為什麼每站良率都有 95% 以上，整體品質仍可能不好？

假設產品需要經過五道製程，各站 FPY 分別為：

打頭：98%
夾尾：97%
輾牙：96%
熱處理：98%
表面處理：97%

如果只看單一製程，每站似乎都有不錯的品質表現。

但產品必須「五站全部第一次就合格」才算真正一次完成，因此整體 RTY 為：

98% × 97% × 96% × 98% × 97% ≈ 87.6%

也就是說，即使每一站 FPY 都在 96%～98%，真正從頭到尾完全不需要重工的產品可能只有約 87.6%。

這就是 RTY 比單站良率更有管理價值的地方。

RTY、FPY 與最終良率有什麼不同？

FPY

FPY（First Pass Yield）觀察的是單一道製程第一次加工就合格的比例。

適合回答：

「哪一道製程第一次做對的能力最差？」

RTY

RTY 將所有製程 FPY 串聯，觀察產品從第一站到最後一站都不發生重工的機率。

適合回答：

「產品真正一次走完整條製程的比例是多少？」

最終良率

最終良率通常著重最後可以出貨多少產品，重工後合格的產品仍可能被計入良品。

因此可能出現：

最終良率 98% → RTY 卻只有 88%

兩者之間的差距，就是值得管理者進一步追查的隱藏品質成本。

為什麼製程越多，RTY 越值得管理？

多製程產品特別容易產生「累積效應」。

例如每一道製程都有 99% FPY：

5 道製程：

99%^5 ≈ 95.1%

10 道製程：

99%^10 ≈ 90.4%

20 道製程：

99%^20 ≈ 81.8%

因此，「每一站只有 1% 的問題」經過大量製程累積後，可能成為相當大的整體品質損失。

這也是為什麼複雜製造流程不能只看最終檢驗結果。

RTY 低代表工廠可能有哪些問題？

可深入分析：

• 重工次數過多
• 製程穩定度不足
• 不良問題在不同站點反覆發生
• 品質異常發現時間太晚
• 設備或模具條件不穩定
• 製程參數控制不足
• 首件檢驗效果不佳
• 前製程異常流入後製程

其中尤其值得注意的是「Hidden Factory（隱形工廠）」。

大量重工、重驗、挑選與返修雖然沒有直接出現在最終報廢數字中，卻持續消耗設備、人力與產能，就像工廠內還存在另一座看不見的工廠。

MES 如何計算 RTY？

MES 首先需要記錄每一道製程的：

• 投入數量
• 第一次合格數量
• 不良數量
• 重工數量
• 報廢數量
• 檢驗結果
• 不良原因
• 生產批次

再依各站 FPY 建立：

RTY = FPY₁ × FPY₂ × FPY₃ × …… × FPYₙ

若 MES 已經建立完整產品履歷，就能進一步從工單、批次、產品、設備、模具或班別等不同角度計算 RTY。

MES 如何找出 RTY 損失最大的製程？

單純知道 RTY 是 87% 還不夠，真正重要的是找出「品質損失發生在哪裡」。

MES 可分析：

• 各製程 FPY
• 製程品質損失率
• 重工次數排行
• 不良原因 Pareto
• 設備別 FPY
• 模具別 FPY
• 班別 FPY
• 產品別 RTY
• 客戶別 RTY
• RTY 歷史趨勢

例如：

打頭：99.1%
夾尾：98.5%
輾牙：91.2%
熱處理：98.8%

即可快速判斷輾牙製程應優先改善，而不是平均分配品質改善資源。

RTY Dashboard 應具備哪些資訊？

建議包含：

• 今日 RTY
• 本月平均 RTY
• 產品別 RTY
• 工單別 RTY
• 各製程 FPY
• RTY 最低產品排行
• 重工率
• 重工次數
• 不良原因 Pareto
• 最終良率 vs RTY
• RTY 月趨勢
• 品質損失製程排行

視覺化可以建立一條完整製程 Funnel：

投入 100% → 打頭 98% → 夾尾 95% → 輾牙 91% → 熱處理 89% → 最終 RTY 87%

主管能直接看到品質在哪一道製程開始明顯流失。

如何提升 RTY？

1. 找出 FPY 最低的製程
2. 優先改善高頻不良原因
3. 降低產品重工與重複檢驗
4. 防止前站異常流入下一站
5. 建立設備與模具品質關聯分析
6. 強化製程參數標準化
7. 建立即時品質異常警示
8. 使用 MES 持續追蹤改善前後 RTY

提升 RTY 可以帶來哪些效益？

• 降低隱藏重工成本
• 減少設備重複加工
• 提升有效產能
• 降低 WIP
• 縮短 Cycle Time
• 減少品質檢驗負擔
• 提升製程穩定度
• 降低單位製造成本
• 提高交期達成率