在制造业和六西格玛项目中，很多企业习惯看最终合格率。只要最后出货的产品大部分合格，就觉得过程表现不错。
但这种看法很容易掩盖过程中的返工、重做和中间损失。
RTY（Rolled Throughput Yield，滚动直通率）就是用来解决这个问题的。它关注的不是产品最后有没有被修好，而是一个产品能不能第一次就顺利通过整个流程中的所有步骤。
因此，RTY通常比单纯的最终合格率更能反映流程真实表现。
RTY真正测量的是什么？
RTY表示一个单位从流程开始，一路经过所有工序，并且每一步都没有发生缺陷或返工，最终顺利完成的概率。
假设一个流程有三个步骤：
- 步骤1有95%的产品第一次通过；
- 步骤2有90%的产品第一次通过；
- 步骤3有85%的产品第一次通过。
如果只看每一个步骤，好像都还不错。
但一个产品必须连续通过三关，因此真正一路无缺陷通过整个流程的概率，是三个步骤良率相乘。
这就是RTY的基本思想。
RTY和最终合格率为什么可能差很多？
这是理解RTY最关键的一点。
假设一家工厂投入100件产品。生产过程中有27件曾经出现问题，但经过返工以后，其中很多又重新变成合格品，最后可能仍然有95件可以出货。
如果只看最终合格率：
管理层可能觉得结果不错。
但这95件里面，可能有大量产品曾经返工、重新测试、重新调整。
RTY关心的正是这些隐藏损失。
产品最后合格，不代表过程第一次就把事情做对。
一个简单例子：三道工序的RTY怎么算？
假设某生产过程有三个连续步骤。
第一步投入100件，其中95件第一次合格；第二步接收95件，其中86件第一次合格；第三步接收86件，其中73件第一次合格。
先计算每一步的单步良率：
再将三个结果相乘：
因此：
换句话说，100个单位进入流程，真正能够第一次就顺利通过全部三个步骤的，只有大约73个。
这个例子还有一个很有意思的地方
由于第二步和第三步的投入数量，刚好都是上一道工序的合格数量，因此：
中间的数字会互相抵消，最后变成：
这说明在一个没有返工重新投入、没有额外损失口径差异的简单串联流程中，RTY结果可能和最终第一次通过全部流程的比例一致。
但在真实制造环境中，过程往往存在返工、重新检验、报废后补产等情况，这时候单纯看最终产出数量就很容易掩盖真实过程表现。
RTY和FPY有什么关系？
理解RTY时，经常会一起看到FPY（First Pass Yield，首次通过率）。
FPY关注的是单个步骤。
例如某工序投入100件，第一次通过检验的有92件，那么：
RTY则把多个工序的FPY连起来：
因此，可以简单理解为：
FPY看一站，RTY看整条流程。
为什么工序越多，RTY越容易下降？
假设一个流程有10个步骤，而且每一步的首次通过率都高达98%。
单看98%，感觉已经很好。
但如果十个步骤全部都必须一次通过：
也就是说，每一道工序都有98%的表现，整个流程却只有约81.7%的产品能够一次通过。
如果流程增加到20个步骤：
这个例子说明，复杂流程中，即使每个局部看起来都不错，小缺陷不断累积以后，整体表现仍然可能很差。
这也是RTY特别适合多工序流程的原因。
RTY可以暴露「隐藏工厂」
六西格玛和精益管理中经常会谈到Hidden Factory，也就是「隐藏工厂」。
它不是一间真的隐藏起来的厂房，而是企业为了弥补流程缺陷而额外进行的工作。
例如：
- 返工；
- 重测；
- 重新输入资料；
- 重新审批；
- 人工挑选；
- 重复调整设备；
- 为了修正错误而增加的额外检查。
这些活动最后可能让产品变成合格，所以最终合格率看起来仍然不错。
但RTY会让这些过程问题更难被隐藏。
RTY不是只适用于制造业
