公差堆积分析（RSS法·最坏情况·蒙特卡洛法）

汽车发动机设计：活塞与气缸的间隙直接关系到燃烧效率和摩擦磨损，是极为关键的参数。设计人员使用RSS法和蒙特卡洛法来统计分析数百甚至数千个零部件公差的累积，确保大批量生产时的间隙间隙变差在允许范围内。

智能手机等精密组装：手机壳体、屏幕、基板、摄像头模块等多个零部件分层组装。这些零部件的累积公差直接影响整机的厚度和装配平整度。利用龙卷风图确定关键零部件，集中管理其公差，既保证品质又控制成本。

航空航天可靠性设计：在可靠性最关键的领域，最坏情况法仍被广泛应用。特别是单件或少量生产、故障无法接受的安全相关部件，通常采用全考虑可能性的过度保守设计。

治具和模具设计：多个模块化块体或板组成的治具，其整体定位精度由各零部件的累积公差决定。用蒙特卡洛方法可以模拟非对称公差（如+0.1/-0.0）的影响，预测治具的实际成品质量。

首先，不要陷入"RSS法总是比最坏情况法更宽松"的误区。实际上，当零部件数量极少时（如2-3个），两种方法的结果可能很接近，甚至RSS法可能给出错误的安全裕度估计。例如，两个±0.1mm的零部件，最坏情况给出±0.2mm，而RSS法约为±0.14mm。只有当零部件数量增加时，统计平均化效应才能充分发挥RSS法的优势。

其次，不要假设"灵敏度系数只有+1或-1"。在涉及机械杠杆、角度或几何关系的真实问题中，灵敏度可能完全不同。例如，在连杆机构中，零部件长度的公差可能通过三角函数的正弦或余弦来影响最终的间隙。这时灵敏度系数可能是0.5、0.707或其他值。一定要调整工具中的灵敏度参数，观察不同值如何改变结果。

最后，蒙特卡洛法的"分布选择陷阱"不能忽视。本工具为简化起见通常假设正态分布，但实际制造过程中情况往往不同。冲压件公差可能接近均匀分布，铸造件可能偏斜分布，经过选别组装的零部件分布可能被截断。忽视这些现实因素会导致不合格率被严重低估。蒙特卡洛法的真正优势在于"分布灵活性"，应该从实际测量数据推断真实分布来充分发挥其威力。