Análisis de Tolerancia Desde los Primeros Principios
Una guía práctica del análisis de acumulación de tolerancias para conjuntos mecánicos, método del caso peor, RSS y métodos de Monte Carlo explicados con ejemplos reales.
Por Qué el Análisis de Tolerancia es Importante
Cada dimensión en un plano de ingeniería tiene una tolerancia. Un diámetro de eje de 25,00 mm con una tolerancia de más o menos 0,05 mm puede fabricarse en cualquier lugar entre 24,95 mm y 25,05 mm y se considera aceptable. Esta es una realidad fundamental de la fabricación: ninguna pieza se fabrica exactamente a su dimensión nominal.
El desafío surge cuando se ensamblan múltiples partes. Cada pieza aporta su propia tolerancia al conjunto. La pregunta que responde el análisis de acumulación de tolerancias es: dadas las tolerancias en cada componente individual, ¿cuál es la variación resultante en la dimensión crítica del conjunto?
Si lo hace mal, termina con partes que no encajan, interferencia donde se esperaba holgura, o espacios excesivos que comprometen la función. En aplicaciones automotrices, los fallos en la acumulación de tolerancias resultan en retiros, reclamaciones de garantía y, en conjuntos críticos para la seguridad, consecuencias normativas.
Un Ejemplo Práctico
Considere un conjunto simple: un eje pasa a través de dos casquillos, que se presionan en una carcasa. La dimensión crítica es la holgura entre el extremo del eje y la cara interna de la carcasa.
Las dimensiones relevantes son:
| Componente | Nominal (mm) | Tolerancia (mm) |
|---|---|---|
| Longitud interna de carcasa | 100,00 | +/- 0,10 |
| Espesor del casquillo A | 5,00 | +/- 0,05 |
| Espesor del casquillo B | 5,00 | +/- 0,05 |
| Longitud del eje | 88,00 | +/- 0,08 |
Holgura nominal = 100,00 - 5,00 - 5,00 - 88,00 = 2,00 mm
La pregunta es: ¿cuál es la holgura mínima y máxima cuando se consideran las tolerancias?
Método 1: Análisis del Caso Peor
El análisis del caso peor asume que cada dimensión se encuentra simultáneamente en su extremo del peor caso. Este es el enfoque más conservador.
La holgura máxima ocurre cuando la carcasa está en su mayor tamaño y el eje y los casquillos están en su menor tamaño:
Holgura máx = (100,00 + 0,10) - (5,00 - 0,05) - (5,00 - 0,05) - (88,00 - 0,08)
= 100,10 - 4,95 - 4,95 - 87,92
= 2,28 mmLa holgura mínima ocurre cuando la carcasa está en su menor tamaño y el eje y los casquillos están en su mayor tamaño:
Holgura mín = (100,00 - 0,10) - (5,00 + 0,05) - (5,00 + 0,05) - (88,00 + 0,08)
= 99,90 - 5,05 - 5,05 - 88,08
= 1,72 mmEl rango del caso peor es de 1,72 mm a 2,28 mm. El conjunto siempre tiene holgura positiva, por lo que siempre encaja.
El análisis del caso peor es simple y garantiza un éxito del ensamblaje del 100%. Su debilidad es que es extremadamente conservador. La probabilidad de que cada dimensión se encuentre simultáneamente en su extremo es vanishingly pequeña. Para conjuntos con muchos contribuyentes, el análisis del caso peor a menudo predice problemas que nunca ocurren en la práctica, lo que lleva a tolerancias innecesariamente estrictas (y costosas).
Método 2: Raíz de la Suma de los Cuadrados (RSS)
El análisis RSS aplica un enfoque estadístico. En lugar de asumir que todas las dimensiones se encuentran simultáneamente en sus extremos, trata cada tolerancia como una variable aleatoria independiente y calcula la combinación estadística.
La tolerancia RSS para el conjunto es:
T_rss = sqrt(T1^2 + T2^2 + T3^2 + T4^2)
= sqrt(0,10^2 + 0,05^2 + 0,05^2 + 0,08^2)
= sqrt(0,0100 + 0,0025 + 0,0025 + 0,0064)
= sqrt(0,0214)
= 0,146 mmEl rango RSS es 2,00 +/- 0,146 mm, o 1,854 mm a 2,146 mm.
Este es un rango más ajustado que el del caso peor (que predijo 1,72 a 2,28 mm). El análisis RSS asume que las dimensiones siguen una distribución normal y que la banda de tolerancia representa un número específico de desviaciones estándar (típicamente 3-sigma, lo que significa que el 99,73% de las partes caen dentro de la tolerancia).
RSS es apropiado cuando:
- Tiene un número razonable de contribuyentes de tolerancia (más de 4-5)
- Las dimensiones son genuinamente independientes (sin sesgos de fabricación sistemáticos)
- Puede aceptar una pequeña probabilidad estadística de fallo de ensamblaje
RSS no es apropiado para dimensiones críticas para la seguridad donde se requiere conformidad del 100%.
Método 3: Simulación de Monte Carlo
El análisis de Monte Carlo genera miles de asambleas virtuales, cada una con dimensiones muestreadas aleatoriamente, y mide la dimensión de ensamblaje resultante para cada una.
El algoritmo es directo:
- Para cada contribuyente de tolerancia, defina una distribución de probabilidad (normal, uniforme, sesgada, etc.)
- Muestree aleatoriamente un valor de cada distribución
- Calcule la dimensión de ensamblaje a partir de los valores muestreados
- Repita 10.000 a 100.000 veces
- Analice la distribución resultante de dimensiones de ensamblaje
El análisis de Monte Carlo es el método más flexible. Maneja distribuciones no normales, dimensiones correlacionadas, acumulaciones de pila no lineales y tipos de tolerancia mixtos. Produce una distribución de probabilidad completa de la dimensión de ensamblaje, no solo un rango.
Su desventaja es que requiere más configuración y cálculo. Para la acumulación lineal simple anterior, RSS da la misma respuesta con menos esfuerzo. Monte Carlo se vuelve valioso cuando la acumulación es no lineal, cuando las distribuciones son no normales, o cuando necesita comprender la forma completa de la distribución de salida.
Elección del Método Correcto
| Criterio | Caso Peor | RSS | Monte Carlo |
|---|---|---|---|
| Complejidad | Baja | Baja | Media |
| Conservadurismo | Muy alto | Moderado | Configurable |
| Supuestos de distribución | Ninguno | Normal | Cualquiera |
| Uso crítico para seguridad | Sí | Con precaución | Sí |
| Acumulaciones no lineales | Limitado | No | Sí |
| Número de contribuyentes | Cualquiera | > 4 preferible | Cualquiera |
Para la mayoría de aplicaciones de ingeniería mecánica, recomendamos comenzar con análisis del caso peor. Si el resultado del caso peor muestra que el diseño funciona, no se necesita más análisis. Si el caso peor muestra un problema, pasar a RSS para determinar si el problema es estadísticamente significativo. Si RSS es insuficiente o la acumulación es compleja, use Monte Carlo.
La Conexión con ChainSolve
El análisis de tolerancia es un ejemplo perfecto de un cálculo que se beneficia del enfoque compuesto y trazable que proporciona ChainSolve. Cada dimensión de componente es un bloque de entrada con su valor nominal, tolerancia y tipo de distribución. La acumulación de pila es una cadena que calcula la dimensión de ensamblaje. Cambiar una tolerancia en cualquier componente muestra instantáneamente el efecto en el conjunto.
Este es exactamente el tipo de flujo de trabajo de ingeniería que estamos construyendo ChainSolve para apoyar, estructurado, trazable y compuesto.