01 误用：批退率作为管理指标
如我们对100批作抽样检验，结果有15批判退，则批退率（Lot Rejective Ratio）为15%，这容易让我们误解为不好的比率有15%，但实际不良率和不良批的意义是不同的。
其实如过程不良率（即产品质量水平）为0.4%，且我们用AQL 0.4%抽样，其批退率仍有5%是正常的，这是误判的风险概率，而我们的感觉却认为不良有5%（实际上不良率是0.4%）并为此感到不安。
除此之外，判退过程经常容易受人为因素的干扰而更会显得失真。更有甚者，用批退率来点绘趋势推移图作为管理的参考指标，这是无意义及无效的行为。
所以不能用批退率作为质量管理指标的主要原因有二个：一是统计的误判率5%，另一个是实际人为干扰的失真。
过程平均 process average
02 盲点：为抽样而抽样，不管产品质量水平为何
检验员执行抽样检验前，通常不去了解过程不良率是多少，就执行批抽样，这是不适当的。
因为抽样的前提必须是“过程不良率”和AQL值接近，才来判断此批质量水平是否合格可接受。
例如AQL0.25%，而过程不良率为2%左右，明显可知不用抽样即可退货，因为其质量水平与期望可接受的质量水平（AQL）相差太大。不要为抽样而抽样，这时应先假设为退货状态，再实施100%全检才对。
接收质量限 acceptance quality limit
这种盲点是因不了解抽样检验的本质，是“用来判定批质量水平”，当此批的质量水平接近允收水平，而我们还不是很确定时，才来执行抽样检验。
如不管过程不良率即抽检，不但无法正确判断好的批，而且将付出大量无效的检验工时人力。
03 错误观念：较严的AQL值可提升产品质量
企业质量管理中，经常可以听到使用较严的AQL值来提高产品质量，例如客户同意AQL1.0%（意即客户期望产品质量在不良率1%及以下可以接受），卖方为保证交更好的产品给客户，自动将AQL值修正为0.4%来长期执行抽样。欢迎关注质量与检测公众号这种观念是不对的。
把产品质量做好的前提是如何把“过程不良率”下降，而抽样是用来“判定批的好与坏”，而不是用来“提升产品质量”的。
较严的AQL值的效果，充其量只是增加退货概率，然后实施全检，对整体质量水平提升效果极为有限，因为增加退货概率不高（低于10%），再加上误判及人为干扰，效果微不足道。
用检验（全检）来提升产品质量已是下下之策，因质量不是靠检验出来的。更何况用抽样的方法来提升产品质量，浪费公司大量资源，质量还是做不好。
04 效果有限：最终成品采用多次全检
如最终产品质量水平确实不好，客户的订单也必须要交，长期对策远水救不了近火，先救急可出货前提下，只有安排下下之策去作全检，如再不满意则实施第二次、第三次的全检，这种不得已对策的有效性值得探讨。
根据实验及世界级公司内部的报告，如检验靠人的感官且训练合格的检验员，其第1次全检效果，即可挑出不良品的能力为70%，对同一批再作第二次全检效果则只有20%上下，如同批再第三次全检，则几乎再也挑不出问题来，如同批再作第四次全检，则不但挑不出问，反而产生新的问题（以外观问题为主）。
例如原质量水平不良率Px＝10%，第1次全检则为Px1＝3%，第2次全检Px2＝2.4%，第3次全检Px3约2.4%上下，第3次在3%上下，因此最终成品采取多次全检的效果有限，最多2次为宜！
质量是没办法靠检验出来的，最终还是需要每个环节的源头做好和做对，产品质量是设计进去和制造做出来的。
05 等而下之：质量工作是抽检、检测和拒收
看到大部分公司（尤其传统产业）的质量部门只做“抽验、检测、退货‘的基本工作，且长期下来产品质量一点改善也没有。
曾有一位科技公司的质量经理，告诉我目前质量已大有进步，是因为检验员大量抓问题，长期作批退所致，这种似是而非的代价是使用大量的检验员，且质量人员比率已超过同行业二倍以上，这种质量经理真是可悲，连自已错在那里都不知道。
