Académique Documents
Professionnel Documents
Culture Documents
1
©M.K. NEJAD Ing., Ph.D MGA820
Plan
• Les ajustement
• L’analyse des variations dimensionnelles
• Cumulation des défauts
• Méthodes d’analyse
– Worst-case
– Statistique
• Indépendance et dépendance statistique
• Exemple
2
©M.K. NEJAD Ing., Ph.D MGA820
Les ajustements
Principe de l’interchangeabilité:
3
©M.K. NEJAD Ing., Ph.D MGA820
Les ajustements
Définition d’une cote:
Intervalle de tolérance
Ligne référence
Ligne Zéro (Cote nominale)
Cote nominale
4
©M.K. NEJAD Ing., Ph.D MGA820
Les ajustements
Exemple:
5
©M.K. NEJAD Ing., Ph.D MGA820
Les ajustements
Le système ISO:
- Qualité de la tolérance
• Le système ISO prévoit 18 échelons de qualité
• Un intervalle de tolérance (IT) de faible valeur représente une
qualité élevée
- Position de la tolérance
• Dans le système ISO, la position de la tolérance par rapport à La ligne zéro est
symbolisée par une lettre
• Majuscule pour les alésages (ou les cotes intérieures en général)
• Minuscule pour les arbres (ou les cotes extérieures en général)
6
©M.K. NEJAD Ing., Ph.D MGA820
Les ajustements
Le système ISO:
Valeurs des intervalles de tolérance en fonction de l’indice de
qualité et de la cote nominale
7
©M.K. NEJAD Ing., Ph.D MGA820
Les ajustements
Le système ISO:
Position des intervalles de tolérance par rapport à la cote
nominale
8
©M.K. NEJAD Ing., Ph.D MGA820
Les ajustements
Un ajustement est un jeu ou serrage entre deux pièces devant s’assembler. La tolérance
est la variation dimensionnelle admissible pour l’une des pieces.
L’ajustement incertain
C’est la forme d’ajustement pouvant présenter tantôt un jeu,
tantôt un serrage.
9
©M.K. NEJAD Ing., Ph.D MGA820
Les ajustements
10
©M.K. NEJAD Ing., Ph.D MGA820
Les ajustements
Alésage
Emploi Arbre
H6 H7 H8 H9 H11
c 9 11
Pièce dont le fonctionnement nécessite un grand jeu (dilatation, mauvais
alignement, portées très longues, etc.) d 9 11
Pièces mobiles e 7 8 9
l'une par rapport à Cas ordinaire des pièces tournant ou glissant dans une bague ou palier (bon
l'autre graissage assuré) f 6 7 7
11
©M.K. NEJAD Ing., Ph.D MGA820
Les ajustements
12
©M.K. NEJAD Ing., Ph.D MGA820
Les ajustements
13
©M.K. NEJAD Ing., Ph.D MGA820
Les ajustements
14
©M.K. NEJAD Ing., Ph.D MGA820
Les ajustements
15
©M.K. NEJAD Ing., Ph.D MGA820
Les ajustements
Exemple:
16
©M.K. NEJAD Ing., Ph.D MGA820
Les ajustements
Exemple:
Ø 80 H8 F7
Exercices:
ø 60 H8f7 ø 60 H7h6
jeu mini = ? jeu mini = ?
jeu Maxi = ? jeu Maxi = ?
17
©M.K. NEJAD Ing., Ph.D MGA820
Les ajustements
Le système ISO
• Ajustement associé à l’alésage ou à l’arbre
• Le système ISO permet 28 choix de position pour l’arbre et autant pour l’alésage.
