Tehnik-ast.ru

Электро Техник
0 просмотров
Рейтинг статьи
1 звезда2 звезды3 звезды4 звезды5 звезд
Загрузка...

Оценка моделей ML/DL: матрица ошибок, Accuracy, Precision и Recall

Оценка моделей ML/DL: матрица ошибок, Accuracy, Precision и Recall

В компьютерном зрении обнаружение объекта — это проблема определения местоположения одного или нескольких объектов на изображении. Помимо традиционных методов обнаружения, продвинутые модели глубокого обучения, такие как R-CNN и YOLO, могут обеспечить впечатляющие результаты при различных типах объектов. Эти модели принимают изображение в качестве входных данных и возвращают координаты прямоугольника, ограничивающего пространство вокруг каждого найденного объекта.

В этом руководстве обсуждается матрица ошибок и то, как рассчитываются precision, recall и accuracy метрики.

Здесь мы рассмотрим:

  • Матрицу ошибок для двоичной классификации.
  • Матрицу ошибок для мультиклассовой классификации.
  • Расчет матрицы ошибок с помощью Scikit-learn.
  • Accuracy, Precision и Recall.
  • Precision или Recall?

Матрица ошибок для бинарной классификации

В бинарной классификации каждая выборка относится к одному из двух классов. Обычно им присваиваются такие метки, как 1 и 0, или положительный и отрицательный (Positive и Negative). Также могут использоваться более конкретные обозначения для классов: злокачественный или доброкачественный (например, если проблема связана с классификацией рака), успех или неудача (если речь идет о классификации результатов тестов учащихся).

Предположим, что существует проблема бинарной классификации с классами positive и negative . Вот пример достоверных или эталонных меток для семи выборок, используемых для обучения модели.

Такие наименования нужны в первую очередь для того, чтобы нам, людям, было проще различать классы. Для модели более важна числовая оценка. Обычно при передаче очередного набора данных на выходе вы получите не метку класса, а числовой результат. Например, когда эти семь семплов вводятся в модель, каждому классу будут назначены следующие значения:

На основании полученных оценок каждой выборке присваивается соответствующий класс. Такое преобразование числовых результатов в метки происходит с помощью порогового значения. Данное граничное условие является гиперпараметром модели и может быть определено пользователем. Например, если порог равен 0.5, тогда любая оценка, которая больше или равна 0.5, получает положительную метку. В противном случае — отрицательную. Вот предсказанные алгоритмом классы:

Сравните достоверные и полученные метки — мы имеем 4 верных и 3 неверных предсказания. Стоит добавить, что изменение граничного условия отражается на результатах. Например, установка порога, равного 0.6, оставляет только два неверных прогноза.

Для получения дополнительной информации о характеристиках модели используется матрица ошибок (confusion matrix). Матрица ошибок помогает нам визуализировать, «ошиблась» ли модель при различении двух классов. Как видно на следующем рисунке, это матрица 2х2. Названия строк представляют собой эталонные метки, а названия столбцов — предсказанные.

Оценка моделей ML/DL: матрица ошибок, Accuracy, Precision и Recall

Четыре элемента матрицы (клетки красного и зеленого цвета) представляют собой четыре метрики, которые подсчитывают количество правильных и неправильных прогнозов, сделанных моделью. Каждому элементу дается метка, состоящая из двух слов:

  1. True или False.
  2. Positive или Negative.

True, если получено верное предсказание, то есть эталонные и предсказанные метки классов совпадают, и False, когда они не совпадают. Positive или Negative — названия предсказанных меток.

Таким образом, всякий раз, когда прогноз неверен, первое слово в ячейке False, когда верен — True. Наша цель состоит в том, чтобы максимизировать показатели со словом «True» (True Positive и True Negative) и минимизировать два других (False Positive и False Negative). Четыре метрики в матрице ошибок представляют собой следующее:

  1. Верхний левый элемент (True Positive): сколько раз модель правильно классифицировала Positive как Positive?
  2. Верхний правый (False Negative): сколько раз модель неправильно классифицировала Positive как Negative?
  3. Нижний левый (False Positive): сколько раз модель неправильно классифицировала Negative как Positive?
  4. Нижний правый (True Negative): сколько раз модель правильно классифицировала Negative как Negative?

