逐批检验是指对
生产过程所产生的每一批
产品逐批进行检验，从而判断每批产品的合格与否。GB2828《逐批检查计数抽样程序及抽样表》通过规定零件合格质量水平、检验水平及批量大小，就可以查到样本大小、批合格判定数、批不合格判定数，然后根据样品的不合格品数与批合格判定数、批不合格判定数进行比较，来判定该批是否接收。
通常把对物理特性的检验称为物理检验；对化学性质或组成的检验称为化学检验或简称化验。检验一般有破坏性检验和
非破坏性检验，前者只能从整体中取样进行抽查，然后用
数理统计方法推定整体的情况；后者可对整体进行逐个检查。从被检对象的类别考虑，人们又常将它分为半成品检验、成品检验或
商品检验等。
GB2828《逐批检查计数抽样程序及抽样表》通过规定零件合格质量水平AQL、检验水平IL及批量大小，就可以查到样本大小N、批合格判定数Ac、批不合格判定数Re，然后根据样品的不合格品数与批合格判定数Ac、批不合格判定数Re进行比较，来判定该批是否接收。
GB2828根据以往检查结果调整检验严程度(即放宽检验、正常检验、加严检验)，从而让优于AQL零件高概率接收而低于AQL零件高概率拒收，所以它属于一种计数调整型抽样检查。
统计控制图作为一种直观、有效的质量控制技术，是质量管理中贯彻预防原则的重要工具。控制图的核心参数是控制限，控制限的宽窄直接影响着“虚发警报”和“漏发警报”两种风险的大小。因此，控制限的合理确定是保证控制图有效性的关键因素。
传统控制图理论建立在经典统计理论基础之上，Hillier、Quesenberry、Harrison等人认为样本量要达到一定规模才能建立有效的控制图，这是因为样本信息越充分，样本分布就越接近总体分布。但在实际情况中，控制对象的总体分布很难得知或接近，而且现代企业的生产模式逐渐向“多品种、小批量、精益化”方向转变，小批量生产的主要特点是过程信息较为缺乏，而传统控制图的设计又很难利用逐批抽样过程中产生的样本信息。
解决上述问题的方法之一是尽可能多地利用有效的先验信息。贝叶斯理论能充分利用先验信息对过程信息进行更新，因而在统计过程控制（SPC）中得到了重视 , Menzefricke假设先验分布为对数分布，将参数的不确定度合并到方差控制图构建中，利用
贝叶斯原理推证了标准差控制图的控制限。Aditya分析了假设先验分布为矩形分布的稳健设计所存在的缺点，利用贝叶斯原理，通过圆整、截尾等算法，将先验参数空间变换成亚空间，使先验信息得到充分利用。Nenes利用
马尔科夫链处理先验信息，以单位时间内总质量损失和维修成本最小化为设计参数，利用贝叶斯理论构造了监测过程均值的贝叶斯控制图。范文贵分别假设标准差和均值的先验分布为逆伽玛分布，后验分布为共扼逆伽玛分布，利用贝叶斯理论研究小批量条件下的均值控制图，推导出的均值控制限依赖于伽玛函数中超参数的估计。RuiMiao当先验信息服从正态分布时计算统计参数，其中涉及超参数入值的估计，然后利用贝叶斯原理得到后验分布的统计特征值以此计算
过程能力指数，但公式较为复杂，给实际应用带来困难。
在上述基于贝叶斯理论的
统计质量控制研究中，基本上假设同一生产线上生产的产品质量特性的先验分布与后验分布不同，得到的各类控制图控制限计算公式多含有超参数，公式普遍较为复杂.在实际生产中，定期从同一生产线上进行序贯批次抽样，依据相关标准对每批次抽样产品所要控制的质量参数进行检验，然后根据这些检验参数值用SPC方法对产品质量特性进行控制.若该生产过程受控且稳定，相同规格产品的质量特性值应服从同一分布，否则认为该生产线处于失控状态。而实际抽样检验中，每个批次的质量参数统计特征值不相等，是因为每个批次样本量太少，过程信息不充分所致。所以，一般条件下，若生产过程处于受控状态，结合先验信息对过程信息进行更新，其统计特征值会逐渐接近总体的统计特征值，依据统计特征值计算的控制图控制限也越加可靠。根据上述分析，宋明顺等利用贝叶斯理论探讨逐批抽样检验的样本统计特征值的迭代计算方法，推导出简洁方便的控制图控制限计算公式充分利用了先验样本数据，使控制图的控制限随着批次的增加越加可靠和稳定。
周期检验是指按规定的时间间隔从逐批检验合格的某批或若干批中
抽样进行的检验。
影响成皮生产批
质量有两大类因素，即系统因素和随机因素。
周期检验的目的是为了判定生产过程中系统因素作用的检验，而逐批检验是为判定随机因素作用是否受控的检验，二者的组合是投产和维持正常
生产的检验体系。
没有周期检验或周期检验不合格的
生产系统其逐批检验是无效的。逐批检验只是周期检验的补充，逐批检验是在经周期检验杜绝系统因素的作用的基础上而进行
控制随机因素作用的检验。