在微電子製造業自動化程度不斷提高和勞動力短缺日益嚴峻的背景下，提升品質控制系統的可靠性和效率至關重要。本專案對一條印刷電路板組裝（PCBA）生產線進行了數據驅動分析，重點關注焊膏印刷後的焊膏檢測（SPI）流程。 SPI系統對單一焊膏沉積進行高解析度測量，並在測量值超出預設規格範圍時標記潛在缺陷。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人員的判斷。
SPI 設備可能會產生大量誤報，這會直接影響操作員的工作量和整條生產線的效率。隨著 PCB 設計變得越來越複雜、元件密度越來越高，每塊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來有效地過濾和減少可供生產線製程工程師使用的資料集，從而能夠集中精力調查異常的焊膏沉積情況。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，最終實現更可靠的品質控制，並為自動化、數據驅動的製程改進奠定更堅實的基礎。
此外，我們利用 JMP 視覺化功能和 Python 整合來提取 SPI 產生的潛在缺陷影像，並產生互動式自動報告。
