MSA 计数型测量系统样品选取标准全指南：原则、流
程与应用
MSA（测量系统分析）中，计数型测量系统（如定性检测的目视检查、通止规检验、缺陷判定等）的
样品选取直接决定分析结果的可靠性。与计量型系统不同，计数型系统仅输出 “合格 / 不合格”“有缺陷 /
无缺陷” 等离散结果，其样品选取需兼顾风险覆盖、数据代表性与统计有效性。以下结合国际标准与实操经
验，从核心依据、选取原则、流程方法及行业案例四个维度展开详解。
一、样品选取的核心依据与标准溯源
计数型 MSA 样品选取无单一强制标准，需综合参考国际通用规范、行业特定要求及测量目的，核心
依据包括三类：
（一）国际通用基础标准
AIAG MSA 手册（第 4 版）
作为全球制造业的核心参考，手册明确计数型测量系统样品选取的三大核心要求：
样品需覆盖实际生产的过程波动范围，而非仅选取合格件；
样品数量需满足统计判定需求，单次分析至少包含 50 个样品（特殊场景可降至 30 个）；
需包含已知真值的 “标准样品”（如经权威检测确认的合格件与不合格件），用于校准测量者一致性。
ISO 16269-6：2014（统计过程控制相关标准）
针对计数型数据的抽样，标准提出 “分层抽样原则”—— 要求按生产批次、设备、操作人员等分层因素
选取样品，确保每层波动均被纳入分析。例如多台设备生产同一零件时，需从每台设备的产出中按比例抽样。
（二）行业特定衍生标准
不同行业因产品特性与风险等级差异，对样品选取有细化要求：
汽车行业：IATF 16949 体系要求，关键特性的计数型 MSA 需选取近期 3 个月内的生产样品，且不
合格品占比需接近实际过程不良率（通常 5%-15%）；
医疗器械行业：依据 YY/T 0316-2016（等同 ISO 14971），样品需包含临界状态件（如缺陷临界值附
近的产品，如尺寸刚好达到公差上限的零件），且需经第三方检测机构确认真值；
消费品行业：GB/T -2012（等同 ISO 2859-1）规定，外观缺陷检测的样品需按批量大小确定数量，
批量≤1000 时至少抽 50 个，批量＞1000 时按 5% 比例抽样，且需包含不同类型缺陷（如划痕、色差、变
形）。
（三）测量目的导向依据
样品选取需与 MSA 分析目的强匹配，常见场景对应要求如下：
分析目的 样品选取核心要求 示例场景
评估测量者一致性 包含已知合格 / 不合格的混
合样品（比例 1:1 最佳）
3 名检验员对同一批零件的
缺陷判定一致性分析
验证测量系统稳定性 选取不同时间点生产的样品
（至少覆盖 5 个批次）
每月对外观检测系统进行稳
定性验证
对比新旧测量系统 选取包含临界状态件的相同
样品组
新视觉检测设备与人工检测
的一致性对比
二、样品选取的四大核心原则
（一）真值可知原则（最关键原则）
计数型测量系统无法通过数值精度评估，需依赖 “已知真值” 的样品验证准确性。真值确定需满足：
权威溯源：由更高精度的测量设备（如计量型仪器）或第三方实验室确认，例如用三坐标测量仪确认尺
寸后，作为通止规检验的标准样品；
状态明确：每个样品需清晰标注 “合格”“不合格” 及缺陷类型（如 “不合格 - 划痕长度＞”），
避免模糊判定；
数量充足：标准样品占总样品的比例不低于 30%，且合格与不合格品比例需均衡（理想比例 1:1，最
低不低于 1:3）。
（二）波动覆盖原则
样品需完整覆盖实际生产中的所有波动来源，包括：
过程波动：选取包含上限、下限、中间值的临界状态件，例如检验孔径的通止规，需包含孔径刚好合格
（上限 - ）、临界不合格（上限 + ）及典型合格件；
批次波动：从不同生产批次、班次、设备中抽样，例如 3 台注塑机生产的零件，每台至少抽取 15 个
样品；
缺陷波动：若检测多种缺陷，需确保每种缺陷类型均有代表性样品，例如外观检测需包含划痕、色差、
变形等不同缺陷的样品。
（三）统计有效性原则
样品数量需满足统计分析的最低要求，避免因样本量不足导致误判：
基础数量要求：单次计数型 MSA（如 Kappa 分析、属性一致性分析）至少需 50 个样品，其中不合
格品需≥10 个（确保缺陷数据可统计）；
批量关联要求：当生产批量较大（＞10000 件）时，样品量需按批量的 5% 递增，但最多不超过 200
个（平衡成本与代表性）；
重复测试要求：每个样品需由 2-3 名测量者重复测试 2-3 次，因此样品需具备可重复性（如非破坏性
检测的零件）。
（四）实操可行性原则
样品选取需兼顾实验室分析与实际生产衔接，避免过度追求理论完美而脱离实操：
可获取性：优先选取近期生产的样品，避免使用库存超 3 个月的样品（可能因存储导致特性变化，如
金属零件生锈影响外观判定）；
非破坏性：若检测为破坏性（如强度测试），需采用替代样品或减少重复测试次数（如仅 1 次测试）；
