一、良率基础概念:什么是模组良率、良率计算方式、良率提升的核心指标

各位工程师,咱们直接进入正题。模组良率,说白了就是「做出来的东西,有多少是能用的」。我在产线上摸爬滚打这些年,见过太多人把良率挂在嘴边,但真要问清楚定义,反而支支吾吾。今天咱们就把这个地基打牢。

1.1 什么是模组良率?

模组良率,指的是从模组组装到功能测试完成这一整段流程中,合格产出占总投入的比例。它跟晶圆良率不一样——晶圆良率看的是芯片本身,模组良率看的是封装、贴片、邦定、组装之后,整个模组能不能正常工作。

举个例子。我几年前跟过一个摄像头模组项目,晶圆良率做到95%以上,结果模组良率只有70%。为什么?因为模组阶段引入了新的失效模式:金线偏移、胶水溢出、传感器脏污……这些在晶圆阶段根本不存在。所以,模组良率是一个独立的、必须单独管理的指标。

核心定义: 模组良率 = 最终通过功能测试的模组数量 ÷ 投入生产的模组总数 × 100%

这里要注意,投入总数包括所有开始组装的模组,不管它是在哪个环节报废的。有些团队只统计「完成组装的模组」,把中途报废的剔除掉——这是自欺欺人。我建议,从第一个物料上机开始算,一个都不能少。

2.2 良率计算方式

良率的计算,看起来就是个除法,但实际场景里有很多变种。我整理了几种最常见的计算方式,你对照自己的产线看看用哪一种。

计算方式 公式 适用场景
最终良率 (FY) 最终合格数 ÷ 投入总数 整条产线的最终结果
工序良率 (SY) 该工序合格数 ÷ 该工序投入数 定位具体工序的问题
直通率 (RTY) 各工序良率的乘积 评估多工序产线的综合能力
首次通过率 (FPY) 一次测试通过数 ÷ 投入总数 衡量产线的一次性能力

我个人最看重的是直通率 (RTY)。为什么?因为最终良率可以靠返修来「粉饰」。你想想看,一条产线有10道工序,每道工序良率都是99%,看起来很高对吧?但直通率是0.99的10次方,只有90.4%。也就是说,每投100个,有将近10个需要返修或报废。返修的成本、周期、可靠性风险,都是隐形的坑。

我的习惯: 每周看良率报告,我第一眼先看直通率。如果直通率低于90%,不管最终良率多好看,我都会拉警报。

3.3 良率提升的核心指标

良率提升不是瞎忙活,得有靶子。我一般盯着四个核心指标,你记一下。

  • 缺陷密度 (DPU / DPO / DPMO):单位产品上的缺陷数量。缺陷越少,良率越高。这是最直接的指标。
  • 工序能力指数 (Cpk):衡量工序的稳定性和一致性。Cpk ≥ 1.33 是基本要求,低于这个数,良率很难稳住。
  • 返修率 (Rework Rate):需要返修的产品比例。返修率高了,说明产线的一次性能力不行,成本也会飙升。
  • 报废率 (Scrap Rate):无法修复、直接报废的产品比例。这个指标直接反映产线的「硬伤」有多严重。

这四个指标之间是有逻辑关系的。缺陷密度高了,Cpk就会低;Cpk低了,返修率和报废率就会上升;返修率和报废率上升了,良率自然往下掉。所以,我建议你从缺陷密度入手,找到根因,然后通过改善工序能力来降低返修和报废。

避坑指南: 我曾经见过一个团队,为了提升良率,拼命降低测试标准。结果良率上去了,客户退货率也上去了。记住,良率提升的前提是质量不妥协。降低标准不是提升,是造假。

下面这张图,是我自己总结的良率提升核心逻辑框架。你把它存下来,以后做良率分析的时候,对着这张图找方向。

良率提升核心逻辑框架 模组良率 缺陷密度 (DPU) 工序能力 (Cpk) 返修率 报废率 根因分析 (RCA) 参数优化 (DOE) 防呆设计 (Poka-Yoke) 自动化检测 (AOI) 核心逻辑:缺陷密度 → 工序能力 → 返修/报废 → 良率 改善行动必须对准缺陷密度和工序能力,才能从根本上提升良率

嗯,这张图你看明白了吗?从上往下看,良率是结果,四个核心指标是中间变量,改善行动是抓手。你每次做良率分析,都按这个框架走一遍,思路会清晰很多。

最后说一句,良率提升不是一蹴而就的事。我见过最快的项目,三个月从70%拉到95%;也见过最慢的,一年只涨了2个百分点。关键是方法要对,指标要准,行动要狠。咱们后面几章,会一个一个拆解这些方法和工具。