抽样检验与AQL——从合格率判定到抽样方案设计的完整指南

在制造业质量管理的日常工作中，抽样检验是最常见却又最容易被误解的环节之一。很多质量工程师对 AQL（可接受质量水平）的认知停留在"抽几个、查一下、合格就放行"的层面，而忽略了抽样检验背后严谨的统计学基础与丰富的方案设计空间。本文将从抽样检验的基本原理出发，系统讲解 AQL 的确定方法、抽样方案的选择逻辑以及实施中的常见误区，帮助质量管理者从根本上理解"到底该抽多少、抽出来怎么判"这一核心问题。

一、抽样检验的基本逻辑：为什么不能全检？

在讨论抽样方案之前，首先要回答一个问题：为什么不把所有产品都检验一遍？全检（100% 检验）看似最保险，但实际生产中，全检面临着三个难以逾越的障碍。第一，当检验具有破坏性时，全检意味着所有产品都会被损坏，这显然不可接受。例如汽车安全气囊的引爆测试、材料的拉伸强度测试，都只能通过抽样来推断整批质量。第二，对于大批量生产，全检的成本高到不经济。一条日产十万件的电子元器件产线，如果逐件检验，检验人力与设备投入将远超产品本身的成本。第三，也是最容易被忽视的一点——人不是机器，长时间重复性的全检工作会导致检验疲劳，漏检率反而上升。研究表明，在视觉检验作业中，全检的检出率往往只有 80%~85%，而设计得当的抽样检验结合统计过程控制，反而能获得更稳定的质量保障效果。

因此，抽样检验的核心目标不是"找出每一个不良品"，而是以最小的检验成本，对整批产品的质量水平做出具有统计置信度的判断。

二、AQL 的概念：什么是"可接受质量水平"？

AQL（Acceptable Quality Level，可接受质量水平）是抽样检验中最核心的概念，但也是被误解最多的概念。很多从业者把 AQL 理解为"允许的不良率"，认为只要批不良率不超过 AQL 就是合格批。这种理解不完全准确。

按照国际标准 ISO 2859（对应国标 GB/T 2828.1）的定义，AQL 是指"在连续提交批中，可容忍的最差过程平均质量水平"。更直白地说，AQL 是一个过程质量标准，而不是单批的判定标准。当供方的过程平均不良率等于或优于 AQL 时，抽样方案将以高概率（通常为 95% 左右）接收该批产品；当过程平均不良率劣于 AQL 时，拒收概率将迅速上升。

从统计学角度看，AQL 对应的是生产者风险（α）的基准点。典型的计数型抽样方案中，当批真实不良率等于 AQL 时，批被接收的概率约为 0.95——也就是说，即使供方的质量水平恰好达到 AQL，仍有约 5% 的批次会被"误判"拒收，这就是生产方承担的风险。

三、抽样方案的三要素：样本量、接收数、拒收数

一个完整的计数型抽样方案由三个参数唯一确定：样本量 n、接收数 Ac、拒收数 Re。例如方案（125，3，4）表示从批中随机抽取 125 个样品，如果不良品数 ≤ 3 则接收该批，不良品数 ≥ 4 则拒收。

这里有一个关键认知：样本量的大小并不与批量的比例直接挂钩。初学者常犯的错误是"批量一万件，抽 5% 就是 500 件"，但统计学告诉我们，样本量的确定取决于所需的质量分辨力（即 OC 曲线的形状），而与批量大小关系不大。当一个批足够大（如大于样本量的 10 倍）时，批量本身对 OC 曲线几乎没有影响。这也是为什么 ISO 2859 的样本量字码表中，批量从 3201～10000 和 10001～35000 对应的样本量可能完全相同——样本量只与字码和检验水平有关，与批量并不成比例。

拒收数 Re 通常等于 Ac + 1，即一旦不良品数超过接收数，批即被判为不合格。但在二次抽样或多次抽样方案中，判定规则会更为复杂，允许在初次样本结果不确定时抽取第二样本再做判定。

四、如何选择 AQL 值：产品质量与成本之间的平衡

AQL 的确定是抽样检验方案设计中最关键的决策环节，它直接决定了检验的严格程度和成本。AQL 值的选取需要综合考量以下因素：

第一，产品的重要性和功能安全等级。对于影响人身安全的关键特性（例如汽车刹车系统的关键尺寸、医疗器械的无菌指标），AQL 应设定得非常严格，通常为 0.01～0.065。对于一般功能特性，AQL 可设为 0.1～0.65。对于外观等非功能特性，AQL 可放宽至 1.0～6.5。

第二，供方的历史质量表现。当供方的过程能力稳定且不良率长期低于目标 AQL 时，可以适当放宽 AQL。反之，对新供应商或历史表现不稳定的供应商，应设置更严格的 AQL 并配合加严检验。

第三，检验成本与不良后果的权衡。AQL 越严格，所需样本量越大，检验成本越高。但 AQL 过松又会导致不良品流入生产线，造成返工、停线甚至客诉损失。从质量经济学的角度看，最佳的 AQL 点是"检验成本+不良损失"之和最小化时的质量水平。

在产品开发阶段，AQL 往往由设计部门根据产品特性和客户要求确定；在量产阶段，质量部门应定期评审 AQL 的适用性，根据供方绩效和客户反馈动态调整。

五、检验水平的三种模式：正常、加严与放宽

ISO 2859 规定了三种检验水平：正常检验、加严检验和放宽检验。这三者之间的切换构成了抽样检验的"动态调整机制"。

正常检验是默认状态，适用于质量水平稳定的供方。当连续多批被拒收，或过程平均不良率显著恶化时，应切换到加严检验。加严检验通过增大样本量或降低接收数来提高拒收概率，向供方施加质量改善的压力。有趣的是，从正常转向加严的规则非常明确：在连续 5 批中有 2 批被拒收（或更严格的情况下，连续 5 批中有 2 批在正常检验下被判不合格），就应立即转入加严检验。