Мы можем рассчитать эти четыре показателя для семи предсказаний, использованных нами ранее. Полученная матрица ошибок представлена на следующем рисунке.

Оценка моделей ML/DL: матрица ошибок, Accuracy, Precision и Recall

Вот так вычисляется матрица ошибок для задачи двоичной классификации. Теперь посмотрим, как решить данную проблему для большего числа классов.

Читайте так же:
Как обозначается легированная сталь

Матрица ошибок для мультиклассовой классификации

Что, если у нас более двух классов? Как вычислить эти четыре метрики в матрице ошибок для задачи мультиклассовой классификации? Очень просто!

Предположим, имеется 9 семплов, каждый из которых относится к одному из трех классов: White, Black или Red. Вот достоверные метки для 9 выборок:

После загрузки данных модель делает следующее предсказание:

Для удобства сравнения здесь они расположены рядом.

Перед вычислением матрицы ошибок необходимо выбрать целевой класс. Давайте назначим на эту роль класс Red. Он будет отмечен как Positive, а все остальные отмечены как Negative.

11111111111111111111111После замены остались только два класса (Positive и Negative), что позволяет нам рассчитать матрицу ошибок, как было показано в предыдущем разделе. Стоит заметить, что полученная матрица предназначена только для класса Red.

Оценка моделей ML/DL: матрица ошибок, Accuracy, Precision и Recall

Далее для класса White заменим каждое его вхождение на Positive, а метки всех остальных классов на Negative. Мы получим такие достоверные и предсказанные метки:

На следующей схеме показана матрица ошибок для класса White.

матрица ошибок для класса White

Точно так же может быть получена матрица ошибок для Black.

Расчет матрицы ошибок с помощью Scikit-Learn

В популярной Python-библиотеке Scikit-learn есть модуль metrics , который можно использовать для вычисления метрик в матрице ошибок.

Для задач с двумя классами используется функция confusion_matrix() . Мы передадим в функцию следующие параметры:

  1. y_true : эталонные метки.
  2. y_pred : предсказанные метки.

Следующий код вычисляет матрицу ошибок для примера двоичной классификации, который мы обсуждали ранее.

Взаимосвязь шероховатости и точности обработки. Классы шероховатости, достигаемые различными видами механической обработки

Чтобы достичь заданной точности размеров детали и установить при контроле, действительно ли получен заданный размер, необходимо обеспечить при обработке надлежащий класс шероховатости поверхности.

Необходимая точность обработки, отвечающая требованиям заданного класса точности, достигается на различных станках разными способами.

Точность выполнения размеров определяется квалитетами (в системе ОСТ – классы точности). Квалитет (по стандартам СЭВ – Совет Экономической Взаимопомощи) показывает относительную точность изготовления детали.

В зависимости от величины допуска на размер установлено 19 квалитетов точности (IT01, IT0, IT1, IT2. IT17; IT – Intеrnational Tolerance — международный допуск). IT8 – допуск системы по 8 квалитету ISO (ISO — международная организация по стандартизации).

Практикой определены взаимосвязи между видами обработки и шероховатостью поверхности. Так, например, установлено, что средняя высота неровностей не должна превышать 10-25% от допуска на обработку. Это позволило установить достижимую шероховатость поверхности для различных видов обработки, а с учётом затрат при любом другом способе обработки – и экономически достижимую шероховатость поверхности.

Различные методы обработки по-разному влияют на качество поверхности.

