项目交付物合格率适合验收标准清晰、可逐件判定、批量或重复产出的交付物，例如需求文档、设计说明、接口文档、测试用例、代码提交、配置项和标准化交付包；也适合用在交付前评审、阶段关口、批量抽检和供应商来料验收等场景。它反映的是“符合既定标准的比例”，对探索性、一次性创意成果和标准尚未稳定的早期阶段参考价值有限，需要与缺陷密度、返工率等指标配合使用。
要点总览（TL;DR）
- 合格率适合验收标准清晰、可逐件判定、批量或重复产出的交付物，如需求文档、设计说明、接口文档、测试用例、代码提交、配置项和标准化交付包。
- 典型使用场景包括交付前评审与阶段关口放行、批量抽检与到货验收、迭代或批次交付的质量趋势观察、整改后的复检确认。
- 采用前需要准备检查项清单、抽样规则与统计单位、检查人与复核人、不合格原因分类，投入集中在启动阶段。
- 探索性创意成果、标准尚未稳定的早期阶段、样本量过小、需要判断缺陷严重度与过程能力时，建议暂缓使用合格率。
- 合格率不反映缺陷严重度和返工成本，需与缺陷密度、返工率、评审问题分布、缺陷严重度分布配合使用。
什么条件下值得用交付物合格率
合格率的基本口径是合格件数除以受检件数。这个比例本身很简单，真正决定它是否有用的是三个前提：标准可判定、批量可计数、结果可复核。三者同时成立时，合格率能成为一个稳定的质量观察指标；缺少任何一项，数字就容易变成形式记录。
标准可判定，指每件交付物都有明确的检查项和通过条件，不同检查人按同一份标准能得出相同结论。批量可计数，指交付物以件、份、个或批次为单位重复产出，受检对象有清晰边界，不会因为拆分口径不同导致分母变化。结果可复核，指检查记录保留判定依据，事后可以回溯某件交付物为什么被判为合格或不合格。
以下三类情形通常值得采用合格率：一是同类交付物持续批量产出，需要观察整体符合程度；二是交付物进入评审或关口前，需要给出放行依据；三是外部来料或标准化交付包需要按批次验收。反之，当验收标准仍在讨论中、受检样本只有两三件、或者交付物本身每次结构都不同，合格率的分母和判定口径都不稳定，结论不宜作为管理依据。
合格率解决的质量管理问题与作用机制
合格率针对的核心问题是交付质量难以横向比较和持续跟踪。没有统一口径时，质量判断往往停留在“这份文档写得还行”“这次评审问题不少”的印象层面，不同项目、不同批次之间无法对照。合格率把每件交付物按检查项逐项判定，再汇总为比例，使质量状态可以用同一把尺子衡量。
它的作用机制体现在三个方面。第一，把主观印象转为可统计的比例，让项目经理和质量角色看到某一类交付物在一段时间内的符合程度，而不是依赖个别评审人的感受。第二，暴露标准执行偏差和批量性问题。当某一类交付物合格率明显低于其他类型，或者同一类型连续多个批次下降，通常说明检查标准未被理解、模板本身有缺陷，或者上游输入存在问题，这些线索比单件返工更能指向系统性原因。第三，为关口放行和整改提供依据。阶段评审时，合格率及不合格项清单可以作为“是否进入下一阶段”的参考材料；整改后复检的合格率变化，则能说明整改是否覆盖了同类问题。
需要说明的是，合格率回答的是“符合标准的比例”，不回答“缺陷有多严重”。同样是不合格，缺少一个章节标题和接口参数错误对交付的影响差别很大，因此合格率需要与不合格原因分类一起记录，才能支撑后续判断。
适合纳入合格率统计的交付物类型
判断某类交付物是否适合纳入合格率，可以看两个要点：是否有可逐项核对的检查清单，以及是否能以稳定单位计数。下表按交付物类型给出适用性判断、合格判定依据和统计单位，便于项目按自身交付物清单对照选用。
| 交付物类型 | 典型对象 | 合格判定依据 | 统计单位 | 适用性说明 |
|---|---|---|---|---|
| 文档类 | 需求规格、设计说明、接口文档、用户手册 | 文档模板检查项、评审意见关闭情况、必备章节与字段完整性 | 份或章节 | 适合。检查项明确、批量产出时可统计；章节级统计适合长文档 |
| 工程类 | 代码提交、配置项、构建产物、部署包 | 代码规范检查、配置基线核对、构建与部署检查项 | 提交、配置项、构建批次 | 适合。需先固定检查规则，避免不同检查人标准不一 |
| 测试类 | 测试用例、测试报告 | 用例覆盖要求、步骤与预期结果完整性、报告要素齐全 | 条或份 | 适合。用例数量大，适合按批次统计；报告适合按份判定 |
