简介：面向机构设计工程师与制造质量人员的公差分析培训课件，围绕比亚迪内部培训体系展开，系统讲解统计学在公差分析中的应用背景、一般公差分析理论及实际专案落地方法。内容从加工制程与组装制程的变异来源切入，涵盖材料特性、设备模具误差、工序与操作员错误、模具磨损等成因，并给出制程选择、SPC控制、优化设计与产品检查等控制思路；理论部分则展开柱状图评估、正态分布特点与均值、标准差、方差等参数，结合诺基亚9210专案说明公差堆叠与配合计算，另设特殊情态章节讨论非常规情形。资源包共1个PPT文件，约3.8MB，以图文页形式组织四大模块，便于按章节查阅与内部转训。已有215人学习，适合需要建立公差分析知识框架、理解变异控制与制程能力指标的从业者参考。
1. 公差分析不是玄学：一份 2004 年的机构设计培训资料为什么今天还能打
做机构设计的人大概都经历过这种场面：三维模型装配完，干涉检查一片绿，评审会上有人问一句“这个间隙最坏情况是多少”，全场安静。有人掏出计算器按极值法加一遍，有人打开 Excel 拉个平方和，结论差出一倍，谁也说服不了谁。公差分析在很多团队里就是这么个半玄学状态——知道该做，但做不标准。
这份资料是某公司 2004 年内部机构设计培训教材，四个部分：统计学背景、一般公差分析理论、一个手机专案的实际应用、特殊情态。它不教你软件操作，讲的是把公差分析从“拍脑袋”变成“六步流程”的那套底层方法：变异从哪来、正态分布怎么用、极值法和 RSS 怎么选、封闭尺寸链怎么画。适合刚接手堆叠分析的新人照着走流程，也适合做了几年但一直靠经验估的老手回头补理论。下面按“理论怎么立住、流程怎么跑、坑在哪”拆开讲。
2. 变异从哪来：先搞清楚你在分析什么
公差分析的第一步不是算，是搞清楚变异的来源。资料把变异分成两大类：加工制程变异和组装制程变异。这个分类看着朴素，但它决定了你后面建尺寸链时该把哪些尺寸算进去、哪些可以当常量处理。
2.1 加工制程的五种变异源
资料列了五条：材料特性不同、设备或模具误差、工序错误或操作员错误、模具磨损、标准错误。这五条不是并列关系，实际项目里权重差别很大。
材料特性不同，典型场景是塑胶件加玻纤比例批次波动，收缩率跟着变，同一套模具打出来的尺寸能差出 0.05mm 量级。设备或模具误差，指的是机床本身精度和模具加工精度，这部分在模具验收时就该锁定，属于“已知的未知”。工序错误和操作员错误，听起来像管理问题，但它对公差分析的意义在于：这类变异不是正态分布的，是突发的、偏斜的，用 RSS 算会低估风险。模具磨损是单调漂移，时间越长尺寸越偏一个方向，做寿命分析时要单独建模。标准错误最隐蔽——图纸标注的基准和实际装配基准不一致，公差分析做得再漂亮也是错的。
我一般会建议在动手算之前，先对着这五条过一遍：哪些是随机变异、哪些是系统漂移、哪些是人为突发。随机变异进 RSS，系统漂移进极值法或者单独做趋势补偿，人为突发靠 SPC 和防呆，不要混在一个公式里。
2.2 组装制程变异与变异控制的两条路
组装端的变异资料只列了两条：工装夹具错误、组装设备精度。这两条在实际项目里经常被低估。夹具定位销磨损 0.02mm，听起来很小，但它直接叠加到装配尺寸链里，而且往往是单向的。
变异控制资料给了两条路径：从加工制造端控制（制程选择、SPC、产品检查），从产品设计端控制（优化设计、公差分析）。这句话是整个资料的核心逻辑——公差分析是设计端的手段，不是制造端的补救。很多团队把公差分析当成“出问题之后算一下还能不能用”，顺序反了。正确顺序是设计阶段就把堆叠算清楚，用分析结果去反推每个零件的公差该给多紧，而不是等模具开好了再算。
提示：如果团队里公差分析总是放在试产之后做，那它大概率只是在写检讨报告，不是在控制变异。
2.3 柱状图和分布形态：先看形状再算数
资料用柱状图做制程分布的初步评估，这个做法值得保留。柱状图能看出三件事：分布位置偏不偏、分布宽度够不够、有没有离群点（outliers）。它给的例子是某单位男性身高分布，典型的单峰对称形态。
但真正有用的是它列出的三种形态对比：正态分布、双峰分布、偏斜分布。双峰分布通常意味着两个制程混在一起了——两套模具、两个班次、两批材料，这时候你拿整体标准差去算 RSS，等于把两个总体的变异糊在一起，结果没有意义。偏斜分布常见于车削、冲压这类有方向性的工艺，尺寸天然偏向一侧，用对称公差去套会系统性低估一侧的风险。
