3、良率关键指标解析：封装良率、测试良率、最终良率、缺陷密度计算方法
各位工程师朋友，咱们今天来聊聊良率指标。说实话，我刚入行那会儿，看到一堆Yield、DPU、DPMO，头都大了。后来带项目才明白，这些数字背后都是真金白银。你算错一个指标，可能几百万的货就砸手里了。
好，咱们一个一个来拆解。
3.1 封装良率（Assembly Yield）
封装良率，说白了就是看封装环节做得好不好。从晶圆划片开始，到贴片、打线、塑封，每一步都可能出问题。
计算公式：
封装良率 = （投入数 - 封装不良数） / 投入数 × 100%举个例子：
投入 10000 颗芯片
封装过程中发现 150 颗不良
封装良率 = (10000 - 150) / 10000 = 98.5%关键点：封装良率只算封装环节的损失。如果芯片本身有问题，那是前道的事，别混进来算。
我的经验：有一次客户投诉良率低，我查了半天，发现他们把晶圆测试的坏品也算进封装良率了。嗯，这种低级错误其实挺常见的。建议你们在定义良率时，先把统计口径说清楚。
3.2 测试良率（Test Yield）
测试良率，就是封装完成后，上测试机跑一遍，看看有多少能通过。我习惯叫它“测试通过率”。
计算公式：
测试良率 = 测试通过数 / 测试总数 × 100%举个例子：
封装后 9850 颗芯片送去测试
测试通过 9200 颗
测试良率 = 9200 / 9850 = 93.4%注意：测试良率受测试程序影响很大。程序太严，良率低；程序太松，漏测多。我曾经见过一个项目，测试程序里有个参数设错了，导致良率虚高，出货后客退率飙升。那叫一个惨。
3.3 最终良率（Final Yield）
最终良率，也叫总良率。它把封装和测试的损失都算进去了。你想想看，从投料到出货，中间每一步都有损耗，最终良率就是看最后能拿到多少好货。
计算公式：
最终良率 = 封装良率 × 测试良率或者：
最终良率 = 最终良品数 / 投入总数 × 100%继续上面的例子：
封装良率 98.5%
测试良率 93.4%
最终良率 = 98.5% × 93.4% = 92.0%核心观点：最终良率才是老板关心的数字。它直接决定了你的成本和利润。
避坑指南：我曾经遇到一个项目，封装良率很高，但测试良率很低。团队一直在优化封装，结果测试良率纹丝不动。后来才发现，问题出在芯片设计上，封装根本背不了这个锅。所以，看良率要分环节看，别被总数字骗了。
3.4 缺陷密度（DPU / DPMO）
缺陷密度，这是六西格玛里的概念。我刚开始学的时候也觉得绕，后来用多了就习惯了。
3.4.1 DPU（Defects Per Unit）
DPU，就是每个单位产品上的平均缺陷数。注意，一个产品上可能有多个缺陷。
计算公式：
DPU = 总缺陷数 / 总产品数举个例子：
检查 1000 颗芯片
发现 50 个缺陷（有些芯片有多个缺陷）
DPU = 50 / 1000 = 0.053.4.2 DPMO（Defects Per Million Opportunities）
DPMO，每百万次机会中的缺陷数。它考虑了每个产品有多少个“机会点”。
计算公式：
DPMO = （总缺陷数 / （总产品数 × 每产品机会数）） × 1,000,000举个例子：
每颗芯片有 100 个焊点（机会点）
检查 1000 颗芯片
发现 50 个焊点缺陷
DPMO = 50 / (1000 × 100) × 1,000,000 = 500为什么用DPMO？因为不同产品复杂度不同。你拿一个只有10个焊点的芯片，跟一个有1000个焊点的芯片比DPU，不公平。DPMO把复杂度归一化了，这样不同产品之间才能比。
注意：定义“机会点”要小心。我见过有人把每个焊点、每个引脚、每个测试项都算成机会点，结果DPMO算出来小得离谱。其实，机会点应该选那些真正可能出问题的地方。我个人习惯，只算关键工艺步骤的机会点。
3.5 各指标之间的关系
这几个指标不是孤立的。我画个简单的逻辑图给你看：
| 指标 | 关注点 | 用途 |
|---|---|---|
| 封装良率 | 封装工艺稳定性 | 监控封装产线 |
| 测试良率 | 芯片功能完整性 | 评估测试覆盖 |
| 最终良率 | 整体产出效率 | 成本核算 |
| DPU/DPMO | 缺陷密度 | 工艺能力评估 |
我的建议：日常监控用封装良率和测试良率就够了。做工艺改进时，一定要看DPU或DPMO。为什么？因为良率到99%以后，再往上提很难，但DPU还能告诉你哪里缺陷最多。
3.6 实战中的常见误区
最后，我总结几个实战中容易踩的坑：
- 误区一：只看最终良率。我见过有人最终良率95%，就以为万事大吉。结果一查，封装良率99%，测试良率96%，但测试良率里有一半是误测。嗯，误测也是成本。
- 误区二：DPU和DPMO混用。DPU适合简单产品，DPMO适合复杂产品。别拿DPU去跟客户谈复杂产品的质量，客户会笑话你的。
- 误区三：忽略样本量。你测10颗芯片，良率100%，不代表什么。我曾经遇到一个供应商，拿小批量数据吹良率，结果量产时直接崩了。
总结一下：良率指标是工具，不是目的。别为了算而算，要为了解决问题而算。你把这些指标吃透了，跟客户谈质量、跟老板谈成本、跟产线谈改进，心里都有底。
好，这一章就到这里。下一章咱们聊聊良率数据的收集和分析方法，到时候我会分享一些我踩过的坑，保证实用。