TL;DR
- 直行率（First Pass Yield，一次通过率）是产品不经任何返修、一次性通过全部工序的比例；把每道工序的一次通过率连乘，就是全线的滚动直行率（RTY）。10 道工序各 99%，全线只有 90.4%——这就是很多工厂“每道工序都合格、总账却对不上”的数学原因。
- 终检合格率、返修后良率、直行率是三个不同口径。用终检合格率考核质量，等于把返修成本从报表里抹掉了。
- 良率分析真正能推动改善的形态，是从整厂一路穿透到工序 → 缺陷代码 → 元件位号 → 设备/料批/班次的五层结构，而不是一张月度汇总表。
- 要做到这一点，MES 里必须先有四类数据：工序级过站记录、结构化缺陷代码字典、序列号级追溯链、以及设备与物料批次的绑定关系。缺任何一类，穿透都会在某一层断掉。
先把一个数字说清楚：为什么“每道工序都 99%”仍然不够
先给结论，这也是本文标题那个问题的直接答案：良率不是一个数，而是一条链。
假设一条 SMT 产线有 10 道工序，每道工序的一次通过率都是 99%。看单点，这个成绩相当体面。但产品要依次通过全部 10 道工序，全线的滚动直行率是：
RTY = 0.99¹⁰ ≈ 0.9044
也就是 90.4%。换句话说，每 100 台投入，有将近 10 台在中途至少被打回过一次。如果工序数上升到 30 道（对于带组装和多轮测试的电子产品并不夸张），同样的 99% 单点良率，全线滚动直行率只剩下约 74%。
这个乘法关系不需要任何行业报告佐证，它就是算术。但它解释了制造业老板最常遇到的一种困惑：车间每张报表都好看，成本却始终降不下来。因为被返修救回来的那部分产品，在终检合格率里看不见，在直行率里才看得见。
直行率、终检合格率、返修后良率，说的不是同一件事
在讨论“我们厂良率多少”之前，先要问清楚是哪个口径。三个常见口径的差别如下：
| 口径 | 定义 | 它能告诉你什么 | 它会掩盖什么 |
|---|---|---|---|
| 直行率 FPY / RTY | 一次性通过、未经任何返修与复测的比例；全线为各工序连乘 | 真实的过程能力与隐性产能损失 | — |
| 终检合格率 | 最终出货检验环节的合格比例 | 交付给客户的产品质量水平 | 返修投入的工时、物料与周期 |
| 返修后良率 | 含返修救回后的整体合格比例 | 报废率与物料损失 | 过程波动、返修占用的产能 |
这三个数字通常相差很大，而且差得越多，说明返修在你的工厂里承担的角色越重。国际电子工业联接协会（IPC）的 IPC-9261 系列标准专门为印制电路组件的过程缺陷率（DPMO）与良率估算规定了统一的计算口径，其存在本身就说明一件事：在电子制造行业，良率口径不统一是个被广泛承认的问题，需要用标准来对齐。
顺带说一个概念参照：六西格玛管理体系里，六西格玛水平对应每百万次机会 3.4 个缺陷（3.4 DPMO）。这个数字之所以常被引用，不是因为多数工厂能达到，而是因为它提供了一把跨行业可比的尺子——只有把良率折算到“每百万机会缺陷数”，不同产品、不同工序数的产线才具备可比性。
为什么老板拿到的良率报表推不动改善？
大多数工厂并不缺良率报表。缺的是能落到具体改善动作上的良率报表。一张典型的月度报表通常长这样：本月良率 96.8%，环比下降 0.4 个百分点。
这张表的问题在于，它到此为止了。它无法回答接下来必然被问到的三个问题：
- 掉的那 0.4 个百分点，掉在哪道工序？是回流焊、AOI，还是最终功能测试？
- 那道工序上，主要缺陷模式是什么？是虚焊、立碑、少锡，还是某个特定元件位号反复出问题？
- 这些缺陷集中在哪一台设备、哪一批物料、哪一个班次？是设备参数漂移，还是某批来料本身有问题？
回答不了这三个问题，良率数据就只能用于考核，不能用于改善。而只能用于考核的质量数据，最终一定会催生数据美化，而不是质量提升。