Таблица 1. Характеристики точности и качества, характерные для различных способов обработки резанием

№ п/пВид обработкиТочность размеров формыКачество поверхности
квалитетстепень точностиRа мкм
Доводка3-40,08-0,01
Суперфиниширование3-40,16-0,01
Хонингование3-40,63-0,01
ПолированиеПредшествующ.Пр.обработка0,63-0,02
Тонкое точение — строгание — шлифование — фрезерование — растачивание5-65-6 6-7 3-4 6-7 5-61,25-0,32 6,3-1,2 0,63-0,16 1,6 1,25-0,32
Чистовое шлифование — фрезерование — точение -растачивание — строгание -развертывание — зенкерование5-6 6-7 5-6 5-7 6-76-7 8-9 8-9 6-7 9-101,25-0,63 6,3-3,2 10-1,25 5-2,5 6,3-3,2 1,25-0,32 6,3-3,2
Черновое точение — шлифование — растачивание — сверление — зенкерование — развертывание — фрезерование — строгание — долбление9-10 7-9 7-9 11-13 10-11 7-96-7 9-10 13-15 8-10 7-9 9-10 9-10 9-1040-20 2,5-1,25 80-50 25-5 25-12,5 2,5-1,25 50-25 25-12,5 25-12,5
Сверление по кондуктору11-128-925-6,3
Координатное растачивание4-51,25-0,32
Нарезание резьбы: метчиком (плашкой) резцом фрезой10-5 5-1,25 5-1,6

Для достижения заданного взаимного расположения поверхностей, формы и размеров деталей, их шероховатости и физико-механических свойств при производстве машиностроительной продукции применяют различные методы обработки: резание лезвийным и абразивным инструментами; поверхностное пластическое деформирование; электрофизические, электрохимические и другие методы. По мере приближения размера обрабатываемой поверхности к заданному размеру по чертежу обработка заготовки может быть нескольких видов: обдирочная, черновая, получистовая, чистовая, тонкая, отделочная.

Читайте так же:
В какую сторону вращается болгарка

Обдирочная обработка применяется для крупных поковок и отливок 16-18-го квалитетов точности. Она уменьшает погрешности формы и пространственных отклонений грубых заготовок, обеспечивая 15-16-й квалитеты точности, шероховатость поверхности Ra больше 100 мкм.

Черновая обработка выполняется в большом диапазоне точности (12-16-й квалитеты). Шероховатость поверхности Ra = 100-25 мкм.

Получистовая обработка применяется для заготовок, к точности которых предъявляются повышенные требования. Этот вид обработки обеспечивает 11-й, 12-й квалитеты точности. Шероховатость поверхности
Ra = 50,0-12,5 мкм.

Чистовая обработка применяется как окончательный вид обработки для тех заготовок, заданная точность которых укладывается в точность, достигаемую чистовой обработкой (8-11-й квалитеты). Шероховатость поверхности обеспечивается в пределах Ra = 12,5-2,5 мкм.

Тонкая обработка применяется для окончательного формирования поверхностей детали и при малых операционных припусках. Шероховатость поверхности находится в пределах значений Ra = 2,5-0,63 мкм.

Отделочная (финишная) обработка используется для получения требуемой шероховатости поверхности детали на точность обработки влияния почти не оказывает. Выполняется, как правило, в пределах допуска предшествующей обработки. Отделочная обработка обеспечивает получение шероховатости поверхности Ra = 0,63-0,16 мкм.

В современном машиностроении наиболее распространены обработка заготовок лезвийным и абразивным инструментами, которые формируют точность и качество поверхностей деталей. Лезвийным инструментом из сверхтвердых материалов можно обрабатывать заготовки с твердостью до 45 HRC, а абразивным инструментом целесообразно выполнять обработку металлов с более высокой твердостью.

Обработка лезвийным инструментом используется как процесс чистовой и тонкой обработки: тонкое точение, тонкое фрезерование, тонкое развертывание, протягивание, прошивание.

Сущность тонкого точения заключается в снятии стружки малого по толщине сечения при больших скоростях резания (100-1000 м/мин): для чугунных заготовок скорость резания составляет 100-150 м/мин; для стальных – 150-250 м/мин; для цветных сплавов – до 1000 м/мин. Подача устанавливается для предварительного хода – 0,15 мм/об, а для окончательного – 0,01 мм/об. Глубину резания принимают 0,2-0,3 и 0,05-0,01 мм соответственно.

