上个月一个朋友找我——某动力电池企业的质量总监，让我帮他们看看质量成本数据。

他说："我们COPQ占营收8.2%，老板让我降到5%以内，不知道怎么下手。"

我说："先把数据拆清楚。"

一、COPQ四分类模型

COPQ（Cost of Poor Quality）分四类：

他家的数据：

问题一目了然：钱花错了地方。

二、三个项目的DOE实战

我们用六西格玛方法论做了三个项目。

项目1：涂布工序气泡缺陷

问题：良率82%，气泡占不良32%

DOE设计：

# 三因素二水平全因子实验
# 因素A：涂布速度（1.0, 1.2）
# 因素B：浆料粘度（4500, 5200）
# 因素C：烘箱温度（85+110, 统一95）

import numpy as np
from pyDOE2 import ff2n

# 2^3全因子设计
design = ff2n(3)
print(design)
# 输出：8个runs的组合矩阵

实际跑了8组实验，ANOVA分析找到显著因子：A（涂布速度）和B×C交互效应。

最优窗口：

• 涂布速度：1.2 m/min

• 浆料粘度：4500 cP

• 烘箱温度：第一段85°C，第二段110°C

结果：良率从82% → 96.3%。年化收益数千万级。

项目2：来料检验优化

原来100%全检，47个检验员。

用Minitab做抽样方案设计：

# ANSI/ASQ Z1.4 单次抽样
# AQL = 1.0, Level II
# Lot size = 5000
# Sample size = 200, Ac=5, Re=6

改成智能抽检+关键参数全检后：

• 检验员：47人 → 28人

• 漏检率：0.8% → 0.3%

• 年省人工成本：数百万

项目3：供应商质量前置

对TOP10供应商做QSB审核+早期遏制。

来料不良率：3.2% → 0.8%。

年化节省：退货+索赔+换料 = 数千万。

三、COPQ优化结果

四、关键洞察

1. 六西格玛不是工具堆砌，是问题定义

很多企业一上来就学DOE、学SPC，但问题定义不清楚，工具越用越乱。先测COPQ，找到最大的浪费点，再选工具。

2. 数据系统是前提

这家企业能做成，是因为MES系统有完整数据。另一家企业数据靠人工记录，光是数据清洗就花了两个月。

3. 预防投入是杠杆

预防成本从3%提到合理比例，鉴定成本从47%压下来，内部外部失败双降。钱花对地方，比少花钱更重要。

五、自测工具

如果你也想测自家COPQ结构，可以用这个简易框架：

COPQ快速自测清单：

□ 预防成本占质量成本比例
  <5% → 裸奔，急需补课
  5-8% → 健康
  >10% → 可能过度

□ 鉴定成本占质量成本比例
  <20% → 可能不足
  20-35% → 健康
  >45% → 靠人堆，考虑自动化

□ 内部失败占质量成本比例
  <10% → 优秀
  10-20% → 可接受
  >30% → 利润在流血

□ 外部失败占质量成本比例
  <3% → 优秀
  3-8% → 需关注
  >10% → 埋雷

你家的COPQ结构是什么比例？欢迎在评论区分享。

---

关于作者：张驰咨询首席MBB顾问，25年企业变革项目实战经验，主导2000+家企业六西格玛导入。更多案例和方法论，可关注我们的知乎专栏。