| 标准化交付包 | 版本发布包、交付文档包、培训材料包 | 交付清单逐项核对、版本一致性检查 | 包或批次 | 适合。清单式验收与合格率口径天然匹配 |
| 供应商来料 | 外购组件、外包交付物、第三方文档 | 合同或协议约定的验收检查项 | 批次或件 | 适合。需在验收前确认抽样规则和判定责任方 |
文档类交付物适合按份统计，长文档也可以按章节拆分统计，但拆分口径需要在项目内统一，避免同一文档在不同批次被计入不同分母。工程类交付物适合按提交或配置项统计，前提是检查规则已经固化为可执行的检查项，否则合格判定容易退化为检查人主观判断。测试用例适合按条统计，测试报告适合按份统计，两者不宜混在一个合格率里。标准化交付包和供应商来料适合按批次统计，验收清单本身就是判定依据，落地成本相对较低。
适合使用的质量管理场景
合格率在单项目质量控制中有四类典型使用场景，各自的使用要点不同。
- 交付前评审与阶段关口放行。在交付物提交评审或进入下一阶段前，按检查项逐件判定，汇总合格率和不合格项清单。使用要点是提前公布判定标准，评审结论与合格率记录对应，避免关口放行时临时补充标准。
- 批量抽检与到货验收。对批量产出的文档、配置项或供应商来料按抽样规则抽取样本，统计样本合格率。使用要点是明确抽样比例和拒收条件，样本量过小时只作参考，不直接推断整批质量。
- 迭代或批次交付的质量趋势观察。按迭代或交付批次记录同类交付物的合格率，观察连续几个批次的变化。使用要点是保持统计单位和判定标准一致，标准调整时在记录中注明，避免趋势被口径变化干扰。
- 整改后的复检确认。针对不合格项完成整改后，对同类交付物再次检查，对比整改前后的合格率和不合格原因分布。使用要点是复检范围覆盖同类问题，而不只是复查被点名的几件。
这些场景的共同点是检查发生在交付物形成之后、正式交接或放行之前，合格率作为判定材料的一部分参与决策。合格率统计依赖检查项、评审记录和整改跟踪的完整留存。在 ONES 中，项目计划可以按交付物或项目阶段分解工作，并用里程碑标记重要决策点；评审记录、检查结果和整改项可以在工作项与项目流程中持续记录，效能管理提供交付质量等维度的分析能力，便于按批次查看质量数据。具体指标口径仍需项目按自身检查标准定义。
投入与前提：统计合格率需要准备什么
合格率统计的投入主要不在计算，而在判定标准和记录机制。开始统计前，需要完成以下准备：
- 明确合格判定标准与检查项。为每类纳入统计的交付物列出检查项清单，每项给出通过条件。检查项宜少而明确，覆盖关键质量要求，避免把主观评价写成检查项。
- 确定抽样规则与统计单位。明确是全检还是抽检、抽样比例多少、以件还是以批次为统计单位。统计单位一旦确定，在同一观察周期内保持不变。
- 指定检查人与复核人。检查人负责按清单判定并记录依据，复核人负责抽查判定一致性，处理有争议的判定。角色可以兼任，但判定和复核不宜由同一人完成。
- 记录检查结果与不合格原因。每件受检交付物记录判定结果、不合格项和原因分类。原因分类建议提前定义，例如完整性缺失、格式不符、内容错误、版本不一致，便于后续汇总分析。
这些准备的成本集中在启动阶段。检查项清单可以复用既有评审 checklist，抽样规则可以按交付物批量大小分档设置。记录环节如果依赖手工表格，长期维护成本较高；把检查项和判定结果放到项目工作项或评审流程中记录，可以减少重复录入，也便于按批次汇总。
哪些情况应暂缓使用合格率
合格率并非在所有阶段都值得投入。以下情形建议暂缓，改用其他方式判断质量：
- 探索性、一次性创意成果。方案构思、原型探索、创新设计等交付物每次结构和目标都不同，难以形成稳定检查项，合格率的分母和判定标准都缺乏可比性。
- 标准尚未稳定的早期阶段。当验收标准还在讨论、检查项频繁调整时，统计出的合格率反映的是标准变化而非交付质量变化，容易误导判断。建议先稳定标准，再开始统计。
- 样本量过小。受检件数只有几件时，一件不合格就会让比例大幅波动，合格率不具备统计意义。小样本场景更适合逐件评审并记录问题。
- 需要判断缺陷严重度与过程能力时。合格率只区分合格与不合格，无法说明缺陷的影响程度，也无法反映过程的稳定性和波动。这类判断需要缺陷分级、过程能力分析等专门方法。
暂缓使用不等于放弃质量检查。在上述情形中，仍然可以通过评审记录、问题清单和专家判断来控制质量，待交付物类型和标准稳定后再引入合格率统计。
