신제품을 설계할 때는 아주 작은 변형도 큰 문제를 일으킬 수 있습니다. 엔진 어셈블리, 스마트폰 케이스 또는 의료 기기 등 최종 제품이 의도한 대로 작동하려면 각 구성품이 정확하게 맞아야 합니다. 바로 이러한 경우에 공차 누적 분석이 필요합니다.
공차 누적 분석은 조립을 하기 위한 제품 설계를 최적화하는 데 사용됩니다. 사실상, 어셈블리에서 부품 공차의 누적 효과를 계산하는 데 사용됩니다. 일반적으로 대부분의 엔지니어는 부품당 최적화된 공차 정의의 가치를 이해하고 있지만, 특히 조립 및 테스트 환경에서는 전체 공차를 고려하지 않을 수 있습니다. 공차 누적 분석은 엔지니어가 부품 변동이 어셈블리에서 어떻게 결합하는지, 그리고 첫 프로토타입을 제작하기 전에 최종 결과가 사양을 충족하는지 예측하는 데 도움이 됩니다.
공차 누적 분석에는 두 가지 주요 접근법이 있습니다.
최악의 경우 분석 – 이 접근법은 모든 공차가 같은 방향으로 극단적인 한계에 있다고 가정합니다. 간단하고 보수적이어서 적합성을 보장하지만, 종종 과도한 엔지니어링과 불필요한 비용을 초래합니다.
몬테 카를로 분석 – 이 접근법은 확률 분포를 사용하여 실제 변동을 모델링합니다. 최악의 결과를 가정하는 대신 수천 개의 조립 결과를 시뮬레이션하여 고장 가능성을 추정합니다. 이 접근법은 현실을 더 정확하게 반영하며, 성과를 유지하면서 공차를 더 느슨하게(그리고 더 저렴하게) 정당화할 수 있습니다.
엔지니어는 Minitab Workspace의 몬테 카를로 시뮬레이션 도구를 사용하여 공차 모델을 신속하게 설정할 수 있습니다.
공차 누적 분석은 설계 의도와 제조 현실 간의 격차를 해소합니다. 엔지니어는 불확실성을 수량화함으로써 성능, 비용 및 제조 가능성의 균형을 맞추는, 정보에 입각한 결정을 내립니다. 최악의 경우 분석이 더 일반적이고 여전히 효과적일 수 있지만, 몬테 카를로 시뮬레이션은 궁극적으로 보다 현실적인 접근 방식을 제공하여 공차를 완화하고 설계에 관해 보다 실질적인 접근 방식을 제공합니다.