1 基本概念
1.1 定义
返工率是指在产品、工序或服务首次完成后，由于未满足既定要求而需要再次加工、修正或重做的比例。它反映了对象在首次交付时未达到预期标准的程度，也常用于衡量流程中的质量损失。
1.2 指标含义
返工率不仅表示“需要返工的数量有多少”，还间接体现了生产组织、工艺稳定性、检验有效性和管理协同水平。返工率偏高，通常意味着前序环节存在偏差，可能带来额外工时、材料消耗和交付压力。
1.3 与相关质量指标的区别
返工率与不良率、报废率、一次合格率等指标经常一起使用，但它们关注的对象并不相同。返工率强调“能否通过再次处理恢复合格”，而其他指标更多反映缺陷发生、损失程度或首次达标情况。
1.3.1 与不良率的区别
不良率通常指检出不符合要求的产品或服务占比，重点在于“发现了多少问题”。返工率则强调这些问题是否导致再次加工，因此二者并不完全等同。某些不良品可能直接报废，也可能通过返工恢复合格。
1.3.2 与报废率的区别
报废率表示因缺陷严重、修复不经济或无法修复而被直接淘汰的比例。返工率对应的是仍具备修正价值的对象，二者都属于质量损失，但报废率通常意味着更高的资源浪费和更大的损失程度。
1.3.3 与一次合格率的关系
一次合格率指产品或服务在首次完成时即满足要求的比例，与返工率呈现反向关系。一次合格率越高，返工率通常越低；但两者统计口径未必完全对称，实际分析时仍需结合样本范围和判定标准。
1.4 适用范围
返工率适用于制造业、工程建设、信息处理、行政服务和客户服务等场景。凡是存在“首次完成—检验确认—必要时再次处理”的流程，均可将返工率作为过程质量与效率的参考指标。
2 计算方法
2.1 常见计算公式
返工率的计算方式可根据管理目标选择按件数、工时或成本统计。不同口径适用于不同场景，常见做法是将返工量除以对应总量，再换算为百分比。
2.1.1 按件数统计的返工率
按件数统计时，返工率通常表示返工件数占总处理件数的比例。其形式可概括为：返工率 = 返工件数 ÷ 总件数 × 100%。这种方法便于快速观察批次质量状况，适合离散型产品。
2.1.2 按工时统计的返工率
按工时统计时，返工率反映返工所消耗工时占总工时的比例。该口径更适合工序复杂、返工耗时差异较大的情形，因为它能体现返工对产能和排程的实际占用。
2.1.3 按成本统计的返工率
按成本统计时，返工率可表示返工成本占总成本或质量成本的比例。此方法更能反映经济影响，尤其适用于返工涉及材料损耗、人工重复投入和额外检验费用的场景。
2.2 数据来源
返工率统计依赖较完整的数据记录。为了保证结果可比，通常需要从生产、检验、工时和成本等多个系统中提取数据，并统一口径后再进行汇总。
2.2.1 生产记录
生产记录可提供产量、批次、工序流转和返工流向等信息，是计算件数型返工率的基础来源。若记录粒度足够细，还可用于识别返工集中发生的工段。
2.2.2 质量检验记录
质量检验记录能说明哪些对象因何种缺陷被判定为返工，以及返工后是否通过复检。它在分析缺陷类型、责任环节和返工原因方面具有较高价值。
2.2.3 工时与成本台账
工时台账和成本台账可用于统计返工引起的额外投入，包括人工、设备占用、物料消耗和外协费用等。对于强调经营效益的场景，这类数据尤为重要。
2.3 统计口径
返工率是否具有可比性，很大程度上取决于统计口径是否统一。若对象范围、时间区间或重复返工的处理方式不同，结果可能出现明显差异。
2.3.1 返工对象的界定
返工对象通常包括已经完成初次加工、但未达到要求而进入再次处理流程的产品或服务。若只是一般性的调整、补充说明或正常维护，则未必计入返工。
2.3.2 统计周期的设定
