处理验证与确认、制造和质量过程中的个别缺陷和异常值

飞机突然向下坠落，汽车零件在高速公路上飞走，厨房电器刀片断裂——是运气不好、正常磨损、故障、罕见统计现象，还是更复杂的研发、质量或制造事件？

The rigorous identification and analysis of one-off defect events and outliers are critical across Research and Development (R&D), Verification and Validation (V&V), and manufacturing, as they directly impact product quality and end-user safety. One-off defect events—rare, isolated failures or deviations—and outliers—data points that fall significantly outside expected process distributions—may serve as early indicators of latent process weaknesses, measurement inaccuracies, or emerging risks. In R&D, systematic detection of these anomalies informs design robustness and 风险评估, guiding iterative improvements before transfer to production. During V&V, their correct evaluation is essential for validating product performance, confirming compliance with specifications, and ensuring that rare failure modes are not overlooked. In manufacturing, prompt recognition and investigation of such events enable targeted root cause analysis and corrective actions, preventing recurrence and systemic propagation.

有效管理一次性缺陷和异常值是维持 过程控制它支撑着持续改进计划，并保障了组织的合规性、产品一致性和法规遵从性。 名声 以及用户安全。在对质量和可追溯性要求严格的行业中，对这些异常情况进行规范处理是成熟质量管理体系的基础要素，确保在潜在产品完整性威胁影响最终用户之前，能够系统地解决这些威胁。

关键要点

• 异常值和一次性缺陷事件是不同的：异常值是统计上异常的数据点，而一次性缺陷事件是罕见的、非重复发生的流程或产品故障；两者需要不同的检测和应对策略。
• 统计严谨性：使用适当的统计方法，确保方法符合数据特征和行业要求。
• 控制图是基础性的：实施 X-bar、R、S 或个体控制图来监控过程稳定性，并实时检测异常值和一次性缺陷事件。
• Root cause analysis is mandatory: every confirmed outlier or one-off defect event 必须 trigger structured root cause analysis to prevent recurrence and eliminate underlying process weaknesses.
• 行业风险状况决定应对措施：高风险行业对于任何一次性缺陷或严重异常值，无论统计频率如何，都需要立即进行调查、批次隔离和监管通知。
• 过程能力 分析完整性：仅当有充分理由并有文件记录时，才将可归因原因的异常值从 Cp/Cpk 计算中排除；否则，应将其纳入计算以反映真实情况。 过程性能.
• 趋势监控和升级：使用运行图和事件日志跟踪一次性缺陷和异常值随时间推移的频率；如果出现模式或不断增加的趋势，则升级到流程审查。

定义

在质量和制造领域，这两个术语是用来描述影响产品质量的缺陷、错误或问题的术语之一：

其中包括： 单次缺陷、孤立缺陷、独特缺陷、罕见缺陷、偶发缺陷、随机缺陷、特殊缺陷、异常、偏差、不规则性、单一缺陷、非复发性缺陷、特殊案例、离群值、特殊原因变异、一次性错误、独特事件、偶然原因、临时缺陷……

1. 异常值：检测与处理

1.1 统计检测方法

异常值检测是质量控制和过程监控的关键环节。异常值可能表明测量误差、过程偏移或罕见但影响重大的过程故障。正确识别异常值可确保纠正措施具有针对性，并使过程能力指标保持有效。检测方法的选择至关重要。 方法 取决于样本量、数据分布和行业风险状况。

Z 分数法 Z 分数法是识别正态分布数据中异常值的标准方法。它通过将每个数据点相对于均值和标准差进行标准化，量化了每个观测值与过程平均值的偏差程度。该方法在大批量生产中尤为有效，因为大数据集能够提供稳健的统计估计。 计算平均值：[乳胶\mu = \frac{1}{n} \sum_{i=1}^{n} x_i [/latex] 计算标准差：[latex] \sigma = \sqrt{\frac{1}{n-1} \sum_{i=1}^{n} (x_i – \mu)^2} [/latex] 对于每个数据点 [latex] x_i [/latex] ，计算其Z分数：[latex] z_i = \frac{x_i – \mu}{\sigma} [/latex] 若 [latex]|z_i| > 3[/latex]，则 [latex]x_i[/latex] 被视为潜在异常值。. 该方法假设数据服从正态分布。 它还对多个异常值的存在很敏感，这会扭曲均值和标准差。 示例（高交易量，低风险）：s假设你测量了1000个塑料瓶盖的直径。平均值为20.00毫米，标准差为0.05毫米。其中一个瓶盖的直径为20.20毫米。 [latex] z = \frac{20.20 – 20.00}{0.05} = 4 [/latex] 由于 [latex] |z| = 4 > 3 [/latex]，因此这是个异常值。.

