First Pass Yield (FPY): Formel, Berechnung & Praxis

First Pass Yield: Was ist das?

First Pass Yield (FPY) ist eine Qualitätskennzahl, die den Anteil der Produkte misst, die beim ersten Durchlauf ohne Nacharbeit, Reparatur oder Ausschuss den Prozess bestehen. FPY zeigt, wie gut ein Prozess beim ersten Versuch funktioniert. Alles, was nachbearbeitet, repariert oder aussortiert werden muss, senkt den FPY-Wert.

Warum ist das wichtig? Weil Nacharbeit in vielen Fertigungsbetrieben unsichtbar ist. Ein Prozess kann eine finale Ausschussrate von 1 % haben und trotzdem einen FPY von nur 85 %. Die Differenz sind Teile, die unterwegs nachbearbeitet oder repariert wurden und am Ende als "gut" durchgehen. FPY macht diese versteckten Verluste sichtbar, die in der finalen Gut/Schlecht-Statistik nicht auftauchen.

FPY berechnen: Die Formel

Die Formel ist einfach:

FPY = Gutteile beim ersten Durchlauf / Gesamtmenge am Prozesseingang × 100 %

Wichtig: Als Gutteil beim ersten Durchlauf zählt nur, was den Prozessschritt ohne jede Korrektur besteht. Ein Teil, das nach Nacharbeit die Prüfung besteht, ist kein First-Pass-Gutteil.

Rechenbeispiel: Eine Spritzguss-Anlage produziert in einer Schicht 1.000 Teile.
Davon bestehen 920 Teile sofort die Qualitätsprüfung.
50 Teile werden nachgearbeitet (Gratentfernung, Nachspritzung) und bestehen danach. 30 Teile sind Ausschuss.

FPY = 920 / 1.000 × 100 % = 92 %

Die finale Ausschussrate beträgt nur 3 % (30 / 1.000).
Aber der FPY von 92 % zeigt: 80 Teile (8 %) haben den Prozess nicht beim ersten Mal bestanden.
50 davon wurden gerettet, 30 nicht.
Die 50 Nacharbeitsteile verursachen Kosten (Arbeitszeit, Maschinenzeit, Material), die in der reinen Ausschussstatistik nicht erscheinen.

FPY über mehrere Prozessschritte: Rolled Throughput Yield (RTY)

FPY misst einen einzelnen Prozessschritt. In der Fertigung durchlaufen Teile aber mehrere Schritte. Das Rolled Throughput Yield (RTY) zeigt, wie wahrscheinlich es ist, dass ein Teil die gesamte Prozesskette beim ersten Mal fehlerfrei durchläuft.

RTY = FPY₁ × FPY₂ × FPY₃ × ... × FPYₙ

Rechenbeispiel mit 4 Prozessschritten:

Jeder einzelne Schritt sieht akzeptabel aus. Aber die Multiplikation zeigt: Nur 88,5 % aller Teile schaffen die gesamte Kette fehlerfrei. Bei 10.000 Teilen pro Tag sind das 1.150 Teile, die irgendwo unterwegs nachgearbeitet oder aussortiert werden. RTY macht diesen kumulativen Effekt sichtbar, den Einzelbetrachtungen verdecken.

FPY vs. OEE-Qualitätsfaktor: Der Unterschied

FPY und der Qualitätsfaktor der OEE messen beide "Qualität", aber auf unterschiedliche Weise.

In der Praxis ergibt sich daraus ein häufiges Missverständnis: Ein OEE-Qualitätsfaktor von 99 % suggeriert, dass der Prozess kaum Qualitätsprobleme hat. Der FPY derselben Anlage liegt vielleicht bei 90 %. Die Differenz ist Nacharbeit, die Arbeitszeit, Maschinenkapazität und Material kostet, aber in der OEE nicht als Verlust erscheint. FPY ist deshalb die ehrlichere Qualitätskennzahl, wenn es um Prozessverbesserung geht.

FPY in der Fertigung: Was die Kennzahl in der Praxis bedeutet

FPY als Frühwarnsystem. Ein sinkender FPY zeigt Prozessprobleme, bevor sie sich in Ausschuss niederschlagen. Wenn der FPY einer Anlage von 95 % auf 90 % fällt, steigt zunächst die Nacharbeit. Der Ausschuss folgt zeitverzögert. Wer FPY in Echtzeit überwacht, kann reagieren, bevor aus Nacharbeit Ausschuss wird.

FPY macht Nacharbeitskosten sichtbar. Nacharbeit ist in vielen Werken eine akzeptierte Praxis. "Die Teile werden ja noch gut." Aber jedes nachbearbeitete Teil kostet: Arbeitszeit für die Nacharbeit, Maschinenzeit (die Anlage steht oder produziert langsamere Nacharbeit statt neuer Teile), Logistik (Teile aus dem Fluss nehmen, zurückführen, neu prüfen). In der diskreten Fertigung mit hohen Losgrössen summiert sich das. Bei 5 % Nacharbeit und 10.000 Teilen/Tag sind das 500 Teile, die den Prozess doppelt durchlaufen.

Wo MES-Daten den Unterschied machen. Die grösste Herausforderung bei FPY ist die Datenerfassung. Viele Betriebe erfassen Ausschuss, aber nicht Nacharbeit. Oder sie erfassen Nacharbeit auf Papier, ohne sie einem konkreten Prozessschritt oder einer Ursache zuzuordnen. Ein MES mit automatischer Qualitätsdatenerfassung löst dieses Problem: Jedes Teil wird an jedem Prüfpunkt mit Status erfasst (OK, Nacharbeit, Ausschuss), inklusive Fehlergrund und Zeitstempel. Daraus lässt sich FPY pro Anlage, Schicht und Produkt automatisch berechnen.