Малые по толщине сечения стружки не вызывают больших усилий резания и значительных деформаций технологической системы СПИД, что обеспечивает 6-8-й квалитеты точности (при обработке цветных металлов и сплавов – 5-6-й квалитеты). Шероховатость поверхности у заготовок из черных металлов Ra = 2,50-0,63 мкм; цветных металлов – Ra = 0,32-0,16 мкм.

Тонкое точение применяется перед хонингованием, суперфинишированием, полированием и выполняется на высокооборотных станках (10-15 тыс. мин -1 ). Радиальное биение шпинделя не должно превышать 0,005 мм. Все вращающиеся детали должны быть точно отбалансированы.

Резцы оснащаются твердыми сплавами, алмазом, эльбором и другими режущими материалами с высокой износостойкостью. Тонкое обтачивание обеспечивает допуск размеров 5-80 мкм, овальность и конусообразность не более 3 мкм.

Тонкое фрезерование осуществляется преимущественно торцовыми фрезами при обработке плоских поверхностей. Фрезу устанавливают с уклоном 0,0001, чтобы исключить контакт с поверхностью зубьев, не участвующих в резании. При тонком фрезеровании снимается припуск 0,2-0,5 мм, а отклонение от плоскостности на 1 м длины составляет 0,02-0,04 мм. Шероховатость поверхности Ra= 2,5-0,63 мкм.

Тонкое развертывание обеспечивает высокую точность и малую шероховатость, однако не исправляет положения оси обрабатываемого отверстия, поскольку снимает равномерный припуск по всей поверхности. Тонкое развертывание обеспечивает точность, соответствующую 5-7-му квалитетам, Ra = 1,25-0,63 мкм, и чаще всего выполняется после сверления и зенкерования или чернового и чистового растачивания отверстий.

Протягивание применяется для обработки внутренних и наружных поверхностей. При чистовом протягивании цилиндрических отверстий обеспечивается точность 6-9-го квалитетов (шероховатость поверхности
Ra = 2,50-0,63 мкм), протягивание наружных поверхностей обеспечивает точность 11-го квалитета. Протягивание выполняется на горизонтальных и вертикальных станках, универсальных и специальных полуавтоматах и автоматах.

Прошивание осуществляется специальным инструментом (прошивкой), который проталкивают через обрабатываемое отверстие в заготовке с помощью пресса.

Показатель качества

В рыночных условиях бизнес не выживет, если не сможет обеспечить конкурентоспособность своей продукции, которая включает в себя множество показателей качества. В статье разберем, основные показатели качества и как их измерить.

Читайте так же:
Как самому сделать таль

Что такое показатели качества продукции

Показатель качества — это наличие определенного количества свойств и характеристик продукции, которые входят в ее качество. С экономической стороны важны только те, которые обеспечивают конкурентные преимущества на рынке.

С позиции потребителя качество представляет собой совокупность характеристик, которые удовлетворяют его потребности. Эти свойства должны соответствовать ожиданиям покупателя и назначению товара.

Факторы, влияющие на качество продукции:

использование современных технологий;

уровень производства, который обеспечивается компанией;

качество применяемого оборудования;

характеристики используемых материалов и комплектующих;

организация трудового процесса (стимулирование и мотивация труда работников);

интенсивность и продолжительность используемых производственных процессов.

Для достижения высоких качественных показателей необходимо уделять внимание всем аспектам работы.

Классификация показателей

Чтобы оценить качество товара, необходимо из множества характеристик выбрать наиболее важные. Для этого рассмотрим их классификацию.

Показатели можно классифицировать по предмету исследования:

Единичные критерии. Позволяют оценивать отдельные свойства.

Комплексные. Помогают составить мнение о совокупности характеристик.

Обобщенные. Оценивают совокупность объектов.