四分位距 (IQR) 方法 IQR 方法是一种稳健的非参数异常值检测方法，适用于数据可能不服从正态分布或数据集包含极端值的情况。通过关注中间 50% 数据的分布情况，该方法最大限度地减少了异常值对计算结果的影响。 计算第一四分位数（[latex] Q_1 [/latex]）和第三四分位数（[latex] Q_3 [latex]）。. 计算四分位距：[latex]四分位距 = Q₃ – Q₁[/latex] 若满足以下条件则为异常值：[latex] x Q_3 + 1.5 × IQR[/latex] 这种方法广泛应用于箱线图可视化，尤其适用于低交易量、高风险的行业，因为在这些行业中，每个数据点都至关重要。它对数据分布的整体形状不太敏感，因此当数据包含多个异常值或存在偏斜时，通常是首选方法。 示例（低交易量，高风险）： batch of 10 aerospace 紧固件: ( [latex]Q_1 = 9.98 [/latex] ) mm, ( [latex]Q_3 = 10.02 [/latex] ) mm, so ( IQR = 0.04 ) mm. A fastener measures 10.10 mm. [latex] Q_3 + 1.5 × IQR = 10.02 + 1.5 × 0.04 = 10.08 [/latex] 10.10 毫米 > 10.08 毫米 → 异常值。

格拉布斯检验（适用于小样本） 格拉布斯检验是一种形式 统计检验 用于检测小样本中的单个异常值。它在小批量生产或实验室环境中尤为有用，因为在这些环境中，样本量有限，每个数据点都具有重要意义。该检验将最大绝对偏差与均值进行比较，并纳入样本标准差。 零假设：无异常值。 检验统计量：[latex] G = \frac{\max|x_i – \mu|}{\sigma} [/latex] 将（G）值与格鲁布斯表中对应显著性水平（α）和样本量（n）的临界值进行比较。. 格拉布斯检验对单个异常值的存在非常敏感。如果怀疑存在多个异常值，则应使用迭代检验或其他方法。 在受监管的行业中，具有统计学意义的结果必须进行记录在案的调查，并在必要时进行流程改进。 例子： 样本：{10.0, 10.1, 10.2, 10.3, 11.0} ( [latex]\mu = 10.32 [/latex] ), ( [latex]\sigma = 0.38[/latex] ), 最大偏差 = ( |11.0 – 10.32| = 0.68 ) [latex] G = \frac{0.68}{0.38} = 1.79 [/latex] 若临界值（n=5, α=0.05）为1.715，则1.79 > 1.715 → 该值为异常值。.

1.2. 统计过程控制中的异常值处理

控制图

控制图是监控过程稳定性并实时检测异常值的主要工具。通过将过程数据与统计确定的控制限进行比较，可以立即识别异常波动。控制限通常设置在过程均值三个标准差处，如果过程处于受控状态，则可以捕获 99.73% 的预期波动。

• 对于个人或子群体，在 X-bar、R 或 S 图上绘制数据。

• Control limits: [latex] UCL = \mu + 3\sigma [/latex] [latex] LCL = \mu – 3\sigma [/latex]

• 超出控制限值的异常值表明存在特殊原因造成的变异。

例如（汽车行业，销量大，风险高）： 刹车片厚度：([latex]\mu = 10.00 [/latex]) mm，([latex]\sigma = 0.05 [/latex]) mm[latex] 上限值(UCL) = 10.00 + 3 × 0.05 = 10.15 LCL = 10.00 – 3 × 0.05 = 9.85 [/latex]

厚度为 10.20 毫米的垫片属于异常值，应进行调查。

根本原因分析

一旦检测到异常值，就会启动根本原因分析，以确定异常是由测量误差、过程扰动还是外部因素造成的。分析通常包括审查过程日志、设备校准记录以及事件发生时操作员的操作。

• 如果异常值是由于测量误差造成的，则将其从过程能力分析中排除。
• 如果是工艺问题，则实施纠正措施（例如，机器调整、操作员再培训）并重新测试。

根本原因分析工具，例如 5个为什么石川图和失效模式及影响分析（失效模式及影响分析这些方法很常用。在高风险行业，调查结果必须记录在案，并且可能需要通知监管机构或客户，尤其是在异常值可能影响产品安全或合规性的情况下。

