质检报告堆了一抽屉，
SPC 却无米下锅
质量管理这十年解决的是"怎么把检验做对"——抽样标准、判定规则、检验 App 都齐了。真正没人替你解决的，是检验做完之后：来料检验单、车间过程检验记录、出厂报告、供应商寄来的第三方检测报告，实测值和判定结果散落在纸质单和一堆格式各异的 PDF 里，想做一次 SPC 趋势分析，却发现数据根本不在一张表里。
问题不是"检验报告太多"，而是报告里的数字进不了系统。MES 采不到供应商邮寄的纸质来料报告，第三方实验室的 PDF 每家版式都不一样，车间的过程检验单还是手写的。本文从四类质检报告的字段特性出发，拆解如何用 AI 把这些批次检测数据结构化进同一张 Excel——按检验项目、规格上下限、实测值、判定结果排好，直接喂给 SPC 分析、批次追溯和供应商质量评估。
Key Takeaways
- 你的 SPC 需要的所有实测值其实都已经测出来印在报告上了——它们缺的不是数据，是一张能连线起来的表。
- 手工录入质检数字时把公差填进实测值列不是低级错误——是眼睛在几百个密集数字之间反复跳视的生理极限。
- AI 按字段语义而非模板位置读取质检报告——你列好实测值、判定、批次号，同一套列名管用所有供应商所有实验室。
四类质检报告，四套格式，却要进同一张表
"质检报告"从来不是单一一种文档，这正是录入难的根源。在制造业里，它至少分四类，各自的来源、版式和录入痛点都不一样：
| 报告类型 | 来源与典型格式 | 录入痛点 |
|---|---|---|
| 来料检验 IQC | 供应商随货寄来的检验报告 / COA、自家 IQC 检验单，纸质或 PDF | 每家供应商版式不同，MES 采不到外部纸质单 |
| 过程检验 IPQC | 车间巡检记录、首件检验单，常为手写或表格打印件 | 手写实测值、签字，归档后很难再汇总 |
| 出厂检验 OQC | 成品出厂检验报告、随箱质保单，PDF 或扫描件 | 客户要追溯时需快速调出对应批次数据 |
| 第三方检测报告 | SGS、华测 CTI、国检等实验室出具，多为多页 PDF | 每家实验室排版、检测项命名各异 |
四类报告版式天差地别，但下游需要的却是同一套字段：检验项目、规格值（标准值）、规格上下限（公差）、实测值、单位、判定结果（OK/NG）、批次号、供应商、检验员、检验日期。这就是为什么"做一个固定模板去套"从来行不通——你换一家供应商、换一个实验室，报告的版面就变了，按坐标定位的模板立刻失效。真正稳定的不是版式，是这套字段的语义。
质检报告为什么比发票更难录：不是读不出字，是字段之间有逻辑
如果以为质检报告的难点是"机器认不出字"，那低估了它的复杂度。通用 OCR 对印刷体的识别率早就很高了——真正让质量工程师头疼的，是认出字之后，那些数字之间的关系。发票上的"金额"是一个孤立的值，而质检报告上的每一个数字都嵌在一组关系里。
规格值 vs 实测值：分开提取，才能判超差
一条检验记录通常是这样的结构：检验项目"外径 Φ10"，规格值 10.00mm，公差 ±0.05（即规格上限 USL=10.05、规格下限 LSL=9.95），实测值 10.02mm，判定 OK。这里"10.00""±0.05""10.02"三个数字必须分别落进不同的列——规格值、上下限、实测值——才能在后续判断"实测值是否落在公差带内"。如果全堆进一个"尺寸"字段，做 SPC 时根本没法算过程能力。手工录入时，一条记录抄串列、把公差当实测值填，是最常见的错误。
判定结果 OK/NG：跟着具体检验项走
一份来料检验单上可能有十几个检验项，外观、尺寸、功能各有各的判定。判定不是整张报告一个"合格/不合格"——而是每个检验项一个 OK/NG，最后再汇总成批次结论。按 GB/T 2828.1-2012《计数抽样检验程序》（中国制造业 IQC/OQC 抽样最常用的国标，等同采用 ISO 2859-1），缺陷还要分致命（CR）、主要（Ma）、次要（Mi）三级——一个 CR 缺陷直接判整批不合格，几个 Mi 缺陷才累积到拒收。这些判定层级，录入时必须跟着对应的检验项保留下来，否则追溯时无法还原"当初为什么判 NG"。
批次号、量具编号、手写签名：追溯的锚点
GB/T 19001-2016（等同 ISO 9001:2015）第 8.5.2 条"标识和可追溯性"要求保留可追溯记录——这意味着批次号/炉号、检测设备或量具编号、检验员签名，都不是可有可无的附属信息，而是日后客户追溯、质量事故倒查时的锚点。这些信息往往分散在报告的页眉、表格角落和签字栏里，位置毫无规律，模板定位最容易漏掉它们。
