一次通過率(FPY)
一次通過率衡量單位第一次正確通過流程的百分比,無需任何返工、修復或拒絕。它揭示流程的真實品質。
一次通過率(FPY)回答一個關鍵問題:生產中第一次就做對的百分比是多少?與最終良率(包括返工零件)不同,FPY 暴露所有隱藏的返工迴圈,這些迴圈消耗時間和資源而不增加價值。
FPY 按流程步驟計算:FPY = 良品單位(無返工)/ 進入該步驟的總單位。對於多步驟流程,滾動吞吐量良率(RTY)是所有單個 FPY 的乘積——而這個數字往往低得驚人。
一個在 5 個步驟中每個都為 95% FPY 的流程 RTY 僅為 77.4%(0.95^5)。這意味著近 1/4 的單位在流程中某處需要返工。傳統的良率指標隱藏了這一點,因為它們在最後將返工零件計為"良品"。
改善 FPY 直接降低成本、前置時間和產能浪費。每個需要返工的單位消耗雙倍資源:一次做錯,一次修復。消除返工通常是增加有效產能的最快途徑。
公式
FPY = 無返工或缺陷通過的單位 / 進入流程的總單位。RTY = FPY1 x FPY2 x ... x FPYn
實用範例
一條裝配線有 4 個工位。工位 FPY:97%、94%、98%、96%。RTY = 0.97 x 0.94 x 0.98 x 0.96 = 85.8%。儘管每個工位單獨看起來都不錯,但 14.2% 的所有單位在某處需要返工。每天 1000 單位,即每天 142 次返工事件——巨大的隱藏成本。
Leanshift 如何提供協助
Leanshift 追蹤每個工位的流程結果,實現每步 FPY 計算和整個流程的 RTY。這種可見性準確揭示了哪些步驟產生最多返工,指導有針對性的品質改進。
常見問題
FPY 和最終良率有什麼區別?
最終良率計算所有最終通過的單位——包括那些被返工的。FPY 僅計算第一次正確通過的單位。最終良率隱藏返工;FPY 暴露它。
什麼是好的 FPY?
這取決於行業。電子裝配:>98%。汽車:>95%。機加工:>97%。比絕對數字更重要的是趨勢和 FPY 與 100% 的差距——那個差距代表改進潛力。
如何改善 FPY?
識別每個工位的頂級缺陷類型(帕累托分析),找到根本原因(5-Why、Ishikawa),實施對策(Poka-Yoke、標準作業),並用持續測量驗證。先攻擊最低 FPY 的工位以獲得最大影響。