2. 质量基础与检验概论

在检验计划与质量数据平台工程中，所有后续的抽样规则、检验任务、数据采集与判定逻辑，都建立在一组基础概念之上：质量特性、不合格品、抽样检验、全检与抽检、检验类型与检验计划。理解这些概念之间的层次关系，是设计平台数据模型与业务流程的前提。

一、质量特性：检验的起点

质量特性是产品、过程或服务满足规定要求所具备的固有属性，也是检验活动真正要测量的对象。平台中每一条检验记录，本质上都是对某个质量特性的一次观测。常见的质量特性可分为以下几类：

• 计量特性：可用连续数值表示，如长度、重量、电阻、温度、抗拉强度。
• 计数特性：以离散数量表示，如缺陷数、气泡个数、划痕条数。
• 计数型合格判定特性：只区分合格与不合格，如外观是否变色、标签是否正确。
• 感官与功能性特性：如手感、气味、开关响应时间、软件功能是否可用。

在平台建模时，质量特性通常需要绑定：特性编码、名称、数据类型、单位、规格上下限、检验方法、测量设备、抽样方案与判定规则。质量特性定义不清，后续的抽样与判定就无从谈起。

二、不合格品与缺陷：判定的结果

不合格品是指未满足规定要求的产品或批次。需要注意区分三个层次：

• 缺陷：单个质量特性未满足要求，是最小判定单元。
• 不合格品：一个产品上存在一个或多个缺陷，导致该产品不合格。
• 不合格批：按抽样方案判定后，整批产品被拒绝接收。

三、全检与抽检：两种基本检验策略

全检是对批次中每一件产品都实施检验；抽检是从批次中按规则抽取部分样本进行检验，再据此推断整批质量。二者并非优劣之分，而是适用条件不同。

四、抽样检验的核心逻辑

抽样检验不是“随便抽几个看看”，而是基于概率论的统计推断。其核心参数包括：批量 N、样本量 n、接收数 Ac、拒收数 Re，以及两类风险：

• α 风险（弃真）：批质量实际合格，却被判为拒收，通常控制在 5% 左右。
• β 风险（取伪）：批质量实际不合格，却被判为接收，通常控制在 10% 左右。

以计数型一次抽样为例，其判定逻辑可表示为：

输入：批量 N，样本量 n，接收数 Ac，拒收数 Re = Ac + 1
抽取 n 件样本，逐件判定合格/不合格
统计不合格品数 d
若 d <= Ac  → 接收该批
若 d >= Re  → 拒收该批

平台在实现抽样方案时，应把 N、n、Ac、Re、检验水平、AQL 作为方案版本的一部分固化下来，确保历史判定可追溯、可复现。

五、检验类型与检验计划

检验类型按不同维度划分，常见的有：

• 按阶段：进货检验（IQC）、过程检验（IPQC）、最终检验（FQC）、出货检验（OQC）。
• 按方式：全检、抽检、免检、首件检验、巡回检验。
• 按目的：验收检验、监督检验、仲裁检验、型式试验。

检验计划则是把“检验什么、何时检、谁来检、怎么检、判什么、不合格怎么办”结构化下来的一份工程文件。它通常包含：检验项目与质量特性、检验类型与阶段、抽样方案、测量设备与工装、判定准则、记录表单、不合格处理流程。

六、案例：一次进货抽检的完整链路

某电子厂对一批 2000 只连接器执行进货抽检，采用 GB/T 2828.1 一般检验水平 II、AQL=1.0，查表得样本量 n=125，Ac=3，Re=4。检验员抽取 125 只，检测插拔力、接触电阻、外观三项质量特性，发现 2 只外观不合格、1 只接触电阻超标，合计不合格品 3 只。因 d=3 ≤ Ac=3，判定该批接收，但平台同时记录缺陷分布，触发供应商质量趋势预警。

这个案例说明：抽样判定结论与缺陷明细必须同时留存。只存“接收/拒收”会丢失改进线索，只存缺陷明细又无法支撑批次判定。

七、常见误区与复盘

• 误区一：抽检合格等于整批全合格。抽检只给出概率性结论，存在 β 风险，不能等同于全检合格。
• 误区二：样本量越大越保险。样本量需与批量、检验水平、AQL 匹配，盲目加大样本量会推高成本，且不改变方案本身的统计特性。
• 误区三：不合格品数等于缺陷数。一个产品可能有多个缺陷，统计口径必须区分“不合格品数”与“缺陷数”。
• 误区四：检验计划一次制定永久使用。工艺变更、供应商变更、客户要求变更时，检验计划必须同步升版。

八、概念关系总览

下图把本节的核心概念组织为一条从“质量特性”到“检验计划执行”的关系链，帮助理解各对象在平台中的位置与依赖关系。