质量圈有句话：质量是免费午餐。 这句话的含义是，高质量的产品反而比低质量的成本更低。 菲根堡姆在20世纪60年代提出质量成本概念时，很多人觉得反直觉。 但当你真正算清楚账，这句话就不只是理念了。

质量成本的四种构成

质量成本（Cost of Quality）不是简单的“质量部门的花销”，而是由于没有第一次就把事情做对而产生的所有成本。它由四部分构成：

预防成本：为预防缺陷发生而投入的成本，包括培训、预防性维护、工艺设计评审、供应商辅导等。 这部分成本是主动投入的，质量圈公认它是回报率最高的投资。

鉴定成本：评估产品是否符合要求而发生的成本，包括检验、测试、质量审核、实验室费用等。鉴定本身不创造价值，它只是确认价值的存在。

内部失败成本：产品在出货前被发现不合格而产生的成本，包括返工、报废、停线损失、再加工等。这部分成本是纯粹的损失。

外部失败成本：产品在客户处发现不合格而产生的成本，包括退货处理、投诉处理、现场维修、失去客户信任的间接损失。 这是四种成本中影响最深远、代价最高的一类。

质量管控报告

为什么“预防投入”看起来贵，实际上最便宜

用数字说话。 一个典型的制造业质量成本分布大致是：预防成本5%，鉴定成本15%，内部失败成本25%，外部失败成本55%。 这个比例在不同行业有所差异，但外部失败成本通常占比最大。

1%不合格率的降低，在不同环节被发现，代价天差地别：

  • 内部返工：直接成本=工时+材料，假设单件损失100元

  • 外部退货：直接成本+运费+客户关系损失，假设单件损失500-2000元

  • 客户端故障：保修维修+商誉损失，假设单件损失3000-10000元

同等1%的缺陷率降低，发现环节越靠后，损失放大效应越明显。这正是预防成本的逻辑：花1元预防，可以节省10元内部失败成本、100元外部失败成本。

不合格率降低1%，能省多少钱

以一个月产100万件产品的组装线为例。 假设当前不良率2%，每月损失2万件，每件返工成本80元，加上停线和加班，每月质量损失约200万元。

不良率降低1%（从2%到1%），每月减少1万件不良，减少损失约80万元/月。全年接近960万元。这还没有计算外部失败成本的避免——如果不良品流到客户端，一次批量性质量问题可能带来数十倍于内部成本的损失。

这个算法有两个关键变量需要准确估计：单位缺陷成本和不良率基数。 不少公司算不清楚账，是因为缺乏这两个基础数据。不良率容易从MES或QMS系统提取，但单位缺陷成本（尤其外部失败成本）往往被低估——因为商誉损失的量化是最难的。

质量成本分析的价值：不只是算账

质量成本分析最重要的价值不是算出绝对数字，而是发现改进的杠杆点。

当质量成本构成呈现“预防成本过低、失败成本过高”的畸形分布时，意味着企业处于被动救火状态。 改进方向很清晰：加大预防投入，降低失败成本。

当预防成本已经较高但失败成本依然居高不下时，说明预防投入的方向有问题——钱花了但没花在刀刃上，需要重新审视预防措施的有效性。

持续追踪质量成本构成比例的变化，才是衡量质量改进项目真实效果的财务指标。不良率降低是现象，质量成本降低才是本质。

SPSSPRO QM：质量成本数据化与追踪工具

质量成本分析的前提是数据。没有系统化的缺陷数据收集和质量损失记录，质量成本分析就是空中楼阁。

SPSSPRO QM支持质量数据的结构化采集与分析，将内部失败数据（返工、报废、工时损失）与外部失败数据（客户投诉、退货）统一归集，结合不良率统计和过程能力分析，为质量成本的结构化分析和持续追踪提供数据基础。这件事，从选对工具开始。

即刻联系，开启你的数智化质量管理统计之路吧！