"我们一直做抽检的，也没出过什么大问题。"——直到那批 5000 台电机被整批退货。在线全检和离线抽检的选择，不是一个技术问题，是一个风险决策问题。这篇文章帮你算清这笔账。
一、两种策略的本质差异
离线抽检
从一批产品中随机抽取一定数量进行检测，根据样本的检测结果推断整批产品的质量水平。典型的执行模式：
- 每批次抽取 AQL 水准的样品（如 AQL 1.0 = 每批允许 1% 的不良）
- 样品送到品质部或实验室检测
- 合格则整批放行，不合格则整批加严或退货
在线全检
每件产品在产线上自动经过检测工位，100% 逐件检测 OK/NG。典型的执行模式：
- 检测工位嵌入产线，产品流经时自动触发检测
- OK 放行，NG 自动分拣出
- 每件产品都有检测数据，全量可追溯
核心差异
维度 | 离线抽检 | 在线全检 |
覆盖范围 | 1-5% 的产品 | 100% 的产品 |
代表性问题 | 样品不等于全体 | 不依赖采样 |
漏到客户端的概率 | 存在 | 理论上趋近于零 |
检测成本 | 低（只测样品） | 中到高（每件都测） |
数据价值 | 有限 | 全量数据用于工艺改进 |
产线节拍影响 | 无 | 需要检测工位跟上节拍 |
二、抽检的数学账：你以为安全，其实有漏洞
抽样检验的理论基础是统计推断——用样本来估计总体。但这里有一个容易被忽视的陷阱：AQL 的出发点是"买方风险"，不是"零缺陷"。
AQL 1.0 到底意味着什么？
AQL 1.0（正常检验水平 II，单次抽样方案）的一个典型场景：
- 批量 1000 件，样本量 80 件
- 允许不合格数：Ac = 2, Re = 3
- 即：在 80 件样品中，如果有 ≤ 2 件 NG → 整批放行
但这个方案的保护力有多强？
如果这批 1000 件中实际有 5% 的不良（50 件 NG），你在 80 件样品中抽到 ≤ 2 件 NG 的概率是——约 21%。也就是说，大约每 5 批有严重质量问题的产品（5% NG），就有 1 批会通过抽检而放行。
如果 NG 率是 2%（20 件 NG），抽到 ≤ 2 件的概率高达 78%——绝大多数 2% 不良的批次都会被放行。
抽检不是在"消灭缺陷"，而是在"控制漏到客户那端的概率"——而且这个概率并不像你想的那么低。
三、什么时候抽检够用？
抽检并非一无是处。以下场景下，抽检是合理的：
- 工艺非常成熟：不良率长期稳定在 0.1% 以下，SPC 数据显示过程受控
- 失效后果低：产品出问题不会造成安全风险，终端用户容易发现并在保修期内退回
- 单件检测成本极高：检测需要破坏性试验（如耐久测试），无法在线完成
- 产品价值低：单件产品售价很低，全检成本占比太高，返修/退货成本也低
简单说：工艺高度稳定 + 失效后果可控 → 抽检。
四、什么时候必须全检？
以下场景下，抽检的风险不可接受：
- 安全相关：产品失效可能导致人身伤害（如汽车刹车系统电机、医疗器械电机）
- 客户零容忍：终端客户对异音的敏感度极高（如家用空调、高端家电），一次投诉就可能导致退货+品牌损失
- 批量价值高：单批次价值高（如军工产品、出口订单），整批退货的损失远大于全检成本
- 客户合同要求：越来越多的下游整机厂要求电机供应商"每件必检+数据全量上传"，这是合同条款而非品质选项
- 新品/新工艺导入期：工艺还没跑稳，不良率不可预测，全检数据也是工艺优化的基础
简单说：安全关键 + 客户高要求 + 退货代价大 → 全检。
五、全检的 ROI 怎么算？
很多人觉得全检"太贵了"。算一下账：
假设条件
- 月产电机：10 万台
- 抽检方案：每批 AQL 1.0，实际检测量约 1%（1000 台/月）
- 实际不良率：0.3%（300 台不良/月）
- 客户退货率：假设抽检漏过 80% 的不良品 = 240 台/月漏到客户那端
- 单台退货成本（退货物流 + 返修 + 客户罚款 + 品牌影响）：估 500 元
全检方案投入
- 一套自动检测系统：15 万元（折旧按 5 年，月折旧 2500 元）
- 运维成本：1000 元/月（传感器定期校准+线缆更换+电费）
- 一个月检测 10 万台的总成本：3500 元/月
对比
项目 | 抽检方案 | 全检方案 |
月度退货数（估算） | ~240 台 | ~0 台（或 < 5 台） |
月度退货成本 | 12 万元 | ~0 |
月度检测成本 | 忽略不计 | 3500 元 |
月度净差额 | 多花 11.6 万 在退货上 |
省下了 12 万的退货成本，投入了 3500 的检测成本。ROI ≈ 3300%。
当然，这是一个理想化的推算——实际上不良率不会一直稳定在 0.3%，退货成本也因行业而异。但这个数量级的差异是真实的：退货损失通常是检测成本的 10-100 倍。
六、折中方案：分级检测策略
如果在线全检的投入一时半会批不下来，可以考虑过渡方案：
阶段 | 策略 | 投入 |
第一阶段 | 在线全检（只做快速甄别） | 检测系统 + 基础传感器 |
第二阶段 | 在线全检 + 关键工位深度分析 | 增加高性能传感器和 AI 模型 |
第三阶段 | 在线全检 + 全量数据 SPC + MES 闭环 | 全系统上线 |
第一阶段的核心是"不放过明显的 NG 品"——用简单的 RMS + 峭度阈值，检测节拍 < 3 秒，投入不大但覆盖率从 1% 跃升到 100%，效果立竿见影。后续阶段再逐步加深度分析能力。
七、结语
离线抽检到在线全检的转变，本质上是从"相信统计概率"到"为每一件产品负责"的转变。
如果你的客户是终端消费者（如家电行业），终端用户对噪音的感知是最直接的——他不会管你是"抽检还是全检"，他只知道"这台空调太吵了"。而一个投诉的代价，可能等于你做一万次全检的成本。
如果你的检测系统上线后，退货率从千分之几降到接近零——不用算 ROI 表，老板自己会算。