实操上我的习惯是：拿到一批实测数据，先画柱状图，形状不对就先查制程，别急着算 Ppk。形状对了再谈参数。
2.4 正态分布的参数与 Ppk 的读法
资料把正态分布的特点讲得很标准：±1σ 覆盖 68.26%，±2σ 覆盖 95.46%，±3σ 覆盖 99.73%，±4σ 到 ±6σ 依次给出 99.9937%、99.999943%、99.9999998%。这组数字要背下来，因为后面 RSS 和 Ppk 的换算全靠它。
参数部分它区分了总体参数（μ、σ）和样本统计（x̄、s），并且说了一句很实在的话：真实总体我们永远不可能知道，只能用样本去评估。这句话在公差分析里的含义是——你手上那 30 件试产件的标准差，本身也是个估计值，样本量小的时候波动很大，别把它当成铁律。
Ppk 的定义资料给的是：Ppk 是制程性能指标，σLT 是长期标准差，LSL 是规格下限，USL 是规格上限，mean 是实际制程平均值。公式本质就是取 min((USL-mean)/3σ, (mean-LSL)/3σ)。这里有个容易翻车的点：Ppk 用的是长期标准差，包含了制程漂移；Cp/Cpk 用的是短期标准差。做公差分析时如果假设“每个尺寸 Ppk=1.33 且制程居中”，那对应的就是 ±4σ 落在公差带内，这个假设要在报告里写清楚，不然评审时说不清。
3. 六步流程跑通一个堆叠：从组装要求到变异计算
理论立住之后，资料给了一套六步流程，并且明确说重点是“用模板分析一个尺寸的堆叠”。这六步是：确定组装要求、建立封闭尺寸链图、转换名义尺寸为对称公差、计算名义尺寸、确定公差分析方法、按要求计算变异。下面按顺序拆，每一步给出可抄的做法。
3.1 第一步：把组装要求写成可判定的条件
资料把组装要求分成四类：装配要求（换壳、无固定配对组装、多套模具或模穴）、功能要求（电子方面如 PWB 与弹片可靠接触，结构方面如滑动结构、翻盖结构）、品质要求（外观间隙）、其他（运动顺畅、异响、零件松动）。
这一步的关键是把模糊描述变成数学条件。比如“外壳与按键之间间隙要好看”，不能作为分析输入；“间隙 Gap > 0 且名义间隙 1.00mm”才是。资料在后面的例子里就是这么做的：必要条件写成 X(dGap) > 0，同时给出名义间隙值。
我一般会要求团队在这一步输出一张表，每行一个要求，列是：要求描述、判定条件、名义目标值、允许的最坏值、对应尺寸链编号。这张表后面每一步都要回头对，防止算着算着忘了最初要保证什么。
3.2 第二步：封闭尺寸链图怎么画才不返工
资料给的例子是四个零件堆叠：零件 1 是 10.00±0.15，零件 2 是 15.00±0.25，零件 3 是 20.00±0.30，零件 4 是 46.20 +0.20/-0.60，要保证的间隙 Gap > 0。尺寸链图里把四个尺寸标成 A(d1)、B(d2)、C(d3)、D(d4)，间隙标成 X(dGap)，用正负号表示方向。
画尺寸链图有三个硬规则，资料没明说但例子体现了：第一，从间隙的一端出发，沿装配路径走一圈回到另一端，形成闭环；第二，每个尺寸只出现一次，方向与路径一致记正、相反记负；第三，间隙作为封闭环，放在等式左边。
按这个规则，例子的名义值关系是：dGap = -10.00 - 15.00 - 20.00 + 46.00 = 1.00。负号表示这三个零件尺寸是“消耗间隙”的方向，零件 4 是“提供间隙”的方向。这个正负号体系是后面所有计算的基础，画错了后面全错。
注意：尺寸链图不是装配示意图，不用画得多好看，但每个尺寸的起止面必须和实际装配的接触面一致。基准选错是公差分析最常见的翻车原因，没有之一。
3.3 第三步：为什么必须转成对称公差
资料明确说：从设计角度看，46.20 +0.20/-0.60、46.00±0.40、45.60 +0.80/-0.00 这三种标注功能相同，但按规则设计者应使用双边公差，钻孔是例外（通常实际大于名义尺寸）。
这一步的道理在于：极值法和 RSS 的公式都是围绕“名义值 ± 公差”写的，非对称公差直接套公式会算错。转换方法很简单：名义值取上下限的中点，公差取上下限差的一半。46.20 +0.20/-0.60 的上限是 46.40，下限是 45.60，中点 46.00，半差 0.40，转成 46.00±0.40。
转换之后要记录一笔：原标注是什么、转换后是什么、转换是否改变了设计意图。有些非对称公差是有意为之（比如配合面只允许往一个方向偏），转换只是数学处理，不能反过来去改设计标注。
