AQL 0.65 放行整批货——抽检合格不等于质量合格，这笔账要算明白

生产队队长 · 发表于 1 小时前

三十万颗出货按 AQL 0.65 抽检，抽了 500 颗零失效，整批放行。客户端装机后失效了几十颗。抽检没错，错在把「抽检合格」当成了「这批质量合格」——抽样检验从数学上就不背这个锅。

质控大队天天跟抽检方案打交道，但 AQL 的真实含义经常被误读：AQL 0.65 不是「不合格率超过 0.65% 就会拒收」，而是「当批不合格率处于 0.65% 水平时，该方案大概率（也不保证）会判收」。换句话说，抽检对劣质批有漏网概率，对优质批也有误杀概率。这篇把抽检的边界讲清楚，顺便说说它该用在哪儿、不该撑在哪儿。

一、抽检的两类风险与 OC 曲线的含义

每个抽检方案对应一条特性曲线（OC 曲线）：横轴是批真实不合格率，纵轴是该批被接收的概率。曲线形状说明两个风险：

风险	定义	常见控制目标
生产方风险 α	好批被误判拒收的概率	常取 5% 左右
使用方风险 β	坏批被漏判接收的概率	常取 10% 左右，对应 LTPD

AQL 类方案按生产方风险设计，它的强项是「别冤枉好批」，对坏批的拦截能力要看 OC 曲线左段——批量越大、样本占比越小，坏批漏网的绝对数量越大。三十万颗的批次漏过去 0.5% 就是一千五百颗，客户端的失效就是从这里面来的。

二、抽检的适用边界：三种场景三种策略

适用：来料验收、无法全检的破坏性检验、与供应商的批验收协议——抽检是效率与风险的平衡工具，天生就该用在这些地方；
需警惕：把抽检当成出货质量保证——关键特性、安全特性、客户敏感特性，抽检兜不住底；
该升级的信号：同一供应商/工序连续多批出现拒收或客户端失效——说明过程失控，抽检频率再加码也只是漏得更慢。

处理第三种情况的正确路径不是加严抽样，而是回到过程端：把失效特性纳入工序 SPC 卡控或全检（AOI/测试覆盖），让「批次质量」在生产过程中被保证，而不是在出货口被抽查。

三、样本真的随机吗：抽检失效的第二大原因

方案再科学，样本不随机就全白搭。产线常见的非随机取法：只从箱面上层取、只取方便搬的箱、加班时段挑快下线的货。分层抽样是底线——按箱号、生产线、生产时段分层，各层按比例取样。有条件时用随机数生成箱号，避免人为选箱。一个真实教训：某厂抽检多年无异常，客户端失效集中在某产线的产品——回查发现抽样员习惯取「靠门口的箱子」，而那条产线的产品恰好装在库房深处的固定区域。抽了三年，实际从未抽到过问题产线的货。

四、拒收之后：批退不是终点

抽检拒收后的标准动作链：

隔离该批，防混防误用；
与供应商/前工序约定处置方式（全检挑选、退回、让步接收评审）；
让步接收必须有正式评审记录与让步范围，不允许口头放行；
对拒收批次做根因反馈，推动源头改善，并评估是否启动加严检验或供应商审核；
连续拒收达到阈值时，切换检验策略（加严抽样/全检/暂停供货），阈值事先写进程序文件。

第四、五步最常被省略：批次退回去就完事，下批继续原方案抽检——同样的问题反复来，抽检成了永动的表面文章。

五、把抽检放进整体质量体系的位置

合理的质量布局是：过程端 SPC 与自动化检验兜住系统性风险，出货端抽检负责最后确认与供应商绩效记录，客户端数据（装机失效率、早期失效）回流校准抽检方案的严格度。抽检方案不是一成不变的——过程稳定、客户端数据好的，逐步减量放宽；数据恶化的，反向加严。让抽检强度跟着真实风险走，这套体系才既有防漏能力又不空耗成本。
问一句：你们出货抽检的样本是怎么选的，真随机还是「顺手拿」？连续拒收的升级机制有没有写进程序？评论区聊聊你们抽检策略最近一次调整的原因。

本帖由半导贴吧编辑整理