117 lines
3.3 KiB
Markdown
117 lines
3.3 KiB
Markdown
|
# 直通良品率（FPY）功能说明
|
|||
|
|
|
|||
|
|
## 功能概述
|
|||
|
|
|
|||
|
|
新增了直通良品率（First Pass Yield, FPY）统计功能，用于追踪首次通过测试的产品数量。
|
|||
|
|
|
|||
|
|
## 什么是直通良品率？
|
|||
|
|
|
|||
|
|
**直通良品率（FPY）** = 首次通过测试的产品数量 / 总生产数量 × 100%
|
|||
|
|
|
|||
|
|
- **直通良品**：首次测试就通过的产品
|
|||
|
|
- **良品**：包括首次通过和返修后通过的所有合格产品
|
|||
|
|
- **不良品**：测试未通过的产品
|
|||
|
|
|
|||
|
|
### 示例
|
|||
|
|
假设生产了100个产品：
|
|||
|
|
- 80个首次测试通过（直通良品）
|
|||
|
|
- 15个首次测试失败，返修后通过
|
|||
|
|
- 5个无法修复
|
|||
|
|
|
|||
|
|
则：
|
|||
|
|
- **直通良品率** = 80/100 = 80%
|
|||
|
|
- **总良品率** = (80+15)/100 = 95%
|
|||
|
|
- **不良率** = 5/100 = 5%
|
|||
|
|
|
|||
|
|
## 功能实现
|
|||
|
|
|
|||
|
|
### 1. 数据库变更
|
|||
|
|
在 `stats` 表中新增 `fpy_good` 字段：
|
|||
|
|
```sql
|
|||
|
|
ALTER TABLE stats ADD COLUMN fpy_good INTEGER DEFAULT 0
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
### 2. 仪表盘显示
|
|||
|
|
在仪表盘顶部新增"直通良品率"卡片，显示在"良品率"之前：
|
|||
|
|
- 直通良品率
|
|||
|
|
- 良品率
|
|||
|
|
- 发货数量
|
|||
|
|
- 不良数量
|
|||
|
|
|
|||
|
|
### 3. 上传页面
|
|||
|
|
在"良/不良统计"上传页面新增"直通良品数量"输入框：
|
|||
|
|
- 直通良品数量（新增）
|
|||
|
|
- 良品数量
|
|||
|
|
- 不良数量
|
|||
|
|
- 不良明细（可选）
|
|||
|
|
|
|||
|
|
### 4. API变更
|
|||
|
|
|
|||
|
|
#### 后端API
|
|||
|
|
- `GET /api/dashboard` - 返回 `fpyRate` 字段
|
|||
|
|
- `POST /api/upload/stats` - 接受 `fpy_good` 参数
|
|||
|
|
- `GET /api/overview` - 返回 `fpyGoodTotal` 字段
|
|||
|
|
- `GET /api/list/stats` - 返回 `fpy_good` 字段
|
|||
|
|
|
|||
|
|
#### 前端API
|
|||
|
|
- `API.uploadStats({fpy_good, good, bad, details})` - 上传时包含直通良品数
|
|||
|
|
|
|||
|
|
## 使用方法
|
|||
|
|
|
|||
|
|
### 1. 上传统计数据
|
|||
|
|
1. 进入"数据上传" -> "良/不良统计"
|
|||
|
|
2. 填写：
|
|||
|
|
- 直通良品数量：首次测试通过的数量
|
|||
|
|
- 良品数量：所有合格产品数量（包括返修后合格的）
|
|||
|
|
- 不良数量：测试失败的数量
|
|||
|
|
3. 点击"上传"
|
|||
|
|
|
|||
|
|
### 2. 查看统计
|
|||
|
|
在仪表盘可以看到：
|
|||
|
|
- **直通良品率**：反映生产质量的稳定性
|
|||
|
|
- **良品率**：反映最终产品的合格率
|
|||
|
|
|
|||
|
|
## 计算公式
|
|||
|
|
|
|||
|
|
```javascript
|
|||
|
|
// 直通良品率
|
|||
|
|
fpyRate = (fpy_good / (good + bad)) × 100%
|
|||
|
|
|
|||
|
|
// 总良品率
|
|||
|
|
goodRate = (good / (good + bad)) × 100%
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
## 数据关系
|
|||
|
|
|
|||
|
|
```
|
|||
|
|
总生产数 = 良品数 + 不良数
|
|||
|
|
良品数 = 直通良品数 + 返修后合格数
|
|||
|
|
直通良品数 ≤ 良品数 ≤ 总生产数
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
## 注意事项
|
|||
|
|
|
|||
|
|
1. **直通良品数不能大于良品数**：系统不会强制校验，请确保数据准确
|
|||
|
|
2. **历史数据兼容**：旧数据的 `fpy_good` 默认为 0
|
|||
|
|
3. **显示逻辑**：如果没有数据，显示为"—"
|
|||
|
|
4. **通知功能**：上传时会通知超级管理员，包含直通良品数
|
|||
|
|
|
|||
|
|
## 业务价值
|
|||
|
|
|
|||
|
|
1. **质量监控**：直通良品率越高，说明生产过程越稳定
|
|||
|
|
2. **成本控制**：减少返修可以降低成本
|
|||
|
|
3. **流程优化**：通过对比直通良品率和总良品率，识别返修环节的效率
|
|||
|
|
4. **趋势分析**：长期追踪直通良品率变化，发现质量问题
|
|||
|
|
|
|||
|
|
## 示例数据
|
|||
|
|
|
|||
|
|
| 日期 | 直通良品 | 良品 | 不良 | 直通良品率 | 总良品率 |
|
|||
|
|
|------|---------|------|------|-----------|---------|
|
|||
|
|
| 2025-01-01 | 80 | 95 | 5 | 80% | 95% |
|
|||
|
|
| 2025-01-02 | 85 | 92 | 8 | 85% | 92% |
|
|||
|
|
| 2025-01-03 | 90 | 96 | 4 | 90% | 96% |
|
|||
|
|
|
|||
|
|
从上表可以看出：
|
|||
|
|
- 直通良品率在提升（80% → 85% → 90%），说明生产质量在改善
|
|||
|
|
- 总良品率保持在高位（95%左右），说明返修环节有效
|