一种用于电子制造业的统计方法与流程

本发明涉及统计方法技术领域，尤其涉及用于电子制造业领域探测客户早期失效的一种用于电子制造业的统计方法。

背景技术：

本人从事现场质量管理十多年，我常常发现很多产品在测试时显示为“良品”，但一到了客户端就成为“不良品”了。一般第说，电子制造工厂用来判断良品与不良品的工具是客户提供的产品规格界线(productspecification，电子制造工厂首先将客户的规格输入到设备的程序里)，通常一个电子产品的测试项目少则几十项，多则几百项，而实际上那些通过工厂功能检测(就是一台自动检测设备，由程序驱动，程序里有客户的具体规格)但被客户判断为不良品的产品，它们的实际测试值的cpk远远超过1.33(cpk是一个当制程处于稳定状态用来探测制程满足客户设计规格的能力，cpk＝客户的声音(usl-lsl)/制程的声音(6倍群体标准差)，这足以说明了单纯地用规格界线不能很好地探测出这类“客户早期失效”不良。

说起这类“客户早期失效”的不良，常常发生在交货后的两年之内。本人收集了大量的不良数据。根据工厂的历史测试数据显示：这些早早地(在保质期内)就被客户拒绝的产品在第一次功能测试时都有“离群”的现象。

所谓的离群，我们可以定义为：跟它的群体脱离出来单独成为另一个群体。比如：有个产品a，它有个零部件由厂商x和厂商y供货。在生产时，虽然产品a在某一个生产日期只选用厂商x的同一个批次，产品的部分测试项目(通常一个电子产品有几百个测试项目)依然会表现“离群”现象。比如：对于电子产品的输出电压测试这一项目(规格为：10-12伏特)，群体的测试数据分布特性为：均值：11，标准差：0.003)，但发现有少数几个测试值为：11.6,10.3.它们依然落在规格内，因此自然被判断为良品而流向客户端。

实践发现，这些离客户规格界线很近但依然落在规格界线以内的产品(我们叫做离群点)常常隐含着潜在的“客户早期失效”不良，及时在出货前探测出来有利于降低客户投诉。

实际上，产生“离群”现象的原因有很多，根据经验，笔者总结如下常见的三种：

第一种“离群”现象(因公差引起)：任何一款电子产品里面都会有一块pcba电路板，每块板上有几百上千个电子零部件，任何一个元器件不良都可能导致产品不良。在设计阶段，设计工程师会根据具体应用(产品的tolerance即公差界线)及公司的预算(设计成本)挑选出符合条件的零件。当产品确定后，每个零件也都会有自己的tolerance即公差界线。

在实际应用中，零件的公差界线会波动。波动有两种，异常波动(超出统计控制界线，这类波动通常由传统的spc工具可以探测)和统计状态下波动(仍旧在统计控制界线范围内，传统的spc工具无法探测)如果波动属于异常波动，通常地说，传统的spc界线可以监测。然而，如果零件在统计状态下波动但零件之间波动的方向不同，比如：有些零件的公差界线偏上限，有些零件的共产界线偏下限，元器件的这种波动当然最终会影响到产品的功能特性的波动，实践发现，使得产品表现出“离群”的特点。

第二种“离群”现象(因制程作业引起，比如：焊锡，插件，组装等)：在电子组装过程中，常常会产生间歇性接触不良(intermittentfailure)，这些产品在测试时常常可以通过规格界线，因而判断为“良品”，但这些产品的可靠性通常比正常产品低，运输途中的搬运会更加降低其可靠性，客户早期失效常与这类产品有关，而常规的spc控制手法不能有效地探测这类不良(功能性检查也无法检测出这类产品，因为它们都在规格范围内)，这类具有间歇性不良的产品若能重复多测几次，常常可以发现某个测试项目的数据具有“离群”特性。

第三种“离群”现象(因测试设备引起)：生产过程中，测试夹具的连接性能，测试插头的氧化老化及内部结构的头松弛等等都会导致间歇性现象，针对这类现象，它们的测试数据常常隐含“离群点”，常规的spc无法探测这类不良(功能性检查也无法检测出这类产品，因为它们都在规格范围内)。