• Pour réduire le nombre de combinaisons, on privilégie l’utilisation des ajustements
associés:
• À l’arbre, dans ce cas l’arbre est toujours h (arbre normal)
• À l’alésage, dans ce cas l’alésage est toujours H (alésage normal)
18
©M.K. NEJAD Ing., Ph.D MGA820
L’analyse des variations dimensionnelles
• Caractéristiques fonctionnelles
• le résultat d'une combinaison de plusieurs dimensions
• les requis de l’assemblage
X Σ = x1 + x2 − x3 − x4 − x5
• La chaîne de tolérance (cotes)
19
©M.K. NEJAD Ing., Ph.D MGA820
L’analyse des variations dimensionnelles
Requirement
Product geometrical Specification
Design Manufacturing
Product with ideal Real Product with deviation in
Geometry & Dimension Geometry & Dimension
Inspection
Product Geometrical evaluation
20
©M.K. NEJAD Ing., Ph.D MGA820
L’analyse des variations dimensionnelles
21
©M.K. NEJAD Ing., Ph.D MGA820
Analyse ou Synthèse
22
©M.K. NEJAD Ing., Ph.D MGA820
Chaîne de cotes dimensionnelles
Cumul de tolérances dimensionnelles en 1D:
x3 x1
y
1-Établir un point de départ et un point d’arrivée
(donc une direction positive);
2.Déterminer les surfaces de contact entre les
composantes;
3. Partir dans le sens contraire en cherchant le x4
chemin le plus court qui passe par les surfaces de x2
contacts sur des dimensions contrôlées. Pour des
pièces plus complexes, quelques changements de
direction (gauche - droite) peuvent survenir;
i=n
4. Ajouter les signes aux valeurs nominales = =
y Gapnom ∑( p × x )
i =1
i
nom
i
5. Additionner les valeurs nominales algébriquement
i=n
6. Pour calculer les écarts sur selon une approche =
TolGap =
Tol wc ∑ ( p × Tol ) i i
limite : i =1
23
©M.K. NEJAD Ing., Ph.D MGA820
Chaîne de cotes dimensionnelles
i=n
y =
Gapnom ∑( i i )
p
i =1
× x nom
i=n
=
TolGap =
Tol wc ∑ ( p × Tol )
i =1
i i
24
©M.K. NEJAD Ing., Ph.D MGA820
Chaîne de cotes dimensionnelles
Dans le cas des tolérances dites « non balancées », les tolérances dont les valeurs en plus
(+) ne sont pas égales à la valeur en moins (-).
L’approche de base demeure identique à la simple différence qu’on doit considérer les
tolérances positives et négatives séparément.
i =n
Gapmin=
MMC ∑( i i )
p
i =1
× x MMC
i =n
Gapmax=
LMC ∑( p × x )
i =1
i i
LMC
25
©M.K. NEJAD Ing., Ph.D MGA820
Chaîne de cotes dimensionnelles
Exemple:
26
©M.K. NEJAD Ing., Ph.D MGA820
Méthodes d’analyse des tolérances
Dimensions: 1D , 2D et 3D
Objectif :
27
©M.K. NEJAD Ing., Ph.D MGA820
Méthodes d’analyse des tolérances
Worst Case Statistique
n
Si toute les dimensions xi sont centrées, normales et d’une T= T= ∑ ( pi × Toli )
2
1 Cette dernière équation n’est valable que si, et seulement si, les variables sont considérées comme indépendantes
28
©M.K. NEJAD Ing., Ph.D MGA820
Méthodes d’analyse des tolérances
Worst Case - Min/Max Statistique
La méthode est simple à utiliser. La méthode est plus complexe à utiliser.
Basée sur un 0 défaut théorique. Basée sur % défauts réels.
Cette méthode est conservatrice. Elle considère Cette méthode est basée sur les probabilités
la possibilité d’obtenir simultanément toutes les réelles d’interférence entre les composantes.
composantes à leurs limites permises de
tolérances.
Cette méthode n’a pas besoin d’une collecte de Nécessite une collecte de données pour
données. identifier les capacités des procédés de
fabrication.
Cette méthode alloue des petites tolérances. Cette méthode alloue des tolérances plus
grandes. Elle optimise la distribution de ces
dernières.
Le fournisseur peut utiliser des calibres Go- Le fournisseur ne peut par utiliser des calibres
Nogo pour la vérification des pièces de Go-Nogo pour la vérification des pièces de
production. production. Il doit effectuer des mesures par
variable et assurer la stabilité et la capabilité
durant la production.
