à celui im-
test sur le nombre des pièces ou d’assemblage ne vérifiant posé ;
Downloaded from https://www.cambridge.org/core. IP address: 109.88.33.3, on 01 Dec 2019 at 19:43:41, subject to the Cambridge Core terms of use, available at https://www.cambridge.org/core/terms
. https://doi.org/10.1051/meca/2009002
390 A. Hassani et al. : Mécanique & Industries 9, 381–395 (2008)
Downloaded from https://www.cambridge.org/core. IP address: 109.88.33.3, on 01 Dec 2019 at 19:43:41, subject to the Cambridge Core terms of use, available at https://www.cambridge.org/core/terms
. https://doi.org/10.1051/meca/2009002
A. Hassani et al. : Mécanique & Industries 9, 381–395 (2008) 391
TOL_ANALYSES TOL_ANALYSES
Nombre de cotes
selon la condition Nombre de cotes
selon sens inverse Nombre d’itérations
Synthèse avec la pour la MMC
de la condition
MPC
Cote condition imposée
Résultante calculée en
valeur min/max et ses
écarts pour la MPC
h.abdou4@voila.fr
Co t es et v a le ur s
0
− 0 .0 5
J min < J < J max C 1 = 24
Avec ; J = C 1 − (C 3 + C 4 + C 7 ) 0
− 0 .0 5
J max = C 1 max − (C 3 + C 4 + C 7 )min C 3= 5
0
= C 1 min − (C 3 + C 4 + C 7 )max
− 0 0. 5
J min
C 4 = 1 0 .5
0
C 7 = 8.2 5− 0 .0 5
choisir de mettre en œuvre l’une des méthodes : MPC ou 5.3 Application de la méthode MPC
MMC.
La mise en œuvre de la méthode MPC permet d’avoir
le résultat suivant :
5.2 Exemple de validation
Jmax = 0,4
Jmin = 0,2
Afin de montrer les principales fonctionnalités de
l’outil d’aide au tolérancement TOL ANALYSES, un Cela veut dire que IT = 0,2. L’observation des cotes
exemple d’un montage de couvercle d’hélice dans un micro contributeurs montre que les IT associées sont serrées.
moteur à deux temps [23] est développé. Dans un premier Cela peut poser de sérieux problèmes de fabrication en
temps, le concepteur calcule la cote condition en se basant produisant des pièces non fonctionnelles. Pour remédier
sur la chaı̂ne de cote préalablement spécifiée. Pour cela, à ce problème, le concepteur envisage de relaxer les
il met en œuvre la méthode MPC à partir du menu prin- tolérances serrées tout en sacrifiant un % de rebut. Les
cipal de l’outil. Dans un deuxième temps, le concepteur IT associées aux cotes C1 et C3 sont considérées parmi
utilise la méthode MMC en vue d’optimiser les tolérances les IT serrées (Fig. 16). Pour ce faire, il fait appel à la
contributeurs. Pour cela, il doit se fixer un pourcentage méthode MMC.
de rebut. Celui-ci sera choisi non seulement en concerta-
tion avec l’équipe de conception pour l’aspect fonction-
nel, mais aussi avec l’équipe des méthodes pour l’aspect
coût. L’optimisation des intervalles de tolérances des cotes 5.4 Application de la méthode MMC
contributeurs est basée sur l’algorithme de la figure 13. La
figure 16 représente à la fois l’exemple ainsi que la chaı̂ne La mise en œuvre de la MMC nécessite la spécification
de cotes et les intervalles de tolérances associées. de certaines informations, à savoir le % de rebut imposé
Downloaded from https://www.cambridge.org/core. IP address: 109.88.33.3, on 01 Dec 2019 at 19:43:41, subject to the Cambridge Core terms of use, available at https://www.cambridge.org/core/terms
. https://doi.org/10.1051/meca/2009002
392 A. Hassani et al. : Mécanique & Industries 9, 381–395 (2008)
Cote C1=24
cote estimée cCote C3=5
ote es tim ée
200 250
180
160 200
140
120 150
densité
densité
100
80 100
60
40 50
20
0 0
23.95 23.96 23.97 23.98 23.99 24 24.01 4.95 4.955 4.96 4.965 4.97 4.975 4.98 4.985 4.99 4.995 5
cote c ote
200 200
150 150
densité
densité
100 100
50 50
0 0
10.45 10.46 10.47 10.48 10.49 10.5 10.51 8.19 8.2 8.21 8.22 8.23 8.24 8.25
cote cote
250
200
densité
150
100
50
0
0.24 0.26 0.28 0.3 0.32 0.34 0.36
cote
ainsi que le nombre N de discrétisations des IT . Les histo- Statistiquement, les résultats trouvés caractérisent es-
grammes de la figure 17 représentent les valeurs des cotes sentiellement :
de la chaı̂ne simulée.