这些数据不录进去，丢的不只是效率
质检数据进不了一张表，代价远不止"录入慢"。它意味着你手里有数据，却用不上——这才是真正的损失。
三个被卡住的下游场景
SPC 无米下锅——想算关键尺寸的过程能力（汽车行业 IATF 16949 量产要求 Cpk ≥ 1.33、PPAP 初期送样要求 Ppk ≥ 1.67），前提是把历次实测值汇成一列连续数据，而它们还散在一张张纸上；批次追溯查不到——客户拿着批次号来问当初的检测值，翻档案柜要半天；供应商质量评估做不了——SQE 想算各供应商的来料合格率趋势，数据却锁在几十家供应商各自格式的报告里。
这几个场景的共同点：它们都需要跨多份报告的结构化数据。SPC 要的是同一尺寸跨批次的实测值序列，追溯要的是按批次号检索的明细，供应商评分要的是按供应商聚合的合格率。只要数据还停留在"一份报告一张纸"的状态，这些分析就永远差最后、也是最费人工的一步：把数字逐行敲进 Excel。解决它的方向不是再上一套系统让人重新录，而是让 AI 直接读懂已经写好的报告——这正是数据提取要做的事。
实操：用简录AI 把批次检测数据提取到 Excel
下面以简录AI 为例，演示从上传质检报告到导出 Excel 的完整流程，全程不需要任何模板配置或区域框选。简录AI 是一款基于视觉大模型的文档数据提取工具，它的核心机制是自定义列名提取：你在界面里输入想要的列名（如"检验项目""规格上限""规格下限""实测值""判定""批次号"），AI 根据列名的语义在报告里自动定位并提取对应的值——不是按坐标框选，不是模板匹配，而是理解"实测值"这三个字意味着什么，再到文档里找到它。正因为靠的是语义而非版式，无论是 SGS 的 PDF 报告还是车间自己的检验单，同一套列名都能用。
下面是一个可交互的真实工具页面，你可以直接拖入一份质检报告试试——看 AI 怎么把检测项和实测值排进表里。
文件处理过程加密，完成后自动删除，不用于模型训练
实际工作中你会经历的关键步骤如下：
上传质检报告
支持 PDF、JPG、PNG，单页或多页报告均可，扫描件、手机拍照、倾斜褶皱都不影响识别。一次拖入一个批次或一家供应商的多份报告，可以合并输出到同一个 Excel 工作表。
输入提取列名
输入你要的字段名，例如：检验项目、规格值、规格上限、规格下限、单位、实测值、判定、缺陷等级、批次号、供应商、检验员、检验日期、量具编号。你输入什么列名，最终 Excel 表头就是什么。关于列名怎么写更精准，可参考自定义列名提取的技巧。
AI 逐行提取检验明细
AI 通过语义理解自动定位每份报告的对应字段，不依赖版式，也不要求所有报告来自同一供应商或同一实验室。一份报告里十几个检验项会被逐行拆成多行记录，每行带上自己的规格上下限、实测值和判定。印刷体表格识别准确率最高可达 99%。
核查与超差判定
提取结果以表格形式展示，支持在线编辑修正个别识别偏差。也可以在这一步用计算列功能，让 AI 在提取时自动判断实测值是否落在规格上下限内并标出超差项——详见下一节。
导出 Excel
一键导出为 Excel (XLSX) 或 CSV，多份报告的数据合并在一张表中，日期归一化、数值转为纯数字。这张表可以直接做透视分析，也可以导入用友、金蝶、鼎捷等系统的 MES/QMS 模块做后续追溯。
不止提取：让 AI 在提取时直接做超差判定
对质检数据，有一种处理特别常见：报告上只印了规格值、公差和实测值，但你想要的是一个直接的结论——这个实测值到底有没有超差。简录AI 的计算列功能就是为这类场景设计的。它不只提取报告里已有的数据，还能让 AI 在提取时直接执行计算或判断，把结果作为新列输出。
具体做法是在列名里描述判断逻辑。比如写一个列名"超差判定（实测值在规格上下限内→OK，否则→NG）"，AI 读取每行的实测值、规格上限、规格下限后，会自己比较并填入 OK 或 NG；再比如写"偏差（实测值−规格值）"，AI 就算出每个尺寸偏离标准值多少。这样导出的表里，不只是"报告上写了什么"，而是已经判完、可以直接看的答案——哪些项超差一目了然，不用再回 Excel 拉一遍公式。
质检数据计算列常用场景
