在微电子制造行业自动化程度不断提高和劳动力短缺日益严峻的背景下，提升质量控制系统的可靠性和效率至关重要。本项目对一条印刷电路板组装（PCBA）生产线进行了数据驱动分析，重点关注焊膏印刷后的焊膏检测（SPI）流程。SPI系统对单个焊膏沉积进行高分辨率测量，并在测量值超出预设规格范围时标记潜在缺陷。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人员的判断。
SPI 设备可能会产生大量误报，这会直接影响操作员的工作量和整条生产线的效率。随着 PCB 设计变得越来越复杂、元件密度越来越高，每块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来有效地过滤和减少可供生产线工艺工程师使用的数据集，从而能够集中精力调查异常的焊膏沉积情况。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，最终实现更可靠的质量控制，并为自动化、数据驱动的工艺改进奠定更坚实的基础。
此外，我们利用 JMP 可视化功能和 Python 集成提取 SPI 生成的潜在缺陷图像，并生成交互式自动报告。
