来料检验（IQC）的抽样方案长期依赖固定AQL与检验员经验。当供应商质量出现波动时，常见问题是“该加严未加严、可放宽却仍全检”，既导致不良流出，也浪费检验工时。
我们把这条决策链拆成可实验的两步：一是以“供应商—物料—批次”为粒度，汇聚历史检验记录、退货数据与产线不良反馈，训练风险评分模型，输出可解释的风险因子（如近期批不良率、工艺变更、运输周期）；二是按GB/T 2828.1的转移规则，把风险评分映射为放宽、正常、加严三档抽样水平，并给出调整建议与依据。系统不替代检验标准，只做样本量与检验频次的建议，最终由质量工程师确认。
进展：在某电子组装厂三类结构件的三个月试点中，来料不良流出率下降约三成，常规物料的检验工时减少约两成（为单线体试点数据，需扩大样本复核）。
下一步：与SRM系统对接，将加严/放宽建议回写采购流程；同时补充新品小批量、无历史数据的冷启动策略，避免模型在首批物料上给出过度自信的判断。
评论