– les valeurs moyennes sont arithmétiquement addi-
Ces résultats peuvent également être récupérés sous
tionnées ;
forme de fichier texte en vue de post-traitements. Le
tableau 3 retrace les résultats des histogrammes. μJ = μC1 − μC3 − μC4 − μC7
Cette étude est basée sur l’échantillonnage aléatoire
de N = 1000 itérations pour chaque cote de la ⇒ 0,3 = 23,975 − 4,975 − 10,475 − 8,225
chaı̂ne étudiée. Le tableau représente les principales ca- – les valeurs des variances sont quadratiquement addi-
ractéristiques de chaque cote (écart type, % de rebut, IT tionnées ;
arithmétique, IT statistiques, etc.). Il est à constater que
le % de rebut ou de pièces non-conformes est de 0 % pour σJ2 = σC1
2 2
− σC3 2
− σC4 2
− σC7
toutes les pièces qui contribuent à la chaı̂ne de cotes. Cela
est dû au fait que la simulation MMC a été faite avec les ⇒ σJ2 = (0,016)2 = (0,0083)2 + (0,0083)2
IT obtenues par la MPC. 2 2
+ (0,0083) + (0,0083)
Downloaded from https://www.cambridge.org/core. IP address: 109.88.33.3, on 01 Dec 2019 at 19:43:41, subject to the Cambridge Core terms of use, available at https://www.cambridge.org/core/terms
. https://doi.org/10.1051/meca/2009002
A. Hassani et al. : Mécanique & Industries 9, 381–395 (2008) 393
De plus, les intervalles de tolérances statistiques sont Tableau 5. Résultats de la simulation avec un rebut de 1 %.
compris dans les intervalles de tolérances arithmétiques : C1 C3
ITst ≤ ITar . Ce constat vient du fait qu’en utilisant l’ap-
0 0
proche arithmétique, la dispersion maximale des valeurs IT initial
−0,05 −0,05
de l’écart représentée par ITar est supérieure à la très
0,01 0,02
faible probabilité de la dispersion des valeurs représentée IT après 2 simulations
−0,05 −0,05
par ITst statistique. Ceci montre que les cas extrêmes sont
0,042 0,042
mieux pris en compte dans une approche arithmétique IT après 4 simulations
−0,053 −0,043
que dans une approche statistique. Cette constatation a
0,041 0,034
été annoncée dans [6]. Elle prodigue au concepteur une IT final
−0,043 −0,043
idée sur les cotes à modifier et de connaı̂tre celles qui
sont plus sensibles vis-à-vis à toute modification. Ceci lui
permet de choisir la façon d’intervenir tout en élargissant
ou en réduisant les IT convenables, en vue de résoudre
les problèmes de fabrication dus aux IT jugées serrées. La simulation MMC, basée sur un échantillonnage
Le concepteur décide d’élargir les IT associées aux cotes aléatoire de N = 1000 itérations, aura pour objectif d’op-
C1 et C3 puis refaire la simulation MMC. timiser ces IT sur la base du taux de rebut calculé en
fonction de celui imposé. Cela est illustré par la figure 18.
