First Pass Yield trong xưởng tóc giả: đo chất lượng mà không che rework

Một xưởng có thể giao đủ 100 sản phẩm cuối ngày nhưng vẫn trải qua rất nhiều sửa lỗi ở giữa: cắt lại base, điều chỉnh mật độ, sửa hướng tóc, làm lại knot, chỉnh màu, thay label hoặc đóng gói lại. Nếu chỉ nhìn số lượng thành phẩm cuối, team dễ kết luận process “đạt sản lượng” trong khi chi phí ẩn, lead time và rủi ro chất lượng đang tăng.

First Pass Yield (FPY) đo tỷ lệ sản phẩm hoặc unit đi qua một công đoạn đúng ngay lần đầu, không cần rework, repair hoặc lặp lại kiểm tra do lỗi. Khi nhiều công đoạn nối tiếp, Rolled Throughput Yield (RTY) giúp nhìn xác suất một unit đi qua toàn bộ chuỗi mà không cần sửa.

FPY không thay thế AQL, final inspection hay complaint rate. Nó trả lời một câu khác: process đang tạo ra chất lượng đúng ngay từ đầu hay đang dựa vào rework để “cứu” output?

1. Công thức FPY đơn giản nhưng định nghĩa phải chặt

Ở mức cơ bản:

FPY = số unit PASS lần đầu / số unit đi vào công đoạn

Ví dụ 100 base vào công đoạn ventilation, 86 unit đạt lần kiểm đầu, 14 unit phải sửa rồi mới đạt. FPY của công đoạn là 86%, không phải 100% chỉ vì cuối cùng cả 100 đều được sửa thành PASS.

Điểm quan trọng là xác định thế nào là “first pass”. Nếu unit được operator tự sửa trước khi QC thấy, có tính rework không? Nếu một lỗi nhỏ được chỉnh ngay tại station, có tính fail không? Nếu kiểm lại vì thiếu record chứ không phải lỗi sản phẩm, xử lý ra sao? Rule phải thống nhất trước khi thu data.

Một hệ thống FPY đáng tin cần ghi rõ scope: process, model/family, time window, input unit, pass criterion và rework definition.

2. Vì sao final yield có thể che vấn đề

Giả sử 100 unit vào line và cuối ngày 98 unit hoàn thành. Final yield 98% nghe rất tốt. Nhưng nếu 30 unit từng phải sửa một hoặc hai lần, process không ổn như con số đó gợi ý.

Rework tiêu tốn thời gian, nhân công, material và capacity. Nó cũng tăng handling, có thể tạo damage mới và làm schedule khó dự báo. Nếu KPI chỉ thưởng output cuối, team có động lực “sửa cho qua” thay vì giảm nguyên nhân lỗi.

FPY làm lộ chi phí ẩn này. Một công đoạn có final yield cao nhưng FPY thấp là ứng viên rõ để cải tiến.

3. Chọn unit và checkpoint phù hợp

Trong sản xuất tóc giả, không phải mọi công đoạn đều cần FPY riêng. Hãy chọn các checkpoint có output xác định và tiêu chí PASS/FAIL rõ như base preparation, ventilation, color process, styling, final QC, label/packaging hoặc receiving inspection.

Unit có thể là một sản phẩm, một base, một batch nhỏ hoặc một order line tùy process. Nhưng denominator phải ổn định. Không nên tháng này tính theo sản phẩm, tháng sau tính theo lot rồi so trend.

Nếu một công đoạn có nhiều defect types, FPY chỉ cho biết “đúng ngay lần đầu hay không”. Để hành động, cần nối với defect code/Pareto.

4. Ghi rework đúng cách

Một unit fail lần đầu rồi được sửa phải giữ status rework ngay cả khi final PASS. Không nên overwrite record fail bằng record pass. Lịch sử phải cho biết initial result, defect code, rework action, reinspection result và thời gian.

Nếu hệ thống chỉ lưu trạng thái cuối, FPY sẽ bị thổi phồng. Đây là lý do data model cần giữ event history thay vì một field PASS/FAIL duy nhất.

Có thể phân biệt rework (đưa sản phẩm về specification bằng process được phép) và repair/use-as-is tùy hệ thống chất lượng. FPY thường coi mọi trường hợp không PASS ngay lần đầu là first-pass fail.