虽然RTY经常用在生产流程，但它同样可以应用于服务和办公室流程。
例如一个贷款审批流程有四个步骤：
- 客户资料填写；
- 文件审核；
- 风险审批；
- 合同确认。
如果每个步骤都经常出现资料退回、重新填写或补充文件，那么即使最后大多数贷款都成功批准，整个流程的RTY仍然可能很低。
这种情况下，低RTY通常代表流程存在大量返工和重复工作。
RTY为什么适合六西格玛项目？
六西格玛强调减少缺陷和过程变异，而RTY能够从整个流程角度反映第一次把事情做对的能力。
在DMAIC项目中，Measure阶段可以使用RTY建立现状基线。
例如项目开始时：
经过Analyze和Improve阶段以后：
这比单纯说「最终合格率从96%提高到97%」更容易看到流程内部真正发生了多大的改善。
RTY低时，应该先看哪一个步骤？
RTY本身只能告诉你整体流程表现，并不能直接告诉你问题在哪里。
所以计算RTY以后，应该同时查看每一个步骤的FPY。
例如：
| 工序 | FPY |
|---|---|
| 步骤1 | 99% |
| 步骤2 | 98% |
| 步骤3 | 82% |
| 步骤4 | 99% |
很明显，第三个步骤最值得优先调查。
因此，RTY适合看全局，而FPY帮助团队定位哪一个环节拉低整体表现。
计算RTY时要注意数据口径
RTY看起来只是几个数字相乘，但实际使用时必须先定义清楚「合格」是什么意思。
例如某件产品第一次检测失败，调整设备以后重新检测通过，这件产品应该算第一次通过吗？
答案通常是不算。
因为RTY关注的是产品是否在没有返工、修正或重新处理的情况下直接通过。
如果不同部门采用不同定义，RTY就会失去比较价值。
也不要把报废后的补产算成原来的合格
假设100件产品中有10件报废，生产部门后来又补做10件，最后仍然交付100件。
如果只看：
就会产生非常错误的质量印象。
RTY必须跟踪原始投入单位在整个流程中的第一次通过情况，而不是用补产以后满足订单的数量替代。
优思学院RTY计算器适合做什么？
如果流程只有两三个步骤，手工计算RTY并不困难。
但实际流程可能有十几个甚至几十个步骤，每一步都需要计算良率再相乘。这时候使用RTY计算器会更加方便。
基本操作逻辑通常很简单。
先输入流程包含多少步骤，再为每一步填写投入数量和首次合格数量，工具就可以计算各步骤良率以及整个流程的RTY。
这样可以减少重复计算，更方便比较不同流程或改善前后的变化。
但计算器不会告诉你为什么RTY低
这是需要特别注意的地方。
工具只能帮你计算结果。
如果RTY只有58%，真正重要的不是把58%算得更精确，而是继续问：
哪一道工序的FPY最低？缺陷主要是什么？问题来自设备、材料、方法还是测量？过程是否稳定？为什么需要这么多返工？
这些问题仍然需要Pareto、流程分析、5 Why、鱼骨图、SPC、假设检验或其他六西格玛工具继续处理。
RTY与良率之间最值得记住的区别
如果只记一个概念，可以记住这句话：
最终良率告诉你最后有多少产品可以交付，RTY告诉你整个过程第一次就把事情做对的能力有多强。
前者可能被返工掩盖，后者更容易暴露流程浪费。
结语
RTY的计算公式并不复杂，但它提供了一种很重要的过程思维。
企业不能只关心产品最后有没有合格，还应该关心产品为了达到合格状态，到底经历了多少返工、重复检验和额外处理。
一个流程最终合格率可能达到98%，却不代表流程真的高效。如果大量产品需要返工以后才能达到这个98%，企业仍然在承担隐藏的质量成本。
优思学院认为，RTY最大的价值，就是把这些隐藏问题重新暴露出来。
真正优秀的过程，不是最后总能把产品修到合格，而是越来越多产品能够第一次就顺利通过整个流程。
