Durante d\u00e9cadas, la ingenier\u00eda dimensional se ha centrado en predecir las variaciones antes de que empiece la producci\u00f3n. Las herramientas avanzadas de an\u00e1lisis de tolerancias han permitido a los ingenieros evaluar la solidez del dise\u00f1o, optimizar las tolerancias y reducir los riesgos de fabricaci\u00f3n mucho antes de que se fabrique la primera pieza. Aunque esta capacidad predictiva sigue siendo esencial, hay una pregunta clave que sigue sin respuesta: <\/p>\n\n
Ning\u00fan proceso de fabricaci\u00f3n funciona a la perfecci\u00f3n seg\u00fan los par\u00e1metros nominales. Las variaciones de los proveedores, las inconsistencias en los materiales, el desgaste de las herramientas, los movimientos de los utillajes, las condiciones ambientales y la deriva normal del proceso influyen constantemente en la calidad del montaje. Cuando estas variaciones se acumulan, los fabricantes suelen verse obligados a entrar en un ciclo reactivo de resoluci\u00f3n de problemas, ajustes de los utillajes, repetici\u00f3n de montajes e investigaciones de ingenier\u00eda. El resultado es una p\u00e9rdida de tiempo de producci\u00f3n, un aumento de los costes y un riesgo innecesario para la calidad. <\/p>\n\n
Todos los ingenieros de producci\u00f3n se han encontrado alguna vez en la misma situaci\u00f3n.<\/p>\n\n
Un conjunto que funcionaba bien durante el lanzamiento empieza a desviarse poco a poco. Las condiciones de holgura y alineaci\u00f3n cambian. Las dimensiones funcionales cr\u00edticas se salen de los l\u00edmites de tolerancia. Las mediciones ya no se ajustan a lo previsto en el dise\u00f1o. <\/p>\n\n
La respuesta tradicional ya la conoces: revisar los informes de medici\u00f3n, analizar varias dimensiones por separado, ajustar una pieza de fijaci\u00f3n, volver a montar el conjunto, volver a medir\u2026 y repetir hasta que el resultado sea aceptable. Este proceso depende en gran medida de la experiencia y del m\u00e9todo de prueba y error, ya que las dimensiones del conjunto est\u00e1n muy interrelacionadas. Un peque\u00f1o movimiento en un solo elemento de fijaci\u00f3n puede afectar a numerosas mediciones en todo el conjunto. Mejorar una dimensi\u00f3n puede empeorar sin querer otra. <\/p>\n\n
Si no entiendes estas interacciones, calcular el ajuste correcto se convierte en algo que lleva mucho tiempo y es bastante incierto.<\/p>\n\n
El software tradicional de an\u00e1lisis dimensional lleva mucho tiempo ofreciendo a los ingenieros la posibilidad de resolver dudas. \u00bfCumplir\u00e1 este dise\u00f1o con los requisitos? \u00bfQu\u00e9 tolerancias influyen m\u00e1s en la variaci\u00f3n? \u00bfEs el conjunto lo suficientemente robusto para la producci\u00f3n? <\/p>\n\n
Estas son preguntas de car\u00e1cter predictivo. Pero una vez que empieza la producci\u00f3n, los fabricantes se enfrentan a un reto totalmente diferente: \u00bfqu\u00e9 dispositivo de sujeci\u00f3n hay que ajustar? \u00bfCu\u00e1nto hay que moverlo? \u00bfCu\u00e1l es el n\u00famero m\u00ednimo de cambios necesarios? \u00bfY cu\u00e1l ser\u00e1 el resultado dimensional antes de realizar los cambios f\u00edsicos? <\/p>\n\n
Estas son preguntas que nos hacen replantearnos las cosas. Y necesitamos un nuevo enfoque para responderlas. <\/p>\n\n
La resoluci\u00f3n de problemas tradicional suele centrarse en identificar el origen de la variaci\u00f3n. Y ahora tenemos que centrarnos en algo a\u00fan m\u00e1s valioso: determinar la forma m\u00e1s r\u00e1pida de volver al rendimiento nominal.<\/strong> <\/p>\n\n En lugar de preguntarse \u00ab\u00bfQu\u00e9 ha fallado?\u00bb, los fabricantes tienen que ser capaces ahora de preguntarse: \u00ab\u00bfCu\u00e1l es la medida m\u00ednima necesaria para recuperar el rendimiento?\u00bb. Esta distinci\u00f3n reduce dr\u00e1sticamente el esfuerzo de ingenier\u00eda y, al mismo tiempo, mejora la capacidad de respuesta de la producci\u00f3n. <\/p>\n\n \u00abDrive to Nominal\u00bb es una funci\u00f3n de optimizaci\u00f3n inteligente de 3DCS que utiliza datos de medici\u00f3n reales de la producci\u00f3n, junto con los modelos de variaci\u00f3n dimensional existentes, para calcular los ajustes \u00f3ptimos de las fijaciones y los localizadores necesarios para que un conjunto vuelva a su estado nominal deseado.