一般是指：對每個班次剛開始時或過程發生變更(如人員的變動、換料及換工裝、機床的調整、工裝刀具的調換修磨等)后加工的第一或前幾件產品進行的檢驗。一般要檢驗連續生產的3-5件產品，通過后才能批量加工后續產品。
汽車行業零部件的生產大都采用這種控制手段，但是我們做的首件檢驗起到質量控制的作用了嗎？某工廠重復出現左前窗控開關升降玻璃不靈敏，經調查是工廠生產的滑動塊高度尺寸超下限，該產品是工廠注塑自制品。追溯首件檢驗記錄發現高度尺寸9.8+0.5/-0.03在首件檢驗中8模產品數據分別是：9.78、9.80、9.77、9.80、9.77、9.79、9.77、9.79，首件檢驗合格后開始生產，為什么還會有不良品產生？首件檢驗的目的是為了確認本工序的過程穩定，且有滿足質量要求的過程能力。很多朋友將首件合格當作通過標準，如果倒退幾十年，大量的工序是工人操作通用設備加工，工作的結果主要依賴員工的技能。那么首件檢驗的目的是確認此工序有能力生產出合格的產品，將合格作為接受標準是正確的。時過境遷，今天的企業大多使用自動設備，甚至是智能設備進行生產，操作者是熟練工，工作結果對操作者的依賴度很小，那么首件檢驗就演變為了對過程能力（穩定性）的鑒定方法，用合格作為標準就很不合適。某工廠機械加工車間發現零部件尺寸超差（要求：12（+0/-0.15），實測：12.01-12.02），交檢106件，不良數35件，不合格率42.68%；請注意不合格的分布，是12.01—12.02，有48件。問題出來了，合格的標準是12（+0/—0.15）,加工出來的產品變差范圍是0.05。為什么加工精度這么高的設備，反倒出現了近50%的不良品？不太理解統計過程控制的朋友們只需要記住，首件的通過標準，應限制在公差帶中心值1/5—1/3范圍內，才能保證批量生產的質量穩定性。基于統計過程控制的原理，如果過程穩定，那么2/3的點將落在控制限1/3的范圍之內。因此，為了確定過程是滿足質量要求的，首件的相應尺寸，應控制在規格限中心值的1/3之內，這樣推算出來的過程能力是1.0。這樣的推理是因為檢驗某個零件是小概率事件，其結果應符合大概率的分布。如果考慮到1.5倍標準差的過程漂移，首件的接受準則應控制在規格限中心值的1/5范圍內。如果大家認可我的推理，就應該調整你的首件通過標準了。其他行業的控制原理是一樣的，單側公差考慮單側概率分布。
更改技術條件、工藝方法和工藝參數（如粗糙度要求變更、內孔鉸孔更改為鏜孔、數控程序中走刀量或轉速等的改變）
其次是最重要的，記錄加工首件的作業條件，包括但不限于原材料廠家批次、工藝參數的實際值（不是設定值），環境參數，模具刀具的型號等等。如果是數控設備，也可以記錄下加工時間，只要能夠追溯到加工首件的條件就可以。以上的記錄，將首件與加工首件的質量影響要素對應起來，如果在批量生產中發現不良，就可以現地現物的對照首件和首件的作業條件，從而找到不良的原因。有可能出現一種尷尬的情況，即出現了不良品，但是不良品的作業條件和首件相比沒什么大的變異。恭喜你，你發現了新的質量影響要因，想辦法識別并控制吧。首件檢驗一般需要專職檢驗人員判定，有的甚至需要送到實驗室，在首件沒有判定通過前，是不能進行批量生產的。當然，你的現場首件未判定也在批量生產我也沒有辦法。想象一下，某天開始生產后，10個工位都加工出了首件，但是檢驗力量卻不夠，操作者都在等結果的場景。既然用他就要相信他，但是班長放行的首件一定不能轉序，直到專職檢驗確認后才可以流轉。這里注意，首件專用檢具的規則也是1/3—1/5的公差。
數控設備沒必要全尺寸檢驗，只需要檢驗與刀具，定位有關的尺寸就可以了，形位公差和其他尺寸是靠機器和軟件本身保證的。對比以前的首件作業條件，如果作業條件一致，也可以替代首件檢驗。隨著先進技術的運用，隨著管理思想的進步，經典的檢驗方法也要賦予新的含義。
