什麼是首次通過率(FPY)?
首次通過率(First Pass Yield,FPY),又稱「一次良率」或「首次良率」,是一項品質指標,用來衡量有多少比例的產品「一次就做對」——也就是不需任何重工、維修或報廢,就順利通過某道製程。相較於最終良率,FPY 是更誠實的製程健康指標,因為最終良率往往會把重工迴圈所造成的隱藏成本掩蓋掉。一條產線就算最終出貨率達到 100%,背後也可能默默重工了一半的產品;而 FPY 正好能把這種隱性浪費攤在陽光下。
如何使用本計算器
請輸入投入該製程的產品數量,以及一次就通過的數量(不需任何重工的良品)。計算器會自動算出 FPY 的百分比與比值、不良或重工品的數量,以及不良率。請注意:只有完全不需任何重工的產品,才能算作「一次通過」。
公式說明
FPY = 一次通過數量 ÷ 投入數量,再乘以 100 即為百分比。
$$\text{FPY} = \frac{\text{一次通過數量}}{\text{投入數量}} \times 100\%$$對於多道工序的製程,整體的滾動式產出良率(Rolled Throughput Yield,RTY)等於各工序 FPY 的乘積:\(\text{RTY} = \text{FPY}_1 \times \text{FPY}_2 \times \ldots \times \text{FPY}_n\)。由於良率是相乘的,即使每一道工序的良率都很高,經過多道工序累積後,整體 RTY 仍可能掉到偏低的水準。
實例演算
假設一條產線投入 1,000 件產品,其中 920 件一次就通過,80 件需要重工或被報廢。
$$\text{FPY} = \frac{920}{1{,}000} = 0.92 = 92\%$$不良率為 8%。若後續還有一道工序的 FPY 為 95%,那麼這兩道工序合計的 RTY 為 \(0.92 \times 0.95 = 0.874 = 87.4\%\)。
解讀您的 FPY 結果
首次通過率(First Pass Yield,FPY)是指單位產品在某個製程步驟或整體製程中,無需返工、修理或重新測試,即一次通過的比例。其補數 \(100\% - \text{FPY}\) 即為首次通過缺陷率。舉例來說,投入 1,000 件中有 933 件良品,則 \(\text{FPY} = \frac{933}{1000} \times 100\% = \)93.3%,這表示有 67 件(6.7%)需要返工或被報廢。
典型區間
| FPY | 通常代表的意義 |
|---|---|
| 低於 80% | 存在大量「隱形工廠」:很大一部分產能被用於返工、重新測試與報廢。成本、交期與變異都很高,根本原因分析通常是最優先的工作。 |
| 80–90% | 返工仍是沉重負擔。預期會有頻繁的返工循環、緩衝庫存與額外檢驗。對缺陷原因進行柏拉圖分析,通常能很快見效。 |
| 90–95% | 表現中等。返工明顯但尚可控制。現階段的改善來自鎖定少數主要的缺陷類型。 |
| 95–99% | 管制良好。返工與報廢量很少,但對於高產量或高價值產品,成本仍可能很高。要再改善,需要更嚴格的製程能力與防錯(防呆)設計。 |
| 99% 以上 | 極佳。返工非常罕見,剩餘的每個缺陷通常都能追溯到特定、可調查的原因。應確認檢驗是否有效,因為極高的 FPY 也可能源自測試不足。 |
這些區間僅為經驗法則,並非通用標準。什麼算是好,取決於產品複雜度、失效成本與產業別。
與缺陷率及西格瑪水準的關係
若將每個單位視為一次缺陷的機會,則可使用六標準差實務中慣用的長期 1.5σ 偏移,將 FPY 換算為近似的製程西格瑪水準:
- 約 69.1% ≈ 2σ
- 約 93.3% ≈ 3σ(約每百萬 66,807 個缺陷)
- 約 99.38% ≈ 4σ(約每百萬 6,210 個缺陷)
- 約 99.977% ≈ 5σ(約每百萬 233 個缺陷)
- 約 99.99966% ≈ 6σ(每百萬 3.4 個缺陷)
這只是近似值。西格瑪水準原本是以每個缺陷機會來定義的,因此缺陷機會很多的單位,其結果會看起來不同。
注意事項
- 定義很重要:FPY 取決於「首次通過」的定義。若將經過調整、返工或重新測試的單位計為通過,會高估 FPY。比較不同產線、班次或期間時,請使用一致的定義。
- FPY 針對特定步驟:單一步驟的 FPY 無法說明其他地方的損失。要評估多步驟製程,應將各步驟良率合併為滾動通過率(Rolled Throughput Yield,RTY)。
- 樣本數:小批量的 FPY 數值波動較大,因此應追蹤長期結果。
多步驟情境中的 FPY 與 RTY
滾動通過率(RTY)是各步驟 FPY 的乘積:\(\text{RTY} = \text{FPY}_1 \times \text{FPY}_2 \times \dots \times \text{FPY}_n\)。每一步的小損失會逐步累積,因此由個別「良好」步驟組成的製程,整體良率仍可能很差。下表假設各步驟的 FPY 彼此獨立,並四捨五入至最接近的整數單位,顯示從 1,000 件投入中預期能得到多少良品。
| 情境 | 步驟數 | 每步 FPY | 最終 RTY | 每 1,000 件投入的良品數 |
|---|---|---|---|---|
| A | 5 | 每步 99% | \(0.99^5 \approx 95.1\%\) | ≈ 951 |
| B | 5 | 每步 95% | \(0.95^5 \approx 77.4\%\) | ≈ 774 |
| C | 10 | 每步 99% | \(0.99^{10} \approx 90.4\%\) | ≈ 904 |
| D | 10 | 每步 95% | \(0.95^{10} \approx 59.9\%\) | ≈ 599 |
| E(混合) | 4 | 98%、95%、99%、97% | \(0.98 \times 0.95 \times 0.99 \times 0.97 \approx 89.4\%\) | ≈ 894 |
| F(混合,含一個弱步驟) | 5 | 99%、98%、97%、92%、99% | \(0.99 \times 0.98 \times 0.97 \times 0.92 \times 0.99 \approx 85.7\%\) | ≈ 857 |
比較結果說明
- 步驟數很重要:在每步 95% 的情況下,步驟從 5 增加到 10,RTY 會從約 77% 降至約 60%。
- 每一個百分點都有影響:在 10 步驟製程中,把每一步從 95% 提升到 99%,RTY 會從約 59.9% 升至約 90.4%。
- 弱步驟主導結果:在情境 F 中,單一 92% 的步驟所造成的良率損失,超過其他四個步驟合計的損失。通常改善 FPY 最低的步驟,回報最大。
這些數字假設各步驟的失效彼此獨立,且失效單位不會再返工並計入良品。若您將單位返工後計為通過,實際產出會較高,但製程按設計所得的 FPY 與 RTY 並不會改變。
常見問題
FPY 與最終良率有什麼不同?最終良率計算的是經過重工後最終出貨的數量;FPY 只計算「一次就做對」的數量,因此 FPY 一定小於或等於最終良率。
FPY 多少才算好?這會因產業而異,但原則上越高越好。許多製造商會以 95% 以上為目標;世界一流的製程更會逼近六標準差(Six Sigma)的水準。
FPY 有可能超過 100% 嗎?不可能。通過數量永遠不會超過投入數量,因此 FPY 必定落在 0% 到 100% 之間。