惠州博罗有家做饲料的工厂，老板最近发现一个问题：不同批次的原料合格率波动很大。有的批次合格率百分之九十八，有的批次只有百分之八十五。他查了原因，发现不是原料本身有问题，是检验标准执行不一致。

问题出在检验员身上。厂里有三个检验员，每个人的检验习惯不一样。老检验员经验多，检验严格，合格率低；新检验员经验少，检验宽松，合格率高。三个检验员测同一种原料，结果能差出五个百分点。

我让他把三个检验员的检验记录全部拉出来对比，发现一个规律：蛋白质含量检测，老检验员普遍报低两个点，新检验员普遍报高两个点。原因查出来是检测方法不一样——老检验员用凯氏定氮法，新检验员用红外法。两种方法结果本来就有差异，但没有人统一。

我们帮他做企业AI落地的第一步，是统一检验方法，规定所有原料必须用同一种方法检测，不同方法的结果要换算到同一基准。第二步是建立检验标准数据库，把每种原料的合格标准、检测方法、判定规则全部录入系统。第三步是建立检验员校准机制，定期用标准样品检测，确保不同检验员结果一致。

你现在就可以做一个动作：把你工厂所有检验员的检验记录找出来，对比同一种原料的不同检验结果。如果结果差异大，说明你的检验标准执行不一致。

合格率波动不是原料的问题，是检验标准的问题。

记住这一句：标准不统一，合格率就是运气

"企业AI落地：惠州饲料厂的原料检验，为什么合格率波动大"

转发理由：这条说透了合格率波动大的根因，转发给管质量的负责人。

可抄作业

第一步：统一检验方法，不同方法结果换算到同一基准

第二步：建立检验标准数据库，录入所有原料的合格标准

第三步：建立检验员校准机制，定期用标准样品检测

第四步：每月分析检验员数据差异，找出偏差原因

检验标准统一后，不同批次的原料质量可比性大幅提高，采购验收和供应商管理都有了明确依据。

检验标准统一后，不同批次的原料质量可比性大幅提高，采购验收和供应商管理都有了明确依据。数据可比性是企业决策的基础。

关于纵横有道

纵横有道管理咨询，专注中小企业利润增长与企业AI落地。公众号对话框发送对应关键词，获取落地SOP。