我在上次提到过，所有的进货检验活动都是不增值的，纯粹是浪费，再加上我们为此购买的检查、检测设备，我们付出的代价是巨大的，所以我们需要在有效的基础上，选择最经济的检验方式，从而实现成本的最小化。
一提到进货检验或来料检验，我们就会想到GB/T2828或ISO2859或C=0等计数抽样检验的标准程序。关于这方面的培训也很多，包括基于泊松分布或二项分布的OC曲线、 AQL（可接受质量水平）、LTPD（批允许不良率）、单次/两次/多次抽样、检验水平、正常检验/放宽检验/加严检验等等，各种抽样方案也是令我们眼花缭乱。很多人把进货检验等同于可接受抽样（Acceptance Sampling），可接受抽样在实际操作中确实使用的很普遍，但不是唯一检验方式。而且关于抽样检验的有效性，其实长期以来一直存在争议，有的人认为，可接受抽样是非常有效的，他们从统计质量控制（SQC）的角度阐述了抽样检验的统计学上的理论基础，即贝尔实验室的道奇和罗米克提出的接受抽样检验（Accpetance Sampling）的理论。也有人认为在某些情形下可接受抽样是无效的，也从理论上予以了证明。
通常来说，进货检验包括如下的检验方式：1. 免检（No Inspection）；2. 100%检查（100% Inspection）；3. 可接受抽样（Acceptance Sampling）。有人说，还有跳批（Skip Lot Inspection），跳批检验其实是免检的一种妥协办法，主要的作用不是判断产品批次合格与否，更重要的作用是收集数据，看一下产品是否有显著变化或理解其变化的趋势。 在以上三种检验方式中，如何进行选择呢？什么时候免检？什么时候抽样检查？什么时候100%检查呢？今天我们先从经济性的角度探讨一下，供大家参考。
情形一：供应商过程稳定的情况 。根据历史的检验数据显示批次质量水平稳定（合格率很低或很高），而且供应商过程显示稳定或受控，在这种情况下，可接受抽样（Acceptance Sampling）是无效的，这在理论上已经予以证明了，我在这儿不再赘述，有兴趣的同事可以私信给我。这种情况下推荐采用戴明的KP规则。戴明KP规则是这样的，Pb= k1/k2，其中Pb为盈亏平衡点（Breakeven Point），k1=每件产品的检验成本，包括人工、设备折旧、租金及其费用；k2=当缺陷通过检查而造成的损失成本，包括返工/返修、挑选、产量损失、售后索赔、召回、后续新项目的获取，甚至是诉讼等成本。当产品不合格率 P < Pb ，免检； 当产品不合格率 P > Pb，100％检查； 当产品不合格率 P = Pb，为安全起见，建议100%检查。
例如，一台微型计算机设备每台检查的成本为0.50美元。如果在较大的系统中安装有故障的计算机，损坏费用则将产生$ 10.00的费用。因此：Pb = 0.50 / 10.00 =0.05 = 5.0％。说明如果缺陷百分比预计大于5％，则进行100％检查，否则，不检查。
在这儿，我要澄清一个误解。戴明的KP规则并不是表示接受小于Pb的缺陷率，而仅仅是从进货检验经济性的角度，综合考虑检验成本和失效成本，相对于100%检验，免检的成本更低而已，如上面案例当中，当缺陷率为4%时，我们毕竟还要付出40美金的失效质量成本的损失，所以我们对供应商的要求仍然是零缺陷。
情形二：供应商过程不稳定，批次质量差异较大，也就是有的批次不合格率很高，有的批次不合格率很低。当产品是高质量批次和低质量批次的混合时，或者说供应商的过程未处于统计控制状态时，建议采用可接受抽样方案（Acceptance Sampling）,这是可接受抽样方案适用的场合。也就是说，通过抽样检验把不合格率很高的批次高概率拒收，把不合格率低的批次高概率接受。
情形三，对于同质性很强的产品，如液体或气体，抽取部分小样本检验即可。
总结一下：
1. 当供应商的过程显示稳定，而且历史质量数据，批次质量很高，不合格率很低时（低于盈亏平衡点Pb), 免检。
2. 当供应商的过程显示稳定，但历史质量数据显示批次不合格率很高时（高于盈亏平衡点Pb)，需要100%全检。
3. 当供应商过程显示不受控，批次质量忽高忽低，不可预测，采用我们熟悉的可接受抽样（Acceptance Sampling）即可。
4. 同质性很强的产品，如油漆、油漆等，任意抽取小样本检验即可。
5. 当供应商过程是否受控、批次质量是否稳定未知时，短时间内采用100%检验，如量产前和量产初期。
6. 对总成的性能的影响显著的关键特性（CC），必须100%检查，因为一旦流出，损失巨大，甚至无穷大。建议100%在线自动检查。
7. 破坏性检查, 一般不检查，确认供应商提供的测试数据。
最后，进货检验的最终目的是逐步取消进货检验这种不增值的操作，那么如何做到呢？咱们下次再讨论。
2021-3-23