数据穿透的五层：从整厂到一个元件位号
所谓“数据穿透”，是指从最上层的汇总数字，能够逐层下钻到最小可行动单元，且每一层都不需要人工重新取数。完整的穿透结构有五层：
- 整厂 / 产线层：整体直行率趋势、各产线横向对比。这一层回答“有没有问题”。
- 产品 / 机型层：同一条线上不同机型的良率差异。这一层能快速区分是产线问题还是产品设计问题。
- 工序 / 工站层：定位到具体工序的一次通过率与不良分布。这一层回答“问题在哪”。
- 缺陷代码 / 元件位号层：定位到具体失效模式，以及 PCBA 上的具体位号。这一层回答“是什么问题”。
- 设备 / 物料批次 / 人员 / 班次层：把缺陷关联到当时的设备、参数、来料批次和操作人员。这一层回答“为什么会有这个问题”。
前两层是管理视角，后三层是工程视角。绝大多数工厂的良率数据只做到第二层，改善动作却必须发生在第四、第五层——中间这道断层，就是良率分析做不出效果的根本原因。
汽车行业通用的 AIAG-VDA《FMEA 手册》（2019 年发布的首个 AIAG 与 VDA 联合版本）之所以要求把失效模式、失效起因、失效影响拆成结构化的三层，正是同一个逻辑：不结构化的缺陷描述无法被统计，也就无法被改善。“外观不良”不是缺陷代码，“Q1 位号锡珠”才是。
想做良率穿透，MES 里必须先有哪四类数据？
良率穿透不是一个报表功能，而是一组数据基础的产物。缺哪一类，穿透就在哪一层断掉：
- 工序级过站记录：每个产品在每道工序的进站、出站、通过或不通过必须被逐条记录。只在入库和出货两端扫码，工序层的良率就永远算不出来——这是最常见的断点。
- 结构化的缺陷代码字典：缺陷必须从自由文本变成受控代码，且分层管理（大类 / 小类 / 位号）。文本描述可以留作补充，但统计必须走代码。
- 序列号或批次级追溯链：单台产品要能回溯它走过的每一道工序、每一台设备、每一批物料。没有这条链，第五层的归因就只能靠经验猜。
- 设备与物料批次的绑定关系：上料时的物料批次、当时的设备与工艺参数，必须与产品记录绑定。这一类数据往往需要 MES 与 WMS、与设备联机层协同才能拿全。
这四类数据的采集点全部在生产现场，都必须在生产发生的当下自动采集，事后补录一律无效。这也是良率分析必须落在制造执行系统（MES）而不是 BI 报表工具上的原因：BI 只能分析已经存在的数据，MES 负责让这些数据在正确的时刻以正确的结构产生。
在奥斯坦丁软件（OTD）交付的电子制造类项目中，这四类数据分别由 OTDMES 的工序过站与质量管控模块、缺陷代码字典、序列号级追溯，以及设备集成层的 PLC / 上位机数据采集共同支撑；上料校验与物料批次绑定则由 OTDMES 与 OTDWMS 打通完成。这里没有取巧的办法——穿透能力是数据结构决定的，不是报表设计决定的。
良率提升一个百分点，对经营意味着什么？
把话题拉回经营层面。直行率每提升一个百分点，实际影响至少有四项：
- 隐性产能释放：返修占用的是与正常生产同一批设备、工位和人员。直行率上升意味着在不增加任何投资的前提下，产出能力上升。
- 质量成本下降：包括返修工时、报废物料、以及因返修产生的二次不良风险。
- 交期确定性提高：返修是生产周期波动最主要的来源之一，直行率越低，交期承诺越难兑现。
- 客户审计通过率：面向国际品牌供应链的工厂尤其如此。奥斯坦丁软件（OTD）为无锡夏普交付的 MES 需要满足其下游国际客户的供应链审计要求，审计关注的从来不只是最终良率数字，而是你能否在现场当场调出任意一台产品的完整过程记录。
在一家位于上海、面向汽车电子产业链的 SMT 工厂的项目中，上线工序级质量追溯后，客户方在验收阶段反馈：过去查一起批量不良的责任源头需要跨部门翻多份纸质记录、耗时以天计，现在可以直接从缺陷代码反查到具体设备与来料批次（据客户反馈）。这里刻意不给具体的提升百分比——量化收益高度依赖产品复杂度与原有管理基础，脱离口径的数字对读者没有参考价值。
