01 誤用：批退率作為管理指標
如我們對100批作抽樣檢驗，結果有15批判退，則批退率(Lot Rejective Ratio)為15%，這容易讓我們誤解為不好的比率有15%，但實際不良率和不良批的意義是不同的。
其實如過程不良率(即產品質量水平)為0.4%，且我們用AQL0.4%抽樣，其批退率仍有5%是正常的，這是誤判的風險概率，而我們的感覺卻認為不良有5%(實際上不良率是0.4%)并為此感到不安。
除此之外，判退過程經常容易受人為因素的干擾而更會顯得失真。更有甚者，用批退率來點繪趨勢推移圖作為管理的參考指標，這是無意義及無效的行為。
所以不能用批退率作為質量管理指標的主要原因有二個：一是統計的誤判率5%，另一個是實際人為干擾的失真。
過程平均 process average
在規定的時段或生產量內質量水平的平均。
注：過程平均是過程處于統計控制狀態期間的質量水平(不合格品百分數或每百單位產品不合格數)的平均。
02 盲點：為抽樣而抽樣，不管產品質量水平為何
檢驗員執行抽樣檢驗前，通常不去了解過程不良率是多少，就執行批抽樣，這是不適當的。
因為抽樣的前提必須是“過程不良率”和AQL值接近，才來判斷此批質量水平是否合格可接受。
例如AQL0.25%，而過程不良率為2%左右，明顯可知不用抽樣即可退貨，因為其質量水平與期望可接受的質量水平(AQL)相差太大。不要為抽樣而抽樣，這時應先假設為退貨狀態，再實施100%全檢才對。
接收質量限 acceptance quality limit
當一個連續系列批被提交驗收抽樣時，可容忍的最差過程平均質量水平。
注1：僅當抽樣計劃具有轉移規則和暫停規則時使用此術語。
注2：盡管具有質量與接收質量限同樣差的批也可能以較高的概率被接收，但所指定的接收質量限并不表示接收質量限就是所希望的質量水平。
本部分中的抽樣計劃及其轉移規則和暫停抽樣檢驗規則是為鼓勵供方具有比AQL一貫地好的過程平均而設計的。
如果過程平均不比AQL一貫地好，就會有轉移到加嚴檢驗，使接收準則變得更加嚴厲的風險。一旦進行加嚴檢驗，必須采取質量改進措施對過程質量進行改進，不然可能導致暫停抽樣檢驗。
這種盲點是因不了解抽樣檢驗的本質，是“用來判定批質量水平”，當此批的質量水平接近允收水平，而我們還不是很確定時，才來執行抽樣檢驗。
如不管過程不良率即抽檢，不但無法正確判斷好的批，而且將付出大量無效的檢驗工時人力。
03 錯誤觀念：較嚴的AQL值可提升產品質量
企業質量管理中，經常可以聽到使用較嚴的AQL值來提高產品質量，例如客戶同意AQL1.0%(意即客戶期望產品質量在不良率1%及以下可以接受)，賣方為保證交更好的產品給客戶，自動將AQL值修正為0.4%來長期執行抽樣。這種觀念是不對的。
把產品質量做好的前提是如何把“過程不良率”下降，而抽樣是用來“判定批的好與壞”，而不是用來“提升產品質量”的。
較嚴的AQL值的效果，充其量只是增加退貨概率，然后實施全檢，對整體質量水平提升效果極為有限，因為增加退貨概率不高(低于10%)，再加上誤判及人為干擾，效果微不足道。
用檢驗(全檢)來提升產品質量已是下下之策，因質量不是靠檢驗出來的。更何況用抽樣的方法來提升產品質量，浪費公司大量資源，質量還是做不好。
04 效果有限：最終成品采用多次全檢
如最終產品質量水平確實不好，客戶的訂單也必須要交，長期對策遠水救不了近火，先救急可出貨前提下，只有安排下下之策去作全檢，如再不滿意則實施第二次、第三次的全檢，這種不得已對策的有效性值得探討。
根據實驗及世界級公司內部的報告，如檢驗靠人的感官且訓練合格的檢驗員，其第1次全檢效果，即可挑出不良品的能力為70%，對同一批再作第二次全檢效果則只有20%上下，如同批再第三次全檢，則幾乎再也挑不出問題來，如同批再作第四次全檢，則不但挑不出問，反而產生新的問題(以外觀問題為主)。
例如原質量水平不良率Px=10%，第1次全檢則為Px1=3%，第2次全檢Px2=2.4%，第3次全檢Px3約2.4%上下，第3次在3%上下，因此最終成品采取多次全檢的效果有限，最多2次為宜!