Ne crée pas un lien direct avec les capacités Cette méthode crée un lien direct avec les
des procédés de fabrication. capacités des procédés de fabrication.
À utiliser durant les études préliminaires. Cette méthode est privilégiée pour fixer les
tolérances des pièces de production.
29
©M.K. NEJAD Ing., Ph.D MGA820
Méthodes d’analyse des tolérances
Il faut bien comprendre…
Dans le cas des tolérances Min/Max (Worst Case), le fournisseur doit se maintenir à
l’intérieur de l’intervalle des tolérances sous n’importe quelle forme.
44.5
45.5
Dans le cas des tolérances statistiques, l’ensemble des pièces de production doit se
maintenir statistiquement à l’intérieur des limites des tolérances tout en respectant les
capacités de production imposées .
30
©M.K. NEJAD Ing., Ph.D MGA820
Méthodes d’analyse des tolérances
Exemple:
31
©M.K. NEJAD Ing., Ph.D MGA820
Méthodes d’analyse des tolérances
Méthode statistique modifiée:
Quand les procédés sont décentrés et non normaux, , une méthode statistique modifiée peut être
employée. À mi-chemin entre WC et ST, il s’agit de pondérer avec un coefficient
C f ( 1.1 ≤ C f ≤ 1.6 )
i=n i=n
µGap
= ∑( p × µ )
i =1
i i σ
= Cf 2
Gap
2
∑( p
i =1
2
i × σ i2 )
±TolGap ( @ 99.73% ) =
±3σ Gap ±TolGap ( @ 99.9998% ) =
±4σ Gap
𝑋𝛴 = 30 + 30 - 50 - 4 - 4= 2mm
Méthode worst-case:
𝑇𝑇𝑙𝛴 = 𝑇𝑇𝑙𝑤𝑤 = 0,25 + 0,25 + 0,1 + 0,05 + 0,05 = 0,7
33
©M.K. NEJAD Ing., Ph.D MGA820
Méthodes d’analyse des tolérances
Exemple: X Σ = x1 + x2 − x3 − x4 − x5
Dimensions Tolérance
Pi
(mm) (mm)
x1 30,00 ± 0.25 +1
x2 30,00 ± 0.25 +1
x3 50,00 ± 0.1 -1
x4 4,00 ± 0.05 -1
x5 4,00 ± 0.05 -1
Méthode statistique:
• Si le procédé et centré et normale
34
©M.K. NEJAD Ing., Ph.D MGA820
Indépendance et dépendance statistique
µ2 µ3 µ4
h1 h2 σ2 h3 σ3 h4 σ4
H = h1 + h2 + h3 + h4
µ H = µ1 + µ2 + µ3 + µ4
35
©M.K. NEJAD Ing., Ph.D MGA820
Indépendance et dépendance statistique
On désigne deux variables (ou plus) comme X2
indépendantes statistiquement, s’il n’existe
aucun lien ou une relation entre elles.
X1
36
©M.K. NEJAD Ing., Ph.D MGA820
Indépendance et dépendance statistique
ry ×10-4 (rad)
rx ×10-4 (rad)
cov( X 1 , X 2 ) =ρ ⋅ σ X1 ⋅ σ X 2
37
©M.K. NEJAD Ing., Ph.D MGA820
Indépendance et dépendance statistique
La fonction de covariance:
La covariance de deux (2) variables mesure l’association entre ces deux dernières
cov( x, y ) =
cov( x, y ) =ρ ⋅ σ x ⋅ σ y
38
©M.K. NEJAD Ing., Ph.D MGA820
Indépendance et dépendance statistique
ρ =0 Indique l’absence d’une corrélation
10
C1
𝜌=1 5
𝜌=0,86
0
0 10 20
C3
10
𝜌=0,17 𝜌=0
C1
0 10 20
C3
39
©M.K. NEJAD Ing., Ph.D MGA820
Indépendance et dépendance statistique
Dans le cas de deux (2) variables aléatoires normales et significativement corrélées X1 et
X2, nous pouvons utiliser les équations ci-dessous pour calculer le résultat d’une
combinaison linéaire simple entre eux.