Показатели можно классифицировать по группам:

Эргономические. Оценивают пригодность товара для человека.

Безопасности. Рассматривают вероятность безопасной работы при использовании товара.

Экономические. Оценивают расход сырья, материалов, топлива, энергии.

Эстетические. Включают в себя качество оформления товара.

Эффективности. Определяют, насколько хорошо изделие помогает решать задачи, для которых оно предназначено.

Оценка качества может отличаться на различных этапах жизненного цикла товара:

До начала производства ожидаемые характеристики можно назвать прогнозируемыми.

После того, как произведено планирование, ожидаемые значения можно назвать проектными.

На этапе создания используются производственные показатели.

Эксплуатационные характеризуют использование произведенного товара.

По месту в жизненном цикле

Каждый товар существует в пределах своего жизненного цикла, включающего в себя следующие этапы.

Начальный период

Этап начинается с новой идеи, которую тщательно анализируют с точки зрения производства и ожидаемых качественных характеристик. В это время объективно оценивают привлекательность нового товара для потребителей, проводя маркетинговые исследования. В результате показатели качества продукции становятся более конкретными.

Внедрение в производство

Перед запуском производства необходимо точно оценить перспективы товара. Сначала создаются образцы, затем начинается массовое производство. При помощи маркетинговых исследований можно получить информацию об эксплуатационных характеристиках товара. При необходимости внести изменения в процесс производства и реализации продукции.

Создание рынка и дальнейшие этапы

На этом этапе вопросы исследования качества, отношения потребителей к товарам особенно важны. Они определяют стратегию развития продаж.Теперь показатели качества продукции — это предмет точного измерения.

По потребительским свойствам

Любой товар производят для потребителя. Поэтому важны следующие свойства:

Функциональная полезность. Соответствует ли товар функциональному назначению.

Безопасность в использовании. Товар должен исключать возможность несчастных случаев и не выделять вредные для здоровья и экологии вещества.

Удобство. При использовании товара человек должен ощущать комфорт.

Эстетические характеристики товара. Внешний образ должен привлекать.

Надежность. В этот показатель входит долговечность, ремонтопригодность.

Технические показатели качества продукции

Технические характеристики могут относиться к нескольким группам показателей.

Конструктивные

К этой категории качества продукции относят особенности технического устройства предметов. Например, габаритные размеры, наличие определенных узлов, применение различных технических решений.

Показатели состава и структуры

Здесь рассматривается наличие в продукции химических веществ. Например:

процентное содержание определенных добавок в стали;

массовая доля сахара в продуктах;

количество серы, содержащейся в коксе.

Эти показатели могут определять качество изделий, их долговечность.

Использование сырья

Следует обратить внимание на особенности процесса производства: какое используется сырье, материалы и комплектующие. Насколько экономично производство товаров. С помощью таких показателей качества оценивают уровень затрат.

Экономические показатели

Экономические показатели качества продукции характеризуют затраты, доход и другие характеристики. Чтобы оценить выгоду от производства, нужно изучить следующие показатели:

Доход. Насколько бизнес прибыльный.

Затраты. Они связаны с производством, продажей, послепродажным и гарантийным обслуживанием.

Читайте так же:
Как запаять провода без паяльника и канифоли

Оптовые и розничные цены.

При продаже важны не только расходы производителя, но и покупателя продукции. Последний, определяя выгодность покупки, будет оценивать суммарные затраты, которые включают в себя: покупную цену, стоимость расходных материалов, покупки запчастей, ремонта, плату за обучение, стоимость эксплуатации, утилизации. Чем меньше совокупная стоимость, тем привлекательнее товар.

По применению для оценки

При использовании критериев качества важно, как производится их оценка. Показатели делятся на следующие группы:

Базовые критерии. При рассмотрении конкретного вида товара их принимают в качестве основы.

Относительные. Их оценивают по отношению к зафиксированной величине.

Определяющие. Показатели применяются для того, чтобы на их основе принять окончательное решение.