<\/p>\n\n En lugar de basarse en la intuici\u00f3n de los ingenieros o en experimentos repetidos, Drive to Nominal determina matem\u00e1ticamente qu\u00e9 localizadores tienen mayor influencia en el rendimiento del montaje, el n\u00famero m\u00ednimo de ajustes necesarios en los dispositivos de sujeci\u00f3n, la cantidad exacta en la que debe moverse cada localizador y la mejora dimensional prevista antes de aplicar los cambios<\/p>\n\n A diferencia de los m\u00e9todos de optimizaci\u00f3n tradicionales, que requieren nuevos modelos de an\u00e1lisis, Drive to Nominal trabaja directamente a partir del modelo de variaci\u00f3n dimensional 3DCS que ya tiene la organizaci\u00f3n y transforma la ingenier\u00eda dimensional de una disciplina predictiva en una capacidad operativa continua, lo que permite a los fabricantes responder m\u00e1s r\u00e1pido, optimizar de forma m\u00e1s inteligente y mantener la excelencia en la producci\u00f3n durante toda la vida \u00fatil de un programa.<\/p>\n\n En lugar de terminar cuando empieza la producci\u00f3n, el modelo de variaci\u00f3n dimensional sigue aportando valor durante todo el ciclo de vida de la fabricaci\u00f3n: orienta las medidas correctivas, reduce la variaci\u00f3n en los procesos y mantiene la calidad del producto.<\/p>\n","protected":false},"excerpt":{"rendered":" Durante d\u00e9cadas, la ingenier\u00eda dimensional se ha centrado en predecir las variaciones antes de que empiece la producci\u00f3n. Las herramientas avanzadas de an\u00e1lisis de tolerancias han permitido a los ingenieros evaluar la solidez del dise\u00f1o, optimizar las tolerancias y reducir los riesgos de fabricaci\u00f3n mucho antes de que se fabrique la primera pieza. Aunque esta […]<\/p>\n","protected":false},"author":11,"featured_media":19389792,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"inline_featured_image":false,"footnotes":""},"categories":[1245,1285,942],"tags":[],"expertise":[1298],"industry":[],"langue-parlee":[],"class_list":["post-19389793","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-3dcs","category-analisis-de-tolerancias","category-articulo-de-experto","expertise-tolerance-analysis-variation-management"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.metrologicdcs.com\/es\/wp-json\/wp\/v2\/posts\/19389793","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.metrologicdcs.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.metrologicdcs.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.metrologicdcs.com\/es\/wp-json\/wp\/v2\/users\/11"}],"replies":[{"embeddable":true,"href":"https:\/\/www.metrologicdcs.com\/es\/wp-json\/wp\/v2\/comments?post=19389793"}],"version-history":[{"count":1,"href":"https:\/\/www.metrologicdcs.com\/es\/wp-json\/wp\/v2\/posts\/19389793\/revisions"}],"predecessor-version":[{"id":19389794,"href":"https:\/\/www.metrologicdcs.com\/es\/wp-json\/wp\/v2\/posts\/19389793\/revisions\/19389794"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.metrologicdcs.com\/es\/wp-json\/wp\/v2\/media\/19389792"}],"wp:attachment":[{"href":"https:\/\/www.metrologicdcs.com\/es\/wp-json\/wp\/v2\/media?parent=19389793"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.metrologicdcs.com\/es\/wp-json\/wp\/v2\/categories?post=19389793"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.metrologicdcs.com\/es\/wp-json\/wp\/v2\/tags?post=19389793"},{"taxonomy":"expertise","embeddable":true,"href":"https:\/\/www.metrologicdcs.com\/es\/wp-json\/wp\/v2\/expertise?post=19389793"},{"taxonomy":"industry","embeddable":true,"href":"https:\/\/www.metrologicdcs.com\/es\/wp-json\/wp\/v2\/industry?post=19389793"},{"taxonomy":"langue-parlee","embeddable":true,"href":"https:\/\/www.metrologicdcs.com\/es\/wp-json\/wp\/v2\/langue-parlee?post=19389793"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}Una respuesta sencilla: ve a \u00abNominal\u00bb<\/strong><\/h2>\n\n
Ventajas clave para tu organizaci\u00f3n<\/strong><\/h2>\n\n
\n