質量是沒辦法靠檢驗出來的，最終還是需要每個環節的源頭做好和做對，產品質量是設計進去和制造做出來的。
05 等而下之：質量工作是抽檢、檢測和拒收
看到大部分公司(尤其傳統產業)的質量部門只做“抽驗、檢測、退貨‘的基本工作，且長期下來產品質量一點改善也沒有。
曾有一位科技公司的質量經理，告訴我目前質量已大有進步，是因為檢驗員大量抓問題，長期作批退所致，這種似是而非的代價是使用大量的檢驗員，且質量人員比率已超過同行業二倍以上，這種質量經理真是可悲，連自已錯在那里都不知道。
既然產品質量是設計進去和制造出來，自然質量和設計單位、制造單位有直接關系，那么質量單位要做什么?角色定位為何?如果身為質量部門經理以上管理者都不知道，真是太欠缺職業能力了。
檢測工作只是了解真相和收集信息資料的基本工作，重要的是后續如何影響設計和制造部門，能自動自發把自己的工作做好，以節省資源和成本才是上策，因此質量部門真正要做的是"聯絡、溝通和整合"。
人的因素比專業因素還重要，要外圓內方，以"短期解決問題，長期創造價值"的自我定位，對內可降低營運成本，對外可憑借質量滿意帶來客戶。
質量可塑造正面的企業文化而持續獲益，這才是質量等而上的最高境界。
06 誤解謬論：零缺點是"只要抓到1個問題即拒收"
零缺點的精神就是"追求完美"，在有限的時間、知識、能力、設備下，追求最完美的演出，是一種精神和工作態度，追求完美不是不能容許瑕疵。
現在有些客戶的工程師把零缺點解讀為"不管樣本數多少，只要抓到1個問題全批即拒收"，這是半桶水的人對零缺點的誤解。
要知道所有抽樣理論都來自操作曲線 (OC Curve)，樣本數(n)及允收合格判定數(c)確定，則OC曲線才固定，若不管樣本數(n大小)多少，即表示有無數條的OC 曲線，抽樣即無一定標準可循，強作抽樣再予以判定，就是”霸王硬上弓“。要批退很容易，只要樣本數越大，退貨概率就越高，這對賣方是不公平的。
如有這種質量協議，是不能簽的。假如驗收合約只說明零缺點精神，未說明允收水平(AQL)或出貨質量水平(SPQL)，就請買方進一步解讀。
如有說明樣本數(n)及判定數(C)，或提出SPQL值，即表示驗收有一定標準，是對的。如買方解讀為不管樣本數大小且C=0(不允許有1個問題)，賣方可據理力爭。如真的講不通又沒有其它途徑解決，且公司一定要接單，則賣方可采取小批量分批出貨的方式來應對。
07 其它抽樣計劃的誤用
工作中有時候聽到或看到誤用抽樣計劃的情形。
例如A：
采用計量值的抽樣計劃，不去注意數據分布是否正態，就作使用，導致誤判概率大增，其實現在統計軟件很方便，數據分布容易圖示，數據正態后再考慮計量值抽樣。
例如B：
使用連續生產型抽樣計劃的前提，必須制程穩定且是連續性生產。自動化設備制程較易穩定且持續產出，但大量人工的裝配工廠，制程較不易穩定，因人多、零件多的變化高，若遇缺料就不是連續性生產，因而不宜使用連續生產型的抽樣計劃。
最近居然聽到有韓國大廠交面板給國內某組裝廠，要求客戶使用連續生產型抽樣，理由是此韓國大廠都是這樣被驗收的，自己錯了也要求別人一起犯錯!
要知道交貨給客戶是以批量為單位，非連續性供貨，而且面板產品是靠技術性人工組裝的，制程充滿不確定性，何來穩定，故韓國大廠誤用了抽樣計劃。
08 沒有不良率控制圖，只有不良率趨勢圖
控制圖的前提必須制程穩定，其變異是自然隨機呈正態分布，故依據統計原理訂定控制上限及下限，即中心線±3倍標準差，假如制程受到正面或負面的不正常干擾，其分布自然就不是正態，就不可使用控制圖。
組裝廠通常用不良率或良率作為質量績效，組裝廠因人多、零件多制程較不易穩定，加上管理者要求和介入去降低不良率(即為正面干擾，使分布不為正態)，所以不良率是不能使用控制圖的，要用趨勢圖(Trend Chart)取代。
除了去了解推移趨勢外，還要加入管理的目標線，不斷要求設法解決問題達成目標，此從管理角度才有意義，不要抱著死統計不消化!
因此，”沒有不良率控制圖，只有不良率趨勢圖“。
中企檢測認證網提供iso體系認證機構查詢，檢驗檢測、認證認可、資質資格、計量校準、知識產權貫標一站式行業企業服務平臺。中企檢測認證網為檢測行業相關檢驗、檢測、認證、計量、校準機構，儀器設備、耗材、配件、試劑、標準品供應商，法規咨詢、標準服務、實驗室軟件提供商提供包括品牌宣傳、產品展示、技術交流、新品推薦等全方位推廣服務。這個問題就給大家解答到這里了，如還需要了解更多專業性問題可以撥打中企檢測認證網在線客服13550333441。為您提供全面檢測、認證、商標、專利、知識產權、版權法律法規知識資訊，包括商標注冊、食品檢測、第三方檢測機構、網絡信息技術檢測、環境檢測、管理體系認證、服務體系認證、產品認證、版權登記、專利申請、知識產權、檢測法、認證標準等信息，中企檢測認證網為檢測認證商標專利從業者提供多種檢測、認證、知識產權、版權、商標、專利的轉讓代理查詢法律法規，咨詢輔導等知識。
本文內容整合網站：百度百科、搜狗百科、360百科、知乎、市場監督總局
免責聲明：本文部分內容根據網絡信息整理，文章版權歸原作者所有。向原作者致敬！發布旨在積善利他，如涉及作品內容、版權和其它問題，請跟我們聯系刪除并致歉！
