QE能力进阶（5）｜属性量具的 MSA：外观检验怎么量化（Kappa 与一致性分析）

一、开篇：一份"漂亮"的 Kappa 报告，为什么被客户驳回

某电子制造企业为海外客户供货，外观面要求"无可见划伤、无色差"。客户在供应商过程审核中开出一条不符合项：缺少属性一致性分析报告。质量工程师很快做完并提交：3 名检验员、50 件样品、每人判定两轮，整体 Kappa 0.81、一致率 94%，结论写着"测量系统可接受"。

两周后报告被退回。客户 SQE 只问了一句话：这 50 件样品里，有几件是"不好判"的边缘件？回头一查，46 件是明显合格品，4 件是明显不良品，边缘件为零。也就是说，检验员根本不需要判断力就能给出答案——高一致率和高 Kappa，只是"题目太简单"的结果。

这个场面点出了属性 MSA 的核心：它不是一次统计计算，而是一次测量系统的能力考核；结论是否可信，先取决于样本与判据的设计，再取决于 Kappa 那个数字。 方法入门层面的内容（Kappa 怎么算、限度样本怎么建）已经讲过，本文往下再走一层：样本怎么配比、三种一致性判据各自管什么、验收阈值怎么定、结论怎么下、不合格怎么闭环。

二、原理要点：属性 MSA 到底在衡量什么

变差构成。 属性测量系统的判定结果，可拆成四块：产品真实归属（基准）、检验员自身的重复性变差、检验员之间的再现性变差、以及基准本身的模糊度。前两块靠试验设计分离出来，第三块靠定义量化与限度样本消掉。

一致率与 Kappa 的分工。 一致率＝一致次数÷总次数，好算但含"猜对"的成分。二分类判定即便随机猜，长期一致率也有五成左右；两类比例越悬殊，机遇一致率越高——全是合格品时，任何人全判"合格"都能拿到九成以上一致率。Kappa＝(Po－Pe)÷(1－Pe)，Po 是观测一致率，Pe 是机遇一致率，它扣掉了"蒙对"的贡献。这就是为什么样本构成单一时，一致率漂亮、Kappa 也不低，但测量系统其实什么都没被证明。

三种一致性判据，各管一件事。

• 检验员自身一致性（Within Appraiser）：同一人两轮及以上判定是否稳定，反映重复性，回答"今天判的明天还这么判吗"；
• 各检验员与基准的一致性（Each Appraiser vs Standard）：反映准确度（偏倚），回答"判得对不对"；
• 检验员之间的一致性（Between Appraisers）：反映再现性，回答"人和人是否一把尺子"。注意它的陷阱：两人按同一错误口径判，一致率可以满分，所以它只能作辅助判据，不能单独作为验收依据。

漏判率与误判率，比 Kappa 更贴近业务。

• 漏判率＝基准为不合格却被判合格的次数÷基准为不合格的总次数，直接决定流出风险；
• 误判率＝基准为合格却被判不合格的次数÷基准为合格的总次数，直接影响内部返工、报废与产能。

两者的代价方向相反，容忍度也不同。完全可能出现"Kappa 达标、漏判率 8%"的情况，那就是总体一致、风险却压在客户那一头——所以三个指标必须同时报告，不能只报一个。

三、实操步骤：从方案设计到结论落地

第一步，把基准做"硬"。 属性 MSA 的标准判定必须客观可核：能用计量手段量化的（划伤长度、色差 ΔE、间隙尺寸）先测出数值再定限；不能量化的，由工艺、质量、客户（或设计）三方会签限度样本，并明确"比它重即判不合格"。基准无法确定的样品一律剔除，不得进入分析。同时统一照明（一般不低于 800 勒克斯、色温 5000～6500K）、观察距离与角度、单件观察时间（如不超过 15 秒）。