3.4 第四步：名义尺寸计算与间隙方向确认
名义尺寸计算就是按尺寸链图的符号把各尺寸名义值代数相加。资料给的公式是 dGap = Σ(±di)，例子算出 1.00mm。这一步本身不难，难的是确认符号。
我的做法是算完之后做一次“极端验证”：把所有尺寸都取到让间隙变小的那一端，手算一遍最坏间隙，看是不是和直觉一致。例子里如果四个尺寸都往消耗间隙的方向偏，间隙会变成 1.00 - 0.15 - 0.25 - 0.30 - 0.40 = -0.10，出现干涉。这个手算结果直接告诉你：这个堆叠用极值法是不合格的，必须靠 RSS 或者调公差。第四步就把问题暴露出来，比等到第六步再发现好得多。
3.5 第五步：极值法和 RSS 怎么选
资料把两种方法的选择条件写得很清楚。极值法（Worst Case，WC）：验证 100% 性能、简单且最保守、用于零件数量少的情况、用于产量不大的零件。统计法（RSS，Root Sum of Squares）：统计手法、假设名义值在大批量加工零件的尺寸中心值、用于较多零件或尺寸堆叠、用于产量大的零件。
这段选择逻辑背后的原理是：极值法假设所有尺寸同时走到最坏端，概率极低但保证 100% 合格；RSS 假设各尺寸独立且服从正态分布，总变异是各尺寸公差的平方和开根号，即 T_total = √(T1² + T2² + … + Tn²)。RSS 的隐含前提是制程居中、独立、正态，三个条件缺一个，算出来的良率就是虚的。
实操判断可以简化成三条：零件数少于 4 且安全相关，用极值法；大批量消费类产品、零件数多、制程受控，用 RSS；介于两者之间，两个都算，用极值法定上限、RSS 定预期，报告里同时给。
3.6 第六步：用 RSS 算变异并做 Ppk 换算
资料在第五步末尾给了一个关键假设：每个尺寸的 Ppk 指标是 1.33 并且制程在中心。这个假设下，每个尺寸的公差带对应 ±4σ（因为 Ppk=1.33 意味着单侧 4σ 落在规格内）。于是单个尺寸的标准差 σi = Ti / 4，总标准差 σ_total = √(Σσi²)，总变异 3σ_total 或 6σ_total 按需要输出。
用例子数据走一遍。转换后的四个尺寸：10.00±0.15、15.00±0.25、20.00±0.30、46.00±0.40。按 Ppk=1.33 换算：
import math # 各尺寸公差（对称公差半宽），单位 mm tolerances = [0.15, 0.25, 0.30, 0.40] # Ppk = 1.33 对应公差带 = ±4σ，故 σ = T / 4 sigmas = [t / 4 for t in tolerances] # RSS 合成总标准差 sigma_total = math.sqrt(sum(s * s for s in sigmas)) # 名义间隙 nominal_gap = 1.00 # 输出不同置信水平下的最坏间隙 for k in (3, 4, 6): worst_gap = nominal_gap - k * sigma_total print(f"±{k}σ: 最坏间隙 = {worst_gap:.4f} mm") # 极值法对比 wc_gap = nominal_gap - sum(tolerances) print(f"极值法: 最坏间隙 = {wc_gap:.4f} mm")这段代码的逻辑说明：tolerances是转换后的对称公差半宽；sigmas按 Ppk=1.33 的假设把公差换算成标准差；sigma_total是 RSS 合成的总标准差；循环输出 ±3σ、±4σ、±6σ 下的最坏间隙，用来和极值法对比。参数上唯一需要按项目改的是tolerances列表和nominal_gap，Ppk 假设如果换成 1.00，换算系数要从 4 改成 3。
跑出来的结果大致是：极值法最坏间隙 -0.10mm（干涉），±3σ 约 0.42mm，±4σ 约 0.23mm，±6σ 约 -0.16mm。这组数字说明什么？极值法判死，但 RSS 在 4σ 以内是安全的，6σ 才出现干涉。如果这是大批量消费产品，Ppk=1.33 的假设成立，那这个设计可以接受，但要把 6σ 风险写进报告；如果是安全件，极值法判死就是判死，回去调公差。
提示：RSS 算出来的“安全”是统计意义上的安全，不是保证。报告里必须写清楚假设条件（独立、正态、居中、Ppk 水平），否则这个数字会被误读成承诺。
