在质量管理中，如果每一个产品都能够被准确检验，而且检验本身不会破坏产品，那么从直觉上看，全数检验似乎是最保险的做法。
但现实中并不是所有产品都适合100%检验。有些检验属于破坏性检验（Destructive Inspection），例如拉伸试验、寿命试验、爆破试验；有些产品数量极大，全数检验成本过高；还有一些连续材料、粉体或大宗物料，本身就很难逐件检查。
这时候，企业通常会考虑采用抽样检验（Sampling Inspection）。
不过，抽样检验必须先理解一个很重要的事实：它不能保证每一件产品都是良品，它的作用是根据抽样结果，以一定的统计风险判断整批产品是否可以接受。
一、抽样检验真正判断的是「批」，不是每一件产品
抽样检验的基本单位通常是一个检验批（Lot）。
例如供应商送来10,000个螺丝，企业不一定逐个检查，而是按照既定抽样方案，从中随机抽取一定数量进行检验，再根据发现的不良数量判断整批是否接收。
因此，抽样检验回答的问题不是：
「这一万个产品是不是全部没有问题？」
而是：
「根据这次抽样结果和预先设定的风险，这一批产品是否达到可接受条件？」
即使批次最终被判定为合格，里面仍然可能存在少量不良品。
这一点非常重要，因为很多现场争议正是来自误解：有人把「抽样合格」理解成「整批100%没有问题」，然后客户一旦发现不良，就认为质量部门抽样失效。
事实上，只要采用抽样，就一定存在抽样风险。
二、抽样检验为什么一定要随机抽样？
抽样检验之所以能够用少量样本推断整批质量，是建立在抽样具有代表性的基础上。
如果抽样不是随机进行，而是专门挑最容易拿到、看起来最好或最上层的产品，样本就可能严重偏离整批实际情况。
例如一箱5000个零件，检验员永远只从最上层取样。如果运输过程中底层更容易受到挤压，那么这种抽样方式就很可能漏掉真正的风险。
因此，抽样检验至少要满足一个基本原则：
样本应通过合理的随机方式取得，使每个产品都有适当机会被抽中。
三、什么时候必须考虑全数检验？
全数检验并不是永远比抽样好，但在某些情况下确实更合理。
1. 检验本身简单、快速，而且成本低
如果检验可以由自动设备高速完成，而且不会明显增加生产成本，那么100%检验通常具有优势。
例如某些电气功能测试、视觉检测、条码读取、尺寸在线检测，都可以通过自动化设备实现。
当自动检测速度能够跟上生产节拍时，全数检验的边际成本可能很低。
2. 产品数量本身很少
如果一个批次只有几十件高价值产品，而且检验项目不多，与其设计复杂抽样方案，不如直接全部检查。
3. 少量不良也可能造成严重后果
对于安全关键特性，例如汽车制动系统、航空关键零件、医疗器械安全功能等，如果单个缺陷就可能引起重大人身、法规或经济风险，单纯依靠抽样通常不够。
这类场景往往需要更严格的过程控制、防错设计、自动检测，甚至100%验证。
但这里也要注意：全数检验本身并不能替代过程能力。
如果过程持续大量制造不良，再依靠末端100%筛选，只是在用高成本处理结果，并没有真正改善过程。
四、什么时候必须使用抽样检验？
1. 破坏性检验
这是最典型的情况。
例如材料拉伸强度测试、焊点破坏试验、电池寿命测试、灯泡寿命测试或爆破压力测试。
如果每件产品都测试，测试完以后产品已经不能使用，那么全数检验显然没有意义。
这时候只能抽取部分样品，通过样本结果推断批次或过程表现。
2. 产品难以逐件检查
一些物料不是单件形式，而是连续材料、粉末、液体或大宗原料。
例如电线、布料、化工粉体、矿物、药品原料等，不可能对每一个微小单位逐一检查。
这时必须依靠合理取样方法取得代表性样本。
五、什么时候抽样比全数检验更经济？
有些产品理论上可以100%检验，但抽样在成本与风险之间可能更加合理。
1. 批量非常大，而且允许极少量不良存在
例如普通标准件、低风险紧固件或某些低价值消费品。
如果全数检验成本非常高，而少量不良造成的后果有限，就可以通过抽样控制接收风险。
2. 检验项目很多
如果一个产品需要检查几十项尺寸、性能和外观特性，全部项目都对所有产品进行100%检验可能不现实。
企业可以根据特性风险，针对不同项目设计不同的抽样策略。
3. 全数人工检验反而容易产生错误
这是一个容易被忽略的问题。
100%人工检验听起来很严格，但长期重复检查成千上万件产品，很容易产生疲劳、漏检和误判。
如果检验员必须在极短时间内处理大量产品，所谓「全检」未必真的可靠。
相反，较少数量的样本可以让检验员有更多时间认真测量，并按照规范完成检查。
所以质量管理中不能简单认为：
100%检验 = 100%可靠。
检验系统本身也存在误差。
六、全数检验也有测量风险
即使企业决定100%检验，也仍然需要考虑测量系统是否可靠。
例如一个不良品经过人工目视检验，有95%的概率被发现。即使所有产品都检查一次，也仍然可能有5%的缺陷逃逸。
如果检验员之间判断标准不一致，问题会更加明显。