请参考多篇相关文章：

 行业影响

• 低风险、高交易量： 异常值可能会被重新测量，如果找到可归因的原因，则可能会被排除。
• 高风险（航空航天、医疗）： 异常值将触发全面调查，可能包括批次隔离和监管报告。

请参考以下按行业和相关风险划分的示例。

2. 一次性缺陷事件：统计和过程处理

2.1 统计建模

一次性缺陷事件是指罕见的、孤立的工艺或产品故障事件。 从统计学角度来看，这些事件属于罕见事件，但在高产量和低产量制造业中都具有重要意义。它们的发生可能并非总是被识别为统计异常值，但它们的影响——尤其是在高风险行业——可能相当巨大。

泊松分布（罕见事件）

泊松分布用于模拟在固定的时间或空间区间内发生给定数量的罕见事件的概率。在制造业中，它尤其适用于预测大批量生产过程中一次性缺陷事件的预期发生频率。

• 在给定速率（λ）时，区间内发生（k）次事件的概率：[latex]P(k; λ) = \frac{\lambda^k e^{-\lambda}}{k!}[/latex]

• 对于单次缺陷（k=1），若该工艺历史数据为每1000个单位出现0.1个缺陷：[latex] P(1; 0.1) = \frac{0.1^1 e^{-0.1}}{1!} = 0.0905[/latex]

这种计算方法使质量工程师能够评估观察到的单次缺陷事件发生频率是否与历史数据一致，或者是否表明流程发生了变化。如果观察到的单次缺陷率超过预期的泊松率，则可能表明存在新的或正在恶化的流程问题，需要进行干预。

在高风险行业中，即使仅发生一次缺陷事件，也可能无法接受，无论统计预期如何。在这种情况下，泊松模型更多地用于过程监控，而不是用于论证罕见故障的可接受性。

运行图和控制图

运行图和控制图用于可视化一段时间内一次性缺陷事件的发生情况。运行图绘制事件序列，从而可以检测可能表明流程发生变化的趋势、聚类或模式。

• 一次性缺陷可能表现为超出控制限度的单个点。
• 如果个别缺陷在允许的范围内，但却是严重缺陷，仍然需要进行调查。

在产量高、风险低的行业中，如果一次性缺陷事件发生在控制限度内，则可以记录并监控其是否再次发生。相反，在高风险行业中，任何一次性缺陷事件——无论其统计位置如何——都会触发全面调查，并可能导致生产暂停，直至找到并消除根本原因。

在受监管的环境中，使用控制图来处理一次性缺陷事件尤为重要，因为为了合规性和客户保证，需要记录所有不符合项并对其进行追溯。

2.2. 处理一次性缺陷事件

行业示例（基于交易量/风险）：

汽车行业（高产量、高风险） 设想： 在10万台的生产批次中，有一台安全气囊的展开测试未通过。 行动： 故障安全气囊立即被隔离，整批产品被暂停生产。跨部门团队开展根本原因分析，审查装配记录、供应商材料认证和设备维护日志。根据法律要求，事件已上报监管机构和客户。如果根本原因追溯到特定工艺步骤或供应商批次，则实施纠正措施，受影响的产品可能被召回或返工。失效模式及影响分析 (FMEA) 已更新，以反映新的失效模式，并采取额外控制措施以防止再次发生。	航空航天（低产量、高风险） 设想： 在 20 片涡轮叶片中，有一片在无损检测 (NDT) 中未达到标准。 行动： 整批产品被隔离，并展开详细调查，包括冶金分析和工艺可追溯性审查。供应商已接到通知，所有相关生产批次均被审查是否存在类似缺陷。该事件已记录在质量管理体系中，纠正措施可能包括工艺重新设计、强化检验规程以及供应商重新认证。监管机构和客户已接到通知，该事件可能引发对生产流程的更广泛审核。 笔记： 根据目前的做法，该行业“低产量”的说法可能存在争议。
消费电子产品（大批量、低风险） 设想： 在组装好的10万块电路板中发现一个焊点缺陷。 行动： 将故障电路板从生产线上移除，并分析其根本原因，例如操作员失误或设备故障。如果缺陷被隔离且未发现任何趋势，则记录该事件，生产继续进行。如果在后续批次中发现类似缺陷，则启动流程审查，并实施纠正措施，例如操作员再培训或设备维护。

3. 质量改进方法

请参考我们独特且非常全面的资料。 方法论 包含所有详细信息的库：> 480+ 方法论库 <

4. 监管标准（示例）

以下仅为示例。请参阅我们独特的监管框架审查：> 监管框架与标准 <

监管标准规范了所有制造业对异常值和个别缺陷事件的应对措施，并对文件记录、调查和纠正措施提出了具体要求。这些标准确保产品的安全性、可靠性和合规性，并确保客户和监管机构能够及时了解重大质量事件。

