3D Tolerans Zinciri Analizi: En Kötü Durum (Worst-Case), RSS ve Monte Carlo Simülasyonu

Mekanik montaj tasarımlarında parçalar tek başlarına var olmazlar. Üst üste biner, cıvatalanır ve birbirleriyle eşleşirler. Her bir parça kendi tolerans sınırları içinde imal edilse bile, bu küçük boyutsal sapmalar bir araya gelerek birikebilir —yani üst üste yığılabilir (stack-up)— ve bu durum montaj esnasında parçaların birbirine uymamasına veya sistemin kilitlenmesine yol açabilir.

Tasarım mühendisleri bu tür montaj sorunlarını önlemek için bir tolerans zinciri analizi (tolerance stack-up analysis) yaparlar. Bu analizdeki en kritik karar, boyutsal birikmeyi hesaplamak için hangi matematiksel modeli seçeceğimizdir: Muhafazakar ve deterministik olan En Kötü Durum (Worst-Case) yöntemi mi, yoksa istatistiksel tabanlı Karelerin Toplamının Karekökü (RSS) ve Monte Carlo simülasyonu modelleri mi?

Deterministik Yaklaşım: En Kötü Durum (Worst-Case) Analizi

En Kötü Durum tolerans analizi, geleneksel aritmetik yöntemdir. Montajdaki her bir parçanın, montajı en çok zora sokacak yöndeki en uç tolerans sınırında (en büyük veya en küçük boyutta) üretildiği senaryoyu varsayar.

Doğrusal bir tolerans zincirindeki $n$ adet bağımsız tolerans ($t_i$) için, toplam Worst-Case montaj toleransı ($T_{WC}$) her bir toleransın doğrudan toplanmasıyla bulunur:

$$T_{WC} = \sum_{i=1}^{n} t_i$$

Bu yöntem montajda sıfır hata (yüzde yüz montaj garantisi) sağlasa da ciddi bir dezavantaja sahiptir: Son derece muhafazakardır. Zincirdeki parça sayısı ($n$) arttıkça, montaj toleransı doğrusal olarak büyür. Montajın sıkılığını korumak için mühendisler her bir parçanın toleransını aşırı derecede daraltmak zorunda kalırlar. Bu dar toleranslar ise imalat tezgahlarının maliyetini ve kalıp masraflarını katlayarak artırır.

Gerçek hayatta, kararlı ve merkezlenmiş bir imalat sürecinde, bir montajdaki tüm parçaların aynı anda kendi en uç tolerans sınırında üretilme olasılığı sıfıra yakındır.

İstatistiksel Yaklaşım: Karelerin Toplamının Karekökü (RSS)

İstatistiksel tolerans analizi, üretilen parçaların boyutlarının normal (Gauss) dağılım sergilediğini varsayar. Normal dağılımda, parçaların ezici çoğunluğu nominal değere (hedefe) yakın boyutta üretilir ve sadece çok küçük bir kısmı tolerans sınırlarına yakın çıkar.

İmalat süreçlerinin merkezlenmiş ve kararlı ($3\sigma$ limitleri) olduğu kabul edildiğinde, toplam montaj toleransı ($T_{RSS}$) Karelerin Toplamının Karekökü (Root Sum Squared) formülüyle hesaplanır:

$$T_{RSS} = \sqrt{\sum_{i=1}^{n} t_i^2}$$

Denklemlerdeki toleransların kareleri alındığından, küçük toleransların toplam yığılmaya etkisi önemsiz kalır ve büyük toleranslar zinciri domine eder.

Bu istatistiksel yaklaşım, tasarımcılara parça toleranslarını ciddi oranda genişletme (ucuzlatma) fırsatı sunar. Örneğin, her birinin toleransı $\pm 0.1$ mm olan 5 adet özdeş parçanın üst üste binmesi durumunda:

• Worst-Case Toleransı: $0.5$ mm
• RSS Toleransı: $\sqrt{5 \cdot 0.1^2} \approx 0.22$ mm

Tasarımcı, çok küçük ve hesaplanmış bir risk payını (örneğin $3\sigma$ seviyesinde $%0.27$ montaj firesi olasılığı) göze alarak, imalat atölyesine iki kattan daha geniş ve dolayısıyla çok daha ucuz toleranslar tanıyabilir.

1 Boyutun Ötesi: 3D Monte Carlo Simülasyonları

RSS yöntemi basit, tek boyutlu doğrusal montajlarda çok iyi çalışır. Ancak gerçek mekanik sistemler sıklıkla karmaşık 3B konumsal ilişkiler, döner mafsallar ve doğrusal olmayan mekanizmalar (bir motorun piston-biyel-krank sistemi gibi) içerir.

Bu tür doğrusal olmayan 3B montajlarda doğrusal toplama veya standart RSS denklemleri yetersiz kalır. Bu durumda mühendisler Monte Carlo simülasyonlarını kullanırlar.

Bir Monte Carlo analizi şu adımlarla çalışır:

1. Her bir parçanın tolerans dağılımından (normal, uniform veya Weibull dağılımı) rastgele boyut değerleri çekilerek bilgisayar ortamında on binlerce sanal montaj gerçekleştirilir.
2. Her bir sanal montaj için nihai montaj boyutu hesaplanır.
3. Elde edilen binlerce sonucun frekans dağılımı çıkarılarak, 100.000 montajda kaç adet parçanın limitlerin dışında kalacağı (montaj fire oranı) kesin olarak belirlenir.

Bu simülasyon, parçaların açısal sapmalarını ve 3 boyutlu uzaysal hareketlerini (küçük yer değiştirme torsörleri yardımıyla) hesaba katarak, imalat maliyeti ile montaj fire oranı arasındaki optimizasyonun yüksek doğrulukla yapılmasını sağlar.

Tolerans Zinciri Analizi İçin Özet Karar Listesi

1. Parça Sayısını ($n$) Kontrol Edin: Eğer $n \leq 3$ ise, Worst-Case yöntemi basit ve güvenlidir. Eğer $n > 4$ ise, gereksiz tolerans daraltmalarından kaçınmak için RSS yöntemi tercih edilmelidir.
2. Hata Maliyetini Değerlendirin: Eğer montajın uymaması hayati bir güvenlik riski yaratıyorsa veya telafisi aşırı pahalıysa Worst-Case (veya $6\sigma$ gibi çok yüksek bir istatistiksel güvenilirlik sınırı) kullanılmalıdır.
3. İmalat Yeterliliğini Doğrulayın: RSS ve Monte Carlo modelleri, tedarikçinin üretim sürecinin kararlı olduğunu varsayar. Eğer imalat süreci istikrarsız veya kaymışsa ($C_p < 1.0$), istatistiksel tahminler tutmayacak ve gerçek fire oranı teorik hesabın çok üzerine çıkacaktır.

Sonuç

Aşırı toleranslandırma (over-tolerancing), imalat dünyasının en büyük gizli maliyet kalemlerinden biridir. Deterministik Worst-Case modellerinden, montajın yapısına uygun istatistiksel RSS veya Monte Carlo simülasyon modellerine geçiş yapmak, montaj kalitesinden ödün vermeden üretim maliyetlerini düşürmenin en etkili yoludur.

Kaynaklar:

• Creveling, C. M. (1997). Tolerance Design: A Handbook for Developing Optimal Specifications. Addison-Wesley.
• Drake, P. J. (1999). Dimensioning and Tolerancing Handbook. McGraw-Hill.