Y = X1 − X 2 µ=
Y µX − µX
1 2
σ Y2 = σ X2 + σ X2 − 2 cov( X 1 , X 2 )
1 2
40
©M.K. NEJAD Ing., Ph.D MGA820
Indépendance et dépendance statistique
Exemple:
µ2
X1 X2 σ2
A: 𝜌 égale à 0
B: 𝜌 égale à 0,71
41
©M.K. NEJAD Ing., Ph.D MGA820
Distribution des tolérances / Synthèse des
tolérances
42
©M.K. NEJAD Ing., Ph.D MGA820
Analyse d’un assemblage / Analyse des
variations
43
©M.K. NEJAD Ing., Ph.D MGA820
Scénarios 1 + 2
44
©M.K. NEJAD Ing., Ph.D MGA820
Indépendance et dépendance statistique
Exemple: X1 X2
µ2
σ2
Composa Écart
Étape 2 : Données statistiques ntes
Moyenne
type
1 500 mm 2.20 mm
2 250 mm 1.50 mm
Étape 5 :
Limites Six Sigma ±6.15σ Tot 750 ± (6.15 ∗ 2.66)
Composa Écart
Étape 2 : Données statistiques ntes
Moyenne
type
1 500 mm 2.20 mm
2 250 mm 1.50 mm
Étape 5 :
Limites Six Sigma ±6.15σ Tot
Y= + X 2 − ( X1 + X 3 )
f ( X1, X 2 , X 3 ) =
A: variables indépendantes,
47
©M.K. NEJAD Ing., Ph.D MGA820
Indépendance et dépendance statistique
Exemple:
RÉSULTAT no1 :
Y = + X1 + X 2 − X 3 − X 4 − X 5 + X 6 − X 7 + X 8
Dimensions Produit
1 6.0 ± 0.25 +1 Standard
2 2.5 ± 0.1 +1 Standard
3 9.5 ± 0.05 -1
4 3.0 ± 0.02 -1 Standard
5 28.5 ± 0.25 -1
6 30.0 ± 0.25 +1
7 6.6 ± 0.1 -1
8 7.5 ±0.1 +1 Standard
48
©M.K. NEJAD Ing., Ph.D MGA820
Tolérances non linéaires
Il arrive souvent que le modèle analytique de la fonction Y
ne soit pas linéaire.
y = f ( x1 , x2 , , xn )
∂f
pi ≈ est le coefficient poids de chaque
∂xi x
variable. Sa valeur n’est pas nécessairement un
entier. Par exemple, si
Y = X1 ( X 2 )
−1
alors, P1 = 1 X 2 , P2 = − X 1 X 22
49
©M.K. NEJAD Ing., Ph.D MGA820
Tolérances non linéaires
Analytique
y = f (x1 , x2 ,..., xN ) y ≈ p1 x1 + p2 x2 + + pn xn
Analytique Expérimentale
∂f
pi ≈
∂xi x1 , x2 ,..., xn
50
©M.K. NEJAD Ing., Ph.D MGA820
Analyse des tolérances non linéaires
Analyse des tolérances non linéaires selon le Worst Case
y = f (x1 , x2 ,..., xN ) y ≈ p1 x1 + p2 x2 + + pn xn
La moyenne générale:
∂f ∂f ∂f
µy ≈ × µ x1 + × µ x 2 + + × µ xn ≈ p1µ x1 + p2 µ x 2 + + pn µ xn
∂x1 ∂x2 ∂xn
Tolérance résultante:
∂f ∂f ∂f
Tol y ≈ × Tolx1 + × Tolx 2 + + × Tolxn ≈ p1 × tolx1 + p2 × tolx 2 + ... + pn × tolxn
∂x1 ∂x2 ∂xn
51
©M.K. NEJAD Ing., Ph.D MGA820