超差判定（"实测值是否落在 USL/LSL 之间"）、偏差量（"实测值−规格值"）、偏差率（"偏差÷规格值"）、单项合格率（一份报告内 OK 项数÷总检验项数）——这些都不必在 Excel 里手动拉公式，AI 提取时一次性完成。复杂的多步判断逻辑，登录后还能写进 Rule Format 规则里，让列名保持简洁。
汇成一张表之后：SPC 趋势、批次追溯、供应商评分
数据进了同一张结构化的表，前面被卡住的三个场景就都通了。这一步才是提取的真正价值落点——提取不是终点，能用起来才是。
SPC 趋势分析：把同一关键尺寸跨批次的实测值汇成一列，就能直接做控制图、算过程能力指数。哪个尺寸在缓慢漂移、哪台设备的输出变异在变大，趋势一画出来就看得见——这正是单看一张张孤立报告永远发现不了的。
批次追溯：每行记录都带着批次号、检验日期、检验员、量具编号，客户拿批次号来问，按批次号一筛就调出全部明细，几秒钟而不是翻半天档案。这也正好对应 ISO 9001 第 8.5.2 条对可追溯记录的要求。
供应商质量评估：来料检验数据按供应商聚合，SQE 就能算出各家的来料合格率、不良项分布和趋势，作为供应商评分和年度审核的客观依据。同样的思路，把这套数据和供应商批量数据的横向对比结合起来，质量和成本两条线就能放在一起看。对于现场设备和仪表的定期检测数据，把巡检读数批量录入也是同一套提取逻辑——定义列名、上传、汇总。
常见问题
不同供应商、不同实验室的报告格式都不一样，也能用同一套列名提取吗？
可以，这正是语义提取相比模板方案的核心优势。AI 不依赖报告版式，而是理解"实测值""判定""批次号"这些字段的含义，无论报告是 SGS 的多页 PDF、供应商随货的来料报告，还是车间自己的检验单，同一套列名都能定位到对应的值。你不需要为每一家供应商或实验室单独配置模板。
一份报告里有十几个检验项，会被拆成多行还是挤进一行？
会按行拆开。AI 识别报告里的检验明细表结构，把每个检验项提取成单独一行，每行带上它自己的规格值、规格上下限、实测值、单位和判定。这样导出的表是"长表"结构，正好适合做 SPC 透视和按检验项的趋势分析，而不是所有项目挤在一格里。
手写的过程检验单（IPQC）能识别吗？
能识别手写内容，但需要如实说明边界。视觉大模型对清晰的手写数字和文字识别效果较好，但如果是潦草连笔、铅笔淡写或多人涂改的检验单，个别实测值可能有识别偏差。建议手写报告提取后做一次抽查核对，尤其是关键尺寸的实测值。这是 AI 识别能力的客观界限——任何工具对低质量手写件都存在类似局限，诚实地讲，它不能做到对手写单 100% 免核对。
报告上的规格上下限和实测值字号很小，能准确读出吗？
印刷清晰的报告，小字号数值也能准确提取，印刷体表格识别准确率最高可达 99%。但如果报告是低分辨率扫描或翻拍，密集排布的极小字号检测值可能出现个别偏差，建议提取后抽查。提高源文件清晰度（用 PDF 原件而非二次截图、扫描分辨率不低于 300dpi）能显著降低这类偏差。
能让 AI 直接判定每个尺寸有没有超差吗？
可以，用计算列功能。在列名里写明判断逻辑，例如"超差判定（实测值在规格上限和规格下限之间→OK，否则→NG）"，AI 提取时会逐行比较并填入结果。也可以让 AI 算出偏差量（实测值−规格值）或偏差率，把原始数据直接变成可判读的结论。但最终的合格判定建议仍由质量人员复核——计算列负责的是机械的比对，不替代专业判断。
怎么收集分散在各供应商手里的来料检验报告？
有一个专门的功能适合这个场景——收集链接。你可以生成一个专属链接发给各家供应商，对方打开链接、输入验证码后直接上传随货检验报告（无需注册登录），文件自动进入你的处理队列。对于需要从多家供应商收齐来料报告做 SQE 评估的质量人员，这省去了来回催邮件、整理附件的麻烦。
把"检验做完之后"补上
质量管理体系把"怎么检验"规范到了字段级——GB/T 2828.1 的抽样规则、IATF 16949 的过程能力门槛、ISO 9001 的可追溯要求，每一条都假设检验数据是连续、可汇总、可追溯的。但现实里，这些数据还常常停在纸质单和 PDF 里，进不了能做分析的那张表。
真正该被替代的，不是"做检验"这个动作，而是"检验做完之后，逐行把数字敲进 Excel"这段无声消耗掉大量工时、还容易抄错的环节。用 AI 理解报告内容而非套版式，用计算列在提取时顺手判完超差，用批量处理把多份报告合并成一张可追溯的表——这么做不是为了"更快"，是为了让你手里那一抽屉质检报告，终于变成能用起来的数据。