模具试产废品率（DPPM）

核心认知

适用场景

负责岗位/部门

• 关联支持部门： 模具工程部（对模具状态负责）、质量部（负责缺陷判定与统计）、生产车间（负责试产执行）。

深度解析

定义与内涵

“模具试产废品率DPPM”特指在模具完成制造后，为验证其生产稳定性和工艺参数而进行的小批量试生产（通常指T1试模及之后的工程试产）过程中，产生的功能性或结构性不可修复废品的百万分比浓度。其核心内涵在于：剥离非模具因素（如操作失误、来料批次问题），聚焦于由“模具设计/制造缺陷”和“试产工艺窗口不匹配”共同作用导致的根本性废品。它用极高的精度（百万分之一）揭示在试产规模下难以察觉的微小缺陷概率，是评估模具系统能否支撑未来百万量级稳定生产的预测性指标。

公式与计算（量化核心）

• 计算公式：

模具试产废品率DPPM = (试产废品数量 / 试产总产量) × 1,000,000

• 分子与分母的深度解读：
• 分子【试产废品数量】： 在统计的试产批次中，经判定确认为因模具问题（如毛边、拉伤、顶白、填充不足、变形）或试产工艺参数不当（如烧焦、缩痕、冷料） 导致的、无法通过返修达到合格标准的产品总数。不包含因调机调试、设备故障等非稳定状态下的产品。
• 分母【试产总产量】： 用于进行评估的、在工艺参数相对稳定后连续生产的产品总数（例如，连续生产8小时或生产5000件）。
• 计算案例：

场景：某汽车门板新模具完成T1试模，在量产注塑机上以稳定参数连续生产3000件进行评估。

• 生产记录：为调机、预热模具等生产的首200件不作为评估对象。后续连续生产3000件。
• 检验结果：在3000件评估品中，发现28件为不可返修废品。
• 10件：因模具排气不良导致“烧焦”。
• 8件：因模具冷却不均导致“严重缩痕”影响强度。
• 6件：因模具型腔轻微损伤导致“表面拉伤”。
• 4件：因顶针设计不合理导致“顶白破裂”。

计算过程：

• 试产废品数量 = 28件
• 试产总产量 = 3000件
• 模具试产废品率DPPM = (28 / 3000) × 1,000,000 = 9333 DPPM

结论：该模具试产废品率高达9333 DPPM（约0.93%），远超目标值（如<1000 DPPM）。烧焦和缩痕问题指向模具排气与冷却系统设计缺陷，需进行模具修改。

• 数据溯源：
• 生产数量与过程参数： 制造执行系统（MES）报工记录、注塑机运行参数日志。
• 废品判定与分类： 检验记录单、不合格品评审报告、缺陷分类代码。
• 模具与工艺关联分析： 模具修改记录、工艺参数调整记录、问题分析报告（如8D）。
• 数据来源： MES系统、QMS质量管理系统、生产车间纸质/电子记录、模具管理档案。

关联的指标体系（生态系统）

• 前置指标：
• 模具T0试模样品达标率： 模具首次上机验证的基本功能，是DPPM的早期风向标。
• 模流分析（填充、冷却、翘曲）关键缺陷预测： 仿真预测的缺陷类型与实际发生的相关性。
• 试产工艺窗口实验（DOE）完成度： 是否通过实验找到了稳定、稳健的工艺参数区间。
• 同步指标：
• 试产过程能力指数（PpK）： 关键尺寸的短期过程能力，与外观/功能缺陷相辅相成。
• 模具故障停机时间占比： 模具可靠性问题导致的停机，常伴随高废品率。
• 试产材料损耗率（金额）： DPPM的经济价值体现。
• 结果指标：
• 模具量产爬坡直通率（FPY）： 试产废品率高的模具，量产初期直通率必然低。
• 模具寿命期内维护总成本： 高DPPM往往预示模具存在设计隐患，导致量产阶段频繁维护。
• 客户PSW/FAI一次性通过率： 试产废品率是能否顺利提交合格样件的基础。
• 可视化呈现：

实战应用

基准参考与案例

• 行业基准：
• 汽车外饰件（保险杠、门板）模具试产：
• 优秀水平： < 500 DPPM （如丰田、电装对核心模具的要求）
• 良好水平： 500 - 2000 DPPM
• 行业平均： 2000 - 8000 DPPM
• 高风险水平： > 10000 DPPM （通常需暂停，进行模具修改）
• 消费电子精密结构件（镁合金压铸件）模具试产：
• 优秀水平： < 1000 DPPM （如苹果Macbook Unibody供应商）
• 良好水平： 1000 - 5000 DPPM
• 行业平均： 5000 - 15000 DPPM
• 通用工程塑料件模具试产：
• 优秀水平： < 800 DPPM
• 良好水平： 800 - 3000 DPPM

