{:1_180:}
{:1_180:}
我来学习下
原来如此，长见识了
1. 采用“加权批次合格率”计算模型
传统合格率仅按“合格批次/总批次”计算，忽略了批次规模差异。优化后的加权模型如下：
加权来料合格率 = Σ(单批次合格率 × 权重) / 总权重
其中，权重可选择：
按数量加权：权重 = 该批次到货数量 / 所有批次总数量
按金额加权：权重 = 该批次金额 / 所有批次总金额
适用于高价值物料，更能体现质量损失的经济影响。
例如：
供应商A：两次来货，第一次1000件全合格，第二次10件有1件不合格。
传统算法：合格率 = 1/2 = 50%
加权算法（按数量）：(1000×100% + 10×90%) / 1010 ≈ 99.9%
显然，加权后更真实反映其高质量表现。
2. 结合多维度质量指标，避免单一指标偏差
仅依赖来料合格率仍存在局限，建议结合其他质量指标形成综合评估体系：
来料抽检缺陷率：反映单位产品缺陷密度
来料在线报废率：体现生产过程中暴露的质量问题
IQC拒收次数与CAR响应及时率：评估供应商问题响应能力
这些指标可按一定权重纳入供应商质量总评分，避免“合格率虚高但问题频发”的情况。
3. 建立动态权重机制，适配业务场景
高频小批量供应商：可适当降低单次权重，避免偶然不合格导致评分剧烈波动
战略大宗供应商：提高单批次权重，强化质量稳定性要求
新供应商导入期：可设置“试运行权重”，逐步过渡到标准加权模型
4. 数字化系统支持，确保数据可追溯
建议在质量管理系统（QMS）中实现自动加权计算，确保：
每批次来料数量、金额、检验结果自动归集
加权算法可配置、可审计
支持按月、季度生成加权合格率趋势图与供应商排名
{:1_180:}
{:1_180:}
学习了