抽样检验是从一批产品或总体中按规定方法抽取部分样本，通过样本结果判断整批产品质量或估计总体特征的方法。它既用于来料、成品和过程质量控制，也常用于六西格玛项目的数据收集与分析。实际应用中，抽样方法很多，关键并不是记住名称，而是理解不同方法解决什么问题，以及什么时候应该使用。
一、什么是抽样检验？
抽样检验，是按照事先确定的抽样方法，从总体或一批产品中抽取部分单位作为样本，通过检验样本，对整批产品是否接收、总体特征或过程状态作出统计判断。
它与100%全检最大的不同，是不检查总体中的每一个单位。
例如，一批来料共有10,000件零件，企业可能不会逐件测量，而是依据抽样方案随机抽取一定数量，检查尺寸、不良品数量或其他质量特性，然后决定这一批产品是否接收。
抽样检验的优势很明显：
- 可以减少检验成本和检验时间；
- 适用于破坏性检验，例如寿命试验、拉伸试验；
- 适合大批量生产和供应商来料检验；
- 能够基于统计方法控制生产者与使用者承担的风险。
但需要注意，抽样检验并不意味着“抽几件看看”。
真正的抽样检验通常涉及总体、样本量、随机性、接收准则以及统计风险。如果抽取的样本没有代表性，即使样本数量很多，也可能得到误导性的结论。
二、抽样检验首先可以分成哪几类？
理解各种抽样方式之前，可以先区分三个维度：
- 抽样的目的：是为了判断一批产品是否接收，还是估计总体特征？
- 检验的数据类型：使用不良数等计数数据，还是尺寸、重量等计量数据？
- 抽样如何进行：一次抽完、分多次抽，还是随着连续生产不断抽样？
下面介绍质量管理中常见的21种抽样检验或抽样方式。
三、按抽样目的划分的两种方法
1. 验收抽样检验
验收抽样检验是根据样本的检验结果，决定一批产品接收还是不接收。
这是制造企业最常见的抽样应用之一，典型场景包括：
- 供应商来料检验；
- 成品出货检验；
- 批量生产后的质量验收。
例如一批零件共有5,000件，根据规定抽取80件，如果样本中的不良品数量没有超过允许的接收数量，就接收整批产品；超过规定则拒收或进行进一步处置。
需要特别理解的是：
“接收一批产品”并不等于证明这一批产品100%全部合格。
抽样检验本质上属于概率判断，因此始终存在一定的抽样风险。
2. 调查抽样检验
调查抽样的主要目的并不是决定“接收还是拒收”，而是通过样本估计总体特征。
例如：
- 估计总体平均尺寸；
- 估计总体不良率；
- 研究某个指标的总体分布；
- 估计客户群体中的某项比例。
这类抽样在市场调查、统计研究以及过程改善项目中都很常见。
四、按质量数据类型划分的两种抽样检验
3. 计量抽样检验
计量抽样检验依据连续测量得到的数据进行判断。
例如：
- 轴的直径为10.02 mm；
- 产品重量为502.3 g；
- 拉伸强度为430 MPa；
- 加工时间为36.5秒。
因为保留了实际测量值，计量型数据通常比单纯的合格/不合格信息包含更多统计信息。
4. 计数抽样检验
计数抽样检验主要根据样本中是否存在规定质量特性，或者缺陷数量进行判断。
典型数据包括：
- 合格 / 不合格；
- 不良品数量；
- 缺陷数量。
例如抽取125件产品，发现3件不良，根据既定抽样方案决定这一批产品是否接收。
计量抽样回答的是“测量值是多少”，而计数抽样通常回答“有多少件不合格”或“有多少个缺陷”。
五、按抽样方案是否能够变化划分
5. 调整型抽样检验
调整型抽样检验会根据连续多批产品的质量表现，按照事先确定的转换规则调整检验严格程度。
例如供应商连续多批质量表现良好，可能由正常检验转向放宽检验；如果质量表现恶化，则可能转向加严检验。
这种方式的意义在于：
检验力度随着实际质量表现发生变化。
6. 非调整型抽样检验
非调整型抽样检验则不根据前面各批产品的质量结果改变当前抽样方式。
也就是说，确定抽样方案以后，按照固定规则执行。
它结构简单，但不能像调整型抽样一样利用供应商或过程的历史质量表现动态调整检验力度。
六、按每一批产品需要抽取多少次样本划分
7. 一次抽样检验
一次抽样是最容易理解的抽样方式。
按照规定抽取一个样本，根据这个样本的结果直接决定：
- 接收该批；或
- 不接收该批。