（数据来源：国际塑料工程师协会（SPE）行业数据，汽车主机厂对供应商的试产阶段质量目标）

• 正面案例：
• 德国博世（Bosch）在其新一代ESP壳体压铸模具试产中： 采用 “闭环仿真验证” 策略。在T1试产前，不仅完成了模流分析，还利用试产机台的传感器，实时采集了首批几十模次的生产数据（压力、温度曲线），并回输到仿真模型中进行校准。校准后的模型精准预测出某一区域因冷却不均导致的“热节”会引发缩孔。工程团队在量产前便对模具进行了预防性冷却优化。随后的正式试产中，他们设定了严格的“黄金参数窗口”，并进行了连续24小时的稳定性验证。最终，在5000件的试产评估中，仅发现2件因偶然因素导致的废品，模具试产废品率DPPM低至400，为后续的零缺陷量产打下了坚实基础。
• 反面案例：
• 某国内家电企业开发新型空气净化器大型外观件模具： 为赶进度，跳过完整的工艺窗口实验（DOE），仅凭工程师经验设定参数。T1试产时，为达到外观要求，使用了极高的注射压力和速度。虽然在2000件试产中只产生了15件明显废品（DPPM=7500），看似“尚可接受”。但转入量产后，在高压力下运行的模具出现了严重的型芯磨损和导柱拉伤，导致量产仅一个月后，废品率飙升至50000 DPPM以上，并伴随频繁的模具停机维修。最终不得不提前大修模具，损失远超试产阶段进行系统工艺研究和模具强化所需的投入。

行动指南与改进杠杆

• 提升策略：

1. 强制实施基于科学的工艺窗口开发（DOE）： 在试产阶段，必须通过实验设计方法，系统地研究并确定关键工艺参数（如熔温、模温、注射速度、保压）的稳健区间，而非依赖经验试错。
2. 推行模具与工艺的“关联性根本原因分析（RCA）”： 对每个废品，不仅要记录缺陷现象，更要通过分析（如断面分析、尺寸测量、模温监测）追溯到是模具设计缺陷还是工艺参数设置不当，或是二者交互作用。
3. 建立试产阶段的统计过程控制（SPC）与预警： 对试产过程中的关键质量特性（尺寸、重量）进行实时SPC监控，提前发现过程的异常趋势，预警潜在的批量废品风险。
4. 投资于在线检测与数据采集系统： 在试产机上集成视觉检测、模腔压力传感器、红外热成像等，实现缺陷的自动识别与工艺数据的同步采集，为分析提供高质量数据。
5. 制定明确的模具试产验收标准（含DPPM目标）： 在项目启动前，就与模具供应商和内部团队明确试产阶段的DPPM目标，并将其作为模具尾款支付或项目里程碑放行的关键条件。

• 常见陷阱：

1. 混淆“调试废品”与“稳定生产废品”： 将调机过程中必然产生的不合格品计入DPPM，导致指标虚高，掩盖了真实的过程能力。
2. 忽视低概率但严重的缺陷： 仅关注高发缺陷，对一些发生率低但会导致客户投诉或安全风险的缺陷（如微小裂纹）未予以充分重视和统计。
3. 数据记录不完整或不准确： 生产数量统计有误，或废品原因归类错误（如将人为损坏归为模具问题），导致DPPM失真。
4. 追求单一的低DPPM而牺牲其他指标： 为了降低废品率，使用极端的、不可长期维持或高成本的工艺（如极长的冷却时间、特殊的原材料），这违背了试产验证量产可行性的初衷。
5. 仅以DPPM数字论成败，缺乏深度分析： 满足于数字达标，而不去深入分析每一个废品背后揭示的模具或工艺的改进机会。

影响因素

• 提升因素（降低DPPM）： 成熟的模具设计（DFM）、高精度的模具加工、系统化的工艺开发（DOE）、稳定的生产原材料、高技能的试产操作与工艺团队、先进的在线监控与检测手段。
• 降低因素（升高DPPM）： 模具存在设计或制造缺陷、工艺窗口窄或不稳健、原材料批次性能波动、生产环境（温湿度）控制不佳、设备状态不稳定、测量系统误差大。

改进措施

1. 构建模具试产质量门禁流程： 将试产分为“参数开发”、“短期稳定”、“长期稳定”等阶段，每个阶段设定明确的DPPM目标、数据收集要求和评审点，未达标不得进入下一阶段。
2. 成立跨部门的模具试产问题快速响应小组（Quick Response Team）： 由模具、工艺、质量、生产人员组成，在试产期间现场办公，快速分析、决策并实施改进措施。
3. 开发并应用缺陷模式与影响分析（DFMEA/PFMEA）于试产： 将试产中发现的缺陷模式反馈并更新到FMEA中，提升组织的事前预防能力。
4. 建立模具与工艺知识数据库： 将每次试产的DPPM数据、缺陷模式、解决方案、优化后的工艺参数包归档，形成企业知识资产，用于新项目规划和模具设计评审。
5. 将模具试产DPPM与供应商绩效及内部团队考核强关联： 对模具供应商，将其作为技术能力和质量表现的核心评价指标；对内部NPI和模具团队，将其作为项目成功的关键KPI之一。