统计周期可以按日、周、月、批次或项目阶段设置。周期越短，越便于及时发现异常；周期越长，则更适合观察趋势和整体水平。实际应用中常结合管理节奏确定。
2.3.3 重复返工的处理方式
同一对象若多次返工，统计时可按件次、按批次或按最终对象计入。不同方法会影响指标结果，因此必须在报表制度中预先说明，以免造成解读偏差。
3 影响因素
3.1 设计因素
设计阶段若存在缺陷，往往会在后续制造或服务过程中放大为返工问题。设计越复杂、要求越模糊，返工风险通常越高。
3.1.1 产品设计变更
频繁设计变更会打乱已有工艺和作业节奏，使已完成或在制对象需要重新处理。若变更未及时同步到现场，返工现象更容易发生。
3.1.2 图纸与工艺不一致
图纸要求与工艺文件不一致时，现场人员容易按照错误信息操作，导致成品偏离要求。这类问题常表现为批量性返工，且排查周期较长。
3.2 制造因素
制造过程中的设备、参数和人员差异，是返工率波动的重要来源。过程越不稳定，返工通常越频繁。
3.2.1 设备精度不足
设备精度下降会直接影响尺寸、外观或装配质量，使产品更容易超出允许范围。若缺乏定期维护和校准，返工可能呈现持续性上升。
3.2.2 工艺参数波动
工艺参数若不能稳定控制，产品质量就会随批次变化而波动。温度、压力、速度、时间等参数偏离最佳区间时，返工概率往往提高。
3.2.3 作业人员技能差异
不同操作人员对流程理解、熟练度和判断能力存在差异，可能导致同一工序结果不一致。技能水平不足或交接不清，也容易引发返工。
3.3 检验因素
检验环节如果标准不明确或覆盖不充分，问题可能在后段暴露，造成返工增加。检验本身既是筛查手段，也会影响返工统计结果。
3.3.1 检验标准不清晰
当判定标准模糊时，不同检验员可能给出不同结论，导致返工边界不稳定。标准不统一还会使返工决策缺乏一致性，增加管理成本。
3.3.2 过程检验遗漏
过程检验不到位，可能让早期缺陷一路流转到后工序或终检阶段，最终集中返工。相比及时发现，事后返工往往代价更高。
3.4 管理因素
管理层面的协调、物料和沟通问题，也会直接影响返工率。许多返工并非单点失误，而是多个环节共同作用的结果。
3.4.1 计划协调不足
计划安排不合理可能造成工序衔接混乱、资源等待或优先级冲突，进而增加重复处理的机会。排产频繁变动时，返工更容易伴随出现。
3.4.2 物料管理问题
物料错发、混料、缺料或批次标识混乱，常会引发装配错误或重复处理。对于依赖准确物料流转的流程，这类问题尤其敏感。
3.4.3 现场沟通不畅
若信息传递不及时，现场人员可能依据过时要求作业，导致成果不符预期。沟通不足还会使异常未被及时反馈，扩大返工范围。
4 返工类型
4.1 轻度返工
轻度返工通常指无需大幅拆解，仅通过局部修整、补涂、微调或简单修正即可恢复合格的情况。这类返工对周期影响较小，但若频繁出现，仍说明过程存在不稳定因素。
4.2 局部返工
局部返工是指仅对产品、工序或服务中的某一部分重新处理，例如某个部件重装、某个步骤补做。它常见于缺陷范围明确、修正路径清晰的场景。
4.3 全面返工
全面返工指对象需要按较完整流程重新处理，甚至接近重新生产或重新执行。此类返工成本较高，也通常意味着前期问题较严重。
4.4 重复返工
重复返工是指同一对象因同一或相近问题多次返回处理环节。它往往反映根因未被消除，属于管理上需要重点关注的异常类型。
4.5 临时返工与正式返工
临时返工多发生在现场快速补救阶段，目的在于先满足交付或使用要求；正式返工则通常依据明确流程、记录和审批进行。二者在管理深度、追溯要求和成本核算上存在差别。
5 行业应用
5.1 制造业中的返工率