单一指标的局限与配套指标
合格率作为单一指标有三方面局限。第一，它不反映缺陷严重度。两批交付物合格率相同，一批不合格项是缺少附录，另一批是核心参数错误，对项目的影响完全不同。第二，它掩盖返工成本和过程波动。合格率相同的两个迭代，一个通过一次评审即达标，另一个经历多轮返工后才达标，过程效率差异很大，合格率本身看不出来。第三，合格率不能替代测试执行结论。测试用例合格率高，说明用例文档符合编写标准，不代表被测系统的功能质量。
因此，合格率适合作为质量观察的入口指标，配合以下指标一起使用：
| 配套指标 | 补充说明的问题 | 使用建议 |
|---|---|---|
| 缺陷密度 | 单位交付物中的缺陷数量，反映问题集中程度 | 与合格率按同一统计单位计算，便于对照 |
| 返工率 | 因不合格而返工的交付物比例或返工工时占比 | 观察合格率背后的返工成本 |
| 评审问题分布 | 不合格原因的分类占比，指向系统性问题 | 按原因分类汇总，识别高频问题类型 |
| 缺陷严重度分布 | 不合格项的影响等级 | 与合格率同时呈现，避免比例掩盖严重问题 |
指标组合的原则是：合格率回答“符合标准的比例”，缺陷密度和严重度分布回答“问题有多重”，返工率回答“达标付出了多少代价”，评审问题分布回答“问题集中在哪里”。四类信息放在一起，才能支撑质量改进决策。
如何小范围试点验证合格率
在全面推行合格率统计前，建议先在一个项目、一类交付物上试点，验证数据是否可得、判定是否一致、结果能否驱动整改。
试点范围选择批量产出稳定、检查项相对成熟的交付物类型，例如需求文档或测试用例，在一个交付周期内统计。观察周期建议覆盖至少两到三个交付批次，以便看到趋势而非单点数据。试点前记录基线，包括当前的评审问题数量、返工情况和交付周期，作为后续对比参照。
试点期间重点观察三件事：数据是否可得，即每件受检交付物都能记录判定结果和依据，不依赖事后补录；判定是否一致，即不同检查人对同一交付物的判定结论基本一致，争议比例可控；结果能否驱动整改，即不合格原因汇总后能指向具体的改进动作，例如补充模板章节、调整评审重点或加强上游输入检查。
试点结束后的决策点可以设为：三项观察均达到预期，则将合格率纳入该类交付物的常规质量记录，并逐步扩展到其他类型；判定一致性不足，则先修订检查项和判定说明；数据记录成本过高，则调整统计单位或抽样规则，再评估是否继续。试点结论应基于实际记录，不以单次合格率高低作为推广依据。
常见问题
同一类交付物在不同批次用了不同的统计单位，合格率还能横向比较吗？
不能直接比较。统计单位变化会改变分母的构成，例如同一批需求文档，一次按份统计、一次按章节统计，得到的比例含义不同。建议在同一观察周期内固定统计单位，确需调整时在记录中注明调整时间和原因，并把调整前后的数据分开呈现，避免趋势被口径变化干扰。
抽样检查时样本量多少才算够，小样本合格率怎么用？
样本量取决于批次大小和可接受的风险水平，项目可以按交付物批量分档设置抽样比例。样本只有几件时，一件不合格就会让比例大幅波动，此时合格率只适合作参考，不宜直接推断整批质量。更稳妥的做法是对小样本逐件评审并记录问题清单，等批量稳定后再引入比例统计。
合格率统计和测试执行结论是什么关系，能否互相替代？
两者回答的问题不同。测试用例合格率高，说明用例文档符合编写标准；测试执行结论说明被测系统的功能表现。合格率不能替代测试执行结论，测试执行也不能说明文档类交付物的编写质量。在阶段关口评审时，可以把交付物合格率与测试执行结果并列呈现，分别支撑文档质量和系统质量的判断。
检查人和复核人由同一人兼任可以吗？
可以兼任，但判定和复核由同一人完成时，一致性检查就失去了作用。更常见的做法是检查人按清单判定并记录依据，复核人定期抽查判定结果、处理有争议的判定。团队规模较小时，复核可以按批次抽查而非全量复核，重点是确认不同检查人对同一标准的理解一致。
试点期间合格率一直很高，是否可以直接全面推广？
不建议仅凭合格率高低决定推广。试点要观察的是数据是否可得、判定是否一致、结果能否驱动整改这三件事。合格率很高但判定争议多，说明标准还不够清晰；合格率很高但从未触发任何整改动作，说明指标没有真正参与质量改进。三项观察都达到预期，再考虑扩展到其他交付物类型。
