本章目的：了解统计公差法的特点及优缺点，区别极值法。统计公差法总章节。
1.统计公差章节的基础和前言
在学习统计本章节之前，作者的博文有三个章节推荐必看。
章节1了解统计公差法的基础：正态分布-公差也是有自己的形状的；
章节2了解：制造方必定会制造不合格产品；
章节3了解：检验并不能将错误产品挑出来；
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的具体操作。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。统计公差法有其基础理论：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很值得讲），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.统计公差法定义
其特点如下：
1）由制造观点来看,零件尺寸之误差来自于制程之变异,此变异往往呈现统计分布的型态,因此设计的公差规格常被视为统计型态；
2）统计公差方法的思想是考虑零件在机械加工过程中尺寸误差的实际分布,运用概率统计理论进行公差分析和计算,不要求装配过程中100 %的成功率(零件的 100 %互换) ,要求在保证一定装配成功率的前提下,适当放大组成环的公差,降低零件(组成环) 加工精度,从而减小制造和生产成本；
3）在多群数据的线性叠加运算中,可以进行叠加的是『变异』值；
3.统计公差法的优缺点
3.1 优点
1) 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。
//这个才是最根本的原因。
2) 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。
//这点就作者看来不是很说的通，看需求和制造能力的。
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。
//这点就更说不通了，虽然作者还是把这点记录了下来。极值法是基础，统计公差法是在其基础上结合统计法和质量管理综合出来的方法，只有更难，绝对没有更简单的意思。
3.2 缺点
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。
4.统计公差法的种类
①均方根法(Root-Sum-Squares，RSS)；（这是一种计算模型非常多的方法，变种很多）
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基本步骤（见总章），选用最贴近自己公司生产能力的方法即可。
5.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。
WC方法要求严格的零件尺寸公差。
其它统计公差法与极值法的区别可参考此例。
6.统计公差标注轴孔配合举例
这一题是一个典型的例题。当我们学习了统计公差法之后，对轴孔配合就应该有一个阶段性的提升。从一味追求正确，到容忍并设计出合理错误。可参考章节：
但要注意，统计公差算出来的尺寸公差就是有错的，哪怕很少。所以需要特别标注，如下图。
7.统计公差章节对应的一些可参考资料