离群点，常常隐含着某种不良，如能在出货前就能把这些离群点探测出来，客户的品质将大大获得提升。

然而，实际应用时，大多数制造业采用的是客户的规格界线作为判断良品与不良品的工具，有些制造业会导入spc，但大部分工厂采用的纸质版的，若是纸质版spc，采集数据效率低下，实践发现，纸质版的spc控制方法不能很好地防止数据采集错误的现象，另外，纸质版spc的控制方法常常会出现这种现象：工厂团队在找异常原因，产品已经入库甚至出货了；少数工厂会购买一些spc软件和配套的硬件设施用来在线监控测试异常点。即便采用了spc软件包和配套设备实行在线监控测试的状态表现，也不能很有效地监测异常。原因有：传统的spc控制采用的控制界线是由群体的均值和群体的标准差计算所得，控制界线是一条直线，不能根据临近的测试表现而做出调整。

要想解决这一难题，唯有实现统计技术创新。用一种可以动态调整控制界线的统计工具来监测这些离群点。这种新型的统计控制工具，暂且称为spa(相当于spc来说)，它在采用传统的spc的控制思路(群体的均值+/-3倍标准差)的基础上做了一些创新，第一：它事先设定两个风险值，也可以说权重(α，β)，这样在实际操作中就灵活多了，可以根据实际情况来设定。第二，spa的控制思路还参考了移动极差的原理，在计算控制界线时由当前测试值，上一个测试值，当前界线，上一个界线等综合确定。

因此，spa的控制界线既可以“统计监控”还可以实现“动态调整”。

技术实现要素：

本发明为解决目前背景技术中存在的缺点，提供了一种用于电子制造业的统计方法，包括spa(statisticprocessadjustment,即统计动态调整)的控制界限由以下公式确定：

(公式一)ucli＝[xbari+αabs(xi-xi-1)]*β+(1-β)ucli-1；

(公式二)lcli＝[xbari-αabs(xi-xi-1)]*β+(1-β)lcli-1；

(公式三)xbari＝xi*β+xbari-1(1-β)；

所述公式一与公式二中的“α”为α风险指的是本来根据客户的规格界限判断应该为良品却被拒绝，所述“β”为β风险指的是本来根据客户的规格界线硬干判断为不良品的产品却被接收，α越大，表示spa的上下控制界线之间的距离越长，筛选出来的“离群点”越少，α越小，表示spa的上下控制界线之间的距离越窄，筛选出来的“离群点”越多，β越大，表示spa的上下控制界线的变化频率越快，筛选出来的“离群点”越少，β越小,表示spa的上下控制界线的变化频率越慢，筛选出来的“离群点”越多，所述离群点为经客户规格线判断为可接受但实际上常常隐含某种早期失效的产品，所述公式以与公式而终的ucl为uppercontrollimits即spa的上控制界线，lcl为lowercontrollimits即spa的下控制界线。

对本发明的进一步描述，所述α风险值的取值范围为1至10。

对本发明的进一步描述，所述β设定一个β值(取值范围为0至1)。

对本发明的进一步描述，所述公式一、公式二与公式三种的i,取值范围从0至无穷大，当i＝0时，spa的ucl＝xbar+3*标准差，spa的lcl＝xbar-3*标准差，spa的xbar＝第一个测量值。

采用上述技术方案，具有如下有益效果：

本发明良后的spa控制界线完全可以实现在线监测模式，因为它不需要收集历史数据，直接参考临近的测试值和现有的控制界线值作为初始值即可，因而完全可以将公式写入测试设备的程序中，进行在线监控，改良后的spa控制界线也不需要群体数据符合正态分布，无需用其他统计工具进行正态转换，因而使用起来更加便利。

附图说明

图1为本发明的某一工厂α为2，β为0.1，时，发现12个离群点的控制图；

图2为本发明的某一工厂当α为3(β为0.1)时，发现0个离群点的控制图；

图3为本发明的当β为0.1(α为2.2)时，发现7个离群点的控制图；

图4为本发明的当β为0.4(α为2.2)时，发现1个离群点的控制图:

图5为本发明的当α设定为2,β设定为0.1的离群点控制图。

具体实施方式

下面结合附图对本发明做进一步说明。

实施例1：如图1至图5所示的一种用于电子制造业的统计方法，包括spa(统计动态调整)的控制界限由以下公式确定：

(公式一)ucli＝[xbari+αabs(xi-xi-1)]*β+(1-β)ucli-1；

(公式二)lcli＝[xbari-αabs(xi-xi-1)]*β+(1-β)lcli-1；

(公式三)xbari＝xi*β+xbari-1(1-β)；

所述公式一与公式二中的“α”为α风险指的是本来根据客户的规格界限判断应该为良品却被拒绝，所述“β”为β风险指的是本来根据客户的规格界线硬干判断为不良品的产品却被接收，α越大，表示spa的上下控制界线之间的距离越长，筛选出来的“离群点”越少，α越小，表示spa的上下控制界线之间的距离越窄，筛选出来的“离群点”越多，β越大，表示spa的上下控制界线的变化频率越快，筛选出来的“离群点”越少，β越小，表示spa的上下控制界线的变化频率越慢，筛选出来的“离群点”越多，所述离群点为经客户规格线判断为可接受但实际上常常隐含某种早期失效的产品。

所述α风险值的取值范围为1至10。所述β设定一个β值(取值范围为0至1)，所述公式一、公式二与公式三种的i,取值范围从0至无穷大，当i＝0时，spa的ucl＝xbar+3*标准差，spa的lcl＝xbar-3*标准差，spa的xbar＝第一个测量值。

设定一个α风险值，企业可以根据每个产品的具体业绩表现(比如直通率)，每条生产线的制程能力(cpk)及企业能承受的α风险级别(允许的α风险值)综合设定spa控制界线所用的α值，设定一个β值，企业可以根据客户的质量目标值(比如：doadppm,fieldreturndppm)及客户能承受的β风险值综合设定。一般地说，客户的商业合约上会强调“质量惩罚”的说辞。比如，如果产品的不良率高出某一个dppm值就要对厂商罚款，那么这个值就可以作为参考来设定spa控制界线时所用的β值，改良后的spa控制界线完全可以实现在线监测模式，因为它不需要等待数据收集，(由公式直接看出：改良后的spa思路不需要)，因而完全可以将公式写入测试设备的程序中，进行在线监控，改良后的spa控制界线不需要群体数据符合正态分布，因而更加便利。

传统的统计过程控制采用的是制程的测量数据的均值加减3倍估计sigma值(xbar+/-3*标准差),针对计量型数据和计数型数据，估计的sigma值不同)，误判几率高。控制界线是直线，容易一刀切，增加误判几率，不是实时控制。传统的统计过程控制很难实现实时控制。因为先收集一批历史数据再计算界线，大多数时候，车间人员在分析异常波动的原因时，有潜在问题的产品早已入库甚至出货了，传统的统计过程控制是建立在“群体数据是正态分布”基础上的，但是实践发现，大多数测量数据的分布特点不是正态分布，需要用箱图进行转换，而转换后的数据可能失真。因而丢失了重要的信息，比如，本来是离群点的产品却被剔除了。

图5中，该控制图的α设定为2,β设定为0.1.(该企业的制程能力为1.33，客户的目标：doadppm:500，fieldreturndppm:300)实际应用中，如果企业的制程能力太低，先改善制程能力达到1.33后再运用spa来探测离群点，否则，会出现大批量误判造成生产中断。另外，有些企业的制程能力已经达到1.33，而且真正的离群点被探测出来，但是由于失效分析工程师的能力有限或者企业分析用的资源有限(设备不精确或不准确)等等因素最终导致筛选出来的离群点因为没有能力分析而判断为良品送给客户。

以上描述了本发明的基本原理和主要特征，本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内，发明要求保护范围由所附的权利要求书及其等效物界定。