例如：
抽取80件，如果不良品数≤2，则接收；如果不良品数≥3，则拒收。
判断一次完成。
8. 二次抽样检验
二次抽样允许最多抽取两个样本。
第一次抽样后可能出现三种情况：
- 结果足够好，立即接收；
- 结果足够差，立即拒收；
- 结果介于两者之间，再抽第二个样本。
这样做的好处是，当批次质量明显很好或明显很差时，不需要继续检验，从而减少平均检验数量。
9. 多次抽样检验
多次抽样是二次抽样的延伸。
每完成一次抽样，就依据累计结果决定：
- 接收；
- 拒收；
- 继续抽取下一个样本。
它有机会进一步降低平均样本量，但抽样方案和现场管理也更加复杂。
10. 序贯抽样检验
序贯抽样比多次抽样更进一步。
每检验一个单位以后，就可以根据当前累计结果判断：
- 是否接收；
- 是否拒收；
- 是否继续检验下一个单位。
当产品实际质量明显高于或低于判定标准时，序贯抽样往往能够较早得出结论。
七、针对连续生产过程的抽样方法
11. 连续抽样检验
传统验收抽样通常针对一批一批的产品。
但有些生产过程并没有非常明确的批次，例如：
- 连续包装生产线；
- 高速冲压；
- 连续化工生产；
- 自动装配生产线。
此时可以采用连续抽样检验。
单水平连续抽样检验
对连续生产的产品，根据实际质量表现，在100%检验和某一个固定抽样比例之间进行切换。
例如经过一段时期全检并确认质量稳定以后，转换为每若干件抽查一件；如果再次发现异常，则恢复全检。
多水平连续抽样检验
多水平连续抽样与单水平方法类似，但不是只有一个抽样比例，而是设置两个或以上的抽样水平。
过程表现越稳定，抽样比例可能越低；出现异常以后，则提高抽样强度甚至恢复100%检验。
八、利用前后批次质量信息的抽样方法
12. 链式抽样检验
链式抽样不仅考虑当前批样本的结果，还会结合之前若干连续批次的抽样结果决定是否接收当前批。
也就是说：
当前批的判定会利用近期历史质量表现。
这种设计有机会在保持统计风险要求的同时减少单批检验量，但使用时必须严格遵守规定的判定规则。
13. 跳批抽样检验
如果供应商或生产过程长期保持稳定的良好质量表现，可以按照规定条件跳过某些批次的检验。
例如连续若干批产品均满足规定要求，在符合相应条件以后，只检查其中部分批次。
跳批并不是随意“不检查”。
它通常建立在：
- 连续稳定的质量表现；
- 可靠的生产过程；
- 规定的资格条件；
- 严格的恢复检验机制
之上。
一旦质量表现出现异常，应按照相应规则恢复更严格的抽样检验。
九、抽样时如何选择样品？
这一部分非常重要。
因为即使样本量计算完全正确，如果抽样方式有明显偏差，得到的结果仍然可能没有代表性。
14. 有意抽样
有意抽样是指抽样者根据个人判断，主动选择“自己认为应该检查”的产品。
例如检验员专门挑：
- 表面看起来有问题的产品；
- 最容易拿到的产品；
- 包装箱最上面的产品。
这种抽法在统计意义上通常不能代表总体，因此不能作为严格随机抽样的替代方法。
现场最典型的问题就是所谓“方便抽样”：
一批产品有30个周转箱，但检验员只从最靠近自己的两个箱子取样。
表面上完成了规定样本量，实际上样本可能只代表局部产品。
15. 随机抽样
随机抽样的核心是让总体中的抽样单位按照规定的概率机制获得进入样本的机会，从而减少人为选择偏差。
实际工作中又可以使用多种随机抽样方法。
a. 简单随机抽样法
简单随机抽样要求总体中规定数量样本的各种可能组合具有相同的被选概率。
常见做法包括使用随机数表或计算机随机数。
例如一批产品编号为1至1,000，通过随机数生成器随机选择50个编号进行检查。
b. 分层随机抽样法
如果总体内部存在明显不同的子群，可以先将总体划分成互不重叠的层，再分别从每一层随机取样。
例如一天生产的产品来自：
- 早班；
- 中班；
- 夜班。
如果只从当天总产品中完全随机抽样，可能碰巧主要抽到早班产品。
此时可以按照班次分层，再分别取样，使不同班次都有适当代表。
分层抽样尤其适合存在明显班次、设备、供应商、区域或时间差异的总体。
c. 周期系统随机抽样法
系统抽样通常先确定一个随机起点，再按照固定间隔抽取样本。
