4. 公差分析数学基础与统计分布

在Hexagon尺寸公差分析中，极值法、均方根法和蒙特卡洛模拟是三种最常用的分析方法。它们回答的是同一个问题：当多个零件的尺寸偏差叠加到装配体上时，最终装配尺寸的波动范围有多大？但三种方法对“波动如何叠加”的假设不同，因此结果差异可能非常显著。理解它们的数学基础，是正确选择分析方法、合理解读分析结果的前提。

极值法：最保守的叠加逻辑

极值法（Worst Case）假设所有组成环同时达到各自的极限尺寸，且方向对封闭环最不利。对于线性尺寸链，封闭环的极限偏差等于各组成环极限偏差的代数和：

封闭环最大尺寸 = Σ(增环最大尺寸) - Σ(减环最小尺寸)
封闭环最小尺寸 = Σ(增环最小尺寸) - Σ(减环最大尺寸)
封闭环公差 T0 = Σ Ti  （i = 1, 2, ..., n）

极值法的核心特征是公差直接线性相加。例如三个零件尺寸公差分别为0.1、0.15、0.2 mm，则装配公差为0.45 mm。这种方法保证100%合格，但代价是要求每个零件都加工得很精确，成本高。它适用于组成环数量少（通常n≤3）、失效后果严重或安全关键场合。

均方根法：基于正态分布的统计叠加

均方根法（RSS，Root Sum Square）假设各组成环尺寸服从正态分布、相互独立，且过程受控。根据概率统计，独立正态随机变量之和仍为正态分布，其标准差为各标准差平方和的平方根。若以公差T近似表示6σ（即Cp=1），则：

T0 = √(T1² + T2² + ... + Tn²)

同样三个公差0.1、0.15、0.2 mm，RSS结果为√(0.01+0.0225+0.04)=√0.0725≈0.269 mm，比极值法小约40%。这意味着在统计意义上，装配超出该范围的概率很低（约0.27%），但并非绝对为零。RSS法适用于批量生产、过程稳定、组成环较多的场景，能显著放宽零件公差、降低成本。

蒙特卡洛模拟：用随机抽样逼近真实分布

蒙特卡洛模拟不要求正态假设，也不要求线性叠加。它的做法是：为每个组成环指定概率分布（正态、均匀、偏态等），然后从各分布中随机抽取一组值，按尺寸链方程计算封闭环，重复数万次，得到封闭环的统计分布。其流程可概括为：

1. 定义各组成环的分布类型与参数（均值μ、标准差σ或上下限）
2. 设定模拟次数N（通常≥10000）
3. 对每次模拟：从各分布抽样 → 代入尺寸链方程 → 记录封闭环值
4. 统计封闭环的均值、标准差、分位数、超差率
5. 根据结果调整公差或分布假设

蒙特卡洛的优势在于能处理非线性尺寸链、非正态分布和任意相关结构。例如某尺寸链包含一个均匀分布的定位尺寸和一个偏态分布的加工尺寸，RSS无法直接处理，而蒙特卡洛可以自然纳入。其代价是计算量较大，且结果依赖分布假设的准确性。

正态、均匀与偏态：分布假设决定分析可信度

三种方法都依赖分布假设。正态分布是最常见的假设，适用于受大量独立微小因素影响的加工尺寸，其均值μ决定中心位置，标准差σ决定分散程度。在Q-DAS中，正态性可通过Anderson-Darling检验或偏度/峰度判断，p值大于0.05通常不拒绝正态假设。

均匀分布适用于在上下限之间等概率出现的尺寸，例如某些定位孔位置或未受控的来料尺寸。其标准差与公差的关系为σ = T/√12 ≈ 0.289T，明显大于正态假设下的σ = T/6 ≈ 0.167T。若误将均匀分布当作正态处理，会低估波动。

偏态分布常见于单侧截尾的加工过程，例如磨削尺寸容易偏向公差上限，或注塑件收缩偏向一侧。此时均值偏离公差中心，Cpk会低于Cp。Q-DAS提供多种分布模型（正态、对数正态、Weibull、Beta等），通过拟合优度指标选择最合适的分布，再计算能力指数。

用Q-DAS进行分布拟合与能力指数计算

在Q-DAS中，操作路径通常为：导入测量数据 → 选择特性 → 运行分布拟合 → 查看Q-Q图和拟合优度 → 计算Cp/Cpk/Pp/Ppk。关键判断依据包括：

• 拟合优度：p值、AIC或BIC，优先选择p值大且图形贴合好的分布。
• Cp：公差宽度与6σ之比，反映潜在能力，不考虑中心偏移。
• Cpk：同时考虑分散和中心偏移，Cpk = min[(USL-μ)/3σ, (μ-LSL)/3σ]。
• Pp/Ppk：使用整体标准差，反映长期实际表现，通常低于Cp/Cpk。

例如某轴径公差为Φ20±0.05 mm，Q-DAS拟合后得到μ=20.012 mm，σ=0.012 mm。则Cp = 0.10/(6×0.012) ≈ 1.39，Cpk = min[(20.05-20.012)/(3×0.012), (20.012-19.95)/(3×0.012)] = min[1.06, 1.72] = 1.06。Cpk明显低于Cp，说明过程中心偏向上限，需要调整加工中心。若拟合发现数据更符合偏态分布，则应按偏态模型重新计算分位数和超差率，而不是直接套用正态Cpk。

三种方法并非互相替代，而是适用于不同阶段和不同风险等级。概念设计阶段可用极值法快速估算最坏情况；详细设计阶段用RSS优化公差分配；量产验证阶段用蒙特卡洛结合Q-DAS实测分布进行精确预测。理解每种方法背后的数学假设，才能避免“算得准却判得错”。