www.jc-pcba.com

在SMT量产管理中，“良率”几乎是最重要、最直观、最常被引用的指标。日报看良率，周会讲良率，月报比良率。当数字长期稳定在98%、99%以上，很多团队都会自然产生一种判断：“这条线非常稳定，质量风险很低。”但在越来越多长期项目中，却不断出现一种令人困惑的现象：良率报表始终漂亮，异常却在客户端与后段逐渐集中爆发。问题不在良率造假，而在于：当团队只盯着“当下良率”，往往已经忽略了真正决定长期可靠性的“波动趋势”。

良率，只是结果指标，并不直接反映系统健康状态

良率本质上只是一个结果统计：这一批有多少板被判定合格，有多少板被判定不良。但它并不能回答三个关键问题：工艺窗口是否正在变窄？参数分布是否正在漂移？系统是否正逐步逼近失控边界？在很多产线中，只要当日不良率没有明显升高，系统就被默认“状态正常”。而真正危险的变化，恰恰往往发生在：良率仍然很高的阶段。

最隐蔽的风险，是“良率稳定，但分布正在悄悄移动”

在稳定产线中，最理想状态是：焊点体积、贴装偏移、润湿角度长期围绕工艺窗口中心波动。但在实际运行中，更常见的情况是：分布中心缓慢向某一侧移动，但尚未触碰报警阈值。例如：焊点平均体积逐渐变小；贴装偏移均值慢慢向某一方向偏移；润湿角整体略偏干。在这种阶段：每一片板仍然完全合格；良率数据几乎没有变化；系统却已经明显靠近工艺下边界。一旦叠加：环境变化、物料批次波动、设备轻微老化，异常就会突然越界爆发。

良率掩盖的，是“合格区间内部质量差异正在扩大”

在传统良率统计中，只要在规格范围内，无论处在中心还是边缘，全部计为“合格”。但在长期可靠性角度，这两者的寿命差异往往极大。靠近窗口中心的焊点：金属间化合物生长均匀，应力分布平衡，热循环寿命较长。靠近窗口边界的焊点：润湿不足、界面层不均、微裂纹萌生更早。当产线整体分布向边界集中时，良率依然好看，但整批产品的平均寿命已经明显下降。而这种风险，在出厂阶段几乎完全不可见。

更危险的是“波动幅度正在变大，但均值暂时未变”

在某些产线中，参数平均值看似稳定，但分布宽度却在逐渐拉大。常见表现包括：同一焊盘体积离散度明显增加；贴装偏移标准差逐步变大；回流峰值温度波动范围扩大。这意味着：系统对扰动的抑制能力正在下降；制程稳定区间正在变窄。在这种状态下，任何一次小波动，都可能瞬间触碰失效边界。但在良率报表中，这种“稳定性退化”几乎完全看不出来。

日报、周报机制，天然容易掩盖“慢变量风险”

绝大多数工厂的质量管理节奏是：看当日数据，看当周平均，看当月汇总。这种机制非常擅长发现：突发异常、设备故障、物料失控。但它几乎无法识别：慢速漂移、长期趋势、系统老化。当某一参数：每周偏移0.5%，每月偏移2%，三个月后偏移6%，此时往往才开始出现明显异常。而在前三个月的报表中，一切都“完全正常”。

最容易被忽略的，是“不同器件之间的趋势分化”

在多品种混线环境中，整体良率往往由“容易器件”主导。而真正高风险器件：BGA、CSP、底部焊盘、细间距器件在统计中所占比例往往很小。当这些器件的：空洞率逐渐上升、润湿边界逼近极限、焊点形貌开始退化时，整体良率几乎不会有明显变化。但最终失效，却几乎全部集中在这些关键器件上。

成熟企业，看的是“趋势健康度”，而不仅是“当期良率”

在高可靠制造体系中，良率只是最基础的入门指标。真正成熟的团队更关注：关键参数长期中心度变化；分布宽度变化趋势；不同器件族群的独立稳定区间；异常发生前的趋势拐点信号。在长期量产项目中，类似捷创电子在质量监控体系中，通常不仅跟踪每日良率数据，还会对关键焊点体积、贴装偏移和回流温区建立长期趋势曲线，通过观察分布中心与离散度的缓慢变化，提前判断工艺窗口是否正在收缩，在异常尚未形成不良前完成参数回调，从而避免风险在客户端阶段集中暴露。这种体系，才真正把质量管理从“事后统计”升级为“事前预防”。

当趋势被忽略，异常往往以“系统性失效”形式出现

这类问题最典型的表现是：某一时间段产品集中失效；不同客户同类问题同时出现；失效模式高度一致。而追溯发现：这一时间段内良率始终稳定；产线没有明显异常记录；参数全部在规格范围内。真正的原因，往往是：系统在很长一段时间内，持续运行在工艺窗口边界附近。当边界最终被突破，问题一次性集中爆发。

最危险的信号，是“良率长期稳定，但返修率与客户端抱怨缓慢上升”

在很多项目中，最早的预警信号并不来自产线，而来自：返修比例逐步上升；功能测试复测次数增加；客户端偶发异常开始变多。如果此时仍然只看良率报表，几乎一定会错过最佳干预窗口。等到产线良率真正下降时，系统往往已经处在严重失控边缘。

真正成熟的质量管理，是“盯趋势，而不是盯数字”

高水平制造体系关注的不是：今天良率多少，而是：系统是否仍然处在健康区间。他们更关心：工艺窗口是否在变窄；参数中心是否在漂移；不同器件族群稳定性是否分化；长期寿命是否正在被透支。在这种体系下，异常往往在形成不良之前就被提前化解。

总结

SMT良率好看，并不代表系统健康。当团队只关注“是否合格”，而忽略“是否正在靠近边界”，真正危险的风险反而更容易被隐藏。异常不会突然从天而降，而是：在很长一段时间内，被趋势掩盖、被统计稀释、被报表美化。真正高水平的制造能力，不是把良率做得好看，而是在良率仍然很好时，就已经看清系统正在走向哪里。