En el ensamblaje automatizado de aeronaves, lograr una alineación de alta precisión es esencial debido a la presencia de múltiples fuentes de error acopladas que afectan significativamente la calidad del producto final. Este estudio propone un marco integrado para modelar errores de múltiples fuentes a través de una red de acoplamiento dirigida y cuantificar su impacto utilizando simulaciones de Monte Carlo. Para reducir la complejidad de la asignación de tolerancias, se aplica un análisis de sensibilidad global basado en Sobol para identificar los contribuyentes dominantes a las desviaciones de ensamblaje. Los parámetros más influyentes se retienen para la optimización multiobjetivo utilizando el algoritmo genético de clasificación no dominada II (NSGA-II). Este marco permite la minimización de las desviaciones clave de ensamblaje mientras se mantiene la eficiencia computacional. La validación experimental en un ensamblaje típico de anillo de helicóptero demuestra que el enfoque de optimización propuesto aumenta la tasa de aprobación de posición del 67.4% al 100.0% y la tasa de aprobación de coaxialidad del 93.5% al 100.0%. Los índices de capacidad de proceso correspondientes (CPK) también mejoran significativamente, de 0.31 a 2.19 para la posición y de 0.62 a 1.06 para la coaxialidad. Estas mejoras no solo satisfacen los requisitos de ensamblaje de alta precisión, sino que también superan los estándares comunes de la industria, demostrando la efectividad práctica del método bajo incertidumbre de múltiples fuentes.