Analyse de cumul de tolérances à partir des principes fondamentaux

Pourquoi l’analyse de tolérances est importante

Chaque dimension sur un dessin technique possède une tolérance. Un diamètre d’arbre de 25,00 mm avec une tolérance de plus ou moins 0,05 mm peut être fabriqué entre 24,95 mm et 25,05 mm et être considéré comme acceptable. C’est une réalité fondamentale de la fabrication : aucune pièce n’est produite exactement à sa dimension nominale.

Le défi surgit lors de l’assemblage de plusieurs pièces. Chaque pièce contribue sa propre tolérance à l’assemblage. La question à laquelle répond l’analyse de cumul de tolérances est : compte tenu des tolérances de chaque composant, quelle est la variation résultante dans la dimension critique d’assemblage ?

Omettez cela et vous vous retrouvez avec des pièces qui ne s’assemblent pas, des interférences où on attendait un jeu, ou des espacements excessifs qui compromettent la fonction. Dans les applications automobiles, les défaillances de cumul de tolérances entraînent des rappels, des réclamations de garantie et, pour les assemblages critiques pour la sécurité, des conséquences réglementaires.

Un exemple pratique

Considérez un assemblage simple : un arbre passe à travers deux coussinets, qui sont enfoncés dans un carter. La dimension critique est le jeu entre l’extrémité de l’arbre et la face interne du carter.

Les dimensions pertinentes sont :

Composant	Nominal (mm)	Tolérance (mm)
Longueur interne du carter	100,00	+/- 0,10
Épaisseur du coussinet A	5,00	+/- 0,05
Épaisseur du coussinet B	5,00	+/- 0,05
Longueur de l’arbre	88,00	+/- 0,08

Jeu nominal = 100,00 - 5,00 - 5,00 - 88,00 = 2,00 mm

La question est : quel est le jeu minimum et maximum quand les tolérances sont prises en compte ?

Méthode 1 : Analyse du pire cas

L’analyse du pire cas suppose que chaque dimension est simultanément à son extrême du pire cas. C’est l’approche la plus conservative.

Le jeu maximum survient quand le carter est à sa plus grande taille et l’arbre et les coussinets sont à leur plus petite taille :

Jeu max = (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 mm

Le jeu minimum survient quand le carter est à sa plus petite taille et l’arbre et les coussinets sont à leur plus grande taille :

Jeu min = (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 mm

L’étendue du pire cas est 1,72 mm à 2,28 mm. L’assemblage a toujours un jeu positif, donc il s’assemble toujours.

L’analyse du pire cas est simple et garantit 100 % de succès d’assemblage. Son point faible est qu’elle est extrêmement conservative. La probabilité que chaque dimension soit simultanément à son extrême est infime. Pour les assemblages avec de nombreux contributeurs, l’analyse du pire cas prédit souvent des problèmes qui ne se produisent jamais en pratique, ce qui conduit à des tolérances inutilement serrées (et coûteuses).

Méthode 2 : Racine de la somme des carrés (RSS)

L’analyse RSS applique une approche statistique. Au lieu de supposer que toutes les dimensions sont simultanément à leurs extrêmes, elle traite chaque tolérance comme une variable aléatoire indépendante et calcule la combinaison statistique.

La tolérance RSS pour l’assemblage est :

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 mm

L’étendue RSS est 2,00 +/- 0,146 mm, soit 1,854 mm à 2,146 mm.

C’est une étendue plus étroite que le pire cas (qui prédisait 1,72 à 2,28 mm). L’analyse RSS suppose que les dimensions suivent une distribution normale et que la bande de tolérance représente un nombre spécifique d’écarts-types (généralement 3-sigma, ce qui signifie que 99,73 % des pièces se situent dans la tolérance).

RSS est appropriée quand :

Vous avez un nombre raisonnable de contributeurs de tolérance (plus de 4-5)
Les dimensions sont véritablement indépendantes (pas de biais de fabrication systématique)
Vous pouvez accepter une petite probabilité statistique de défaillance d’assemblage

RSS n’est pas appropriée pour les dimensions critiques pour la sécurité où la conformité à 100 % est requise.

Méthode 3 : Simulation Monte Carlo

L’analyse Monte Carlo génère des milliers d’assemblages virtuels, chacun avec des dimensions échantillonnées aléatoirement, et mesure la dimension d’assemblage résultante pour chacun.

L’algorithme est simple :

Pour chaque contributeur de tolérance, définissez une distribution de probabilité (normale, uniforme, asymétrique, etc.)
Échantillonnez aléatoirement une valeur de chaque distribution
Calculez la dimension d’assemblage à partir des valeurs échantillonnées
Répétez 10 000 à 100 000 fois
Analysez la distribution résultante des dimensions d’assemblage

L’analyse Monte Carlo est la méthode la plus flexible. Elle gère les distributions non-normales, les dimensions corrélées, les cumuls non-linéaires et les types de tolérances mixtes. Elle produit une distribution de probabilité complète de la dimension d’assemblage, et non seulement une étendue.

Son inconvénient est qu’elle nécessite plus de configuration et de calcul. Pour le cumul linéaire simple ci-dessus, RSS donne la même réponse avec moins d’effort. Monte Carlo devient précieux quand le cumul est non-linéaire, quand les distributions sont non-normales, ou quand vous avez besoin de comprendre la forme complète de la distribution de sortie.

Choisir la bonne méthode

Critère	Pire cas	RSS	Monte Carlo
Complexité	Faible	Faible	Moyen
Conservatisme	Très élevé	Modéré	Configurable
Hypothèses distributives	Aucune	Normale	Toute
Utilisation critique	Oui	Avec prudence	Oui
Cumuls non-linéaires	Limité	Non	Oui
Nombre de contributeurs	N’importe	> 4 préféré	N’importe

Pour la plupart des applications d’ingénierie mécanique, nous recommandons de commencer par une analyse du pire cas. Si le résultat du pire cas montre que la conception fonctionne, aucune analyse supplémentaire n’est nécessaire. Si le pire cas montre un problème, passez à RSS pour déterminer si le problème est statistiquement significatif. Si RSS est insuffisant ou si le cumul est complexe, utilisez Monte Carlo.

La connexion ChainSolve

L’analyse de tolérances est un parfait exemple d’un calcul qui bénéficie de l’approche composable et traçable que ChainSolve fournit. Chaque dimension de composant est un bloc d’entrée avec sa valeur nominale, sa tolérance et son type de distribution. Le calcul de cumul est une chaîne qui calcule la dimension d’assemblage. Modifier une tolérance sur n’importe quel composant montre instantanément l’effet sur l’assemblage.

C’est exactement le type de flux de travail d’ingénierie que nous construisons ChainSolve pour supporter, structuré, traçable et composable.