امروزه بررسی کارکرد صحیح ماشین های کنترل عددی، از اهمیت بالایی برخوردار است. ارائه یک مدل ریاضی برای پیش بینی دقیق خطاهای حرارتی مورد توجه محققان قرار گرفته است. همچنین این که آیا مدل ارائه شده برای یک ماشین خاص می تواند به ماشین های دیگر در همان نوع اعمال شود، ازجمله سؤالاتی بوده که در پژوهش های مختلف بررسی شده اند. برخی از مدل ها مورد استفاده برای ارزیابی خطاهای حرارتی دقت نسبتاً پایینی دارند. برای افزایش دقت مدل، یک روش مدل سازی جدید، به نام رویکرد طراحی مجدد رگرسیون، پیشنهاد شده است که دارای ویژگی های ترکیب تئوری آماری جهت محاسبات دمای محیط اطراف و پیش بینی های مهندسی است. در این مقاله به بررسی تأثیرات پارامترهایی که باعث ایجاد خطای گرمایی می شوند، با استفاده از روش آنالیز حساسیت سوبل که یک روش آماری دقیق است، پرداخته شد. نتایج به دست آمده نشان داده اند که دماسنج محور X و دمای اسپیندل بیش ترین تأثیر را در مدل خطای به دست آمده داشته و دمای بستر و دمای دستگاه خنک کننده، تقریباً تأثیری بر روی مدل به دست آمده از روش آماری ندارند.