第二步，样本量按"能暴露问题"配比。

• 总样本 ≥50 件；不合格品占 30%～50%，保证漏判与误判都有足够观测次数；
• 边缘件（处于合格与不合格边界附近，通常取限值的 ±10% 内）不少于 20%，即至少 10～12 件；
• 编号遮挡、批次打散、明暗件混排。季度复核可缩到 20～30 件，但边缘件比例不得降低，否则结论无效。

第三步，试验设计。 检验员 ≥3 名，覆盖熟练、一般、新员工三档；每人判定 2～3 轮，轮次间隔 ≥4 小时或隔日，轮内样本顺序随机；盲测，检验员之间不交流、看不到基准判定。产品可退出重投、可重复判定才适用本法；破坏性外观判定（开封、拆解类）需改用限度样本比对或嵌套式方案。

第四步，按判据表下结论。 通行门槛（客户有更严要求时从其规定）：

• 自身一致性 ≥90% 且 Kappa ≥0.75 为良好；80%～90%、Kappa 0.6～0.75 为边缘，须整改；低于 80%／0.6 判不可接受；
• 与基准一致性：全员 ≥90%，且单人不低于 85%；单独低于 85% 者按个人复训处理；
• 检验员之间一致性：Kappa ≥0.75，仅作辅助判据；
• 漏判率 ≤5%，安全／关键特性类应控制在 ≤2%；
• 误判率 ≤10%，可按产线节拍与返工成本适当放宽。

另外必须给出 Kappa 的 95% 置信区间与样本构成。n=30 时区间宽度常超过 0.2，若下限低于 0.6，即使点估计达标也应判"证据不足、需扩样"——这正是很多报告在客户面前站不住脚的原因。

第五步，处置与闭环。 结论不能只写"可接受／不可接受"，必须给三样东西：不合格人员的再培训与再考核安排（考核用未经训练的新样本，标准同上）；测量系统的复做触发条件（新员工独立上岗前、产品换型、缺陷标准或限度样本更新、照明或工位变更、季度定时复核）；记录留存（样本清单与基准判定、原始判定表、统计报告、三方会签记录），供客户审核追溯。

四、常见误区

1. 把一致率当唯一判据。 合格品占九成时一致率天然很高，看不出真实判断力。一致率、Kappa、漏判率、误判率要一起报。
2. 样本里不放边缘件，或拿"大家都判合格"的件充数。 Kappa 虚高，客户一查样本构成就露馅；边缘件恰恰是整个分析中信息量最大的部分。
3. 只算检验员之间的一致性。 多人同错时一致率仍可满分，产品照样误判流失；与基准的一致性才是准确度的判据。
4. 只做一轮判定。 没有重复轮次就无法分离自身重复性变差，只能看出一次判定的对错，看不出"这个人判得稳不稳"。
5. 把 Kappa 0.75 当硬开关。 Kappa 受两类样本比例影响极大，同样 85% 的一致率，在不同基准比例下 Kappa 可以差 0.3 以上；只给点估计、不给置信区间与样本构成，结论不可复核。

五、自查清单

• 每件样品的标准判定都有客观依据（数值判定或三方会签限度样本），模糊件已剔除
• 样本总量 ≥50 件，不合格品占 30%～50%，边缘件 ≥20%
• ≥3 名检验员、2～3 轮、轮次隔时、顺序随机、盲测不交流
• 报告含自身一致性、与基准一致性、检验员之间一致性、漏判率、误判率，并给出 Kappa 置信区间与样本构成
• 不合格人员有再培训／再考核记录，复做触发条件与记录留存已明确

六、一句话总结

属性 MSA 的可信度来自样本与判据的设计，而不是 Kappa 那一个数字。

样本不设边缘件，Kappa 再高也只是题目太简单。

知识编号：6.2.1

版本：v20260915

作者：卓越质量智库 卓越质量智库致力于为质量管理从业者提供系统化的专业知识、方法论与实战工具，助力企业质量能力持续提升。