失败抬高每一次成功的成本

不在家催生另一次尝试

不在家是指包裹到了却无人接收，于是产生了第二次运送。主管部门的说明页面援引其抽样调查，2024 年 4 月一轮的再配送率约为 10.4%，2024 年 10 月约为 10.2%。它把十分之一左右的比例折合为约 60,000 名司机一年的劳动，并引用约 254,000 吨二氧化碳作为主管部门对 2020 财年的估算。该页面上 2022 年的一项部门调查发现，约五分之一的原因是收件人不知道有包裹要送到。阅读这些数字时，请都附上日期。

比率变了。一份日期为 2026 年 7 月 10 日的部门新闻稿报告，在 2026 年 4 月对主要快递企业的抽样中，再配送率约为 7.6%，比 2025 年 10 月的抽样低 0.7 个百分点。由于这个序列在变动，不要把旧的比率冻结为现在的比率。自己用 7.6% 去换算 60,000 名司机的数字，并把结果称为新的官方人数，同样是草率的。让那个劳动力换算留在假设比例接近十分之一的那个页面里。把更新的比率作为更新的比率来引用。

把其他失败放进同一列。误投产生取回、正确的第二次尝试和投诉。破损产生重新包装、重新发货，有时还有间接损失。保险对这种模式定价。投诉消耗的是一个负责修复信任、而不是搬运箱子的人的时间。对飞行器来说，不能飞的一天不是廉价的暂停。节点和班次仍然要付钱。正如货车遇到不在家会产生另一趟，取消会一下子砍掉当天的成功次数分母。下一节把这种削减作为比率问题单独讨论。

除以成功率，尝试就变贵

设 c 为一次尝试的成本，p 为该次尝试成功的概率。如果失败后重试且各次试验相互独立，那么每完成一次配送的期望尝试次数是 1 除以 p。每次成功的尝试成本是 c 除以 p。这是近乎定义的算术，不是市场测量值。举例来说，如果 p 为 0.95，每次成功的尝试次数约为 1.05；如果 p 为 0.70，则约为 1.43。尝试成本上升约 36%，这还没算理赔、退款和流失的顾客。这 36% 只是 1.43 与 1.05 之比减一。

不重试也是一种选择。您省下第二个架次，却要吞下退款和失去的销售。最小值不是“总是重试”，而是重试成本与放弃成本中较小的那个。放弃的成本包括您在单张发票上看不到的声誉。把声誉设为零的假设必须标注为假设。不加说明地把它设为零，是隐瞒。顾客失败一次就离开的生意，与顾客下周还会回来的生意，在同样的 p 下面对的放弃成本并不相同。

这套算术所暗示的设计是：提高 p 可能比提高巡航速度更便宜。已确认的收件人、真实存在的降落点、提前取消而不是起飞后中止的天气门槛：这些不如速度耀眼，却直接缩小 1 除以 p。如果速度降低了 p，每次成功的成本可能上升。快速的失败可能比缓慢的成功更贵。这不是口号，而是除法的方向。只有在您把自己的 c 和 p 作为假设写下之后，才去判断它。

成本与工期的并排比较，见检测指南中的用 360° 无人机进行桥梁检测的成本与工期比较。

同时到来的失败困住固定成本

相互独立的失败，比如一个错误地址或一架有故障的飞行器，可以在机队范围内部分平均化。同时到来的失败则不能。一个刮风的下午、一片关闭的空域或一个断电的站点，会同时停下许多架次。固定成本被困住了。下一个可飞的窗口继承了积压，带来加班、迟交罚款，以及第二波不在家，因为等待过的人已经不在了。把独立失败与相关失败压缩成一个词“失败率”，您就会把储备放在错误的地方。

抽样调查是地面上不在家情况的一幅图景。单个家庭接近独立。同一时刻空无一人的通勤街区接近相关。飞行器带来一种货车较少感受到的相关性，因为巢站停飞时，货车往往还能慢慢前行。在没有问清什么会让整个巢站停下之前，不要把货车的完成率搬进飞行器计划。您可以搬来的是结构，即不在家产生第二次尝试。您不能搬来的是百分比本身。

2018 年《Nature Communications》那篇论文提醒我们，它建模的小型多旋翼机航程短，所以一次错失的投递很少只是长途巡回中的一小段绕行，而往往是整个架次。把它与 1 除以 p 放在一起，一次失败的投递相对于您以为买到的巡航而言是昂贵的。把抽样调查的 7.6% 或 10% 直接塞进那个 p 同样草率。那些是货车的再配送率，不是您的飞行器的成功率。把 p 作为单独的假设放在一边。然后问一问，在相关失败的日子里，分母是否会一下子全部消失。

整个机队停飞的日子，大多由风决定。典型限值及其读法，见无人机能在多大的风中飞行（Airffic World）。