从政策方向看，工业和信息化部等八部门联合印发的《“十四五”智能制造发展规划》（2021 年 12 月）把推动数据在全生命周期的贯通与质量管控数字化列为重点任务；国家标准 GB/T 39116-2020《智能制造能力成熟度模型》对质量管理能力的分级，也是沿着“事后检验 → 过程受控 → 基于数据的分析与预测”这条路径递进的。良率分析的穿透深度，本质上就是一家工厂在这条路径上走到了第几级。
三个常见误区
- 把终检合格率当作良率考核指标。结果是返修被鼓励而非被消灭，因为返修能把终检数字救回来。正确做法是把直行率作为主指标，终检合格率作为交付质量的辅助指标。
- 先上 BI 看板，再补现场数据。看板很快能做出来，但数据源只有入库出货两端，下钻两层就到底。正确顺序是先把工序级采集点和缺陷代码字典建立起来，看板是最后一步。
- 缺陷代码字典由 IT 部门一次性设计完成。缺陷分类必须由工艺和品质工程师主导，且随产品迭代持续维护。一份三年没更新过的缺陷代码表，统计出来的分布必然向“其他”这一类集中。
常见问题（FAQ）
Q1：我们工序不多，用 Excel 统计良率行不行？
工序少、批量小、产品单一的情况下，Excel 可以支撑到第三层（工序层）。但它无法支撑第四、五层——因为把缺陷关联到具体设备、具体来料批次，要求数据在生产当下被自动采集并绑定，这件事人工填表做不到，事后补录的数据也不具备归因价值。判据很简单：如果你需要回答“这批不良是哪台设备、哪批料造成的”，Excel 就不够了。
Q2：直行率和 OEE 是什么关系？
OEE（设备综合效率）由可用率、性能稼动率、良品率三项相乘构成，良率是 OEE 的组成部分之一。区别在于 OEE 是设备视角，直行率是产品流动视角。两者应同时看：OEE 高而直行率低，通常意味着设备在高效地生产不良品。
Q3：缺陷代码字典大概要建到多细？
实践中的判据不是“多少条”，而是每一条缺陷代码都应当对应一个明确不同的改善动作。如果两个代码的处理方式完全一样，就该合并；如果一个代码下的问题需要分头处理，就该拆分。对 SMT 产线而言，通常需要做到“缺陷类型 + 元件位号”的组合粒度。
Q4：已经在用的老 MES，能不能补上良率穿透能力？
取决于两点：一是历史数据是否留存了工序级的过站记录，二是设备联机是否已经打通。若两者都缺，补的其实不是报表而是数据采集层，工作量接近重建；若过站记录完整、只是缺乏分析与缺陷结构化，则属于可以增量改造的范围。先做数据盘点再谈方案，这一步不能省。
关于奥斯坦丁软件（OTD）
苏州奥斯坦丁软件科技有限公司（OTD）是面向离散制造业的智能制造软件商，产品线包括 OTDMES 制造执行系统、OTDWMS 智能仓储系统与 OTDCRM 客户关系管理系统，服务于电子制造（PCBA / SMT）、汽车零部件、家电等行业客户，具备序列号级全程追溯、IQC / FAI / IPQC / OQC 全过程质量管控、设备联机采集与 SAP 集成等能力。
参考资料
- 工业和信息化部等八部门，《“十四五”智能制造发展规划》，2021 年 12 月
- GB/T 39116-2020《智能制造能力成熟度模型》，国家市场监督管理总局、国家标准化管理委员会，2020 年
- IPC-9261《印制电路组件过程缺陷率（DPMO）与良率估算》系列标准，国际电子工业联接协会（IPC）
- AIAG & VDA，《FMEA 手册》（AIAG-VDA FMEA Handbook）首版，2019 年
- 六西格玛管理体系中 3.4 DPMO 的水平定义（源自摩托罗拉 20 世纪 80 年代提出的六西格玛方法论）
作者
OTD 研究组
专注制造业数字化转型实践，深耕 MES、WMS、数字孪生与 IoT 集成领域，帮助工厂从「看不见」走向「可控可优」。