放宽检验则适用于过程质量长期稳定且明显优于 AQL 的情况。放宽检验的样本量通常是正常检验的 40%~60%，可以有效降低检验成本。但放宽检验也有严格的限制条件：连续 10 批以上均被接收，且过程平均不良率显著低于 AQL，同时生产过程处于统计受控状态。一旦放宽检验中出现一批被拒收，或生产出现异常，应立即恢复正常检验。

这一"正常—加严—放宽"的转移规则，不仅是一套检验策略，更是一套质量信号机制——供方可以通过检验严格度的变化，实时感知到客户对自己质量水平的评价。

六、抽样方案的类型：一次、二次与多次抽样

从操作复杂度上分，计数型抽样方案有三种主要类型。一次抽样方案最简单，抽取一个样本后直接判定，适合检验成本不高或检验周期短的场景。二次抽样方案允许在第一次抽样结果无法明确判定时，再抽第二组样本联合判定。二次抽样的优点是在同等质量分辨力下，平均样本量小于一次抽样，适合检验成本较高或破坏性检验的场景。多次抽样方案则进一步延展了这一思路，最多可进行七次抽样，平均样本量更小，但管理复杂度显著增加。

以 AQL=1.0、检验水平 II、批量 10000 件为例：一次抽样方案为（200，5，6），即每次抽 200 件；二次抽样方案为第一样本（125，2，5）、第二样本（125，累计 250，6，7），即大多数情况下只需抽 125 件就能做出判定，只有第一样本的不良品数落在"灰色区域"（3～4 件）时才需要追加第二样本。

在实际应用中选择哪种方案，核心考量是检验操作的管理成本与平均样本量之间的平衡。对于自动化在线检测，一次抽样更方便；对于实验室检测或委外检验，二次和多次抽样的平均样本量优势更为突出。

七、OC 曲线：理解抽样方案的鉴别力

每一个抽样方案都有其独特的操作特性曲线（OC 曲线），它描绘了批真实不良率与批被接收概率之间的函数关系。OC 曲线是评价和选择抽样方案最有力的工具。

一个理想的抽样方案，OC 曲线应该是在 AQL 处接近 1（高概率接收），在 LTPD 处接近 0（高概率拒收），即曲线陡峭、过渡区间窄。但现实中的抽样方案受限于样本量，OC 曲线总是存在一段"灰色地带"——即不良率介于 AQL 与 LTPD 之间时，接收概率既不高也不低，判定结果存在较大不确定性。

理解 OC 曲线对于质量管理者有三重意义。第一，它帮助你在设计抽样方案时直观评估方案的鉴别力——曲线越陡，鉴别力越强。第二，它揭示了增加样本量的边际收益：样本量从 50 增至 100，鉴别力提升显著；但从 200 增至 400，提升幅度就明显递减。第三，它在供需双方之间建立了一种"定量博弈"的共识——双方可以基于 OC 曲线来谈判 AQL 和 LTPD，而不是靠主观判断。

在实际工作中，使用 ISO 2859 标准附表或在线计算器绘制 OC 曲线，是每个质量工程师应该掌握的基本技能。

八、常见误区与实战建议

在多年辅导制造企业推行抽样检验的过程中，以下五个误区最为常见。

误区一：对批量小的批次不抽检。很多企业认为批量小于 100 件就不用抽检，或者只象征性抽几件。实际上，ISO 2859 对小批量同样有明确的抽样方案，批量 2～8 件的批次也有对应的样本量字码。关键不是批大小，而是检验的经济性评估——如果检验成本过高，可以考虑采用零缺陷抽样方案（c=0 方案）或基于历史数据的放宽策略。

误区二：AQL 定了就一成不变。质量是动态的，AQL 也应该是动态的。当供应商持续改善、过程能力显著提升时，固守原来的严格标准不仅增加成本，还会损害供需关系。建议每季度或每半年进行一次 AQL 评审，根据历史检验数据和供方绩效评价结果动态调整。

误区三：用批允许不良率（LTPD）代替 AQL。LTPD 是消费者风险（β）的基准点，表示当批不良率高到什么程度时，抽样方案应以高概率拒收。把 AQL 和 LTPD 混为一谈，会导致抽样方案设计失去方向。简单来说，AQL 是"好批的标准"，LTPD 是"坏批的标准"，二者之间的差距决定了抽样方案的鉴别力。

误区四：抽样不随机。这是最基础也最易犯的错误——质检员倾向于挑选"好拿的"或"看起来好的"样品，而非真正的随机样本。这直接破坏了抽样检验的统计学基础，使所有判定结果失去了置信意义。解决方法是使用随机数表或计算机生成的随机位置码，并定期核查质检员的抽样操作是否符合随机原则。

误区五：忽略了零缺陷抽样方案。在汽车行业（IATF 16949）和医疗器械等高风险领域，由于对零缺陷的追求，c=0 抽样方案越来越普及。c=0 方案中接收数 Ac = 0，即样品中一个不良品都不允许出现。这种方案看起来极其严格，但实际应用中需要对不同 AQL 水平选择对应的样本量，避免因样本量过小导致鉴别力不足。

抽样检验的核心是统计推断，而非全检替代

知识编号：6.2.2

版本：v20260705

作者：卓越质量智库 卓越质量智库致力于为质量管理从业者提供系统化的专业知识、方法论与实战工具，助力企业质量能力持续提升。