在制造业和质量管理领域，通过率（Pass Rate）和合格率（Yield Rate）是两个经常被提及但容易混淆的概念。理解它们的区别对于准确评估生产过程的质量、识别问题并实施改进措施至关重要。本文将详细解释这两个指标的定义、区别、计算方法，并提供实用的策略来提升产品合格率。
一、通过率与合格率的定义
1.1 通过率（Pass Rate）
通过率通常指的是在生产过程中，通过了某个特定测试或检查点的产品数量占总生产数量的比例。它关注的是产品是否“通过”了某个环节的筛选，而不一定意味着产品完全符合所有质量标准。
计算公式：
通过率 = (通过测试的产品数量 / 总测试产品数量) × 100%
示例： 假设某工厂生产手机屏幕，每天生产1000片。在生产线上有一个自动光学检测（AOI）环节，每天检测出有缺陷的屏幕为50片。那么通过率为：
通过率 = (1000 - 50) / 1000 × 100% = 95%
1.2 合格率（Yield Rate）
合格率则更严格，它指的是产品完全符合所有质量标准和规格要求的比例。合格率考虑的是产品在整个生产过程结束后，是否满足所有设计规范和客户要求。
计算公式：
合格率 = (合格产品数量 / 总生产数量) × 100%
示例： 继续以上例子，假设经过AOI检测后，剩下的950片屏幕中，有20片在后续的组装过程中因为其他缺陷（如触控不灵敏）被剔除。那么最终合格率为：
合格率 = (950 - 20) / 1000 × 100% = 93%
二、通过率与合格率的关键区别
2.1 关注点不同
- 通过率：关注的是产品是否通过了某个特定的检测点或工序。它可能只反映了生产过程中的一个环节。
- 合格率：关注的是产品是否完全符合所有最终质量标准。它反映了整个生产过程的综合质量水平。
2.2 计算范围不同
- 通过率：通常针对单个工序或检测点进行计算。
- 合格率：通常针对整个生产流程或最终产品进行计算。
2.3 应用场景不同
- 通过率：常用于生产过程中的中间环节监控，如SMT贴片后的检测、组装后的功能测试等。
- 合格率：常用于评估整个生产线的效率和最终产品质量，是客户满意度和市场竞争力的重要指标。
2.4 对质量改进的指导意义不同
- 通过率：帮助识别特定工序的问题，优化该环节的工艺参数。
- 合格率：帮助识别整个生产系统中的瓶颈和系统性问题，指导全面的质量改进。
三、如何正确区分通过率与合格率
3.1 明确计算范围
在计算或报告这两个指标时，首先要明确计算的范围。如果只针对某个工序，那就是通过率；如果针对整个生产流程，那就是合格率。
示例：
- “SMT贴片工序的通过率为98%“：这是针对SMT工序的。
- “本月产品的合格率为95%“：这是针对整个生产流程的。
3.2 查看数据来源
通过率的数据通常来自生产过程中的在线检测设备（如AOI、SPI、ICT等），而合格率的数据通常来自最终的成品检验或客户退货数据。
3.3 理解业务目标
如果目标是优化某个特定工序，关注通过率；如果目标是提升整体产品质量和客户满意度，关注合格率。
四、提升产品合格率的策略
提升产品合格率是一个系统工程，需要从多个维度入手。以下是经过实践验证的有效策略：
4.1 原材料质量控制
策略： 建立严格的供应商评估体系，实施来料检验（IQC）。
实施步骤：
- 制定明确的原材料规格标准
- 对供应商进行定期审核和评分
- 实施抽样检验或全检（根据物料重要性）
- 建立供应商质量反馈机制
示例： 某电子厂对PCB板供应商实施以下控制：
- 要求供应商提供每批次的出厂检验报告
- 每批次来料抽检5片进行可焊性测试
- 每月对供应商进行评分，连续两个月评分低于80分则暂停合作
4.2 优化生产工艺
策略： 通过工艺参数优化和设备维护，减少生产过程中的变异。
实施步骤：
- 使用DOE（实验设计）方法优化关键工艺参数
- 实施预防性设备维护计划（PM）
- 使用SPC（统计过程控制）监控过程稳定性
示例： 某SMT车间优化回流焊工艺：
# 使用Python进行回流焊温度曲线优化
import numpy as np
from scipy.optimize import minimize
# 定义目标函数：最小化温度偏差
def objective(x):
# x[0]: 预热区温度, x[1]: 恒温区温度, x[2]: 回流区温度
# 目标是使实际曲线与理想曲线的偏差最小
ideal_profile = [150, 217, 245] # 理想温度曲线
deviation = np.sum((x - ideal_profile)**2)
return deviation
# 约束条件：温度不能超过设备极限
constraints = ({'type': 'ineq', 'fun': lambda x: 250 - x[0]},