标识清晰：每个样品需独立编号，标注生产批次、检测状态等信息，避免混淆（如编号 “20240501-001
- 合格 - 划痕”）。
三、样品选取的标准流程与方法
（一）五步标准选取流程
明确分析范围与目的
确定测量系统的检测对象（如 “汽车门板外观缺陷检测”）、分析目的（如 “评估 3 名检验员的判定一
致性”）及依据标准（如 AIAG MSA 第 4 版），输出《MSA 样品选取计划书》。
确定真值与标准样品
选取 20 个代表性样品，用高精度设备确认真值（如用色差仪确认门板色差是否合格）；
补充 30 个未知状态样品（生产现场随机抽取），与标准样品混合形成 50 个分析样品组。
分层抽样与波动覆盖
按生产批次、设备、缺陷类型分层，例如：
批次分层：从近 3 个批次中各抽 15 个样品；
缺陷分层：划痕 10 个、色差 15 个、变形 10 个、合格 15 个；
临界分层：临界合格件 10 个、临界不合格件 10 个、典型件 30 个。
样品数量核算与调整
用公式核算最小样品量（参考国家统计局样本量确定方法）：
重复抽样时：n = (Z²×P×(1-P))/E²（Z 为置信水平系数，P 为预期不良率，E 为允许误差）；
示例：置信水平 95%（Z=），预期不良率 10%（P=），允许误差 5%（E=），则
n=(²××)/²≈139，需选取 140 个样品。
样品验证与备案
由质量工程师、技术工程师共同验证样品的代表性，确认覆盖所有波动后，填写《MSA 样品清单》，
标注编号、真值、分层信息等，归档留存。
（二）常用抽样方法对比
抽样方法 适用场景 操作要点 优缺点
简单随机抽样 生产过程均匀、无明显分
层的场景
用随机数表从生产批次
中抽取样品
优点：操作简单；缺点：
可能漏覆盖波动
分层随机抽样 多设备、多批次生产的场
景
按分层因素划分层，每层
内随机抽样
优点：覆盖全面；缺点：
流程复杂
定向抽样 需重点验证临界状态的
场景
刻意选取临界合格 / 不
合格的样品
优点：针对性强；缺点：
代表性不足
系统抽样 连续生产的流水线场景 按固定间隔（如每 20 个
抽 1 个）抽样
优点：效率高；缺点：易
受周期性波动影响
四、常见行业应用案例与注意事项
（一）典型行业应用案例
汽车零部件：通止规检验样品选取
检测对象：发动机螺栓孔径（公差 φ8±）；
样品选取：共 60 个样品，其中标准样品 20 个（10 个合格：φ；10 个不合格：
φ），未知样品 40 个（从 3 台设备的 5 个批次中分层抽取）；
分析要求：2 名检验员各重复测试 2 次，用 Kappa 分析一致性（K≥ 为合格）。
医疗器械：试剂盒外观缺陷检测
检测对象：免疫球蛋白 A 测定试剂盒包装（缺陷：漏液、标签歪斜、划痕）；
样品选取：共 80 个样品，覆盖 3 种缺陷类型（每种 20 个），其中临界样品 15 个（标签歪斜刚好
超标准 ），参考 GB/T -2012 抽样程序；
分析要求：3 名检验员测试，确保缺陷判定一致性≥90%。
电子元件：目视焊点检测
检测对象：PCB 板焊点（缺陷：虚焊、漏焊、桥连）；
样品选取：50 个样品，包含 3 种缺陷各 10 个，合格 20 个，所有样品经 X 射线检测确认真值；
分析要求：新老检验员对比测试，验证新员工培训效果。
（二）关键注意事项与常见误区
避免 “全合格样品” 陷阱
部分企业为简化流程仅选取合格样品，导致无法评估测量系统对不合格品的识别能力。例如某电子厂用
全合格 PCB 板测试焊点检测系统，误判系统合格，实际生产中漏检率达 15%。
临界样品的真值确认需权威
临界状态件的真值若仅由人工判定，易导致标准偏差。例如某医疗器械厂用人工目视确认试剂盒标签歪
斜是否合格，导致 MSA 分析时 Kappa 值仅 （不合格），后改用影像测量仪确认真值，Kappa 值提升
至 。
样品需与实际生产同步更新
当生产工艺调整（如更换原材料、设备维修）后，需重新选取样品。例如某注塑厂更换模具后，未更新
样品，仍用旧样品验证外观检测系统，导致分析结果与实际生产脱节。
批量较小时的特殊处理
当生产批量≤50 件时，可采用 “全检 + 重复测试” 模式，例如小批量定制零件，对所有零件进行 2 次
测试，用一致性百分比评估系统（≥95% 为合格）。
五、总结
计数型 MSA 样品选取的核心逻辑是 “真值明确、波动全覆盖、统计有效、实操可行”。实操中需以
AIAG MSA、ISO 16269 等标准为基础，结合行业特定要求（如医疗器械的临界样品要求、汽车行业的分层
抽样要求），通过 “明确目的 - 确定真值 - 分层抽样 - 数量核算 - 验证备案” 五步流程选取样品。需特
别注意避免全合格样品、真值判定不权威等误区，确保样品能真实反映测量系统的实际性能，为后续的一致
性分析、有效性评估提供可靠数据支撑。