5. FPY theo công đoạn và theo model

Một FPY tổng cho cả nhà máy có thể che sự khác biệt giữa model. Một model đơn giản đạt 97%, model custom phức tạp chỉ 75%, tổng weighted average có thể trông ổn.

Do đó nên phân tầng theo process, product family, model, operator/team, shift hoặc material lot khi cần. Mục tiêu không phải tạo dashboard khổng lồ mà tìm pattern.

Nếu một model có FPY thấp do specification khó, đó là thông tin để review design/process capability. Nếu chỉ một shift thấp, training hoặc setup có thể là nguyên nhân. Nếu theo material lot, supplier input cần điều tra.

6. Rolled Throughput Yield: nhìn cả chuỗi

Giả sử ba công đoạn có FPY lần lượt 95%, 90% và 92%. Không thể cộng hay lấy trung bình để biết chance đi qua cả ba. RTY gần đúng bằng tích các FPY:

0,95 × 0,90 × 0,92 ≈ 78,7%

Nghĩa là chỉ khoảng 79% unit kỳ vọng đi qua cả ba bước mà không cần sửa, dù từng công đoạn riêng lẻ đều trên 90%.

RTY làm rõ hiệu ứng tích lũy của nhiều “lỗi nhỏ”. Một line có mười công đoạn FPY 95% mỗi bước có RTY thấp hơn nhiều so với trực giác của nhiều người.

7. Không dùng FPY để phạt operator đơn giản

Nếu KPI FPY gắn trực tiếp với thưởng/phạt cá nhân mà không kiểm context, operator có thể giấu rework, trì hoãn khai lỗi hoặc chuyển lỗi downstream. FPY nên được dùng trước hết như process metric.

Khi phân tích operator, cần kiểm sample size, model mix, difficulty và material input. Một người làm model khó hơn không nên bị so thẳng với người làm model đơn giản.

Văn hóa báo lỗi phải hỗ trợ cải tiến. Record first-pass fail trung thực giúp team giảm lỗi; che lỗi để điểm đẹp làm hệ thống yếu hơn.

8. Kết hợp FPY với Pareto defect

FPY nói “bao nhiêu unit không đúng ngay lần đầu”, nhưng không nói vì sao. Pareto defect giúp xếp lỗi theo frequency hoặc impact.

Ví dụ FPY ventilation giảm từ 92% xuống 80%. Pareto cho thấy phần lớn fail là hair direction ở crown. Team có thể kiểm template, visual standard, training, lighting hoặc approved sample thay vì mở action chung chung “nâng chất lượng”.

Sau cải tiến, theo FPY và defect rate cùng nhau. Nếu FPY tăng nhưng một critical defect tăng, không được kết luận process cải thiện chỉ dựa vào tổng.

9. FPY và cycle time

Rework làm tăng cycle time thực. Một station có nominal time 20 phút nhưng 20% unit phải quay lại thêm 10 phút có effective capacity thấp hơn kế hoạch.

Do đó FPY có thể dùng trong capacity planning. Khi FPY tăng, cùng số nhân công có thể tạo nhiều good units hơn mà không tăng tốc thao tác.

Nhưng không nên ép tốc độ chỉ để tăng output rồi làm FPY giảm. Quality và throughput phải được review cùng nhau.

10. Ví dụ giả định một chuỗi tóc giả OEM

Một order 200 unit qua bốn checkpoint:

- Base prep: 190 PASS lần đầu → FPY 95%. - Ventilation: trong 190 unit clean input, 171 PASS lần đầu → 90%. - Styling: 164/171 PASS → 95,9%. - Packaging: 160/164 PASS → 97,6%.

RTY xấp xỉ 0,95 × 0,90 × 0,959 × 0,976 ≈ 80%.

Dù final shipment có thể đạt gần 100% sau rework, chỉ khoảng 80% flow “đi thẳng” không sửa. Management có thể ưu tiên ventilation vì FPY thấp nhất và đóng góp lớn nhất vào hidden factory.

11. Cách tính khi unit re-enter process

Nếu unit fail và quay lại cùng công đoạn, lần pass thứ hai không được đưa vào numerator first-pass. Tuy nhiên, có thể theo thêm rework recovery rate để biết bao nhiêu fail được sửa thành công.

