3. 良率基础概念：定义、分类与计算模型
在NPI（New Product Introduction，新产品导入）阶段，良率是衡量工艺成熟度与制造稳定性的核心指标。本章将系统梳理良率的基础概念，包括关键定义、损失分类与计算模型，为后续根因分析建立统一的度量语言。
3.1 良率核心定义
良率定义因统计口径与业务场景不同而有所差异。以下为半导体与电子制造领域最常用的四个指标：
| 指标 | 全称 | 定义 | 适用场景 |
|---|---|---|---|
| DPU | Defects Per Unit | 每个单位产品上的平均缺陷数 | 单工序缺陷密度监控 |
| DPPM | Defective Parts Per Million | 每百万件产品中的不良品数 | 客户质量交付标准 |
| FPY | First Pass Yield | 一次通过率，无返工/重测的良率 | 工序首次通过能力 |
| RTY | Rolled Throughput Yield | 滚动产出率，多工序累积良率 | 全流程综合良率评估 |
关键区分：DPU 与 DPPM 关注缺陷密度与不良比例，FPY 与 RTY 关注流程通过能力。NPI 阶段应同时追踪 FPY（单步）与 RTY（全流程），以定位瓶颈工序。
3.2 良率损失分类
良率损失按根因性质可分为三类：系统性损失、随机性损失与参数性损失。理解分类是选择分析工具的前提。
- 系统性损失（Systematic Loss）：由设备偏移、工艺窗口不足、设计规则冲突等确定性因素导致。特征为可复现、可追溯、可通过调整消除。
- 随机性损失（Random Loss）：由颗粒污染、微小划伤、静电放电等随机事件导致。特征为不可完全消除，只能通过洁净度管控与冗余设计降低概率。
- 参数性损失（Parametric Loss）：由工艺参数漂移（如膜厚、线宽、掺杂浓度）超出规格限导致。特征为连续分布、与工艺窗口中心偏移相关。
实战建议：NPI 初期系统性损失占比通常超过 60%，应优先聚焦；进入量产阶段后随机性损失占比上升，需加强过程控制。
3.3 良率计算模型
不同良率定义对应不同的计算公式。以下为 NPI 阶段最常用的三种计算模型：
3.3.1 一次通过率（FPY）
FPY 衡量单道工序首次加工即合格的比率，不包含返工、重测批次。
FPY = (首次通过合格数) / (投入总数) × 100%示例：某光刻工序投入 1000 片，首次检测合格 920 片，则 FPY = 92.0%。
3.3.2 滚动产出率（RTY）
RTY 为多工序串联后的累积良率，反映全流程综合通过能力。
RTY = FPY₁ × FPY₂ × FPY₃ × … × FPYₙ若某产品经过 5 道工序，各工序 FPY 分别为 0.95、0.97、0.93、0.96、0.94，则：
RTY = 0.95 × 0.97 × 0.93 × 0.96 × 0.94 ≈ 0.774 → 77.4%
常见误区：不要将各工序 FPY 简单平均或取最小值代替 RTY。RTY 是乘积关系，工序越多累积损失越大，NPI 阶段应优先提升低 FPY 工序。
3.3.3 缺陷密度模型（DPU → 良率转换）
当缺陷随机分布时，可通过泊松分布将 DPU 转换为良率：
Y = e^(-DPU)若某工序 DPU = 0.05，则预期良率 Y = e^(-0.05) ≈ 95.1%。该模型适用于随机缺陷主导的工序。
3.4 良率指标选择矩阵
不同 NPI 阶段与工艺类型应选择不同的良率指标组合：
| NPI 阶段 | 推荐指标 | 关注重点 |
|---|---|---|
| 工程验证（EVT） | FPY + DPU | 设计规则与工艺窗口验证 |
| 设计验证（DVT） | FPY + RTY | 多工序流程匹配度 |
| 生产验证（PVT） | RTY + DPPM | 量产稳定性与客户交付 |
| 量产爬坡 | DPPM + RTY | 持续改善与良率目标达成 |
实战要点：NPI 阶段不要只盯最终良率，应建立“工序级 FPY 看板”与“全流程 RTY 瀑布图”，快速定位良率损失最大的工序节点。