PCBA 良率提升如果只能做一个动作，建议先做缺陷帕累托分层，而不是急着换锡膏、调炉温或买 AOI。很多产线的真正问题是：总装直通率看起来每月都在波动，但没人说得清到底哪 3 类缺陷吃掉大部分维修成本。把缺陷代码按数量与占比排序后，通常会发现前 2-3 项已经占 50%-70% 的失效，资源应优先投在那里。
一、缺陷数据分层：帕累托图不是统计表
帕累托分析的第一步不是画图，而是把数据口径统一到可行动的缺陷代码。建议以 IPC-A-610 三级作为判定基准，将 AOI 报出、ICT 剔除、FCT 功能和维修记录合并去重，并保留缺陷代码、位号、元件规格、焊盘设计、钢网编号、回流炉温区、班次、锡膏批次 8 个字段。若数据只记录“外观不良”，后续对策很容易发散成“加强目检”，无法落到参数或治具。
分层时至少切三个维度：缺陷类型、产品/线体、时间窗口。比如某控制板项目 6 周数据中，桥连、立碑、虚焊三项累计占比 57.3%，且夜班 18:00-22:00 交接段桥连比白班高 1.8 倍，这说明不单是材料问题，也有印刷后停留时间与人员换线动作混入。
二、典型缺陷帕累托：先处理前 3 项就解决七成坏率
下表是某工业控制器 PCBA 连续 6 周、约 86 万焊点的缺陷分层数据。总缺陷数 1198，DPMO 约 1393。只看总数会漏掉关键结构：前 5 类缺陷累计占比 75.9%，其中桥连、立碑、虚焊三项合计 57.3%。
| 缺陷代码 | 缺陷数 | 占比 | 累计占比 | DPMO |
|---|---|---|---|---|
| 桥连 | 316 | 26.4% | 26.4% | 367 |
| 立碑 | 198 | 16.5% | 42.9% | 230 |
| 虚焊 | 172 | 14.4% | 57.3% | 200 |
| 少锡 | 134 | 11.2% | 68.5% | 156 |
| 偏移 | 89 | 7.4% | 75.9% | 103 |
| 空洞 | 71 | 5.9% | 81.8% | 83 |
| 其他 | 218 | 18.2% | 100% | 253 |
从上表可以看出，桥连不是单一原因，而是钢网开口、锡膏流变、贴装压力和回流预热共同作用。若第一轮只把桥连和立碑作为改善对象，会牵出 0.10mm 间距器件、0201/0402 元件、无铅锡膏和氮气回流炉的交叉参数。
三、关键缺陷的根因分解：把代码翻译成参数
对桥连、立碑、虚焊三类缺陷做 5M1E 排查时，优先看过程参数窗口是否已经偏离，而不是直接换材料。以下是常见根因和可量化的窗口。
| 缺陷代码 | 高概率根因 | 过程参数窗口 | 复判方式 |
|---|---|---|---|
| 桥连 | 钢网开口面积比偏大、锡膏黏度偏低、贴装压力过大、预热不足 | 面积比≥0.66；锡膏黏度 180-220 Pa·s；贴装压力 1.5-2.0N；升温速率 1.5-2.5℃/s | AOI+3D SPI |
| 立碑 | 两端热容量差、焊盘间距与端不匹配、升温过快 | 走线宽度差≤0.3mm；焊盘伸出 0.25-0.55mm；回流前保温 150-200℃/60-90s | AOI+抽检显微镜 |
| 虚焊 | 焊盘氧化、引脚共面性差、峰值温度或液上时间不足 | 峰值 235-250℃；液上时间 60-90s；引脚共面性≤0.10mm；OSP 开封后≤24h | ICT+边界扫描 |
这些参数不是孤立的。比如把锡膏黏度从 195 Pa·s 降到 165 Pa·s，可以让印刷脱模更好，但会增加桥连概率；立碑改善时把升温斜率从 2.8℃/s 压到 1.6℃/s，对 0201 元件有效，却可能让大尺寸 QFP 的助焊剂活化不足。参数调整必须配合炉温实测曲线和 SPI 体积数据，不能只改一个值。
四、改善闭环：从对策到标准化四步走
改善闭环不能只做“发现-维修”，至少要走完对策试验、验证、固化和监控四个步骤。每一步留下版本号、数据和判定结论，后续才能复现。
第一步：单变量对策试验。每次只改一个变量，例如桥连改善先改钢网开口尺寸，锡膏型号、贴装高度和炉温曲线保持锁定；若多个参数同时动，最后无法判定是哪个动作起了作用。
第二步：小批量验证。每个对策至少跑 3 批×200 片，或累计 5000 个以上目标焊点，记录 AOI 直通率、ICT 通过率、X-Ray 抽检空洞率。验证批必须与量产使用同一钢网、锡膏批次和炉温程序。
第三步：冻结参数并切换量产。试验合格后，把钢网编号、锡膏批次、回流炉温程序、贴装坐标版本号一同写入 ECN，旧程序归档。未冻结参数的改善，一周内就会回到原状态。
第四步：SPC 监控关闭。连续 2 周 P-chart 无超出 3σ 点、CPK≥1.33，不良率低于控制上限后，该缺陷项目才能关闭。
五、数据监控与复验：良率不是靠月底算总账
量产阶段要做的不只是统计月报，而是把良率数据切成天、班次和线体，用控制图而不是平均值判断。一次直通率、DPMO、AOI 误报率、维修率和逃逸率五个指标至少同时看，否则单看一个会误判。
| 监控指标 | 统计口径 | 预警阈值示例 |
|---|---|---|
| 一次直通率 FPY | 批次一次检验合格数/投入数 | ≤97.5% 触发线体复盘 |
| DPMO | 缺陷数/总焊点数×10⁶ | 连续 3 天高于 1500 |
| AOI 误报率 | 误报数/AOI 报出数 | ＞5% 需复判并调参 |
| 维修率 | 维修工位记录数/产出数 | ＞2.0% 触发根因分析 |
| 逃逸率 | 客户/下工序发现数/出货数 | ＞50ppm 启动客诉流程 |
上表的阈值只是某中批量控制板的内部控制线，不同产品可按历史基线收紧或放宽。关键是指标必须由系统自动读取，不能靠人工在 Excel 里粘贴。手工统计常把维修记录漏掉 3%-5%，最后良率高得不真实。
另外，AOI 误报率容易被忽略。某线 AOI 误报率高到 8.3%，操作员把大部分报错默认判为“可接受”，实际逃逸了 4 例桥连。良率指标要把 AOI 的漏杀和误报一起看，否则容易形成“AOI 看着很严，实际在放水”。
六、常见误区：良率提升为什么每月归零
误区一：只做维修分析，不回流设计端。如果桥连数据按位号排序，发现集中在一个 0.50mm pitch 连接器位置，而每批次都靠手工补焊处理，这就是设计/钢网开口的重复性失效，不是维修能解决的。
误区二：把 AOI 一次直通率当成唯一 KPI。AOI 程序被调宽后直通率上升，DPMO 和维修率却上涨。AOI 必须保留盲测板或标准缺陷板验证，否则程序被“优化”到失去拦截能力。
误区三：只看月度总不良率。新品导入量小、老产品返工量大，会把平均不良率拉稳。正确的做法是按产品、线体、班次分层，用 DPMO 而不是百分比做趋势判断。