QE能力进阶（24）｜设计验证（DV）与生产确认（PV）：试验方案怎么设计才算数
某电子制造企业的一款车载传感器，在新产品导入评审会上被客户质量工程师连问了三句。第一句：设计验证报告写着"抽 3 件样品做完全部 12 项试验、全部合格、验证通过"，这个结论的置信度是多少？第二句：样品的参数组合覆盖了最坏情况吗？第三句：生产确认那一批，是量产工装、量产节拍下做出来的吗？会场一时沉默。翻看报告，生产确认是试模车间手工装配的 30 件，检验判合格，但既没有过程能力指数，取样也不是连续批。试验确实做了，合格数据也确实拿到了，可这份数据既证明不了设计裕度，也证明不了产线能力——试验做了，却不算数。
一、原理要点：DV 与 PV 证明的是两件不同的事
DV 面向设计输出是否满足设计输入，推断对象是"这个设计本身"，所以它的证据逻辑是裕度与可靠度：要么证明设计在极限条件下仍有裕度，要么用"零失效＋样本量"把可靠度与置信度钉下来。PV 面向量产过程能否稳定产出合格品，推断对象是"过程分布"，所以它的证据逻辑是过程能力：分布宽度相对规格宽度是否够用、中心是否偏移、随时间是否稳定。两者不可互换：DV 数据回答不了"产线稳不稳"，PV 数据也回答不了"设计余量够不够"。方案设计的第一步，就是把"我要证明什么"写成可测量的判据，而不是先决定测几件。
二、实操五步与量化判据
第一步，建立验证需求矩阵。 把设计输入逐条列出（功能、性能、环境、寿命、法规），每条对应到试验项、方法标准与接受准则。判据：覆盖率必须 100%，凡不能量化的需求必须拆解为可测替代指标（如"耐振动"拆为频率、振幅、时长、判定阈值），无法拆解的须书面说明理由并经客户或设计负责人批准。 只写"满足客户要求"的条目，一律退回。
第二步，用统计口径定 DV 样本量。 客户或行业标准已规定样本量的照规定执行；没有规定时，按"零失效"试验的可靠度—置信度公式取值：
n = ln(1 − C) / ln(R)
其中 C 为置信度、R 为可靠度。常用组合：C=90%、R=90% 时 n=22；C=95%、R=90% 时 n=29；C=90%、R=95% 时 n=45；C=95%、R=95% 时 n=59。允许失效发生时的样本量要相应放大（C=90%、R=90%、允许 1 件失效时约需 38 件）。判据：一般特性底线取 C=90%、R=90%；安全特性、法规特性至少 C=95%、R=95%；不得用 3～5 件的"经验样本"出具验证结论。 若因成本无法满足样本量，必须在报告中明确写出实际置信度与残余风险，由客户确认让步。
第三步，把试验条件设计成"最坏情况"。 DV 的价值在于边界，不在名义点。参数应取规格上下限、公差最不利组合、极限温度/湿度/电压、最差材料批次与最差配合间隙。判据：每个关键参数至少覆盖上下边界各一次，关键参数之间做最不利组合，并在报告中逐项声明取值及依据；样件必须使用设计意图的材料与工艺，若使用快速原型件或非量产工装，必须书面评估差异对结论的影响并安排补充验证。
第四步，PV 要证明"产线就绪"，按能力与连续性判。 PV 必须使用量产工装夹具、量产节拍、按量产作业标准、由量产人员执行，并在之前完成测量系统确认。取样要求：连续生产批中至少取 25 个子组，每子组 4～5 件（合计 100～125 件），覆盖班次与设备切换；客户 CSR 有更严要求的按 CSR 执行。 判据：关键特性 Ppk≥1.67，重要特性 Ppk≥1.33，一般特性 Ppk≥1.00；测量系统 %GRR＜10% 方可接受，10%～30% 须书面说明对判定结论无实质影响，＞30% 必须改进；属性类检测以一致性 Kappa≥0.75 为通过线。 涉及节拍达产的，还需 Run@Rate 验证，产能与 FTQ 同时达标才算通过。
第五步，结论分三态出具，并锁定再验证触发条件。 试验结论只应是"无条件通过／有条件通过／不通过"三态之一，不允许用"基本合格""总体良好"这类表述。判据：报告须包含原始数据、方法标准、样本量、批号与工装编号、设备校准状态、接受准则、偏离记录（偏离规范、偏离批次、条件替代）及其影响评估、审批签字；任何无效数据不得覆盖原记录，只能附偏差说明。 出现下列情况必须重新验证：设计或材料变更、供应商或生产地变更、工艺重大调整、连续投诉或批次性失效、验证结论有效期到期。
三、常见误区
误区一，用 DV 数据回答 PV 问题。 最典型的是拿手工样件或快速原型的数据去算过程能力、去填报 PPAP 初始过程研究。样本来源不同，分布不同，结论天然无效。判断方法很直接：看报告里的"批次与工装"栏，如果 PV 那一行写的是试模车间、手工装配，基本可以判定为无效 PV。
误区二，样本量拍脑袋，且报不出置信度。 "做 3 件，都合格，说明设计没问题"——3 件零失效对应的可靠度置信下限低得可怜，任何审核都经不起追问。样本量应写在试验计划里、由判据推导出来，而不是事后补一个数字。
误区三，只做名义条件，不做边界。 大量"验证通过、上市失效"源于此：试验在 25℃、额定电压、标称尺寸下完成，而现场在极限温度、尺寸极限偏差、最差批次材料下失效。验证条件的选取本身就是一个风险评估动作，应回写进 DFMEA 的探测措施。
误区四，把设计验证当成设计确认。 验证（Verification）问的是"做出来的东西对不对（满足设计输入）"，确认（Validation）问的是"做对了的东西能不能用（满足用户实际使用需求）"。只做前者，会出现全部指标合规、用户场景却不适用的情况；医疗、汽车等行业对两者有明确的分别要求，不能互相顶替。
误区五，只验一次、不设触发条件。 把验证当成一次性关卡，变更之后不再评估。正确的做法是把再验证触发条件写进程序文件，并纳入变更审批单的必填项。
误区六，报告只有结论没有判据。 报告通篇"合格"却找不到接受准则与判据出处，这种报告在客户审核或召回调查时几乎没有证据价值。
四、自查清单
- □ 每个试验项是否都能追溯到一条可测量的设计输入，需求覆盖率是否为 100%？
- □ 样本量是否有统计依据（置信度与可靠度取值明确），安全/法规特性是否达到 C=95%、R=95% 或客户规定？
- □ DV 条件是否覆盖参数上下边界与最不利组合，样件材料与工艺差异是否已书面评估？
- □ PV 是否使用量产工装、节拍、人员与作业标准，取样是否≥25 个子组，Ppk 与 %GRR 是否达到判据？
- □ 报告是否为三态结论，是否含原始数据、批号、校准状态、偏离记录与再验证触发条件？
样本量有依据，验证条件到边界，结论才算数。
知识编号：8.2.3
版本：v20261004
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。