零部件来料与过程检验：构筑制造质量的双重堡垒

前 言

当前，我国正处在中华民族伟大复兴和第四的工业革命叠加的“超级技术窗口期”。近年来，随着我国工业 4.0、智能制造上升国家战略，国家提出“中国制造 2025”的规划目标，工程机械作为制造强国的基础工业，从传统的手工制造模式过渡到自动化、数字化制造模式，但是其采购件质量控制及过程管理有待改善，本文旨在针对采购件质量控制及过程管理管提供思路，为中小企业的质量管理提供范本。

一、零部件来料检验：质量的第一道闸门

来料检验是物料进入生产环节前的质量验证过程，其目标在于阻止不合格物料流入生产线，避免后续高昂的返工、报废及客户投诉成本。

1. 核心流程与关键要素

检验依据确立：依据清晰、详细的技术标准（图纸、规格书、技术协议）、样品（黄金样品）及适用的国际 / 国家 / 行业标准（如 ISO、ASTM、GB）进行判定。供应商提供的材质证明、出厂检验报告等也是重要参考。

科学抽样方案 ：依据 GB/T 2828.1-2012 ( 等同 ISO 2859-1) 等计数抽样标准或 GB/T 6378 ( 等同 ISO 3951) 等计量抽样标准，结合物料重要性、供应商绩效及检验成本，确定合理的样本量、接收质量限（AQL）和抽样水准（I, II, III）。关键物料或新供应商物料倾向于加严检验或全检。

检验项目与方法：外观检验： 目视或借助放大镜、显微镜检查划痕、锈蚀、变形、毛刺、污渍、标签标识等。尺寸检验：使用卡尺、千分尺、高度规、投影仪、三坐标测量机（CMM）等精密量具验证关键尺寸与公差。功能/ 性能测试：在模拟或实际工况下测试部件的功能（如开关导通、阀门密封性、轴承旋转灵活性）和性能参数（如电阻值、扭矩、硬度、拉伸强度）。

2. 先进技术赋能 IQC

自动化检测设备：光学自动检测（AOI）用于快速扫描外观缺陷；自动尺寸测量设备提升精度与效率。

机器视觉：高速、高精度地识别外观缺陷、字符、位置等，替代人眼疲劳作业。智能量具与数据互联：数字量具数据直接传输至MES/QMS 系统，避免人工录入错误，实现实时监控与分析。

3. 挑战与优化策略

挑战：物料种类繁多、检验标准不统一；检验资源（人力、设备）有限；供应商质量管理水平参差不齐；检验本身可能造成物料损伤或延误。

供应商源头管理：加强供应商选择、评估与分级管理（如 SQE 驻厂、联合审核），推动供应商建立完善的质量保证体系，实施供应商质量协议（SQA）明确责任与奖惩。

免检/ 放宽检验策略：对长期绩效优秀、过程能力稳定（ Cpk>1.67 ）的供应商，经批准可实施免检或放宽检验，将资源集中于高风险点。

检验前移（源检）：对重要或高风险物料，将检验活动前移至供应商处（驻厂检验、出货检验确认），或要求供应商提供详尽的检验报告及过程数据。

二、 过程检验：制造中的质量卫士

过程检验是在产品制造或装配过程中，对在制品、半成品进行的质量检查活动。其核心在于及时发现过程变异和缺陷，防止不合格品继续流转或批量产生，确保过程稳定。

1. 层级与形式

首件检验：在批次生产开始、设备调整、模具更换、工艺变更后，对生产出的前几件产品进行严格的全尺寸、全性能检验。确认符合要求后方可批量生产。

巡回检验：检验员按固定路线和频次（基于风险）对生产线各工位进行流动检查，抽查在制品质量、操作者作业符合性、工艺参数设定、设备状态及5S 等。

定点检验（工序检验）：在关键工序（KCC）、特殊过程（如焊接、热处理、涂装）或价值增加点后设置固定检验点，对产品进行规定项目的检查。

末件检验：在批次生产结束时，对最后几件产品进行检验，为下一批次提供参考。

自动化在线检测：将传感器、机器视觉等检测装置集成到生产线中，实现100% 实时、非接触式检测（如关键尺寸、装配到位、焊接质量、有无漏装）。

2. 核心方法与工具

统计过程控制（SPC）：过程质量管理的基石。通过收集关键质量特性（CTQ）的数据，运用控制图（如 Xbar-R 图、P 图、C 图）实时监控过程是否处于统计受控状态（仅存在普通原因变异），及时预警特殊原因变异（点出界、趋势、链等规则），实现预防性控制。过程能力指数（Cp, Cpk）用于长期评估过程满足公差要求的能力。

防错技术（Poka-Yoke）：采用物理、流程或信息装置，从设计源头防止操作者出错或自动检测错误。如定位销（防错装）、传感器（防漏装、防错序）、计数器、自动测试设备等，目标是实现“零缺陷”可能。

测量系统分析（MSA）：定期对用于过程监控和产品判定的测量系统（包括人、机、料、法、环）进行 GR&R（重复性与再现性）分析，确保测量数据的可靠性和一致性是SPC 有效实施的前提。

3. 挑战与优化策略

挑战：检验点设置过多影响效率；检验数据利用不足；操作者自检互检意识与能力不足；复杂产品检验难度大；SPC 应用流于形式。

强化操作者自主质量管理：推行自检（操作者对自己工作结果检查）、互检（下道工序对上道工序检查）、专检结合的“三检制”；加强质量意识与技能培训；赋予操作者停线权（Andon 系统）。

深化 SPC 应用与数据驱动：超越简单的控制图绘制，深入分析过程数据，关联设备参数、环境因素等，寻找质量波动的根本原因（ RootCause⋅ ），驱动过程改进。利用MES/QMS 系统实现SPC 数据自动采集、实时监控与报警。

自动化与智能化升级：在关键工序引入自动化在线检测设备，减少人为误差，提升检测速度与覆盖率。

三、 IQC 与IPQC 的协同与整合：构建闭环质量管理

信息反馈闭环：IPQC 发现的问题若追溯到来料缺陷（如批次性材料不良、关键尺寸超差），需立即反馈至 IQC，IQC 据此加强对该供应商或该批次物料的管控，并推动供应商整改。同时，IQC 对供应商的严格要求（如提升过程能力）也能从源头减少过程变异和IPQC 压力。

四、 面向未来的发展趋势

数字化与智能化深度融合：物联网（IoT）实现设备、物料、产品全流程数据实时采集；AI/ML 应用于缺陷智能识别（图像识别）、质量预测、过程参数优化、自动根因分析；数字孪生技术模拟和优化质量过程。

“零缺陷”追求与预防文化：质量管理的重心持续从“检测”向“预防”前移，强调设计质量（DFM/A）、过程稳健性和防错技术的极致应用，塑造全员参与的“第一次就把事情做对”的质量文化。

五、后记

零部件来料检验（IQC）与过程检验（IPQC）是制造企业质量管理体系不可或缺的支柱。面向智能制造的未来，深度融合数字化、智能化技术，强化预防为主的质量文化，构建协同的供应链质量生态，将是制造企业持续提升产品质量、赢得市场竞争的必然选择。唯有筑牢这两道质量防线，企业才能在激烈的市场竞争中立于不败之地。

参考文献

[1] 李乐飞：《防错技术（Poka-Yoke）在生产中的应用》（2018 年）

[2] 三一重工 ：《三一集团智能工厂质量管理实践报告》（2021 年）