為什麼最終良率 98%，工廠仍可能存在品質問題？

假設某批產品投入 10,000 件，最後有 9,800 件合格。

從最終結果來看：

最終良率 = 98%

數字看起來相當不錯。

但如果其中有 1,500 件第一次檢驗不合格，經過挑選、返修、重新加工與再次檢驗後才成為合格品，代表真正「第一次就做對」的產品只有 8,500 件。

此時：

FPY = 8,500 ÷ 10,000 × 100% = 85%

因此，98% 的最終良率可能掩蓋只有 85% 的一次良率。

FPY 與傳統良率有什麼不同？

傳統良率

通常關注最終有多少產品可以出貨。

產品即使經歷返修或重工，只要最後合格，仍可能被計入合格數量。

FPY 一次良率

關注產品第一次完成製程後，是否直接符合品質標準。

因此 FPY 更能反映：

• 製程穩定度
• 第一次加工品質
• 隱藏重工
• 人員操作差異
• 設備與模具異常
• 製程參數穩定性

管理目標應從「最後有沒有做對」，逐步提升到「第一次就把產品做對」。

重工為什麼是容易被忽略的製造成本？

重工產品最後仍可能成為良品，因此在傳統報表中不一定被視為報廢損失。

但重工仍會消耗：

• 人員工時
• 設備產能
• 電力能源
• 刀具與模具壽命
• 品質檢驗時間
• 搬運時間
• 生產排程空間

更重要的是，重工會占用原本應該用來生產正常訂單的設備產能。

因此企業若只管理「報廢率」，很容易低估真正的品質成本。

FPY 要如何計算？

基本公式可設定為：

FPY = 第一次加工即合格數量 ÷ 製程投入數量 × 100%

例如某製程：

投入：5,000 件
第一次合格：4,600 件
重工：300 件
報廢：100 件

則：

FPY = 4,600 ÷ 5,000 × 100% = 92%

即使 300 件重工後全部合格，FPY 仍維持 92%，因為這項 KPI 要反映的就是第一次製造品質。

為什麼只看整廠 FPY 還不夠？

真正有管理價值的方式，是將 FPY 拆解至不同維度，例如：

• 產品
• 製程
• 設備
• 模具
• 班別
• 人員
• 客戶
• 生產批次

例如：

打頭 FPY：98.2%
夾尾 FPY：96.8%
輾牙 FPY：91.5%
熱處理 FPY：97.6%

主管就能快速發現「輾牙」可能是目前品質改善的優先製程，而不是平均分配改善資源。

MES 如何建立 FPY 一次良率管理？

MES 可將原本分散的資料串聯：

• 工單投入數量
• 生產完成數量
• 第一次檢驗結果
• 不良數量
• 不良原因
• 重工數量
• 重工製程
• 報廢數量
• 設備與模具資訊
• 生產人員與班別
• 生產批次
• 品質檢驗紀錄

如此才能區分：

第一次合格、重工後合格、最終報廢

避免所有合格品最後全部混在同一個數字中。

FPY Dashboard 應具備哪些資訊？

建議包含：

• 今日 FPY
• 本月平均 FPY
• 各製程 FPY
• 各產品 FPY
• 各設備 FPY
• 各班別 FPY
• FPY 最低製程排行
• 重工數量
• 重工率
• 不良原因 Pareto
• FPY 趨勢
• 改善前後比較

其中很適合建立：

「最終良率 vs FPY」比較圖

例如：

最終良率 98.6%
FPY 91.2%

兩者之間 7.4% 的差距，就是管理者需要進一步分析的品質損失。

如何提升 FPY？

1. 找出 FPY 最低的製程
2. 分析主要不良原因
3. 比較設備、模具與班別差異
4. 建立標準製程參數
5. 強化首件檢驗
6. 即時監控製程異常
7. 建立重工原因分類
8. 利用 MES 持續追蹤改善結果

提升 FPY 可以帶來哪些效益？

• 降低重工成本
• 降低設備重複加工
• 提高有效產能
• 減少品質檢驗負擔
• 縮短 Cycle Time
• 降低 WIP
• 提升製程穩定度
• 提高交期達成率
• 降低整體品質成本