2. 良率数据基础：定义关键良率指标及其业务含义

在跨部门良率会议中，统一的数据语言是高效对齐的前提。不同部门（制造、工艺、设备、质量、研发）往往使用不同的指标口径，导致会议陷入“数据争论”而非“问题解决”。本节将定义半导体与电子制造领域最核心的五个良率指标，明确其计算公式、业务含义及适用场景。

2.1 缺陷密度与缺陷率指标

2.1.1 DPU（Defects Per Unit，单位缺陷数）

定义：每个产品单元上发现的平均缺陷数量。DPU 是衡量制造过程“污染程度”的基础指标，不区分缺陷严重等级。

2.1.2 DPPM（Defective Parts Per Million，百万分之缺陷数）

定义：每百万个产品中，至少包含一个缺陷的产品数量。DPPM 是面向客户的“出货质量”指标，常用于供应商质量协议。

2.2 良率递进指标

2.2.1 FTY（First Time Yield，首次通过良率）

定义：在某一工序上，未经返工或修复即一次通过检验的良品比例。FTY 反映工序的“一次做对”能力。

2.2.2 RTY（Rolled Throughput Yield，滚动通过良率）

定义：产品经过多个连续工序后，所有工序均一次通过的概率。RTY 是 FTY 的乘积，反映整个制造链的“综合一次做对能力”。

2.3 良率指标选择矩阵

不同会议场景需要选择不同的良率指标。下表总结了各指标的推荐使用场景：

2.4 良率数据对齐的常见陷阱

1. 口径不一致：不同部门对“良品”的定义不同（如：A 部门将“可返工品”算作良品，B 部门算作不良品）。会议前必须统一定义。
2. 样本量不足：小批量生产时，DPPM 波动极大。会议中应标注置信区间，避免过度解读。
3. 忽略分层：只看整体良率会掩盖局部问题。必须按产品型号、机台、班次、操作员进行分层分析。
4. 指标孤岛：DPU 与 FTY 之间缺乏关联分析。建议在会议中建立“DPU → 缺陷分类 → FTY 损失”的因果链。