制造业是返工率应用最广的领域之一。由于工序连续、批量明显，返工率常用于监控产线质量、设备状态和人员操作稳定性。
5.1.1 机械加工
在机械加工中，尺寸超差、表面质量不良或装配不顺都可能导致返工。返工率可帮助识别刀具磨损、夹具偏差或工艺参数设置不当等问题。
5.1.2 电子装配
电子装配中常见的返工包括焊点修补、元件重装和线路纠错。由于零件小、工序细，返工率的细微变化也可能反映较大的过程波动。
5.1.3 食品加工
食品加工中的返工多与包装错误、标签错误、外观不符合或流程调整有关。由于卫生和安全要求较高，部分问题不适合返工，统计时需要特别谨慎。
5.2 建筑与工程项目中的返工率
工程项目中的返工率常用于衡量施工质量、图纸执行情况和协调效率。与制造业不同，工程返工往往更受现场条件和多方协同影响。
5.2.1 施工质量修正
施工中若出现尺寸偏差、安装不牢或工艺不达标，通常需要返工修正。此类返工不仅增加成本，还可能影响后续工序的展开。
5.2.2 设计变更引发的返工
项目实施过程中，设计变更若未及时传递到现场，已完成部分可能需要拆改或重做。工程返工因此常与变更管理和信息同步效率密切相关。
5.3 服务业中的返工率
服务业中的返工率主要体现为重复处理、重新录入或重新办理等形式。虽然不涉及实体产品，但同样会消耗时间并影响客户体验。
5.3.1 单据修正
单据填写错误、信息遗漏或格式不符，常导致重新修正提交。此类返工看似轻微，却会影响审批效率和业务流转速度。
5.3.2 流程重办
当流程因材料不全、步骤错误或系统录入问题被退回时，通常需要重办。流程重办的多少，可反映服务规范化程度。
5.3.3 客户投诉后的补救
在客户投诉后，服务方可能需要重新处理订单、补发资料或更正结果。此类返工与服务质量、响应速度和客户满意度关系密切。
6 影响与后果
6.1 成本增加
返工直接带来人工、材料、设备占用和管理成本的增加。若返工频繁，还会压缩正常生产或服务的利润空间。
6.2 交期延误
返工会占用原本用于新任务的时间，导致排程后移。对于交付周期紧张的项目，返工往往是延期的重要诱因之一。
6.3 资源浪费
返工意味着已投入资源无法一次性产生预期价值，容易造成重复消耗。若问题长期得不到解决，浪费会在多个环节累积。
6.4 质量信誉受损
较高的返工率通常会削弱外部对质量稳定性的信任。对客户而言，返工往往意味着交付不可靠，也可能降低后续合作意愿。
6.5 员工负荷上升
返工会增加一线人员的重复劳动和心理压力，甚至引发赶工和加班。长期如此，不利于团队士气和现场秩序。
7 降低返工率的方法
7.1 标准化作业
通过统一操作方法、判定规则和流程节点，可以减少人为差异带来的返工。标准化越充分，过程越容易稳定。
7.1.1 作业指导书完善
清晰、可执行的作业指导书有助于减少理解偏差，使员工按照一致方法操作。若文档与现场脱节，则难以真正降低返工。
7.1.2 关键工序标准化
对影响质量结果的关键工序进行重点标准化，能更有效地控制返工源头。此类工序往往需要明确参数、顺序和确认点。
7.2 过程控制
在生产或服务过程中及早发现异常，往往比事后返工更高效。过程控制的核心，是把问题拦截在更靠前的位置。
7.2.1 首件确认
首件确认用于在批量开始前验证工艺、设备和操作是否满足要求。若首件未通过即进入批量阶段，后续返工风险会明显上升。
7.2.2 过程巡检
过程巡检可在执行中及时发现偏差，避免问题扩散。它适合连续性强、风险较高或返工代价较大的工序。
7.2.3 统计过程控制
统计过程控制通过数据监测过程波动，识别异常趋势，从而在失控前采取措施。它强调用趋势管理替代单点事后处理。
7.3 设计改进
