同一批电子元器件，A厂用全检方案，B厂用抽检方案，结果A厂退货率反而比B厂高出12%——这并非检测能力的问题，而是检测方法与企业产品特性错配导致的典型浪费。

全检方案：适合高风险、高单价、小批量场景

一家医疗器械供应商对每批次2000件的心率传感器进行100%检测，包含电气参数、焊接强度和生物兼容性三项指标，单件检测成本为8.5元。虽然检测费用占到了产品单价的15%，但由于每件产品直接关系到患者生命安全，一旦出现漏检导致召回，单次召回成本就超过50万元。全检在这里不是“过度检测”，而是风险对冲的刚性需求。如果你面对的产品单价高、失效后果严重（如航空航天、医疗植入件），全检的隐性收益远高于检测成本。

抽检方案：适合低单价、大批量、过程稳定的产线

某家电厂商年产800万颗温控电阻，采用AQL=0.65的抽检方案，每批次抽检125件。实际运行一年后，因抽检漏掉的次品率为0.08%，而全检同等批次的理论漏检率也有0.03%——差距极小。然而抽检方案每年节省的检测人工费和设备折旧费超过40万元。关键在于该产线已引入SPC过程控制，CPK值稳定在1.33以上。如果产品单价低于5元、量产规模超百万件，且制程能力达标，过度追求全检只是在向检测设备商“捐款”。

混合策略：用数据切分“二八法则”

一家汽车零部件厂商发现，其80%的客诉集中来自5%的料号。于是针对这5%的高风险料号（涉及刹车系统）执行100%超声波探伤，剩余95%的料号（如内饰卡扣）执行AQL=1.0的抽检。结果总检测成本下降了37%，客诉率反而下降了8%。更精细的做法是：对同一款产品的不同参数做分级——关键尺寸全检、外观缺陷抽检。没有一种方案能通吃所有场景，分而治之才是性价比最高的路径。

读者常踩的3个误区：

• 误区1：认为全检=零缺陷。 事实上人工全检的漏检率在2%-5%之间，机器全检也有0.1%-0.5%的漏检率。与其追求“100%检”，不如把预算花在提升过程良率上。
• 误区2：照搬行业标准不看自身数据。 很多厂商直接套用MIL-STD-1916或GB/T 2828，却不分析自己历史退货的Pareto图。结果抽检方案与失效模式不匹配，检测了100个无关特性，漏掉了那个致命的2%缺陷。
• 误区3：忽略检测的“次生成本”。 全检可能造成产线瓶颈，抽检可能导致批次放行延迟。某电子厂曾因全检导致交货周期延长3天，客户罚款金额比检测节省的成本高出5倍。选择方案时，必须把交付时效、库存占用、客户罚款等隐性成本算进账本。