Worst case是傳統一維公差分析方法，計算方法是將公差值假設為最大或最小值，再把全部公差進行累加，目的是為了確保無論公差如何變化都可以有100%的良率。不過，使用Worst case方法常碰到以下問題：

• 一維公差分析只考量單一方向，無法考量偏擺、角度、旋轉，因此一維的Worst case並不是真正的最差狀況。
• Worst case因為要確保100%良率所以需要更精密的公差，導致成本提高。
• Worst case不是使用”統計”方法，只能判定組裝後是否在規格內而無法預測組裝後的分佈。
• 在實際組裝中Worst case不易出現，所有公差要同時出現在極端值的機率微乎其微，可能生產數百萬件才出現一件。

最差組裝在統計上會隨著生產數量越多出現機率越高，
因此生產一百萬件產品絕對比生產一萬件更容易出現糟糕的組裝結果。
這也說明了，我們必須透過統計手法才能準確考量Worst Case。
3DCS採用蒙地卡羅方法（又稱統計模擬法），能夠根據生產零件的數量產生不同的組裝結果，而這也更符合實際製程與產品組立後的狀態。

三方塊平面度2進行堆疊組裝，公差最大時堆疊後高度為223mm、公差最小時堆疊後高度為217mm，最大最小最範圍為6mm。
使用3DCS進行計算，會發現隨著模擬組裝次數越多，最大最小範圍會越來越大。

(如上圖，模擬組裝20萬次的最大最小範圍為2.37mm，遠小於預期的6mm。)