4. 避坑与排查：五条血泪经验
这套流程本身不复杂，翻车基本都翻在流程之外的细节上。下面五条是按“现象 → 原因 → 解决”整理的，都是实际项目里反复出现的。
4.1 现象：RSS 算出来良率很高，试产却大批干涉
原因：尺寸链里混进了非独立尺寸。比如两个零件用同一套模具的不同模穴成型，或者两个尺寸由同一道工序一次装夹加工，它们的变异是相关的，RSS 的平方和开根号前提不成立，会系统性低估总变异。
解决：建链时标注每个尺寸的制程来源，同模具、同工序、同批材料的尺寸要么合并成一个尺寸，要么在 RSS 里加相关系数修正。最保守的做法是相关尺寸直接按极值法叠加，其余走 RSS。
4.2 现象：名义间隙算出来是正的，装配还是装不进
原因：只算了尺寸公差，没算形位公差。平面度、平行度、同轴度这些几何公差在堆叠里同样消耗间隙，但很多人建链时只抄了尺寸标注。
解决：建链时把影响装配的形位公差单独列一行，按最坏方向折算成等效尺寸公差加进去。比如两个贴合面的平面度各 0.05，等效消耗间隙 0.10。这一步没有捷径，只能对着图纸逐个接触面过。
4.3 现象：Ppk 报告很漂亮，公差分析结论却和实测对不上
原因：Ppk 用的是短期数据或者挑选过的样本，而公差分析假设的是长期制程。资料里特意区分了 σLT（长期标准差），就是在提醒这件事。
解决：公差分析用的 Ppk 必须来自足够长时间的制程数据，至少覆盖不同班次、不同批次、不同模穴。样本量小于 30 的时候，把 Ppk 假设调保守一档（比如从 1.33 降到 1.00），并在报告里注明样本量。
4.4 现象：非对称公差转换后，评审被质疑改了设计
原因：转换时只写了结果，没写转换记录，别人看到 46.20 +0.20/-0.60 变成 46.00±0.40，以为设计意图被改了。
解决：转换表里保留三列：原标注、转换后标注、转换说明（中点、半差、是否保持设计意图）。评审时先过这张表，再进计算。
4.5 现象：同一个堆叠，两个人算出的最坏间隙差一倍
原因：一个用极值法，一个用 RSS，但报告里都没写方法。这不是计算错误，是方法没对齐。
解决：分析开始前先定方法，写进分析计划：零件数、产量、安全等级三个输入决定用 WC 还是 RSS，或者两个都算。报告首页固定写一行“分析方法：WC / RSS / 两者对比”，后面所有数字都挂在这个前提下。
5. 把六步流程固化成模板：一个可复用的 Excel 结构
资料里提到某公司首选的方法是用电子表格模板做堆叠分析，这份教材的重点也是“用模板分析一个尺寸的堆叠”。模板的价值不在于算得快，而在于把六步流程固化下来，让不同的人算出来的东西可比。下面给一个我常用的表结构，按六步对应分 sheet，可以直接照着搭。
| Sheet 名 | 对应步骤 | 关键列 | 作用 |
|---|---|---|---|
| 01_要求 | 第一步 | 要求描述、判定条件、名义目标、允许最坏值、尺寸链编号 | 锁定分析目标，防止算偏 |
| 02_尺寸链 | 第二步 | 尺寸编号、名义值、正负号、制程来源、是否相关 | 建闭环，标相关性 |
| 03_转换 | 第三步 | 原标注、转换后标注、中点、半差、转换说明 | 留转换记录 |
| 04_名义 | 第四步 | 各尺寸名义值、符号、名义间隙、极端验证结果 | 暴露极值风险 |
| 05_方法 | 第五步 | 零件数、产量、安全等级、选定方法、Ppk 假设 | 方法可追溯 |
| 06_计算 | 第六步 | 公差、σ、σ²、RSS 合计、WC 合计、各 σ 水平间隙 | 输出结论 |
搭好之后，每次新项目只改 01 和 02 两个 sheet 的输入，03 到 06 用公式联动。这里有个细节：05 里的 Ppk 假设要单独放一个单元格，06 里的 σ 换算公式引用它，这样换假设不用改公式。06 的输出建议同时给 WC、±3σ、±4σ、±6σ 四行，评审时一眼能看出方法差异带来的结论差异。
模板用久了会发现一个规律：真正花时间的不是计算，是 01 和 02 两步的输入确认。我现在的习惯是，任何堆叠分析在打开模板之前，先把 01 的要求表和 02 的尺寸链手画一遍，和结构工程师对完再录入。从那以后我每次做堆叠分析都强制走一遍“先手画尺寸链、再开模板”的顺序，返工率降了一大截。希望帮到你。
本文还有配套的精品资源，点击获取
