www.jc-pcba.com

在SMT贴片加工中，质量问题的改善往往依赖工程师的个人经验——“调一下参数试试”“换一种锡膏看看”。这种“试错式”改善效率低、结果不可控，而且改善成果难以固化。六西格玛的DMAIC方法论为PCBA制造提供了一个系统化、数据驱动的质量改进框架。

DMAIC由Define（定义）、Measure（测量）、Analyze（分析）、Improve（改进）、Control（控制）五个阶段组成，已在电子制造行业取得显著成效。研究表明，通过DMAIC方法优化回流焊工艺参数，可将印刷电路板组装的不润湿缺陷率从65.36%降至15.04%，年报废成本从6,947,244泰铢降至1,393,152泰铢。

机器人PCBA的SMT制程改善，同样可以运用DMAIC方法论。

一、Define（定义）：锁定要解决的问题

定义阶段的核心任务是明确改进目标和范围。对于机器人PCBA的SMT制程，需要识别关键质量问题和客户需求。

具体做法：统计AOI/ICT/FCT的失败数据，用帕累托图识别主要缺陷类型。以某PCBA组装厂为例，通过过程确认记录发现，“不润湿”（De-wetting）缺陷平均占总缺陷的98.40%，是主导质量问题。

在机器人PCBA中，常见的主导缺陷包括：BGA虚焊（与板翘曲相关）、0201/01005微型元件偏移（贴装精度相关）、刚挠结合区焊点开裂（热应力相关）。通过数据分析锁定排名第一的缺陷类型，明确定义改进目标（如“将BGA虚焊率从3.8%降至0.3%以下”）。

二、Measure（测量）：用量化数据描述当前水平

测量阶段通过收集数据量化当前性能水平，建立改进基准线。

测量内容：

• 印刷环节：SPI检测锡膏的体积、高度、面积、偏移量，连续统计不少于25个子组（125片以上），评估印刷CPK值

• 贴装环节：AOI统计各元件的贴装偏移均值、标准差，识别精度偏移趋势

• 回流焊环节：炉温测试仪各通道实际峰值温度与设定值的偏差记录

• 最终检测：AOI/AXI的良率统计、FCT失败率及失败类型分布

在六西格玛DMAIC框架中，测量阶段还需嵌入端到端流程可见性——通过MES、AOI、X-Ray、SPC数据采集，实现全流程量化评估。捷创电子通过MES系统自动采集焊接温度、贴装压力等关键参数，建立数据基线。

对于机器人PCBA，测量阶段还需关注FPC弯折区域的动态可靠性，可引入IEC弯曲寿命试验机测试弯折寿命（标准动态应用≥100,000次）。

三、Analyze（分析）：用鱼骨图+FMEA锁定根因

分析阶段对测量数据进行深入挖掘，用因果图（鱼骨图）识别潜在因子，通过FMEA（失效模式与影响分析）量化风险，锁定关键改进点。

在机器人PCBA领域，BGA虚焊的根因分析可沿着鱼骨图的六个维度展开：

• 机器（Machine）：回流焊温区均匀性、氮气氧含量稳定性、贴片机CPK值

• 材料（Material）：高Tg板材翘曲度、低空洞锡膏批次稳定性

• 方法（Method）：回流焊曲线设置、钢网开口设计

• 测量（Measurement）：X-Ray检测精度、AOI判定阈值

• 环境（Environment）：车间温湿度、静电防护水平

• 人员（Man）：操作员培训、参数设置准确性

研究案例表明，某PCBA组装厂通过鱼骨图+FMEA分析发现，不润湿缺陷的主要根源在于回流焊压力、速度、温度等参数设置不当，而非锡膏或PCB自身问题。这一发现将改进方向从“换物料”转向“调工艺”。

某机械手臂PCBA制造商的FMEA分析还显示，“真空吸嘴作业失效导致机故”和“CCD作业失效导致机故”的RPN得分均超过100，须进入关键要素改善阶段。对于机器人PCBA，0201/01005级微型元件的吸嘴和视觉识别精度是分析重点。

四、Improve（改进）：DOE+工艺参数优化

改进阶段基于根因分析制定改进方案，常用工具包括全因子DOE和工艺参数优化。

典型案例：回流焊参数优化

Sangkhapanit的研究将六西格玛DMAIC与2k全因子DOE结合，针对回流焊的关键因子（压力、速度、温度）进行试验设计，找到最优工艺窗口。改进后，不润湿缺陷率从65.36%降至15.04%，年报废成本降低约555万泰铢。

机器人PCBA的专项改进：

• 板翘曲控制：通过对称层叠设计、低应力PP片、压合降温速率控制，将翘曲度从0.8%降至0.3%以内，BGA虚焊率从3.8%降至0.3%以下

• 吸嘴优化：控制取料点高度以缩小吸嘴形变量，设定真空阀参数减小吸取偏移，在吸嘴接近寿命上限前预警更换

• CCD识别优化：改善机械手臂固定底座降低高速震动对图像清晰度的影响，更换高速相机及配套网卡获取高清图像，便于条码识别定位

五、Control（控制）：MES仪表盘+SPC监控+闭环纠正

控制阶段确保改进成果持续保持，防止问题复发。通过MES仪表盘实时监控关键参数、SPC统计过程控制检测异常趋势、异常触发机制自动报警，形成闭环控制。

关键控制手段：

• 将改进后的最佳参数（钢网开口尺寸、回流焊温度曲线）写入作业指导书（SOP），强制固化

• 操作员换线时直接调用MES系统中已验证的工艺参数，杜绝手工输入错误

• 持续监控关键工序的CPK值（目标≥1.33），发现趋势性偏移（如连续5点上升/下降）即预警

• 每个改进周期结束后进行标准化和防错推广

在六西格玛框架中，DMAIC的五个阶段之间设置了自适应决策门验证点，确保前一阶段充分完成后方可推进。

六、捷创电子的DMAIC改善实践

深圳捷创电子在机器人PCBA制造中已系统化落地DMAIC改善方法论：通过AOI+X-Ray+ICT数据锁定BGA虚焊等主导缺陷类型；MES系统自动采集焊接温度、贴装压力等关键参数建立数据基线；采用鱼骨图+FMEA分析根因，40余轮DOE迭代优化LDI曝光参数；SPC实时监控关键工序CPK值，异常触发即停线排查。公司已累计完成200余款机器人板卡案例，产品不良率长期保持在200PPM以下。

FAQ

Q1：DMAIC和传统“试错式”改善有什么区别？
传统试错式改善靠经验“盲调”，改善成果难以固化。DMAIC用数据定义问题、分析根因、优化参数、固化成果，是系统化的科学改善流程。

Q2：DMAIC五个阶段中哪个阶段最难？
分析阶段（Analyze）最难。测量阶段收集了大量数据，但如何通过因果图和FMEA精准定位真正根因，需要团队的技术深度和系统性思维。

Q3：机器人PCBA和普通PCBA在DMAIC应用上有什么不同？
机器人PCBA需要特别关注FPC弯折区域的动态可靠性（≥100,000次弯折寿命）和0201/01005微型元件的吸嘴/CCD精度。这些是机器人PCBA独有的质量特性，需纳入DMAIC的分析和改善范围。

Q4：捷创电子在DMAIC改善方面有什么实践？
捷创电子通过AOI+X-Ray+ICT数据锁定主导缺陷，MES系统自动采集工艺参数建立基线，DOE迭代优化贴装参数，SPC实时监控关键工序CPK值，已累计完成200余款机器人板卡案例，产品不良率长期保持在200PPM以下。