La simulation MMC permet enfin d’aboutir aux
5.5 Nouvelle simulation MMC résultats affichés dans le tableau 6.
La boucle d’optimisation des IT des cotes contribu-
Lorsque la nouvelle simulation MMC adopte un pour- trices permet d’aboutir à un tolérancement optimisé sur la
centage de rebut de 1 %, les IT des cotes C1 et C3 sont base des capabilités des machines de production. Moyen-
transformés (Tab. 5). nant cette méthodologie d’aide à la spécification et à la
Downloaded from https://www.cambridge.org/core. IP address: 109.88.33.3, on 01 Dec 2019 at 19:43:41, subject to the Cambridge Core terms of use, available at https://www.cambridge.org/core/terms
. https://doi.org/10.1051/meca/2009002
394 A. Hassani et al. : Mécanique & Industries 9, 381–395 (2008)
Cadre d’optimisation:
Cotes + Ecarts Cotes simulées
MMC
% rebuts imposé %rebuts calculé=0
Pour un:
• % rebuts calculé < % rebuts imposé ± ε
Elargir les ITs les plus strictes
•Simuler de nouveau; en tenant compte
•% rebuts calculé > % rebuts imposé ± ε de la nouvelle modification de cotes
Réduire les ITs les plus larges
Refaire la simulation tant que le % rebuts calculé n’est pas dans une gamme donnée(imposée).
vérification des tolérances, le concepteur est désormais ca- cas (MPC). Cette méthode s’avère intéressante puis-
pable de prendre en compte, dès la conception, les aspects qu’elle permet la prise en compte des caractéristiques de
liés à la production. Cela correspond bien aux principes production (capabilités machine, distribution normale des
de l’ingénierie simultanée. pièces) dès la phase de conception.
Un algorithme d’optimisation des tolérances permet
au concepteur de mieux répartir la cote condition sur les
intervalles de tolérances contributeurs à la chaı̂ne de cotes
6 Conclusion
sur la base du % de rebut calculé en fonction du % de re-
but imposé. Le concepteur peut ainsi élargir les intervalles
Dans cet article, une méthodologie d’analyse et de de tolérances les plus serrées et/ou réduire les intervalles
synthèse des tolérances a été proposée. L’analyse des de tolérances les plus larges. Cela dépend principalement
tolérances consiste à vérifier à postériorité la réalisation des capabilités des machines de production.
des conditions fonctionnelles préalablement spécifiées à La méthodologie proposée confère au concepteur de
partir du tolérancement instancié de toutes les pièces du ne plus raisonner en termes d’états limites des tolérances
mécanisme, tandis que la synthèse des tolérances consiste, mais d’une distribution plus réaliste (la production ne
à partir des spécifications exprimant les conditions fonc- produit jamais des états limites des cotes) et de prendre
tionnelles entre pièces, à générer un tolérancement des en compte le contexte de production (capabilité machine,
différentes pièces du mécanisme étudié respectant ces distribution normale). Ceci est en concordance avec les
conditions. Cette méthodologie intègre deux principales principes de l’ingénierie simultanée.
méthodes. La méthode de Monte Carlo (MMC) qui est La méthodologie proposée se limite au tolérancement
une méthode statistique est fondée sur le principe de dimensionnel linéaire. Une aide efficace à la démarche de
sacrifier un pourcentage d’échec d’assemblages tout en spécification et de vérification des tolérances nécessite la
augmentant ou diminuant les intervalles de tolérances prise en compte d’autres types de tolérancement, en l’oc-
éventuellement synthétisées par la méthode au pire des currence, le tolérancement géométrique (forme, position,
Downloaded from https://www.cambridge.org/core. IP address: 109.88.33.3, on 01 Dec 2019 at 19:43:41, subject to the Cambridge Core terms of use, available at https://www.cambridge.org/core/terms
. https://doi.org/10.1051/meca/2009002
A. Hassani et al. : Mécanique & Industries 9, 381–395 (2008) 395
orientation, battement). Elle suppose que les pièces sont [11] M. Bouix, M. Pillet, Comment garantir la fonctionnalité
considérées comme des solides rigides. Il est important de d’un assemblage en travaillant autrement avec les fournis-
prendre en compte l’aspect déformations des pièces (dues seurs ? Les apports du tolérancement inertiel, 2e journée
