每样本成本计算器

决定这个数字有没有意义的唯一输入是样品数，而且它必须是实际得到的数量，而不是预期的数量。一批的产出比计划少，付出的成本却仍然等于计划中那一批的成本，所以用计划数量去除会低估真实数字，而且缺口通常比算术所显示的更大，因为一次失败的尝试会消耗掉大部分物料。 收率百分比计算器 在做这一次除法之前，就把理论收率与实际收率的差别摆了出来。

还有一个相关的区别，是样品与测量之间的区别。作为质量控制检查而消耗掉的物料、留作参照的物料、留作备用的物料，花掉的钱一样不少，所以把它们计入分母得到的每次成本，比不计入时更低。两种约定都存在，也都不算错，但在两个项目之间混用，就会让两个数字无法互相比较，而这正好抵消了去算它们的全部意义。一批产出的规格混杂时，诚实的描述是一个平均值，而 回收率百分比计算器 适合先把这个过程实际产出了多少记下来。

用一个总数除以一个计数，得到的是均值，而均值对离散程度什么也没说。一批如果均分，均值是对任何一个单独样品的公允描述。如果它产出九个一种规格和一个另一种规格，均值描述的是一个并不存在的样品：低估了常见情形，又高估了少见情形。这不是计算上的缺陷，而是平均值的性质，也是为什么这个数字最好放在它所来自的批次总额旁边读，而那个总额由 批次成本计算器 给出。

让一个均值描述一个真实样品的办法，是把分母改成与问题相符的那一个。除以某一种规格的样品数，得到的就是该规格样品的成本。除以交付出的总量，并且用与物料相同的质量单位表示，得到的是每交付一毫克的成本，这是一个不同而且往往更有用的数字。两者都只是一次除法，而在它们之间做选择，取决于这个数字接下来要拿去和什么比较，而不是取决于哪一个更准确。

每次成本的表现方式，就好像批次里每一项成本都是固定的，而且每多做一个样品都不花任何成本。真实的批次总额里混着两类成本：不论批量大小都会发生的成本，以及每做一个样品就发生一次的成本，而这一次除法分不开它们。 批量放大计算器 做的正是那种假定每一项成本都这样表现的纯比例放大，所以它是把这个假定写出来而不是藏起来的合适地方。因此，一个带有一大笔一次性成分的项目，和一个带有一大笔可重复成分的项目，可能在完全不同的每次成本基础上给出同一个数字。

后果是，两个使用同一种物料的项目，在效率毫无差别的情况下，也可能给出差别很大的每次成本。其中一个可能背上了另一个没有的一大笔一次性成本，或者用同样的固定投入产出了多得多的样品。因为这里的算术分不开这两类成本，一个看起来很差的数字可能完全由分母来解释。把批次总额算扎实，把耗材和失败的尝试都包括进去，这才是让这次比较值得做的前提。在做除法之前把一个总额拆成固定部分和可重复部分，是看出究竟是哪一部分在驱动这个数字的唯一办法，而本页没有任何一个字段会替你做这个拆分。

除法本身很简单，所以全部的不确定性都坐在分子上。一个漏掉了失败的尝试、纯化、分析人员时间，或者那些没人开票的耗材的批次成本，会得到一个精确而错误的每次成本，这是最糟糕的组合。逐行列出清单，而不是估一个总数，这一步的全部价值就在于此；而 样品配制计算器 是一个合适的地方，可以在动手写清单之前先把一次配制消耗了什么逐项列出来。

在比较两个数字之前，货币是另一件必须先定下来的事。这里不做任何换算，所以结果用的是填入批次成本时所用的那个单位，而两个以不同货币报价的项目，在做除法之前必须先换算过来。等分子和计数都诚实之后，得到的是在某一个特定规模下生产一个单位的摊销成本，仅此而已。它是一个项目层面的数字，描述的是这一批，换到另一批就必须重新计算。