在微电子制造行业自动化程度不断提高、劳动力短缺日益严重的背景下，提高质量控制系统的可靠性和效率已变得至关重要。本项目对印刷电路板组装 (PCBA) 生产线进行了数据驱动的分析，重点关注焊膏印刷后的焊膏检测 (SPI) 工艺。SPI 系统可对单个焊膏沉积物进行高分辨率测量，并在测量值超出预定规格限值时标记潜在缺陷。尽管这些系统技术先进，但在缺陷验证方面仍然严重依赖操作员的判断。
SPI 机器会产生大量误报，直接影响操作员的工作量和整体生产线效率。随着 PCB 设计日益复杂且密度越来越高，每块电路板的焊膏测量次数可能高达数万次。为了解决这个问题，我们应用统计异常值分析，有效地过滤并精简了生产线工艺工程师可用的数据集，从而能够集中调查异常焊膏沉积。这种方法能够识别出 SPI 系统和操作员可能遗漏的潜在真实缺陷，最终支持更可靠的质量控制，并为自动化、数据驱动的工艺改进奠定更坚实的基础。
此外，我们使用 JMP 可视化功能和 Python 集成来提取 SPI 生成的潜在缺陷图像并生成交互式自动报告。