从源头优化设计，是降低返工率的重要路径。若设计本身更合理，制造和检验环节通常也会更顺畅。
7.3.1 可制造性设计
可制造性设计强调让产品更容易被稳定生产，减少复杂结构和敏感公差带来的问题。设计阶段若兼顾工艺能力，返工率往往更低。
7.3.2 可检验性设计
可检验性设计关注如何方便准确地识别质量状态。若检验条件清晰、测量方式简便，问题更容易被及时发现并处理。
7.4 人员培训
人员能力和质量意识直接影响操作准确性。培训并不只是传递知识，也是在降低执行波动。
7.4.1 技能培训
技能培训可提高员工对设备、工艺和异常处理的熟练度，减少因操作失误造成的返工。对新员工和岗位变动人员尤其重要。
7.4.2 质量意识培训
质量意识培训有助于让员工认识到细微偏差也可能引发返工，从而增强自检和互检意识。良好的质量文化通常能减少低级错误。
7.5 设备与工装改善
设备状态和工装条件会直接影响加工精度和操作稳定性。通过改善装备基础，能够降低系统性返工。
7.5.1 精度校准
定期校准可保持设备和测量工具的准确性，减少因偏差积累导致的返工。对于精密加工和关键检验环节尤为必要。
7.5.2 防错装置
防错装置通过结构限制、逻辑提示或自动识别，减少错误操作发生概率。它适合装配、领料、排序和文件处理等多种场景。
8 管理与分析工具
8.1 帕累托分析
帕累托分析可用于识别返工最集中的缺陷类型或工序环节，帮助管理者优先处理影响最大的因素。该方法强调抓主要矛盾，而非平均用力。
8.2 鱼骨图分析
鱼骨图适合系统梳理返工原因，从人、机、料、法、环、测等维度展开。它有助于把零散现象转化为结构化问题清单。
8.3 5Why分析
5Why分析通过连续追问“为什么”来逼近根因，避免只停留在表面纠正。它常用于重复返工和典型异常的原因追溯。
8.4 控制图
控制图能够展示返工率随时间变化的波动情况，识别是否出现异常失控。对于持续监测和趋势判断，它是一种常见工具。
8.5 返工率KPI管理
将返工率纳入KPI管理，有助于推动部门关注过程质量和改进闭环。但指标设置应避免只追求数值下降而忽视真实问题，否则可能造成统计失真。
9 相关概念
9.1 返修
返修通常指对出现缺陷的对象进行修补，使其恢复可用状态。与返工相比，返修更强调局部修补，且常见于成品或设备维护场景。
9.2 重做
重做是指将原有工作重新执行一次，通常在原结果无法直接修正时采用。它比一般返工更接近重新开始，成本也往往更高。
9.3 一次通过率
一次通过率表示对象在首次检查或验收中直接通过的比例，是衡量过程稳定性的常用指标。它与返工率互为参照，通常一起分析更有意义。
9.4 直通率
直通率指对象不经过返工、返修或额外处理而直接流转至下一环节的比例。该指标更能体现流程顺畅程度和效率水平。
9.5 质量成本
质量成本是与预防、鉴定和故障相关的总成本，其中返工成本属于故障成本的重要组成部分。分析质量成本时，返工率常被视为关键输入之一。
10 典型应用场景
10.1 生产线日报分析
生产线日报中常会统计当日返工件数、返工工时和主要原因，用于快速识别当天的异常点。该做法便于现场即时调整和班次间交接。
10.2 质量月报统计
质量月报通常汇总返工率趋势、TOP缺陷、责任工序和改善进展，以便管理层观察阶段性变化。月度统计更适合做横向比较和长期跟踪。
10.3 供应商绩效评估
在供应商管理中，返工率可用于衡量来料质量、交付稳定性和配合程度。若某供应商相关返工持续偏高，往往需要进一步审核其过程能力。
10.4 项目复盘与持续改进
项目结束后，通过回顾返工率及其原因，可以识别流程中的薄弱环节，为后续项目提供改进依据。复盘不仅关注结果，也重视过程中的协同效率。