• 汽车行业（IATF 16949）： 所有不符合项，包括异常值和个别缺陷，均需进行记录在案的调查并采取纠正措施。对于安全相关问题，必须确保可追溯性，并向客户和监管机构报告。
• 航空航天（AS9100）： 要求对所有异常情况进行根本原因分析、采取纠正措施并做好记录。对于严重缺陷，需要进行批量隔离并通知监管机构。
• 医疗器械（ISO 13485、FDA QSR）： 任何影响患者安全的个别缺陷或异常情况都必须向监管机构报告，并立即采取纠正措施和风​​险评估。
• 制药公司（良好生产规范， 我 Q10): 批次放行测试中的异常值和个别缺陷需要进行偏差调查、批次处置决定和监管报告。
• 食品和饮料（ISO 22000（HACCP）： 关键控制点的异常值和一次性缺陷会触发纠正措施、产品扣留和潜在的召回。
• 轨道交通和公共交通（IRIS，EN 15085）： 对于安全关键部件，不合格项（包括个别缺陷和异常值）需要进行根本原因分析、记录并通知有关部门。
• 能源（核能标准采用 ISO 19443，功能安全标准采用 IEC 61508）： 所有异常情况，包括一次性缺陷和异常值，都必须作为安全案例管理的一部分进行调查、记录和报告。

在所有这些行业中，监管框架不仅决定了技术应对措施，而且还决定了…… 沟通质量事件的可追溯性和升级程序。

4.1 交易量/风险表

这些只是示例，具体规定可能由公司内部规则、行业惯例、法规或认证机构决定。

其他

在制造和验证确认（V&V）过程中，有效管理偶发性缺陷事件和异常值对于维护流程完整性、产品可靠性和法规合规性至关重要。严格的检测、彻底的根本原因分析和及时的纠正措施可防止孤立异常演变为系统性故障。整合统计方法、完善的文档记录和基于风险的决策，可确保无论行业或生产规模如何，罕见偏差和重复偏差都能得到适当的审查。

When deciding whether to investigate a one-off defect, teams weigh the 风险收益比 of extra testing against the potential harm to users. A defect with high severity and a poor risk to benefit ratio should keep the product from shipping until the cause is understood.

Responsibility for Quality does not rest solely with manufacturing; it extends to design, engineering, suppliers, and all stakeholders involved in the 产品生命周期.

每个参与者都必须为营造警惕、透明和持续改进的文化做出贡献，确保从个别缺陷和异常事件中吸取教训，从而改进流程控制、供应商管理和客户满意度。这种整体方法既能保障最终用户，又能强化制造商对卓越品质和责任担当的承诺。

常问问题

相关阅读

• 测量系统分析（MSA）： 评估测量工具的准确度和精密度，以确保数据的可靠性。
• Statistical Process Control （SPC）： 运用统计方法监控和控制生产过程。
• 过程能力指数（Cp，Cpk）： 量化一个过程在规格限制范围内产生输出结果的能力。
• 实验设计（DOE）： 系统地规划测试，以了解过程变量并优化性能。
• 量具重复性和再现性（量具 R&R）： 评估设备和操作人员造成的测量误差。
• 纠正和预防措施（CAPA）： 采用系统方法消除不合格原因并防止再次发生。
• 不符合项管理： 识别、记录和解决与要求偏差的程序。
• 根本原因分析工具： 运用“5个为什么”分析法和鱼骨图等技术来识别缺陷的根本原因。
• 防错法（Poka-Yoke）： 实施防止生产过程中出现错误的机制。
• 批次放行和处置： 对生产批次进行接收、返工或拒收的决策过程。
• 统计抽样方案： 设计用于检验和质量控制的抽样策略。
• 变更控制管理： 管理流程或产品变更，以保持质量和合规性。

常用术语表

Corrective Action and Preventative Action (CAPA): 一种系统的方法来识别、调查和解决不符合项和潜在问题，以防止再次发生并确保遵守质量管理体系的监管标准。

Corrective and Preventive Action (CAPA): 采用系统的方法识别、调查和处理不合格项，以防止再次发生并消除潜在问题，确保符合监管标准，并不断改进流程和产品。

Critical Control Points (CCP): 生产过程中可实施控制措施以预防、消除或将食品安全危害降低至可接受水平的特定阶段。识别这些环节对于食品生产系统中有效的危害分析和关键控制管理至关重要。

