在微電子製造業自動化程度不斷提高、勞動力短缺日益嚴重的背景下，提高品質控制系統的可靠性和效率已變得至關重要。本專案對印刷電路板組裝 (PCBA) 生產線進行了數據驅動的分析，重點關注焊膏印刷後的焊膏檢測 (SPI) 製程。 SPI 系統可對單一焊膏沉積物進行高解析度測量，並在測量值超出預定規格限值時標記潛在缺陷。儘管這些系統技術先進，但在缺陷驗證方面仍然嚴重依賴操作員的判斷。
SPI 機器會產生大量誤報，直接影響操作員的工作量和整體生產線效率。隨著 PCB 設計日益複雜且密度越來越高，每塊電路板的焊膏測量次數可能高達數萬次。為了解決這個問題，我們應用統計異常值分析，有效地過濾並精簡了生產線製程工程師可用的資料集，從而能夠集中調查異常焊膏沉積。這種方法能夠識別出 SPI 系統和操作員可能遺漏的潛在真實缺陷，最終支援更可靠的品質控制，並為自動化、數據驅動的製程改進奠定更堅實的基礎。
此外，我們使用 JMP 視覺化功能和 Python 整合來提取 SPI 生成的潛在缺陷圖像並產生互動式自動報告。