Analyse des tolérances non linéaires
Analyse statistique des tolérances non linéaires
y = f (x1 , x2 ,..., xN ) y ≈ p1 x1 + p2 x2 + + pn xn
∂f ∂f ∂f
µy ≈ × µ x1 + × µ x 2 + + × µ xn ≈ p1µ x1 + p2 µ x 2 + + pn µ xn
∂x1 ∂x2 ∂xn
2
N
∂f
σ y2 = ∑ ⋅ σ i2
i =1 ∂xi
52
©M.K. NEJAD Ing., Ph.D MGA820
Analyse des tolérances non linéaires
Analyse statistique des tolérances non linéaires
2
∂f
N N −1 N
∂f ∂f N N −1 N
σ
= 2
y ∑
1 ∂xi
i=
⋅ σ i
2
+ 2 ∑
i=
∑i +1 ∂x ∂x σ=
1 j=
ij ∑p
i=
1
i
2
i
2
⋅ σ + 2∑
i=1 j=
i +1
∑ ppσ
i j ij
i j
σ ij
ρij =
σ i ⋅σ j
2
∂f
N N −1 N
∂f ∂f N N −1 N
σ y ∑ ⋅ σ i + 2∑ ∑
= 2 2
⋅ ρij ⋅ σ i ⋅ σ= ∑p 2 2
⋅ σ + 2∑ ∑ pp ⋅ ρ ⋅σ ⋅σ
∂ ∂ ∂
j i i i j ij i j
1
i= xi i=1 j=
i +1 xi x j i=
1 i=1 j=
i +1
53
©M.K. NEJAD Ing., Ph.D MGA820
Analyse des tolérances non linéaires
Exemple -système d’embrayage :
Composants
54
©M.K. NEJAD Ing., Ph.D MGA820
Exemple:
Le résultat de cet assemblage peut être décrit par l’angle de contact entre les
éléments.
55
©M.K. NEJAD Ing., Ph.D MGA820
Exemple:
Étape 1 : la construction du modèle mathématique
x2 + x3
x +
2
1
y = cos −1
x2 + x3
x4 −
2
56
©M.K. NEJAD Ing., Ph.D MGA820
Exemple:
Étape 2: Données statistiques
22.86 + 22.86
55.29 +
−1 2
= = 22.86 + 22.86
y cos 0.1225 rad
101.60 −
2
57
©M.K. NEJAD Ing., Ph.D MGA820
Exemple:
Étape 4 : Coefficients
∂f ∂f ∂f ∂f
=p1 = p2 = p3 = p4
∂x1 ∂x2 ∂x3 ∂x4
p1 = −0.1039
p2 = p3 = −0.1035
p4 = 0.1032
∂f ∂f ∂f ∂f
Tol y ≈ × Tolx1 + × Tolx 2 + × Tolx 3 + × Tolx 4
∂x1 ∂x2 ∂x3 ∂x4
58
©M.K. NEJAD Ing., Ph.D MGA820
Exemple:
Étape 4 : Coefficients
∂f ∂f ∂f ∂f
=p1 = p2 = p3 = p4
∂x1 ∂x2 ∂x3 ∂x4
p1 = −0.1039
p2 = p3 = −0.1035
p4 = 0.1032
∂f ∂f ∂f ∂f
Tol y ≈ × Tolx1 + × Tolx 2 + × Tolx 3 + × Tolx 4
∂x1 ∂x2 ∂x3 ∂x4
Sous l’hypothèse que nous connaissons les écarts types des procédés de fabrication
des quatre (4) composantes qui constituent l’assemblage
σ=
y 0.10392 × 0.0252 + 2(0.10352 × 0.0022 ) + 0.10322 × 0.0232= 0.0035
60
©M.K. NEJAD Ing., Ph.D MGA820
Exemple:
Étape 6 : Limites de tolérance
( @ 99.9998% ) µ y ± (4 ∗ σ=
y) 0.1225 ± (4 ∗ 0.0035) rad
= 0.1225 ± 0.0140
( @ 99.73% ) µ y ± (3 ∗ σ=
y) 0.1225 ± (3 ∗ 0.0035) rad
= 0.1225 ± 0.0105
61
©M.K. NEJAD Ing., Ph.D MGA820