例如生产线上每20件抽取1件。
这种方法操作方便，但必须注意一个风险：
抽样间隔不能与生产过程本身的周期性规律重合。
例如设备每20件恰好进行一次自动调整，而你又固定每20件抽一件，就可能产生系统性偏差。
d. 分段随机抽样法
分段随机抽样可以将系统抽样与随机选择结合使用。
例如把整批产品按照顺序划分为多个区段，然后在各区段内随机选择单位，以避免样本过度集中在某一时间或位置。
十、针对总体结构的抽样方法
16. 整群抽样
整群抽样是先将总体划分成若干群，然后随机抽取部分群，被抽中群中的全部单位组成样本。
例如某仓库有100箱产品，每箱50件。
如果随机抽取5箱，并检查这5箱里的全部产品，这种方法就具有整群抽样的特征。
整群抽样的优势通常是取样方便、成本低，但如果不同群之间差异较大，其估计精度可能受到影响。
17. 多阶抽样
多阶抽样是分几个阶段逐步抽取样本。
例如进行全国性的供应商质量调查：
第一阶段随机选择地区；
第二阶段从这些地区选择工厂；
第三阶段从工厂选择产品批；
第四阶段从产品批中随机抽取产品。
它适合总体规模很大、结构复杂，并且无法直接列出所有最小抽样单位的情况。
十一、按照样本是否放回总体划分
18. 放回抽样
每抽取并观察一个单位以后，再将该单位放回总体，然后抽取下一个单位。
因此，同一个单位理论上可能被多次抽中。
放回抽样在概率理论中很常见，但在制造业的实体产品检验中相对少见。
19. 不放回抽样
抽取一个产品以后，不再将它放回总体参与下一次抽样。
制造业中的来料抽样、产品检验，大多数实际场景更接近不放回抽样。
例如从500件产品中随机抽20件进行尺寸测量，已经抽过的产品不会再次被当成另一个样本单位抽到。
十二、特殊物料和特殊批次的抽样
20. 散料抽样
散料是指其组成单位在宏观上难以逐个区分的材料，例如：
- 粉末；
- 矿石；
- 谷物；
- 液体；
- 颗粒材料；
- 化工原料。
这类材料无法像零件一样简单地“随机抽10件”。
真正的难点是样品的代表性。
如果一车颗粒原料存在分层现象，只从表面取一小勺，即使后续检测非常精确，也不能说明整车物料的真实情况。
因此散料抽样通常需要考虑：
- 取样位置；
- 取样深度；
- 增量样品数量；
- 样品混合；
- 样品缩分。
对散料而言，错误的取样造成的误差有时甚至比实验室测量误差更严重。
21. 孤立批抽样检验
孤立批是从连续批系列中独立出来、不能利用近期连续生产质量信息进行判断的批次。
例如：
- 一次性的特殊采购批次；
- 很久以前生产的库存批次；
- 无法确认连续质量历史的产品批。
对于这类批次，不能简单依赖供应商前期连续批次的良好表现，而应按照孤立批相应的抽样逻辑进行质量判断。
十三、一次、二次、多次和序贯抽样应该怎么理解？
这四种方法最容易混淆。
可以把它们理解为检验判断发生的频率不同：
| 抽样方式 | 何时进行判断 | 主要特点 |
|---|---|---|
| 一次抽样 | 一个样本检验完成后 | 简单、容易执行 |
| 二次抽样 | 最多检查两个样本 | 部分情况下可以减少检验量 |
| 多次抽样 | 每完成一组样本后 | 判断更加灵活 |
| 序贯抽样 | 理论上每检查一个单位即可判断 | 可能进一步降低平均检验数量 |
因此它们不是四套完全无关的方法，而是逐步增加判断次数和灵活性的不同抽样设计。
十四、随机抽样为什么如此重要？
实际质量工作中，一个很常见的误区是：
“只要抽够规定数量就可以。”
事实上，样本量正确只是一个条件。
假设仓库里有10,000件产品，分别来自10个生产时段。
要求抽取80件。
如果检验员为了方便，直接从最外面的两个托盘抽80件，虽然样本量确实是80，但这个样本未必代表整批产品。
结果可能出现：
外层产品全部合格，于是整批接收；
而某个早期生产批次实际上存在大量不良。
问题并不在“80件太少”，而在抽样过程存在选择偏差。
因此，可靠的抽样方案至少需要同时回答：
- 从哪里抽？
- 抽多少？
- 如何保证随机性？
- 什么结果算接收？
- 什么结果算拒收？
十五、抽样检验和SPC有什么区别？
抽样检验与SPC都使用统计思想，但解决的问题不同。
