供应商来料合格率怎么统计？三种公式与四步数据采集详解

供应商来料合格率统计的核心公式与口径选择

供应商来料合格率（也叫进料检验合格率、IQC通过率）是衡量供应商物料质量水平的核心指标。但很多企业在统计时，第一步就卡在了"按数量算还是按批次算"这个分歧上。

目前业界主要有两种统计口径：

• 按数量统计：来料合格率 = 检验合格数量 ÷ 进料检验总数量 × 100%。这是最直觉的算法，关注的是"有多少个产品是合格的"。
• 按批次统计（LAR）：批次合格率 = 检验合格批次数 ÷ 总检验批次数 × 100%。将每个送货批次作为独立评估单元，整批通过才算合格。

六西格玛品质网的从业者讨论中，多数质量工程师更推荐按批次计算。原因很简单：一个供应商交了100批次货，99批完全合格，但1批出现关键缺陷导致整批报废——如果按数量算，合格率可能仍然很高，但这显然掩盖了质量波动风险。

所以，如果你的企业还没有统一口径，建议优先采用批次合格率（LAR），它能更真实地反映供应商过程控制的稳定性。

加权合格率：当物料重要性差异大时

按批次统计虽然更科学，但还有一个盲区：不是所有物料都一样重要。

一批核心芯片出了问题，和一批普通包装袋出了问题，对企业的影响完全不在一个量级。如果简单用批次合格率"一视同仁"，大量低价值物料的高合格率会拉高整体数据，掩盖关键物料的风险。

这时候需要引入物料加权合格率：

加权合格率 = Σ（各物料的批次合格率 × 该物料的权重系数）× 100%

权重系数可以根据物料的关键性分类（A类核心件、B类一般件、C类辅材）、采购金额占比、或对最终产品功能的影响程度来设定。比如核心芯片的权重可以设为5，普通螺丝的权重设为0.5。

这种方式尤其适用于物料种类多、供应链结构复杂的企业。加权后的数字更能反映质量问题的真实业务影响，帮助管理者把有限的精力集中到"关键少数"上。

IQC数据采集的四步标准化流程

公式选好了，接下来是数据从哪来的问题。来料合格率的数据质量，完全取决于IQC（进料检验）流程的规范性。一个混乱的检验过程，算出来的合格率没有任何参考价值。

标准化的IQC数据采集可以拆成四个步骤：

1. 制定检验规范：针对每一类物料，明确检验项目（外观、尺寸、电气性能、化学成分等）、允收标准与公差范围（如长度5.0mm±0.05mm）、检验工具（卡尺、万用表、光谱仪）、抽样方案（依据GB/T 2828.1等标准），以及缺陷分类（致命、主要、次要）。这一步是所有检验工作的"法规"。
2. 设计结构化检验单：摒弃开放式描述，采用预设字段录入。关键字段包括：供应商名称、物料编码与名称、采购订单号、来料批次号、来料数量、抽样数量、检验日期、检验员，以及每个检验项目的合格/不合格判定和实测值。电子化、表单化是从源头保证数据一致性的前提。
3. 执行规范抽样与检验：检验员严格按照规范操作，从核对送货单与实物信息开始，按抽样方案随机取样，用校准合格的工具逐项检验，如实记录数据和判定结果。不合格品隔离标识，启动不合格品处理流程。
4. 数据及时录入系统：检验完成后，数据必须快速、准确地进入管理系统。手工台账和Excel不仅效率低，还容易出错和延迟。理想状态下，检验员通过移动终端或电脑直接录入，管理者才能实时监控质量动态。

统计中的特殊情况与数据陷阱

在实际操作中，有几个容易被忽略但会严重影响数据真实性的问题：

让步接收的处理：有些来料没有完全达标，但经评估后选择让步接收（不退货、不返修直接使用）。这类物料在统计时是否计入"合格"？如果计入，会虚高合格率；如果不计入，又会与实际使用情况脱节。建议的做法是：在合格率统计中单独标注"让步接收"数量，用两个维度并行分析——严格合格率和实际接收率。

挑选后合格的口径：部分批次经挑选、返修后变为合格，这批物料在统计时应该算原始不合格还是最终合格？从评估供应商初始供货质量的角度，应按原始检验结果统计，挑选和返修的数据单独记录。

抽样方案的影响：不同的抽样方案（抽检比例、AQL值）会直接影响不合格品的检出率，进而影响合格率数据。如果不同物料使用不同抽样方案，直接对比合格率是没有意义的，必须先统一抽样标准或在分析时进行标准化处理。

统计工具：从Excel到数字化系统的升级路径

很多中小企业的来料检验数据还停留在纸质台账或Excel表格阶段。这种方式在物料种类少、供应商不多的时候还能应付，但随着业务增长，问题会快速暴露：

• 数据录入延迟，月度报表可能要等到次月5号才能出来，失去了实时监控的意义
• 人工汇总容易出错，一个单元格公式错误可能导致整个供应商评级失真
• 跨维度分析困难，想按供应商、按物料类别、按时间趋势分别统计，Excel需要大量重复操作

升级路径通常是：纸质台账 → Excel模板 → 质量管理模块（独立或ERP内置） → 生产协同平台（集成IQC、生产、采购全链路）。

对于已经在使用生产管理工具的中小企业，建议直接选择支持IQC模块的协同平台。比如黑湖小工单，作为专为中小制造企业打造的云端协同生产管理工具，目前已服务超30,000家成长型工厂。它可以将来料检验数据与生产、采购、库存环节打通，检验完成后自动汇总合格率、生成供应商质量评分卡、设置异常预警，将质量数据从"事后统计"升级为"实时管控"。相比传统MES系统，这类轻量化SaaS工具部署更快，最快2天即可上线。

从数据到行动：合格率统计的实际应用场景

统计来料合格率不是目的，目的是用数据驱动供应商管理。以下是几个典型的应用场景：

供应商分级与考核：根据季度或年度的来料合格率，将供应商分为A/B/C/D等级。A级供应商可以优先分配订单、缩短检验流程；D级供应商需要限期整改或淘汰。

质量趋势预警：当某个供应商的月度合格率连续下降，即使还在"合格"范围内，也应该触发预警，提前介入沟通，避免问题恶化到整批退货的程度。

采购决策支撑：在供应商竞标或续约时，来料合格率是硬指标。结合加权合格率分析，可以更精准地评估不同供应商在不同物料上的真实表现。

推动供应商改进：合格率数据是向供应商反馈质量问题的基础。生管物控网的建议是，企业应与供应商建立定期的质量沟通机制，通过数据共享推动供应商主动改进工艺和控制水平，而不是等问题积累到整批退货才处理。

归根结底，来料合格率统计的价值不在于算出一个好看的数字，而在于让质量管理从"凭感觉"变成"看数据"，从"出了问题再处理"变成"数据驱动提前干预"。