En el diseño de tolerancias para sistemas mecánicos complejos, los análisis de cadenas de dimensiones 3D son cruciales para la precisión del ensamblaje. Los métodos actuales (por ejemplo, análisis de peor caso, análisis estadístico de tolerancias) enfrentan limitaciones debido a suposiciones simplificadas, tratando las características de datum como geometrías ideales mientras ignoran la distribución espacial de errores de forma inducidos por la fabricación y no logran caracterizar las restricciones de error acopladas en 3D. Este estudio propone un modelo de cadena de dimensiones espaciales (SDC) de seis dimensiones basado en la teoría de matrices de transferencia. Las innovaciones clave incluyen (1) un modelo de seis dimensiones que integra vectores de posición y orientación, incorporando restricciones de propagación de errores geométricos para una predicción de errores de alta fidelidad y optimización de tolerancias, (2) la caracterización de errores de forma distribuidos espacialmente y errores acoplados en 3D de la cadena de dimensiones espaciales basada en múltiples restricciones de superficies de acoplamiento (SDC-MMSC) utilizando componentes de error geométrico de seis grados de libertad (6-DoF), reduciendo la complejidad de la topología de ensamblaje mientras se mejora la eficiencia, y (3) un método de caracterización de errores de 6-DoF para datos no restringidos por acoplamiento, proporcionando la base teórica para el modelado SDC. La validación experimental en un ensamblaje de carcasa de motor a reacción muestra que el modelo SDC captura errores espaciales multidimensionales en bucle cerrado, con errores absolutos de distancias en bucle cerrado max-min por debajo de 9.3 m y errores de predicción de coaxialidad por debajo del 8.3%. El método SDC-MMSC demuestra superioridad, produciendo errores angulares de vectores normales.