本文關鍵字：

如果你能測量出你所談論事物的大小，并且用具體的數值來表示，說明你對它有相當的了解；但如果你不能測量，也不能用具體數值來表示，那你所知道的就只能算是一些皮毛、不能令人滿意。這只是認知的開始，不要以為自己已經登上了科學的舞臺。這是一百多年前著名物理學家開爾文勛爵說過的話。我的好友 Rick Short提出一種更先進的觀點：“凡是能夠測量出來的都是可以控制的”。
    我曾經嘗試著把數據分析的概念用到日常生活中，而不只是局限于技術領域。我希望能夠充分發揮數據分析的作用，我還想把高爾夫球打得更遠。作為一名中等水平的高爾夫球手（在天氣不錯的情況下我能打出80桿），我對自己擊球的距離一直都感到很不滿意——一般都不到230碼。擊出遠距離的球的一個關鍵因素是高爾夫球棒頭的速度。最近市場上出現一種廉價的雷達設備，它能夠在擊球時準確地測量高爾夫球棒頭的速度。我用這個設備測量了自己的擊球速度，一般只有每小時80英里。按照雷達提供的數據，我反復試了很多次，擊球速度很快就提高到每小時100英里了。我可以根據連續不斷的反饋信息做出調整，改進擊球動作，提高擊球速度。順便說一下，高爾夫王子Tiger Woods不必擔心，他的擊球速度在每小時125英里以上，我是趕不上的。

    與此類似，科學的數據分析方法是建立世界水平SMT組裝工藝的關鍵。我所能想到的最好的SMT例子是監測模板焊膏印刷工藝。眾所周知，大約有三分之二的缺陷都與模板印刷工藝有關。因此，最能決定成品率的因素是均勻涂布在印制電路板（PWB）焊盤上體積一致的焊膏。制定數據分析SMT工藝優化計劃至關重要的一步是，有一個能夠測量印刷在焊盤上焊膏體積的系統性方法。制定這個方法究竟有哪些步驟呢？顯然，這些步驟可能會隨著你的預算和SMT工藝的復雜性而變化。

    制定一個合理的方法通常包含以下步驟：

    1、選擇一個工具來測量印刷在焊盤上焊膏的體積。這個工具要像立體顯微鏡一樣簡單，或者要像價格高達250,000美元的激光掃描測量系統一樣復雜。

    2、根 根據測量系統的重復精度和生產性分析來決定你典型的印制電路板組裝件測量工具的精度。

    3、建立前后一致的數據采集程序（例如，每隔一百塊印制電路板測量一塊電路板上十個焊盤上的焊膏體積）。

    4、收集一些適合通過軟件來轉換和分析的數據。人們通常把這類數據稱為統計工藝控制（SPC）數據。

    5、當你在收集這些統計工藝控制數據時，把生產線最終的失效數據制成Pareto表（例如，由大到小的次序是短路、開路、元件丟失等的數量）。人們把統計工藝控制數據視為“變化數據”，把失效模式數據稱為 “特征數據”。

    6、根據你的統計工藝控制數據，使用失效模式和后果分析（FMEA）來了解失效模式（使用統計工藝控制數據來理解Pareto數據）。
我們來看一個例子，你經過幾個月“監測”收集到前后一致的統計工藝控制數據，而且第一次合格率（FPY）很高，達到95%。在分析失效Pareto 表時，發現與統計工藝控制表中的數據沒有關聯作用。這個信息和低失效率表明，只有少量的失效屬于“常見的原因”，或者是在控制良好的工藝中偶爾出現的隨機變化。

    突然間，第一次合格率下降到85%。Pareto分析表明基本上所有的新故障都是由短路造成。只要看一下統計工藝控制數據就會明白一切——用模板印刷到焊盤上的焊膏體積增加了20%。后續的分析表明，焊膏的粘度低于技術規范的要求。粘度下降會增加印刷上去的焊膏體積，引起短路。盡管這個例子相當簡單，但是能夠說明基本原理是正確的。

    對大多數打算制定這種數據分析方法的人來說，接受六西格瑪培訓可能是一種行之有效的辦法。一個成功的六西格瑪計劃的基石是不斷提高和改進數據分析。所以，無論是高爾夫球、適當的計劃或者是SMT工藝，最好的辦法是進行數據分析。