По количеству характеризуемых свойств

При исследовании характеристик получают большой объем полезной информации о товаре. Однако наиболее важны показатели, которые служат основанием для принятия решений. Обычно покупателю необходимо знать несколько параметров для этой цели. Показатели относят к следующим категориям:

Единичные показатели. Например, при покупке компьютера может интересовать количество установленной оперативной памяти. Это важная характеристика, но не единственная, которую необходимо принять во внимание.

Комплексные показатели. Одновременно оценивают совокупность нескольких свойств. Например, при покупке роутера покупатель может заинтересоваться, хватит ли сигнала на всю площадь квартиры. При этом он сочтет важным именно это, а не количество частотных диапазонов.

Обобщенные показатели. Характеризует весь комплекс показателей. Например, покупая хлеб, можно оценить его свежесть, не интересуясь подробностями состава.

Иногда может рассматриваться интегральная характеристика. Она комплексная, но еще оценивает соотношение полученных выгод к произведенным затратам.

По возможности оценки

При определении величины этого показателя качества возможны ситуации:

Параметр допускает количественную оценку. Такие данные позволяют точно оценить изделие.

Величина имеет случайную природу. Такая ситуация возникает, если считают количество отказов за определенный период времени. Полученная информация позволяет сделать вероятностную оценку. Для этого применяют методы теории вероятности.

Иногда показатели качества продукции не имеют точного количественного выражения. Например, это относится к оценке, которую ставит дегустатор.

Возможны такие ситуации, когда для проведения оценки отсутствуют объективные данные. Например, эта ситуация может возникнуть при оценке долговечности товара, который только недавно появился на рынке.

Методы измерения показателей качества

Для того, чтобы сделать точную оценку изделия, можно воспользоваться следующими методами:

Измерительный. Использование специальной аппаратуры и приспособлений для объективного получения точных значений. Результат определяется в соответствующих единицах измерения: кг, м, л, Вт и др.

Регистрационный. Метод фиксирует происходящее с товаром в течение определенного периода. Например, может рассматриваться количество отказов, доля бракованных изделий в партии товаров или аналогичные. Этот способ наиболее трудоемкий.

Расчетный. Позволяет вычислять показатели, характеризующие качество продукции, на основе имеющихся данных по формулам.

Наряду с точными методами исследованиями применяются субъективные. В их число входят:

Органолептический метод. Включает описание на основе органов чувств человека. В нем используются зрение, слух, обоняние, вкус и осязание. Эта процедура может, например, использоваться для дегустации продуктов. Этот способ удобен тем, что при его применении нет необходимости использовать дополнительные приспособления.

Экспертный метод. Решение выносит не один человек, а несколько. При этом необходим подходящий уровень квалификации.

Социологический метод исследования. Нужно получить мнение большого количества людей. Для этого проводят опросы, заполняют анкеты и другие аналогичные способы.

Итак, чтобы точно определить значение показателя:

Используют сводную карту дефектов, отказов. Для этого оформляется таблица, в которую заносят информацию о каждом случае.

Применяют непосредственные изменения характеристик.

Показатели берут из предоставленной документации.

Используют корреляционные диаграммы для изучения взаимосвязи между параметрами.

Рисуют причинно-следственные диаграммы для понимания взаимосвязей между показателями.

Проводят статистические исследования, на основе которых показатели вычисляются при помощи методов теории вероятности.

В некоторых случаях показатели качества продукции — средние величины. Это удобно при подсчете затрат, прибыльности. Для этого делают расчеты для партии товара, а потом определяют среднее значение для каждой группы.

Читайте так же:
Какие инструменты относятся к измерительным

Заключение

Качество товаров — важный показатель для бизнеса, так как оказывает существенное влияние на экономику и финансы. Поэтому каждый производитель должен обеспечить высокое качество своей продукции, чтобы быть конкурентоспособным, удовлетворить потребности покупателя и принести прибыль организации.