因此，在重要检测项目中，企业还应该评估：
- 量具是否准确；
- 重复测量是否一致；
- 不同检验员判断是否一致；
- 检验方法是否具有足够分辨能力。
这也是六西格玛中测量系统分析（MSA）非常重要的原因。
七、抽样检验为什么一定存在两类风险？
由于我们只检查部分样本，因此抽样判断永远存在错误可能。
最基本的两种风险是：
生产者风险：本来质量不错的批次，却因为抽样结果不利而被拒收。
消费者风险：本来质量较差的批次，却因为抽到的样本刚好较好而被接受。
所以抽样计划实际上是在平衡两方面的风险。
样本数越大，通常能够获得更多关于批次的信息，但检验成本也会提高。
样本数太少，成本低，却可能提高错误接收或错误拒收的机会。
因此，抽样方案不能靠经验随便决定「抽10个看看」，而应该根据批量、质量风险、AQL、检验水平以及适用标准进行设计。
八、AQL到底代表什么？
AQL通常译作接收质量限（Acceptance Quality Limit）。它经常用于属性抽样方案中，帮助确定样本数量和允收／拒收标准。
需要特别避免一个常见误解：
AQL并不是企业承诺「每批最多只能有这么多不良」。
它是抽样方案设计中的一个统计参数，用于定义长期质量水平与接收概率之间的关系。
例如企业采用某套AQL抽样方案，并不代表只要一批通过抽检，就能够证明该批真实不良率一定低于AQL。
抽样方案只能提供概率性的判断。
九、抽样检验不能代替过程控制
这是质量管理中最重要的一点。
抽样检验主要回答：
这一批要不要接收？
但它通常不能回答：
为什么会出现这些不良？过程是否稳定？下一批会不会继续发生？
如果企业长期依赖来料抽样、过程抽样和出货抽样，却没有改善制造过程，那么质量管理很容易陷入「不断筛选不良」的状态。
真正更有效的策略，是把资源逐渐向过程能力、SPC、防错、设备维护、供应商管理和标准化作业转移。
检验的价值是发现问题和控制风险，过程改善的价值则是减少问题本身产生的机会。
十、为什么高过程能力可以降低对检验的依赖？
如果某个供应商长期过程稳定，Cpk表现良好，历史批次持续符合要求，而且关键过程受到有效控制，那么企业可以根据风险逐步减少重复检验。
相反，如果供应商过程不稳定、投诉频繁、历史数据波动很大，即使每一批抽样都暂时合格，也不应该简单降低检验强度。
所以是否免检或减量检验，不应该只看「过去几批有没有抽中不良」，而应该综合评估：
- 过程稳定性；
- 过程能力；
- 供应商历史绩效；
- 产品风险；
- 客户和法规要求；
- 变更记录。
这比单纯依赖抽样结果更加可靠。
十一、抽样检验和SPC有什么区别？
两者都使用统计方法，但目的完全不同。
抽样检验主要针对产品批次是否接收。
SPC则主要针对过程是否稳定。
例如某批10,000件产品抽样合格，只能说明按照当前抽样方案这批可以接收；它并不能证明生产过程没有发生特殊原因变异。
反过来，一个过程控制图长期稳定，也不自动代表产品一定满足客户规格。
所以质量工程师需要区分：
产品判定、过程稳定性和过程能力，是三个不同问题。
十二、抽样检验最容易被误解的地方
现场经常出现这样的争论：
「既然IQC抽样判定合格，为什么生产线还会发现不良？」
答案其实很简单：因为抽样合格从来不等于整批零缺陷。
又例如客户从交付批次中发现不良，生产部门说「出货前OQC已经抽检合格」。
这也不能证明客户发现不良是一件不合理的事情。
只要采用抽样，未被抽中的产品中始终可能存在缺陷。
真正应该调查的是：
实际不良率是否超出预期？过程是否发生变化？抽样计划是否与风险匹配？是否需要提高过程能力或改变控制策略？
十三、全检、抽样还是免检，应该怎么决定？
实际工作中可以按照三个维度判断。
第一，看风险。缺陷一旦发生，是否涉及安全、法规、重大客户损失？风险越高，控制越严格。
第二，看检验成本和可行性。检验是否破坏产品？能否自动化？批量多大？检验时间多长？
第三，看过程能力和历史绩效。过程是否稳定？供应商表现是否持续可靠？数据是否支持降低检验频率？
因此，并不存在「抽样一定比全检高级」或者「全检一定最安全」这种简单结论。
正确方法是根据过程和风险选择最合理的控制方式。
结语
抽样检验之所以长期被质量管理广泛使用，是因为它能够以较低的检验成本，对大批量产品作出具有统计基础的接收判断。
但它的局限也必须理解清楚：抽样检验不能保证每一件产品合格，只能在预先设定的风险条件下对整个批次作出判断。
全数检验同样不是万能。人工全检可能受到疲劳、误判和测量系统误差影响，而且它只能筛选不良，不能自动改善过程。
优思学院认为，成熟的质量管理并不是在「全检还是抽样」之间机械选择，而应该把产品风险、检验成本、过程稳定性和过程能力一起考虑。
检验负责控制眼前风险，过程改善负责减少未来风险。真正理想的质量管理，是让过程本身越来越可靠，而不是永远依靠检查把不良挑出来。