{'type': 'ineq', 'fun': lambda x: 260 - x[1]},
{'type': 'ineq', 'fun': lambda x: 270 - x[2]})
# 初始猜测
x0 = [150, 220, 250]
# 求解最优参数
result = minimize(objective, x0, constraints=constraints)
print(f"优化后的温度参数：预热区={result.x[0]:.1f}°C, 恒温区={result.x[1]:.1f}°C, 回流区={root.x[2]:.1f}°C")
4.3 加强过程监控
策略： 实施实时监控和预警机制，及时发现并解决问题。
实施步骤：
- 在关键工序设置质量控制点（QC Station）
- 实施SPC控制图监控
- 建立异常响应机制
示例： 某工厂在波峰焊工序设置SPC监控：
# 使用Python实现SPC控制图
import matplotlib.pyplot as plt
import numpy as np
# 模拟波峰焊锡炉温度数据（正常波动）
np.random.seed(42)
temperatures = np.random.normal(250, 2, 100) # 均值250，标准差2
# 计算控制限
mean = np.mean(temperatures)
std = np.std(temperatures, ddof=1)
UCL = mean + 3*std
LCL = mean - 3*std
# 绘制控制图
plt.figure(figsize=(12, 6))
plt.plot(temperatures, 'b-', label='温度数据')
plt.axhline(mean, color='green', linestyle='--', label=f'中心线({mean:.1f})')
plt.axhline(UCL, color='red', linestyle='--', label=f'UCL({UCL:.1f})')
plt.axhline(LCL, color='red', linestyle='--', label=f'LCL({LCL:.1f})')
plt.title('波峰焊锡炉温度SPC控制图')
plt.xlabel('样本序号')
plt.ylabel('温度(°C)')
plt.legend()
plt.grid(True)
plt.show()
4.4 实施防错技术（Poka-Yoke）
策略： 通过设计防错装置或流程，防止错误发生。
实施步骤：
- 识别容易出错的工序
- 设计防错装置或流程
- 验证防错效果
示例： 某装配线在螺丝锁附工序实施防错：
- 使用带扭力反馈的电动螺丝刀，扭力不足或过大时自动报警
- 在工装上设计定位销，防止零件装反
- 使用传感器检测零件是否安装到位
4.5 员工培训与标准化作业
策略： 提高员工技能和操作规范性。
实施步骤：
- 制定详细的作业指导书（SOP）
- 实施定期培训和考核
- 建立技能矩阵，识别培训需求
示例： 某工厂的SOP示例：
工序：PCB板清洁
1. 目的：去除PCB板表面残留物，确保焊接质量
2. 工具：无尘布、异丙醇（IPA）
3. 步骤：
a. 将PCB板平放在工作台上
b. 用无尘布蘸取少量IPA（约5ml）
c. 从PCB板中心向外单向擦拭
d. 检查板面无残留物后，放入周转架
4. 注意事项：
- 避免用力过大损伤元件
- 每块板使用新的无尘布
- IPA远离火源
4.6 持续改进机制
策略： 建立PDCA循环，持续改进质量。
实施步骤：
- 定期召开质量分析会
- 使用鱼骨图、5Why等工具分析根本原因
- 实施改进措施并验证效果
- 标准化有效措施
示例： 某工厂使用5Why分析焊接不良：
问题：PCB板焊接不良率上升至5%
Why1: 为什么焊接不良率上升？
因为锡膏印刷厚度不均匀
Why2: 为什么锡膏印刷厚度不均匀？
因为钢网清洁频率不足
Why3: 为什么钢网清洁频率不足？
因为清洁装置故障未及时发现
Why4: 为什么故障未及时发现？
因为没有设置清洁装置的点检标准
Why5: 为什么没有点检标准？
因为设备维护SOP不完善
根本原因：设备维护SOP不完善
纠正措施：修订SOP，增加清洁装置的每日点检项目
五、总结
通过率和合格率是质量管理的两个重要指标，它们从不同角度反映了生产过程的质量状况。正确理解和区分这两个指标，有助于企业精准定位问题，实施有针对性的改进措施。
提升产品合格率需要系统性的方法，包括原材料控制、工艺优化、过程监控、防错技术、员工培训和持续改进。通过综合运用这些策略，企业可以显著提升产品质量，增强市场竞争力。
记住，质量管理的核心不在于计算指标，而在于通过指标发现问题、解决问题，最终实现质量的持续提升。