3. 良率基本概念
在电源产品的量产阶段，良率不是单一数字，而是一组从不同角度描述“制造健康度”的指标体系。很多团队在复盘时只盯住最终出货良率，结果掩盖了返修、重测、报废和批次波动带来的真实损失。理解良率、直通率、一次通过率、DPPM 与批次一致性之间的关系，是后续故障复现与改善动作能够对齐的前提。
一、核心原理：良率是分层统计的结果
良率（Yield）最基础的定义是：在某一统计口径下，合格品数量占投入或产出总数的比例。但“合格”由谁判定、在哪个工站判定、是否允许返修后重新判定，会直接改变良率的含义。因此，量产中通常把良率拆成三个层次：
- 最终良率（Final Yield）：完成全部工站并最终入库或出货的合格比例，包含返修、重测后的合格品。
- 直通率（Throughput Yield, TPY）：产品一次性通过所有工站、未经过任何返修或重测的比例，反映制造过程的“无干预通过能力”。
- 一次通过率（First Pass Yield, FPY）：通常指在单个工站或关键工站首次测试即通过的比例，是定位问题工站的核心指标。
三者的关系可以概括为：最终良率往往高于直通率，因为返修和重测会把部分不良“救回来”；而直通率又由各工站的一次通过率串联决定。若某电源产品有 5 个关键工站，每个工站 FPY 为 98%，则理论直通率约为 0.98^5 ≈ 90.4%。这说明单站看似很高，累积后仍可能明显下降。
二、DPPM 与批次一致性：从“比例”到“长期质量”
DPPM（Defective Parts Per Million）表示每百万件产品中的不良数，常用于客户侧或出货后的质量统计。它与良率可以互相换算：若良率为 99.5%，则 DPPM = (1 - 0.995) × 1,000,000 = 5,000。DPPM 的优势在于对高良率区间的微小变化更敏感，例如良率从 99.9% 降到 99.5%，看似只差 0.4 个百分点，DPPM 却从 1,000 恶化到 5,000，客户感知会非常明显。
批次一致性则关注“不同批次之间是否稳定”。即使平均良率达标，若 A 批次 99.8%、B 批次 92%、C 批次 99.5%，产线仍然不可接受，因为这意味着存在未被识别的过程变量，如物料批次差异、设备漂移、环境温湿度或操作人员差异。批次一致性通常用批间极差、标准差或 Cpk 来辅助描述。
关键换算：良率 99.9% → DPPM 1,000；良率 99.5% → DPPM 5,000；良率 99.0% → DPPM 10,000；良率 95.0% → DPPM 50,000。
三、方法流程：如何正确采集与计算这些指标
- 定义统计口径：明确投入数、产出数、返修品是否计入、重测次数如何记录，避免同一产品在不同报表中口径不一致。
- 按工站采集 FPY：每个关键工站记录首次测试通过数、首次测试总数、失败代码与失败位置。
- 串联计算 TPY：将各工站 FPY 相乘，得到理论直通率；若存在并行支路，需按实际工艺路径加权。
- 统计最终良率与 DPPM：以出货或客户接收为节点，统计最终合格比例并换算 DPPM。
- 评估批次一致性：按批次计算良率、DPPM 与关键参数均值/标准差，观察批间波动。
示例：某电源批次数据
批次 投入数 直通数 返修后合格 最终良率 直通率 DPPM
B2401 1000 904 56 96.0% 90.4% 40000
B2402 1000 872 78 95.0% 87.2% 50000
B2403 1000 931 41 97.2% 93.1% 28000
批间直通率极差 = 93.1% - 87.2% = 5.9%，提示 B2402 存在异常波动。四、案例与场景：一次通过率下降如何影响交付
某 65W 电源适配器在量产初期最终良率为 96%，看似尚可，但直通率只有 88%。进一步拆解发现，ICT 站 FPY 从 99% 降至 94%，老化站 FPY 从 98% 降至 95%。返修区每天堆积大量产品，虽然最终良率被“拉回”到 96%，但返修工时、物料损耗和二次损伤风险显著上升。更严重的是，返修品在后续批次一致性统计中表现出更大的参数漂移，导致客户侧 DPPM 升高。
这个场景说明：最终良率是“结果指标”，直通率和 FPY 是“过程指标”，DPPM 和批次一致性是“长期质量指标”。只盯最终良率，会误判产线真实能力；只有把四类指标放在同一张看板上，才能定位问题发生在哪个工站、哪个批次、哪类参数。
五、常见误区与复盘要点
| 误区 | 后果 | 纠正方式 |
|---|---|---|
| 用最终良率代替直通率汇报 | 掩盖返修与重测成本，改善方向失真 | 同时展示最终良率、TPY、各站 FPY |
| DPPM 只统计出货后投诉 | 内部过程不良被忽略，改善滞后 | 内部工站不良也换算 DPPM 趋势 |
| 只看平均良率，不看批次分布 | 异常批次被平均值稀释，风险流入客户 | 增加批间极差、标准差与趋势图 |
| 返修品与直通品混在一起统计 | 无法识别真实一次通过能力 | 返修品单独标识、单独统计、单独追踪 |
复盘建议：每次良率异常，先问三个问题——是哪个工站 FPY 下降？是哪个批次开始变化？是直通率下降还是最终良率下降？这三个问题能快速把讨论从“良率低了”推进到“问题在哪、何时开始、影响多大”。
注意：良率指标必须与测试条件绑定。同一产品在不同测试程序、不同老化时间、不同环境温度下，良率可能相差数个百分比。脱离测试条件的良率对比没有意义。
掌握良率、直通率、一次通过率、DPPM 与批次一致性这五个指标的定义、换算与采集方法，是电源量产良率管理的基础。它们分别回答“最终合格多少”“一次做对多少”“单站表现如何”“长期不良水平多高”“批次之间稳不稳”五个问题，共同构成后续故障复现与改善闭环的度量底座。