既然产品质量是设计进去和制造出来，自然质量和设计单位、制造单位有直接关系，那么质量单位要做什么？角色定位为何？如果身为质量部门经理以上管理者都不知道，真是太欠缺职业能力了。
检测工作只是了解真相和收集信息资料的基本工作，重要的是后续如何影响设计和制造部门，能自动自发把自己的工作做好，以节省资源和成本才是上策，因此质量部门真正要做的是"联络、沟通和整合"。
人的因素比专业因素还重要，要外圆内方，以"短期解决问题，长期创造价值"的自我定位，对内可降低营运成本，对外可凭借质量满意带来客户。
质量可塑造正面的企业文化而持续获益，这才是质量等而上的最高境界。
06 误解谬论：零缺点是"只要抓到1个问题即拒收"
零缺点的精神就是"追求完美"，在有限的时间、知识、能力、设备下，追求最完美的演出，是一种精神和工作态度，追求完美不是不能容许瑕疵。
现在有些客户的工程师把零缺点解读为"不管样本数多少，只要抓到1个问题全批即拒收"，这是半桶水的人对零缺点的误解。
要知道所有抽样理论都来自操作曲线 (OC Curve)，样本数(n)及允收合格判定数(c)确定，则OC曲线才固定，若不管样本数(n大小)多少，即表示有无数条的OC 曲线，抽样即无一定标准可循，强作抽样再予以判定，就是”霸王硬上弓“。要批退很容易，只要样本数越大，退货概率就越高，这对卖方是不公平的。
如有这种质量协议，是不能签的。假如验收合约只说明零缺点精神，未说明允收水平(AQL)或出货质量水平(SPQL)，就请买方进一步解读。
如有说明样本数(n)及判定数(C)，或提出SPQL值，即表示验收有一定标准，是对的。如买方解读为不管样本数大小且C＝0（不允许有1个问题），卖方可据理力争。欢迎关注质量与检测公众号如真的讲不通又没有其它途径解决，且公司一定要接单，则卖方可采取小批量分批出货的方式来应对。
07 其它抽样计划的误用
工作中有时候听到或看到误用抽样计划的情形。
例如A：
采用计量值的抽样计划，不去注意数据分布是否正态，就作使用，导致误判概率大增，其实现在统计软件很方便，数据分布容易图示，数据正态后再考虑计量值抽样。
例如B：
使用连续生产型抽样计划的前提，必须制程稳定且是连续性生产。自动化设备制程较易稳定且持续产出，但大量人工的装配工厂，制程较不易稳定，因人多、零件多的变化高，若遇缺料就不是连续性生产，因而不宜使用连续生产型的抽样计划。
最近居然听到有韩国大厂交面板给国内某组装厂，要求客户使用连续生产型抽样，理由是此韩国大厂都是这样被验收的，自己错了也要求别人一起犯错！
要知道交货给客户是以批量为单位，非连续性供货，而且面板产品是靠技术性人工组装的，制程充满不确定性，何来稳定，故韩国大厂误用了抽样计划。
08 没有不良率控制图，只有不良率趋势图
控制图的前提必须制程稳定，其变异是自然随机呈正态分布，故依据统计原理订定控制上限及下限，即中心线±3倍标准差，假如制程受到正面或负面的不正常干扰，其分布自然就不是正态，就不可使用控制图。
组装厂通常用不良率或良率作为质量绩效，组装厂因人多、零件多制程较不易稳定，加上管理者要求和介入去降低不良率（即为正面干扰，使分布不为正态），所以不良率是不能使用控制图的，要用趋势图（Trend Chart）取代。
除了去了解推移趋势外，还要加入管理的目标线，不断要求设法解决问题达成目标，此从管理角度才有意义，不要抱着死统计不消化！
因此，”没有不良率控制图，只有不良率趋势图“。
后语：大量朋友还没有养成阅读后点赞和分享、转发的习惯，希望大家在阅读后顺便点赞、分享和转发，以示鼓励。积善利他、纯公益性质传播管理知识，长期坚持真的很不容易，坚持需要信仰，专注更显执着，您的支持和鼓励是我坚持的动力！
内容来源于网络，如有侵权请联系删除）
希望大家阅读后顺手点“在看”，以示鼓励！