Bei Neoperl führte die Korrelation von SPS-Alarmen mit Qualitätsdefekten zu 15 % weniger Ausschuss. Der Hebel war nicht die Erkennung der Ausschussteile selbst, sondern die Identifikation der Ursachen: Welche Alarmmuster korrelieren mit welchen Fehlerbildern? Das ist FPY-Analyse auf Datenebene.

Typische Fehler bei der FPY-Messung

Fehler 1: Nacharbeit nicht als Fehler zählen. Der häufigste Fehler. Wenn ein Team nur Ausschuss erfasst und Nacharbeit ignoriert, misst es den Final Yield, nicht den First Pass Yield. Die Kennzahl heisst "First Pass", weil nur der erste Durchlauf zählt. Alles, was nachbearbeitet wird, ist per Definition kein First-Pass-Gutteil.

Fehler 2: FPY an der falschen Stelle messen. FPY wird oft nur am Ende der Linie gemessen (Endprüfung). Dann ist die Kennzahl eine Mischung aus allen Prozessschritten und zeigt nicht, wo das Problem liegt. Besser: FPY pro Prozessschritt messen. Dann zeigt ein Pareto-Diagramm sofort, welcher Schritt die meisten First-Pass-Fehler verursacht.

Fehler 3: FPY ohne Fehlerursache erfassen. Ein FPY von 90 % sagt "10 % der Teile haben den ersten Durchlauf nicht bestanden." Aber warum? Ohne Fehlerkategorisierung (Masstoleranzen, Oberflächenfehler, Montagefehler, Materialfehler) bleibt FPY eine Zahl ohne Handlungsimpuls. Ein MES, das Fehlergründe strukturiert erfasst und mit Alarmen korreliert, macht aus der FPY-Zahl eine Verbesserungsgrundlage.

Fehler 4: FPY-Ziele zu hoch ansetzen. 100 % FPY ist in den meisten diskreten Fertigungsprozessen unrealistisch. Realistische Zielwerte hängen von der Prozesskomplexität ab: Einfache Stanz- oder Drehprozesse erreichen oft 97 bis 99 %. Komplexe Montageprozesse mit vielen Varianten liegen bei 90 bis 95 %. Spritzguss mit engen Toleranzen bei 92 bis 97 %. Ein unrealistisches Ziel demotiviert Teams und führt dazu, dass Nacharbeit verdeckt statt gemeldet wird.

FPY verbessern: Die 3 wirksamsten Hebel

Hebel 1: Die grössten Fehlerquellen identifizieren und beseitigen. FPY pro Prozessschritt messen, die Top-3-Fehlergründe mit einem Pareto-Diagramm identifizieren, dann gezielt die Ursachen angehen. In einem DMAIC-Projekt liefert der FPY die Baseline für die Measure-Phase und den Nachweis der Verbesserung in der Control-Phase.

Hebel 2: Prozessparameter überwachen und stabilisieren. Schwankende Prozessparameter (Temperaturen, Drücke, Taktzeiten) sind die häufigste Ursache für FPY-Verluste. Prozessdaten in Echtzeit zeigen, ob Parameter abdriften, bevor Fehler entstehen. Bei Klocke führte die Kombination aus automatischer Stillstandserfassung und Prozessüberwachung zu 12 % mehr Ausbringung, weil Prozessabweichungen früher erkannt wurden.

Hebel 3: Rüstprozesse standardisieren. Viele FPY-Verluste treten nach Produktwechseln auf: Die ersten 20 bis 50 Teile nach dem Rüsten haben eine deutlich höhere Fehlerrate als der stabile Prozess. Standardisierte Rüstchecklisten, definierte Freigabeprüfungen und die Überwachung der Anlaufkurve nach jedem Rüstvorgang reduzieren diese Verluste messbar.

Häufige Fragen zu First Pass Yield

Was ist ein guter FPY-Wert?
Das hängt von der Prozesskomplexität ab. Einfache Prozesse (Stanzen, Drehen) erreichen 97 bis 99 %. Komplexe Montageprozesse mit vielen Varianten liegen bei 90 bis 95 %. Entscheidend ist nicht der Absolutwert, sondern der Trend und die Identifikation der grössten Verlustquellen.

Wie unterscheidet sich FPY von Ausschussrate?
Die Ausschussrate misst nur die Teile, die endgültig aussortiert werden. FPY erfasst zusätzlich alle Teile, die nachbearbeitet werden mussten. Deshalb ist der FPY-Wert immer niedriger als (100 % minus Ausschussrate). Die Differenz zeigt die versteckten Nacharbeitskosten.

Brauche ich ein MES für FPY-Tracking?
Nicht zwingend. FPY lässt sich manuell erfassen, wenn an jedem Prüfpunkt dokumentiert wird, ob ein Teil beim ersten Durchlauf bestanden hat. Aber bei mehr als 3 bis 5 Prüfpunkten und hohen Stückzahlen stösst manuelle Erfassung an Grenzen. Ein MES automatisiert die Datenerfassung und ermöglicht die Korrelation von FPY mit Prozessparametern, Schichten und Maschinenzuständen.

Wie hängen FPY und RTY zusammen?
FPY misst einen einzelnen Prozessschritt. RTY (Rolled Throughput Yield) multipliziert die FPY-Werte aller Prozessschritte und zeigt die Wahrscheinlichkeit, dass ein Teil die gesamte Prozesskette fehlerfrei durchläuft. RTY ist immer niedriger als der schlechteste Einzel-FPY und deckt den kumulativen Effekt kleiner Prozessschwächen auf.