Точность сборки. Методы обеспечения точности сборки

Точность сборки — характеристика и свойство технологического процесса сборки изделия. Точность сборки призвана обеспечивать соответствие действительных значений параметров изделия значениям, заданным в технической документации. Точность сборки зависит от ряда факторов:

  1. точности размеров и формы,
  2. шероховатости сопрягаемых поверхностей деталей,
  3. взаимного положения деталей при сборке,
  4. технического состояния средств технологического оснащения,
  5. деформации системы «оборудование — приспособление — инструмент — изделие» в момент выполнения сборки и т.п.

С помощью сборочных размерных цепей может быть определена точность сборки аналитически.

Размерная цепь — замкнутый контур взаимосвязанных размеров, определяющих их численные значения и допуски. Размерная цепь состоит из:

  1. составляющих,
  2. исходного (замыкающего),
  3. других видов звеньев.

Составляющее звено — звено размерной цепи, изменение которого вызывает изменение исходного (замыкающего) звена. Составляющие звенья обозначаются прописными буквами русского алфавита с цифровыми индексами (например, A1, А2 или Б1, Б2).

Исходное (замыкающее) звено — звено, образующееся в цепи последним вследствие решения определенной задачи при изготовлении или ремонте. Оно обозначается той же буквой алфавита с индексом «?».

Компенсирующее звено — звено, трансформацией размера которого получается требуемая точность замыкающего звена. Оно обозначается той же буквой алфавита с соответствующим цифровым индексом и буквой «К» (например, А или Б).

Составляющие звенья могут быть увеличивающими или уменьшающими (по характеру воздействия на замыкающее звено), т.е. при их увеличении замыкающее звено увеличивается или уменьшается. Увеличивающие звенья могут обозначаться стрелками, направленными вправо -> А, уменьшающие — стрелками влево <- А.

Требуемая точность сборки изделий достигается одним из пяти методов:

  1. полной,
  2. неполной взаимозаменяемости,
  3. групповой взаимозаменяемости,
  4. регулирования,
  5. пригонки.

Метод полной взаимозаменяемости — при данном методе требуемая точность сборки достигается путем соединения деталей без их выбора, подбора или изменения размеров. Применение метода полной взаимозаменяемости целесообразно при сборке соединений, состоящих из небольшого количества деталей, так как увеличение числа деталей требует обработки сопряженных поверхностей с меньшими допусками, что не всегда технически достижимо и экономически целесообразно.

Метод неполной взаимозаменяемости — метод, при котором требуемая точность сборки достигается не у всех соединений при сопряжении деталей без их выбора, подбора или модификации размеров, а у заранее определенной их части, т. е. обусловленный процент (или доли процента) соединений не соответствует требованиям точности сборки и требует разборки и повторной сборки. Если дополнительные затраты на выполнение разборочно-сборочных работ меньше затрат на изготовление сопрягаемых деталей с более узкими допусками, обеспечивающими получение требуемой точности сборки у всех соединений, то метод неполной взаимозаменяемости целесообразен в этом данном конкретном случае.

Метод групповой взаимозаменяемости — метод, при котором требуемая точность сборки достигается путем соединения деталей, относящихся к одной из размерных групп, на которые они уже рассортированы. Этот метод иногда называют селективным. В пределах каждой группы требуемая точность сборки достигается методом полной взаимозаменяемости. Данный метод предоставляет высокую точность сборки, однако он связан с дополнительной операцией сортировки Деталей на размерные группы, надобностью хранения запасов деталей всех размерных групп и невозможностью использования части деталей, когда сопрягаемые детали неравномерно разделяются по размерным группам.

Метод регулирования — при данном методе требуемая точность сборки получается путем модификации размера одной из деталей (или группы деталей) соединения, называемой компенсатором, без снятия слоя материала.

Метод пригонки — метод, при котором требуемая точность сборки достигается путем изменения размера компенсатора со снятием слоя материала.

Другие статьи по теме:

Категория: Комплектование деталей и сборка агрегатов

голоса
Рейтинг статьи
Ссылка на основную публикацию
Adblock
detector