3. 公差表示方法：极值法、统计法（RSS）、蒙特卡洛法
公差分析做到一定深度，你会发现核心问题就一个：怎么把一堆零件的误差，合理地叠加到系统性能上。方法选对了，事半功倍；选错了，要么过度设计烧钱，要么量产时良率崩盘。
今天聊的这三种方法——极值法、统计法（RSS）、蒙特卡洛法，我做了十几年光学，几乎每个变焦项目都会轮着用一遍。它们各有脾气，也各有适用场景。
3.1 极值法（Worst-Case）
极值法，说白了就是“最坏情况叠加”。假设每个零件的误差都往最不利的方向跑，然后全部加起来。
公式很简单：
ΔY_total = Σ |∂Y/∂Xi| × ΔXi其中 ΔXi 是第 i 个参数的公差，∂Y/∂Xi 是灵敏度系数。
特点：
- 100% 保证装配后性能不超差——前提是你给得起这个成本
- 公差带收得极紧，加工成本飙升
- 适合安全关键件：比如军用瞄具、航天镜头
⚠ 我曾经踩过的坑：
刚入行时做一个 10 倍变焦监控镜头，客户要求“必须极值法”。结果镜片加工公差收到 ±0.005mm，供应商报价直接翻了三倍。后来跟客户沟通，改成 RSS 法加实测补偿，良率 98%，成本降了 40%。
教训：极值法不是万能的，别滥用。
教训：极值法不是万能的，别滥用。
3.2 统计法（RSS）
RSS（Root Sum Square）法认为：所有零件同时跑到极值的概率极低。它用统计平方和来叠加公差。
公式：
ΔY_total = √( Σ (∂Y/∂Xi × ΔXi)² )核心假设：
- 各参数相互独立
- 误差服从正态分布
- 过程能力指数 Cpk ≥ 1.33
我个人的习惯是：量产项目优先用 RSS。它比极值法宽松 30%~50%，但良率依然能控制在 99.7% 以上（±3σ）。
💡 实际经验：
一个 8 片镜组的变焦系统，用极值法算出来总公差 ±0.12mm，RSS 法算出来只有 ±0.06mm。实际量产数据跑了 500 套，RSS 预测的良率偏差在 0.5% 以内。
你想想看，这省下来的加工成本，够买好几台检测设备了。
你想想看，这省下来的加工成本，够买好几台检测设备了。
3.3 蒙特卡洛法（Monte Carlo）
蒙特卡洛法不跟你讲公式推导，它直接用计算机模拟。给每个参数设定分布类型和范围，然后随机抽样几万次，统计最终性能的分布。
步骤：
- 定义每个公差的分布（正态、均匀、三角等）
- 生成 N 组随机样本（通常 10,000~100,000 次）
- 代入系统模型计算性能
- 统计输出结果的分布、均值、标准差、良率
🔧 什么时候用蒙特卡洛？
- 系统非线性强（比如变焦凸轮曲线）
- 公差分布不是正态（比如供应商偏一边）
- 需要评估“尾部风险”——那 0.1% 的坏品到底有多坏
- 做灵敏度分析，找“哪个公差最要命”
- 系统非线性强（比如变焦凸轮曲线）
- 公差分布不是正态（比如供应商偏一边）
- 需要评估“尾部风险”——那 0.1% 的坏品到底有多坏
- 做灵敏度分析，找“哪个公差最要命”
我记得有个项目，变焦组的导向机构公差用 RSS 算出来没问题，但蒙特卡洛模拟发现：当导向间隙和镜片偏心同时往一个方向偏时，像质会突然掉 30%。这种交互效应，极值法和 RSS 都抓不住。
3.4 三种方法对比
| 对比项 | 极值法 | RSS 法 | 蒙特卡洛法 |
|---|---|---|---|
| 原理 | 最坏情况线性叠加 | 统计平方和 | 随机抽样模拟 |
| 所需数据 | 公差范围 + 灵敏度 | 公差范围 + 灵敏度 + 分布假设 | 公差分布 + 系统模型 |
| 计算量 | 极低（手算都行） | 低（Excel 搞定） | 高（需编程） |
| 结果类型 | 单一最差值 | 统计标准差 | 完整分布 |
| 保守程度 | 最保守 | 适中 | 最真实 |
| 适用阶段 | 方案论证、安全件 | 详细设计、量产 | 优化验证、疑难分析 |
3.5 知识体系图
下面这张图帮你理清三种方法的关系和选择逻辑：
3.6 实际项目中的选择建议
说了这么多，到底怎么选？我总结几条实战经验：
- 方案阶段：用极值法快速评估可行性，别纠结细节
- 详细设计：切换到 RSS 法，配合 Cpk 数据做公差分配
- 量产前验证：跑一轮蒙特卡洛，看看尾部风险在哪里
- 供应商能力差：别用 RSS，老老实实极值法或者加实测筛选
- 变焦凸轮这类非线性系统：蒙特卡洛是唯一靠谱的选择
📌 核心原则：
方法只是工具，最终目标是在成本和性能之间找到平衡点。我见过太多工程师死磕极值法，把公差收到不可思议的精度，结果加工不出来；也见过盲目用 RSS，量产时良率只有 80% 的惨案。
理解每种方法的假设和局限，比会算更重要。
方法只是工具，最终目标是在成本和性能之间找到平衡点。我见过太多工程师死磕极值法，把公差收到不可思议的精度，结果加工不出来；也见过盲目用 RSS，量产时良率只有 80% 的惨案。
理解每种方法的假设和局限，比会算更重要。