Ví dụ 20 fail, 18 rework PASS. FPY vẫn phản ánh initial 80/100 = 80%; recovery rate 18/20 = 90%. Hai metric trả lời hai câu khác nhau.

Không nên “reset” unit thành mới khi rework, vì sẽ làm denominator sai.

12. Data quality gate trước dashboard

Trước khi công bố FPY, cần kiểm:

- unit count có trùng không; - fail có bị overwrite; - rework event có timestamp; - defect code có consistent; - model/revision có gắn; - test/reinspection có phân biệt; - cancelled/scrapped unit xử lý thế nào; - sample nhỏ có bị dùng để kết luận lớn không.

Một dashboard đẹp trên dữ liệu không ổn định có thể dẫn tới hành động sai.

13. Target FPY nên đặt thế nào?

Không có một con số chung cho mọi process tóc giả. Target nên dựa trên baseline, risk, customer requirement và khả năng process. Bắt đầu bằng đo trung thực, sau đó chọn mục tiêu cải tiến có thời hạn.

Đối với critical process, ngoài FPY còn cần severity control. Một FPY 99% vẫn có thể không chấp nhận nếu 1% còn lại là critical escape.

Target nên được review khi product mix thay đổi. Launch model mới thường có learning curve; không nên dùng benchmark cũ mà không phân tích.

14. Reaction plan khi FPY giảm

Nếu FPY giảm dưới trigger:

1. Xác nhận data integrity. 2. Phân tầng theo model/shift/lot/operator. 3. Chạy Pareto defect. 4. Kiểm change point gần nhất. 5. Contain nếu có risk escape. 6. Xác định short-term action. 7. Mở root-cause/CAPA nếu pattern lặp. 8. Theo dõi FPY sau action.

Không nên chỉ yêu cầu “cố gắng hơn”. FPY là tín hiệu process; reaction cần dựa trên evidence.

15. FPY và quality cost

Cost of Poor Quality có thể nối với FPY bằng rework minutes, extra material, reinspection time, scrap và delay. Khi cải thiện FPY, team có thể quy đổi hiệu quả thành capacity hoặc chi phí tiết kiệm.

Điều này giúp ưu tiên project. Hai defect có tần suất giống nhau nhưng một defect mất 2 phút sửa, defect khác mất 40 phút; impact khác hẳn.

Không cần biến mọi lỗi thành tiền ngay từ đầu, nhưng ghi rework time là bước rất hữu ích.

16. Những lỗi triển khai FPY thường gặp

- Chỉ lưu final PASS nên FPY giả cao. - Dùng final yield thay cho first-pass yield. - Thay denominator giữa các tháng. - Không phân biệt rework và routine adjustment. - Không gắn model/revision. - Dùng average che process bottleneck. - Phạt operator làm họ giấu fail. - Không nối FPY với defect code. - Đặt target tùy ý không baseline. - Tăng tốc production làm FPY giảm nhưng vẫn gọi là cải tiến.

17. Checklist triển khai

1. Chọn process checkpoint. 2. Định nghĩa unit. 3. Định nghĩa first-pass PASS. 4. Định nghĩa rework/repair. 5. Giữ event history. 6. Gắn model/lot/revision. 7. Tính FPY theo process. 8. Tính RTY khi cần nhìn end-to-end. 9. Chạy Pareto defect. 10. Review cycle time và rework time. 11. Đặt trigger/reaction plan. 12. Xác minh data quality định kỳ.

Kết luận

First Pass Yield giúp xưởng tóc giả nhìn thấy phần chất lượng thường bị che bởi rework. Một lô cuối cùng giao đủ không có nghĩa process hiệu quả nếu nhiều unit phải quay lại sửa.

Khi định nghĩa first pass rõ, giữ history fail/rework, phân tầng theo process/model và kết hợp Pareto defect, FPY trở thành metric cải tiến thực sự. RTY bổ sung góc nhìn end-to-end để thấy hiệu ứng tích lũy của nhiều công đoạn.

Mục tiêu không phải làm dashboard đẹp, mà là tăng tỷ lệ sản phẩm đúng ngay từ đầu và giảm thời gian, material, handling lãng phí trong factory.