Define Measure Analyze Improve Control (DMAIC): 六西格玛用于流程改进的数据驱动质量策略，包括五个阶段：识别问题、衡量当前绩效、分析数据以识别原因、根据调查结果改进流程以及控制未来绩效以维持改进。

Design of Experiments (DOE): 一种系统的方法，用于计划、实施、分析和解释受控测试，以评估多个变量对响应变量的影响，从而实现对流程或产品的优化和理解。

Design of Experiment (DOE): 一种系统的方法，用于规划、实施和分析受控测试，以评估多个变量对响应变量的影响，从而有助于识别最佳条件和因素之间的相互作用。

Failure Mode and Effects Analysis (FMEA): 一种系统方法，用于评估系统、流程或产品中的潜在故障模式，评估其对性能的影响，并确定风险的优先顺序，以通过纠正措施提高可靠性和安全性。

Food and Drug Administration (FDA): 美国卫生与公众服务部的一个联邦机构，负责监管食品安全、药品、医疗器械、化妆品和烟草产品，通过科学评估和执行合规标准来确保公众健康和安全。

Good Manufacturing Practice (GMP): 确保产品始终按照质量标准进行生产和控制的体系，最大限度地降低药品生产及相关行业的风险。该体系涵盖生产流程、设施条件、人员资质和文件规范的指南，以确保产品的安全性和有效性。

Hazard Analysis and Critical Control Points (HACCP): 一种系统的食品安全方法，识别、评估和控制生产过程中关键点的危害，以防止食源性疾病并确保产品安全。

Installation Qualification (IQ): 一个记录的过程，用于验证设备或系统是否按照规范安装，包括对公用设施、环境条件和符合设计要求的评估，确保准备好进行操作鉴定。

International Electrotechnical Commission (IEC): 一个全球性组织，负责制定和发布电气、电子和相关技术的国际标准，促进国际贸易并确保电气设备和系统的安全性、效率和互操作性。

International Organization for Standardization (ISO): 一个非政府国际机构，致力于制定和发布标准，确保各行各业的质量、安全、效率和互操作性，促进全球贸易与合作。该机构成立于1947年，由各成员国的国家标准化组织组成。

Interquartile Range (IQR): 一种统计测量方法，表示数据集中第三四分位数 (Q3) 和第一四分位数 (Q1) 之间的差异，指示中间 50% 的值所在的范围，从而提供有关数据分散情况的见解。

Measurement System Analysis (MSA): 一种统计方法，用于评估测量过程和仪器的准确性、精确度和可靠性，确保收集的数据有效且一致，以便进行质量控制和过程改进的决策。

Non-Destructive Testing (NDT): 一种用于评估材料特性、完整性或结构而不造成损坏的方法，采用超声波、射线、磁粉和渗透检测等技术来检测缺陷或不连续性。

One Time Off (OTO): 一种营销策略，指在特定促销期内，以折扣价向顾客提供单一的、限时的产品或服务，旨在提高销售额和顾客参与度。在生产领域，它也可以指一个独特的生产批次。极少情况下，它还可以指质量或生产过程中发生的孤立事件，有时用来代替“一次性缺陷”。

Process Capability Index (Cpk): 一种统计测量方法，用于量化过程在指定限制内​​产生输出的能力，指示过程平均值与最接近的规格限制之间的关系，并根据过程变化进行调整。

Quality Management System (QMS): 一套结构化的流程、程序和责任体系，旨在确保产品和服务的质量始终如一、促进持续改进并满足客户和监管要求。

Radiology Information System (RIS): 一种用于管理医学成像数据、促进放射学程序的安排、跟踪和报告以及与其他医疗保健系统集成以增强工作流程和患者护理的软件系统。

Repeatability and Reproducibility (R&R): 测量系统在相同条件下（重复性）以及不同条件或操作员（再现性）产生一致结果的能力，通常通过统计方法评估数据收集过程中的可变性和可靠性。

Root Cause Analysis (RCA): 一种系统性的过程，用于识别导致问题或失败的根本因素，旨在解决和消除潜在问题，而不是仅仅治疗症状。

Statistical Process Control (SPC): 一种质量控制方法，采用统计技术来监视和控制过程，通过识别变化并在指定的限制内保持一致的输出来确保其充分发挥其潜力。

Verification and Validation (V&V): 确保系统符合规范并实现其预期目的的过程，涉及两个不同的活动：验证检查产品是否符合设计规范，而确认评估其是否满足用户需求和要求。