进阶篇：5.2）统计公差法；

本章目的：了解统计公差法；

1.本章的基础：

在学习统计本章节之前，作者的博文有三个章节推荐必看。

知识点篇：3）供应商的“偷懒”；

达人篇：3.1.1）全检和抽检的差别（注意点）；

达人篇：3.1.2）CPK（重要）

章节1了解制造方必定会制造不合格产品；

章节2了解检验并不能将错误产品挑出来；

章节3了解统计公差法的基础：正态分布；

作者并不希望像其他的培训资料一样，开头就介绍统计公差法。是因为这种方法在巨大的优势的情况下，也存在着必要的隐患。如：

①统计公差法设计的公差值包含错误。

如果统计公差不能在图纸上正确标注和识别（不如说这是常态），这种包含错误的公差值却常常让制造、装配、检验、质量管理等部门认为是一个正确值，从而给量产（特别是装配环节）带来很大的负担。

②并非所有的零件都能用统计公差法。统计公差法尤其基础理论：正态分布。但零件的尺寸有可能不会是正态分布的！

//很多的培训资料和培训机构，常常将极值法与统计公差法放在一堂课讲，大大夸赞了统计公差法的好处（作者也知道有某种夸耀的成分在里面，统计公差法的方法的确很深），却忽视了其不足与隐患。这不是作者所希望和提倡的，特别是对公差设计的初学者而言。

//当然，有些公司就是用统计公差法埋雷的。图纸上故意不标注统计公差，但凭借自己自身的品质控制技术可拉开与其他公司的合格率等。后话，暂时不提。

2.定义：

统计公差法进行公差分析的实质是多个呈正态分布的尺寸累积，因此目标尺寸也呈正态分布。如下图所示

所以正态分布的概念是统计公差法的基础（但不是极值法的！）。

关于正态分布的概念，可以查看CPK章节。

//作者的理解：统计公差法是基于统计分析（正态分布）理念的公差设计法。

统计公差法的特点：

统计分析法具有以下五大特点：

1)  接近真实性。因为统计分析法是根据零件尺寸制造实际情况的模拟，所以计算出来的结果与实际的产品装配情况比较吻合，真 实度高。

2)  成本较低。同极值法相比，在满足相同目标尺寸判断标准的前提下，使用统计分析法对零件的公差要求比较松，零件的制造，成本较低。

3)  产品较容易设计。由于不必考虑零件制造的最不利的情况, 使用统计分析法时产品设计较容易。

4)  可能会有不合格品产生。尽管零件同时发生最大或最小的情况几率很小，但总是存在这种可能性，产品实际制造和装配后会可能会出现产品不满足目标尺寸的判断标准，即产生不合格的产品。

5 ) 要求制程管控。统计公差法的前提是尺寸链中的尺寸符合正态分布，并满足一定的制程能力，那么为了保证产品的目标尺寸符合判断标准，必须对尺寸链中的尺寸进行制程管控，使得零件的制造尺寸与当初的假设一致。

3.统计公差法的种类;

①均方根法(Root-Sum-Squares，RSS)；

②6σ法(6σ)；
③计量数据法（Measurement data，）；
④蒙特卡洛模拟法( MonteCarlo Simulation )
⑤田口试验法( Taguchi Test Method) ；

⑥卷积法；

随着行业的发展，统计公差的方法必定越来越多。但要抓住公差分析的目的和本质步骤（见总章），选用最贴近自己公司生产能力的方法即可。

4.统计公差法与极值法的区别：

以统计公差法的一种，均方根法为例：

当零件尺寸公差都是±0.1时，利用WC和RSS方法的计算结果区别如下：
WC方法的累积公差更大，计算结果更大

当产品装配公差要求是±0.5时，利用WC和RSS方法，对零件尺寸公差要求的区别（假设尺寸链中的每个尺寸分配相同的公差）。
WC方法要求严格的零件尺寸公差。