3. 来料检验基础
来料检验（Incoming Quality Control，IQC）是供应商质量管理的第一道闸门。它的核心价值不是“把不合格品挑出来”这么简单，而是用可重复、可追溯、可量化的方式，确认供应商交付的物料是否满足采购规范、图纸、样品承认书与法规要求，并为后续的供应商绩效评价、索赔、整改与准入决策提供数据依据。数字化环境下，来料检验还要把检验结果结构化，让质量数据能够实时进入供应商画像、SPC 监控与追溯链路。
一、来料检验的目的：从“把关”到“数据资产”
来料检验的目的可以归纳为四个层次：
- 质量把关：防止不合格物料流入生产线，避免批量返工、停线或客诉。
- 风险拦截：识别供应商过程波动、运输损伤、批次混料、标识错误等风险。
- 责任界定：在物料入库前形成客观证据，便于后续退换货、索赔与责任划分。
- 数据反馈：把批次合格率、缺陷模式、PPM 等数据反馈给供应商，驱动其持续改进。
关键认知：来料检验不是“越严越好”。检验强度应与物料风险、供应商绩效、历史质量水平匹配。对高绩效供应商可实施免检或跳批，对高风险物料则加严检验，实现质量成本与风险控制的平衡。
二、来料检验的标准流程
一个完整的来料检验流程通常包括：报检、抽样、检验、判定、处置、记录与反馈。数字化系统一般会把流程固化为工单驱动，每一步都留下时间戳、操作人和结果数据。
- 报检与接收：仓库收到物料后，核对送货单、采购订单、批次号、数量与包装状态，生成待检任务。
- 检验准备：调取检验规范（SIP）、图纸、样品承认书、抽样方案与量具清单，确认量具在有效校准期内。
- 抽样：按 GB/T 2828.1 或双方约定的抽样标准，确定样本量 n 与接收数 Ac、拒收数 Re。
- 检验执行：按检验项目逐项测量或目视检查，记录实测值、缺陷类型、缺陷数量与检验条件。
- 判定：根据判定规则给出合格、不合格、让步接收或待定结论。
- 处置：合格品入库；不合格品隔离、标识、退货或评审；让步接收需走特采审批。
- 记录与反馈：归档检验记录，向供应商发出异常通知，必要时启动 8D 或 SCAR。
三、抽样标准：GB/T 2828.1 的核心逻辑
GB/T 2828.1（等同 ISO 2859-1）是计数型抽样检验的经典标准，适用于连续批的逐批检验。它的核心思想是：用接收质量限 AQL 和样本量字码，把“批量大小”与“可接受的缺陷水平”关联起来，通过一次、二次或多次抽样方案，给出接收数 Ac 与拒收数 Re。
使用该标准时，需要先确定三个关键输入：
- 批量 N：决定样本量字码，批量越大，样本量通常越大。
- 检验水平：一般检验水平 I、II、III，特殊检验水平 S-1 至 S-4。默认使用一般检验水平 II。
- AQL：接收质量限，常见取值 0.65、1.0、1.5、2.5、4.0。AQL 越严，Ac 越小。
例如，批量 N=1200，一般检验水平 II，正常检验一次抽样，查表得样本量字码为 K，样本量 n=125。若 AQL=1.0，则 Ac=3，Re=4。检验后若发现 3 个不合格品，判接收；若发现 4 个及以上，判拒收。
示例：GB/T 2828.1 一次抽样方案查询
批量 N : 1200
检验水平 : 一般检验水平 II
抽样类型 : 正常检验 · 一次抽样
样本量字码 : K
样本量 n : 125
AQL : 1.0
接收数 Ac : 3
拒收数 Re : 4
判定：
不合格品数 d ≤ 3 → 接收
不合格品数 d ≥ 4 → 拒收
转移规则：正常检验下连续 5 批接收，可转放宽检验；出现 2 批拒收，或生产中断、供应商变更、重大异常时，应转加严检验。加严检验下连续 5 批接收，可回到正常检验。数字化 IQC 系统应自动执行转移规则，避免人工漏判。
四、判定规则与记录要求
判定规则必须写在检验规范中，不能由检验员临时决定。常见判定规则包括：
| 判定类型 | 条件 | 处置方式 | 记录要求 |
|---|---|---|---|
| 合格 | 不合格品数 d ≤ Ac，且无致命缺陷 | 正常入库，进入可用库存 | 记录样本量、实测值、判定结论、检验员 |
| 不合格 | d ≥ Re，或出现致命缺陷 | 整批隔离，贴红标，退货或评审 | 记录缺陷代码、缺陷位置、照片、批次追溯号 |
| 让步接收 | 不合格但影响可控，经技术/质量评审 | 特采审批，限期整改，加严后续批次 | 记录审批人、偏差范围、风险说明、有效期 |
| 待定 | 测量结果异常、量具失效、样本污染 | 重新抽样或复测，必要时暂停判定 | 记录异常原因、复测结果、处理人 |
记录要求方面，来料检验记录应满足“可追溯、可复现、可审计”三项原则。至少包含：检验单号、供应商名称、物料编码、批次号、采购订单号、到货数量、抽样方案、样本量、检验项目、实测值、缺陷代码、判定结果、检验员、检验日期、量具编号与校准状态。数字化系统还应保留原始数据与修改日志，防止事后篡改。
常见误区：① 把“抽样合格”等同于“整批合格”，忽略抽样风险；② 检验规范长期不更新，图纸已改版但 SIP 未同步；③ 只记录“合格/不合格”，不记录实测值和缺陷模式，导致后续无法做 SPC 和供应商改进；④ 让步接收滥用，变成“例行放行”，削弱质量门槛。
五、案例场景：一次连接器来料检验
某电子厂采购一批连接器，批量 N=2000，AQL=0.65，一般检验水平 II，正常检验一次抽样。查表得样本量字码 L，n=200，Ac=2，Re=3。检验项目包括：外观（无毛刺、无变形）、尺寸（端子间距 2.54±0.05mm）、插拔力（5~15N）、镀层厚度（≥0.8μm）。
检验结果：外观发现 1 件毛刺，尺寸全部合格，插拔力发现 1 件低于 5N，镀层厚度合格。不合格品数 d=2，d ≤ Ac=2，判接收。但系统同时记录了两条缺陷数据，并自动触发供应商绩效扣分与“外观毛刺”缺陷代码统计。下一批该供应商来料自动转为加严检验，样本量提高，Ac 收紧。这就是“判定合格”与“数据驱动改进”并行的典型做法。
来料检验的数字化，不是把纸质表单搬上屏幕，而是把抽样方案、判定规则、缺陷代码、供应商绩效和追溯链路打通。只有让每一次检验都产生结构化、可分析的数据，IQC 才能从成本中心变成供应商质量改进的发动机。