验收抽样主要回答：
“这一批产品要不要接收？”
SPC控制图主要回答：
“这个生产过程现在是否处于统计稳定状态？”
举个例子。
某批产品抽样检验全部满足要求，这只能说明按照当前抽样规则，这批产品达到了接收条件。
但生产过程仍有可能已经出现特殊原因变异。
反过来，一个统计稳定的过程，也并不代表产品一定满足规格要求；如果过程中心偏离目标或变异过大，过程可能非常稳定地生产不合格品。
因此：
产品批是否可接收、过程是否稳定、过程能力是否足够，是三个不同的问题。
十六、抽样检验中的两个风险不能忽略
由于只是检查总体的一部分，验收抽样不可能做到绝对正确。
典型风险包括：
生产方风险：质量实际上达到规定水平的一批产品，却因为抽样结果而被拒绝。
使用方风险：质量实际上较差的一批产品，却由于抽样结果而被接收。
因此，设计验收抽样方案不能只考虑“样本越少越省钱”。
样本量、接收数和抽样方案本质上是在检验成本与质量风险之间进行权衡。
这也是为什么专业的验收抽样通常需要依据明确的统计方案，而不是由现场人员凭经验随意决定“今天抽20件看看”。
十七、实际工作中如何选择抽样方法？
选择抽样方法时，可以先回答几个问题。
如果目的是判断供应商一批产品是否接收，可以考虑验收抽样。
如果目的是估计总体平均值或不良率，更接近调查抽样。
如果检验结果是尺寸、重量、强度等连续数据，可以考虑计量型方法。
如果只判断合格/不合格或统计缺陷数量，则属于计数型方法。
如果总体存在明显的设备、班次或供应商差异，单纯随机抽样可能不够理想，可以考虑分层随机抽样。
如果产品属于连续生产流，传统逐批抽样并不方便，则可以考虑连续抽样。
如果供应商长期质量稳定，并且相应制度允许，则可能应用跳批等抽样机制。
换句话说，没有一种抽样方法适合所有场景。
十八、做抽样时最常见的几个错误
只追求样本数量，不考虑代表性
抽100件不代表一定比抽50件可靠。
如果100件全部来自同一个箱子，而50件覆盖不同设备、班次和生产时间，后者反而可能更有代表性。
把方便抽样当随机抽样
“随手拿几件”不等于统计学意义上的随机。
忽略总体的分层结构
如果不同供应商、设备或班次之间差异明显，却把所有数据混在一起随机抽取，可能掩盖局部异常。
用抽样检验代替过程控制
验收抽样主要用于判断批次，不能替代稳定生产过程所需要的SPC、设备管理、标准化和防错。
发现异常后仍机械执行原抽样频率
如果已经存在明显质量异常，继续采用很低的正常抽检比例可能无法有效控制风险。
此时可能需要提高检验力度，甚至临时转为100%检验，直到风险得到控制。
十九、抽样检验在六西格玛项目中有什么作用？
在六西格玛改善中，抽样并不仅仅用于来料验收。
DMAIC不同阶段都可能涉及抽样。
例如在Measure阶段，需要从大量生产数据中取得具有代表性的样本，以了解当前过程表现。
在Analyze阶段，团队可能需要比较不同设备、班次、供应商之间的数据。
到了Control阶段，又可能建立合理的抽样频率持续监控改善后的过程。
问题就在这里：
后续统计分析再先进，如果前面的数据抽样存在系统性偏差，分析结果也可能失去意义。
所以实际学习质量统计方法时，我个人更建议把抽样、MSA、SPC、过程能力和假设检验放在同一个逻辑体系中理解，而不是只背各种抽样名称。这也是优思学院相关课程在讲质量数据分析时比较强调的一种思路。
二十、理解抽样检验，重点不是记住21个名称
这21种方法看起来很多，但真正理解以后，可以归纳为几个问题：
为什么抽？——验收还是调查。
数据是什么？——计量还是计数。
一次抽多少？——一次、二次、多次还是序贯。
产品怎样产生？——逐批还是连续生产。
样本怎样选？——简单随机、分层、系统、整群还是多阶。
历史质量表现是否参与判断？——调整型、链式、跳批等方法。
真正做好抽样检验，最重要的并不是完成“抽了多少件”的动作，而是保证样本具有代表性、判定规则有统计依据，并且对抽样带来的风险有清楚认识。
一套设计良好的抽样方案，可以在检验成本与质量风险之间取得合理平衡；而一个看似严格、实际上存在抽样偏差的方案，即使每天产生大量检验记录，也未必能够真正反映产品和过程的质量状态。
