4. 公差分析概述
做公差分析，最怕什么？
不是公差项太多，而是你根本不知道哪个公差在“搞事情”。
我见过不少团队，上来就把所有公差都设成一样紧，结果成本翻倍，性能却没提升多少。说白了，这就是没做灵敏度分析。
这一章，我们就来聊聊怎么从一堆公差里，揪出那个最要命的“关键公差”。
4.1 什么是灵敏度分析？
灵敏度分析，听起来挺唬人，其实就一句话：看看每个公差项变化时，系统性能会抖成什么样。
举个例子。你有一个透镜的厚度公差，假设它变了0.01mm，MTF掉了2%。另一个镜片的偏心公差变了0.01mm，MTF直接掉了15%。那你说，哪个更敏感？显然是偏心。
我个人习惯，在做完整公差分析之前，一定会先跑一遍灵敏度。这就像打仗前先侦察，知道哪里是雷区，哪里是平地。
4.2 灵敏度分析的两种常用方法
实际工程中，我们常用的方法有两种。我分别说说它们的适用场景。
| 方法 | 原理 | 优点 | 缺点 | 我常用的场景 |
|---|---|---|---|---|
| 局部灵敏度 | 每次只改变一个公差，其他固定 | 计算快，结果直观 | 忽略公差间的交互作用 | 初步筛选、快速定位 |
| 全局灵敏度 | 所有公差同时变化，统计贡献度 | 考虑交互效应，更准确 | 计算量大，需要蒙特卡洛 | 最终验证、高精度系统 |
嗯，这里要注意。局部灵敏度虽然快，但有个坑——它假设公差之间互不影响。实际上，镜片厚度和空气间隔经常是联动的。所以，我一般先用局部灵敏度做一轮“海选”，再用全局灵敏度做“决赛”。
4.3 寻找关键公差：从“一堆”到“几个”
关键公差，就是那些对系统性能影响最大的几个公差项。通常，20%的关键公差决定了80%的性能损失。这就是帕累托原理。
怎么找？我分享一个我自己常用的三步法。
- 跑一遍灵敏度分析：把所有公差项的灵敏度数值算出来。
- 按敏感度排序：从大到小排个序，一目了然。
- 画帕累托图：把累计贡献度画出来，前几个“冒尖”的就是关键公差。
我曾经接手过一个制冷型红外系统，MTF死活达不到指标。团队折腾了两周，后来我让他们先做灵敏度分析。结果发现，最敏感的根本不是镜片面形，而是两个镜片之间的空气间隔。调整了那个间隔的公差后，问题迎刃而解。你想想看，如果一开始就盲目收紧所有公差，得多花多少冤枉钱？
4.4 帕累托图分析：让数据自己说话
帕累托图，说白了就是“柱状图+折线图”的组合。柱状图显示每个公差项的敏感度，折线图显示累计贡献度。
为什么要画这个图？因为人眼对图形的敏感度远高于数字。一张图看过去，哪个是“大头”，一目了然。
下面是我用SVG画的一张典型帕累托图，展示了某红外光学系统的公差敏感度分布。
从这张图里，你能读出什么？
- 前3项（偏心、空气间隔、镜片厚度）累计贡献了71%的性能损失。
- 80%线告诉我们，只要控制好前3~4项，就能解决大部分问题。
- 后面的折射率、其他公差，基本可以“躺平”，不用花太多精力。
4.5 实战案例：一个非制冷长波红外系统的灵敏度分析
说个我实际做过的案例吧。一个非制冷长波红外系统，F数1.2，视场角±5°，要求MTF在17lp/mm处大于0.3。
初步设计完成后，我做了灵敏度分析。结果如下：
| 公差项 | 名义值 | 公差范围 | MTF下降量 | 敏感度排名 |
|---|---|---|---|---|
| 镜片1偏心 | 0 | ±0.02mm | 0.12 | 1 |
| 镜片2与镜片3空气间隔 | 5.0mm | ±0.03mm | 0.09 | 2 |
| 镜片1厚度 | 4.0mm | ±0.02mm | 0.06 | 3 |
| 镜片2面形RMS | 0.05λ | ±0.02λ | 0.04 | 4 |
| 镜片1折射率 | 4.003 | ±0.001 | 0.02 | 5 |
看到这个结果，我当时的决策是：
- 镜片1偏心：从±0.02mm收紧到±0.01mm，成本增加约15%。
- 空气间隔：从±0.03mm收紧到±0.015mm，成本增加约10%。
- 其他公差：保持不变。
最终，系统良率从原来的45%提升到了82%，成本只增加了不到20%。这就是灵敏度分析的价值——把钱花在刀刃上。