3、公差分析核心方法：极值法（WC）与统计法（RSS）的原理与对比

做公差分析，说白了就是在回答一个问题：零件做出来有偏差，最终装配会不会出问题？

我入行那会儿，师傅丢给我一张图纸，说“算算能不能装进去”。我当时拿着计算器，把所有公差加起来，得出一个数字。师傅看了一眼，说：“你这是在赌所有零件都往最坏的方向跑。” 嗯，那时候我才真正开始理解——公差分析不是简单的加减法，而是要在“绝对保险”和“经济可行”之间找平衡。

这一章，我们就来掰扯清楚两种最核心的方法：极值法（WC）和统计法（RSS）。

3.1 极值法（Worst Case，WC）

极值法，也叫“最坏情况法”。 它的逻辑很简单：假设所有零件的尺寸都同时跑到公差带的极限——要么最大，要么最小。然后看这种情况下，装配尺寸链的封闭环是否还能满足要求。

3.1.1 计算公式

封闭环的公差等于所有组成环公差之和：

T_封闭 = Σ T_i   (i = 1 到 n)

其中 T_i 是第 i 个组成环的公差。

3.1.2 特点与适用场景

• 优点： 计算简单，绝对可靠，不需要任何统计假设。
• 缺点： 结果非常保守。当零件数量多时，封闭环公差会变得巨大，导致零件公差要求极严，成本飙升。
• 适用场景：
  • 零件数量少（通常 ≤ 4 个）
  • 安全关键件（如飞机起落架、刹车系统）
  • 装配过程没有修配或调整环节

3.2 统计法（Root Sum Square，RSS）

统计法，也叫“均方根法”。 它承认一个事实：所有零件同时跑到极限的概率极低。它基于概率统计，假设零件尺寸服从正态分布，且相互独立。

为什么会这样？你想想看，一个车间里加工1000个轴，尺寸有的大点、有的小点，但绝大多数都集中在中间值附近。真正跑到公差带边缘的，没几个。把所有“边缘情况”叠加起来的概率，更是微乎其微。

3.2.1 计算公式

封闭环的公差等于各组成环公差的平方和再开方：

T_封闭 = √( Σ T_i² )   (i = 1 到 n)

3.2.2 特点与适用场景

• 优点： 公差分配更合理，能有效降低零件加工成本。零件数量越多，优势越明显。
• 缺点： 需要假设分布形态（通常为正态分布），且要求过程能力稳定（Cpk ≥ 1.33）。存在一定的装配失效风险。
• 适用场景：
  • 零件数量多（通常 ≥ 5 个）
  • 大批量生产，过程受控
  • 非安全关键件，允许少量返修或筛选

3.3 WC 与 RSS 的对比

这两种方法没有绝对的好坏，关键看你怎么用。下面这张表，我建议你收藏起来，做方案评审时直接对照。

对比项	极值法（WC）	统计法（RSS）
假设前提	所有零件同时处于极限	零件尺寸正态分布，相互独立
封闭环公差	线性累加：T = Σ T_i	平方和开方：T = √(Σ T_i²)
装配保证率	100%	99.73%（3σ 水平）
零件公差	严苛，成本高	宽松，成本低
零件数量影响	公差线性增长，数量敏感	公差平方根增长，数量不敏感
对过程能力要求	无	高（Cpk ≥ 1.33）
典型应用	安全件、少零件、小批量	非安全件、多零件、大批量

3.4 一个直观的例子

假设一个装配体有 5 个零件，每个零件的公差都是 ±0.1 mm。我们来看看两种方法的结果差异有多大。

极值法（WC）：
T_封闭 = 0.1 + 0.1 + 0.1 + 0.1 + 0.1 = 0.5 mm

统计法（RSS）：
T_封闭 = √(0.1² + 0.1² + 0.1² + 0.1² + 0.1²) = √(0.05) ≈ 0.224 mm

看到了吗？同样的零件公差，RSS 算出来的封闭环公差只有 WC 的一半不到。这意味着，如果你用 WC 来设计，你可能需要把每个零件的公差收紧到 ±0.045 mm 才能达到同样的装配效果——加工成本直接翻倍。

3.5 知识体系：如何选择？

下面这张图，是我自己总结的决策流程，帮你快速判断该用哪种方法。

3.6 我的建议

在实际工作中，我很少只用一种方法。我的做法是：

1. 先用极值法算一遍，看看最坏情况下的边界在哪里。如果极值法都满足，那恭喜你，设计很稳健。
2. 再用统计法算一遍，看看在大概率情况下，公差是否可以放宽。如果统计法也满足，那就可以考虑优化零件公差，降低成本。
3. 如果极值法不满足，但统计法满足，这时候就要做决策了：是收紧关键零件的公差，还是接受一定比例的返修风险？