良品率、直通率、一次合格率的区别,首先取决于是否计入返工合格品,以及统计单个工序还是整个流程。一次合格率通常对应FPY,只计首次按规定流程完成且合格、未经过返工或失败后重测的产品;“直通率”在一些报表中就是这个含义,也可能指全流程无返工通过的比例。“良品率”则必须注明是首次还是最终判定口径,不能只凭名称认定公式。

先确认口径,三种名称不一定是三个不同指标
ASQ把首次通过率定义为不经返工、重复运行、失败后重测等就满足质量要求的产品比例。Minitab也将throughput yield与first pass yield关联。因此,不能硬性规定“直通率一定不同于一次合格率”。真正需要问清的是分子、分母、返工规则和流程起止点。
| 本文使用的指标 | 回答的问题 | 返工后合格是否计入 |
|---|---|---|
| 一次合格率/首次通过率(FPY) | 进入指定工序或流程的产品,有多少第一次就通过? | 不计入首过合格分子 |
| 最终良品率 | 同一批投入最终得到多少合格品? | 本篇明确计入符合原质量要求的返工合格品 |
| 全流程无返工通过比例/滚动直通率(RTY相关口径) | 有多少产品经过全部规定工序都没有失败或返工? | 不计入无返工通过分子 |

以下算例采用同批次、按件计数的完整记录,不发生产品拆分或合并。本文的最终良品率用该批投入件数作分母;如果某张报表只统计送检或完工产品,那是另一种范围,必须标明。关于指标在体系中的用途,可结合制造业质量管理理解。
同样1000件,为什么能算出90%和96.6%?
假设某批投入1000件,首次合格900件,其余100件首次不合格。其中70件进入返工,最终66件恢复合格、4件报废;另外30件直接报废。所有产品均已完成判定,没有待检、在制或去向不明的记录。

一次合格率为 FPY = 首次合格件数 ÷ 投入件数 × 100% = 900 ÷ 1000 × 100% = 90%。最终良品率为 (900 + 66) ÷ 1000 × 100% = 96.6%。两者都正确,但回答的问题不同:前者反映首次加工与判定表现,后者包含返工恢复后的可用产出。
两者相差6.6个百分点,对应本例返工恢复的66件占原始投入的比例;它不等于返工率,因为实际进入返工的是70件,占7%。最终报废为34件,报废率3.4%。数量闭合关系是 900 + 66 + 34 = 1000。
即使返工后的产品满足同一质量要求,也不能把它们重新写进首次合格数。如果只保留最后一次测试结果,报表可能显示96.6%很好,却看不到首次不合格的100件和返工工作量。返工对现场资源的影响也可参照七大浪费中的不良返工。
多工序直通率为什么不能取平均值?
滚动直通率(RTY)关注产品不经缺陷与返工通过整个流程的结果。对于口径一致的串行流程,可将各步首过通过率相乘。下面只跟踪同一批产品中“到目前为止每一步都首次通过”的路径:某步未通过的产品退出这条统计路径,返工恢复也不重新加入,因此分母是进入该步的前序全通过数量。
| 步骤 | 进入本步的前序全通过件数 | 继续首次通过件数 | 本路径通过率 |
|---|---|---|---|
| A | 10000 | 9500 | 95% |
| B | 9500 | 9120 | 96% |
| C | 9120 | 8664 | 95% |

全流程通过比例为 95% × 96% × 95% = 86.64%,也等于 8664 ÷ 10000。三个工序都接近95%,并不意味着全流程还有95%,因为不同步骤都会使一部分产品失去全程首过资格。平均三个百分比无法得到这种结果。
实际系统的“工序FPY”可能包含不同批次、不同产品路线,或接收了上游返工后的产品。这样的三个比例不能不加核对就相乘,当成同一批产品的实际直通率。若已有逐件追溯记录,直接统计“全部规定工序均首次通过的唯一产品数÷同批投入数”,更容易核对;存在分流、合流、重测回路时,先说明路径和去重规则。
还有待检或在制品时,分母怎么处理?
尚未判定的产品不应直接归为不良,也不能悄悄从整批统计中消失。另设教学场景:投入1000件,目前900件首次合格、50件首次不合格、50件尚未完成首检。已完成首检的950件中,首检合格比例是 900 ÷ 950 ≈ 94.74%,但它不是整批最终结清后的FPY。

可在日报中并列展示已判定比例和未判定数量,批次结清后再计算该批完整FPY。若选择按当日完成的首检记录统计,也要明确其所属投入批次,不能把今天完成的历史在制品放进分子,却只用今天新投入的产品作分母。
哪些统计方式会让良率失真?
- 重复计件:同一产品返工两次,不能算成三个新投入产品。按产品唯一标识保留首次、返工和最终状态。
- 用缺陷数代替不良件数:一件产品可以有多个缺陷。计算按件的FPY,应统计不合格产品件数;缺陷事件数量用于另外的缺陷分析。
- 只保存最后一次合格结果:会抹去首次失败,无法区分原始过程表现与返工恢复。
- 不同批次百分比直接平均:合并口径相同的批次,应先相加合格件数和对应投入件数,再相除;样本量不同不能默认每批权重相同。
- 把正常多项检验当成重测:按规定流程完成多个不同测试,并不自动失去首过资格;关键是是否因失败或异常返工而重新执行,以及预先确定的判定规则。
质量报表至少保留哪些字段,才能支持改善?
建议把产品或批次标识、产品型号与路线、投入及首检时间、工序、首次结果、失败原因、返工记录和最终状态放在可关联的记录中。一次合格数应能追到首次结果,最终合格数应能区分直接合格与返工恢复;未结记录单独显示,不靠手工改百分比平账。

当最终良品率高而FPY较低时,应先拆分主要首次失败类型、发生工序和返工耗时,判断是否主要依靠返工维持交付。当FPY较高但最终良品率下降时,需要检查后续工序、损伤、批次范围或判定变化。在同一批完整统计下,含返工的最终良品率不应低于对应范围的首次合格率;若出现反向结果,先确认两指标是否实际上用了不同范围或后续要求。
改善不仅要看百分比升高,还要确认首过合格数量、报废、返工工时和质量要求有没有变化。降低检验要求或改变分母,也可能让数字变好,却不能证明生产过程更稳定。明确口径后,这些指标才能分别回答“第一次做得怎样”“最终能交付多少”和“全流程哪里损失最多”。
评论留言
暂时没有留言!