2、关键KPI体系：良率相关KPI分类与选择原则
良率管理并非单一指标驱动，而是由一组相互关联、层次分明的关键绩效指标（KPI）构成的体系。本章将系统梳理半导体与先进制造领域最核心的良率KPI，并给出科学的KPI选择原则，帮助学员建立从“过程能力”到“最终产出”的完整监控视图。
2.1 良率相关KPI分类
根据指标在制造流程中的位置与计算逻辑，良率KPI可分为过程能力类、良率类与缺陷密度类三大类别。下表列出了最常用的6个核心指标及其适用场景：
| 类别 | 指标 | 全称 | 核心含义 | 适用阶段 |
|---|---|---|---|---|
| 过程能力 | Cpk | Process Capability Index | 过程中心偏移后的能力指数 | 工艺参数监控、设备验收 |
| Ppk | Process Performance Index | 长期过程性能指数 | 量产阶段整体能力评估 | |
| 良率 | FPY | First Pass Yield | 一次通过率（无返工） | 工序级、产线级即时监控 |
| RTY | Rolled Throughput Yield | 滚动累积良率（多工序） | 全流程综合良率评估 | |
| 缺陷密度 | DPU | Defects Per Unit | 单位产品平均缺陷数 | 缺陷计数、Poisson建模 |
| DPMO | Defects Per Million Opportunities | 每百万机会缺陷数 | 六西格玛水平对标 |
2.2 核心指标详解
2.2.1 过程能力指数：Cpk
Cpk衡量过程输出相对于规格界限的偏移与离散程度。其计算公式为：
Cpk = min( (USL - μ) / (3σ), (μ - LSL) / (3σ) )其中USL为规格上限，LSL为规格下限，μ为过程均值，σ为过程标准差。行业通常要求Cpk ≥ 1.33（对应约4σ水平），关键工序要求Cpk ≥ 1.67。
2.2.2 一次良率：FPY
FPY = (一次通过合格数 / 总投入数) × 100%。该指标对返工敏感，若某工序FPY持续低于95%，需立即启动根因分析。
2.2.3 滚动良率：RTY
RTY = FPY₁ × FPY₂ × … × FPYₙ。假设一条产线有5道工序，每道FPY分别为98%、97%、99%、96%、98%，则RTY = 0.98×0.97×0.99×0.96×0.98 ≈ 0.886（88.6%）。RTY直观展示了多工序累积损失效应。
2.2.4 缺陷密度：DPU与DPMO
DPU = 总缺陷数 / 总产品数。DPMO = DPU × 1,000,000 / 每单位机会数。例如某封装工序每片晶圆有100个焊点（机会数=100），检测到5个缺陷，则DPU=0.05，DPMO=0.05×1,000,000/100=500。
2.3 KPI选择原则
面对众多良率KPI，企业应遵循以下5项原则进行筛选与组合：
- 业务对齐原则：KPI必须与当前业务目标（如降本、提产、客户交付）直接挂钩。例如新产线爬坡期优先关注FPY与Cpk，成熟期关注DPMO与RTY。
- 可测量原则：指标的数据源必须稳定、可采集、可追溯。避免使用“估算良率”或“手工统计”类指标。
- 分层监控原则：建立“公司级-工厂级-产线级-工序级”四层KPI树。高层看RTY与DPMO，基层看FPY与Cpk。
- 平衡互补原则：避免单一指标驱动。例如FPY高但Cpk低，说明过程虽一次通过但裕度不足，存在批量风险。
- 动态更新原则：随着工艺成熟度提升，定期（如每季度）审视KPI权重与阈值，淘汰冗余指标。
2.4 KPI体系架构图
下图展示了良率KPI体系的层级关系与数据流向：
2.5 KPI选择决策矩阵
在实际项目中，可借助以下矩阵快速匹配不同场景下的推荐KPI组合：
| 业务场景 | 推荐KPI组合 | 监控频率 | 预警阈值参考 |
|---|---|---|---|
| 新工艺研发阶段 | Cpk + DPU | 每批次 | Cpk ≥ 1.0，DPU ≤ 0.1 |
| 量产爬坡阶段 | FPY + RTY | 每日 | FPY ≥ 95%，RTY ≥ 85% |
| 成熟量产阶段 | DPMO + Cpk | 每周 | DPMO ≤ 500，Cpk ≥ 1.33 |
| 客户投诉/异常批次 | DPU + FPY | 每批/每片 | DPU异常波动 > 3σ |
2.6 本章小结
良率KPI体系是良率监控的“仪表盘”。Cpk与FPY用于过程与工序级即时控制，RTY与DPMO用于全流程与战略级评估，DPU则提供缺陷密度的精细视角。选择KPI时应遵循业务对齐、可测量、分层、平衡与动态更新五大原则，确保指标体系既能反映真实质量水平，又能驱动持续改进。