AI来料检验抽样定制：AQL规则与风险分级

来料检验的难点不在单次判定，而在抽样策略与风险匹配。多数工厂仍按固定AQL表执行，供应商质量波动、物料关键度差异与产线反馈难以进入抽样决策。AI小忙行业AI实验室尝试将AQL规则引擎与历史检验、供应商绩效、物料关键度结合，形成动态抽样建议：对高风险供应商或物料提高抽样水平、加严检验项，对稳定低风险批次降低频次，同时保留可审计的规则链路。阶段性进展：在某电子组装厂试点，覆盖300余个物料、12家供应商，系统按周输出风险分级与抽样调整建议。三个月运行中，高风险批次的问题检出提前量增加，常规低风险物料检验工时下降约15%，且所有调整均可回溯到AQL条款与数据依据。下一步，团队将把产线不良与供应商整改记录接入闭环，验证“检验—反馈—抽样”联动的稳定性，并探索跨工厂的规则迁移。