aux conditions de montage et de fonctionnement...) lors européenne du tolérancement, JET 2006, Annecy, France,
de la spécification et de la vérification des tolérances. juin 2006, http://www.jet2006.fr
[12] S. Bhide, J.K. Davidson, J.J. Shah, A new mathemati-
cal model for geometric tolerances as applied to axes,
CD-ROM Proceedings, ASME Design Engr. Technical
Références Conf. (29th Design Automation Conf.), Chicago, IL,
September 2–6, Paper #DETC2003/DAC-48736, 2003,
[1] E. Pairel, M. Giordano, Le tolérancement dimensionnel p. 9
Norme, ISO 8015 : 1985, Formation au tolérancement [13] P.A. Adragna, Tolérancement des systèmes assemblés,
ISO: Demi-journée de synthèse, supports de cours, une approche par le tolérancement inertiel et modal,
SYMME, Université de Savoie, 2000 Thèse de doctorat, Université de Savoie, décembre 2007
[2] P. Bourdet, Spécification géométrique des produits [14] B. Anselmetti, M. Radouani, Calcul statistique des
(GPS), polycopiés de cours, 2005, http://www.lurpa. chaı̂nes de cotes avec des distributions hétérogènes non
ens-cachan.fr/~bourdet/ indépendantes, Conception et production intégrées :
[3] A. Etienne, Intégration Produit/Process par les concepts CPI’2003, Meknès, 22–24 octobre, 2003, pp. 1–16
d’activités et de caractéristiques clés. Application à l’op- [15] J.C. Breart, Identifier et traiter les risques produit-
timisation de l’allocation des tolérances géométriques, process en relation avec les spécifications fonctionnelles,
Thèse de Doctorat, Université Paul Verlaine, octobre 2e journée européenne du tolérancement, JET 2006,
2007 Annecy, France, juin 2006, http://www.jet2006.fr
[4] L. Markvoort, Prise en compte de la nature flexible [16] F. Germain, Tolérancement statistique tridimensionnel,
des matériaux pour l’analyse de tolérances, actes du Intégration en CFAO, Thèse de Doctorat, Université de
9e colloque National AIP PRIMECA, Université de Savoie, Annecy, octobre 2007
Valenciennes, avril 2005 [17] M.N. Islam, Functional dimensioning and toleran-
[5] L. Markvoort, D. Deneux, Un état de l’art sur les ap- cing software for concurrent engineering applications,
proches d’analyse de tolérances, Séminaire national AIP Computers in Industry 54 (2004) 169–190
PRIMECA sur le tolérancement, ENS de Cachan, France, [18] R. Benea, Contribution à l’analyse tridimensionnelle
septembre 2006
de tolérances en design et fabrication, mémoire, École
[6] L. Markvoort, Méthodologie d’analyse statistique de
Polytechnique de Montréal, Canada, 2001, p. 121
tolérances dans les assemblages impliquant des compo-
[19] A. Etienne, Allocation des spécifications géométriques
sants déformables, Université de Valenciennes, Thèse de
– Évaluation des coûts impactés par les spécifications
doctorat, juin 2007
géométriques, GDR MACS – GT IS3C, 10 mars, 2006
[7] M. Temmerman, Analyse et synthèse (( au pire des cas ))
[20] B. Anselmetti, S. Bisson, Emploi des indicateurs d’ap-
et statistique dans l’environnement CFAO, LISMMA-
titude pour le traitement statistique d’une chaı̂ne de
ISMCM, École centrale de Paris, Thèse de doctorat, 2001
cotes, Congrès Qualita 2005, CDRom paper, mars 2005,
[8] M. Pillet, D. Duret, S. Sergent, Weighted Inertial
pp. 91–98
Tolerancing, Quality Eng. 17 (2005) 667–693
[21] R. Vandromme, La capabilité du processus, Technologies
[9] M. Pillet, P.A. Adragna, D. Denimal, Monographie sur le
140 (2005) pp. 28–35
tolérancement inertiel, Laboratoire SYMME, Université
[22] G. Casanova, Gestion de la qualité – techniques statis-
de Savoie, France, 2007, pp. 1–71, http://web.qlio.
tiques, support de cours, Institut d’Administration des
univ-savoie.fr/pillet/
Entreprises Université Nancy 2, 2001
[10] M. Pillet, J. Breton, Le tolérancement inertiel ou com-
[23] A. Chevalier, Guide du dessinateur industriel, Éd.
ment faire du tolérancement statistique en garantissant
Hachette, 1995
la fonction du produit, CAD Magazine 133 (2006) 56–59
Downloaded from https://www.cambridge.org/core. IP address: 109.88.33.3, on 01 Dec 2019 at 19:43:41, subject to the Cambridge Core terms of use, available at https://www.cambridge.org/core/terms
. https://doi.org/10.1051/meca/2009002